陈文妍 滕谦谦 黄转苦

[摘           要]  系统地收集学校2011—2018年的招生量和网络关注度数据，分析两者的时空演变规律，并构建两者时空相关模型。研究结果显示：（1）学校网络关注度数据的月度变化与学校的招生季大致相符，年度网络关注度整体变化强度较大，网络关注度不稳定;但网络关注度空间分布较为分散，具有良好的稳定性。（2）学校在各生源地的招生量年际变化强度较大，且招生量不稳定;但在空间分布上无显著差异，相对稳定。（3）学校网络关注度与招生量在时间上具有一定的相关性，生源地对学校的网络关注度每变化1%，招生量将增加或减少0.0036%;在空间分布上具有较高的相关性，生源地对学校的网络关注度每增加或减少1次，招生量将增加或减少0.0221人次。

[关    鍵   词]  网络关注度;国内招生量;时空分布;相关分析

[中图分类号]  G712                 [文献标志码]  A              [文章编号]  2096-0603（2021）01-0088-02

一、引言

随着经济发展和科学技术的进步，我国互联网普及率逐年升高。截至2018年12月，我国网民规模已达8.29亿，网络普及率达59.6%[1]，互联网时代的数字技术迅猛发展，正加速同社会各领域深度融合，网络也因此成为辅助人们进行决策的重要工具。百度公司推出的百度指数分析功能，使我们能在大数据背景下及时发现、挖掘和共享互联网最有价值的信息与资讯，可直接反映社会热点、研究互联网用户的行为偏好和需求。研究高校网络关注度与实际招生量的空间分布特征及关联性，为学校招生工作提供了科学的决策依据，对促进学校的可持续发展具有重要的现实意义。

通过梳理相关研究文献可知，网络关注度与实际流量存在一定的相关性。基于此，本文尝试将网络关注度引入教育学领域，从时空尺度分析学校网络关注度与招生量的时空分布特征及相关性。

二、数据来源

招生量数据主要来源于学校2011—2018年的统计资料，而网络关注度数据主要是借助百度指数平台进行收集的。百度搜索是全球最大的中文搜索引擎，在众多搜索引擎中排名第一，且其知名度最高，能在一定程度上反映网民搜索的信息流[2]。由于数据的可得性，故本文将研究时间段设定为2011年1月—2018年12月，且将搜集到有关“海南职业技术学院”的用户关注度数据作为网络关注度指数，为分析学校网络关注度的时空分布特征及其与招生量的相关性提供数据来源。

三、网络关注度的时空演变规律

（一）评价指标

1.年际集中指数

公式（1）中：YA为关注度的年际集中指数;Xi为生源地第i年对学校关注度数量占2011—2018年关注度总量百分比的分子值;X为2011—2018年生源地对学校关注度数量的平均值占2011—2018年生源地关注度总量百分比的分子值;n为时间段中包含的年度数，其中Y值越小，表明生源地对学校的关注度变化不大，且会随时间变化趋于稳定;反之，关注度变化强度越大，且会随时间变化而不稳定。

2.地理集中指数

公式（2）中：G为地理集中指数;Xi为某年第i个生源地对学校的关注度数量;T为某年学校关注度总量;n为学校生源地数量。其中G值越接近100，说明学校关注度空间分布越集中，其稳定性越差;反之，G值越趋近于0，说明学校关注度空间分布越分散，稳定性越好。

（二）网络关注度的时序变化特征

1.月时段变化特征

各生源地对学校的网络关注度时间变化差异明显。主要表现在，1～7月，学校网络关注度逐渐增加，并于8月达到顶峰;9～12月，网络关注度逐渐减少，且趋于稳定。

2.年度变化特征

以我国34个行政区域2011—2018年对学校的网络关注度数据为基础，根据公式（1）计算其Y值。可知，河南和海南对学校网络关注度的Y值排名最低，分别为Y=0.77和Y=0.78，说明两地对学校的网络关注度年际变化幅度较小，且会随时间变化趋于稳定;Y值介于1～10之间的生源地分别为贵州、浙江、江苏、湖南、陕西等地;Y值大于10的有西藏、安徽和澳门，说明这三个生源地对学校的网络关注度年际变化强度较大，且网络关注度不稳定。

（三）网络关注度的空间变化特征

以我国34个行政区域2011—2018年关于对学校的网络关注度数据为基础，根据公式（2）计算其G值。

1.2011—2013年，各生源地对学校网络关注度的G值分别为25.02、26.87和25.22，平均指数为25.70，这三年期间的G值均围绕平均指数上下波动，说明这三年间生源地对学校的网络关注度比较稳定。

2.2014年学校的G值由2013年的25.22上升为31.34，说明其空间分布趋于集中，生源地对学校的网络关注度的稳定性变弱。

3.2011—2018年学校的网络关注度空间分布较为分散，具有良好的稳定性，但这在一定程度上阻碍了生源地的对外拓展。

四、国内招生量的时空演变规律

（一）评价指标

年际集中指数

式中：YB为学校招生量的年际集中指数;Xi为生源地第i年的招生量占2011—2018年招生总量百分比的分子值;X为2011—2018年生源地的招生量的平均值占2011—2018年生源地招生总量百分比的分子值;n为时间段中包含的年度数，其中Y值越小，表明生源地市场变化不大，生源会随时间变化而趋于稳定;反之，生源市场变化强度越大，生源会随时间变化而不稳定。

（二）时序变化特征

学校在澳门、北京、宁夏、上海、天津、台湾、香港等地招生量的Y值在所有生源地中排名最低，均为Y=0，说明学校在这些地区的招生量变化不大，且招生量均为0;Y值介于1～10之间的生源地主要有10个，分别为四川、贵州、黑龙江、湖南等地;Y值介于10～20之间的生源地有湖北、甘肃、吉林等地;Y值介于20～35之间的生源地有江苏、西藏、青海、山东，说明学校在这四个生源地的招生量年际变化强度较大，且招生量不稳定。

（三）空间变化特征

1.学校招生主要集中在华南、西南、部分华东和东北地区，在空间上存在近邻效应。

2.学校在各地的招生量于8年期间虽有所变化，但在空间分布上具有相对稳定性。2011—2018年学校在海南的招生量均位居第一，广东、广西、云南等省份均名列前茅。

3.学校招生量的空间分布与距离递减规律不相吻合。通过分析可知，紧邻海南的澳门、香港和台湾等的招生量尚未进入前10位。且于2011—2018年间，其招生量低于黑龙江、吉林、辽宁、内蒙古、新疆、青海和西藏等地。

五、招生量与网络关注度相关性分析

（一）时间变化相关分析

本文以年度为单位，将网络关注度指数和招生量指数进行线性回归分析，方程如下：

Yt=1428+0.0036Xt （4）

式中：Yt为年招生量，Xt为年网络关注度。计算可知，相关系数r=0.5010，方程正相关。可见，招生量与网络关注度在时间上具有一定的相关性。生源地对学校的网络关注度每变化1%，招生量将增加或减少0.0036%。

（二）空间分布相关分析

以我国各行政区域对学校的网络关注度为自变量，招生量为因变量，对其进行线性回归分析，方程如下：

Ys=1974.9+0.0221Xs （5）

式中：Ys为各生源地的招生量，Xs为各生源地对学校的网络关注度。计算可知，相关系数r=0.8437，方程显著相关。可见，招生量与网络关注度在空间分布上具有较高的相关性。生源地对学校的网络关注度每增加或减少1次，招生量将增加或减少0.0221人次。

六、结论

1.学校网络关注度数据的月度变化与学校的招生季大致相符，呈近“N”字形波动分布，年度网络关注度整体变化强度较大，网络关注度不稳定;2011—2018年学校的网络关注度空间分布较为分散，具有良好的稳定性。

2.学校在各生源地的招生量年际变化强度较大，且招生量不稳定;学校在各生源地的招生量在空间分布上无显著差异，相对稳定。

3.学校网络关注度与招生量在时间上具有一定的相关性，生源地对学校的网络关注度每变化1%，招生量将增加或减少0.0036%;在空间分布上具有较高的相关性，生源地对学校的网络关注度每增加或减少1次，招生量将增加或减少0.0221人次。由此可为高职院校稳定学校生源、摆脱学校招生困境提供相关依据。

参考文献：

[1]中国互联网络信息中心.第43次《中国互联网络发展状况统计报告》[EB/OL].（2019-02-28）[2019-03-10].http：//www.cnnic.net.cn/hlwfzyj/hlwxzbg/hlwtjbg/201902/t20190228_70645.htm.

[2]百度指数[EB/OL].（2013-03-18）[2019-03-10].http：//baike.haosou.com/doc/5347819-5583266.html.

編辑 原琳娜