10月20日，依托上海财经大学新闻与社会高等研究院创新融合项目的“经济情绪与智能传播工作坊”首场系列活动——“大数据驱动的情感分析专题讲授暨AI分析工具实操研讨”在上海财经大学同新楼113会议室举行。本次活动邀请复旦大学陈李伟博士聚焦情感分析的理论、方法与实践开展专题讲授，并通过理论讲解、案例分析与代码实操相结合的方式，带领师生深入了解大数据文本分析的主要方法，探索人工智能技术在数字传播研究中的应用路径。
聚焦经济情绪，探索数字传播研究新路径
随着智能媒介深度嵌入经济活动，网络传播正在不断重塑市场运行逻辑，情绪也日益成为影响经济行为与市场变化的重要因素。从对外经济宣传与招商引资中的话语博弈，到“谷子经济”等新兴消费形态的发展，再到资本市场的波动，情绪的传播、扩散及其影响愈发受到关注。如何有效观察、测量、分析和预测网络情绪，已成为数字传播研究的重要议题。
本次工作坊旨在帮助师生深化对情感计算与大数据分析方法的理解，提升运用智能技术开展数字传播研究的能力，为探索经济情绪的生成机制、传播规律及其现实影响提供方法支持。
活动伊始，上海财经大学新闻与社会高等研究院副研究员、院创新融合项目“经济情绪的数字传播”团队负责人施颖婕向在场师生介绍了网络传播赋能下情绪力量的变化及其研究价值。她结合数字传播研究、数字营销与股票量化等应用场景，阐释了情感分析的实践意义，并强调大数据方法与人工智能技术在识别、测量和分析经济情绪中的重要作用。
系统讲解方法，构建大数据文本分析框架
在专题讲授环节，陈李伟博士围绕“大数据驱动的情感计算：理论、方法与实践”展开系统讲解。陈李伟博士长期关注大数据与人工智能方法在社会科学研究中的应用，相关成果发表于国际期刊《Big Data & Society》及《新闻大学》《现代传播》《中国青年研究》《社会科学辑刊》《人口与经济》等国内外学术期刊，并多次被《高等学校文科学术文摘》、人大复印资料《青少年导刊》及《社会学文摘》转载，在大数据分析与AI方法应用方面具有丰富的研究积累。本轮讲授中，他从文本向变量转换的基本流程、文本分析的结果形态以及大数据文本分析的主要策略三个层面入手，帮助师生建立对大数据文本分析方法的整体认识。
针对大数据文本分析的具体路径，陈李伟博士重点介绍了文本数据向文本型、结构化及关系型数据转化的不同思路，并结合实例阐释了多种分析方法的适用场景。其中，文本型数据分析的讲解涵盖文本语义处理、关键词处理、语义网络分析与主题模型分析；结构化数据分析的介绍围绕监督学习、无监督学习、半监督学习及强化学习等机器学习方法展开；关系型数据分析则重点介绍了社会网络分析。通过对不同分析策略及其应用场景的梳理，师生进一步加深了对大数据文本分析方法体系的理解。
现场实操训练，体验多路径情感分析
理论讲解之后，活动进入代码实操与交流环节。在陈李伟博士的指导下，师生围绕情感分析的分析单元与测量对象，以及网络文本清洗、分词等基础步骤展开学习，并基于Kaggle代码环境，依次体验词典法、TF-IDF结合机器学习、TextCNN深度学习模型以及DeepSeek大语言模型四类情感分析路径。
通过现场代码操作与结果讨论，师生进一步了解了不同方法在文本情感识别中的基本原理、实现流程与应用特点，并对各类方法的分析结果进行比较，结合实际操作中遇到的问题展开交流。理论知识与实践训练相结合的形式，不仅帮助师生加深了对情感分析技术的认识，也为后续开展基于网络文本的经济情绪研究提供了具体的方法参考。
本次工作坊在四类情感分析方法的实操结果比较与常见问题解析中圆满结束。活动围绕经济情绪这一研究议题，将大数据分析理论、人工智能技术与数字传播研究相结合，进一步拓展了师生对智能分析工具及其应用场景的认识，也为“经济情绪的数字传播”创新融合项目的持续推进提供了方法支持。未来，新闻与社会高等研究院将继续围绕数字传播研究的前沿议题，积极探索跨学科方法与智能技术的融合应用，推动理论研究与实践探索协同发展。
供稿、供图 | 施颖婕
排版 | 刘宁一
审核 | 吕航、查俊杰、蒋诗萍
