558
个编辑
更改
→网络社区分析
==网络社区分析==
==网络社区分析==
===百度贴吧===
===百度贴吧===
把贴吧浏览转成有向、树状“注意力扩散方向”，刻画时间敏感性
====应用场景（数据与对象）====
该研究把注意力扩散建模成clickstream networks（点击流网络），同时分析了 Digg 与 **TIEBA（百度贴吧）**两类数据。这里你关注百度贴吧部分：
*'''节点'''：贴吧中的帖子/主题页（由点击打开的页面）
*'''有向边'''：在给定时间窗内，用户页面的连续浏览转移（从一个帖子到另一个帖子）
*'''源（source）与汇（sink）'''：用于平衡点击流网络，引入“环境”,源表示从外部进入系统，即开始浏览；汇表示离开系统，即停止在该社区内继续浏览。
该研究指出贴吧有一个关键机制：帖子按最新回复时间倒序呈现，因此“新鲜度/可见性”会随时间衰减——非常适合用“时间敏感的注意力偏好”来解释。
====核心分析目标====
百度贴吧相关研究发现了点击流的“方向性”并用流距离刻画，该研究发现点击流网络呈现有向、树状（tree-like）结构，从而反映了用户在集体层面的时间偏好。
关键做法是定义并使用流距离<math>L_{i}</math>，即用户从源出发首次到达节点 i的期望步数，把节点按<math>L_{i}</math>从小到大排列，得到系统级注意力扩散方向。注意力/浏览流通常从更靠近“根/入口”的节点，新内容更容易被触达的低 流距离的节点流向更靠近“叶/滞后”的节点，随时间新旧更替而逐步被替换的高流距离节点。
====时间—结构—衰减====
在贴吧里，帖子并不由投票集中决定“热度”，而更多由“新内容在界面上更可见”驱动；因此该研究用<math>L_{i}</math>与“帖子年龄” <math>T_{i}</math>的关系来刻画生命周期。随时间推移，节点的流距离会变化（可理解为可触达/可推进程度在系统层面上变差），当帖子变旧，新帖子不断挤占更靠近入口的位置，导致旧帖子浏览下降。同时该结构在不同时间窗里保持稳定，从而支撑“结构—行为”的预测关系。
====解决的问题====
百度贴吧的研究主要解决的问题是注意力如何在“新内容/关键节点”与“旧内容/次要节点”之间发生迁移？迁移为何呈现稳定结构并随时间产生衰减生命周期？
换成学习分析：哪些资源在课程里能成为“持续入口”（低 L类位置），哪些资源会因为新旧交替或导航机制而进入“可见性下降—耗散上升”的状态（高 L类位置）。
====输入—输出====
*'''输入'''：贴吧时间窗内的浏览记录（点击打开的帖子序列）、对网络平衡所需的环境连接（source/sink）
*'''输出'''：点击流网络的方向性与树状结构证据，节点流距离分布与其与“年龄/点击量”的关系，结构稳定性（跨时间窗的可重复模式）可以进一步用于解释扩散机制的个体行为模型对比。
可以把贴吧树状扩散结构理解为一条“推进链”：接近“根”的节点≈能让学习者更容易持续推进的内容/活动（低迁移阻力）,越往“叶”≈注意力越容易耗散或停留（推进阻力更大）,当新内容进入（类似课程中新的单元/章节被引导），旧内容的位置会被系统“挤出”，导致学习者路径出现可预期的衰减与替代。
==在线学习==
==在线学习==
集体注意力流网络是学习分析和教育数据挖掘中的一种网络分析方法，主要用于刻画大规模在线学习环境中学习者注意力在不同学习资源、活动和交互空间之间的流动过程。该方法通常以学习平台日志、点击流、资源访问记录和交互行为为基础，将学习资源或学习活动表示为节点，将学习者在资源之间的连续访问或转移表示为边，从而揭示在线学习中的注意力积累、转移、沉浸与耗散规律。
集体注意力流网络是学习分析和教育数据挖掘中的一种网络分析方法，主要用于刻画大规模在线学习环境中学习者注意力在不同学习资源、活动和交互空间之间的流动过程。该方法通常以学习平台日志、点击流、资源访问记录和交互行为为基础，将学习资源或学习活动表示为节点，将学习者在资源之间的连续访问或转移表示为边，从而揭示在线学习中的注意力积累、转移、沉浸与耗散规律。