代际差异视阈下老年人信谣传谣动因及其模型建构——以微信场域为例

来源 :当代传播 | 被引量 : 0次 | 上传用户:wufato
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
在中国社交媒体空间,老年人信谣传谣已经成为一个不容忽视的问题。论文从代际差异视角,运用访谈法与扎根理论研究法对微信场域老年人的信谣传谣动因进行了研究并建构了动因模型。研究发现,老年人微信场域信谣传谣动因并不仅仅是主观因素使然,还包括客观因素,其传谣动因是个体、家庭与社会三者共同作用的结果。老年人康养需求和社交需求越高,谣言传播的可能性越大。媒介素养、教育程度、家庭幸福感和社会信任越低,信谣传谣的可能性越高。研究结果为降低老年人谣言侵害风险提供了思考。
其他文献
目的:探讨大学生手机成瘾在自尊与抑郁之间的内在作用机制,为维护大学生身心健康提供理论依据。方法:选取上海520名大学生,利用自尊量表、大学生手机成瘾量表、流调用抑郁自评量表进行问卷调查。利用Bootstrap检验手机成瘾在自尊与抑郁之间的中介作用。结果:不同性别和生源地大学生自尊、手机成瘾和抑郁得分差异均无统计学差异(P>0.05);相关分析结果表明,自尊与抑郁之间存在显著负相关(r=-0.277
随着技术及应用的不断创新,大数据营销传播的伦理治理也需因应变化、扩充视角、拓展视域。当下探讨相关治理所运用的伦理学范式主要为规则伦理学,本文分析了规则伦理学作为单一视域的局限,由此建议引入当代德性伦理学视域,并为大数据营销传播伦理治理提出了新的框架:治理目标由注重规范性和单一理性的工具目标拓展至注重幸福感和丰富性的价值目标;治理视角由外在性、约束性、刚性的规则扩充至具有内在性、自主性的人心和柔性对
传统隐私权是一项概括性人格权利,法律关系构成要素较为稳定和明晰。智能传播环境下,隐私泄露问题尤为突出,既有法律规定不断遭遇挑战。其根本原因在于隐私权法律关系构成要素已经发生嬗变:权利主体与义务主体具有持续性不平等信息关系,隐私权客体外溢与公私界限模糊,数字化人格与隐私财产属性凸显出来。本研究旨在通过权利主体主动担负隐私保护责任,义务主体扮演“守门人”角色与利用隐私差分技术构建智能传播环境下的隐私保
在绘画活动中,如果幼儿缺乏绘画兴趣,那么,他们就会消极被动地参与绘画活动。如此一来,绘画活动在促进幼儿绘画能力提升、创新思维发展等方面的作用也就微乎其微。因此,教师应该想方设法培养幼儿的绘画兴趣,让浓厚的兴趣成为幼儿积极主动参与绘画活动的内驱力。丰富绘画内容、创新绘画方式以及重视绘画评价等,都是教师培养幼儿绘画兴趣的一些有效策略。
本文从人工智能三要素——数据、算力和算法入手,考察智能技术参与下传播活动的多维特征,即万物皆数与数据为媒、算力多层与全时空传播、算法泛在与敏捷链接等。从技术的两面性分析发现,智能传播存在数据与智能代差、算力私有化与新权力壁垒、算法偏见导致的传播偏见和对人的异化等问题,需要从技术要素维度反思智能传播的素养提升、技术融合、多元共治等,为智能传播的理论、应用及发展提供新视角。
个人网络行为信息作为大数据分析的关键要素,被广泛应用于商业领域和公共领域。但是,对个人网络行为信息的过度收集和滥用给个人带来了隐私和自由方面的风险,甚至对社会公正产生负面影响。应明确承认个人网络行为信息的法律属性,适度扩大个人信息的保护范围,在尊重个人信息主体自主决定权的基础上,通过对信息控制者施加严苛的信义义务,来解决企业与用户之间的信任危机,实现个人信息权益保护与数据自由流通利用的平衡。
<正>新闻背景:财经作家吴晓波曾经对波司登多品牌战略做过评论,波司登1990年就成为羽绒服的全国销量第一,在这个专业赛道上,公司感觉增长空间越来越窄。北京奥运会后,公司提出"四季化、多品牌化、国际化"战略,全面拓展产品线。两年后,波司登通过增资扩股的方式先后控股"摩高"和兰博星儿童品牌,更斥资近10亿元收购时尚女装品牌杰西。一系列并购行动,把公司拖进了全品类、多品牌的战略泥潭。在后来的几年时间里,
期刊
本文基于老年网民迅速增长,但却在技术操作上存在多重困境的现实背景,使用技术采纳与应用整合理论(UTAUT)构建模型,依据老年智能手机用户的社会情境和使用特征,选取绩效预期(PE)、努力预期(EE)、社会影响(SI)、便利条件(FC)、计算机焦虑(CA)、感知压力(PS)六个预测因子,分析影响老年用户采纳技术支持的意愿影响因素,发现努力预期和便利条件对于老年用户使用新技术意愿的影响最为显著,其次为绩
深度模型差分隐私保护中,梯度扰动噪声过大会造成可用性下降。提出基于粒子群优化算法的差分隐私深度学习模型。根据粒子群优化策略,将粒子的位置映射到网络参数,寻找个体历史最优位置和全局历史最优位置。对全局最优粒子位置所得梯度进行扰动后,重新参与模型训练。在不改变参数和梯度结构的前提下,利用网络传播属性对噪声参数进行优化,用带扰动的位置参数获取目标函数和更新,最小化经验风险函数,降低噪声对模型效用的损害。