基于ChatGPT的高校突发事件网络舆情情感分析研究

探索生成式人工智能在高校突发舆情事件管理中的应用，旨在推动高校网络舆情管理技术的创新，也为生成式人工智能在社会治理领域的应用探索提供新的视角。融合提示工程与上下文学习，构建基于生成式人工智能的情感分析框架，并以ChatGPT为核心模型展开研究。以“北京某大学女博士实名举报博导性骚扰”事件为研究案例，采用网络爬虫获取微博平台数据，结合信息生命周期理论划分舆情演化阶段。通过少样本学习策略筛选10条高质量标注示例，引导ChatGPT情感分析模型实现情感分类，并挖掘多阶段负向情感关键词以揭示演化规律。研究发现该事件舆情呈现质疑、愤怒、反思、理性四阶段特征，负向情感占比从发生期的48.3%攀升至爆发期峰值58.5%，随后逐步回落至消退期的40.4%，呈现先升后降的演化趋势。研究表明，ChatGPT情感分析整体性能优于TF-IDF-SVM与CNN-BiLSTM-Attention等传统基线方法，其模型整体准确率较传统基线模型分别提升5.87个百分点和1.56个百分点，且在隐喻与反讽等复杂语境下负向情感分类表现更优。