首页--文化、科学、教育、体育论文--高等教育论文--学校管理论文

高校网络舆情引导的现状与对策研究

摘要第11-12页
ABSTRACT第12-13页
导论第14-21页
    一、选题背景第14-15页
    二、研究现状第15-19页
        (一) 国内研究现状第15-18页
        (二) 国外研究现状第18-19页
    三、研究意义第19页
        (一) 理论意义第19页
        (二) 实际意义第19页
    四、研究方法第19-20页
        (一) 文献研究法第19-20页
        (二) 实证研究与规范研究相结合第20页
        (三) 多学科结合的方法第20页
    五、创新之处第20-21页
第一章 高校网络舆情的基本范畴第21-28页
    一、高校网络舆情的概念第21-24页
        (一) 舆情第21页
        (二) 网络舆情第21-22页
        (三) 高校网络舆情第22-24页
    二、高校网络舆情的形成动因第24-26页
        (一) 高校网络舆情生成的社会因素第24页
        (二) 高校网络舆情生成的心理因素第24-25页
        (三) 高校网络舆情生成的传播因素第25-26页
    三、高校网络舆情的内容第26-28页
        (一) 聚焦国内外时事政治的网络舆情第26页
        (二) 聚焦校园突发事件的网络舆情第26-27页
        (三) 聚焦学生利益相关问题的网络舆情第27-28页
第二章 高校网络舆情引导现状第28-34页
    一、高校网络舆情引导的重要性逐渐被认识第28-29页
        (一) 党和国家对高校网络舆情的重视程度不断提高第28页
        (二) 高校开始探索网络舆情的引导方式第28-29页
        (三) 关于高校网络舆情的学术研究不断增多第29页
    二、高校网络舆情引导能力尚处于较低水平第29-34页
        (一) 高校网络舆情引导工作队伍建设尚待加强第29-31页
        (二) 缺乏高校网络舆情引导相应的制度保障第31-32页
        (三) 高校网络舆情引导工作体系亟需完善第32-34页
第三章 高校网络舆情的演化特点与引导原则第34-41页
    一、高校网络舆情的演化过程第34-37页
        (一) 舆情发端第34页
        (二) 舆情扩撒第34-35页
        (三) 舆情爆发第35-36页
        (四) 舆情衰减第36-37页
    二、高校网络舆情引导的难点第37-39页
        (一) 突发性强、传播迅速,具有较差的可控性第37-38页
        (二) 内容多元、观点各异,高校介入引导难以面面俱到第38-39页
        (三) 非理性与情绪化舆论较多且易于传播第39页
    三、高校网络舆情引导的原则第39-41页
        (一) 尊重高校网络舆情的社会心理第39-40页
        (二) 掌握高校网络舆情引导关键点第40页
        (三) 把握高校网络舆情的发展趋势第40-41页
第四章 改进高校网络舆情引导的对策与建议第41-52页
    一、打造高素质的高校网络舆情工作队伍第41-42页
        (一) 提高高校网络舆情工作者的舆情素养第41页
        (二) 优化高校网络舆情引导工作队伍结构第41-42页
        (三) 完善高校网络舆情工作评价体系第42页
    二、加强高校网络舆情的媒介管理第42-45页
        (一) 运用把关人理论,严格把关信息内容第42-43页
        (二) 运用议程设置理论,合理设置信息议程第43-44页
        (三) 运用意见领袖理论,发挥意见领袖的作用第44-45页
    三、制定科学的高校网络舆情引导规范第45-49页
        (一) 加强高校网络舆情的日常监测第45-46页
        (二) 规范高校舆情事件的应急处理程序第46-49页
    四、提高高校舆情突发事件的处置能力第49-52页
        (一) 坚持高校网络舆情突发事件处置的原则第49-50页
        (二) 把握高校网络舆情突发事件处置的要点第50-52页
结语第52-53页
参考文献第53-58页
致谢第58-59页
硕士期间发表的学术论文第59-60页
附件第60页

论文共60页,点击 下载论文
上一篇:基于社区重构的西安老烟庄城中村改造规划策略研究--Taking Laoyanzhuang Village as Example
下一篇:基于神经网络的柔性制造系统的故障诊断研究