"是助手还是掘墓人？"
微博与知乎关于生成式 AI 影响就业的公众话语比较研究
本研究聚焦 2024-2025 年生成式 AI 技术变革期，通过 Python 自动化数据抓取与 AI 辅助编码，对比微博与知乎两大平台关于 AI 影响就业的公众话语差异。运用混合内容分析法与语义关联网络分析，揭示平台启示性如何系统性地重塑公众的风险感知与心理防御机制。
技术手段
Python 自动化数据抓取
基于 Python 爬虫技术，针对微博与知乎平台设计差异化抓取策略。通过关键词检索（"AI"+"人工智能"+"失业"等组合）与时间窗口筛选（2024/2025 年春招期），自动化采集公众话语样本。
三级数据清洗流程
第一轮：账号主体过滤，剔除官媒、营销号与机器人；第二轮：AI 辅助语义识别，剔除转发无评论与广告引流；第三轮：人工复核，确保数据纯净度达 98.4%。
AI 辅助编码 + 人工监督
利用 DeepSeek 大语言模型进行批量编码，输入包含明确操作化定义的提示词，对全量样本进行议题焦点、技术接纳立场、归因模式三维分类。随机抽取 10% 样本进行人工独立编码，Kappa 系数达 0.7 以上。
语义关联网络可视化
提取高频关键词构建"关键词-情感立场"矩阵，采用余弦相似度计算语义关联强度，通过 Fruchterman-Reingold 力导向算法生成网络布局，揭示微博"同心圆焦虑结构"与知乎"多中心辩证网络"的话语差异。
统计分析与假设检验
运用卡方检验验证平台属性对话语维度的影响，通过调整后残差分析识别具体差异模式，Cramer's V 值量化关联强度，Cronbach's α 系数检验编码内部一致性。
核心发现
📱 微博：碎片化焦虑
- • 议题聚焦微观生存体验（裁员、房贷压力）
- • 技术替代立场占比 34.8%，"掘墓人"叙事主导
- • 外部归因倾向，将危机归咎于资本与技术必然性
- • 语义网络呈"同心圆"结构，情绪高度集中
💡 知乎：理性防御
- • 议题聚焦宏观行业研判与技能转型分析
- • 技术增强立场占比 47.4%，"助手"叙事占优
- • 内部归因倾向，强调个人能力提升与适应性
- • 语义网络呈"多中心"结构，话语多元辩证
研究方法
研究意义
📚 理论贡献
拓展平台启示性理论的解释力，论证媒介技术架构如何系统性地重塑公众的议程设置与话语逻辑，为理解数字时代的舆论部落化提供新证据
🎯 实践价值
为政府与企业的风险沟通提供分层治理策略：微博端侧重就业保障与心理疏导，知乎端侧重职业转型路径与 AI 素养培训
🔍 方法创新
创新性地将 AI 辅助编码与人工监督相结合，通过语义关联网络可视化揭示话语深层结构，为大规模文本分析提供新范式