面向新闻传播专业的编程入门课程 · 以社交媒体数据分析为主线 · AI 辅助学习
本课程采用 ASK 教学法，深度融合 AI 辅助编程工具，以项目驱动学习。
AI 是学习伙伴，不是替代品
以社交媒体数据分析为主线
通过真实项目培养解决问题能力
从基础语法到数据分析平滑过渡
点击任意一周查看详细内容、教学目标和作业要求。高亮显示的是当前周次。
形成性评估 50% + 总结性评估 50%。
| 考核项目 | 考核内容 | 权重 |
|---|---|---|
| 日常考勤 | 课堂随机点名 | 10% |
| 课堂考查 | 课堂检查代码编写情况及课堂提问 | 20% |
| 日常作业 | 根据预期学习结果要点布置代码作业 | 20% |
| 期末项目 | 完成社交媒体数据采集与分析项目 | 50% |
开始编程之前，请按顺序完成以下工具的安装。
安装遇到问题？打开 Lingma IDE，按 Ctrl+L 把错误信息发给 AI 助手，它会帮你解决。
本课程鼓励使用 AI 工具辅助学习，但需遵守学术诚信守则。
把 AI 当作"24 小时在线的编程助教"——用来提问、理解概念、调试错误。但不要让它直接替你写作业。
先自己尝试 → 卡住了问 AI → 理解 AI 的解释 → 用自己的话重写代码。这个循环是最有效的学习方法。
作业中使用 AI 辅助是允许的，但你必须能解释每一行代码的作用。课堂抽查时无法解释 = 抄袭处理。
每次作业请在代码注释中标注：哪些部分使用了 AI 辅助、使用了什么提示词。这是考核的加分项。
社交媒体文本数据采集与分析 · 占总成绩 50% · 3-4 人小组
分析发布时间规律、内容主题分类、互动效果
分析发布频率、标题特征、阅读量影响因素
微博 vs 微信，内容差异与传播效果对比
多家媒体发布量、互动效果和风格对比
讨论热度对比、口碑演变、正负面评价
高频政策词汇、热点议题分布
讨论热度变化、主要关注点、情感倾向
赛事热度曲线、球迷情感、传播路径
使用频率变化、使用场景、传播路径
热门内容类型、用户评论特征
起源追溯、传播扩散、变体演化
互动模式、应援文化、社群结构
内容主题分布、传播效果对比
品牌声量对比、用户口碑分析
城市形象关键词、游客评价分析
传播策略、公众参与度、情感动员
与新闻传播相关、数据可合法获取、有明确研究问题
新闻事件舆论演化、KOL 影响力分析、地方媒体转型
第 10 周前提交选题申请，说明研究问题和数据来源
| 评分项目 | 权重 | 说明 |
|---|---|---|
| 数据采集完整性 | 20% | ≥200 条有效数据，字段完整 |
| 代码质量 | 20% | 结构清晰、有注释、可运行 |
| 分析深度 | 25% | 多维度分析、理论结合 |
| 汇报表达 | 20% | PPT 质量、表达流畅 |
| 创新性 | 15% | 独特见解或方法创新 |
| 周次 | 任务 | 交付物 |
|---|---|---|
| 第 10 周 | 确定选题，与老师沟通 | 选题申请 |
| 第 11-12 周 | 数据采集 + 初步清洗 | 原始数据集（≥500 条） |
| 第 13-14 周 | 数据分析 + 可视化 | 分析结果 + 图表 |
| 第 15-16 周 | 撰写报告 + 汇报 | 完整项目材料 |
精选教材、在线课程和工具链接。
最权威的 Python 参考手册
课程定制的 AI 编程工具教程
下载 Lingma IDE 和最新动态
国家精品课程 · 北京理工大学
课程配套数据集 · 全球 & 中国媒体
全球最大开源社区 · 第 12 周课程会用到
人民邮电出版社 · 最适合零基础入门的 Python 教材。
人民邮电出版社 · 培养编程思维的经典教材。
如果在这里没有找到答案，请在 Lingma IDE 中按 Ctrl+L 问 AI 助手。