37、数据挖掘聚类在网络欺凌研究及无线覆盖预测中的应用

数据挖掘聚类在网络欺凌研究及无线覆盖预测中的应用

数据挖掘聚类在网络欺凌研究中的应用

数据收集

数据收集通过一份分为两部分的问卷进行。第一部分收集参与者的社会人口统计信息，如地理位置、家庭和学生信息以及心理健康水平；第二部分包含了青少年通过手机和互联网遭受侵害的CYBVIC量表。该量表由18个项目组成，通过1 - 4的响应范围（从不、有时、多次、总是）来衡量虐待行为。其中，通过移动设备遭受侵害通过8个项目衡量，评估涉及攻击、侵犯隐私、诋毁和社会排斥的行为；通过互联网遭受侵害则在上述8个项目基础上增加了两个与身份盗窃相关的项目。该量表在西班牙和墨西哥构建并验证，具有适当的内部一致性和心理测量特性。样本为厄瓜多尔的大学生。

数据预处理

1. 剔除无效问卷 ：为获得最佳结果，首先丢弃没有任何响应的空调查。
2. 选择属性 ：选择CYBVIC量表中与移动设备受害情况对应的项目，因为移动技术能更快访问互联网和通信系统，为攻击者更容易接触受害者提供了额外途径。同时，纳入问卷社会人口统计部分中范围为1 - 10（1为优秀，10为糟糕）的心理健康量表，因为网络欺凌会对年轻人的心理健康产生负面影响。
3. 处理顺序数据 ：由于网络欺凌调查属于顺序类型，为避免将其视为分类数据而导致信息大量丢失和结果错误，本研究仅考虑CYBVIC量表中1 - 4的数值以及心理健康量表中1 - 10的数值。
4. 数据标准化 ：在应用分组算法之前，必须对数据进行标准化以避免结果偏差