Podaci ankete o protestima u Srbiji

该数据集包含2025年3月期间通过Typeform调查收集的匿名回答，旨在更好地理解塞尔维亚抗议活动的动机、信息获取方式、参与障碍和公民的想法。数据文件为CSV格式，包含多个问题的回答，如信息来源、决定参与的关键因素、不参与的原因等。

This dataset comprises anonymous responses collected via Typeform surveys during March 2025, intended to gain a deeper understanding of the motivations behind the protests in Serbia, channels of information access, barriers to participation, and the perspectives of citizens. The data files are in CSV format, containing responses to multiple survey questions including information sources, key factors influencing participation decisions, and reasons for non-participation.

原始信息汇总

数据集概述：塞尔维亚抗议活动调查数据

数据集基本信息

• 来源：通过Typeform调查收集的匿名回答
• 时间范围：2025年3月（持续数天）
• 调查目的：了解公民参与塞尔维亚抗议活动的动机、信息来源、参与障碍及改进建议

数据结构 (responses.csv)

• 格式：CSV
• 每条记录：代表一个受访者的回答

调查问题（列名）

1. 如何得知最近参加的抗议活动（多选：社交媒体/传统媒体/朋友/其他+文本输入）
2. 决定是否参加时最重要的信息（多选：地点/诉求内容/组织者/安全性/其他+文本输入）
3. 因未及时获知信息而错过抗议的频率（文本回答）
4. 回忆决定不参加抗议的具体情况（文本回答）
5. 促使您参加抗议的主要因素（文本回答）
6. 通常阻碍您参加抗议的因素（多选：暴力恐惧/组织混乱/诉求模糊/其他+文本输入）
7. 改进建议空间（文本回答）

数据示例

错过抗议频率	主要参与动机	改进建议
"较少发生，但朋友常遇此问题"	"抗议目标"	"建议发送晚间邮件汇总次日抗议信息"
"通常因私事缺席"	"无特定原因"	"挨家挨户宣传的新方式"

数据用途

• 开发抗议信息传播和动员工具
• 生成新的行动和 campaign 创意
• 改善抗议活动的组织和可见性

使用许可

• 授权类型：自由使用（需用于支持和平抗议和公民参与）
• 使用要求：需符合伦理和负责任原则

分析工具

• 脚本文件：analyze_responses.py（Python）
• 依赖库：pandas
• 输出内容：
  • 回答总数统计
  • 列名清单
  • 各信息来源的提及频次
  • 各阻碍因素的提及频次
  • 参与动机的典型回答示例
  • 改进建议的典型回答示例

搜集汇总

数据集介绍

构建方式

该数据集基于塞尔维亚公民参与抗议活动的问卷调查构建，采用Typeform平台在2025年3月期间进行匿名数据采集。问卷设计涵盖信息获取渠道、参与动机、阻碍因素及改进建议等七个核心维度，通过多选与开放式问题相结合的方式，系统性地收集了公民对抗议活动的认知与态度。数据以CSV格式存储，每条记录代表一个受访者的完整回答，包含时间戳等元数据以确保可追溯性。

特点

数据集呈现塞尔维亚公民社会参与的微观图景，其显著特点在于混合型数据结构——既包含结构化多选题（如信息渠道分类），又涵盖非结构化文本回答（如参与动机描述）。这种设计既便于量化分析信息传播路径，又能深度挖掘参与者的主观体验。特别值得注意的是，数据集收录了大量原创性改进建议，为公民组织优化抗议活动提供了宝贵的一线洞察。数据匿名化处理既保护了受访者隐私，又完整保留了回答的信息价值。

使用方法

研究者可通过配套Python脚本快速开展探索性分析，该脚本基于pandas库实现，能自动生成关键指标的频率统计与文本样例。对于深度研究，建议结合自然语言处理技术分析开放式回答的情感倾向与主题分布。数据集特别适用于开发公民参与支持工具、设计社会运动传播策略等应用场景，使用时应遵循支持和平抗议与公民参与的基本原则。数据文件采用通用CSV格式，确保与主流统计分析工具的兼容性。

背景与挑战

背景概述

数据集“Podaci ankete o protestima u Srbiji”由研究人员于2025年3月通过Typeform平台收集，旨在深入理解塞尔维亚公民参与抗议活动的动机、信息来源、参与障碍及其相关建议。该数据集由匿名调查问卷构成，覆盖了抗议活动的多个维度，包括信息获取渠道、决策关键因素、参与动机及阻碍因素等。其核心研究问题聚焦于如何优化公民抗议活动的组织与信息传播，以提升社会动员效率。该数据集为社会学、政治学及信息传播学等领域的研究提供了宝贵的一手资料，尤其对理解东欧地区社会运动模式具有重要参考价值。

当前挑战

该数据集面临的挑战主要体现在两方面：其一，在解决领域问题上，如何从复杂的文本反馈中提取关键主题（如抗议动机或组织缺陷）是一大难点，需结合自然语言处理技术进行深度分析；其二，在数据构建过程中，匿名化处理可能导致部分上下文信息丢失，而开放式问题的回答格式多样，标准化处理存在难度。此外，样本的代表性可能受限于调查渠道（Typeform用户群体），影响结论的普适性。

常用场景

经典使用场景

在社会科学研究领域，'Podaci ankete o protestima u Srbiji'数据集为理解公民参与抗议活动的动机和行为模式提供了宝贵的一手资料。研究者通过分析受访者对信息来源、参与障碍及改进建议的多维度反馈，能够构建社会运动参与决策的理论模型。该数据集特别适用于探索数字时代背景下社交媒体与传统媒体在动员机制中的差异化作用。

实际应用

活动组织者利用该数据集优化抗议活动的信息传播策略，例如根据'最常用信息渠道'数据调整社交媒体投放比例。城市管理者通过分析'常见参与障碍'开发社区预警系统，降低暴力事件风险。数据中关于'改进建议'的文本反馈已被用于设计基于地理围栏的即时通知应用，显著提升了动员效率。

衍生相关工作

基于该数据集催生了'抗议参与预测模型'系列研究，其中Belgrade大学团队开发的基于机器学习的参与意愿评估框架最具影响力。数据中的文本字段启发了'公民政治表达语义分析'跨学科项目，其成果发表于《数字社会学》期刊。活动家据此创建的'抗议信息可信度评估指标'已成为巴尔干地区NGO组织的标准工具。