■ 朱 天 马 超

随着信息技术的发展,互联网的开放性不仅带来了信息传播的便捷,同时也降低了公众参与传播的门槛,人们凭借互联网表达着观点、交流着思想、宣泄着情绪,这其中既有各种思想的交锋,也有多元观点的争鸣,更有多样情绪的发酵。这也使互联网环境中的情绪传播问题,成为一个必须给予重视并加以深入研究的议题。基于此,本文力图探讨互联网形态下情绪传播的新变化,以及在舆论学、心理学、计算机科学等不同学科中产生的情绪传播研究新路径。

一、互联网环境中情绪传播的发展特征

传统媒体环境中的传播活动有两个显著特征:一是人们的交往空间常常局限于一定范围内,因而情绪的传染面积有限,形成的社会影响自然也有限；二是传播的时效不强。从事件发生到媒体报道再到公众接收,往往存在一定滞后性,因而情绪的蔓延进程也很慢。此外,在传统媒体环境下,主流媒体掌握着信息发布的主导权,对于容易激发人们强烈情绪的事件,媒体的运营者在报道时间与报道方式的选择上拥有绝对的主导权。于是,公众情绪的产生与变化,很大程度上受到主流媒体报道选择和报道方式的影响。而互联网的兴起赋予了公众极大的参与权和表达权,社会情绪的重要性也由此浮现出来。

1.互联网的公开性大大提高了社会情绪的“能见度”

网络的开放性使任何网民都可以上网发布信息。公共事件一旦发生并经过新媒体的传播,在信息广为扩散的同时,人们的社会情绪也会被瞬间激活。为了维系公信力和影响力,传统媒体在报道时效与样态上也必须与新媒体相适应。因此,在数字媒体时代,网民和各类媒体会共同传播容易激起人们强烈情绪的事件,这样就大大提高了社会情绪的能见度。

2.互联网的连接性拓展了情绪传播的覆盖面

社交媒体的盛行不仅为人际交往和关系维护提供了便利,也极大地方便了信息的传导与渗透。微博这类具有弱连接特性的社交媒体具有开放性和嵌套性,可以促进情绪扩散的广度；微信这类具有强关系特征的社交媒体则有利于信任和认同的建立,可以促进情绪扩散的强度。经由四通八达、无远弗届的社交网络连接和传递,社会情绪不再局限于一隅而“孤掌难鸣”,而是同时在各地“同频共振”。

3.互联网的匿名性助长了负面情绪的流动性

匿名的网络身份既有助于人们畅所欲言行使表达权和监督权,同时也会助长一些不良情绪的生成。一些网民由于个人原因在现实中失意,便把不满情绪带到网上肆意发泄。另有一些人为了博取人们的同情不惜使用极度夸张的语言煽动社会情绪,为网络空间注入大量负能量。①还有一些网民为了圈粉成名,不惜捕风捉影捏造事实,散布消极情绪,造成人们的恐慌和对现实的不满。这些网络乱象对社会情绪的干扰同样值得我们重视。

4.互联网环境增加了情绪传播的变异性

网络空间中情绪变异的情形大致可分为三种:一是事件的发展是一个循序渐进的过程,真相的调查、信息的披露也是一个渐次呈现的过程。有时候某一关键细节被挖掘出来致使舆情反转,人们的认知发生改变,情绪也随之调节,网民的正面情绪顷刻之间会变成负面情绪；二是事件本身在层层传播中被扭曲失实,引发不同的接收者产生不同的情绪。奥尔波特和波斯特曼在谣言传播过程中发现了“磨平”(leveling)、“削尖”(sharpening)、“同化”(assimilation)的效应。②其实在任何信息传播过程中都会出现信息变异的情况。信息在转发过程中一旦遗漏或变化了某些关键细节,人们就会产生截然不同的认知和情绪；三是在信息传播过程中受到其他意见影响的人们对事件的认识发生了变化,进而认知和情绪也发生了改变。情绪的变异特性提醒我们在对传播现象分析时,既要关注社会情绪的变化走势,也不能忽略传统的信息流变化。只有将信息流和情绪流结合起来,才能审视网络舆论的全貌。

二、互联网形态下情绪传播的三种研究路径

互联网形态下传播生态的变化,也为情绪传播研究提供了一些新的路径选择,本文将着重从舆论学、心理学、计算机科学三个方面对该问题展开探讨。

(一)舆论学视角下的情绪传播

1.基础研究:作为舆论形态的社会情绪

陈力丹在对“舆论”下定义时就指出,舆论是一种“信念、态度、意见、情绪表现的总和”。③他区分了舆论的三种基本形态为潜舆论、显舆论和行为舆论,并进一步指出,情绪是潜舆论的一种表现形式。④刘建明也曾指出“潜在舆论是意见的萌芽或潜伏形式,情绪是这种舆论的唯一外部形态”⑤。

在陈力丹看来,重视这种情绪型潜舆论,至少有两重意义:第一,显舆论的表达会受到道德、法规等因素的规范,而各种社会规范很难直接干预情绪型舆论的表达。在较少约束的情况下,情绪型舆论反而是真实民意的体现。第二,情绪型舆论是显舆论的原始阶段。如果在这种舆论形态下对公众的不良情绪进行引导,效果比潜舆论转化为显舆论显著得多也更有利于社会稳定。⑥

本文认为,信息传播中实际上包含了两重舆论,一是信息流,二是情绪流。这两种舆论形态是相互影响的。一方面,信息流中既有事实性信息,也有意见性信息(如图1)。一些社会现实问题会直接引发人们的情绪(路径一),而其他民众对事件的评论也会间接触发人们的情绪(路径二)；另一方面,当公众产生一些非理性情绪后,引发的恐慌、焦虑情绪又容易滋生谣言等虚假信息干扰舆论(路径三)。

图1 信息传播中的两重舆论

2.研究转向:由“事件导向型情绪”向“全域整体型情绪”深化

移动互联网、大数据、云计算等新兴技术的兴起,激发了学界对舆论研究的新热情,从既往研究来看,已有研究既有讨论信源特征的,也有关注信息内容的,还有聚焦信息扩散影响因素的。⑦其中,从信息内容特性的研究来看,多数研究者关注的焦点集中在信息的主题分类和信息的表达方式上⑧,却忽视了信息中所包含的网民情绪。实际上,互联网上公众情绪的表达可被看作是现实社会动向的风向标。⑨尤其是网络意见领袖在社会化媒体上的情绪表露可以直接影响到事件的进程和方向。因此,重视情绪在舆情研究中的地位和作用,成为舆论学研究的一个重要议题。

然而从当前的研究来看,多数研究者的目光都投向单一事件中的情绪传播上。诚然,个案研究有助于深入剖析事件中的细节。但每一起公共事件产生的背景、诱发的原因、进展的过程都各不相同,如果仅仅局限于单一类别事件的重复研究,难免产生“只见树木,不见森林”的褊狭认识。实际上,国内一些研究团队已经在社会整体情绪的研究中迈出了重要一步,如王俊秀从2010年就开始对国民社会心态问题展开实证调查,从2011年开始陆续出版了一系列《社会心态蓝皮书》。在新闻传播学领域,李良荣带领团队开展了覆盖多元群体的“中国网络社会心态调查”,这项调查产生了一系列有影响力的成果,如在对新浪微博1800名用户进行两年追踪调查后发现,网络用户的理智情绪依然占据主流,建设性诉求明显高于破坏性诉求。此外还有研究者对微博用户表达的极端情绪进行潜类分析,拟合出“酱油众”“冷漠族”“铁血爱国派”“愤世嫉俗派”和“民粹主义者”五类群体。

上述研究表明,从宏观层面对中国网民的整体情绪进行研究,不仅可以从全域视角关照当前公众的社会心态,洞见民众对不同议题的认识与态度,还可以深化对网民社会信任、阶层认同、价值观念、生活满意度等领域的认识。

(二)心理学视角下的情绪传播

1.基础研究:从情绪到行为的交互影响

在心理学领域,情绪的涌现与扩散长期都被视为一种社会心理现象来关注,因此学界往往从情绪与社会适应、情绪与人格特征、情绪与人际信任、情绪障碍与干预等角度进行研究；而在传播学领域,过往的多数研究往往将信息传播行为视为理性人的信息沟通,却忽略了个体内心的情感活动。实际上,作为人类多种感觉、思想、行为综合产生的心理和生理状态,情绪既能影响个体的日常行为,同样也会影响到人们的信息传播行为。

重拾情绪传播的重要性,需要将其纳入到社会心理—情绪—态度—行为的循环模型中去考量(如图2)。首先,社会心理可以看作是循环的起点,但由于人们的心理活动复杂多变,难以实时观察与度量。而社会情绪是社会心理在可见形式下寻求的表达,亦即人们内心世界的反映,因此通过对社会情绪的监测可以间接反映人们的社会心理活动。其次,社会情绪虽然通常是短时期的认知和体验,但当人们的各种情绪积累到一定程度就会形成相对稳定的社会态度。而人们的社会态度将会引发人们特定的社会行为。第三,当人们施行某种社会行为后,行为所形成的后果又会对人们的心理产生影响。最后,在情绪产生、态度形成、行动促发的整个过程中,人们都会受到外部事件和环境的刺激和影响。

图2 社会心理—情绪—态度—行为的循环模型

在这个循环过程中,社会情绪至少发挥着三种重要的作用:首先是“呈现”作用。即透过对社会情绪的观察可以间接呈现人们的社会心理活动。比如对于违反社会道德的各种行径,往往会引发人们愤怒的情绪并从谴责的言辞中表现出来；对于体现人类美德的行为,往往会引发人们的正面情绪,并在赞赏认同的评价中体现出来。这说明对情绪的研究可以为转型时期培育和塑造人们健康的社会心态提供重要指导。

其次是“诱导”作用,即一个人的情绪达到一定强度后,情绪既可以通过社会态度来间接引致人的行动,也可以直接引发其作出相应的行动(比如情绪直接引发冲动行为)。因此,了解公众情绪的性质和强度可以预测公众的行为倾向,这就对危险行为的干预(比如悲观情绪可能引发的自残行为)提供了方向。

最后是“预警”作用。即社会情绪的生成受到社会事件、社会现象和社会环境的刺激,透过社会情绪可以洞见人们对社会问题的认识和看法,这就为公共决策的制定和调整提供了参考。

2.议题拓展:重视公共事件中的反向认知情绪

2013年,中国社科院社会学研究所发布《中国社会心态研究报告2012-2013》,首次在“官方”层面提出了“反向社会情绪”概念。报告指出,“反向社会情绪”是指一些社会事件中表现出来的反常的情绪反应:本该引起大家同情的事,却有很多人表现出欣喜；本该是人所公愤的事情,却有人在赞美和钦佩；本该谴责的行为看到的却是社会性冷漠。报告指出,这种现象既与社会普遍存在的“群体性怨恨”有关,也与社会极化、群体之间相互不信任有关。

面对快节奏的生活和高强度的压力,许多年轻人容易滋生迷惘、焦虑、困惑、沮丧等负面情绪。处于这种心境下的人们对事物的看法多为消极的。出于压力释放和情绪宣泄的本能,一旦找到出口,即便是正面或中性事件,也会引发人们的反向解码和负面解读。加之当前社会分层、社会不公等现象客观存在,一些人心理结构失衡、社会情绪浮躁,每当一些敏感群体卷入热点事件时,一些网民的感性便压倒理性,开始不由自主表达出反向情绪来。

除了网民自身的心态失衡以外,媒体的推波助澜也是一个重要因素。一些媒体只顾吸引眼球,罔顾社会责任和职业规范,公共事件发生后不去耐心细致调查事件发生的原委,而是用大量时段和篇幅去炒作渲染,或夸大事实或隐瞒细节,无形中为反向情绪煽风点火,在社会上产生了极大的不良影响。

总之,社会反向情绪的存在不仅影响了公众正常的认识与判断,也损坏了政府的公信力和社会的安定团结,而学界对于这个领域的研究还远远不够。

(三)计算机学科视野中的情绪传播

1.基础研究:网络情绪识别的方法与步骤

数字媒体时代,互联网不仅成为各种情绪的集散地,而且也成为了反映社情民意的“晴雨表”。加之社会化媒体时代各种数据痕迹遍布网际,这也为计算机科学领域的学者进行语义情感分析提供了用武之地。网络情绪的判别涉及到信息检索、数据挖掘、文本分类、自然语言处理等众多技术。简而言之,对其进行的分析大致可以分为两个步骤。

第一步是对文本进行预处理,包括分词、词性标注和句法分析等过程。其中分词是指筛选过滤掉诸如“@”“#”、URL链接和标点符号等；词性标注是指识别出词语的性质是名词、形容词、动词还是副词,情绪分析着重分析形容词和副词；而句法分析主要是识别出句子的结构,将抓取到的文本进行分拆(比如可以按句进行分拆),检测每一部分是否包含某种情绪(一句话是客观描述还是主观评价),下一步会将带有主观色彩的句子挑出来进一步分析其情绪。

第二步是对情绪信息的提取和判别。通常来讲,情绪分析有两种路径:一种是词典路径(lexical approach),通过建立包含一定预标记情感词汇的词典作为基准,当机器识别到文本中类似词汇后便会自动进行情感编码；另一种是监督学习路径(supervised learning)。监督学习的又大致分为三步:首先建立包含人工分类数据的语料库(corpus),这是计算机用来进行学习的训练数据；其次用语料库训练机器学习自动语言处理；最后再用训练之后的计算机来自动实现更多文本的情绪分类。

值得重视的是,基于“词典路径”和“监督学习”两种不同的分析路径,又形成了两种主流的方法:基于语义词典的情绪分析和基于机器监督学习自然语言处理的情绪分析。

基于语义词典的情绪判别方式大致可以分为三类。一是用情感词典里面收录的词库直接判别,即当需要分析的词汇与情感词典里面已经收录的词汇一模一样时可以直接判别该词的情感特征；二是建立同义词典判别；三是根据语义相似语判别。自从这一方式创立以来,许多学者纷纷采用这种路径进行尝试。在国外,有学者选取了汽车、银行服务、电影、旅行四个领域的网上评论,采用基于情感词典的方法进行情绪分析,发现情感词典路径的准确率从汽车评论的84%到影评的66%不等,平均准确率为74%。在国内,Yan等学者基于hownet建构了中国的情感词汇本体构造,本体包含了5500个单词,分为113类情绪。

这种方法的难点在于情感词典的建构问题。具体而言面临三种挑战:一是面对每年层出不穷的网络词汇,情感词典如何具有完整性和包容性；二是在汉语中经常出现一词多义的现象,在没有人工介入的情况下情感词典如何准确判定；三是人们对某一主体的评价不仅要看具体的某一词汇,而且要看整个句子表达的态度。情感词典的判别方法主要是通过计算一个句子中正负情感词汇的相对数量来判断句子的情感倾向,但现实中人们会存在欲扬先抑、先抑后扬等情绪表达方式。

基于机器监督学习的方法主要包括支持向量机方法(support vector machines 简称“SVM”)和贝叶斯算法两种。这种方式的步骤可以简单分为两步:第一步是建立一个语料库,其中包含N篇语料,正反语料各多少篇。将一定比例的语料用作训练集,剩下的用作测试集；第二步是将人工标注好情绪极性的词汇作为训练集,通过机器学习算法训练得到分类模型,再用建立好的分类模型用于以后大规模词语的分类。

有研究者采用机器学习的方法进行情感分析,准确率达到87.5%。但机器学习方法的前提是要建立大规模的真实语料库。为此,国内外的研究者们纷纷进行了尝试。比如瓦利图蒂(Valitutti)等人开发了情感词汇资源数据库“Wordnet-affect”。塞巴斯蒂亚尼(Sebastiani)等研究者开发的词汇分类工具“SENTIWORDNET”。加西亚-塞拉诺(García-Serrano)等研究人员在“SentiWordNet”基础上改进后的词源分类系统“Q-WordNet”等。随着社交媒体的普及,一些学者也开始着手研究社交媒体的情感分析工具。比如朗卡西里(Rungkasiri)等开发出一款名为“micro-blog sentiment analysis system”的情感分析系统,通过对用户推特文章的分析可以发现消费者对不同特性产品流露的情感。

鉴于语义词典的路径与机器学习的路径各有所长,也有学者将语义词典和机器学习结合起来分析的。但总体而言,学者们普遍认为,基于支持向量机模型和贝叶斯算法的机器学习方法在准确率上优于语义词典。

2.落地深耕:重视服务行业中的网络情绪判别与口碑营销

在当下舆情研究的版图上,关于政务舆情的研究历时较长而热度不减。服务行业的舆情研究却相对冷落。因此,未来的研究应重新审视服务业的舆情研究:服务行业直接面向市场,了解消费者对商品和服务的评价是每个企业持续发展的动力。传统的市场调研主要通过抽样调查的方式进行,而抽样调查往往存在覆盖面偏差和自选性偏差等问题。而大数据的兴起则为掌握消费者的评价反馈情况提供了新途径。首先,各电商平台都为消费者提供了售后评价的入口,消费者可以在上面留言阐述自己的消费感受；其次,消费者除了在电商平台上留言之外,还会在各种社交媒体上评论晒图表达自己的观点。因此,对电商平台和社交媒体上的评价文本进行数据抓取和语义分析后,可以透过消费者的情绪特征发现销售中的问题。目前,通过对消费者评论的情绪分析来判断消费者满意度已成为一个新兴的研究热点。比如对旅游市场的研究发现,游客情感作为中介因素,可以正向影响其满意度和口碑宣传。也有研究探析了网络口碑与酒店绩效之间的关系,发现网民的总体评价越好,酒店的经营绩效越高,而酒店对负面评价的回应越充分,酒店销售绩效也会更好。

另一方面,在媒介渠道泛滥和信息爆炸的时代,消费者对传统的广告、促销等形式产生了极强的免疫力,开始转而重视同类群体的意见。消费者评价的情绪倾向具有很强的感染力,如果用户体验不佳,消费者便会在社交媒体上发泄自己的不满。这种负面情绪不仅影响了用户的后续消费,也会在其朋友圈中激起一场负面的口碑风暴。反之,如果消费者体验良好,其发表的正面评论可以放大积极口碑的影响力。由此可见,充分利用计算机科学技术在数据挖掘和语义分析方面的优势,对网上售后评论中的情绪进行分析判断,也是把握情绪传播与研究价值的一个重要来源。

三、结语

情绪的表露与传递,不仅是心理学意义上知觉态度的体现,也可以通过社会认知和行为映射出来。因此,社会情绪的表达与扩散,引发着不同学科研究者的关注。在新闻传播学领域,谢耘耕等对2013年24起公共事件的微博分析后发现,微博信息中以消极情绪为主,微博负面情绪越强烈,其被评论转发的次数越多,这提示负面情绪更容易在微博平台上传播。隋岩指出,新媒介为个人情绪的社会化传播创造了技术条件；仇富、仇官等社会心态是个人负面情绪社会化的社会心理基础；意见领袖是个人情绪的放大器；而群体传播是个人情绪社会化的核心动因。徐翔在对新浪网“社会新闻”版块的网民留言进行实证研究后发现,网络媒介中存在“情绪偏好”的特性,愤怒情绪具有比其他情绪更多的数量和更高的比重,新闻的情绪强度与愤怒情绪之间,存在着较之其他情绪更紧密的正相关性;新闻的传播热度与愤怒情绪之间,存在着较之其他情绪更紧密的正相关性。丁汉青等通过文献计量学的方法绘制出情绪识别、情绪感染学术领域的科学知识图谱,为网络舆情研究提供了指引。

近年来,情绪传播成为传播学的热门议题备受关注，但“情绪”与“情感”常被视为同一概念混用，进而引发不同研究结论的间隙和学科认同的歧义。本文采用“情绪”的概念，一方面是因为情绪是情感的外显形式，另一方面情绪具有情境性和暂时性，网络事件的演化势必会引发公众情绪的时刻变化，因而采用“情绪传播”的用法更能反映其动态特征。正基于此，本文提出了情绪传播的三种路径。分别是聚焦情绪型舆论形成的舆论学视角、关注情绪引致行为的心理学视角和致力于语义识别的计算机科学视角。与之相对应,三种学科各自在情绪传播研究中的未来方向是:注重从“事件导向型情绪”向“全域整体型情绪”的研究深化；注重网络公共事件中的反向认知情绪研究；注重行业舆情中的情绪判别与口碑营销。

情绪传播的现象由来已久,然而今天其又被赋予了新的意义,这不仅是因为互联网技术发展带来情绪表达渠道的拓展,更源于当前社会结构调整和利益格局变革所引发的社会心态变化。在情绪传播的研究进程中,除了立足本学科的优势特长之外,还需要将其置于新兴技术发展和现实社会变迁的背景中,从跨学科、多领域的视角切入。只有从心理学、社会学、经济管理学和计算机信息科学等多元学科中汲取理论和方法的营养,才能在包容互鉴中拓展出传播学情绪研究的一方沃土。

注释:

① 张志安等研究者通过对大粤网一年中845条新闻后的网友投票进行统计后发现,网民的愤怒情绪占据主导地位(41.8%),悲伤、厌恶、恐惧等负面情绪分别为10.77%、9.71%和5.32%,正面情绪高兴仅占12.34%。参见王俊秀、杨宜音主编:《中国社会心态研究报告》,社会科学文献出版社2014年版,第102页

② Gordon W.Allport,Leo Postman(1947).ThePsychologyofRumor.New York:Henry Holt & Co.p.75,p.86,p.100.

③④⑥ 陈力丹:《舆论学:舆论导向研究》,上海交通大学出版社2012年版,第33、86、87页。

⑤ 刘建明:《基础舆论学》,中国人民大学出版社1988年版,第350页。

⑦ Macskassy S.A.,Michelson M.(2011),Whydopeopleretweet?Anti-homophilewinstheday! In l.Adamic,R.Baeza-Yates,and S.Counts (eds.),Proceedings of the Fifth International AAAI Conference on Weblogs and Social Media.Palo Alto,CA:AAAI Press.pp.209-216.

⑧ Zhao W.X.,Jiang J.,Weng J et al.ComparingTwitterandTraditionalMediaUsingTopicModels.Lecture Notes in Computer Science,2011,6611,pp.338-349.

⑩ 焦德武:《微博舆论中公众情绪形成与传播框架分析——以“临武瓜农之死”为例》,《江淮论坛》,2014年第5期。