万 忆 周景怡

(1. 华中师范大学新闻传播学院,武汉 430079;2. 上海交通大学媒体与传播学院,上海 200240)

引 言

近年来,我国人口红利逐渐消失,社会老龄化问题初显。国家相继出台了“全面二孩”“放开三孩”“延长产假”“发放育儿津贴”等刺激生育的政策,以提升女性生育意愿,改善人口年龄结构。传统主流媒体承担着重要的舆论引导和社会动员作用,也不断向女性受众传播鼓励生育的政策信息和生育观念。然而,政府和主流媒体的生育动员却没能扭转生育率下跌的现状——2021年末,全国人口比上年末增加48万人,人口自然增长率为0.34‰,新增人口数量创下1962年以来的新低,(1)国家统计局: 《第七次全国人口普查公报(第五号)——人口年龄构成情况》,2021年5月11日,https://www.gov.cn/xinwen/2021-05/11/content_5605787.htm, 2023年3月1日。中国已落入“低生育率陷阱”。女性生育意愿不断降低,“恐育”情绪日益高涨,与我国鼓励生育的现实需求和政策背景相违背,值得学界从理论视野审视这一现象的发生机制及应对策略。

“恐育”即生育恐惧(Fertility Fear),是一种复杂的痛苦感觉,是育龄女性想到自己未来面临生育时产生的担心、焦虑甚至想要逃避的情绪体验。(2)张嫡嫡、申屠泽周、卢凤,等: 《女大学生的生育恐惧及相关因素》,《中国心理卫生杂志》2019年第33卷第5期,第398—400页。新媒体时代,越来越多的女性在社交媒体上表达自己对生育的恐惧情绪,公开反对传统主流媒介和政府生育政策的宣传动员。社交媒体上育龄女性的“恐育”情绪不断发酵,正逐渐由小众人群的个别案例发展为普遍的社会现象。这种群体性“恐育”情绪具有较强的煽动性和感染性,在社交平台的激化下实现了迅速而广泛的传播,并逐渐转化为女性“拒绝生育”的现实行动。那么,女性“恐育”情绪在社交媒体中是被什么议题所激发的?其感染机制和扩散因素是什么?应当如何进行有效治理呢?这是需要从传播学层面解决的问题。

一、 文献回顾: 网络情绪的感染与扩散

情绪感染是建立人类互动的基础。广义上的情绪感染是指一种情绪体验,(3)Martin L. Hoffman, “How Automatic and Representational Is Empathy, and Why,” Behavioral and Brain Sciences, vol.25, no.1(2002), pp.38-39.群体情绪感染理论认为,感官情绪信息会自动化、无意识地在人际间传递,导致接受者的情绪与激发者保持一致。(4)王潇、李文忠、杜建刚: 《情绪感染理论研究述评》,《心理科学进展》2010年第18卷第8期,第1236—1245页。根据既有研究,情绪感染机制有三种理论假设: 一是模仿—反馈机制(Mimicry),是指个体对他人面孔表情、声音、姿势和动作的无意识模仿会促使个体产生与上述表情动作相匹配的情绪;(5)Ursula Hess, Agneta Fischer, “Emotional Mimicry: Why and When We Mimic Emotions,” Social and Personality Psychology Compass, vol.8, no.2(2014), pp.45-57.二是类别激活机制(Category Activation),是指接触某一情绪化的表达会激发与之相关的情绪类别,从而导致特定情绪过程的激活,类别激活不一定涉及情感表达行为的复制与模仿,可以通过文本等其他形式的交流,将个体暴露于他人的情绪中;(6)Kim Peters, Yoshihisa Kashima, “A Multimodal Theory of Affect Diffusion,” Psychological Bulletin, vol.141, no.5(2015), pp.966-992.三是社会评估机制(Social Appraisal),是指个人在使用他人的情绪作为自己进行情绪评估的标准时,同样能产生相似的情绪体验。(7)Clément Fabrice, Dukes Daniel, “Social Appraisal and Social Referencing: Two Components of Affective Social Learning,” Emotion Review, vol.9, no.3(2017), pp.253-261.

个体在网络世界中更容易被他人情绪感染。“网络情绪感染”(Digital Emotion Contagion)是指个体因暴露于网络世界的他人情绪中,自身情感变得与其他人相似的过程。(8)Amit Goldenberg, James J. Gross, “Digital Emotion Contagion,” Trends in Cognitive Sciences, vol.24, no.4(2020), pp.316-328.在网络媒体平台上,人们的情绪、情感可以更便捷地表达和分享,情绪的传播更生动、真实,甚至在传播中得以加工和强化,更容易感染别人,引发更多的共鸣,由分享而共享,由共感而共情。有学者发现网络情绪表现出螺旋式的“情绪循环”效应,情绪在分布、效能、频率三个维度上集中爆发,构建了一个扩散与传播的依赖路径。(9)李春雷、雷少杰: 《突发群体性事件后情绪传播机制研究》,《现代传播(中国传媒大学学报)》2016年第38卷第6期,第61—66页。网络时代与风险社会叠加,风险传播速度快,风险信息扩散广、冗余噪声增大,从而使人们的不安、焦虑和恐惧情绪进一步加强。心理学上把焦虑、紧张、愤怒、沮丧、悲伤、痛苦等情绪统称为负面情绪(Negative Emotion),这类消极情绪体验会引发个体身心伤害,甚至影响工作和生活。情绪感染是一个循环过程,个体情绪可以影响到他人的行为、思想和情绪,这一影响过程在网络交互中产生并不断增强,进而引发社会性情绪感染。(10)Michael J. Hine, Steven A. Murphy, Vinita P. Ambwani, “Emotional Contagion in Computer Mediated Communication,” International Journal of Knowledge Culture &Change Management, vol.10, no.6(January 2010), pp.149-163.

在传播学领域,情绪感染理论主要用以探讨主体受到他人情绪感染的机制过程(11)Frank J. Bernieri, “Coordinated Movement and Rapport in Teacher-Student Interactions,” Journal of Nonverbal Behavior, vol.12, no.2(1988), pp.120-138.、个体差异性(12)Elaine Hatfield, John T. Cacioppo, Richard L. Rapson, “Emotional Contagion,” Current Directions in Psychological Science, vol.3, no.2(June 1993), pp.96-100.与情绪感染强度关系(13)Harald G. Wallbott, “Recognition of Emotion from Facial Expression via Imitation? Some Indirect Evidence for an Old Theory,” British Journal of Social Psychology, vol.30, no.3(1991), pp.207-219.等问题。过往研究表明: 社交媒体用户会受到信息中情感倾向的感染,从而产生相应的情绪体验;有学者利用微博数据的仿真实验发现,愤怒(负面)的情绪比喜悦(正面)的情绪更具感染力;(14)Fan Rui, Xu Ke, Zhao Jichang, “An Agent-based Model for Emotion Contagion and Competition in Online Social Media,” Physica A: Statistical Mechanics and its Applications, vol.495,(2007), pp.245-259.社交媒体的圈层化传播结构促进了用户之间的情感交流和共鸣,加速了群体性“情绪循环”;(15)Remus Ilies, David T. Wagner, Frederick P. Morgeson, “Explaining Affective Linkages in Teams: Individual Difference in Susceptibility to Contagion and Individualism-Collectivism,” Journal of Applied Psychology, vol.92, no.4(July 2007), pp.1140-1148.社交媒体的风险放大框架使“恐育”情绪反复强化并扩散,从而影响更大范围的育龄女性,形成“恐育情绪的螺旋”。(16)汤景泰、巫惠娟: 《风险表征与放大路径: 论社交媒体语境中健康风险的社会放大》,《现代传播(中国传媒大学学报)》2016年第38卷第12期,第15—20页。为了进一步从微观层面深入探究群体间“恐育”情绪的感染扩散规律,本研究选取知乎问答社区中有关“恐育”话题讨论的数据资料建立语料库,采用文本内容分析、情感分析和社会网络分析方法进行文本挖掘,探寻“恐育”情绪的议题分布情况、情感分布特征和传播网络结构,从平台、社群、内容、用户等方面厘清“恐育”情绪的感染扩散机制,并在此基础上提出有针对性的治理对策和政策建议。

二、 研究设计: 基于知乎问答社区“恐育”话题的文本挖掘分析

本研究选取中国用户规模最大的网络问答社区“知乎”中有关“恐育”的话题“为什么现在的女孩子都怕生孩子?”文本数据建立语料库,采用内容分析法,基于扎根理论对语料文本进行三级编码,通过主题聚类把握“恐育”情绪文本在议程设置过程中的议题分布情况;采用情感分析法,借助情感词典,探究女性“恐育”语料文本在社交媒体中的情感倾向分布;采用社会网络分析法,通过建构群体间情绪传播的社会关系网络,研究分析语料库内部的文本结构、节点关系疏密程度、节点相关性等分布模式。并以此为基础,从平台、社群、内容、用户等方面研究探寻“恐育”情绪的感染扩散机制。

(一) 研究方法

1. 建立知乎“恐育”情绪语料库

知乎是中国用户规模最大的网络问答社区,是生产优质内容的社交媒体平台,在中文互联网拥有强大的影响力,吸引了大量专业人士入驻。本研究选取知乎网络问答社区作为对象,基于以下五个原因: 一是育龄女性集中,知乎活跃用户中女性占比46.7%,其中83%为24岁以下及25—35岁的未生育女性和育龄女性;二是信息交互性强,知乎社区内容呈现的核心形式是问答,能够提供女性内心独白的文本语料,类似于质性研究中的焦点访谈;三是内容优质客观,知乎社区汇聚了大量文化层次较高的意见领袖,文本质量较高,便于后续挖掘研究;四是话语真实性和参考性强,知乎的匿名回答功能使用户避免了访谈中的回避和主观倾向等问题;五是圈层化社群形态,知乎社区将用户通过趣缘纽带联结成圈层化群体,成员针对同一话题发表意见,情绪作用不断凸显。

议题选择上,本研究深入知乎网络问答社区进行参与式观察(17)约瑟夫·马克斯威尔: 《质的研究设计: 一种互动的取向》,朱光明译,重庆: 重庆大学出版社,2007年,第17页。: 首先,进入“恐育”女性群体日常生活情境进行为期一个月的参与式观察,细致了解她们所处的文化环境,以及这种环境对她们态度、行为的影响;其次,在对相关回答进行文本细读的同时,深入评论区参与话题讨论互动,沉浸式体验女性恐惧生育的情绪表达;最后,根据议题相关性和文本内容质量进行综合比对,选定知乎热门话题“为什么现在的女孩子都怕生孩子?”作为自建多模态语料库的数据来源。

知乎话题“为什么现在的女孩子都怕生孩子?”每个回答字数上限20 000字,文本篇幅较长。本研究采用Python程序抓取公开数据,数据抽取时间起始于2020年8月6日,即话题发布的时间,截至2022年5月8日,即本研究参与式观察完成之后,总计1年零9个月,共6 921个回答,采用基于Selenium包的动态页面抓取逻辑完成数据抓取。为保证后续数据分析的科学性和精准度,本研究对原始数据进行了清洗和预处理: 首先进行噪声过滤,批量删除文本长度小于10字符的无深度回答、程序误判的重复回答、知乎系统折叠的回答等无效数据,得到2 754条有效数据;其次通过文本细读对“主题不符”“商业外链”“特殊符号”数据进行筛选整理,将图片、视频保存为多模态语料库,最终保留1 251个有效回答作为“恐育”情绪分析的语料库,累计438 566个文本字节。语料库初步建立后,本研究采用GooSeeker软件对“恐育”情绪文本进行分词处理、同义词合并、设置停用词表,最终自主选定883个核心关键词并不断更新词表。通过运行数据分析程序,得到所有分词词频、关键词词频、关键词矩阵、共词矩阵、关键词共现匹配的结果。

2. “恐育”情绪语料的文本分析

第一步,采用内容分析法,基于扎根理论对语料文本进行三级编码,通过主题聚类把握“恐育”情绪文本在议程设置过程中的议题分布情况。本研究借助Nvivo11软件对语料库中的1 251条有效数据文本进行人工标注,基于扎根理论进行开放式编码(Open Coding)、主轴式编码(Axial Coding)和选择式编码(Selective Coding),总计完成编码1 677个。在没有给定任何前提假设的情况下,本研究根据主题词、分句、段落、文段内涵对文本主题类目进行二级聚类,将语料库中的议题细化为“分娩疼痛”等18个二级类目,进而确定各个二级节点概念之间的内在关联,提炼出“生育风险困境”“个体意愿困境”“社会压力困境”“人际关系困境”四大议题范畴作为一级主题类目。

第二步,采用情感分析法,借助情感词典,探究女性“恐育”语料文本在社交媒体中的情感倾向分布。本研究将语料库文本的情感倾向划分为正面情感、负面情感、中性情感三类,选定GooSeeker中的情感词典作为匹配标准——正面词权值为1,负面词权值为-1;否定词权值为-1,例如“不可能”“绝非”等,可以起到反转情感倾向的作用;程度词权值为2,例如“极度”“非常”等,可以对情感词的程度进行翻倍,并根据正负翻转情感倾向。本研究将语料库文本导入GooSeeker软件中,借助情感词典对句子赋值,得到3 805个负面句子,2 928个正面句子和5 739个中性句子,然后将每个句子分数相加,正负相抵,得到每个回答条目中的正文整体情感得分,以此作为基准来分析语料文本的情感倾向。

第三步,采用社会网络分析法,通过建构群体间情绪传播的社会关系网络,研究分析语料库内部的文本结构、节点关系疏密程度、节点相关性等分布模式。社交媒体中的情感信息存在于复杂的网络互动中,信息传播者、接收者、主体间关系、传播渠道等要素共同构成了社会关系网络。网络成员同时扮演着传播者和接收者的角色,节点之间相互嵌套使得信息在更大范围内传播,逐渐形成社会学意义上的“群体社交网络”(18)刘军: 《社会网络分析导论》,北京: 社会科学文献出版社,2004年,第45—56页。。知乎问答社区中的信息传播是一种典型的群体传播模式,在选择性心理的驱动下,用户根据知识背景、兴趣爱好对话题进行选择性关注,从而形成一个个“趣缘”圈层。为了探寻知乎社区的情绪感染扩散规律,本研究重点分析个人问答参与者之间的互动模式,分析知乎用户在网络群体中的情感传播网络分布及密度。基于前述分词处理选定的883个高频关键词,本研究构建起883×883的共现矩阵,使用Gephi软件建构“恐育”情绪传播的社会关系网络。

(二) 研究发现

1. “恐育”情绪的议题分布

如表1所示,本研究基于对语料库文本的二级聚类,将语料库中的议题细化为18个二级主题类目和4个一级主题类目,提炼出女性在生育过程中所面临的“生育风险困境”“个体意愿困境”“社会压力困境”“人际关系困境”四大困境,也就是导致女性“恐育”情绪的4个基础因素。

表1 女性恐育情绪议题的文本主题类目

本研究人工标注的编码结果显示: 四大困境的议题数量分布不均衡,比重存在较大差异,重要性也有所不同。如图1所示,四大“恐育”因素中,“生育风险困境”因素占比37%,关注度最高;“个体意愿困境”因素占比30%;“社会压力困境”因素占比19%;“人际关系困境”因素占比14%。

图1 女性“恐育”情绪一级主题类目议题分布

本研究进一步对18个二级主题类目进行统计分析,如图2所示: 最受关注的是“分娩疼痛”,占比19.68%,证明该因素对女性“恐育”情绪传播起到主导作用;第二是“个体权利意识”,占比13.89%,反映较多女性自我生育意识的觉醒;第三是“生命危险”,占比8.94%,这也是女性“恐育”情绪的重要来源;第四是“养育成本”,占比为7.81%,映射出生育在物质经济条件方面的现实问题;第五是“媒介恐惧诉求”,可见负面生育信息也是强化女性“恐育”情绪的重要因素。关注度最低的是“同辈关系”“配套生育政策”“社会内卷化”,显示这些问题也是部分女性“恐育”的动因。

图2 女性“恐育”情绪二级主题类目议题分布

具体而言,一级议题“四大困境”又可细分为若干个二级议题,每个一级议题中用户们聚焦的二级议题各有侧重,且每个一级议题的文本信息传播手段也有所不同。

在“生育风险困境”中,“分娩疼痛”讨论度最高,占比52.72%,超过一半的女性提到了剧烈疼痛感: 知乎用户“s***家”提到“生育对身心都是一种摧残”,用户“风**子”形容分娩过程“是噩梦一样的经历”;其次是“生命危险”,占比23.96%,知乎用户“S*****喵”提到“羊水栓塞基本救不过来,产后大出血,术中大出血,健康的人马上就没了”;再次是与“生育后遗症”相关的内容,占比为13.26%;最后是与生育相关的“精神压力”,占比10.06%。在文本信息传播手段上,“生育风险困境”的回答文本呈现多媒体特征,有近80%的用户在回答中添加了图片,30%左右的用户发布了音、视频,用以向他人“科普”生育风险的严重程度和女性生育时的痛苦。

在“个体意愿困境”中,“个体权利意识”讨论度最高,占比45.78%,文本价值观是“比起孩子,我更爱我自己”;“不婚不育态度”讨论度居第二位,占比18.07%,有的是不婚主义者,有的是不育的“丁克”;“缺少个人自由”讨论度居第三位,占比17.49%,显示部分女性不希望因生育成为没有个人自由的“全职妈妈”;“心理准备不足”讨论度居第四位,占比13.56%,这部分女性认为“自己都还是个孩子,怎么去照顾另一个孩子?”;“育儿观念”讨论度居第五位,占比5.11%,这些女性希望先建立物质基础再生孩子。在文本信息传播手段上,“个体意愿困境”主要由回答者基于自身体验的情绪化文字所呈现。

在“社会压力困境”中,“养育成本”讨论度最高,占比41.32%,这类女性认为生养孩子的高昂成本会导致自己生活质量大幅下降;“媒介恐惧诉求”占比30.91%,这是媒体生育风险放大效果的集中体现;“社会文化传统”占比12.93%,“养儿防老”“多子多福”“重男轻女”“嫁出去的女儿泼出去的水”等歧视女性的传统观念对“恐育”情绪有刺激作用;“社会内卷化”占比7.57%,网友“用*名”认为:“我只怕我有一个没有童真的小孩,信息爆炸导致早熟,教育内卷带来抑郁,ta已经不会有一个快乐的童年了”;“生育配套政策”占比7.26%,主要集中在对“三孩政策”的不满和对“生育津贴赶不上失业损失”的抱怨等方面。在文本信息传播手段上,“社会压力困境”主要由回答者转述他人体验的情绪化文字所呈现。

在“人际关系困境”中,“配偶关系”占比40.89%,显示女性担心另一半在照料孩子时变成“甩手掌柜”,自己沦落为“丧偶式育儿”;其次是“职场关系”,占比25.33%,显示家庭和事业始终是困扰女性的两难选择;“亲属关系”占比24%,主要涉及配偶以外的家庭成员,包括婆媳关系、亲子关系、兄弟姐妹关系、旁系亲属关系等;“同辈关系”占比9.78%,显示女性与年龄相近的同辈交往,会产生相互对照关系,知乎用户“静*”表示:“因为看到了身边一些生了孩子的女孩子的不幸福生活,向往自由的我一直惧怕生孩子。”在文本信息传播手段上,“人际关系困境”主要由回答者基于自身体验和转述他人体验的情绪化文字共同呈现。

2. “恐育”情绪的情感分布

研究发现,如图3所示,语料库中所有条目的情感得分呈正态分布,以众数0为分界线向正负两边递减,中心值向右侧偏移。情感得分为负数的回答数量相对较多,共有592个;情感得分为正数的回答数量相对较少,共有341个;得分为0即表达中性情感的数量为320条,整体情绪倾向以负面为主。根据数据分析结果,语料库中所有文本条目的情绪得分平均数为-1.19,偏向负面情绪表达。

图3 女性“恐育”情绪文本情感分数分布

负面情感主要集中在“生育风险困境”主题类目中,其文字情感分值平均分为-45分。文本数据情感得分最小值为-46,该文本包含41个负面句子,负面得分-89,出现“损伤”“病床”“可怕”“痛感”“疯狂”“气势汹汹”“剧痛”“心惊胆战”“分崩离析”等63个负面词汇——这是知乎用户“*棉”撰写的一篇长达4 696字的回答文章,描述了自己由顺产转为剖宫产的经历及感想。

研究进一步考察了正面、负面及中性情感在语料库中所占的比重。语料库文本内容中负面情感表达占比为47.25%,将近一半的女性在输出关于“恐育”的负面观点;正面情感表达占比为27.71%,最高分为64,这些观点主要是通过凸显孩子可爱、家庭幸福来劝导女性生育;中性情感占比25.54%,显示四分之一的用户以相对客观中立的态度表达观点。

综上,知乎问答社区中“恐育”情绪表达呈高度集中性,语料库中女性“恐育”文本的情感得分呈正态分布,整体偏向负面情感表达;“恐育”情绪唤醒度较高,呈现强烈的情感刺激,传达出浓烈的恐惧色彩;负面情绪比正面情绪、中性情绪更容易在知乎社群中传播、感染,更容易使其他用户产生相似的负面情绪体验。

3. “恐育”情绪的社会传播网络

本研究根据高频关键词构建起883×883的共现矩阵,使用Gephi软件绘制“恐育”情绪传播社会网络图谱。如图4所示: 每个圆形节点代表回答文本中的关键词,节点越大,就越处于整个网络的中心位置,说明在网络图谱中的重要性越高;节点之间的连接线表示两个关键词联系的紧密程度,连接线越粗,说明关键词之间的关系越密切;一个关键词上的连接线越多,说明其在社会网络中的连接范围越广、影响力越大。从平均度分布上看,883个关键词中有一个与其他节点都产生了联系,即图中面积最大的“孩子”,这个中心词将整张网络紧密连接在一起,所有话题都围绕其展开。另有2个关键词与其他节点的连接数量超过了800,即“女性”和“疼痛”,这两者同样在网络中处于关键位置。整体来看,大部分关键词与其他节点的联系在200次以上,即通过一个关键词能够和其他至少200个关键词连接起来,说明网络的通达性很高。本研究发现,女性“恐育”情绪传播网络呈现明显的幂律分布,具有“帕累托效应”,(19)“Pareto Principle,” in Sandra Mathison, ed., Encyclopedia of Evaluation,London: Sage Publications, Inc., 2005, pp.289-290.表现为大多数节点只有少数连接,而少数节点与大多数节点相连,由此可见,女性“恐育”情绪传播网络的分布具有高度集中性。

图4 女性“恐育”情绪传播社会关系网络

本研究在Gephi中运行社会关系网络各项系数,得到结果如下: 从社会网络的平均路径长度与平均聚类系数来看,知乎网站“恐育”情绪话题讨论之间形成了一个联系高度紧密的“小世界”网络关系。情绪网络密度均值0.359,模块化0.088,表明知乎问答社群中“恐育”情绪传播网络范围内节点之间连接高度紧密,基本上所有节点都围绕中心话题展开,没有明显的子话题社团结构,网络中各个节点之间存在普遍、密切的关联性,情绪之间相互感染性强;平均路径长度1.641,节点间的平均路径短,可达性高,表明情绪相互感染速度快,不同回答者之间容易建立起情感联结,产生情感共鸣;所有节点聚类系数平均值0.696,说明网络中情感分布存在高度一致性,不同主体之间存在相互影响、相互认同的情绪感染现象。由此可见,“恐育”情绪传播网络结构呈现出高度连通性,网络可达性非常好,各节点间信息、情感交流渠道通畅,不同主体间相互感染性强。

三、 研究结论: 社交媒体中女性“恐育”情绪的感染机制与扩散因素

基于上述研究设计与发现,笔者认为: 社交媒体中女性的“恐育情绪”是由“生育风险困境”“个体意愿困境”“社会压力困境”“人际关系困境”4个基础因素所激发的,其用户感染遵循三种机制: 一是所谓“画面模仿”,即由图片及视频内容所触发的“模仿—反馈机制”;二是所谓“文本激活”,即由带有情绪色彩的文本内容所触发的“类别激活机制”;三是所谓“负向评估”,即由“有关他人对特定刺激负面感受”的信息内容所触发的“社会评估机制”。社交媒体中女性“恐育情绪”的迅速扩散主要基于两个因素: 一是社交媒体放大了女性的生育风险感知;二是社交媒体的圈层化传播推动了群体情绪循环,而群体间的同质化意见又进一步加剧了“恐育”情绪的社会动员。

(一) 社交媒体中“恐育情绪”的感染机制

1. 图片及视频引发的模仿—反馈机制

本研究语料库中部分图片、视频信息真实展现生育分娩等手术细节。一段剖宫产过程的动态视频显示: 手术需要切开产妇的腹壁皮肤、皮下脂肪、腹直肌前鞘、腹直肌、腹膜、膀胱反折腹膜、子宫肌层,最后是羊膜囊,然后取出胎儿,进行缝合……这段视频能够使女性充分了解剖宫产手术经过、风险及痛苦情状,虽然可以起到一定科普作用,但过分真实的画面会让用户产生强烈感官刺激,导致生理性不适,进而激发“恐育”情绪。正如知乎用户“S****6”所说:“从怀孕到生产到产后的各种可能性网络上都能看得到……减少了无畏的无知者。”研究表明: 社交媒体的多模态传播手段对内容的呈现极为真实生动,能够刺激“视、听、触、味、嗅”等感官共振,负面生育信息辅以立体化媒介的逼真表达,触发了用户的“模仿”与“反馈”,从而导致“恐育”情绪的强化与感染。

2. 情绪化文字引发的类别激活机制

既有研究表明,接触特定种类的情绪化表达会激发人们与之相关的情绪类别,(20)Paula M. Niedenthal, Piotr Winkielman, Laurie Mondillon, et al., “Embodiment of Emotion Concepts,” Journal of Personality and Social Psychology, vol.96, no.6(2009), pp.1120-1136.且负面情绪更易成为优势情绪,在群体内发生大面积感染。(21)张志安、晏齐宏: 《个体情绪 社会情感 集体意志——网络舆论的非理性及其因素研究》,《新闻记者》2016年第11期,第16—22页。本研究语料库中女性话语频频出现“流血”“鬼门关”“撕裂”“煎熬”等负面字眼,甚至认为生育过程“惨绝人寰”“是一场酷刑”“分分钟送命”。知乎用户“喵*”表示:“生孩子是有死亡概率的!!!但很多人却觉得现在医学那么发达,生孩子怎么可能会死人!!!!”该文本使用大量感叹号强化语气,情绪唤醒度极高。个体差异性与情绪感染研究表明: 女性不仅比男性更善于情感表露,而且在接收语言表达中所传递的情绪信号时也更准确。(22)Judith A. Hall, David Matsumoto, “Gender Differences in Judgments of Multiple Emotions from Facial Expressions,” Emotion, vol.4, no.2(July 2004), pp.201-206.因此,女性的语言表达能力、情绪回应能力相对于男性更强,更擅长使用生动形象的语言来描绘疼痛和恐惧感,在高强度情感刺激下,女性用户之间情绪感染的程度不断强化。本研究“恐育”语料库的情绪分布以负面情感为主,负面情绪内容的类别激活效应在研究中得以印证。

3. 他人负面经历引发的社会评估机制

当女性用户在社交媒体中看到他人生育的负面经历时,更容易产生替代性创伤——意即触发了情绪感染的“社会评估”机制。“替代性创伤”主要指个体在接触到大量负面场景后,对自身的伤害超过了一般人的生理和心理可承受阈值,从而引发各种心理异常现象。(23)马君英: 《替代性创伤研究述评》,《医学与社会》2010年第23卷第4期,第91—93页。出现替代性创伤的人群往往会设身处地感受自己遭遇伤害的场景,这种想象使他们自己出现体能下降、情绪不稳、精神崩溃等身心困扰,甚至出现应激反应。女性对于他人情绪表露的感知更加敏感,(24)Elaine Hatfield, John T. Cacioppo, Richard L. Rapson, Emotional Contagion, Paris: Cambridge University Press, 1994.共情能力较男性强,接收到负面情绪后更容易引发情感共鸣,产生替代性创伤下的消极悲观情绪——知乎用户“*野”表示:“因为看到身边一些生了孩子的女性生活不幸福,向往自由的我一直惧怕生孩子”;知乎用户“*晚”也提道:“我表姐、堂姐和亲姐每个人都结婚生子了,从她们经历上看,我太怕了。”

(二) 社交媒体中“恐育情绪”的扩散因素

1. 社交媒体的风险放大因素

生育信息在社交媒体的放大效果下呈现出更强烈的危险性,凸显生育的负面影响,增强了女性对于“分娩疼痛”“生育后遗症”“生命危险”的风险感知;社交媒体的互动性促进了信息生产和传播模式的改变,情绪感染速度进一步加快,从而对用户健康风险的心理感知产生了巨大影响。在本研究语料库的“恐育”议题中,“生命危险”占比8.94%,远远高于现实生活中我国孕产妇0.016 9%的生育死亡率。(25)国家卫健委于2022年5月30日新闻发布会公布的数据显示,2021年我国孕产妇死亡率下降到16.1/10万,婴儿死亡率降至5.0‰,5岁以下儿童死亡率降至7.1‰,妇幼健康核心指标降至历史最低水平。社交媒体成为生育风险的“放大镜”,一旦风险信息初步显现,就会以几何级速度不断传播,产生“涟漪效应”,(26)吴晔、黎樟浩、塔娜: 《作为“催化剂”的社交媒体——灾难事件中心理距离对焦虑感知的预测作用》,《福建师范大学学报(哲学社会科学版)》2022年第3期,第127—136页。加剧用户“恐育”情绪的蔓延。因此,女性用户感知到任何与生育相关的风险信息,无论程度深浅,都会导致“恐育”情绪在社会关系网络中病毒式传播,使得局部风险信息由于过度快速、广泛传播而无限放大、扩张。

2. 圈层传播的社会动员因素

在联系高度密切的群际语境中,女性之间基于生育议题的“情感一致性”是网络群体传播中社会动员的基础,推动“恐育”情绪的病毒式传播,并潜移默化带动更多女性加入。本研究选取的“恐育”语料库中的议题相互一致,情绪倾向高度集中,情感传播网络结构呈现高度紧密性,出现明显“同质化”现象。例如,关于“分娩疼痛”的表述“对疼痛的害怕是人类的天性吧”“生育对身心都是一种摧残”“生孩子真是对一个女孩子最严厉的酷刑”等;关于“个体权利意识”的回答“女人不生孩子是不完美的概念已经被摒弃了,女性真正做到独立自主了”“自己还是个孩子,还要养一个孩子,身心都经历180°的变化”“自己还是个孩子,为什么一毕业就要考虑结婚”等,这些文本相似度较高。群体间的同质化意见会进一步加剧社会动员,(27)黄阳坤、袁雨晴、陈昌凤: 《人机情绪的趋同、循环与溢出——基于Twitter涉中议题的数据分析》,《新闻记者》2022年第9期,第29—44页。在知乎问答社区构成的网络圈层中,成员之间联系紧密,形成圈层化传播,导致“恐育”情绪在群体成员间感染扩散,产生持续不断的“情绪循环”作用,反复加强女性用户的“恐育”认同。

四、 研究讨论: 社交媒体中女性“恐育”情绪疏导的社会治理

个体在网络世界中更易被他人的情绪感染。有意图的情绪感染往往来自处于高位的领导者或有影响力的群体成员,他们诱发、调整和改变着群体的情绪,有意识地调整群体成员的行为。如果任由负性情绪在网络世界中迅速传染发酵,会使得某些容易被煽动的个体做出不理智的行为。个体心理健康问题可以借助心理学手段解决,但社会层面的情绪、情感引导应该纳入社会治理。社会治理也是社会情感治理,即在社会治理中使得社会正向情感最大化,实现以社会情感为基础的社会凝聚。基于研究发现与结论,笔者认为: 多主体社会治理才是实现社交媒体女性“恐育”情绪疏导的有效路径。对此,本研究进一步提出后续研究的三个方向及问题。

讨论1: 基于用户主体的内容治理问题

研究发现: 知乎语料库中“恐育”女性的对抗式话语中,部分呈现出抵触、厌恶甚至恐惧男性倾向,表现出明显的性别对立。无论是一般用户还是职业内容生产者都需要反思: 大量负面信息形塑了女性对于生育现状的担忧与恐惧,从而反对作为“生育机器”的男性凝视(28)赵一凡、张中载: 《西方文论关键词》,北京: 外语教学与研究出版社,2006年,第349页。和社会规训(29)张一兵: 《资本主义: 全景敞视主义的治安—规训社会——福柯〈规训与惩罚〉解读》,《中国高校社会科学》2013年第7期,第20—29、154—155页。。

那么,作为信息传播主体的各类社交媒体用户,如何加强对生育观念的正向引导,减少对生育信息的负面传播,引导潜在的“恐育”用户在众说纷纭中保持独立思考,避免人云亦云,防止社会情绪走向群体极化(30)David G. Myers, Helmut Lamm, “The Group Polarization Phenomenon,” Psychological Bulletin, vol.83, no.4(1976), pp.602-627.(Group Polarization)的困境?后续研究可以从“用户主体”层面探讨“内容治理”问题。

讨论2: 基于平台主体的推送治理问题

研究发现: 知乎问答社区的圈层化特点导致群体内成员观点趋于同质性,甚至不断走向偏激极化,“恐育”情绪传播网络呈现高度连通性结构,群体间形成联系高度紧密的“小世界”网络关系,相互感染性强、传播速度快。由此可知,知乎平台的算法推荐导致话题内部产生了意见一致的信息茧房(31)凯斯·R·桑斯坦: 《信息乌托邦——众人如何生产知识》,毕竞悦译,北京: 法律出版社,2008年,第8页。,本就恐惧生育的女性会更加倾向于接触负面信息,进一步加固“恐育”情绪。

那么,如何优化平台算法推荐机制,减少对育龄女性的同质化信息高密度推送,注意对正面、负面、中性信息予以均衡推荐?如何在生育话题内部优化推荐曝光排序机制,弱化高强度恐惧情绪的推广频率和范围,减少“恐育”情绪传播网络的聚集密度?后续研究可以从“平台主体”层面探讨“推送治理”问题。

讨论3: 基于政府主体的政策治理问题

研究发现: 消除女性“恐育”情绪,减少网络共情带来的替代性创伤,根本举措是要增强女性的“生育安全感”。具体而言,一是要减缓由身体疼痛和损伤带来的“生理不安全感”;二是要减缓由自我价值丧失带来的“心理不安全感”;三是要减缓由经济恶化和社会压力带来的“权益不安全感”。

那么,各级政府应当如何推动完善育龄妇女的生命安全保障体系、生育支持政策体系?如何消除社会文化中对女性的歧视现象,形塑良好的生育环境?如何保障女性孕产期和哺乳期的工作、经济权益,优化多子女家庭的政策扶持力度?后续研究可以从“政府主体”层面探讨“政策治理”问题。