情緒刺激對(duì)微博信息分享意愿的影響實(shí)證研究.

丁松云 王勇 柯青.

摘要：[目的]本文通過(guò)研究微博用戶信息行為，為相關(guān)部門在信息傳播管控方面提供參考價(jià)值。[方法]本文從用戶使用微博時(shí)產(chǎn)生的情緒刺激角度對(duì)用戶微博信息分享意愿和動(dòng)機(jī)進(jìn)行調(diào)查研究和分析，并基于過(guò)程評(píng)估理論和情境評(píng)估模型構(gòu)建微博用戶信息分享情緒模型。[結(jié)果]研究表明，用戶的情緒刺激顯著正向影響用戶對(duì)新穎性、規(guī)范、目標(biāo)、內(nèi)在舒適性和應(yīng)對(duì)潛力的評(píng)估;用戶對(duì)新穎性、目標(biāo)和內(nèi)在舒適性的評(píng)估顯著正向影響用戶的分享意愿;用戶的分享意愿對(duì)情緒刺激有顯著復(fù)發(fā)效應(yīng)。[局限]本文構(gòu)建的研究模型主要驗(yàn)證刺激、評(píng)估、結(jié)果3個(gè)組件的相互影響，未具體研究評(píng)估組件內(nèi)部5個(gè)組件間的相互作用;且本研究的樣本主要源自于高學(xué)歷青年群體。[結(jié)論]本研究證明了情緒刺激對(duì)微博用戶信息分享意愿所產(chǎn)生的影響。情緒既是微博用戶在信息分享過(guò)程中所產(chǎn)生的心理及情緒波動(dòng)，又是促使用戶產(chǎn)生信息分享行為的因素。.

關(guān)鍵詞：情緒刺激;情感評(píng)估;信息分享意愿;微博.

DOI：10.3969/j.issn.1008-0821.2019.03.004.

〔中圖分類號(hào)〕G206〔文獻(xiàn)標(biāo)識(shí)碼〕A〔文章編號(hào)〕1008-0821（2019）03-0035-11.

2006年美國(guó)推出了世界上第一個(gè)微博網(wǎng)站Twitter，互聯(lián)網(wǎng)應(yīng)用進(jìn)入到一個(gè)在線社交的時(shí)代。目前，微博已經(jīng)成為全球最受歡迎的網(wǎng)絡(luò)應(yīng)用之一，微博的快速發(fā)展使其顯示出了巨大的社會(huì)價(jià)值和商業(yè)價(jià)值。微博信息分享意愿是指用戶發(fā)布或者轉(zhuǎn)發(fā)微博的意愿的強(qiáng)烈程度，用戶分享意愿的強(qiáng)弱能夠直接影響用戶的發(fā)布或者轉(zhuǎn)發(fā)這類分享行為。微博用戶分享行為具有多學(xué)科的特點(diǎn)，它與心理學(xué)、社會(huì)學(xué)等都有緊密的關(guān)系。一直以來(lái)，學(xué)界對(duì)微博分享行為的研究多從微博文本特征和微博用戶特征兩個(gè)角度開(kāi)展研究，用戶的情緒因素未受到較多關(guān)注。一方面是用戶的情緒現(xiàn)象的多面性影響了學(xué)界對(duì)其統(tǒng)一認(rèn)識(shí)，在社會(huì)學(xué)、心理學(xué)、教育學(xué)等其作為研究對(duì)象的學(xué)科都有不同的定義和認(rèn)識(shí)變遷。另一方面，情緒作為不同于用戶客觀外顯行為的一個(gè)內(nèi)在心理要素，常被視作動(dòng)機(jī)或意愿的衍生品或下位概念。心理學(xué)家從情緒角度研究微博分享行為主要集中在微博的使用動(dòng)機(jī)、態(tài)度或者用戶在微博文本中所體現(xiàn)的情感等方面。情緒是伴隨用戶的信息行為發(fā)生或者情緒通過(guò)微博來(lái)表達(dá)，較少關(guān)注情緒因素對(duì)用戶微博分享意愿和行為的主動(dòng)效應(yīng)的研究。情緒刺激又可分為正向情緒刺激和負(fù)向情緒刺激，過(guò)去對(duì)情緒刺激的研究多集中于負(fù)向情緒刺激對(duì)于用戶行為的研究。而近年來(lái)積極心理學(xué)的興起，越來(lái)越多的研究學(xué)者逐漸關(guān)注到正向情緒刺激可能對(duì)用戶行為帶來(lái)的影響。本文所提到的情緒刺激則不局限于單純的正向情緒刺激或者負(fù)向情緒刺激，而是指特定微博事件對(duì)微博用戶所產(chǎn)生的情緒刺激。.

1相關(guān)研究.

1.1微博分享行為研究

學(xué)界探討微博分享意愿和行為的研究主要從微博文本角度和微博用戶角度，兩者也存在一定結(jié)合。微博的內(nèi)容雖然簡(jiǎn)短，但也蘊(yùn)含著豐富的信息價(jià)值。Stieglitz S等發(fā)現(xiàn)微博內(nèi)容的情感與被轉(zhuǎn)發(fā)情況存在相關(guān)性，包含情緒信息的微博更容易得到轉(zhuǎn)發(fā)[1]。國(guó)內(nèi)學(xué)者徐春華從知識(shí)分享的內(nèi)容效度和傳播效度兩個(gè)方面分析課程微博的知識(shí)傳播分享效用[2]。李志清構(gòu)建了微博特征和用戶特征，然后通過(guò)將LDA抽取的微博隱含主題特征，與微博特征和用戶特征相結(jié)合建立起基于主題特征的微博預(yù)測(cè)模型[3]。

從微博用戶特征角度研究影響微博分享行為的因素包含用戶的社會(huì)影響力、用戶的動(dòng)機(jī)以及用戶的隱私意識(shí)。用戶的社會(huì)影響力，是指用戶的情緒、意見(jiàn)或者行為影響他人的現(xiàn)象和能力。毛佳昕、吳峴輝等人在研究中指出，用戶在自己擅長(zhǎng)或感興趣的話題中參與度更高，表現(xiàn)更活躍，因此往往具有更強(qiáng)的影響力，也就很有可能成為微博意見(jiàn)領(lǐng)袖[4-5]。王曉光、閆強(qiáng)等人以新浪微博為例，發(fā)現(xiàn)積極的關(guān)注別人，保持較高發(fā)文數(shù)，就可以吸引更多粉絲，保持更高的關(guān)注度，從而擁有更高的社會(huì)影響力，影響其他用戶的行為[6-7]。用戶的動(dòng)機(jī)是用戶信息需求、情感表達(dá)和興趣的動(dòng)力因素。Pongsajapan R A認(rèn)為用戶出于學(xué)習(xí)新知識(shí)、了解新聞時(shí)事等信息需求，選擇微博作為新的信息發(fā)布和互動(dòng)平臺(tái)[8]。張靜等人則認(rèn)為驅(qū)動(dòng)微博用戶更多地選擇微博平臺(tái)發(fā)布交流信息的是用戶的情感表達(dá)需要[9]。閆強(qiáng)等人則通過(guò)微博中的轉(zhuǎn)發(fā)與評(píng)論行為以及微博用戶間的網(wǎng)絡(luò)關(guān)系提出一種基于社會(huì)關(guān)系的動(dòng)力學(xué)模型，指出微博用戶的行為更多的是受興趣的驅(qū)動(dòng)，而非任務(wù)的驅(qū)動(dòng)[6]。Buccafurri F和Stutzman F等人在研究中發(fā)現(xiàn)在Facebook和Twitter上有87%的用戶選擇將他們的Facebook信息保密，而且制定隱私設(shè)置的用戶不太可能披露信息[10-11]。

1.2情緒在微博分享行為研究中的角色

微博這種社會(huì)化媒體與創(chuàng)作者和訪問(wèn)者的情緒密切相關(guān)，尤其是微博文本分析可以洞察用戶的情緒。微博內(nèi)容的情緒特征表達(dá)了用戶對(duì)事物或事件的態(tài)度，對(duì)微博分享具有重要影響。Peng T Q等人使用序列分析法對(duì)2.65億個(gè)Tweets大規(guī)模縱向數(shù)據(jù)進(jìn)行分析，發(fā)現(xiàn)公眾對(duì)Twitter上熱點(diǎn)社會(huì)問(wèn)題的關(guān)注會(huì)影響他們的情緒[12]。Jones N M等人通過(guò)對(duì)大學(xué)校園暴力事件發(fā)生后的Twitter數(shù)據(jù)進(jìn)行調(diào)查，研究了暴力事件所帶來(lái)的負(fù)面情緒對(duì)Twitter用戶的影響[13]。Himeboim I等則通過(guò)對(duì)10個(gè)有爭(zhēng)議的政治話題的Twitter對(duì)話的收集，分析用戶情緒，為社會(huì)媒體背景下對(duì)政治與問(wèn)題的相互作用提供了新的認(rèn)識(shí)[14]。Kanavos A等基于微博內(nèi)容的情感傾向預(yù)測(cè)微博傳播的廣度和深度[15]。Naveed N等發(fā)現(xiàn)帶有消極情感傾向的微博更容易被轉(zhuǎn)發(fā)[16]。

國(guó)內(nèi)也有學(xué)者從微博的文本內(nèi)容來(lái)研究微博用戶的情緒特征。Wang W等創(chuàng)建了一個(gè)大型情緒標(biāo)簽的數(shù)據(jù)集，使用兩種不同的機(jī)器學(xué)習(xí)算法對(duì)微博文本進(jìn)行情緒識(shí)別[17]。唐曉波等人針對(duì)以往研究中用戶興趣表示不夠全面準(zhǔn)確以及未考慮情感差異對(duì)用戶轉(zhuǎn)發(fā)行為的影響，提出一個(gè)融入情感差異和用戶興趣的微博轉(zhuǎn)發(fā)預(yù)測(cè)模型[18]。

總體來(lái)說(shuō)，這些研究包括兩種觀點(diǎn)：1）微博內(nèi)容可以表達(dá)用戶的情緒和態(tài)度，即用戶作為發(fā)布微博的主體，其發(fā)布的微博內(nèi)容本身表達(dá)了其主觀的情緒和態(tài)度;2）公眾對(duì)熱點(diǎn)問(wèn)題的關(guān)注會(huì)影響他們的情緒，即微博用戶作為信息接收者，在瀏覽相關(guān)的微博信息之后，會(huì)在一定程度上導(dǎo)致自身情緒改變。二者看似差別很大，實(shí)際上符合本文所研究模型的復(fù)發(fā)效應(yīng)，也就是說(shuō)微博用戶在接收到影響自身情緒的微博信息后，自身會(huì)對(duì)微博信息進(jìn)行一個(gè)評(píng)估，從而決定是否有意愿分享該微博信息，而無(wú)論微博用戶是否愿意分享該微博信息也都傳遞著自身的情緒。目前，國(guó)內(nèi)外學(xué)者的研究在一定程度上揭示微博分享行為受到情緒變量的影響，然而，很少有學(xué)者能注意到用戶與微博交互過(guò)程中的情緒狀態(tài)變化，特別是當(dāng)用戶情緒受到刺激時(shí)是否影響了用戶的情緒評(píng)估系統(tǒng)，繼而引發(fā)用戶的某種行為。本文主要針對(duì)這一不足，基于用戶在使用微博時(shí)產(chǎn)生的情緒刺激角度對(duì)用戶分享微博信息的意愿和動(dòng)機(jī)產(chǎn)生過(guò)程進(jìn)行調(diào)查和分析，擬發(fā)現(xiàn)當(dāng)用戶面對(duì)微博激發(fā)情緒刺激后，是否對(duì)用戶的感知和認(rèn)知評(píng)估產(chǎn)生影響，進(jìn)而這種評(píng)估是否產(chǎn)生分享微博的意愿和行為的結(jié)果。本文研究為相關(guān)管理部門在信息傳播、發(fā)布方面發(fā)揮微博平臺(tái)的作用，監(jiān)測(cè)和控制微博信息平臺(tái)，減少負(fù)面謠言和不良信息的擴(kuò)散后果提供參考價(jià)值。.

2研究基礎(chǔ)和模型構(gòu)建.

2.1情緒刺激和情緒動(dòng)機(jī)

從Descartes R（1649）到Scherer K R（1987），情緒心理學(xué)家將人類生物學(xué)視為可以提供最兼容的模型的科學(xué)。Descartes R在他的情緒研究中，提出了一個(gè)神經(jīng)生物學(xué)的敘述：“眾所周知，肌肉的所有這些運(yùn)動(dòng)以及所有的感覺(jué)都取決于神經(jīng)，這些神經(jīng)被稱為動(dòng)物精神?！边@種“動(dòng)物精神”主宰了人類的想法情緒[19]。Hume D除了認(rèn)同Descartes R的想法外，認(rèn)為情緒刺激也有次要的反思印象，即是從一些原始的，或者嵌入式的想法來(lái)進(jìn)行的。他在文章中向我們提供了一個(gè)關(guān)于情緒刺激的精致的理解，即情緒刺激是導(dǎo)致二次反思印象的原因，這種情況只有快樂(lè)或痛苦時(shí)才會(huì)發(fā)生[20]。Hume D是20世紀(jì)初的認(rèn)知轉(zhuǎn)向的種子，它從功能主義的以心靈為中心的觀點(diǎn)轉(zhuǎn)移到心理、反思、主觀和現(xiàn)象學(xué)的情感特征上。當(dāng)代認(rèn)知主義者Schachter S等認(rèn)為有可能從任何材料、客觀刺激中抽象出情緒[21]。Scherer K R也認(rèn)為情緒通常是由刺激事件引起的，這些事件將包括自然現(xiàn)象、自身行為等。情緒需要以某種方式與外部或內(nèi)部的特定事件相關(guān)聯(lián)或固定在一起，而不是自由的浮動(dòng)[22]。從這種生物功能主義的立場(chǎng)來(lái)看，情緒刺激既是物質(zhì)的，也是客觀的，是體內(nèi)外都存在的，但不是所有的人體活動(dòng)都是有情緒的。在組建過(guò)程模型的框架中，情緒則被定義為響應(yīng)于外部或內(nèi)部刺激事件的評(píng)估與所有生物中心關(guān)注相關(guān)的5個(gè)有機(jī)子系統(tǒng)的狀態(tài)的相互關(guān)聯(lián)，同步變化的序列[23]。

動(dòng)機(jī)是人類行為、意愿和需求的原因，是引導(dǎo)人們行動(dòng)的方向，也是激發(fā)某種行為產(chǎn)生的原因[24]。情緒動(dòng)機(jī)理論認(rèn)為，情緒是動(dòng)機(jī)的源泉之一，其作為動(dòng)機(jī)系統(tǒng)的一個(gè)基本成本成分，能激勵(lì)人的活動(dòng)，提高人的活動(dòng)效率[25]。情緒從根本上是一種對(duì)維持或威脅生命的事件進(jìn)行有效反應(yīng)的傾向，在動(dòng)機(jī)系統(tǒng)內(nèi)，情緒反應(yīng)由注意定向發(fā)展至動(dòng)作準(zhǔn)備，通過(guò)允許個(gè)體快速檢測(cè)并高效地處理能影響其幸福感、目標(biāo)和需要的任一事件以促進(jìn)生存。Bradley M M等人還發(fā)現(xiàn)，人類的情緒刺激反應(yīng)具有不同的功能——能激發(fā)行動(dòng)，調(diào)整注意力和社會(huì)交流，反映人類的動(dòng)機(jī)系統(tǒng)、激活程度以及特定的情感語(yǔ)境[25]。

2.2情緒評(píng)估

過(guò)程評(píng)估理論（Process Appraisal Theory）起源于心理學(xué)家Scherer K R對(duì)情緒的認(rèn)知研究視角。學(xué)者Schachter S等（1962）共同提出“情緒認(rèn)知理論”或稱為“情緒歸因理論”，建立了一個(gè)負(fù)責(zé)情緒分化的認(rèn)知組件，但他沒(méi)有指定一個(gè)組件來(lái)確定哪些刺激導(dǎo)致覺(jué)醒，因此不能確定哪些刺激導(dǎo)致情緒[21]。之后，Scherer K R（1987）將情緒描述為一種演變的、系統(tǒng)的連續(xù)機(jī)制，其允許因?yàn)榇碳ず晚憫?yīng)的解耦產(chǎn)生響應(yīng)優(yōu)化的延遲時(shí)間而對(duì)環(huán)境意外事件逐漸靈活的適應(yīng)，并提出了過(guò)程評(píng)估理論。該理論保留了Schachter S等的觀點(diǎn)，即認(rèn)知是情緒的先驅(qū)，但也不同于他的觀點(diǎn)，情緒評(píng)估理論認(rèn)為無(wú)意識(shí)的刺激評(píng)估發(fā)生在情緒之前，而情緒之后就會(huì)發(fā)生意識(shí)歸因于事件或情緒標(biāo)簽，例如恐懼或憤怒。情緒系統(tǒng)在個(gè)體和社會(huì)環(huán)境中具有以下的功能和成分：1）認(rèn)知：對(duì)個(gè)體幸福感的相關(guān)性方面的刺激事件的評(píng)價(jià);2）生理：對(duì)準(zhǔn)備行動(dòng)的內(nèi)部狀態(tài)的有機(jī)調(diào)控;3）動(dòng)機(jī)：具體的動(dòng)機(jī)和行動(dòng)傾向的激活;4）表達(dá)：反應(yīng)和意向的表達(dá)和溝通;5）主觀感覺(jué)：有機(jī)體狀和體態(tài)變化的監(jiān)測(cè)和關(guān)注。（Scherer K R，1987）。這種觀點(diǎn)實(shí)際上是從認(rèn)知和評(píng)估角度來(lái)理解人類情緒，在此基礎(chǔ)上，Scherer K R不斷完善形成一個(gè)反映情緒過(guò)程評(píng)估機(jī)制的理論，它將刺激所引發(fā)的情緒評(píng)估劃分為5個(gè)成分：新穎性、舒適、目標(biāo)、應(yīng)對(duì)潛力、自我規(guī)范[23]。過(guò)程評(píng)估理論被認(rèn)為克服了很多其它情緒理論的缺點(diǎn)，包括刺激反應(yīng)理論[26]、神經(jīng)生理過(guò)程[27]、展示理論[28]以及基本需求領(lǐng)域的動(dòng)機(jī)理論[29]，是一個(gè)描述情緒與動(dòng)機(jī)關(guān)系的理論。

Stacey P等吸收了Scherer K R對(duì)情緒評(píng)估組成的觀點(diǎn)，并且對(duì)引起情緒評(píng)估的刺激因素研究，構(gòu)建了情境評(píng)估理論（Contextual Appraisal Theory，CAT），將情緒有關(guān)的情境刺激、評(píng)估和結(jié)果3因素之間的關(guān)系進(jìn)行揭示[30]。其中，情境刺激因素可以是人為的、社會(huì)的、生理引起的或者是三者共同引起的情緒上的刺激。評(píng)估因素吸收了過(guò)程評(píng)估理論中原有的5個(gè)情緒成分：目標(biāo)、規(guī)范、新穎性、內(nèi)在舒適性和應(yīng)對(duì)潛力[31]。評(píng)估因素認(rèn)為人類的情緒不是由于刺激的特性引發(fā)的，而是人類解釋和評(píng)價(jià)發(fā)生在自身上的事件。結(jié)果是評(píng)估導(dǎo)致的各種行為意愿或者不愿行為的結(jié)果。按照Scherer K R的觀點(diǎn)，Stacey P等認(rèn)為情境刺激引發(fā)了情緒過(guò)程的評(píng)估，這種評(píng)估導(dǎo)致意愿結(jié)果，意愿的結(jié)果引起的變化反饋到之前因素中，稱為復(fù)發(fā)，例如結(jié)果因素反饋到刺激因素中，又產(chǎn)生新的情緒刺激。但是目前還沒(méi)有學(xué)者對(duì)情境評(píng)估理論進(jìn)行進(jìn)一步的驗(yàn)證研究。

2.3研究模型及研究假設(shè).

2.3.1研究模型

本文研究問(wèn)題是用戶的情緒刺激對(duì)微博信息分享意愿的影響，基于情緒刺激與動(dòng)機(jī)的關(guān)系以及情緒過(guò)程評(píng)估理論，本研究構(gòu)建微博用戶信息分享情緒模型（見(jiàn)圖1）。該模型是以Stacey P等的CAT模型為基礎(chǔ)，主要包含3大情緒變量，分別是刺激、評(píng)估、結(jié)果。.

2.3.2研究變量操作化定義及研究假設(shè)

本文主要根據(jù)圖1研究模型中描述的3個(gè)主要變量：刺激、評(píng)估和結(jié)果之間的影響關(guān)系，探討微博用戶分享信息的意愿。為了對(duì)變量之間的相關(guān)性進(jìn)行研究，需要對(duì)各變量進(jìn)行操作化定義和研究假設(shè)構(gòu)建。

1）刺激和評(píng)估的假設(shè)關(guān)系

刺激是研究模型中的第一個(gè)構(gòu)念，這里主要指由于情境引起的情緒刺激。評(píng)估部分包括新穎性、規(guī)范、目標(biāo)、內(nèi)在舒適性和應(yīng)對(duì)潛力5個(gè)情緒組件。Stacey P等在其提出的情境評(píng)估理論中指出，刺激對(duì)評(píng)估有正向影響關(guān)系[30]。根據(jù)Scherer K R評(píng)估過(guò)程理論以及Watson J B的刺激反應(yīng)理論[32]，可以得知，對(duì)刺激的反應(yīng)的不一致導(dǎo)致了用戶在認(rèn)知方面的差異，而評(píng)估是評(píng)價(jià)某物或某人的質(zhì)量或價(jià)值的認(rèn)知行為?？梢酝茢啵u(píng)估是用戶認(rèn)知事物的過(guò)程，刺激則正向影響評(píng)估。因此，本研究提出假設(shè)：

H1：瀏覽微博信息所產(chǎn)生的刺激正向影響對(duì)于微博信息的評(píng)估;

H1a：瀏覽微博信息所產(chǎn)生的情緒刺激正向影響用戶對(duì)于微博信息新穎性的評(píng)估;

H1b：瀏覽微博信息所產(chǎn)生的情緒刺激正向影響用戶對(duì)于微博信息規(guī)范的評(píng)估;

H1c：瀏覽微博信息所產(chǎn)生的情緒刺激正向影響用戶對(duì)于微博信息目標(biāo)的評(píng)估;

H1d：瀏覽微博信息所產(chǎn)生的情緒刺激正向影響用戶對(duì)于微博信息內(nèi)在舒適性的評(píng)估;

H1e：瀏覽微博信息所產(chǎn)生的情緒刺激正向影響用戶對(duì)于微博信息應(yīng)對(duì)潛力的評(píng)估。

2）評(píng)估和結(jié)果的假設(shè)關(guān)系

評(píng)估包含的5個(gè)情緒組件構(gòu)成了對(duì)情緒刺激的評(píng)估，能對(duì)用戶情感系統(tǒng)產(chǎn)生效應(yīng)，導(dǎo)致用戶產(chǎn)生某種行為意愿或者動(dòng)機(jī)。因此，評(píng)估正向影響結(jié)果，本文提出假設(shè)：

H2：用戶對(duì)于瀏覽微博信息后所做的評(píng)估正向影響行為結(jié)果;

H2a：用戶對(duì)微博信息新穎性的評(píng)估正向影響用戶對(duì)微博的分享意愿;

H2b：用戶對(duì)微博信息規(guī)范的評(píng)估正向影響用戶對(duì)微博的分享意愿;

H2c：用戶對(duì)微博信息目標(biāo)的評(píng)估正向影響用戶對(duì)微博的分享意愿;

H2d：用戶對(duì)微博信息內(nèi)在舒適性的評(píng)估正向影響用戶對(duì)微博的分享意愿;

H2e：用戶對(duì)微博信息應(yīng)對(duì)潛力的評(píng)估正向影響用戶對(duì)微博的分享意愿。

3）結(jié)果和刺激的關(guān)系假設(shè)

評(píng)估產(chǎn)生的情緒結(jié)果可能會(huì)產(chǎn)生新的刺激，這取決于使用者的素質(zhì)，可能會(huì)引入新的情緒“連鎖反應(yīng)”。Walsham G等曾在研究中指出，產(chǎn)生的情緒的后果可能反映和重現(xiàn)甚至改變現(xiàn)有的組織安排，例如緩和管理結(jié)構(gòu)[33]。Scherer K R評(píng)估過(guò)程理論也認(rèn)為后續(xù)組件引起的變化反饋到以前的組件，并稱之為復(fù)發(fā)。因此，結(jié)果正向影響情緒刺激，本文提出假設(shè)：

H3：用戶分享微博的意愿正向影響瀏覽微博信息后所產(chǎn)生的情緒刺激。

本研究中微博信息分享意愿是指用戶發(fā)布或者轉(zhuǎn)發(fā)微博的意愿的強(qiáng)烈程度。這種意愿的高低能夠直接影響用戶的分享行為，已經(jīng)在許多動(dòng)機(jī)—行為研究中得到佐證，因而本文不再探討分享意愿和分享行為之間的關(guān)系。

綜上所述，研究模型中所描述的研究變量定義歸納在表1中。表1還給出調(diào)查問(wèn)卷中各變量的操作化定義和參考來(lái)源。.

2.在微博上看到社會(huì)熱點(diǎn)民生問(wèn)題會(huì)引起我的情緒變化.

3.在微博上看到一些刺激感官的圖片我會(huì)產(chǎn)生情緒波動(dòng)Stacey P等.（2014）

新穎性由刺激導(dǎo)致的對(duì)事件發(fā)生概率和預(yù)期的評(píng)估

4.通過(guò)刷微博我常?？梢园l(fā)現(xiàn)別人還未發(fā)現(xiàn)的新鮮事物.

5.通過(guò)刷微博我能關(guān)注到一些社會(huì)熱點(diǎn)問(wèn)題.

6.我瀏覽微博信息時(shí)經(jīng)常關(guān)注熱搜上的人們?cè)掝}Zajon（1980）.Miller（1981）

規(guī)范指?jìng)€(gè)體感知到的身邊重要的人對(duì)他執(zhí)行或不執(zhí)行某種行為所承受的壓力7.在分享微博信息時(shí)，我會(huì)思考別人的言論是否跟我的相同.

8.在分享微博信息時(shí)，我會(huì)遵循社會(huì)道德規(guī)范，考慮對(duì)他人或社會(huì)造成的影響.

9.我身邊重要的人認(rèn)為我應(yīng)該分享一些正能量的微博信息Ajzen & Fishbein.（1980）

目標(biāo)目標(biāo)提供啟動(dòng)任務(wù)的動(dòng)機(jī)或情緒力量，并繼續(xù)執(zhí)行，直到目標(biāo)達(dá)到，感覺(jué)或“驅(qū)動(dòng)力”得到解決和停止10.我在微博上分享或轉(zhuǎn)發(fā)一些信息通常是有目的性的.

11.我希望能在微博分享一些對(duì)自己或他人有用的東西.

12.我決心在微博上分享一些正能量的東西Nahl（2001）.

Nahl（2004）

表1（續(xù)）.

變量定義操作化定義參考來(lái)源

內(nèi)在舒適性與刺激相關(guān)的精神快樂(lè)和/或痛苦13.分享微博可以給我?guī)?lái)享受.

14.在微博分享信息，可以讓別人感受到我的快樂(lè).

15.使用微博可以讓我和朋友們有共同話題，交流很開(kāi)心Block（1995）.

Nagel（1974）

應(yīng)對(duì)潛力用戶擁有能夠應(yīng)付情緒刺激及其后果的能力16.當(dāng)我在分享了一張被別人評(píng)論不好的微博時(shí)，我會(huì)暗自懊惱，并產(chǎn)生負(fù)面情緒.

17.我在分享微博信息時(shí)希望得到他人的贊賞或正面支持.

18.在分享某些微博信息時(shí)，我能感受到自己的情緒很激動(dòng)，但能控制住不會(huì)“過(guò)度反應(yīng)”，如微博對(duì)罵等Scherer（1987）.

Nahl（2004）

分享意愿用戶使用微博分享信息的意愿19.我愿意通過(guò)微博分享來(lái)表達(dá)我的情緒.

20.我有根據(jù)情緒刺激分享微博信息的習(xí)慣.

21.我會(huì)頻繁地使用微博分享我想要分享的信息Davis（1992）.

3數(shù)據(jù)分析.

3.1數(shù)據(jù)收集和樣本

本研究采用問(wèn)卷調(diào)查的方法收集數(shù)據(jù)，問(wèn)卷采用5級(jí)里克特量表，調(diào)查對(duì)象為使用過(guò)微博的互聯(lián)網(wǎng)用戶。通過(guò)在線問(wèn)卷調(diào)查平臺(tái)問(wèn)卷星上發(fā)放調(diào)查問(wèn)卷，并通過(guò)即時(shí)通訊軟件邀請(qǐng)用戶參與問(wèn)卷調(diào)查。最終一共回收問(wèn)卷356份，剔除無(wú)效問(wèn)卷80份，有效問(wèn)卷回收率為77.53%。剔除標(biāo)準(zhǔn)為：1）未使用過(guò)微博的人;2）所有問(wèn)項(xiàng)都選3（不知道）的用戶;3）答題時(shí)間少于60秒的用戶。

本研究所回收的276份樣本的人口特征統(tǒng)計(jì)如表2所示，被試者中女性微博用戶比男性多，在所有的年齡段中19～25歲的用戶最多，達(dá)到88.41%，由此可見(jiàn)本次調(diào)查微博用戶主要以年輕人為主。其中，本科及以上學(xué)歷的用戶所占比例達(dá)到90.22%，調(diào)查樣本具有高學(xué)歷特征。此外，調(diào)查還發(fā)現(xiàn)，使用新浪微博的用戶最多（98.19%）。.

3.2信度分析

問(wèn)卷的整體信度系數(shù)用Cronbach的α系數(shù)檢驗(yàn)，此系數(shù)介于0～1之間。一般來(lái)說(shuō)，Cronbach的α系數(shù)大于0.7為高信度，低于0.35為低信度，0.5為最低可以接受的信度水準(zhǔn)[34]。采用SPSS20.0計(jì)算各個(gè)變量α系數(shù)（表3）。從表3可以看出，問(wèn)卷的整體α系數(shù)為0.853，各個(gè)變量的α系數(shù)均超過(guò)0.50，問(wèn)卷的可信度較高，且具有較高的內(nèi)部一致性。

3.3效度分析

在問(wèn)卷調(diào)查中，具備信度的問(wèn)題不一定具備效度，效度分析使用的是因子分析模型。先對(duì)問(wèn)卷收集的數(shù)據(jù)用KMO和Bartlett的檢驗(yàn)進(jìn)行因子模型適應(yīng)性分析（見(jiàn)表4）：

表4KMO和Bartlett的檢驗(yàn).

取樣足夠度的Kaiser-Meyer-Olkin度量0.826

近似卡方1 682.660

Bartlett的球形度檢驗(yàn)df210

Sig0.000

由表4可以看出，KMO的值為0.826，大于0.8，說(shuō)明數(shù)據(jù)很適合做因子分析。Bartlett的檢驗(yàn)卡方值為1 682.660，P值是0.000，同樣說(shuō)明數(shù)據(jù)適合做因子分析。

用主成分分析法進(jìn)行因子分析，如表5所示，根據(jù)量表總方差的解釋結(jié)果一共提取了7個(gè)主成分。這7個(gè)主成分的累積方差貢獻(xiàn)率為64.659%（大于60%），可以認(rèn)為所提取的7個(gè)主成分對(duì)變量的解釋度較高，所提取的因子具有意義。

每個(gè)問(wèn)卷項(xiàng)目都應(yīng)該在其中一個(gè)主成分上擁有較高的負(fù)荷值（一般大于0.4），在其他主成分上的負(fù)荷值較低;如果一個(gè)問(wèn)題在所有主成分上的負(fù)荷值都較低，說(shuō)明其不能反映所代表變量的意義，應(yīng)該予以改變或刪除。本研究的檢驗(yàn)結(jié)果如表6所示：.

我們?cè)诓幌薅ㄒ蜃拥膶用嫔希灾鞒煞址治龇ê妥畲蠓讲罘ㄏ嘟Y(jié)合，得出如表6所示的旋轉(zhuǎn)成分矩陣。而每一個(gè)問(wèn)卷問(wèn)題都在其中一個(gè)主成分上有較高的負(fù)荷值（大于0.4）。因此，可以認(rèn)為本研究構(gòu)建的微博信息分享意愿調(diào)查量表的結(jié)構(gòu)效度較好。

3.4相關(guān)分析

本研究用Pearson相關(guān)系數(shù)來(lái)研究各個(gè)變量間相關(guān)性，結(jié)果如表7所示。.

由表7可以看出，Pearson相關(guān)系數(shù)均大于0，所以模型的各個(gè)變量間均存在正向相關(guān)關(guān)系。其中，情緒刺激與新穎性、規(guī)范、目標(biāo)、內(nèi)在舒適性在0.01水平上顯著相關(guān)，與應(yīng)對(duì)潛力在0.05水平上顯著相關(guān);新穎性、規(guī)范、目標(biāo)、內(nèi)在舒適性、應(yīng)對(duì)潛力均在0.01水平上與分享意愿顯著相關(guān);而分享意愿則在0.01水平上與情緒刺激顯著相關(guān)。

3.5回歸分析

回歸分析是確定兩種或兩種以上變量之間影響關(guān)系的一種統(tǒng)計(jì)方法，Pearson相關(guān)系數(shù)能初步揭示兩個(gè)變量之間的相關(guān)性，但是對(duì)于多個(gè)自變量聯(lián)合影響因變量的關(guān)系無(wú)法準(zhǔn)確描述，因而本研究進(jìn)一步用線性回歸來(lái)找出刺激、評(píng)估以及結(jié)果3種情緒變量之間的關(guān)系。由于刺激變量和結(jié)果變量均只包含一個(gè)構(gòu)念，回歸結(jié)果和Pearson相關(guān)分析結(jié)果一致，所以本文僅對(duì)評(píng)估變量所包含的5個(gè)情緒成分與結(jié)果變量進(jìn)行回歸分析（表8）。.

由表8可以看出新穎性、目標(biāo)和內(nèi)在舒適性顯著正向影響分享意愿，而規(guī)范和應(yīng)對(duì)潛力這2個(gè)組件對(duì)分享意愿無(wú)顯著影響。依據(jù)回歸系數(shù)表，可建立回歸模型：分享意愿=0.167新穎性+0.144目標(biāo)+0.293內(nèi)在舒適性。.

4結(jié)果和討論.

4.1刺激對(duì)評(píng)估的影響關(guān)系.

4.1.1情緒刺激對(duì)新穎性評(píng)估的影響效應(yīng)

微博這種信息發(fā)布和分享平臺(tái)具有對(duì)新穎事物較高的敏銳度，其快速的信息傳播能力使其成為用戶掌握最新信息的主要信息渠道。由表7可知，微博信息對(duì)用戶的情緒刺激與用戶對(duì)微博信息新穎性的評(píng)估呈正相關(guān)（r=0.261）。微博用戶受到微博上某些信息或生活中一些新發(fā)事件的刺激，進(jìn)而產(chǎn)生情緒刺激，從而激發(fā)用戶對(duì)事物主體的認(rèn)知，而新穎性又恰恰體現(xiàn)在用戶對(duì)新鮮事物的認(rèn)知意識(shí)。因而用戶受到情緒刺激會(huì)影響其對(duì)微博信息的新穎性的感知，繼而從情緒上激發(fā)新奇的感覺(jué)。情緒刺激對(duì)新穎性的正向相關(guān)關(guān)系為后面信息分享意愿的發(fā)生奠定基礎(chǔ)。.

4.1.2情緒刺激對(duì)規(guī)范評(píng)估的影響效應(yīng)

由表7可知，微博信息對(duì)用戶的情緒刺激與用戶對(duì)微博信息的規(guī)范的評(píng)估顯著相關(guān)（r=0.213）。規(guī)范組件涉及對(duì)情緒刺激的定位規(guī)范的自我意識(shí)，例如，“我的話語(yǔ)和言語(yǔ)反應(yīng)是否與他人相容？”和“我過(guò)度反應(yīng)了嗎？”就涉及對(duì)情緒刺激顯示規(guī)則的監(jiān)視。微博既是一種信息傳播平臺(tái)，更是一種體現(xiàn)社會(huì)關(guān)系的平臺(tái)。微博用戶尤其在意自己發(fā)布或者轉(zhuǎn)發(fā)的微博所帶來(lái)的社會(huì)影響，因此，用戶將自己的情緒刺激與社會(huì)法規(guī)、道德規(guī)范等規(guī)則相比較，激發(fā)個(gè)人是否符合社會(huì)規(guī)范的情緒波動(dòng)，進(jìn)而產(chǎn)生是否分享信息的意愿和行為。.

4.1.3情緒刺激對(duì)目標(biāo)評(píng)估的影響效應(yīng)

表7顯示，微博信息對(duì)用戶的情緒刺激與用戶對(duì)微博信息的目標(biāo)評(píng)估正相關(guān)（r=0.186）。用戶目標(biāo)的重要性在于事件是否與其相關(guān)，曾有交易評(píng)估理論家認(rèn)為，那些與中心目標(biāo)相關(guān)的刺激特別情緒化，容易產(chǎn)生情緒[35]。目標(biāo)提供了啟動(dòng)任務(wù)的動(dòng)機(jī)或情緒力量，本研究發(fā)現(xiàn)當(dāng)微博用戶對(duì)與符合自身需求相關(guān)的內(nèi)容產(chǎn)生情緒刺激后，影響了其對(duì)微博使用的目標(biāo)評(píng)估，由此激發(fā)出分享微博的動(dòng)機(jī)。.

4.1.4情緒刺激對(duì)內(nèi)在舒適性評(píng)估的影響效應(yīng)

表7表明，微博信息對(duì)用戶的情緒刺激與用戶對(duì)微博信息的內(nèi)在舒適性評(píng)估顯著正向相關(guān)（r=0.251）。內(nèi)在舒適性體現(xiàn)在微博用戶對(duì)內(nèi)在愉悅的認(rèn)知意識(shí)，即與刺激相關(guān)的精神快樂(lè)或痛苦[28]。例如，新穎事件的刺激可能會(huì)產(chǎn)生驚喜，而不受歡迎的刺激可能會(huì)產(chǎn)生沮喪。用戶閱讀微博的信息內(nèi)容時(shí)引起的情感共鳴，這種情緒刺激使用戶深切地體會(huì)到自己內(nèi)心的舒適性感知。因此，情緒刺激對(duì)內(nèi)在舒適性評(píng)估具有正向顯著相關(guān)關(guān)系。.

4.1.5情緒刺激對(duì)應(yīng)對(duì)潛力評(píng)估的影響效應(yīng)

表7還表明，微博信息對(duì)用戶的情緒刺激與用戶對(duì)微博信息的應(yīng)對(duì)潛力評(píng)估呈正相關(guān)（r=0.145）。應(yīng)對(duì)潛力評(píng)估是指用戶對(duì)擁有能夠應(yīng)付刺激及其后果的能力的認(rèn)知，即用戶主體對(duì)刺激的看法以及他們必須能夠控制的能力的主觀看法。過(guò)程評(píng)估理論認(rèn)為，情緒具有不依賴于刺激的性質(zhì)，知識(shí)是用戶主體應(yīng)對(duì)潛力的一個(gè)方面，有助于調(diào)節(jié)情緒，而這取決于刺激的類型[22]。當(dāng)微博用戶產(chǎn)生情緒刺激時(shí)，其會(huì)隨即根據(jù)自己儲(chǔ)備的知識(shí)來(lái)評(píng)估自己是否具有應(yīng)對(duì)該情緒刺激的能力，進(jìn)而產(chǎn)生下一步行動(dòng)。因此，情緒刺激對(duì)用戶應(yīng)對(duì)潛力的評(píng)估產(chǎn)生積極的相關(guān)效應(yīng)。

4.2評(píng)估組件對(duì)結(jié)果的影響關(guān)系

新穎性對(duì)分享意愿的影響體現(xiàn)在，如果微博用戶肯定了事物的新穎性，就表明用戶對(duì)該事物的興趣所在，而分享自己感興趣的東西給他人是自然的想法。從樣本描述中我們也可以看出，微博用戶大多為年輕人，對(duì)事物的好奇心比較大，也比較善于發(fā)現(xiàn)新穎的事物。因此，新穎性評(píng)估對(duì)分享意愿顯著正向相關(guān)。

目標(biāo)評(píng)估對(duì)分享意愿的影響也是顯著正向（r=0.351），樣本描述告訴我們微博用戶除了具有年輕化的特征外，還具有高學(xué)歷的特性，一般這樣的人都是做事清晰有條理、目標(biāo)明確的人。所以，微博用戶在進(jìn)行信息分享之前一半是有某種目的的，如分享心情、傳播正能量、學(xué)習(xí)新技能等等。這也與回歸分析結(jié)果中目標(biāo)對(duì)分享意愿的顯著正向影響一致。

用戶對(duì)微博內(nèi)容的內(nèi)在舒適性評(píng)估與用戶對(duì)微博的分享意愿具有顯著正向相關(guān)關(guān)系（r=0.477），用戶在微博信息分享行為中能夠獲得舒適的享受，就能促進(jìn)他們產(chǎn)生微博信息分享意愿。這也與FLOW理論中感知享受對(duì)使用行為的影響類似，這在之前的學(xué)者Davis F D、Koufaris M等人的研究中已經(jīng)得到證實(shí)[36-37]。因此，內(nèi)在舒適性評(píng)估在對(duì)分享意愿的影響中發(fā)揮著關(guān)鍵作用。

值得注意的是雖然表7表明規(guī)范和應(yīng)對(duì)潛力與分享意愿顯著正相關(guān)，但是回歸分析表明兩者均對(duì)分享意愿無(wú)顯著影響關(guān)系（表8）。這表明，盡管研究發(fā)現(xiàn)微博用戶的規(guī)范意識(shí)和應(yīng)對(duì)潛力越強(qiáng)，伴隨著分享微博的意愿也會(huì)越強(qiáng)烈，但是兩者之間并沒(méi)有影響關(guān)系。這一結(jié)論說(shuō)明對(duì)年輕的微博用戶而言，使用微博時(shí)產(chǎn)生情緒刺激后，容易激發(fā)很多新奇的觀點(diǎn)。網(wǎng)絡(luò)平臺(tái)造就了用戶可以自由創(chuàng)作、發(fā)布和交流作品內(nèi)容的時(shí)代，年輕人勇于表達(dá)自己的觀點(diǎn)，不愿意受傳統(tǒng)社會(huì)規(guī)范和自身控制能力等客觀條件的束縛。即使微博的信息內(nèi)容不符合傳統(tǒng)的社會(huì)規(guī)范，即使微博的內(nèi)容超越個(gè)人知識(shí)能力范圍，微博用戶也會(huì)愿意分享微博信息。

4.3分享意愿對(duì)情緒刺激的復(fù)發(fā)效應(yīng)

由表7可以看出，情緒刺激和分享意愿具有顯著正向相關(guān)性（r=0.228），分享意愿顯著正向影響情緒刺激。微博用戶在產(chǎn)生信息分享行為之后，其自身角色就由接受信息者轉(zhuǎn)變?yōu)榉窒硇畔⒄?，此時(shí)他所分享的信息對(duì)他人造成的影響或他人對(duì)該信息的回應(yīng)都會(huì)再次刺激其他的微博用戶，可能促使微博用戶產(chǎn)生新的情緒刺激，引入情緒的“連鎖反應(yīng)”[28]。被多次分享和轉(zhuǎn)發(fā)的微博會(huì)激發(fā)微博用戶產(chǎn)生強(qiáng)烈的情緒刺激，繼而引發(fā)新的一輪情緒刺激—情緒評(píng)估—情緒結(jié)果的循環(huán)過(guò)程。

4.4基于情緒刺激的微博用戶分享意愿影響模型

在CAT模型基礎(chǔ)上，本文結(jié)合微博用戶分享微博行為的特點(diǎn)，構(gòu)建基于情緒刺激的微博用戶分享意愿模型。并通過(guò)統(tǒng)計(jì)分析，最終模型中各變量之間的影響關(guān)系可用以圖2來(lái)表示。該圖從情緒過(guò)程評(píng)估角度描述了對(duì)微博用戶轉(zhuǎn)發(fā)微博信息的行為意愿有關(guān)的7個(gè)情緒變量之間的影響關(guān)系。.

圖2微博用戶信息分享情緒模型.

5結(jié)論

本研究通過(guò)對(duì)微博用戶信息分享意愿情緒模型的構(gòu)建，證明了情緒刺激對(duì)微博用戶信息分享意愿所產(chǎn)生的影響。情緒既是微博用戶在信息分享過(guò)程中所產(chǎn)生的心理上、情緒上的波動(dòng)，又是促使用戶產(chǎn)生信息分享行為的因素。因此，在信息飛速更新的大數(shù)據(jù)時(shí)代，微博用戶信息分享意愿模型的構(gòu)建、對(duì)情緒刺激的監(jiān)測(cè)均有利于提高在大數(shù)據(jù)環(huán)境下對(duì)微博信息的分析和預(yù)警，及時(shí)監(jiān)測(cè)熱點(diǎn)事件的發(fā)展動(dòng)向。

首先，從情緒刺激與情緒評(píng)估之間的關(guān)系可以引導(dǎo)有關(guān)部門關(guān)注有高情緒趨勢(shì)的微博信息，找到當(dāng)前社會(huì)中民眾關(guān)注的熱門話題，掌握網(wǎng)絡(luò)流行的輿情信息，預(yù)測(cè)民眾的情緒趨勢(shì)，從而及時(shí)采取相應(yīng)的輿情監(jiān)測(cè)策略以應(yīng)對(duì)高危輿情事件的發(fā)展，減少突發(fā)高危輿情事件的發(fā)生率。

其次，從情緒評(píng)估和情緒結(jié)果之間的關(guān)系可以幫助管理部門及時(shí)、正確地引導(dǎo)民眾的情緒走向。對(duì)新出現(xiàn)的熱點(diǎn)話題、與民眾生活息息相關(guān)的微博信息是分享的主體，而微博分享不受社會(huì)規(guī)范和個(gè)體應(yīng)對(duì)能力影響的特點(diǎn)也給管理部門啟示，如何更好地控制不符合社會(huì)意識(shí)形態(tài)的微博傳播，維持社會(huì)穩(wěn)定、避免謠言擴(kuò)散。

最后，從情緒結(jié)果和情緒刺激的復(fù)發(fā)關(guān)系可以看出微博信息傳播的連鎖效應(yīng)。在現(xiàn)代化信息時(shí)代，利用大數(shù)據(jù)的網(wǎng)絡(luò)環(huán)境優(yōu)勢(shì)，管理部門應(yīng)正確把控情緒的變化和指向，預(yù)先做好輿情引領(lǐng)、危機(jī)預(yù)警和高危事件防范等措施。

本研究的局限性為：第一，研究模型主要驗(yàn)證刺激、評(píng)估、結(jié)果這3個(gè)組件中因素的相互影響，沒(méi)有具體研究評(píng)估組件內(nèi)部5個(gè)情緒組件之間的相互作用;第二，本研究的樣本采集主要集中于年輕人和高學(xué)歷群體。..

參考文獻(xiàn).

[1]Stieglitz S，Dang-Xuan L.Emotions and Information Diffusion in Social Media-sentiment of Microblogs and Sharing Behavior[J].Journal of Management Information Systems，2014，29（4）：217-248..

[2]徐春華.課程微博知識(shí)分享的效用研究[J].現(xiàn)代教育技術(shù)，2013，23（7）：85-89..

[3]李志清.基于LDA主題特征的微博轉(zhuǎn)發(fā)預(yù)測(cè)[J].情報(bào)雜志，2015，34（9）：158-162..

[4]毛佳昕，劉奕群，張敏，等.基于用戶行為的微博用戶社會(huì)影響力分析[J].計(jì)算機(jī)學(xué)報(bào)，2014，（4）：791-800..

[5]吳峴輝，張暉，趙旭劍，等.基于用戶行為網(wǎng)絡(luò)的微博意見(jiàn)領(lǐng)袖挖掘算法[J].計(jì)算機(jī)應(yīng)用研究，2015，（9）：2678-2683..

[6]閆強(qiáng)，吳聯(lián)仁，鄭蘭.微博社區(qū)中用戶行為特征及其機(jī)理研究[J].電子科技大學(xué)學(xué)報(bào)，2013，42（3）：328-333..

[7]王曉光.微博客用戶行為特征與關(guān)系特征實(shí)證分析——以“新浪微博”為例[J].圖書情報(bào)工作，2010，（14）：66-70..

[8]Pongsajapan R A.Liminal Entities：Identity，Governance，and Organizations on Twitter[J].Dissertations & Theses-Gradworks，2009..

[9]張靜，趙玲.微博用戶行為研究述評(píng)[J].情報(bào)科學(xué)，2015，（8）：147-151..

[10]Buccafurri F，Lax G，Nicolazzo S，et al.Comparing Twitter and Facebook User Behavior：Privacy and Other Aspects[J].Computers in Human Behavior，2015，52：87-95..

[11]Stutzman F，Capra R，Thompson J.Factors Mediating Disclosure in Social Network Sites[J].Computers in Human Behavior，2011，27（1）：590-598..

[12]Peng T Q，Sun G，Wu Y.Interplay Between Public Attention and Public Emotion Toward Multiple Social Issues on Twitter[J].PLOS ONE，2017，12（1）：e0167896..

[13]Jones N M，Wojcik S P，Sweeting J，et al.Tweeting Negative Emotion：An Investigation of Twitter Data in the Aftermath of Violence on College Campuses[J].Psychological Methods，2016，21（4）：526..

[14]Himelboim I，Sweetser K D，Tinkham S F，et al.Valence-based Homophily on Twitter：Network Analysis of Emotions and Political Talk in the 2012 Presidential Election[J].New Media & Society，2016，18（7）：1382-1400..

[15]Kanavos A，Perikos I，Vikatos P，et al.Modeling Retweet Diffusion Using Emotional Content[M].Artificial Intelligence Applications and Innovations.Berlin：Springer，2014：101- 110..

[16]Naveed N，Gottron T，KunegiS J，et al.Bad News Travel Fast：A Content-based Analysis of Interestingness on Twitter[C]//Proceeding of 3rd ACM WebSci Conference.Germany：Web Science，2011：1-7..

[17]Wang W，Chen L，Thirunarayan K，et al.Harnessing Twitter“Big Data”for Automatic Emotion Identification[C]//Privacy，Security，Risk and Trust（PASSAT），2012 International Conference on and 2012 International Confernece on Social Computing（SocialCom）.IEEE，2012：587-592..

[18]唐曉波，羅穎利.融入情感差異和用戶興趣的微博轉(zhuǎn)發(fā)預(yù)測(cè)[J].圖書情報(bào)工作，2017，61（9）：102-110..

[19]Descartes R.Passions of the Soul[M].Hackett Publishing，1989..

[20]Hume D.Treatise on Human Nature Ed Selby-bigge，L A[M].1888..

[21]Schachter S，Singer J.Cognitive，Social，and Physiological Determinants of Emotional State[J].Psychological Review，1962，69（5）：379..

[22]Scherer K R.What are Emotions？And How Can They be Measured？[J].Social Science Information，2005，44（4）：695-729..

[23]Scherer K R.Toward a Dynamic Theory of Emotion：The Component Process Model of Affective States[J].Geneva Studies in Emotion and Communication，1987，（1）：1-98..

[24]Ellliot，Andrew J，Covington，Martin.Approach and Avoidance Motivation[J].Educational Psychology Review，2001，13：2..

[25]Bradley M M，Codispoti M，Cuthbert B N，et al.Emotion and Motivation Ⅰ：Defensive and Appetitive Reactions in Picture Processing.[J].Emotion，2001，1（3）：276-98..

[26]Watson J B.Psychology：From the Standpoint of a Behaviorist[M].Lippincott，1919..

[27]Descartes R.Passions of the Soul[M].Hackett Publishing，1989..

[28]Tomkins S S，Affect I.Consciousness，Vol.1[J].The Positive AffectsSpringer，New York，1962..

[29]Parkinson B.Untangling the Appraisal-emotion Connection[J].Personality and Social Psychology Review，1997，1（1）：62-79..

[30]Stacey P，Chiasson M.Conceptualizing Emotion in Information Systems Development[J].2014..

[31]Scherer K R，Peper M.Psychological Theories of Emotion and Neuropsychological Research[J].Handbook of Neuropsychology，2001，（5）：17-48..

[32]Watson J B.Psychology：From the Standpoint of a Behaviorist[M].Lippincott，1919..

[33]Walsham G，York N.Geoff Walsham：Interpreting Information Systems in Organizations：1993，Chichester，New York：Wiley.269 pages[J].Organization Studies，1994，15..

[34]Nunnally J.Psychometric Methods[J].1978..

[35]Lazarus R S.Emotion and Adaptation[M].Oxford University Press on Demand，1991..

[36]Davis F D.Perceived Usefulness，Perceived Ease of Use，and User Acceptance of Information Technology[J].MIS Quarterly，1989：319-340..

[37]Koufaris M.Applying the Technology Acceptance Model and Flow Theory to Online Consumer Behavior[J].Information Systems Research，2002，13（2）：205-223..

（責(zé)任編輯：陳媛）