網(wǎng)絡(luò)突發(fā)事件中的負(fù)性偏向：產(chǎn)生與表現(xiàn)*

張 梅 丁書恒 劉國(guó)芳 徐亞珍 傅鑫媛 張 巍 辛自強(qiáng)

網(wǎng)絡(luò)突發(fā)事件中的負(fù)性偏向：產(chǎn)生與表現(xiàn)

張 梅丁書恒劉國(guó)芳徐亞珍傅鑫媛張 巍辛自強(qiáng)

(中央財(cái)經(jīng)大學(xué)社會(huì)與心理學(xué)院, 北京 100081) (上海海事大學(xué)經(jīng)濟(jì)管理學(xué)院, 上海 201306) (中央財(cái)經(jīng)大學(xué)信息學(xué)院, 北京 100081) (中國(guó)人民大學(xué)心理學(xué)系, 北京 100872)

在網(wǎng)絡(luò)突發(fā)事件的產(chǎn)生和傳播中, 人們往往更關(guān)注負(fù)面信息的加工和傳遞, 存在負(fù)性偏向。本研究依據(jù)事件醞釀、爆發(fā)、蔓延階段的特征, 構(gòu)建心理機(jī)制模型, 通過(guò)3項(xiàng)研究分別檢驗(yàn)了信息內(nèi)容、信息加工和信息傳遞中負(fù)性偏向的產(chǎn)生和發(fā)展。結(jié)果表明, 負(fù)性偏向不僅產(chǎn)生于網(wǎng)絡(luò)突發(fā)事件的源頭語(yǔ)篇中, 還產(chǎn)生于個(gè)體信息加工和人際信息傳遞過(guò)程, 表現(xiàn)為個(gè)體對(duì)負(fù)性詞匯更好的記憶效果及更高的辨別力, 以及網(wǎng)民間對(duì)負(fù)性信息的選擇性傳遞和對(duì)模糊信息的負(fù)性解讀。研究有利于認(rèn)識(shí)網(wǎng)絡(luò)突發(fā)事件信息傳播規(guī)律, 科學(xué)應(yīng)對(duì)輿情危機(jī), 創(chuàng)新網(wǎng)絡(luò)治理。

網(wǎng)絡(luò)突發(fā)事件, 負(fù)性偏向, 記憶, 傳遞鏈實(shí)驗(yàn), 文化進(jìn)化

1 引言

目前, 中國(guó)正處于社會(huì)轉(zhuǎn)型期, 社交媒體及網(wǎng)絡(luò)信息傳輸放大了積聚的社會(huì)隱患和矛盾, 造成網(wǎng)絡(luò)突發(fā)事件頻發(fā)(Xie et al., 2017), 影響民眾心態(tài), 給國(guó)家網(wǎng)絡(luò)治理帶來(lái)極大挑戰(zhàn)。直觀經(jīng)驗(yàn)和研究均表明, 網(wǎng)絡(luò)突發(fā)事件中存在負(fù)性偏向(Negativity Bias), 例如, 網(wǎng)民更多表達(dá)負(fù)面情緒、傳播負(fù)面信息、采取負(fù)面行動(dòng)(張侃, 2015)。然而, 目前相關(guān)領(lǐng)域均未說(shuō)明這種偏向如何產(chǎn)生、發(fā)展并推動(dòng)事件演化。本研究擬構(gòu)建與網(wǎng)絡(luò)突發(fā)事件發(fā)生發(fā)展階段相對(duì)應(yīng)的心理機(jī)制模型, 通過(guò)實(shí)證研究考察負(fù)性偏向的產(chǎn)生過(guò)程和表現(xiàn), 以期為網(wǎng)絡(luò)輿情治理提供啟示。

網(wǎng)絡(luò)突發(fā)事件(Network Emergency)一般被界定為所有網(wǎng)絡(luò)或現(xiàn)實(shí)中發(fā)生的、引起網(wǎng)民高度關(guān)注和網(wǎng)絡(luò)參與, 產(chǎn)生一定社會(huì)影響的突發(fā)事件, 其性質(zhì)為負(fù)面(陳業(yè)華, 張曉倩, 2018; 陽(yáng)長(zhǎng)征, 2020; 葉金珠, 余廉, 2012; 張侃, 2015)。突發(fā)(公共)事件指由突然發(fā)生的社會(huì)現(xiàn)象引發(fā)、牽動(dòng)社會(huì)群體大面積參與、具有強(qiáng)烈爭(zhēng)議或質(zhì)疑的熱點(diǎn)事件, 其涉及政治、經(jīng)濟(jì)、公共衛(wèi)生、娛樂(lè)、教育、法律等方面(劉小洋, 何道兵, 2019; Panagiotopoulos et al., 2016; Xie et al., 2017)。作為交叉領(lǐng)域的研究熱點(diǎn), 不同學(xué)科在網(wǎng)絡(luò)突發(fā)事件的研究?jī)?nèi)容和方法上各有偏重。信息科學(xué)、管理學(xué)、計(jì)算機(jī)科學(xué)多借助建模、仿真、文本分析等方法探討相應(yīng)事件信息的時(shí)空演變規(guī)律。例如, 陳業(yè)華和張曉倩(2018)基于SIR (Susceptible Infected Recovered)傳染病模型建立了網(wǎng)絡(luò)突發(fā)事件中網(wǎng)民的情感傳遞模型; Tadi?等人(2017)構(gòu)建仿真模型, 模擬了Myspace中情緒的演化過(guò)程; 毛太田等(2019)通過(guò)情感分析、微博話題挖掘、關(guān)鍵詞提取等技術(shù)對(duì)網(wǎng)絡(luò)突發(fā)事件的傳播特征進(jìn)行了分析。新聞傳播學(xué)則更注重收集實(shí)際傳播數(shù)據(jù)和案例進(jìn)行過(guò)程性分析。例如, 榮榮和舒仁(2017)選取新浪微博數(shù)據(jù), 使用定性方法分析描述了微博意見(jiàn)領(lǐng)袖的群體特征及輿論表達(dá)特點(diǎn)。上述研究均基于對(duì)過(guò)往網(wǎng)絡(luò)突發(fā)事件的回溯, 揭示了這些事件中展現(xiàn)出的“物理”規(guī)律(如熱度、轉(zhuǎn)發(fā)率等), 推進(jìn)了我們對(duì)網(wǎng)絡(luò)突發(fā)事件的理解。然而, 研究者卻忽略了網(wǎng)絡(luò)突發(fā)事件傳播中非常關(guān)鍵的心理機(jī)制。

盡管少有研究, 但心理因素實(shí)際上在網(wǎng)絡(luò)突發(fā)事件發(fā)生發(fā)展的多個(gè)層面起作用：一是在個(gè)體心理方面, 人們的認(rèn)知加工方式(尤其是其中的非理性成分)可能影響網(wǎng)絡(luò)突發(fā)事件信息的加工與傳播(陽(yáng)長(zhǎng)征, 2020)。例如, 人們信息搜索時(shí)會(huì)忽視與自己觀點(diǎn)不一致的信息而選擇一致的信息(Fischer et al., 2005)。二是在群體心理方面, 網(wǎng)絡(luò)突發(fā)事件中可能出現(xiàn)特定的群體心理, 并影響網(wǎng)絡(luò)行為。例如, 王歡(2003)探討了“非典”事件群體恐慌心理的成因; 王田(2017)以“東莞挺住”事件為例說(shuō)明了網(wǎng)絡(luò)群體極化現(xiàn)象?？梢?jiàn), 心理機(jī)制是網(wǎng)絡(luò)突發(fā)事件研究中重要卻有所缺失的一面, 目前只有少數(shù)案例性研究, 缺乏旨在揭示普遍性因果規(guī)律的實(shí)驗(yàn)研究。

網(wǎng)絡(luò)突發(fā)事件作為文化進(jìn)化的特例, 遵循負(fù)性偏向心理機(jī)制。文化進(jìn)化理論中的“文化”泛指影響個(gè)體行為的信息, 其通過(guò)傳授、模仿或其他形式的社會(huì)傳遞從他者獲得, 遵循和生物進(jìn)化相似的方式演化(Mesoudi, 2015); 而網(wǎng)絡(luò)突發(fā)事件從爆發(fā)到演化也體現(xiàn)為網(wǎng)絡(luò)信息的傳遞過(guò)程, 因此, 網(wǎng)絡(luò)突發(fā)事件可視為文化進(jìn)化的一種特殊形式。所以, 以往文化進(jìn)化研究(Bebbington et al., 2017; Eriksson & Coultas, 2014; Stubbersfield et al., 2017)中被廣泛證實(shí)的負(fù)性偏向心理機(jī)制也可能在網(wǎng)絡(luò)突發(fā)事件中起到關(guān)鍵作用。負(fù)性偏向是指動(dòng)物和人類在先天傾向和后天經(jīng)驗(yàn)基礎(chǔ)上存在的一種普遍性偏差, 即給予負(fù)性事物(如事件、客體)更大的權(quán)重, 并在注意、記憶、情緒、決策等方面遵循“壞比好重要”的心理原則(Baumeister et al., 2001; Rozin & Royzman, 2001)。目前國(guó)內(nèi)僅有零星案例描述了突發(fā)事件中的負(fù)性偏向(陳旭輝等, 2017), 尚缺乏專門刻畫其在網(wǎng)絡(luò)突發(fā)事件中產(chǎn)生和表現(xiàn)的實(shí)證研究。

依照網(wǎng)絡(luò)突發(fā)事件從無(wú)到有的發(fā)生發(fā)展過(guò)程, 可將其劃分為三個(gè)緊密聯(lián)系的階段：醞釀期, 體現(xiàn)為社會(huì)現(xiàn)實(shí)問(wèn)題形成初始事件并在網(wǎng)絡(luò)中形成表達(dá)(張侃, 2015); 爆發(fā)期, 體現(xiàn)為某話題瞬間引起廣泛關(guān)注, 產(chǎn)生社會(huì)影響; 蔓延期, 指初始事件像病毒一樣在網(wǎng)絡(luò)中傳播、流行, 社會(huì)影響擴(kuò)大(葉金珠, 余廉, 2012)。依據(jù)三個(gè)階段的特點(diǎn)、文獻(xiàn)和理論思考, 我們提出了有關(guān)網(wǎng)絡(luò)突發(fā)事件中負(fù)性偏向產(chǎn)生和發(fā)展的理論模型。該模型是心理機(jī)制模型, 關(guān)心的是網(wǎng)絡(luò)突發(fā)事件各階段中人對(duì)信息的加工及所產(chǎn)生的偏差的實(shí)質(zhì)和表現(xiàn); 而非單一事件的生命周期演化和信息效價(jià)的連續(xù)變化。以正負(fù)性信息的分布比例作為刻畫負(fù)性偏向的操作指標(biāo), 可畫出圖1所示的模型并提出3個(gè)假設(shè)：

首先, 網(wǎng)絡(luò)突發(fā)事件醞釀期產(chǎn)生信息內(nèi)容偏差。現(xiàn)實(shí)中, 網(wǎng)絡(luò)突發(fā)事件常始于某篇“熱文”。例如, 2016年末一篇名為《每對(duì)母子都是生死之交, 我要陪他向校園霸凌說(shuō)NO！》的網(wǎng)文引發(fā)了“中關(guān)村二小霸凌事件”; 2018年《疫苗之王》一文刷爆朋友圈, 引發(fā)“長(zhǎng)生疫苗事件”。這些最早出現(xiàn)的、反映負(fù)面社會(huì)問(wèn)題的“熱文”是網(wǎng)絡(luò)突發(fā)事件爆發(fā)的導(dǎo)火索, 可稱之為源頭語(yǔ)篇。既然與相應(yīng)的正性刺激相比, 負(fù)性刺激更加精細(xì)、豐富、多樣且具分化性(Rozin & Royzman, 2001), 民眾在社交媒體中也會(huì)更多地進(jìn)行負(fù)面情緒化表達(dá)(黨明輝, 2017), 這些源頭語(yǔ)篇是否以負(fù)性詞匯為主表達(dá)負(fù)性情感？是否比其他類型的熱文包含了更多的負(fù)性詞匯？目前尚無(wú)研究回答此類問(wèn)題。為此, 本研究提出假設(shè)1：網(wǎng)絡(luò)突發(fā)事件源頭語(yǔ)篇的負(fù)性情緒詞匯占比高于正性詞匯(1a), 而且也高于其他網(wǎng)文(1b), 存在信息內(nèi)容偏差。我們擬采用傳播學(xué)和信息科學(xué)研究中經(jīng)典的計(jì)算機(jī)輔助內(nèi)容分析法進(jìn)行文本分析研究(汪靜瑩等, 2016), 以檢驗(yàn)該假設(shè)。

圖1 網(wǎng)絡(luò)突發(fā)事件中負(fù)性偏向產(chǎn)生和發(fā)展的構(gòu)想模型

其次, 網(wǎng)絡(luò)突發(fā)事件爆發(fā)期產(chǎn)生信息加工偏差。網(wǎng)絡(luò)突發(fā)事件爆發(fā)時(shí), 網(wǎng)民通過(guò)注意、編碼、存儲(chǔ)、提取等過(guò)程對(duì)源頭語(yǔ)篇進(jìn)行信息加工, 進(jìn)而展開(kāi)關(guān)注、點(diǎn)贊、收藏、評(píng)論等行為。這一過(guò)程中負(fù)性偏向可體現(xiàn)為3個(gè)方面。第一, 個(gè)體對(duì)負(fù)性詞匯的記憶效果更好。即與正性詞匯相比, 個(gè)體對(duì)負(fù)性詞匯的再認(rèn)正確率更高。第二, 個(gè)體對(duì)負(fù)性詞匯的辨別力(A')更強(qiáng)。即個(gè)體能精準(zhǔn)識(shí)別特定的負(fù)性詞匯是否存在于某網(wǎng)絡(luò)語(yǔ)篇中。A'值越大, 辨別力越高。第三, 個(gè)體對(duì)負(fù)性詞匯的判斷標(biāo)準(zhǔn)(B'')更寬松。即在記憶模糊時(shí), 個(gè)體傾向于將所有負(fù)性詞匯判斷為在文中出現(xiàn)過(guò)。一般B'' > 1代表判斷標(biāo)準(zhǔn)較嚴(yán)格, B'' ≈ 1, 說(shuō)明標(biāo)準(zhǔn)不嚴(yán)也不松(郭秀艷, 2019, p.244?255)。以往有關(guān)信息加工中負(fù)性偏向的研究大多基于正、負(fù)性詞匯的記憶實(shí)驗(yàn), 或者發(fā)現(xiàn)負(fù)性詞匯再認(rèn)效果好, 卻未采用信號(hào)檢測(cè)論方法提供辨別力和判斷標(biāo)準(zhǔn)上的差異(Dijksterhuis & Aarts, 2003; K?tsyri et al., 2016; Labiouse, 2004); 或者發(fā)現(xiàn)個(gè)體對(duì)負(fù)性詞匯的判斷標(biāo)準(zhǔn)更寬松, 卻不關(guān)心詞匯整體記憶效果和辨別力的問(wèn)題(朱永澤等, 2014; Liu et al., 2014)。此外, 這些研究大多以脫離語(yǔ)境的詞匯為實(shí)驗(yàn)材料, 鮮有研究探討語(yǔ)篇中詞匯的記憶問(wèn)題。真實(shí)的網(wǎng)絡(luò)突發(fā)事件信息加工時(shí)負(fù)性偏向如何表現(xiàn), 尚不得而知。因此, 本研究提出假設(shè)2：個(gè)體對(duì)網(wǎng)絡(luò)突發(fā)事件源頭語(yǔ)篇負(fù)性詞匯存在信息加工優(yōu)勢(shì), 產(chǎn)生了負(fù)性偏向。本研究將以真實(shí)的網(wǎng)絡(luò)突發(fā)事件源頭語(yǔ)篇作為實(shí)驗(yàn)材料展開(kāi)記憶實(shí)驗(yàn), 并依據(jù)信號(hào)檢測(cè)論指標(biāo)進(jìn)行分析, 以檢驗(yàn)該假設(shè)。

最后, 網(wǎng)絡(luò)突發(fā)事件蔓延期產(chǎn)生信息傳遞偏差。網(wǎng)絡(luò)突發(fā)事件爆發(fā)后, 源頭語(yǔ)篇通過(guò)轉(zhuǎn)發(fā)、分享在網(wǎng)民間不斷蔓延和演化。依據(jù)文化進(jìn)化理論, 個(gè)體有偏愛(ài)并傳遞負(fù)性消息的本能(Bebbington et al., 2017), 因此, 網(wǎng)絡(luò)突發(fā)事件中的負(fù)面信息會(huì)獲得更多傳遞機(jī)會(huì), 產(chǎn)生負(fù)性偏向。當(dāng)前, 輿情演化作為網(wǎng)絡(luò)突發(fā)事件研究的熱點(diǎn), 多基于點(diǎn)贊、轉(zhuǎn)發(fā)等外顯指標(biāo), 通過(guò)數(shù)理建模、仿真模擬分析群體網(wǎng)絡(luò)的時(shí)空演化規(guī)律(劉小洋, 何道兵, 2019; 劉志明, 劉魯, 2013; Tadi? et al., 2017), 無(wú)法說(shuō)明網(wǎng)民間的觀點(diǎn)和情緒如何感染、傳遞。文化進(jìn)化研究的“傳遞鏈實(shí)驗(yàn)范式”通過(guò)模擬信息傳遞中的序列變化過(guò)程, 可以精細(xì)刻畫信息傳遞過(guò)程。早在1932年, 心理學(xué)家Bartlett (1932)就通過(guò)這種方法形象地展示了記憶材料在人際傳遞時(shí)發(fā)生的歪曲和變化, 目前文化進(jìn)化領(lǐng)域的學(xué)者已經(jīng)對(duì)其實(shí)驗(yàn)程序、結(jié)果描述方式進(jìn)行了標(biāo)準(zhǔn)化, 使其成為規(guī)范的實(shí)驗(yàn)范式(可參考有關(guān)述評(píng)文章: 辛自強(qiáng), 劉國(guó)芳, 2012)。相關(guān)研究證實(shí), 在傳遞過(guò)程中, 負(fù)性信息(或文化)具有更高可信度, 更多留存下來(lái), 模糊信息大量流失或更多被負(fù)性解讀(Bebbington et al., 2017; Fessler et al., 2015)。然而, 此類研究多探討傳說(shuō)、民間故事等長(zhǎng)期遺留的文化符號(hào)(Mesoudi, 2015), 鮮有刻畫網(wǎng)絡(luò)突發(fā)事件信息在短時(shí)間內(nèi)一代代傳遞的微觀過(guò)程的研究。為此, 本研究提出假設(shè)3：網(wǎng)絡(luò)突發(fā)事件中的負(fù)性信息在每一代傳遞中存活率最高, 模糊信息更多被負(fù)性解讀。本研究擬采用傳遞鏈實(shí)驗(yàn)范式開(kāi)展信息傳遞的記憶實(shí)驗(yàn)檢驗(yàn)該假設(shè)。

綜上, 本研究參照人們網(wǎng)絡(luò)突發(fā)事件醞釀、爆發(fā)、蔓延階段的信息加工特點(diǎn), 構(gòu)建了負(fù)性偏向形成與發(fā)展的三階段理論模型, 擬通過(guò)3項(xiàng)研究分別檢驗(yàn)上述3個(gè)假設(shè)。由此, 可能確定網(wǎng)絡(luò)突發(fā)事件中負(fù)性偏向作為深層心理機(jī)制如何產(chǎn)生與表現(xiàn), 從而為本領(lǐng)域提供新的理論解釋, 并為網(wǎng)絡(luò)突發(fā)事件輿情分析和危機(jī)管理提供心理學(xué)的思路。

2 研究1：網(wǎng)絡(luò)突發(fā)事件源頭語(yǔ)篇的文本分析

2.1 目的

采用文本分析技術(shù)探討網(wǎng)絡(luò)突發(fā)事件醞釀期源頭語(yǔ)篇的信息內(nèi)容偏差。

2.2 研究設(shè)計(jì)

實(shí)驗(yàn)采用2(詞匯性質(zhì)：正性, 負(fù)性)×2(事件類別：網(wǎng)絡(luò)突發(fā)事件, 網(wǎng)絡(luò)熱點(diǎn)事件)的混合實(shí)驗(yàn)設(shè)計(jì)。其中, 詞匯性質(zhì)為組內(nèi)變量, 事件類別為被試間變量, 因變量為積極和消極詞匯占比。

2.3 數(shù)據(jù)收集

(1)網(wǎng)絡(luò)突發(fā)事件源頭語(yǔ)篇。首先, 3名心理學(xué)研究生在百度、新浪、騰訊、人民網(wǎng)等各大媒體平臺(tái)以XX年度“10大/20大網(wǎng)絡(luò)輿情事件”、“網(wǎng)絡(luò)熱點(diǎn)事件”等關(guān)鍵詞搜索近4年(截止到2020年新冠肺炎疫情爆發(fā))關(guān)注度較高的網(wǎng)絡(luò)突發(fā)事件, 建立語(yǔ)料庫(kù)。其次, 選擇每年輿情熱度較高的事件10～20項(xiàng), 通過(guò)核對(duì)搜索引擎(百度、必應(yīng))和CNKI等數(shù)據(jù)庫(kù)已發(fā)表論文的方法, 人工梳理事件爆發(fā)時(shí)促使事件獲得廣泛關(guān)注的博文、新聞、公眾號(hào)文章等, 將發(fā)布時(shí)間最早(精確到秒)的文本視為源頭語(yǔ)篇。如“中關(guān)村二小霸凌事件”的源頭語(yǔ)篇是2016年12月8日深夜微信公眾號(hào)“童享部落”的文章《每對(duì)母子都是生死之交, 我要陪他向校園霸凌說(shuō)NO！》, 而非鮮有人知的12月4日某貼吧發(fā)布的《我經(jīng)歷的中關(guān)村二小》一文。若不存在明顯的源頭語(yǔ)篇, 則選擇時(shí)間相對(duì)早、轉(zhuǎn)發(fā)和關(guān)注更多的文本; 若最早以純視頻形式出現(xiàn), 如“上海17歲男孩跳橋事件”、“西安女車主維權(quán)事件”, 則選擇除此之外的最早文本。最后, 為確保源頭語(yǔ)篇查找的準(zhǔn)確性, 另請(qǐng)4名心理學(xué)研究生回溯性查找源頭語(yǔ)篇的確認(rèn)證據(jù), 經(jīng)群體討論, 刪除不存在明顯源頭語(yǔ)篇的事件, 決定存在爭(zhēng)議的源頭語(yǔ)篇保留還是替換。最終, 共獲得2016至2019年間40項(xiàng)源頭語(yǔ)篇, 每年10篇。

(2)網(wǎng)絡(luò)熱點(diǎn)事件源頭語(yǔ)篇。首先, 2名心理學(xué)研究生人工在網(wǎng)絡(luò)熱點(diǎn)事件聚合平臺(tái)“知微事見(jiàn)” (https://ef.zhiweidata.com/)上查找2016～2019年間關(guān)注度較高的事件, 每月隨機(jī)選擇2項(xiàng)“影響力指數(shù)”大于50%的非網(wǎng)絡(luò)突發(fā)事件(2項(xiàng)/月× 12月× 4年 = 96項(xiàng))。其次, 選擇10名大學(xué)生對(duì)上述事件的性質(zhì)進(jìn)行7點(diǎn)評(píng)分(?3為極度負(fù)性, 0為中性, 3為極度正性), 結(jié)果表明, 所有事件均值為1.16 ± 0.99, 取值范圍為[?1.9, 2.8]。根據(jù)評(píng)分, 選擇得分絕對(duì)值較低(偏中性)的事件, 并按照“知微事見(jiàn)”平臺(tái)提供的事件發(fā)生先后順序和來(lái)源, 選擇源頭語(yǔ)篇。最后, 請(qǐng)另外4名心理學(xué)研究生對(duì)源頭語(yǔ)篇進(jìn)行核對(duì), 經(jīng)群體討論, 確認(rèn)所有源頭語(yǔ)篇。最終, 共獲得2016至2019年間40項(xiàng)源頭語(yǔ)篇, 每年10篇。經(jīng)統(tǒng)計(jì), 所選網(wǎng)絡(luò)熱點(diǎn)事件性質(zhì)得分均值為0.69 ± 0.49, 偏中性。

將上述80篇源頭語(yǔ)篇中的日期、作者、來(lái)源、圖片、視頻等無(wú)關(guān)信息去掉后存為txt格式, 建立數(shù)據(jù)庫(kù)。

2.4 數(shù)據(jù)分析

采用中國(guó)科學(xué)院心理研究所研發(fā)的“文心(TextMind)中文心理分析系統(tǒng)3.0”對(duì)所有源頭語(yǔ)篇進(jìn)行文本分析?！拔男摹避浖蓪?duì)簡(jiǎn)體中文文本進(jìn)行自動(dòng)切分詞匯、歸類詞匯、詞頻計(jì)算以及語(yǔ)言心理分析等(詳見(jiàn)官網(wǎng)http://ccpl.psych.ac.cn/textmind/介紹)。分析時(shí), 軟件每次打開(kāi)一個(gè)文檔, 從頭逐詞與詞典進(jìn)行比對(duì), 計(jì)算各類別詞匯出現(xiàn)次數(shù)占總詞數(shù)的百分比。在“文心”軟件諸多輸出的特征值中, 選取“正向情緒詞(PosEmo)”和“負(fù)向情緒詞(NegEmo)”2個(gè)指標(biāo)分別代表兩類情緒詞在文本中出現(xiàn)的頻率?！拔男摹痹~典中的正向情緒詞類包括“信心”、“滿足”等564個(gè)詞匯, 負(fù)向情緒詞類包括“擔(dān)憂”、“報(bào)復(fù)”等924個(gè)詞匯(汪靜瑩等, 2016)。經(jīng)驗(yàn)證, “文心”詞典不僅本身效度良好, 而且適合新浪微博等本土化網(wǎng)絡(luò)社交媒體的文本分析(Zhao et al., 2016)。

2.5 結(jié)果

首先, 通過(guò)定性分析發(fā)現(xiàn), 所有40項(xiàng)找到源頭語(yǔ)篇的網(wǎng)絡(luò)突發(fā)事件均為負(fù)性事件, 涉及經(jīng)濟(jì)、教育、公共衛(wèi)生、法律等各方面, 文本總計(jì)100130字, 單篇字?jǐn)?shù)均值= 2607.18 ± 1928.20。所有網(wǎng)絡(luò)熱點(diǎn)事件源頭語(yǔ)篇總計(jì)31277字, 單篇字?jǐn)?shù)均值= 781.93 ± 593.07。

其次, 為全面分析不同事件源頭語(yǔ)篇的內(nèi)容偏差, 以事件類別為組間自變量, 詞匯性質(zhì)為組內(nèi)自變量, 不同詞匯所占比例為因變量進(jìn)行重復(fù)測(cè)量方差分析。結(jié)果表明, 詞匯性質(zhì)主效應(yīng)顯著,(1, 78) = 26.85,< 0.001, η= 0.26; 事件類別的主效應(yīng)顯著,(1, 78) = 19.81,< 0.001, η= 0.20; 詞匯性質(zhì)和事件類別的交互作用顯著,(1, 78) = 16.04,< 0.001, η= 0.17。進(jìn)一步簡(jiǎn)單效應(yīng)分析結(jié)果顯示, 以事件類別為分析單位時(shí)(圖2), 網(wǎng)絡(luò)突發(fā)事件中正性(0.0150,0.0082)和負(fù)性詞匯(0.0137,0.0068)占比無(wú)顯著差異,(1, 78) = 0.69,= 0.41; 但網(wǎng)絡(luò)熱點(diǎn)事件中正性詞匯占比(0.0141,0.0098)顯著高于負(fù)性詞匯(0.0037,0.0034)占比,(1, 78) = 42.20,< 0.001, 95% CI = [0.0070, 0.0140]?？梢?jiàn), 負(fù)性內(nèi)容偏差并不體現(xiàn)在網(wǎng)絡(luò)突發(fā)事件源頭語(yǔ)篇自身正負(fù)性詞匯占比的不同。以詞匯性質(zhì)為分析單位時(shí)(圖3), 網(wǎng)絡(luò)突發(fā)事件(0.0150,0.0082)和網(wǎng)絡(luò)熱點(diǎn)事件(0.0141,0.0098)的正性詞匯占比無(wú)顯著差異,(1, 78) = 0.19,= 0.67; 但網(wǎng)絡(luò)突發(fā)事件中負(fù)性詞匯占比(0.0137,0.0068)顯著高于網(wǎng)絡(luò)熱點(diǎn)事件中負(fù)性詞匯占比(0.0037,0.0034),(1, 78) = 69.26,< 0.001, 95% CI = [0.008, 0.012], 可見(jiàn), 負(fù)性內(nèi)容偏差體現(xiàn)為網(wǎng)絡(luò)突發(fā)事件源頭語(yǔ)篇所含負(fù)性詞匯比例顯著高于網(wǎng)絡(luò)熱點(diǎn)事件。

圖2 不同事件下正負(fù)性詞匯占比的差異圖

圖3 不同詞匯性質(zhì)下兩類事件的對(duì)比

2.6 討論

研究1通過(guò)對(duì)網(wǎng)絡(luò)突發(fā)和網(wǎng)絡(luò)熱點(diǎn)事件各40項(xiàng)源頭語(yǔ)篇的分析發(fā)現(xiàn), 網(wǎng)絡(luò)突發(fā)事件源頭語(yǔ)篇中負(fù)性詞匯占所有詞匯的比例顯著高于網(wǎng)絡(luò)熱點(diǎn)事件中負(fù)性詞匯的占比, 驗(yàn)證了假設(shè)1b; 但其自身所含負(fù)性詞匯占比與正性詞匯占比并無(wú)顯著差異, 假設(shè)1a未得到驗(yàn)證。

研究結(jié)果一方面說(shuō)明, 與以往研究發(fā)現(xiàn)的民眾多在社交媒體中進(jìn)行負(fù)面情緒化表達(dá)(黨明輝, 2017)、更愿意閱讀負(fù)面新聞(Chang, 2015)的結(jié)論一致, 網(wǎng)絡(luò)突發(fā)事件自爆發(fā)之初就蘊(yùn)含反映負(fù)面社會(huì)現(xiàn)實(shí)的信息, 具備“突然爆發(fā)”的可能, 人們?cè)谄湓搭^語(yǔ)篇中表達(dá)了更多負(fù)性情感, 存在信息內(nèi)容偏差(圖3)。另一方面說(shuō)明, 與人們的常識(shí)相反, 網(wǎng)絡(luò)突發(fā)事件源頭語(yǔ)篇自身正負(fù)性詞匯的占比并不存在顯著差異, 甚至其所含正性詞匯還略高于負(fù)性詞匯(圖2)。這與以往國(guó)內(nèi)外研究發(fā)現(xiàn)的人們?cè)谏缃幻襟w中更愿意表達(dá)正面情感的結(jié)果相一致：例如, 陳安繁等人(2019)對(duì)22萬(wàn)多條微博熱門話題的分析發(fā)現(xiàn), 有64.18%表達(dá)了正面情感; 國(guó)外有關(guān)Facebook用戶的研究(Ferrara & Yang, 2015; Kramer et al., 2014)也發(fā)現(xiàn), 網(wǎng)民更愿意在社交媒體撰寫表達(dá)正面情感的文本。

可見(jiàn), 網(wǎng)絡(luò)突發(fā)事件醞釀階段, 源頭語(yǔ)篇攜帶的負(fù)面信息超過(guò)了一般網(wǎng)絡(luò)熱點(diǎn)事件, 但卻具有一定隱蔽性, 從負(fù)性偏向的角度, 其提供了網(wǎng)絡(luò)事件“突發(fā)”的基礎(chǔ)和可能性。

3 研究2：網(wǎng)絡(luò)突發(fā)事件源頭語(yǔ)篇記憶實(shí)驗(yàn)

3.1 目的

采用信號(hào)檢測(cè)論方法探究網(wǎng)絡(luò)突發(fā)事件爆發(fā)期個(gè)體對(duì)源頭語(yǔ)篇的信息加工偏差。

3.2 方法

3.2.1 被試

通過(guò)海報(bào)招募來(lái)自北京4所高校的48名在校大學(xué)生參與實(shí)驗(yàn)室實(shí)驗(yàn), 其平均年齡為21.65 ± 2.32歲, 其中, 男生22人, 女生26人。實(shí)驗(yàn)開(kāi)始前, 被試簽署心理學(xué)實(shí)驗(yàn)知情同意書, 實(shí)驗(yàn)結(jié)束后, 被試獲得一定報(bào)酬。

3.2.2 實(shí)驗(yàn)設(shè)計(jì)

采用單因素(詞匯性質(zhì)：正性、中性、負(fù)性)被試內(nèi)設(shè)計(jì)。因變量為詞匯再認(rèn)正確率和信號(hào)檢測(cè)論下的6類指標(biāo)。其中, “”。依據(jù)信號(hào)檢測(cè)論(郭秀艷, 2019, pp.244?255; Snodgrass & Corwin, 1988), 將文中的詞匯視為信號(hào)(SN), 非文中詞匯視為噪音(N), 依照被試的再認(rèn)結(jié)果, Y表示判斷為出現(xiàn)過(guò), N表示判斷為未出現(xiàn)過(guò), 可計(jì)算如下4種概率：擊中率P= P (Y/SN)、漏報(bào)率P= P (N/SN)、虛報(bào)率P= P (Y/N)、正確否定率P= P (N/N)。辨別力(A′)代表噪聲分布與信號(hào)加噪聲分布間的離散程度, 其值越大(擊中率高、虛報(bào)率低), 代表辨別力越強(qiáng)。判斷標(biāo)準(zhǔn)(B'')指區(qū)分信號(hào)與噪音反映的心理感受水平所對(duì)應(yīng)的信號(hào)分布縱軸與噪音分布縱軸之比, 1為分界點(diǎn), B″ > 1代表較嚴(yán)格, 越小于1代表越寬松。由于信號(hào)與噪音分布大多無(wú)法滿足齊性, 故采用非參數(shù)信號(hào)檢測(cè)論方法(郭秀艷, 2019, p.255; Liu et al., 2014)依據(jù)下列公式計(jì)算A′與B″。其中, Hit和FA分別代表?yè)糁信c虛報(bào)率：

Hit ≥ FA, A′ = 0.5 + [(Hit ? FA) (1 + Hit ? FA)] / [4Hit(1 ? FA)]

Hit < FA, A′ = 0.5 ? [(FA ? Hit) (1 + FA ? Hit)] / [4FA(1 ? Hit)]

Hit ≥ FA, B″ = [Hit(1 ? Hit) ? FA(1 ? FA)] / [Hit(1 ? Hit) + FA(1 ? FA)]

Hit < FA, B″ = [FA(1 ? FA) ? Hit(1 ? Hit)] / [FA(1 ? FA) + Hit(1 ? Hit)]

3.2.3 實(shí)驗(yàn)材料

按照研究1中40項(xiàng)源頭語(yǔ)篇的字?jǐn)?shù), 選擇5篇與平均數(shù)(2607.18字)接近, 字?jǐn)?shù)在2400～2800左右的備選語(yǔ)篇, 通過(guò)10名大學(xué)生的評(píng)定, 選擇熟悉性最低的《南京家長(zhǎng)已瘋》一文(共計(jì)2431字)。該事件于2019年10月29日由公眾號(hào)“格十三”發(fā)布, 涉及中小學(xué)生減負(fù)問(wèn)題。利用語(yǔ)料庫(kù)在線平臺(tái)(http://corpus.zhonghuayuwen.org)對(duì)文本進(jìn)行在線分詞后, 隨機(jī)選取文中頻率均為1, 詞長(zhǎng)≥ 2的60個(gè)詞匯, 然后與從類似教育文章中篩選的未在文中出現(xiàn)的60個(gè)詞匯, 組成再認(rèn)測(cè)驗(yàn)詞庫(kù)。然后, 請(qǐng)24名大學(xué)生對(duì)上述120個(gè)詞匯的性質(zhì)進(jìn)行7點(diǎn)評(píng)分(?3為極度負(fù)性, 0為中性, 3為極度正性)。最后, 根據(jù)評(píng)分, 篩選正負(fù)性得分絕對(duì)值最高、中性得分最接近于0的前20個(gè)(共60個(gè))詞匯作為正式實(shí)驗(yàn)材料(見(jiàn)表1)。

3.2.4 實(shí)驗(yàn)流程

在實(shí)驗(yàn)室電腦上使用E-Prime 2.0軟件對(duì)被試進(jìn)行個(gè)別施測(cè)。實(shí)驗(yàn)分為閱讀和測(cè)試兩部分(圖4)：

首先, 被試閱讀指導(dǎo)語(yǔ)并理解實(shí)驗(yàn)規(guī)則后, 進(jìn)入5分鐘的語(yǔ)篇自由閱讀階段。然后, 進(jìn)入詞匯再認(rèn)階段。屏幕中央首先會(huì)出現(xiàn)一個(gè)黑色的持續(xù)200 ms的注視點(diǎn)“＋”, 接著出現(xiàn)目標(biāo)詞匯, 被試判斷其是否在語(yǔ)篇中出現(xiàn)過(guò), 未出現(xiàn)過(guò)按“F”, 出現(xiàn)過(guò)按“J”。被試按鍵后或者在1000 ms內(nèi)未做出反應(yīng), 目標(biāo)詞匯自動(dòng)消失, 出現(xiàn)1000 ms的空屏進(jìn)行緩沖。60個(gè)試次中, 目標(biāo)詞匯以完全隨機(jī)的順序呈現(xiàn)。為控制語(yǔ)篇熟悉度, 實(shí)驗(yàn)后詢問(wèn)：“請(qǐng)回憶一下, 你在實(shí)驗(yàn)之前是否看過(guò)剛剛閱讀的這篇文章？”, 剔除看過(guò)的被試。

表1 實(shí)驗(yàn)中所用再認(rèn)詞匯

3.3 結(jié)果

首先, 對(duì)所有詞匯再認(rèn)正確率進(jìn)行對(duì)比。以詞匯性質(zhì)為自變量, 再認(rèn)正確率為因變量進(jìn)行重復(fù)測(cè)量方差分析。結(jié)果表明, 詞匯性質(zhì)主效應(yīng)顯著,(2, 94) = 12.91,< 0.001, η= 0.22。多重比較(Bonferroni)表明, 負(fù)性詞匯的再認(rèn)正確率(= 0.62,= 0.11)顯著高于正性詞匯(= 0.52,= 0.09),< 0.001, 95% CI = [0.04, 0.15]; 以及中性詞匯(= 0.51,= 0.12),< 0.001, 95% CI = [0.05, 0.16]; 但正性詞匯與中性詞匯的再認(rèn)正確率無(wú)顯著差異(= 1.00)。

其次, 采用信號(hào)檢測(cè)論方法探討6類指標(biāo)上不同性質(zhì)詞匯再認(rèn)情況的差異(表2)。由于個(gè)體再認(rèn)記憶的正確率主要體現(xiàn)在對(duì)文中詞匯的準(zhǔn)確再認(rèn)(P)以及對(duì)非文中詞匯的正確否定(P), 且漏報(bào)率P= 1 ? P, 虛報(bào)率P= 1 ? P, 因此, 以詞匯性質(zhì)為自變量, 分別以P、P為因變量, 依次進(jìn)行重復(fù)測(cè)量方差分析便可描述個(gè)體4類基本反應(yīng)的概率。以詞匯性質(zhì)為自變量, 辨別力(A')和判斷標(biāo)準(zhǔn)(B'')為因變量, 分別進(jìn)行重復(fù)測(cè)量方差分析, 可描述記憶再認(rèn)的2個(gè)獨(dú)立成分。多組重復(fù)測(cè)量方差分析結(jié)果如下：

圖4 記憶再認(rèn)階段流程

表2 不同類型詞匯的信號(hào)檢測(cè)論指標(biāo)分析(M ± SD)

從4類基本反應(yīng)來(lái)看, 對(duì)于P, 詞匯性質(zhì)主效應(yīng)顯著,(2, 94) = 4.04,= 0.021, η= 0.08。多重比較(Bonferroni)表明, 正性詞匯擊中率(= 0.70,= 0.20)要顯著高于負(fù)性詞匯(= 0.61,= 0.22),= 0.038, 95% CI = [0.00, 0.19]; 正性與中性詞匯(= 0.64,= 0.19)、負(fù)性與中性詞匯均無(wú)顯著差異(s = 1.00)。對(duì)于P, 詞匯性質(zhì)主效應(yīng)顯著,(2, 94) = 36.29,< 0.001, η= 0.44。多重比較(Bonferroni)表明, 負(fù)性詞匯正確否定率(= 0.63,= 0.19)顯著高于正性詞匯(= 0.36,= 0.40),< 0.001, 95% CI = [0.18, 0.36], 以及中性詞匯(= 0.40,= 0.26),< 0.001, 95% CI = [0.14, 0.32]; 正性詞匯與中性詞匯無(wú)顯著差異(= 0.64)?？梢?jiàn), 與正性詞匯相比, 個(gè)體對(duì)語(yǔ)篇中負(fù)性詞匯的正確否定率和漏報(bào)率更高, 即擊中率和虛報(bào)率更低。

從信號(hào)檢測(cè)論的2個(gè)獨(dú)立指標(biāo)來(lái)看, 對(duì)于A′, 詞匯性質(zhì)主效應(yīng)顯著,(2, 94) = 12.80,< 0.001, η= 0.21。多重比較(Bonferroni)表明, 被試對(duì)于負(fù)性詞匯的辨別力(= 0.68,= 0.16)顯著高于正性詞匯(= 0.55,= 0.16),< 0.001, 95% CI = [0.06, 0.21]以及中性詞匯(= 0.52,= 0.21),< 0.001, 95% CI = [0.07, 0.25]; 正性詞匯與中性詞匯的辨別力無(wú)顯著差異(= 1.00)。對(duì)于B'', 詞匯性質(zhì)主效應(yīng)顯著,(2, 94) = 4.45,= 0.014, η= 0.09。多重比較(Bonferroni)表明, 負(fù)性詞匯的判斷標(biāo)準(zhǔn)(= 0.03,= 0.38)顯著高于正性詞匯(= ?0.16,= 0.32),= 0.045, 95% CI = [0.00, 0.37]; 負(fù)性與中性詞匯(= ?0.13,= 0.34)差異邊緣顯著,= 0.09, 正性與中性詞匯無(wú)顯著差異,= 1.00?？梢?jiàn), 個(gè)體對(duì)負(fù)性詞匯的辨別力更強(qiáng), 判斷標(biāo)準(zhǔn)比正性和中性詞匯略嚴(yán)格。

3.4 討論

研究2采用信號(hào)檢測(cè)論范式, 通過(guò)對(duì)真實(shí)網(wǎng)絡(luò)突發(fā)事件源頭語(yǔ)篇的詞匯再認(rèn)記憶實(shí)驗(yàn)發(fā)現(xiàn), 相對(duì)于正性和中性詞匯, 人們對(duì)網(wǎng)絡(luò)突發(fā)事件源頭語(yǔ)篇中的負(fù)性詞匯存在信息加工偏差, 驗(yàn)證了假設(shè)2。負(fù)性偏向具體表現(xiàn)為：第一, 個(gè)體對(duì)源頭語(yǔ)篇中負(fù)性詞匯的再認(rèn)正確率更高。雖然以往研究均對(duì)負(fù)性詞匯比正性詞匯記憶更準(zhǔn)確的結(jié)論進(jìn)行了多角度論證(Dijksterhuis & Aarts, 2003; K?tsyri et al., 2016; Labiouse, 2004; Liu et al., 2014), 但均未像本研究一樣采用真實(shí)語(yǔ)篇在網(wǎng)絡(luò)突發(fā)事件背景下進(jìn)行論證。第二, 個(gè)體對(duì)源頭語(yǔ)篇中負(fù)性詞匯的辨別力更高。與正性和中性詞匯相比, 個(gè)體更能正確辨認(rèn)哪些負(fù)性詞匯從未在文中出現(xiàn)過(guò)(低虛報(bào)率)。這與以往研究中發(fā)現(xiàn)的個(gè)體對(duì)負(fù)性和正性詞匯的辨別力無(wú)差異的結(jié)論不一致(Liu et al., 2014), 但與閾下知覺(jué)研究發(fā)現(xiàn)的對(duì)負(fù)性詞匯再認(rèn)比正性詞匯更準(zhǔn)確的結(jié)論一致(Dijksterhuis & Aarts, 2003)。后兩項(xiàng)研究均采用了脫離語(yǔ)境的詞匯作為記憶材料, 與研究2先閱讀源頭語(yǔ)篇, 再對(duì)文中與非文中詞匯進(jìn)行再認(rèn)的實(shí)驗(yàn)情境不同。這一結(jié)果可同樣從進(jìn)化視角解釋, 即人類需在較短時(shí)間內(nèi)自動(dòng)化地檢測(cè)出負(fù)性信息以適應(yīng)生存(Dijksterhuis & Aarts, 2003), 表現(xiàn)出信息加工的負(fù)性偏向。

本研究有關(guān)判斷標(biāo)準(zhǔn)的結(jié)論與以往研究略有不同。一方面, 從絕對(duì)標(biāo)準(zhǔn)來(lái)看, 個(gè)體對(duì)負(fù)性詞匯的判斷標(biāo)準(zhǔn)相對(duì)較寬松, 均接近0, 傾向于將所有記憶模糊的負(fù)性詞匯報(bào)告為出現(xiàn)過(guò)。這與Liu等人(2014)的研究結(jié)論類似。另一方面, 若將正、負(fù)、中性詞匯的判斷標(biāo)準(zhǔn)相對(duì)比, 個(gè)體對(duì)負(fù)性詞匯的判斷標(biāo)準(zhǔn)(0.03)比正性(?0.16)和中性詞匯(?0.13)略嚴(yán)格。這與以往詞匯記憶實(shí)驗(yàn)發(fā)現(xiàn)的負(fù)性比正性詞匯判斷標(biāo)準(zhǔn)更寬松的結(jié)論相反(朱永澤等, 2014)?？梢?jiàn), 判斷標(biāo)準(zhǔn)寬松并不是負(fù)性偏向的唯一體現(xiàn), 其以犧牲正確否定率為前提, 并不能帶來(lái)詞匯整體再認(rèn)率的提高, 相反, 如實(shí)驗(yàn)2所示, 相對(duì)嚴(yán)格的判斷標(biāo)準(zhǔn)通過(guò)減少虛報(bào)率, 提高了再認(rèn)精確性。

4 研究3：網(wǎng)絡(luò)突發(fā)事件信息傳遞實(shí)驗(yàn)

4.1 目的

采用傳遞鏈實(shí)驗(yàn)范式探討網(wǎng)絡(luò)突發(fā)事件蔓延過(guò)程中的信息傳遞偏差。

4.2 方法

4.2.1 被試

通過(guò)網(wǎng)絡(luò)招募120名被試(組成30條傳遞鏈), 其中女性84人, 男性36人; 平均年齡為23.14 ± 2.95歲。

4.2.2 實(shí)驗(yàn)設(shè)計(jì)

采用3 (故事中的事件性質(zhì)：正性、負(fù)性、模糊) × 4 (代際：1、2、3、4)的混合實(shí)驗(yàn)設(shè)計(jì)。其中, 事件性質(zhì)為3水平被試內(nèi)變量, 傳遞代際為4水平被試間變量。模糊事件是指既可以做正性理解, 也可以做負(fù)性理解的模糊描述, 與正、負(fù)性事件相比, 對(duì)它的解讀更能反映出被試信息加工時(shí)的偏向(Bebbington et al., 2017)。按照以往研究的慣例(Bebbington et al., 2017; Mesoudi & Whiten, 2008), 選擇4個(gè)傳遞代際而非個(gè)別研究(如Eriksson & Coultas, 2014)采用的3個(gè)代際, 以更充分地展示信息傳遞中產(chǎn)生的偏差。

為全面反映每一代際不同性質(zhì)事件生存狀況, 因變量選取了8個(gè)指標(biāo)：整體上, 不同性質(zhì)事件在每一代際內(nèi)的留存情況用正性、負(fù)性、模糊事件存活率3個(gè)指標(biāo)體現(xiàn)。由于模糊事件比較特殊, 其不僅涉及流失, 還涉及解讀的問(wèn)題, 因此, 參考其操作定義及Bebbington等人(2017)的數(shù)據(jù)處理方式, 需單獨(dú)用5個(gè)指標(biāo)對(duì)其進(jìn)行描述：流失率描述了模糊事件經(jīng)傳播后不再存在的情況, 模糊率(存在, 但未解讀, 繼續(xù)保持模糊)和解讀率(存在, 但進(jìn)行了正性或負(fù)性解讀, 不再模棱兩可)反映了模糊事件經(jīng)傳播后仍生存下來(lái)的不同情況, 并且, 存活率 = 解讀率 + 模糊率, 流失率 = 1 ? 存活率, 解讀率 = 正性解讀率 + 負(fù)性解讀率。針對(duì)每一代, 上述8個(gè)指標(biāo)均通過(guò)“”進(jìn)行計(jì)算。

4.2.3 實(shí)驗(yàn)材料

參考以往社會(huì)信息傳遞研究中采用標(biāo)準(zhǔn)化的故事語(yǔ)篇(如《薩拉去英國(guó)旅行》)作為實(shí)驗(yàn)材料的方法(Bebbington et al., 2017), 以新型冠狀病毒肺炎疫情這一突發(fā)事件為背景, 自編一篇約800字的故事——《李華疫情期間的一天》。故事中包含負(fù)性、正性、模糊事件各8個(gè), 24個(gè)事件均用一句話在故事中展現(xiàn)(平衡句子長(zhǎng)短)。負(fù)性事件如“新型冠狀病毒肺炎打亂了李華年后的所有安排”、正性事件如“發(fā)現(xiàn)之前很多收費(fèi)的網(wǎng)絡(luò)課程現(xiàn)在可以免費(fèi)觀看”; 模糊事件如“今年的春節(jié)對(duì)李華來(lái)說(shuō)分外特殊”, 這里, “特殊”有“珍貴”或“糟糕”兩個(gè)截然相反的理解, 存在模糊性。

為檢驗(yàn)不同性質(zhì)事件字?jǐn)?shù)的差異, 對(duì)正性(= 20.25,= 4.95)、負(fù)性(= 22.25,= 3.99)、模糊事件(= 21.25,= 5.50)的字?jǐn)?shù)進(jìn)行了方差分析, 結(jié)果表明, 事件性質(zhì)的主效應(yīng)不顯著,(2, 21) = 0.34,= 0.72。可見(jiàn), 不同事件蘊(yùn)含的信息量基本相同。

為檢驗(yàn)實(shí)驗(yàn)材料所界定事件是否具有預(yù)期效價(jià), 按照Bebbington等人(2017)的方法, 事先招募18名被試在7點(diǎn)連續(xù)量表上(?3為極度負(fù)性, +3為極度正性, 0為中性)對(duì)故事中包含的24個(gè)事件的性質(zhì)進(jìn)行評(píng)定。其中較為特殊的是, 對(duì)模糊事件效價(jià)的評(píng)定, 需分別檢驗(yàn)它的正性和負(fù)性解讀是否具有預(yù)期效價(jià)(每1個(gè)事件均可拆解為正性和負(fù)性解讀的2個(gè)負(fù)子事件)。不論對(duì)于普通的8個(gè)正性事件、8個(gè)普通的負(fù)性事件, 還是模糊事件拆解成的8個(gè)負(fù)性解讀、8個(gè)正性解讀事件, 均需將其評(píng)分與0進(jìn)行對(duì)比(即被試共評(píng)價(jià)了32個(gè)事件)。結(jié)果顯示, 負(fù)性事件得分(= ?1.96,= 0.52)顯著低于0,(17) = ?16.05,< 0.001, Cohen's= ?5.33, 95% CI = [?2.22, ?1.70]; 正性事件得分(= 1.72,= 0.60)顯著高于0,(17) = 12.17,< 0.001, Cohen's= 4.05, 95% CI = [1.42, 2.02]; 模糊事件的負(fù)性解讀得分(= ?2.00,= 0.66)顯著低于0,(17) = ?12.76,< 0.001, Cohen’s= ?4.29, 95% CI = [?2.33, ?1.67]; 正性解讀得分(= 1.70,= 0.41)顯著高于0,(17) = 17.67,< 0.001, Cohen’s= 5.86, 95% CI = [1.50, ?1.91], 事件性質(zhì)界定較為準(zhǔn)確。

4.2.4 實(shí)驗(yàn)流程

正式實(shí)驗(yàn)以4人組為單位, 采用“微信+問(wèn)卷星”的方式在網(wǎng)絡(luò)中進(jìn)行個(gè)別施測(cè)(如圖5所示)。測(cè)試時(shí), 將被試隨機(jī)分配到傳遞鏈1～4代中的任意一個(gè)位置, 組成30條4人傳遞鏈, 為便于理解, 將實(shí)驗(yàn)命名為“網(wǎng)絡(luò)傳聲筒實(shí)驗(yàn)”。首先, 主試通過(guò)微信向被試發(fā)送知情同意書和指導(dǎo)語(yǔ)。被試閱讀、理解實(shí)驗(yàn)要求后, 主試發(fā)送問(wèn)卷星鏈接, 被試A有3分鐘時(shí)間閱讀故事, 為保證被試充分閱讀了故事, 該頁(yè)面停留超過(guò)90秒才可進(jìn)入下一頁(yè)。之后, A有10分鐘時(shí)間(但是, 4分鐘后, 可提前進(jìn)入“下一頁(yè)”)在鏈接文本框內(nèi)將故事以文字的形式復(fù)述給被試B。之后B遵循同樣的程序傳遞給C, C傳遞給D。傳遞鏈中只有A閱讀的是故事原文, 其他傳遞者(B/C/D)閱讀的均為前一名被試轉(zhuǎn)述的內(nèi)容, D也要寫出要傳遞給下一人的文本。為檢驗(yàn)被試是否對(duì)故事進(jìn)行了認(rèn)真閱讀和復(fù)述, 每輪實(shí)驗(yàn)均讓被試列出故事中印象最深的三件事。

圖5 網(wǎng)絡(luò)傳遞鏈實(shí)驗(yàn)流程

4.2.5 數(shù)據(jù)編碼

首先, 參照以往研究(Eriksson & Coultas, 2014), 對(duì)每一代復(fù)述文本對(duì)照24個(gè)事件進(jìn)行編碼。對(duì)于明確的負(fù)性或正性事件, 若在復(fù)述文本中再現(xiàn), 將其編碼為1, 反之編碼為0。對(duì)于模糊事件, 若在復(fù)述文本中未能再現(xiàn), 編碼為0; 若在復(fù)述文本中被試進(jìn)行了負(fù)性或正性解讀, 則對(duì)應(yīng)編碼為?1或1; 若依舊為模棱兩可的狀態(tài), 則編碼為2。編碼時(shí), 無(wú)需與原文表述完全相同, 只要事件基本要點(diǎn)一致, 即認(rèn)為該事件存活了下來(lái)。如負(fù)性事件EN2“居家呆久了, 他開(kāi)始變得煩躁、焦慮不安”, 被傳遞為“在家呆煩了” (S1-A), 即可編碼為1。有極個(gè)別正性事件如“他發(fā)現(xiàn)之前很多收費(fèi)的網(wǎng)絡(luò)課程現(xiàn)在可以免費(fèi)觀看”經(jīng)傳遞后變?yōu)樨?fù)性事件, 如傳遞為“想學(xué)網(wǎng)課, 但是需要收費(fèi)” (S9-D), 將其視為流失, 編碼為0; 但并未發(fā)現(xiàn)負(fù)性事件傳遞為正性事件的情況。各指標(biāo)通過(guò)不同事件對(duì)應(yīng)數(shù)量除以事件總數(shù)依次求得。

為保證編碼的可靠性, 3名心理學(xué)研究生進(jìn)行培訓(xùn)并試編碼后, 對(duì)120名被試的所有文本進(jìn)行編碼。3人的評(píng)分者一致性信度為0.95, 采用這3位編碼者數(shù)據(jù)的平均值進(jìn)行結(jié)果統(tǒng)計(jì)。

4.3 結(jié)果

經(jīng)分析, 所有120名被試均能回答出故事中印象最深刻的三件事, 且能較為完整地復(fù)述故事, 說(shuō)明30條傳遞鏈均有效。下面依次從不同角度對(duì)故事中不同事件在網(wǎng)絡(luò)傳遞中的存活率進(jìn)行分析。

首先, 對(duì)不同事件在4個(gè)代際內(nèi)的整體存活率進(jìn)行描述(圖6)。以事件性質(zhì)為被試內(nèi)自變量, 傳遞鏈代際為被試間自變量, 事件存活率為因變量進(jìn)行重復(fù)測(cè)量方差分析。結(jié)果表明, 事件性質(zhì)主效應(yīng)顯著,(2, 232) = 273.63,< 0.001, η= 0.70。多重比較(Bonferroni)表明, 負(fù)性事件的存活率(= 0.58,= 0.23)顯著高于正性事件(= 0.35,= 0.21),< 0.001, 95% CI = [0.18, 0.27], 以及模糊事件(= 0.18,= 0.16),< 0.001, 95% CI = [0.36, 0.35]; 正性事件的存活率(= 0.35,= 0.21)顯著高于模糊事件(= 0.18,= 0.16),< 0.001, 95% CI = [0.15, 0.21]。傳遞鏈代際主效應(yīng)顯著,(3, 116) = 32.64,< 0.001, η= 0.46。多重比較(Bonferroni)表明, 第1代事件存活率(= 0.54,= 0.25)顯著高于第2代(= 0.39,= 0.24),< 0.001, 95% CI =[0.06, 0.23], 以及第3代(= 0.30,= 0.22),< 0.001, 95% CI = [0.15, 0.32], 和第4代(= 0.24,= 0.21),< 0.001, 95% CI = [0.21, 0.38]; 第2代顯著高于第3代(= 0.036, 95% CI = [0.00, 0.17])和第4代(< 0.001, 95% CI = [0.06, 0.23]), 但第3代和第4代間差異不顯著(= 0.38)。事件性質(zhì)與傳遞鏈代際間的交互作用不顯著,(3, 116) = 1.42,= 0.22。

圖6 四代傳遞鏈上的事件存活率

其次, 對(duì)4個(gè)代際內(nèi)模糊事件的整體存活情況進(jìn)行分析(圖7)。以代際為自變量, 流失率、解讀率以及模糊率分別為因變量, 進(jìn)行多因素方差分析。結(jié)果表明, 在流失率上, 傳遞鏈代際主效應(yīng)顯著,(3, 116) = 19.05,< 0.001, η= 0.33。多重比較(Bonferroni)表明, 第2代的流失率(= 0.75,= 0.14)顯著高于第1代(= 0.60,= 0.18),< 0.001, 95% CI = [0.05, 0.24], 第4代的流失率(= 0.86,= 0.09)顯著高于第2代(= 0.80,= 0.13,= 0.015, 95% CI = [0.01, 0.21]), 第2代與第3代之間(=0.75)以及第3代與第4代之間(= 0.75)均無(wú)顯著差異。在解讀率上, 傳遞鏈代際主效應(yīng)不顯著,(3, 116) = 0.43,= 0.73。在模糊率上, 傳遞鏈代際主效應(yīng)顯著,(3, 116) = 18.13,< 0.001, η= 0.32。多重比較(Bonferroni)表明, 第1代的模糊率(= 0.32,= 0.18)顯著高于第2代(= 0.18,= 0.13,= 0.001, 95% CI = [0.05, 0.23]), 第2代的模糊率顯著高于第4代(= 0.08,= 0.08,= 0.031, 95% CI = [0.01, 0.19]), 第2代與第3代之間(=0.60)以及第3代與第4代之間(= 1.00)均無(wú)顯著差異。

再次, 對(duì)模糊事件的正性和負(fù)性解讀情況進(jìn)行單獨(dú)分析(圖8)。以解讀性質(zhì)為被試內(nèi)自變量, 傳遞鏈代際為被試間自變量, 不同性質(zhì)事件解讀在原始模糊事件中的占比為因變量, 進(jìn)行重復(fù)測(cè)量方差分析。結(jié)果顯示, 傳遞鏈代際主效應(yīng)不顯著,(3, 116) = 1.65,= 0.18; 解讀性質(zhì)主效應(yīng)顯著,(1, 116) = 14.99,< 0.001, η= 0.11, 二者的交互作用不顯著,(3, 116) = 2.14,= 0.10。多重比較(Bonferroni)表明, 負(fù)性解讀率(= 0.05,= 0.06)顯著高于正性解讀率(= 0.02,= 0.05),< 0.001, 95% CI = [0.01, 0.04]。

圖7 原始模糊事件在傳遞鏈上的流失、解讀、模糊占比

圖8 模糊事件在傳遞鏈上的解讀率

4.4 討論

研究3在研究2網(wǎng)絡(luò)突發(fā)事件真實(shí)語(yǔ)篇詞匯記憶再認(rèn)實(shí)驗(yàn)的基礎(chǔ)上, 進(jìn)一步采用傳遞鏈實(shí)驗(yàn)范式刻畫了信息傳遞過(guò)程中不同性質(zhì)子事件的記憶再現(xiàn)及改變過(guò)程。結(jié)果發(fā)現(xiàn), 信息傳遞過(guò)程中產(chǎn)生了負(fù)性偏向, 驗(yàn)證了假設(shè)3, 并具體表現(xiàn)為：第一, 負(fù)性信息在每一代際信息傳遞中存活率最高。從文化進(jìn)化理論出發(fā), 這主要由于其蘊(yùn)含了更多與危險(xiǎn)相關(guān)的信息, 有利于個(gè)體躲避災(zāi)害, 更具生存價(jià)值(Mesoudi & Thornton, 2018)。第二, 第1和第2代信息傳遞中的負(fù)性偏向更明顯。由圖5和圖6可知, 第3和第4代信息傳遞中, 各類事件存活率、模糊事件流失率、模糊事件的模糊率上均無(wú)顯著差異?？梢?jiàn), 與以往諸多突發(fā)事件周期模型一致(毛太田等, 2019; Procter et al., 2013), 人際傳遞過(guò)程中, 信息變化并不均衡、等速。第三, 模糊事件大量流失, 僅存的少量事件被更多進(jìn)行負(fù)性解讀。例如, 對(duì)于原始故事中“他的父母看到他購(gòu)買的食品, 眼神里有一絲驚訝”這條模糊信息, 傳遞后變?yōu)椤案改赋袅R了他一頓” (S2-B)。這一方面因?yàn)楦缓楦械奈谋颈戎行晕谋靖菀椎玫绞鼙姷姆答?陳安繁等, 2019; Mesoudi & Whiten, 2008), 也更易被傳播。因此, 如圖5所示, 具有明確情感效價(jià)的正性和負(fù)性信息的存活率均高于模糊事件。另一方面因?yàn)樨?fù)性信息在社會(huì)傳遞中更具生存優(yōu)勢(shì)(Baumeister et al., 2001; Eriksson & Coultas, 2014), 因此, 不僅負(fù)性信息本身的留存率更高, 僅存的模糊事件也被更多進(jìn)行負(fù)性解讀?？傊? 研究3證實(shí), 具有較短生命周期的網(wǎng)絡(luò)突發(fā)事件信息的代際傳遞中存在負(fù)性偏向, 與神話、傳說(shuō)等文化符號(hào)的代際傳遞中存在負(fù)性偏向一致(Bebbington et al., 2017; Stubbersfield et al., 2017), 符合文化進(jìn)化的規(guī)律。

5 總討論

5.1 網(wǎng)絡(luò)突發(fā)事件中負(fù)性偏向的產(chǎn)生和發(fā)展

近年來(lái), 網(wǎng)絡(luò)突發(fā)事件成為社會(huì)發(fā)展過(guò)程中必須面對(duì)的一種普遍現(xiàn)象, 給國(guó)家社會(huì)治理帶來(lái)極大挑戰(zhàn)(陽(yáng)長(zhǎng)征, 2020)。本研究將網(wǎng)絡(luò)突發(fā)事件視為文化進(jìn)化的特例, 認(rèn)為負(fù)性偏向是其背后深層次的心理機(jī)制, 依據(jù)其醞釀、爆發(fā)、蔓延三階段個(gè)體信息加工的特征構(gòu)建理論模型(圖1), 通過(guò)3項(xiàng)研究檢驗(yàn)了負(fù)性偏向產(chǎn)生和發(fā)展的3個(gè)假設(shè)。結(jié)果發(fā)現(xiàn), 反映社會(huì)負(fù)面問(wèn)題、與其他網(wǎng)絡(luò)熱點(diǎn)事件相比包含更多負(fù)面詞匯的源頭語(yǔ)篇(其本身正負(fù)性詞匯占比無(wú)差異)首先在網(wǎng)絡(luò)中醞釀, 產(chǎn)生負(fù)面內(nèi)容偏差, 其一經(jīng)發(fā)布, 因網(wǎng)民對(duì)源頭語(yǔ)篇負(fù)性詞匯記憶效果更好、辨別力更強(qiáng), 產(chǎn)生負(fù)性信息加工偏差, 引起廣泛關(guān)注, 形成網(wǎng)絡(luò)事件“突發(fā)”和“蔓延”的基礎(chǔ); 隨著網(wǎng)民對(duì)初始信息的選擇性傳遞, 正性和中性信息不斷流失, 負(fù)性信息像病毒一樣在網(wǎng)絡(luò)中散播, 少量留存的模糊信息被負(fù)性解讀, 產(chǎn)生負(fù)性信息傳遞偏差, 造成事件持續(xù)蔓延。綜合上述結(jié)果, 我們對(duì)圖1所示的網(wǎng)絡(luò)突發(fā)事件中負(fù)性偏向產(chǎn)生和發(fā)展的三階段理論模型進(jìn)行了修正, 重新表述為圖9。

首先, 網(wǎng)絡(luò)突發(fā)事件源頭語(yǔ)篇存在信息內(nèi)容偏差。網(wǎng)絡(luò)突發(fā)事件的爆發(fā)常始于某篇“熱文”被“刷爆”, 它們或由官方發(fā)布, 或由個(gè)人撰寫, 均瞬間贏得較高關(guān)注度, 形成初始事件(葉金珠, 佘廉, 2012), 本文將其界定為源頭語(yǔ)篇。經(jīng)由研究1的文本分析發(fā)現(xiàn), 與人們的常識(shí)相反, 這些“熱文”自身的正性和負(fù)性情緒詞匯比例無(wú)顯著差異, 但與網(wǎng)絡(luò)熱點(diǎn)事件相比, 它們包含更多負(fù)面情緒表達(dá)詞匯, 具備“突發(fā)”的可能。這也許部分解釋了為什么網(wǎng)絡(luò)突發(fā)事件一直是輿情管控的難點(diǎn), 因?yàn)槭录l(fā)之前, 網(wǎng)絡(luò)中醞釀的源頭語(yǔ)篇本身所含的負(fù)面信息具有隱蔽性, 很難被察覺(jué)。如同Johnson等人(2019)《自然》雜志的論文所述, 網(wǎng)上負(fù)面言論具有隱藏的彈性和動(dòng)態(tài)的適應(yīng)性, “刪帖”、“封號(hào)”等手段不僅無(wú)效, 還會(huì)帶來(lái)信息轉(zhuǎn)移到其他平臺(tái)、多個(gè)社交賬號(hào)共同發(fā)聲的反作用。本研究將網(wǎng)絡(luò)突發(fā)事件醞釀期初始信息網(wǎng)絡(luò)表達(dá)的特征進(jìn)行了揭示, 既說(shuō)明了網(wǎng)絡(luò)突發(fā)事件瞬間爆發(fā)、難以預(yù)警和控制(張侃, 2015)的部分原因, 也啟示未來(lái)網(wǎng)絡(luò)治理時(shí)重點(diǎn)把握網(wǎng)絡(luò)突發(fā)事件背后的心理規(guī)律, 關(guān)注“人心”, 而不僅是“信息”本身。

其次, 個(gè)體對(duì)網(wǎng)絡(luò)突發(fā)事件源頭語(yǔ)篇的信息加工存在負(fù)性偏向。網(wǎng)絡(luò)突發(fā)事件的爆發(fā)體現(xiàn)為極短時(shí)間內(nèi)相關(guān)話題的點(diǎn)擊率、回復(fù)率急劇增多, 應(yīng)者云集(陳業(yè)華, 張曉倩, 2018), 這一過(guò)程需以個(gè)體對(duì)事件初始信息的認(rèn)知加工為基礎(chǔ)。研究2通過(guò)真實(shí)源頭語(yǔ)篇詞匯的記憶再認(rèn)實(shí)驗(yàn)發(fā)現(xiàn), 個(gè)體對(duì)源頭語(yǔ)篇中的負(fù)性詞匯記憶更精準(zhǔn), 產(chǎn)生了負(fù)性偏向。信號(hào)檢測(cè)分析進(jìn)一步發(fā)現(xiàn), 上述記憶效果主要由個(gè)體對(duì)負(fù)性詞匯更高的辨別力, 而非以往普通詞匯研究中發(fā)現(xiàn)的更寬松的判斷標(biāo)準(zhǔn)所導(dǎo)致(朱永澤等, 2014; Liu et al., 2014)。一方面, 由于進(jìn)化上的原因, 個(gè)體對(duì)負(fù)性詞匯的編碼和存儲(chǔ)可能如以往研究所述, 是自動(dòng)化、潛意識(shí)的加工過(guò)程(Dijksterhuis & Aarts, 2003), 加工深度更高, 能準(zhǔn)確將“骯臟” “違禁”等文中負(fù)性詞匯與“粗暴”、“作惡”等非文中負(fù)性詞匯(表1)清晰辨別; 另一方面, 個(gè)體對(duì)負(fù)性詞匯比正性和中性詞匯略嚴(yán)格的判斷標(biāo)準(zhǔn), 會(huì)因避免虛報(bào)提升記憶精確性?？梢?jiàn), 記憶再認(rèn)實(shí)驗(yàn)中個(gè)體對(duì)負(fù)性詞匯判斷標(biāo)準(zhǔn)是否寬松并非負(fù)性偏向的唯一體現(xiàn); 網(wǎng)民對(duì)網(wǎng)絡(luò)突發(fā)事件的圍觀、傳播可能并非源于刻意, 而是負(fù)性信息加工偏向?qū)е碌淖匀唤Y(jié)果。這啟發(fā)國(guó)家在創(chuàng)新網(wǎng)絡(luò)綜合治理體系中應(yīng)重視培養(yǎng)網(wǎng)民媒介素養(yǎng), 發(fā)揮其主動(dòng)性, 提升其對(duì)不實(shí)和歪曲信息的鑒別力。

圖9 網(wǎng)絡(luò)突發(fā)事件中負(fù)性偏向產(chǎn)生和發(fā)展的理論模型

最后, 網(wǎng)民間網(wǎng)絡(luò)突發(fā)事件信息的傳遞存在負(fù)性偏向。網(wǎng)絡(luò)突發(fā)事件的演化或蔓延時(shí)期的典型特征是網(wǎng)民圍繞初始事件進(jìn)行大規(guī)模的網(wǎng)絡(luò)互動(dòng), 信息進(jìn)行病毒式擴(kuò)散(葉金珠, 余廉, 2012)。研究3通過(guò)傳遞鏈實(shí)驗(yàn)直觀地展示了初始信息通過(guò)人際傳遞流失和歪曲, 產(chǎn)生負(fù)性偏向的過(guò)程：正性、中性和負(fù)性信息并存的初始語(yǔ)篇信息, 經(jīng)由不同代際的信息傳遞后, 負(fù)性信息被更多保留下來(lái), 其余信息則大量流失, 僅存的模糊信息被更多負(fù)性解讀, 形成新的負(fù)性信息。與以往有關(guān)神話、傳說(shuō)、謠言等研究中負(fù)性偏向存在的原因相同(Fessler et al., 2015; Stubbersfield et al., 2017), 這種信息社會(huì)傳遞中的負(fù)性偏向能使人們快速識(shí)別和避免潛在威脅, 適應(yīng)生存(Bebbington et al., 2017; Mesoudi & Whiten, 2008)。此外, 研究還發(fā)現(xiàn)負(fù)性偏向更多體現(xiàn)在第1和第2代的信息傳遞中。這啟發(fā)政府在網(wǎng)絡(luò)突發(fā)事件輿情應(yīng)對(duì)時(shí), 要變被動(dòng)為主動(dòng), 發(fā)揮意見(jiàn)領(lǐng)袖的作用, 通過(guò)發(fā)布權(quán)威信息阻斷不實(shí)、歪曲信息的傳遞; 信息發(fā)布也應(yīng)及時(shí)、公開(kāi)、透明、清晰, 重視源頭語(yǔ)篇傳播的第1和第2代先機(jī), 少用含糊表達(dá), 提供細(xì)節(jié), 阻斷模糊信息向負(fù)面轉(zhuǎn)化。

5.2 網(wǎng)絡(luò)突發(fā)事件中負(fù)性偏向研究的意義和局限

近年來(lái), 網(wǎng)絡(luò)突發(fā)事件作為備受關(guān)注的社會(huì)現(xiàn)實(shí)問(wèn)題, 成為管理學(xué)、信息科學(xué)、新聞傳播學(xué)等諸多領(lǐng)域的研究熱點(diǎn)。本研究立足心理學(xué)研究視角, 構(gòu)建負(fù)性偏向心理機(jī)制理論模型, 首次通過(guò)實(shí)證研究論證了其在網(wǎng)絡(luò)突發(fā)事件中的產(chǎn)生和發(fā)展, 具有重要理論和方法論意義, 所獲結(jié)論對(duì)于科學(xué)應(yīng)對(duì)輿情危機(jī)、建設(shè)良好網(wǎng)絡(luò)生態(tài)具有重要實(shí)踐價(jià)值。

探討網(wǎng)絡(luò)突發(fā)事件中負(fù)性偏向的產(chǎn)生和發(fā)展, 具有重要的理論意義?！皦谋群酶辛Α钡默F(xiàn)象作為動(dòng)物和人類共有的心理機(jī)制, 是個(gè)體與生俱來(lái)的一種進(jìn)化的信息加工優(yōu)勢(shì), 使人類主動(dòng)預(yù)防和糾正不良事件的影響, 以更好地適應(yīng)環(huán)境而得以生存(朱永澤等, 2014; Baumeister et al., 2001; Rozin & Royzman, 2001)。以往心理學(xué)領(lǐng)域負(fù)性偏向的研究聚焦于靜態(tài)的個(gè)體心理規(guī)律, 將其視為個(gè)體認(rèn)知或情緒偏差, 或探討其在注意、記憶等信息加工過(guò)程中的表現(xiàn); 或分析其在抑郁癥、焦慮癥等情緒困擾人群中的作用(張敏, 盧家楣, 2013; 朱永澤等, 2014)。本研究將網(wǎng)絡(luò)突發(fā)事件信息的演化視為同文化符號(hào)的代際傳遞和短期社會(huì)學(xué)習(xí)相似的文化進(jìn)化過(guò)程(Bebbington et al., 2017; Eriksson & Coultas, 2014), 證實(shí)了負(fù)性偏向不僅產(chǎn)生于靜態(tài)的信息加工過(guò)程, 還產(chǎn)生于動(dòng)態(tài)的信息傳遞過(guò)程, 這與以往心理學(xué)的研究相比是重要理論推進(jìn)。此外, 本研究構(gòu)建的理論模型與網(wǎng)絡(luò)突發(fā)事件相關(guān)領(lǐng)域依據(jù)熱度、轉(zhuǎn)發(fā)等“物理”規(guī)律構(gòu)建的數(shù)理模型相比, 更具情境適應(yīng)性, 說(shuō)明了外顯行為背后的深層心理機(jī)制, 可為網(wǎng)絡(luò)突發(fā)事件研究中的心理、行為分析提供理論指導(dǎo)。

突破網(wǎng)絡(luò)突發(fā)事件研究依賴外在行為指標(biāo)的局限, 具有重要的方法論意義。以往有關(guān)網(wǎng)絡(luò)突發(fā)事件研究的重點(diǎn)集中于輿情演化規(guī)律(葉金珠, 余廉, 2012), 或利用復(fù)雜網(wǎng)絡(luò)拓?fù)涮匦院蛡鞑?dòng)力學(xué)建模和仿真分析個(gè)體間交互特性來(lái)探究宏觀輿情演化規(guī)律(陳業(yè)華, 張曉倩, 2018; 陽(yáng)長(zhǎng)征, 2020; Tadi? et al., 2017), 或通過(guò)爬取微博等社交網(wǎng)站信息提取情緒詞總結(jié)傳播特征(毛太田等, 2019), 這些研究均基于網(wǎng)民對(duì)突發(fā)事件的關(guān)注、點(diǎn)贊、收藏、評(píng)論、轉(zhuǎn)發(fā)、分享等實(shí)際數(shù)據(jù), 回溯總結(jié)已發(fā)生過(guò)的事件個(gè)案中隱藏的規(guī)律, 卻無(wú)法說(shuō)明個(gè)體對(duì)各類信息的認(rèn)知加工及網(wǎng)民間信息傳遞的普遍規(guī)律。本研究立足網(wǎng)絡(luò)突發(fā)事件的發(fā)生發(fā)展規(guī)律, 依照事件“醞釀→爆發(fā)→蔓延”不同階段的信息狀態(tài)歸納本階段個(gè)體的信息加工規(guī)律, 綜合采用“源頭語(yǔ)篇文本分析→源頭語(yǔ)篇記憶實(shí)驗(yàn)→完整語(yǔ)篇傳遞實(shí)驗(yàn)”的方法, 不僅展示了網(wǎng)絡(luò)信息從形成到蔓延過(guò)程中的變化, 還刻畫了通過(guò)個(gè)體的加工或傳遞, 信息歪曲的表現(xiàn)和過(guò)程。上述方法進(jìn)一步標(biāo)準(zhǔn)化后, 可作為各領(lǐng)域網(wǎng)絡(luò)突發(fā)事件研究方法的有益補(bǔ)充。

本研究首次嘗試將網(wǎng)絡(luò)突發(fā)事件視為文化進(jìn)化的一種特例, 從人類信息加工特點(diǎn)的角度提出并用實(shí)證研究探討了負(fù)性偏向產(chǎn)生和發(fā)展的規(guī)律, 是本領(lǐng)域的一種全新嘗試, 但也存在如下局限：首先, 源頭語(yǔ)篇的界定和取樣。一方面, “源頭”具有相對(duì)性, 雖經(jīng)過(guò)嚴(yán)格篩選確認(rèn)是最早出現(xiàn)于網(wǎng)上的文本, 但無(wú)法保證這是每個(gè)網(wǎng)民最早看到的材料。另一方面, 無(wú)法找到嚴(yán)格與網(wǎng)絡(luò)突發(fā)事件源頭語(yǔ)篇對(duì)照的語(yǔ)篇, 即“與源頭語(yǔ)篇同時(shí)產(chǎn)生卻未流傳開(kāi)來(lái)的語(yǔ)篇”, 因而只能選擇相對(duì)中性的語(yǔ)篇作為對(duì)照組。其次, 理論和現(xiàn)實(shí)的對(duì)應(yīng)。一是現(xiàn)實(shí)網(wǎng)絡(luò)突發(fā)事件的演化較為復(fù)雜, 其爆發(fā)和蔓延通常存在一段時(shí)間的醞釀, 然后在某個(gè)時(shí)間節(jié)點(diǎn)突然呈爆炸性增長(zhǎng)和蔓延(Procter et al., 2013), 本研究建立的心理模型尚無(wú)法解釋這種關(guān)鍵節(jié)點(diǎn)的變化中負(fù)性偏向所起的作用。二是現(xiàn)實(shí)網(wǎng)絡(luò)信息的傳播多以轉(zhuǎn)發(fā)為主, 而非轉(zhuǎn)述, 本文傳遞鏈實(shí)驗(yàn)范式僅反映了信息轉(zhuǎn)述中的改變過(guò)程。三是網(wǎng)絡(luò)突發(fā)事件的醞釀、爆發(fā)和蔓延是一個(gè)連續(xù)的過(guò)程, 真實(shí)的網(wǎng)絡(luò)信息傳播和網(wǎng)民對(duì)信息的認(rèn)知加工和研究2及3的心理學(xué)實(shí)驗(yàn)還存在較大差距, 僅靠單一的記憶實(shí)驗(yàn)或結(jié)構(gòu)化的案例無(wú)法完全確證負(fù)性偏向產(chǎn)生與發(fā)展的心理模型。最后, 本文所提模型及所采用的實(shí)證研究方法僅提供了一種理論和實(shí)證研究的嘗試, 未來(lái)研究應(yīng)繼續(xù)立足網(wǎng)絡(luò)“突發(fā)事件背后的心理機(jī)制”這一問(wèn)題繼續(xù)探索更為細(xì)化、針對(duì)性的心理機(jī)制, 采用更多樣的研究方法。

6 結(jié)論

作為網(wǎng)絡(luò)突發(fā)事件背后的心理機(jī)制, 負(fù)性偏向不僅產(chǎn)生于源頭語(yǔ)篇信息內(nèi)容本身, 還產(chǎn)生于個(gè)體信息加工過(guò)程中對(duì)負(fù)性詞匯更高的再認(rèn)正確率和辨別力, 以及網(wǎng)民間信息傳遞過(guò)程中對(duì)負(fù)性信息的選擇性傳遞和對(duì)模糊信息的負(fù)性解讀。

Bartlett, F. C. (1932).. Cambridge: Cambridge University.

Baumeister, R. F., Bratslavsky, E., Finkenauer, C., & Vohs, K. D. (2001). Bad is stronger than good.(4), 323–370.

Bebbington, K., MacLeod, C., Ellison, T. M., & Fay, N. (2017). The sky is falling: Evidence of a negativity bias in the social transmission of information.(1), 92–101.

Chang, S. P. (2015). Applying “Negativity Bias” to Twitter: Negative news on twitter, emotions, and political learning.(4), 342–359.

Chen, A. F., Jin. J. B., & Luo, C. (2019). Reward and punishment: The dual structure of network user identity and emotional expression in social media., (4), 27?44.

[陳安繁, 金兼斌, 羅晨. (2019). 獎(jiǎng)賞與懲罰:社交媒體中網(wǎng)絡(luò)用戶身份與情感表達(dá)的雙重結(jié)構(gòu).(4), 27?44.]

Chen, X. H., Su, X. J., & Cui, L. X. (2017). Social media strategies to reduce negativity bias towards a tourist city: A case study of qingdao pricey prawn.,(7), 47–56.

[陳旭輝, 蘇曉娟, 崔麗霞. (2017). 基于社交媒體關(guān)系互動(dòng)的旅游城市形象負(fù)面偏差引導(dǎo)策略——以"青島天價(jià)蝦"事件為例.(7), 47–56.]

Chen, Y. H., & Zhang, X. Q. (2018). Research on netizen group emotion contagion model and the simulation under network group emergencies.(3), 151–156.

[陳業(yè)華, 張曉倩. (2018). 網(wǎng)絡(luò)突發(fā)群體事件網(wǎng)民群體情緒傳播模型及仿真研究.(3), 151–156.]

Dang, M. H. (2017). Frame effect of the negative emotion expression based on computer-assisted content analysis of online news comments.(4), 41–63.

[黨明輝. (2017). 公共輿論中負(fù)面情緒化表達(dá)的框架效應(yīng)——基于在線新聞跟帖評(píng)論的計(jì)算機(jī)輔助內(nèi)容分析.(4), 41?63.]

Dijksterhuis, A., & Aarts, H. (2003). On wildebeests and humans: The preferential detection of negative stimuli.(1), 14–18.

Eriksson, K., & Coultas, J. C. (2014). Corpses, Maggots, Poodles and Rats: Emotional selection operating in three phases of cultural transmission of urban legends.(1), 1–26.

Fischer, P., Jonas, E., Frey, D., & Schulz-Hardt, S. (2005). Selective exposure to information: The impact of informationlimits.5(4), 469–492.

Ferrara, E., & Yang, Z. (2015). Quantifying the effect of sentiment on information diffusion in social media., 1, e26.

Fessler, D. M. T., Pisor, A. C., & Navarrete, C. D. (2015). Negatively-biased credulity and the cultural evolution of beliefs.(4), 1–8.

Guo, X. Y. (2019).(2rd ed). Beijing: People's Education Press.

[郭秀艷. (2019).. 北京：人民教育出版社.]

Johnson, N. F., Leahy, R., Restrepo, N. J., Velasquez, N., Zheng, M., Manrique, P., … Wuchty, S. (2019). Hidden resilience and adaptive dynamics of the global online hate ecology.(7773), 261?265.

K?tsyri, J., Kinnunen, T., Kusumoto, K., Oittinen, P., & Ravaja, N. (2016). Negativity bias in media multitasking: The effects of negative social media messages on attention to television news broadcasts.(5), e0153712.

Kramer, A. D. I., Guillory, J. E., & Hancock, J. T. (2014). Experimental evidence of massive-scale emotional contagion through social networks.(24), 8788–8790.

Labiouse, C. L. (2004). Is there a real preferential detection of negative stimuli? A comment on Dijksterhuis and Aarts.(5), 364–365.

Liu, G., Xin, Z., & Lin, C. (2014). Lax decision criteria lead to negativity bias: Evidence from the emotional Stroop task.(3), 896–912.

Liu, X. Y., & He, D. B. (2019). Study on information propagation dynamics model and opinion evolution based on public emergencies.(5), 320–326.

[劉小洋, 何道兵. (2019). 基于突發(fā)公共事件的信息傳播動(dòng)力學(xué)模型與輿情演化研究.(5), 320–326.]

Liu, Z. M., & Liu, L. (2013). Public negative emotion model in emergencies based on aging theory.(1), 15–21.

[劉志明, 劉魯. (2013). 面向突發(fā)事件的民眾負(fù)面情緒生命周期模型.(1), 15–21.]

Mao, T. T., Jiang, G. W., Li, Y., Zhao, R., & Gao, K. (2019). Emotion communication characteristics of network hot events in the new media age.(4), 29?35, 96.

[毛太田, 蔣冠文, 李勇, 趙蓉, 高凱. (2019). 新媒體時(shí)代下網(wǎng)絡(luò)熱點(diǎn)事件情感傳播特征研究.4), 29?35, 96.]

Mesoudi, A. (2015). Cultural evolution: A review of theory, findings and controversies.(4), 481?497.

Mesoudi, A., & Thornton, A. (2018). What is cumulative cultural evolution?(1880)20180712

Mesoudi, A., & Whiten, A. (2008). The multiple roles of cultural transmission experiments in understanding human cultural evolution.(1509), 3489–3501.

Panagiotopoulos, P., Barnett, J., Bigdeli, A. Z., & Sams. S. (2016). Social media in emergency management: Twitter as a tool for communicating risks to the public., 86?96.

Procter, R., Crump, J., Karstedt, S., Voss, A., & Cantijoch, M. (2013). Reading the riots: What were the police doing on Twitter?(4), 413?436.

Rong, R., & Shu, R. (2017). A case study of Microblog opinion leaders and their public opinion expression in Tianjin "8·12" explosion accident based on SINA Weibo.(7), 7?10.

[榮榮, 舒仁. (2017). 天津“8·12”爆炸事故中的微博意見(jiàn)領(lǐng)袖及其輿論表達(dá)——以新浪微博為研究樣本., (7), 7?10.]

Rozin, P., & Royzman, E. B. (2001). Negativity bias, negativity dominance, and contagion.(4), 296?320.

Snodgrass, J. G., & Corwin, J. (1988). Pragmatics of measuring recognition memory: Applications to dementia and amnesia.(1), 34?50.

Stubbersfield, J. M., Flynn, E. G., & Tehrani, J. J. (2017). Chicken tumours and a fishy revenge: Evidence for emotional content bias in the cumulative recall of urban legends.(1-2), 12?26.

Tadi?, B., ?uvakov, M., Garcia, D., & Schweitzer, F. (2017). Agent-based simulations of emotional dialogs in the online social network myspace.207?229.

Wang, H. (2003). The cause of the group panic and its removal: Interpretation of group mentality from the spread of SARS.(3), 4?7.

[王歡. (2003). 群體恐慌心理的成因及其消彌——從"非典"流行事件解讀群體心理.(3), 4?7.]

Wang, J. Y., Gan, S. Q., Zhao, N., Liu, T. L., & Zhu, T. S. (2016). Chinese mood variation analysis based on Sina Weibo.(6), 815?824.

[汪靜瑩, 甘碩秋, 趙楠, 劉天俐, 朱廷劭. (2016). 基于微博用戶的情緒變化分析.(6), 815?824.]

Xie, Y., Qiao, R., Shao, G., & Chen, H. (2017). Research on Chinese social media users’ communication behaviors during public emergency events.(3), 740?754.

Xin, Z. Q., & Liu G. F. (2012). Experimental and non- experimental approaches to culture evolution study., 5?13.

[辛自強(qiáng), 劉國(guó)芳. (2012). 文化進(jìn)化的實(shí)驗(yàn)與非實(shí)驗(yàn)研究方法., 5?13.]

Yang, C. Z. (2020). Research of effect of information cascade on cognitive bias in network emergency.(2), 116?123.

[陽(yáng)長(zhǎng)征. (2020). 網(wǎng)絡(luò)突發(fā)事件中信息級(jí)聯(lián)對(duì)受眾認(rèn)知偏差的影響研究.(2), 116?123.]

Ye, J. Z., & She, L. (2012). The mechanism of internet emergency spread.(3), 1?5.

[葉金珠, 佘廉. (2012). 網(wǎng)絡(luò)突發(fā)事件蔓延機(jī)理研究.(3), 1?5.]

Zhang, K. (2015). Study on the happening, evolution and responding countermeasures to network emergency in china.(5), 43?47.

[張侃. (2015). 我國(guó)網(wǎng)絡(luò)突發(fā)事件的產(chǎn)生、演進(jìn)與應(yīng)對(duì)策略研究.(5), 43?47.]

Zhang, M., & Lu, J. M. (2013). The effects of emotional resilience on attentional bias in process of negative emotion information of adolescence.(1), 61?64.

[張敏, 盧家楣. (2013). 青少年負(fù)性情緒信息注意偏向的情緒彈性和性別效應(yīng).(1), 61?64.]

Zhao, N., Jiao, D., Bai, S., & Zhu, T. (2016). Evaluating the validity of simplified Chinese version of LIWC in detecting psychological expressions in short texts on social network services.(6), e0157947.

Zhu, Y. Z., Mao, W. B., & Wang, R. (2014). The neural mechanism of negative bias.(9), 1393?1403.

[朱永澤, 毛偉賓, 王蕊. (2014). 負(fù)性偏向的神經(jīng)機(jī)制.(9), 1393?1403.]

Negativity bias in emergent online events: Occurrence and manifestation

ZHANG Mei, DING Shuheng, LIU Guofang, XU Yazhen, FU Xinyuan, ZHANG Wei, XIN Ziqiang

(School of Sociology and Psychology, Central University of Finance and Economics, Beijing, 100081, China)(School of Economics and Management, Shanghai Maritime University, Shanghai, 201306, China)(School of Information, Central University of Finance and Economics, Beijing, 100081, China)(Department of Psychology, Renmin University of China, Beijing, 100872, China)

Nowadays, emergent online events have occurred frequently, because of the social transition and the development of social media. In the past, most of the research on emergent online events were theoretical analysis, and less attention was paid to the psychological mechanisms. The current research proposes that negativity bias, a common psychological phenomenon in human decision-making, is an important mechanism behind the network emergency and its propagation. In order to explore the occurrence and performance of negativity bias in emergent online events, three theoretical hypotheses were tested by three studies under the guidance of a theoretical model. Study 1 aimed to explore the information content bias in the source texts of emergent online events. 40 source texts of emergent online events in the period from 2016 to 2019 were collected through Baidu, Sina, Tencent and other major media platforms. The Chinese psychoanalysis Systemwas used to analyze the texts. In Study 2, a recognition memory experiment was conducted to explore the information processing bias of the source texts of emergent online events. 48 participants completed the single-factor (word nature: positive, neutral and negative) within-subjects experiment. The reading materials used in the experiment are from the corpus set up in Study 1. Positive, neutral and negative words were selected from the text by online word segmentation tool in advance, and the subjects were asked to recall whether the words appeared in the article in the subsequent memory experiment. Study 3 aimed to explore the transmission bias in the dynamic propagation of emergent online events. One hundred and twenty participants (Thirty transmission chains) took part in the transmission experiment. Word nature was a within-subjects variable, which can be divided into three levels: positive, neutral and negative. Intergenerational transmission was a between-subjects variable including four generations.Study 1 indicated that although all negative words did not dominate in the source texts of emergent online events, there are more negative words in the source texts of emergent online events than that of hot network events. Study 2 showed that the recognition accuracy of negative words was higher than that of positive words and neutral words. The analysis based on signal detection theory showed that the participants had higher discrimination and stricter decision-making criteria for negative words than positive and neutral words. Therefore, the negativity bias of the participants was mainly reflected in the fact that they were more likely to recognize negative words that are not in the text. Study 3 indicated that the survival rate of negative events was higher than that of positive events and neutral events, and that of positive events was higher than that of neutral events. The probability of negative interpretation of neutral events was higher than that of positive interpretation. These results supported the negative advantages in the process of emergency transmission.The current study investigated the occurrence and manifestation of negativity bias, an important psychological function formed in the process of human evolution, during the brewing, breaking out, and spreading process of network emergency. That is, the negativity bias did not only originate from the source texts of emergent online events but also from the process of individual information processing and interpersonal information transmission. This is manifested in the higher recognition accuracy, higher discrimination, sightly tight decision-making criteria for negative words, the higher survival rate of negative events, as well as negative resolution of ambiguous events. This research is conducive to understanding the law of information dissemination of emergent online events, scientific response to the crisis of public opinion, and innovative network governance.

emergent online events, negativity bias, memory, transmission chain experiment, cultural evolution

2021-02-04

國(guó)家自然科學(xué)基金項(xiàng)目(72004244, 71874215, 72061147005); 國(guó)家社會(huì)科學(xué)基金項(xiàng)目(20CSH030); 教育部人文社會(huì)科學(xué)研究規(guī)劃基金資助(19YJCZH253); 北京市自然科學(xué)基金資助項(xiàng)目(9194031); 中央財(cái)經(jīng)大學(xué)“青年英才”培育支持計(jì)劃(QYP202110); 中央財(cái)經(jīng)大學(xué)科研創(chuàng)新團(tuán)隊(duì)支持計(jì)劃資助項(xiàng)目; 中央財(cái)經(jīng)大學(xué)一流學(xué)科建設(shè)項(xiàng)目。

辛自強(qiáng), E-mail: xinziqiang@sohu.com

B849: C91