葉勇豪 許 燕 朱一杰 梁炯潛 蘭 天 于 淼

(1北京師范大學心理學院, 北京 100875) (2北京師范大學應(yīng)用實驗心理北京市重點實驗室, 北京 100875)

(3 Deparment of Computer Science and Engineering, The Ohio State University, Columbus, OH 43210 U.S.A)

1 問題提出

隨著Web 2.0時代的到來, 在線社交媒體憑借其開放性、交互性和實時性等特點獲得了空前的發(fā)展。微博作為國內(nèi)最具代表性的在線社交媒體之一,自2009年成立以來, 短短5年內(nèi)已累積超過5億用戶, 每天產(chǎn)生或轉(zhuǎn)發(fā)微博數(shù)達1億多條。通過微博平臺, 人們可以進行在線互動, 并自由公開地對時事熱點表達自己的觀點和情感。微博產(chǎn)生的海量在線文本信息包含了人類豐富的心理過程, 逐漸成為社會科學研究的新寵(樂國安, 董穎紅, 陳浩, 賴凱聲, 2012)。與此同時, 大數(shù)據(jù)研究方法的蓬勃發(fā)展也為進行在線文本分析提供了方法論上的支持。

2011年7月23日晚, 中國浙江省溫州市發(fā)生了一起動車相撞的突發(fā)公共事件, 造成200多人傷亡。民眾對此事故的關(guān)注強度和反饋的積極性可謂空前, 尤其是在社交網(wǎng)絡(luò)上。國務(wù)院對溫州動車事故的調(diào)查報告顯示, “導(dǎo)致事故發(fā)生的原因是：通號集團所屬通號設(shè)計院在 LKD2-T1型列控中心設(shè)備研發(fā)中管理混亂, 通號集團作為甬溫線通信信號集成總承包商履行職責不力, ……上海鐵路局有關(guān)作業(yè)人員安全意識不強, 在設(shè)備故障發(fā)生后, 未認真正確地履行職責, 故障處置工作不得力, 未能起到可能避免事故發(fā)生或減輕事故損失的作用。”根據(jù)此調(diào)查報告所述, 首先, 該突發(fā)事件性質(zhì)上屬于“人禍”, 事故主要是由鐵道部門組織和管理不善所造成的; 其次, 有關(guān)部門在事故后續(xù)的處理過程中,出現(xiàn)了不負責任的態(tài)度和行為; 另外, 微博這一社交工具的普及, 為廣大民眾提供了一個信息共享、觀點表達和情緒宣泄的平臺。這三個因素共同導(dǎo)致了民眾通過微博對動車事故及其社會衍生事件的熱切關(guān)注。

動車事故帶來了一系列社會衍生事件, 這些事件在事故發(fā)生后不同時段, 伴隨著有關(guān)部門對動車事故的處理而相繼出現(xiàn)(如圖 1), 并在微博上引起了民眾不同程度的反應(yīng)。例如, 事故發(fā)生后的第二天, 新聞發(fā)布會上王勇平被問及為何在官方宣布無生命跡象后救出幼童“小伊伊”時, 發(fā)表了“這是個奇跡, 不管你信不信, 反正我是信了！”這種在民眾看來是不負責任的言論。網(wǎng)民對此口誅筆伐, 該言論也一度成為網(wǎng)民調(diào)侃、揶揄鐵道部門的流行語。除此之外, 還出現(xiàn)了其它一些事情, 如網(wǎng)傳意籍乘客獲得了高于本國乘客的巨額賠償引發(fā)了群眾的憤懣之情, 小伊伊家屬發(fā)布網(wǎng)絡(luò)公開信后網(wǎng)民為小伊伊的不幸遭遇而深表同情等。在這些與動車事件相關(guān)的微博中, 針對不同的事件網(wǎng)民表達的情緒也不同。這是因為動車事故發(fā)生后, 政府的行為所涉及的有關(guān)權(quán)威、責任、公平、傷害等問題屬于人類基本道德范疇, 政府的行為實際上關(guān)聯(lián)著不同的道德基礎(chǔ)(moral foundation), 從而可能誘發(fā)相應(yīng)的道德情緒(Haidt, 2003)。

圖1 動車事故衍生事件的時間軸

1.1 道德基礎(chǔ)理論

Shweder, Much, Mahapatra 和 Park (1997)認為道德、情緒和軀體聯(lián)系是隨文化環(huán)境改變而改變的道德準則(moral code)的伴隨產(chǎn)物, 他提出3種道德準則(“Big Three” model)——公共性(community)、自治性(autonomy)和神性(divinity)。公共性包括個人對群體的責任、等級意識等社會規(guī)范。自治性包括不得傷害他人權(quán)利和正義等道德規(guī)范, 這些規(guī)范使得個體選擇和意志得以實現(xiàn)。神性道德則包括遵守宗教教義和傳統(tǒng)文化規(guī)范, 以保證靈魂的純潔性和自然的秩序, 避免墮落。Haidt和 Joseph (2004)對Shweder等人的理論進行了延伸, 結(jié)合進化心理學和人類學的研究方法提出了和這3種道德準則對應(yīng)的5組與生俱來的道德基礎(chǔ), 稱為道德基礎(chǔ)理論(moral foundation theory, MFT), 它們分別是傷害/關(guān)心(harm/care), 公平/互惠(fairness/reciprocity),內(nèi)群體/忠誠(in-group/loyalty), 權(quán)威/尊重(authority/respect), 純潔/圣潔(purity/sanctity)。傷害/關(guān)心是指對他人的關(guān)愛和保護, 與進化而來的依戀系統(tǒng)有關(guān),是一種對他人痛苦的感知力。公平/互惠是指根據(jù)共享規(guī)范表達正義, 與進化而來的利他主義有關(guān)。內(nèi)群體/忠誠是指與內(nèi)群體的規(guī)范保持一致, 與我們從部落文明到聯(lián)盟的文化歷史有關(guān), 是愛國主義和群體自我犧牲的基礎(chǔ)。權(quán)威/尊重是指遵從傳統(tǒng)和合法權(quán)威。它形成于靈長類動物的社會交往等級, 是領(lǐng)導(dǎo)力的基礎(chǔ)。與包含尊敬、責任、羨慕和服從等元素的社會等級相關(guān)。純潔/圣潔是對美好的食物、行為等事物的生理和心理反應(yīng), 是宗教觀念的基礎(chǔ)。

1.2 道德情緒

對于情緒的起源有兩種觀點, 一種認為情緒是自然選擇的結(jié)果(Ekman & Friesen, 1971), 另一種則認為它是社會化的結(jié)果, 是文化塑造的產(chǎn)物(Averill,1980)。而大部分學者比較認同的觀點是, 情緒既有進化的基礎(chǔ), 又是社會建構(gòu)的結(jié)果, 與生俱來的情緒是基本情緒, 而那些受到后天社會文化影響而形成的則屬于非基本情緒(Ciompi & Panksepp, 2005),其中道德情緒屬于后者。道德情緒(moral emotion)是指個體根據(jù)一定的道德標準評價自己或他人行為和思想時所產(chǎn)生的情緒(周詳, 楊治良, 郝雁麗,2007)。它能激發(fā)個體做出對他人或整個社會有利行為的情緒性反應(yīng)(Haidt, 2003; Pagano & Huo,2007)?；厩榫w(basic emotion)則是指對自身軀體狀態(tài)感知而產(chǎn)生的情緒性反應(yīng)(Ekman, 1994)?？梢?基本情緒具有明顯的動物性(animalistic)和利己性(self-serving), 而道德情緒最大的特點是社會性(social)和利群性(group-serving, Ekman, 1993)。可以說道德情緒是人類區(qū)別于其他物種的重要特征之一, 且其出現(xiàn)和發(fā)展均晚于基本情緒, 是一類高級的社會情緒(Haidt, 2003)。此外, 就情緒的分類而言,基本情緒一般采用Ekman的“大六(Big Six)”基本情緒論, 將基本情緒分為憤怒、厭惡、恐懼、快樂、悲傷和驚訝六種情緒(Ekman, 1994)。而對于道德情緒, 學者們傾向于認為不同道德情緒可以按其特點歸為幾大類(Shweder, 1994; Wierzbicka, 1992)。Ekman (1993)稱之為“情緒簇(emotion family)”。本文將依照 Haidt(2003)的觀點, 沿用情緒簇的概念,將道德情緒分為譴責他人(other-condemning)、自我意識(self-conscious)、他人遭遇(other-suffering)、贊美他人(other-praising)以及其他情緒這幾種不同的情緒簇?；厩榫w和道德情緒二者的主要區(qū)別整理如表1所示。

表1 基本情緒和道德情緒的主要區(qū)別

1.3 道德基礎(chǔ)與道德情緒的關(guān)系

根據(jù)道德基礎(chǔ)理論, 有學者提出與道德準則(autonomy/community/divinity)和道德基礎(chǔ)對應(yīng)的三種道德情緒——憤怒(anger), 厭惡(disgust)和鄙視(contempt), 簡稱 CAD道德情緒理論(Rozin,Lowery, Imada, & Haidt, 1999)。道德情緒是由于違反人類不同的道德基礎(chǔ)所產(chǎn)生的(Schnall, Haidt,Clore, & Jordan, 2008)。自治性對應(yīng)道德基礎(chǔ)理論中的“關(guān)心/傷害”和“公平/互惠”, 違反這兩個道德基礎(chǔ)都會誘發(fā)憤怒情緒。公共性則對應(yīng)“權(quán)威/尊重”和“內(nèi)群體/忠誠”, 違背這兩種道德基礎(chǔ)會誘發(fā)鄙視情緒。而與神性相關(guān)的道德基礎(chǔ)則是“純潔/圣潔”,違反此類道德基礎(chǔ)會誘發(fā)厭惡情緒(Haidt & Joseph,2004)。Haidt(2003)隨后又對道德準則、道德基礎(chǔ)和道德情緒的對應(yīng)關(guān)系進行了完善, 認為違反“傷害/關(guān)心”會同時誘發(fā)對遭受苦難者的同情和對傷害者的憤怒。(道德基礎(chǔ)與道德情緒的對應(yīng)關(guān)系見表2)

基于上述現(xiàn)實背景和理論背景, 本研究主要探討動車事故發(fā)生后網(wǎng)民道德情緒特點。

分析網(wǎng)絡(luò)文本的情緒特點, 常用的方法是情感分析(sentiment analysis), 即通過各種數(shù)據(jù)挖掘技術(shù)對文本中不同的情緒進行分析(Chaovalit & Zhou,2005)。以往情感分析多采用正負情緒或基本情緒作為情緒分類標準(Li & Xu, 2014)。然而, 已有研究發(fā)現(xiàn), 相對于基本情緒而言道德情緒具有更強的行為預(yù)見性, 且個體能夠根據(jù)預(yù)期的情緒反應(yīng)來調(diào)整自己的實際行為(Tangney, Stuewig, & Mashek, 2007;Prinz, 2007)。而根據(jù)道德基礎(chǔ)理論(moral foundation theory, MFT)所述, 道德情緒是由于違反人類不同的道德基礎(chǔ)所產(chǎn)生的(Schnall, Haidt, Clore, & Jordan,2008)?？梢? 道德情緒在個體的道德基礎(chǔ)和道德行為間起著重要的調(diào)節(jié)作用(Krebs, 2008)。

表2 道德基礎(chǔ)與對應(yīng)的道德情緒

Sanfilippo, Mcgrath和Bell (2014)利用情感分析的方法建立恐怖暴力行為預(yù)警模型, 用以監(jiān)控和發(fā)現(xiàn)社交媒體中的恐怖暴力行為。另外一些學者則認為未來偵查恐怖分子的趨勢之一是對社交媒體的數(shù)據(jù)進行挖掘, 即將在線文本所包含的負性道德情緒(憤怒、鄙視和厭惡)的異常變化作為暴力事件的早期情感預(yù)警信號(early-warning emotional signals, Reid & Yakeley, 2014)。由此可見, 利用情感分析技術(shù)對社交媒體進行在線文本分析對于正確輿論引導(dǎo), 及早發(fā)現(xiàn)普通集群行為乃至恐怖暴力行為是互聯(lián)網(wǎng)時代下的一個必然趨勢。因此, 本研究將以道德情緒為分類標準對動車事故相關(guān)微博進行情感分析。

綜上, 本研究基于微博實時行為數(shù)據(jù), 利用大數(shù)據(jù)研究方法和傳統(tǒng)抽樣統(tǒng)計方法相結(jié)合的方式,通過兩個研究對“7·23動車事故”發(fā)生后的一系列社會衍生事件中網(wǎng)民的道德情緒特點及不同群體間的差異進行分析。其中, 研究一進行微博數(shù)據(jù)提取、數(shù)據(jù)預(yù)處理及情感分類, 并根據(jù)情感分析的情緒–時間趨勢圖的拐點, 選取與拐點對應(yīng)的若干事件進行進一步分析, 以揭露網(wǎng)民在不同事件中的情緒特點; 研究二以微博用戶為樣本單位, 以性別、VIP身份認證為群體分類標準, 探討各種道德情緒的群體差異。

2 研究1：網(wǎng)民道德情緒特征

2.1 研究1-1：情緒隨社會衍生事件的變化趨勢研究

2.1.1 研究方法

采用大數(shù)據(jù)研究中常用的數(shù)據(jù)挖掘技術(shù)和情感分析法對道德情緒變化趨勢進行分析。數(shù)據(jù)挖掘部分包括微博數(shù)據(jù)提取和數(shù)據(jù)預(yù)處理, 情感分析部分包括人工情感分類和采用機器學習法對數(shù)據(jù)集進行情感分類。具體步驟如下：

第一步：微博數(shù)據(jù)提取

(1) 微博數(shù)據(jù)

本研究利用新浪微博應(yīng)用程序接口(application programming interface, API) (網(wǎng)址: http://open.weibo.com/wiki/API%E6%96%87%E6%A1%A3/en ) 來獲取新浪微博數(shù)據(jù)。并根據(jù)時間軸, 利用若干開發(fā)者證書(developer IDs)來持續(xù)地進行實時微博的爬取。爬取的微博樣本包含許多無關(guān)微博, 因此, 本研究利用一系列動車事故相關(guān)的關(guān)鍵詞來提取微博。另外, 由于微博用戶對動車的關(guān)注度主要集中在動車發(fā)生后的 40天內(nèi), 本研究將爬取的時間區(qū)間設(shè)定為2011年7月23日到2011年9月1日。最終獲得94,562條有效微博。

(2) 微博用戶數(shù)據(jù)

為了對這些微博進行更進一步的分析, 還需要微博用戶的一些基本信息, 如性別和VIP認證信息等。但由于新浪微博應(yīng)用程序接口的速率限制, 共獲得21,466條微博對應(yīng)的微博用戶的個人信息。

第二步：數(shù)據(jù)預(yù)處理

由于新浪微博的內(nèi)容是中文表達, 需要對其進行中文分詞(word segmentation)。本研究運用結(jié)巴中文分詞工具(網(wǎng)址: https://github.com/fxsjy/jieba)。中文分詞的結(jié)果顯示, 有一些異常低頻或異常高頻的詞。前者可能由打字輸入錯誤或其它原因?qū)е?而后者則多是一些助詞或介詞。因此, 需要先對它們進行刪除, 然后再對每一條微博進行標注。

第三步：情感分類

按照大數(shù)據(jù)研究的一般思路, 本研究從總數(shù)據(jù)集中隨機抽取約1/10的數(shù)據(jù)(共10,006條微博)作為訓(xùn)練數(shù)據(jù)集(training dataset), 即用來訓(xùn)練模型或確定模型參數(shù)的數(shù)據(jù)集(Ripley, 1996)。余下的9/10數(shù)據(jù)(共 84,556條微博)稱為測試數(shù)據(jù)集(test dataset),它是為了測試已經(jīng)訓(xùn)練好的模型的推廣能力(Ripley, 1996)。情感分類包括人工情感標注和機器學習分類兩步。

(1) 人工情感標注

招募北京師范大學心理學專業(yè)學生 41名, 并對他們進行有關(guān)情緒評定工作的統(tǒng)一培訓(xùn), 培訓(xùn)主要包括兩方面內(nèi)容：第一, 分類標準。抽取訓(xùn)練數(shù)據(jù)集中的 1,000條微博進行情感標注, 先按 Haidt(2003)對道德情緒的分類標準, 包括譴責他人(憤怒、蔑視、厭惡)、他人遭遇(同情)、贊美他人(感激、崇敬)、自我意識(羞愧、尷尬、內(nèi)疚、自豪)以及愛、幸災(zāi)樂禍、后悔共 15種道德情緒。結(jié)果發(fā)現(xiàn), 除憤怒、厭惡、鄙視、愛、同情這5種道德情緒以外, 包含其他道德情緒的微博數(shù)量很少(如表3所示)。因此, 本研究采用這5種道德情緒作為人工情感標注的依據(jù), 對訓(xùn)練數(shù)據(jù)集中剩余的微博進行情感標注。第二, 評分標準。為了盡量減少專家評分的誤差, 首先從動車相關(guān)微博中隨機抽取100條, 分別讓41名專家對其進行試評, 41名專家對每條微博評分的平均分作為道德情緒評分標準示例。然后, 情緒評定專家對訓(xùn)練數(shù)據(jù)集中的微博按0～5分對其道德情緒強弱進行標注。最終, 訓(xùn)練數(shù)據(jù)集中每一條微博都會在 5種道德情緒中得到0～5的一個情緒值。根據(jù)該訓(xùn)練數(shù)據(jù)集, 再進行下一步的數(shù)據(jù)分類。

表3 各道德情緒占比(1,000條微博人工情感標注結(jié)果)

(2) 機器學習分類法

和傳統(tǒng)的人工分類方法不同, 本研究將采用機器學習的方法對文本進行自動分類, 彌補了人工分類無法對海量數(shù)據(jù)進行分類的缺陷。能夠分類的機器學習方法很多, 包括支持向量機(SVM)方法、決策樹方法(DT)和最大熵方法(MEM)等。然而, 本研究最終選擇了與任務(wù)要求十分契合的KNN方法。主要理由有：首先, KNN的特點是允許文本可以屬于多個分類(Pang & Lee, 2008), 即可以對多種情感進行統(tǒng)一分析而不需要對每個情感獨立做分類或回歸; 其次, 由于加權(quán)平均得到情感的數(shù)值是連續(xù)數(shù)值, 盡可能地保留了原有的信息, 而傳統(tǒng)的 0/1分類算法則會造成信息精度損失; 再次, 基于微博文本數(shù)據(jù)創(chuàng)建的特征向量與目標值(情緒評分)不是線性關(guān)系, 而 KNN比較適合用于非線性關(guān)系的分析; 最后, KNN算法復(fù)雜度比較低, 適合于像本研究這種樣本數(shù)量比較多的情況。

KNN方法的具體步驟如下：

首先, 對完成人工情感標注的微博采用頻率–逆向文件頻率法(TF-IDF), 為每一條微博建立一個基于權(quán)重的特征向量。這種加權(quán)方法增加那些較少出現(xiàn)在其他文件的詞的權(quán)重, 減少了那些在所有文檔都頻繁出現(xiàn)的詞。然后, 研究采用 KNN法對測試數(shù)據(jù)集中的樣本進行分類。即, 先根據(jù)其在訓(xùn)練數(shù)據(jù)集中的 K個最鄰近樣本的特征向量去搜索測試數(shù)據(jù)集中的每一條微博, 再以向量空間余弦相似度(cosine similarity)為矩陣, 來搜索 K個最鄰近樣本(此研究中, K值設(shè)定為5)。具體計算公式為：

2.1.2 結(jié)果分析

通過對整個測試數(shù)據(jù)集進行算法運算后, 所有微博在5種情緒分類上都有一個得分。為了在同一水平上比較各種情緒表達的相對強度, 對每種情緒在各個時間區(qū)間的平均分用“所有微博在該情緒上得分的總和/總微博數(shù)”表示, 并以24小時為一個時間單位, 畫出情緒–時間走勢圖(如圖2所示)。

圖2 情緒變化走勢圖

由情緒變化走勢圖可知, 憤怒、鄙視和厭惡三種情緒的變化趨勢幾乎是同步的, 愛和同情也基本趨同, 但與前三者變化方向恰恰相反。另外, 情緒走勢圖中出現(xiàn)許多“拐點”, 經(jīng)查對動車事故發(fā)生和發(fā)展的時間軸后, 發(fā)現(xiàn)這些“拐點”分別對應(yīng)不同的事件, 即不同性質(zhì)的事件主要誘發(fā)的道德情緒不同。從情緒表達的強度來看, 動車事故相關(guān)的微博所表達的情緒強度平均處于0.5～1.5的水平(5點評分)。

2.2 研究1-2：情緒“拐點”與事件關(guān)系的研究

研究1-1主要利用情感分析法對動車事故發(fā)生后40天內(nèi)的情緒變化特點進行了描述, 對圖1和圖2的分析發(fā)現(xiàn)：5種道德情緒呈現(xiàn)一定的規(guī)律性, 并且情緒走勢圖中出現(xiàn)的許多拐點與當時的社會衍生事件發(fā)生的時間相吻合(如圖3所示)。為了進一步探討不同道德情緒“拐點”與不同事件的關(guān)系, 需要結(jié)合傳統(tǒng)統(tǒng)計學方法對數(shù)據(jù)進行分析。

2.2.1 研究方法

由于“拐點”所在時間區(qū)間內(nèi)可能同時有不止一個事件發(fā)生, 因此本研究選擇典型的事件時須同時考慮以下兩個條件：其一, 該事件在其所在時間區(qū)間中的微博數(shù)占該時間區(qū)間總微博數(shù)的比例達到 70%; 其二, 該時間區(qū)間內(nèi)無其它與動車事故相關(guān)的重大社會衍生事件同時發(fā)生。根據(jù)這兩個條件,最終, 本研究按照事件發(fā)生的先后順序共選取如下3個典型事件作為研究點。它們分別是：王勇平發(fā)表不當言論(事件 1); 小伊伊家屬發(fā)表網(wǎng)絡(luò)公開信(事件 2); 網(wǎng)傳意籍乘客家屬獲巨額賠償(事件 3)。而其他幾個事件由于微博數(shù)所占比例過小或其所在時間區(qū)間內(nèi)有其他事件交疊發(fā)生的緣故, 未被納入研究。

招募心理學專業(yè)62名學生對這3個事件的性質(zhì)進行評定。其中, 認為每個事件涉及道德基礎(chǔ)的人數(shù)分別為55(88.71%), 53(85.48%)和57(91.94%),對各個事件具體對應(yīng)的道德基礎(chǔ)進行評定, 發(fā)現(xiàn)54人(87.10%)認為事件1包含的道德基礎(chǔ)是“權(quán)威/尊重”, 53人(85.48%)認為事件2包含的道德基礎(chǔ)為“傷害/關(guān)心”, 57人(91.94%)認為事件3包含的道德基礎(chǔ)為“公平/互惠”, 如表4所示。

可見, 王勇平發(fā)表不當言論(事件 1)對應(yīng)的道德基礎(chǔ)是“權(quán)威/尊重”; 小伊伊家屬發(fā)表網(wǎng)絡(luò)公開信(事件 2)對應(yīng)“傷害/關(guān)心”; 網(wǎng)傳意籍乘客家屬獲巨額賠償(事件3)則對應(yīng)“公平/互惠”。

為了分析不同事件和道德情緒的對應(yīng)關(guān)系, 本研究對每個事件前后半天的情緒評分進行比較。首先, 對各種情緒分別做兩時段的

t

檢驗, 以確定該事件發(fā)生前后的情緒平均值是否有顯著變化; 然后,對2個時段、5種情緒做2×5兩因素混合設(shè)計, 以確定該事件發(fā)生后哪種道德情緒占主導(dǎo)。

圖3 情緒拐點與社會衍生事件的對應(yīng)關(guān)系

2.2.2 結(jié)果分析

事件 1發(fā)生前后相比, 獨立樣本

t

檢驗(

df =

35,567)結(jié)果表明, 憤怒、鄙視和厭惡情緒顯著增高(

t

= 34.09,

p

< 0.001,

Cohen’d

= 0.36;

t

=32.150,

p

< 0.001,

Cohen’d

= 0.34;

t

= 36.73,

p

< 0.001,

Cohen’d

= 0.39), 同情和愛顯著降低(

t

= ?2.82,

p

= 0.005,

Cohen’d

= 0.03;

t

=?10.05,

p

< 0.001,

Cohen’d

= 0.11, 見表 5)。方差分析的結(jié)果表明, 鄙視情緒與其他4種情緒的兩兩比較與時間段的交互作用均顯著：與憤怒比較時,

F

(1, 35567) = 4.39,

p

= 0.036, η= 0.01;與同情比較時,

F

(1, 35567) = 362.49,

p

< 0.001, η=0.01; 與厭惡比較時,

F

(1, 35567) = 106.62,

p

<0.001, η= 0.01; 與愛比較時,

F

(1, 35567) = 637.23,

p

< 0.001, η= 0.02 (見表 6)。

表4 各事件與道德基礎(chǔ)之間的關(guān)系

表5 時間區(qū)間1、2情緒評分水平的差異分析

表6 情緒與時間的兩兩交互作用(以鄙視為對照)

這表明鄙視情緒隨時間的變化量與其他4種情緒隨時間的變化量存在顯著差異, 且鄙視情緒的增加量均高于其他4種情緒(如圖4)。

事件2發(fā)生前后相比, 獨立樣本

t

檢驗(

df

= 259)結(jié)果表明, 鄙視情緒顯著降低(

t

= ?3.57,

p

<0.001,

Cohen’d

= 0.44), 憤怒和厭惡變化不顯著(

t

= ?0.83,

p

= 0.407;

t

= ?1.66,

p

=0.098), 同情和愛顯著增高(

t

= 2.37,

p

=0.018,

Cohen’d

= 0.29;

t

= 3.44,

p

= 0.001,

Cohen’d

= 0.43, 如表 7)。方差分析的結(jié)果發(fā)現(xiàn), 同情和愛的比較與時間段的交互作用不顯著

F

(1, 259) = 0.60,

p

= 0.438,證明二者隨時間的變化量一致; 而這兩種情緒與剩余3種情緒的兩兩比較和時間段存在顯著的交互作用：同情與憤怒比較時,

F

(1, 259) = 4.35,

p

= 0.038,η= 0.02, 同情與鄙視比較時,

F

(1, 259) = 11.82,

p

=0.001, η= 0.04, 同情與厭惡比較時,

F

(1, 259) =6.25,

p

= 0.013, η= 0.02 (如表 8)。

圖4 估算邊際均值

愛與憤怒比較時,

F

(1, 259) = 8.45,

p

= 0.004,η= 0.03, 愛與鄙視比較時,

F

(1, 259) = 18.16,

p

<0.001, η= 0.07, 愛與厭惡比較時,

F

(1, 259) =11.31,

p

= 0.001, η= 0.04 (如表 9)。

這表明同情和愛隨時間的變化量與其他3種情緒隨時間的變化量存在顯著差異, 且同情和愛的增加量均高于其他3種情緒(如圖5)。

事件3發(fā)生前后相比, 獨立樣本

t

檢驗(

df =

327)結(jié)果表明, 憤怒情緒顯著增高(

t

= 4.26,

p

<0.001,

Cohen’d

=0.51), 鄙視和厭惡變化不顯著(

t

= 0.10,

p

= 0.921;

t

= 0.34,

p

= 0.73), 同情和愛顯著降低(

t

= ?2.10,

p

= 0.037,

Cohen’d

= 0.25;

t

= ?2.27,

p

= 0.025,

Cohen’d

=0.27, 如表 10)。

表7 時間區(qū)間43、44情緒評分水平的差異分析

表8 情緒與時間的兩兩交互作用(以同情為對照)

表9 情緒與時間的兩兩交互作用(以愛為對照)

圖5 估算邊際均值

表10 時間區(qū)間55、56情緒評分水平的差異分析

方差分析的結(jié)果發(fā)現(xiàn), 與憤怒情緒相比, 其他4種情緒的兩兩比較與時間段的交互作用均顯著,與愛比較時,

F

(1, 327) = 17.00,

p

< 0.001, η= 0.05;與鄙視比較時,

F

(1, 327) = 11.96,

p

= 0.001, η=0.04; 與厭惡比較時,

F

(1, 327) = 22.58,

p

< 0.001,η= 0.07; 與同情比較時,

F

(1, 327) = 16.59,

p

<0.001, η= 0.05 (如表 11)。

這表明憤怒情緒隨時間的變化量與其他4種情緒隨時間的變化量存在顯著差異, 且憤怒情緒的增加量均高于其他4種情緒(如圖6)。

表11 情緒與時間的兩兩交互作用(以憤怒為對照)

根據(jù)前文表4的結(jié)果可知, 王勇平發(fā)表不當言論事件(事件1)對應(yīng) “權(quán)威/尊重”道德基礎(chǔ); 小伊伊家屬發(fā)表網(wǎng)絡(luò)公開信事件(事件2)對應(yīng)“傷害/關(guān)心”;網(wǎng)傳意籍乘客家屬獲巨額賠償事件(事件 3)則對應(yīng)“公平/互惠”。而研究1的結(jié)果表明, 事件1主要誘發(fā)鄙視情緒, 事件2主要誘發(fā)同情和愛, 事件3主要誘發(fā)憤怒情緒。因此, 研究1的結(jié)果很好地證明了表2中道德基礎(chǔ)與道德情緒的對應(yīng)關(guān)系。

圖6 估算邊際均值

3 研究2：道德情緒的群體差異研究

研究1對網(wǎng)民道德情緒特點進行了描述, 結(jié)果符合道德基礎(chǔ)理論。然而, 當我們按照群體特征進行深入的探究時卻發(fā)現(xiàn), 道德情緒在不同的群體特征上呈現(xiàn)出一定的差異性。據(jù)41名專家反映, 在對訓(xùn)練數(shù)據(jù)集10,006條微博進行人工情感標注時, 發(fā)現(xiàn)男女用戶在對動車事故相關(guān)事件的情緒表達有較大不同。例如, 對于“小伊伊家屬發(fā)表網(wǎng)絡(luò)公開信”事件(事件2)女性用戶比男性用戶更傾向于表達憐憫之心, 而對于“網(wǎng)傳意籍乘客家屬獲巨額賠償”(事件 3)女性用戶似乎比男性用戶更憤怒。Lennon和 Eisenberg (1987)認為, 在人們的刻板印象中女性天生比男性更富有同情心。而主體間共識理論(intersubjective consensus)認為, 個人對群體中其他人觀念的認知, 可以形象表述為“我眼中他人對我/某種事物的看法”或“我認為他人對我/某種事物持有的觀點”。這種知覺到的群體規(guī)范, 也即主體間共享的規(guī)范或價值觀(intersubjective values)對人們行為的預(yù)測作用大于傳統(tǒng)研究中統(tǒng)計意義上的價值觀(statistical values, Wan, Chiu, Peng, & Tam, 2007)。根據(jù)該理論, 不管女性是否真的比男性更容易同情他人, 或者男性比女性更傾向于表達負性情緒, 只要人們普遍存在這種性別差異的刻板印象, 共享的社會規(guī)范就會驅(qū)使男女在同情及其他情緒表達上表現(xiàn)出應(yīng)有的差異。

計算機媒介溝通(computer-mediated communication, CMC)環(huán)境中有一定的匿名性(anonymity), 但微博VIP用戶群體和非VIP用戶群體的匿名程度不同。顯然, VIP用戶由于實名認證的規(guī)則, 其匿名程度很弱, 相反, 非 VIP群體則有較強的匿名性。去個性化效應(yīng)的社會認同模型(social identity model of deindividuation effects,SIDE)認為, 當環(huán)境匿名性(anonymity)較強時, 人們會策略性地調(diào)整自己的行為以符合所處內(nèi)群體的規(guī)范, 反之, 當環(huán)境匿名性較弱時, 人們又會策略性地調(diào)整自己的行為以符合一般社會群體的規(guī)范(Reicher, Spears, & Postmes, 1995)。Coffey和Woolworth (2004)比較了在匿名的網(wǎng)上論壇和公開集會條件下, 個體對罪犯的態(tài)度表達上的差異。他們發(fā)現(xiàn), 在匿名的網(wǎng)絡(luò)論壇中, 個體對罪犯表達了更多的偏見、憎恨和報復(fù), 然而在公開集會中, 這些陳述顯著減少。SIDE可以解釋這種差異, 因為網(wǎng)絡(luò)論壇的規(guī)則支持個體表達憎恨、報復(fù)的情緒和態(tài)度, 而網(wǎng)絡(luò)中的匿名性又加強了人們對這一規(guī)則的遵守; 但是在公開集會的條件下, 人們遵守的是保守的社會規(guī)則, 因此對罪犯的評價趨于緩和。在進行人工情感標注時, 我們也發(fā)現(xiàn)了這一規(guī)律。如,與“王勇平發(fā)表不當言論事件(事件 1)”相關(guān)的微博中, VIP用戶更多地用隱晦的嘲諷方式表達情緒,而非VIP用戶微博用語則比較偏激, 其中不乏一些不文明用語。

道德基礎(chǔ)理論的相關(guān)文獻中對道德情緒群體差異的探討并不多, 尤其是在CMC環(huán)境中。然而,生活在互聯(lián)網(wǎng)時代的我們卻不得不考慮網(wǎng)絡(luò)環(huán)境的特殊性, 以往許多基于現(xiàn)實環(huán)境的經(jīng)典心理學理論很可能在 CMC環(huán)境中有新的詮釋。因此, 為了探究道德情緒表達是否存在規(guī)律性的群體差異, 研究 2將探討不同性別群體及不同身份的用戶(VIP用戶和非VIP用戶)情緒表達的差異。

3.1 研究方法

對研究 1-1提取的微博用戶數(shù)據(jù), 包括 8,788個微博用戶的性別、VIP認證等個人信息以及匹配的21,466條微博的情緒評分進行分析。

3.2 結(jié)果分析

該研究以個體為樣本單位, 研究憤怒、同情、厭惡、愛、鄙視這5種情緒與個體的性別(0為女性,1為男性)、VIP認證(0為非VIP用戶, 1為VIP用戶)之間的關(guān)系。其中每種情緒研究兩個因變量, 一是該個體表達某情緒的傾向性(0為不表達, 1為表達), 二是該個體所有微博中各情緒評定的平均指數(shù), 即表達某情緒的強度。同時分析兩個因變量能從定性和定量兩個層面全面分析不同群體在情緒表達上的差異。我們認為一個人在表達某種情緒時,完全不表達與表達不僅存在著量上的區(qū)別, 有可能還存在質(zhì)上的差異。從0到非0的變化, 既可以看作量變, 也可以看作質(zhì)變。也就是說, 情緒評定為0的人, 有可能是他對這種情緒的表達量為 0, 也有可能是這個人根本不表達這種情緒。因此, 為了更全面地分析不同群體間表達情緒的差異, 我們不僅需要了解某些群體特征在表達情緒強弱上的差異,也有必要探索這些群體特征在表達情緒時是否存在質(zhì)的區(qū)別。

表10和表12分別為不同性別和不同身份群體(VIP用戶和非VIP用戶)在情緒表達傾向性上的差異, 是對性別(0為女性, 1為男性)與VIP認證(0為非VIP用戶, 1為VIP用戶)進行l(wèi)ogistic回歸得到的結(jié)果; 表11和表13分別為不同性別群體和不同身份群體(VIP用戶與非VIP用戶)在情緒表達程度上的差異, 是對性別與用戶身份進行穩(wěn)健極大似然估計(MLR)得到的結(jié)果。

3.2.1 男性和女性的情緒表達差異

由表12和表13的結(jié)果可知, 男性和女性在表達憤怒情緒的傾向性都是正向的, 即男性表現(xiàn)出憤怒的傾向性顯著高于女性(前者是后者的 1.49倍),而男性表現(xiàn)出憤怒情緒的程度也顯著高于女性; 對同情而言, 男性與女性在表達傾向上沒有顯著差異,而表達程度上女性顯著高于男性; 對于厭惡情緒,男性表現(xiàn)出該情緒的傾向性顯著高于女性(前者是后者的 1.36倍), 但二者在厭惡情緒的表達程度上沒有顯著差異; 對于愛, 男性表現(xiàn)出該情緒的傾向性顯著低于女性(前者是后者的0.81倍), 同時男性對該情緒的表達程度也顯著低于女性; 對于鄙視情緒, 男性表現(xiàn)出該情緒的傾向性顯著高于女性(前者是后者的 1.56倍), 同時男性對該情緒的表達程度也顯著高于女性。總的來說, 在負性情緒(憤怒、厭惡、鄙視)上, 男性普遍有更高的表達傾向和表達程度, 而在正性情緒(同情、愛)上, 女性有著更高的表達傾向和表達程度。

表12 男性和女性的情緒表達傾向差異

表13 男性和女性的情緒表達程度差異

3.2.2 不同身份(VIP用戶和非VIP用戶)的情緒表達差異

由表14和表15的結(jié)果可知, 不同身份(VIP用戶和非VIP用戶)在憤怒的表達傾向上無顯著差異。而在憤怒情緒的表達程度上, VIP用戶顯著低于非VIP用戶; 對于同情情緒, VIP用戶的表達傾向顯著高于非VIP用戶(前者為后者的1.29倍), 而在表達程度上, 二者沒有顯著差異; 在厭惡情緒上, VIP用戶的表達傾向顯著高于非 VIP用戶(前者為后者的1.15倍), 而在表達程度上, VIP用戶反而又顯著低于非VIP用戶; 對于愛, VIP用戶的表達傾向顯著高于非VIP用戶(前者為后者的1.36倍), 而在表達程度上, VIP用戶邊緣顯著地高于非 VIP用戶;在鄙視情緒上, VIP用戶的表達傾向與非VIP用戶沒有顯著差異, 而在表達程度上, VIP用戶則顯著低于非VIP用戶。

由上述結(jié)果可以發(fā)現(xiàn), VIP用戶在負性情緒的表達程度上均顯著低于非VIP用戶。但是VIP用戶在負性情緒的表達傾向上的效果并不一致。特別是在厭惡情緒中, 不同用戶身份在表達傾向與表達程度上的差異是相反的。這表明, VIP認證的用戶中可能存在一定的群體分化。另外, 不同用戶身份表達愛和同情的差異也沒有達到統(tǒng)計學上的顯著水平。因此, 本研究考慮對VIP用戶進行再分類, 然后單獨對新的分類進行情緒的表達傾向和程度的分析。

表14 不同用戶身份的情緒表達傾向差異

表15 不同用戶身份的情緒表達程度差異

3.2.3 不同VIP認證群體的情緒差異

通過檢查數(shù)據(jù)發(fā)現(xiàn), VIP認證的微博用戶中,有“藍 V”和“黃 V”之分, 前一類用戶是團體認證,后一類用戶是個人認證。由于團體VIP認證的用戶代表一個群體, 除了實名效應(yīng)之外, 還多了一層維護群體形象的職責。對中國人而言, 維護團體形象比起維護個人形象更加重要(黃光國, 胡先縉,2010)。因此, 本研究猜測VIP認證群體的效應(yīng)之所以不穩(wěn)定有可能與這兩類VIP用戶的差異有關(guān)。故將“黃 V”群體用戶編碼為1, “藍V”用戶為2, 進行各種情緒的分析。

對于情緒的二分變量, 采用交叉表的方法進行卡方分析, 結(jié)果如圖7所示; 對于情緒的均值變量,采用 Kruskal-Wallis單因素方差分析的方法, 結(jié)果如圖8所示。詳細結(jié)果分別如下：

對于憤怒, 在表達傾向上, 三類群體的差異為邊緣顯著(χ= 5.34,

df

= 2,

p =

0.069), 從趨勢上看,VIP認證個體最高, 非VIP用戶其次, VIP認證團體最低。在表達程度上, 三類群體的差異顯著(χ=10.14,

df

= 2,

p =

0.006)。兩兩比較發(fā)現(xiàn), 團體VIP用戶組的情緒強度平均等級顯著低于非 VIP用戶組(

Z

= 3.18,

p =

0.004)和個體VIP用戶組(

Z

= 3.05,

p =

0.007), 而后兩組之間沒有顯著差異(

Z

= 0.39,

p=

1.000)。

圖7 不同用戶身份的情緒表達傾向差異

圖8 不同用戶身份的情緒表達程度差異

對于同情, 在表達傾向上, 三類群體的差異顯著(χ= 25.02,

df

= 2,

p

< 0.001)。兩兩比較發(fā)現(xiàn), 個體VIP用戶組顯著高于非VIP用戶組(χ= 20.35,

df

= 1,

p

< 0.001), 團體VIP用戶組也顯著高于非VIP用戶組(χ= 5.81,

df

= 1,

p =

0.016), 而后兩組沒有顯著差異(χ= 2.00,

df

= 1,

p =

0.157)。在表達程度上, 三組沒有顯著差異(χ= 4.42,

df

= 2,

p =

0.110)。從趨勢上看, 團體VIP用戶組的情緒平均等級有可能高于其他兩組, 而其他兩組之間沒有差異。對于厭惡, 在表達傾向上, 三類群體的差異顯著(χ= 13.82,

df

= 2,

p =

0.001)。兩兩比較發(fā)現(xiàn), 個體VIP用戶組顯著高于非VIP用戶組(χ= 13.44,

df

= 1,

p

< 0.001)。而團體VIP用戶組與非VIP用戶組(χ= 0.14,

df

= 1,

p =

0.707)和個體 VIP 用戶組(χ=1.56,

df

= 1,

p =

0.211)均無顯著差異。在表達程度上, 三組也有顯著差異(χ= 7.02,

df

= 2,

p =

0.030)。兩兩比較發(fā)現(xiàn), 團體 VIP用戶組情緒的平均等級,顯著低于非VIP用戶組(

Z

= 2.48,

p =

0.040)和個體VIP用戶組(

Z

= 2.63,

p =

0.026), 而后兩組沒有顯著差異(

Z

= ?0.78,

p =

1.000)。對于愛, 在表達傾向上, 三類群體的差異顯著(χ= 33.89,

df

= 2,

p

< 0.001)。兩兩比較發(fā)現(xiàn), 個體VIP用戶組顯著高于非VIP用戶組(χ= 25.92,

df

=1,

p

< 0.001), 團體VIP用戶組也顯著高于非VIP用戶組(χ= 9.85,

df

= 1,

p =

0.002), 邊緣顯著高于個體VIP用戶組(χ= 3.77,

df

= 1,

p =

0.052)。而在表達程度上, 三組之間差異顯著(χ= 14.37,

df

= 2,

p=

0.001)。團體VIP用戶組的情緒平均等級顯著高于非VIP用戶組(

Z

= ?3.16,

p =

0.005)和個體VIP用戶組(

Z

= ?2.58,

p =

0.029)。而個體VIP用戶組顯著高于非VIP用戶組(

Z

= ?2.30,

p =

0.065)。對于鄙視, 在表達傾向上, 三類群體的差異顯著(χ= 7.56,

df

= 2,

p =

0.023)。兩兩比較發(fā)現(xiàn), 個體VIP用戶組顯著高于非VIP用戶組(χ= 7.10,

df

=1,

p =

0.008), 而團體VIP用戶組與非VIP用戶組(χ= 0.25,

df

= 1,

p =

0.616)和個體 VIP 用戶組(χ=1.36,

df

= 1,

p =

0.244)均無顯著差異。在表達程度上, 三組之間也有顯著差異(χ= 10.35,

df

= 2,

p =

0.006)。團體VIP用戶組的情緒平均等級顯著低于非VIP用戶組(

Z

= 3.19,

p =

0.004)和個體VIP用戶組(

Z

= 3.20,

p =

0.004), 而后兩組沒有顯著差異(

Z

= ?0.24,

p =

1.000)。

由上述結(jié)果, 結(jié)合圖7和圖8可知：在負性情緒的表達傾向上, 差異最大的是個體VIP用戶組與非VIP用戶組, 而團體VIP用戶組與這兩組差異不顯著; 但在負性情緒的表達程度上, 則是團體 VIP用戶組顯著低于其他兩組, 其他兩組沒有顯著差異。在正性情緒的表達傾向上, 團體VIP用戶組＞個體VIP用戶組＞非VIP用戶組的趨勢基本成立;在表達程度上, 團體VIP用戶組最大, 其他兩組差異不大的趨勢也基本成立。

比起非VIP用戶, VIP認證團體確實呈現(xiàn)出一定的規(guī)律性, 即負面情緒更少, 積極情緒更多。而VIP認證的個體在情緒的表達傾向上, 無論是負面還是正面的情緒, 都會增加; 在表達情緒的強度上,無論負面還是正面的情緒, 都與非VIP用戶差異不大。這也解釋了為何前一部分中, VIP認證對情緒的影響出現(xiàn)了不規(guī)律的現(xiàn)象。

4 討論

4.1 違反道德基礎(chǔ)誘發(fā)相應(yīng)道德情緒

依據(jù)道德基礎(chǔ)理論, 對事件性質(zhì)進一步分析發(fā)現(xiàn), 3個事件分別與幾種道德基礎(chǔ)相對應(yīng)：事件1(王勇平不負責言論)違反了“權(quán)威/尊重”; 事件2(“小伊伊”事件)違反了“傷害/關(guān)心”; 事件3(意籍乘客獲高額賠償)違反了“公平/互惠”。這與以往的研究結(jié)果基本一致, 即違反這 3種道德基礎(chǔ)將分別誘發(fā)鄙視、同情和憤怒這3種不同的道德情緒(Graham et al.,2013)。

“權(quán)威/尊重”道德基礎(chǔ)在人類社會形成之前就已經(jīng)出現(xiàn), 那些懂得在社會互動中準確解讀社會的等級性并與各個階層形成良好人際關(guān)系的人更具生存優(yōu)勢(Fiske, 1991)。而鄙視是指看不起對方且認為自己比對方在道德上高一籌(Ekman, 1994), 并在不同的社會形態(tài)下, 其表現(xiàn)方式各不相同(Haidt,2003)——在等級社會中, 鄙視表現(xiàn)為對對方的漠不關(guān)心, 認為不值得為其表達像憤怒這樣強烈的情緒; 在倡導(dǎo)平等的社會中, 則表現(xiàn)為對他人能力的質(zhì)疑, 或?qū)ζ涫欠駝偃嗡趰徫坏牟恍湃? 而在民主社會中, 鄙視則更多地表現(xiàn)為較低階層對較高階層的鄙視。現(xiàn)階段中國正處于多種社會形態(tài)并存的階段(陳新光, 錢海清, 2012), 面對王勇平不負責的言論, 處于較低階層的民眾對其代表的政府一方面表現(xiàn)出了道德優(yōu)越感, 另一方面又對其行政勝任力產(chǎn)生了質(zhì)疑, 因此產(chǎn)生了鄙視情緒。

“傷害/關(guān)心”道德基礎(chǔ)起源于對自己的小孩的遭遇、需求和悲傷的感知, 但這種感知會遷移到他人的小孩或小動物身上, 甚至是看到受傷害的成年人也會觸發(fā)該道德基礎(chǔ)(Graham et al., 2013), 進而誘發(fā)對受害者的同情, 有時候也會同時誘發(fā)對傷害者的憤怒情緒。動車事故后對年幼的“小伊伊”經(jīng)歷喪親、受傷并可能失去雙腿一系列的悲慘遭遇的感知, 屬于典型的“傷害/關(guān)心”道德基礎(chǔ)范疇。而“小伊伊家屬的公開信”以作為親歷者的家屬的角度講述了“小伊伊”在事故發(fā)生以來所遭遇的種種痛苦,引起了民眾對于“小伊伊”悲慘遭遇更為直接、強烈的感知, 微博上對此事較高的關(guān)注度也證明了這一點。然而, 與以往研究不同的是, 就“傷害/關(guān)心”道德基礎(chǔ)而言, 之前的研究大多基于先驗假設(shè)來研究“傷害/關(guān)心”與同情的關(guān)系(Haidt & Joseph, 2004),而并未提及愛這種道德情緒與“傷害/關(guān)心”的關(guān)系。而本研究采用大數(shù)據(jù)的研究方法發(fā)現(xiàn), 違反“傷害/關(guān)心”道德情緒會同時誘發(fā)愛和同情情緒。當然, 出現(xiàn)這種結(jié)果也有可能是因為微博文本中愛和同情這兩種情緒比較難進行嚴格區(qū)分所導(dǎo)致的。另外,道德基礎(chǔ)理論認為, 對于違反“傷害/關(guān)心”道德基礎(chǔ)的事件, 人們一方面表達對傷害者的憤怒情緒,另一方面則對遭遇傷害者表達同情(Graham et al.,2013)。本研究結(jié)果也支持了這一點——同情和愛在該事件所在時間區(qū)間占主導(dǎo), 其次是憤怒情緒。但由于憤怒的情境依賴性較強(Russell & Giner-Sorolla, 2011), 持續(xù)時間較短, 而此事件距離發(fā)現(xiàn)“小伊伊”相隔時間較長, 從而導(dǎo)致此事件誘發(fā)的憤怒情緒的強度不及同情和愛。實際上, 包含某一道德基礎(chǔ)的事件與道德情緒的對應(yīng)關(guān)系其實是相對的, 這是因為, 一方面, 網(wǎng)民對于現(xiàn)實事件的反應(yīng)具有延時性, 而這種延時性又導(dǎo)致該事件發(fā)生的時間區(qū)間包含對其他事件的情緒表達; 另一方面, 某一事件所對應(yīng)道德基礎(chǔ)也并非絕對, 例如, 包含“公平/互惠”道德基礎(chǔ)的事件從另一角度來看也會涉及“傷害/關(guān)心”。

“公平/互惠”道德基礎(chǔ)源于人類社會化初期日常生活合作、交換的博弈中 (Trivers, 1971)。那些能敏感地區(qū)分群體中的公平和互惠, 并能衍生相應(yīng)的道德情緒來驅(qū)使自己“一報還一報(tit for tat)”的人, 比起群體中那些獨來獨往和“以怨報德”的人更能適應(yīng)社會化生活(Frank, 1988), 而衍生的這種道德情緒便是憤怒。隨著人類社會的高度社會化, “公平/互惠”道德基礎(chǔ)的范疇已經(jīng)從僅僅和自己利害相關(guān)的內(nèi)群體社會活動演變成對外群體他人的行為或遭遇的感知(Graham et al., 2013)。在動車事故中,名為“中國秦火火”的網(wǎng)友在微博上制造的關(guān)于政府對意籍和本國遇難者施行賠償雙重標準的事件是典型的違反“公平/互惠”道德基礎(chǔ)的事件。盡管政府在數(shù)小時后便對此事進行了辟謠, 但由于憤怒是所有情緒中傳播最快、傳播范圍最廣的情緒之一(Fan, Zhao, Chen, & Xu, 2013), 加上政府的權(quán)威和公信力在處理整個動車事故的表現(xiàn)上已經(jīng)大打折扣, 該謠言依然引發(fā)了網(wǎng)民廣泛的憤怒情緒。

因此, 對人為因素導(dǎo)致的突發(fā)事件(“人禍”),政府有關(guān)部門應(yīng)根據(jù)對應(yīng)不同道德基礎(chǔ)的事件而采取恰當?shù)奶幚泶胧Ｊ紫? 在“人禍”突發(fā)事件已經(jīng)造成傷害后, 處理方式上應(yīng)避免違反“公平/互惠”或“權(quán)威/尊重”, 否則將引發(fā)網(wǎng)民的憤怒和鄙視情緒, 進而增加網(wǎng)絡(luò)暴力行為。其次, 如果發(fā)生了違反“公平/互惠”道德基礎(chǔ)的事件, 監(jiān)管部門應(yīng)提高對其監(jiān)管和處理的優(yōu)先級。這是因為憤怒情緒傳播迅速、范圍廣, 而且憤怒很容易轉(zhuǎn)化為線上、線下的集群行為和暴力行為。另外, 違反“傷害/關(guān)心”道德基礎(chǔ)的事件往往既引發(fā)對被傷害者的同情和關(guān)愛, 又會對傷害者產(chǎn)生憤怒情緒, 因此, 有關(guān)部門應(yīng)通過大眾傳媒手段將輿論重點引向?qū)Ρ粋φ叩年P(guān)注, 并減少對傷害者的討論。

4.2 道德情緒存在性別和身份的群體差異

有些研究發(fā)現(xiàn)道德情緒沒有性別差異(e.g.Batson et al., 2007), 有些則認為存在明顯的性別差異(e.g. Baron-Cohen, Knickmeyer, & Belmonte,2005; Rozin, Haidt, & McCauley, 1999; Wheelwright et al., 2006)。本研究的結(jié)果支持后者。相對于男性而言, 女性更傾向于表達同情和愛, 且情緒的強度更大。而男性則比女性更可能表達憤怒、鄙視和厭惡這些負性情緒, 且情緒強度也更大。然而, 這并不足以證明男女在道德情緒體驗上存在差異。因為在人們的刻板印象中, 女性天生比男性更富有同情心和愛心(Lennon & Eisenberg, 1987), 所以很可能是這種共享的性別認同(shared gender identification)造成道德情緒的性別差異(Bierhoff, 2005)。已有研究也支持了這一觀點(e.g. Nunner-Winkler, Meyer-Nikele, & Wohlrab, 2007)。在最新的研究中, 研究者綜述了以往利用自我報告法、實驗法以及 ERP和fMRI技術(shù)對同情情緒性別差異的研究發(fā)現(xiàn), 一方面, 男性和女性在道德情緒體驗上存在生理上的差異; 另一方面, 這種差異也受到社會學習和性別認同的調(diào)節(jié)(Christov-Moore, et al., 2014)。

在虛擬網(wǎng)絡(luò)中, 匿名性(anonymity)賦予了個人更自由空間去表達和宣泄自己的情緒, 而認證用戶(verified account)則因受制于一定的社會規(guī)范而更注重表達的恰當性。在一項研究中, 研究者對Facebook和 Disqus兩個社交和評論平臺進行內(nèi)容分析, 發(fā)現(xiàn)認證用戶比匿名用戶的表達更積極, 而匿名用戶比認證用戶表達的憤怒情緒和消極情緒更多(Omernick & Sood, 2013), 這與本研究的結(jié)果相一致。另外, 同為實名用戶, 團體VIP認證用戶比個體VIP認證用戶的群體身份更為凸顯, 導(dǎo)致團體 VIP認證用戶更傾向于表達同情和愛這類正性情緒。

基于道德情緒存在的群體差異, 首先, 網(wǎng)絡(luò)監(jiān)管部門應(yīng)該有針對性地對不同群體實施不同的管控力度, 提高監(jiān)管效率。其次, 社交媒體應(yīng)該開發(fā)更多不同等級的身份認證, 使大部分匿名用戶得到不同程度的認證, 從而促使其在網(wǎng)絡(luò)社交中表現(xiàn)得更文明、更理性。

4.3 研究意義與局限

首先, 本研究主要貢獻是將大數(shù)據(jù)技術(shù)運用于社會心理學中的道德情緒研究, 研究的新范式和經(jīng)驗對于今后運用大數(shù)據(jù)技術(shù)進行社會科學研究具有借鑒意義。其次, 應(yīng)用價值方面, 本研究以動車事故為例, 對人為因素導(dǎo)致的突發(fā)事件(“人禍”)誘發(fā)的道德情緒特點進行了分析, 發(fā)現(xiàn)“人禍”事故背景下, 不同性質(zhì)的事件誘發(fā)的道德情緒不同。為政府相關(guān)部門在“人禍”突發(fā)事件發(fā)生后如何采取恰當?shù)奶幚矸绞教峁┝搜芯恳罁?jù)。另外, 理論價值方面, 由于對于道德基礎(chǔ)理論中對道德情緒與道德基礎(chǔ)之間關(guān)系的探討, 以往的研究多基于傳統(tǒng)的紙筆測驗和實驗法對現(xiàn)實情境進行研究, 而本研究利用大數(shù)據(jù)技術(shù)對網(wǎng)絡(luò)環(huán)境下人們情感變化特點及群體差異進行了分析, 因此, 本研究采用大樣本對網(wǎng)絡(luò)環(huán)境中人們道德情緒和道德基礎(chǔ)關(guān)系的探討, 是對道德基礎(chǔ)理論有效的補充。

然而, 本研究依然存在不足之處。在數(shù)據(jù)上,由于隨著時間的推移事故產(chǎn)生的影響迅速降低, 使得在研究1-2中, 事件2和事件3的微博數(shù)相對較少, 一定程度上會增加犯二類錯誤的概率。在研究方法上, 一方面微博短文本特征關(guān)鍵詞數(shù)量少, 文本特征比較稀疏, 可能會在一定程度上妨礙挖掘特征之間的相互關(guān)聯(lián)。另一方面, 訓(xùn)練數(shù)據(jù)集采用的人工情感標注屬于他評而非用戶自評, 這種他評方式在一定程度上也會導(dǎo)致低估微博用戶的情緒水平。

在未來的研究中, 應(yīng)考慮納入一些有意義的因變量, 如集群行為、暴力行為的發(fā)生率, 親社會行為(捐款行為等), 甚至一些經(jīng)濟學指標等。利用格蘭杰因果檢驗(granger causality analysis)等方法深入探討道德情緒與行為之間的因果關(guān)系。其次, 可以嘗試建立“道德事件→道德情緒→道德行為”突發(fā)事件預(yù)警模型。這將有利于有關(guān)部門在突發(fā)事件發(fā)生之后對可能引發(fā)的行為進行監(jiān)控, 一方面, 能對網(wǎng)民的情緒進行正確引導(dǎo), 另一方面, 也有利于及時避免可能發(fā)生的惡性事件。

Averill, J. R. (1980). A constructivist view of emotion. In R.Plutchik & H. Kellerman (Eds.),

Emotion: Theory, research,and experience

(pp. 305–339). New York: Academic Press.Baron-Cohen, S., Knickmeyer, R. C., & Belmonte, M. K.(2005). Sex differences in the brain: Implications for explaining autism.

Science, 310

(5749), 819–823.Batson, C. D., Kennedy, C. L., Nord, L. A., Stocks, E. L.,Fleming, D. Y. A., Marzette, C. M.,... Zerger, T. (2007).Anger at unfairness: Is it moral outrage?.

European Journal of Social Psychology, 37

(6), 1272–1285.Bierhoff, H. W. (2005). The psychology of compassion and prosocial behaviour.

Compassion: Conceptualisations,research and use in psychotherapy

, 148-167.Chaovalit, P., & Zhou, L. (2005, January). Movie review mining: A comparison between supervised and unsupervised classification approaches. In

Proceedings of the 38th Annual Hawaii International Conference onSystem Sciences

(p. 112c). Big Island, HI, USA: IEEE.Chen, X. G., & Qian, H. Q. (2012). The research and inspiration of social risk prevention in megacities in the world.

Scientific Development,

(10), 21–29.[陳新光, 錢海清. (2012). 世界特大城市社會風險防范研究和啟示.

科學發(fā)展,

(10), 21–29.]Christov-Moore, L., Simpson, E. A., Coudé, G., Grigaityte, K.,Iacoboni, M., & Ferrari, P. F. (2014). Empathy: Gender effects in brain and behavior.

Neuroscience & Biobehavioral Reviews, 46

, 604–627.Ciompi, L., & Panksepp, J. (2005). Energetic effects of emotions on cognitions-complementary psychobiological and psychosocial findings. In R. Ellis & N. Newton (Eds.),

Consciousness & Emotion: Agency, Conscious Choice, and Selective Perception

(pp. 23–55). Amsterdam-Philadelphia:J. Benjamins Publishing Company.Coffey, B., & Woolworth, S. (2004). “Destroy the scum, and then neuter their families:” the web forum as a vehicle for community discourse?.

The Social Science Journal, 41

(1),1–14.Ekman, P., & Friesen, W. V. (1971). Constants across cultures in the face and emotion.

Journal of Personality and Social Psychology, 17

(2), 124–129.Ekman, P. (1993). Facial expression and emotion.

American Psychologist, 48

(4), 384–392.Ekman, P. (1994). Strong evidence for universals in facial expressions: A reply to Russell's mistaken critique.

Psychological Bulletin, 115

(2), 268–287.

Fan, R., Zhao, J., Chen, Y., & Xu, K. (2013). Anger is more influential than joy: Sentiment correlation in Weibo. arXiv preprint arXiv:1309.2402.

Fiske, A. P. (1991).

Structures of social life: The four elementary forms of human relations: Communal sharing, authority ranking, equality matching, market pricing

. New York:Free Press.Frank, R. H. (1988).

Passions within reason: The strategic role of the emotions

. New York: W. W. Norton & Co

.

Graham, J., Haidt, J., Koleva, S., Motyl, M., Iyer, R., Wojcik,S. P., & Ditto, P. H. (2013). Moral foundations theory: The pragmatic validity of moral pluralism.

Advances in Experimental Social Psychology, 47

, 55–130.Haidt, J. (2003). The moral emotions. In R. J. Davidson, K. R.Scherer, & H. H. Goldsmith (Eds.),

Handbook of affective sciences

(pp. 852–870). Oxford: Oxford University Press.Haidt, J., & Joseph, C. (2004). Intuitive ethics: How innately prepared intuitions generate culturally variable virtues.

Daedalus, 133

(4), 55–66.Hwang, K. K., & Hu, X. J. (2010).

Renqing and Face: Chinese power games

. Beijing, China: China Renmin University Press.[黃光國, 胡先縉. (2010).

人情與面子: 中國人的權(quán)力游戲

.北京: 中國人民大學出版社.]Krebs, D. L. (2008). Morality: An evolutionary account.

Perspectives on Psychological Science, 3

(3), 149–172.Lennon, R., & Eisenberg, N. (1987). Gender and age differences in empathy and sympathy. In

Empathy and its development

(pp. 195–217). New York: Cambridge University Press.Li, W. Y., & Xu, H. (2014). Text-based emotion classification using emotion cause extraction.

Expert Systems with Applications, 41

(4), 1742–1749.Nunner-Winkler, G., Meyer-Nikele, M., & Wohlrab, D. (2007).Gender differences in moral motivation.

Merrill-PalmerQuarterly, 53

(1), 26–52.Omernick, E., & Sood, S. O. (2013, September). The impact of anonymity in online communities. In

2013 International Conference on Social Computing (SocialCom)

(pp.526–535). Alexandria, VA: IEEE.Pagano, S. J., & Huo, Y. J. (2007). The Role of Moral Emotions in Predicting Support for Political Actions in Post‐War Iraq.

Political Psychology, 28

(2), 227-255.Pang, B., & Lee, L. (2008). Opinion mining and sentiment analysis.

Foundations and Trends in Information Retrieval,2

(1–2), 1–135.Prinz, J. (2007).

The emotional construction of morals.

Oxford:Oxford University Press.Reicher, S., Spears, R., & Postmes, T. (1995). A social identity model of deindividuation phenomena.

European Review of Social Psychology, 6

, 161–198.Reid, M, J., & Yakeley, J. (2014). The violent true believer as a “l(fā)one wolf”–psychoanalytic perspectives on terrorism.

Behavioral Sciences & the Law, 32

(3), 347–365.Ripley, B. D. (1996).

Pattern recognition and neural networks

.Cambridge: Cambridge University Press.Rozin, P., Haidt, J., & McCauley, C. R. (1999). Disgust: The body and soul emotion. In T. Dalgleish & M. Power (Eds.),

Handbook of cognition and emotion

(pp. 429–445). New York: John Wiley & Sons, Ltd.Rozin, P., Lowery, L., Imada, S., & Haidt, J. (1999). The CAD triad hypothesis: A mapping between three moral emotions(contempt, anger, disgust) and three moral codes (community,autonomy, divinity).

Journal of Personality and Social Psychology, 76

(4), 574–586.Russell, P. S., & Giner-Sorolla, R. (2011). Moral anger, but not moral disgust, responds to intentionality.

Emotion, 11

(2),233–240.Sanfilippo, A. P., Mcgrath, L. R., & Bell, E. B. (2014).

Computer modeling of violent intent: A content analysis approach

(No. PNNL–SA–91041). Pacific Northwest National Laboratory (PNNL), Richland, WA (US).Schnall, S., Haidt, J., Clore, G. L., & Jordan, A. H. (2008).Disgust as embodied moral judgment.

Personality and Social Psychology Bulletin, 34

, 1096–1109

.

Shweder, R. A. (1994). "You're not sick, you're just in love":Emotion as an interpretive system. In P. Ekman & R. J.Davidson (Eds.),

The nature of emotion: Fundamental questions

(pp. 32–44). New York: Oxford University Press.Shweder, R. A., Much, N. C, Mahapatra, M., & Park, L. (1997).The ‘Big Three’ of morality (autonomy, community,divinity) and the "Big Three" Explanations of Suffering. In A. M. Brandt & P. Rozin (Eds.),

Morality and health

(pp.119–169). New York: Routledge.Tangney, J. P., Stuewig, J., & Mashek, D. J. (2007). Moral emotions and moral behavior.

Annual Review of Psychology,58

, 345–372.Trivers, R. L. (1971). The evolution of reciprocal altruism.

The Quarterly Review of Biology, 46

, 35–57.Wan, C., Chiu, C. Y., Peng, S. Q., & Tam, K. P. (2007).Measuring cultures through intersubjective cultural norms:Implications for predicting relative identification with two or more cultures.

Journal of Cross-Cultural Psychology,38

(2), 213–226.Wheelwright, S., Baron-Cohen, S., Goldenfeld, N., Delaney, J.,Fine, D., Smith, R., … Wakabayashi, A. (2006). Predicting autism spectrum quotient (AQ) from the systemizing quotient-revised (SQ-R) and empathy quotient (EQ).

Brain Research, 1079

(1), 47–56.Wierzbicka, A. (1992).

Semantics, culture, and cognition.

New York: Oxford University Press.Yue, G. A., Dong, Y. H., Chen, H., & Lai, K. S. (2013). Online textual sentiment analysis technology and it’s applications.

Advances in Psychological Science, 21

(10), 1711–1719.[樂國安, 董穎紅, 陳浩, 賴凱聲. (2013). 在線文本情感分析技術(shù)及應(yīng)用.

心理科學進展, 21

(10), 1711–1719.]Zhou, X., Yang, Z. L., & Hao, Y. L. (2007). The limitation of rational learning: the enlightenment of moral emotion theory to the formation of morality.

Morals and Civilization,

(3), 57–60.[周詳, 楊治良, 郝雁麗. (2007). 理性學習的局限: 道德情緒理論對道德養(yǎng)成的啟示.

道德與文明

, (3), 57–60.]