劉昊

（四川外國(guó)語(yǔ)大學(xué)新聞傳播學(xué)院，重慶 400031）

1 引言

近年來(lái)互聯(lián)網(wǎng)尤其移動(dòng)互聯(lián)網(wǎng)的快速普及，微信、微博等社交媒體平臺(tái)成為人們?nèi)粘Ｉ缃弧@取新聞資訊、傳播熱點(diǎn)事件的重要渠道。以新浪微博為例，2018 年底月活躍用戶共4.62 億，日活躍用戶達(dá)到2 億。新浪微博日均文字發(fā)布量1.3 億，日均視頻直播發(fā)布量超過(guò)150 萬(wàn)條，日均回答問(wèn)題數(shù)超過(guò)5 萬(wàn)條（微博數(shù)據(jù)中心，2018）?；ヂ?lián)網(wǎng)用戶依托社交媒體平臺(tái)的關(guān)注和好友關(guān)系鑲嵌在虛擬網(wǎng)絡(luò)上。社交媒體滿足用戶對(duì)信息的多元需求，突破地域限制，通過(guò)轉(zhuǎn)發(fā)、點(diǎn)贊、評(píng)論，二次傳播用戶觀點(diǎn)或情感。研究發(fā)現(xiàn)網(wǎng)民個(gè)體之間信息傳播，帶有明顯的情緒宣泄性質(zhì)，傳播者的情緒越強(qiáng)，其信息傳播意愿越高（賴(lài)勝?gòu)?qiáng)，唐雪梅，2016）。社交媒體輿論事件的研究顯示，用戶的情感信息和意見(jiàn)要么影響了事件的走向，要么對(duì)事件的發(fā)展方向起決定性作用。因此傳統(tǒng)情感社會(huì)的研究不但應(yīng)引申到網(wǎng)絡(luò)空間，更應(yīng)該對(duì)社交媒體情感現(xiàn)象和問(wèn)題重點(diǎn)關(guān)照。本文選擇2018 年的長(zhǎng)生生物“假疫苗”事件作為研究案例，該事件被多家媒體報(bào)道并在社交媒體大量傳播，成為社會(huì)關(guān)注的輿論事件?！凹僖呙纭笔录杏写罅康那楦酗@現(xiàn)，在社交媒體上用戶關(guān)于事件的互動(dòng)頻繁，特別是情感的互動(dòng)有大量的行為數(shù)據(jù)用于研究。同時(shí)“假疫苗”事件影響特別巨大，具備涉及生存安全問(wèn)題、道德底線突破、公眾反映強(qiáng)烈等輿論熱點(diǎn)事件的一般特征。因此“假疫苗”事件個(gè)案的研究不但能夠?qū)Π咐旧碛休^深的情感探討，更能透過(guò)個(gè)案窺一斑而知全豹，發(fā)現(xiàn)輿論事件在社交媒體平臺(tái)情感傳播的一般規(guī)律。

2 文獻(xiàn)綜述與研究假設(shè)

現(xiàn)有的社交媒體輿論研究普遍將情感視為一個(gè)重要的影響因素。情感通常是指與人們的社會(huì)需要有關(guān)的體驗(yàn)，在意識(shí)的控制下，對(duì)穩(wěn)定的態(tài)度體驗(yàn)和行為反應(yīng)，有穩(wěn)定性、持久性、內(nèi)隱性、深刻性等特征（王有智，歐陽(yáng)侖，2003）。社交媒體不但是公眾表達(dá)情緒、發(fā)泄情緒的途徑；同時(shí)也是媒體動(dòng)員公眾參與并增強(qiáng)事件的社會(huì)影響力的手段（焦德武，2014）。比如在反腐議題的微博討論中，情緒化表達(dá)，特別是低喚醒度的負(fù)面情緒表達(dá)最為顯著（周莉，王子宇，胡珀，2018）。在群體中，每種感情和行動(dòng)都有傳染性、人群或者大眾的情緒成為人群中個(gè)體成員的情緒（古斯塔夫·勒龐）。在社交媒體發(fā)布的內(nèi)容中，關(guān)心、歉意和抱怨會(huì)產(chǎn)生典型情感影響（Suin Kim, JinYeong Bak, Alice Oh，2012）。文本內(nèi)容中包含的情感信息會(huì)對(duì)文本的被轉(zhuǎn)發(fā)、被關(guān)注的程度產(chǎn)生影響，情感信息影響信息接受者對(duì)信息本身的關(guān)注（紀(jì)雪梅，王芳，2015）。從傳播研究的視角來(lái)看，傳播是指?jìng)魇苤g通過(guò)信息共享建立共同意識(shí)的過(guò)程。情感基于接受者社會(huì)經(jīng)歷和文化背景中介作用，決定信息接收者的態(tài)度和意見(jiàn)。情感會(huì)顯著影響用戶的傳播行為，進(jìn)而影響輿論的形成。由傳播的定義推及情感傳播的定義，即基于情感流動(dòng)的傳受之間建立共同情感的過(guò)程，即情感趨同的過(guò)程。人際情緒的分享和情緒社會(huì)分享均會(huì)促進(jìn)情感趨同效應(yīng)的產(chǎn)生（孫俊才，盧家楣，2007；Strongman, Kenneth T，2003）。群體情感傳播會(huì)發(fā)生循環(huán)效應(yīng)，經(jīng)過(guò)反復(fù)循環(huán)加強(qiáng)后，群體內(nèi)某種情感會(huì)在群體之間逐漸達(dá)到同質(zhì)化（Eliot R.Smith, Frederica R. Conrey,2007）。文本或視頻是否包含情感信息或是否能喚醒情感信息會(huì)影響到其是否更易被分享（徐翔,2017）。不同種類(lèi)的情感，比如憤怒、恐慌、悲情,在群體聚合速度存在顯著差異(楊國(guó)斌,2009; Christopher K. Hsee, Elaine Hatfield, John G. Carlson,1990; Lars Kai Hansen, Adam Arvidsson, Finn Arup Nielsen, Elanor Colleoni, Michael Etter,2011)。因此研究中有必要對(duì)不同情感加以區(qū)分?，F(xiàn)有的社交媒體輿論的研究，情感是一個(gè)重要聚焦點(diǎn)且成果豐富。但對(duì)社交媒體情感趨同缺乏實(shí)證的分析，且在情感更細(xì)的分類(lèi)下情感趨同的研究仍待拓展。鑒于此，本文以情感細(xì)粒度測(cè)量作為研究工具，以新浪微博作為社交媒體平臺(tái)研究對(duì)象進(jìn)行情感趨同現(xiàn)象研究的擴(kuò)展。

情感實(shí)證研究的難點(diǎn)在于情感的分類(lèi)和測(cè)量，情感的分類(lèi)實(shí)證研究多停留在正負(fù)層面。情感的分類(lèi)有“七情說(shuō)”分類(lèi)、6 類(lèi)分類(lèi)、8 類(lèi)分類(lèi)和18 類(lèi)分類(lèi)(林傳鼎,2006;Ekman P,1993)。除以上一維的分類(lèi)方式，情感有多維度的分類(lèi)方式?；谖谋痉?hào)的情感測(cè)量大多通過(guò)機(jī)器學(xué)習(xí)（Picard R W,Picard R,1997）或情感詞典（王勇，呂學(xué)強(qiáng)，姬連春，肖詩(shī)斌，2014）實(shí)現(xiàn)。考慮研究的可對(duì)比性和可執(zhí)行性，選擇大連理工情感詞本體庫(kù)作為工具（徐琳宏，林鴻飛，潘宇，任惠，陳建美，2008），將情感分為三個(gè)等級(jí)分類(lèi)（見(jiàn)表1）。社交媒體平臺(tái)文本是用戶情感表露的符號(hào)和載體，評(píng)論與轉(zhuǎn)發(fā)是社交媒體信息傳播的通道，情感傳播的過(guò)程與情感趨同的結(jié)果自然可以通過(guò)文本的觀測(cè)得以檢驗(yàn)?；诳梢詼y(cè)量情感細(xì)粒度的級(jí)別，結(jié)合文獻(xiàn)討論，論文提出如下研究假設(shè)：

表1 情感三級(jí)分類(lèi)表

研究假設(shè)1 同級(jí)同分類(lèi)微博文本情感強(qiáng)度與微博評(píng)論情感強(qiáng)度正相關(guān)。

研究假設(shè)1.1 微博文本情感強(qiáng)度與微博評(píng)論情感強(qiáng)度正相關(guān)。

研究假設(shè)1.2 同類(lèi)情感微博文本一級(jí)分類(lèi)情感強(qiáng)度與微博評(píng)論一級(jí)分類(lèi)情感強(qiáng)度正相關(guān)。

研究假設(shè)1.3 同類(lèi)情感微博文本二級(jí)分類(lèi)情感強(qiáng)度與微博評(píng)論二級(jí)分類(lèi)情感強(qiáng)度正相關(guān)。

研究假設(shè)1.4 同類(lèi)情感微博文本三級(jí)分類(lèi)情感強(qiáng)度與微博評(píng)論三級(jí)分類(lèi)情感強(qiáng)度正相關(guān)。

研究假設(shè)2 同級(jí)同分類(lèi)微博文本情感強(qiáng)度與轉(zhuǎn)發(fā)配文本情感強(qiáng)度正相關(guān)。

研究假設(shè)2.1 微博文本情感強(qiáng)度與微博轉(zhuǎn)發(fā)配文本情感強(qiáng)度正相關(guān)。

研究假設(shè)2.2 同類(lèi)情感微博文本一級(jí)分類(lèi)情感強(qiáng)度與微博轉(zhuǎn)發(fā)配文本一級(jí)分類(lèi)情感強(qiáng)度正相關(guān)。

研究假設(shè)2.3 同類(lèi)情感微博文本二級(jí)分類(lèi)情感強(qiáng)度與微博轉(zhuǎn)發(fā)配文本二級(jí)分類(lèi)情感強(qiáng)度正相關(guān)。

研究假設(shè)2.4 同類(lèi)情感微博文本三級(jí)分類(lèi)情感強(qiáng)度與微博轉(zhuǎn)發(fā)配文本三級(jí)分類(lèi)情感強(qiáng)度正相關(guān)。

研究假設(shè)3 情感博弈過(guò)程中社交媒體輿論事件的各級(jí)情感結(jié)構(gòu)會(huì)趨于穩(wěn)定。

3 數(shù)據(jù)提取與清洗

新浪微博數(shù)據(jù)采集選擇火狐瀏覽器6.0編寫(xiě)腳本實(shí)現(xiàn)，時(shí)間范圍為2018年7月15日0點(diǎn)至2018年8月9日24點(diǎn)，每隔兩個(gè)小時(shí)采集一次數(shù)據(jù)。微博內(nèi)容的提取使用關(guān)鍵詞檢索，主要關(guān)鍵詞包括“假疫苗”“毒疫苗”“問(wèn)題疫苗”“長(zhǎng)生生物”“狂犬疫苗”“武漢生物”“問(wèn)題疫苗”“高俊芳”等詞。使用關(guān)鍵詞交叉組合篩選目標(biāo)事件相關(guān)微博。在數(shù)據(jù)清洗剔除錯(cuò)誤和重復(fù)數(shù)據(jù)后共計(jì)得到有效微博223903條和微博賬號(hào)166739個(gè)，并采集了微博賬號(hào)公開(kāi)的屬性標(biāo)簽。數(shù)據(jù)入庫(kù)前對(duì)采集的賬號(hào)數(shù)據(jù)進(jìn)行了匿名化脫敏處理。使用采集的數(shù)據(jù)繪制以天為單位微博數(shù)量時(shí)序圖與“假疫苗”百度指數(shù)波動(dòng)曲線類(lèi)似，兩者數(shù)據(jù)能夠交叉印證，數(shù)據(jù)質(zhì)量可靠。

4 核心概念測(cè)量

情感強(qiáng)度既是核心概念也是研究的基礎(chǔ)工具?？紤]研究的可對(duì)比性和詞庫(kù)的成熟性，選擇大連理工林鴻飛教授的中文情感詞匯本體庫(kù)，使用詞典標(biāo)注的方式進(jìn)行情感的計(jì)算。為提升情感計(jì)算的準(zhǔn)確度。在基礎(chǔ)情感詞典的基礎(chǔ)上，引入程度副詞詞典、連詞詞典、否定詞詞典用于處理情感詞的強(qiáng)化或弱化、情感文本的反向。情感計(jì)算分為詞語(yǔ)級(jí)、句子級(jí)和語(yǔ)篇級(jí)。情感強(qiáng)度三級(jí)測(cè)量分類(lèi)匯總，低級(jí)情感強(qiáng)度分類(lèi)匯總后得到上一級(jí)情感強(qiáng)度。

4.1 詞語(yǔ)情感強(qiáng)度

公式（1）是詞語(yǔ)情感強(qiáng)度的計(jì)算，依據(jù)情感詞典查出情感的強(qiáng)度和正負(fù)極性。考慮程度副詞的權(quán)重，并對(duì)程度副詞和情感強(qiáng)度進(jìn)行min-max映射。E(w)是單個(gè)情感詞的情感強(qiáng)度。S(w)是情感詞在情感詞表中的強(qiáng)度值。P(w)是情感詞的情感極性。P(w)的取值存在四種情況，情感詞是中性詞P(w)=0，情感詞是褒義詞P(w)=1，情感詞是貶義詞P(w)=-1，情感詞是褒貶兩性詞P(w)=0。w(da)為程度詞副詞權(quán)重（徐琳宏，林鴻飛，楊志豪，2007；藺璜，郭姝慧，2003；陳國(guó)蘭，2016）。

4.2 句子情感強(qiáng)度

公式（2）是將句子中的情感詞，按情感強(qiáng)度，對(duì)否定詞進(jìn)行情感取反，對(duì)不同的句型、感嘆句、反問(wèn)句進(jìn)行句型權(quán)重min-max 標(biāo)準(zhǔn)化引入。E(s)是句子的情感強(qiáng)度。E(w)是單個(gè)情感詞情感強(qiáng)度。n是句子情感詞的數(shù)量。m是句子否定詞出現(xiàn)的次數(shù)。W(s)情感詞句型結(jié)構(gòu)權(quán)重，處理感嘆、反問(wèn)等情況，疑問(wèn)句W(s)值為-1，感嘆句以一個(gè)感嘆號(hào)結(jié)尾W(s)值為1.5，感嘆句以多個(gè)感嘆號(hào)結(jié)尾W(s)值為2，反問(wèn)句W(s)值為-1.5(劉玉嬌，琚生根，伍少梅，蘇翀，2015)。W(na)是否定詞權(quán)重，存在否定詞其值是0.8，否則其值是1（張成功，劉培玉，朱振方，方明，2012）。

4.3 段落情感強(qiáng)度

4.4 二級(jí)情感強(qiáng)度分類(lèi)匯總

公式（4）—（10）實(shí)現(xiàn)三級(jí)情感強(qiáng)度向二級(jí)情感強(qiáng)度的匯總，計(jì)算方法按三級(jí)情感分類(lèi)層級(jí)關(guān)系，逐層累加，累加結(jié)果除以用戶微博參與次數(shù)以剔除用戶參與頻次對(duì)強(qiáng)度的影響。

4.5 一級(jí)情感強(qiáng)度分類(lèi)匯總

公式（11）—（13）實(shí)現(xiàn)二級(jí)情感強(qiáng)度向一級(jí)情感強(qiáng)度的匯總，計(jì)算方法按三級(jí)情感分類(lèi)層級(jí)關(guān)系，層層累加。最終正向情感強(qiáng)度與負(fù)向情感強(qiáng)度的累加，得到總的情感強(qiáng)度值。

5 分析過(guò)程

對(duì)全部采集到的微博文本進(jìn)行情感強(qiáng)度的計(jì)算，繪制“假疫苗”事件二級(jí)、三級(jí)情感強(qiáng)度分布旭日?qǐng)D如圖1所示。從圖1可以看出“假疫苗”事件中二級(jí)主導(dǎo)情感是“惡”和“好”，其次“哀”和“懼”。其中“惡”和“好”特別強(qiáng)烈，位于第一陣營(yíng)，“哀”和“懼”相對(duì)強(qiáng)烈位于第二陣營(yíng)。在“惡”的下屬情感中，“貶責(zé)”“憎惡”是主導(dǎo)型情感。對(duì)采集的文本分詞后發(fā)現(xiàn)，“假疫苗事件”語(yǔ)料“貶責(zé)”高頻情感詞：涉嫌、背后、違規(guī)、危害、害人，“假疫苗事件”語(yǔ)料“憎惡”高頻情感詞：行賄、惡心、惡劣、逍遙法外、黑幕。詞頻分析發(fā)現(xiàn)，情感分布中正面情感中存在大量網(wǎng)民的戲謔的表達(dá)和反諷修辭。比如把“假疫苗”事件中的主要涉事人高俊芳稱(chēng)為“疫苗女王”；引發(fā)“假疫苗”事件成為熱點(diǎn)的關(guān)鍵網(wǎng)絡(luò)文章的標(biāo)題為“疫苗之王”；由“假疫苗”事件聯(lián)想到三鹿奶粉，把三鹿奶粉罐子稱(chēng)為“文物”；使用“厲害吧”，“服不服”等詞修飾不良企業(yè)的造假行為。

圖1 “假疫苗”事件二級(jí)、三級(jí)情感強(qiáng)度分布旭日?qǐng)D

5.1 評(píng)論情感相關(guān)性檢驗(yàn)

從采集的數(shù)據(jù)集中，提取微博評(píng)論量在10以上的微博，共計(jì)3781 條，采集其第一頁(yè)第一屏按熱度排序評(píng)論，最終成功采集評(píng)論38051 條，分別隸屬于3270條微博。將采集的微博評(píng)論依所歸屬的微博為單位組合成評(píng)論集文本，并剔除錯(cuò)誤數(shù)據(jù)和異常值，計(jì)算其情感強(qiáng)度。使用SPSS 對(duì)微博文本情感強(qiáng)度變量（微博情感強(qiáng)度、微博負(fù)向情感、微博正向情感）和微博評(píng)論情感變量（評(píng)論情感強(qiáng)度、評(píng)論負(fù)向情感、評(píng)論正向情感）進(jìn)行相關(guān)性分析（結(jié)果見(jiàn)表2）。從表2 中可以看出微博情感強(qiáng)度與評(píng)論情感強(qiáng)度之間呈弱正相關(guān)關(guān)系，假設(shè)1.1被接受。一級(jí)情感分類(lèi)：微博正向情感強(qiáng)度與評(píng)論正向情感強(qiáng)度之間、微博負(fù)向情感強(qiáng)度與評(píng)論負(fù)向情感強(qiáng)度之間相關(guān)系數(shù)均呈弱正相關(guān)關(guān)系，假設(shè)1.2 被接受。且與正向情感相比負(fù)向情感在微博與微博評(píng)論之間的相關(guān)性更強(qiáng)。

表2 “假疫苗”事件微博文本與評(píng)論一級(jí)情感相關(guān)性分析表

使用SPSS對(duì)微博文本二級(jí)情感強(qiáng)度變量（微博樂(lè)、微博好、微博怒、微博哀、微博懼、微博惡、微博驚）和微博評(píng)論二級(jí)情感變量（評(píng)論樂(lè)、評(píng)論好、評(píng)論怒、評(píng)論哀、評(píng)論懼、評(píng)論惡、評(píng)論驚）進(jìn)行相關(guān)性分析（結(jié)果見(jiàn)表3）。從表3可以看出微博本文和微博評(píng)論的二級(jí)情感分類(lèi)，除“驚”情感強(qiáng)度相關(guān)性不顯著外，其它6維的情感均呈弱正相關(guān)關(guān)系，但相關(guān)系數(shù)除“惡”“哀”在0.2左右，“樂(lè)”“好”“怒”“哀”“懼”的相關(guān)系數(shù)均在0.15以下，總體呈弱正相關(guān)關(guān)系，假設(shè)H1.3被接受。對(duì)比其它類(lèi)別二級(jí)情感，“惡”“哀”兩種情感在微博和評(píng)論之間存在更強(qiáng)的相關(guān)性。

表3 “假疫苗”事件微博文本與評(píng)論二級(jí)情感相關(guān)性分析表

基于圖1，篩選主要的三級(jí)情感（情感強(qiáng)度占比在3%及以上）：“快樂(lè)”（占比4%）、“贊揚(yáng)”（占比22%）、“相信”（占比4%）、“喜愛(ài)”（占比4%）、“憤怒”（占比3%）、“悲傷”（占比5%）、“慌”（占比3%）、“恐懼”（占比4%）、“煩悶”（占比3%）、“憎惡”（占比11%）、“貶責(zé)”（占比26%）。使用SPSS對(duì)篩選后的微博文本三級(jí)情感強(qiáng)度變量和微博評(píng)論三級(jí)情感變量進(jìn)行相關(guān)性分析（結(jié)果見(jiàn)表4）。從表4中可以看出，主要的三級(jí)情感分類(lèi)，“貶責(zé)”“憎惡”“煩悶”“慌”“快樂(lè)”均呈現(xiàn)弱正相關(guān)關(guān)系，假設(shè)1.4被接受，即三級(jí)情感分類(lèi)的考察，三級(jí)情感分類(lèi)中的主導(dǎo)性情感在微博文本和微博評(píng)論之間呈現(xiàn)弱相關(guān)關(guān)系，且越是主導(dǎo)性情感其相關(guān)性系數(shù)越高。

表4 “假疫苗”事件微博文本與評(píng)論三級(jí)情感相關(guān)性分析表

5.2 轉(zhuǎn)發(fā)情感相關(guān)性檢驗(yàn)

從采集的數(shù)據(jù)集中，篩選微博轉(zhuǎn)發(fā)量在30以上的微博，共計(jì)2220條。以篩選的微博為目標(biāo)頁(yè)面，以轉(zhuǎn)發(fā)量的再轉(zhuǎn)發(fā)量排序，提取前20條轉(zhuǎn)發(fā)，將轉(zhuǎn)發(fā)配的文本構(gòu)造轉(zhuǎn)發(fā)配文本變量，剔除錯(cuò)誤數(shù)據(jù)和異常值，最終得到可供分析微博轉(zhuǎn)發(fā)文本樣本1901個(gè)，計(jì)算三級(jí)分類(lèi)情感強(qiáng)度并分類(lèi)匯總。使用SPSS對(duì)微博文本一級(jí)情感強(qiáng)度變量和微博轉(zhuǎn)發(fā)文本一級(jí)情感變量進(jìn)行相關(guān)性分析（結(jié)果見(jiàn)表5）。

表5 “假疫苗”事件微博文本與轉(zhuǎn)發(fā)配文本一級(jí)情感相關(guān)性分析表

從表5中可以看出微博情感強(qiáng)度與轉(zhuǎn)發(fā)配文本情感強(qiáng)度之間呈正相關(guān)關(guān)系，假設(shè)2.1被接受。一級(jí)情感分類(lèi)：微博正向情感強(qiáng)度與轉(zhuǎn)發(fā)配文本正向情感強(qiáng)度之間、微博負(fù)向情感強(qiáng)度與轉(zhuǎn)發(fā)配文本負(fù)向情感強(qiáng)度之間均成正相關(guān)關(guān)系，假設(shè)2.2被接受，且負(fù)向情感的相關(guān)性比正向情感要高。

使用SPSS對(duì)微博文本二級(jí)情感強(qiáng)度變量和微博轉(zhuǎn)發(fā)文本二級(jí)情感變量進(jìn)行相關(guān)性分析（結(jié)果見(jiàn)表6）。

從表6可以看出微博本文和微博轉(zhuǎn)發(fā)配文本的二級(jí)情感分類(lèi)，七個(gè)二級(jí)情感分類(lèi)均正相關(guān)關(guān)系，其中“懼”“怒”“惡”相關(guān)性系數(shù)較高，相關(guān)性較強(qiáng)，假設(shè)2.3被接受。

表6 “假疫苗”事件微博文本與轉(zhuǎn)發(fā)配文本二級(jí)情感相關(guān)性分析表

使用前文同樣的方式篩選主要的三級(jí)情感，使用spss對(duì)篩選后的微博文本三級(jí)情感強(qiáng)度變量和微博轉(zhuǎn)發(fā)配文本三級(jí)情感變量進(jìn)行相關(guān)性分析（結(jié)果見(jiàn)表7）。從表7中可以看出，主要的三級(jí)情感分類(lèi)均呈現(xiàn)正相關(guān)關(guān)系，且相關(guān)系數(shù)普遍高于0.3，假設(shè)2.4被接受。其中情感“慌”的相關(guān)性系數(shù)最高，達(dá)到0.545，為三級(jí)情感中相關(guān)系數(shù)最高的一個(gè)，其次為“快樂(lè)”“貶責(zé)”“恐懼”。

表7 “假疫苗”事件微博文本與轉(zhuǎn)發(fā)配文本三級(jí)情感相關(guān)性分析表

5.3 情感傳播趨同性檢驗(yàn)

以天為時(shí)間單位計(jì)算三級(jí)情感分類(lèi)21 種情感類(lèi)型的情感強(qiáng)度占比。繪制三級(jí)情感分類(lèi)情感占比時(shí)序圖如圖2 所示、二級(jí)情感分類(lèi)情感占比時(shí)序圖如圖3 所示和一級(jí)情感分類(lèi)情感占比時(shí)序圖如圖4 所示。時(shí)間軸范圍為7 月15 日至7 月30 日，該時(shí)間段為“假疫苗”事件熱點(diǎn)時(shí)間段。

圖2顯示，三級(jí)情感分布中7月15日，“贊揚(yáng)”最高占比51%，“恐懼”和“貶責(zé)”分別占比18%和15%，其他情感均勻分布，在7 月16 日至7 月20 日之間，各種情感占比波動(dòng)巨大，“贊揚(yáng)”快速下跌拉升、“貶責(zé)”極速上漲后回調(diào)，“憎惡”和“懷疑”在地位高振幅波動(dòng)。7 月20 日后各種三級(jí)情感占比趨于穩(wěn)定，時(shí)間序列折線平穩(wěn)，“貶責(zé)”為主導(dǎo)情感維持在25%左右，“贊揚(yáng)”在情感占比第二，維持在20%左右，“憎惡”在情感占比中位列第三，穩(wěn)定在10%左右，一直持續(xù)到7 月28日，小幅波動(dòng)后趨于穩(wěn)定。

圖3顯示，二級(jí)情感的波動(dòng)規(guī)律與三級(jí)情感相似，其中主導(dǎo)性情感是“惡”和“好”，七種二級(jí)情感在7月15日至7月18日進(jìn)行力量博弈后，主要情感趨同于“惡”和“好”。7月19日開(kāi)始“惡”情感占比基本穩(wěn)定在45%，“好”情感占比穩(wěn)定在33%，僅在7月22日有小幅的波動(dòng)。

圖4顯示一級(jí)情感分類(lèi)中的負(fù)向情感在7月15日當(dāng)天即開(kāi)始快速攀升，并于7月17日攀升至63%，并與負(fù)向情感折線發(fā)生了第一次交叉，其后負(fù)向情感在7月18日回落至49%，正向情感上升至51%，兩種情感占比折線發(fā)生第二次交叉，正負(fù)情感講過(guò)兩次力量博弈后，負(fù)向情感占據(jù)上風(fēng)，在7月20日，負(fù)向情感占比穩(wěn)定在62%，正向情感占比穩(wěn)定在38%，分別做小幅波動(dòng)。

從不同情感層級(jí)占比的時(shí)序圖來(lái)，事件情感隨著事件的發(fā)展，各種情感與觀點(diǎn)經(jīng)過(guò)社交媒體的傳播和討論后，最終主流情感和其情感占比會(huì)趨于穩(wěn)定?；诖苏J(rèn)為情感傳播存在趨同性現(xiàn)象，假設(shè)3被接受。

圖2“假疫苗”事件三級(jí)情感分類(lèi)情感占比時(shí)序圖

圖3“假疫苗”事件二級(jí)情感分類(lèi)情感占比時(shí)序圖

圖4“假疫苗”事件一級(jí)情感分類(lèi)情感占比時(shí)序圖

6 結(jié)論討論

社交媒體輿論事件中存在多元情感的波動(dòng)，情感傳播以一種弱傳播的形態(tài)在微博二次傳播的時(shí)候普遍存在。微博傳播的兩個(gè)主要渠道評(píng)論和轉(zhuǎn)發(fā)中均存在情感相關(guān)性，但情感傳遞的關(guān)系是一種弱關(guān)系。情感成為一種喚醒、激發(fā)或扭轉(zhuǎn)輿論熱點(diǎn)事件的公眾態(tài)度和評(píng)價(jià)的手段。對(duì)比評(píng)論,轉(zhuǎn)發(fā)過(guò)程情感相關(guān)性系數(shù)更高，情感相似性特征更明顯。信息轉(zhuǎn)發(fā)的過(guò)程數(shù)據(jù)顯示，微博本文情感強(qiáng)度和微博轉(zhuǎn)發(fā)配文本情感強(qiáng)度相關(guān)系數(shù)，一級(jí)情感分類(lèi)最大值負(fù)向情感（相關(guān)系數(shù)0.342），二級(jí)情感分類(lèi)最大值“懼”（相關(guān)系數(shù)0.423），三級(jí)情感分類(lèi)最大值“慌”（相關(guān)系數(shù)0.545）。顯然更細(xì)粒度的情感觀察，微博轉(zhuǎn)發(fā)過(guò)程中情感相關(guān)性的特征更明顯，因此識(shí)別出細(xì)粒度的主導(dǎo)性情感，對(duì)社交媒體輿論事件的描述、歸因及預(yù)測(cè)有重要的意義。且基于相關(guān)系數(shù)的高低可以推論在同級(jí)別情感中“慌”“懼”和負(fù)向情感最容易傳播。這一點(diǎn)在相關(guān)的文獻(xiàn)中得到佐證：“恐懼”“悲情”“憤怒”是輿論事件中驅(qū)動(dòng)群體動(dòng)員的主要情感（湯景泰，2016）?！盎拧焙汀皯帧备哳l詞識(shí)別，發(fā)現(xiàn)“可怕”“恐慌”“害怕”“有毒”“恐懼”“地獄”“發(fā)慌”“緊張”“人心惶惶”“緊急”是高頻詞。恐慌意味著安全感被剝奪。恐懼的情感一旦生成，人往往會(huì)停止其他心理活動(dòng)，專(zhuān)注于引發(fā)恐懼情感的事物或事件并保持持續(xù)的注意力，直到恐懼消除（威廉·麥獨(dú)孤，2010）?！皯帧焙汀盎拧钡膫鞑バ允亲顝?qiáng)的，且個(gè)體恐慌很容易演變成群體恐慌，進(jìn)而引發(fā)群體恐慌的雪崩效應(yīng)，社交媒體輿論負(fù)面情感疏導(dǎo)應(yīng)該對(duì)其特別關(guān)注。評(píng)論和轉(zhuǎn)發(fā)的過(guò)程帶動(dòng)情感快速迭代，不同情感經(jīng)過(guò)輿論場(chǎng)的短期高頻交互后，情感意見(jiàn)會(huì)趨于一致，輿論得以生成。且情感分布一旦達(dá)到穩(wěn)定狀態(tài)，沒(méi)有充足的外部條件刺激，情感改變很難發(fā)生。因此負(fù)向情感的疏導(dǎo)，重在一個(gè)“快”字，情感趨同前的介入與疏導(dǎo)尤其重要。