文摘
本研究调查的影响亲社会和反社会倾向的微博用户在COVID-19发布传播流行。为了克服现有研究的不足亲社会和反社会的情绪,我们使用一个网络爬虫技术从微博获取post数据和识别文本与亲社会或反社会的情绪。我们使用SnowNLP构建语义词典和训练模式。我们的主要发现包括以下。首先,通过相关分析和负二项回归,我们发现用户帖子强度高、亲社会情绪会引发评论或转发行为。第二,反社会情绪的影响在微博上评论,喜欢,转发是无关紧要的。第三,关于亲社会评论的一般情感在微博也显示了亲社会评论的情感趋势。总的来说,本文的主要贡献是我们专注于亲社会和反社会的情绪在网络空间,提供一个新的视角情感交流。
1。介绍
新冠状病毒爆发以来在2019年末,200多个国家和全世界数十亿人被严重影响了。因此,“社会距离”已经实现在世界的大部分地区。这将导致更多的交互通过社交媒体。
在中国作为一个多元化的社交媒体,微博(微博)可以满足人们的需求获取、传播和表达信息。在大流行期间,使用微博显著增加。2020年,微博平台用户在第一季度创下纪录。根据其第一季度盈利数据,每月活跃用户5.5亿,其中包括2.41亿名用户使用频繁。社交媒体,比如微博,提供自由和方便在线讨论也成为公众宣泄的出口。艾森伯格和得1]提出亲社会和反社会行为的概念,在亲社会行为可以概括为“自愿行动旨在帮助或受益另一个人或一组人。“反社会行为是一个一般术语侵犯个人和社会的利益,通常称为破坏性的行为。在线反社会行为也开始成为普遍和持久的广泛使用在线社交媒体近年来。这种行为一旦被称为2000年网络欺凌,但现在也被称为网络”喷雾剂。“在微博讨论流行,我们预计的鼓励和安慰,但不能忽视仇恨和虐待。赞成(反对)传播的社会情绪不仅影响我们的微博社区的经验,也关系到我们如何度过危机。然而,很少有研究关注在线pro -(反)传播的社会情绪。在现有的研究中,这些情绪表情往往简单地分为正面和负面的。然而,事实上,在网络空间中几句话可以上升到亲社会和反社会的水平。他们也产生不可估量的影响在我们的网上社区的经验和现实的经验。例如,温斯坦和瑞恩(2),提出了给予者和接受者的网络亲社会情感能感觉到更多的幸福,如积极乐观、活力和自尊。而网络的反社会情绪,如恶意和仇恨带来破坏性的影响是不言而喻的,例抑郁症引起的网络暴力足以显示其负面影响。至于解释亲社会和反社会倾向的原因,一般的直觉和共识是他们造成的性格和成长环境。持积极态度的人更愿意展示亲社会倾向,而傲慢的没有同情心的人更可能有反社会人格。然而,任何人都可能表现出利他行为。这是一个新的视角。本文采用此外,我们分析是否亲社会网络和反社会情绪刺激更多的关注和响应,加强情感,并感染对方。
新浪微博是目前中国最大的开放社交平台。陌生人关系的连接下,受欢迎的公众舆论的演变往往不仅局限于事件本身,也情感沟通和对抗公众舆论的讨论。背后的推动因素用户的喜欢、评论和转发的微博帖子是非常复杂的。在微博上转发的影响因素研究,概括为两个维度:一个是用户的特点,如用户的利益、账户年和社会影响,另一个是微博的文本特征,如表情、主题参考,和URL。王等人。4)建立了一个基于SIR模型信息沟通模型来研究在微博的信息传播网络。他们认为不同的影响因素如信誉和网络权重。本文主要侧重于亲社会和反社会的情绪表情的影响在微博喜欢微博帖子,评论、转发及评论情感倾向。情感特征吸引了更多的研究关注。例如,施蒂格利茨和Dang-Xuan [5]调查是否情绪在政治微博Twitter上的转发量产生影响。早在1992年,哈特菲尔德等。6]提出情绪蔓延与社交媒体的发展和普及电脑仲介沟通,和在线研究情感沟通开始盛行。许多研究人员,基于情绪传染的概念(6),进行研究在政治、经济、文化和社会领域。然而,现有的研究在情感沟通很少注意亲社会和反社会的情绪在社会媒体。亲社会和反社会行为不仅是在线下社会但值得关注的一个话题在在线社交网络也有重要的研究价值。他们可以带来新想法的治理网络舆论的引导,特别是在突发公共卫生事件像COVID-19大流行。它还提供了一个新的角度来理解社会媒体的信息传播路径。当网络暴力现象的发生更加频繁,网络反社会倾向的原因和影响需要更深入的研究。此外,以往的研究对社会媒体情感沟通使用离线实验或问卷来测量用户的行为特征。控制实验错误在这些方面,本研究使用一个网络爬虫从真正的微博环境收集用户数据。特别是,它使用自然语言处理(SnowNLP)自动评分的情感倾向,避免人工编码的主观影响,以确保研究的客观性。本研究不仅是密切相关的讨论流行COVID-19也通过这个重大公共危机事件探讨常见的亲社会现象在网络空间。 Through exploring the role of prosocial emotion in Weibo information transmission and arousing the attention of online users from all walks of life to be aware of this antisocial phenomenon, the creation of a more directed online environment can actively encourage the expression of prosocial emotion. This is a major contribution of this research.
2。文献综述
2.1。亲社会和反社会情绪在网络空间
两种对立的行为,亲社会和反社会,第一次出现在研究课题基于犯罪行为在中间和二十世纪后期由学者关注社会学、心理学、社会心理学、精神病学。亲社会和反社会行为的研究在网络空间形成蓬勃发展的网络社会。近年来,这些概念已经逐渐应用于社会网络的研究和描述。没有本质区别网络亲社会和反社会行为或社会媒体和真实社会,但背景,环境,和形式的行为已经发生了变化。这些差异使亲社会和反社会行为的研究在互联网有一些理论背景支持,但也有空间的探索和创新。
早期的网络亲社会研究始于7]。研究人员探索利他主义与亲社会行为之间的关系通过网络游戏。他们应用广义互惠理论(8),联合建设理论,加强螺旋模型(9)网络亲社会行为的解释。在网络社区中,他们探讨了人际关系建立和维护和互利双赢的标准。例如,Erreygers et al。10)认为,当人们观察别人的亲社会行为或正在积极对待他人,他们也会展示他们的亲社会行为。这种行为在网络环境中,更多的沟通能力,比如社会媒体网站或论坛,贴吧比线下行为,因为在线行为的潜力更大,达到更广泛的公众。有不同的定义,不同的研究主题的测量网络亲社会行为。例如,Lapidot-Lefler和巴拉克[11]研究了情境因素是否会导致网络自我表露与亲社会行为,评估的程度prosociety通过分析实验参与者是否帮助别人在聊天文本,赞扬聊天伙伴和创建一个积极的气氛。小王和冯12]分析了prochild利他行为在网络,网络亲社会行为分为以下类别:技术服务、信息咨询、在线资源,精神上的支持,游戏支持,和社会援助。这种分类全面总结了网络亲社会行为的表现。
其他几个方面描述在线反社会行为,例如,“流氓”这个词提到的主教(13)是当地的一个21世纪的计算机相关的术语。作为互联网的延伸,巨魔描述使炎症的人,令人反感,或破坏性的语句来转移话题,扰乱网络讨论,或试图激怒别人。此外,还有单词如恶意、仇恨、歧视、攻击,挑衅,和对抗。沼泽将“恶意”定义为显示敌意侮辱或使用其他攻击性语言。没有正式的仇恨言论的定义,但有一个共识,它针对的是脆弱的社会群体。雅各布斯和波特和沃克14,15)提出了类似的观点。感谢(16)将它定义为故意伤害任何年龄的个人或团体,攻击性行为的贬损的,有害的。这些描述不同的含义是特定的情感表现的在线反社会行为,暴力在网络空间。通常,这些反社会行为有特定的攻击对象,如个人或团体。他们可能是一对多、一对一或more-to-many。
2.2。情感极性和信息传播的力量
传播效果的研究一直是一个非常成熟的分支领域的交流。在闭环的沟通,它离不开传播效果的分析和考虑。早在1930年代和1940年代,学者交流等社会科学和心理学研究说服技巧和沟通效果。郭(17)总结了在他的作品中,学者们认为,“触摸”对象的“吸引的感觉”是一个重要的原因影响沟通的效果。这主要是通过创造某种气氛或使用强烈的情感词语感染对象寻求特定的传播效果。在互联网时代,演讲几乎是最重要的交流媒介大众传播和人际传播。此外,感受进行沟通的过程中成为影响信息传播的关键因素之一。的情绪状态内容可能影响是否信息共享(18),它影响的变化与不同的网络情况。
微博的社会属性和信息的传输路径主要评论、转发,喜欢。作为社交平台有两个主要功能的了解实时信息和社会互动,微博的信息传播本身有很强的社会基因的影响和情感交流的过程中很重要,这是反映在评论转发的频率。在许多情况下对情感因素之间的关系和网络信息传播国内外。为什么特定的在线内容比其他人更快和更广泛的信息传播?伯杰和送奶工19]给出相应的反应通过实证研究,从心理学的角度来看,他们的研究结果表明,内容包含高度积极(感叹的)或消极情绪(生气或焦虑)更健谈。然而,Godes和Mayzlin这20.)断言,负面信息更传播的是不准确的。古德曼(21)认为,类似的研究主要是什么类型的新闻人的理解,而不是人们蔓延。Zhang et al。22]研究社交网络谣言的传播从传播者的影响的角度。他们认为这是具有重要意义的影响力传播谣言传播防治。在此基础上,本研究认为,识别网络信息中包含的情感也是一个可靠的方法来控制信息的有效和安全的传播。随着互联网和社交媒体的发展,人们的积极增加机会分享和传播信息,所以在网络空间中包含的情感内容传播具有研究价值。此外,它将带来新的思考分享重要信息在线或发展的营销策略。
情感也起着非常重要的作用在政治沟通的社交媒体。施蒂格利茨和Dang-Xuan23]分析了64431政治微博在2012年的Twitter网站上,发现一个词汇之间的正相关微博表达情感维度和转发率。Twitter的转发和评论功能,虽然简单,也有力的信息扩散机制和有潜力提高政治参与,这可能是背后的想法特朗普的Twitter的使用。在[24),这些信息扩散机制被发现广泛的主要社交平台。与行为反馈,乔伊斯和德国人25]调查引发的情绪在社交平台上的信息。他们发现,积极情绪的信息加强用户的平台或社区意识,并鼓励他们持续参与,而负面情绪产生的反馈通过交互包括反社会倾向如敌意和侮辱。徐et al。26]研究了动态网络人气和股市表现之间的关系,发现金融市场和网络之间的幂律cross-relationship情绪在一些发达国家和发展中国家。这表明情绪互联网信息会影响投资者对金融市场的行为。此外,研究还发现,情绪(积极或消极)表达的文章从不同的社会媒体平台(如微博和论坛)可能在后续传播相应的评论或回复。
2.3。社交媒体的亲社会和反社会情绪蔓延
亲社会网络和反社会行为通常表现为极端的情感或特定的行为,这是局限于虚拟网络媒体的特点,尤其是情感表达。例如,亲社会行为往往体现在积极鼓励,表扬,和信息共享27]。在几个方面,反社会行为涵盖了各种各样的网络行为混乱和在学术界得到了广泛关注和其他领域,比如仇恨,挑衅,歧视和恶意。最被广泛接受的概念在中国的在线行话”键盘”,意思是一个害羞的人。上述行为在社交网络上发布和传播形式的文本包含强烈的情感,积极或消极的影响。根据(6),有一个广泛的情绪传播的概念。更多的研究人员已经将它扩展到情感交流在网络空间的研究,如(28]。接收方可以通过文本内容感知出版商的情感状态和情感线索。
具体来说,赞成(反对)社会角色的情绪在社会媒体不仅为信息的传播还亲的传播的一个重要因素——反社会行为。Thirlwall et al。29日)在推特上透露,事件引发强烈反应与情感表达增加有关。在以后的研究中,克莱默et al。30.证明了假设经验。一个实验与人们使用Facebook发现当积极的表达减少,人们产生更少的积极评价和更多的负面评论,当负面的表达减少,相反的情况发生。这进一步表明,情绪状态可以通过一种情绪传染给其他人传染机制和让别人感到同样的情绪不知不觉。
总体而言,现有的大多数研究社交媒体的情感交流是基于广义的积极和消极情绪。然而,很少有情况下的传播和影响亲社会还是反社会情绪在社会媒体。这是一个社交网络的研究差距在当前时代。为了填补这一空白,本研究探讨亲社会的作用和反社会行为或情绪的信息传播网络空间。
3所示。研究问题和假设
作为一个情感表达,亲社会和反社会行为在社交媒体有更强的沟通能力和效果比一般的情感交流。亲社会行为是更容易在一个在线网络环境和冗余信息。这是因为这些行为表达强烈情感和容易导致移情和更多的反馈和响应。面对COVID-19危机,在微博,不乏感谢医务人员对患者和鼓励。然而,也有很多恶意的猜测关于病毒的来源和对疫区的人的歧视。亲社会的演讲使人们感觉更好在流行,对社会和反社会的感情造成伤害。本研究旨在确定亲社会和反社会行为在流感大流行期间微博平台和探索它们在传播中的作用和对微博传播的贡献。根据微博的信息传播特点,微博帖子的影响往往是数量来衡量,评论,转发数,并喜欢。在此基础上,本研究提出以下假设。
假设1。微博文章pro -(反)社会情感,情绪越强,评论,转发,喜欢他们。
假设2。微博文章pro -(反)社会感情,和更强的情感,的整体情感评论也更赞成(反对)社会的感觉。
在假设1的数量,考虑到微博博主的粉丝和微博的数量也影响因素他们收到评论的数量,球迷的数量直接影响评论的数量(31日]。微博发布的频率可能会导致更多的对话和讨论(32]。在分析通信影响的官方微博,粉丝的数量和文章的数量代表的微博数量辐射和微博的活动,分别在政府微博传播影响的评价指标体系,因此,在本文的研究模型,它也被认为是作为一个独立的变量,但不是本文的重点。
假设2有关预测和分析的过程的整体情感评论,除了采取pro -(反)社会情感强度原始微博为主要的独立变量。原始微博词数量和是否有@符号也参与模型的建设。这是因为微博的字数是相关内容的丰富性,以及使用@符号标记强调微博的社会元素。这意味着交互性,Honeycutt和鲱鱼33)所提到的,这使得微博非常有效地用于对话与合作。图1说明了本研究的研究假设和核心变量。
4所示。分析
4.1。数据收集
在这项研究中,COVID-19大流行被为研究背景,通过网络爬虫和数据集被用来研究这个公共卫生事件的舆论在微博。首先,本研究获得的数据样本从1月20日到3月18日,2020年。主要原因是这段时间间隔是主要从全面爆发的基本控制疫情在中国。其次,我们选择使用一系列的条款更频繁地在流行作为数据抓取关键词,包括“未知的肺炎,”“流行”“病毒”“新冠状病毒,”和“人际传播。”这些关键词的选择是基于微博平台上的热门搜索词,新闻报道,以及日常COVID-19的表达。此外,清洗后,重新加载和删除nonpersonal账户等媒体报道,将剩余的数据被用作实验分析的样本。
值得注意的是,在处理数据时,我们认为是官方网站媒体,政府发言人,和其他相关的微博账户。这是因为官方信息往往是更中立的,积极的,和权威,这将干扰实验结果的可靠性。因此,我们首先删除的内容政府微博账户在新浪微博平台上。账户的名称来自官方统计,微博搜索引擎的验证,包括中央政府机构的微博,法院,检察院,公安微博,党和政府新闻发布微博。这些账户主要来源于官方网站统计和信息披露数据的政务微博,和他们有很高的传播和影响。总共有70个账户,账户需要被排除在我们的原始数据是34。其次,我们也收集了相关媒体的微博帐户名称,如《人民日报》和其他中央政府官方媒体和当地官方媒体,包括18中央媒体和地方政府各省市媒体。关于媒体报道的去除,我们相信官方媒体发布的相关信息或普通媒体干扰实验结果的准确性。因此,在数据清洗,都是故意消除。的方法去除政府微博是一样的。
4.2。文本分析
文本情感分析的对象是来自微博短文本数据。文本内容通常是简洁,和单词的数量不超过140人。这些文本特征的过程中要考虑的重要因素的研究。特别是亲社会的分析和反社会的情绪,词汇数据库直接关系到分析结果的准确性。
在实验中,我们使用Python自然语言处理包SnowNLP捕获的微博文本数据分类到antisocial-prosocial情感倾向。SnowNLP可以弥补缺乏亲社会和反社会语义识别通过文本语料库训练所需的分析模型。在这个过程中,本研究使用新浪微博超过360000文本数据与情感标签作为一种亲社会和反社会情绪分析语料库。这个微博数据集是一组收集的文章明显情感特色微博平台通过多种爬行。363324微博帖子,最后使用训练集获得的重复数据删除和清洁是361279。其中,亲社会内容包含大约201170情感主体之一,如快乐,积极,乐观,和反社会内容包含大约160109情感主体之一,如愤怒、厌恶、怨恨和侮辱。更换后再训练语料库的原始模型,得到模型作为本研究的主要情感分析工具。SnowNLP返回值代表情感的极性,值范围从- 0.5 + 0.5。在接近0.5意味着更多的亲社会。在接近−0.5意味着更多的反社会。 Through many trials, adjustments, and tests of the new model, the emotion score is more reasonable than the original model. For example, the statement “I am depressed today” has an emotion score of −0.1485 in the original model and −0.0509 in the retrained model. Therefore, the latter score can describe the emotion state of “I am depressed today” more accurately. The new model is suitable for the analysis of pro-(anti-) social emotion. Table1显示10的例子,和反社会微博帖子COVID-19大流行。英语翻译下的文本是原始的汉语表达。
4.3。数据分析
为假设1因变量评论数量是离散数据,通常更适合泊松回归模型。从描述性统计的结果表2,评论的数量(的标准偏差N= 6608)模型中明显高于平均水平。因此,为了减少异方差性和极端值的影响,它是更合理的选择负二项回归回归模型的假设1。
确保回归模型是有意义的,变量的回归之前,有几个因素影响的评论数量进行了分析。根据数据集的特点,1736年微博数据没有明显的情绪倾向被淘汰(积极的和消极的0.1)。然后,我们单独的微博帖子用积极和消极情绪的分数。因此,亲社会的样本的数量是2917,反社会的样本的数量是1955。赞成(反对)之间的相关性社会情感和其他变量如表所示3和4,分别。
相关分析的结果表明,帖子的亲社会情感倾向有显著正相关的评论和转发的数量(r公关= 0.01 = 0.073;r= 0.057,公关= 0.01)。没有相关的喜欢。然而,之间没有显著相关反社会情绪和评论数量,转发数,喜欢数字。因此,我们进一步进行负二项回归亲社会情感和文章评论和转发号码和分析具体的影响程度。结果如表所示5和6。负二项回归分析的亲社会情感,球迷的数量和文章的评论和转发,可以看出,当这两个变量(粉丝和微博的数量)的数量增加了,亲社会情感的倾向有显著的积极影响发表评论和转发的数量(B= 7.285;B= 9.905)。此外,球迷的数量和博客帖子的评论和转发的数量产生显著影响,所以它是合理的将这两个变量纳入模型,这也表明,微博传播影响因素复杂多样。
测试假说2,本研究采用相关分析的方法。此外,在变量设计过程,本研究将模型2中的控制变量是否有@标签设计为虚拟变量1(是的)和0(不)。通过过滤数据的总样本(N与0 = 6608)和删除微博评论和微博评论设置,剩余样品的数量是3120。相关分析结果如表所示7和8。数据显示,亲社会的情感(r= 0.421, )和反社会情绪(r= 0.393), )与总体呈正相关,情感价值的评论。其中,社会和情感传染略强,假设2成立。
4.4。可视化分析Pro -(反)社会职务
经过统计分析的微博帖子与亲社会或反社会情绪倾向,我们可以测试的初始假设亲社会微博帖子能促进文章本身的传播和蔓延。但是这种影响是如何形成的,或者什么特征,也是信息值得挖掘。因此,本研究将主要通过数据显示这一现象背后的逻辑。
首先,为了观察亲社会职位的路径和反社会的帖子在评论反馈以及它们之间的差异,本研究基于pro -(反)社会微博发表评论的数据集生成的网络拓扑图Gephi软件,如图2。作为一个整体,拓扑显示,赞成和反社会的帖子都有一个共同的多向互动时引发的评论,转发,或喜欢,也就是说,当用户响应,或反社会的帖子,他们倾向于发表评论,转发,就像在同一时间或多次回应评论,显示更多的情感交互比普通的帖子,可以观察到从节点拓扑中不同颜色的(不同的颜色代表节点的频率微博用户评论、转发,喜欢,橙色代表一次的频率,和所有其他颜色节点代表频率的两个或更多)。然而,从两者的区别,亲社会职位的橙色节点少,也就是说,用户评论,喜欢,和转发有更多的二次或多次交流,中央节点亲社会职位拓扑半径大。这表明所放射出的评论文章的数量更多,这是本研究中提到的相关分析结果一致。
5。结论和局限性
后真相时代,情感而不是推理可以成为新闻事件的转折点。基于这一现象,本研究试图探讨亲社会和反社会情绪的影响在社会媒体的用户微博博客交流期间COVID-19大流行。通过把握相关的主题和分析亲社会和反社会的情绪在大流行期间在中国,我们发现,微博用户的亲社会博客吸引了更多的评论。虽然反社会博客没有同样的效果在这项研究中,我们可以得出这样的结论:反社会情绪博客微博的传播也有类似的贡献以类似的方式。然而,传播效果有不同的影响取决于不同的人微博上的帖子。非微博新闻亲社会情绪会产生更多的反馈,和消极的或反社会的内容在新闻文章会引起病毒传播。自之间不存在显著的正相关反社会情绪和评论的数量COVID-19博客,本研究遵循保守的原则解释。因为COVID-19大流行,一个重大的公共卫生危机,是一个重大国家事件,微博用户感到乐观,和舆论作为一个整体是积极的。公共社交媒体股积极的事情,相互鼓励,赞扬“信徒”和“逆行的人”在大流行期间。这种亲社会行为和情绪也和主导的反社会情绪蔓延。 With the continuous strengthening of the “prosocial” trend, the “antisocial” voice gradually falls silent.
在这项研究中,结论也表明,社交媒体的影响力的其他表现的pro -(反)情感信息的传输是由情感传播机制。汉森et al。34)在Twitter上研究中得出相同的结论。COVID-19事件的爆发,亲社会和反社会反应的微博用户造成了公众舆论的浪潮。根据微博包含pro -(反)社会感情,评论通常更赞成(反对)的社会。这些结论的指导很有价值和意义的公众舆论,提高信息传播的有效性。
与其他研究相比,社会媒体情感交流,本文选择亲社会和反社会情绪的两个概念,它们有助于扩大现有研究的方向。此外,本研究采用网络数据捕获的方法。更现实的网络媒体社交场合可以避免其他主观因素的过多干预,从而使结论更加健壮。然而,由于本研究是针对单一COVID-19流行的社会活动,有不可避免的事故和差异。未来的研究可以关注更广泛的事件。亲社会和反社会行为的研究只躺在微博的情感表达行为文本,这是网络专业的内容之一——反社会行为。然而,他们不能代表一般的职业——反社会行为。尽管如此,亲社会和反社会行为在网络空间仍然是丰富和复杂,这是值得深入的研究(35]。
数据可用性
收集的数据是一个互联网网络爬虫技术和可从相应的作者。
的利益冲突
作者宣称没有利益冲突。