群体情绪在传播过程中的传播动力学规律

　　1、 引言

　　随着经济发展和社会转型的加速,社会矛盾日渐突出,群体性事件备受社会关注,引发了大量相关研究,重点集中于群体性事件的应对处置和事后干预(Palen,Leysia,Anderson,Mark,Martin,Sicker,& Dirk,2010;Palen,Leysia,Vieweg,Liu,&Hughes,2009)。群体性事件是群体情绪的行为外化表征,后者是前者的内在驱力,且前者的动力来源是消极群体情绪的滋长与扩散。所谓群体情绪是指当人们属于某个群体并且对该群体产生认同时,对影响该群体的事件作出的情绪反应(Smith,Seger,& Mackie,2007) 。过往研究较少涉及群体事件中群体情绪的作用,也并未对个体情绪在群体性事件中如何传播并转化为广泛的群体性情绪的规律予以探索。因此,尝试建立群体情绪传播与扩散模型,对完善相关理论模型的建立以及预防与处置社会群体事件都具有重大意义。

　　从心理学角度出发的群体情绪传播研究主要从情绪社会分享(social sharing of emotion)和情绪感染(emotion contagion)两个角度对情绪的个体间传播进行了探讨。情绪社会分享是指人们普遍倾向自愿地与他人诉说、谈论自己经历的情绪事件及感受,它具有传播性(Chrostphe & Rimé,1997)。影响情绪社会分享的心理因素主要包括:(a)事件的情绪强度(Luminet et al. ,2000 ); ( b )事件的道德属性(Finkenauer & Rimé,1998);(c)事件分享对象的反应。情绪感染指人们能够在同伴的情绪中感受到自己的情绪(Hatfield,Cacioppo,& Rapson,1993)。

　　其相关研究主要探讨主体受到他人情绪感染的过程、个体差异和情绪感染强度等问题(Hatfield etal.,1993;Hoffman,2002;Laird & Bresler,1992;)。

　　另从计算机仿真和数学建模的角度,对信息、谣言等传播的数学建模取得了许多成果:在对谣言传播的数学建模过程中 Sudbury (1985)借鉴了医学传染病传播模型类比谣言在人群中的传播规律。在传染中,人分为易染状态(ignorant),感染状态(infec-ted)和被移除状态(stifler)三类。复杂网络上的谣言传播模型主要考虑谣言传播的可能性差异以及关系网络的拓扑结构差异。(Laidre et al. ,2012;Moreno et al. ,2004; Yook et al. ,2008; Zanette,2009;Zheng et al.,2010)。

　　已有研究主要存在以下问题:

　　首先在研究重点上,注重群体性事件的应对与处置,而忽略了对其源头内部动力———群体情绪的探讨。另外,研究多限于理论探讨,缺乏宏观视野及实证支持:要么从个体情绪社会分享或情绪感染的角度探讨了传播的机制而未以群体情绪作为研究对象;要么虽然建立了传播的动力学模型,但却没有对情绪的传播进行研究,而以谣言、信息的传播代之,且很少涉及心理因素对传播的影响。

　　其次在研究方法上,以往的研究大多采用建模,却未在真实行为数据上对模型的生态效度进行验证和比较,缺少实证支撑,且以往模型存在着一定的局限性,主要表现在:(a)模型都建立在无权网络的基础上,忽略了传播者之间的社会关系(D - K 模型、元胞自动机模型);(b)考虑社会关系的模型以等权重表示不同个体间的社会关系(SI、SIS 和 SIR 模型)。这显然与真实世界不符,现实中,人与人之间的社会关系存在着亲疏远近的差异;(c)已有模型只考虑复杂网络中的关系,而忽略了传播的动力学机制(BA、GBA、VGBA、小世界网络传播模型、无标度网络传播模型)。本研究试图建立一个充分考虑群体情绪传播的动力学机制以及传播过程中个体之间的关系与权重的模型以对群体情绪在传播过程中的传播动力学规律进行描述,并通过实验的方法对新模型以及比较有代表性的两个模型:元胞自动机与无标度网络模型的生态效度进行比较。

　　2、 研究方法

　　2. 1 被试

　　选取自愿参加本实验的某高校 20 个教学班级,人数共计 614 人,其中男生 442 人,女生 172 人。所有被试从观看该高校足球队比赛的观众中选取,在选取时,口头询问了他们是否对足球感兴趣,答案可以是:“很不感兴趣”、“不感兴趣”、“感兴趣”与“很感兴趣”,并最终选取了回答“感兴趣”和“很感兴趣”的被试。最终参加实验的被试为 568 人,其中男生 431 人,女生 137 人,每个班级人数从 26 ~ 41 不等,年龄范围 19 ~27 岁(22. 31 ±4. 79),其中 6 名男生被试中途因故退出。本实验的基本实验单元为 1个班级而非 1 个被试。

　　2. 2 实验材料

　　2. 2. 1 情绪诱发材料

　　采用自编的实验材料,该材料是一则关于被试所属学校的足球队在刚刚结束的一场足球比赛中因为轻敌,侥幸打平一支弱旅的新闻,且作者明确表达了自己的情绪(对自己是该队球迷感到羞愧)。材料为 375 字,以语音的形式向被试呈现,主试预先将新闻材料通过录音软件预制成 MP3 音频文件,录制时,要求朗读者保持中性情绪的语调,语言清晰流利,并保持语速为每分钟 400 字,录制的 MP3 文件长度为 57 秒。此外,本实验需要安装有腾讯 QQ 即时通讯软件并能流畅运行该软件的 PC 机若干台(被试每人一台,主试一台)。

　　2. 2. 2 正负情绪量表

　　采用邱林等(2008) 修订的正负性情绪量表(positive and negative affect schedule,PANAS),测量被试实验前后是否在预期的情绪上具有唤起。,选择修订版中 9 个消极情绪的条目,要求被试在 5 点量表上评定实验前后体验到相应情绪的程度,1 代表轻微,5 代表非常强烈。研究表明该分量表具有较好的内部一致性信度与效度。

　　2. 2. 3 成员信任与亲密关系问卷

　　事先将该班级参加实验的被试姓名按行和列同序排为一个 1 × N 矩阵,将该矩阵印制成材料,并且材料中的矩阵每个元素包含 2 个格子(值),第一个格子是行被试对列被试的信任度评分;计分标准为,从 1 分:很不信任到 5 分:很信任;第二个格子是亲密度评分。计分标准从 1 分:很不亲密到 5 分:很亲密。

　　2. 3 研究程序

　　实验前一天请所有被试基于自愿,于本班范围内在 QQ 上互相加为好友,并且所有被试都与主试互相加好友以便进行观察记录。正式实验开始前所有被试填写成员关系问卷以及正负情绪量表。

　　正式实验选定的时间保证所有被试与主试同时在线。随机选择 3 名被试作为信息发起者。请这 3名被试在听完 MP3 后根据自己的意愿将该 MP3 发送给若干名同班被试,若同时发给 2 个以上的同学则采用群发的方式以保证传递信息的同步性,凡是收到信息并转发了信息的被试在转发过后都给主试的 QQ 发一个“Y”,不转发的发“N”(以便主试记录在一个时间段内传播与不传播该消息的人数),依此类推。预实验表明,被试决定随后转发或不转发该文件所使用时间为 4 ~15 秒,MP3 文件的播放时间为 57 秒,因此,以 72 秒/次为一个时间采集频率。

　　主试每隔 72 秒记录一次发送“Y”与“N”的人数占总人数的百分比,记录方法是:

　

　　100% 减去上述两个百分比之和即为未被传播者百分比。

　　从第二个 72 秒开始,记录方法略有区别:若发“Y”的被试是前一个 72 秒也发过“Y”的则此被试不计入传播者总数中,否则计入;若发“N”的被试是前一个 72 秒也发过“N”的则此被试不计入不传播者总数中,否则计入;若发“Y”的被试是前一个 72秒发“N”的被试则此被试计入传播者总数中,并且将不传播者的总数减 1;若发“N”的被试是前一个72 秒发“Y”的被试则此被试计入不传播者总数中,并且将传播者的总数减 1。

　　实验开始前,进行练习以便被试能够熟悉。练习中选用的 MP3 材料与正式实验采用的 MP3 文件无关。正式实验持续 25 分钟,随后主试停止记录,并二次要求被试填写正负情绪量表。主试将发给自己的对话框按时间整理,记录 MP3 文件的传播情况,包括每个时间点上各类人的人数百分比以及:

　　

　　上述实验以班级为单位,每个班级进行一次,共进行 20 次。

　　3、 结果

　　所有数据采用 SPSS 13. 0 分析。

　　3. 1 情绪唤起的检验

　　所有被试实验前后的正负情绪量表的得分做配对样本 t 检验,结果表明:通过阅读新闻,所有被试在羞愧情绪上显著唤起,(t(567) =57. 35,p <. 01,d = . 91) 。新闻材料诱发被试产生了预期中的消极情绪,因此,其作为群体情绪诱发材料是有效的。

　　3. 2 正负情绪量表的信度检验。

　　经计算,本研究中所采用的正负情绪量表的Cronbach α 系数为 . 79,说明它具有较好的内部一致性信度。

　　3. 3 实验结果与模型仿真结果的图形对比

　　新模型在 VGBA 模型(Barabasi & Albert,2000)的基础之上增加引入了节点关系与权重的相关参数,并运用系统动力学(system of dynamic)建模方法对群体情绪在关系网络中传播的动力过程建立了常微分方程模型。建模过程主要包括两个步骤:第一步,社会关系网络的建模;第二步,基于上述社会网络的群体情绪传播动力学模型。该模型说明:群体成员间群体情绪分享与二次分享的意愿、成员受群体情绪感染的程度以及群体成员间的关系密集程度与权重大小可以较准确地刻画出群体情绪传播过程中,传播者、不传播者以及未被传播者的人数比重随时间变化的规律。

　　将λ 、α 以及每个班级的节点度 K 代入所建立的模型。其中参数 K 为描述整个群体成员关系的紧密程度的指标(Barabasi & Albert,2000),其计算方法是先将每对被试相互打分的平均值分别作为二者之间亲密关系和信任关系的最终得分,再将两个得分都转化为 Z 分数并相加得到每一对被试间的关系紧密程度得分矩阵,再将矩阵中所有元素的 Z 分数相加得到 K。解出 s(t)和 r(t) (传播者和不传播者人数)并绘制出这两个函数的图形。再以时间为横轴,传播人数百分比与不传播人数百分比(所有百分比值均为 20 个班级的均值)分别作为纵轴,建立坐标系,以描点法绘制出两类人数百分比随时间变化的函数(折线)图形,将该图形与基于模型计算出的 s(t)和 r(t) 作对应比较,结果见图1、2,其中虚线均为仿真结果,实线均为实验结果。

　　

　　3. 4 模型比较

　　本研究中并无显式解,Matlab 是采用数值解法通过描点给出的它们的近似函数图形,从而无法通过一般的、误差可控的模型拟合的方法来判断数据与模型的拟合程度。

　　设:Si为第 i 个时刻传播者人数占总人数的百分比的实验测得值;Si' 为第 i 个时刻传播者人数占总人数的百分比的模型计算值;Ri为第 i 个时刻不传播者人数占总人数的百分比的实验测得值;Ri' 为第 个时刻不传播者人数占总人数的百分比的模型计算值。

　　

　　即从相对误差的角度来看,测量精度分别为1 - . 176 = . 824,1 -. 192 =. 808;另外,计算 Si与 Si'以及 Ri与 Ri' 之间的相关系数与 Si的方差与 Si' 的方差以及 Ri的方差与 Ri' 的方差之比。同样的方法,分别将元胞自动机模型与无标度网络传播模型的仿真结果与实验结果进行比较,所得结果如下:

　　

　　4、 讨论

　　本研究的结果表明,所建立的群体情绪传播模型的仿真结果与实验结果在图形的走势上(增减性、凹凸性、极值点、终值点)相同,这与元胞自动机、SI、SIS、SIR 以及无标度网络传播模型的仿真结果相同,而在模型生态效度上,说明该群体情绪传播动力学模型较之其他模型具有更好的生态效度。这是因为该模型充分考虑了:(1)传播中,群体成员之间亲密与信任关系及权重;(2)群体情绪传播的动力学机制。

　　本研究结果还表明:成员间群体情绪分享与二次分享的意愿、成员受群体情绪感染的程度以及群体成员间的关系密集程度与权重大小可以较准确地刻画出群体情绪传播过程中,传播者人数比重随时间呈先增加后减少的变化趋势;不传播者人数比重随时间呈递增且增速逐渐减慢的趋势;未被传播者人数比重随时间递减。这说明群体情绪在传播过程中会首先经历一个较快的上升期,并达到一个顶峰值,随后人数会逐渐下降而达到趋于一个较低的稳定值,;接触过群体情绪而不再传播的人数始终处于上升,但增速放缓,直至趋于稳定的峰值,这表明,群体情绪发展到一定的时间后群体中的绝大多数人不再传播该情绪。

　　5、 问题与展望

　　未来研究可主要针对影响群体情绪传播的系统动力学特征(峰值出现的早晚,峰值的大小,终值的大小等)的群体心理因素来展开。譬如,已有研究表明,群体成员对所属群体认同感越高则由此体验到的群体情绪就越为强烈(Mackie et al. ,2004),而情绪社会分享的研究结果表明,情绪强度正向影响分享的愿望(Christophe & Rimé,1997; Rimé,2007)。

　　由此,是否可以推测:群体认同感的强度可以正向影响个体间的情绪社会分享行为进而对群体情绪的传播的动力学特征产生影响:认同感高的群体中,情绪传播更快,波及范围更广,最终受影响的人数也更多。另有研究表明:对分享对象的反应期待(Zech,2004) 、归属需要( Zech,2005) 、寻求情绪康复的动机(Zech,2005)是影响情绪社会分享的主要因素,那么,这些因素对群体情绪的传播动力学特征有着怎样的影响? 最后,关于情绪感染的研究表明,个体受情绪感染的大小受到个体情绪调节能力的影响(Bakker & Schaufeli,2000; Doherty,1997),因此,情绪调节能力更强的群体中,群体情绪是否很难传播?

　　综上,如果能够找到某个群体在上述群体心理特征变量与群体情绪传播动力学特征之间的函数关系,就可以通过抽样测定某群体中群体心理变量的大小来预测某种群体情绪在群体中传播扩散的速度与范围,这为有效监控与预测群体情绪乃至群体事件的发生与发展提供了一定的理论依据与数据支持,这些问题有待未来研究解决。