岳 譜

(南京政治學(xué)院，上海 200433)

社交網(wǎng)絡(luò)指的是網(wǎng)絡(luò)服務(wù)公司提供平臺，用戶在平臺上創(chuàng)造信息、交流情感的一種網(wǎng)絡(luò)內(nèi)容生產(chǎn)模式。國外最著名的社交網(wǎng)絡(luò)包括Facebook和twitter，國內(nèi)最著名的社交網(wǎng)絡(luò)包括人人網(wǎng)和新浪微博等等。

社交網(wǎng)絡(luò)上的所有信息都是用戶生產(chǎn)的，用戶在生產(chǎn)這些信息的過程中，不可避免地要暴露個人的一些特征。因此，通過用戶生產(chǎn)的內(nèi)容反推用戶的個人信息就成為了一個熱門的領(lǐng)域。［1］人格特質(zhì)是個人所持有的，穩(wěn)定的、廣泛的人格特征，對于愛好選擇、政治信仰等等很多方面都有很重要的影響。［2］因而，基于社交網(wǎng)絡(luò)評定人格特質(zhì)的研究就成為通過社交網(wǎng)絡(luò)反推個人信息的最基礎(chǔ)的研究方向之一。目前，基于社交網(wǎng)路評定人格特質(zhì)的單個研究已經(jīng)有了一些，但是相關(guān)綜合研究較少。本文通過對十八篇利用社交網(wǎng)絡(luò)評定人格特質(zhì)文獻進行綜合分析，以填補這方面的空白。

一、被研究文獻的描述性介紹

選取了十八篇基于社交網(wǎng)絡(luò)評定人格特質(zhì)的論文進行實證研究，本研究的文獻是利用谷歌學(xué)術(shù)等搜索引擎進行檢索，盡可能包含了所有符合選取標準的相關(guān)英文文獻，來源期刊包括Psychological science、Journal of Applied Social Psychology、Computers in Human Behavior等等。在文獻的選取標準上，本文選取的都是探索在不接觸個人的情況下，單純通過其社交網(wǎng)絡(luò)內(nèi)容探索其人格特征的研究。

從文獻中對于社交網(wǎng)絡(luò)的分類來看，十八篇文獻中，有十三篇文獻利用Facebook進行研究，三篇文獻利用twitter進行研究，一篇文獻利用人人網(wǎng)進行研究，還有一篇文獻研究的是廣義上的社交網(wǎng)絡(luò)，沒有標明具體平臺。

在人格特質(zhì)測量上，大部分的研究以大五人格特質(zhì)作為因變量，測量了各種因素對于被試大五人格五種特質(zhì)(開放性、外向性、情感不穩(wěn)定性、隨和性和負責性)的影響。在作為因變量的人格特質(zhì)中，大多數(shù)的研究都以被試自評問卷的結(jié)果作為其人格特質(zhì)。由于自評問卷僅僅反映了自己對自身人格的認識，不一定能夠反映真實的人格，［3］論文1、論文 2和論文4這三篇文獻中，將自評人格問卷結(jié)果與熟人評價的人格問卷結(jié)果加權(quán)作為個體的真實人格特質(zhì)。

二、基于社交網(wǎng)絡(luò)評定人格的方法和效果

現(xiàn)有文獻總體來看，如表1所示，通過社交網(wǎng)絡(luò)評定人格特征的方式主要有兩大類:(1)通過人評價。通過編碼者對個人主頁進行內(nèi)容分析得出被試在各項人格特質(zhì)上的評分。這一類中通過人評價人格又分為兩種方式，第一種是評價被試人格特質(zhì)的人完全不認識被試，第二種是通過被試的網(wǎng)友評價被試的人格特征，雖然網(wǎng)友主要通過網(wǎng)絡(luò)獲取被試的信息，但是實際上他們在現(xiàn)實生活中可能有一定的接觸。(2)通過數(shù)據(jù)分析。對個人主頁的特征進行提取量化，探索其特征與被試各項人格特質(zhì)的關(guān)系。這種方式又分為兩種，一種注重于用戶使用的語言，通過利用語言分析工具，進行文本分析，對其性格特質(zhì)進行預(yù)測。另一種注重社交網(wǎng)絡(luò)的賬戶信息與操作信息，也就是通過用戶展現(xiàn)在社交網(wǎng)絡(luò)上的使用信息，比如登陸頻率、興趣標簽等等來預(yù)測人格特質(zhì)。還有一些研究結(jié)合了語言和賬戶信息，綜合探索其與人格特質(zhì)的關(guān)系。

表1 通過社交網(wǎng)絡(luò)評定人格的類型

在抽樣方法上，大部分的研究采用傳統(tǒng)的招募被試的方式，抽取從幾十人到幾百人不等的被試進行分析研究。但是社交網(wǎng)絡(luò)的特性為相關(guān)研究提供了極大的便利，論文7、論文8、論文9、論文10和論文18均利用了mypersonality項目的資料。該項目是一個Facebook數(shù)據(jù)庫，資料極為豐富，任何人只要注冊為會員即可使用其數(shù)據(jù)。項目中采用Facebook應(yīng)用程序，吸引Facebook用戶測評自己的人格等各方面特征，同時獲得參加測試用戶的Facebook中各項信息。項目中的用戶參加測試不會獲得任何報酬，但是可以得到自己的人格評分。采用這個項目進行研究的優(yōu)勢在于可以便捷地獲取大量的資料，這些研究中被試大多有10萬以上。

(一)通過人評定人格的效果與評價

通過人評定人格的方法大都是采用問卷法，被試在完成大五人格各項特質(zhì)的測量之后，由若干位編碼者(論文6中只有一位網(wǎng)友)通過社交網(wǎng)絡(luò)所呈現(xiàn)出來的結(jié)果，對被試的大五人格各項特質(zhì)進行評定。由于問卷法與內(nèi)容編碼方法的限制，這種研究方法的被試數(shù)量有幾十人到幾百人不等(最少論文6中被試39人，最多論文5中第一個研究被試274人。)，而且被試大多為高校的本科生。

另外，通過人評定人格的研究，都不單是為了探索通過社交網(wǎng)絡(luò)評定人格的可能性，而在于對社交網(wǎng)絡(luò)呈現(xiàn)的被試人格特征進行分析。論文6研究了線下朋友與線上朋友對于社交網(wǎng)絡(luò)用戶人格評分的差異問題，結(jié)果顯示除了在情感穩(wěn)定性方面之外，其他特質(zhì)均無顯著差異。有兩種關(guān)于社交網(wǎng)絡(luò)呈現(xiàn)人格的觀點，一種觀點認為，因為社交網(wǎng)絡(luò)的內(nèi)容是用戶自愿發(fā)布的，所以通過社交網(wǎng)絡(luò)呈現(xiàn)出來的人格應(yīng)該是用戶的理想人格;另一種觀點認為，因為社交網(wǎng)絡(luò)是用戶用來表達情感、傳達信息的一種方式，用戶更可能通過社交網(wǎng)絡(luò)表現(xiàn)日常生活過程中自己的真實人格。論文1和論文2通過分別在美國和德國實施的兩項研究，支持了后一種觀點。由于通過社交網(wǎng)絡(luò)進行自我呈現(xiàn)避免了面對面交流的壓力與尷尬，相比于面對面的交流，一些人更愿意通過社交網(wǎng)絡(luò)來展現(xiàn)自己的人格。

如表2所示，大五人格中的大部分人格特質(zhì)能夠被編碼者在一定程度上評定出來，但是相關(guān)程度在各項研究中均有不同。幾篇論文中對于研究結(jié)果的差異均有涉及，但沒有太多有說服力的結(jié)果?？傮w上來看，通過社交網(wǎng)絡(luò)呈現(xiàn)出來的人格特質(zhì)中，外向性和隨和性是最容易被呈現(xiàn)的，而情感不穩(wěn)定性則不太容易讓人判斷。

表2 通過人評定人格的研究中評定結(jié)果和真實人格的相關(guān)系數(shù)

(二)通過量化數(shù)據(jù)評定人格的效果與評價

通過量化數(shù)據(jù)評定人格的方法也主要通過招募被試來進行，通過招募被試進行的研究限于時間和精力的限制，被試不會超過幾百人。借助于my personality項目的幫助，一些論文得以對語言特征和賬戶特征與大五人格之間的關(guān)系，進行較大規(guī)模的數(shù)據(jù)分析。

1．語言特征

論文12、論文13、論文14和論文16使用“語言獲得和詞匯計數(shù)軟件”(LIWC)對社交網(wǎng)絡(luò)上發(fā)布的語言進行分析。簡單來說，它可以把輸入的文本內(nèi)容提取成為五大類共81個小類①這五大類分別是:標準計數(shù)(單詞數(shù)，超過六個字母的單詞，重復(fù)數(shù)等);心理處理過程(情感過程、認知過程、感知過程、社會過程等等);相關(guān)性(關(guān)于時間、過去和將來的單詞);個人事務(wù)(例如職位、經(jīng)濟問題、健康);其他類目(包括各種標點符號的計數(shù)，臟話數(shù))。的語言特征，并給出每類語言特征出現(xiàn)的次數(shù)，用以和人格特征做相關(guān)比較。

論文12和論文13均利用Facebook用戶作為研究對象，進行抽樣研究。結(jié)果顯示論文12中只有12項被分析的語言特征顯示了和大五人格某些特質(zhì)顯著相關(guān)，而論文13中則有超過50項被分析的語言特征與大五人格的某些特質(zhì)顯著相關(guān)，見表3。

表3 Facebook中與大五人格特質(zhì)相關(guān)的語言特征及相關(guān)系數(shù)(僅列出顯著相關(guān)部分)

由表3可知，在論文12和論文13的研究結(jié)果中，均呈現(xiàn)顯著相關(guān)關(guān)系的語言特征和大五人格特質(zhì)有四項。外向性的人普遍喜歡使用和金錢相關(guān)的單詞，負責性高的人更加不喜歡使用臟話，隨和性高的人更傾向于使用與積極情感相關(guān)的單詞，而情感不穩(wěn)定的人傾向于使用與焦慮相關(guān)的單詞。值得注意的是，盡管相關(guān)程度顯著，相關(guān)系數(shù)卻不高。

論文14和論文16均利用Twitter用戶作為研究對象進行抽樣研究。Twitter和Facebook均為著名的社交網(wǎng)絡(luò)，但是兩者對信息隱私的保護程度不同。在Twitter上，任何經(jīng)過注冊的用戶都可以單向關(guān)注其它用戶從而獲取其發(fā)布的所有信息。而在Facebook上，大部分的用戶會設(shè)置隱私保護模式，只有經(jīng)過雙方同意成為好友的用戶才能夠獲取其發(fā)布的信息?？偠灾?，獲取Twitter上用戶的信息更加容易，更不容易出現(xiàn)倫理問題。

論文14中，有53項語言特征和大五人格某些特質(zhì)顯著相關(guān)，而論文16中則有32個語言特征與大五人格某些特質(zhì)顯著相關(guān)。

表4可知，在論文14和論文16中，呈現(xiàn)顯著相關(guān)關(guān)系的語言特征和大五人格特質(zhì)的有10項，均集中在負責性和外向性這兩個大五人格特質(zhì)方面。其他三個特質(zhì)在兩篇論文中均有與其相關(guān)的語言特征，但是沒有發(fā)現(xiàn)重合?？傮w來看，外向性高的人更容易在Twitter上使用與社交交往過程相關(guān)的單詞，而負責性高的人更容易在Twitter上使用與工作有關(guān)的單詞，而不喜歡在Twitter上使用與否定詞、悲傷、死亡等有關(guān)的單詞。

表4 Twitter中與大五人格特質(zhì)相關(guān)的語言特征及其相關(guān)系數(shù)(僅列出顯著相關(guān)部分)

論文17沒有直接利用LIWC分析不同類別的單詞和人格之間的關(guān)系，而是利用單詞的情緒分類作為中介變量，探索Facebook文字狀態(tài)所體現(xiàn)的不同情緒與大五人格特質(zhì)之間的關(guān)系。加拿大國家研究委員會情緒詞典將近一萬五千個英語單詞，按照積極、消極、憤怒、期待、惡心、害怕、歡快、悲傷、驚訝和信任十種情緒，分別予以評分(0或者1)。某個單詞可能包含多種情緒，也可能不包含任何情緒。該論文中的顯著相關(guān)有:喜歡表達期待性情緒的被試在隨和性、負責性和外向性上得分較高;較多表達惡心、悲哀、消極情緒，較少表達快樂情緒的被試在情感不穩(wěn)定性上得分較高;傾向于表達悲哀情緒的被試在情感不穩(wěn)定性和開放性上得分較高;而更傾向于表達愉快情緒的被試在外向性、負責性以及隨和性上得分較高;傾向于在狀態(tài)中表達自己的憤怒和恐懼情緒的被試在開放性上得分也較高。

論文15則研究了中國的著名社交網(wǎng)絡(luò)“人人網(wǎng)”中文字狀態(tài)與大五人格之間的關(guān)系。該論文在文字狀態(tài)中提取了25種語言特征并進行計數(shù)，比較文字特征和被試大五人格特質(zhì)之間的關(guān)系。論文把所有文字狀態(tài)分為最近狀態(tài)和所有狀態(tài)兩類，分別予以研究，見表5。

表5是在最近狀態(tài)和全部狀態(tài)中均顯著相關(guān)的全部數(shù)據(jù)?？傮w來看，較多使用疑問句的被試更可能表現(xiàn)出開放性的人格特質(zhì);在人人網(wǎng)上發(fā)狀態(tài)多的被試、喜歡使用第一人稱單數(shù)、第二人稱和第三人稱單數(shù)的被試以及喜歡使用數(shù)字的被試在外向性上得分較低;在人人網(wǎng)發(fā)狀態(tài)多的被試、喜歡使用第二人稱單數(shù)和第三人稱復(fù)數(shù)的被試、喜歡使用積極情感單詞的被試以及喜歡使用表示頻率詞的被試在情感不穩(wěn)定性上得分較高。

表5 人人網(wǎng)中與大五人格相關(guān)的語言特征及其相關(guān)系數(shù)(僅列出顯著相關(guān)部分)

以上是利用固定語言分類方法研究社交網(wǎng)絡(luò)語言和大五人格特質(zhì)關(guān)系的論文。對比可以看出，在研究中，針對Facebook和twitter的不同論文發(fā)現(xiàn)了一些相同的相關(guān)關(guān)系，但Facebook、twitter和人人網(wǎng)中跨平臺的論文中的相關(guān)關(guān)系均不相同。這或許可通過三種社交網(wǎng)絡(luò)平臺的不同性質(zhì)來解釋，也有可能由于社交網(wǎng)絡(luò)發(fā)布信息的龐雜性，使利用固定語言分類的方法難以探索出持久的相關(guān)關(guān)系。

固定語言分類法是指利用現(xiàn)有的固定的對語言進行分類的方法進行研究。利用固定語言分類法對社交網(wǎng)絡(luò)上的文字內(nèi)容進行研究有很大的局限性:因為語言是處在進化演變過程中的，在這個過程中，新的單詞不斷出現(xiàn)，舊的單詞逐漸被淘汰。在社交網(wǎng)絡(luò)發(fā)布的信息中，拼寫錯誤、縮寫和簡稱等等情況的發(fā)生也容易讓固定語言分類法的效力降低。

鑒于以上原因，論文18和論文10采用開放語言分類法研究社交網(wǎng)絡(luò)中單詞和詞組的適用情況及和大五人格之間的關(guān)系。并采用可視化技術(shù)，把結(jié)果進行圖像化的呈現(xiàn)。論文10對比了利用固定語言分類法和開放語言分類法進行回歸分析，預(yù)測大五人格的效果。結(jié)果顯示，開放語言分類法的預(yù)測效果要大大好于固定語言分類法。

2．賬戶特征

從被試的社交網(wǎng)絡(luò)信息中提取賬戶特征，探索賬戶特征與被試大五人格特質(zhì)之間的關(guān)系，是利用社交網(wǎng)絡(luò)評定人格特質(zhì)的另一種方法。

論文3、論文4、論文7、論文9、論文12和論文13中，均采用了從Facebook中提取賬戶特征進行量化，用以預(yù)測和大五人格特質(zhì)相關(guān)程度的方法，見表6。

表6 Facebook中，與大五人格特質(zhì)顯著相關(guān)的賬戶特征及其相關(guān)系數(shù)

表6可知，現(xiàn)有的研究顯示，在Facebook中，朋友數(shù)、狀態(tài)數(shù)、相冊數(shù)、小組數(shù)較多的被試在外向性上的評分較高;興趣數(shù)、狀態(tài)數(shù)、小組數(shù)較多的被試在開放性上的評分較高;興趣數(shù)和小組數(shù)較少的被試，在負責性上的評分較高;興趣數(shù)和狀態(tài)數(shù)較多的被試，在情感不穩(wěn)定性上的得分較高。

論文8和論文14則從Twitter中提取特征，預(yù)測其用戶的大五人格特質(zhì)。由于twitter和Facebook這兩種社交媒體使用習慣和設(shè)計的不同，在Twitter中和在Facebook中提取的賬戶特征有很大不同。論文8中提取了5個特征，論文8中提取了13個特征，其中有四個特征重合，可以對比，見表7。

表7 Twitter中，與大五人格特質(zhì)顯著相關(guān)的賬戶特征及其相關(guān)系數(shù)(在兩篇論文中均顯著的相關(guān)被列出)

由表7可知，外向性和開放性分別和被提及次數(shù)、關(guān)注數(shù)、粉絲數(shù)、Twitter賬戶影響力顯著相關(guān)。

三、結(jié)論

本文通過文獻研究法，對于十八篇基于社交網(wǎng)絡(luò)評定人格的文獻進行對比分析。結(jié)果顯示，通過社交網(wǎng)絡(luò)評定人格特征的方式主要有兩大類:第一類是通過人評定的方式，即通過編碼者對個人主頁進行內(nèi)容分析得出被試在各項人格特質(zhì)上的評分。第二類是通過數(shù)據(jù)分析的方式，即通過對個人主頁的特征進行提取量化，探索其特征與被試各項人格特質(zhì)的關(guān)系。

對比發(fā)現(xiàn)，不同社交平臺與大五人格特質(zhì)相關(guān)的特征均有不同。對此，可能有兩種解釋:有可能因為不同社交網(wǎng)絡(luò)的使用特征不同，面向人群不同，因而所體現(xiàn)出的相關(guān)特征不同;也有可能因為社交網(wǎng)絡(luò)的使用特征與大五人格特質(zhì)之間不存在穩(wěn)定的關(guān)系，因而在各研究中呈現(xiàn)出不同的結(jié)果。具體的原因，有待后續(xù)研究繼續(xù)深入探討。

［1］張磊，陳貞翔，楊波．社交網(wǎng)絡(luò)用戶的人格分析與預(yù)測［J］．計算機學(xué)報，2014，37(8):1877 －1894．

［2］姚琦，馬華維，閻歡，等．心理學(xué)視角下社交網(wǎng)絡(luò)用戶個體行為分析［J］．心理科學(xué)進展，2014(10):1647－1659．

［3］GOSLING SD，AUGUSTINE A A，VAZIRE S，et al．Manifestations of personality in online social networks:Self-reported Facebook-related behaviors and observable profile information［J］．Cyberpsychology Behavior and Social Networking，2011，14(9):483 －488．