**
1 中國科學院心理研究所 北京 100190
2 中國科學院大學 北京 100012
3 湖北經(jīng)濟學院 武漢 430205
基于網(wǎng)絡平臺的群體和個體的社會態(tài)度研究*
周 陽1,2王雪菲1,2白朔天3趙 楠1朱廷劭1**
1 中國科學院心理研究所 北京 100190
2 中國科學院大學 北京 100012
3 湖北經(jīng)濟學院 武漢 430205
社會態(tài)度反映了民眾對社會的判斷和感受,是社會治理需要高度重視的內(nèi)容。文章對傳統(tǒng)社會調(diào)查方法的優(yōu)劣進行了分析,進而指出基于互聯(lián)網(wǎng)計算社會態(tài)度在理論和現(xiàn)實層面的可行性。本文介紹了中科院心理所課題組基于網(wǎng)絡行為的社會態(tài)度計算模型,并應用該模型計算了廣東省的社會態(tài)度,通過廣東省各個城市的“地方經(jīng)濟滿意度”這一社會態(tài)度指標與該區(qū)域的宏觀經(jīng)濟指標的相關性進一步驗證了模型的可解釋性。同時介紹了美國賓夕法尼亞大學通過Twitter 數(shù)據(jù)預測公民幸福感并繪制美國的幸福感地圖。利用預測模型的計算方法所采用數(shù)據(jù)真實客觀,排除了社會贊許性等因素的影響,并極大地降低了成本,縮短了原有的調(diào)研周期,初步實現(xiàn)了社會態(tài)度的實時計算感知,對長期動態(tài)監(jiān)控各項社會態(tài)度指標有極大的現(xiàn)實意義。希望能夠與線下的社會調(diào)查法優(yōu)勢互補,共同為社會治理提供輔助決策。
社會態(tài)度,網(wǎng)絡行為,社會治理
DOI 10.16418/j.issn.1000-3045.2017.02.009
我國目前正處于社會加速轉(zhuǎn)型期,社會成員逐漸形成多元的利益群體,當利益格局復雜、社會訴求多元以后,要把更多的決策交給社會去博弈,通過居民的參與來解決發(fā)展中出現(xiàn)的問題。為了創(chuàng)新有效預防和化解社會矛盾體制,順應社會轉(zhuǎn)型和經(jīng)濟轉(zhuǎn)軌,我國從傳統(tǒng)社會管理邁向了現(xiàn)代社會治理[1]。社會治理是在基本政治制度與文化傳承的總領下,通過結(jié)構(gòu)治理、制度安排、法規(guī)約束、道德養(yǎng)成、文明啟迪等對國家、社會和民眾形成良治的整體塑造[2]。它強調(diào)政府與社會的合作共治,政府對社會的控制管理更多地讓位于調(diào)控、引導、服務和整合,實現(xiàn)政府與公民社會的合作治理[3]。
社會治理是一種既包括政府也包括社會組織和社會成員的集體行動,而社會成員的集體行動則往往受其社會態(tài)度的影響。如果大家擁有積極正面的態(tài)度去正視社會治理中的矛盾,將有利于平穩(wěn)順利地推進社會治理;反之則可能進一步激化矛盾,阻礙社會治理的進一步發(fā)展[4]。
中共中央十八屆三中全會《關于全面深化改革若干重大問題的決定》指出社會治理須兼顧“多元”和“互動”,倡導“調(diào)和”,不使用強力或者蠻力去支配社會。當前社會利益格局復雜,社會訴求多元,只有通過互動和溝通,形成統(tǒng)一的社會訴求,才能與多元主體在溝通交流的基礎上達成社會共識。要全面了解不同階層的訴求,就需要及時了解公眾社會態(tài)度的變化,了解不同階層群眾在生活、政府、經(jīng)濟等方面的社會態(tài)度,為采取正確的引導方式提供科學依據(jù)[5]。
社會態(tài)度反映了民眾對社會的判斷和感受,是社會治理需要高度重視的內(nèi)容。在當代社會,民眾的社會態(tài)度除具有“晴雨表”的作用外,還具有社會治理參與的意義。社會態(tài)度[6,7]由社會因素引起——由于人對涉及的社會事物,不管其是否符合自身物質(zhì)方面或理念方面的需要,都會產(chǎn)生肯定或否定、贊成或反對、接近或拒絕的體驗[8];因此,個體因各種社會事物對自己的意義差異,就會形成不同方向、不同強度以及從核心到邊緣地位不同的態(tài)度。社會態(tài)度通過整個社會的流行、時尚、輿論和社會成員的生活感受、未來信心、社會動機、社會情緒等得以表現(xiàn);它與主流意識形態(tài)相互作用,通過社會認同、情緒感染、去個性化等機制,對社會成員形成模糊的、潛在的和情緒性的影響[9,10]。
根據(jù)對社會態(tài)度的調(diào)查,大范圍高效監(jiān)測經(jīng)濟滿意度、生活滿意度、政府滿意度等各項社會態(tài)度指標,能夠比宏觀統(tǒng)計數(shù)據(jù)更敏感地感知到民眾社會態(tài)度的變化。利用宏觀經(jīng)濟和社會統(tǒng)計數(shù)據(jù)分析當前的社會形勢主要著眼于宏觀的經(jīng)濟結(jié)構(gòu)問題,而公眾態(tài)度是能夠比較直接反映社會問題的重要因素之一[11]。如果能夠客觀及時了解社情民意,對公共事件、社會輿情、社會心理進行客觀實時的評估[12],及時發(fā)現(xiàn)社會不穩(wěn)定因素,有助于為社會治理提供科學的決策依據(jù)。
當前,國內(nèi)對社會態(tài)度的調(diào)查研究通常通過社會調(diào)查法,分散于不同的研究課題中,全面系統(tǒng)性的社會調(diào)查不多見。由于社會調(diào)查涉及人員較多,難以進行訪談和觀察,因此社會調(diào)查法中的問卷調(diào)查被廣泛應用[13]。通過招募和培訓調(diào)查員,安排其對被試進行發(fā)放和回收問卷,匯總被試的調(diào)查結(jié)果,完成對公眾社會心態(tài)的調(diào)查。通過社會調(diào)查法,可以一定程度了解公眾的社會態(tài)度,如生活滿意度與政府滿意度的關系變遷[14],對“動物福利”的社會態(tài)度[15],以及人群的社會態(tài)度調(diào)查[11]。
一個完整的調(diào)查周期包括招募調(diào)查員、開展面對面調(diào)查和調(diào)查結(jié)果的統(tǒng)計計算。整個過程需要在人員和時間上投入巨大開銷。根據(jù)經(jīng)驗,一個萬人規(guī)模的調(diào)查成本大約在幾十萬人民幣的數(shù)量級。由于社會調(diào)查要求覆蓋范圍廣,其調(diào)查周期也往往較長,一般要 3—6 個月,也就是說,社會調(diào)查最快也要一個季度后才可以得到計算結(jié)果,影響了時效性。
歐美等發(fā)達國家和地區(qū)早已開展社會態(tài)度調(diào)查,并且由專業(yè)機構(gòu)進行,社會調(diào)查的系統(tǒng)性得到了有效保障。美國社會研究所(Institute for Social Research, ISR, http://www.isr.umich.edu/)自 1975 年起每年監(jiān)測 1 次“二戰(zhàn)”后出生的青年人生活價值觀和生活方式的變化。自1979 年起每年對黑人的生活展開 1 次調(diào)查。自1989 年起對世界價值觀展開調(diào)查。英國全國社會研究中心(National Center for Social Resarch, NCSR, http://www.natcen. ac.uk/)自1957 年起每年對家庭支出進行 1 次調(diào)查,自1983 年起每年對社會態(tài)度進行 1 次調(diào)查。這些研究機構(gòu)的社會調(diào)查具有較大的覆蓋范圍,但其調(diào)查成本昂貴、調(diào)查周期通常在半年至一年的時間。
調(diào)查法有著深厚的理論和實踐基礎,可以通過選擇涵蓋不同的群體,覆蓋不同的地區(qū),保證隨機抽樣的公平性和均衡性。并且調(diào)查法通過對施測人員的培訓,可以有效控制調(diào)查者填答問卷的質(zhì)量。但當覆蓋范圍廣的時候,必然要增加調(diào)查員人數(shù),增加開展大范圍調(diào)查的成本,成本投入極大,時效性不高,且基于問卷調(diào)查形式的數(shù)據(jù)收集容易受到調(diào)查者社會贊許性心理的干擾。隨著互聯(lián)網(wǎng)技術(shù)的發(fā)展,我們提出通過對網(wǎng)絡行為的研究計算實現(xiàn)對社會態(tài)度的自動識別,無需用戶參與。該方式收集信息速度快,并且能夠節(jié)省大量的資源,不受空間限制,且客觀的網(wǎng)絡行為數(shù)據(jù)可以避免贊許性心理的干擾,與傳統(tǒng)的調(diào)查方法互相補充,共同為社會治理提供幫助。
現(xiàn)階段,人類社會已經(jīng)進入了網(wǎng)絡化時代,手機、計算機和互聯(lián)網(wǎng)深入到了人們生活中的各個層面,給社會帶來了極大的變化。新媒體在信息數(shù)量、信息展現(xiàn)方式、信息內(nèi)容、信息時效等方面具有區(qū)別于舊媒體的獨特優(yōu)勢,新媒體的迅猛發(fā)展對當下社會生活產(chǎn)生巨大影響。而社交網(wǎng)絡作為新媒體的輿論場,能夠反映公眾的社會態(tài)度[16]。網(wǎng)絡行為所反映的社會態(tài)度是值得重視的,它反映了社會公眾關注的焦點以及關注的規(guī)律性。利用和研究這些網(wǎng)絡行為所反映的社會態(tài)度,可以在一定程度上把握公眾所思所想,為社會治理提供一些基礎的依據(jù)。
據(jù)中國互聯(lián)網(wǎng)絡信息中心(CNNIC)報告顯示,截至 2015 年 12 月,我國網(wǎng)民規(guī)模達 6.88 億,互聯(lián)網(wǎng)普及率為 50.3%。在網(wǎng)絡日益普及的今天,通過網(wǎng)絡更易收集多樣化樣本,對網(wǎng)絡行為進行研究也不會受到時間和空間的限制。社交網(wǎng)絡作為社會態(tài)度的一種表達手段,在反映社會態(tài)度方面有其特有的及時、快速、準確、真實等優(yōu)勢[17]。
根據(jù) Brunswik[18]的“透鏡模型”(lens model),私人的空間環(huán)境中往往蘊含著能夠表征主體自身的心理特征的線索(例如,房間陳設的布置風格與個人物品的擺放方式)。借助于“行為痕跡”(behavioral residue)的呈現(xiàn)形式,這些表征主體自身的心理特征的線索得以見諸于日常生活的各種場景與情境之中(包括互聯(lián)網(wǎng)空間)[19,20],這意味著用戶在互聯(lián)網(wǎng)空間中的“行為痕跡”也能夠反映出其自身的心理特征。大量研究探討了用戶的互聯(lián)網(wǎng)行為與其自身的心理特征之間的關系模式,旨在為實現(xiàn)“人類”與“計算機”之間的最佳匹配與良性互動提供充分的依據(jù)與支持。
國內(nèi)外已有研究對基于網(wǎng)絡行為的心理特征進行分析,如:Gosling 等人[21]研究了 Facebook 用戶大五人格和其網(wǎng)絡特征的關聯(lián)模式。他們設計了 11 個社交特征,并且得出用戶的社交活躍度可以用來作為內(nèi)外向的預測因子。Correa 等人[22]研究了用戶的大五人格和社會網(wǎng)絡媒體使用情況。他們通過計算被試用戶的大五人格和社會網(wǎng)絡媒體使用特征的相關性,發(fā)現(xiàn)開放性、內(nèi)外向維度與社會網(wǎng)絡媒體的使用呈顯著正相關,而神經(jīng)質(zhì)則為負相關。Campbell 等人[23]通過在線方式,在互聯(lián)網(wǎng)上招募 188名樣本,同時在線下以紙筆測試的方式招募了 27 名經(jīng)常上網(wǎng)的大學本科生用戶作為樣本組。他們的研究表明,經(jīng)常上網(wǎng)的用戶更可能具有較強的孤獨感,他們也更可能會沉迷于互聯(lián)網(wǎng)。國內(nèi)也有研究對網(wǎng)絡社會中個體人格特征及其行為的關系進行的分析,將網(wǎng)絡行為劃分為一般性上網(wǎng)行為、針對不同類型網(wǎng)絡服務功能偏好、針對某種特定網(wǎng)絡服務內(nèi)容的使用特點、偏差行為與人格測驗的測量指標進行映射,從而提出利用網(wǎng)絡行為進行人格特征預測是完全可行的[24]。
既往研究都表明,利用網(wǎng)絡行為實現(xiàn)對用戶心理特征的識別是完全可行,并且模型的預測精度達到了可接受的程度。計算模型運行的高效性,使得我們可以對大范圍民眾的心理特征包括社會態(tài)度進行及時地分析識別,并在此基礎上提出相應的社會治理層面的對策建議,這無論是在理論層面還是在實踐層面都具有積極的意義。
在前期研究的基礎上,本文提出了基于網(wǎng)絡行為社會態(tài)度的研究方法,主要分為 3 個步驟,分別為數(shù)據(jù)采集、模型訓練和模型應用,流程如圖 1 所示。
圖 1 基于網(wǎng)絡行為的社會態(tài)度研究流程
在數(shù)據(jù)采集階段,首先對用戶施測問卷,獲取實際社會態(tài)度指標作為標注,通過對其網(wǎng)絡行為的數(shù)據(jù)分析提取網(wǎng)絡行為特征。在模型訓練階段,將網(wǎng)絡行為特征作為自變量,個體社會態(tài)度作為因變量,通過訓練機器學習算法,建立基于網(wǎng)絡行為的個體社會態(tài)度預測模型。在模型應用過程中,通過批量獲取用戶網(wǎng)絡數(shù)據(jù)并提取網(wǎng)絡行為特征,通過社會態(tài)度預測模型計算得出公眾社會態(tài)度,從而了解公眾社會態(tài)度及輿論走向。
根據(jù)國內(nèi)外利用網(wǎng)絡行為預測心理特征的已有研究,模型建立中使用的網(wǎng)絡特征主要有:人口統(tǒng)計學特征,包括年齡、性別、注冊日期、受教育水平等;使用行為特征,表征用戶使用微博的潛在行為模式,考察用戶與其他用戶的交互模式、個性化表達、隱私保護等;語言詞匯特征,即用戶在社會媒體上使用語言詞匯的主題,從心理學、情感表達等角度進行考察。研究中使用的模型通常包括線性回歸模型、神經(jīng)網(wǎng)絡模型、參數(shù)回歸模型等,模型的具體效果由于數(shù)據(jù)特征的差異有所不同。
在李昂等人[25]的研究中,參與者的社會態(tài)度問卷得分值為模型的結(jié)果變量,參與者的行為統(tǒng)計量特征和文本內(nèi)容特征為預測變量,分別采用線性回歸、神經(jīng)網(wǎng)絡和增量多任務回歸的算法進行建模,表1為模型的準確率和皮爾遜相關性系數(shù)。
表 1 不同社會態(tài)度預測模型的相關性系數(shù)和誤差率
經(jīng)過對比不同算法的性能,最優(yōu)模型預測社會態(tài)度的平均正確率達 82.83%,相關系數(shù)為 0.39—0.47 的中等相關,一般認為,當相關系數(shù)達0.4時,在社會或人格心理學中,相關性即可接受并具有一定的意義[26]。因此,本模型滿足了大范圍推廣計算的前提。
目前,國內(nèi)有基于社交網(wǎng)絡數(shù)據(jù)預測心理健康狀態(tài)、主觀幸福感、人格特征、抑郁和焦慮等研究[25,27]。國外的研究者已經(jīng)利用 Twitter 平臺開展了一系列相關研究[28],內(nèi)容涉及心理幸福感、政治意向、政治選舉等多個主題。美國賓夕法尼亞大學通過 Twitter 和 Facebook 的內(nèi)容預測個人的幸福感,通過與生活滿意度量表得到的值進行對比,相關系數(shù)達 0.62,證明了預測結(jié)果的有效性[29]。
國內(nèi)外的實證性研究表明,通過網(wǎng)絡及通訊平臺的用戶數(shù)據(jù),對社會態(tài)度計算的可行性。通過網(wǎng)絡數(shù)據(jù),能夠及時有效地獲取民眾的社會態(tài)度,這將是感知社會態(tài)度的理想途徑。
本節(jié)通過案例探討利用社會態(tài)度研究計算模型實現(xiàn)大范圍高時效性社會態(tài)度調(diào)查的有效性。
4.1 廣東省微博用戶社會態(tài)度計算
為了進一步驗證社會態(tài)度預測模型的有效性,我們利用訓練得到的社會態(tài)度預測模型,計算了廣東省各個城市的“地方經(jīng)濟滿意度”這一社會態(tài)度指標與該區(qū)域的宏觀經(jīng)濟指標的相關系數(shù)[30]。通過設置地級市為單位,先利用訓練得到的模型計算出各個城市在 2012 年的平均地方經(jīng)濟滿意度的排名,再從廣東省統(tǒng)計年鑒中查詢各地市 2012 年的各項宏觀經(jīng)濟指標的數(shù)值排名,計算兩個排名序列的皮爾遜相關系數(shù),結(jié)果見表 2。
表中結(jié)果顯示,地方經(jīng)濟滿意度與多個經(jīng)濟指標呈顯著的正相關,例如人均生產(chǎn)總值(r = 0.66),農(nóng)業(yè)總產(chǎn)值(r = 0.58),糧食產(chǎn)量(r = 0.45),花生產(chǎn)量(r = 0.49),蔬菜的產(chǎn)量(r = 0.60),生豬年末存欄頭數(shù)(r = 0.59),肉豬出欄頭數(shù)(r = 0.58),豬肉產(chǎn)量(r = 0.58),社會消費品零售總額(r = 0.45),批發(fā)零售貿(mào)易業(yè)零售額(r = 0.44)以及在崗職工人均收入(r = 0.51)。地方經(jīng)濟滿意度與多個經(jīng)濟指標的相關性,有效地驗證了公眾社會態(tài)度計算結(jié)果的可解釋性。
4.2 美國Twitter用戶幸福感地圖
賓夕法尼亞大學Schwartz等人[31]收集了從 2009 年 6月至 2010 年 3月的 Twitter 數(shù)據(jù),約有 10 億條,并通過發(fā)送地點盡可能將數(shù)據(jù)映射到美國的各個地區(qū)?;跀?shù)據(jù)中通過 LDA 產(chǎn)生的話題詞和通過 LIWC(Linguistic Inquiry and World Count)獲得的詞類作為模型的輸入特征,通過 LASSO回歸模型預測幸福感,并通過向這些地區(qū)施測的生活滿意度問卷評價其效果。
研究人員從 2008 年 11月至 2010 年 1 月期間隨機抽取了 10% 的數(shù)據(jù),從 2 528 個美國郡縣中選擇了 1 293個,約 30 000 個話題詞。將 1 293 個郡縣隨機分為 75% 的訓練集(970 個郡縣)和 25% 的測試集(323 個郡縣)。通過生活滿意度預測值和調(diào)查結(jié)果之間的皮爾遜相關系數(shù)評價模型的預測效果。最后通過用美國地圖展示各個地區(qū)基于網(wǎng)絡行為的預測值和基于問卷測量的值進行比較,可以直觀看出兩者具有很大的相似性,并得出皮爾遜相關系數(shù)為 0.535,證明用網(wǎng)絡行為預測幸福感具有一定的準確性和實際意義(http://wwbp.org/)。
4.3 討論
廣東省各地市的地方經(jīng)濟滿意度與該區(qū)域的宏觀經(jīng)濟指標的相關性分析,驗證了公眾社會態(tài)度預測模型的有效性,美國各個地區(qū)基于網(wǎng)絡行為的幸福感計算和基于生活滿意度問卷測量的結(jié)果比較,表明了基于網(wǎng)絡行為預測幸福感的可行性。在網(wǎng)絡化時代,網(wǎng)絡作為能夠反映社會態(tài)度的新媒體的一種形式,能夠幫助我們及時有效地獲取民眾社會態(tài)度,是實現(xiàn)社會有效治理所必須予以考量的因素。換言之,社會治理需要高度重視并積極研究社交網(wǎng)絡中所反映的社會態(tài)度[17]。
社會態(tài)度是無形的,但其對于人的行為、組織的發(fā)展、社會的運行有著不可忽視的作用。重視社會態(tài)度與網(wǎng)絡、社會治理的關聯(lián),在社會治理層面引入社會態(tài)度的視角,對于社會治理理論和實踐而言也有非常重要的意義[17]。
本文提出利用網(wǎng)絡行為數(shù)據(jù)預測民眾社會態(tài)度,數(shù)據(jù)真實客觀,排除了社會贊許性等因素的影響,并極大地降低了成本,縮短了原有的調(diào)研周期,能夠?qū)崿F(xiàn)社會態(tài)度的實時計算感知,對長期動態(tài)監(jiān)控各項社會態(tài)度指標有極大的現(xiàn)實意義。對于特定公共事件的決策處置,也可以幫助我們及時掌握社會公眾在事件期間的整體反應和態(tài)度,能夠服務于相關治理工作的科學推進和效果評估。
基于網(wǎng)絡行為的社會態(tài)度研究有其局限性,仍有一定數(shù)量的目標人群并沒有使用網(wǎng)絡,或者未在我們獲取數(shù)據(jù)的社交網(wǎng)絡中留下足夠的網(wǎng)絡行為。因此基于網(wǎng)絡行為的社會態(tài)度研究并不能完全取代線下的社會調(diào)查。兩者應該優(yōu)勢互補,取長補短,共同為社會治理發(fā)揮其參考價值。
社會態(tài)度的感知未來有望與突發(fā)事件檢測和負面輿情事件預警相結(jié)合,從而發(fā)揮更大的作用。已有研究通過將動態(tài)查詢擴展(Dynamic query expansion)與參與者情緒過濾相結(jié)合的方法檢測特定領域輿情事件[32]。由于社會態(tài)度對社會行為有著直接影響,如果將社會態(tài)度作為計算考察的因素之一,有望產(chǎn)生更優(yōu)的結(jié)果。另外對負面輿情事件的預測,已有方法如將情緒分析與統(tǒng)計方法結(jié)合起來作為模型的特征,通過 LASSO 回歸來預測負面輿情事件等[33],也同樣可用考慮將參與者的社會態(tài)度指標作為模型的特征之一,以提高模型的準確度。
綜上所述,利用機器學習與心理學研究相結(jié)合的方法,通過網(wǎng)絡行為數(shù)據(jù)進行實時計算,可以實現(xiàn)對公眾社會態(tài)度動態(tài)、有效地感知,進而結(jié)合社會治理的目標對公眾行為的發(fā)展趨勢進行有效地監(jiān)測。這一技術(shù)有望成為構(gòu)建和諧社會、維護長治久安、促進經(jīng)濟發(fā)展、緩解社會矛盾的一種有益的輔助手段。
1 竇玉沛. 從社會管理到社會治理: 理論和實踐的重大創(chuàng)新. 行政管理改革, 2014, (4): 20-25.
2 牛文元. 社會治理結(jié)構(gòu)的層階優(yōu)化三定則. 中國科學院院刊, 2015, 30(1): 61-70.
3 周紅云. 從社會管理走向社會治理: 概念, 邏輯, 原則與路徑.團結(jié), 2014, (1): 28-32.
4 劉福剛, 許偉. 論社會治理的社會心態(tài)基礎. 理論與改革, 2014, (5): 169-172.
5 楊和平. 從社會管理走向社會治理: 理念變遷與路徑思考. 廣州社會主義學院學報, 2014, (3): 44-47.
6 Sirgy M J, Gurel-Atay E, Webb D, et al. Is materialism all that bad? Effects on satisfaction with material life, life satisfaction, and economic motivation. Social Indicators Research, 2013, 110(1): 349-366.
7 周瑾. 論群體事件中的信息傳播與群體心理. 科技創(chuàng)業(yè)月刊, 2011, 24(10): 111-112.
8 Amiel T, Sargent S L. Individual differences in Internet usage motives. Computers in Human Behavior, 2004, 20(6): 711-726.
9 馬廣海. 論社會心態(tài): 概念辨析及其操作化. 社會科學, 2008, (10): 66-73.
10 楊宜音. 個體與宏觀社會的心理關系: 社會心態(tài)概念的界定.社會學研究, 2006, 4: 117-131.
11 王二平. 基于公眾態(tài)度調(diào)查的社會預警系統(tǒng). 中國科學院院刊, 2006, 21(2): 125-131.
12 王林, 時勘, 趙楊, 等. 基于突發(fā)事件的微博集群行為輿情感知實驗. 情報雜志, 2013, 32(5): 32-37.
13 李珊珊. 互聯(lián)網(wǎng)環(huán)境下社會調(diào)查方法的創(chuàng)新——以網(wǎng)絡調(diào)查為例. 新聞世界, 2015, (4): 103-104.
14 鄭昱. 生活滿意度與政府滿意度的關系變遷——基于 2005年—2010 年某省城鄉(xiāng)居民社會態(tài)度的調(diào)查數(shù)據(jù). 天津行政學院學報, 2014, 16(3): 20-26.
15 嚴火其, 李義波, 尤曉霖, 等. 中國公眾對 “動物福利” 社會態(tài)度的調(diào)查研究. 南京農(nóng)業(yè)大學學報: 社會科學版, 2013, (3): 99-105.
16 周敏. 闡釋、流動、想象: 風險社會下的信息流動與傳播管理. 北京: 北京大學出版社. 2014.
17 馮波, 劉亮. 微博中的社會心態(tài)與社會治理. 中共杭州市委黨校學報, 2015, (6): 014.
18 Brunswik E. Perception and the Representative Design of Psychological Experiments. Oakland, California: UC Press, 1956.
19 Gosling S D, Ko S, Mannarelli T, et al. A room with a cue: personality judgments based on offices and bedrooms. Journal of Personality and Social Psychology, 2002, 82(3): 379.
20 Yee N, Harris H, Jabon M, et al. The expression of personality in virtual worlds. Social Psychological and Personality Science,2011, 2(1): 5-12.
21 Gosling S D, Augustine A, Vazire S, et al. Manifestations of personality in online social networks: Self-reported Facebook-related behaviors and observable profile information. Cyberpsychology, Behavior, and Social Networking, 2011, 14(9): 483-488.
22 Correa T, Hinsley A W, De Z, et al. Who interacts on the Web?: The intersection of users’ personality and social media use. Computers in Human Behavior, 2010, 26(2): 247-253.
23 Campbell A J, Cumming S R, Hughes I, et al. Internet use by the socially fearful: addiction or therapy? CyberPsychology & Behavior, 2006, 9(1): 69-81.
24 朱廷劭, 李昂, 寧悅, 等. 網(wǎng)絡社會中個體人格特征及其行為關系. 蘭州大學學報(社會科學版), 2011, (5): 011.
25 李昂, 郝碧波, 白朔天, 等. 基于網(wǎng)絡數(shù)據(jù)分析的心理計算: 針對心理健康狀態(tài)與主觀幸福感. 科學通報, 2015, 60(11): 994-1001.
26 Craig R J. Assessing personality and psychopathology with interviews. In: Graham J R, Naglieri J A, Eds. Handbook of Psychology. Hoboken, NJ: Wiley, 2003. 487-508.
27 白朔天, 郝碧波, 李昂, 等. 微博用戶的抑郁和焦慮預測. 中國科學院大學學報, 2014, 31(6): 814-820.
28 Golbeck J, Robles C, Edmondson M, et al. Predicting personality from twitter. Paper presented at the Privacy, Security, Risk and Trust (PASSAT) and 2011 IEEE Third Inernational Conference on Social Computing (SocialCom), 2011 IEEE Third International Conference on, 2011.
29 Schwartz H A, Sap M, Kern M L, et al. Predicting individual well-being through the language of social media. Paper presented at the Biocomputing 2016: Proceedings of the Pacific Symposium, 2016
30 Clark A E, Kristensen N, Westerg?rd-Nielsen, et al. Economic satisfaction and income rank in small neighbourhoods. Journal of the European Economic Association, 2009, 7(2-3): 519-527.
31 Schwartz H A, Eichstaedt J C, Kern M L, et al. Characterizing geographic variation in well-being using tweets. Paper presented at the ICWSM, 2013.
32 Zhou Y, Lu T, Zhu T, et al. Environmental incidents detection from Chinese microblog based on sentiment analysis human centered computing. Springer, 2016. 849-854.
33 Li W, Zhou Y, Lu T, et al. Predicting mass incidents from weibo human centered computing: Springer, 2016. 895-900.
周 陽中科院心理所在讀博士。研究方向為網(wǎng)絡行為和心理分析、微博突發(fā)事件檢測及微博輿情趨勢預測。E-mail: zhouyang@psych.ac.cn
Zhou YangPh.D. candidate of Institute of Psychology, Chinese Academy of Sciences (CAS). Research direction covers behavior and psychology on network platform, event detection and prediction from microblog. E-mail: zhouyang@psych.ac.cn
朱廷劭男,中科院心理所研究員。1999 年和 2005 年分別獲得中科院計算技術(shù)所和加拿大 University of Alberta 博士學位。研究工作涉及機器學習、 漢語文語轉(zhuǎn)換以及網(wǎng)絡行為心理研究等多個領域,已在國內(nèi)外權(quán)威雜志和知名國際會議發(fā)表學術(shù)論文 60 余篇。E-mail: tszhu@psych.ac.cn
Zhu TingshaoMale, earned his second Ph.D. at the University of Alberta, Canada in 2006. From 2008, he started working as a professor at the Graduate University of Chinese Academy of Sciences (CAS) in Beijing, and then moved to the Institute of Psychology, CAS, to focus on cyber psychology. He has published over 60 papers in major international academic conferences and journals. The main foci of his current work are web user behavior modeling, computational cyber psychology, and data mining. E-mail: tszhu@psych.ac.cn
Identifying Social Attitude Based on Network Behavior
Zhou Yang1,2Wang Xuefei1,2Bai Shuotian3Zhao Nan1Zhu Tingshao1
(1 Institute of Psychology, Chinese Academy of Sciences, Beijing 100190, China; 2 University of Chinese Academy of Sciences, Beijing 100012, China; 3 Hubei University of Economics, Wuhan 430205, China)
Social governance pays much attention to requirement of all levels of society, so it is necessary to know public’s social attitude,which reflects public’s judgment and feeling. This paper introduced advantages and disadvantages of traditional self-report method by survey, andthen pointed out the feasibility of predicting social attitude based on Internet behavior.This paper introduces a model for predicting social attitudestudied by Institute of Psychology, Chinese Academy of Sciences. As for application, we calculated social attitude of Guangdong provinceusing the model described above. The research conducted by University of Pennsylvania predicted life satisfaction using tweets and created US wellbeing map.The data predicted has a high correlation with the result by survey. The method by using predicting modelcould reduce cost, ruleout the influence of social desirability, and acquire the public’s social attitude timely, which could be a complement of conventional socialsurvey method, and mutually to be a meaningful support to public policy making.
social attitude, network behavior, social governance
*資助項目:中科院心理所特色所建設主要服務項目(Y5CX163008)
**通訊作者
預出版日期:2016年11月21日