亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        環(huán)境污染事件中網(wǎng)絡(luò)情緒指向及極化研究

        2020-02-21 08:38:48鄭雨雪
        新媒體研究 2020年22期

        鄭雨雪

        摘 要 通過對環(huán)境污染事件中的微博文本進行細粒度情感分析,研究此類事件中網(wǎng)絡(luò)情緒的指向及極化效應(yīng)?;谇榫w評估模型和情緒極化理論,運用有監(jiān)督的機器學習方法對2014—2017年影響力較大的22件環(huán)境污染事件中的情緒表達進行分析。在環(huán)境污染事件中,負面情緒表達顯著,特別是厭惡情緒突出;公眾情緒表達指向為環(huán)境污染事件責任主體;情緒極化效應(yīng)顯著。

        關(guān)鍵詞 環(huán)境污染事件;主題分布;情緒分布;情緒極化

        中圖分類號 G2 文獻標識碼 A 文章編號 2096-0360(2020)22-0013-05

        近年來,技術(shù)賦權(quán)加持下的公共意識崛起,使輿論特別是網(wǎng)絡(luò)輿論成為中國社會治理中最具活力的變量。網(wǎng)絡(luò)輿論的一些“劣根性”引起了研究者的廣泛擔憂,情緒往往被作為網(wǎng)絡(luò)輿論中非理性的成分看待,過分強調(diào)網(wǎng)絡(luò)情緒極化給社會治理帶來的風險很可能會造成研究視角的偏移。基于此,本文意在運用實證的方式對公共事件中的網(wǎng)絡(luò)情緒及其極化效應(yīng)進行研究,通過人工與計算機結(jié)合的方式對2014—2017年具有代表性的22個環(huán)境污染事件中的網(wǎng)絡(luò)表達文本進行細粒度情感分析,并測量其極化程度,為認識和引導公共事件中的網(wǎng)絡(luò)情緒提供多元思路和可替代方案。

        1 文獻綜述

        1.1 網(wǎng)絡(luò)表達中的情緒評估

        在心理學研究中,關(guān)于情緒評估主要有分類取向與維度取向兩種思路。情緒分類取向試圖將情緒分為幾種彼此獨立的互不關(guān)聯(lián)的有限的基本情緒[1-3]。大連理工大學信息檢索研究室借鑒了Ekman的六大類傳統(tǒng)情緒分類,將情緒分為七大類:樂、好、怒、哀、懼、惡、驚,這種七分類方法在運用自然語言處理技術(shù)進行網(wǎng)絡(luò)情緒分類的研究中運用較為廣泛(自然語言處理與中文計算會議,2013)。因此,在本研究中,將網(wǎng)絡(luò)情緒分為憤怒、厭惡、恐懼、高興、喜好、悲傷、驚訝七大類,同時增加無情緒作為補充,以識別不帶情感傾向的網(wǎng)絡(luò)表達。

        從維度取向?qū)η榫w進行分析的學者認為情緒并非相互獨立的個體,而是以模糊交叉的形式而存在。Russell提出“愉悅-喚醒度”二維模型,效價描述正向或負向的情緒狀態(tài),喚醒度則衡量對生理和心理激活的程度[4]。當前不同研究者對基本情緒的喚醒度說明并不統(tǒng)一[5-6]。因此,在本研究中,結(jié)合之前學者的研究,將高興定義為正面高喚醒度情緒,喜好定義為正面低喚醒度情緒,厭惡、恐懼、憤怒情緒定義為負面高喚醒度情緒,悲傷定義為負面低喚醒度情緒,驚訝定義為中性高喚醒度情緒,無情緒定義為中性低喚醒度情緒。

        研究問題1:環(huán)境污染事件中公眾情緒分布呈現(xiàn)何種狀態(tài)?

        1.2 網(wǎng)絡(luò)表達中的主題評估

        在當前網(wǎng)絡(luò)環(huán)境中,網(wǎng)絡(luò)情緒主題指向時常并非為就事論事主題討論,而是呈擴散之態(tài)。在情緒具體主題指向中,靳明針對轉(zhuǎn)基因黃金大米議題進行分析指出,負面情緒更多的集中在對政府、制度、專家等外界多方面的指桑罵槐式的情緒發(fā)泄[7]。周云倩針對教師聚餐被通報事件進行分析,指出公眾憤怒情緒更集中于官方解釋框架[8]。周莉基于我國典型反腐案例對網(wǎng)絡(luò)情緒進行分析,指出在反腐議題網(wǎng)絡(luò)表達中公眾更傾向于針對貪腐主題進行情緒發(fā)泄[9]。因此,本文對環(huán)境污染事件中情緒主題指向進行分析,以期通過環(huán)境污染系列事件把握整體社會情緒氣氛,對社會心態(tài)進行整體把握。

        研究問題2:環(huán)境污染事件中公眾主題分布呈現(xiàn)何種狀態(tài)?

        1.3 網(wǎng)絡(luò)情緒表達與極化

        新媒體的出現(xiàn)增加了“群體極化”在網(wǎng)絡(luò)的發(fā)生幾率[ 1 0 ],研究者開始關(guān)注情緒極化的產(chǎn)生及其影響?!皹O化(Polarization)”概念最初在政治領(lǐng)域提出,是指輿論出現(xiàn)分化并走向極端,這種現(xiàn)象反映在網(wǎng)民的情緒性表達中就形成了網(wǎng)民的情緒極化[ 1 1 ]。具體而言,情緒極化指在某時間階段內(nèi)的網(wǎng)絡(luò)輿情存在定域,基于對輿情事項持有一致性立場、態(tài)度而形成的若干個觀點群落中,倘若任何一個群落出現(xiàn)受眾個體情感強度普遍趨于非中立的極端化的現(xiàn)象,且此群落內(nèi)極化受眾數(shù)量與極化情感總量的規(guī)模達標,便稱該群落所表現(xiàn)的情感狀態(tài)為網(wǎng)絡(luò)輿情信息受眾的情感極化[ 1 2 ]。桑斯坦強調(diào)了情緒在極化發(fā)生中的作用,指出當群體成員是因感情紐帶而聚集時,極化更易發(fā)生。針對網(wǎng)絡(luò)情緒極化更細致的量化研究表明極化并不是社交媒體使用的必然結(jié)果[13]。一方面,用戶使用的媒介越多越傾向于消費與自身意見相一致的信息,從而加強已有觀點,最終可能產(chǎn)生極化[14]。同時,社交媒體越來越多地使用大數(shù)據(jù)算法過濾系統(tǒng)實施內(nèi)容推送,導致用戶“被迫”接收更多相似的觀點,從而導致觀點的同質(zhì)化[15]。另一方面,正是因為社交媒介的弱聯(lián)系性使得用戶有可能接觸多樣性的信息,能否形成極化還取決于用戶自身如何處理接收到的信息[16]。在某種程度上網(wǎng)絡(luò)用戶很難分裂成完全并不重合的部分,但用戶集聚并不意味著形成極化[17]。

        研究問題3:在環(huán)境污染事件中,其網(wǎng)絡(luò)表達是否存在情緒極化效應(yīng)?

        2 研究方法

        2.1 研究樣本和語料

        本文搜集新浪微博2014—2017年與環(huán)境事件相關(guān)的微博主貼及主貼下的評論,最終共計得到22個具有代表性的環(huán)境污染事件(見表1),62條主貼。其后對所有評論進行抓取,共計抓取了98 340條微博評論。為了提高后續(xù)數(shù)據(jù)分析的準確性,我們對評論數(shù)據(jù)中部分無明確指向意義內(nèi)容進行去重和清洗,最終得到47 830條微博評論。

        2.2 微博主貼及評論的內(nèi)容分析

        2.2.1 類目確定

        在主題分類方面,本文結(jié)合計算機分詞、LDA建模分析的結(jié)果,加之人工梳理,將微博評論一級主題類目確定為環(huán)境污染事件責任主體、環(huán)境污染事件處置、環(huán)境污染事件影響及事件相關(guān)信息傳播。態(tài)度類目結(jié)合前期對網(wǎng)絡(luò)情緒進行的分類和維度研究,本研究中結(jié)合“愉悅-喚醒度”二維模型將高喚醒度的情緒歸為極化情緒,將低喚醒度的情緒歸為非極化情緒。

        2.2.2 人工標注

        在微博主帖方面,由兩個編碼員對62條主帖情緒進行標注,其信度檢驗結(jié)果為0.785。在微博評論方面,本文選取了6 000條評論進行主題以及情緒的人工標注。第一輪,六位編碼員每人各隨機標注1 000條微博評論;第二輪,采用不重復抽樣的方法,每位編碼員再隨機標注1 000條評論,確保每條評論都被兩位編碼員標注;第三輪,針對前兩輪不一致結(jié)果由第三方編碼員再次標注。如果前三輪編碼員的結(jié)果均不一致,則由研究小組成員共同商議,投票決定其標注結(jié)果。

        2.2.3 計算機深度學習

        本研究中的計算機深度學習主要用于對微博評論的內(nèi)容分析。首先,我們將已經(jīng)人工標注主題和情緒類別的數(shù)據(jù)分為訓練集(80%)與測試集(20%)。訓練集數(shù)據(jù)運用卷積神經(jīng)網(wǎng)絡(luò)技術(shù)進行建模,經(jīng)過多輪參數(shù)調(diào)整,形成最終模型。隨后將訓練集與測試集進行對照,得出本模型的主題分類的準確率達到64.72%,情感分類的準確率達到68.40%。此準確度在多分類的計算機深度學習領(lǐng)域達到了較高水平。最后,我們運用該模型對未標注評論進行分類,得到所有微博評論的主題和情緒的分類結(jié)果。

        3 研究發(fā)現(xiàn)

        3.1 情緒分布分析

        在環(huán)境污染事件中,網(wǎng)絡(luò)表達在情緒上更傾向于負面情緒表達,厭惡情緒最為顯著(見表2)。這一研究發(fā)現(xiàn)與之前關(guān)于大氣污染問題中網(wǎng)絡(luò)情緒表達情緒傾向具有一致性[18-19]。在環(huán)境污染事件中,責任主體破壞環(huán)境的行為所涉及的有關(guān)責任、公平、傷害等問題屬于人類基本道德范疇,關(guān)聯(lián)著不同的道德基礎(chǔ),從而誘發(fā)相應(yīng)的負面情緒。這一傾向與情緒的作用具有一致性,情緒是社會控制的基礎(chǔ),因此遵從外界的規(guī)則會獲得情緒上的獎賞,反之則會受到情緒上的懲罰[ 2 0 ]。

        3.2 主題分布分析

        在環(huán)境污染事件中,網(wǎng)絡(luò)表達在主題上更傾向于責任歸因。我們的研究發(fā)現(xiàn),在環(huán)境污染事件中,網(wǎng)民對責任主體的討論最為集中,其負面情緒也最為顯著(見表2)。這一表達傾向與公眾進行責任歸因的心理動機相關(guān)。責任歸因是對他人行為結(jié)果的歸因過程及對有關(guān)行為的責任推斷。對相關(guān)事件的責任推斷是公眾最為直接的反應(yīng),會直接影響后續(xù)的情緒和行為意向。研究者發(fā)現(xiàn)在情緒歸因中公眾傾向于責任歸因,人們希望探究非預(yù)期事件帶來的負面結(jié)果是什么,誰應(yīng)該為此負責[ 2 1 ]。我們的研究再次驗證了這一假設(shè),環(huán)境污染事件中,公眾對事件負面結(jié)果的責任歸因直接導致了網(wǎng)民對責任主體集中的負面情緒表達。同時,這體現(xiàn)了我國長期以來在解決社會重大問題上的政治依賴路徑,也體現(xiàn)了當前的政治治理中的“邏輯循環(huán)”悖論。長期以來的政治依賴路徑,使得公眾在面對非預(yù)期事件時,進行責任歸因的首要主體是具有權(quán)威性的相關(guān)責任主體,而解決問題的首要途徑也是對具有權(quán)威性的責任主體進行輿論聲討。

        3.3 事件情緒極化分析

        我們的研究驗證了在環(huán)境污染事件網(wǎng)絡(luò)表達中存在著顯著的情緒極化效應(yīng)(見表3)。在我們研究的22個案例中,極化情緒占80%以上的案例有5個,占70%以上的案例有10個,而所有案例中極化情緒都顯著高于非極化情緒。我們的研究證實了前期研究的結(jié)論,當事件性質(zhì)單一而明確時,群體中大多數(shù)意見趨于一致,極化更易發(fā)生[ 2 2 ]。環(huán)境污染事件作為指向明確的議題,公眾意見表達傾向性顯著,更容易產(chǎn)生情緒極化效應(yīng)。在案例12中,污染源為廢棄電纜等固體廢棄物,影響對象為小學學生,帶來的影響為“不到10天,25位學生流鼻血”。污染源性質(zhì)及影響對象導致公眾情緒喚醒度高,參與性強,從而情緒極化程度最高。

        4 總結(jié)與討論

        情緒極化程度整體較高側(cè)面說明高喚醒度情緒在網(wǎng)絡(luò)空間中為優(yōu)勢意見。以往傳統(tǒng)媒體因公開性形成了優(yōu)勢意見,導致沉默的螺旋效應(yīng)產(chǎn)生。但在匿名化表達自由的網(wǎng)絡(luò)環(huán)境中,優(yōu)勢意見在一定程度上演化為多數(shù)人的意見[23]。

        當前公眾情緒表達研究認為網(wǎng)絡(luò)表達中的負面情緒化表達為公眾的非理性宣泄,是社會怨恨、不安全感、網(wǎng)絡(luò)民粹主義、網(wǎng)絡(luò)暴力的直接映射。網(wǎng)絡(luò)匿名化和把關(guān)人缺失等特征與中國網(wǎng)民結(jié)構(gòu)使得個體情緒在網(wǎng)絡(luò)中集聚和感染,形成情緒極化。但對于網(wǎng)絡(luò)情緒極化的現(xiàn)實指向,研究者尚缺乏關(guān)注。由于網(wǎng)絡(luò)情緒的間接性,網(wǎng)絡(luò)情緒極化并非直接導致了非理性的社會行為。從另一方面來說,當事件元素觸及網(wǎng)絡(luò)積淀已久的典型情緒時,情緒快速被點燃且形成極化,公眾以高喚醒度情緒對社會痛點發(fā)聲,也可能帶來社會現(xiàn)實的積極改變。因而,尋求網(wǎng)絡(luò)情緒極化與線下行為意向的連接,對表達主體的心理和行動機制進行更細化的研究,是對網(wǎng)絡(luò)表達進行深入研究的方向。

        參考文獻

        [1]陳岳峰,苗奪謙,李文,等.基于概念的詞匯情感傾向識別方法[J].智能系統(tǒng)學報,2011,6(6):489-493.

        [2]Ekman P.Contacts across cultures in the face and emotion[J].J Pers Soc Psychol,1971,17(2):124-129.

        [3]Izard,Carroll E. Basic emotions,natural kinds,emotion schemas,and a new paradigm[J]. Perspectives on Psychological Science,2007,2(3):260-280.

        [4]Russell,James A. A circumplex model of affect[J].Journal of Personality and Social Psychology,1980,39(6):1161-1178.

        [5]Hamann S.Mapping discrete and dimensional emotions onto the brain:controversies and consensus[J].Trends in Cognitive Sciences,2012,16(9):458-466.

        [6]Gable P,Harmonjones E.The motivational dimensional model of affect:Implications for breadth of attention,memory,and cognitive categorization[J].Cognition & Emotion,2010,24(2):322-337.

        [7]靳明,靳濤,趙昶.從黃金大米事件剖析指桑罵槐式的公眾情緒——基于新浪微博的內(nèi)容分析[J].浙江社會科學,2013(6):91-98.

        [8]周云倩,胡江偉.網(wǎng)絡(luò)公共事件中的傳者框架與網(wǎng)民情緒探究——以新浪微博“教師AA聚餐被通報”事件為例[J].新媒體與社會,2018(2):277-288.

        [9]周莉,王子宇,胡珀.反腐議題中的網(wǎng)絡(luò)情緒歸因及其影響因素——基于32個案例微博評論的細粒度情感分析[J].新聞與傳播研究,2018,025(012):42-56.

        [10]辛文娟,賴涵.微博中網(wǎng)民群體極化的動力機制研究——基于“溫嶺殺醫(yī)”事件的內(nèi)容分析[J].情報雜志,2014(6):162-166.

        [11]孫立明.對網(wǎng)絡(luò)情緒及情緒極化問題的思考[J].中央社會主義學院學報,2016(1):104-109.

        [12]高俊峰,黃微.網(wǎng)絡(luò)輿情信息受眾情感極化的生發(fā)機理及干預(yù)措施分析[J].情報理論與實踐,2019,42(5):126-131.

        [13]凱斯·桑斯坦.極端的人群:群體行為的心理學[M].尹宏毅,郭彬彬,譯.北京:新華出版社,2010:43-106.

        [14]Holbert R L,Benoit W L. A Theory of Political Campaign Media Connectedness[J].Communication Monographs,2009,76(3):303-332.

        [15]Pariser E[M].The Filter Bubble:What the Internet is Hiding From You,New York:Penguin Press,2011.

        [16]Lee,F(xiàn)rancis LF.Impact of social media on opinion polarization in varying times[J]. Communication and the Public,2016,1(1):56-71.

        [17]Webster J G,Ksiazek T B. The Dynamics of Audience Fragmentation:Public Attention in an Age of Digital Media[J].Journal of Communication,2012,62(1):39-56.

        [18]何躍,朱婷婷.基于微博情感分析和社會網(wǎng)絡(luò)分析的霧霾輿情研究[J].情報科學,2018(7):93-99.

        [19]卓敏,吳建平.當代青年霧霾段子語義網(wǎng)絡(luò)分析與情感可視化研究——基于微博、微信用戶[J].中國青年研究,2016(8):10-19.

        [20]斯托曼.情緒心理學:從日常生活到理論[M].北京:中國輕工業(yè)出版社,2006.

        [21]Coleman,Martin D. Emotion and the ultimate attribution Error[J].Current Psychology,2013,32(1):71-81.

        [22]Witschge,Tamara. Online deliberation:Possibilities of the Internet for deliberative democracy[J].Democracy Online.Routledge,2004:129-142.

        [23]黨明輝.公共輿論中負面情緒化表達的框架效應(yīng)——基于在線新聞跟帖評論的計算機輔助內(nèi)容分析[J].新聞與傳播研究,2017(4):41-63.

        久久久久久久综合日本| 久久亚洲精品成人无码| 久久国产精品精品国产色婷婷 | 亚洲免费视频播放| 国产高潮精品一区二区三区av| 国产精品天天看大片特色视频| 爆乳午夜福利视频精品| av资源在线免费观看| 国产日产韩国av在线| 亚洲精品国产美女久久久| 三上悠亚久久精品| 99热这里只有精品3| 日本亚洲成人中文字幕| 偷拍一区二区三区高清视频| 永久黄网站色视频免费看| 久久综合久久鬼色| 视频福利一区| 国产精品国产午夜免费看福利| 国产日韩乱码精品一区二区| 亚洲中文字幕乱码一二三| 99在线精品视频在线观看| 亚洲免费观看在线视频| 国产亚洲日韩AV在线播放不卡| 国产主播性色av福利精品一区| 九九综合va免费看| 国产成人精品日本亚洲11| 最新国产成人综合在线观看| 亚洲av乱码国产精品观| 97久久精品人妻人人搡人人玩| 黄 色 人 成 网 站 免 费| av亚洲在线一区二区| 最新国产不卡在线视频| 欧美一区二区三区激情| 香蕉视频免费在线| 狼人av在线免费观看| 极品尤物人妻堕落沉沦| 久久精品人人做人人综合| 国产在线精品福利大全| 成人av资源在线观看| 未满十八勿入av网免费| 国产99re在线观看只有精品|