裘江南，葛一迪

大連理工大學(xué) 經(jīng)濟(jì)管理學(xué)院，遼寧 大連 116024

引言

近年來(lái)災(zāi)害事件頻發(fā)，從席卷南方的低溫冰凍災(zāi)害到震驚全國(guó)的八寶煤礦瓦斯爆炸事故，從震撼川陜隴的汶川地震到損失慘重的黃島爆炸，一次次災(zāi)害事件的爆發(fā)給人民群眾的生命財(cái)產(chǎn)安全帶來(lái)了巨大的威脅。隨著Web 2.0時(shí)代的到來(lái)，災(zāi)害信息在社交媒體平臺(tái)迅速傳播，進(jìn)一步放大了災(zāi)害事件的影響。一方面，社交媒體文本通常具有弱信息、強(qiáng)情緒的特征[1]，使用戶情緒通過輿情中的情緒表達(dá)得以外化，并由此催生大量與信息傳播相關(guān)的發(fā)布、轉(zhuǎn)發(fā)和評(píng)論等信息行為。如果不及時(shí)疏導(dǎo)，將導(dǎo)致群體情緒極化進(jìn)而造成次生網(wǎng)絡(luò)輿情危機(jī)；另一方面，社交媒體作為一種人工設(shè)計(jì)的系統(tǒng)，難以對(duì)平臺(tái)傳播的有關(guān)災(zāi)害事件網(wǎng)絡(luò)輿情信息進(jìn)行恢復(fù)和調(diào)整，即使用戶個(gè)人信息行為不具有攻擊性，當(dāng)大量信息行為在平臺(tái)中進(jìn)行累積和交互時(shí)，便會(huì)產(chǎn)生難以預(yù)測(cè)和控制的系統(tǒng)性風(fēng)險(xiǎn)[2]。因此，社交媒體中的災(zāi)害信息傳播需要外界的適當(dāng)干預(yù)，以維持其健康平穩(wěn)發(fā)展。現(xiàn)階段，社交媒體作為政府應(yīng)對(duì)突發(fā)事件的新的治理工具，以其信息的迅速、透明、參與度廣等特點(diǎn)在災(zāi)害發(fā)生的各階段發(fā)揮著重要作用[3]。有別于國(guó)外Twitter和Facebook等平臺(tái)，以新浪微博為代表的中國(guó)社交媒體平臺(tái)對(duì)輿情的管控手段更為多樣化，這也對(duì)輿情治理提出了更高的要求。因此，在中國(guó)社交媒體環(huán)境下，如何對(duì)災(zāi)害事件中的網(wǎng)絡(luò)信息行為進(jìn)行合理的干預(yù)，成為應(yīng)急管理部門亟須解決的問題[4]。

已有關(guān)于社交媒體信息行為的研究證實(shí)，社交媒體的情緒文本是促進(jìn)產(chǎn)生信息行為并加速信息傳播的主要誘因[5]。災(zāi)害事件特有的突發(fā)屬性將導(dǎo)致信息傳播更易受到情緒的影響[6]，但已有研究尚未厘清災(zāi)害事件中情緒與信息行為的影響關(guān)系和影響效果。此外，不同災(zāi)害事件致災(zāi)的責(zé)任主體不同，用戶的信息行為也不同，這勢(shì)必導(dǎo)致自然災(zāi)害和事故災(zāi)害的信息傳播具有差異性。由自然因素導(dǎo)致的自然災(zāi)害事件和由人為失誤造成的事故災(zāi)害事件在本質(zhì)上有明顯差別[3]，而已有研究多對(duì)災(zāi)害事件的類型不做區(qū)分或是僅關(guān)注單一事件，缺乏對(duì)不同災(zāi)害事件的比較性研究。

因此，考慮到現(xiàn)實(shí)的管理需求以及已有研究現(xiàn)狀，本研究通過整合相關(guān)情緒理論，構(gòu)建情緒與信息行為的理論框架，聚焦于自然災(zāi)害和事故災(zāi)害兩類典型的災(zāi)害事件[7]，采集中國(guó)最大的社交媒體——新浪微博中相關(guān)文本數(shù)據(jù)進(jìn)行分析，利用多元調(diào)節(jié)回歸分析方法，比較研究中國(guó)情景下兩類典型災(zāi)害事件中社交媒體情緒對(duì)信息行為的影響規(guī)律，以期為應(yīng)急管理部門提供合理防范網(wǎng)絡(luò)輿情危機(jī)的政策建議。

1 相關(guān)研究評(píng)述

社交媒體迅速發(fā)展，學(xué)者們開始關(guān)注情緒與信息行為之間的密切關(guān)系，并催生了近年來(lái)就社交媒體情緒與信息行為之間影響規(guī)律的廣泛研究。這些研究絕大多數(shù)基于認(rèn)知情緒理論[8]，該理論認(rèn)為情緒是相關(guān)刺激或者事件認(rèn)知評(píng)價(jià)的結(jié)果[9]，并強(qiáng)調(diào)情緒對(duì)行為產(chǎn)生的重要影響[10]，這為研究情緒對(duì)行為的影響搭建了良好的理論框架。徐穎等[11]基于認(rèn)知情緒理論，構(gòu)建情緒和認(rèn)知兩條作用路徑，分別探究企業(yè)微博內(nèi)容呈現(xiàn)特性對(duì)信息傳播的不同作用，為企業(yè)提供有效的信息發(fā)布指導(dǎo)；金曉玲等[12]利用認(rèn)知情緒理論，構(gòu)建微博中的情緒對(duì)沖動(dòng)分享行為的影響模型，研究發(fā)現(xiàn)無(wú)論是積極情緒還是消極情緒都促進(jìn)突發(fā)事件中的沖動(dòng)分享行為，并證實(shí)了認(rèn)知情緒理論在中國(guó)情景下的適用性。

隨著研究的不斷深入，學(xué)者們發(fā)現(xiàn)情緒概念中更多的信息特征對(duì)信息行為產(chǎn)生影響，其中情緒強(qiáng)度或情緒喚醒是學(xué)者們關(guān)注的重點(diǎn)。STIEGLITZ et al.[5]分析Twitter中的博文信息，證實(shí)包含情緒信息的文本內(nèi)容比中性的文本更容易被分享；CHOI et al.[13]進(jìn)一步證實(shí)Twitter中高強(qiáng)度的積極信息比低強(qiáng)度的積極信息更容易被分享，并且用戶在分享積極和消極事件后會(huì)增強(qiáng)相應(yīng)的積極和消極效應(yīng)；BERGER et al.[14]證實(shí)廣告和視頻等在線網(wǎng)絡(luò)信息的傳播受到積極情緒的影響，認(rèn)為在分析信息傳播時(shí)僅考慮情緒效價(jià)維度是不全面的，這種具有傳染性的信息傳播往往受到生理喚醒的影響，進(jìn)而證實(shí)具有高喚醒特征的情緒其內(nèi)容更容易進(jìn)行信息傳播。可見，在對(duì)網(wǎng)絡(luò)信息傳播的研究中，對(duì)情緒的分析已經(jīng)從單一的情緒效價(jià)維度(積極情緒和消極情緒)向多情緒維度轉(zhuǎn)換，尤其開始關(guān)注情緒喚醒特征或情緒強(qiáng)度在信息傳播中的重要作用。上述研究多是針對(duì)一般情景下信息傳播的探究，WAKEFIELD et al.[15]證實(shí)在特定事件中，興奮與用戶的熱情相互作用，促進(jìn)社交媒體的使用。然而，尚未厘清災(zāi)害事件中社交媒體的情緒對(duì)信息行為的影響。

除了信息領(lǐng)域的相關(guān)研究，心理學(xué)領(lǐng)域也證實(shí)在具有突發(fā)性和威脅性的事件情景中，反映生理刺激的情緒喚醒維度對(duì)個(gè)體認(rèn)知和行為產(chǎn)生重要影響[8]。RUSSELL[16]提出的情緒維度理論表明，情緒的效價(jià)和喚醒維度能夠體現(xiàn)情緒概念間的絕大部分方差變異。效價(jià)是對(duì)愉悅-不愉悅(積極-消極)情緒極性的體驗(yàn)[17]，而喚醒是對(duì)活力或能量等情緒強(qiáng)度的感受[18]。該理論加入喚醒維度，能夠有效解釋實(shí)際應(yīng)用中復(fù)雜多樣的情緒現(xiàn)象[19]，尤其是對(duì)理解災(zāi)害情景具有重要意義。有學(xué)者提出基于情緒維度的網(wǎng)絡(luò)輿情分析模型[20]，認(rèn)為網(wǎng)絡(luò)輿情信息所表征和內(nèi)隱的情感數(shù)據(jù)是其發(fā)生、發(fā)展和消亡的重要演變信號(hào)，通過構(gòu)建網(wǎng)絡(luò)輿情信息的情感維度模型，實(shí)現(xiàn)了提高輿情分析、監(jiān)測(cè)和預(yù)警的效率和精度的目的。然而，已有災(zāi)害事件網(wǎng)絡(luò)輿情研究中，考慮情緒喚醒維度的影響仍不多見，大多只考慮情緒效價(jià)中的積極情緒和消極情緒對(duì)信息行為的作用[6]。鑒于災(zāi)害事件的突發(fā)屬性，我們不僅應(yīng)該關(guān)注情緒效價(jià)維度體現(xiàn)的信息價(jià)值，也應(yīng)考慮情緒中蘊(yùn)含的關(guān)于信息緊急性和重要程度的含義對(duì)信息傳播的影響[21]。因此，在對(duì)災(zāi)害事件的信息傳播分析中引入情緒喚醒維度是有必要的。

此外，已有災(zāi)害學(xué)的相關(guān)研究大部分都集中在線下災(zāi)后資源配置[22]和科學(xué)決策[23]等方面，對(duì)線上利用社交媒體進(jìn)行災(zāi)害管理的研究仍然處在起步階段。已有線上研究多針對(duì)單一災(zāi)害事件各階段的發(fā)展、演化和傳播等展開[24]，關(guān)注災(zāi)害事件中用戶使用主體[25]、使用模式[26]、災(zāi)情感知[27]的變化以及災(zāi)后線上工作的開展[28]，但缺乏對(duì)不同類型災(zāi)害事件的比較性分析[7]。劉宏波等[3]從災(zāi)害事件的不同階段的關(guān)注熱度這一角度切入，發(fā)現(xiàn)自然災(zāi)害中有關(guān)災(zāi)害現(xiàn)場(chǎng)及過程、同類災(zāi)害搜索和災(zāi)后反思是主要關(guān)注點(diǎn)，而在事故災(zāi)害中，除死亡人數(shù)和事故過程等，對(duì)事故原因和責(zé)任追究成為關(guān)注熱點(diǎn)。JIN et al.[29]認(rèn)為焦躁是所有災(zāi)害事件的主導(dǎo)情緒，針對(duì)不同類型的災(zāi)害事件會(huì)產(chǎn)生相應(yīng)的二級(jí)情緒。上述研究從關(guān)注度或者情緒變化等方面發(fā)現(xiàn)不同災(zāi)害事件中的差異性表現(xiàn)，但是對(duì)各類災(zāi)害事件中情緒影響下的不同信息行為表現(xiàn)仍缺乏系統(tǒng)科學(xué)的解釋，本研究就該問題展開進(jìn)一步的討論。

2 理論分析和研究假設(shè)

為清晰刻畫災(zāi)害事件中社交媒體情緒對(duì)信息行為的影響，本研究在已有研究的基礎(chǔ)上，整合情緒相關(guān)理論中的認(rèn)知情緒理論和情緒維度理論，構(gòu)建概念模型并將其應(yīng)用于中國(guó)社交媒體情景中，見圖1。認(rèn)知情緒理論[8]強(qiáng)調(diào)情緒對(duì)行為的影響作用。情緒維度理論認(rèn)為，情緒概念由效價(jià)和喚醒兩個(gè)正交維度共同構(gòu)成[16]，情緒效價(jià)是對(duì)愉悅-不愉悅(積極-消極)的情緒極性的體驗(yàn)，體現(xiàn)了人們對(duì)信息價(jià)值的判斷[17]；情緒喚醒是對(duì)活力或能量等情緒強(qiáng)度的感受，反映了人們對(duì)信息緊急性和重要程度的判斷[18]。相對(duì)于傳統(tǒng)的將情緒進(jìn)行二分類(積極和消極)或多分類(相互獨(dú)立的多種基本情緒)[24]的方法，情緒維度理論從情緒的二維空間展開，能夠提供更完整的情緒空間視角，揭示更為細(xì)化的災(zāi)害事件中情緒對(duì)信息行為的影響規(guī)律。圖1展示了在RUSSELL[16]和DONG et al.[30]的研究中，利用情緒維度理論劃分的幾種基本情緒在二維空間中的位置。

在概念模型中，首先，延續(xù)已有研究中的理論基礎(chǔ)[11]，即利用認(rèn)知情緒理論構(gòu)建情緒-行為的整體研究框架。其次，引入情緒維度理論，將情緒概念從情緒效價(jià)和情緒喚醒兩個(gè)維度展開，詳細(xì)探究社交媒體災(zāi)害事件的情緒對(duì)信息行為的影響，并將上述概念模型應(yīng)用于中國(guó)情景中。此外，本研究將社交媒體中常見的發(fā)布、轉(zhuǎn)發(fā)和評(píng)論行為根據(jù)信息行為屬性劃分為內(nèi)容整合行為和內(nèi)容創(chuàng)造行為兩類。轉(zhuǎn)發(fā)行為反映用戶對(duì)某種內(nèi)容的認(rèn)可，對(duì)觀點(diǎn)和內(nèi)容具有收斂和整合作用，因此屬于內(nèi)容整合行為；發(fā)布行為和評(píng)論行為需要用戶編輯內(nèi)容表達(dá)觀點(diǎn)和意見，因此屬于內(nèi)容創(chuàng)造行為。

2.1 效價(jià)維度下的情緒對(duì)信息行為的影響

從情緒效價(jià)維度看，雖然災(zāi)害事件中用戶群體多處于消極狀態(tài)，但整體信息環(huán)境仍呈現(xiàn)為積極情緒與消極情緒共同作用的狀態(tài)[31]，并且不同效價(jià)的情緒對(duì)信息行為的影響可能存在差異。首先，用戶通過感知、記憶、分析、沉思等方式產(chǎn)生對(duì)事物的評(píng)價(jià)。其次，不同的評(píng)價(jià)結(jié)果產(chǎn)生不同效價(jià)的情緒，進(jìn)而影響行為模式[8]。冉曉斌等[32]證實(shí)社交網(wǎng)絡(luò)用戶使用行為受到同伴活躍度的影響，當(dāng)周圍環(huán)境被激活時(shí)，會(huì)促進(jìn)個(gè)體的活躍信息行為。這一現(xiàn)象說明，一方面，由負(fù)面評(píng)價(jià)催生的消極情緒產(chǎn)生強(qiáng)烈的情緒反應(yīng)，通過激烈的信息行為擴(kuò)大事件的消極影響[33]并形成聚集效應(yīng)[6]；另一方面，由正面評(píng)價(jià)產(chǎn)生的積極情緒也通過情緒感染機(jī)制影響群體，從而產(chǎn)生信息行為[34]。由此可見，災(zāi)害事件中不論積極情緒還是消極情緒，都對(duì)信息行為產(chǎn)生促進(jìn)作用。

特別地，積極情緒和消極情緒對(duì)于不同信息行為的影響強(qiáng)度存在差異。有研究證實(shí)積極情緒能夠反映出積極的信息價(jià)值[17]，并促進(jìn)群體合作性行為[35]；而消極情緒反映的是消極的信息價(jià)值[17]，并促進(jìn)群體沖突性行為[35]。在社交媒體信息行為中，轉(zhuǎn)發(fā)行為作為一種內(nèi)容整合行為，體現(xiàn)了用戶對(duì)其他觀點(diǎn)的認(rèn)可，是一種合作性行為，因此受到積極情緒的影響更強(qiáng)；由于發(fā)布和評(píng)論行為在內(nèi)容創(chuàng)造過程中會(huì)出現(xiàn)更多的觀點(diǎn)碰撞和沖突現(xiàn)象，因此受到消極情緒的影響更強(qiáng)?；谏鲜龇治觯狙芯刻岢黾僭O(shè)。

圖1 整合情緒相關(guān)理論的概念模型Figure 1 Conceptual Model by Integrating Emotion-related Theory

H1a積極情緒正向影響信息行為，并對(duì)內(nèi)容整合行為的影響更強(qiáng)；

H1b消極情緒正向影響信息行為，并對(duì)內(nèi)容創(chuàng)造行為的影響更強(qiáng)。

2.2 喚醒維度下的情緒對(duì)信息行為的影響

喚醒維度測(cè)量神經(jīng)系統(tǒng)的活躍狀態(tài)[16]，是人類受到刺激大腦皮層被激活之后的本能生理反應(yīng)，強(qiáng)刺激下產(chǎn)生強(qiáng)生理喚醒進(jìn)而產(chǎn)生高喚醒情緒，反之產(chǎn)生低喚醒情緒[9]。因此，從情緒喚醒維度看，災(zāi)害事件中產(chǎn)生嚴(yán)重的生命財(cái)產(chǎn)損失，刺激用戶產(chǎn)生強(qiáng)烈的生理喚醒，容易產(chǎn)生高喚醒情緒。然而，出于對(duì)事件本身和受災(zāi)群眾等話題的關(guān)注，也產(chǎn)生諸如悲傷、擔(dān)心、鎮(zhèn)靜這類低喚醒情緒。有研究表明，情緒的喚醒程度對(duì)信息行為有明顯促進(jìn)作用，尤其是包含生氣和畏懼等高喚醒情緒的內(nèi)容被轉(zhuǎn)發(fā)的可能性比普通文本內(nèi)容分別高出34%和30%[14]。類似地，災(zāi)害事件中，用戶神經(jīng)系統(tǒng)在高度活躍狀態(tài)下產(chǎn)生的高喚醒情緒也促進(jìn)用戶產(chǎn)生信息行為。另外，用戶受到弱刺激產(chǎn)生低喚醒情緒，激發(fā)用戶產(chǎn)生涉及自身和事件的思考和共鳴，一定程度上也促進(jìn)信息行為[36]。

特別地，高喚醒情緒和低喚醒情緒對(duì)于不同信息行為的影響強(qiáng)度存在差異。具體而言，高喚醒情緒下用戶對(duì)信息的處理通常存在認(rèn)知偏差，此時(shí)用戶忽視對(duì)內(nèi)容的真實(shí)性和客觀性的分析，相信主觀判斷進(jìn)而產(chǎn)生盲從行為[37]。在社交媒體信息行為中，轉(zhuǎn)發(fā)行為具有耗時(shí)少、可操作性強(qiáng)的特點(diǎn)。因此，轉(zhuǎn)發(fā)行為是用戶在高喚醒情緒下，面對(duì)觀點(diǎn)相似的信息內(nèi)容，更易選擇的一類從眾的信息行為。相反地，低喚醒情緒下用戶在信息處理時(shí)更為理性，更易形成新的觀點(diǎn)和態(tài)度，因此產(chǎn)生更多的內(nèi)容創(chuàng)造的發(fā)布和評(píng)論行為。基于上述分析，本研究提出假設(shè)。

H2a高喚醒情緒正向影響信息行為，并對(duì)內(nèi)容整合行為的影響更強(qiáng)；

H2b低喚醒情緒正向影響信息行為，并對(duì)內(nèi)容創(chuàng)造行為的影響更強(qiáng)。

2.3 災(zāi)害事件類型的調(diào)節(jié)作用

自然災(zāi)害和事故災(zāi)害是目前災(zāi)害事件的主要類型[7]，并且造成兩類災(zāi)害事件的責(zé)任主體有顯著的差異。自然災(zāi)害屬于天災(zāi)，其發(fā)生往往是非均勻分布的。例如，某些地區(qū)由于地理位置因素更容易受到海嘯或地震等的影響而頻繁發(fā)生自然災(zāi)害。事故災(zāi)害則為人禍，其發(fā)生往往是由于人為的故意或是過失操作行為。認(rèn)知情緒理論關(guān)注認(rèn)知評(píng)價(jià)這一要素對(duì)情緒和行為的影響，將事件的責(zé)任主體當(dāng)做參與評(píng)價(jià)的部分信息來(lái)源，責(zé)任主體包括內(nèi)群體、外群體和外部環(huán)境等[8]。不同的責(zé)任主體導(dǎo)致不同的情緒和行為，因此該理論可以用來(lái)解釋社交媒體中不同類型災(zāi)害事件的行為差異現(xiàn)象。

一方面，不同責(zé)任主體導(dǎo)致在不同災(zāi)害類型事件中用戶觀點(diǎn)的收斂速度不同。具體表現(xiàn)為，自然災(zāi)害事件的收斂速度快于事故災(zāi)害事件[38]。HOUSTON et al.[24]利用框架理論證實(shí)社交媒體用戶在自然災(zāi)害事件中意見觀點(diǎn)收斂速度更快，最終聚焦到與地域相關(guān)的內(nèi)容；而事故災(zāi)害事件是社會(huì)層次的災(zāi)害事件，在事件發(fā)生后人們對(duì)造成損失的責(zé)任相關(guān)主體進(jìn)行追責(zé)，但由于事故災(zāi)害事件的自身屬性往往很難對(duì)某個(gè)個(gè)體進(jìn)行責(zé)任追究，因此對(duì)救援、善后、事故真相等方面的不確定導(dǎo)致用戶的猜測(cè)和假想，相關(guān)內(nèi)容難以迅速整合。

心理學(xué)的相關(guān)研究通過實(shí)驗(yàn)的方式證實(shí)，情緒的不同效價(jià)影響群體行為的收斂性，積極情緒下群體行為更容易達(dá)成觀點(diǎn)收斂，消極情緒下群體行為更容易產(chǎn)生分歧[35]。由此可見，從情緒的效價(jià)角度看，自然災(zāi)害中意見觀點(diǎn)的迅速收斂這一現(xiàn)象，是由于自然災(zāi)害事件中的信息行為受到積極情緒的影響更強(qiáng)導(dǎo)致的；事故災(zāi)害中觀點(diǎn)收斂速度緩慢這一現(xiàn)象，則是由于信息行為受到消極情緒的影響更強(qiáng)導(dǎo)致的?；谏鲜龇治?，本研究提出假設(shè)。

H3a自然災(zāi)害事件中積極情緒對(duì)信息行為的影響更強(qiáng)；

H3b事故災(zāi)害事件中消極情緒對(duì)信息行為的影響更強(qiáng)。

另一方面，不同責(zé)任主體導(dǎo)致在不同災(zāi)害類型事件中的用戶關(guān)注問題不同[1]。從情緒喚醒的角度看，自然災(zāi)害事件中用戶更關(guān)注有關(guān)生命消逝、健康受損、物質(zhì)匱乏的生存渴求和憂患意識(shí)等問題[38]，產(chǎn)生悲傷、擔(dān)心、鎮(zhèn)靜這類低喚醒情緒對(duì)信息行為產(chǎn)生顯著影響。因此，自然災(zāi)害中這類低喚醒情緒與信息行為之間的關(guān)系更強(qiáng)。在事故災(zāi)害中由于信息不透明和事態(tài)發(fā)展違背了受眾的心理預(yù)期等諸多因素引發(fā)了公眾的集體質(zhì)疑，產(chǎn)生較多數(shù)量的不實(shí)信息[38]，這些不實(shí)信息產(chǎn)生更多的高喚醒情緒的回應(yīng)[39]，進(jìn)而對(duì)信息行為產(chǎn)生顯著影響。因此，事故災(zāi)害事件中高喚醒情緒對(duì)信息行為的影響更強(qiáng)?；谏鲜龇治?，本研究提出假設(shè)。

H4a事故災(zāi)害事件中的高喚醒情緒對(duì)信息行為的影響更強(qiáng)；

H4b自然災(zāi)害事件中的低喚醒情緒對(duì)信息行為的影響更強(qiáng)。

體現(xiàn)本研究假設(shè)關(guān)系的研究模型見圖2。

3 研究設(shè)計(jì)

3.1 樣本選擇和數(shù)據(jù)來(lái)源

在基于中文文本的社交網(wǎng)絡(luò)中，新浪微博是現(xiàn)有的最大的社交網(wǎng)絡(luò)平臺(tái)，自2009年誕生至今已積累大量的活躍用戶、文本信息和可供觀測(cè)的信息行為的數(shù)據(jù)?？紤]到中國(guó)的新浪微博平臺(tái)對(duì)輿情監(jiān)管的特殊性，為減少對(duì)網(wǎng)絡(luò)輿情的外界干預(yù)對(duì)數(shù)據(jù)完整性的影響，數(shù)據(jù)爬取工作均在災(zāi)害事件發(fā)生的臨近期間完成。

在案例選擇上，遵循如下原則：①為了保證數(shù)據(jù)的一致性，案例研究數(shù)據(jù)均來(lái)自于新浪微博。②為減少研究案例的差異性，在案例選擇上保證社會(huì)影響基本一致的災(zāi)害事件。由于微博發(fā)布量反映了用戶對(duì)事件的關(guān)注程度[40]，因此在案例選擇上盡量保證微博發(fā)布量的量級(jí)一致，以保證不同災(zāi)害事件中公眾輿情的影響基本一致。③為了保證案例的典型性，依據(jù)已有研究對(duì)災(zāi)害事件的分類[7]，選取自然災(zāi)害和事故災(zāi)害兩類災(zāi)害事件進(jìn)行研究。經(jīng)過篩選，最終選擇用戶關(guān)注度較高的2015年10月4日廣東順德龍卷風(fēng)作為自然災(zāi)害的代表案例，選擇2013年11月22日黃島爆炸事件作為事故災(zāi)害的代表案例，并將災(zāi)害事件類型設(shè)為虛擬變量，自然災(zāi)害取值為0，事故災(zāi)害取值為1。

圖2 研究模型Figure 2 Research Model

微博數(shù)據(jù)的抓取過程如下：①在災(zāi)害事件發(fā)生后，利用新浪微博的高級(jí)搜索功能，通過設(shè)定“廣東順德龍卷風(fēng)”和“黃島爆炸”作為關(guān)鍵詞搜索相關(guān)內(nèi)容。②利用網(wǎng)絡(luò)爬蟲技術(shù)對(duì)相關(guān)微博文本進(jìn)行爬取，根據(jù)各事件的發(fā)展趨勢(shì)抓取微博信息，并根據(jù)微博數(shù)增長(zhǎng)率的方差，當(dāng)微博數(shù)增長(zhǎng)率較平穩(wěn)的維持在下4分位時(shí)，認(rèn)定其處于衰退期，則結(jié)束采樣。③最終得到2015年10月6日的自然災(zāi)害相關(guān)微博17 426條和2013年11月24日的事故災(zāi)害相關(guān)微博22 849條。

數(shù)據(jù)處理過程如下：①根據(jù)數(shù)據(jù)特征將4小時(shí)作為一個(gè)時(shí)間窗口。②按照時(shí)間順序?qū)⒏魑⒉w入相應(yīng)的時(shí)間窗口，并進(jìn)行去噪處理，即去除重復(fù)和不相關(guān)的微博內(nèi)容，剔除異常值，并統(tǒng)計(jì)各時(shí)間窗口內(nèi)的微博發(fā)布總數(shù)、轉(zhuǎn)發(fā)總數(shù)、評(píng)論總數(shù)。本研究沒有研究點(diǎn)贊和收藏等信息行為，主要考慮兩點(diǎn)原因，一方面，這些信息行為不創(chuàng)造微博內(nèi)容，對(duì)災(zāi)害事件的信息環(huán)境的影響有限；另一方面，經(jīng)過數(shù)據(jù)統(tǒng)計(jì)后發(fā)現(xiàn)，這些信息行為的數(shù)量較少，尤其是收藏行為，導(dǎo)致嚴(yán)重的數(shù)據(jù)稀疏問題。

利用大連理工大學(xué)林鴻飛團(tuán)隊(duì)構(gòu)建的情感詞典[41]，對(duì)微博文本進(jìn)行情感分析，計(jì)算出各時(shí)間窗口內(nèi)7類情緒的情緒值。至此每個(gè)時(shí)間窗口得到一個(gè)10維向量，包括發(fā)布數(shù)、轉(zhuǎn)發(fā)數(shù)、評(píng)論數(shù)、哀、驚、怒、惡、好、樂、懼。根據(jù)已有研究[30]，利用上述情緒數(shù)據(jù)計(jì)算消極情緒、積極情緒、高喚醒情緒和低喚醒情緒的值。

此外，考慮到其他因素也會(huì)影響信息行為，為避免由于遺漏變量引起的異方差等問題造成估計(jì)偏差，本研究設(shè)置兩組控制變量。第1組變量從事件和時(shí)間周期層面出發(fā)，考慮到災(zāi)害事件周期內(nèi)的不同時(shí)段中用戶的信息行為不同，依據(jù)微博發(fā)布數(shù)量的波動(dòng)幅度將災(zāi)害事件分為潛伏期、爆發(fā)期、蔓延期和恢復(fù)期[22]。同時(shí)，每一個(gè)自然日內(nèi)的不同時(shí)間段用戶的信息行為不同。因此，將事件周期和時(shí)間周期作為控制變量。第2組變量從用戶層面出發(fā)，考慮發(fā)布微博的用戶個(gè)人特征，包括性別比例、大V(微博認(rèn)證用戶)數(shù)量、粉絲數(shù)量、過往發(fā)帖量[5]等。

本研究用到的變量及定義見表1，各變量原始數(shù)據(jù)描述性統(tǒng)計(jì)結(jié)果見表2。由表2可知，從情緒效價(jià)角度，在兩類事件中均表現(xiàn)為消極情緒的均值大于積極情緒；從情緒喚醒角度，兩類事件中則均表現(xiàn)為低喚醒情緒的均值高于高喚醒情緒。對(duì)于3種信息行為，自然災(zāi)害事件中的轉(zhuǎn)發(fā)行為最多，事故災(zāi)害事件中的發(fā)布行為最多。這說明在自然災(zāi)害事件中人們使用微博更側(cè)重信息的傳播，因而大量使用轉(zhuǎn)發(fā)功能；在事故災(zāi)害中，人們利用微博發(fā)表自己的觀點(diǎn)和意見，進(jìn)而使用相對(duì)較多的是發(fā)布功能。為避免由于數(shù)據(jù)各變量單位差異引起的估計(jì)偏差，對(duì)各變量進(jìn)行z-score標(biāo)準(zhǔn)化處理。表3給出變量之間的相關(guān)系數(shù)，自變量之間的相關(guān)系數(shù)存在個(gè)別較高的現(xiàn)象，但是在實(shí)驗(yàn)設(shè)計(jì)中并未將高度相關(guān)的自變量納入同一方程中，能夠保證變量之間相關(guān)系數(shù)小于0.700。此外，控制變量與自變量和控制變量之間的相關(guān)系數(shù)均小于0.600。

表2 變量描述性統(tǒng)計(jì)結(jié)果Table 2 Results for Descriptive Statistics for Variables

表3 相關(guān)系數(shù)Table 3 Correlation Coefficients

注：***為在1%水平上顯著，**為在5%水平上顯著，*為在10%水平上顯著，下同。

3.2 實(shí)驗(yàn)設(shè)計(jì)

①為了探究不同災(zāi)害事件類型的差異，本研究采用多元調(diào)節(jié)回歸分析方法[42]，引入災(zāi)害事件類型作為調(diào)節(jié)變量，并將其設(shè)置為虛擬變量，用以檢驗(yàn)其調(diào)節(jié)作用。②將轉(zhuǎn)發(fā)、發(fā)布、評(píng)論3種信息行為作為因變量，分別聯(lián)立情緒效價(jià)維度和情緒喚醒維度與3種信息行為的方程組?？紤]到模型中的情緒變量與行為變量之間的相互影響導(dǎo)致一定內(nèi)生性，因此使用三階段最小二乘法[43]進(jìn)行參數(shù)估計(jì)，該方法是對(duì)兩階段最小二乘法的進(jìn)一步推廣，其利用完全信息對(duì)聯(lián)立方程組同時(shí)進(jìn)行估計(jì)，能夠有效解決多方程組參數(shù)估計(jì)并伴隨數(shù)據(jù)中存在內(nèi)生性的問題。

實(shí)驗(yàn)主要分3步，以效價(jià)維度下的情緒對(duì)信息行為的影響為例，令

Beh=[Twe,Ret,Com]T

(1)

其中，Beh為3種信息行為。

第1步(M1)，僅加入控制變量，檢驗(yàn)控制變量與信息行為之間的關(guān)系。第2步(M2)，在控制變量基礎(chǔ)上，加入自變量效價(jià)情緒和調(diào)節(jié)變量災(zāi)害事件類型，一并作為主效應(yīng)，檢驗(yàn)積極情緒和消極情緒對(duì)信息行為的影響。第3步(M3)，在第2步的基礎(chǔ)上，加入自變量與調(diào)節(jié)變量的交互項(xiàng)，探究調(diào)節(jié)變量的調(diào)節(jié)作用是否顯著，如通過顯著性檢驗(yàn)，說明災(zāi)害事件類型在效價(jià)情緒與信息行為的關(guān)系中起調(diào)節(jié)作用。具體步驟為

M1：Beh=α0+α1Con+σ1

(2)

M2：Beh=α0+α1Con+α2Neg+α3Pos+α4Typ+σ2

(3)

M3：Beh=α0+α1Con+α2Neg+α3Pos+α4Typ+

c1Neg·Typ+c2Pos·Typ+σ3

(4)

其中，Con為控制變量；α0為截距項(xiàng)；α1～α4為相應(yīng)變量的估計(jì)參數(shù)；c1和c2為交互項(xiàng)的估計(jì)參數(shù)；σ1～σ3為隨機(jī)誤差項(xiàng)，滿足(0,1)正態(tài)分布。

類似地，建立情緒喚醒維度對(duì)信息行為的影響的表達(dá)式，具體步驟為

M1：Beh=β0+β1Con+ε1

(5)

M2：Beh=β0+β1Con+β2Hig+β3Low+β4Typ+ε2

(6)

M3：Beh=β0+β1Con+β2Hig+β3Low+β4Typ+

c3Hig·Typ+c4Low·Typ+ε3

(7)

其中，β0為截距項(xiàng)；β1～β4為相應(yīng)變量的估計(jì)參數(shù)；c3和c4為交互項(xiàng)的估計(jì)參數(shù)；ε1～ε3為隨機(jī)誤差項(xiàng)，滿足(0,1)正態(tài)分布。

4 實(shí)證結(jié)果和分析

4.1 主效應(yīng)1：效價(jià)維度的情緒對(duì)信息行為的影響

表4給出效價(jià)維度的積極情緒和消極情緒對(duì)信息行為的影響結(jié)果。由表4可知，在3種信息行為的M2列中，情緒對(duì)發(fā)布行為的解釋性最強(qiáng)，調(diào)整的R2=0.915，對(duì)轉(zhuǎn)發(fā)行為和評(píng)論行為的解釋能力相當(dāng)。擬合優(yōu)度均在0.600左右。借鑒SHEHATA[44]的方法，其恩格爾LM-ARCH檢驗(yàn)結(jié)果不能拒絕原假設(shè)，說明模型不存在嚴(yán)重的異方差。同時(shí)各模型的VIF值均小于10，說明模型不存在嚴(yán)重的多重共線性。

將3種信息行為的M2列進(jìn)行比較可發(fā)現(xiàn)，除積極情緒對(duì)評(píng)論行為的影響不顯著外，積極情緒和消極情緒對(duì)3種信息行為均產(chǎn)生顯著正向影響，并且影響強(qiáng)度呈現(xiàn)一定規(guī)律性，具體分析如下。

積極情緒對(duì)發(fā)布行為和轉(zhuǎn)發(fā)行為有顯著正向影響，但對(duì)評(píng)論行為的影響不顯著。一方面，由于積極情緒具有促進(jìn)合作性群體行為[35]的效果，因此積極情緒下用戶產(chǎn)生內(nèi)容整合行為的傾向更強(qiáng)，而產(chǎn)生表達(dá)差異性觀點(diǎn)的內(nèi)容創(chuàng)造行為的意愿相對(duì)較弱；另一方面，與發(fā)布行為相比，評(píng)論行為更是一種非原始的、二次加工的內(nèi)容創(chuàng)造屬性的信息行為，在災(zāi)害事件中積極情緒用戶更傾向于主動(dòng)表達(dá)祈福和祝福類信息，以實(shí)現(xiàn)社會(huì)參與的目的，而評(píng)論行為不僅耗費(fèi)時(shí)間成本，而且產(chǎn)生的個(gè)人影響有限[45]。因此，評(píng)論行為受到積極情緒的影響為正但不顯著。此外，研究發(fā)現(xiàn)積極情緒對(duì)內(nèi)容整合屬性的轉(zhuǎn)發(fā)行為的估計(jì)系數(shù)為0.477，大于其對(duì)發(fā)布行為和評(píng)論行為的估計(jì)系數(shù)。綜上，H1a得到驗(yàn)證。

消極情緒對(duì)3種信息行為均有顯著的正向影響。值得關(guān)注的是，消極情緒對(duì)內(nèi)容整合屬性的轉(zhuǎn)發(fā)行為的影響邊際顯著。但由于消極情緒具有促進(jìn)沖突性群體行為的效果[35]，而轉(zhuǎn)發(fā)行為作為一種內(nèi)容整合屬性的信息行為，因此受到消極情緒的影響不穩(wěn)定，并受其他因素的影響。此外，消極情緒對(duì)內(nèi)容創(chuàng)作屬性的發(fā)布行為的估計(jì)系數(shù)為0.645，對(duì)評(píng)論行為的估計(jì)系數(shù)為0.696，均大于對(duì)轉(zhuǎn)發(fā)行為的估計(jì)系數(shù)。綜上，H1b得到驗(yàn)證。

因此，H1a和H1b均得到驗(yàn)證，說明在災(zāi)害事件中，社交媒體的積極情緒和消極情緒對(duì)信息行為都有促進(jìn)作用，并且積極情緒對(duì)內(nèi)容整合行為的影響作用強(qiáng)，消極情緒對(duì)內(nèi)容創(chuàng)造行為的影響作用強(qiáng)，該結(jié)果從情緒效價(jià)維度證實(shí)了情緒-行為影響框架在社交媒體真實(shí)災(zāi)害場(chǎng)景中的適用性。

4.2 主效應(yīng)2：?jiǎn)拘丫S度的情緒對(duì)信息行為的影響

表5給出喚醒維度的高喚醒情緒和低喚醒情緒對(duì)信息行為的影響結(jié)果。由表5可知，在3種信息行為的M2列中，情緒對(duì)發(fā)布行為解釋性最強(qiáng)，調(diào)整的R2=0.923，對(duì)轉(zhuǎn)發(fā)行為和評(píng)論行為的解釋能力相當(dāng)。擬合優(yōu)度均在0.600左右，并且各模型通過異方差和共線性檢驗(yàn)。

將3種信息行為的M2列進(jìn)行比較可發(fā)現(xiàn)，高喚醒情緒和低喚醒情緒對(duì)3種信息行為均有正向影響，并且影響強(qiáng)度呈現(xiàn)一定規(guī)律性，具體分析如下。

高喚醒情緒對(duì)轉(zhuǎn)發(fā)行為和發(fā)布行為均有顯著正向影響，但對(duì)評(píng)論行為的影響不顯著。這是由于在災(zāi)害事件中具有高生理沖動(dòng)的贊揚(yáng)和憤怒等情緒的作用下，用戶更傾向于通過迅速轉(zhuǎn)發(fā)或者表達(dá)原創(chuàng)觀點(diǎn)發(fā)表意見，而產(chǎn)生二次內(nèi)容創(chuàng)造、耗費(fèi)時(shí)間成本且個(gè)人影響相對(duì)有限[45]的評(píng)論行為的意愿相對(duì)較小，因此評(píng)論行為受到高喚醒的影響為正但不顯著。此外，高喚醒情緒對(duì)內(nèi)容整合屬性的轉(zhuǎn)發(fā)行為的估計(jì)系數(shù)為0.690，大于其對(duì)發(fā)布行為和評(píng)論行為的估計(jì)系數(shù)。綜上，H2a得到驗(yàn)證。

表4 情緒效價(jià)維度與信息行為Table 4 Emotion Valence and Information Behavior

注：括號(hào)內(nèi)數(shù)據(jù)為z值，下同。

低喚醒情緒對(duì)3種信息行為均有顯著的正向影響，其對(duì)內(nèi)容創(chuàng)作屬性的發(fā)布行為的估計(jì)系數(shù)為0.732，大于其對(duì)評(píng)論行為和轉(zhuǎn)發(fā)行為的估計(jì)系數(shù)。綜上，H2b得到驗(yàn)證。

因此，H2a和H2b均得到驗(yàn)證，說明在災(zāi)害事件中，社交媒體的高喚醒情緒和低喚醒情緒對(duì)信息行為都有促進(jìn)作用，并且高喚醒情緒對(duì)內(nèi)容整合行為促進(jìn)作用更強(qiáng)，低喚醒情緒對(duì)內(nèi)容創(chuàng)造行為促進(jìn)作用更強(qiáng)，該結(jié)果從情緒喚醒維度證實(shí)情緒-行為影響框架在社交媒體真實(shí)災(zāi)害場(chǎng)景中的適用性。

4.3 調(diào)節(jié)效應(yīng)：災(zāi)害事件類型的調(diào)節(jié)作用

由表4可知，自變量與調(diào)節(jié)變量的交互項(xiàng)系數(shù)均通過顯著性檢驗(yàn)，表明災(zāi)害事件類型顯著調(diào)節(jié)積極情緒和消極情緒對(duì)3種信息行為的影響，即災(zāi)害事件類型抑制積極情緒對(duì)信息行為的促進(jìn)作用，加強(qiáng)消極情緒對(duì)信息行為的促進(jìn)作用。因此，H3a和H3b均得到驗(yàn)證。

圖3給出效價(jià)維度的積極情緒和消極情緒對(duì)信息行為的影響在兩類災(zāi)害事件中的差異。從圖3可以看出，在自然災(zāi)害中，積極情緒對(duì)信息行為的正向影響更強(qiáng)，表現(xiàn)為圖3(a)、圖3(b)和圖3(c)中自然災(zāi)害的斜率更大。在事故災(zāi)害中，消極情緒對(duì)信息行為的正向影響更強(qiáng)，表現(xiàn)為圖3(d)、圖3(e)和圖3(f)中事故災(zāi)害的斜率更大。因此，H3a和H3b進(jìn)一步得到驗(yàn)證。說明在社交媒體的災(zāi)害信息傳播過程中，用戶的信息行為對(duì)不同類型災(zāi)害事件的反應(yīng)存在差異。自然災(zāi)害由于是天災(zāi)，用戶的信息行為往往更樂觀，因此受到積極情緒的影響更強(qiáng)；事故災(zāi)害作為人禍，用戶的態(tài)度往往更為嚴(yán)苛，信息行為受到消極情緒的影響更強(qiáng)。

表5 情緒喚醒維度與信息行為Table 5 Emotion Arousal and Information Behavior

由表5可知，自變量與調(diào)節(jié)變量的交互項(xiàng)系數(shù)均不顯著，表明情緒喚醒維度下，災(zāi)害事件類型在高喚醒情緒和低喚醒情緒與3種信息行為之間不存在調(diào)節(jié)作用，H4a和H4b未得到驗(yàn)證。該現(xiàn)象的產(chǎn)生是由情緒喚醒的本身特征所決定的，在情緒的兩個(gè)維度中，情緒喚醒要先于情緒效價(jià)產(chǎn)生，即情緒喚醒是更為原始的對(duì)生理刺激的應(yīng)激反應(yīng)，而情緒效價(jià)則是個(gè)體進(jìn)行判斷后的結(jié)果。由于災(zāi)害事件具有明顯突發(fā)性和威脅性特點(diǎn)，因此這種原始性的情緒生理喚醒特征對(duì)信息行為的影響在不同類型災(zāi)害事件中是無(wú)差異的。因此，不論是哪類事件類型，情緒喚醒對(duì)信息行為的影響趨于一致。

5 結(jié)論

5.1 研究結(jié)果

本研究利用新浪微博的文本數(shù)據(jù)，通過整合情緒相關(guān)理論，比較分析兩類典型災(zāi)害事件下社交媒體情緒對(duì)信息行為的影響，得到以下研究結(jié)果。

(a)

(b)

(c)

(d)

(e)

(f)

圖3災(zāi)害事件類型在情緒效價(jià)對(duì)信息行為影響中的調(diào)節(jié)作用
Figure 3Moderating Effect of Disaster Types on the Relationshipbetween Emotional Valence and Information Behavior

(1)本研究從情緒的效價(jià)和喚醒維度證實(shí)災(zāi)害事件中社交媒體情緒對(duì)信息行為有正向影響。效價(jià)維度的積極情緒和消極情緒對(duì)信息行為有正向影響，積極情緒對(duì)內(nèi)容整合行為的影響更強(qiáng)，消極情緒對(duì)內(nèi)容創(chuàng)造行為的影響更強(qiáng)。這一研究結(jié)論與STIEGLITZ et al.[5]的研究結(jié)論一致。喚醒維度的高喚醒情緒和低喚醒情緒對(duì)信息行為有正向影響，高喚醒情緒對(duì)內(nèi)容整合行為的影響更強(qiáng)，低喚醒情緒對(duì)內(nèi)容創(chuàng)造行為的影響更強(qiáng)。該結(jié)論進(jìn)一步支持了CHOI et al.[13]的觀點(diǎn)。

(2)本研究發(fā)現(xiàn)，社交媒體情緒對(duì)信息行為的影響強(qiáng)度呈現(xiàn)一定規(guī)律性，這種規(guī)律性與情緒特征和行為屬性有關(guān)。積極情緒和高喚醒情緒使用戶更容易產(chǎn)生認(rèn)同式的轉(zhuǎn)發(fā)行為，消極情緒和低喚醒情緒使用戶更加客觀、積極地思考，并產(chǎn)生表達(dá)自己態(tài)度和觀點(diǎn)的發(fā)布行為和評(píng)論行為。與發(fā)布行為和評(píng)論行為相比，轉(zhuǎn)發(fā)行為耗時(shí)更少，傳播速度更快，一旦引發(fā)大規(guī)模的轉(zhuǎn)發(fā)行為將使輿論變得不可控。因此，在災(zāi)害事件中要尤其關(guān)注積極情緒和高喚醒情緒。

(3)本研究比較兩類災(zāi)害事件中社交媒體情緒對(duì)信息行為影響的差異性。研究證實(shí)用戶的信息行為在自然災(zāi)害事件中更為樂觀，自然災(zāi)害中積極情緒對(duì)各類信息行為的影響更強(qiáng)，而事故災(zāi)害中消極情緒對(duì)各類信息行為的影響更強(qiáng)。這一觀點(diǎn)支持了認(rèn)知情緒理論體系中ORTONY[8]的觀點(diǎn)，他認(rèn)為事件的責(zé)任主體影響人們的認(rèn)知評(píng)價(jià)，自然災(zāi)害的責(zé)任主體多為自然環(huán)境，用戶往往更多的表達(dá)對(duì)受災(zāi)地區(qū)和人民的祈禱祝福，因此積極情緒對(duì)信息行為的影響加強(qiáng)；而事故災(zāi)害中責(zé)任主體多為具體的人或單位，人們對(duì)責(zé)任主體的追究往往導(dǎo)致用戶更為苛刻，由此產(chǎn)生大量的消極情緒，因此消極情緒對(duì)信息行為的影響加強(qiáng)。

5.2 理論意義和實(shí)踐啟示

本研究的理論意義在于，一方面，促進(jìn)了情緒與信息行為的影響關(guān)系的研究向?yàn)?zāi)害領(lǐng)域延伸，并發(fā)現(xiàn)了更為細(xì)致化的影響規(guī)律。通過整合認(rèn)知情緒理論和情緒維度理論，構(gòu)建情緒-行為影響框架，并將情緒概念從情緒效價(jià)和情緒喚醒兩個(gè)維度展開，同時(shí)將信息行為根據(jù)行為屬性分為內(nèi)容整合行為和內(nèi)容創(chuàng)造行為，細(xì)粒度剖析了社交媒體災(zāi)害事件中情緒與信息行為之間的影響關(guān)系，彌補(bǔ)了已有研究的不足；另一方面，本研究利用微博中大量反映客觀事實(shí)的實(shí)時(shí)文本數(shù)據(jù)，比較研究?jī)深惖湫蜑?zāi)害事件在社交媒體中的信息傳播規(guī)律，發(fā)現(xiàn)兩類災(zāi)害事件中用戶的信息行為受到情緒的差異性影響，填補(bǔ)了以往災(zāi)害研究缺少對(duì)不同災(zāi)害事件進(jìn)行比較研究的空白。

鑒于上述研究結(jié)果，本研究對(duì)于管理實(shí)踐有一定的啟示。①應(yīng)急管理部門應(yīng)當(dāng)充分考慮情緒對(duì)信息行為的先行作用。由于災(zāi)害事件中社交媒體情緒對(duì)信息行為產(chǎn)生正向影響，因此災(zāi)害事件相關(guān)主體應(yīng)當(dāng)充分關(guān)注社交媒體平臺(tái)中的情緒文本內(nèi)容，并切實(shí)找到產(chǎn)生情緒文本的原因。通過發(fā)布相關(guān)災(zāi)害信息合理引導(dǎo)公眾情緒，實(shí)現(xiàn)對(duì)災(zāi)害事件中信息行為的有效控制，以減輕災(zāi)害事件自身的負(fù)面影響。②應(yīng)急管理部門應(yīng)當(dāng)結(jié)合實(shí)際需要進(jìn)行情緒管理以控制信息傳播的收斂速度。由于積極和高喚醒情緒對(duì)內(nèi)容整合屬性的轉(zhuǎn)發(fā)行為影響更強(qiáng)，消極情緒和低喚醒情緒對(duì)內(nèi)容創(chuàng)造屬性的發(fā)布行為和評(píng)論行為影響更強(qiáng)，并且兩類信息行為對(duì)觀點(diǎn)有不同的收斂效果，因此可以根據(jù)管理需要，對(duì)具有相應(yīng)特征的情緒進(jìn)行控制，以調(diào)整災(zāi)害事件信息內(nèi)容的收斂和擴(kuò)散速度。既可以避免大量信息行為引起的系統(tǒng)性風(fēng)險(xiǎn)，又能保證輿情觀點(diǎn)的多元化發(fā)展，最終實(shí)現(xiàn)微博平臺(tái)的穩(wěn)定運(yùn)營(yíng)。③應(yīng)急管理部門應(yīng)當(dāng)針對(duì)不同災(zāi)害事件調(diào)整相應(yīng)的災(zāi)害管理措施。由于社交媒體情緒在自然災(zāi)害中對(duì)微博用戶的行為表現(xiàn)比事故災(zāi)害中更樂觀，因此在對(duì)自然災(zāi)害事件網(wǎng)絡(luò)輿情治理過程中，政府輿情管理部門可以相對(duì)減弱監(jiān)管約束；而針對(duì)事故災(zāi)害則應(yīng)密切關(guān)注消極情緒的傳播，避免消極情緒通過信息行為擴(kuò)大影響，以維持網(wǎng)絡(luò)輿情態(tài)勢(shì)的健康發(fā)展。

5.3 局限性和未來(lái)研究方向

本研究也存在一定的不足，需要在未來(lái)研究中進(jìn)行完善。首先，考慮到用戶情緒狀態(tài)可能具有衰減或者增強(qiáng)的過程，因此探討情緒動(dòng)態(tài)波動(dòng)過程對(duì)信息行為的影響規(guī)律具有研究意義。其次，在未來(lái)研究中可以進(jìn)一步關(guān)注用戶微博文本內(nèi)容上的差異，如對(duì)一些動(dòng)詞、形容詞、感嘆詞等以及使用一些具有不確定性特征的詞語(yǔ)對(duì)信息行為的影響，同時(shí)也應(yīng)考慮上述因素對(duì)點(diǎn)贊和收藏等其他信息行為的影響，實(shí)現(xiàn)對(duì)文本內(nèi)容與信息行為的影響路徑的深度挖掘。