尹碧茹 劉志軍

（海南師范大學(xué)心理學(xué)院，海口 571158）

隨著Web3.0 時(shí)代的到來(lái)， 在線社交媒體憑借其開(kāi)放性、 交互性和實(shí)時(shí)性等特點(diǎn)獲得了空前的發(fā)展。 借助Twitter、微博等社交平臺(tái)，人們能夠在網(wǎng)絡(luò)空間中進(jìn)行實(shí)時(shí)在線互動(dòng)， 自由公開(kāi)地對(duì)時(shí)事熱點(diǎn)以及日常生活表達(dá)自己的觀點(diǎn)和情緒 （Jin ＆ Zafarani，2017），從而使得網(wǎng)絡(luò)空間出現(xiàn)大量的情緒信息，為傳統(tǒng)情緒的研究提供了新的發(fā)展空間，逐漸形成一個(gè)新的研究領(lǐng)域——網(wǎng)絡(luò)情緒（cyberemotions）。

對(duì)網(wǎng)絡(luò)情緒的系統(tǒng)研究最初出現(xiàn)在2009 年歐盟第七框架計(jì)劃中的子項(xiàng)目——網(wǎng)絡(luò)情緒研究中，其目的是探究集體情緒在信息通信技術(shù)中的作用，為未來(lái)智能通信技術(shù)的發(fā)展提供支持 （Ahn et al.，2011）。研究者收集了不同網(wǎng)絡(luò)平臺(tái)中的情緒數(shù)據(jù)和在線討論引發(fā)情緒的心理生理數(shù)據(jù)， 建立由大數(shù)據(jù)驅(qū)動(dòng)的網(wǎng)絡(luò)情緒模型， 開(kāi)發(fā)了在線文本情緒分析程序（Holyst，2017）。 此研究成果引起了計(jì)算機(jī)科學(xué)、新聞傳播學(xué)以及心理學(xué)等不同學(xué)科對(duì)網(wǎng)絡(luò)情緒領(lǐng)域進(jìn)一步地探究， 研究者一方面通過(guò)分析網(wǎng)絡(luò)空間中的情緒信息，提取和預(yù)測(cè)了許多社會(huì)經(jīng)濟(jì)問(wèn)題，例如政治選舉、 商業(yè)決策等（Dong，Chen，Tang，Qian，＆Zhou，2016）， 另一方面通過(guò)分析網(wǎng)絡(luò)空間中情緒的異常動(dòng)態(tài)，如抑郁、焦慮等負(fù)面情緒，為研究機(jī)構(gòu)、信息咨詢(xún)組織和政府部門(mén)及時(shí)解決社會(huì)問(wèn)題提供大量幫助（Beasley ＆ Mason，2015）。

目前研究者對(duì)此領(lǐng)域研究成果的梳理和總結(jié)缺乏多學(xué)科、跨領(lǐng)域的綜合分析，僅有的少量研究是就某一具體問(wèn)題展開(kāi)的， 集中在新聞傳播學(xué)或計(jì)算機(jī)科學(xué)的單一學(xué)科領(lǐng)域中 （孫立眀，2016；Mantyla，Graziotin，＆ Kuutila，2018）。 因此，本文將綜合不同學(xué)科背景下的網(wǎng)絡(luò)情緒相關(guān)文獻(xiàn)進(jìn)行分析和整理，探討其基本理論、研究方法和表達(dá)特性，梳理網(wǎng)絡(luò)情緒的治理措施，為今后此領(lǐng)域的研究提供借鑒。

1 文獻(xiàn)統(tǒng)計(jì)分析

本文以“網(wǎng)絡(luò)情緒”“互聯(lián)網(wǎng)情緒”及“微博情緒”為關(guān)鍵詞， 在中國(guó)知網(wǎng)進(jìn)行檢索； 以 “online emotion ／sentiment” “internet emotion ／sentiment” “cyber emotion ／sentiment”Twitter emotion ／sentiment”“Facebook emotion／sentiment” 等關(guān)鍵詞在 Web of Science 核心數(shù)據(jù)庫(kù)中進(jìn)行搜索， 時(shí)間為 2000～2019年，分別整理出460 篇中文和979 篇外文文獻(xiàn)，其情況如圖1。 從發(fā)表論文數(shù)量看，2011 年前數(shù)量偏少，其后論文數(shù)量快速增長(zhǎng)，到2019 年急劇增長(zhǎng)。 從整體變化趨勢(shì)看，國(guó)外發(fā)文數(shù)量呈上升趨勢(shì)，其數(shù)量遠(yuǎn)遠(yuǎn)多于國(guó)內(nèi)，但是國(guó)內(nèi)的發(fā)展趨勢(shì)基本與國(guó)外同步，也呈現(xiàn)較好的上升趨勢(shì)。 從研究具體主題看，2013年前發(fā)表的論文更多地關(guān)注產(chǎn)品評(píng)論及政治背景下的網(wǎng)民情緒分析，最近6 年才更加關(guān)注Facebook、微博等社交媒體中凸顯出的大眾情緒。

圖1 2000 年－2019 年國(guó)內(nèi)外網(wǎng)絡(luò)情緒文獻(xiàn)統(tǒng)計(jì)圖

近年來(lái)， 網(wǎng)絡(luò)情緒的研究?jī)?nèi)容逐漸呈現(xiàn)兩種取向，一種是以網(wǎng)絡(luò)情緒分析方法為主體的技術(shù)研究，另一種是以網(wǎng)絡(luò)用戶(hù)為主體的應(yīng)用研究。 在網(wǎng)絡(luò)情緒的技術(shù)研究中，作出突出貢獻(xiàn)的是Erik Cambria，與相關(guān)研究者致力于探究基于詞典（Xing，Pallucchini，＆ Cambria，2019）、 機(jī) 器 學(xué) 習(xí) （Li et al.，2019）、深度學(xué)習(xí)（Young，Hazarika，Poria，＆ Cambria，2018）等不同方法在網(wǎng)絡(luò)情緒分析中的應(yīng)用。國(guó)內(nèi)學(xué)者通過(guò)關(guān)注本土社交平臺(tái)中的情緒信息， 建立了符合中文語(yǔ)言特點(diǎn)的情緒詞庫(kù)， 針對(duì)微博短文本特征改進(jìn)情緒分析算法和模型， 開(kāi)發(fā)適用于中文文本的情緒分析程序 （牛耕， 潘明慧， 魏歐， 蔡昕燁，2014）。在網(wǎng)絡(luò)情緒應(yīng)用研究中起重要影響的研究者是Arvid Kappas， 他不僅對(duì)網(wǎng)絡(luò)情緒的概念和測(cè)量方法作出解釋 （D’Mello，Kappas，＆ Gratch，2017），還探究了社會(huì)群體在線互動(dòng)中的情緒動(dòng)態(tài)（Garcia，Kappas，Kuester，Dennis，＆ Schweitzer，2016）及生理特征（Kappas，Tsankova，＆ Theunis，2011），使得網(wǎng)絡(luò)情緒逐漸成為規(guī)范的研究領(lǐng)域。同時(shí)，研究者也開(kāi)始利用社交媒體的海量數(shù)據(jù)分析用戶(hù)的情緒狀態(tài)和變化規(guī)律，探究網(wǎng)絡(luò)情緒與心理健康（Rafiqul et al.，2018）、股市走向（Zhou，Zhao，＆ Xu，2016）、用戶(hù)人格（Pentina ＆ Zhang，2016）等方面的關(guān)系。

2 網(wǎng)絡(luò)情緒的概念及基本結(jié)構(gòu)

2.1 網(wǎng)絡(luò)情緒的概念

“網(wǎng)絡(luò)情緒”來(lái)自互聯(lián)網(wǎng)與情緒研究相結(jié)合的新興領(lǐng)域，國(guó)內(nèi)外對(duì)“網(wǎng)絡(luò)情緒”的定義和研究范圍并沒(méi)有一致的界定。 最初“網(wǎng)絡(luò)情緒”是指網(wǎng)民通過(guò)網(wǎng)絡(luò)互動(dòng)和傳播途徑所形成的一種集體情緒 （Ahn et al.，2011；孫立明，2016），這一概念主要強(qiáng)調(diào)了網(wǎng)絡(luò)情緒的集群性， 忽視了單一個(gè)體在網(wǎng)絡(luò)空間的情緒體驗(yàn)和反應(yīng)。Zhang（2016）曾指出網(wǎng)絡(luò)情緒應(yīng)該包括個(gè)體或群體對(duì)網(wǎng)絡(luò)社會(huì)現(xiàn)象主動(dòng)或被動(dòng)的心理體驗(yàn)和情感反映，單一性和集群性是同時(shí)存在的。Kappas（2017） 在研究中開(kāi)始關(guān)注網(wǎng)民情緒產(chǎn)生的心理過(guò)程，提出網(wǎng)絡(luò)情緒是指社交網(wǎng)絡(luò)中的情感過(guò)程，個(gè)體內(nèi)在情緒狀態(tài)會(huì)影響在線情緒表達(dá)， 并且外部的網(wǎng)絡(luò)信息也會(huì)對(duì)在線情緒體驗(yàn)和表達(dá)產(chǎn)生影響， 從而引發(fā)整個(gè)網(wǎng)絡(luò)空間的情緒變化。 Kappas 還指出網(wǎng)絡(luò)情緒研究主要用來(lái)探究和分析互聯(lián)網(wǎng)中能夠反映個(gè)體或群體情緒情感特征的現(xiàn)象， 這些現(xiàn)象往往蘊(yùn)含在文本、表情圖片、表情符號(hào)、語(yǔ)音等信息中，因此對(duì)互聯(lián)網(wǎng)中不同信息的情緒分析和探究都屬于網(wǎng)絡(luò)情緒領(lǐng)域的研究范疇。

綜上，當(dāng)前對(duì)“網(wǎng)絡(luò)情緒”的定義還比較寬泛，但不同概念中依然存在共同之處： 網(wǎng)絡(luò)情緒的主體為個(gè)人或群體， 由于受到外部信息或內(nèi)部情緒狀態(tài)的影響， 從而在網(wǎng)絡(luò)空間中主動(dòng)或被動(dòng)產(chǎn)生的心理體驗(yàn)和情感反映。

2.2 網(wǎng)絡(luò)情緒的基本結(jié)構(gòu)

傳統(tǒng)情緒結(jié)構(gòu)存在分類(lèi)取向和維度取向， 網(wǎng)絡(luò)情緒結(jié)構(gòu)的研究也延續(xù)了這兩種取向， 形成了網(wǎng)絡(luò)空間的情緒結(jié)構(gòu)。

2.2.1 分類(lèi)取向

情緒分類(lèi)取向認(rèn)為情緒是個(gè)體在進(jìn)化過(guò)程中發(fā)展出來(lái)對(duì)外界刺激的適應(yīng)性反應(yīng)， 試圖將情緒分為幾種彼此獨(dú)立的、 有限的基本情緒。 其中Ekman（1971）的基本情緒分類(lèi)說(shuō)最為突出，他認(rèn)為存在快樂(lè)、悲傷、憤怒、恐懼、厭惡和驚訝6 種基本情緒。 在網(wǎng)絡(luò)情境中研究者們大致沿襲了這種普遍認(rèn)可的分類(lèi)方式， 其中驚訝是唯一具有爭(zhēng)議的基本情緒。Wikarsa 和 Thahir（2015）認(rèn)為從個(gè)體情緒的豐富性出發(fā)， 驚訝屬于網(wǎng)絡(luò)情境中的基本情緒。 但Kumar等人 （2015） 的研究指出網(wǎng)絡(luò)用戶(hù)的基本情緒為快樂(lè)、悲傷、憤怒、恐懼以及厭惡5 種，并不包括驚訝，這與董穎紅等人（2015）的研究結(jié)論一致。 當(dāng)個(gè)體面對(duì)不同網(wǎng)絡(luò)事件時(shí)， 所產(chǎn)生的情緒與上述提到的基本情緒有所差別，其差別在于不同網(wǎng)絡(luò)情境下，個(gè)體所產(chǎn)生的情緒會(huì)受到網(wǎng)絡(luò)事件性質(zhì)的影響， 其情緒體驗(yàn)更加豐富和復(fù)雜。例如在與政府相關(guān)的事件中，會(huì)產(chǎn)生憤怒、諷刺、失望、同情、不信任、焦慮等情緒類(lèi)型，在重大人禍?zhǔn)录媲?，網(wǎng)民的情緒為憤怒、鄙視、 厭惡、 同情和愛(ài)五種類(lèi)型 （Shi，Wang，＆ He，2013；葉勇豪，許燕，2016）。

2.2.2 維度取向

情緒維度取向認(rèn)為情緒是高度相關(guān)的連續(xù)體，是一種較為模糊的狀態(tài)， 很難區(qū)分出各種具體情緒（樂(lè)國(guó)安，董穎紅，2013）。經(jīng)過(guò)面部表情、言語(yǔ)表達(dá)及情緒詞匯語(yǔ)義相似性判斷等廣泛研究， 不同的研究者認(rèn)為情緒存在兩個(gè)穩(wěn)定、獨(dú)立的維度，據(jù)此提出了不同的兩維度模型。 其一為Russell（1980）提出的效價(jià)-喚醒模型， 核心情緒狀態(tài)是通過(guò)效價(jià)和喚醒度來(lái)衡量的， 其中效價(jià)用來(lái)衡量情緒體驗(yàn)者是愉悅的還是悲傷的， 喚醒度是用來(lái)衡量情緒主體所體驗(yàn)到的情緒強(qiáng)度。 其二為 Watson 和 Tellegen（1985）提出的與上述結(jié)構(gòu)相似的環(huán)形模型： 積極-消極情緒模型，積極情緒指?jìng)€(gè)體感覺(jué)熱情、活躍和警覺(jué)的程度，消極情緒是一種悲傷憂(yōu)慮、消極投入的狀態(tài)，包括憤怒、恐懼、緊張、恥辱等，兩者是相互獨(dú)立的。 前期網(wǎng)絡(luò)情緒表達(dá)研究中多數(shù)采用積極-消極情緒模型，將網(wǎng)絡(luò)情緒表達(dá)分為積極情緒和消極情緒兩個(gè)獨(dú)立的維度（Golder ＆ Macy，2011）。 隨著情感分析技術(shù)的深入發(fā)展， 研究者們根據(jù)主體的自我報(bào)告和系統(tǒng)自動(dòng)標(biāo)注情緒強(qiáng)度的方法進(jìn)行激活水平分析， 逐漸基于效價(jià)-喚醒理論， 用二維空間模型分析網(wǎng)絡(luò)情緒的結(jié)構(gòu)， 提高了情緒分析的準(zhǔn)確度 （Preotiuc－Pietro et al.，2016）。 由于互聯(lián)網(wǎng)中的部分文本信息可能屬于理性或中性評(píng)價(jià)， 不涉及主體的情緒性特征，因此研究發(fā)現(xiàn)網(wǎng)絡(luò)空間中存在積極情緒、消極情緒以及無(wú)明顯情緒三個(gè)不同維度（Raghavan，Kumar，Raman，＆ Sridhar，2017）。

3 網(wǎng)絡(luò)情緒的理論基礎(chǔ)

3.1 情緒社會(huì)分享理論

情緒社會(huì)分享理論 （social sharing of emotion）由Rimé 等人（1991）提出，最初該理論是為了解釋一種現(xiàn)象：當(dāng)個(gè)體受到某一情緒事件的影響時(shí)，會(huì)普遍傾向于自愿地與他人訴說(shuō)、 談?wù)撨@些情緒事件以及表達(dá)個(gè)人感受，這一過(guò)程被稱(chēng)為情緒社會(huì)分享。傳統(tǒng)的情緒社會(huì)分享包括兩種形式， 一種是直接面對(duì)面與他人訴說(shuō)或討論情緒誘發(fā)事件， 表達(dá)自己內(nèi)心的情緒體驗(yàn)和反應(yīng)；另一種是通過(guò)日記、書(shū)信、詩(shī)歌等方式表達(dá)情緒內(nèi)容，間接與他人進(jìn)行互動(dòng)。伴隨著互聯(lián)網(wǎng)的興起和社交媒體的涌現(xiàn)， 個(gè)體的情緒表達(dá)和分享方式突破了時(shí)間和空間的限制， 使得越來(lái)越多的情緒信息暴露在網(wǎng)絡(luò)空間中， 從而推動(dòng)了情緒社會(huì)分享理論在網(wǎng)絡(luò)空間中的應(yīng)用。 Hidalgo 等人（2015）利用Live Journal 網(wǎng)站上的博客內(nèi)容進(jìn)行情感分析， 發(fā)現(xiàn)了個(gè)體對(duì)于含有情緒感受的博客內(nèi)容更加感興趣， 證實(shí)了網(wǎng)絡(luò)空間中仍然存在情緒的社會(huì)分享。 另外研究發(fā)現(xiàn)情緒分享可以滿(mǎn)足個(gè)體獲得支持和尊重的需要， 有利于促進(jìn)人際交往和身心健康發(fā)展。

3.2 情緒感染理論

情緒感染 （emotional contagion） 由 McDougall（1923） 定義為 “由個(gè)體共情反應(yīng)而直接引發(fā)的情緒”，即由他人情緒引起，并產(chǎn)生與他人情緒相匹配的情緒體驗(yàn)， 最初是用來(lái)解釋個(gè)體在面對(duì)面交流中非言語(yǔ)部分的情緒傳遞。 隨著情緒感染理論的不斷發(fā)展，情緒感染不再局限于面對(duì)面的交流。研究表明網(wǎng)絡(luò)空間中的圖片、表情、文字等信息也可以作為情緒感染發(fā)生的刺激因素， 個(gè)體會(huì)因?yàn)樵诮佑|刺激因素后處于生理喚醒的內(nèi)在機(jī)制， 不由自主地產(chǎn)生與刺激因素相類(lèi)似的情緒（張洪，蔣婷，萬(wàn)曉榆，盛海剛，2019）。 關(guān)于情緒感染的發(fā)生機(jī)制一直存在兩種解釋——原始性情緒感染和意識(shí)性情緒感染。 早期學(xué)者傾向認(rèn)為情緒感染是基于人類(lèi)的模仿傾向，是個(gè)體自動(dòng)、無(wú)意識(shí)模仿他人的表情、聲音和動(dòng)作的過(guò)程， 并在模仿過(guò)程中體驗(yàn)到被模仿者的情緒（Hatfield，Cacioppo，＆ Rapson，2010）。 后來(lái)提出的意識(shí)性感染觀點(diǎn)則認(rèn)為個(gè)體情緒感染是有意識(shí)參與的過(guò)程，虛假的微笑并不感染他人，因此將情緒感染作為一種理解他人情緒的感知、分辨、接收的過(guò)程，受到個(gè)體高級(jí)認(rèn)知系統(tǒng)調(diào)節(jié) （Hennig－thurau，Groth，＆Paul，2006）。盡管對(duì)于情緒感染機(jī)制存在一定爭(zhēng)議，但網(wǎng)絡(luò)空間中傳播者情緒會(huì)影響信息接受者情緒，進(jìn)而影響其后續(xù)行為已經(jīng)得到了研究證明。 來(lái)自Facebook 的研究表明即使缺少傳統(tǒng)的人際互動(dòng)的非言語(yǔ)線索， 情緒狀態(tài)也可以通過(guò)情緒感染轉(zhuǎn)移到其他網(wǎng)絡(luò)使用者身上 （Kramer，Guillory，＆ Hancock，2014）。 Ferrara 等（2015）發(fā)現(xiàn) Twitter 用戶(hù)在轉(zhuǎn)發(fā)消息之前會(huì)首先對(duì)其所接收到的信息賦予情感效價(jià)，從而突出網(wǎng)絡(luò)信息的情緒感染效果。

3.3 群際情緒理論

Mackie 等人（2000）在情緒評(píng)價(jià)理論、社會(huì)認(rèn)同理論和自我分類(lèi)理論的基礎(chǔ)上， 提出了群際情緒理論（intergroup emotions theory），其中情緒評(píng)價(jià)理論認(rèn)為情緒來(lái)自個(gè)體對(duì)事件或情境的評(píng)價(jià)， 該理論側(cè)重分析個(gè)體的情緒過(guò)程。 為了進(jìn)一步解釋群體互動(dòng)過(guò)程中所產(chǎn)生的情緒， 群際情緒理論以社會(huì)認(rèn)同為橋梁， 將情緒評(píng)價(jià)理論擴(kuò)展到集體層面 （Dong et al.，2016）。 群際情緒理論認(rèn)為社會(huì)認(rèn)同是群體情緒產(chǎn)生的主要原因，當(dāng)個(gè)體對(duì)某一群體形成認(rèn)同后，就會(huì)主動(dòng)將該群體變成自我的一部分， 這種社會(huì)自我的存在， 使得個(gè)體開(kāi)始從群體的角度對(duì)事件或情境作出評(píng)價(jià)， 由此產(chǎn)生與群體成員一致的情緒認(rèn)知和情感體驗(yàn)（Smith ＆ Mackie，2015）。 在網(wǎng)絡(luò)空間中，各類(lèi)社會(huì)新聞極易引起網(wǎng)民們的關(guān)注和情緒表達(dá)，由于網(wǎng)絡(luò)的參與者來(lái)自社會(huì)不同階級(jí)， 代表著不同群體對(duì)某一社會(huì)事件的態(tài)度和情緒， 當(dāng)網(wǎng)民找到與自身特征相似的群體時(shí)，會(huì)加強(qiáng)對(duì)該群體的認(rèn)同感，促使個(gè)體從群體的角度評(píng)價(jià)當(dāng)前的網(wǎng)絡(luò)情境， 而出現(xiàn)去個(gè)體化的效應(yīng)（Derks，F(xiàn)ischer，＆ Bos，2007）。網(wǎng)絡(luò)參與者還會(huì)受到群體內(nèi)刻板印象的影響， 產(chǎn)生與群體內(nèi)相似的情緒體驗(yàn)， 從而使得個(gè)體情緒上升到集體情緒。 高文珺等人（2014）依據(jù)群際情緒理論明確了網(wǎng)絡(luò)空間集體情緒的五種特征即評(píng)價(jià)標(biāo)準(zhǔn)，包括一致性、非理性、能動(dòng)性、可控性及偏差性，在此基礎(chǔ)上提出了網(wǎng)絡(luò)集體行動(dòng)的認(rèn)同情緒模型， 這對(duì)未來(lái)網(wǎng)絡(luò)情緒引發(fā)個(gè)體行為的實(shí)證研究具有重要意義。

上述三種理論都強(qiáng)調(diào)網(wǎng)絡(luò)情緒是個(gè)體與網(wǎng)絡(luò)環(huán)境互動(dòng)的產(chǎn)物，也是個(gè)體社會(huì)化的表現(xiàn)。它們的區(qū)別在于展現(xiàn)了網(wǎng)絡(luò)情緒發(fā)展的不同階段， 情緒社會(huì)分享理論立足于個(gè)體自身的心理需求， 從個(gè)體層面揭示網(wǎng)絡(luò)空間中情緒信息的最初出現(xiàn)形式， 但無(wú)法解釋網(wǎng)絡(luò)情緒的集群性以及網(wǎng)絡(luò)集體行為的產(chǎn)生；隨后以情緒感染理論為基礎(chǔ)的實(shí)證研究表明個(gè)體情緒在網(wǎng)絡(luò)空間的傳染性， 證實(shí)了網(wǎng)絡(luò)情緒在個(gè)體間的傳播，但這時(shí)網(wǎng)絡(luò)情緒極不穩(wěn)定，容易受到情緒事件性質(zhì)、 傳播者與接收者關(guān)系或者其它突發(fā)事件的干擾； 群際情緒理論能夠更好地解釋網(wǎng)絡(luò)情緒是如何從個(gè)體層面上升到群體層面， 以至于在一段時(shí)間內(nèi)的網(wǎng)絡(luò)空間中形成相對(duì)穩(wěn)定的情緒特征， 該理論更加突出個(gè)體的認(rèn)知功能和群體內(nèi)的影響。 根據(jù)唐超（2012）對(duì)網(wǎng)絡(luò)情緒演進(jìn)的實(shí)證研究以及上述三種理論，可以發(fā)現(xiàn)在網(wǎng)絡(luò)事件的影響下，網(wǎng)民的分享意愿促使網(wǎng)絡(luò)空間出現(xiàn)不同的情緒信息， 處在網(wǎng)絡(luò)情緒出現(xiàn)期；接下來(lái)由于情緒感染機(jī)制的影響，網(wǎng)絡(luò)情緒開(kāi)始蔓延，處于網(wǎng)絡(luò)情緒的發(fā)酵期；最后在不同網(wǎng)絡(luò)群體的作用下，網(wǎng)絡(luò)情緒更加集中且強(qiáng)烈，達(dá)到了高峰期，這一階段更容易引發(fā)網(wǎng)絡(luò)群體性事件。因此可以掌握網(wǎng)絡(luò)情緒的動(dòng)態(tài)發(fā)展過(guò)程， 及時(shí)防止不良情緒信息的蔓延和群體性事件的發(fā)生。此外，當(dāng)前對(duì)網(wǎng)絡(luò)情緒的實(shí)證研究主要側(cè)重在某一理論的解釋?zhuān)磥?lái)研究可利用不同理論構(gòu)建統(tǒng)一模型， 系統(tǒng)地解釋網(wǎng)絡(luò)情緒的動(dòng)態(tài)變化過(guò)程。

4 網(wǎng)絡(luò)情緒的研究方法

4.1 問(wèn)卷調(diào)查法

問(wèn)卷調(diào)查法是指參與者通過(guò)問(wèn)卷和訪談的形式進(jìn)行自我報(bào)告。 常使用此方法探究網(wǎng)民在線交流中的三方面情緒內(nèi)容：網(wǎng)絡(luò)情緒表達(dá)、情緒體驗(yàn)和情緒調(diào)節(jié)。 網(wǎng)絡(luò)情緒的測(cè)量工具主要來(lái)源于傳統(tǒng)測(cè)量領(lǐng)域的修訂版，具體情況如下：

網(wǎng)絡(luò)情緒表達(dá)的測(cè)量工具在Krings 等人編制的情緒表達(dá)性量表 （emotional expressivity scale）基礎(chǔ)上修訂，使其更加符合網(wǎng)絡(luò)情緒表達(dá)特點(diǎn)（陳瑩，2016）。 量表共17 個(gè)項(xiàng)目，包含抑制情緒、樂(lè)于表達(dá)情緒、情緒表達(dá)不適三個(gè)維度，采用6 點(diǎn)計(jì)分（1＝從不，6＝總是），其中6 個(gè)項(xiàng)目為反向計(jì)分。 總分越高，表示個(gè)體越樂(lè)于表達(dá)情緒，內(nèi)部一致性信度為0.82，可適用于比較網(wǎng)絡(luò)空間與現(xiàn)實(shí)交流中情緒表達(dá)的差異。

網(wǎng)絡(luò)情緒體驗(yàn)的工具主要測(cè)量個(gè)體在網(wǎng)絡(luò)空間中的消極情緒體驗(yàn)， 包括網(wǎng)絡(luò)消極情緒體驗(yàn)問(wèn)卷（negative online experience questionnaire， NOEQ）和網(wǎng)絡(luò)憤怒量表（online anger scale，OAS）。 NOEQ由金盛華等人（2015）編制，共12 個(gè)項(xiàng)目，包括消極認(rèn)知體驗(yàn)（3 項(xiàng)）、消極情緒體驗(yàn)（4 項(xiàng)）和消極社交體驗(yàn)（5 項(xiàng)）三個(gè)維度，采用 5 點(diǎn)計(jì)分（1＝完全不符合，5＝完全符合）。 量表以平均分作為最終分?jǐn)?shù)，分?jǐn)?shù)越高表示個(gè)體在網(wǎng)絡(luò)中消極情緒體驗(yàn)越強(qiáng)烈， 其內(nèi)部一致性信度為0.89（金盛華，吳嵩，郭亞飛，張林，2015），這一量表使用廣泛。 OAS 由 Dillard 和 Shen（2005）編制，該量表的測(cè)量前提是為被試創(chuàng)設(shè)一個(gè)想象場(chǎng)景，然后對(duì)其社交平臺(tái)上的動(dòng)態(tài)進(jìn)行評(píng)價(jià)，分為四個(gè)維度：煩悶、生氣、憤怒及暴怒，采用7 點(diǎn)計(jì)分（1＝完全沒(méi)有，7＝強(qiáng)烈感受）， 被試根據(jù)情緒體驗(yàn)在不同的維度上打分， 其信效度良好 （Xie ＆ Xie，2019）。 這兩個(gè)量表主要適用于青少年和大學(xué)生群體， 通常用來(lái)評(píng)估網(wǎng)絡(luò)消極情緒體驗(yàn)對(duì)不良行為的作用。

網(wǎng)絡(luò)情緒調(diào)節(jié)問(wèn)卷 （online emotion regulation questionnaire）是在 Gross（2003）編制的情緒調(diào)節(jié)量表（Scale of Emotion Regulation）基礎(chǔ)上修訂的。 最初情緒調(diào)節(jié)量表只有認(rèn)知重評(píng)和表達(dá)抑制兩個(gè)維度， 而網(wǎng)絡(luò)情緒調(diào)節(jié)問(wèn)卷以網(wǎng)絡(luò)情境中情緒調(diào)節(jié)的實(shí)際情況將問(wèn)卷分為忽視情緒調(diào)節(jié)、抑制情緒調(diào)節(jié)、重視情緒調(diào)節(jié)及宣泄情緒調(diào)節(jié)4 個(gè)維度。 本問(wèn)卷共28 個(gè)條目，采用 5 點(diǎn)計(jì)分（1＝非常不符合，5＝非常符合），通過(guò)計(jì)算不同維度的總分而得出被試在網(wǎng)絡(luò)空間情緒調(diào)節(jié)的方式。內(nèi)部一致性信度為0.78，重測(cè)信度為 0.71（解登峰，謝章明，2017）。

Zych 等人（2017）為了更加全面測(cè)量網(wǎng)絡(luò)用戶(hù)在線交流中的情緒內(nèi)容， 以情緒智力和述情障礙為理論基礎(chǔ)開(kāi)發(fā)了網(wǎng)絡(luò)情緒問(wèn)卷（E－motions questionnaire），用來(lái)測(cè)量青少年和大學(xué)生在網(wǎng)絡(luò)空間中的情感內(nèi)容。該問(wèn)卷包括21 個(gè)題目，分為網(wǎng)絡(luò)情緒表達(dá)、網(wǎng)絡(luò)情緒體驗(yàn)、 網(wǎng)絡(luò)情緒感知和管理及網(wǎng)絡(luò)情緒使用的好處4 個(gè)維度，采用5 點(diǎn)計(jì)分（1＝非常不同意，5＝非常同意），該問(wèn)卷內(nèi)部一致性信度為 0.94（Zych，Ortega－Ruiz，＆ Marín－López，2017）。 目前此量表在國(guó)外應(yīng)用較多，國(guó)內(nèi)還未見(jiàn)其應(yīng)用報(bào)告。

4.2 行為實(shí)驗(yàn)法

行為實(shí)驗(yàn)法主要采用情緒誘發(fā)法和情緒啟動(dòng)對(duì)互聯(lián)網(wǎng)中的情緒狀態(tài)進(jìn)行探究。 基于網(wǎng)絡(luò)空間的情緒誘發(fā)法是指被試在互聯(lián)網(wǎng)上完成一系列傳統(tǒng)的情緒誘發(fā)任務(wù)，實(shí)驗(yàn)材料包括具有情緒色彩的文字、圖片、音樂(lè)、視頻等（Ferrer，Grenen，＆ Taber，2015）。 在一項(xiàng)關(guān)于網(wǎng)絡(luò)情緒傳染機(jī)制的研究中， 被試被分為兩組，一組只接收包含積極詞匯的正面新聞消息，另一組只接收充滿(mǎn)消極詞匯的負(fù)面新聞消息， 持續(xù)一周后研究者們對(duì)被試在Facebook 上發(fā)布動(dòng)態(tài)的情緒進(jìn)行評(píng)估。 研究發(fā)現(xiàn)接收負(fù)面消息的被試比積極消息組更傾向于表達(dá)負(fù)面情緒， 這不僅表明互聯(lián)網(wǎng)中情緒誘導(dǎo)的有效性， 也證明了網(wǎng)絡(luò)參與者的情緒會(huì)無(wú)意識(shí)地受到網(wǎng)絡(luò)信息的影響（Kramer，Guillory，＆ Hancock，2014）。 為了全面探究網(wǎng)民在線互動(dòng)中的情緒動(dòng)態(tài)，Garcial 和 Kappas（2016）仍然利用不同情緒的話(huà)題新聞?wù)归_(kāi)了一系列情緒誘發(fā)任務(wù)。 與前者的實(shí)驗(yàn)設(shè)計(jì)相比，本次實(shí)驗(yàn)設(shè)計(jì)更加完善，首先新聞中包含積極、消極和中性三種情緒表達(dá)，其次該實(shí)驗(yàn)分為自然環(huán)境和實(shí)驗(yàn)室兩種條件， 最后對(duì)被試所產(chǎn)生的情緒進(jìn)行自評(píng)和他評(píng)， 研究發(fā)現(xiàn)參與者體驗(yàn)到的情緒狀態(tài)取決于給他呈現(xiàn)的內(nèi)容。 情緒啟動(dòng)是指當(dāng)啟動(dòng)刺激與目標(biāo)刺激在相同效價(jià)和不同效價(jià)兩種情況下， 被試在相同效價(jià)的情況下對(duì)目標(biāo)刺激的加工會(huì)更快和更準(zhǔn)確。 在網(wǎng)絡(luò)空間的情緒啟動(dòng)研究中，實(shí)驗(yàn)材料包括網(wǎng)絡(luò)詞匯、表情符號(hào)、表情圖片（表情包）三類(lèi)，主要通過(guò)經(jīng)典情緒啟動(dòng)范式或閾上閾下啟動(dòng)范式探究網(wǎng)絡(luò)詞匯、 表情符號(hào)和表情圖片的情緒啟動(dòng)效應(yīng)（Maureira et al.，2015），同時(shí)比較與現(xiàn)實(shí)文字和圖片之間情緒啟動(dòng)效應(yīng)的區(qū)別（李紫菲，胡笑羽，2019）。 研究結(jié)果表明網(wǎng)絡(luò)詞匯、表情符號(hào)、表情圖片等能夠?qū)Ρ辉嚠a(chǎn)生情緒啟動(dòng)效應(yīng)， 但啟動(dòng)效果有所差別。一般來(lái)說(shuō)，表情圖片的啟動(dòng)效應(yīng)顯著強(qiáng)于表情符號(hào)， 表情符號(hào)的情緒啟動(dòng)效果優(yōu)于中文詞語(yǔ)。

4.3 文本情感分析法

面對(duì)互聯(lián)網(wǎng)中大量的文本情感信息， 傳統(tǒng)的研究方法受到了主觀性偏差、 生態(tài)學(xué)效度和樣本規(guī)模等方面的多重限制， 而網(wǎng)絡(luò)大數(shù)據(jù)的發(fā)展能夠彌補(bǔ)這些方面的不足。 為了更方便地獲取和分析網(wǎng)絡(luò)空間的文本情緒信息， 伴隨網(wǎng)絡(luò)大數(shù)據(jù)而來(lái)的文本情感分析方法應(yīng)運(yùn)而生。 情感分析（Sentiment Analysis）是指利用自然語(yǔ)言處理、 統(tǒng)計(jì)或機(jī)器學(xué)習(xí)等技術(shù)對(duì)文本的主觀態(tài)度、 情緒或觀點(diǎn)進(jìn)行語(yǔ)義定向或極性分析，也可稱(chēng)作觀點(diǎn)挖掘（Casillas ＆ Ramirez，2019）。 文本情感分析的方法有以下三種（Medhat，Hassan，＆ Korashy，2014）：基于詞典的方法（lexicon based）、基于機(jī)器學(xué)習(xí)的方法（machine learning），以及前兩種方法的結(jié)合（hybrid）。

基于詞典的情感分析方法將網(wǎng)絡(luò)文本分解為單個(gè)詞匯， 根據(jù)系統(tǒng)中的詞匯對(duì)文本中的情感詞進(jìn)行搜索，并為情感詞標(biāo)注相應(yīng)的情感得分，計(jì)算該文本各類(lèi)情緒指數(shù)，得出文本中的不同情緒類(lèi)型，而不僅僅是分為正負(fù)性。 例如“語(yǔ)言詢(xún)問(wèn)和詞匯計(jì)數(shù)系統(tǒng)”（linguistic inquiry and word count，LIWC）是一款基于心理學(xué)的文本情感分析軟件， 可以對(duì)文本內(nèi)容進(jìn)行量化分析并將不同類(lèi)別的詞語(yǔ)加以計(jì)算， 如因果詞、情緒詞、認(rèn)知詞等心理詞類(lèi)在文本中使用的百分比。研究證明LIWC 具有良好的結(jié)構(gòu)效度，能夠比較準(zhǔn)確地分析網(wǎng)絡(luò)情緒特點(diǎn)， 因此被應(yīng)用于多項(xiàng)網(wǎng)絡(luò)情緒的研究中， 以探究用戶(hù)心理過(guò)程與情緒類(lèi)型之間的關(guān)系，預(yù)測(cè)用戶(hù)個(gè)性、主觀幸福感以及心理健康狀況 （Zhao，Jiao，＆ Bai，2016）。 自 Pennebaker 和Francis（1999）建立該系統(tǒng)至今，它也經(jīng)歷了不斷完善的過(guò)程，并且為了方便中文文本的情感分析，中科院心理所計(jì)算網(wǎng)絡(luò)心理實(shí)驗(yàn)室基于LIWC 的發(fā)展開(kāi)發(fā)了“文心（textmind）”中文心理分析系統(tǒng)。

基于機(jī)器學(xué)習(xí)的情感分析方法作為一個(gè)分類(lèi)的過(guò)程，通過(guò)標(biāo)注訓(xùn)練語(yǔ)料和測(cè)試語(yǔ)料，將文本中的情感分為二維或多維度 （Paltoglou ＆ Thelwall，2017）。在初始訓(xùn)練階段，隨機(jī)提取總數(shù)據(jù)的一部分作為訓(xùn)練數(shù)據(jù)集，再選擇不同的分類(lèi)器訓(xùn)練數(shù)據(jù)并確定分類(lèi)模型，如支持向量機(jī)、隨機(jī)森林和神經(jīng)網(wǎng)絡(luò)等分類(lèi)器；余下的部分?jǐn)?shù)據(jù)作為測(cè)試數(shù)據(jù)集，在測(cè)試數(shù)據(jù)中執(zhí)行分類(lèi)模型，最終生成文本情感的預(yù)測(cè)結(jié)果。 現(xiàn)有研究對(duì)于訓(xùn)練和測(cè)試的數(shù)據(jù)量沒(méi)有明確限制。 葉勇豪等人（2016）收集了與“人禍”事件有關(guān)的10006 條微博，按照10%（訓(xùn)練數(shù)據(jù)）和90%（測(cè)試數(shù)據(jù)）的比例對(duì)微博文本中網(wǎng)民情緒特點(diǎn)和表達(dá)差異進(jìn)行探討。 Mohammad 等人（2016）按照 70%（訓(xùn)練數(shù)據(jù)）和 30%（測(cè)試數(shù)據(jù)）的比例分析2000 萬(wàn)條與“女權(quán)主義”相關(guān)的推文，從而探究其中所反映的網(wǎng)民情緒和立場(chǎng)。

前兩種方法存在一定的弊端： 基于詞典的方法過(guò)度依賴(lài)詞典， 如果在線文本中的情緒詞不在該詞典中，就無(wú)法判斷文本的情緒傾向，并且分析過(guò)程中容易忽略上下文情境； 而基于機(jī)器學(xué)習(xí)的方法需要依據(jù)大量的訓(xùn)練數(shù)據(jù)，面對(duì)不斷變化的網(wǎng)絡(luò)語(yǔ)言，訓(xùn)練數(shù)據(jù)可能存在不完善的地方和滯后性。 因此不少學(xué)者采用兩種方法的結(jié)合對(duì)在線文本進(jìn)行情緒分析， 首先采用情緒詞典對(duì)不同主題進(jìn)行情感得分計(jì)算，然后采用基于規(guī)則的算法對(duì)文本進(jìn)行情緒分析；其次通過(guò)卡方值來(lái)識(shí)別其他的主觀詞匯， 然后運(yùn)用分 類(lèi) 器 探 測(cè) 文 本 的 情 緒 傾 向 （Khan，Atique，＆Thakar，2015）。 Khan 等人（2014）的研究表明，在結(jié)果的準(zhǔn)確度上， 兩者相結(jié)合的方法比單獨(dú)使用任何一種分類(lèi)器的方法更加具有優(yōu)勢(shì)。

5 網(wǎng)絡(luò)情緒表達(dá)的特性

網(wǎng)絡(luò)情緒表達(dá)是指?jìng)€(gè)人或群體在網(wǎng)絡(luò)空間里通過(guò)文字、符號(hào)、圖片等方式表達(dá)自己的情緒和態(tài)度的一種網(wǎng)絡(luò)行為。依據(jù)情境，網(wǎng)民情緒表達(dá)可分兩種形式： 一種形式是針對(duì)自己日常生活或者在線交流中所傳達(dá)的情緒狀態(tài)，個(gè)體內(nèi)部起主導(dǎo)作用；另一種形式是受到網(wǎng)絡(luò)事件的影響所產(chǎn)生的情緒表達(dá)， 外部事件起關(guān)鍵作用。這兩種情緒表達(dá)具有不同的特性。

5.1 網(wǎng)絡(luò)日常中情緒表達(dá)

網(wǎng)絡(luò)日常的情緒表達(dá)屬于微觀人際互動(dòng)層面，與個(gè)體每時(shí)每刻的情緒變化息息相關(guān)。 人們借助QQ、微信、豆瓣、知乎等網(wǎng)絡(luò)應(yīng)用工具，在網(wǎng)上自由公開(kāi)表達(dá)自己的思想、情感，與他人交流觀點(diǎn)。 研究者通過(guò)收集個(gè)體每日發(fā)布的動(dòng)態(tài)以及在線交流情況， 能夠準(zhǔn)確地分析個(gè)人在網(wǎng)絡(luò)空間中日常情緒表達(dá)的特性。

首先，從整體而言，網(wǎng)絡(luò)日常的情緒表達(dá)主要以積極情緒和消極情緒兩種傾向?yàn)橹鳌?與現(xiàn)實(shí)中情緒分享相比，網(wǎng)絡(luò)中的情緒表達(dá)更加頻繁（Derks，F(xiàn)ischer，＆ Bos，2007）， 并且個(gè)體更傾向于表達(dá)積極情緒，而不是消極情緒（Qiu，Lin，Leung，＆ Tov，2012；Lin，Tov，＆ Qiu，2014）。其次，在不同的時(shí)間單位里，網(wǎng)絡(luò)空間呈現(xiàn)不同的情緒表達(dá)傾向：以天為單位，個(gè)人的積極情緒在清晨（上午6 點(diǎn)左右）到夜晚（晚上10 點(diǎn)左右）期間保持較高水平，其余時(shí)間以消極情緒為主導(dǎo)；以季節(jié)為單位，國(guó)外學(xué)者Golder 和Macy（2011）認(rèn)為冬季的積極情緒明顯下降，而國(guó)內(nèi)學(xué)者汪靜瑩等人（2016）認(rèn)為秋季的積極情緒和消極情緒都偏低。 再次， 從不同民族在線情緒表達(dá)的分析來(lái)看， 雖然漢族群體和少數(shù)民族群體在網(wǎng)絡(luò)空間的積極情緒表達(dá)均多于消極情緒表達(dá)， 但差異在于少數(shù)民族群體更傾向于負(fù)面情緒的表達(dá)（董浩燁，陳瑩，2018）。最后，網(wǎng)絡(luò)情緒表達(dá)的載體不僅只有文字，多數(shù)用戶(hù)會(huì)利用表情符號(hào)和表情圖片在日常動(dòng)態(tài)中表達(dá)情緒， 對(duì)表情符號(hào)的識(shí)別也是分析個(gè)人在網(wǎng)絡(luò)空間情緒表達(dá)差異的重要途徑， 能夠用來(lái)彌補(bǔ)網(wǎng)絡(luò)空間缺乏非語(yǔ)言線索對(duì)情感交流產(chǎn)生的負(fù)面影響（Tang ＆ Hew，2018），體現(xiàn)網(wǎng)絡(luò)情緒表達(dá)的獨(dú)特性。其中最明顯的差異體現(xiàn)在不同性別使用表情符號(hào)的頻率以及所表達(dá)的情緒效價(jià)各不相同， 女性會(huì)利用情緒圖標(biāo)表達(dá)更多的負(fù)面情緒， 而男性通常利用表情符號(hào)表達(dá)積極情緒（Chen，Yuan，＆ You，2018）。

5.2 網(wǎng)絡(luò)事件中情緒表達(dá)

網(wǎng)絡(luò)事件中的情緒表達(dá)屬于社會(huì)宏觀層面的公共表達(dá)行為， 一般由某一公共事件或公共話(huà)題所引起，如巴黎暴恐事件（Garcia ＆ Rimé，2019）、全面放開(kāi)二孩政策（周莉，魏冰，楊宇軻，2018）、女權(quán)主義（Mohammad， Kiritchenko， Sobhani， Zhu， ＆Cherry， 2016）等不同類(lèi)型的公共事件和話(huà)題。 這些社會(huì)熱點(diǎn)問(wèn)題總能引起社會(huì)各界的廣泛關(guān)注， 并且能夠在Twitter、論壇、新聞客戶(hù)端等平臺(tái)進(jìn)行激烈討論， 引發(fā)不同性別和文化背景下網(wǎng)民的復(fù)雜情緒體驗(yàn)和表達(dá)。

網(wǎng)絡(luò)事件中的情緒表達(dá)也主要分為積極情緒和消極情緒兩種傾向，但與個(gè)體日常情緒表達(dá)相比，網(wǎng)絡(luò)事件中包含著更豐富的情緒類(lèi)型， 體現(xiàn)在不同事件中情緒表達(dá)的差異上。一方面，在以積極情緒表達(dá)為主的網(wǎng)絡(luò)事件中，同情、認(rèn)同、愛(ài)三種情緒類(lèi)型表現(xiàn)最為頻繁；另一方面，在以消極情緒表達(dá)為主的網(wǎng)絡(luò)事件中，表現(xiàn)出憤怒、恐懼、厭惡、諷刺、嫉妒等多種情緒類(lèi)別， 其中憤怒、 恐懼、 厭惡更為常見(jiàn)（Savolainen，2015）。同時(shí)與積極情緒相比，消極情緒在網(wǎng)絡(luò)空間中的表達(dá)更為普遍， 傳播力和傳染力更強(qiáng)， 容易激發(fā)其他網(wǎng)民的相同情緒 （Fan et al.，2014；Ahmad，Ramsay，＆ Ahmed，2019）。不僅網(wǎng)絡(luò)事件的性質(zhì)會(huì)影響個(gè)體的情緒表達(dá)， 網(wǎng)民的性別和文化背景也會(huì)影響其網(wǎng)絡(luò)空間的情緒表達(dá)。 通過(guò)分析不同性別的網(wǎng)民情緒表達(dá)特點(diǎn)， 可以得出男性在憤怒、厭惡、鄙視等負(fù)面情緒中具有更高的表達(dá)傾向和程度，而在同情和愛(ài)等積極情緒中，女性具有更高的表達(dá)傾向和程度（Chen，Lu，＆ Ai，2018）。 另外，不同文化背景下的用戶(hù)對(duì)同一網(wǎng)絡(luò)事件的情緒表達(dá)也有差異。美國(guó)網(wǎng)民傾向于在網(wǎng)絡(luò)空間宣泄個(gè)體情緒，表達(dá)自我觀點(diǎn)； 而英國(guó)網(wǎng)民傾向于對(duì)事件抱有批判態(tài)度并探求真相； 德國(guó)謹(jǐn)慎嚴(yán)密的行為習(xí)慣同樣體現(xiàn)在網(wǎng)民的情緒表達(dá)中；對(duì)于法國(guó)用戶(hù)，網(wǎng)絡(luò)成為了公眾宣泄焦慮和悲傷的平臺(tái)（周莉，蔡璐，劉煜，2017）。

6 網(wǎng)絡(luò)情緒的治理

通過(guò)對(duì)網(wǎng)絡(luò)情緒表達(dá)特性的分析可以發(fā)現(xiàn)網(wǎng)絡(luò)空間的情緒變化十分復(fù)雜，涉及不同的主體、事件、時(shí)間等因素。并且公眾在參與網(wǎng)絡(luò)事件的過(guò)程中，因匿名性而讓簡(jiǎn)單發(fā)泄情緒成為常態(tài)， 其情緒具有濃重的非理性色彩， 一定程度上對(duì)整個(gè)網(wǎng)絡(luò)輿論氛圍產(chǎn)生了消極的影響， 甚至對(duì)社會(huì)秩序產(chǎn)生一定的沖擊， 造成一系列的網(wǎng)絡(luò)群體性事件 （朱天， 馬超，2018）。 正因?yàn)榫W(wǎng)絡(luò)情緒帶來(lái)了巨大的社會(huì)影響力，所以研究者們提出了一系列網(wǎng)絡(luò)情緒治理的措施，形成了以政府為主導(dǎo)，以信息技術(shù)為保障，公民共同參與的多層次、協(xié)作性、網(wǎng)絡(luò)化的治理模式（馬超，曾君，2019）。

6.1 個(gè)體：主動(dòng)培養(yǎng)媒介素養(yǎng)，提高情緒管理能力

網(wǎng)民作為網(wǎng)絡(luò)空間的個(gè)體存在， 是網(wǎng)絡(luò)情緒產(chǎn)生的主體。個(gè)體網(wǎng)絡(luò)情緒的表達(dá)直接且迅速，因此只有讓網(wǎng)民發(fā)揮良好的主體作用，辯證看待網(wǎng)絡(luò)信息，合理管理自身情緒，形成良好的表達(dá)習(xí)慣，才能從根本上形成有序的網(wǎng)絡(luò)情緒氛圍。首先，網(wǎng)民要增強(qiáng)辨別信息的能力，理性對(duì)待網(wǎng)絡(luò)信息，自覺(jué)抵制不良信息的傳播。當(dāng)前網(wǎng)絡(luò)信息紛繁復(fù)雜，虛假信息層出不窮，容易激起人們情緒的波動(dòng)。如果不具備一定批判思考和辨別真假的能力， 很容易就被這些不實(shí)的信息所誤導(dǎo)。 其次，及時(shí)覺(jué)察自我情緒，提高情緒管理的能力。網(wǎng)絡(luò)空間的情緒分為積極情緒和消極情緒，不同情緒表達(dá)帶來(lái)的影響取決于個(gè)體對(duì)自我情緒的管理（Vermeulen，Vandebosch，＆ Heirman，2018）。 情緒管理是指?jìng)€(gè)體通過(guò)有意識(shí)的察覺(jué)、適當(dāng)?shù)恼{(diào)整，以合適的方式緩解情緒，提高對(duì)情緒的控制能力，讓身心保持良好的狀態(tài)。 特別是當(dāng)自己因?yàn)榫W(wǎng)絡(luò)事件而產(chǎn)生消極情緒和體驗(yàn)時(shí)， 應(yīng)選擇合適的方式進(jìn)行宣泄和表達(dá)，及時(shí)轉(zhuǎn)化自己的不良情緒。因此理性對(duì)待網(wǎng)絡(luò)信息，合理管理自己的情緒，能夠有效避免被網(wǎng)絡(luò)空間內(nèi)的負(fù)面信息和情緒所感染， 促進(jìn)網(wǎng)絡(luò)情緒交流的良性互動(dòng)。

6.2 社會(huì)：完善網(wǎng)絡(luò)管理機(jī)制，發(fā)揮輿論引導(dǎo)作用

政府和媒體作為社會(huì)層面的兩大主體， 應(yīng)積極承擔(dān)起網(wǎng)絡(luò)情緒治理的責(zé)任。 在互聯(lián)網(wǎng)高度發(fā)展的新時(shí)代， 大量的網(wǎng)民在網(wǎng)絡(luò)空間表達(dá)情緒， 宣泄情緒，對(duì)網(wǎng)絡(luò)輿論產(chǎn)生了巨大的影響力，但網(wǎng)絡(luò)不是法外之地，世界上沒(méi)有不受限制的自由。 一方面，政府作為網(wǎng)絡(luò)情緒治理的首要主體， 為網(wǎng)民提供有效且良好的情感訴求和情緒宣泄平臺(tái)的同時(shí)， 也應(yīng)加強(qiáng)相關(guān)法律法規(guī)的建設(shè)（Zhang，2016），規(guī)范網(wǎng)絡(luò)空間的情緒表達(dá)界限。法律法規(guī)具有剛性約束作用，對(duì)傳播謠言、煽動(dòng)負(fù)面情緒的違法行為進(jìn)行懲戒，能夠起到較好的震懾效果， 這樣可以促進(jìn)網(wǎng)民在網(wǎng)絡(luò)空間理性地表達(dá)情緒，形成制度化的情緒釋放機(jī)制。另一方面，媒體作為主流傳播通道，應(yīng)發(fā)揮正面情緒的引導(dǎo)作用。在以往的研究中發(fā)現(xiàn)，突發(fā)事件中的網(wǎng)民情緒表達(dá)較為一致，負(fù)面情緒呈現(xiàn)壓倒性的態(tài)勢(shì)，使得網(wǎng)民的情緒呈現(xiàn)惡性循環(huán)，情緒影響不斷放大。因此正面情緒的作用日益凸顯， 新聞媒體在事件中應(yīng)承擔(dān)起自身責(zé)任，防止負(fù)面情緒對(duì)公眾認(rèn)知的誤導(dǎo)，從積極方向進(jìn)行引導(dǎo)（周莉，魏冰，楊宇軻，2018），有助于化解社會(huì)矛盾、穩(wěn)定公眾情緒。在政府和媒體的共同作用下（劉博，2017），構(gòu)建合理平等的網(wǎng)絡(luò)社會(huì)關(guān)系，在滿(mǎn)足網(wǎng)民情緒表達(dá)需求的同時(shí)，也便于政府了解當(dāng)前網(wǎng)絡(luò)情緒發(fā)展動(dòng)態(tài)， 對(duì)網(wǎng)絡(luò)輿情事件作出合理的決策。

6.3 技術(shù)：充分運(yùn)用數(shù)據(jù)監(jiān)控，掌握情緒傳播規(guī)律

網(wǎng)絡(luò)信息技術(shù)的不斷更新和發(fā)展， 為信息傳播和情緒表達(dá)提供了諸多便利， 使得人們可以自由地在網(wǎng)絡(luò)世界里表達(dá)自己的內(nèi)心感受和情緒體驗(yàn)。 與此同時(shí)，信息技術(shù)的發(fā)展也產(chǎn)生了一些負(fù)面影響，大量的負(fù)面虛假信息在網(wǎng)絡(luò)空間傳播， 對(duì)網(wǎng)民正確理性的表達(dá)產(chǎn)生了消極影響。 因此應(yīng)克服信息技術(shù)帶來(lái)的不良影響，發(fā)揮其優(yōu)勢(shì)，嚴(yán)格控制不良信息和非理性情緒的傳播， 減少引發(fā)網(wǎng)民不良情緒體驗(yàn)的外部刺激。信息技術(shù)的優(yōu)勢(shì)在于大數(shù)據(jù)的運(yùn)用，對(duì)網(wǎng)民在社交平臺(tái)上發(fā)表的文本信息及非文本信息 （如表情符號(hào)、圖片、語(yǔ)音等）進(jìn)行全方位的挖掘和分析，能夠有效地掌握網(wǎng)民對(duì)事件的關(guān)注程度、 網(wǎng)民的情緒及心理變化、網(wǎng)絡(luò)輿情事件的發(fā)展趨勢(shì)，幫助有關(guān)部門(mén)在突發(fā)事件之后對(duì)網(wǎng)民情緒進(jìn)行正確引導(dǎo)， 及時(shí)避免可能發(fā)生的惡性事件（葉勇豪，許燕，朱一杰，梁炯潛，蘭天，于淼，2016）。另外通過(guò)信息過(guò)濾機(jī)制，對(duì)網(wǎng)民的在線評(píng)論進(jìn)行審核， 屏蔽掉其中含有極端情緒的內(nèi)容（張洪，蔣婷，萬(wàn)曉榆，盛海剛，2019），營(yíng)造理性的情緒表達(dá)氛圍。

7 總結(jié)與展望

研究者運(yùn)用多種研究方法對(duì)網(wǎng)絡(luò)情緒進(jìn)行深入而廣泛的研究，取得了一定的研究成果，并將其應(yīng)用在大眾情緒測(cè)量、 臨床診斷和社會(huì)經(jīng)濟(jì)事件預(yù)測(cè)當(dāng)中， 這有助于網(wǎng)絡(luò)參與者合理地表達(dá)個(gè)人情緒以及加強(qiáng)政府機(jī)構(gòu)對(duì)情緒型輿論的管理。 但網(wǎng)絡(luò)情緒作為研究和實(shí)踐主題的歷史相對(duì)比較短暫， 在研究理論、 研究方法以及研究?jī)?nèi)容上還有待進(jìn)一步的完善和發(fā)展。

第一，構(gòu)建網(wǎng)絡(luò)情緒的理論體系?，F(xiàn)有體系不完善一方面是因?yàn)榫W(wǎng)絡(luò)情緒的概念過(guò)于寬泛，“網(wǎng)絡(luò)情緒”與“網(wǎng)絡(luò)情感”界限不清，導(dǎo)致研究范圍過(guò)大，不能得出準(zhǔn)確的結(jié)論（朱天，馬超，2018）。 在傳統(tǒng)心理學(xué)上，情緒和情感具有一定的差異，情緒具有較大的情境性、 激動(dòng)性和暫時(shí)性， 而情感通常用來(lái)描述穩(wěn)定、深刻的社會(huì)感情，由于互聯(lián)網(wǎng)即時(shí)性的特征，因此在未來(lái)研究中采用 “網(wǎng)絡(luò)情緒” 這一表述比較準(zhǔn)確。另一方面是因?yàn)榫W(wǎng)絡(luò)情緒的特征、影響因素及作用機(jī)制也有待探究， 雖然研究提出了網(wǎng)絡(luò)情緒的產(chǎn)生有別于現(xiàn)實(shí)情緒， 例如Lin 等人 （2015） 在探究Facebook 用戶(hù)情緒體驗(yàn)的研究中發(fā)現(xiàn)，影響網(wǎng)絡(luò)情緒反應(yīng)的因素是網(wǎng)絡(luò)參與者的個(gè)人特征、 所瀏覽的信息以及讀者與信息發(fā)布者之間的關(guān)系。 但是在這些對(duì)網(wǎng)絡(luò)情緒產(chǎn)生影響的因素中，哪些是核心因素，哪些是次要因素，還缺乏系統(tǒng)的理論解釋。 因此，未來(lái)可對(duì)網(wǎng)絡(luò)情緒影響因素和作用機(jī)制進(jìn)一步探討，逐步完善網(wǎng)絡(luò)情緒的理論體系。

第二，改進(jìn)網(wǎng)絡(luò)情緒的研究方法。首先，近年來(lái)，網(wǎng)絡(luò)情緒的測(cè)量工具雖然不斷增加， 但主要來(lái)源于傳統(tǒng)情緒測(cè)量領(lǐng)域的修訂版， 缺乏統(tǒng)一規(guī)范的網(wǎng)絡(luò)情緒測(cè)量工具， 工具的有效性和適用群體仍需要進(jìn)一步的檢驗(yàn)。 其次，現(xiàn)有研究技術(shù)思路較為簡(jiǎn)單，多采用單一研究方法， 缺乏不同研究方法的綜合。 另外，大部分研究?jī)H限于相關(guān)研究，缺乏實(shí)驗(yàn)設(shè)計(jì)。 基于此，未來(lái)可考慮以下幾個(gè)方面：其一，開(kāi)發(fā)應(yīng)用于網(wǎng)絡(luò)空間情緒研究的測(cè)量工具。 利用現(xiàn)有網(wǎng)絡(luò)情緒的理論、 網(wǎng)絡(luò)空間的特點(diǎn)以及用戶(hù)的認(rèn)知特征等方面， 編制出更貼近在線情境、 更準(zhǔn)確有效的評(píng)估工具，同時(shí)修訂國(guó)外經(jīng)典的網(wǎng)絡(luò)情緒測(cè)量工具。 其二，加強(qiáng)網(wǎng)絡(luò)情緒領(lǐng)域的實(shí)驗(yàn)設(shè)計(jì)， 利用傳統(tǒng)的研究范式（如情緒誘導(dǎo)法）考查網(wǎng)絡(luò)情緒中不同因素之間的作用。 Ferrer 等人（2015）的研究證實(shí)了網(wǎng)絡(luò)空間中情緒誘導(dǎo)的有效性， 能夠有效誘導(dǎo)積極情緒和消極情緒，如恐懼、厭惡、悲傷、內(nèi)疚等，為網(wǎng)絡(luò)情緒的實(shí)驗(yàn)研究提供了重要依據(jù)。其三，建立統(tǒng)一的文本情感分析標(biāo)準(zhǔn)。在信息技術(shù)發(fā)展下，對(duì)不同類(lèi)型文本情感分析方法的深入探究成為網(wǎng)絡(luò)情緒研究的熱點(diǎn)，建立統(tǒng)一標(biāo)準(zhǔn)化的情感詞庫(kù)有利于研究成果之間的直接比較。并且由于情緒表達(dá)的復(fù)雜性和不穩(wěn)定性，如何利用新的數(shù)據(jù)收集和分析方法對(duì)在線互動(dòng)時(shí)用戶(hù)的情緒表達(dá)進(jìn)行分析， 也是研究方法上需要突破的關(guān)鍵點(diǎn)。其四，應(yīng)將傳統(tǒng)研究方法與信息技術(shù)結(jié)合起來(lái)共同運(yùn)用于網(wǎng)絡(luò)情緒的研究中， 這不僅彌補(bǔ)了傳統(tǒng)方法生態(tài)效度和樣本規(guī)模的問(wèn)題， 也有利于網(wǎng)絡(luò)情緒與其他因素之間因果關(guān)系的推論。

第三，擴(kuò)展網(wǎng)絡(luò)情緒的研究?jī)?nèi)容。 首先，從研究對(duì)象上看， 現(xiàn)有研究所涉及的對(duì)象大多不區(qū)分其年齡、民族、文化水平等具體層次，且主要集中于大學(xué)生群體。 從研究平臺(tái)來(lái)說(shuō)， 先前的研究主要集中于Facebook、Twitter、微博等較少的網(wǎng)絡(luò)平臺(tái)，未來(lái)研究可充分利用網(wǎng)絡(luò)空間的開(kāi)放性和靈活性， 探究不同社交平臺(tái)、 不同年齡群體或民族在網(wǎng)絡(luò)空間中情緒體驗(yàn)、表達(dá)或調(diào)節(jié)的特征和心理規(guī)律。 其次，從研究深度上看， 當(dāng)前研究主要以數(shù)據(jù)為導(dǎo)向分析大眾網(wǎng)絡(luò)情緒表達(dá)的變化規(guī)律， 多停留在淺層的現(xiàn)象描述上， 并且以探究網(wǎng)絡(luò)情緒與社會(huì)事件之間的相關(guān)關(guān)系為主， 忽視了兩者是如何隨著時(shí)間的演變而出現(xiàn)變化的。另外，當(dāng)前研究也逐漸關(guān)注起網(wǎng)絡(luò)情緒與個(gè)體網(wǎng)絡(luò)行為之間的關(guān)系，但主要集中在網(wǎng)絡(luò)成癮、網(wǎng)絡(luò)攻擊或者網(wǎng)絡(luò)偏差等負(fù)面行為上， 忽視了網(wǎng)絡(luò)情緒對(duì)個(gè)體的積極影響。 Wood 等人（2016）的研究發(fā)現(xiàn)網(wǎng)絡(luò)空間的情緒交流對(duì)個(gè)體的情緒調(diào)節(jié)及人際關(guān)系都產(chǎn)生著積極的作用， 因此未來(lái)研究應(yīng)重視網(wǎng)絡(luò)情緒的積極影響， 用更加理性的態(tài)度認(rèn)識(shí)網(wǎng)絡(luò)情緒。