通过社交网络进行大规模情感传染的实验证据

2020-07-15 05:33:50

苏珊·T·菲斯克(Susan T.Fiske)编辑,普林斯顿大学,新泽西州普林斯顿,批准于2014年3月25日(2013年10月23日收到供审查)。

情绪状态可以通过情绪传染传递给他人,导致人们在不知不觉中体验到同样的情绪。情感传染在实验室实验中得到了很好的证实,人们会将积极和消极的情绪传递给他人。从一个大型现实社会网络收集的20年数据表明,更持久的情绪(例如,抑郁、快乐)可以通过网络传递[Fowler JH,Christakis NA(2008)BMJ 337:a2338],尽管结果是有争议的。在对使用Facebook的人进行的一项实验中,我们通过减少新闻馈送中的情感内容数量来测试情感传染是否发生在个人之间的面对面互动之外。当正面表达减少时,人们产生的正面帖子更少,负面帖子更多;当负面表达减少时,则出现相反的模式。这些结果表明,其他人在Facebook上表达的情绪会影响我们自己的情绪,这构成了通过社交网络进行大规模传染的实验证据。这项工作还表明,与流行的假设相反,面对面的互动和非语言暗示并不是情绪传染的严格必要条件,观察他人的积极体验对人们来说是一种积极的体验。

情绪状态可以通过情绪传染传递给其他人,导致他们体验到与他们周围的人相同的情绪。情感传染在实验室实验中得到了很好的证实(1),在这种实验中,人们会将积极和消极的情绪和情绪传递给他人。类似地,在20年期间收集的来自大型真实世界社交网络的数据表明,更持久的情绪(例如,抑郁、快乐)也可以通过网络传递(2,3)。

由于这项研究的相关性,对这种网络效应作为情绪传染的解释受到了仔细的审查,包括对上下文变量的错误指定或未能解释共享经验的担忧(4,5),这引发了关于网络传染过程的重要问题。一种实验方法可以直接解决这种审查问题;然而,在对照实验中使用的方法因检查社交互动后的情绪而受到批评。与快乐的人互动是愉快的(不快乐的人是不愉快的)。因此,传染可能是因为经历了一次互动,而不是暴露在伴侣的情绪中。以前的研究也没有解决非语言线索是否对传染的发生是必要的,或者仅仅是语言线索就足够了。网络(2,3)中积极和消极情绪相关的证据表明这是可能的,但在缺乏实验证据的情况下,大规模社交网络中的情绪是否发生传染过程的因果问题仍然难以捉摸。此外,其他人认为,在在线社交网络中,接触到他人的快乐实际上可能会让我们感到沮丧,产生一种“单独在一起”的社会比较效应(6)。

三项研究已经为通过最大的在线社交网络Facebook测试这些过程奠定了基础。这项研究表明:(I)情绪传染是通过基于文本的计算机媒介交流发生的(7);(Ii)心理和生理品质的传染通常是基于社交网络的相关数据(7,8);以及(Iii)人们在Facebook上的情绪表达预测朋友的情绪表达,甚至在几天后(7)(尽管一些共享的经历实际上可能会持续几天)。然而,到目前为止,没有实验证据表明,在体验者和目标之间没有直接互动的情况下,情绪或情绪会传染。

在Facebook上,人们经常表达情绪,这些情绪后来会被他们的朋友通过Facebook的“News Feed”产品看到(8)。因为人们的朋友经常会产生比一个人所能查看的内容多得多的内容,所以News Feed会过滤朋友发布的帖子、故事和活动。新闻源是人们查看朋友共享内容的主要方式。新闻提要中显示或省略哪些内容是通过排名算法确定的,Facebook不断开发和测试排名算法,以便向观众显示他们认为最相关和最吸引人的内容。这项研究报告了一项这样的测试:一项关于带有情感内容的帖子是否更具吸引力的测试。

这项实验操纵了人们(N=689,003)在他们的新闻馈送中接触到情感表达的程度。这项测试测试了接触情感是否会导致人们改变自己的发帖行为,特别是接触情感内容是否会导致人们发帖。

实验时间为1wk(2012年1月11日至18日)。参与者是根据他们的用户ID随机选择的,结果是每个条件下总共有155,000名参与者在实验期间发布了至少一次状态更新。

对于每个实验,两个与人们自己的状态更新中表达的情绪性有关的因变量被检查:在实验期间,给定的人产生的所有单词中积极或消极的百分比(如在参考文献中)。7)。总共分析了300多万条帖子,字数超过1.22亿字,其中400万字(3.6%)是正面的,180万字(1.6%)是负面的。

如果情感状态是通过Facebook上的口头表达传染的(我们对情感传染的操作),那么与他们的对照组相比,积极程度降低的人应该不那么积极,消极程度降低的人应该不那么消极。作为第二个测量,我们测试了情绪间的交叉传染,其中相反的情绪应该受到相反的影响:处于积极情绪减少状态的人应该表现出更多的消极情绪,而处于消极情绪减少状态的人应该表现出更多的积极情绪。情感表达是在每个人的基础上建模的,即这个人在实验期间产生的积极或消极词汇的百分比。正性和负性被分开评估,因为有证据表明它们不是同一光谱(8,10)的简单两端。事实上,否定词和积极词的使用几乎没有相关性[r=−0.04,t(620,587)=−38.01,P<;0.001]。

我们通过将每种情绪状态与其对照进行比较来检查这些数据。在确定我们的实验组在实验前一周在情绪表达上没有差异(所有t<;1.5;所有P>;0.13)之后,我们通过泊松回归检验了总体发帖率,使用省略帖子的百分比作为回归权重。省略情感内容会减少这个人随后产生的词量,无论是当积极程度降低时(z=−4.78P<;0.001),还是当消极程度降低时(z=−7.219,P<;0.001)。这种效应在省略否定词(99.7%,因为产生了更多的词)和省略肯定词时(96.7%)两种情况下都会发生。交互作用也被观察到,当省略积极词时,效果更强(z=−77.9P<;0.001)。

因此,直接研究正面和负面词语的使用频率是不合适的:这将与所产生的整体词语的变化相混淆。为了测试我们关于情绪传染的假设,我们进行了加权线性回归,根据条件(试验性和控制性)的虚拟代码预测积极或消极的单词的百分比,根据此人在特定观看时在其新闻馈送中省略一篇情感帖子的可能性进行加权,以便在回归中给予省略内容较多的人更高的权重。当消息源中的正面帖子减少时,人们状态更新中正面词语的百分比比对照组下降了B=−0.1个百分点[t(310,044)=−5.63P<;0.001,Cohen‘sd=0.02],而负面词语的百分比增加了B=0.04%(t=2.71P=0.007,d=0.001)。相反,当负面帖子减少时,负面词汇的百分比下降了B=−0.07%[t(310,541)=−5.51P<;0.001,d=0.02],反之,积极词汇的百分比增加了B=0.06%(t=2.19P<;0.003,d=0.008)。

结果显示情绪传染。如图1所示,对于那些在他们的新闻源中减少了积极内容的人来说,他们的状态更新中有较大比例的词语是负面的,而有较小比例的词语是正面的。当负性减少时,就会出现相反的模式。这些结果表明,朋友通过在线社交网络表达的情绪影响着我们自己的情绪,据我们所知,这构成了通过社交网络(3,7,8)进行大规模情绪传染的第一个实验证据,并支持了之前有争议的说法,即情绪通过网络传染。

这些结果突出了情绪传染的几个特征。首先,因为News Feed内容不是“针对”任何人的,传染不可能仅仅是与快乐或悲伤的合作伙伴进行某些特定交互的结果。虽然之前的研究调查了一种情绪是否可以通过直接互动来感染(1,7),但我们表明,仅仅是不能通过Facebook“无意中听到”朋友的情绪表达,就足以缓冲朋友的情绪表达,使其免受其影响。其次,尽管非语言行为被公认为传染的一种媒介,但这些数据表明,传染并不需要非语言行为

尽管据我们所知,这些数据提供了一些第一批实验证据来支持有争议的观点,即情绪可以在整个网络中传播,但这些操纵产生的影响很小(小到d=0.001)。然而,这些影响很重要,因为自变量(新闻馈送中的情绪存在)的操纵微乎其微,而因变量(人们的情绪表达)很难受到影响,因为日常经历的范围影响情绪(10)。更重要的是,考虑到Facebook等社交网络的巨大规模,即使是很小的影响也可能产生巨大的聚合后果(14,15):例如,情绪和身体健康之间有良好记录的联系表明了这些发现对公共健康的重要性。在线消息影响我们的情绪体验,这可能会影响各种离线行为。毕竟,在facebook的规模下,d=0.001的影响规模是不可忽视的:在2013年初,这相当于每天状态更新中成千上万的情感表达。

我们感谢Facebook新闻馈送团队,特别是Daniel Schafer的鼓励和支持;Facebook核心数据科学团队,特别是Cameron Marlow、Moira Burke和Eytan Bakshy;以及Michael Macy和Mathew Aldridge的反馈。数据处理系统、每个用户的聚合以及根据请求提供的匿名结果。

↵2演讲地址:加州大学旧金山分校烟草控制研究和教育中心,邮编:94143。

作者贡献:A.D.I.K.,J.E.G.和J.T.H.设计的研究;A.D.I.K.执行研究;A.D.I.K.分析数据;A.D.I.K.,J.E.G.和J.T.H.撰写这篇论文。

视图摘要