情感设计：Facebook反应对第114届美国国会情绪表达的影响

文献标题

Affective Design: The Influence of Facebook Reactions on the Emotional Expression of the 114th US Congress

文献信息

• 主题领域: 社会计算与政治传播
• 关键词: 社交媒体, 文本分析, 功能设计, 自然场景实验, 政治沟通, 负面情绪, 用户参与

研究背景与问题

• 问题与挑战: 社交媒体上的政治传播可能会因情绪激化而加剧两极分化，从而妨碍建设性的讨论。情绪化设计特性的引入或许会进一步影响政治人物的表达风格，但这一问题仍缺乏充分探讨。
• 重要性: 情绪化表达可能提高用户参与度，但负面情绪（如愤怒、厌恶）可能导致不良后果，如增加两极分化、削弱理性对话和传播虚假信息，这对民主制度构成潜在威胁。
• 研究动机与相关工作:
  • 现代政治传播常采用情绪诉求，如历史上通过恐惧情绪动员选民的广告。
  • 以前的研究探索了社交媒体情绪功能对整体用户行为的影响，但很少涉及这些功能如何改变内容发布者（如政治人物）的行为。
  • 本文填补现有研究空白，探讨 Facebook Reactions 设计功能如何影响美国第 114 届国会成员的情绪表达。

解决方案

• 提出的方法或解决方案:
  • 本研究利用 Facebook 在 2016 年推出的 Reactions 功能，将此事件作为一种自然（准）实验，分析其对美国第 114 届国会成员情绪表达的影响。
  • 实验采用“差异-差异”（Difference-in-Differences, DID）方法，并引入固定效应回归模型，用来分析情绪特征在功能推出前后的变化。
• 创新之处:
  • 将情绪化交互设计对内容创作者的影响作为重点，而不局限于受众的反应。
  • 利用 Facebook 和 Instagram 的数据对比，通过未受功能改动影响的 Instagram 数据作为对照组，排除背景因素干扰。
• 实施步骤与关键技术:
  1. 数据收集：提取了 114 届国会成员在 Facebook 和 Instagram 上的帖子数据，分为功能推出前后两组，涉及 172,000 条帖子。
  2. 数据预处理：清除非文本内容，进行分词、删除停用词、词性还原等标准化处理。
  3. 情绪分析：采用基于字典的 NRCLex 工具，计算帖子中的正面和负面情绪词频。
  4. 模型分析：
     • 使用差异-差异模型评估 Facebook 功能对情绪表达的影响。
     • 通过线性回归分析用户互动（如点赞、评论、分享）的变化对情绪表达变化的预测能力。
  5. 对照分析：对比 Instagram 数据验证 Facebook 功能的独特影响。

研究成果

• 具体成果:
  1. 整体发现: Facebook Reactions 的引入显著增加了国会议员在帖子中负面情绪的使用，但对正面情绪的表达没有显著影响。
  2. 机制分析: 用户参与（如点赞和评论）与负面情绪表达之间存在显著正相关关系。过去一段时间用户参与度的增加可预测下一段时间内负面情绪的增加。
  3. 量化结果: 每增加 1 万次点赞，平均增加 0.09 个负面情绪词；类似地，"angry" 和 "sad" 等反应的增加也分别与负面情绪的增长相关。
• 优势: 与未受 Facebook Reactions 功能影响的 Instagram 平台相比，这种变化更加显著，验证了功能本身对行为的影响。
• 实验或评估结果:
  • 差异-差异模型显示，在控制其他变量（如帖子长度、发帖类型）后，Facebook 的 Reactions 功能显著提高了负面情绪的表达（DID 系数为 0.08，p < 0.001）。
  • 线性回归分析中，负面情绪表达主要受用户负面互动（如 “angry” 和 “sad”）的推动，而正面互动的作用相对较弱。
• 局限性与未来方向:
  1. 数据局限于 2015-2016 年的 Facebook 和 Instagram 平台，研究结果需要进一步验证是否适用于其他平台或情境。
  2. 对用户情绪响应的分析主要依赖 NRC 词典，未来可结合更先进的情感分析工具（如 BERT 或 GPT）。
  3. 未深入研究性别、党派等因素对情绪表达的潜在影响，这些变量可能在不同情境下表现出差异。
  4. 需要更广泛地研究情绪设计特性在地方政治和其他领域的适用性。

总结

本文为社交媒体的情绪化设计如何影响政治传播提供了重要见解，揭示了设计特性具备驱动负面情绪表达的潜力。研究凸显了平台设计对用户行为和更广泛社会互动模式的重要影响，为未来平台设计和传播策略的优化提供了启示。