利他、合作与风险社会:微博热点事件的情绪传播分析*

■ 邹 煜 卫酉祎

一、引言

微博作为人际传播和群体传播模式交织的社交平台,为公众提供了讨论的开放空间,日渐成为重要的公共舆论场域。2020年11月24日,一则“老人冒雨用现金交医保被拒”的视频在微博平台上引起热议。微博话题“老人冒雨用现金交医保被拒”发布当天阅读量超过4亿次,截至2020年12月15日,该话题阅读量达到6.7亿次。相关话题“医保局回应老人用现金交医保被拒”“工作人员否认老人现金交医保被拒”引发事件的反转,再次激发网友讨论。社交媒体渗透进人们的日常生活,公共空间的私人化和私人空间的公共化过程彼此渗透。①新媒介、意见领袖、群体传播模式共同造成了个人情绪的快速广泛传播。②因此,个人情绪沿着社交平台构建的人际关系网络,在公共场域传播成为可能。肯特·D·哈伯(Kent D.Harber)和多夫·J·科恩(Dov J.Cohen)初步勾勒了个体情绪实现社会化传播的路径,并将情绪传播(emotional broadcaster theory)定义为情绪通过多次社会分享沿着人际网络梯级传播的过程。③

目前学界对情绪传播模式的研究主要从情绪的生成和传播过程两方面展开。从情绪的生成来看,产生于认知心理学的铺垫效果(priming effect)解释了情绪如何通过外部情景刺激个体并引起反应。铺垫效果分为情感铺垫和认知铺垫,情绪铺垫是指铺垫信息包含的情绪刺激对后续信息加工产生影响,并影响人们对后续信息的情绪生成；认知铺垫是指物体的实质属性刺激对人们认知产生的作用。赖胜强等基于对杜嘉班纳(D&G)辱华事件的扎根研究发现,公众对事件属性的认知和归因分析会影响到公众的情绪传播。④1923年,心理学家威廉·麦独孤(William McDougall)提出了情绪感染(emotional contagion)的概念。钟智锦等研究发现在天涯社区这类网络公开讨论空间中,存在显著的情绪感染现象。⑤情绪感染导致群体中出现“情绪同质化”现象受到国外研究者关注,如伯纳德·里梅(Bernard Rimé)等人由此提出情绪社会分享(social sharing of emotion)概念。⑥孙俊才等认为情绪的社会分享具有普遍性、反复性和多次传播等特性,论证了个体情绪通过人际分享与传播扩散成为社会情绪的可能性。⑦因此可以认为情感铺垫与情绪感染共同推动了情绪的生成和传播,情绪社会分享是个体情绪实现社会化传播的直接推动力。

从情绪传播的归因来看,学界目前主要聚焦于传播内容、传播载体对情绪传播的影响。谣言滋生助长恐慌情绪传播、舆情反转导致网民情绪波动,信任异化导致网民对公共机构提供的信息产生逆反情绪。⑧目前大多学者倾向情绪传播的一般规律归纳,较少结合舆情事件的特殊性进行深入探讨。话语不仅是单独个体的内部心理状态,更是指示一系列社会关系、文化观念的对象。因此本文拟通过话语分析,聚焦“老人冒雨用现金交医保被拒”事件(以下简称“老人用现金被拒”事件),深入分析情绪传播背后的社会动因。

二、研究设计及方法

首先,数据采集。我们以“老人冒雨用现金交医保被拒”为关键词在微博平台搜索并选取了阅读量前三且能够代表事件进展的微博话题(如表1所示，数据截至2020年12月15日),然后利用中国传媒大学国家语言资源监测与研究有声媒体中心研发的微博数据采集程序分别采集了三个话题中网友带话题的评论数据,删除无关、重复数据后,共获得2323条评论数据。

表1 研究选取的微博话题统计表

其次,对采集得来的微博文本数据进行清洗过滤,然后利用面向语言监测的自动分词标注系统CUCBst9.0⑨对微博语料进行分词,接着利用语料处理软件Ngram计算器⑩对分词后语料中的词频共现情况进行统计,进而考察高频词的前后文语境、搭配关系等。

最后,利用批评话语分析方法,分别选取三个微博话题评论中点赞量排名前100的评论,共计300条,建立评论议题和情绪类目(如表2所示),并根据类目进行人工标注。根据对评论内容的分析,本文将情绪分为愤怒、同情、担忧、赞扬和无情绪。愤怒一般指侵害某人固有信念、权利或与之相矛盾而激发的一种强烈而不舒适的情绪反应,而本文特指网友对相关工作人员、媒体、政府官员等负面涉事对象的不快体验和外显情绪表达。同情一般指通过悲情情境构建,与他人情感或遭遇形成共鸣,而本文特指网友对处于数字科技弱势一方的当事老人或老年群体产生的情感共鸣和声援。担忧一般包含焦虑、害怕等情绪,本文特指网友对老年生活的担心和对数字鸿沟产生的焦虑情绪。赞扬一般指包含肯定、认同的情绪,本文特指网友对相关话题引发关注产生的肯定情绪。无情绪则指单纯陈述事情进展,不包含正面或负面情绪。包含多种情绪的评论内容,会被重复计入统计中。

表2 微博评论的议题及情绪类目表

三、研究结果与分析

(一)微博话题评论中的议题及情绪

1.网友愤怒情绪存在模仿和感染现象

情绪不仅是个人的体验,而且是人际互动的产物。个体之间形成情绪聚合和情绪同质化的过程被称为情绪感染。本文分析后发现,在“老人用现金被拒”事件中,网友的愤怒情绪存在一定情绪共变和同质化现象。如图1所示,在三个话题中归属于愤怒情绪的议题比例均最高,愤怒情绪始终贯穿于整个事件进展中。从愤怒情绪的议题分布来看,网友关于“基层服务态度差”的评论在三个微博话题中的比例均较高(见图2)。以其中一条评论为例:“@沸点视频”于11月24日上午9时30分发布微博“老人冒雨用现金交医保被拒”,并配以网友爆料视频。网友“@夏_HHH”于11月24日上午9时32分发表评论“为人民服务几个大字真刺眼”,紧接着多条评论中带有“为人民服务”字眼,工作人员的服务态度问题成为愤怒情绪爆发的导火索。

图1 不同话题下情绪分布统计图

图2 愤怒情绪的议题数量统计图

在微博舆论场中,个体的愤怒情绪表达为他人提供了可以感知到的情绪信息,影响了他人对事件的认知。这种个体的情绪诱导容易引起相同的情感反应,可能导致他人在文本加工中无意识模仿,形成同质化的情绪倾向。因此在这一过程中,个体情绪成为他人情绪的诱因。

2.舆情反转激化网友情绪波动

媒体披露更多事件细节,或与此前完全相反的信息时,会发生舆情反转。11月24日下午9时31分,“@头条新闻”发布微博“工作人员否认老人现金交医保被拒”,工作人员澄清视频中的老人是忘记带证件,拒收现金的话是对旁边一对老人说的。如图1所示,愤怒和同情情绪在三个话题中的比例整体呈上升趋势,尤其在话题三中“同情工作人员”与“同情老人处境”两个议题成功引发了网友的共情。此外,如图2可知,唤醒网友愤怒情绪的议题出现明显分化。其中网友的愤怒多倾泻于“基层服务态度差”这一议题,“网友不理智发言”“拒收现金违法”“舆情应对不当”等议题也多是网友发泄不满情绪的对象。由此可见,舆情反转激化了网友的愤怒和同情情绪,加速了整个舆论场的情绪传播,同时也扩展了议题的讨论方向,多元声音相互冲突,但未改变情绪的同质化现象。

(二)高频词及其语境搭配

1.媒介建构影响网友情绪与认知

高频出现的形式、意义和功能往往揭示了语言使用的核心和典型要素,揭示了交际过程中最经常使用的形式、最经常实现的意义和功能。因此高频词能够在一定程度上反映文本内容倾向。如表3和图3所示,从“老人”到“老年人”,从“手机”到“科技”,网友评论内容逐步脱离具体情境上升到社会存在的普遍问题。从侧面反映出固有的社会矛盾是激化情绪传播的重要原因。此外,从“冒雨”“视频”等高频词可以发现,媒体建构现实唤醒了网友情绪、影响了网友对事件的认知。“冒雨”与老人用现金被拒事件无直接关联,但是却成为激化网友愤怒情绪的导火索。“视频”中工作人员冷漠的声音、老人佝偻的身躯、服务大厅上隐约可见的“为人民服务”几个大字,是构成网友对该事件认知的最初信源,也影响了后续的信息判断。由表3可知,在话题一引爆舆论场时,“健康码”“94岁”两个关键词在网友评论中被反复提及。“健康码”“94岁”分别源自2020年8月17日的微博热搜“老人无健康码遭公交司机拒载”和11月21日的微博热搜“94岁老人被抱起进行激活社保卡”,可以发现相近主题事件形成了一定的铺垫效果,对唤醒和激化网友情绪具有推动作用。但值得注意的是,话题三中工作人员对视频的内容予以否认,舆论出现分化,包含“事实/真相/真实”等质疑媒体的关键词开始涌现,部分网友对媒体发布未经证实的视频及报道表示不满与失望。

表3 不同话题点赞量前100的评论高频词分布情况

图3 三个话题点赞量前100的评论中高频词词云图

2.道德情绪与移情效应

孤立地看待语言中的词语难免有失偏颇,语境具有使词义单一化和具体化的功能,将词语放入语境中分析,其意义才会明确。通过对高频词“老人”“服务”的检索,可以发现其出现的前后文语境及搭配关系。如表4所示,高频词“老人”常出现在“老人冒雨”“老人被(科技)边缘化”语境中。“老人冒雨”最初在媒体报道中出现,突出了老人无助可怜的形象,加之工作人员的冷漠,与“尊老爱老”的社会道德产生冲突,激发起网友的道德情绪,推动了网友产生在微博场域发表个人情绪的行为,即情绪的社会分享行为。“心疼老人”“家里老人”等语境则反映了移情效应在刺激网友情绪、加速情绪感染中的作用。如表5所示,“服务”一词常出现在“为人民服务”语境中。“为人民服务”源自视频中隐约拍到的服务大厅墙上“为人民服务”几个大字,常被网友用来调侃、讽刺“基层服务态度差”。由此可见,引发网友愤怒的核心议题是“基层服务质量”问题。此次事件的反转没有影响到核心议题的变化,原因在于工作人员否认的事实并未触及核心议题。

表4 高频词“老人”的部分前后文语境

表5 高频词“服务”的部分前后文语境

四、讨论与思考

(一)个体情绪社会化传播

本文试图描述微博空间中,网友个人情绪形成社会化传播的过程,为理解情绪传播在互联网中的角色作用提供一个窗口。基于前文的分析可以发现,“老人用现金被拒”事件中存在明显的情绪感染现象。媒介建构的铺垫效果明显,影响了网友对事件及后续信息的情绪和认知。通过对高频词的语境分析可知,道德情绪与移情效应成为网友在公共场域分享个人情绪的主要动力。个人情绪的社会化传播受到情绪认知铺垫、情绪感染等复杂因素影响,形成的社会情绪不具有绝对的理性。基于情绪而形成的社会舆论不能够保证其自身的正当性和合法性。但是不可忽视的是,跨越年龄、阶层网络形成的各种意见集合,建构着社会意见环境。尤其在负面事件中,如果舆论无法改变现实,负面情绪一时平息却会沉淀、积累下来,等待下一次爆发。在此次“老人用现金被拒”事件中尤为明显,先前发生的两次主题相近事件被重新提及,导致了此次舆情引发的愤怒情绪更加强烈。

但个体情绪的社会化传播不意味单一的“公民共同体”形成。回顾网友评论,可以发现网友的情绪社会分享存在圈层化现象,观点冲突与抱团现象并存。例如,在医保局与工作人员回应后,舆论场中批评基层服务质量与同情工作人员两方观点形成对立,但同时基于尊老爱老的道德基础,在同情老人及老年人群体的问题上基本形成共识。从情绪类型来看,指向他者的情绪,如愤怒、同情更易形成社会化传播,反映着人们对社会公平正义的认知,促使着人们争取正义力量。

(二)情绪传播社会动因

1.利他与合作

“利他与合作是网络人的天性”,每个人都被镶嵌在社会网络上,渴望通过建立连接关系与他人形成合作,以获得更大的生存可能。由于我们彼此连接,个体不完全是自利的,也会关心他人,在做出选择的时候关心他人的幸福。因此,在以青年群体为主的公共讨论空间中,微博建立起了一个庞大的人际关系网络,老年群体相对于微博用户来说是“他者”的存在。然而这个失语的“他者群体”与微博中的“我们”镶嵌在现实的强关系网络中。由于彼此的联系,对他者的关心与责任成为“我们”自发的意识,这便可以解释为何微博平台的青年用户会瞬间聚集为老年人发声。此外,寻求合作、避免孤立也是个体情绪形成社会化传播的重要动因。仅仅一个网友评论对于改变现状无关紧要,但当每个人镶嵌在群体中时,便可以感受到社会网络的巨大力量。这种力量的建构需要以合作为基础。媒体报道让人们认识到老人被科技边缘化问题的严重性,网友之间的情绪感染与社会分享行为也是在寻求集体的合作,评论、转发、点赞可以理解为合作意愿的表达。

2.风险社会的技术焦虑与信任异化

网络社会被认为是高风险社会,网络空间的多元性和开放性使得各种现实风险得以在网络产生映射。人们追求“科技向善”,现实却是加剧了“数字鸿沟”,德国社会学家乌尔里希·贝克(Ulrich Beck)提出的“风险社会”被现代社会证实。老人使用现金支付本是常理之中,但却被冷漠拒绝。科技福利本应被平等享受,但由于年龄、阶层等因素的限制,出现了被科技边缘化的群体。风险带给人们恐惧与焦虑,“老人用现金被拒”事件成为了人们技术焦虑的宣泄出口,也唤醒了“人人都可能被科技边缘化”的心理,从而引发了人们对科技的反思、对现实的不满。此外,信任异化也是网络社会中的一个风险基因。信任建构取决于网络社会中的每一个个体。然而,微博等新媒介导致了话语权的重新分配,行政权力、技术权力、话语权力、信息垄断权力等多方权力交织,使得网络社会的信任体系难以建立。在“老人用现金被拒”事件中,网友评论多次表达了对代表公权力的政府官员、基层服务人员的不满、对掌控话语权的媒体不实报道的愤怒。可见,多重关系的信任难以建立,也是网络空间情绪化传播显著的重要原因之一。

注释:

① 胡泳:《众声喧哗:网络时代的个人表达与公共讨论》,广西师范大学出版社2008年版,第235页。

③ Kent D.Harber and Dov J.Cohen.TheEmotionalBroadcasterTheoryofSocialSharing.Journal of Language and Social Psychology,vol.24,no.4,2005.pp.392-393.

④ 赖胜强、张旭辉:《网络舆情危机事件对网民情绪传播的影响机理——基于D&G辱华事件的扎根理论研究》,《现代情报》,2019年第9期,第121页。

⑤ 钟智锦、廖小欧、游宇霞:《网络社区中的情绪感染现象——基于环境类议题与爱国主义类议题的实证研究》,《新闻记者》,2019年第9期,第61页。

⑥ Bernard Rimé,Pierre Philippot,Stefano Boca and Batja Mesquita.Long-lastingCognitiveandSocialConsequencesofEmotion:SocialSharingandRumination.European Review of Social Psychology,vol.3,no.1,1992.p.252.

⑦ 孙俊才、卢家楣:《情绪社会分享的研究现状与发展趋势》,《心理科学进展》,2007年第5期,第816页。

⑨ 面向语言监测的自动分词标注系统CUCBst提供免费在线版本,参见http://ling.cuc.edu.cn/cucseg/。

⑩ Ngram计算器是一款用于计算语料中N元结构的多语种语料处理分析工具,由中国传媒大学国家语言资源监测与研究有声媒体中心的程南昌博士开发设计。