网络内容传播中的情感

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

英文标题：
《Emotions in Online Content Diffusion》
---
作者：
Yifan Yu, Shan Huang, Yuchen Liu, Yong Tan
---
最新提交年份：
2020
---
分类信息：

一级分类：Economics        经济学
二级分类：General Economics        一般经济学
分类描述：General methodological, applied, and empirical contributions to economics.
对经济学的一般方法、应用和经验贡献。
--
一级分类：Quantitative Finance        数量金融学
二级分类：Economics        经济学
分类描述：q-fin.EC is an alias for econ.GN. Economics, including micro and macro economics, international economics, theory of the firm, labor economics, and other economic topics outside finance
q-fin.ec是econ.gn的别名。经济学，包括微观和宏观经济学、国际经济学、企业理论、劳动经济学和其他金融以外的经济专题
--

---
英文摘要：
  Social media-transmitted online information, particularly content that is emotionally charged, shapes our thoughts and actions. In this study, we incorporate social network theories and analyses to investigate how emotions shape online content diffusion, using a computational approach. We rigorously quantify and characterize the structural properties of diffusion cascades, in which more than six million unique individuals transmitted 387,486 articles in a massive-scale online social network, WeChat. We detected the degree of eight discrete emotions (i.e., surprise, joy, anticipation, love, anxiety, sadness, anger, and disgust) embedded in these articles, using a newly generated domain-specific and up-to-date emotion lexicon. We found that articles with a higher degree of anxiety and love reached a larger number of individuals and diffused more deeply, broadly, and virally, whereas sadness had the opposite effect. Age and network degree of the individuals who transmitted an article and, in particular, the social ties between senders and receivers, significantly mediated how emotions affect article diffusion. These findings offer valuable insight into how emotions facilitate or hinder information spread through social networks and how people receive and transmit online content that induces various emotions.
---
PDF下载：
--> 网络内容传播中的情感.pdf (3.71 MB)

2022-4-24 13:34:30 上传

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：social media anticipation Contribution Quantitative Individuals

在线内容中的情感，Michael G. Foster，西雅图华盛顿大学，华盛顿98195A山胡商经济学院，香港大学，Hong KongYuchen Liu和勇谭迈克·福斯特商学院，华盛顿大学，西雅图，华盛顿981959社会媒体传输在线信息，它与情感表达有关，塑造我们的思想和行动。在这项研究中，我们结合社交网络理论和分析，并使用计算方法来研究情绪表达，尤其是消极的离散情绪表达（即焦虑、悲伤、愤怒和厌恶），如何导致社交媒体网络中在线内容的差异。我们严格量化扩散级联的结构特性（即大小、深度、最大宽度和结构病毒性），并分析级联过程中涉及的个体特征（即年龄、性别和网络程度）和社会联系（即强弱）。在我们的样本中，超过600万名NIQUE用户在一个大规模的在线社交网络微信中发送了387486篇随机选择的文章。我们使用新生成的特定领域和最新的情绪词汇，检测这些文章中嵌入的离散情绪的表达。我们采用部分线性工具变量方法和双机器学习框架来因果识别消极离散情绪对在线内容差异的影响。我们发现，更多表达焦虑的文章会传播到更多的人身上，并在更深入、更广泛和更病毒式地使用。然而，表达愤怒和悲伤会减少瀑布的规模和最大宽度。

我们进一步表明，具有不同程度负面情绪表达的文章往往会根据个人特征和社会关系进行不同程度的传播。我们的研究结果揭示了内容营销和监管，利用负面情绪表达。关键词：信息扩散、在线内容、情绪检测、社交网络、社交媒体1。情感通常用自然语言表达，并影响我们的日常交流。神经科学家发现，人类通常会特别关注情绪事件，并增强其记忆，从而激活后续行动（Dolan 2002）。Twitter、Facebook和微信等社交媒体促进了快速信息共享和大规模信息发布*这些作者对这项工作做出了同等贡献。+写信给谁。电子邮件：shanhh@hku.hkYu等：在线内容中的情绪差异。社交媒体网络中传输的在线信息，尤其是充满情感的内容，塑造了我们的思想和行为。具体而言，社交媒体上传播的情绪化内容影响了我们对道德、意识形态（Bradyet al.2017）、政治、恐怖主义（Vosoughi et al.2018）和金融投资（Bollen et al.2011、Nguyen et al.2020）等问题的看法。值得注意的是2019冠状病毒疾病的情绪表达与网络信息融合时，可能会对网络造成伤害，尤其是在COVID-19的情况下。

因此，理解情感表达如何影响社交媒体网络中的在线内容差异是非常重要的。严格描述社交媒体网络中使用的在线内容差异的点对点传播过程，从而研究运动表达与扩散级联的结构、人口特征和社会联系之间的关系，在经验上是一个挑战。了解差异化过程的特征对于为内容提供商提供最大化在线内容传播的策略至关重要，例如通过播种不同的个体和网络结构元素，并利用不同的模型，如viralor广播（Goel et al.2015）。它还帮助社交媒体平台制定政策，监管负面情绪内容等不必要信息的传播。此外，内容的有效维度，如嵌入的情感表达，受到的关注远低于认知层面（Vosoughi et al.2018），这主要是因为难以检测情感表达，尤其是在大量内容中。之前的研究主要关注情绪对新闻或推特的普遍流行度的影响，并进行了二元透视（例如，Berger and Milkman 2012，Brady et al.2017）。

据我们所知，已有一些综合性实证调查研究了社交媒体网络中嵌入的情感表达与在线内容级联的结构、人口统计学和社会关系属性之间的关系。因此，我们进行了大规模的现场分析，以了解嵌入在线内容中的情绪表达，尤其是负面情绪表达，是否以及如何使用计算方法在大规模在线社交网络中导致差异模式。我们将社交网络理论和分析结合起来，重点关注中国最大的社交网站微信中387486篇在线文章及其差异级联的随机样本。我们严格量化和描述扩散级联的结构（即大小、深度、最大宽度和结构病毒性）特性。我们进一步分析了600多万独特个人在微信社交网络上传播这些文章的过程中所涉及的个人特征（即年龄、性别和网络程度）和社会关系（即强弱关系）。Yu等人：在线内容中的情绪差异我们关注四种消极的离散情绪：焦虑、悲伤、愤怒和厌恶，并采用离散情绪来描述复杂的情绪。根据离散情绪理论（Tomkins1962），有少数核心情绪构成其他情绪。例如，敬畏可能被视为焦虑和爱的混合体。一旦我们理解了离散的情绪，我们就可以理解更复杂的情绪（Tomkins 1962，Plutchik and Kellerman 1980，Lerner et al.2004，2015）。

经验证据还表明，离散情绪相对独立，比配价（即正负极性）或觉醒（也称“激活”或“强度”，即一个人因无经验而获得能量的程度）更能描述人类情绪（勒纳等人2004年，尹等人2017年，余等人2019年）。为了准确检测样本文章内容中各种离散情感的表达，我们使用最先进的词汇生成方法（薛等人2014，余等人2019）构建了一个新的领域特定和最新的情感词汇，并用人类注释对其进行验证。带有负面情绪表达的网络内容的大量传播可能会产生深远的影响。消极偏见理论认为，与积极内容相比，消极情绪内容对个人认知和内容消费行为的影响更为显著（Stieglitz and Dang Xuan 2013，Hennig Thurau et al.2015）。此外，由于负面情绪表达的内容渗透到社交媒体中，并显著影响公众的意见和情绪（Heath等人，2001），导致了问题的后果，因此监管大量负面情绪表达的内容至关重要。了解负面情绪表达对网络内容差异的影响和机制，将为制定适当的政策提供重要的见解。管理研究中的社会心理学理论和实证工作一致发现，人们倾向于用积极的情绪表达分享内容，因为积极的内容对发送者有积极的影响，而接收者则喜欢消费这种内容（例如，见Heath等人（2001）和Berger and Milkman（2012）的文献综述）。

然而，负面离散情绪表达对内容差异的影响仍不清楚。研究人员试图从唤醒的角度理解负面情绪表达的影响，但实验室研究得出了相互矛盾的结果。特别是，一些实验室研究表明，高唤醒负面情绪表达（愤怒和焦虑）会导致在线新闻文章迅速传播（Berger and Milkman 2012）。其他研究表明，我们使用八种离散的情绪来描述复杂的情绪：惊讶、喜悦、期待、爱、焦虑、悲伤、愤怒和厌恶。正如全和任（2010）所发现的，这八种离散的情绪是中国最常见的语言，涵盖了我们语境中最常见的情绪。这些情绪也被认为是离散情绪研究中最基本的情绪（Tomkins 1962，Plutchik and Kellerman 1980，Lerner et al.20042015，Yin et al.2014）。例如，有充分的证据表明，媒体可能会引发非理性的愤怒和恐惧，从而将法律和公共政策向琐碎但情绪化的问题倾斜，远离合法但情绪化程度较低的担忧（Bailis and MacCouncon1996，Edelman et al.1992）。Yu等人：在线内容中的情绪差异表达低唤醒负面情绪（厌恶）有助于城市居民等内容在社交网络中的使用，而高唤醒情绪表达（愤怒和恐惧）则会对差异产生负面影响（Heath等人，2001）。我们采用部分线性工具变量方法，使用双机器学习框架（Chernozhukov等人，2018年），以确定负面情绪表达对在线内容差异的影响。

该框架不仅使我们能够通过整合机器学习技术，全面控制可观察出版商和文章级特征可能产生的非线性影响，还能够有效地解决不可观察因素引起的情感表达的内生性问题。我们发现，焦虑的表达对网络内容差异的影响最大，而愤怒和悲伤的表达则会对差异产生影响。更具体地说，嵌入内容中的焦虑表达显著增加了所有级联维度，包括深度、大小、广度和结构病毒性。相比之下，愤怒和悲伤的表达显著降低了级联的大小和广度，并对级联深度和结构病毒性有显著影响。然而，厌恶的表达对级联深度、大小、宽度或结构病毒性没有显著影响。我们进一步分析了参与级联过程的600多万人的人口特征（即年龄、性别和网络程度）以及他们之间的社会联系（即弱和强）。我们发现，根据参与级联的用户的人口统计和网络特征，所有四种类型的负面情绪表达在影响级联过程中都发挥着重要作用。首先，年龄较大的用户会分享大量表达愤怒和焦虑的文章，而年轻用户则会分享更多表达厌恶的文章。其次，社交程度较高的用户（在本地社交网络中有更多的朋友）会传播更多表达焦虑和厌恶的文章，而表达愤怒的文章则会被社交程度较低的用户（朋友较少）传播。

第三，表达愤怒和焦虑的文章更多地通过紧密联系传播。理论和经验证据表明，弱联系和更大网络程度的个体促进了网络分化（Granovetter 1977，Banerjee et al.2013）。这种理解，加上我们的发现，可以解释愤怒表达的负面影响。愤怒表达往往会在关系密切的人和朋友较少的用户之间产生差异，从而抑制内容传播。最后，女性比男性更少地参与到悲伤表达更多的文章中。我们的工作做出了几项新颖的贡献。首先，它补充了关于社交媒体网络中在线内容的对等传播及其经济和社会影响的新兴文献（如Goel等人2015年、Vosoughi等人2018年）。我们的研究是及时的，并且说明了这一不断扩大的研究领域。特别是，我们的研究提供了一些第一次大规模的综合经验分析，例如：在线内容中的情绪差异，提供了负面情绪表达如何影响在线信息差异的证据。其次，我们精确地测量了大量在线文章的级联结构特性。我们的工作超越了内容共享的二元视角（Berger and Milkman 2012），并证明了各种离散负面情绪的表达会导致不同的级联结构和过程。第三，我们是最早发现内容中的运动表达与级联参与者个体特征之间关系的人之一。Wethus不仅提供了新的实证证据和见解，还提供了在在线社交网络中促进或抑制内容差异的策略。

第四，利用半参数工具变量方法，我们基于大规模观测数据进行因果推断，不同于以往基于预测模型（Berger and Milkman 2012，Stieglitz and Dang Xuan 2013，Brady et al.2017，Wang and Lee 2020）或小规模实验室实验（Heath et al.2001，Berger and Milkman 2012）的研究。最后，现有的情绪和网络内容差异理论（Berger and Milkman 2012，Stieglitz and Dang Xuan 2013，Hennig Thurau et al.2015）无法有效地从理论上解释我们结果中不同负面情绪表达的影响。因此，我们提出了一个定制的EASI框架（Van Kleef 2009），该框架结合了情绪传染理论（例如，Hat Fiield等人1993年、Barsade 2002年、Del Vicario等人2016年）、情绪诱导的方法回避动机（Elliotet等人2013年）、认知评估（Lerner等人2015年）和社会比较（Heath等人2001年），从而为文献做出了进一步贡献，社会心理学文献中关于情感表达的一些最重要的理论。2.文学2。1.离散情绪管理研究主要是由维度情绪理论（Russell 1980）推动的，该研究考察了嵌入在线内容中的情绪表达对用户行为的影响（例如，Hennig Thurau等人2015年、尹等人2017年、宋等人2019年），该理论解释了情绪使用维度的影响，如效价和唤醒。之前的研究表明，在线评论中的配价会影响个人对产品的评价和采用（Hennig Thurau等人，2015年），以及产品的总销售额（Song等人，2019年），而唤醒与评论的帮助性相关（Yin等人，2017年）。Stieglitz和Dang Xuan（2013）发现，与中性内容相比，正面和负面（价）推文的转发频率更高、速度更快。