超越内容：多模态情感反应在实验室和现实世界环境中预测网络道德传染现象

《International Journal of Human-Computer Studies》：Beyond Content: Multimodal Emotional Responses Predict Online Moral Contagion Across Laboratory and Real-world Contexts

道德传染中实际情感反应对信息传播的影响及多模态测量研究。

　　在线道德传播的研究揭示了情绪在塑造道德化内容扩散中的重要作用。然而，目前的多数研究主要关注内容本身的特征，而非观众在观看过程中产生的实际情绪反应。个体的真实情绪反应如何影响内容的扩散，尤其是正向或负向情绪是否促进传播，仍然缺乏明确的解释。本研究采用多模态测量方法，记录大学生在观看道德化短视频时的主观和生理情绪体验，以及他们之后的传播行为。通过两种实验设计，分别在实验室环境和更贴近现实的情境下，探索情绪反应对在线道德传播的预测作用。

在第一项研究中，参与者通过电脑观看短视频，并在观看后报告其分享意愿。研究中使用了脑电图（EEG）、心电图（ECG）、眼动追踪和自我报告等方法来衡量情绪反应。在第二项研究中，参与者通过移动设备观看和分享短视频，以更真实地反映现实场景，同时使用皮肤电反应（EDA）、呼吸监测、加速度计和陀螺仪等非侵入性手段来捕捉情绪反应。研究结果表明，实际的情绪反应比内容属性更能准确预测分享行为，机器学习模型在预测分享意愿和行为方面分别达到了80%和82%的准确率，而内容属性的预测准确率仅为69%和61%。这表明，在道德化内容传播过程中，情绪反应具有更强的影响力。

高唤醒度或正向情感值的短视频更有可能被分享。这种现象可能与人类在面对具有强烈情绪色彩的信息时的本能反应有关。高唤醒度通常意味着更强的情绪波动，这种波动可能促使人们更倾向于传播信息。同时，正向情感的出现也能增强传播的可能性，而负向情感则可能抑制传播行为。然而，一些传统观点认为“坏消息传播更快”，这可能与负向信息更容易引起关注和情绪共鸣有关。因此，情绪的效价（正向或负向）与传播之间的关系仍需进一步探讨。

在情绪反应的测量中，本研究采用了多种生理和行为指标。例如，脑电图数据的功率谱密度（PSD）和微分熵（DE）用于识别情绪的效价和唤醒度。这些指标能够反映大脑活动的频率分布和复杂性，从而提供关于情绪状态的客观数据。皮肤电反应（EDA）则作为唤醒度的生物标记物，能够反映个体在情绪变化时的生理反应。心电图（ECG）的一些特征，如心率（HR）和心率变异性（HRV），也被用于更精确地衡量唤醒度。呼吸监测同样可以作为情绪唤醒度的指标，表现出不规则的节奏、快速的波动以及短暂的停止，这些都与更强烈的情绪状态相关。此外，瞳孔直径的变化也能够反映情绪的强度，当观看具有情绪吸引力的刺激时，瞳孔会扩大。

身体活动也可以反映情绪状态。已有研究表明，身体活动与情绪之间存在紧密联系。例如，参与者在面对情绪刺激时的接近或回避行为与情绪的效价密切相关。通过眼动追踪数据，可以计算参与者与屏幕之间的距离，作为接近或回避行为的可靠指标。同时，移动设备中的非侵入性传感器，如加速度计和陀螺仪，能够记录个体在情绪状态下的身体活动。这些设备可以测量线性加速度和角速度在x、y、z轴上的变化，从而全面追踪三维空间中的运动状态。这些身体活动数据为情绪反应的测量提供了额外的视角，有助于更准确地理解个体在面对道德化内容时的真实反应。

尽管已有研究表明道德化内容中的道德情绪表达能够预测在线传播，但用户实际的情绪反应是否具有类似的预测能力仍不明确。在第一项研究中，发现多模态情绪体验比内容本身的属性更能预测传播行为。然而，这一结论是基于实验室环境得出的，可能无法完全反映真实情境下的传播规律。为了提高研究的生态效度，第二项研究模拟了更贴近现实的传播环境，参与者可以自由切换短视频，并进行实际的在线分享行为。通过这种方式，研究者能够更真实地观察用户在不同情境下的反应模式。

研究结果表明，用户实际的情绪反应比内容的特征更能准确预测传播行为。这表明，在道德化内容的传播过程中，情绪反应是关键的驱动因素。通过多模态数据的分析，研究者能够识别出哪些情绪特征对传播行为具有更大的影响。例如，高唤醒度和正向情感值的视频更有可能被分享，这与人类在面对强烈情绪刺激时的传播倾向相符。同时，研究还发现，非侵入性的情绪测量方法，如加速度计和陀螺仪，能够有效替代更侵入性的测量手段，为未来的研究和应用提供了新的方向。

在理论框架方面，本研究扩展了在线道德传播的理论基础。传统的研究多关注内容的特征，如道德语言的使用频率、情感词汇的强度等，而忽视了观众实际的情绪反应。本研究通过整合多模态情绪数据，构建了一个新的“信息-用户-行为”框架，以更全面地理解道德化内容如何影响用户的传播行为。这一框架不仅有助于揭示情绪反应在传播过程中的作用，还能够为未来研究提供新的视角和方法。

在实际应用方面，本研究的发现对内容设计和传播策略具有重要意义。例如，内容创作者可以利用高唤醒度和正向情感值的元素来增强视频的传播潜力。同时，研究者也可以通过非侵入性的情绪测量手段，如移动设备中的传感器，来更准确地评估用户的情绪状态，从而优化内容传播的效果。这些方法不仅减少了对参与者的影响，还能够提高数据的可靠性和准确性。

此外，本研究还强调了多模态数据在情绪研究中的重要性。情绪是一个复杂的多维现象，包含主观体验、生理反应和行为反应等多个层面。因此，仅依赖单一测量方法可能无法全面捕捉情绪的动态变化。通过整合多种测量手段，研究者能够获得更全面和准确的情绪数据，从而提高对传播行为的预测能力。这种多模态方法的应用，为未来研究提供了一个更加系统和科学的框架。

在实验设计方面，本研究采用了两种不同的实验条件，以验证多模态情绪测量的有效性。第一项研究在实验室环境中进行，参与者通过电脑观看短视频，并在观看后报告其分享意愿。第二项研究则在更贴近现实的情境下进行，参与者通过移动设备观看和分享短视频。这种设计不仅能够提高研究的生态效度，还能够验证不同测量手段在不同情境下的适用性。

研究结果表明，多模态情绪数据在预测传播行为方面具有更高的准确性。例如，在实验室环境中，EEG、ECG、眼动追踪和自我报告等方法的结合，能够更全面地捕捉用户的情绪反应。而在现实情境下，加速度计和陀螺仪等非侵入性手段的使用，能够有效替代更侵入性的测量方法。这些发现表明，情绪测量的手段可以因情境的不同而有所调整，从而提高研究的适用性和准确性。

本研究的发现还对情绪研究的未来方向提供了启示。例如，情绪的效价和唤醒度在传播行为中的作用可能因个体差异而有所不同。因此，未来的研究可以进一步探讨不同个体在面对道德化内容时的情绪反应模式，以及这些模式如何影响传播行为。此外，情绪测量的手段也可以因技术的发展而不断优化，例如利用人工智能和机器学习技术，提高情绪数据的处理和分析能力。

在伦理方面，本研究获得了大学心理学系伦理审查委员会的批准，并遵循了赫尔辛基宣言的相关规定。所有参与研究的人员都签署了知情同意书，确保其在研究过程中的权益得到保障。此外，本研究不涉及任何可识别的个人数据或图像，因此无需额外的出版同意。

数据和材料的可用性方面，本研究的数据可以通过开放科学框架（OSF）的链接进行访问。这一链接提供了研究数据的详细信息，确保研究的透明性和可重复性。代码的可用性方面，研究者表示将在请求时提供代码，以便其他研究者能够复现和验证研究结果。

综上所述，本研究通过整合多模态情绪数据，揭示了用户实际情绪反应在在线道德传播中的重要作用。研究结果表明，高唤醒度和正向情感值的情绪反应更有可能促进传播，而非侵入性的情绪测量方法在实际应用中具有较高的可行性。这些发现不仅拓展了在线道德传播的理论框架，还为未来的研究和应用提供了新的方向和方法。通过这种方式，研究者能够更全面地理解道德化内容如何影响用户的传播行为，并为内容设计和传播策略提供科学依据。