黑暗四人格与HEXACO模型对攻击性、污秽性及其他冒犯性幽默创作的预测机制研究

本研究针对幽默创作中粗俗内容产生的个体差异机制，通过结合Dark Tetrad与HEXACO人格模型，采用基于Transformer的Detoxify语言模型自动化评估幽默毒性，发现性别、年龄与教育水平是 vulgar humor 的关键人口学预测因子，且黑暗四人格中的Sadism（施虐狂）显著正向预测 vulgarity，而HEXACO特质无显著影响，为理解冒犯性幽默的心理机制提供了新的理论与方法学视角。

　　

幽默是人类社交互动中一种复杂而普遍的语言现象，长期以来，心理学研究主要聚焦于个体对幽默的欣赏（humor appreciation），而相对忽视了幽默的创造性生产（creative humor production）过程。尤其在 vulgar humor——即那些涉及贬低、污秽、敌对、禁忌或其他冒犯性内容的笑话——的研究中，学者们更多关注的是谁更喜欢这类幽默，而非谁更倾向于创作它们。现有研究通常通过自我报告问卷（如幽默风格问卷HSQ）评估个体的攻击性幽默倾向，但这类方法无法直接捕捉实际幽默创作中的内容特征。随着自然语言处理技术的进步，尤其是大型语言模型（LLM）的发展，如今研究者能够以自动化、多维度的方式对文本的冒犯性进行量化分析，这为深入探索幽默创作的个体差异提供了新的可能。

在此背景下，Meriel I. Burnett 和 Paul J. Silvia 开展了一项研究，旨在系统探讨人格特质与人口学变量如何预测个体在幽默创作中使用 vulgar content 的倾向。该研究综合运用了HEXACO人格模型（涵盖Honesty-Humility, Emotionality, Extraversion, Agreeableness, Conscientiousness, Openness to Experience六大维度）和Dark Tetrad模型（包括Narcissism, Psychopathy, Sadism, Machiavellianism四种黑暗特质），并结合基于Transformer的Detoxify模型对参与者创作的幽默文本进行多维度毒性评估。研究成果发表于《Journal of Research in Personality》，为理解冒犯性幽默的心理基础提供了新的实证依据。

在研究过程中，作者招募了530名来自美国、以英语为母语的成年人作为样本，通过在线调查平台Prolific收集数据。参与者首先完成人口学信息问卷，随后进行幽默创作任务——针对六种预设的喜剧情境（如“糟糕的歌唱表演”、“肮脏的车辆”等）撰写搞笑结尾。这些回答随后通过Detoxify模型进行自动化编码，评估六个毒性维度：toxic（粗鲁无礼）、severe toxicity（极端敌意）、obscene（淫秽内容）、threat（威胁）、insult（侮辱）和identity hate（身份仇恨）。最终，各维度的得分被平均为一个综合的“vulgarity”指标。人格测量方面，研究者采用了HEXACO-100量表和Short Dark Tetrad Scale（SD4），分别评估正常人格维度和黑暗人格特质。数据分析采用结构方程模型（SEM），在控制人口学变量的基础上，逐步纳入HEXACO和Dark Tetrad特质，以检验它们对幽默粗俗性的预测效力。

3.1. Descriptive statistics and model specification

描述性统计显示，幽默粗俗性评分在样本中呈一定变异性，六项笑话提示的内部一致性系数（Cronbach’s α）为0.52，表明 vulgarity 的测量存在情境特异性，但综合指标仍具有可分析的信度。人口学变量中，年龄、教育水平和性别与 vulgarity 显著相关，年轻、低教育水平的男性更倾向于创作粗俗幽默。

3.2. Who created vulgar humor?

在仅纳入人口学变量的模型中，年龄（β = -0.15）、教育水平（β = -0.29）和性别（男性更高，β_Y = -0.27）均显著预测 vulgarity。当加入HEXACO人格特质后，模型解释力略有提升（R2 = 0.189），但无一HEXACO特质达到显著水平，包括理论上可能与攻击性行为相关的Honesty-Humility（H）和Agreeableness（A）。进一步纳入Dark Tetrad特质后，模型解释力提高至R2 = 0.256，其中Sadism（施虐狂）表现出显著的正向预测作用（β = 0.45），表明高施虐特质的个体更倾向于创作粗俗幽默。其余黑暗特质（Machiavellianism, Narcissism, Psychopathy）均未呈现显著效应。

4. Discussion

本研究通过结合先进的语言处理技术和人格测量模型，揭示了幽默创作中粗俗内容产生的个体差异机制。主要结论包括：第一，人口学因素（如性别、年龄和教育水平）是 vulgar humor 的稳定预测因子，与日常污言秽语使用的研究发现一致；第二，HEXACO人格模型中的主要特质未能显著预测幽默粗俗性，这可能是因为该模型更擅长捕捉常态下的亲社会倾向，而非极端的社会对抗行为；第三，Dark Tetrad中的Sadism特质是唯一显著的人格预测因子，这与先前关于施虐狂与攻击性幽默风格关联的研究相符，表明享受他人痛苦的特质直接促进了冒犯性幽默的创作。

这些发现具有重要的理论和方法学意义。在理论上，它们强调了黑暗人格特质（尤其是Sadism）在预测实际行为（而不仅仅是自我报告倾向）中的独特价值，为理解幽默的“黑暗面”提供了新视角。在方法上，研究展示了基于LLM的自动化文本分析在心理学研究中的潜力，使得大规模、多维度的内容编码成为可能。然而，研究也存在一定局限性，例如文本-based的评估无法捕捉幽默的非语言要素（如语调、手势），且笑话提示的内部一致性较低，未来研究可进一步优化创作任务的设计，并结合多模态数据采集技术。总体而言，该研究为推动幽默创作领域的实证研究提供了重要基础，并为探索人格与语言行为之间的复杂关系开辟了新路径。