从面部同步到社会遵从：在线共视中情绪传染的计算分析

《Computers in Human Behavior》：From Facial Synchronization to Social Conformity: A Computational Analysis of Emotional Contagion in Online Co-Viewing

　　

• •
  在线共同观看期间，面部同步几乎同时发生。
• •
  与较大群体相比，较小群体引发了更强的面部同步。
• •
  快乐的共同观看者产生了最高的面部同步。
• •
  视觉社交线索塑造了共享媒体体验期间的情感对齐。
• •
  基于人工智能的面部表情分析捕捉了动态情绪同步。

章节片段

在线交流中的增强视觉互动

不确定性减少理论表明，计算机中介传播（CMC），特别是以文本为中心的互动，缺乏关键的非语言线索，导致对交流伙伴的不确定性增加。面部表情和注视等非语言信号比文字更能迅速有效地传达情感和关系信息，它们的缺失长期以来一直被认为是早期 CMC 的局限性。然而，媒体技术的最新进展重新引入了这些

情绪感染与面部表情的同步

情绪感染被定义为个体通过感知和模仿他人的表达线索（包括面部表情、语音语调、姿势和动作）而自动且通常无意识地使情绪状态趋同的过程（Hatfield 等，1993）。这一过程通常被认为迅速发生且往往处于意识之外，日常社会现象（如传染性笑声、共享悲伤或...之间情感的自发对齐）证明了这一点

计算机中介传播中的社会从众

社会从众是指个体调整其行为或信念以与感知到的群体规范保持一致的倾向（Kiesler & Kiesler, 1969）。阿希（1956）的线条判断实验提供的经典证据表明，即使群体共识明显错误，个体通常也会优先考虑规范一致性而非客观准确性。重要的是，随后的重复研究结果表明，尽管文化越来越强调... 但从众仍然是一种持久的社会力量

设计与流程

本研究采用 2 × 3 组间因素实验设计，以检验在线共同观看期间是否会出现社会从众。两个操纵因素是群体规模（3 名与 8 名共同观看者）和共同观看者的面部表情条件（快乐、中性、混合），产生了六个实验条件。

在线共同观看会话期间出现的共同观看者是助手，他们被指示根据分配... 展示预先确定的面部表情

不同时间滞后下的情绪感染

重复测量方差分析显示时间滞后对面表情同步有显著影响，F(5, 620) = 14.87, p < .001, 部分 η²=.34 (Greenhouse–Geisser 校正；ε = .23；表 1)。

同步在同时观看条件下最大，并随着时间滞后的增加而单调下降。值得注意的是，1 秒延迟下的同步与同时条件相当，表明情绪感染在在线...期间几乎立即发生

研究发现总结

本研究提供了证据，表明即使在没有面对面互动的情况下，情绪感染和社会从众也会出现在在线共同观看期间。面部表情同步发生迅速且时间延迟极小，证明了情感对齐可以在观众不在同一物理场所的视觉中介环境中出现。当共同观看者表现出快乐的面部表情时，同步最强，表明积极的情绪线索有效

CRediT 作者贡献声明

Yoojin Chung：写作 – 审阅与编辑，写作 – 原稿，资源，项目管理，方法学，正式分析，数据整理，概念化。Yun Jung Choi：写作 – 审阅与编辑，监督，概念化

未引用参考文献

Cameron and Geidner, 2014; Cohen et al., 2016; De Ruiter et al., 2011; Dunbar et al., 2012; Egermann and McAdams, 2013; Ekman and Smith, 2001; Fein et al., 2007; Fridlund, 1991; Goh et al., 2021; Jospe et al., 2018; Lee, 2006; O'Hara et al., 2006; Sá, 2018.

披露声明

作者声明不存在利益冲突。

利益冲突声明

作者声明没有利益冲突。

关于稿件准备过程中使用生成式人工智能和人工智能辅助技术的声明

在准备这项工作的过程中，作者使用了 ChatGPT (OpenAI) 来协助语言编辑和提高手稿的清晰度。作者对所有人工智能生成的输出进行了批判性审查和编辑，并对发表文章最终内容的全部责任。

利益冲突声明

? 作者声明他们没有任何已知的竞争性财务利益或个人关系，这些利益或关系可能会影响本文中报告的工作。

致谢

本工作得到了 大韩民国教育部 根据 韩国国家研究基金会 的资助支持（NRF-2020S1A3A2A02095619）。

Yoojin Chung|Yun-Jung Choi