丁松云 王勇 柯青.

摘要：[目的]本文通過研究微博用戶信息行為，為相關部門在信息傳播管控方面提供參考價值。[方法]本文從用戶使用微博時產(chǎn)生的情緒刺激角度對用戶微博信息分享意愿和動機進行調(diào)查研究和分析，并基于過程評估理論和情境評估模型構建微博用戶信息分享情緒模型。[結果]研究表明，用戶的情緒刺激顯著正向影響用戶對新穎性、規(guī)范、目標、內(nèi)在舒適性和應對潛力的評估;用戶對新穎性、目標和內(nèi)在舒適性的評估顯著正向影響用戶的分享意愿;用戶的分享意愿對情緒刺激有顯著復發(fā)效應。[局限]本文構建的研究模型主要驗證刺激、評估、結果3個組件的相互影響，未具體研究評估組件內(nèi)部5個組件間的相互作用;且本研究的樣本主要源自于高學歷青年群體。[結論]本研究證明了情緒刺激對微博用戶信息分享意愿所產(chǎn)生的影響。情緒既是微博用戶在信息分享過程中所產(chǎn)生的心理及情緒波動，又是促使用戶產(chǎn)生信息分享行為的因素。.

關鍵詞：情緒刺激;情感評估;信息分享意愿;微博.

DOI：10.3969/j.issn.1008-0821.2019.03.004.

〔中圖分類號〕G206〔文獻標識碼〕A〔文章編號〕1008-0821（2019）03-0035-11.

2006年美國推出了世界上第一個微博網(wǎng)站Twitter，互聯(lián)網(wǎng)應用進入到一個在線社交的時代。目前，微博已經(jīng)成為全球最受歡迎的網(wǎng)絡應用之一，微博的快速發(fā)展使其顯示出了巨大的社會價值和商業(yè)價值。微博信息分享意愿是指用戶發(fā)布或者轉發(fā)微博的意愿的強烈程度，用戶分享意愿的強弱能夠直接影響用戶的發(fā)布或者轉發(fā)這類分享行為。微博用戶分享行為具有多學科的特點，它與心理學、社會學等都有緊密的關系。一直以來，學界對微博分享行為的研究多從微博文本特征和微博用戶特征兩個角度開展研究，用戶的情緒因素未受到較多關注。一方面是用戶的情緒現(xiàn)象的多面性影響了學界對其統(tǒng)一認識，在社會學、心理學、教育學等其作為研究對象的學科都有不同的定義和認識變遷。另一方面，情緒作為不同于用戶客觀外顯行為的一個內(nèi)在心理要素，常被視作動機或意愿的衍生品或下位概念。心理學家從情緒角度研究微博分享行為主要集中在微博的使用動機、態(tài)度或者用戶在微博文本中所體現(xiàn)的情感等方面。情緒是伴隨用戶的信息行為發(fā)生或者情緒通過微博來表達，較少關注情緒因素對用戶微博分享意愿和行為的主動效應的研究。情緒刺激又可分為正向情緒刺激和負向情緒刺激，過去對情緒刺激的研究多集中于負向情緒刺激對于用戶行為的研究。而近年來積極心理學的興起，越來越多的研究學者逐漸關注到正向情緒刺激可能對用戶行為帶來的影響。本文所提到的情緒刺激則不局限于單純的正向情緒刺激或者負向情緒刺激，而是指特定微博事件對微博用戶所產(chǎn)生的情緒刺激。.

1相關研究.

1.1微博分享行為研究

學界探討微博分享意愿和行為的研究主要從微博文本角度和微博用戶角度，兩者也存在一定結合。微博的內(nèi)容雖然簡短，但也蘊含著豐富的信息價值。Stieglitz S等發(fā)現(xiàn)微博內(nèi)容的情感與被轉發(fā)情況存在相關性，包含情緒信息的微博更容易得到轉發(fā)[1]。國內(nèi)學者徐春華從知識分享的內(nèi)容效度和傳播效度兩個方面分析課程微博的知識傳播分享效用[2]。李志清構建了微博特征和用戶特征，然后通過將LDA抽取的微博隱含主題特征，與微博特征和用戶特征相結合建立起基于主題特征的微博預測模型[3]。

從微博用戶特征角度研究影響微博分享行為的因素包含用戶的社會影響力、用戶的動機以及用戶的隱私意識。用戶的社會影響力，是指用戶的情緒、意見或者行為影響他人的現(xiàn)象和能力。毛佳昕、吳峴輝等人在研究中指出，用戶在自己擅長或感興趣的話題中參與度更高，表現(xiàn)更活躍，因此往往具有更強的影響力，也就很有可能成為微博意見領袖[4-5]。王曉光、閆強等人以新浪微博為例，發(fā)現(xiàn)積極的關注別人，保持較高發(fā)文數(shù)，就可以吸引更多粉絲，保持更高的關注度，從而擁有更高的社會影響力，影響其他用戶的行為[6-7]。用戶的動機是用戶信息需求、情感表達和興趣的動力因素。Pongsajapan R A認為用戶出于學習新知識、了解新聞時事等信息需求，選擇微博作為新的信息發(fā)布和互動平臺[8]。張靜等人則認為驅(qū)動微博用戶更多地選擇微博平臺發(fā)布交流信息的是用戶的情感表達需要[9]。閆強等人則通過微博中的轉發(fā)與評論行為以及微博用戶間的網(wǎng)絡關系提出一種基于社會關系的動力學模型，指出微博用戶的行為更多的是受興趣的驅(qū)動，而非任務的驅(qū)動[6]。Buccafurri F和Stutzman F等人在研究中發(fā)現(xiàn)在Facebook和Twitter上有87%的用戶選擇將他們的Facebook信息保密，而且制定隱私設置的用戶不太可能披露信息[10-11]。

1.2情緒在微博分享行為研究中的角色

微博這種社會化媒體與創(chuàng)作者和訪問者的情緒密切相關，尤其是微博文本分析可以洞察用戶的情緒。微博內(nèi)容的情緒特征表達了用戶對事物或事件的態(tài)度，對微博分享具有重要影響。Peng T Q等人使用序列分析法對2.65億個Tweets大規(guī)模縱向數(shù)據(jù)進行分析，發(fā)現(xiàn)公眾對Twitter上熱點社會問題的關注會影響他們的情緒[12]。Jones N M等人通過對大學校園暴力事件發(fā)生后的Twitter數(shù)據(jù)進行調(diào)查，研究了暴力事件所帶來的負面情緒對Twitter用戶的影響[13]。Himeboim I等則通過對10個有爭議的政治話題的Twitter對話的收集，分析用戶情緒，為社會媒體背景下對政治與問題的相互作用提供了新的認識[14]。Kanavos A等基于微博內(nèi)容的情感傾向預測微博傳播的廣度和深度[15]。Naveed N等發(fā)現(xiàn)帶有消極情感傾向的微博更容易被轉發(fā)[16]。

國內(nèi)也有學者從微博的文本內(nèi)容來研究微博用戶的情緒特征。Wang W等創(chuàng)建了一個大型情緒標簽的數(shù)據(jù)集，使用兩種不同的機器學習算法對微博文本進行情緒識別[17]。唐曉波等人針對以往研究中用戶興趣表示不夠全面準確以及未考慮情感差異對用戶轉發(fā)行為的影響，提出一個融入情感差異和用戶興趣的微博轉發(fā)預測模型[18]。

總體來說，這些研究包括兩種觀點：1）微博內(nèi)容可以表達用戶的情緒和態(tài)度，即用戶作為發(fā)布微博的主體，其發(fā)布的微博內(nèi)容本身表達了其主觀的情緒和態(tài)度;2）公眾對熱點問題的關注會影響他們的情緒，即微博用戶作為信息接收者，在瀏覽相關的微博信息之后，會在一定程度上導致自身情緒改變。二者看似差別很大，實際上符合本文所研究模型的復發(fā)效應，也就是說微博用戶在接收到影響自身情緒的微博信息后，自身會對微博信息進行一個評估，從而決定是否有意愿分享該微博信息，而無論微博用戶是否愿意分享該微博信息也都傳遞著自身的情緒。目前，國內(nèi)外學者的研究在一定程度上揭示微博分享行為受到情緒變量的影響，然而，很少有學者能注意到用戶與微博交互過程中的情緒狀態(tài)變化，特別是當用戶情緒受到刺激時是否影響了用戶的情緒評估系統(tǒng)，繼而引發(fā)用戶的某種行為。本文主要針對這一不足，基于用戶在使用微博時產(chǎn)生的情緒刺激角度對用戶分享微博信息的意愿和動機產(chǎn)生過程進行調(diào)查和分析，擬發(fā)現(xiàn)當用戶面對微博激發(fā)情緒刺激后，是否對用戶的感知和認知評估產(chǎn)生影響，進而這種評估是否產(chǎn)生分享微博的意愿和行為的結果。本文研究為相關管理部門在信息傳播、發(fā)布方面發(fā)揮微博平臺的作用，監(jiān)測和控制微博信息平臺，減少負面謠言和不良信息的擴散后果提供參考價值。.

2研究基礎和模型構建.

2.1情緒刺激和情緒動機

從Descartes R（1649）到Scherer K R（1987），情緒心理學家將人類生物學視為可以提供最兼容的模型的科學。Descartes R在他的情緒研究中，提出了一個神經(jīng)生物學的敘述：“眾所周知，肌肉的所有這些運動以及所有的感覺都取決于神經(jīng)，這些神經(jīng)被稱為動物精神。”這種“動物精神”主宰了人類的想法情緒[19]。Hume D除了認同Descartes R的想法外，認為情緒刺激也有次要的反思印象，即是從一些原始的，或者嵌入式的想法來進行的。他在文章中向我們提供了一個關于情緒刺激的精致的理解，即情緒刺激是導致二次反思印象的原因，這種情況只有快樂或痛苦時才會發(fā)生[20]。Hume D是20世紀初的認知轉向的種子，它從功能主義的以心靈為中心的觀點轉移到心理、反思、主觀和現(xiàn)象學的情感特征上。當代認知主義者Schachter S等認為有可能從任何材料、客觀刺激中抽象出情緒[21]。Scherer K R也認為情緒通常是由刺激事件引起的，這些事件將包括自然現(xiàn)象、自身行為等。情緒需要以某種方式與外部或內(nèi)部的特定事件相關聯(lián)或固定在一起，而不是自由的浮動[22]。從這種生物功能主義的立場來看，情緒刺激既是物質(zhì)的，也是客觀的，是體內(nèi)外都存在的，但不是所有的人體活動都是有情緒的。在組建過程模型的框架中，情緒則被定義為響應于外部或內(nèi)部刺激事件的評估與所有生物中心關注相關的5個有機子系統(tǒng)的狀態(tài)的相互關聯(lián)，同步變化的序列[23]。

動機是人類行為、意愿和需求的原因，是引導人們行動的方向，也是激發(fā)某種行為產(chǎn)生的原因[24]。情緒動機理論認為，情緒是動機的源泉之一，其作為動機系統(tǒng)的一個基本成本成分，能激勵人的活動，提高人的活動效率[25]。情緒從根本上是一種對維持或威脅生命的事件進行有效反應的傾向，在動機系統(tǒng)內(nèi)，情緒反應由注意定向發(fā)展至動作準備，通過允許個體快速檢測并高效地處理能影響其幸福感、目標和需要的任一事件以促進生存。Bradley M M等人還發(fā)現(xiàn)，人類的情緒刺激反應具有不同的功能——能激發(fā)行動，調(diào)整注意力和社會交流，反映人類的動機系統(tǒng)、激活程度以及特定的情感語境[25]。

2.2情緒評估

過程評估理論（Process Appraisal Theory）起源于心理學家Scherer K R對情緒的認知研究視角。學者Schachter S等（1962）共同提出“情緒認知理論”或稱為“情緒歸因理論”，建立了一個負責情緒分化的認知組件，但他沒有指定一個組件來確定哪些刺激導致覺醒，因此不能確定哪些刺激導致情緒[21]。之后，Scherer K R（1987）將情緒描述為一種演變的、系統(tǒng)的連續(xù)機制，其允許因為刺激和響應的解耦產(chǎn)生響應優(yōu)化的延遲時間而對環(huán)境意外事件逐漸靈活的適應，并提出了過程評估理論。該理論保留了Schachter S等的觀點，即認知是情緒的先驅(qū)，但也不同于他的觀點，情緒評估理論認為無意識的刺激評估發(fā)生在情緒之前，而情緒之后就會發(fā)生意識歸因于事件或情緒標簽，例如恐懼或憤怒。情緒系統(tǒng)在個體和社會環(huán)境中具有以下的功能和成分：1）認知：對個體幸福感的相關性方面的刺激事件的評價;2）生理：對準備行動的內(nèi)部狀態(tài)的有機調(diào)控;3）動機：具體的動機和行動傾向的激活;4）表達：反應和意向的表達和溝通;5）主觀感覺：有機體狀和體態(tài)變化的監(jiān)測和關注。（Scherer K R，1987）。這種觀點實際上是從認知和評估角度來理解人類情緒，在此基礎上，Scherer K R不斷完善形成一個反映情緒過程評估機制的理論，它將刺激所引發(fā)的情緒評估劃分為5個成分：新穎性、舒適、目標、應對潛力、自我規(guī)范[23]。過程評估理論被認為克服了很多其它情緒理論的缺點，包括刺激反應理論[26]、神經(jīng)生理過程[27]、展示理論[28]以及基本需求領域的動機理論[29]，是一個描述情緒與動機關系的理論。

Stacey P等吸收了Scherer K R對情緒評估組成的觀點，并且對引起情緒評估的刺激因素研究，構建了情境評估理論（Contextual Appraisal Theory，CAT），將情緒有關的情境刺激、評估和結果3因素之間的關系進行揭示[30]。其中，情境刺激因素可以是人為的、社會的、生理引起的或者是三者共同引起的情緒上的刺激。評估因素吸收了過程評估理論中原有的5個情緒成分：目標、規(guī)范、新穎性、內(nèi)在舒適性和應對潛力[31]。評估因素認為人類的情緒不是由于刺激的特性引發(fā)的，而是人類解釋和評價發(fā)生在自身上的事件。結果是評估導致的各種行為意愿或者不愿行為的結果。按照Scherer K R的觀點，Stacey P等認為情境刺激引發(fā)了情緒過程的評估，這種評估導致意愿結果，意愿的結果引起的變化反饋到之前因素中，稱為復發(fā)，例如結果因素反饋到刺激因素中，又產(chǎn)生新的情緒刺激。但是目前還沒有學者對情境評估理論進行進一步的驗證研究。

2.3研究模型及研究假設.

2.3.1研究模型

本文研究問題是用戶的情緒刺激對微博信息分享意愿的影響，基于情緒刺激與動機的關系以及情緒過程評估理論，本研究構建微博用戶信息分享情緒模型（見圖1）。該模型是以Stacey P等的CAT模型為基礎，主要包含3大情緒變量，分別是刺激、評估、結果。.

2.3.2研究變量操作化定義及研究假設

本文主要根據(jù)圖1研究模型中描述的3個主要變量：刺激、評估和結果之間的影響關系，探討微博用戶分享信息的意愿。為了對變量之間的相關性進行研究，需要對各變量進行操作化定義和研究假設構建。

1）刺激和評估的假設關系

刺激是研究模型中的第一個構念，這里主要指由于情境引起的情緒刺激。評估部分包括新穎性、規(guī)范、目標、內(nèi)在舒適性和應對潛力5個情緒組件。Stacey P等在其提出的情境評估理論中指出，刺激對評估有正向影響關系[30]。根據(jù)Scherer K R評估過程理論以及Watson J B的刺激反應理論[32]，可以得知，對刺激的反應的不一致導致了用戶在認知方面的差異，而評估是評價某物或某人的質(zhì)量或價值的認知行為。可以推斷，評估是用戶認知事物的過程，刺激則正向影響評估。因此，本研究提出假設：

H1：瀏覽微博信息所產(chǎn)生的刺激正向影響對于微博信息的評估;

H1a：瀏覽微博信息所產(chǎn)生的情緒刺激正向影響用戶對于微博信息新穎性的評估;

H1b：瀏覽微博信息所產(chǎn)生的情緒刺激正向影響用戶對于微博信息規(guī)范的評估;

H1c：瀏覽微博信息所產(chǎn)生的情緒刺激正向影響用戶對于微博信息目標的評估;

H1d：瀏覽微博信息所產(chǎn)生的情緒刺激正向影響用戶對于微博信息內(nèi)在舒適性的評估;

H1e：瀏覽微博信息所產(chǎn)生的情緒刺激正向影響用戶對于微博信息應對潛力的評估。

2）評估和結果的假設關系

評估包含的5個情緒組件構成了對情緒刺激的評估，能對用戶情感系統(tǒng)產(chǎn)生效應，導致用戶產(chǎn)生某種行為意愿或者動機。因此，評估正向影響結果，本文提出假設：

H2：用戶對于瀏覽微博信息后所做的評估正向影響行為結果;

H2a：用戶對微博信息新穎性的評估正向影響用戶對微博的分享意愿;

H2b：用戶對微博信息規(guī)范的評估正向影響用戶對微博的分享意愿;

H2c：用戶對微博信息目標的評估正向影響用戶對微博的分享意愿;

H2d：用戶對微博信息內(nèi)在舒適性的評估正向影響用戶對微博的分享意愿;

H2e：用戶對微博信息應對潛力的評估正向影響用戶對微博的分享意愿。

3）結果和刺激的關系假設

評估產(chǎn)生的情緒結果可能會產(chǎn)生新的刺激，這取決于使用者的素質(zhì)，可能會引入新的情緒“連鎖反應”。Walsham G等曾在研究中指出，產(chǎn)生的情緒的后果可能反映和重現(xiàn)甚至改變現(xiàn)有的組織安排，例如緩和管理結構[33]。Scherer K R評估過程理論也認為后續(xù)組件引起的變化反饋到以前的組件，并稱之為復發(fā)。因此，結果正向影響情緒刺激，本文提出假設：

H3：用戶分享微博的意愿正向影響瀏覽微博信息后所產(chǎn)生的情緒刺激。

本研究中微博信息分享意愿是指用戶發(fā)布或者轉發(fā)微博的意愿的強烈程度。這種意愿的高低能夠直接影響用戶的分享行為，已經(jīng)在許多動機—行為研究中得到佐證，因而本文不再探討分享意愿和分享行為之間的關系。

綜上所述，研究模型中所描述的研究變量定義歸納在表1中。表1還給出調(diào)查問卷中各變量的操作化定義和參考來源。.

2.在微博上看到社會熱點民生問題會引起我的情緒變化.

3.在微博上看到一些刺激感官的圖片我會產(chǎn)生情緒波動Stacey P等.（2014）

新穎性由刺激導致的對事件發(fā)生概率和預期的評估

4.通過刷微博我常?？梢园l(fā)現(xiàn)別人還未發(fā)現(xiàn)的新鮮事物.

5.通過刷微博我能關注到一些社會熱點問題.

6.我瀏覽微博信息時經(jīng)常關注熱搜上的人們話題Zajon（1980）.Miller（1981）

規(guī)范指個體感知到的身邊重要的人對他執(zhí)行或不執(zhí)行某種行為所承受的壓力7.在分享微博信息時，我會思考別人的言論是否跟我的相同.

8.在分享微博信息時，我會遵循社會道德規(guī)范，考慮對他人或社會造成的影響.

9.我身邊重要的人認為我應該分享一些正能量的微博信息Ajzen & Fishbein.（1980）

目標目標提供啟動任務的動機或情緒力量，并繼續(xù)執(zhí)行，直到目標達到，感覺或“驅(qū)動力”得到解決和停止10.我在微博上分享或轉發(fā)一些信息通常是有目的性的.

11.我希望能在微博分享一些對自己或他人有用的東西.

12.我決心在微博上分享一些正能量的東西Nahl（2001）.

Nahl（2004）

表1（續(xù)）.

變量定義操作化定義參考來源

內(nèi)在舒適性與刺激相關的精神快樂和/或痛苦13.分享微博可以給我?guī)硐硎?

14.在微博分享信息，可以讓別人感受到我的快樂.

15.使用微博可以讓我和朋友們有共同話題，交流很開心Block（1995）.

Nagel（1974）

應對潛力用戶擁有能夠應付情緒刺激及其后果的能力16.當我在分享了一張被別人評論不好的微博時，我會暗自懊惱，并產(chǎn)生負面情緒.

17.我在分享微博信息時希望得到他人的贊賞或正面支持.

18.在分享某些微博信息時，我能感受到自己的情緒很激動，但能控制住不會“過度反應”，如微博對罵等Scherer（1987）.

Nahl（2004）

分享意愿用戶使用微博分享信息的意愿19.我愿意通過微博分享來表達我的情緒.

20.我有根據(jù)情緒刺激分享微博信息的習慣.

21.我會頻繁地使用微博分享我想要分享的信息Davis（1992）.

3數(shù)據(jù)分析.

3.1數(shù)據(jù)收集和樣本

本研究采用問卷調(diào)查的方法收集數(shù)據(jù)，問卷采用5級里克特量表，調(diào)查對象為使用過微博的互聯(lián)網(wǎng)用戶。通過在線問卷調(diào)查平臺問卷星上發(fā)放調(diào)查問卷，并通過即時通訊軟件邀請用戶參與問卷調(diào)查。最終一共回收問卷356份，剔除無效問卷80份，有效問卷回收率為77.53%。剔除標準為：1）未使用過微博的人;2）所有問項都選3（不知道）的用戶;3）答題時間少于60秒的用戶。

本研究所回收的276份樣本的人口特征統(tǒng)計如表2所示，被試者中女性微博用戶比男性多，在所有的年齡段中19～25歲的用戶最多，達到88.41%，由此可見本次調(diào)查微博用戶主要以年輕人為主。其中，本科及以上學歷的用戶所占比例達到90.22%，調(diào)查樣本具有高學歷特征。此外，調(diào)查還發(fā)現(xiàn)，使用新浪微博的用戶最多（98.19%）。.

3.2信度分析

問卷的整體信度系數(shù)用Cronbach的α系數(shù)檢驗，此系數(shù)介于0～1之間。一般來說，Cronbach的α系數(shù)大于0.7為高信度，低于0.35為低信度，0.5為最低可以接受的信度水準[34]。采用SPSS20.0計算各個變量α系數(shù)（表3）。從表3可以看出，問卷的整體α系數(shù)為0.853，各個變量的α系數(shù)均超過0.50，問卷的可信度較高，且具有較高的內(nèi)部一致性。

3.3效度分析

在問卷調(diào)查中，具備信度的問題不一定具備效度，效度分析使用的是因子分析模型。先對問卷收集的數(shù)據(jù)用KMO和Bartlett的檢驗進行因子模型適應性分析（見表4）：

表4KMO和Bartlett的檢驗.

取樣足夠度的Kaiser-Meyer-Olkin度量0.826

近似卡方1 682.660

Bartlett的球形度檢驗df210

Sig0.000

由表4可以看出，KMO的值為0.826，大于0.8，說明數(shù)據(jù)很適合做因子分析。Bartlett的檢驗卡方值為1 682.660，P值是0.000，同樣說明數(shù)據(jù)適合做因子分析。

用主成分分析法進行因子分析，如表5所示，根據(jù)量表總方差的解釋結果一共提取了7個主成分。這7個主成分的累積方差貢獻率為64.659%（大于60%），可以認為所提取的7個主成分對變量的解釋度較高，所提取的因子具有意義。

每個問卷項目都應該在其中一個主成分上擁有較高的負荷值（一般大于0.4），在其他主成分上的負荷值較低;如果一個問題在所有主成分上的負荷值都較低，說明其不能反映所代表變量的意義，應該予以改變或刪除。本研究的檢驗結果如表6所示：.

我們在不限定因子的層面上，以主成分分析法和最大方差法相結合，得出如表6所示的旋轉成分矩陣。而每一個問卷問題都在其中一個主成分上有較高的負荷值（大于0.4）。因此，可以認為本研究構建的微博信息分享意愿調(diào)查量表的結構效度較好。

3.4相關分析

本研究用Pearson相關系數(shù)來研究各個變量間相關性，結果如表7所示。.

由表7可以看出，Pearson相關系數(shù)均大于0，所以模型的各個變量間均存在正向相關關系。其中，情緒刺激與新穎性、規(guī)范、目標、內(nèi)在舒適性在0.01水平上顯著相關，與應對潛力在0.05水平上顯著相關;新穎性、規(guī)范、目標、內(nèi)在舒適性、應對潛力均在0.01水平上與分享意愿顯著相關;而分享意愿則在0.01水平上與情緒刺激顯著相關。

3.5回歸分析

回歸分析是確定兩種或兩種以上變量之間影響關系的一種統(tǒng)計方法，Pearson相關系數(shù)能初步揭示兩個變量之間的相關性，但是對于多個自變量聯(lián)合影響因變量的關系無法準確描述，因而本研究進一步用線性回歸來找出刺激、評估以及結果3種情緒變量之間的關系。由于刺激變量和結果變量均只包含一個構念，回歸結果和Pearson相關分析結果一致，所以本文僅對評估變量所包含的5個情緒成分與結果變量進行回歸分析（表8）。.

由表8可以看出新穎性、目標和內(nèi)在舒適性顯著正向影響分享意愿，而規(guī)范和應對潛力這2個組件對分享意愿無顯著影響。依據(jù)回歸系數(shù)表，可建立回歸模型：分享意愿=0.167新穎性+0.144目標+0.293內(nèi)在舒適性。.

4結果和討論.

4.1刺激對評估的影響關系.

4.1.1情緒刺激對新穎性評估的影響效應

微博這種信息發(fā)布和分享平臺具有對新穎事物較高的敏銳度，其快速的信息傳播能力使其成為用戶掌握最新信息的主要信息渠道。由表7可知，微博信息對用戶的情緒刺激與用戶對微博信息新穎性的評估呈正相關（r=0.261）。微博用戶受到微博上某些信息或生活中一些新發(fā)事件的刺激，進而產(chǎn)生情緒刺激，從而激發(fā)用戶對事物主體的認知，而新穎性又恰恰體現(xiàn)在用戶對新鮮事物的認知意識。因而用戶受到情緒刺激會影響其對微博信息的新穎性的感知，繼而從情緒上激發(fā)新奇的感覺。情緒刺激對新穎性的正向相關關系為后面信息分享意愿的發(fā)生奠定基礎。.

4.1.2情緒刺激對規(guī)范評估的影響效應

由表7可知，微博信息對用戶的情緒刺激與用戶對微博信息的規(guī)范的評估顯著相關（r=0.213）。規(guī)范組件涉及對情緒刺激的定位規(guī)范的自我意識，例如，“我的話語和言語反應是否與他人相容？”和“我過度反應了嗎？”就涉及對情緒刺激顯示規(guī)則的監(jiān)視。微博既是一種信息傳播平臺，更是一種體現(xiàn)社會關系的平臺。微博用戶尤其在意自己發(fā)布或者轉發(fā)的微博所帶來的社會影響，因此，用戶將自己的情緒刺激與社會法規(guī)、道德規(guī)范等規(guī)則相比較，激發(fā)個人是否符合社會規(guī)范的情緒波動，進而產(chǎn)生是否分享信息的意愿和行為。.

4.1.3情緒刺激對目標評估的影響效應

表7顯示，微博信息對用戶的情緒刺激與用戶對微博信息的目標評估正相關（r=0.186）。用戶目標的重要性在于事件是否與其相關，曾有交易評估理論家認為，那些與中心目標相關的刺激特別情緒化，容易產(chǎn)生情緒[35]。目標提供了啟動任務的動機或情緒力量，本研究發(fā)現(xiàn)當微博用戶對與符合自身需求相關的內(nèi)容產(chǎn)生情緒刺激后，影響了其對微博使用的目標評估，由此激發(fā)出分享微博的動機。.

4.1.4情緒刺激對內(nèi)在舒適性評估的影響效應

表7表明，微博信息對用戶的情緒刺激與用戶對微博信息的內(nèi)在舒適性評估顯著正向相關（r=0.251）。內(nèi)在舒適性體現(xiàn)在微博用戶對內(nèi)在愉悅的認知意識，即與刺激相關的精神快樂或痛苦[28]。例如，新穎事件的刺激可能會產(chǎn)生驚喜，而不受歡迎的刺激可能會產(chǎn)生沮喪。用戶閱讀微博的信息內(nèi)容時引起的情感共鳴，這種情緒刺激使用戶深切地體會到自己內(nèi)心的舒適性感知。因此，情緒刺激對內(nèi)在舒適性評估具有正向顯著相關關系。.

4.1.5情緒刺激對應對潛力評估的影響效應

表7還表明，微博信息對用戶的情緒刺激與用戶對微博信息的應對潛力評估呈正相關（r=0.145）。應對潛力評估是指用戶對擁有能夠應付刺激及其后果的能力的認知，即用戶主體對刺激的看法以及他們必須能夠控制的能力的主觀看法。過程評估理論認為，情緒具有不依賴于刺激的性質(zhì)，知識是用戶主體應對潛力的一個方面，有助于調(diào)節(jié)情緒，而這取決于刺激的類型[22]。當微博用戶產(chǎn)生情緒刺激時，其會隨即根據(jù)自己儲備的知識來評估自己是否具有應對該情緒刺激的能力，進而產(chǎn)生下一步行動。因此，情緒刺激對用戶應對潛力的評估產(chǎn)生積極的相關效應。

4.2評估組件對結果的影響關系

新穎性對分享意愿的影響體現(xiàn)在，如果微博用戶肯定了事物的新穎性，就表明用戶對該事物的興趣所在，而分享自己感興趣的東西給他人是自然的想法。從樣本描述中我們也可以看出，微博用戶大多為年輕人，對事物的好奇心比較大，也比較善于發(fā)現(xiàn)新穎的事物。因此，新穎性評估對分享意愿顯著正向相關。

目標評估對分享意愿的影響也是顯著正向（r=0.351），樣本描述告訴我們微博用戶除了具有年輕化的特征外，還具有高學歷的特性，一般這樣的人都是做事清晰有條理、目標明確的人。所以，微博用戶在進行信息分享之前一半是有某種目的的，如分享心情、傳播正能量、學習新技能等等。這也與回歸分析結果中目標對分享意愿的顯著正向影響一致。

用戶對微博內(nèi)容的內(nèi)在舒適性評估與用戶對微博的分享意愿具有顯著正向相關關系（r=0.477），用戶在微博信息分享行為中能夠獲得舒適的享受，就能促進他們產(chǎn)生微博信息分享意愿。這也與FLOW理論中感知享受對使用行為的影響類似，這在之前的學者Davis F D、Koufaris M等人的研究中已經(jīng)得到證實[36-37]。因此，內(nèi)在舒適性評估在對分享意愿的影響中發(fā)揮著關鍵作用。

值得注意的是雖然表7表明規(guī)范和應對潛力與分享意愿顯著正相關，但是回歸分析表明兩者均對分享意愿無顯著影響關系（表8）。這表明，盡管研究發(fā)現(xiàn)微博用戶的規(guī)范意識和應對潛力越強，伴隨著分享微博的意愿也會越強烈，但是兩者之間并沒有影響關系。這一結論說明對年輕的微博用戶而言，使用微博時產(chǎn)生情緒刺激后，容易激發(fā)很多新奇的觀點。網(wǎng)絡平臺造就了用戶可以自由創(chuàng)作、發(fā)布和交流作品內(nèi)容的時代，年輕人勇于表達自己的觀點，不愿意受傳統(tǒng)社會規(guī)范和自身控制能力等客觀條件的束縛。即使微博的信息內(nèi)容不符合傳統(tǒng)的社會規(guī)范，即使微博的內(nèi)容超越個人知識能力范圍，微博用戶也會愿意分享微博信息。

4.3分享意愿對情緒刺激的復發(fā)效應

由表7可以看出，情緒刺激和分享意愿具有顯著正向相關性（r=0.228），分享意愿顯著正向影響情緒刺激。微博用戶在產(chǎn)生信息分享行為之后，其自身角色就由接受信息者轉變?yōu)榉窒硇畔⒄撸藭r他所分享的信息對他人造成的影響或他人對該信息的回應都會再次刺激其他的微博用戶，可能促使微博用戶產(chǎn)生新的情緒刺激，引入情緒的“連鎖反應”[28]。被多次分享和轉發(fā)的微博會激發(fā)微博用戶產(chǎn)生強烈的情緒刺激，繼而引發(fā)新的一輪情緒刺激—情緒評估—情緒結果的循環(huán)過程。

4.4基于情緒刺激的微博用戶分享意愿影響模型

在CAT模型基礎上，本文結合微博用戶分享微博行為的特點，構建基于情緒刺激的微博用戶分享意愿模型。并通過統(tǒng)計分析，最終模型中各變量之間的影響關系可用以圖2來表示。該圖從情緒過程評估角度描述了對微博用戶轉發(fā)微博信息的行為意愿有關的7個情緒變量之間的影響關系。.

圖2微博用戶信息分享情緒模型.

5結論

本研究通過對微博用戶信息分享意愿情緒模型的構建，證明了情緒刺激對微博用戶信息分享意愿所產(chǎn)生的影響。情緒既是微博用戶在信息分享過程中所產(chǎn)生的心理上、情緒上的波動，又是促使用戶產(chǎn)生信息分享行為的因素。因此，在信息飛速更新的大數(shù)據(jù)時代，微博用戶信息分享意愿模型的構建、對情緒刺激的監(jiān)測均有利于提高在大數(shù)據(jù)環(huán)境下對微博信息的分析和預警，及時監(jiān)測熱點事件的發(fā)展動向。

首先，從情緒刺激與情緒評估之間的關系可以引導有關部門關注有高情緒趨勢的微博信息，找到當前社會中民眾關注的熱門話題，掌握網(wǎng)絡流行的輿情信息，預測民眾的情緒趨勢，從而及時采取相應的輿情監(jiān)測策略以應對高危輿情事件的發(fā)展，減少突發(fā)高危輿情事件的發(fā)生率。

其次，從情緒評估和情緒結果之間的關系可以幫助管理部門及時、正確地引導民眾的情緒走向。對新出現(xiàn)的熱點話題、與民眾生活息息相關的微博信息是分享的主體，而微博分享不受社會規(guī)范和個體應對能力影響的特點也給管理部門啟示，如何更好地控制不符合社會意識形態(tài)的微博傳播，維持社會穩(wěn)定、避免謠言擴散。

最后，從情緒結果和情緒刺激的復發(fā)關系可以看出微博信息傳播的連鎖效應。在現(xiàn)代化信息時代，利用大數(shù)據(jù)的網(wǎng)絡環(huán)境優(yōu)勢，管理部門應正確把控情緒的變化和指向，預先做好輿情引領、危機預警和高危事件防范等措施。

本研究的局限性為：第一，研究模型主要驗證刺激、評估、結果這3個組件中因素的相互影響，沒有具體研究評估組件內(nèi)部5個情緒組件之間的相互作用;第二，本研究的樣本采集主要集中于年輕人和高學歷群體。..

參考文獻.

[1]Stieglitz S，Dang-Xuan L.Emotions and Information Diffusion in Social Media-sentiment of Microblogs and Sharing Behavior[J].Journal of Management Information Systems，2014，29（4）：217-248..

[2]徐春華.課程微博知識分享的效用研究[J].現(xiàn)代教育技術，2013，23（7）：85-89..

[3]李志清.基于LDA主題特征的微博轉發(fā)預測[J].情報雜志，2015，34（9）：158-162..

[4]毛佳昕，劉奕群，張敏，等.基于用戶行為的微博用戶社會影響力分析[J].計算機學報，2014，（4）：791-800..

[5]吳峴輝，張暉，趙旭劍，等.基于用戶行為網(wǎng)絡的微博意見領袖挖掘算法[J].計算機應用研究，2015，（9）：2678-2683..

[6]閆強，吳聯(lián)仁，鄭蘭.微博社區(qū)中用戶行為特征及其機理研究[J].電子科技大學學報，2013，42（3）：328-333..

[7]王曉光.微博客用戶行為特征與關系特征實證分析——以“新浪微博”為例[J].圖書情報工作，2010，（14）：66-70..

[8]Pongsajapan R A.Liminal Entities：Identity，Governance，and Organizations on Twitter[J].Dissertations & Theses-Gradworks，2009..

[9]張靜，趙玲.微博用戶行為研究述評[J].情報科學，2015，（8）：147-151..

[10]Buccafurri F，Lax G，Nicolazzo S，et al.Comparing Twitter and Facebook User Behavior：Privacy and Other Aspects[J].Computers in Human Behavior，2015，52：87-95..

[11]Stutzman F，Capra R，Thompson J.Factors Mediating Disclosure in Social Network Sites[J].Computers in Human Behavior，2011，27（1）：590-598..

[12]Peng T Q，Sun G，Wu Y.Interplay Between Public Attention and Public Emotion Toward Multiple Social Issues on Twitter[J].PLOS ONE，2017，12（1）：e0167896..

[13]Jones N M，Wojcik S P，Sweeting J，et al.Tweeting Negative Emotion：An Investigation of Twitter Data in the Aftermath of Violence on College Campuses[J].Psychological Methods，2016，21（4）：526..

[14]Himelboim I，Sweetser K D，Tinkham S F，et al.Valence-based Homophily on Twitter：Network Analysis of Emotions and Political Talk in the 2012 Presidential Election[J].New Media & Society，2016，18（7）：1382-1400..

[15]Kanavos A，Perikos I，Vikatos P，et al.Modeling Retweet Diffusion Using Emotional Content[M].Artificial Intelligence Applications and Innovations.Berlin：Springer，2014：101- 110..

[16]Naveed N，Gottron T，KunegiS J，et al.Bad News Travel Fast：A Content-based Analysis of Interestingness on Twitter[C]//Proceeding of 3rd ACM WebSci Conference.Germany：Web Science，2011：1-7..

[17]Wang W，Chen L，Thirunarayan K，et al.Harnessing Twitter“Big Data”for Automatic Emotion Identification[C]//Privacy，Security，Risk and Trust（PASSAT），2012 International Conference on and 2012 International Confernece on Social Computing（SocialCom）.IEEE，2012：587-592..

[18]唐曉波，羅穎利.融入情感差異和用戶興趣的微博轉發(fā)預測[J].圖書情報工作，2017，61（9）：102-110..

[19]Descartes R.Passions of the Soul[M].Hackett Publishing，1989..

[20]Hume D.Treatise on Human Nature Ed Selby-bigge，L A[M].1888..

[21]Schachter S，Singer J.Cognitive，Social，and Physiological Determinants of Emotional State[J].Psychological Review，1962，69（5）：379..

[22]Scherer K R.What are Emotions？And How Can They be Measured？[J].Social Science Information，2005，44（4）：695-729..

[23]Scherer K R.Toward a Dynamic Theory of Emotion：The Component Process Model of Affective States[J].Geneva Studies in Emotion and Communication，1987，（1）：1-98..

[24]Ellliot，Andrew J，Covington，Martin.Approach and Avoidance Motivation[J].Educational Psychology Review，2001，13：2..

[25]Bradley M M，Codispoti M，Cuthbert B N，et al.Emotion and Motivation Ⅰ：Defensive and Appetitive Reactions in Picture Processing.[J].Emotion，2001，1（3）：276-98..

[26]Watson J B.Psychology：From the Standpoint of a Behaviorist[M].Lippincott，1919..

[27]Descartes R.Passions of the Soul[M].Hackett Publishing，1989..

[28]Tomkins S S，Affect I.Consciousness，Vol.1[J].The Positive AffectsSpringer，New York，1962..

[29]Parkinson B.Untangling the Appraisal-emotion Connection[J].Personality and Social Psychology Review，1997，1（1）：62-79..

[30]Stacey P，Chiasson M.Conceptualizing Emotion in Information Systems Development[J].2014..

[31]Scherer K R，Peper M.Psychological Theories of Emotion and Neuropsychological Research[J].Handbook of Neuropsychology，2001，（5）：17-48..

[32]Watson J B.Psychology：From the Standpoint of a Behaviorist[M].Lippincott，1919..

[33]Walsham G，York N.Geoff Walsham：Interpreting Information Systems in Organizations：1993，Chichester，New York：Wiley.269 pages[J].Organization Studies，1994，15..

[34]Nunnally J.Psychometric Methods[J].1978..

[35]Lazarus R S.Emotion and Adaptation[M].Oxford University Press on Demand，1991..

[36]Davis F D.Perceived Usefulness，Perceived Ease of Use，and User Acceptance of Information Technology[J].MIS Quarterly，1989：319-340..

[37]Koufaris M.Applying the Technology Acceptance Model and Flow Theory to Online Consumer Behavior[J].Information Systems Research，2002，13（2）：205-223..

（責任編輯：陳媛）