Adakah Mood & Emosi ‘Menular’ di Facebook?
Walau bagaimanapun, tidak memerlukan kajian empirikal untuk memahami bahawa mood kita saling mempengaruhi. Sekiranya anda tertekan dan tinggal bersama keluarga, mood tertekan anda akan mempengaruhi keluarga anda. Sekiranya anda bersikap manik dan bergaul dengan rakan-rakan anda, ada kemungkinan tenaga manik akan hilang pada mereka.
Kami menjangkakan perkara yang sama akan berlaku dalam talian, bukan?
Kajian ini dilakukan terhadap data yang dikumpulkan dari orang-orang yang tinggal di 100 bandar paling ramai penduduk dalam tempoh 3 tahun di Facebook dari Januari 2009 hingga Mac 2012. Tidak jelas data siapa yang dikumpulkan, kerana para penyelidik tidak mengatakan (yang merupakan perkara aneh untuk ditinggalkan keluar, kerana seseorang akan menganggap data yang dikumpulkan adalah penting untuk diperhatikan).
Walau bagaimanapun, kerana dua pengarang bekerja di Facebook pada masa itu, kita boleh menganggap mereka mengumpulkan semua pengguna data A.S. dari orang yang tinggal di bandar paling ramai. Anda tahu anda bersetuju untuk membenarkan penyelidikan mengenai semua yang anda muat naik ke Facebook, bukan?
Tetapi masalah utamanya adalah penggunaan alat analisis yang menjadi kegemaran di kalangan penyelidik yang menganalisis teks dalam talian - LIWC. The Linguistic Inquiry Word Count (LIWC) adalah alat analisis automatik yang belum sempurna dan kasar untuk bahasa. Itu bukan kata-kata saya - itu adalah kata-kata salah seorang pencipta LIWC (Tausczik & Pennebaker, 2010):
Walaupun daya tarik bahasa berkomputer menarik, mereka masih cukup kasar. Program
seperti LIWC mengabaikan konteks, ironi, sarkasme, dan simpulan bahasa. (Penekanan ditambahkan.)
Ummm ... itu adalah perkara yang cukup besar untuk ditinggalkan daripada analisis tentang nuansa dan kerumitan bahasa sosial, tidak formal, bukan? Sebenarnya, kadar ketepatan LIWC telah dipersoalkan oleh penyelidik lain dalam sekurang-kurangnya satu analisis mengenai satu set tweet dari Twitter (Gonzalez-Ibanez et al, 2011) 1
Tetapi mari kita abaikan hakikat bahawa penyelidik semasa menggunakan alat analisis kasar yang biasanya tidak sesuai untuk tujuan penggunaannya.2
Mari kita lihat contoh hipotesis interaksi kemas kini status Facebook untuk memahami mengapa beberapa andaian yang dibuat oleh penyelidik mungkin tidak sesuai:
Anda: Saya mengalami hari yang buruk ... semoga hari ini berakhir!
Kawan A: Oh wow, maaf mendengarnya. Beberapa hari memang menghisap.
Rakan B: Sial, itu menyebalkan
LIWC akan memberi kod pertukaran ini sebagai negatif, dengan dua tanggapan negatif.
Tetapi adakah siaran pertama benar-benar melakukan apa-apa untuk mempengaruhi mood kedua-dua responden?
Kami tidak tahu. LIWC tidak dapat memberitahu kami, kerana tidak memahami konteks sosial. Yang difahami hanyalah dasar kata-kata negatif dan positif.
Adakah ini Kesan Yang Sebenarnya Penting?
Walaupun kita mengatakan kesan yang didapati oleh penyelidik adalah kuat seperti yang mereka nyatakan (kerana mereka mengawal satu pemboleh ubah daripada beratus-ratus - cuaca), nampaknya tidak begitu penting. Sejauh mana kesan mood ini menular?
Sekiranya anda membuat catatan positif di Facebook, di antara ratusan rakan anda, siaran anda akan menghasilkan 1.75 catatan positif tambahan. Itu bukan hampir 2 siaran bagi setiap rakan - itu hanya 2 siaran di antara semua rakan anda. Sekiranya semua rakan anda menghantar gabungan 50-100 kemas kini status sehari (bukan jumlah yang tidak masuk akal, kerana rata-rata jumlah rakan yang ada di Facebook adalah 338), itu mungkin perubahannya kurang daripada 4 peratus.
Sekiranya anda menyiarkan secara negatif di Facebook, catatan anda akan menghasilkan hanya 1,29 catatan negatif tambahan - sekali lagi, jumlah keseluruhan dari semua rakan anda.3
Kesan ini tidak begitu besar apabila dimasukkan ke dalam konteks kehidupan nyata. Seperti mencari kepentingan statistik dalam data anda, tetapi tidak ada yang membuat perbezaan klinikal (atau dunia nyata).
Apa yang mungkin ditunjukkan oleh para penyelidik - jika anda membuang batasan LIWC sebagai alat analisis data - adalah bahawa perkongsian itu menghasilkan perkongsian di rangkaian sosial dalam talian. Sekiranya anda berkongsi seperti popcorn, yang lain juga akan suka kerana mereka juga menyukai popcorn. Sekiranya anda berkongsi kucing anda adalah perkara yang paling lucu sejak Barnie, rakan-rakan kekasih kucing anda akan bertindak balas dengan baik.
Dan jika anda berkongsi keadaan mood di Facebook, kejutan, kejutan, orang lain juga akan cenderung berkongsi masalah mereka. Adakah ini menjadikan perkongsian sebagai "penularan?" Tidak mungkin.
Pelaporan berdasarkan siaran berita CBS: Emosi yang tersebar di Facebook menular, kata kajian
Pemulihan The Guardian dari kisah berita lain mengenai topik: Facebook Memindahkan Emosi Berjangkit
Rujukan
Corviello, L. et al. (2014). Mengesan Penularan Emosi dalam Rangkaian Sosial Besar-besaran. PLOS Satu.
Gonzalez-Ibanez, R. Muresan, S., & Wacholder, N. (2011). Mengenal pasti Sarkasme di Twitter: Pandangan Lebih Dekat.
Prosiding Mesyuarat Tahunan ke-49 Persatuan Linguistik Komputasi, 581-586.
Tausczik YR, Pennebaker JW (2010) Makna psikologi perkataan: LIWC dan kaedah analisis teks berkomputer. Jurnal Bahasa dan Psikologi Sosial 29 (1): 24-54.
Nota kaki:
- "Kami mendapati bahawa klasifikasi automatik boleh sama baiknya dengan klasifikasi manusia; namun, ketepatannya masih rendah. Hasil kami menunjukkan kesukaran klasifikasi sarkasme untuk kedua-dua manusia dan kaedah pembelajaran mesin. " [↩]
- Para penyelidik membenarkan penggunaannya dengan mengatakan bahawa ia "digunakan secara meluas" untuk analisis teks semacam ini. Perkara yang aneh untuk dibaca dalam makalah ilmiah, hanya kerana sesuatu yang popular tidak menjadikannya alat yang tepat untuk digunakan. [↩]
- Nampaknya banyak media arus perdana melaporkan data ini dengan tidak betul, mengatakan bahawa catatan negatif "menyebar" 1.29 peratus rakan. [↩]
