Tâm trạng & Cảm xúc có bị ‘lây nhiễm’ trên Facebook không?
Tuy nhiên, không cần đến một nghiên cứu thực nghiệm để hiểu rằng tâm trạng của chúng ta tác động lẫn nhau. Nếu bạn đang chán nản và bạn sống với gia đình, tâm trạng chán nản của bạn sẽ ảnh hưởng đến gia đình của bạn. Nếu bạn hưng cảm và đi chơi với bạn bè, rất có thể một phần năng lượng hưng cảm đó sẽ ảnh hưởng đến họ.
Chúng tôi mong muốn điều tương tự xảy ra trực tuyến, phải không?
Nghiên cứu được thực hiện dựa trên dữ liệu thu thập từ những người sống trong 100 thành phố đông dân nhất trong 3 năm trên Facebook từ tháng 1 năm 2009 đến tháng 3 năm 2012. Không rõ dữ liệu của ai được thu thập, vì các nhà nghiên cứu không cho biết (đó là một điều kỳ lạ khi để lại ra, vì người ta sẽ cho rằng dữ liệu của ai đang được thu thập là điều quan trọng cần lưu ý).
Tuy nhiên, vì hai trong số các tác giả đang làm việc tại Facebook vào thời điểm đó, chúng ta có thể cho rằng họ đã thu thập dữ liệu của tất cả người dùng Hoa Kỳ về những người sống ở các thành phố đông dân nhất. Bạn có biết rằng bạn đã đồng ý cho phép nghiên cứu mọi thứ bạn tải lên Facebook, phải không?
Nhưng vấn đề chính là việc sử dụng công cụ phân tích đã trở thành công cụ ưa thích của các nhà nghiên cứu phân tích văn bản trực tuyến - LIWC. Số lượng từ trong câu hỏi ngôn ngữ (LIWC) là một công cụ phân tích tự động thô sơ, hơi thô sơ cho ngôn ngữ. Đó không phải là lời của tôi - đó là lời của một trong những người sáng tạo LIWC (Tausczik & Pennebaker, 2010):
Bất chấp sự hấp dẫn của các biện pháp ngôn ngữ vi tính hóa, chúng vẫn còn khá thô. Các chương trình
chẳng hạn như LIWC bỏ qua ngữ cảnh, châm biếm, châm biếm và thành ngữ. (Đã nhấn mạnh thêm.)
Ummm… đó là những điều khá lớn cần bỏ qua khi phân tích các sắc thái và sự phức tạp của ngôn ngữ xã hội, thông thường, bạn có nghĩ vậy không? Trên thực tế, tỷ lệ chính xác của LIWC đã được các nhà nghiên cứu khác đặt ra câu hỏi trong ít nhất một phân tích về một tập hợp các tweet từ Twitter (Gonzalez-Ibanez và cộng sự, 2011) 1
Nhưng chúng ta hãy bỏ qua thực tế rằng các nhà nghiên cứu hiện tại đang sử dụng một công cụ phân tích thô thường không phù hợp với mục đích mà họ đang sử dụng nó.2
Hãy xem một ví dụ giả định về tương tác cập nhật trạng thái trên Facebook để hiểu tại sao một số giả định mà các nhà nghiên cứu đưa ra có thể không lý tưởng:
Bạn: Tôi đang có một ngày tồi tệ ... chỉ ước ngày hôm nay kết thúc!
Bạn A: Ồ, rất tiếc khi nghe điều đó. Một số ngày thực sự tệ.
Bạn B: Bummer, tệ quá.
LIWC sẽ mã hóa trao đổi này là tiêu cực, với hai phản hồi tiêu cực.
Nhưng bài viết đầu tiên có thực sự làm bất cứ điều gì để tác động đến tâm trạng của hai người trả lời?
Đơn giản là chúng tôi không biết. LIWC không thể cho chúng tôi biết vì nó không thực sự hiểu bối cảnh xã hội. Tất cả những gì nó hiểu là thô sơ của những từ tiêu cực và tích cực.
Đây có phải là một hiệu ứng thực sự quan trọng?
Ngay cả khi chúng tôi nói rằng hiệu ứng mà các nhà nghiên cứu tìm thấy là một tác động mạnh mẽ như họ tuyên bố (bởi vì họ kiểm soát một trong số hàng trăm biến số - thời tiết), nó dường như không phải là một biến số quá quan trọng. Ảnh hưởng của tâm trạng “lây lan” này lớn đến mức nào?
Nếu bạn đăng bài tích cực trên Facebook, trong số hàng trăm bạn bè của bạn, bài đăng của bạn sẽ tạo thêm 1,75 bài đăng tích cực. Đó không phải là gần 2 bài đăng cho mỗi người bạn - đó chỉ là 2 bài đăng giữa tất cả bạn bè của bạn. Nếu tất cả bạn bè của bạn đăng tổng cộng 50-100 cập nhật trạng thái mỗi ngày (không phải là số lượng không hợp lý, vì số lượng bạn bè trung bình của một người trên Facebook là 338), thì con số đó có thể ít hơn 4% thay đổi.
Nếu bạn đăng bài tiêu cực trên Facebook, bài đăng của bạn sẽ chỉ tạo thêm 1,29 bài đăng tiêu cực - một lần nữa, tổng cộng, từ tất cả bạn bè của bạn.3
Những hiệu ứng này dường như không lớn đến thế khi được đưa vào bất kỳ loại bối cảnh thực tế nào. Nó giống như việc tìm kiếm ý nghĩa thống kê trong dữ liệu của bạn, nhưng không có gì tạo ra sự khác biệt về mặt lâm sàng (hoặc trong thế giới thực).
Những gì các nhà nghiên cứu có thể đã chỉ ra - nếu bạn loại bỏ những hạn chế của LIWC như một công cụ phân tích dữ liệu - đó là chia sẻ tiện ích chia sẻ trên các mạng xã hội trực tuyến. Nếu bạn chia sẻ rằng bạn thích bỏng ngô, những người khác sẽ nói rằng họ cũng thích bỏng ngô. Nếu bạn chia sẻ rằng con mèo của bạn là điều đáng yêu nhất kể từ khi Barnie, thì những người bạn yêu mèo của bạn sẽ đáp lại một cách tử tế.
Và nếu bạn chia sẻ một trạng thái tâm trạng trên Facebook, ngạc nhiên, ngạc nhiên, những người khác cũng sẽ có nhiều khả năng chia sẻ trạng thái của họ hơn. Điều này có làm cho việc chia sẻ trở thành "lây lan không?" Không có khả năng.
Báo cáo dựa trên bản tin của CBS: Cảm xúc lan truyền qua Facebook rất dễ lây lan, nghiên cứu cho biết
The Guardian đăng lại các tin bài khác về chủ đề: Facebook truyền cảm xúc lây lan
Người giới thiệu
Corviello, L. và cộng sự. (2014). Phát hiện lây nhiễm cảm xúc trong các mạng xã hội rộng lớn. PLOS One.
Gonzalez-Ibanez, R. Muresan, S., & Wacholder, N. (2011). Xác định Sarcasm trong Twitter: Nhìn gần hơn.
Kỷ yếu Hội nghị thường niên lần thứ 49 của Hiệp hội Ngôn ngữ học Tính toán, 581-586.
Tausczik YR, Pennebaker JW (2010) Ý nghĩa tâm lý của từ: LIWC và các phương pháp phân tích văn bản trên máy tính. Tạp chí Ngôn ngữ và Tâm lý Xã hội 29 (1): 24–54.
Chú thích:
- “Chúng tôi nhận thấy rằng phân loại tự động có thể tốt như phân loại của con người; tuy nhiên, độ chính xác còn thấp. Kết quả của chúng tôi chứng minh sự khó khăn của việc phân loại mỉa mai đối với cả con người và phương pháp học máy ”. [↩]
- Các nhà nghiên cứu biện minh cho việc sử dụng nó bằng cách nói rằng nó “được sử dụng rộng rãi” cho loại phân tích văn bản này. Thật là một điều kỳ lạ khi đọc một bài báo khoa học, chỉ vì thứ gì đó phổ biến không khiến nó trở thành công cụ thích hợp để sử dụng. [↩]
- Có vẻ như nhiều phương tiện truyền thông chính thống đang báo cáo dữ liệu này không chính xác, nói rằng một bài đăng tiêu cực “lan truyền” 1,29% bạn bè của một người. [↩]
