网络互撕是群体极化的典型症状

简介:

心理学的研究发现,当态度相似或基本一致的人们互相交流讨论时,容易造成态度的极化现象,即保守的群体会趋于更加保守,激进的群体也会趋于更加激进。

image

相信绝大多数人都有这么一种印象,网络上的网民们动不动就为一些鸡毛蒜皮的事“互撕”,小到豆腐脑该搁糖还是搁盐,大到南海仲裁后该不该抵制菲律宾芒果和肯德基。网络互撕的特点往往反映了不同意见的双方均采用极端的态度来争论或者互相诋毁,在整个喧嚣的网络舆论中,温和的、理性的声音似乎没有人会理睬。

从感性经验的角度来分析,网络之所以容易出现网民为争议的观点“互撕”,跟网络讯息传播的高效,参与网络言论表达的异常便捷有很大关系。从现象上来看,一则具有舆论噱头的事件从见诸网络到引爆舆论可能只需要十几甚至几分钟;几个小时之内,自媒体围绕争议事件的评论文章就得到迅速的传播,具有爆点的文章更是达到10万+乃至100万+的阅读量。

不过,仅仅以此观之,只能解释讯息的传播效率和网民参与的便捷,却不能合理解释为什么是“互撕”,而不是在温文尔雅的交流互动中更容易达成“共识”,消弭分歧。如果从心理学的角度来分析,网络互撕应该是网络交流的必然结果,也是迥异于传统舆论传播情境的“新常态”。

之所以说网络互撕是“新常态”,可以从下面几个方面一窥究竟。

首先是互联网所带来的人与人接触、交流的异常便捷,这就使得持不同观点的人都可方便迅捷地在网络上找到与自己共鸣的“同道中人”,哪怕他持有的是相当小众的一种看法。社会心理学的研究发现,人们在人际互动中,更愿意同那些与自己有着相同或相似态度倾向的人互动;而忽略和排斥那些与自己态度倾向不同甚至相冲突的人。也就是说,无论一个人持有怎样的态度,他所持有的态度都具有一个“过滤”功能,使他只会注意到,并且愿意了解和理解与自己态度一致的,或者能够佐证自己看法的讯息;相应的,那些与自己不一致的观点,特别是相冲突的讯息,他不大可能会注意到,即使注意到也没有兴趣去了解,甚至强烈地排斥。

这就意味着,网络情境下人际互动的便捷和讯息传播的高效,使得人们自然而然地形成不同的态度圈。通常在一个群、讨论组、贴吧或者论坛里,往往聚集着“臭味相投”的一批网民。这个过程可以看作是互联网态度自然分化的一个过程。

其次,心理学的研究又发现,当态度相似或基本一致的人们互相交流讨论时,容易造成态度的极化现象。也就是说,通过“臭味相投”者的互相交流讨论,他们对于某一事件的态度易趋于极端化——保守的群体会趋于更加保守;激进的群体也会趋于更加激进。或者,倾向于赞成抵制肯德基的网民会愈加强烈地赞同抵制;而反对抵制肯德基的网民也同样会愈加强烈地反对抵制。这在社会心理学里被称为群体极化(GroupPolarization)。

显然,当人们在互联网中自然而然地根据态度的不同而分化成不同的群组时,在每个群组的内部交流和讨论中,每个群组中的成员的态度都可能变得更加极端化。

再者,互联网在信息传播上的高效所带来的后果之一就是——每个网民都会面对大量的、冗余的、远远超过大脑所能加工理解的讯息。这被称为信息过载(InformationOverload)。由于人类大脑处理信息的认知资源是相当有限的,因此在信息过载下,大脑加工处理信息的模式就会发生改变。相比于传统社会,人们可以从容地、理性地去充分了解、理解相关讯息;信息过载的情境下,人们就可能浅薄地、非理性地、片面地理解相关讯息。这造成的后果就是,越是极端化的、耸动的、迎合人们预期的讯息越能得到高效的传播:一方面极端化的、耸动的、迎合人们预期的讯息能迅速地吸引注意力,造成注意力的聚合;另一方面这样的讯息又能迅速地激发人们的共鸣,使他们心有戚戚,因此更愿意点赞、转发、传播。

综上所述,在互联网的社会情境下,人们在互动、交流、传播中,具有相似态度倾向的人群更易呈现出同质化、极端化、非理性化的趋势,不同态度倾向的网民之间交流也就很容易激烈碰撞,用语越来越激烈和极端,情绪也越来越高亢,认知也更加非理性。用通俗的话来讲,也就是“撕起来了”。

文章转载自 开源中国社区[http://www.oschina.net]

相关文章
|
11月前
|
运维 自然语言处理 监控
《阿里云云原生 Serverless 案例集》——典型案例——游戏-心动网络(TapTap)
《阿里云云原生 Serverless 案例集》——典型案例——游戏-心动网络(TapTap)
303 0
|
11月前
|
Cloud Native Java 应用服务中间件
《云原生网络数据面可观测性最佳实践》——五、 典型问题华山论剑——1 某客户nginx ingress偶发性出现4xx or 5xx(下)
《云原生网络数据面可观测性最佳实践》——五、 典型问题华山论剑——1. 某客户nginx ingress偶发性出现4xx or 5xx(下)
|
网络性能优化 开发工具 iOS开发
金融行业思科设备典型网络故障案例:76系列典型案例(三)
金融行业思科设备典型网络故障案例:76系列典型案例(三)
116 0
|
监控 网络架构 iOS开发
金融行业思科设备典型网络故障案例:76系列典型案例(二)
金融行业思科设备典型网络故障案例:76系列典型案例(二)
204 0
金融行业思科设备典型网络故障案例:76系列典型案例(二)
|
数据采集 缓存 网络协议
【网络知识补习】❄️| 由浅入深了解HTTP(七)典型的 HTTP 会话介绍 + 简单实例
目录 🥭典型的 HTTP 会话 🏳️‍🌈建立连接 🏳️‍🌈发送客户端请求 请求示例 请求方法 🏳️‍🌈服务器响应结构 响应示例 响应状态码
|
人工智能 大数据 知识图谱
浙江大学杨洋:社交网络中的群体用户行为分析与表示学习
摘要:在2018年1月6日的云栖社区数据智能技术论坛上,浙江大学计算机学院助理教授杨洋分享了以社交网络中的群体用户行为分析他们的行为特征,例如群体本身是怎样演化的,怎么用机器学习的方法把这个群体的用户和其他的用户区分出来,并列举四个经典案例。此外,他还对社交网络的表示学习进行了介绍。
4874 0
|
监控 网络安全
《工业控制网络安全技术与实践》一2.6 典型工业领域的工业控制网络
本文讲的是工业控制网络安全技术与实践一2.6 典型工业领域的工业控制网络,本节书摘来华章计算机《工业控制网络安全技术与实践》一书中的第2章,第2.6节,姚 羽 祝烈煌 武传坤 编著 译更多章节内容可以访问云栖社区“华章计算机”公众号查看。
1061 0
|
1月前
|
机器学习/深度学习 数据采集 人工智能
m基于深度学习网络的手势识别系统matlab仿真,包含GUI界面
m基于深度学习网络的手势识别系统matlab仿真,包含GUI界面
40 0
|
1月前
|
机器学习/深度学习 算法 计算机视觉
基于yolov2深度学习网络的火焰烟雾检测系统matlab仿真
基于yolov2深度学习网络的火焰烟雾检测系统matlab仿真

热门文章

最新文章