新冠疫苗接种类短视频跟帖中的情感转向研究_吴佳颖.pdf

782022/112022/1178研究生之页新冠疫苗接种类短视频跟帖中的情感转向研究 吴佳颖 张盼盼【摘 要】2021年中国开始有序开展新冠疫苗的全面接种工作。为了进一步了解民众情绪，本文运用文本情感分析法，利用爬虫等工具在相关主题短视频下方的评论区进行评论数据收集，并对收集到的文本进行情感极性分析与文本语义分析，从而研究公众对于接种新冠肺炎疫苗的情感倾向和情感转向。研究发现：在此次疫苗接种工作中网民情感倾向呈现出阶段变化性和动态交替性、网民话题点呈现出爱国崇高性和阶段转移性、网民情感呈现出高度相似性和群体极化性。【关键词】情感转向；网络评论跟帖；短视频；文本情感分析法【作者简介】吴佳颖，扬州大学，新闻与传媒学院，硕士研究生。张盼盼，扬州大学，新闻与传媒学院，硕士研究生。【基金项目】本文系2020年度国家社科基金项目“公共事件中网络抗争性话语的生成机制及公共治理研究”（项目编号：20BXW109）的成果。引 语短视频作为一种新的媒介形式，已经成为中国公民实现话语表达与情感宣泄的重要载体。新冠肺炎疫情在2019年年底初现苗头，于2020年年初全面暴发，为了全面遏制疫情蔓延势头，相关部门开始研制新冠疫苗。随着国内多款新冠疫苗的出现，在谣言四起、疫情渐消、政府出台各种新冠疫苗政策等诸多因素影响之下，民众的态度由之前没有疫苗时“呼喊疫苗”的积极态度开始向更为复杂的情感进行转向，其中积极情感与消极情感交织，体现出民众对于政策的心理情感变化。基于此，本文主要以新冠疫苗接种类短视频跟帖为研究对象，以抖音短视频为样本选取平台，研究在短视频跟帖中不同阶段和不同背景下网民情感转向的规律，帮助政府管理部门了解网民的情感倾向与情感构成，并进一步探寻网络舆情治理的新路径和国家政策推行的新方法，为引导和规范社会负面情感提供理论依据。一、文献综述现今在网络传播领域中，社会情感越来越成为学界关注的重点，学界对于此方面的研究主要从知识层面和方法层面出发，基于“公共情感”792022/112022/1179研究生之页等相关概念对社会情感展开研究。2007年，美国社会学学者Patricia Ticineto Clough出版了情感转向：社会的理论化一书，Patricia Ticineto Clough总结了一些学者对于情感的研究，认为情感是存在力量变化的，不只是人单纯的喜怒哀乐等情绪，情感是一种动态的过程1，这也就是本文所研究的“情感转向”。学界对于“情感转向”研究的关注最早从20世纪末开始，现代社会的剧烈变动使其越来越关注物质、社会和人的复杂情感，而“情感转向”不仅关注人们的具体情感，如喜怒哀乐等，还关注情感力量的变化过程。Lawrence Grossberg是美国文化研究的代表人物之一，也是比较早关注“情感转向”的学者之一，他在文化研究的未来一书中提出，情感开始成为研究社会、政治、文化的新维度，认为人的复杂情感需要被关注。2而国内学界早先对于“情感转向”的研究主要聚焦于文学、社会学与教育学领域，对于传播领域的情感转向研究才刚刚起步。目前，学界在传播学领域不仅关注传者的情感转向，而且关注受者的情感变化，并更深层次地探寻导致情感发生动态变化的原因。高崇、杨伯溆就发现新生代农民工会出现情感的变化，他们之间基于地缘的情感信任会随着利益受损等诸多原因消散，最后反而变为“同乡不信任”。3 而部分学者则会将研究重点放置于情感的负性转向中，试图理清在当下网络时代中，如何有效把控受众的情感转向，挖掘其情感向负极转向的具体成因，为优化网络生态环境作出贡献。吴翠丽就认为情感在现今新媒体时代中占据主导地位，在人人都可发声的大环境中，传统媒体的影响力下降，但因媒介素养的参差不齐，情感负性转向无可避免，提高公民整体媒介素养，理性客观地看待问题才是促进网络空间中情感有序发展的主要途径。4 还有一部分学者认为，情感在当下的语境中可以被当作一种工具而使用，王亚莘、单琪、庞瑞灿认为，情感对于新闻工作者来说可以作为一种新闻回应的策略，在现今已经成为受众与数字新闻业相互连接的一大核心因素，信息传播网络也就产生了“情感转向”。5传播学、社会学、新闻学等领域的学者在研究“情感”的过程中就已经涉及“情感转向”领域，但在当下传播学领域中仍然未成规模，近几年很多学者虽然开始把研究重点转移到“情感转向”上来，但其只是通过文献分析法，结合前人对于“情感”的一些见解，提出自己对于“情感转向”的理解。比如常江、田浩就是通过对实践情感、公共情感和理性情感三个维度的辨析，来探寻数字时代新闻学的“情感转向”的含义。6 由于“情感转向”往往是针对情感动态的变化过程所进行的研究，因此前文论述的网络传播中社会情感的测量模型、分析方法等都可以应用其中。只是相比简单的对情感的概述性研究，还需要通过折线图、词云、图表等可视化技巧呈现情感的变化曲线。比如沙勇忠等人基于微博数据进行了雅安地震后红十字会的公众信任研究，在进行数据分析时通过统计学方法对公众的积极情感比例和消极情感比例，按照时间变动趋势绘制了折线图，使得其中的情感变化鲜明具体。7 基于此，本文也将使用数据可视化的方法来探究中国新冠疫苗接种类短视频跟帖中网民的情感转向，为学界研究新闻学情感转向提供更多的理论支撑，并丰富传播学领域对于网络传播中社会情感的研究方法，拓宽新闻与传播学科情感转向研究的领域。二、数据采集与分析（一）数据来源和采集本文以抖音短视频为样本选取的平台，选取抖音平台2021年3月21日至2021年9月21日有关新冠疫苗接种类短视频下的纯文本评论跟帖，分析研究这半年来网民对于新冠疫苗的接受程度和情感转向。首先，本研究使用迷你派网页采集器802022/112022/1180研究生之页（miniRPA）进行文本采集，以“疫苗”“疫苗接种”“新冠疫苗”等有关新冠疫苗接种的热词作为关键词，选取每个关键词搜索结果半年内点赞排名前100的短视频，爬取每个短视频最热评论前100个（包含二级评论），爬取结果包括评论日期、评论人ID、评论文本、评论点赞数等数据。通过迷你派数据采集器的爬取，最终获得抖音平台有关新冠疫苗接种类短视频下的评论跟帖共计97741条。其次，由于搜集到的数据存在重复数据、空白数据、错乱字符、超链接等无效文本，或者带有其他人的字符，这些信息会导致文本分析的偏差，对分析评论文本情感造成不利影响。因此，在对数据进行具体分析之前，笔者对数据先进行预处理，去除这些无效文本，剩余的有效评论跟帖共计65367条。再次，本文利用ROST CM6内容挖掘系统的分词功能，基于分词词典算法对65367条评论跟帖文本进行分词处理，为了使分词更加准确，本文在ROST CM6原有分词词库的基础上，汇总了其他十个中文分词词库，并加入了与新冠疫苗接种相关的关键词，以及中国外文局发布的新冠病毒疫情防控相关词汇，共180条新型冠状病毒肺炎疫情相关词汇。8最后，在特定的情感分析任务中，一些词语不能提供有价值的信息作用、可以忽略，为了提升主题的效果，笔者使用停用词表，对语料中的停用词进行过滤。（二）构建情感词库本文使用词汇匹配技术对微文本进行研究，主要利用情感词库，这就需要构建合适的情感词库。9 本文为提高分析的准确性，笔者对公开的中文情感词词典进行整合，包括台湾大学NTUSD情感词典、知网HowNet情感词典、中文情感词汇本体库、BosenNLP情感词典等，对这些中文情感词典做并集，得出新的情感词库，分为正面情感词库、负面情感词库、否定词词库、程度词词库，具体流程如图1所示。此外，由于新冠肺炎疫情为突发公共卫生事件，出现了很多以往没有过的专业性词汇，包括“核酸”“密切接触者”等。对此，本文为提高该情感词典的准确性，笔者通过人工手动添加的方式对情感词典的积极情感词库和消极情感词库进行补充。通过以上一系列措施，笔者得到积极情感词表3670个，消极情感词表3512个，否定词词表102个，程度副词词表330个。（三）计算情感得分本文使用机器学习的方法，利用本文构建的情感词库，综合调用百度AI开放平台的接口实现语句情感倾向分析10，接口的请求参数为已经预处理过的65367条新冠疫苗接种类短视频下的评论跟帖文本，使用python语言对新冠疫苗接种图 1 情感词典建构流程图积极情感词否定词词表知网Hownet情感词典/否定词表知网Hownet情感词典/台湾大学NTUSD情感词典/清华大学李军中文褒贬义词典/BosenNLP情感词典/中文情感词汇本体库知网Hownet情感词典/台湾大学NTUSD情感词典/清华大学李军中文褒贬义词典/BosenNLP情感词典/中文情感词汇本体库知网Hownet情感词典/程度副词表消极情感词程度副词词表载入情感词典812022/112022/1181研究生之页类短视频下的评论跟帖文本进行分析，获得以下四个参数：sentiment（情感倾向）、confidence（可信度）、positive_prob（积极情感可能）、negative_prob（消极情感可能），并对评论文本的情感倾向进行量化分析。百度AI开发平台在文本情感分析中设置：文本积极情感可能性数值在0至0.40之间的为消极情感倾向，在0.41至0.59之间的为中性情感倾向，在0.60至1之间的为积极情感倾向；文本消极情感可能性数值在0至0.40之间的为积极情感倾向，在0.41至0.59之间的为中性情感倾向，在0.60至1之间的为消极情感倾向。由此获得新冠疫苗接种类短视频下评论跟帖的情感极性分析数据。（四）数据处理接下来本文将通过情感极性分类和文本语义分析来阐述已有的相关研究工作，并对新冠疫苗接种类短视频评论文本从句子级和词语级这两个维度分别进行情感极性分析和文本语义分析。1.情感极性分析情感倾向是主体对于某一事件或物的内向评价倾向，而在现实世界中，人的情感具有极性，分别为喜、恶，情感极性表现为人的两极对立的情感倾向。本文从句子级对评论文本进行情感极性分析，利用百度AI开发平台，通过计算机技术，对65367条新冠疫苗接种类短视频下的评论跟帖文本进行规模化处理，按照运行逻辑进行情感分类，发现在这65367条评论文本中，表现为积极情感倾向的文本有31917条，表现为消极情感倾向的文本有31268条，表现为中性情感倾向的文本有2182条。由于本文研究的是新冠疫苗接种类短视频跟帖中情感转向分析，相比一般的情感倾向研究更加注重用户群体在不同时间节点、不同事件背景等多种影响因素的情感变化与转向。因此，笔者还需对65367条情感极性分析数据进行整理，并按时间顺序排列，利用excel函数功能对2021年3月21日至2021年9月21日这半年来每天的评论情感汇总、均分，得出当天抖音平台网民的情感倾向可能性。为了更加直观地反映这半年来网民对新冠疫苗的接受程度和情感转向变化，笔者统计65367条文本每条文本的情感倾向，给“积极”倾向的文本赋值“1”，给“消极”倾向的文本赋值“-1”，给“中性”倾向的文本赋值“0”。统计每天所有评论文本的总情感值，求均值作为当天的情感值，并按时间绘制瀑布图来反映这半年来抖音平台新冠疫苗接种类短视频跟帖中的情感转向，具体如表1和图3所示。本文使用瀑布图（Waterfall Plot）能够更加最直观地显示网民评论文本中情感的转向，图3中横坐标为时间，纵坐标为累计情感值。其中可以看出每日相对与前一天情感值存在的下降与上升趋势，即情感倾向由积极转向消极转向与情感图 2 新冠疫苗接种类短视频评论跟帖情感分析流程预处理原始文本预处理后文本采用MYSQL数据库分词调用百度API构建情感词库情感极性分析导入文本挖掘工具情感语义分析822022/112022/1182研究生之页倾向由消极转向积极的趋势，每天柱状体的长度表现了情感转向的幅度。2.文本语义分析为了进一步分析文本情感观点词、情感主题，本文对新冠疫苗接种类短视频跟帖文本进行情感语义分析。笔者使用ROST CM6内容挖掘系统对65367条评论文本进行词语级别的关键词分析，分析了2021年3月21日至2021年9月21日抖音平台新冠疫苗接种类短视频跟帖中评论主题的变化以及不同时期网民评论的关键词，并利用词汇匹配技术和情感词库分析评论文本情感构成。一是关键词分析。本文在去除停用词之后，笔者利用ROST CM6内容挖掘系统计算每个词的词数量，并按词数量降序排序，最终得到词频。当然，由于近年来很多词语的语义发生了演变，且新冠肺炎疫情期间出现了很多新词汇，为了进一步提高分析结果的准确性，笔者对已经过滤好的分词文本进行人工识别，去除无关、无效、错误的词语，最终得到新冠疫苗接种类短视频评论图 3 2021 年 3 月 21 日至 9 月 21 日每日评论情感转向图 3 2021 年 3 月 21 日至 9 月 21 日每日评论情感转向 表 2 新冠疫苗接种类短视频评论跟帖的高频词表（前 20）排序词语频次1疫苗7962中国6213打了6194祖国4545打完3966打的3907赞2068接种2009第一18410科兴12911第二9912预约9213排队8914没有9215感谢7616强大7017一针6718没打6219没有5520三针51表 1 2021 年 3 月 21 日至 9 月 21 日每日评论跟帖的情感倾向值日期情感值日期情感值日期情感值日期情感值日期情感值3月21日 0.058 4月27日 0.0436月3日-0.267 7月10日-0.061 8月16日-0.1383月22日 0.000 4月28日 0.3216月4日-0.177 7月11日0.1568月17日 0.1203月23日-1.000 4月29日 0.2226月5日0.262 7月12日0.3758月18日 0.0403月24日 0.000 4月30日 0.0006月6日-0.088 7月13日0.0008月19日-0.1233月25日-0.124 5月1日0.1406月7日0.072 7月14日-0.031 8月20日 0.1323月26日-0.070 5月2日-0.146 6月8日-0.013 7月15日-0.204 8月21日 0.3163月27日 0.0445月3日-0.333 6月9日0.055 7月16日0.0508月22日 0.3763月28日-0.030 5月4日-0.301 6月10日-0.154 7月17日0.4498月23日-0.2593月29日 0.1545月5日-0.073 6月11日-0.060 7月18日-0.036 8月24日-0.2613月30日-0.352 5月6日0.102 6月12日 0.127 7月19日-0.097 8月25日 0.0703月31日-0.288 5月7日0.024 6月13日 0.024 7月20日0.3078月26日-0.0674月1日-0.205 5月8日0.344 6月14日 0.090 7月21日0.0938月27日-0.0074月2日-0.162 5月9日-0.497 6月15日-0.077 7月22日0.1328月28日-0.1524月3日0.126 5月10日-0.512 6月16日 0.326 7月23日0.0458月29日-0.0704月4日-0.107 5月11日-0.665 6月17日 0.011 7月24日-0.021 8月30日 0.1034月5日-0.240 5月12日-0.641 6月18日 0.293 7月25日0.1248月31日 0.3994月6日0.221 5月13日-0.330 6月19日 0.233 7月26日-0.036 9月1日0.4674月7日0.169 5月14日-0.011 6月20日 0.338 7月27日-0.329 9月2日0.6174月8日0.500 5月15日-0.230 6月21日-0.142 7月28日0.0539月3日0.7864月9日-0.048 5月16日-0.273 6月22日-0.338 7月29日0.0129月4日0.4574月10日 0.583 5月17日-0.040 6月23日 0.177 7月30日-0.218 9月5日0.3334月11日-0.077 5月18日 0.010 6月24日 0.383 7月31日-0.204 9月6日0.2944月12日-0.130 5月19日-0.021 6月25日 0.0948月1日-0.215 9月7日0.0534月13日-0.160 5月20日-0.351 6月26日 0.1518月2日-0.223 9月8日0.1844月14日-0.231 5月21日-0.214 6月27日-0.015 8月3日0.1219月9日0.4914月15日-0.388 5月22日-0.336 6月28日-0.047 8月4日0.0319月10日 0.5654月16日-0.120 5月23日-0.165 6月29日 0.2408月5日0.3869月11日-0.1544月17日-0.370 5月24日-0.303 6月30日 0.1028月6日0.3159月12日 0.4044月18日 0.291 5月25日-0.222 7月1日0.3138月7日0.1089月13日 0.5144月19日-0.324 5月26日-0.360 7月2日-0.163 8月8日0.0599月14日 0.0324月20日 0.596 5月27日 0.0307月3日0.1618月9日0.2289月15日-0.0174月21日 0.060 5月28日-0.047 7月4日0.479 8月10日-0.026 9月16日 0.0034月22日 0.371 5月29日 0.1307月5日0.135 8月11日-0.126 9月17日-0.0684月23日 0.193 5月30日-0.199 7月6日0.135 8月12日0.0859月18日 0.0554月24日 0.097 5月31日-0.194 7月7日-0.026 8月13日-0.230 9月19日 0.1874月25日 0.0456月1日0.3047月8日0.398 8月14日-0.341 9月20日 0.3214月26日-0.444 6月2日0.3827月9日0.290 8月15日-0.056 9月21日 0.429832022/112022/1183研究生之页跟帖的高频词85个，如表2所示。二是情感分类。本文利用ROST CM6内容挖掘系统（ROST情感分析软件）对65367条评论文本进行情感分析。本文以大连理工大学中文情感词汇本体库为情感分类标准，该词库把情感共分为7大类21小类。通过ROST CM6内容挖掘系统对文本的情感分类，并结合人工对词频、主题文本进行梳理发现：评论文本的积极情感主要表现为爱国、安心等正面情感；消极情感多为恐惧、慌和贬斥等负面情感；而中性情感较少，且表现为追问形式的疑惑情感。三、研究结果与讨论（一）跟帖情感倾向分析1.整体性分析：总体情感倾向先消极后积极本文利用百度AI开放平台对65367条评论跟帖文本进行情感倾向分析，发现在这65367条评论文本中，表现为积极情感倾向的文本有31917条，表现为消极情感倾向的文本有31268条，表现为中性情感倾向的文本有2182条。在这半年内新冠疫苗接种类短视频评论跟帖情感倾向总体较为平衡，不存在一边倒的情况，积极情感与消极情感相当。为了从时间线上明确跟帖情感的倾向，本文还绘制了从2021年3月21日至2021年9月21日每日评论情感倾向图，分别从积极和消极两个方面进行分析。如图4、图5所示，2021年3月21日至2021年9月21日，网民评论情感的积极倾向总体呈现上升趋势，而消极倾向总体呈现下降趋势，两种情感趋势在上升和下降的过程中都会出现另外一种情感的反弹，呈现出曲折性。图 7不同情感转向阶段情感文本图 4 每日评论情感积极倾向可能性图 5 每日评论情感消极倾向可能性图 6 2021 年 3 月 21 日至 9 月 21 日每日评论情感转向图 4 每日评论情感积极倾向可能性 图 6 2021 年 3 月 21 日至 9 月 21 日每日评论情感转向 图 5 每日评论情感消极倾向可能性 842022/112022/1184研究生之页2.阶段性分析：情感转向呈现阶段性不同规律本文为了研究跟帖情感倾向变化，采用了可以表现出变化性的瀑布图来展示，通过分析可以发现，半年来抖音平台新冠疫苗接种类短视频跟帖中情感不存在单方面的转向，网民对于接种新冠疫苗的情感倾向趋势总体向积极方面转向。根据情感转向的趋势，具体可以划分为5个阶段，具体表现如图6。前期（2021年3月21日至2021年5月9日）这一时期情感转向表现为积极转向与消极转向间隔交织，情感倾向转变的幅度较大，虽然开始一段时间表现为消极情感转向，但网民情感总体较为稳定，呈现为低强度的消极情感；前中期（2021年5月10日至2021年5月30日）这一时期情感转向表现为消极转向，且网民情感转向幅度较大，随着时间的发展幅度逐渐变小，网民情感由低强度的消极情感转变为高强度的消极情感；中期（2021年5月31日至2021年7月25日）这一时期情感总体向积极方向转变，情感转向的幅度较小，网民跟帖情感总体处于消极状态，但已经从高强度的消极情感恢复为低强度的消极情感；中后期（2021年7月26日至2021年8月29日）这一时期的情感转向特征与前期较为相似，但情感转向的幅度没有之前高，网民情感总体表现为低强度的消极情感；后期（2021年8月30日至2021年9月21日）这一时期情感转向表现为积极转向，情感转向幅度较大，网民情感从低强度消极情感转变为高强度积极情感，与前中期情感转向完全相反。图7分析了不同阶段网络用户情感跟帖数的变化，从中可以看出网络用户情感倾向的动态变化情况。结果发现，在事件的前期、中期和后期，抖音平台新冠疫苗接种类短视频网民跟帖的积极情感的评论数高于消极极情感的评论数；在事件的前中期和中后期，抖音平台新冠疫苗接种类短视频网民跟帖的消极情感的评论数高于积极极情感的评论数。（二）跟帖关键词分析1.整体性分析：爱国性质关键词话题度较高本文结合分词词表和停用词词表，利用ROST CM6内容挖掘系统的文本分词功能和词频分析功能，结合人工筛选，最终得到新冠疫苗接种类短视频评论跟帖的高频词85个，并通过使用BDP大数据分析工具，得到新冠疫苗接种类短视频评论跟帖的高频关键词词云图，如表2。此外，笔者为了进一步梳理抖音平台新冠疫苗接种类短视频下的评论跟帖的话题中心，除了依据前文所述的高频词，还制作了这半年来的高表 4 不同情感转向阶段关键词和话题中心的相似点编号关键词涉及话题相关话题文本1疫苗 接种打完打一针新冠疫苗的接种进展“已接种”“已经预约”2祖国 感谢加油 支持主要表现为感恩祖国，在网络宣传正能量的抒情类话题“中国加油”“辛苦了”3高血压 喝酒哺乳期 怀孕 月经涉及群众对于新冠疫苗的追问，主要为接种注意点和禁忌“哺乳期能打吗”“疼不疼”4预约 排队约不到导致网民想要接种新冠疫苗却不能实现的各种因素“预约不上”“已经不让打了”“排队好长”表 3 新冠疫苗接种类短视频评论跟帖的高频文本（前 20）排序 文本频次1祖国万岁1892第一1403中国加油1334中国速度1255为祖国点赞816感谢祖国807厉害了我的国568钟老辛苦了519中国万岁4010英雄一路走好3611哺乳期可以打吗2612我打的是科兴1913中国力量1714两针已打完1715我还没打1616荨麻疹可以打吗1517期待第三针1418预约不到1419多少钱1420备孕可以打吗13852022/112022/1185研究生之页频文本图表，如表3。梳理分析发现，抖音平台新冠疫苗接种类短视频下的评论跟帖总体上爱国性质的关键词话题度最高，出现了像“疫苗”“中国”“英雄”“庆幸生在中国”“感谢祖国”等词汇与文本，其余评论话题和高频词集中在其他积极情感表达、汇报接种新冠疫苗进展和对新冠疫苗的追问方面。2.阶段性分析：不同时期出现阶段性关键词为了进一步剖析各个阶段情感转向的变化因素，笔者对评论文本进行特征提取，并针对不同阶段进行具体处理，由此，便可得到不同阶段关键词的分布情况。综合分析发现，网民情感转向这五个时期的关键词和话题中心存在较高程度的相似性，每个时期都包含以下几个共同的话题，如表4。不同情感转向阶段的关键词和话题中心，与前文所述半年来抖音平台新冠疫苗接种类短视频下的评论跟帖话题具有一定相似性，如进展汇报类话题、爱国性质类话题等。但是，不同情感转向阶段的关键词和话题中心也具有各自的特性，如表5。（三）跟帖情感构成分析1.整体性分析：“安心”和“恐惧”占据主导在65367条新冠疫苗接种类短视频下的评论跟帖文本中，表现为积极情感倾向的文本有31917条，表现为消极情感倾向的文本有31268条，表现为中性情感倾向的文本有2182条。总体而言，积极情感倾向的文本和消极情感倾向的文本数量相当，前期消极情感稍占优势，后期积极情感稍占优势。本文利用词汇匹配技术与大连理工大学中文情感词汇本体库，并结合人工对词频、主题文本进行梳理发现：新冠疫苗接种类短表 5 不同情感转向阶段关键词和话题中心的不同点阶段编号关键词涉及话题相关话题文本关键词对应事件前期A1疼 免费 钱群众对于新冠疫苗的接种痛感和花费情况的询问“多少钱”“免费吗”“疼不疼”国内开展全国接种国产新冠疫苗，接种对象为年龄为18-59周岁且没有禁忌症的居民，享受免费接种。A2小白鼠安全 不打新冠疫苗的不良反应“成为小白鼠了”“安不安全”国产新冠疫苗接种不良反应出现，并被刷上热搜。前中期B珍惜 昨天左右手村长 后悔网民对于之前没有打疫苗的后悔以及调侃等话题“曾经有一支疫苗放在我 面 前，我 不 懂 得 珍惜”全球新冠肺炎疫情失控；2021年5月21日，广州突发疫情。中期C1没打第一针快速实现疫苗接种的问询类话题“第一针还没有打”“哪里有苗”2021年6月10日起多地暂停疫苗第一针接种C2钟老 辛苦涉及钟老和国内科研人员的话题“钟老辛苦了”6月25日，钟南山院士表示国产用疫苗对德尔塔变异株有效。C3科兴 中国 强大涉及科兴等新冠疫苗认可的话题“两针都是科兴”“科兴可以的”科兴疫苗获世卫组织紧急使用认证。中后期D1疫情 加油主要话题为突发疫情发展情况“真的假的”“江苏加油”2021年7月江苏疫情暴发，此轮国内疫情波及15省市。D2科兴 三针 自愿网民对接种第三针的个人看法“支持自愿”“科兴不是两针吗”多国拟接种第三针新冠疫苗D3生理盐水网民对生理盐水冒充疫苗的个人看法“真的吗”“外国百姓真可怜”多国出现公民被注射生理盐水而非新冠疫苗事件。D4骄傲 中国 孩子对18岁以下接种新冠疫苗的讨论“啥时候我家小孩子可以接种”全国开展18岁以下符合条件学生疫苗接种工作。后期E加强 自豪国产 普及对新冠疫苗加强针的讨论“马上去打加强针”“加强针也是免费”国产鼻喷新冠疫苗接种24小时即起效，各地启动新冠疫苗加强针接种。862022/112022/1186研究生之页视频下的评论跟帖的情感构成较为复杂，既有积极情感又有消极情感，其中还夹杂着中性情感。具体如表6。半年来抖音平台新冠疫苗接种类短视频下的评论跟帖以积极情感和消极情感为主，其中“安心”类积极情感和“恐惧”类消极情感分别占据各个情感倾向的主导地位。总体看来，在这65367条新冠疫苗接种类短视频下的评论跟帖文本中，消极情感的构成更为复杂。2.阶段性分析：“安心”和“慌”多阶段出现笔者按照情感倾向转变的5个阶段，将65367条跟帖文本进行分组并进行情感标注，得到如表7所示的情感转向不同阶段主要情感构成情况。由于新冠接种政策、国际疫情情况、国内突发疫情、不实谣言等诸多因素的作用，在情感转向的不同时期，不同情感倾向的主要情感会发生转变。但总的来说中性情感倾向的主要情感变化不大，大多呈现“疑惑”，而积极情感倾向和消极情感倾向的主要情感会发生一些改变，其中“安心”和“慌”分别在多阶段成为主要情感。四、研究结论（一）新冠疫苗接种类短视频跟帖中情感转向的特点第一，研究发现，新冠疫苗接种类短视频下的65367条评论跟帖的网民情感倾向呈现出阶段变化性和动态交替性特点。本研究以2021年3月21日至2021年9月21日为时间线，运用机器学习和情感词典综合分析发现，在中国开展新冠疫苗接种的这半年内，消极情感跟帖和积极情感跟帖基本持平，总体情感倾向呈现先消极情感占主导、后积极情感占主导的趋势。这个特点符合一般的情感规律：当社会发生重大卫生公共事件，表 6 新冠疫苗接种类短视频评论跟帖积极、消极和中性情感分类情感倾向情感类条数评论跟帖例句积极情感快乐4300今天终于预约到第一针了，明天去打，开心！安心8991打完了，没有不适，很安心。免费疫苗，生在中国很骄傲！尊敬6790钟老就是我国的国宝，值得我们每位中国人尊敬和爱戴，祝钟老健康长寿！赞扬3690我还有一针没打，然后防疫站打电话给我说你还有一针没打，祖国真好。相信5121信任祖国的安排！祝愿3025一定要明确各个需要打疫苗的位置，让国人心里有目标，祝愿祖国繁荣昌盛！消极情感愤怒2468上海小姐姐说她们单位居然有一半以上的人没有打疫苗，真是令人气愤。悲伤2620打了新冠疫苗，怀孕了，太伤心了。失望3006去打疫苗的时候真是太失望了，护士一个劲地带熟人插队，我排五六个小时啊！内疚1960在打乙肝疫苗打不了，好内疚。慌5230本来今天打算去打疫苗的，结果医务人员不给我打，哺乳期不能打，我好慌啊！恐惧5993广东有没有事啊！我在广东，广东深圳几乎没有人戴口罩，我有点害怕。羞愧966拖后腿了我，惭愧打不到！烦闷1156问题就在于新冠病毒这玩意变异，就烦得很。憎恶1630孩子们针对的是可恶的病毒，恨透了！贬责3204门口的保安人家塞几根华子就放进去了，外面排队的，十二点排到下午四五点。妒忌69凭什么你叫他们都是小哥哥，哥们儿的，你叫我就叫老头！怀疑3266我家二姐哺乳期打了疫苗，给孩子母乳了，孩子刚几个月，经常拉肚子，刚开始以为是凉啊或者是上火，总是拉肚子，就有点怀疑是打疫苗打的。中性情感惊奇529奇怪了，这个大哥打针居然没哭。疑惑1653哺乳期可以打吗？872022/112022/1187研究生之页且该事件与个人利益息息相关时，民众对于此类话题的关注会急剧升高，对此事件的情感往往也是先消极，然后再向积极方向转变。11第二，本研究通过整理新冠疫苗接种类短视频跟帖发文数量发现，网民话题点呈现出爱国崇高性和阶段转移性。前期网民跟帖数较少，随后在前中期跟帖数急速上升，到中期发文数达到最高，随后网民跟帖数开始回落，这表示公众对新冠疫苗接种的关注程度开始较低，然后不断提高到达峰点，最后逐渐回落。整体来看，抖音平台新冠疫苗接种类短视频下的评论跟帖总体上是表达爱国、汇报接种新冠疫苗进展、反映一些疑惑或忧虑的话题。其中，爱国性质的关键词话题度最高，贯穿五个阶段。第三，网民情感呈现出高度相似性和群体极化性。通过对具体跟帖文本和短视频文案的分析发现，在发布正面信息的新冠疫苗接种类短视频下，多元主体的网民跟帖形成民间舆论场，随着时间发展，积极情感的跟帖聚集起来，“感谢祖国”“中国加油”等跟帖使得整个舆论场情感高度相似，进一步将拥有相似情感体验的网民聚集起来，更深程度地加强群体极化。而在发布负面信息的新冠疫苗接种类短视频下，“慌”“恐惧”成为聚集网民的共鸣性情感，短视频下的舆论场呈现消极情感，并进一步极化。整个群体情感极化的过程实质是个体情感被公共化的过程，媒介技术构建了当代情感表达和情感关系的互动环境，互联网让网民因为相似的情感聚集起来，进而使得情感被进一步激发，从而趋向极化。（二）新冠疫苗接种类短视频跟帖中情感转向的归因一是个人方面，情感认知错误与跟帖情感从众是导致情感转向的主要成因。网民的既有认知体现在网民对于话题存在早已预设的心理预期和主观价值判断，当事件发生，不同网民会表现出不同的情感认知。但是由于社会是一个整体，网民作为社会的一部分，他们的认知也会被社会裹挟，情感认知是正面的还是负面的，是积极的还是消极的，都会受到公众自身社会角色定位的影响，被社会群体身份限制。由于公众的价值观很容易被人影响，因此很容易产生情感感染和情感从众。二是平台方面，话题引导错误与内容监管薄弱是导致情感转向的主要成因。媒介平台在新媒体时代具有巨大的话语权和掌控力。在此次新冠表 7 不同情感转向阶段主要情感构成情感转向阶段情感倾向主要情感构成评论跟帖例句前期积极相信相信祖国一定会研发出最安全的疫苗消极怀疑绝对不打，倒找钱也不打，打了才不安全。中性疑惑慢性结肠炎可以吗？前中期积极祝愿感恩祖国祝愿我的祖国越来越强大。消极慌学校打疫苗的时候我出去旅游了，现在好慌。中性疑惑我想知道外地人可以在石家庄打疫苗吗？中期积极尊敬钟爷爷辛苦了，向您致敬！消极慌我们这边疫苗停止接种了，我还没接种心头慌。中性惊奇第二针需要预约吗，还是直接去排队？中后期积极安心孩子也打上了，我安心。消极恐惧我好害怕，不想我因此而死。中性疑惑还有第四针吗？后期积极安心庆幸生在中国，为伟大的祖国点赞。消极贬责明知道有疫情，还到处乱跑，就不能安分一点吗？中性疑惑我想问下，北京生物，能打第三针了吗？我想打第三针。882022/112022/1188研究生之页疫苗推广期间，抖音平台的部分视频，使得一些有关新冠疫苗的谣言甚嚣尘上，造成前期网民对接种新冠疫苗产生消极情感。在抖音上，健康类内容是谣言频发的重灾区，数据显示健康类视频占全部谣言比重最高达到35.5%。12 假新闻比病毒传播得还快、还容易，此次新冠疫苗接种推广之初，一些含有虚假信息的相关短视频迅速传播，均对国家推广新冠疫苗接种工作产生了较大的负面影响。想要减少此类事件的发生，需要平台通过话题构建、议程设置等手段对公众情感进行引导，把公众的注意力引导到特定的积极话题上。三是政府方面，科学传播滞后与管理出现漏洞是导致情感转向的主要成因。数据时代为政府信息公开提供新的机遇，也带来新的挑战。尤其是有关重大公共卫生事件方面的科学信息，对政府部门的科学传播水平提出了更高的要求，如果科学信息宣传推广得比较及时，就可以开启民智、消解舆情；如果科学信息宣传推广得较为滞后，则导致民情高涨、群情激愤。13 而在此次新冠疫苗接种推广工作中，政府对于新冠疫苗科学知识的传播相对滞后，这就导致政府在三月份开始推广全面接种国产新冠疫苗工作时，网民对此事的情感倾向呈现消极状态。结 语在短视频日益成为主流传播方式的当下，短视频下方的跟帖评论能够汇聚民声，构建新的舆论场，网络用户的情感信息就在短视频评论区自由传递、汇集，并逐渐形成声势浩大的民间舆论。因此，短视频跟帖评论区的第三舆论场很多时候可以最真实地反映人民的呼声以及社会大众情感的变化。而在社会事件中，想要更好地避免民众的情感转向负面，就需要各方的共同努力。首先，民众要提高自身媒介修养，正确识别网络信息，利用科学知识主动识别信息，以较高的道德修养去消解负面情感，而不是人云亦云，淹没在网络极端情感中；其次，平台方要加强监管力度，正确引导话题，媒介平台在对媒介空间的内容进行审核监管时，对于其科学性及准确性的判断要有行业标准及专业化的考量，及时把握相关舆情，并积极引导；最后，政府相关部门要完善管理体系，构建信息开放的平台，正确引导网民情感，帮助网民树立正确、积极的网络生态意识，共同构建和谐绿色的网络空间。参考文献：1 Hyoejin.Yoon.“TheAffective Turn:Theorizing the Social(review).”College Literature 36.2(2009):155-157.2 劳伦斯格罗斯伯格.文化研究的未来M.庄鹏涛等译.北京:中国人民大学出版社,2017.3 高崇,杨伯溆.地缘情感型信任的冲动、消退及转向基于“SZ 人在北京”QQ 群组的虚拟民族志研究J.中国青年研究,2014(1):74-78,84.4 吴翠丽.“后真相”时代网络空间中情感的负性转向及其防控策略J.学习与实践,2019(10):120-127.5 王亚莘,单琪,庞瑞灿.“新闻回应”的情感转向：基于数字新闻学的审视J.传媒,2022(8):87-89.6 常江,田浩.介入与建设：“情感转向”与数字新闻学话