虛擬社區中人際信息博弈的利害特征分離

嚴淑

摘要|本研究使用“信息博弈”范式，探索了在線社交媒體中信息特征對用戶信息傳播行為影響。實驗一和實驗二分別從信息的效價特征和獲利損失程度兩方面對個體的信息傳播決策傾向進行了探究，研究結果表明：（1）個體在面對獎勵信息時相比面對懲罰信息更傾向于選擇信任和轉發;（2）信息為真的概率越高，個體選擇轉發的概率越高;（3）信息為真的概率大小會影響利害特征對個體轉發行為的影響，信息為真的概率越高，被試在獲利和損失條件下信任和轉發概率的分離效應越明顯;（4）個體在面對獲利信息時，對最低的獲利收益信任傾向最強;在面對損失信息時，對中等大小的損失信任傾向最強。

關鍵詞|決策;歸納推理;社交媒體;進化心理學;信息博弈

1??? 引言

在信息革命和社交網絡服務（SNS）高速發展的今天，互聯網使用在人們的日常生活中占據著愈發重要的地位。根據中國互聯網絡信息中心（CNNIC）發布的第46次《中國互聯網絡發展狀況統計報告》顯示，截至2020年6月，我國網民規模已達9.40億，互聯網普及率再達新高。在此背景下，信息的傳播同樣抹上了濃厚的互聯網色彩，以Tiwtter、Instagram、微博、抖音為代表的各大虛擬社交網絡平臺搖身一變成為了新的巨型信息集散地，每天接收和發布著海量信息。

社交網絡中的信息擴散研究在社會科學、物理科學和計算科學中有著悠久的歷史。早期的商業和營銷文獻主要關注網絡口碑和病毒式營銷的信息傳播過程[1]，SNS興起后，當前的信息傳播研究已逐漸轉向各類在線社交媒體平臺[2]。在社交媒體中，信息傳播的主要途徑是用戶的轉發行為[3]。圍繞在線社交媒體的信息傳播過程，不同學科的研究者已在諸如信息傳播的基本模型[4]、傳播機制[5]、內容特點[6]、形式特點[7]、預測路徑[8]等各個方面產出了大量研究成果。在社交媒體中信息傳播的影響力研究上，現有研究已發掘出大量影響信息傳播的相關因素，與內容相關的特征（包括主題[9]、URL和標簽[10]）、用戶特征（如社會資本感知度[11]、發布者影響力[12]）以及網絡特征（如網絡平臺的流行度和同質性[13]、用戶活躍時間[14]）等都會在不同程度上對信息傳播產生有力影響。在國內，金曉琳等人主持的一項對微信朋友圈的健康信息傳播行為的探索性定性分析同樣發現，信息的社會特征（有趣性、新穎性、正確性）、情緒特征（令人驚嘆性、積極性、富含情緒性）和功能特征（有用性）均對電子健康信息在微信朋友圈中的傳播具有顯著積極的影響，其中，影響最大的因素為情緒性、有用性和有趣性[15]。

當進一步對信息特征的進行研究時，無論針對主題特征還是情緒等其他特征，信息的效價特點都是必須考慮的關鍵因素之一[16]。人們在處理正性信息和負性信息中所表現出來的差異，即效價不對稱（ValenceAsymmetries）現象，已被證明在大量領域廣泛存在[17，18]。然而，回顧現有研究我們很容易發現，對于信息性質對用戶信息傳播行為影響的效能表現，當前研究結果并沒有達到很好的統一。一方面，大量研究表明，人們對負面信息的處理相較正面信息進行得更為徹底，即表現為負偏差（NegativeBias）。這不僅體現在負面信息引起更多的思考和推理[19]、被分配更多的注意與認知資源[20]，前景理論表述的損失厭惡[21]所代表的負性效價對決策行為的巨大影響;在信息傳播上，最近在社交媒體的傳播研究表明，負面情緒的帖子相比正面情緒的能誘導更多的反饋，并在隨后的評論中擁有更大的擴散可能性[22]。另一方面，其他一些研究證據證明正偏差（Positive Bias）同樣廣泛存在，最典型的證據是，相較不愉快的事情，人們能更快速、準確地記住愉快的事情[23]。相關研究發現，盡管在意識層面，大腦傾向于關注消極的事情;但在潛意識層面，大腦傾向于關注樂觀的事情[24]。在信息傳播領域，Berger和Milkman對《紐約時報》三個月內發表的所有文章進行傳播學研究發現，積極內容比消極內容具有更強的病毒性傳播潛力，即使在控制了驚訝性、有趣性和有用性等因素的干擾，這一傾向仍然存在[25]。

針對某一認知行為活動中正偏差和負偏差同時存在的現象，當前的研究者給出了多種可能的解釋：有研究者提出，負偏差的出現可能與信息所攜帶的威脅性線索有關[26]，當負價信息不構成威脅或不利時，負偏差的出現就并不是一定的[27];還有研究者提出，出現負偏差還是正偏差同信息內容刺激的大腦喚醒程度有關[25]，當負價信息引發高喚醒時，則出現負偏差，反之，則為正偏差。綜合已有的解釋，我們不禁要問，如果信息的偏差同信息的具體內容特征有關，那么當信息僅存在效價差異時，人們對信息的根本傳播偏好究竟是正偏差還是負偏差？對于人們對僅包含利害性質的信息選擇模式，國內的蔣柯等人提出了歸納推理的領域特殊性（DomainSpecificity）理論[28]。在進化心理學看來，歸納推理本質上是有機體在進化過程中獲得的一種適應性能力[29]，如果針對某一具體的適應性問題，有機體會進化出專門的應對策略，則這樣的過程是領域特殊性的。該理論以進化心理學的基本思想為理論基礎，提出“獲得收益”和“避免傷害”是有機體所面臨的最重要的兩種領域性任務[30]，并推論：如果把中性任務中對事件評估的推理表現作為基線水平，那么人們在“避免傷害”的條件下對事件發生可能性的評估可能會偏高，因為人們會傾向于認為如果某種有害事件曾經發生過，那么在相應條件下它很有可能會再次發生，為了避免傷害的再次產生，人們會傾向于回避可能與有害事件相關的各種條件。而人在“獲得利益”的條件下的歸納推理表現則會低于中性任務，即認為雖然人們已知靶刺激能夠帶來收益，也依然對通過實際行動從另一個新刺激或新情景那里獲得同樣收益持謹慎的態度。

在虛擬社區的信息傳播過程中，個體對不同信源不斷發布的信息進行轉發或不轉發的重復決策過程是一個典型的歸納推理過程——通過所轉發的信息不斷被驗證為真或假，個體圍繞“對某信源發布的下一個信息是否要轉發”這一問題進行歸納推理。本文通過將在線信息傳播的決策過程看作典型的歸納推理來研究信息的利害特征對個體信息傳播傾向的影響。整個研究使用“信息博弈”范式進行，將信息發布方和接收方作為信任與反應博弈過程的兩方，進而考察信息接收方更愿意相信什么樣的信息，以及后續的實際行動決策。信息接收方的反應收集采用Hays 等人設計的讓被試對歸納推理的結論做“是 / 否”的二選一迫選反應[31]，使用被試在同一類問題中做“是”反應的比率來描述被試對推理任務的“可能性”評估，通過對重復反應進行總平均描述來抵消隨機因素引起的誤差。根據前文對利害信息選擇傾向的相關推論，本文提出以下假設：

假設1：信息的利害性質會影響個體的信任傾向，在獲利條件下，信息被信任的概率更高，轉發概率更高。

假設2：發布信息為真的概率越高，得到被試信任的概率越高，轉發概率越高。假設3：重復的次數越多，信息被信任或不信任的概率的差異越顯著。

假設4：獲利大小會影響被試選擇信任的概率和轉發概率。

2??? 實驗一

2.1 被試

某大學30名在校學生，平均年齡21.7歲;其中本科生20名，平均年齡19.6歲，研究生10名，平均年齡23.8歲;男生13人，占總人數43.3%，女生17人，占總人數56.6%。

2.2 實驗材料

采用聯想15 英寸筆記本電腦呈現材料刺激和收集被試反應。屏幕背景為黑色，分辨率為 1024×768，刷新頻率為60HZ。被試眼睛距離屏幕大約60cm。實驗程序的編寫和數據收集均采用E-PRIME2.0。

實驗一的指導語表述如下：

本實驗為信息特征偏好實驗。在接下來的實驗中你將會看到一條消息提示。消息本身的內容是省略的，但我們會提示你這是一個好消息還是壞消息，請你在閱讀完畢后根據提示信息作答。

實驗一使用的信息材料分為四種，分別是“有一個好消息，請轉發出去，轉發后你會得到獎勵”“有一個好消息，請轉發出去，轉發后你可能會得到獎勵”“有一個壞消息，請轉發出去，不然你會被懲罰”“有一個壞消息，請轉發出去，不然你可能會被懲罰”。

被試的任務是對兩個問題做出反應，分別為“剛才看到的是好消息還是壞消息？”“你是否會選擇轉發？”以上兩個問題按順序依次呈現。被試通過按鍵做出是或否的反應。

2.3 實驗流程

實驗一采取2（信息性質：正vs負）×2（信息為真的概率：低概率20% vs高概率80%）雙因素被試內設計，所有的被試都將接受所有的實驗處理。實驗一共持續約15分鐘，單獨施測。

實驗一的自變量為信息效價（正或負）和信息為真的概率（大：80% vs小：20%），因變量為被試選擇轉發的頻率和反應時。刺激的流程如下：實驗的開始，先呈現一個持續1000ms的空白屏幕，隨后出現信息屏幕，上面有需要被試閱讀的信息，該部分設定為被試閱讀信息完畢后自行按鍵進入下一步，下一塊屏幕上會出現第一個問題，要求被試閱讀問題過后按鍵做出自己的選擇，被試按鍵后，隨即進入下一個問題，同樣要求按鍵作答。被試按鍵做出自己的選擇后，屏幕上會出現對被試所作選擇的反饋，如“成功得到獎勵，加10分”（真實信息）或“你被騙了”（虛假信息）等，呈現時間為80ms，以此提示被試前面出現的信息正確與否。下一個實驗在間隔1000ms后開始。實驗一共包括8個區組，每個區組有20個測試，每一個區組結束后，實驗暫停5min，隨后出現一個評估頁面，要求被試自行估計在剛才進行的實驗中所得到正面反饋的頻次。

2.4 實驗結果

對不同實驗處理下及前后兩輪被試的轉發頻率的平均值和變異大小進行統計，結果如下（見表1）。

分別對正負性信息、高低擊中概率和前后兩輪條件下被試的平均轉發頻率做配對樣本t檢驗，結果顯示：無論在高概率還是低概率條件下，被試在正負性消息下的轉發頻率均差異顯著，在正性信息條件下的轉發頻率均高于在負性信息條件下的轉發頻率，t（29）=8.896，p<0.001;t（29）=3.256，p<0.005。以平均轉發頻率為因變量的2（信息性質：正、負）×2（信息為真的概率：低概率20%、高概率80%）的重復測量方差分析的結果顯示：實驗中信息性質的主效應顯著，F（1，29）=8.513，p=0.05，η2=0.151;擊中概率的主效應顯著，F（1，29）=80.476，p<0.001，η2=0.731;信息性質與擊中概率大小的交互作用顯著，F（1，29）=9.434，p<0.001，η2=0.403。

對正負性信息和高低概率下被試的反應時進行統計，結果如圖1：

對被試在正負性信息和高低概率條件下做出轉發或不轉發決策時所用的平均反應時進行配對樣本t檢驗，結果顯示：當信息為正性信息時，被試在高低概率下的反應時差異顯著，表現為在高概率條件下被試的反應時小于在低概率條件下被試的反應時，t（29）=-2.148，p=0.041;而當信息為負性信息時，被試在高低概率下的反應時差異不顯著，t（29）=-0.287，p>0.05。以反應時為因變量的2（信息性質：正、負）×2（信息為真的概率：低概率20%、高概率80%）的重復測量方差分析的結果顯示：信息性質的主效應不顯著，F（1，29）=2.380，p>0.05;擊中概率的主效應顯著，F（1，29）=8.235，p<0.01，η2=0.231;信息性質與擊中概率大小的交互作用不顯著。

2.5 討論

從方差分析的結果看，無論是高概率還是低概率條件，個體對正性信息的轉發行為較負性信息均差異顯著，對正性信息的轉發頻率高于負性信息。這與假設1 的猜想是符合的。而無論是正性信息還是負

性信息，個體在高概率時的轉發頻率都高于低概率，這與假設2的猜想符合，說明信息為真的概率大小會影響個體的轉發意愿。比較前后兩輪被試轉發行為，結果顯示，無論是高概率還是低概率、正性信息還是負性信息，被試在第二輪的轉發頻率均高于第一輪，這與假設3的猜想是符合的，說明重復的次數越多，信息被信任的可能性越大。

實驗一證明了信息的利害特征及信息為真的概率大小均會影響被試對信息的信任以及轉發行為，并且信息為真的概率大小會影響利害特征對被試轉發行為的效應。然而，實驗一中存在一些問題：第一，考慮到實驗一中大小概率的相差較大，且只考察了兩種概率下被試的轉發行為，無法確定實驗中出現的分離效應是否普遍存在，有待進一步證實;第二，實驗一中對被試轉發行為的結果并沒有設置直接的獲利和損失機制，這使得對推論的檢驗并不完全;第三，實驗一中已經證明信息的利害特征會對被試的信任行為產生影響，那么，是否當獲利越大或損失越大時，被試的信任傾向也會隨之提高或降低呢？其中是否有更復雜的共變關系？

針對以上三點不足，我們設計了實驗二以進一步探討。

3??? 實驗二

3.1 被試

某大學30名在校學生，平均年齡21.7歲;其中本科生20名，平均年齡19.6歲，研究生10名，平均年齡23.8歲;男生13人，占總人數43.3%，女生17人，占總人數56.6%。

3.2 實驗設備

同實驗一。

3.3 指導語

實驗二中為了使被試更好地還原決策情境，對實驗的指導語作了改變，表述如下：“現在，你的角色是某知名虛擬社區的大V。為了保持你在該社區中的優勢地位，你需要時常傳播一些信息。眾所周知，在傳播信息的過程中，你所傳播的信息的真實率會影響你的跟隨者數量：當你的信息真實率越高，信任你的人越多，粉絲數越高;反之則越低。在接下來的實驗中，我們將給你提供一組真假混雜的信息，請你自行選擇其中你認為是真實的信息進行轉發。你所轉發的信息會顯示在你的每一位跟隨者的主頁，因此，請盡量轉發你認為真實的信息，以增加和保持跟隨者的忠誠度。”

實驗二將實驗一中重復呈現的四種信息改為變化的信息，即被試在每一個trial中所看到的信息都是不同的。信息按性質同樣分為正性信息和負性信息，分別是“如果你按下轉發鍵，你的積分將 +5分/10分 /15分 /…”“如果你沒有按下轉發鍵，你的積分將 -5分 /10分 /15分 /…”正式施測時，每個trial只呈現一種分值。被試的任務是對兩個問題做出反應，分別為：“你認為剛才的信息是真信息還是假信息？”“你要不要將該信息轉發給你的跟隨者？”。

3.4 實驗流程

實驗二采用3（信息為真的概率：33.3% vs50% vs66.6%）×2（信息性質：正—獎勵vs負—懲罰）×10（獎懲分值：5分、10分、15分、20分、25分、30分、35分、40分、45分、50分）三因素被試內設計，因此所有的被試都將接受所有的實驗處理。

實驗二持續約15 分鐘，單獨施測。

實驗二的自變量為信息性質（利—加分、害—減分）、信息為真的概率（大：66.7%、中：50%、小：33.3%）和獎勵分值（5分、10分、15分、20分、25分、30分、35分、40分、45分、50分），因變量為被試選擇轉發的頻率和反應時。刺激的流程如下：同樣先呈現一個持續1000ms的空白屏幕，隨后出現信息屏幕，上面有要求被試閱讀的信息，信息的下方提供了兩個選擇，分別為“選項一：相信該信息，則請你按下信息中提示的按鍵，選項二：不相信該信息，則請你按下空格鍵進入下一界面”，被試閱讀信息完畢后，根據自己的判斷，選擇按字母鍵或按空格鍵。按鍵完畢，依次進入兩個問題頁面。問題頁面同樣要求被試閱讀完問題后按鍵做出自己的選擇，且當被試在第二個問題頁面做出按鍵動作后，同樣進入反饋頁面。但與實驗一不同的是，該反饋頁面會實時顯示被試的扣分情況和當前總積分，持續約80ms;下一個實驗同樣在間隔1000ms后開始。實驗二共包括3個區組：第一個區組有20個測試，第二、三個區組有30個測試。每一個區組結束后，被試同樣會看到一個評估頁面，要求被試自行估計在剛才進行的實驗中所得到正面反饋的頻次。實驗過程中對可能影響被試反應的環境、主試效應等無關變量進行了控制。

3.5 實驗結果

對不同信息性質和不同擊中概率條件下被試的轉發頻率的平均值和變異大小進行統計，結果如下（見表2）。

對實驗中被試在不同性質信息和概率大小處理下的轉發率平均值作配對樣本t檢驗，結果表明：在正性信息條件下，被試在大小概率下的轉發概率差異不顯著，t（29）=1.394，p>0.05;在負性信息條件下，被試在大小概率下的轉發概率差異顯著，在大概率條件下的轉發頻率高于在小概率條件下的轉發頻率，t（29）=3.507，p<0.001。

當擊中概率為等概率（50%）時，被試在正負性信息上的轉發概率差異不顯著，t（29）=1.852，p>0.05。當擊中概率為大概率（66.7%）或小概率（33.3%）時，被試在正負性信息上的差異顯著，對正性信息的轉發多于對負性信息的轉發，t（29）=2.281，p=0.05;t（29）=3.344，p<0.01。

對不同獎懲分值條件下被試的轉發頻率進行分析，結果如下：

統計不同分值條件下被試的轉發率大小（見圖2）可以看出，從總的轉發率大小變化趨勢來看，隨著獎懲值從低到高增加，被試的轉發率總的來說呈下降趨勢，其中在20分、25分和35分、40分處有所回升，但總體還是不斷減低的。分別分析正性信息和負性信息條件下不同分值的轉發率大小，可以看出，在正性信息條件下，最大的轉發率出現在 5分處，其次是20分處，再其次是40分和45 分處;在負性

信息條件下，最大的轉發率出現在25分處，其次是10分處，再其次是5 分處。在兩種信息條件下，當獎懲分值為最大值（50分）時，被試的轉發率都趨近隨機水平（50%），并且總的來說，除了在25分處，被試對負性信息的轉發率達到最大值并高于同等分值下對正性信息的轉發之外，其他情況被試對正性信息的轉發率均大于負性信息。以轉發率為因變量的對3（信息為真的概率：33.3%、50%、66.6%）×2

（信息性質：正—獎勵、負—懲罰）×10（獎懲分值：5分、20分、50分）的方差分析（見表5）結果表明，信息性質的主效應顯著，F（1，29）=15.524，p<0.001，η2=0.345;獎懲分值的主效應顯著，F（1，29）=7.484，p=0.024，η2=0.845，其他主效應和交互效應均不顯著。

4討論

本研究旨在探究信息的利害特征對個體信息傳播決策的影響。實驗一的結果表明，當沒有具體的得失時，在正性信息條件下，信息真假的概率會對被試的信任行為產生非常大的影響，尤其是某一信息被頻繁證明是真實時，個體對它的信任程度會變得非常高，而在負性信息條件下則沒有此現象，無論信息被頻繁證明真實或頻繁被證明虛假，對被試的信任行為都沒有太大影響。這與此前的研究結果一致[30]，即歸納推理中處理正性信息所進行的必要性論證對反例更敏感，而處理負性信息所進行的充分性論證則對反例較為寬容。

在具備獲利損失機制的實驗二中，個體對信息的傳播決策展現出不同的趨勢，具體表現為，在負性信息條件下，信息真假的概率會對被試的信任行為產生很大的影響，尤其是當某一信息被頻繁證明是虛假時，被試對它的信任程度會降得非常低，而正性信息沒有此效應。另一方面，實驗二對獲利損失收益大小的研究發現，在正性信息上，個體在最低的獎勵值下選擇信任的比例最高;在負性信息上，個體在中等大小的損失值下選擇信任的比例最高。在總體趨勢上，實驗二的研究結果與本文假設中個體對信息的信任策略可能符合進化心理學中的“趨利避害”原則相符合，即對正性信息的趨近行為更多，信任傾向更強，更愿意選擇信任和轉發，對可能造成損失的刺激推理決策行為更謹慎。相比實驗一單一的歸納推理過程，實驗二涉及明顯的經濟學考量，個體的決策結果呈現出明顯的損失厭惡傾向。此外，此前研究已經發現[32]，在評價極高的信息中，負偏差效應更為明顯，而在中等程度的評價信息中，正偏差效應更明顯，個體對正負性的程度敏感性存在明顯的程度差異，本文從量化的角度對這一結論進行了驗證。

關于人們對正負性質信息的確切偏好，學術界目前仍然在熱烈爭論中。對這些偏好出現的可能原因，除去本文所采用的進化心理學思路，正負性信息出現的頻率差異[33]、可預測性的不同[34]、所刺激的生理喚醒的不同[35]等都被不同研究者認為是這一分離現象產生的可能原因。值得注意的是，Unkelbach等人最新提出的相似性解釋[36]對上述猜想和相關實證研究結果進行了理論統一的嘗試，該理論提出，對正負性信息的不同偏好可能是由于不同性質信息的多樣化程度不同造成的，多樣性所帶來的不穩定性是負偏差與正偏差交替出現的根本原因。回到社交媒體的信息傳播問題，在虛擬社區的互動過程中，人們選擇轉發負面消息還是正面消息，事實上還受到很多額外因素的影響，例如，有研究者提出[25]，用戶可能會出于自我展示或傳達身份的目的來分享轉發特定信息的內容，而不是僅僅受信息性質影響。還有研究發現[37]，轉發信息時的情緒狀態會在相當程度上影響個體的信任和轉發決策。

最后，結合當前網絡信息管控在虛擬社區的運營和管理中的重要的地位，本研究中對正性信息和負性信息的研究說明，當網絡的管理者要評估某一真假未知的信息有沒有可能引起大范圍的轉發，引起廣泛討論時，除了憑借自己對信息內容的認識，綜合判斷該信息的性質、該信息發布者的聲譽歷史、該信息對一般民眾來說意味著多大的收益或損失，可能對更準確評估該信息未來的傳播結果更有幫助。本研究在實驗的設計和進行上仍然存在很多不足，需要在后續的實驗中加以改進：例如，根據前文可知，被試決策時的心情狀態會對信息的處理造成影響，但實驗并沒有對這一無關變量進行控制，這可能會在某種程度上降低實驗結果的信效度;此外，由于實驗二中沒有對順序效應進行平衡，不同概率大小的呈現順序可能會影響被試的決策行為，這也是后續實驗需要注意的。在實驗環境的控制上，由于不同被試的施測環境有差異，實驗操作過程中沒有隔絕不同被試的言語、肢體等交流，這種社會氛圍很可能會影響被試的決策傾向。未來的實驗應更好地控制并改善上述不足，因此對本研究結果的推論應更為謹慎。

關于個體在虛擬社區中進行信息轉發時可能產生的決策偏差還有很多，除了本文所研究的信息的利害特征對個體轉發傾向的影響，還有哪些重要特征會對傳播行為造成影響，這種影響的內在機制是怎樣的，是未來可以進一步探索的主題。此外，對于已經得出結果的影響因素，如何在實際操作的層面進行控制，從而在一定程度上控制虛假信息在虛擬社區中的病毒式擴散，是在線社區的運營者需要考慮的問題。

參考文獻

[1]GodesD，MayzlinD.Usingonlineconversationstostudyword-of-mouthcommunication[J].Marketing science，2004，23（4）：545-560.

[2]StieglitzS，Dang-XuanL.Emotionsandinformationdiffusioninsocialmedia—sentimentofmicroblogsandsharingbehavior[J].Journalofmanagementinformationsystems，2013，29（4）：217-248.

[3]ZamanTR，HerbrichR，VanGaelJ，etal.Predictinginformationspreadingintwitter[C]//Workshopon computationalsocialscienceandthewisdomofcrowds，nips.Citeseer，2010，104（45）：17599-17601.

[4]唐朝生.在線社交網絡信息傳播建模及轉發預測研究[D].燕山大學，2014.

[5]周東浩，韓文報，王勇軍.基于節點和信息特征的社會網絡信息傳播模型[J].計算機研究與發展，2015，52（1）：156-166.

[6]JavaA，SongX，FininT，etal.Whywetwitter：understandingmicrobloggingusageandcommunities[C]//Proceedingsofthe9thWebKDDand1stSNA-KDD2007workshoponWebminingandsocialnetworkanalysis.2007：56-65.

[7]Yi C，Bao Y，Xue Y，et al.Research on mechanism of large-scale information dissemination based onSinaWeibo[J].JisuanjiKexueyuTansuo，2013，7（6）：551-561.

[8]李洋，陳毅恒，劉挺.微博信息傳播預測研究綜述[J].軟件學報，2016，27（2）：247-263.

[9]NagarajanM，PurohitH，ShethA.Aqualitativeexaminationoftopicaltweetandretweetpractices[C]//

ProceedingsoftheInternationalAAAIConferenceonWebandSocialMedia.2010，4（1）.

[10]SuhB，HongL，PirolliP，etal.Wanttoberetweeted？largescaleanalyticsonfactorsimpactingretweetintwitter network[C]//2010 IEEE Second International Conference on Social Computing.IEEE，2010：177-184.

[11]RecueroR，AraujoR，ZagoG.Howdoessocialcapitalaffectretweets？[C]//ProceedingsoftheInternationalAAAIConferenceonWebandSocialMedia.2011，5（1）.

[12]BhattacharyaD，RamS.Sharingnewsarticlesusing140characters：AdiffusionanalysisonTwitter[C]

//2012IEEE/ACMInternationalConferenceonAdvancesinSocialNetworksAnalysisandMining.IEEE， 2012：966-971.

[13]MacskassyS，MichelsonM.Whydopeopleretweet？anti-homophilywinstheday！[C]//ProceedingsoftheInternationalAAAIConferenceonWebandSocialMedia，2011，5（1）.

[14]Kupavskii A，OstroumovaL，UmnovA，etal.Predictionof retweet cascadesize overtime[C]//Proceedingsofthe21stACMinternationalconferenceonInformationandknowledgemanagement.2012：2335-2338.

[15]金曉玲，馮慧慧，周中允.微信朋友圈中健康信息傳播行為研究[J].管理科學，2017，30（1）：73-82.

[16]GuoJ，WangX，WuY.Positiveemotionbias：Roleofemotionalcontentfromonlinecustomerreviewsin purchasedecisions[J].JournalofRetailingandConsumerServices，2020，52：101891.

[17]WegenerDT，PettyRE，SmithSM.Positivemoodcanincreaseordecreasemessagescrutiny：thehedoniccontingencyviewofmoodandmessageprocessing[J].Journalofpersonalityandsocial psychology，1995，69（1）：5.

[18]WojciszkeB，BryczH，BorkenauP.Effectsofinformationcontentandevaluativeextremityonpositivityandnegativitybiases[J].JournalofPersonalityandSocialPsychology，1993，64（3）：327.

[19]Abele A.Thinking about thinking：Causal，evaluative and finalistic cognitions about social situations[J].EuropeanJournalofSocialPsychology，1985，15（3）：315-332.

[20]PrattoF，JohnOP.Automaticvigilance：theattention-grabbingpowerofnegativesocialinformation[J].Journalofpersonalityandsocialpsychology，1991，61（3）：380.

[21]KahnemanD.Prospecttheory：Ananalysisofdecisionsunderrisk[J].Econometrica，1979，47：278.

[22]StieglitzS，Dang-XuanL.ImpactanddiffusionofsentimentinpubliccommunicationonFacebook[J].2012.

[23]MatlinMW，StangDJ.ThePollyannaprinciple：Selectivityinlanguage，memory，andthought[M].SchenkmanPublishingCompany，1978.

[24]ForerBR.Thefallacyofpersonalvalidation：aclassroomdemonstrationofgullibility[J].TheJournalofAbnormalandSocialPsychology，1949，44（1）：118.

[25]BergerJ，MilkmanKL.Whatmakesonlinecontentviral？[J].Journalofmarketingresearch，2012，49（2）：192-205.

[26]AbdelRR.Facinggoodandevil：earlybrainsignaturesofaffectivebiographicalknowledgeinface recognition[J].Emotion，2011，11（6）：1397.

[27]ZhaoS，XiangY，XieJ，etal.Thepositivitybiasphenomenoninfaceperceptiongivendifferentinformationonability[J].Frontiersinpsychology，2017，8：570.

[28]蔣柯，熊哲宏.利 / 害條件下歸納推理的心理效應分離[J].心理學報，2010，42（11）：1050-1059.

[29]巴斯D.M.進化心理學：心理的新科學[M].熊哲宏，張勇，晏倩，譯.上海：華東師范大學出版社，2007.

[30]周強，蔣柯.利 / 害條件下歸納推理的心理邏輯分離[J].寧波教育學院學報，2009，11（2）：64-69.

[31]HayesBK，FritzK，HeitE.Therelationshipbetweenmemoryandinductivereasoning：Doesitdevelop？[J].DevelopmentalPsychology，2013，49（5）：848.

[32]WojciszkeB，BryczH，BorkenauP.Effectsofinformationcontentandevaluativeextremityonpositivityandnegativitybiases[J].JournalofPersonalityandSocialPsychology，1993，64（3）：327.

[33]UnkelbachC，KochA，AlvesH.Theevaluativeinformationecology：Onthefrequencyanddiversityof “good”

and “bad”[J].EuropeanReviewofSocialPsychology，2019，30（1）：216-270.

[34]CarlstonDE.Negativityandextremitybiasesinimpressionformation：Areviewofexplanations[J].Psychologicalbulletin，1989，105（1）：131-142.

[35]TaylorSE.Asymmetricaleffectsofpositiveandnegativeevents：themobilization-minimizationhypothesis[J].Psychologicalbulletin，1991，110（1）：67.

[36]AkUnkelbachC，AlvesH，KochA.Negativitybias，positivitybias，andvalenceasymmetries：Explaining thedifferentialprocessingofpositiveandnegativeinformation[J].Advancesinexperimentalsocial psychology，2020，62：115-187.

[37]WegenerDT，PettyRE，SmithSM.Positivemoodcanincreaseordecreasemessagescrutiny：thehedoniccontingencyviewofmoodandmessageprocessing[J].Journalofpersonalityandsocial psychology，1995，69（1）：5.

TheSeparationoftheInterestCharacteristicsoftheInterpersonalInformationGameintheVirtualCommunity

YanShu

Departmentof Psychology， Wuhan University， Wuhan

Abstract： This study uses the “information game” paradigm to explore the influence of informationcharacteristicsonusersinformationdisseminationbehaviorinonlinesocialmedia.Experiments1and2 investigated the tendency of individuals to make information dissemination decisions in terms of thevalencecharacteristicsofinformationandthedegreeofprofitloss，respectively.Thehighertheprobabilityof information being true， the more obvious the separation effect of trust and forwarding probabilitybetween gain and loss conditions; （4） Individuals have the strongest tendency to trust the lowest profitgain when faced with profit information， and the strongest tendency to trust a medium-sized loss whenfacedwithlossinformation.

Key words： Decision making; Inductive reasoning; Social media; Evolutionary psychology; Informationgames