摘 要：本文以整合危机图示（Integrated Crisis Mapping）为理论依据，结合愤怒、恐惧、焦虑、悲伤等主要情感，对“美联航强制乘客下机事件”中新浪微博平台的普通网民、意见领袖、媒体所呈现出的情感进行实证研究。通过考察本危机事件中的情感构成、情感变化、情感传播及情感表达的群体性差异，本文希望为危机传播和社交媒体的情感化趋势提供基于中国本土语境的检视。

关键词：社交媒体、情感化、美联航强制乘客下机事件

一、引言

2017年4月9日，美国联合航空公司（以下简称美联航）从芝加哥飞往路易斯维尔的UA311航班为安置4名员工搭乘而出现超员现象，在乘客登机完毕且无人自愿放弃行程的情况下，机组成员通过“特定方式”抽取了4名乘客，要求其让出座位并改乘第二天的航班。其中一名69岁的亚裔医生陶成德（David Dao）因为担心耽误次日与患者预约的诊疗而拒绝下机，随后被机场保安强制带离机舱，致使其流血受伤。

机舱乘客的手机视频流出后，舆论哗然。面对美国民众的愤慨，美联航却采取了消极回避的方式，在随后的声明和内部邮件中避而不谈暴力野蛮，只将行为称作例行公事的“重新安置”（re-accommodate）。这种态度使得事件在24小时内迅速演变为一场从网络平台扩散开的对美联航的“声讨大会”。

由于陶成德是在反抗拖拽的过程中控诉美联航“选中自己只是因为华人（Chinese）身份”，北京时间10日凌晨，事件一经“美帝人民也蛮拼的”和“北美吐槽君”等微博大V 的曝光，就引发了中国网友极高的关注度。在事件爆发的48小时内，仅微博话题的关注量就超过4亿，72小时内超过9亿。尽管12日早间有媒体澄清陶成德的真实身份是美籍越南裔，但是中国公众的关注度却没有减弱。即使美联航首席执行官奥斯卡?穆尼奥斯三次为自己的傲慢态度和糟糕的处理方式而致歉，但是同仇敌忾的中国网友并不买账，对美国白宫发起“华人生命很重要”的联署请愿，甚至发起剪掉美联航贵宾卡的接力行动。最终，美联航付出了股票一度重跌6%，市值蒸发超过8亿美元，向受害者提供巨额赔偿金以庭外和解的物质代价，而其在本次危机中的形象受损、声誉打击和跨太平洋市场的客户流失则无法估量。

值得注意的是，在本次社交媒体主导的危机事件中，网民的情绪化现象非常明显，尤其是误认为受害者为华人，并就“种族歧视”和“大国人权打脸”表达强烈的愤慨和嘲讽。在传播过程中，也不乏选择性忽略基本事实，以煽情方式博取眼球等现象，这种群情激愤也使得美联航试图修复组织形象的几次努力都收效甚微。本研究希望以“整合危机图示”（Integrated Crisis Mapping，以下简称ICM）为理论依据，对“美联航强制乘客下机事件”（以下简称美联航事件）中展现出的危机情感进行实证分析，来检视中国语境下社交媒体的情感化传播趋势。

首先，本文将梳理ICM理论及相关文献归纳出的主要情感，对微博上的情感表达进行编码和分析，为本次危机事件的情感构成提供一个整体图谱。其次，本文将对不同情感获得的转发量、评论量和点赞量进行相关分析，探究社交媒体的情感传播规律。最后，本文将对普通网民、意见领袖（微博大V）和媒体的情感表达进行对比分析，考察不同主体在本次危机事件中的情感异同。

目前，国内对于危机情感的研究尚处于起步期，本文在一定程度上填补了理论应用的空白，也为这种源于西方的理论提供了一次中国本土语境下的案例研究，有利于理解危机事件在中国文化环境下的社交媒体传播规律。

二、文献综述

2.1 情感

情感是个体根据自身的关注重点对内部或外部的刺激因素进行评估，从而产生的有机反应（Bericat，2016，p492）。在宏观理论层面，文化理论、符号互动论、仪式理论、结构论和交换论都对情感有不同侧重的研究与表述。

在传播学的符号互动论中，“自我”（self）身份是情感唤起背后的根本动因，人们始终寻求对自我形象和社会角色的肯定和认同，如果他人认可自己的形象和角色，则体会到积极的情感，反之则体会到消极的情感，如抑郁、焦虑、愤怒、羞耻和内疚等，而当前在社会学研究中占据显要地位的情感是恐惧（fear）、愤怒（anger）、羞耻（shame）和自豪（pride）（Bericat，2016，p499-502）。

2.2 整合危机图示

从危机传播的角度出发，Jin，Pang和Cameron（2007）提出了ICM理论，旨在理解公众面临危机时产生的复杂情感。该理论提炼了四种主要的负面情感：愤怒（anger）、伤心（sadness）、恐惧（fear）和焦虑（anxiety），这些情感将影响公众对危机传播策略的偏好，以及对组织所采取策略的接纳度。

为了进一步理解不同危机情境下的哪些要素对公众的情感表达产生了影响，Jin和Pang（2010）将ICM理论模型化（见图1），其中纵坐标衡量组织的危机参与程度（Organization’s Issue Engagement），横坐标衡量受众的危机应对策略（Primary Public’s Coping Strategy）。

在美联航事件中，虽然实施强制拖拽的行为主体是机场安保工作人员，但是由于根本原因在于美联航的制度问题，且美联航在早期公关中推卸责任，最终致使危机集中爆发。基于此，美联航对这起内部原因导致的危机负主要责任，在ICM模型的纵轴上表现为“高参与度”。而公众对这起危机并未袖手旁观，中国网民在知乎和微博等平台发起了请求白宫回应本事件的联署签名活动，表现出政治参与的高度热情，积极推动事件进展，因此，受众在ICM模型横轴上的表现为“意动型”。

综合而言，在理论上，受众的主要危机情感属于象限1，应主要表现为愤怒，其次是焦虑，而在实际中，本文将通过实证研究的方法来验证中国语境下网民的情感表达是否与理论有所差距。

2.3 社交媒体的情感化

社交媒体是用户生成内容（UGC）的web2.0时代的典型代表，是最能体现互联网情感空间属性的平台之一（Serrano-Puche，2015）。当前，危机发酵的一个重要平台就是社交媒体，在近期的罗尔诈捐门、日本APA酒店放置右翼书籍、马里兰大学毕业演讲等诸多危机事件中，以微博为代表的社交媒体正是直接反映民意，甚至推动事件进展的主要渠道。

研究发现，在危机发生时，公众诉诸社交媒体的主要原因在于其独特的情感支撑作用（Choi & Lin, 2009），而公众对组织的危机传播策略的认知则受到情感的直接影响（Coombs & Holladay, 2005）。

Jin，Liu和Austin（2014）通过实验的方法，将社交媒体上的主要危机情感归纳为三类：（1）与归因无关的情感：焦虑、伤心、顾忌（apprehension），此类情感往往不具有指向性；（2）与归因有关的情感：愤怒、厌恶（disgust）、轻视（contempt），此类情感往往针对危机发生的主体；（3）自我检视（self-attributed）的情感：尴尬（embarrassment）、内疚（guilt）、羞耻（shame），此类情感往往针对公众自身。

此外，美国密歇根大学研究员John Ranellucci等人（2016）基于数据挖掘技术研究了社交媒体上有关教育的情感表达，其基本情感标签为幸福（happiness）、惊讶（surprise）、伤心、恐惧、厌恶和愤怒；此外，针对教育领域的特殊性，研究者又补充了愉快（enjoyment）、希望（hope）、自豪（pride）和无聊（boredom）。

综上所述，根据危机事件的共性和美联航事件在中国传播的个性，本文采纳与危机情感直接相关的愤怒、伤心、恐惧、焦虑，并补充以厌恶、惊讶和自豪共7种情感作为本研究的主要情感类型，其中愤怒与厌恶是与归因相关的情感，自豪是自我检视的情感，其余情感与归因无关。

三、研究问题与方法

3.1 问题的提出

为了考察美联航事件中以新浪微博为代表的社交媒体平台上的情感表达，研究本起危机事件中的情感构成、情感变化、情感传播，以及不同群体的情感差异，本文提出三个研究问题：

（1）在美联航事件中，新浪微博的相关舆论主要表现出怎样的情感？随着时间的推移发生怎样的变化？

（2）在这起危机事件中，哪些情感更容易获得转发、评论和点赞？

针对此研究问题，本文提出子研究假设H1：相比于其他情感类型，表达愤怒和厌恶的微博能够获得更多的转发、评论和点赞量。

（3）在这起危机事件中，普通网民、意见领袖和媒体的情感表达有何不同？

为了更深入地研究愤怒和厌恶这两种与归因相关、对美联航形象影响最为直接的负面情感，本文提出子研究假设H2：不同类型的微博用户对于愤怒和厌恶的表达有显著差异。

3.2 研究方法

目前，学界对于社交媒体情感的研究主要有三种方法：其一，通过质化或量化的方法对互联网上大量的情感讯息进行内容分析和数据分析；其二，通过访谈和问卷中的自我反馈调查互联网用户的主观情感体验；其三，直接记录互联网用户即时发布的信息并分析其中蕴含的情感（Benski and Fisher，2014）。

本文采取第一种研究方法，收集美联航事件爆发后3周（21天）内新浪微博上的相关微博，综合运用质化和量化的方法进行内容分析和数据分析。

（1）数据收集与抽样

截至目前，新浪微博上#美联航强制乘客下机#话题主页共有42.2万讨论，为了精确研究样本，本文通过检索关键词“美联航强制乘客下机”，并利用“高级检索”功能观察危机发酵的主要时间范围。

由于新浪微博单次检索结果仅显示前50页，每页最多显示20条，为了保证样本的完整性，本文以24小时为单位，观察北京时间4月10日凌晨危机爆发后每一天的相关微博数量，发现网友对于美联航事件的关注度主要集中于4月11日和4月12日，单日微博数均在1000条以上，而此后的讨论量则呈现递减趋势，至危机爆发的第4周（5月1日至5月7日），日均微博数已经低于10条。

因此，本文选取危机爆发后的前3周（4月10日至4月30日）作为选取研究样本的时间段，共得到3222条微博，以10%的抽样比例进行随机抽样后，得到323条微博样本用于数据分析和内容分析。

分享让更多人看到