摘要：算法可以将社交媒体用户的情绪纳入可数据化计量的范围。在社交媒体平台上，“数据+算法”的双轮驱动机制使用户文本所包含的复杂多样的情绪表达变得清晰可见，情绪传播呈现出具象化、可支配性、模式化、圈循性的特征，其对公众舆论的影响力显而易见。在社交媒体平台、意见领袖与用户的互动关系中，情绪型意见表达失控、舆论场冲突加剧等成为算法技术渗透于情绪传播过程中应予以重视的问题。
在社交媒体上，用户个人情绪化的内容表达比比皆是。随着信息自动采集、大数据挖掘、自然语言处理技术在社交媒体平台的广泛应用，社交媒体用户的情绪化内容表达被纳入了数据化计量与分析的范围。例如，“微博情绪”产品利用算法技术详细地呈现了微博情绪占比、城市情绪地图、用户情绪洞察等情绪分布趋势，网民情绪在大数据与算法技术的加持下成为透明化的由一般数据构建、数字全景敞视中的算法情感。有学者认为，算法已成为一种权力中介，以数据化界面重塑了人们对世界的认知方式，同时以匹配、调节与控制等方式建构了各种对象间的关系。因此，融合算法逻辑的“社交媒体情绪”对唤起、感染、传递公众情绪并形成具有共同心理与情感向度的社会舆论力量逐渐发挥重要作用，而如何避免社交媒体平台上情绪型意见表达失控、舆论场冲突加剧等，则是算法驱动下的情绪传播中应予以重视的问题。
情绪传播是指伴随信息内容传播而产生的个体或群体的情绪表达、感染、交流与分享行为，由于传播者或隐或显的情感态度与价值判断，其传播内容也会对接收者的心理、情感、意见与判断等产生相应的唤起、感染、引导与影响作用。作为当下信息主要生产与交换的社交平台，庞大的用户群自发地进行内容互动与分享，其间包含的事实性信息与情绪性信息交互作用，形成了复杂多样的传播景象。而算法技术的嵌入促使传播图景瞬时明晰。其主要依托模式识别处理、自然语言处理等多类算法的交叉使用，从用户生产文本中提炼出不同的个体与群体情绪类型，推测出其认知兴趣与情感态度偏好，以精准“投喂”的方式深入社交分发渠道，实现信息与需求的精准匹配。在此基础上，兴趣相近、关系亲密，抑或互动频繁的用户会在算法推荐机制中不断地接收到相似的推送内容，进而产生与之相应的情绪体验与情感态度，群体情绪的聚合效应也因此得到极大的提升，并呈现为以下特征。
（一）情绪呈现的数据化
在算法与社交深度融合的信息传播环境下，用户情绪以数据化形态流动于用户与信息、用户与用户的互动场景。第一，情绪传播的数据化特征显现于算法的内容创作、推荐、分发模式。从用户平台的注册数据、发布的内容与评论、浏览痕迹等虚拟行为数据，到运动轨迹、身体状态等具身关联数据都被收集于算法的输入基础。由于算法始终用数字符号定量化地阐释事物，依托智能传感器、自然语言处理等自动化采集与分析技术将大量混乱、复杂的信息转化为结构化情绪数据。例如，新华网Star生物传感智能机器人实时收集30位公众的情绪生理变化，通过人机交互等技术描绘出他们的情绪曲线，生成国内首条生理传感新闻；第二，基于兴趣加权、关系加权或混合加权等算法的筛选环节替代传统时间线主导模式，人工智能结合用户自身、环境和文本等多类特征过滤、锚定相匹配的情绪需求，勾勒出用户ID或一类群体专属“情绪画像”。人际间的情绪互动语言也呈现数字化趋向。不少平台将情绪语言制作成生动有趣的表情包、字母缩写等非常规语言符号，以方便用户在互动中表达情绪与态度时便捷选用，“多项情绪表情选项”既为用户提供清晰的情绪表达机会，也直观传递其他网民情绪趋向。
（二）情绪互动的可支配性
综观算法逻辑在头部社交平台的发展生态，算法情绪的生存环境携带受寡头支配的可能性。如今的平台生态系统是基于数据的流动和循环反馈，优化算法练习，并在算法的协调下实现多元主体的相互作用、相互依存的有机体。从内部来看，不同平台都根据自身特性与目的来动态调整为用户推荐适应的场景。例如，微博用户既通过“好友搜”找寻与自身在某一领域相联系的人或事件，也能进入实时热搜榜点击话题标签选择感兴趣的时效信息。此外，算法监测技术的支撑加速了情绪支配行为的形成。例如，可感知用户情绪反应的智能手机商品传感器、精准定位用户的情绪数据追踪器等情绪监测设备的实践操作在不断为算法监视创造外部技术条件。此外，用户自身的平台黏性和平台设定的精细评分机制为寡头支配创造条件，个体情绪可能会落入情感资本交易的风险中。
（三）情绪传播的模式化
算法逻辑推理的客观特征实现了交往关系内在情绪传播的模式化传递。社交网络的弱连接特性和碎片化社交，加之情绪的非理性特征，社交媒体情绪传播常常处于一种随机、混乱的流动状态，而算法将输入转换成输出的计算步骤实现了社交媒体情绪传播范式的智能化转向。当越来越多的社交平台引入算法设计改变用户社交信息的流向规则时，非逻辑化的情绪传播模式发生结构性的转变。内容生产上，深度学习、建模、编程、推理等一系列可自动化决策的算法程序，以及算法对信息统计、编码、重组的可操作化特性为情绪传播的规则化奠定了内里基础。比如，算法的情感建模提升机器对人类情绪的可识别能力，利用多种数字信号共同生成的复合型情感建模轻而易举将情绪纳入计算当中，使得计算机比人类自身更加了解自己。外部把关中，无监督式的机器自动化决策也开始替代人类的专业价值判断，在社交媒体环境中扮演着“隐形”把关人的角色。基于特定计算模式的算法可以将输入的情绪化信息转化为可预期结果的编码程式，一定程度上迫使Facebook、YouTube、Twitter等社交平台上的用户信息选择意识可能陷入算法的泥沼，“能动性”迟缓的信息选择行为减少了算法情绪传播的运行阻碍。
（四）情绪聚合的圈循性
算法类型化思维构成情绪的圈层化聚合结构。受算法设计者认知模式与决策效率的影响，信息传播自然形成人类认知的类型化思路，并作用于用户与群体、群体与群体的情绪互动关系之中。它作为意见聚合的幕后推手，利用意见回音效应为松散的网络人群提供一个彼此靠近的情绪“同温层”，人们像气态分子一样靠近与自己价值观、态度、立场相似的人来抱团取暖。这种看似情绪的“偶遇”令起伏不定的情绪流动状态可以落地到与自身情绪高度相符的层级。此外，算法及时获取受众情绪反馈的行为有助于发挥情绪循环效应。情绪循环效应在传受者之间相互作用，集体情绪的感染行为在传播过程中循环往复，直至达成情绪认同和认知的趋同。算法在社交媒体情绪循环中充当“智能风车”，流量和数据的即时捕捉不断“反哺”算法投喂机制，以此建立一种智能反馈的循环模式。
受传播主体多元、网民结构失衡、传播内容繁杂与网络空间规范有待加强等多重因素影响，非理性论争与情绪宣泄式的意见表达对网络舆论环境形成了不可忽视的消极影响。算法驱动下的情绪传播具有新的特征，在社交媒体平台、意见领袖与用户的传播互动中，算法情绪传播所引发的网络舆论负面效应也不可小觑。
（一）算法情绪操控生成舆情狂欢景观
由于国内算法相关法律和行政规制有待完善，平台商业资本运营策略与算法弱把关机制下，公众情绪与流量相互影响、相互塑造。情绪事实上起着社会控制的作用，以维护某一社会或社团的文化价值体系，尤其是在“流量为王”的平台运行策略下，有助于快速建立社会共识。作为社会价值观内化载体的情绪也会变成一个算法传播要件来带动流量。基于流量标准的算法决策本身难以保障信息质量，容易忽略对社会主流价值取向的把握，更多注重于流行性、娱乐化事件。平台为迎合用户通过娱乐化的内容缓解物质与精神压力的消费心理，对用户情绪文本进行算法弱把关，任其走向无拘束的非主流价值文化。以国内最大的舆论聚集地微博为例，据统计，作为微博用户主力军的“90后”“00后”，对热点的关注主要集中于影剧综艺及游戏领域，总体呈现泛娱乐特征。由社会主流价值引导的舆论议题被年轻网民吃瓜心理和娱乐情绪所淹没，“八卦生产链”依附算法流量蔓延，将集体情绪捆绑在虚无的、充斥着绯闻与负能量的氛围中。
（二）算法情绪动员激化舆论场
在情绪聚合的环节中，网络意见领袖作为圈层里的重要传播主体发挥强大的情绪动员作用。算法的商业交易属性使得自媒体和大V博主也可从所隶属或合作的数据商业公司获得高级访问信息的权限，其利用算法渠道获得公众情绪走势，造成对用户情绪的吸引和煽动；同时，借助算法水军的庞大力量，通过机器测算受众的情绪反馈来进行情绪设置，稳固网民情绪。伴随自媒体与网络水军的算法情绪动员能力的壮大，用户的媒体信任容易发生异化。据《2021数字新闻报告》显示，在Instagram、Snapchat等新型社交媒体中，作为网络舆论主力军的年轻用户更易追逐名人或其他意见领袖的观点，以致被异化的信任飘浮在碎片化的表象和情绪化的抗争中。另外，在社交媒体信息环境中，出现了新兴意见领袖—具备舆论情绪操纵能力的社交机器人。算法驱动下，受自动化程序操控的社交机器人可以模拟人类社交账号，通过发布大规模的虚假信息影响公众舆论。有研究在分析Twitter关于中国新冠疫苗议题参与上，利用NLP工具比较人类和社交机器人所发布内容的情感态度。发现绝大多数机器人所发布的内容极度渲染对中国新冠疫苗的负面情绪，将其作为一个刻意制造舆论冲突与矛盾的符号武器，加剧了群体极化和价值分裂。
（三）算法情绪偏见加剧“后真相”
算法用户的情绪偏见在生产、分享和感染等环节中逐渐加剧“后真相”议程。在情绪生产环节中，情绪表达与感知的数据化、具象化特征导致历史数据的原始偏见、算法设计者的人工偏见以及机器深度学习的社会偏见不可避免，如种族文化、性别歧视、西方霸权等社会偏见的算法生产及推荐将影响公众的认知层面，从而进一步生成情绪偏见；情绪分享环节裹挟社会偏见的原始情绪数据，经由人工主观性算法设计推送给目标用户，而用户在大量针对性情绪信息轰炸的过程中产生情绪感知失调，可能形成信息偏食的偏执型人格；在情绪感染环节，算法“投喂”在某种程度上助推公众情绪的刻板符号生成。圈循化特征促使接收的刻板情绪与公众本身持有的相似情绪相互叠加、强化情绪认同，并积淀为一个长期的情感状态，这也使得他们再次面对同一类情绪型舆论事件时，会自动生成刻板情绪符号。由公众原始认知偏见、信息偏食的偏执型人格和情绪刻板符号组成的情绪偏见在一定程度上加速了“后真相”议程。另外，部分平台对基于互动指标的加权算法的推崇行为会引发情绪化氛围，煽动、耸动、肤浅的内容获得更多的推荐概率，在情绪偏见指引下，情绪感染胜过逻辑推断，每个人都在自己信任半径范围内找到所谓的“真相”。
算法情绪传播作为一种新兴的网络社会现象，是在“数据+算法”的双驱动机制下作用于人们对网络情绪化主导事件的心理反应状态。算法作为客观性技术渗透于网络情绪生产、表达、感染的一系列环节，当算法情绪在转变成算法社会情绪的过程中，新的情绪传播特征对舆论也会造成负面的影响。考虑到未被计量在算法程序的边缘主体以及“情感表演”等因素，算法情绪传播无法完整反映现实的情绪曲线，与现实情绪可能存在一定偏差，其仍处于弱人工智能时代。但随着算法的迭代更新与智能技术的不断完善，未来的算法情绪传播的影响范围会逐渐扩大。一方面，算法情绪传播是正视技术作为一种重要的甚至是支配性的社会力量存在，并且是否未来会形成人机共生的关系还有待探究；另一方面，要将其纳入互联网治理范围，利用大数据技术的情绪挖掘、预测、核查虚假消息等功能反向制定未来舆情数字治理策略，帮助政府和社会管理者实现谣言治理和规制舆论风险。