信息繭房催化下粉絲群體從眾惡評行為形成機制研究

摘" "要：在信息爆炸的網絡環境中，用戶極易受到情緒和從眾心理等主觀因素的影響，進而表現出一系列諸如謠言傳播、從眾惡意評論等非理性行為，破壞了網絡生態的健康發展，這種行為在粉絲群體中尤為突出。文章整合了一般攻擊模型、認知失調理論和情緒歸因理論，采用結構方程模型（SEM）和模糊集定性比較分析（fsQCA）相結合的方法，從信息繭房的視角切入，深入分析粉絲群體從眾惡評行為的驅動因素及其構型路徑，旨在為維護社交媒體平臺的健康生態提供重要的理論支撐。SEM分析結果顯示，特質憤怒與信息繭房正向影響敵意歸因偏差，而信息繭房與情感承諾對認知失調具有正向影響。敵意歸因偏差、認知失調和負性情緒均正向影響從眾惡評意愿；同時，負性情緒在敵意歸因偏差與從眾惡評意愿之間，以及認知失調與從眾惡評意愿之間均具有顯著的中介效應。fsQCA結果表明，信息繭房增強型和信息繭房缺失型兩類構型均會觸發從眾惡評意愿。基于此，社交媒體平臺應通過引入多元化信息和減少信息繭房效應，減少認知偏見和負性情緒的傳播，從而維護網絡空間的健康生態。

關鍵詞：信息繭房；從眾惡評行為；一般攻擊模型；認知失調

中圖分類號：G206.3" "文獻標識碼：Ａ" "DOI：10.11968/tsyqb.1003-6938.2024071

The Formation Mechanism of Herd Malicious Comment Behavior among Fan Groups under the Catalysis of Information Cocoon

Abstract In the context of an information-overloaded online environment， users are highly susceptible to subjective factors such as emotions and herd mentality， which can lead to a series of irrational behaviors， including the spread of rumors and herd malicious comments. These behaviors undermine the healthy development of the online ecosystem， and such behavior is particularly prominent among fan groups. This research integrates the General Aggression Model， Cognitive Dissonance Theory and Attribution Theory of Emotion， employing a combined approach of Structural Equation Modeling （SEM） and Fuzzy-set Qualitative Comparative Analysis （fsQCA）. From the perspective of information cocoon， this research thoroughly analyzes the driving factors and configurational paths of herd malicious commenting behavior within fan groups， aiming to provide significant theoretical support for maintaining a healthy ecology on social media platforms. The SEM analysis results indicate that trait anger and information cocoon positively influence hostile attribution bias， while information cocoon and emotional commitment have a positive impact on cognitive dissonance. Hostile attribution bias， cognitive dissonance， and negative emotions all positively influence the willingness to engage in herd malicious comments. Additionally， negative emotions serve as a significant mediator between hostile attribution bias and herd malicious comment behavior， as well as between cognitive dissonance and herd malicious comment behavior. The fsQCA results indicate that both the information cocoon-enhanced and information cocoon-absent configurations trigger fans’ willingness to engage in herd malicious comment behavior. Based on these findings， social media platforms should introduce diversified information sources and reduce the effects of information cocoon to mitigate the spread of cognitive biases and negative emotions， thereby fostering a healthier online environment.

Key words information cocoon; herd malicious comment behavior; the general aggression model; cognitive dissonance

隨著信息技術的迅猛發展，互聯網已成為人們日常生活中不可或缺的組成部分。截至2023年，中國網民數量已達10.92億人，網絡互動已成為人們日常交流與信息獲取的重要渠道［1］。然而，在這種高度互動及信息爆炸的網絡環境中，用戶很容易受到情緒和從眾心理等主觀因素的影響，進而表現出一系列非理性行為［2］。這種行為在粉絲群體中尤為突出。2024年巴黎奧運會期間，一些極端粉絲對任何針對其偶像的負面評價都表現出強烈的惡意與敵對態度，盡管這些評價是建立在事實依據或公正分析的基礎之上。這一現象引發了廣泛的社會關注，央視及相關媒體對此進行了嚴厲批評，指出此類群體性惡意評論行為破壞了健康的公共討論氛圍，整治“飯圈”亂象刻不容緩。

非理性的“飯圈”行為具有強烈的從眾效應。首條或熱門惡意評論往往會成為引發后續評論的導火索，帶動大量跟風黑評，這不僅加劇了網絡暴力的擴散，也壓制了多樣化的聲音，導致了“沉默的螺旋”效應的產生。這類從眾行為并非基于事實分析，而是受到情緒感染和群體壓力的影響，以及“信息繭房”效應的助推。信息繭房是指用戶在信息接收過程中，由于個人偏好、算法推薦等因素的影響，逐漸被隔離在由同質化信息包裹成的“繭房”環境中［3］。隨著社交媒體應用的普及和智能推薦算法的不斷發展，同質化的信息流讓用戶們難以接觸到不同觀點，進而加劇了認知偏見，使得群體內的從眾惡評行為愈加頻繁且極端。

在信息繭房的催化下，從眾惡評行為嚴重破壞了網絡空間和諧理性的討論氛圍，因此深入研究信息繭房催化下的從眾惡評行為，揭示其影響因素及形成機制，對于制定有效的應對策略、維護社交媒體平臺的健康生態至關重要。本文將以粉絲群體為例，基于一般攻擊模型和認知失調理論，采用結構方程模型和模糊集定性比較分析的混合方法，從個人因素、情境因素及內在信息加工模式三個層面出發，探究從眾惡評行為的影響因素及其相互作用關系。

1" "文獻綜述與理論基礎

1.1" " 從眾惡評行為研究

從眾行為是指個體在群體影響下趨向于做多數人所做的事情［4］，這種行為廣泛存在于社會的各個領域，包括金融投資［5］、消費決策［6］等。在網絡環境中，由從眾心理驅動的從眾信息行為受到了國內外學者的廣泛關注。從眾信息行為是從眾行為與信息行為的交織產物，其本質在于個體在信息活動中表現出的從眾傾向［7］，通常表現為個體在信息獲取［8］、傳播［9-11］和使用［12-13］的過程中，缺乏獨立判斷和客觀分析，盲目跟隨他人［14］。

在信息評論這一廣義情境中，現有研究主要借助實驗方法驗證從眾效應的存在［15-16］，或使用扎根理論等方法識別其影響因素［17］。在此基礎上，學者們也開始在惡意評論這一更具攻擊性的語境中探討從眾效應的影響。惡意評論是指違反社交平臺規定、帶有攻擊傾向的評論，通常包括對其他用戶的攻擊言論、對特定群體的偏激言論以及故意挑起爭議的話題，這類惡意行為可以細分為帶有辱罵、仇恨、歧視、無意義發言以及煽動性質等因素的評論［18］。Li通過實證研究發現，從眾心理對于惡意評論及網絡欺凌行為有著顯著的影響［19］。在社交媒體平臺上，惡意評論一旦開始，其他個體會因為群體的影響或負性情緒的感染而參與其中，如果不能及時發現并加以引導，攻擊程度和規模就會不斷升級，甚至演變為更為惡劣的群體網絡暴力事件［20］。目前已有學者探討了匿名性、社會認同等因素對從眾惡評等網絡攻擊行為的影響。如Aini的研究表明，社交媒體用戶在發表負面評論，尤其是在批評、侮辱和譴責他人時，更傾向于使用匿名賬戶，且當個體看到其他人已經發表了惡意評論時，他們會更加自信地參與其中［21］。Bleize等則從社會身份的視角出發，研究了青少年在WhatsAPP平臺上的從眾惡評行為，探討了社會認同及群體壓力對該行為的影響［22］。

綜上所述，作為從眾信息行為中最具攻擊性的表現形式之一，從眾惡評行為不僅加劇了網絡暴力和輿論失控的風險，還對個人聲譽、社會信任以及網絡生態的健康發展帶來了嚴重威脅。目前，現有研究大多集中于對從眾惡評行為表現形式及影響因素的探討，而針對從眾惡評行為形成機制的系統性研究仍處于探索階段。此外，信息繭房作為互聯網時代的普遍現象，其加劇了個體信息窄化及群體內部的信息一致性，進而推動了從眾行為的產生，然而目前從信息繭房視角出發研究從眾行為的文獻仍較為有限。鑒于此，本文將基于一般攻擊模型，系統分析信息繭房催化下從眾惡評行為的影響因素及生成機制，旨在豐富從眾行為的理論框架，并為理解從眾行為提供信息繭房這一新視角。這一創新視角不僅有助于深入分析從眾惡評行為的復雜性，還為治理和應對網絡暴力提供了重要的理論支撐。

1.2" " 一般攻擊模型

一般攻擊模型（The General Aggression Model，GAM）是由Anderson和Bushman提出的一個綜合性框架，用于解釋攻擊行為的產生和發展過程，其中攻擊行為是指任何旨在傷害不希望受到傷害的人的行為，無論是身體上、語言上還是心理上的傷害［23］。一般攻擊模型整合了社會學習理論、認知新聯想理論和腳本理論，其認為攻擊行為的產生受到人格、心理、社會因素、基本認知過程等多種因素的共同影響［24］。一般攻擊模型分為三個階段（見圖1），個人因素和情境因素相互作用，影響個人的認知、情感和喚醒等內部狀態，該內部狀態會進一步影響個體對行為的評估與決策，最終導致行為結果，同時行為結果又能作為新的輸入變量，形成一個動態循環的過程。一般攻擊模型關注的是“情境中的個體”，其輸入過程中的個人因素是指可能影響個體對情境反應的差異性特征，如人格特質、信仰、態度、價值觀及長期目標等［25］；情境因素則包括除了個體因素之外的所有外部或環境變量，許多學者在研究中重點探討了可能增強或抑制攻擊性行為的情境特征，如攻擊性線索、藥物、外部激勵等［23，26］。已有研究將高特質憤怒、不穩定的高自尊和自戀等人格特質視為導致攻擊行為的重要個人因素；同時，社交壓力、暴力媒體等情境因素也被證實會增加攻擊行為的發生概率［27-28］。基于此，已有學者運用一般攻擊模型研究了特定情境下的攻擊行為，包括家庭暴力［29］、網絡欺凌［30］、暴力媒體對攻擊行為的影響［31］等。

本文所研究的從眾惡評行為是一種典型的發生在互聯網環境中的攻擊行為，表現為個體在網絡群體或社會媒體中，受到群體氛圍或他人行為的影響，對目標對象發表攻擊性言論。與傳統的攻擊行為類似，從眾惡評行為具有傷害性意圖，但同時又具有互聯網特有的情境特點，如匿名性、去個體化等。信息繭房作為互聯網環境中的普遍現象，指的是個體因算法推薦、興趣導向或群體歸屬而被限制在同質化的信息環境中，其通過強化個體的認知偏見、放大負性情緒等方式，成為誘發從眾惡評等攻擊行為的重要情境因素。一般攻擊模型（GAM）作為一個整合性框架，能夠有效解釋從眾惡評行為的生成機制，基于此，本文將從互聯網的重要情境因素——信息繭房進行切入，分析信息繭房如何作為輸入變量，與其他個人因素共同作用，影響個體的認知和情感，進而促發惡評行為的發生。

1.3" " 認知失調理論

認知失調理論（Cognitive Dissonance Theory）認為當個體同時持有兩個或多個相互矛盾的認知時，會感覺心理不適，并且傾向于采取相應的行動以緩解這種失調感［32］。個體減少失調的策略包括面對機制和回避機制兩種。其中面對機制指個體通過改變失調關系中的認知要素來減少失調，如改變態度或行為等；回避機制則是個體試圖通過忽略沖突信息或扭曲現實來減少失調感，如選擇性暴露、否認不一致信息等［33］。在信息行為研究中，認知失調理論常被用于解釋個體在面對信息過載或信息不一致時的應對措施。Hart等研究發現，個體在面對海量信息時，往往會選擇性地接觸與其已有認知一致的信息，以減少認知失調帶來的不適感［34］。

在本文的研究情境中，認知失調理論為解釋粉絲群體的攻擊行為提供了理論支持。當粉絲群體處于信息繭房中，他們接觸的主要是偶像的正面信息，導致其認知體系趨于單一化。因此當他們看到與其固有認知相悖的負面信息，便會產生認知失調感。為緩解這種心理不適，他們可能會參與到反駁或攻擊的行為中，以恢復認知一致性。

1.4" " 情緒歸因理論

Schachter和Singer提出的情緒歸因理論（Attribution Theory of Emotion），又稱情緒雙因素理論，是情緒研究領域中最具影響力的理論之一［35］。該理論認為，情緒的產生來源于兩個主要因素：生理喚醒和認知評估，其中生理喚醒是情緒產生的生理基礎，而認知因素則決定了情緒的類型和情感強度。該理論已被廣泛應用于情緒調節、社會行為等領域［36］。

對于一般攻擊模型框架，有學者提出，內部狀態變量并不遵循固定的先后順序，任何一個變量的變化都可能先行發生，并通過不同途徑影響其余一個或兩個變量；或者在某些情境下，可以主要通過一種途徑影響攻擊性行為［27］。武器效應（Weapon Effect）便是一個典型的例子，武器作為外部情境因素，通過觸發與攻擊相關的認知（如暴力行為的聯想），進而喚起攻擊性情緒，這一內部過程遵循的是從認知到情緒的單向路徑［37］。因此，在本文的研究情境中，情緒歸因理論能夠有效補充GAM框架，幫助解釋情境因素如何通過認知評估引發情緒反應。

2" "研究模型與假設

2.1" " 特質憤怒假設

在一般攻擊模型的框架中，人格特質作為個體輸入變量，對攻擊性行為具有顯著影響。其中，特質憤怒（Trait Anger）被認為是促發攻擊行為的重要人格因素［38］。特質憤怒是指個體在面對負性刺激或壓力情境時所表現出的穩定且持久的憤怒傾向［39］。不同于狀態憤怒，特質憤怒是一種相對穩定的人格特質，反映了個體對憤怒誘發情境的敏感性，以及面對這些情境時的憤怒頻率、持續時間和強度。已有研究表明，高特質憤怒個體在社會互動中更容易注意到敵意線索，從而對他人的行為進行敵意性歸因［40］。特質憤怒和反應性攻擊的綜合認知模型進一步指出，特質憤怒使人們更容易產生敵意解釋，進而導致攻擊行為［41］。因此，本文認為，在面對一些較為模糊的言論時，特質憤怒較高的粉絲更容易將其解讀為具有敵意，從而進行攻擊性回應。基于此提出以下假設：

H1：特質憤怒正向影響敵意歸因偏差。

特質憤怒不僅會影響個體的情緒反應，還可能導致認知上的沖突和不一致。已有學者提出焦慮和憤怒等個人心理特征在很大程度上導致了認知失調的喚起［42］。低特質憤怒個體在沖突情境中通常能夠更有效地調節情緒，他們的情緒反應較為平穩，感知到的不適感和失調感更輕［43］。因此，本文認為，高特質憤怒個體在面對認知沖突時的反應可能會更加激烈，其情緒調節需求和認知失調感可能更強。基于此提出以下假設：

H2：特質憤怒正向影響認知失調。

2.2" " 情感承諾假設

在一般攻擊模型的框架中，常見的個人因素除了人格特質，還包括人的信仰、態度和價值觀等［26］，這些因素對于解釋從眾惡評等攻擊行為具有重要作用。在本文的研究情境中，情感承諾被視為重要的個人因素，體現為粉絲對其喜愛的團隊、明星或品牌的深厚情感依賴及忠誠［44］，其決定了個體如何在群體或社交互動中形成認同，同時指導著個體在群體中的行為。情感承諾這一概念源于Meyer和Allen提出的三維承諾模型［45］，代表著個體對某一組織、群體或目標的情感依附和認同，且常被用以解釋個體在網絡環境中的持續參與和互動行為［46］。情感承諾較強的個體，通常對內群體具有高度的認同感和歸屬感，甚至會形成內群體偏好和外群體偏見［47］。因此高情感承諾的個體在處理信息時，可能表現出更強的防御性認知，更容易將外部信息解讀為對群體或自身的威脅，從而引發敵意歸因偏差。基于此提出以下假設：

H3：情感承諾正向影響敵意歸因偏差。

當個體對群體的情感承諾增強時，他們的自我概念會更加緊密地與群體身份相融合，進而表現出更高程度的群體認同感。已有研究表明，深度投入偶像崇拜的粉絲，對自我的認知相對消極和迷茫，更傾向于將群體的目標、規范及行為標準內化為自己的追求［48］。關于體育粉絲的研究發現，部分足球迷甚至會將自己的偶像視為“自我”的一部分［49］。因此，本文認為，情感承諾較強的粉絲在面臨與群體信念相沖突的信息時，可能會將其視為對自我認同的挑戰，進而導致情緒上的不適和認知上的沖突。基于此提出以下假設：

H4：情感承諾正向影響認知失調。

2.3" " 信息繭房假設

在一般攻擊模型的框架中，情境因素指的是除個體因素之外的所有外部或環境變量［23，26］，許多學者重點研究了特定情境下，能夠增加或抑制攻擊性的特征［27］。在互聯網環境中，信息繭房效應會放大個體的認知偏見與敵對情緒，從而導致群體極化及攻擊行為的產生［50-51］。信息繭房使得個體長期暴露于單一、同質化的信息流中，削弱了其對異質信息的接受能力。個人的信息偏食導致了共同經驗的減少，共識難以達成，甚至會對外界的不同意見或反對聲音產生敵意感知。這種現象在群體中尤為明顯，受困于繭房中的個人，在獲得群體認同感之后，會產生對內群體的信任和偏愛情緒，同時，其對外部群體的敵意認知會逐漸加劇［52］。基于此提出以下假設：

H5：信息繭房正向影響敵意歸因偏差。

當個體接觸到與其既有認知模式不一致的信息時，會產生認知失調感，進而引發不適感。信息繭房的本質在于信息獲取的單一化和封閉性，這導致個體長期暴露在高度同質化的信息環境中，難以接觸到多樣化的信息［53］。因此處于信息繭房中的個體在面對沖突性信息時，會表現出更強烈的認知失調反應。本文認為，信息繭房不僅放大了個體的敵對情緒，還可能促使認知失調感的加劇。基于此提出以下假設：

H6：信息繭房正向影響認知失調。

2.4" " 敵意歸因偏差假設

許多學者認為，敵意歸因偏差（Hostile Attribution Bias）是導致攻擊性行為的關鍵認知因素之一［54］。敵意歸因偏差是指當個體處于模糊的社會情境中時，傾向于將他人的行為解讀為具有敵意或攻擊性的認知傾向［55］。這一認知偏差常常與攻擊性行為的發生密切相關。社會信息加工理論模型認為，傾向于將模糊情境解釋為敵意的個體，更有可能在該情境中對他人做出攻擊行為［56］。Almoghrabi等的操控研究驗證了這種因果關系，其研究結果顯示接受消極解釋訓練的個體往往會產生更多的消極解釋，并表現出更多的攻擊性行為［57］。因此本文認為，受敵意歸因偏差影響的個體更容易將他人的言論或行為解讀為對自己或群體的威脅，從而促使其發表攻擊性言論。基于此提出以下假設：

H7：敵意歸因偏差正向影響從眾惡評意愿。

敵意歸因偏差也與負性情緒的發生密切相關［58］。研究表明，個體在高敵意歸因偏差的情況下，更容易產生憤怒、焦慮和敵對情緒，并且這些負性情緒往往更加強烈和持久［59］。因此，本文認為，在信息處理過程中，粉絲群體的敵意歸因偏差顯著增強了負性情緒的產生，并為攻擊行為提供了認知基礎。基于此提出以下假設：

H8：敵意歸因偏差正向影響負性情緒。

2.5" " 認知失調假設

認知失調理論能夠有效解釋個體在面對與既有信念沖突的信息時所產生的心理反應及后續行為。根據認知失調理論，當個體面對信念或行為上的沖突時，通常會采用“最小阻抗”的方式來減少失調感。具體而言，個體傾向于選擇那些最容易改變的認知或行為來緩解這種不適，從而恢復內在的認知一致性。在網絡情境中，當粉絲接收到有關其偶像的負面信息時，這些信息會與他們長時間建立的偶像崇拜信念發生沖突。由于粉絲對偶像的情感投入較深，放棄或改變對偶像的正面認知往往是更具挑戰性、情感成本更高的選擇。因此，在群體壓力的影響下，粉絲可能會攻擊發布負面信息的個體或群體，以此來緩解認知失調帶來的不適［60］。基于此提出以下假設：

H9：認知失調正向影響從眾惡評意愿。

研究表明，當個體的信念和行為產生沖突時，通常會引發認知失調感，這種失調感往往伴隨著負性情緒的產生，如憤怒、焦慮和挫折感等，這些負性情緒會促使個體通過情緒調節機制采取行動，以緩解其心理上的不適［61］。一些學者的實驗結果進一步表明，當個體察覺到認知層面的不一致時，會引發負面的生理和心理喚醒反應，若此時未采取有效的干預措施來調整或緩解這種失調，負性情緒就會進一步加劇［62］。基于此提出以下假設：

H10：認知失調正向影響負性情緒。

2.6" " 負性情緒假設

在從眾惡評行為的產生過程中，情緒起到了至關重要的作用。基于社會信息加工模型，認知加工的每一步都會受到情緒的影響［63］。一般攻擊模型（GAM）認為，個體攻擊行為的表達取決于與攻擊有關的認知、喚醒和情緒三要素的彼此激活。情緒可分為正性情緒和負性情緒，其中負性情緒指對個體產生消極影響的情緒，如憤怒、焦慮等，長期積累可能會損害身心健康并誘發攻擊行為。王振宏等通過實證研究發現負性情緒體驗與個體的攻擊行為顯著正相關［64］。除此之外，處于負性情緒狀態的個體還會產生情緒調節動機，而攻擊被認為是一種有效的情緒調節手段，因此個體會出于調節情緒的目的實施攻擊。故在本文的情境中，負性情緒是影響從眾惡意評論意愿的關鍵情緒因素。基于此提出以下假設：

H11：負性情緒正向影響從眾惡評意愿。

根據情緒歸因理論，情緒的產生受到了認知評估的作用，且認知因素決定了情緒的類型和情感強度［35］。具體而言，個體會根據對情境的解讀（如敵意歸因）而產生不同的情緒反應。在群體行為的情境下，粉絲可能將負面信息歸因于外部威脅或敵對勢力，從而激發憤怒、焦慮等負性情緒，這些情緒進一步促使其參與到從眾惡評行為中。基于此提出以下假設：

H12：負性情緒在敵意歸因偏差和從眾惡評意愿間存在中介作用。

此外，根據認知失調理論，個體在面對與既有信念或認知不符的信息時，通常會引發認知失調感，進而激發負性情緒［61］。在粉絲群體的情境中，當其接觸到與其對偶像的正面認知相悖的負面信息時，這種認知沖突會加劇負性情緒的體驗，進而增強他們參與從眾惡評的動機。基于此提出以下假設：

H13：負性情緒在認知失調和從眾惡評意愿間存在中介作用。

基于一般攻擊模型，并結合上述所提出的假設，本文構建了相應的研究模型（見圖2）。

3" "研究設計

3.1" " 變量測量

本文選擇了中國乒乓球粉絲群體作為研究對象，針對這一群體的從眾惡評行為影響因素及機制進行深入研究。乒乓球作為中國的傳統優勢項目，擁有龐大且活躍的粉絲群體，尤其在近年來，隨著賽事的全球化和社交媒體的普及，乒乓球粉絲的互動模式和行為表現受到了越來越多的關注［65］。本文選取了與運動員相關的客觀評價性言論作為原始博文，并在這些博文下方附加了來自粉絲群體的惡意評論，這些惡意評論的對象是原始博文的發布者。實驗情境旨在模擬真實的社交媒體環境，考察在這些惡意評論的影響下，被試者的認知和情感的反應，以及他們是否會受到群體影響，選擇加入對原始博文的攻擊性評論行列。為確保問卷的信效度，本文所涉及的7個變量的測量均來自于國內外成熟量表，并根據本文的研究情境進行了修訂（具體測量項及來源見表1）。在本文中，問卷使用李克特五分量表來描述用戶的實際感受與題項的符合程度，1-5分別表示“完全不同意”“不同意”“一般”“同意”和“完全同意”。

3.2" " 數據收集

本文通過問卷星平臺發放在線問卷，借助社交媒體將問卷鏈接發送給目標群體，最終收集到343份完整問卷。在問卷回收后，依據研究要求對數據進行了篩選處理。首先，剔除了在關注程度問項中選擇“我只對他/她有些了解”的被試，以確保研究對象均為國乒粉絲。其次，剔除了答題時間過短以及所有題項答案完全一致的無效問卷。最終得到有效問卷276份，問卷的有效回收率為80.47%，符合網絡問卷有效回收率要求。

被試者中女性占比56.5%，男性占比43.5%，性別分布較為均衡。在年齡方面，18歲-30歲的被試者占比最多，達到47.8%，其次為31歲-40歲，占26.4%。在受教育程度方面，本科及大專學歷的被試者占比70.3%，碩士學歷占比12.3%。總體來看，年齡和受教育程度的分布均符合粉絲群體專業報告中的特征［75］。

4" "數據分析

4.1" " 共同方法偏差檢驗

在進行結構方程模型分析之前，本文首先對量表進行了共同方法偏差的檢驗。采用SPSS 26.0軟件對量表進行Harman單因子檢驗（見表2），共提取出7個特征根大于1的因子。其中第一公因子的方差貢獻率為38.645%，未超過40%，可以認為共同方法偏差問題對本文研究結果的影響較小，不構成顯著干擾。

4.2" " 信效度分析

本文使用SPSS 26.0對問卷數據的信度和效度進行了分析，分別得出其信效度檢驗結果（見表3、表4），問卷總體的Cronbach’s α系數值為0.927，且各觀測變量的α系數和CR值均在0.7以上，表明問卷具有較高的信度。此外，各因子的平均提取方差（AVE）值均大于0.5，表明問卷具有良好的收斂效度。同時，各因子的 AVE 值平方根均大于變量間的相關系數，具有良好的區分效度。

4.3" " 結構方程模型分析

本文使用Amos26.0對研究模型進行了檢驗（見表5），結果顯示，模型各項適配度指標均達到推薦標準，可以看出本模型具有良好的適配度。分析路徑結果（見圖3）發現：除假設H2、H3不成立外，其余假設都得到了支持。特質憤怒（β=0.234，plt;0.01）、信息繭房（β=0.440，plt;0.001）對敵意歸因偏差有顯著正向影響，假設H1、H5成立；情感承諾（β=0.308，plt;0.001）、信息繭房（β=0.468，plt;0.001）對認知失調有顯著正向影響，假設H4、H6成立；敵意歸因偏差（β=0.275，plt;0.001）、認知失調（β=0.446，plt;0.001）對負性情緒有顯著正向影響，假設H8、H10成立；敵意歸因偏差（β=0.216，plt;0.01）、認知失調（β=0.346，plt;0.001）、負性情緒（β=0.215，plt;0.01）對從眾惡評意愿有顯著正向影響，假設H7、H9、H11成立。

使用Amos26.0軟件的Bootstrapping方法檢驗中介效應，設置Bootstrap自抽樣次數為2000次，置信區間的置信水平為95%，得出檢驗結果（見表6）。在95%置信水平下：在敵意歸因偏差→負性情緒→從眾惡評意愿（HI→NE→HAB）的中介路徑中，間接效應的Bias-corrected置信區間為[0.012，0.195]，該區間不包含0，故HI→NE→HAB的間接效應顯著；在認知失調→負性情緒→從眾惡評意愿（CD→NE→HAB）的中介路徑中，間接效應的Bias-corrected置信區間為[0.025，0.232]，該區間同樣不包含0，故CD→NE→HAB的間接效應顯著。因此，負性情緒在敵意歸因偏差與從眾惡評意愿之間，以及認知失調與從眾惡評意愿之間均具有顯著的中介效應，即假設H12、H13成立。

4.4" " 模糊集定性比較分析

4.4.1" "變量的選取與校準

模糊集定性比較分析（fsQCA）可以在結構方程模型分析的基礎上，進一步揭示多種影響因素對結果變量的協同作用模式。本文將特質憤怒（TA）、情感承諾（AC）、信息繭房（IC）、敵意歸因偏差（HI）、認知失調（CD）和負性情緒（NE）這6個變量作為條件變量，從組態視角出發，深入剖析以上因素如何通過不同的組合方式共同作用于從眾惡意評論意愿（HAB），以提出針對性的干預與治理策略。

對各維度下的多個題項進行平均值計算后，采用完全隸屬（75%）、交叉點（50%）、完全不隸屬（25%）的標準，通過fsQCA軟件對數據進行校準處理，將所有數據轉換至[0，1]之間。

4.4.2" "必要條件分析

在進行fsQCA構型分析之前，需要對各前因變量進行必要性分析（見表7）。必要性分析用于判斷某變量是否為導致結果發生的必要條件，當變量的一致性超過0.9時，則視為必要條件。結果顯示，所有變量的一致性均小于0.9，表明從眾惡評意愿無法用任何單一條件進行解釋。

4.4.3" "組態分析

在進行fsQCA構型分析時，首先基于6個前因變量構建了包含64個條目的真值表。本文將案例頻數閾值設為3，一致性閾值設定為0.8，PRI一致性閾值設定為0.75。真值表生成后，可通過fsQCA4.0軟件的標準化分析功能得到影響從眾惡評意愿的前因條件組合路徑。組態分析通常會產生三類解，即簡單解、中間解和復雜解。若某條件同時出現在中間解和簡單解中，說明該條件對結果變量具有重要影響，是核心條件；若僅出現在中間解中，則說明該條件對結果變量有輔助性作用，是邊緣條件；若未出現在解中，則認為該條件對結果的影響不大。組態分析結果（見表8）顯示，總體一致性為0.8113，大于0.8，說明一致性程度很好；總體覆蓋度為0.5168，大于0.5，說明解釋力度較高。

由分析結果可以得知，共有四種前因條件組態會觸發從眾惡評行為。根據信息繭房的程度，本文將這四種組態歸納為兩類：信息繭房增強型和信息繭房缺失型。

（1）信息繭房增強型。信息繭房增強模式包括組態1、組態4，這兩條路徑均以信息繭房、情感承諾和負性情緒作為核心條件。信息繭房效應讓個體長期處于同質化信息的包圍中，難以接觸到不同的觀點，加劇了個體的認知偏見。在此背景下，情感承諾較高的個體更容易對異質信息產生強烈的負性情緒，進而導致了從眾惡評行為的發生。組態4與組態1相比，增加了特質憤怒這一核心條件，這表明特質憤怒這一人格特質也在從眾惡評行為中起到了關鍵作用。

（2）信息繭房缺失型。信息繭房缺失模式包括組態2和組態3。在組態2中，盡管個體不受信息繭房的影響，但在特質憤怒和認知失調的共同作用下，仍然會傾向于做出從眾惡評行為。組態3則表明即使在信息繭房缺失的情況下，個體由于敵意歸因偏差、認知失調和負性情緒的累積，仍然可能做出從眾惡評行為。

5" "結論與展望

本文以中國乒乓球粉絲群體為例，基于一般攻擊模型和認知失調理論，探討了信息繭房催化下的從眾惡評意愿形成機制。通過結構方程模型和模糊集定性比較分析的混合方法，得出了以下結論：

（1）結構方程模型的結果顯示，敵意歸因偏差對從眾惡評意愿具有顯著的正向影響，即敵意歸因偏差越強的個體，做出從眾惡意評論等攻擊行為的意愿也越強；認知失調對從眾惡評意愿具有顯著的正向影響，這體現了個體在試圖調節內部認知不協調狀態時的自我防御機制，即通過外部行為的調整，如惡意評論，來消除認知沖突帶來的壓力與不適；負性情緒對從眾惡評意愿同樣具有顯著的正向影響，具體而言，個體在經歷憤怒、焦慮等負性情緒時，往往更傾向于通過參與惡評來發泄情緒或尋求心理平衡。此外，中介效應顯示，負性情緒在敵意歸因偏差與從眾惡評意愿之間，以及認知失調與從眾惡評意愿之間均具有顯著的中介作用。這一中介效應表明，負性情緒是連接認知偏差與行為意愿的關鍵路徑，即情緒在認知與行為之間起到了重要的橋梁作用。

特質憤怒正向影響敵意歸因偏差，但對認知失調的影響不顯著，其可能的原因在于，特質憤怒是一種穩定的情緒特質，容易促使個體在面對模糊或沖突情境時做出敵意解釋。然而，認知失調則更側重于個體在面對信念不一致時產生的內在心理沖突，這一過程涉及較為復雜的認知調整和自我評估機制，因此特質憤怒作為情緒反應的驅動因素，可能并不足以直接影響認知失調的發生。情感承諾正向影響認知失調，但對敵意歸因偏差的影響不顯著，其可能是由于，情感承諾更多體現為個體對某一組織的情感依附和歸屬感，更側重于維持內部的情感和認知一致性，而敵意歸因偏差更多與個體對外界刺激的解讀方式及其人格特質相關。信息繭房對敵意歸因偏差和認知失調均具有顯著的正向影響，具體而言，信息繭房強化了個體在同質化信息環境中的認知偏見，使其在面對模糊或沖突情境時，更傾向于做出敵意性解釋。與此同時，單一化的信息來源進一步鞏固了個體的固有認知模式，削弱了其對不同觀點的包容性，因此當個體遇到與其固有信念相悖的外界信息時，容易引發內部認知沖突，進而導致認知失調。

（2）本文還識別了四種前因條件組態，并歸納為“信息繭房增強型”和“信息繭房缺失型”兩類，進一步揭示了不同路徑下的影響機制。在信息繭房增強型路徑中，個體由于長期接觸同質化信息，加劇了負性情緒，此外情感承諾和特質憤怒也起到了重要的促進作用；而在信息繭房缺失型路徑中，特質憤怒和認知失調依然能夠引發從眾惡評行為，表明即便缺乏同質化信息的影響，認知和情緒的負性反應仍是關鍵因素。

基于上述結論，本文為社交媒體平臺的治理提供了重要啟示。首先，為了減輕信息繭房效應的影響，平臺應優化算法推薦機制，主動向用戶推薦多元化、跨領域的內容，避免過度推送同質化、極化的信息。其次，促進跨群體互動同樣至關重要。平臺應創建并推廣開放性主題討論區或跨領域興趣小組，鼓勵用戶與持有不同觀點的群體進行互動，打破社交圈層的封閉性，增強不同群體之間的理解和溝通。最后，提升用戶的信息素養也是減少攻擊行為的重要措施。平臺應加強用戶的信息素養教育，推廣網絡素養課程或信息甄別指南，幫助用戶，特別是粉絲群體，在面對負面評論或不符合其認知框架的信息時，能夠進行理性分析和深度思考。此外，平臺還應在存在較多激烈評論的博文下提供個性化提示，幫助用戶調節情緒，減少因情緒失控引發的沖突和攻擊行為。綜上所述，通過引入多元化信息和減少信息繭房效應，平臺可以有效減少認知偏見和負性情緒的傳播，從而維護網絡空間的健康生態。未來可以進一步拓展信息繭房在不同社交媒體平臺和文化背景下的適用性，深入探討信息繭房與其他人格特質及情境因素的交互作用，此外，還可以更深入地探討認知和情緒之間的雙向反饋機制，探索它們如何共同作用于個體的攻擊性行為。

參考文獻：

［1］" 中國互聯網絡信息中心.第53次《中國互聯網絡發展狀況統計報告》［EB/OL］.［2024-07-22］.https：//www.cnnic.cn/n4/2024/0322/c88-10964.html.

［2］" 何雨娟，凡圣茗，張玥.網絡非理性群體行為概念解析與理論框架構建［J］.現代情報，2024，44（10）：64-74.

［3］" Sunstein C R.Infotopia： How many minds produce knowledge［M］.New York： Oxford University Press，2006：8-9.

［4］" Banerjee A V.A simple model of herd behavior［J］.Quarterly Journal of Economics，1992，107（3）：797-817.

［5］" Hudson Y，Yan M，Zhang D.Herd behaviour amp; investor sentiment：evidence from UK mutual funds［J］.International Review of Financial Analysis，2020，71：1-14.

［6］" 習明明，吳志軍.“雙十一”網購消費中的同伴效應與從眾行為——基于貝葉斯Probit模型估計［J］.經濟管理，2020，42（9）：95-110.

［7］" 烏吉斯古楞，王晰巍，王楠阿雪.智能推薦算法作用下重大突發事件群體信息從眾行為研究——基于社會學習理論視角［J］.圖書情報工作，2024，68（20）：87-103.

［8］" 查先進，黃程松，嚴亞蘭.從眾信息搜索驅動因素的扎根分析——以微博熱搜為例［J］.圖書與情報，2022（2）：1-9.

［9］" 莫祖英，王塏爍，趙悅名.社交媒體用戶虛假信息從眾傳播行為影響模型實證研究［J］.情報資料工作，2023，44（1）：72-81.

［10］" 曹芬芳，李愛民，葉艷，等.信息瀑布和連接強度視角下從眾信息轉發行為感知差異比較研究［J］.圖書情報知識，2024，41（1）：108-120.

［11］" 張坤，查先進，嚴亞蘭.從眾健康信息轉發行為影響因素的扎根探測——以新浪微博為例［J］.圖書與情報，2022（2）：10-18.

［12］" SHEN X L，ZHANG K Z K，ZHAO S J.Herd behavior in consumers’ adoption of online reviews［J］.Journal of the Association for Information Science and Technology，2016，67（11）：2754-2765.

［13］" 曹芬芳，程靜，葉順強，等.認知負荷視角下數字圖書館用戶從眾信息使用行為研究［J］.圖書情報工作，2023，67（2）：52-63.

［14］" 王雪芬，趙宇翔，盧珂.社交媒體交互中用戶非理性信息行為研究述評［J］.情報理論與實踐，2023，46（8）：193-201.

［15］" Colliander J.“This is fake news”：Investigating the role of conformity to other users’ views when commenting on and spreading disinformation in social media［J］.Computers in Human Behavior，2019，97：202-215.

［16］" Hsueh M，Yogeeswaran K，Malinen S.“Leave your comment below”：Can biased online comments influence our own prejudicial attitudes and behaviors？［J］.Human communication research，2015，41（4）：557-576.

［17］" 王贇芝，王雪，查先進.彈幕視頻網站用戶從眾信息評論行為驅動因素探索［J］.信息資源管理學報，2020，10（4）：60-69.

［18］" Cheng J，Danescu-Niculescu-Mizil C，Leskovec J.Antisocial behavior in online discussion communities［C］//Proceedings of the international aaai conference on web and social media.2015，9（1）：61-70.

［19］" Li W.Moral disengagement，herd mentality，moral identity，and empathy in cyberbullying roles［J］.Journal of Aggression，Maltreatment amp; Trauma，2023，32（9）：1198-1220.

［20］" 王楠，馬驕.熱點輿情事件中網民攻擊性行為影響因素分析［J］.情報探索，2023（2）：46-55.

［21］" Aini K.Conformity in the Comfort of Anonymity：A Study on Derogatory Behavior in Social Media［J］.Procedia of Social Sciences and Humanities，2024，6：180-190.

［22］" Bleize D N M，Tanis M，Anschütz D J，et al.A social identity perspective on conformity to cyber aggression among early adolescents on WhatsApp［J］.Social Development，2021，30（4）：941-956.

［23］" Anderson C A，Bushman B J.Human aggression［J］.Annual review of psychology，2002，53（1）：27-51.

［24］" 邵蕾，張登浩.社會排斥后的行為反應：基于一般攻擊模型［J］.中國臨床心理學雜志，2021，29（6）：1163-1171.

［25］" Anderson C A，Carnagey N L.Violent evil and the general aggression model［J］.The social psychology of good and evil，2004，168：192.

［26］" Bushman B J，Anderson C A.General aggression model［J］.The international encyclopedia of media psychology，2020，1：1-9.

［27］" Allen J J，Anderson C A，Bushman B J.The general aggression model［J］.Current opinion in psychology，2018，19：75-80.

［28］" Gilbert F，Daffern M.Illuminating the relationship between personality disorder and violence：Contributions of the General Aggression Model［J］.Psychology of Violence，2011，1（3）：230.

［29］" Warburton W，Anderson C.On the clinical applications of the general aggression model to understanding domestic violence［J］.Understanding domestic violence：Theories，challenges，remedies，2015：1-56.

［30］" Kokkinos C M，Antoniadou N.Cyber-bullying and cyber-victimization among undergraduate student teachers through the lens of the General Aggression Model［J］.Computers in Human Behavior，2019，98：59-68.

［31］" Anderson C A，Bushman B J.Media violence and the general aggression model［J］.Journal of Social Issues，2018，74（2）：386-413.

［32］" Festinger L.A Theory of Cognitive Dissonance［M］.New York：Stanford University Press：47-49.

［33］" 代祺，周庭銳，胡培.情境視角下從眾與反從眾消費行為研究［J］.管理科學，2007（4）：38-47.

［34］" Hart W，Albarracín D，Eagly A H，et al.Feeling validated versus being correct：a meta-analysis of selective exposure to information［J］.Psychological bulletin，2009，135（4）：555.

［35］" Schachter S，Singer J.Cognitive，social，and physiological determinants of emotional state［J］.Psychological review，1962，69（5）：379.

［36］" 郭曉棟，鄭泓，阮盾，等.認知和情感共情與負性情緒：情緒調節的作用機制［J］.心理學報，2023，55（6）：892.

［37］" Anderson C A，Anderson K B，Deuser W E.Examining an affective aggression framework weapon and temperature effects on aggressive thoughts，affect，and attitudes［J］.Personality and social psychology Bulletin，1996，22（4）：366-376.

［38］" Li R，Xia L X.The mediating effect of aggression motivation on the relationship between trait anger and reactive aggression：A longitudinal study［J］.Acta Psychologica Sinica，2021，53（7）：788.

［39］" Spielberger C D，Jacobs G，Russell S，et al.Assessment of anger：The state-trait anger scale［M］//Advances in personality assessment.Routledge，2013：161-189.

［40］" 劉文文，江琦，任晶晶，等.特質憤怒對攻擊行為的影響：敵意認知和沖動性水平有調節的中介作用［J］.心理發展與教育，2015，31（4）：485-493.

［41］" Wilkowski B M，Robinson M D.The cognitive basis of trait anger and reactive aggression：An integrative analysis［J］.Personality and social psychology review，2008，12（1）：3-21.

［42］" Bolia B，Jha S，Jha M K.Cognitive dissonance：a review of causes and marketing implications［J］.Researchers World，2016，

7（2）：63.

［43］" Cancino-Montecinos S，Bj？觟rklund F，Lindholm T.A general model of dissonance reduction：Unifying past accounts via an emotion regulation perspective［J］.Frontiers in psychology，2020，11：540081.

［44］" 代寶，續楊曉雪，鄧艾雯.社交網站品牌（粉絲）主頁用戶參與行為的影響因素分析［J］.信息資源管理學報，2018，8（3）：113-121.

［45］" Meyer J P，Allen N J.A three-component conceptualization of organizational commitment［J］.Human resource management review，1991，1（1）：61-89.

［46］" 熊淦，夏火松.組織承諾對微博社區成員知識共享行為的影響研究［J］.情報雜志，2014，33（1）：128-134.

［47］" 喬亞蘭，溫芳芳，佐斌，等.依賴或分離：內群體偏愛和外群體貶損的關系［J］.心理科學，2024，47（2）：450-457.

［48］" 尹澤軒.“粉絲”群體思想觀念調查報告：他們的熱愛與關注［J］.國家治理，2019（20）：38-48.

［49］" Porat A B.Football fandom：A bounded identification［J］.Soccer amp; society，2010，11（3）：277-290.

［50］" 張瀚予，丁怡寧，郭思琪.信息繭房效應下用戶群體極化形成機理研究［J］.圖書與情報，2024（3）：132-144.

［51］" 張玥，莊碧琛，李青宇，等.同質化困境：信息繭房概念解析與理論框架構建［J］.中國圖書館學報，2023，49（3）：107-122.

［52］" 王秋旭.信息繭房效應下微博群體極化現象分析［J］.新聞研究導刊，2015，6（7）：177-178.

［53］" 朱紅濤，李姝熹.信息繭房研究綜述［J］.圖書情報工作，2021，65（18）：141-149.

［54］" Quan F，Yang R，Zhu W，et al.The relationship between hostile attribution bias and aggression and the mediating effect of anger rumination［J］.Personality and Individual Differences，2019，139：228-234.

［55］" Dodge K A，Coie J D.Social-information-processing factors in reactive and proactive aggression in children's peer groups［J］.Journal of personality and social psychology，1987，53（6）：1146.

［56］" Crick N R，Dodge K A.A review and reformulation of social information-processing mechanisms in children's social adjustment［J］.Psychological bulletin，1994，115（1）：74.

［57］" AlMoghrabi N，Huijding J，Franken I H A.The effects of a novel hostile interpretation bias modification paradigm on hostile interpretations，mood，and aggressive behavior［J］.Journal of Behavior Therapy and Experimental Psychiatry，2018，58：36-42.

［58］" Chen P，Coccaro E F，Jacobson K C.Hostile attributional bias，negative emotional responding，and aggression in adults：Moderating effects of gender and impulsivity［J］.Aggressive behavior，2012，38（1）：47-63.

［59］" Wang Y，Zhu W，Xiao M，et al.Hostile attribution bias mediates the relationship between structural variations in the left middle frontal gyrus and trait angry rumination［J］.Frontiers in Psychology，2018，9：526.

［60］" 周曉宇.新媒體環境下養成系偶像粉絲迷群的社群特點研究［J］.新媒體研究，2020，6（18）：81-83.

［61］" Cooper J.Cognitive dissonance theory［J］.Handbook of theories of social psychology，2012，1：377-397.

［62］" Cancino-Montecinos S，Bj？觟rklund F，Lindholm T.Dissonance reduction as emotion regulation：Attitude change is related to positive emotions in the induced compliance paradigm［J］.PLoS One，2018，13（12）：e0209012.

［63］" Lemerise E A，Arsenio W F.An integrated model of emotion processes and cognition in social information processing［J］.Child development，2000，71（1）：107-118.

［64］" 王振宏，郭德俊，馬欣笛.初中生情緒反應、表達及其與攻擊行為［J］.心理發展與教育，2007（3）：93-97.

［65］" 上觀新聞.這一年，被“飯圈”圈住的中國體育，揮出了“拳頭”！［EB/OL］.［2024-10-09］.https：//export.shobserver.com/baijiahao/html/827430.html

［66］" 羅亞莉，張大均，劉云波，等.特質憤怒量表中文版在大學生人群應用的信度和效度［J］.中國心理衛生雜志，2011，25（9）：700-704.

［67］" Bateman P J，Gray P H，Butler B S.The Impact of Community Commitment on Participation in Online Communities［J］.Information Systems Research，2011，22（4）：841-854.

［68］" 龐立君，楊洲.虛擬品牌社區中信息交互對用戶參與行為的影響研究［J］.情報科學，2021，39（7）：108-115.

［69］" 虞鑫，王金鵬.重新認識“信息繭房”——智媒時代工具理性與價值理性的共生機制研究［J］.新聞與寫作，2022（3）：65-78.

［70］" 權方英，夏凌翔.敵意歸因偏向對反應性攻擊的預測及報復動機的中介作用［J］.心理科學，2019，42（6）：1434-1440.

［71］" Dillon K H，Allan N P，Cougle J R，et al.Measuring hostile interpretation bias：The WSAP-hostility scale［J］.Assessment，2016，23（6）：707-719.

［72］" Metzger M J，Hartsell E H，Flanagin A J.Cognitive dissonance or credibility？A comparison of two theoretical explanations for selective exposure to partisan news［J］.Communication Research，2020，47（1）：3-28.

［73］" 邱林，鄭雪，王雁飛.積極情感消極情感量表（PANAS）的修訂［J］.應用心理學，2008，14（3）：249-254，268.

［74］" 趙鋒，高文斌.少年網絡攻擊行為評定量表的編制及信效度檢驗［J］.中國心理衛生雜志，2012，26（6）：439-444.

［75］" 克勞銳.2023看得見的粉絲價值——六大平臺KOL粉絲分析研究報告［EB/OL］.［2024-10-27］.https：//www.digitaling.com/articles/929599.html.

作者簡介：劉雨琪（2001-），女，南京大學信息管理學院碩士研究生，研究方向：用戶信息行為；張玥（1982-），女，南京大學信息管理學院教授，博士生導師，研究方向：用戶信息行為。