Upload
-
View
64
Download
10
Embed Size (px)
Citation preview
微博上的说服效应:微博转发数和思维方式对说服效果影响
彭唯 2012.11.20
Introduction
• 微博混乱的信息接受环境下,哪些因素会影响人们的态度转变?
Persuasion
• 什么是说服?• 经典的双加工模型: ELM & HSM
• 新的元认知模型:自我确认假说
Self-Validation Hypothesis
StimulateStimulate ConfidenceConfidence AttitudeAttitude
Self-Validation Hypothesis
• 信息源的人数状态与说服( Horcajo, Petty & Briñol, 2010)
Self-Validation Hypothesis
• 转发数≈信息源人数状态• 论据强弱
Hypothesis 1
• 转发数会影响微博论据的说服效果。当转发数较大时,人们会更依赖论据强弱做出态度改变;而当转发数较小时,论据强弱的影响将会变小。
Naive Dialectism
多数人
少数人
强论据 √ x
弱论据 x √
Naive Dialectism
• 整体性思维:变化、联系、矛盾• 中国人在面对明显矛盾的两条论据时,会采用折中的策略来部分相信各自的观点,而美国则会采取极化的策略( Peng & Nisbett, 1999)。
Naive Dialectism
在微博中,当人们思维方式中的矛盾性越高时,他们越能容忍转发数与论据强弱之间的矛盾。
Hypothesis II
• 思维方式的矛盾性将会影响转发数的说服效果。和矛盾性高的用户相比,矛盾性小的用户在不同转发数情况下存在更大的态度变化。
Study 1• 实验程序
WeiboWeibo
FavorabilityFavorability
Repost StatusRepost Status
ConfidenceConfidence
AttitudeAttitude
Study 1
• 自变量• 内容 据论 :强或弱
• 数转发 : 1000或 10
• 因变量• 想法偏好:被试阅读完微博后写下十个关于微博内容的想法。两个编码者将这些内容进行编码,分为偏好,中立和不偏好三种。偏好指数 =(偏好数 -不偏好数) /(偏好数 +不偏好数)。
• 信心:在测量态度之前,被试在九点量表上报告自己对之前所列想法的信心。
• 度态 :被试在一系列的 9点语言量表上报告自己对目标的态度,最后的 平均得分为最后的态度分数。
Study 1
预期结果论据强弱与转发数量存在交互作用,在大转发量( 1000)的情况下,强弱论据的微博造成的态度改变差异更多,而在小转发量( 10)下,不同论据造成的态度差异较小。
Study II• 实验程序
WeiboWeibo
Repost StatusRepost Status
FavorabilityFavorabilityThinking Thinking
StyleStyleConfidenceConfidence
AttitudeAttitude
Study II
• 自变量• 思 矛盾性维 :通过中国人整体思维量表测得的矛盾性得分。
• 数转发 : 1000或 10
• 因变量• 想法偏好:被试阅读完微博后写下十个关于微博内容的想法。两个编码者将这些内容进行编码,分为偏好,中立和不偏好三种。偏好指数 =(偏好数 -不偏好数) /(偏好数 +不偏好数)。
• 信心:在测量态度之前,被试在九点量表上报告自己对之前所列想法的信心。
• 度态 :被试在一系列的 9点语言量表上报告自己对目标的态度,最后的 平均得分为最后的态度分数。
Study II
预期结果思维方式的矛盾性将会影响转发数的说服效果。和矛盾性得分高的用户相比,矛盾性小的用户在不同转发数情况下存在更大的态度变化。