社交媒体：爱与恨，它就在这里。说到爱与恨，最近的大量研究已经解决了有关情感过程在社交媒体上播放的核心问题。
我们如何通过电子传达我们的情绪状态?表情符号及其更具表象的表情符号表情符号是一种流行的途径。自1980年代以来，在线传播者一直在使用标点符号的组合来传达讽刺或开玩笑的语调(例如，“窃听器!”和“窃听器：-)”无疑传达了不同的含义)。最近，社会心理学家达彻·凯特纳(Dacher Keltner)与皮克斯(Pixar)的人们一起开发了一套名为“贴纸”的动画表情符号，称为“芬奇”。雀科旨在反映各种各样的情感体验，而分号，括号和破折号根本无法捕捉到这些情感体验，包括爱情，同情，敬畏，嫉妒和尴尬。
Finch表情符号不仅广受欢迎，而且由Dacher Keltner在2月份的人格与社会心理学协会会议上发表的对它们的使用的分析揭示了全世界令人着迷的趋势。在俄罗斯和地中海地区，经常使用“喜欢的”芬奇。在澳大利亚和美洲，“同情”芬奇的使用非常频繁。情感交流可以告诉我们关于文化的哪些信息?显然，不少。
社交媒体中的情感交流当然不仅仅限于表情符号和表情符号。我们使用的词语还传达了我们对过去事件的感觉，当前的感觉或对未来的感觉。对Facebook和Twitter帖子的语言分析揭示了很多有关用户情绪的信息。世界福利计划(www.wwbp.org)允许访问者跟踪各个年龄段的单词使用情况，包括但不限于带有情感基调的单词。分析是基于75,000多名Facebook用户进行的。我自己的粗略分析显示，老年用户比年轻用户使用“感恩”的频率更高，而“愤怒”的频率则更低。因此，情感电子交流的信息本质不仅仅是文化，在线情感语言会根据年龄段，性别和性格特征而变化。
事实证明，在线情感语言不只是描述性的，它还可以指示社区的幸福程度。分析的由约翰内斯·Eichstaedt领导的研究小组进行了1.48亿Twitter消息透露，社区的居民愤怒的语言鸣叫是社区高从动脉粥样硬化心脏疾病死亡的风险。实际上，Twitter上的语言在预测心脏病死亡率方面的工作要好于一组包括人口统计学(例如性别)，社会经济变量(例如收入)和健康风险因素(例如吸烟)的10种预测因素。
与在线情绪具有“传染性”的发现相辅相成的是，很明显社交媒体上的情绪过程是有效的。除了有争议的Facebook实验，通过社交媒体网络传播情绪的概念已经得到了强有力的经验支持。对来自中国(在微博上)的350万个类似Twitter的帖子的分析显示，喜悦通过网络迅速传播，但被愤怒所超越。在另一项研究中在数百万的Facebook用户上进行的一项操作，一个用户的积极帖子使该用户的朋友的积极帖子增加了1.75倍(而消极帖子减少了1.80倍)。一个用户的负面帖子增加朋友的负面帖子的因素是1.29(减少朋友的正面帖子的是1.26)。在线情感传染的其他证据来自乔纳·伯杰(Jonah Berger)和凯瑟琳·米尔克曼(Katherine Milkman)，他们分析了7,000份《纽约时报》在线文章的病毒性质。激怒读者的内容比那些令读者难过的内容更容易被分享。
它并不像看起来那样可怕：在后来的研究中，引起敬畏感的NYT内容也得到了广泛分享。消极情绪是病毒式传播-但其中有两个是积极内容-尤其是使我们“震惊”的内容。
这并不是说我们是社交媒体的被动用户，会受到他人的情感冲击。事实上，我们使用社交媒体作为情绪调节的论坛：研究由本杰明·约翰逊K.和Silvia克诺布洛赫-Westerwick显示，当在有点情绪低落，个人寻求其他社交媒体的用户，可能是更糟向下社会比较(显然是为了让自己感觉更好)。
在线交流的情感主题揭示了我们作为人，文化和人类的身份。我们不仅影响他人，而且还受到通过社交媒体分享的情感的影响。社会科学家才刚刚开始理解社交媒体中发生的情感过程–我们处于“大数据”时代令人兴奋的前沿。
