狠狠撸

狠狠撸Share a Scribd company logo
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
Stimulate

Confidence

Attitude
Self-Validation
Hypothesis
? 信息源的人数状态与说服( Horcajo,
Petty & Bri?ol, 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。
? 实验程序

Study 1

Weibo
Favorability
Repost Status
Confidence
Attitude
Study 1
? 自变量
?
?

内容论 据:强或弱

?

想法偏好:被试阅读完微博后写下十个对于微博内容的想法。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。

?

态 度: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。

转发 数: 1000 或 10

? 因变量
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。
?

实验程序

Study II

Weibo
Repost Status
Favorability
Thinking
Style
Confidence
Attitude
Study II
? 自变量
?
?

思维 矛盾性:通过中国人整体思维量表测得的矛盾性得分。

?

想法偏好:被试阅读完微博后写下十个对于微博内容的想法。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。

?

态 度: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。

转发 数: 1000 或 10

? 因变量
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。

More Related Content

Final proposal

Editor's Notes

  • #4: 指在接收有关态度客体的信息后,人们的态度会在相应的加工过程中发生的变化。 当人们有动机、有能力对一个问题进行深入思考的时候,他们更多地使用说服的“中心途径”(Central route):也就是关注论据,如果论据有力且令人信服,那么他们就很可能被说服。如果信息包含无力的论据,思维缜密的人会很快驳倒它。但有时论据是否充分与否的影响并不重要,因为人们没有足够的动机和能力去仔细的思考。如果人们不花太多的时间去推敲信息的内容,这时人们所采用的是“外周路径”(peripheral route)的说服——即关注那些使人不经过很多考虑就接受的外部线索,而不考虑论据本身是否令人信服。
  • #5: 叠谤颈苍辞濒和笔别迟迟测则强调元认知在说服中的作用,提出了一种自我确认模型。他们关注人们自己对说服的认知反应的思考。这些元认知思维在动机和加工水平高时越发有效。元认知观点强调了除认知加工等级本身之外,信息的可信性、接收者本身、信息内容和情境等因素也会通过人们的元认知偏好来影响态度。
  • #6: 他们发现,当人数信息在说服消息后呈现时,消息的论据强弱和信息源的支持人数多少存在交互作用。在支持人数较多的情况下,论据的说服效应会变强。即强论据情况下表现出较大的偏好态度,而在弱论据情况下表现出较小的偏好态度。但是在支持人数较小的情况,论据的说服效应会减弱。当多人数信息源信息在论据之后出现,人们的信心会增强,从而较少的运用认知资源,论据的说服效应会变强。促进作用
  • #7: 微博上转发数可以大概认为支持的人数
  • #9: 在贬辞谤补肠箩辞等人的研究中,实验处理存在支出人数多但论据弱、支出人数少但论据强这两种存在矛盾的情况。
  • #11: 可以推论,在强微博论据的条件下,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。
  • #12: 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。
  • #13: 招募被试200名,随机分成四组接受四种处理,填写相应问卷。被试需要阅读一条遮蔽转发数的微博(论据强或弱),阅读完微博之后,被试要填写对此条微博的想法偏好。之后的条目会明确告之此条微博的转发数量(多或少)。最后被试要报告自己对之前微博内容的信心和态度。
  • #14: 搜索相关微博,评价其论据强弱;技术处理转发数(遮蔽)。论据均表达同一个观点,但是强弱有不同的水平,强的论据比较坚实(某公司是个好公司因为它有弹性的工作时间),而弱的论据流于表面(某公司是个好公司因为它相当自由,大多都是临时工)。
  • #16: 招募被试200名,随机分成四组接受四种处理,填写相应问卷。被试需要阅读一条遮蔽转发数的微博(论据强或弱),阅读完微博之后,被试要填写对此条微博的想法偏好。之后的条目会明确告之此条微博的转发数量(多或少)。最后被试要报告自己对之前微博内容的信心和态度。
  • #17: 搜索相关微博,评价其论据强弱;技术处理转发数(遮蔽)。论据均表达同一个观点,但是强弱有不同的水平,强的论据比较坚实(某公司是个好公司因为它有弹性的工作时间),而弱的论据流于表面(某公司是个好公司因为它相当自由,大多都是临时工)。