Moods＆EmotionsはFacebookで「伝染性」ですか？
ただし、私たちの気分が互いに影響し合うことを理解するのに、経験的な調査は必要ありません。落ち込んでいて家族と一緒に暮らしていると、落ち込んだ気分が家族に影響を与えます。あなたが躁病で友達と付き合っている場合、その躁病エネルギーの一部が彼らをこすり落とす可能性があります。
同じことがオンラインでも発生すると思いますよね。
調査は、2009年1月から2012年3月までのFacebookで3年間で最も人口の多い都市のトップ100に住んでいる人々から収集されたデータについて行われました。研究者が言っていないため、誰のデータが収集されたかは不明です（これは奇妙なことです）誰のデータが収集されているかを推測するので注意してください）。
ただし、その時点で2人の作者がFacebookで働いていたため、最も人口の多い都市に住んでいる人々のデータのすべての米国ユーザーを収集したと考えられます。 Facebookにアップロードするすべての情報について調査を許可することに同意したことをご存知でしたか？
しかし、主な問題は、オンラインテキストを分析する研究者の間で人気となっている分析ツール、LIWCの使用です。 Linguistic Inquiry Word Count（LIWC）は、言語用の初歩的な、やや粗雑な自動分析ツールです。これらは私の言葉ではありません。これらはLIWCの作成者の1人の言葉です（Tausczik＆Pennebaker、2010年）。
コンピュータ化された言語対策の魅力にもかかわらず、それらはまだかなり粗雑です。プログラム
LIWCなどは、文脈、皮肉、皮肉、慣用句を無視します。 （強調が追加されました。）
うーん…これらは社会的、非公式な言語のニュアンスと複雑さの分析から除外するかなり大きなものですよね？実際、LIWCの正解率は、Twitterからのツイートのセットの少なくとも1つの分析で他の研究者から疑問視されています（Gonzalez-Ibanez et al、2011）1
ただし、現在の研究者が、一般的にそれを使用する目的には適さない粗分析ツールを使用しているという事実は無視してみましょう。2
研究者が行った仮定のいくつかがおそらく理想的ではなかった理由を理解するために、Facebookステータス更新インタラクションの架空の例を見てみましょう。
あなた：私は悪い日を過ごしています...この日がすでに終わっていればいいのに！
友人A：あら、すみません。何日かは確かに吸う。
友人B：残念です。
LIWCはこの交換を否定としてコーディングし、2つの否定的な応答を返します。
しかし、最初の投稿は実際に2人の回答者の気分に影響を与える何かをしましたか？
私たちは単に知りません。 LIWCは社会的な状況を実際に理解していないため、私たちに伝えることはできません。それが理解するすべては、否定的で肯定的な言葉の初歩的なものです。
これは実際に重要な影響ですか？
研究者が発見した効果は、何百もの中の1つの変数（気象）で制御されたため、強力な効果であると言っても、それほど重要ではないようです。ムードの「伝染」のこの影響はどのくらい大きかったですか？
Facebookに積極的に投稿すると、何百人もの友達の中で、投稿によりさらに1.75の肯定的な投稿が生成されます。これは、友達1人あたりの投稿数が2になることはほとんどありません。友達全員の2つの投稿にすぎません。すべての友達が1日に合計50から100のステータス更新を投稿した場合（Facebookにいる友達の平均数は338であるため、不当な量ではありません）、おそらく4％未満の変化です。
Facebookに否定的な投稿をすると、その投稿はさらに1.29の否定的な投稿を生成します。 すべて お友達3
これらの効果は、実際の状況に当てはめるとそれほど大きくはありません。これは、データの統計的有意性を見つけるようなものですが、臨床的（または実際の）違いをもたらすものはありません。
研究者が示した可能性があるのは、データ分析ツールとしてのLIWCの制限を捨てた場合、共有がオンラインソーシャルネットワークでの共有を生むということです。ポップコーンが好きな人とシェアすると、ポップコーンが好きな人もいます。あなたの猫を共有するなら、バーニー以来のかわいいものですが、猫愛好家の友人は親切に対応します。
そして、フェイスブックで気分状態を共有すると、驚き、驚き、他の人も自分の気分を共有する可能性が少し高くなります。これは共有を「伝染」にするのでしょうか？ありそうもない。
CBSのニュースリリースベースのレポート：Facebookを通じて広まった感情は伝染性である、研究によると
トピックに関する他のニュース記事のガーディアンの逆流：Facebookが伝染性の感情を転送する
参考文献
コルビエッロ、L。等。 （2014）。大規模なソーシャルネットワークでの感情的な伝染の検出。 PLOS One。
Gonzalez-Ibanez、R。Muresan、S。、およびWacholder、N。（2011）。 Twitterで皮肉を特定する：より詳しく。
計算言語学協会の第49回年次会議の議事録、581-586。
Tausczik YR、Pennebaker JW（2010）言葉の心理学的意味：LIWCとコンピューターによるテキスト分析手法。 Journal of Language and Social Psychology 29（1）：24–54。
脚注：
- 「自動分類は人間の分類と同じくらい優れている可能性があることがわかりました。ただし、精度はまだ低くなります。私たちの結果は、人間と機械学習の両方の方法で皮肉を分類することの難しさを示しています。」 [↩]
- 研究者は、この種のテキスト分析に「広く使用されている」と言って、その使用を正当化します。科学的な論文を読むのは奇妙なことです。なぜなら、人気のあるものがそれを使用するのに適切なツールにしていないからです。 [↩]
- 多くの主流メディアがこのデータを誤って報告しているようで、否定的な投稿は友人の1.29％に「浸透」していると述べています。 [↩]
