社会影响理论视角下网络从众及其影响因素
Social Influence Theory Perspective on Online Followership and Its Influencing Factors
DOI: 10.12677/AP.2023.137332, PDF, HTML, XML, 下载: 328  浏览: 899 
作者: 张 旭, 李开云*:济南大学教育与心理科学学院,山东 济南
关键词: 社会影响从众网络情景影响因素Social Influence Conformity Online Scenarios Influencing Factors
摘要: 从众是一个古老的课题,许多经典研究发现,个体会受到周围群体的影响,从而改变自身态度或行为。随着互联网的高速发展,人类的交互逐渐转变为在线的形式,网络上的群体同样会成为从众的动因。但由于匿名性等因素,网络群体与现实群体本质上是不同的,且现实情景的从众研究结论并不完全适用于网络从众,网络从众或许有着区别于现实从众的独特影响因素。社会影响理论可以更全面地解释不同动机的从众行为,且不受情景的限制。该理论视角下,匿名性、缺少的社会存在等因素导致网络情景中规范性影响的效果或方式可能与现实情景不同,而信息性影响的效果依然明显。据此进一步总结网络从众的独特影响因素,未来研究可以进一步采用不同实验范式,系统对比不同情景中社会影响的作用差异。
Abstract: Conformity is an age-old topic, and many classic studies have found that individuals are influenced by the groups around them to change their own attitudes or behaviors. With the rapid development of the Internet, human interaction has gradually changed to an online format, and groups on the Internet can also be a motivation for conformity. However, due to anonymity and other factors, online groups are essentially different from real groups, and the findings of herding studies in real situations are not fully applicable to online herding, which may have unique influencing factors that are different from real herding. Social influence theory can explain different motivations of herding behavior more comprehensively and without the restriction of scenarios. In this theory perspective, factors such as anonymity and lack of social presence may lead to different effects or ways of normative influence in online scenarios than in real ones, while the effects of informational influence are still evident. Accordingly, to further summarize the unique influencing factors of online conformity, future research can further adopt different experimental paradigms to systematically compare the differences in the role of social influence in different scenarios.
文章引用:张旭, 李开云 (2023). 社会影响理论视角下网络从众及其影响因素. 心理学进展, 13(7), 2692-2702. https://doi.org/10.12677/AP.2023.137332

1. 引言

人们经常改变自己的观点或行为,使之与大多数人一致,这种普遍的社会现象称为社会从众(Asch, 1955)。2022年8月31日,中国互联网络中心发布第50次《中国互联网络发展状况统计报告》,报告显示,我国网民规模为10.51亿,互联网普及率达74.4%,网络的发展使得人类的社会交互也逐渐转变为在线的形式,如在线论坛,媒体,学习平台等。网络上的信息和虚拟群体会对个体的认知与行为改变产生作用(Perfumi et al., 2019; Zhao et al., 2018)。新媒体技术的发展也让“流量”成为变现的利器,使得网络从众更易发生,带来负面的社会影响。例如,使得人们对谣言的真伪判断出现误差(成馨雅等,2023),容易群体极化,使舆论迅速发酵,话题走向极端等(Ye et al., 2022)。尤其近年来,新冠疫情肆虐,网络从众心理成为谣言的放大器。“双黄连”等未经过足够临床试验的药品遭到惶恐抢购,打乱了正常的市场秩序(周延等,2022)。且疫情期间在线教育、在线办公平台得到急速发展,疫情使得社交网络的作用被进一步放大,更多的用户进入网络空间,加之互联网用户低龄化、老龄化趋势,用户判断力较弱(周延等,2022)。因此,与疫情前对比,新冠疫情使得在线社交快速发展,为网络从众心理提供了更多发生的可能。

从上世纪五十年代开始,学者们就开始对从众进行研究。许多研究发现,人们的从众行为可能会受到群体规模(Gergen & Bauer, 1967)、任务性质(Blake et al., 1957)、性别(Eagly & Wood, 1985)、人格(Crutchfield, 1955)等因素的影响。但多数经典研究都采用现实群体诱发从众。随着神经生理技术的发展,众多研究者采用相关技术,以计算机呈现虚拟群体的方式来研究从众。虽然部分经典的研究结论适用于网络情景,但值得注意的是,由于匿名性和较少的社会存在感,在线的虚拟群体与现实群体本质上是不同的(McKenna & Green, 2002),且许多采用虚拟群体的从众研究与现实群体的研究结论有差异。而从众的发生依赖于情景,会受到各种情境因素(如群体性质)的影响(魏真瑜,2017)。因此,网络情景中社会从众动态可能与面对面的实体群体有很大不同。本文以社会影响理论为视角对这种不同进行探讨,首先对不同理论进行比较,论述社会影响理论对从众的解释具有跨情境等优势,之后梳理网络情景中社会影响的作用,并据此进一步发掘网络上社会从众的独特影响因素。

2. 社会影响理论

社会影响是指个体与他人(一个人或群体)的互动造成的认知、情感、态度或行为的变化,是影响人类行为的决定因素(Rashotte, 2007)。社会影响理论的研究主要包括社会影响的类型与社会影响的过程两个方面。

Deutsch和Gerrard (1955)认为,从众是由社会影响造成的,根据社会影响的类型不同可以区分出两种类型的从众,有两种社会影响:规范性影响和信息性影响,并且研究了这两种社会影响如何影响个人判断。具体来说,信息性影响是个体在多大程度上把从他人获得的信息作为对现实反应的程度,例如个体认为他人在有关主题上更权威和博学,则会把他人的信息作为判断的参考。信息性影响下的从众称为信息性从众,即个体在他人信息的影响下,对客体的态度真实发生改变,因此是内心从众。规范性影响是指个体符合自己、他人、群体期望的影响程度,例如个体迫于不合群的压力,做出与群体期望相符的行为。规范性影响下的从众称为规范性从众,即个体是由于各种与客体信息无关的规范性因素做出从众行为,是为了追求与客观信息无关的目标(如追求合群),可以称之为表面从众。

Kelman (1961)认为社会影响通过三个不同的过程对人们施加影响:内化、认同、顺从。信息性影响通过内化起作用,内化指个体完全接受社会影响的信息并内化为自身的认识。这代表个体认为社会影响的内容是实现其目标的本质,能够增加对情境的认识或提高处理当下情境问题的能力。因此,这种过程下个体表现出的从众行为代表个体真实意愿的改变。而规范性影响可能会通过认同或顺从来完成,顺从是指个体并没有从内心接受社会影响,从众的动机是想要获得外部奖赏或避免惩罚。只有在个体认为他的行为会被知道的情况下,顺从才会发生。认同是指个体为了维持正性自我概念而接受影响的过程,个体期望与积极地参照事物(如团体)建立联系,或与消极的参照事物分离。一个人会更认同他想要建立积极联系群体的行为或观点,从而维持或更支持其自我概念。

网络中社会影响的作用也已经被许多研究发现。在信息性影响下,个体将从他人处获得的信息作为既定事实的证据,做出从众行为是为了做出适应性决策,往往会造成个体真实态度的改变。比如在线购物(Chen & Lu, 2015)、在线答题(Perfumi et al., 2019)、网络经济投资(Greenberg & Liljeholm, 2021)等情境下,个体由于网络群体提供的信息,改变了自身对于情境问题的主观判断。而规范性影响下,人们会因为一些无关事实理由做出从众,比如在以计算机为媒介的互动中,互惠(Mahmoodi et al., 2022)、团体规范(Hertz et al., 2008)等规范性因素仍然会对个体行为或态度产生影响。但值得一提的是,从众行为中两种社会影响的效果可以同时存在,单一的从众行为可以由多种不同动机驱动(Chen et al., 2022)。

3. 其他社会从众理论概述

3.1. 社会交换理论

社会交换理论起源于上世纪五十年代,其认为利己、趋利避害是人类行为的基本准则。社会互动是一种交换的过程,个体通过社会互动来获得物质、情感或资源(Homans, 1958)。之后该理论发展到团体情景中,它强调规范的重要性,人们遵守规范的过程也是交换的过程,当人们按照既定的社会规范行事时,通常会期待行为带来互惠互利的酬赏,且顺从他人或规范本身就可以避免不顺从的代价,其本身也是一种回报(Nord, 1969)。同样,个体在网络情景下做出从众行为也会受到互惠、公平等社会规范影响,以寻求社会认可(Mahmoodi et al., 2022)。除去期待获得的收益,成本也是社会交换理论的核心部分,其代表交换带来的消极后果,付出的精力或可能遭受的反对等。因此从社会交换的角度来看,从众本质上是一种人际交换过程,其核心动机是减少成本、增加收益,获得心理或物质上的酬赏。

3.2. 社会认同理论

社会认同理论把个体对群体的认同置于核心位置,认为个体会凭借群体特征和自我认知,将自己归类于某一类群体,并且会做出与群体相似的行为。社会认同由类化、认同、比较三个过程组成。个体在完成社会认同、归属某一群体之后,会获得作为团体成员的情感和价值意义(Brown et al., 1980)。针对计算机交流的情景,Lea & Spears (1991)提出去个性化的群体认同模型,其认为在以计算机为媒介的互动中,个性化线索(面部表情、手势或眼神交流)的缺乏可以使群体成员关系(社会身份)突出,与面对面的互动相比,更能诱导个体遵从群体规范。这是因为个性化性线索较少时,匿名交流的伙伴给定的任何线索都会放大成为对方重要的特征之一,例如,匿名伙伴仅有性别或种族,个体会将对方视为某一性别或种族的典型成员。这种对个体差异(个人认同)的关注减少和对群体成员(社会认同)的关注增加也被称为去个性化。

3.3. 精细可能加工模型

Petty & Cacioppo (1984)提出精细加工可能性模型,这是一种信息加工理论,该理论认为态度改变由两条路径实现,即中心路径和外周路径。中心路径涉及对信息内容的仔细思考,信息接受者对信息内容的认知决定了中心路径的影响力。外周路径在个体信息加工过程中也有显著影响,其指信息接受者用以评价信息的与信息本身内容无关的指标。该理论可以解释个体在没有群体压力下、无需符合群体期望情景下的从众行为。人们日常使用互联网,更多时候不必符合群体期望,不必迫于压力放弃自身原始意见,互联网上大量的信息可以给个体以参考,例如网络购物时,研究发现评论者的信用度是一种重要的外周路径线索,评论者的信用度会影响消费者从众行为,个体对评论的信任与其他因素(网站设计、可靠性、响应性的维度)共同影响线上团购意愿(Lee, 2009),且消费者的涉入程度越高,个体更愿意依赖产品本身的信息(中心路径),评价评论者信用度(外周路径)对从众行为的影响越小(Limei & Wei,2020),这也能解释为什么在情境模糊的情况下从众越有可能发生。

3.4. 社会影响理论解释网络从众的优势

社会交换理论从人际互动的视角,以经济学投入和产出关系去理解社会从众,但是网络环境与现实环境不同,网络虚拟群体与个体的距离更远,并且更多时候并不会与个体产生人际互动。比如网络购物、网络投资。个体仅仅把他人作为参考,并没有与网络匿名群体产生实质上的情感或物质交换,该理论更适用于以计算机为媒介的匿名互动情景中,互动双方可能因为互惠、公平等规范做出从众行为(Mahmoodi et al., 2022)。同样,社会认同理论认为群体认同是驱动行为的重要动机。去个体化的群体认同模型强调了在缺乏个性化线索时群体认同的重要性,但是网络匿名群体并不会总是有明确的群体认同线索,且群体认同是驱动从众行为的重要动机,但并不是唯一动机,Beran等人(2015)研究探索了相同社会身份的研究生在网络虚拟学习情境中的从众性,与独立作答的参与者相比,看到同伴错误答案的参与者的错误率更高,此时从众的个体并不是希望与群体一致,而是希望提高正确率。因此,除去群体认同的动机,网络上他人的信息也会成为个体判断的参考,个体因想要追求判断准确等动机发生态度和行为的改变。而精细加工可能模型在一定程度上能弥补前两个理论在解释网络社会从众上的不足,从信息加工的角度,认为群体或他人的信息是由外周路径这一启发式的渠道发生作用,从而造成个体态度的改变。其更关注信息的加工过程,而不关注群体本身或者个体与互动群体的关系,因此更适用于群体线索缺乏的匿名网络环境,但其过于关注过程,而对从众的动机缺乏解释力。

网络与现实环境类似,个体既可能处理他人信息,发生态度真实改变,也有可能寻求群体归属而表面从众。对此,社会影响理论定义的两种影响类型可以更好不同动机的从众现象,个体可能会受到不同社会影响的主要作用而产生不同动机。但网络与现实群体又有不同,缺乏个性化线索与社会身份线索的网络匿名群体给予个体的社会压力较少,且个体以虚拟身份进行互动可能降低群体或社会期望的影响。规范性影响是指他人期望的影响,因此网络环境中规范性影响的效果或方式可能与现实环境不同。而网络上充斥的大量他人信息仍然可以为个体决策和判断做出重要参考,信息性社会影响仍然起到重要作用。因此,与其他理论相比,社会影响理论区分出来的两种类型的社会影响可以解释不同类型群体的影响,加深对不同情景下中从众的理解。且其能更好解释社会从众背后的动机。网络情景中规范性影响的效果可能与现实情景不同,以社会影响理论的视角更能发现不同情景下社会从众的不同之处,以该理论为视角总结网络情境中从众的研究,更有利发掘网络情境下影响社会从众的独特影响因素。

4. 网络情景中社会影响的作用

4.1. 网络情景中规范性影响的作用

Asch的线段判断实验被认为是规范性影响的范例。在实验中参与者被要求判断不同线段之间的长度,这项任务相对容易,答案显而易见,但是在其他参与者(研究者的同伙)故意做出错误回答之后,参与者也会被影响从而做出错误回答,实验后对参与者的采访表示,他们是不想打破社会规范,成为局外人(Asch,1955)。但是在线的情况下,这种规范性影响似乎被减弱了。Cinnirella和Green (2007)探讨了在以计算机为媒介的情景下,个体对“规范性影响”的敏感性。该研究扩展了经典的“Asch线段判断实验”,允许参与者以匿名形式通过计算机选择他们的答案。在参与者选择个人答案之前,会呈现出大多数人都给出一致的错误的回答。这项实验的结果与现实情景中的结果进行了直接比较,发现在计算机为媒介沟通的情景下,参与者从众性显著降低。研究者认为这是因为以计算机呈现其他多数人的答案,使得其他人的社会存在大大减少,从而导致大多数人的影响减弱。这种规范性影响的减弱可能会造成实验结果的差异,例如,在面对面情景中,性别被认为是影响从众的因素(Bond & Smith, 1996),女性比男性的从众倾向更高。但是在在线情景的研究中,不同性别之间的从众水平并没有达到显著水平(Rosander & Eriksson, 2012)。这种现实群体与虚拟群体不同所造成实验结果的差异的原因值得探究,许多研究者认为,这可能是因为在线情景中缺乏他人的社会存在,会显著降低规范性影响的效果,而女性似乎对规范性影响更敏感,因此在社会存在更高的现实情景下,女性的从众性更高(Cinnirella & Green, 2007; Rosander & Eriksson, 2012)。

与较少的社会存在类似,匿名性也是网络群体的另一特点。经典的去个体化理论关注群体匿名性的影响,群体中的沉浸感和匿名性会导致自我意识的降低(去个体化状态),从而导致反规范行为。在社会影响方面,匿名导致的去个体化意味着自我意识以及社会规范影响的降低(Diener, et al., 1980; Zimbardo, 1969)。而当代的去个体化理论虽然不以匿名性作为基础,但也将去个体化视为一种自我调节减少的状态,导致对社会规范和社会标准的响应减少,从而导致反规范行为(Postmes & Spears, 1998)。在较少的社会存在和社会线索的互联网中,这种匿名性降低了自我意识,减少了了对群体的吸引力,降低了社会影响力。

但是,这种规范影响的减少似乎是有条件的,群体认同是规范性影响的一大来源(Smilowitz et al,. 1988)。去个体化效应的社会认同模型认为,当一个人的社会身份十分突出时,群体成员个性化线索的缺乏会增强个体对群体的识别,群体认同增强,这会导致群体规范的社会影响力增强(Turner, 1991)。而在匿名的网络情景中,群体认同的作用可能会被放大,从而导致规范性影响的加强。Postmes等人(2001)验证了在群体认同突出的情况下,匿名性对规范性社会影响的增强作用,参与者被随机分配到匿名(呈现其余组员照片)或非匿名(不呈现组员照片)的两组,通过错句重组任务启动亲社会导向或效率导向的团体规范,为了增强群体认同,在错句重组任务后,参与者被电脑蜂鸣声打断,代表要与小组成员共同进行一项两组之间的数方块竞争任务,要求得分尽量比对方小组得分高,提供小组得分反馈。之后呈现问题场景:一家医院患者过多无法及时救治病人,管理层想要增强组织效率,而医生和护士更倾向确保病人福利,要求参与者简要描述问题的解决方法。结果发现与非匿名条件相比,匿名条件下个体更倾向于以团体规范的方式去解决情景问题,规范性影响的效果更强。同样,Lee (2006)也研究发现,在社会身份突出的情况下,去个体化不仅会导致对群体规范的遵从,而且还会导致对群体规范的更极端的看法。因此,网络中匿名性对规范性影响的作用是复杂的,匿名性导致的去个体化状态会使得个体自我意识降低,降低了规范性影响力,但是当群体认同突出的情况下,个性化线索缺少的匿名群体会放大个体对社会身份的识别,从而导致社会影响力增强。

在网络上进行消费时中,规范性影响的效果也被证实,易牧农等人(2020)研究个体特质与在线强迫性购买的关系,当内倾个体在在线消费社区中发生外倾性变化时,规范性从众是诱发强迫性购买的唯一中介。个体从众消费可能是为了达成消费以外的目标,比如补偿自身控制感。宋伟(2021)研究发现,疫情越是严重,居民越有可能进行从众性消费,并且这种从众为规范性从众,这是因为从众性消费可以应对疫情造成的控制感缺失。同样,网络消费时,当个体察觉到来自从众的压力,对评论的负向偏见会减少(Hu et al., 2022)。除此之外,网络上的规范性影响更容易让个体融入或形成群体,对个体行为造成影响,比如参与网络赌博的青少年更容易遵守在线赌博规范(Savolainen et al., 2021)。

4.2. 网络情景中信息性影响的作用

信息影响反映了个体对群体判断内化的过程,从而形成对现实的真实信念。第50次《中国互联网络发展状况统计报告》显示,2022年上半年,86%的网民进行网络购物,75%的网民利用网络浏览新闻,可以说,网络上的信息时刻影响着人们生活的方方面面。与现实不同,网络购物时消费者不允许直接接触商品,也正因为如此,他人评论就变得更为重要,Burnkrant and Cousineau (1975)指出:“当一个人被置于产品评价情境中,他无法通过直接观察和接触充分评估产品的特性时,会将他人的反应视为关于产品‘真实’性质的证据。”Zhao等人(2018)基于社会影响理论将消费者受到在线评论影响的过程进行了理论解释和分析,在严格控制的实验室条件下进行调查,结果发现匿名评论会影响消费者的判断,评论质量对信息性影响有积极作用,信息影响同时影响网站的感知决策质量和感知有用性。Chen和Lu (2015)从从众的角度探讨影响网络团购意愿的因素。调查了650名台湾地区的网络团购人员,分析表明社会因素(网络推荐、媒体推荐、个人推荐)和个体从众性对社会影响力有积极影响,信息性影响与从众性和网络团购意愿呈正相关。Kang (2021)同样研究研究发现信息性影响因素与感知有用性、感知易用性皆存在正相关,这表示人们在进行跨境电商购买的行为时,从各种参照人群的所获得的信息都会帮助或者影响其进行产品的选择。证实了信息影响的作用。

网络上进行的商务活动也会受到他人信息的影响。在网络投资过程中,交易平台可以显示多种社会信息,如其他投资者的投资选择或融资进度,且网络环境充满风险,投资者倾向于寻找更多的外部线索,以帮助自己做出“正确”的选择(Zhang & Liu, 2012)。也有研究证明,网络投资过程中出现的小团体往往会做出一样的判断,这是因为领投者和群成员之间关系和信息影响,导致做出从众决策。团体因此,网络环境中社会影响力的作用很强,容易获取的社会信息(他人的决策信息或评价)会影响投资者的决策。实证研究发现,个人的在线投资决策确实受到其他投资者选择的影响(Lee & Lee, 2012; Zhang & Chen, 2017)。Zheng等人(2021)考察了众筹投资背景下社会影响的行为和神经表现及其与信心的相互作用。结果表明,当人们的投资意愿偏离群体较远时,从众倾向增强。对自己最初的判断缺乏信心时,更有可能从众。事件相关电位结果发现,在极低自信的情况下,自信仅通过诱导更大的LPP来调节后期的神经加工,这意味着对自己判断越不自信,越依赖社会信息。这与经典的研究结论一致,自信是信息性影响的显著预测因子,个体越不自信,从众性越高(Crutchfield, 1955)。除此之外,许多面对面情景的经典研究结论同样适用于在线情景。任务难度、对象模糊性、任务性质等经典信息性影响因素同样在在线情景中被发现(Rosander & Eriksson, 2012; Schnuerch et al., 2015)。

5. 网络情景中社会从众的独特影响因素

5.1. 网络情境中规范性从众的独特影响因素

前文以社会影响理论视角发现,网络群体与现实群体的规范性影响效果和作用方式与很大不同,主要原因之一是网络环境下社会存在较少,因此,网络中一些影响社会存在的因素会对规范性从众造成影响。社会存在是指意识到其他人的程度(Short et al., 1976)。在被试感知不到群体压力的情况(如被试缺乏群体认同,缺乏其他人的社会存在)下,群体压力的规范性影响会减少。网络中群体有独特的视觉表征形式,互联网沟通中对感知到其他人社会存在的减少,可能会降低了从众的效果(Cinnirella & Green, 2007)。

在线情境中,社会存在可以定义为经由计算机介导与他人产生连接的感觉(Tu & McIsaac, 2002)。之前研究已经证明,像用户表征形式,交互性,反馈的公开性都会对感知到的社会存在产生影响。

用户表征是一种社会情景线索,他可以显著增强感知到的社会存在(Gunawardena, 1995)。像用户头像,昵称,虚拟形象等都是用户表征的形式。Lee和Nass (2002)采用简笔画和卡通角色研究发现,被试更加认同有高度拟人化表征的网络同伴,认为这样的网络同伴更具备社会吸引力,更值得信任,也表现出更多的一致。交互性是网络用户参与的活动与他们使用的沟通模式(Tu & McIsaac, 2002)。有研究表明更高的互动性增强了在线社会存在,从而导致更多的从众行为。Wijenayake等人(2020)研究了网络测试中被试在不同互动形式下的从众行为差别。一组被试为低互动组(仅仅看到别人的答案),另一组被试为高互动组(可以在看到别人答案后通过即时聊天进行讨论),结果表明,高互动组对群体的答案更加认同,研究者认为这是由于提高了社会存在。反馈的公开性是指被试的反应是否对其他人可见。反馈的公开性是在线情境中感知到的社会存在和社会从众的关键因素(Lee & Nass, 2002)。在一项研究中,私下条件(被试的反应对群体不可见)被试的从众行为仅仅受到信息性影响的作用,而公开条件(被试的反应对群体可见)即会受到信息性影响也会受到规范性影响(Sowden et al., 2018)。因此对于规范性影响为主的实验任务中,反馈的公开性是导致从众与否的重要因素。Wijenayake等人(2020)研究也表明,更高的反馈公开性与更高的互动性会导致更高的社会从众。

除社会存在以外,网络的匿名性也是影响规范性影响的另一大因素,匿名性会导致去个体化。去个体化指也就是对个人特质感知的减弱(Zimbardo, 1969),已经被确定影响为规范性影响作用的潜在因素。有不少研究者认为,如果人们在去个体化的状态下进行交互,规范性社会影响会消失,这是因为缺乏真实或感觉的接近性,并不认同交互者,从而减轻按照社会规范行事的压力(Short et al., 1976; Latane, 1981)。但是这种规范性的减少可能仅限于群体认同不突出的情况下,在去个体化的状态下,被试对自己个人特质的感知减弱,如果与被试互动的群体特征变得突出,那么被试将会更可能从众,此时去个体化会成为诱发从众的强大工具(Spears et al., 2018)。这与去个体化的社会认同模型的观点一致,即在个性化线索缺乏的网络情景,个体的自我认同更容易被群体特征突出群体的群体认同所取代,自制力变低,从而跟随群体做出许多个体不会做的事,比如冲动或情绪化行为。但是在大多数情况下,网络匿名群体很难提供显著的群体认同,去个体化会对从众行为有抑制作用。匿名性是导致去个体化的重要因素。Perfumi等人(2019)探究了在线情景中去个体化对信息性和规范性影响的作用,匿名与群体的物理隔离可以诱发去个体化,采用Asch的线段判断任务和模糊程度不同的选择题测量规范性和信息性的影响,结果发现去个体化情景下,规范性影响的效果几乎不存在。作者认为网络情景的匿名性鼓励他们坚持自己的判断。

5.2. 网络情境中信息性从众的独特影响因素

信息性影响反映了个体将群体或他人信息内化以形成对现实的真实信念的过程,发生的条件是他人或群体提供了有关客观事物的信息,而在线评论是网络环境下反映他人信息最普遍的方式。因此,信息性从众的主要因素有评论信息的质量和评论的一致性。对于网络情景,感知到的信息质量是指个体基于自身经验判断平台在提供有用信息或评价的能力(Mckinney et al., 2002)。高质量的评论也会获得更多的优先权和权重,从而更具说服力。此外,传统的现实情境中,群体数量是从众的重要影响因子,随着他人数量的增多,群体的影响力越强,但只有群体形成一致性意见或态度时,这种多数群体才能形成。而在群体数量众多的互联网中,评论的一致性是群体数量影响力的更好体现形式(Zhang et al., 2007)。评审一致性是指个体感知到多个或一组评审人员就客观事物意见的趋同程度。当大多数人评论者观点相似时,个体会感知到该观点更正确更实际,从而赋予这个观点更多权重(Mannes, 2009)。个体感知到评论的一致性会促进信息性影响,评论一致性越高,信息性影响越强,同时影响感知到网站的有用性和评论质量(Zhao et al., 2018)。

6. 小结与展望

本文探讨了网络情景下社会影响的作用。对于信息性影响来说,许多研究证实了在线情景中信息性影响的存在,并且任务难度、任务模糊性、群体规模、自信、人格等因素会对信息性的作用产生促进或抑制作用。感知到信息的质量与评论的一致性是网络情境下信息性影响的独特影响因素。对于规范性影响来说,在线情景很大程度上抑制了规范性影响的作用,这很可能与在线情景中感知到社会存在的缺少,以及自身或他人的匿名性有关。在社会线索缺少的情况下,个体社会认同降低,从而规范性压力的作用减少,导致在线情境中规范性影响的作用降低,用户表征、互动性、反馈公开性会对规范性影响的作用产生影响。但是当群体认同突出的情况下,匿名性会使规范性影响的作用增强。

现有研究也有很多不足以及有待探讨的地方。首先,并没有研究对在线情景和面对面情境中的从众行为进行直接对比,并系统性地讨论两种情境下两种社会影响的差异。未来研究可以在严格控制变量的情况下,将两种情景进行对比,探讨在线情景下规范性影响和信息性影响的作用是否有差异,以及造成差异的因素有哪些。其次,对在线情景的界定并没有达到统一标准。许多研究是在以计算机为中介的条件下进行的研究,也有研究会创设更真实的在线情景,比如用户位置、评论界面等。后续研究应该不仅仅研究以计算机为中介下人们的遵从行为,更要与真实在线情景结合,提高生态效度。最后,许多研究并没有区分规范性和信息性影响,从而得出矛盾的结论,未来研究可以采用不同实验范式,探究不同规范性影响(比如互惠,社会排斥)或信息性影响下不同因素对从众行为的作用以及其产生的机制。

NOTES

*通讯作者。

参考文献

[1] 成馨雅, 胡佳忆, 金航萍, 张芷旖, 徐静(2023). 新冠疫情背景下大学生网络谣言传播行为分析与治理. 宁波工程学院学报, 35(1), 128-132.
[2] 宋伟(2021). 突发性公共卫生事件对我国居民典型消费行为的影响机制研究. 博士学位论文, 长春: 吉林大学.
[3] 魏真瑜(2017). 博弈中的亲社会从众行为研究. 博士学位论文, 重庆: 西南大学.
[4] 易牧农, 贺小双, 郝连续, 冯永春(2020). 在线消费社区内倾性成员的强迫性购买倾向研究——基于从众理论视角. 管理学刊, 33(4), 49-60.
[5] 周延, 周文悦, 唐奥威, 王一同, 杨桃莲(2022). 疫情期间新媒体舆论环境中盲目从众现象原因及应对措施研究. 新闻研究导刊, 13(21), 86-88.
[6] Asch, S. E. (1955). Opinions and Social Pressure. Scientific American, 193, 31-35.
https://doi.org/10.1038/scientificamerican1155-31
[7] Beran, T., Drefs, M., Kaba, A., Al Baz, N., & Al Harbi, N. (2015). Conformity of Responses among Graduate Students in an Online Environment. The Internet and Higher Education, 25, 63-69.
https://doi.org/10.1016/j.iheduc.2015.01.001
[8] Blake, R. R., Helson, H., & Mouton, J. S. (1957). The Generality of Conformity Behavior as a Function of Factual Anchorage. Difficulty of Task, and Amount of Social Pressure. Journal of Personality, 25, 294-305.
https://doi.org/10.1111/j.1467-6494.1957.tb01528.x
[9] Bond, R., & Smith, P. B. (1996). Culture and Conformity: A Meta-Analysis of Studies Using Asch’s (1952b, 1956) Line Judgment Task. Psychological Bulletin, 119, 111-137.
https://doi.org/10.1037/0033-2909.119.1.111
[10] Brown, R. J., Tajfel, H., & Turner, J. C. (1980). Minimal Group Situations and Intergroup Discrimination: Comments on the Paper by Aschenbrenner and Schaefer. European Journal of Social Psychology, 10, 399-414.
https://doi.org/10.1002/ejsp.2420100407
[11] Burnkrant, R. E., & Cousineau, A. (1975). Informational and Normative Social Influence in Buyer Behavior. Journal of Consumer Research, 2, 206-215.
https://doi.org/10.1086/208633
[12] Chen, X., Li, S., Zhang, Y., Zhai, Y., Zhang, Z., & Feng, C. (2022). Different Drives of Herding: An Exploratory Study of Motivations Underlying Social Conformity. PsyCh Journal, 70, 1-70.
https://doi.org/10.1002/pchj.515
[13] Chen, Y. F., & Lu, H. F. (2015). We-Commerce: Exploring Factors Influencing Online Group-Buying Intention in Taiwan from a Conformity Perspective. Asian Journal of Social Psychology, 18, 62-75.
https://doi.org/10.1111/ajsp.12083
[14] Cinnirella, M., & Green, B. (2007). Does “Cyber-Conformity” Vary Cross-Culturally? Exploring the Effect of Culture and Communication Medium on Social Conformity. Computers in Human Behavior, 23, 2011-2025.
https://doi.org/10.1016/j.chb.2006.02.009
[15] Crutchfield, R. S. (1955). Conformity and Character. American Psychologist, 10, 191-198.
https://doi.org/10.1037/h0040237
[16] Deutsch, M., & Gerard, H. B. (1955). A Study of Normative and Informational Social Influences upon Individual Judgment. Journal of Abnormal and Social Psychology, 51, 629-636.
https://doi.org/10.1037/h0046408
[17] Diener, E., Lusk, R., DeFour, D., & Flax, R. (1980). Deindividuation: Effects of Group Size, Density, Number of Observers, and Group Member Similarity on Self-Consciousness and Disinhibited Behavior. Journal of Personality and Social Psychology, 39, 449-459.
https://doi.org/10.1037/0022-3514.39.3.449
[18] Eagly, A. H., & Wood, W. (1985). Gender and Influenceability: Stereotype versus Behavior. In Women, Gender, and Social Psychology (pp. 225-256). Erlbaum.
[19] Gergen, K. J., & Bauer, R. A. (1967). Interactive Effects of Self-Esteem and Task Difficulty on Social Conformity. Journal of Personality and Social Psychology, 6, 16-22.
https://doi.org/10.1037/h0021216
[20] Greenberg, J., & Liljeholm, M. (2021). Stakes and Expertise Modulate Conformity in Economic Choice. Scientific Reports, 11, Article No. 23369.
https://doi.org/10.1038/s41598-021-02793-z
[21] Gunawardena, C. N. (1995). Social Presence Theory and Implications for Interaction and Collaborative Learning in Computer Conferences. International Journal of Educational Telecommunications, 1, 147-166.
[22] Hertz, T., Jayasundera, T., Piraino, P., Selcuk, S., Smith, N., & Verashchagina, A. (2008). The Inheritance of Educational Inequality: International Comparisons and Fifty-Year Trends. The BE Journal of Economic Analysis & Policy, 7, Article No. 10.
https://doi.org/10.2202/1935-1682.1775
[23] Homans, G. C. (1958). Social Behavior as Exchange. American Journal of Sociology, 63, 597-606.
https://doi.org/10.1086/222355
[24] Hu, X. et al. (2022), Status Reinforcing: Unintended Rating Bias on Online Shopping Platforms. Journal of Retailing and Consumer Services, 67, Article ID: 102995.
https://doi.org/10.1016/j.jretconser.2022.102995
[25] Kelman, H. C. (1961). Processes of Opinion Change. Public Opinion Quarterly, 25, 57-78.
https://doi.org/10.1086/266996
[26] Latane, B. (1981). The Psychology of Social Impact. American Psychologist, 36, 343-356.
https://doi.org/10.1037/0003-066X.36.4.343
[27] Lea, M., & Spears, R. (1991). Computer-Mediated Communication: Deindividuation and Group Decision-Making. International Journal of Man-Machine Studies, 34, 283-301.
https://doi.org/10.1016/0020-7373(91)90045-9
[28] Lee, E. J., & Nass, C. (2002). Experimental Tests of Normative Group Influence and Representation Effects in Computer-Mediated Communication: When Interacting via Computers Differs from Interacting with Computers. Human Communication Research, 28, 349-381.
https://doi.org/10.1111/j.1468-2958.2002.tb00812.x
[29] Lee, E., & Lee, B. (2012). Herding Behavior in Online P2P Lending: An Empirical Investigation. Electronic Commerce Research and Applications, 11, 495-503.
https://doi.org/10.1016/j.elerap.2012.02.001
[30] Lee, E.-J. (2006). When and How Does Depersonalization Increase Conformity to Group Norms in Computer-Mediated Communication? Communication Research, 33, 423-447.
https://doi.org/10.1177/0093650206293248
[31] Lee, E.-J., & Nass, C. (2002). Experimental Tests of Normative Group Influence and Representation Effects in Computer-Mediated Communication: When Interacting via Computers Differs from Interacting with Computers. Human Communication Research, 28, 349-381.
https://doi.org/10.1111/j.1468-2958.2002.tb00812.x
[32] Lee, K. (2009). Gender Differences in Hong Kong Adolescent Consumers’ Green Purchasing Behavior. Journal of Consumer Marketing, 26, 87-96.
https://doi.org/10.1108/07363760910940456
[33] Limei, C., & Wei, L. (2020). The Impact of Reviewers’ Creditworthiness on Consumers’ Purchase Intention in Edge Path: Implications for the Coronavirus Disease 2019 Pandemic. Frontiers in Public Health, 8, Article ID: 619263.
https://doi.org/10.3389/fpubh.2020.619263
[34] Mahmoodi, A., Nili, H., Bang, D., Mehring, C., & Bahrami, B. (2022). Distinct Neurocomputational Mechanisms Support Informational and Socially Normative Conformity. PLoS Biology, 20, 423-447.
https://doi.org/10.1371/journal.pbio.3001565
[35] Mannes, A. E. (2009). Are We Wise about the Wisdom of Crowds? The Use of Group Judgments in Belief Revision. Management Science, 55, 1267-1279.
https://doi.org/10.1287/mnsc.1090.1031
[36] McKenna, K. Y., & Green, A. S. (2002). Virtual Group Dynamics. Group Dynamics: Theory, Research, and Practice, 6, 116-127.
https://doi.org/10.1037/1089-2699.6.1.116
[37] Mckinney, V., Yoon, K., & Zahedi, F. M. (2002). The Measurement of Web-Customer Satisfaction. Information Systems Research, 13, 296-315.
https://doi.org/10.1287/isre.13.3.296.76
[38] NG YEW KANG (2021). 跨境电商消费者行为影响因素研究. 硕士学位论文, 杭州: 浙江大学.
[39] Nord, W. R. (1969). Social Exchange Theory: An Integrative Approach to Social Conformity. Psychological Bulletin, 71, 174-208.
https://doi.org/10.1037/h0027032
[40] Perfumi, S. C., Bagnoli, F., Caudek, C., & Guazzini, A. (2019). Deindividuation Effects on Normative and Informational Social Influence within Computer-Mediated-Communication. Computers in Human Behavior, 92, 230-237.
https://doi.org/10.1016/j.chb.2018.11.017
[41] Petty, R. E., & Cacioppo, J. T. (1984). Source Factors and the Elaboration Likelihood Model of Persuasion. ACR North American Advances, 11, 668-672.
[42] Postmes, T., & Spears, R. (1998). Deindividuation and Antinormative Behavior: A Meta-Analysis. Psychological Bulletin, 123, 238-259.
https://doi.org/10.1037/0033-2909.123.3.238
[43] Postmes, T., Spears, R., Sakhel, K., & De Groot, D. (2001). Social Influence in Computermediated Communication: The Effects of Anonymity on Group Behavior. Personality and Social Psychology Bulletin, 27, 1243-1254.
https://doi.org/10.1177/01461672012710001
[44] Rashotte, L. (2007). Social Influence. The Blackwell Encyclopedia of Sociology. John Wiley & Sons, Inc.
https://doi.org/10.1002/9781405165518.wbeoss154
[45] Rosander, M., & Eriksson, O. (2012). Conformity on the Internet—The Role of Task Difficulty and Gender Differences. Computers in Human Behavior, 28, 1587-1595.
https://doi.org/10.1016/j.chb.2012.03.023
[46] Savolainen, I., Oksa, R., Savela, N., Celuch, M., & Oksanen, A. (2021). Covid-19 Anxiety—A Longitudinal Survey Study of Psychological and Situational Risks among Finnish Workers. International Journal of Environmental Research and Public Health, 18, Article No. 794.
https://doi.org/10.3390/ijerph18020794
[47] Schnuerch, R., Koppehele-Gossel, J., & Gibbons, H. (2015). Weak Encoding of Faces Predicts Socially Influenced Judgments of Facial Attractiveness. Social Neuroscience, 10, 624-634.
https://doi.org/10.1080/17470919.2015.1017113
[48] Short, J., Williams, E., & Christie, B. (1976). The Social Psychology of Telecommunications. John Wiley & Sons.
[49] Smilowitz, M., Compton, D. C., & Flint, L. (1988). The Effects of Computer Mediated Communication on an Individual’s Judgment: A Study Based on the Methods of Asch’s Social Influence Experiment. Computers in Human Behavior, 4, 311-321.
https://doi.org/10.1016/0747-5632(88)90003-9
[50] Sowden, S., Koletsi, S., Lymberopoulos, E., Militaru, E., Catmur, C., & Bird, G. (2018). Quantifying Compliance and Acceptance through Public and Private Social Conformity. Consciousness and Cognition, 65, 359-367.
https://doi.org/10.1016/j.concog.2018.08.009
[51] Spears, R., Postmes, T., Lea, M., & Watt, S. (2018). A SIDE View of Social Influence. In K. D. Williams, & J. P. Forgas (Eds.), Social Influence: Direct and Indirect Processes (pp. 331-350). Psychology Press.
[52] Tu, C. H., & McIsaac, M. (2002). The Relationship of Social Presence and Interaction in Online Classes. The American Journal of Distance Education, 16, 131-150.
https://doi.org/10.1207/S15389286AJDE1603_2
[53] Turner, J. C. (1991). Social Influence. Thomson Brooks/Cole Publishing Co.
[54] Wijenayake, S., van Berkel, N., Kostakos, V., & Goncalves, J. (2020). Impact of Contextual and Personal Determinants on Online Social Conformity. Computers in Human Behavior, 108, Article ID: 106302.
https://doi.org/10.1016/j.chb.2020.106302
[55] Ye, Y., Zhang, R., Zhao, Y., Yu, Y., Du, W., & Chen, T. (2022). A Novel Public Opinion Polarization Model Based on BA Network. Systems, 10, Article No. 46.
https://doi.org/10.3390/systems10020046
[56] Zhang, D., Lowry, P. B., Zhou, L., & Fu, X. (2007). The Impact of Individualism-Collectivism, Social Presence, and Group Diversity on Group Decision Making under Majority Influence. Social Science Electronic Publishing, 23, 53-80.
https://doi.org/10.2753/MIS0742-1222230404
[57] Zhang, J., & Liu, P. (2012). Rational Herding in Microloan Markets. Management Science, 58, 892-912.
https://doi.org/10.1287/mnsc.1110.1459
[58] Zhang, K., & Chen, X. (2017). Herding in a P2P Lending Market: Rational Inference OR Irrational Trust? Electronic Commerce Research and Applications, 23, 45-53.
https://doi.org/10.1016/j.elerap.2017.04.001
[59] Zhao, K., Stylianou, A. C., & Zheng, Y. (2018). Sources and Impacts of Social Influence from Online Anonymous User Reviews. Information & Management, 55, 16-30.
https://doi.org/10.1016/j.im.2017.03.006
[60] Zheng, J., Hu, L., Li, L., Shen, Q., & Wang, L. (2021). Confidence Modulates the Conformity Behavior of the Investors and Neural Responses of Social Influence in Crowdfunding. Frontiers in Human Neuroscience, 15, Article ID: 766908.
https://doi.org/10.3389/fnhum.2021.766908
[61] Zimbardo, P. G. (1969). The Human Choice: Individuation, Reason, and Order versus Deindividuation, Impulse, and Chaos. In Nebraska Symposium on Motivation (pp. 237-307). University of Nebraska Press.