1. 引言
2024年11月14日，教育部、人力资源社会保障部召开2025届全国普通高校毕业生就业创业工作会议，深入贯彻党的二十届三中全会精神和全国教育大会精神，落实落细党中央、国务院关于高校毕业生就业工作的各项决策部署会议指出，2025届高校毕业生的规模预计将达到1222万人，比上年增加43万人[1]。这标志着中国的毕业生数量持续增长，这也对就业形势提出了更高的挑战。“秋招”即中国毕业生的秋季招聘，是毕业生进入职场的关键环节，对有就业意愿的中国应届毕业生来说具有重大意义。随着经济增速放缓，产业结构升级转型，社会整体就业面临更多挑战，大学生的就业压力普遍增大，就业焦虑不断提升[2]。对于毕业生而言，秋招不仅是求职的过程，也是他们面临巨大压力和挑战的时期。成功获得录用意味着顺利开启职业生涯，而在这一过程中未获得任何录用(即“0offer”)则可能带来巨大的心理压力和失望感。近年来，随着社交媒体的加速普及，2024届毕业生们越来越多地使用社交平台分享他们在秋招过程中的经历和情感。小红书作为一个受到年轻人广泛欢迎的社交媒体平台，成为了年轻人表达情感、寻求支持和建立社区连接的重要渠道。在秋招期间，用户通过发布帖子分享个人求职失败的经验，特别是标注“秋招0offer”这一标签，即秋招期间未被录用，逐渐形成了一个集体情感表达和支持网络。
随着秋招情况备受关注，“秋招0offer”作为话题词，已成为小红书上的高流量标签。用户们通过这一标签互相分享求职失败的故事，寻求社群中的理解与共鸣。在这一背景下，本研究旨在通过分析小红书平台中秋招未获录用的相关内容，理解求职失败的情感呈现及社群互动之间的关系。本研究将探索用户如何在小红书平台中表达求职失败中的情绪，并通过社群互动获得支持或进一步感受求职焦虑，以加深对社交媒体在情感支持和压力管理中的作用的理解。通过分析这些互动和表达，希望揭示社交媒体平台上集体情感表达和支持机制，特别是在求职失败这一特定情境下的应用。在实践方面，研究结果有助于关注毕业生就业形势，以及促进积极的互动和情感支持，缓解就业压力，从而更好地服务于年轻用户的心理健康需求。
2. 文献综述
2.1. 社交媒体中的情感表达
情感表达是理解人类交流的主要途径之一。情感是“社会生活中的语法”，它们在关系中构建着重要的互动[3]。根据Liu (2012)的观点，情感表达由四个元素构成，分别是情感表达者(Holder)，情感表达的对象(Target)，情感的极性(Polarity)和时间(Time) [4]。情感的表达也是社会参与的重要形式[5]，社交媒体平台中的情感表达已成为网络平台交流的一个重要方面，不仅反映了个人用户的情感，还放大了集体的情感体验。一项研究指出：社交媒体平台上的情感表达不仅通过生产者的内容被放大，还受到感知者对情感强度的高估，进一步强化情感的表达[6]。小红书作为年轻人以信息检索和分享经验的常用社交媒体平台，已成为毕业生在求职过程中的情感和实际问题的关键场所。解数咨询发布的《2024小红书趋势及品牌玩法拆解》显示，小红书内容飞速发展，带动用户量级显著增加，月活用户达2.6亿，日均用户搜索渗透率达70%，日均搜索量达3亿次[7]，该平台对用户的作用不仅限于简单的信息共享，还塑造了他们的自我认知和情感体验。小红书作为公共领域中“后台”类的存在，为用户提供了情感表达的减压阀和宣泄口，用户在其中可以寻求虚拟网络中共在的观点与情感共鸣[8]。针对小红书平台中女性用户情感表达的研究显示：通过情感表达，女性之间创造了新的身份认同和团结形式，并以此挑战了新的性别规范，强调了社会身份的新维度[9]。在求职过程中的秋招人也会在小红书平台积极进行内容创作与表达。一项关注小红书平台中“秋招人的社交媒体表达与自我呈现”的研究表明：高校毕业生在社交媒体平台分享自己的求职经历与感受，反映了他们的求职心态和行动路径，成为互联网空间中独特的媒介景观。研究从功利性的角度，说明了秋招人如何利用数字空间记录求职历程、分享资源，并将其内容变现的过程。另有研究从舆情中的群体情绪状态入手，讨论了其群体极化在互联网环境中的形成、演变和固化的原因，研究发现影响群体极化生发机制的根源是刺激社会现实矛盾的争议性质事件，而导致情绪触发、情感倾向形成、扩散以及态度固化的原因则与自媒体煽动和专业媒体引导未果等交互作用下产生[10]。而现有研究中，暂未有学者关注中国应届生面对“秋招失败”在社交媒体平台的情感表达。研究问题一：小红书平台中的用户在表达秋招期间未被录用的话题时，重点分享了哪些内容？研究问题二：在小红书平台中的秋招未获录用话题下，用户的情感表达是积极更多还是消极更多？
2.2. 社交媒体中的在线社会支持
社会支持是指人与人在互动沟通时，个体感受到他人给予自己的爱护、尊重和重视等，并且这种支持性的互动能够帮助个体抵御生活压力对健康产生的不良影响[11]。对于在线社会支持(online social support)，我国学者梁晓燕给出的定义为：基于虚拟空间的交往中，人们在情感、信息交流，物质交换的过程中被理解、尊重时获得的认同感和归属感[12]。Kim等人将Facebook中的点赞和评论数量作为社会支持的客观衡量标准，考察了在线社会支持在影响个人自我价值以及消费愉悦感方面的作用[13]。另外一项研究强调，压力较大且情绪低落的新手妈妈将在线社会支持作为缓解压力的一部分，但同时也存在“过度依赖”和“盲目滚动”带来的消极影响[14]。常李艳等学者发现在使用社交媒体时，个人从基于社交网站(Social network site)的社交过程中感受到尊重、支持、理解的程度[15]。随着社交媒体平台嵌入越来越多年轻人的日常生活中，求职过程中的大学应届毕业生通过使用社交媒体获取社会支持，研究通过深度访谈法揭示了大学应届毕业生的使用动机、支持寻求的特征和策略[16]。佘文斌等学者通过非参与式观察与深度访谈发现，在线抑郁症社区成员在交往过程中主要获得在线社会支持中的信息支持、情感支持和陪伴支持，其中信息支持来自知识的分享，情感支持来自情感共鸣与鼓励，陪伴支持以闲聊和纪事建立交流和连接；在线社会支持与社区类型、互动情形、以及网络关系等情境因素有较大的相关性[17]。从在线社会支持的视角思考，研究问题三：当秋招期间未获录用的用户在社交媒体平台中进行情感表达时，在线社会支持对用户的情感体验有何影响？研究问题四：用户在内容分享的过程中，情感发生了怎样的变化？
3. 研究方法
3.1. 研究设计
本研究采用混合方法，结合文本挖掘、文本分析、内容分析和深度访谈，以期全面了解围绕求职失败的情感表达和在线社会支持，特别关注小红书平台上的话题讨论与用户间的互动现象，解读中国应届毕业生使用社交媒体诉诸求职失败的情感呈现，以及揭示在线社会支持下所隐匿的新文化意义。通过结合定性和定量方法，本研究旨在捕捉中国毕业生情感体验的广度和深度。通过使用文本挖掘、内容分析和深度访谈，可以对情感主题的定量普遍性和个人经历的定性丰富性进行有力的检验。由此探索社交媒体帖子中的情感表达模式，又能通过深度访谈细致入微地了解用户个人的动机、经历和看法。定量分析与定性分析相结合，可以全面探索网络社区中集体和个人情感动态是如何相互作用的。
3.2. 研究方法
定量分析主要涉及文本挖掘，求职失败是引起中国应届毕业生情感表达的关键触点，本文以小红书平台的“求职失败”话题内容为研究对象，搜索关键词为“秋招0offer”“0offer”“秋招没有offer”“秋招没offer人生也不会完蛋”“秋招泡池子”“秋招失败”“秋招投了没反应”“秋招找不到工作”8个表达秋招期间求职失败的话题，帖子最早出现时间为2022年4月22日，爬取数据截止时间为2024年11月27日。随着大量应届生积极分享，又逢正值秋招阶段的时刻，秋招求职失败的内容分享引发了更多人的关注和热议。研究者通过使用Python与JavaScript相结合的方式编写爬虫脚本，根据小红书平台的内容曝光机制，模拟用户在检索话题时的浏览情况。搜集了小红书平台中讨论“秋招0offer”话题的主帖共970条帖子图文分享帖，按照评论点赞量的高低，选取点赞量靠前的评论837条，共计评论29817条。数据包括小红书用户id、发布时间、图片、文字和评论文本。
研究者对爬取的帖子进行了定性内容分析，以揭示用户表达情感的过程和寻求并获得在线社会支持的具体方式。最后，研究者对18位小红书用户进行了深度访谈。分别是9名男性和9名女性，其中包括9名非自媒体博主和9名自媒体博主。其中，9名非自媒体博主主修艺术和人文科学，9名小红书博主作者主修科学和技术。年龄为23-25之间的中国应届生(表1)。
Table 1. Information sheet for 18 interviewees
表1. 18位访谈对象信息表
序号 |
性别 |
博主或素人用户 |
学科专业 |
年龄 |
1 |
M |
博主 |
理科 |
24 |
2 |
M |
素人用户 |
文科 |
25 |
…… |
…… |
…… |
…… |
…… |
17 |
F |
博主 |
文科 |
23 |
18 |
F |
素人用户 |
理科 |
24 |
3.3. 研究技术与测量
在本研究中，我们采用了BERTopic框架和多种先进的工具来实现文本主题建模和情感分析的有效结合。首先使用SentenceTransformer模型将输入文本转换为高维向量表示。选择的模型为“Alibaba-NLP/gte-multilingual-base”，该模型基于多语言预训练，能够捕捉文本中语义信息并适用于不同语言的文本表示。在这一阶段，文本被编码为具有丰富语义的嵌入向量，成为后续降维和聚类的基础。为了降低高维嵌入的复杂性和冗余信息，使用UMAP (Uniform Manifold Approximation and Projection)进行降维，提升了后续聚类算法的计算效率和效果。接下来采用HDBSCAN (Hierarchical Density-Based Spatial Clustering of Applications with Noise)算法对降维后的嵌入进行聚类。结合jieba和ClassTfidfTransformer工具。对文本进行分词和词频统计，过滤掉常见中文停用词，并基于每个聚类生成特定的TF-IDF权重，用以标识每个主题的关键词。在以上工具的基础上，利用BERTopic框架整合所有步骤，生成最终的主题模型。设置了nr_topics参数，并限制每个主题的特征词数量为10个。
情感分析(Sentiment analysis)被用于识别文本情感的情感倾向[18]。识别出用户的情感倾向(积极、消极、中性)，并输出对应的置信度(0~1)。情感倾向越接近1，则说明文本所显示的态度越积极；越接近0则说明内容所显示的态度越消极。研究者使用的情感分类的模型是为RoBERTa-wwm-ext-base于8个中文领域的情感分析数据集，共227347个样本上微调后的版本，模型参数为110 M。在ChnSentiCorp数据集上的准确率为96.61%。
深度访谈法中使用扎根理论分析，扎根理论(Grounded Theory)是一种从经验数据中归纳生成理论的方法，由格拉泽(Barney Glaser)和施特劳斯(Anselm Strauss)于20世纪60年代提出。其核心思想是通过系统化的编码和比较分析，从底层数据中抽象出概念、范畴及其关系，最终形成解释性强的理论框架。研究对深度访谈的文本内容进行分别进行了开放式编码、主轴式编码、选择性编码。在开放式编码阶段，对研究对象的原始语料逐句分析，提取了189个初始概念，并归纳为30个三级范畴。这一阶段关注的是全面覆盖和深入挖掘原始数据中潜藏的关键信息，确保理论的基础充分扎根于数据之中。提取的三级范畴涵盖了从情感表达到个人成长的多维度内容，如“焦虑与压力”“倾诉压力”“算法推荐”等。这些三级范畴为后续编码提供了细致的分析基础，同时为研究的主要方向指明了具体的路径。主轴式编码阶段，将开放式编码阶段生成的三级范畴进行归类和整合。通过对相关范畴的分析，提炼出12个副范畴，并进一步聚合为5个主范畴，分别为：情感表达、社群互动、情感调节机制、社交传播特征、个人认知与成长。主轴式编码通过梳理范畴之间的逻辑关系，进一步厘清了研究问题的结构和内在联系，为理论构建奠定了清晰的脉络。选择性编码阶段，通过分析主范畴之间的关联性，识别出一系列典型关系结构，最终形成一个解释力强的理论框架。这一框架揭示了“秋招0offer”的情感表达、社群互动、情感调节及个人认知变化的动态过程。
4. 研究发现
4.1. 内容主题：经验分享、求职过程、情感表达、求/就职环境
在本研究中运用BERTopic主题建模，研究发现，小红书平台秋招失败的(情感)表达主题围绕经验分享、求职过程、情感表达、求/就职环境，如表2所示。
在情感表达主题下的核心关键词是“痛苦”，占比达到0.05，是这一主题下频率最高的关键词，可以说明在面对秋招失败时用户感受到了消极的情绪。但占比第二高的“友友”也体现了用户通过友好的称呼，以此主动寻求小红书平台中的在线社会支持。此外，用户仍然以求职过程中的“面试”、“投递”、“岗位”，以及一些就职单位平台比如“企业”、“大厂”、“集团”与失败经验分享等具体信息作为内容。说明用户在面对秋招失败的内容分享是求职过程中的经验信息与情绪表达兼具的发帖行为。
Table 2. Topic word list of posts related to autumn recruitment 0 offer (N = 970)
表2. 秋招0offer相关帖子主题词表(N = 970)
主要话题 |
关键词 |
经验分享 |
简历 |
实习 |
经验 |
修改 |
总结 |
求职过程 |
面试 |
缩招 |
投递 |
选择 |
岗位 |
求职情感表达 |
痛苦 |
友友 |
纠结 |
崩溃 |
焦虑 |
求/就职环境 |
大厂 |
牛客 |
集团 |
企业 |
中国 |
4.2. “秋招0offer”话题分析帖子的情感倾向：积极情感为主
如图1，本文将情感分析结果中情感值大于0.6的界定为积极情感，情感值介于0.4到0.6的界定为中性情感，情感值小于0.4的界定为负面情感。数据分析的结果显示，在有关“秋招0offer”相关话题的970条内容分析帖子中，积极情感表达的占多数。76.80%的内容(N = 745)呈现积极的情感倾向，呈现消极情感倾向的文本表达最占18.96% (N = 184)，4%的内容(N = 41)呈现中性情感倾向。
Figure 1. Emotional tendencies shared by failed autumn recruitment on the Xiaohongshu platform
图1. 小红书平台秋招失败分析的情感倾向
综合以上分析，虽然用户在关于秋招失败的话题下感受到了消极情绪，但内容分享的情感倾向大多数都是积极的，说明中国应届生面对0offer的秋招经历仍然在乐观积极的应对，大多数中国应届生的情感倾向没有因为在秋招期间求职失败的话题下表达出消极不振的情感倾向，正向的情感倾向在失败的经历中占主导地位。
4.3. “秋招0offer”话题下评论情感分布与主题词
4.3.1. 评论内容情感分布特征：支持倾向显现
通过对小红书“秋招0offer”话题下评论的情感分布进行分析，揭示了网友在互动中的情感特征与动态。情感分布如图2所示，本研究爬取评论共计29,817条，积极情感倾向的评论有15,726条，占52.74%，消极情感倾向评论有11,493条，占38.54%，中立情感的评论有2598条，占8.71%。在积极情感表达的帖子中，积极的评论占比为59.98%，而消极评论占比为40.02%，表明尽管积极情感占据主导地位，但消极评论的比例依然显著，反映了部分用户对积极情感表达的质疑或对话题的不同解读。同时，在消极帖子中，积极评论占比为53.52%，高于负面评论的46.48%。这一现象表明，在消极情感表达较为集中的讨论中，关注此话题的网友表现出一定的支持倾向，通过正面的积极评论为发帖者提供情感上的安慰和心理支持。
Figure 2. Sentiment distribution of comments on autumn recruitment 0offer topics
图2. 秋招0offer话题评论情感分布图
一方面，正面帖子中的负面评论揭示了该话题下用户情感和观点的多样性，反映了话题讨论的开放度；另一方面，负面帖子中正面评论的相对优势，则说明社区在面对负面情感时具有积极调节作用，有助于缓解发帖者的焦虑情绪。这一现象表明，小红书作为一个社交媒体平台，不仅给予用户可以表达“秋招0ofer”情感的场所，也在一定程度上扮演了社区支持网络的角色，为将要迈入社会就遭遇职业挫折的中国应届生提供了情感释放和社会支持的沟通渠道(图3)。
Figure 3. Sentiment distribution of comment texts under the topic of “autumn recruitment 0 offer”
图3. “秋招未被录用”话题下：评论文本情感倾向分布
4.3.2. 评论文本内容四类话题
研究者对评论的文本数据进行分析，发现评论的文本内容主要分为四类：正向互动、引发共鸣、询问私聊与情绪发泄。在正向互动主题的1765条评论中，其高频关键词见图4，分析表明该话题下的评论，呈现出多样性和包容性。用户通过多种主题进行反馈，说明该话题下从情绪调节到心理支持的多维互动。关键词“谢谢”、“加油”“一模一样”反映了用户在情绪表达中收获了情感共鸣与支持的体验。高频的正向互动也体现了小红书平台内部的互助平台氛围。用户积极的互动语言比如：“姐妹”、“蹲一下”，和后台私信的社交沟通形式也体现出了小红书平台特有的平台文化，助推了秋招0offer下受挫情感的共情传播与接纳(图4)。
Figure 4. High-frequency keywords under comment threads
图4. 评论主题下的高频关键词
虽然通过主题建模反映了秋招0offer话题下用户分享内容的核心主题与情感表达，情感分析揭示了中国应届生在这一经历中的情感倾向，但上述方法仍有局限性。不能细致深入的洞见中国应届生在小红书平台分享秋招未获录用话题的动机、情感调节与演变、以及在线社会支持的作用。深度访谈法可以深入地了解上述问题，理解秋招未获得录用的中国应届生更全面完整的心理活动。
4.4. 范畴提炼与模型建构
在开放式编码阶段，对研究对象的原始语料逐句分析，提取了189个初始概念，并归纳为30个三级范畴。这一阶段关注的是全面覆盖和深入挖掘原始数据中潜藏的关键信息，确保理论的基础充分扎根于数据之中。提取的三级范畴涵盖了从情感表达到个人成长的多维度内容，如“正向认知”“倾诉压力”“理性接受”等。这些三级范畴为后续编码提供了细致的分析基础，同时为研究的主要方向指明了具体的路径。受限于篇幅，本文只选取了部分原始语句及其初始范畴(表3)。
在主轴编码的阶段，通过对相关范畴的分析，提炼出12个副范畴，并进一步聚合为5个主范畴，分别为：情感表达：涵盖情感状态及其变化方式。社群互动：聚焦于用户间互动的类型、反馈以及社群特性。情感调节机制：描述情感表达和社群互动在缓解情绪上的作用。社交传播特征：展示内容和信息传播的特性。个人认知与成长：探索用户在秋招求职过程中认知与自我发展的变化。主轴式编码通过梳理范畴之间的逻辑关系，进一步厘清了研究问题的结构和内在联系，为理论构建奠定了清晰的脉络(表4)。
Table 3. Table of extracted parts of the open coding phase
表3. 开放式编码阶段提取部分表
原句摘录 |
初始概念 |
三级范畴 |
首先因为朋友圈里面加了很多的领导老师和亲戚，尴尬。我虽然也会发一些，但是我不太会写这个，因为它不适合长文阅读。 |
不愿熟人圈暴露自己 |
安全表达 |
更多可能就是走过路过看一看大学生是什么样的，然后发表一下自己的一些言论。当然有些带有一些偏见。 |
带有偏见的评论 |
冲突与争议型 |
小红书大概有50%的帖子都是关于秋招的。 |
秋招内容的高关注度 |
高共鸣性 |
我那个时候我会有的一个感觉就是我有点不知道该怎么办，因为我会觉得就是我这边可能已经很尽人事了，但是并没有得到预期内的结果。 |
面临困境难以求助 |
孤独无助 |
周围的人的offer都不是很多 |
外部环境的影响 |
归因外部化 |
如果你在互联网的话，它可能工资会高一点，然后我带你其实是自由时间会相对少一点。 |
工作类型的优劣对比 |
经验总结型内容 |
我的心态觉得，你找到合适的工作是最重要的，而不是非要找一个工作。 |
找工作的合适性重要 |
正向认知 |
如果是现在的话，可能留给所有人的机会都非常少，确实是这样比较现实，我觉得这是一个比较现实，你也只能接受的问题。 |
接受现实的求职难度 |
理性接受 |
Table 4. Spindle coding stage table
表4. 主轴编码表
主范畴 |
主范畴 |
三级范畴 |
情感表达 |
发帖前的情感状态 |
焦虑与压力 |
焦虑与压力 |
孤独无助 |
发帖后的情感变化 |
情绪释放 |
获得支持 |
正向认知 |
情感表达方式 |
消极倾诉型 |
积极应对型 |
玩梗抽象型 |
社群互动 |
互动类型 |
共勉加油型 |
经验互通型 |
冲突与争议型 |
互动反馈 |
积极回应 |
无视反驳 |
续表
|
社群氛围 |
同温层效应 |
安全表达 |
情感调节机制 |
表达的情感调节作用 |
倾诉压力 |
幽默消解 |
社群互动的调节作用 |
认同感 |
支持感 |
建议感 |
社交传播特征 |
内容特征 |
情绪倾诉型内容 |
经验总结型内容 |
幽默梗型内容 |
信息扩散模式 |
算法推荐 |
高共鸣性 |
个人认知与成长 |
对秋招的认知变化 |
归因外部化 |
理性接受 |
对自我的认知变化 |
自我接纳 |
目标明确 |
选择性编码阶段，通过分析主范畴之间的关联性，识别出一系列典型关系结构，最终形成一个解释力强的理论框架。这一框架揭示了“秋招0offer”的情感表达、社群互动、情感调节及个人认知变化的动态过程(表5)。
Table 5. Selection of coding stage table
表5. 选择编码阶段表
典型关系结构 |
关系内涵 |
情感表达 → 社群互动 |
情感表达引发社群互动，发帖时的情绪状态(如焦虑、压力、孤独无助)可能会促使用户寻求社群的反馈和支持。 |
情感表达 → 情感调节机制 |
情感表达在社群中有一定的调节作用，通过倾诉或幽默等方式缓解情感压力，个体情感的表达本身是情感调节的第一步。 |
情感表达 → 社交传播特征 |
用户通过小红书的社交平台进行情感表达，通常采用倾诉型、经验总结型或幽默梗型的内容，这些内容会以算法推荐或高共鸣性传播。 |
情感表达 → 个人认知与成长 |
情感表达不仅是情绪的释放，还会影响个体对秋招的认知变化及自我认知的调整。通过倾诉，个体可能会将负面情绪外部化或理性接受失败的事实，进而增强自我接纳感。 |
社群互动 → 情感调节机制 |
社群互动中的支持性反馈(如共勉加油型、经验互通型)帮助缓解个体的焦虑与压力，产生认同感、支持感和建议感，从而促进情感调节。 |
社群互动 → 社交传播特征 |
社群互动中的评论类型与社交传播特征密切相关。积极回应和共勉加油型的评论，增强了信息的扩散，用户通过互动提高了情感的缓解和传播效果。 |
续表
社群互动 → 个人认知与成长 |
社群的互动反馈对个人认知变化有积极影响，特别是通过获得他人的经验和支持，个体对秋招的认知会逐渐外部化，达到理性接受的状态，同时增强自我接纳感。 |
情感调节机制 → 个人认知与成长 |
情感调节通过自我倾诉或社群反馈的方式，帮助个体将情绪负担外化，进而改善其对秋招的认知，增强个人的情感调节能力，达到更积极的自我认知状态。 |
社交传播特征 → 个人认知与成长 |
社交平台的传播模式(如算法推荐、共鸣性高的内容)可能促进个体对秋招的认知变化。信息的传播和情感的释放，帮助个体形成更为积极、理性的就业观念。 |
5. 研究结论
根据三阶段编码方法分析了求职失败者的情感表达方式、社群互动特性、情感调节机制及其对个人认知的影响。通过定性分析的方式构建了从情感表达到个人认知变化的理论框架，得出以下结论。
5.1. 用户发帖前后的情感变化——从消极到积极的动态转变
编码结果显示发帖前用户的情感状态普遍表现为焦虑与压力、自我怀疑和孤独无助，这些负面情绪主要源于求职过程中的多重挫折，包括竞争压力大、企业反馈少以及个体资源的相对劣势。用户对自身能力与未来职业发展缺乏信心以及对外部环境表现出强烈的不确定感。
不过研究发现受访者发帖后的情感状态呈现出显著的积极转变，情绪表达成为一种释放机制即用户通过公开自己的经历和情感获得了情绪上的舒缓。这种转变部分得益于社群的积极反馈，如评论中的共勉加油型互动和经验互通型建议，这些积极反馈帮助用户重新定位自我价值并理性接受现实求职环境。总体来看发帖后用户情绪从孤立无助逐渐过渡到积极调适，这种情绪的调试进一步推动了正向认知的形成。
5.2. 情感表达方式：多样化与个性化的呈现
用户在小红书上的情感表达方式的多样性主要分为以下三种类型：消极倾诉型：用户通过直接倾诉求职失败带来的负面情绪，如焦虑、不安和挫败感。这类表达方式通常伴随对秋招竞争激烈、外部环境的归因和对自我能力的质疑，但这种倾诉也为情绪释放提供了直接的途径。积极应对型：部分用户在表达失败经历的同时分享了具体的解决方案，如改进简历、尝试不同职业路径或调整求职策略。这类表达在展现了对当前困境的理性反思的同时也为其他用户提供了实际的参考和激励。玩梗抽象型：一些用户以幽默化、抽象化的语言描述求职困境，通过调侃和自嘲缓解情绪压力。这种表达形式往往引发较高的互动热度并展现出高度的个性化特征，因此这种表达形式也成为了小红书社群内的一种标志性内容风格。多样化的表达方式反映了用户对情感表达不同方式的自主选择，这些不同方式的自主选择在满足了不同个体情绪释放的需求的同时也吸引了多样化的互动群体，可见多样性的表达方式进一步推动了社群支持的形成。
5.3. 社群互动的支持性功能：归属感与实用价值的双重体现
研究表明用户的发帖内容引发了共勉加油型和经验互通型互动，这是社群支持的两个核心维度：用户通过他人的鼓励和共情意识到自身并非孤立无援从而进一步增强了对求职困难的适应力，这展示了共勉加油型互动提供了情感上的安慰和心理支持。经验互通型互动则更注重提供实际建议比如求职技巧分享、职业选择建议以及应对面试的具体策略，这类互动传递了实用信息，也帮助用户重新评估自身的求职策略。尽管一些偏见的批评或攻击性言论中存在冲突与争议型互动，但大多数用户对这些负面互动表现出克制或无视，这种无视避免了情绪的进一步恶化。
5.4. 情感调节机制：个体与社群的双向作用
用户通过情感表达和社群互动实现了对负面情绪的双重调节，从个体层面看，无论是直接倾诉还是幽默化的表达的情感表达都是一种自发的压力释放机制，这种形式的情感表达在一定程度上减轻了焦虑感。从社群层面看，互动反馈通过强化用户的认同感、支持感和建议感来帮助用户更有效地消化情绪负担，并逐步形成正向的认知模式。幽默化的表达方式同样对情感调节具有显著作用，比如用户通过玩梗抽象型表达将求职失败的负面情绪转化为群体性的娱乐化内容，从而淡化个体挫折感以及强化了社群内部的归属感和安全感表达氛围。
5.5. 社交传播的算法支持与高共鸣效应
小红书平台通过算法推荐机制根据用户的关注点和互动行为为其推荐相似内容，此行为使得“秋招未被录用”相关帖子在特定用户群体中具有较高的曝光度和互动频率，也进一步促进了情感表达和互动的扩散。这种算法驱动的传播模式增强了内容的高共鸣性，使得用户在接触相似经历时可以感受到集体支持的力量，进一步推动了情感表达与认知转变。
5.6. 个人认知的积极转变：从外部归因到自我接纳
用户的认知通过情感表达和社群支持逐步从归因外部化过渡到自我接纳和目标明确，用户最初倾向于将求职失败归因于外部环境(如社会性别偏见等)，以此缓解自我怀疑的压力；在后续互动中，他们逐渐形成了对求职现实的理性接受，同时他们也会反思自身的目标与定位。许多用户开始重新评估求职失败的意义，强调“找到合适的工作比随便找一份工作更重要”，这一认知变化体现了用户在情感调节过程中的成长即逐步迈向更加自信和成熟的职业选择路径。
6. 结论与不足
本研究分析了中国应届毕业生在秋招期间未获得录用背景下，选择小红书平台进行情感表达与在线社会支持。采用了混合的研究方法，得出如下结论：通过定量分析，虽然用户在秋招期间处于焦虑痛苦的情绪，但66.19%的内容分享帖在情感表达中呈现出正向积极的情绪。内容分析帖子中，除了情感表达外，用户仍然以秋招期间的经验分享、求职过程中的具体环节、以及求职就职环境作为主要话题。此外，用户在小红书平台发布内容的过程中，情感表达发生了动态变化，具体而言，用户在发帖前表现出焦虑、自我怀疑和孤独等负面情绪，但通过平台分享情感和经历，这些情绪得以释放，在不同方式的情感表达中满足了不同个体的情感需求。在线社会支持的功能也为用户在倾诉情绪的过程中提供了心理安慰和实用建议，尽管存在少量的争议性互动，但整体氛围以支持和理解为主，在共鸣与有效信息互通的交流下，缓解了用户在秋招期间未被录用的心理压力。不足之处是本研究局限于单一平台和特定人群，未能对跨平台、跨文化的情感表达与互动模式进行比较。总之，本研究表明，小红书在中国应届生秋招未获录用的情景下，成为情感表达与情绪调节的重要场所，为理解社交媒体在情感表达与在线社会支持的作用提供了参考。