为了弄清这一点，脸书在6月28日被推到了风口浪尖。2012年初，一群数据科学家花了一周时间，对68.9万用户每天看到的社交网络更新进行了调整。通过调整用户每天看到的内容，他们观察社交网络上的信息是否会影响他们的情绪。
虽然作者在这篇论文中声称这个实验符合脸书的数据使用政策，即任何选择注册脸书的用户都应该为某些研究提供内容支持。但许多脸书用户在两年前得知这个实验后的第一反应仍然是觉得自己被耍了。
实验结果发表在《美国国家科学院院刊》(PNAS)上。抛开隐私和伦理，我们不妨看看实验做了什么，从研究本身得出了什么，然后是什么？
本周的测试涉及超过300万个状态，包括超过6543.8+亿个单词(3.6%的正面单词和6543.8+0.6%的负面单词)。
情绪传染理论在这篇名为“通过社交网络进行大规模情绪传染的实验证据”的论文之前就已经存在，研究人员也证明了在实验室的理想状态下，人们会影响彼此的情绪。
情绪传染这一理论是由美国社会心理学家伊莱恩·哈特菲尔德在1993中提出的。她认为，个体有自发模仿周围人的言行并同步到自己行为中的习惯。而如果指向情绪方面，则构成情绪传染。
然而，这个发展了20年的理论，慢慢的显现出一些缺陷。
比如，理想的人际关系和现实的人际关系有着巨大的差异。一定程度上，机械很难计算出人心。
第二，当时没有在线社交网络，所以他们未能证明只在虚拟空间实现的言语宣泄是否强大到足以感染情绪。
第三，一些研究人员认为，在线社交网络容易产生这种“单独在一起”的情绪。说白了，看到邻居发来欢快的信息，你会默默的觉得很不开心。
基于以上三个问题，脸书关于信息流的实验开始了！
通过这个实验，他们想证明:
1.电脑输出的文字会感染情绪。
2.个人的身体和心理状况可能会受到与社交网络相关的信息的影响。
3.脸书上一个人的情绪表达将能够预测他的脸书朋友在未来几天的情绪变化。(也就是两者存在正相关关系)
在脸书这边，动态信息是通过一套特殊的算法实现的。这个算法最希望做的就是满足你(也就是猜测你的兴奋程度)，你最想看到什么样的邻居信息，你最感兴趣什么样的信息等等。
设立对照组作为参照对象后，实验分为两组。删除第一组用户的正面情绪友好邻居信息，删除第二组用户的负面情绪友好邻居信息。当然，这种人工删除仅限于信息流平台。如果直接点开邻居的主页(墙)或者时间线，还是能看到那些碎念，但是这种任意更改隐私的行为，足以让脸书用户愤怒。
而在思考如何过滤所谓的正面和负面情绪词的时候？选择语言查询和字数统计软件短语系统。作为一个信息系统，只能机械的筛选一些词，比如“不是”，不是“不开心”“不好”“不好”来判断词的正负两极。
最后，本研究得出结论，情绪可以通过互联网上的人际网络进行传播。那些被排除在信息流正面信息之外的用户，会变得抑郁，越来越抑郁；而那些在信息流中被排除在负面信息之外的用户，会变得活跃，越来越活跃。是不是有一种“近朱者赤，近墨者黑”的视觉感？
除了这个理论，这项研究还提炼了情绪传染的几个特征:
1.因为信息流的内容并不是直接推送给某个人，而是发布在整个社交网络上，这种情绪传染对于某个行为来说并不是一种“结果”，而只是一种“影响”。
2.情绪传染不仅仅是面对面实现的。从实验数据来看，虚拟空间中的情绪也是可以相互传染的。
3.对于那些积极的状态更新，人们愿意做出回应，而不是只是四处看看。
当这项研究成功发布时，脸书用户的第一反应是“愤怒”，第二反应可能是不够严谨。例如:
数据太少
虽然它调动了689003个用户的数据，但是这个容量对于庞大的脸书来说实在是太小了。
软件系统其实很擅长处理那些短频率、快节奏的状态数据。
心理学中心的创始人约翰·格罗霍抱怨其研究方法。在这些社交平台上，软件比短信更擅长识别小说和论文。言下之意是后者缺乏语境。因此，这项基于脸书的研究证明了该工具的巨大局限性。
不管这个理论是否严谨，它所研究的课题其实意义深远。用现在的话来说，大概就是“要不要远离那些老是爆炸负能量的小伙伴？”“如果我的朋友圈都是心灵鸡汤的软文，我还能好吗？”“一个人的民族情绪真的能点燃整个社交网络吗？”诸如此类的话题。
跳过这项基于脸书信息流的研究，对网络虚拟空间人际关系的研究一直是近年来社会科学家的热门话题。但是真的太难了，所以能站得住脚的理论很少。说起来有什么难度？这个著名的漫画可以说明一些事情。
(作者:马·)