1 引言
随着信息通信技术的发展，互联网逐渐融入了现代人的日常生活。2024年8月1日《网络暴力信息治理规定》的施行，将网络环境的治理提上新高度。群际敏感效应是指相比于外群体，人们更容易接受由内群体提出的批评或意见，对外群体的意见则表现出敏感和抗拒(Hornsey et al., 2002)。社会认同理论认为，当个体感知到自己所属群体的表现不佳，或者受到歧视、贬低时，会感到受威胁，从而产生防御型反应(Turner, 1999)。该效应已经在现实群体中的宗教(Ariyanto et al., 2010)、人种(White et al., 2023)、语言(Moscatelli et al., 2019)及政治信仰(Brander & Hornsey, 2006)等方面得到验证。与此同时，互联网的匿名性与虚拟性导致群体形成过程简化、表达成本降低，无时无刻不在形成新的群体类型，产生群际交流。因此，本研究拟对网络群体的群际敏感效应及其负面行为表现加以探究。
在互联网上，群际互动面临道德边界界定、礼仪重塑等诸多问题，也诞生了群体性事件新的表现形式—网络集群攻击行为。所谓网络集群攻击行为，指的是网民在网络中感知到某种共同影响或刺激时，自发形成一定数量的群体，在互联网上参与表达时所产生的攻击行为(乐国安, 薛婷, 2011)。以往研究表明，在互联网中的群体形成主要有两种方式，一类是出于客观现实的群体分类，例如中老年与青少年、男性与女性等；另一类是在特定的社会情境下所激发的群体身份(Weisbuch & Ambady, 2008)，例如支持者和反对者、赞赏者和贬低者等。依照网络集群攻击行为的定义，群体性与攻击性是其具备的显著特征。因此，在网络集群攻击行为的测量方式上，本研究参考高阳等人(2023)的研究，通过赋予被试群体身份，然后在一定的情境激发下采用员工评价范式来测量网络集群攻击行为。
消极评价来源作为情境因素对网络集群攻击行为产生影响，其必然受到群体情绪的作用(张书维, 2013)。群体情绪是指当个体自我归类为某个群体的成员时所体验到的情绪，而群体愤怒作为其中一类消极情绪，是与认知扭曲和归因偏差等有关的内在情绪状态(Smith & Mackie, 2016)。当群体受到来自外群体的消极评价时，就会对所在群体的地位产生威胁感，进而产生愤怒情绪(薛婷 等, 2013; Cuddy et al., 2007)。在愤怒情绪的驱使下，个体为了维护群体形象，可能会采取积极的内群体行为或者攻击外群体的行为，以降低威胁感知。愤怒情绪对网络集群攻击行为的影响已被许多研究所证实(乐国安 等, 2013; 周云 等, 2020)。由此可见，群体愤怒既受到消极评价来源的影响，又与网络集群攻击行为相关。群体愤怒可能在消极评价来源对网络集群攻击行为的影响中发挥中介作用。
一直以来，群际接触是改善群际关系最有效的策略(Pettigrew, 1998)。互联网的发展和普及极大地改变了人们的互动方式，这也为传统的群际接触创造了新的形式—网络接触。网络接触是指内外群体之间以网络为媒介(包括文本、视频、图片等)展开的互动模式(Amichai-Hamburger & McKenna, 2006)。积极的网络接触不仅可以有效降低愤怒情绪(Husnu & Crisp, 2010)，还可以增强群际互动(Meleady et al., 2021)，减少群际冲突。当内群体感知到外群体消极评价可能造成的威胁时，通过积极的网络接触可以使个体感觉更舒适，减少不安感，从而激活内外群体成功接触的信念(Al Ramiah & Hewstone, 2013)。据此，本研究假设，积极网络接触不仅调节外群体消极评价与网络集群攻击行为的关系，而且调节外群体消极评价与群体愤怒的关系。
本研究分为两个实验。实验1基于现实群体的分类方式，探究不同群体在线上活动时消极评价来源对网络集群攻击行为意向的影响。由于行为意向并非实际行为，因此实验2在实验1的基础之上，将群体分类与员工评价范式相结合，进一步探究消极评价来源对网络集群攻击行为的影响并分析群体愤怒与积极网络接触的作用，假设模型如图1 所示。
2 实验1：消极评价来源对网络集群攻击行为意向的影响
2.1 研究方法
2.1.1 被试
为提升被试对实验情境感知的真实性，本研究在北京市某高校即将前往实习单位的大三学生中随机选取108名被试，剔除没有激发群体身份以及对外群体消极评价持肯定态度的被试后，共计96名被试(男性53名，女性43名，平均年龄20.06±0.89岁)。实验结束后，告知被试材料的虚拟性，并发放小礼物。
2.1.2 实验设计
采用单因素被试间设计，自变量为消极评价来源(内群体消极评价、外群体消极评价)，因变量为网络集群攻击行为意向，其中内群体消极评价组(男性26名，女性22名)与外群体消极评价组(男性27名，女性21名)各48名被试。
2.1.3 实验材料与程序
实验材料改编自Li和Feng(2015)研究中以实习问题为背景的消极评价。在被试所在学校，实习表现将影响学生的就业前景，受到该校学生的高度重视。实习地的差异不仅从地理上区分出了两个群体，不同的实习待遇也从社会情境的角度对群体进行了划分。除此之外，为了能够有效激发内外群体身份的差异，本研究采用嵌入式真实在线论坛的实验设计，被试能够在“论坛”上查看、点击他人评论，并发表个人评论。在实验开始前，主试告知被试这是一项关于实习地“作息时间安排”的意见调查，并说明被试被分配的实习地规定“实习期间早上5点起床跑操，并且每天晚上10点之后统一在宿舍点名就寝，不允许外出”，但是另一实习地无此规定。随后呈现本研究设计的“真实在线论坛”，告知被试论坛中的评论均为同期实习生所发表。内群体消极评价组呈现来自内群体(前往同一实习地的学生)所发表的评论，外群体消极评价组则呈现来自外群体(前往不同实习地的学生)所发表的评论。评论内容例如“这是学校安排的实习地，你肯定要听从安排”“晚上10点也不早了，也该睡觉了”等，以此对消极评价来源进行操纵。为了保障材料的真实性，论坛呈现的评论内容为实时更新，且被试也可随时发表评论。随后让被试填写相关量表。
2.1.4 研究工具
群体消极评价感知：采用7点量表评价如下问题：“阅读完上述材料后，您是否感知到内(外)群体对您的消极评价，请您用0～6为量尺进行如实评价。”
消极情绪量表(Wilson & Hugenberg, 2010)：量表包括威胁、担心、生气、害怕、愤怒、焦虑等情绪词。采用5点计分法，1分表示“完全没有体验到”，5分表示“强烈体验到”。总分越高表示该情绪越强，本实验中该量表的内部一致性系数α为0.81。
网络集群攻击行为意向(薛婷 等, 2013)：问卷共计4个题项，如“当你在校园论坛上看到了大量抨击前往XX地实习同学的帖子，您有多大可能进行点赞/转发/评论，以表达您对该群体的‘讨伐’ ”等。采用7点计分法，1分代表“完全不可能”，7分代表“完全可能”。在本实验中该问卷的内部一致性系数α为0.84。
2.2 结果
2.2.1 群际敏感效应操纵检验
统计结果显示，群际敏感效应的操纵是有效的(M外群体消极评价感知=5.96, SD=0.63; M内群体消极评价感知=3.86, SD=0.72; t(193)=20.31, p<0.001, Cohen’s d=2.83)。
2.2.2 群际敏感效应下消极情绪水平
结果如表1 所示，总体而言，外群体消极评价组的消极情绪水平(M=2.75, SD=0.96)显著高于内群体消极评价组(M=1.75, SD=0.76)，t=3.21，p<0.001，说明外群体的消极评价更能引发被试的消极情绪。作为典型的群体情绪，有研究者从愤怒、不满和烦躁三个维度对群体愤怒进行解释(Van Zomeren et al., 2004)，这与本实验的研究结果一致。实验2将在此基础上进一步探究群体愤怒在群际敏感效应与网络集群攻击行为的关系中所起的作用。
表1 群际敏感效应操纵检验 |
| 内群体消极评价组 (M±SD) | 外群体消极评价组 (M±SD) | t | |
| 威胁 | 1.64±0.76 | 2.95±1.23 | 2.06* |
| 担心 | 1.23±0.73 | 1.96±0.99 | 1.94 |
| 生气 | 1.98±0.87 | 3.28±0.86 | 2.45** |
| 害怕 | 1.33±0.57 | 1.82±0.78 | 1.32 |
| 愤怒 | 2.43±0.93 | 3.96±0.83 | 2.17* |
| 焦虑 | 1.94±0.69 | 2.53±1.07 | 2.33* |
| 总分 | 1.75±0.76 | 2.75±0.96 | 3.21*** |
注：*p<0.05，**p<0.01，***p<0.001，以下同。 |
2.2.3 外群体消极评价对网络集群攻击行为意向的影响
使用独立样本t检验和相关分析探讨消极评价来源对网络集群攻击行为意向的影响。当消极评价来自外群体时，被试的网络集群攻击行为意向(M=3.98, SD=1.23)显著高于内群体消极评价组(M=1.74, SD=0.89)，t(99)=3.16，p<0.001，Cohen’s d=0.72。相关分析结果显示，消极评价来源与网络集群攻击行为意向(M=2.86, SD=1.23)呈正相关关系(r=0.52, p<0.01)，当消极评价来自外群体时，其网络集群攻击行为意向更强烈，这与已有研究结果一致(Stephan et al., 2008; van Zomeren & Iyer, 2009)。但是已有研究对于网络集群攻击行为意向能否代替实际行为仍然存在争议。关于集群行为的研究认为，当难以获得实际行为时，集群行为意向已经是与集群行为最接近的变量(张书维, 2013)。但一项研究微博网民情绪敏感度的研究指出，行为意向与实际行为之间还存在执行意向这一中介变量(赵杨 等, 2015)。此外，以实习地作为内外群体的操纵能否适用于整个大学生群体仍有待商榷。因此，有必要采用更具有推广性的群体分类方式，对真实的网络集群攻击行为加以测量，提高实验的生态效度。因此，本研究进行实验2，对实验1存在的上述局限性予以完善。
3 实验2：群际敏感效应对网络集群攻击行为的影响机制
3.1 研究方法
3.1.1 被试
研究对象为大学生群体，相比于同一时代的其他群体，大学生使用互联网的方式更加多元。采用G*Power3.1，根据实验1的结果将效应量设为0.72，显著性水平α设定为0.05，统计检验力(1−β)设为0.80，分配比例为1，计算得到实验所需被试为102名。通过随机取样选取某地102名大学生(男性48名，女性54名)，平均年龄21.37±2.07岁。其中，外群体消极评价组50名(男性24名，女性26名，有无接触各25名)，内群体消极评价组52名(男性24名，女性28名，有无接触各26名)。
3.1.2 实验设计
采用2(消极评价来源：内群体、外群体)×2(积极网络接触：有接触、无接触)被试间设计。中介变量为群体愤怒，因变量为网络集群攻击行为。
3.1.3 实验材料与程序
具体流程如下：被试进入E-Prime2.0程序，首先阅读背景材料(帮助某公司进行能力测试，以确定被试的工作能力)，完成人口学信息填写。然后，进入虚拟匹配界面，被试与“队友”有着相同的头像。有研究证实，使用头像或昵称能够有效进行群体操纵(温芳芳, 佐斌, 2018)。在完成群体匹配后，被试将完成虚拟任务。虚拟任务为工作记忆任务，该任务要求被试对呈现的字母进行记忆，随后检验记忆效果。这一过程主要涉及信息的暂时存储和处理、情绪反应以及认知任务的执行，被广泛应用于人才招聘及心理选拔。因此，本实验选择工作记忆任务作为虚拟任务，由此加强被试的代入感。且无论被试答题情况如何，在被试答题结束后即呈现被试所在群体失败的界面(包括正确率和平均时长)，由此来激发被试的负性体验。接着引导被试进入虚拟论坛，在论坛中，分别呈现来自内群体(队友)和外群体(对手)对于测试结果的消极评价。
在积极网络接触的操纵上，实验人员为不同消极评价来源的组别都呈现了一个来自外群体成员的私聊界面，该界面实际上由AI进行智能回复。积极网络接触被试的界面主要对被试的性格、能力进行了赞扬，无接触被试的界面则是呈现关于某国家公园风景的客观描述，两组被试的接触时间均控制在180秒内。随后被试需要根据实际情况填写对消极评价的感知。测量采用了7点量表评价如下问题：“阅读完上述材料后，您是否感知到内(外)群体对您的消极评价，请您用0～6为量尺进行如实评价。”
群体愤怒采用改编后的群体愤怒量表进行测量(van Zomeren et al., 2004)。如“面对上述来自不同群体的同学对你们的消极评价，您作为您所在群体的一员，是否感受到愤怒？”通过加入引导语的方式再次激发被试的群体身份感知，问卷包含3个题项，评分方式为7点计分，其中1表示“没有”，7表示“特别”，得分越高表示越愤怒。本实验中内部一致性系数α为0.84。
最后，实验结束后，告知被试任务及结果的虚拟性，并发放小礼品。
实验流程如图2 所示。
3.2 结果
3.2.1 描述性统计及相关分析
各变量的均值、标准差及相关系数如表2 所示。由表2 可知消极评价来源与群体愤怒和网络集群攻击行为呈显著正相关。
表2 变量的描述性统计结果及相关系数矩阵 |
| 变量 | M±SD | 1 | 2 | 3 | 4 | 5 |
| 1.性别 | ||||||
| 2.年龄 | 20.53±1.76 | 0.28* | ||||
| 3.消极评价来源 | 0.18 | 0.09 | ||||
| 4.积极网络接触 | 0.13 | −0.01 | 0.03 | |||
| 5.群体愤怒 | 3.80±1.57 | 0.05 | −0.02 | 0.26* | −0.06 | |
| 6.网络集群攻击行为 | 4.53±1.72 | 0.23 | 0.08 | 0.52*** | 0.01 | 0.14 |
注：性别，男=0，女=1；消极评价来源，内群体消极评价=0，外群体消极评价=1；积极网络接触，无接触=0，有接触=1。 |
3.2.2 群际敏感效应操纵检验
以消极评价来源和积极网络接触作为自变量，以群体消极评价感知作为因变量，进行二因素方差分析。结果发现，消极评价来源的主效应显著，F(1, 98)=204.73，p<0.01，η${_{\rm p}^2} $ =0.71，95%CI=[0.14, 0.31]，外群体消极评价组的群体消极评价感知(M=4.75, SD=1.27)显著高于内群体消极评价组(M=2.41, SD=0.65)。积极网络接触的主效应[F(1, 98)=0.75, p=0.39]及积极网络接触与消极评价来源的交互效应[F(1, 98)=1.60, p=0.21]均不显著，这说明，消极评价来源的操纵是成功的。
3.2.3 群体愤怒中介效应检验
本研究对所预测的变量进行标准化处理后以Bootstrap法检验中介效应，模型的因变量为网络集群攻击行为，预测变量为消极评价来源，中介变量为群体愤怒。
结果见表3 ，群体愤怒的中介效应值为0.25，95%CI不包含0，表明中介效应显著。并且该中介效应占总效应的46.30%，即消极评价来源对网络集群攻击行为的效应有46.30%是通过群体愤怒起作用的。
表3 群体愤怒的中介效应检验 |
| 路径 | 效应 | 效应值 | 95%CI |
| 消极评价来源→ 网络集群攻击行为 | 直接效应 | 0.29*** | [0.23, 0.34] |
| 消极评价来源→群体愤怒→ 网络集群攻击行为 | 间接效应 | 0.25*** | [0.16, 0.23] |
| 总效应 | 0.54*** | [0.58, 0.76] |
3.2.4 有调节的中介效应检验
采用SPSS26.0宏程序PROCESS中的Model 8(Hayes, 2018)对积极网络接触的调节效应进行检验，结果如表4 所示。结果发现，消极评价来源能显著预测群体愤怒(β=0.61, p<0.001)，群体愤怒能显著预测网络集群攻击行为(β=0.33, p<0.001)，消极评价来源能显著预测网络集群攻击行为(β=0.30, p<0.001)；消极评价来源和积极网络接触的交互项不仅能显著预测网络集群攻击行为(β=0.18, p<0.05)，还能显著预测群体愤怒(β=0.42, p<0.001)。这表明，积极网络接触不仅直接调节消极评价来源对网络集群攻击行为的预测关系，还调节群体愤怒这一中介路径的前半段。
表4 有调节的中介效应检验 |
| 因变量：网络集群攻击行为 | 因变量：群体愤怒 | 因变量：网络集群攻击行为 | ||||||||||||
| β | SE | t | 95%CI | β | SE | t | 95%CI | β | SE | t | 95%CI | |||
| 消极评价来源 | 0.53 | 0.06 | 13.93*** | [0.46, 0.63] | 0.61 | 0.04 | 16.38*** | [0.58, 0.71] | 0.30 | 0.03 | 6.32*** | [0.21, 0.47] | ||
| 消极评价来源×积极网络接触 | 0.42 | 0.03 | 13.96*** | [0.41, 0.68] | 0.18 | 0.06 | 2.14* | [0.01, 0.28] | ||||||
| 群体愤怒 | 0.33 | 0.08 | 6.41*** | [0.26, 0.54] | ||||||||||
| 积极网络接触 | 0.12 | 0.05 | 2.21* | [0.03, 0.31] | ||||||||||
| R2 | 0.27 | 0.43 | 0.31 | |||||||||||
| F | 58.52*** | 107.63*** | 182.47*** | |||||||||||
简单斜率检验如图3 所示。有积极网络接触时，消极评价来源对网络集群攻击行为的预测作用显著(simple slope=0.43, Boot SE=0.25, 95%CI=[0.78, 1.01])，而在无积极网络接触的条件下，消极评价来源仍然显著预测网络集群攻击行为，且预测作用较大(simple slope=0.82, Boot SE=0.26, 95%CI=[0.98, 1.97])，表明随着积极网络接触的减少，消极评价来源对网络集群攻击行为的预测作用呈逐渐升高趋势。消极评价来源对群体愤怒的预测作用也是如此，积极网络接触存在的时候，消极评价来源对群体愤怒的预测作用显著(simple slope=0.31, Boot SE=0.26, 95%CI=[0.23, 1.25])。而在无积极网络接触的条件下，消极评价来源仍然显著预测群体愤怒(simple slope=0.47, Boot SE=0.26, 95%CI=[0.96, 1.48])，即当没有积极网络接触时，消极评价来源对群体愤怒的预测作用更大。
除此之外，无论是否存在积极网络接触，群体愤怒在消极评价来源与网络集群攻击行为中的中介效应均显著(无接触: Effect=0.94, Boot SE=0.25, 95%CI=[0.63, 1.47]; 有接触: Effect=0.49, Boot SE=0.24, 95%CI=[0.09, 1.23])，且该中介效应在没有积极网络接触时更高。换言之，积极网络接触能够有效抑制外群体消极评价所产生的愤怒情绪，进而减少网络集群攻击行为的产生。
4 讨论
本研究探讨了网络情境下群际敏感效应与网络集群攻击行为的关系以及群体愤怒和积极网络接触在其中所起的作用，对网络视角下的群际互动进行了拓展研究并提供了实证支撑。首先，在变量的选择上，以往研究对群际敏感效应的研究更多聚焦于内群体的积极行为，本研究从内群体消极行为的视角拓展了群际敏感效应的行为表现。其次，在对网络集群攻击行为的测量方式上，优化了以往质性研究或是行为意向的测量方式，将员工评价范式与群际互动相结合，测量了实际网络集群攻击行为，为后续对网络集群攻击行为的测量提供参考和借鉴。与此同时，通过积极网络接触减少网络集群攻击行为的发生，为网络环境的治理提供了思路。
4.1 群际敏感效应与网络集群攻击行为
研究发现，群际敏感效应与网络集群攻击行为存在相关关系。这一研究结果符合社会认同模型(Tajfel et al., 1971)，在网络环境中，匿名性可能会使网民的群体身份更加突出(Guegan et al., 2015)，而群际敏感效应是群体身份本身所导致的，当个体感受到来自外群体的消极评价或威胁时，就会把外群体动机视为敌意和竞争，从而采取防御性的应对，这种防御性反应可能表现为攻击行为。但是，Li和Zhang(2021)通过对被试线上言论的研究发现，群际敏感效应在网络环境中并不显著。这可能是由于实验采用自我报告行为意向的方式，并不能代替被试的实际行为，影响实验结果。
4.2 群体愤怒的中介作用
群体愤怒在群际敏感效应与网络集群攻击行为中起部分中介作用，即群际敏感效应不仅直接预测网络集群攻击行为，还通过群体愤怒间接作用于网络集群攻击行为。关于愤怒情绪在群际关系中的作用一直以来存在争议。有研究者认为通过互联网开展的群际行为仍然是相互独立的个体，其行为的产生也是出于个体愤怒的驱动(董颖红 等, 2015)。但是群体愤怒与个体愤怒的不同之处在于，群体愤怒取决于群体认同的程度，是一种基于现场客观事件而产生的即时情绪，并不受到物理距离的限制。与此同时，这一研究结果也符合社会类化理论(Smith & Henry, 1996)。根据社会类化理论，当个体将自己归类于某一群体时，内群体会整合为自我概念的一部分。换句话说，在网络情境下的群际敏感效应会使得个体的认知评价以群体为基础，将外群体作为情绪的反应目标，产生群体愤怒。
4.3 积极网络接触的调节作用
不同于以往单独研究外群体消极评价或群际接触对群际行为的影响，本研究构建了一个有调节的中介模型，探讨在外群体消极评价和积极网络接触同时存在的情况下对网络集群攻击行为的影响，研究结果符合假设模型，同时也支持了拓展接触理论(Wright et al., 1997)。首先，积极网络接触能够调节“外群体消极评价→群体愤怒→网络集群攻击行为”这一中介过程的前半段路径。积极网络接触所具有的调节作用为完善集群行为的双路径模型提供了实证支撑。除此之外，积极网络接触还能够调节外群体消极评价与网络集群攻击行为的关系。来自外群体的消极评价本质上来说属于一种消极的群际互动，而积极网络接触属于积极的群际互动，消极的群际互动与积极的群际互动之间存在着交互关系。Árnadóttir等人(2018)的研究表明，积极接触可以缓冲消极接触的负面影响，而消极接触可以增强积极接触的作用效果，但是这些互动效应仅在直接接触中发现，本研究从网络接触的视角再次验证了积极与消极群际互动之间存在的交互关系。
4.4 研究不足与展望
本研究从传统的群际敏感效应出发，证实了网络空间存在群际敏感效应，并探究了其对网络集群攻击行为的影响机制，但本研究仍存在不足有待完善。首先是实验材料的选择，本研究模拟的情境是在实习中受到不公平对待或是在比赛中遭受失败。归根到底这两者所形成的群体都是弱势群体，进而探讨了弱势群体的集群行为。但是在现实生活中，有许多优势群体成员会行动起来支持弱势群体，为了弱势群体的利益而进行抗争(殷融, 张菲菲, 2015)，优势群体的网络集群攻击行为会受到哪些因素的影响仍需进一步探究。其次，在具体的实验设计上，实验2对群体愤怒的测量虽然存在引导语，但是仍然无法完全排除愤怒情绪的产生是源于任务失败还是消极评价，未来需要对实验予以优化。最后，本实验仅探究了积极网络接触的调节作用，而网络接触可分为积极网络接触与消极网络接触，不同类型的网络接触可能对实验结果造成不同影响，未来需要进一步探究。
5 结论
来自外群体的消极评价能够导致网络集群攻击行为的产生，此过程受到群体愤怒的中介作用以及积极网络接触的调节作用。在网络治理的过程中，要及时捕捉网民情绪状态，通过适度增加积极网络接触能够有效避免网络集群攻击行为的产生，促进文明健康网络生态的建设。