情感變量與信息變量是如何對民意產生影響的?

2021-01-07 人民網

原標題:情感變量與信息變量是如何對民意產生影響的?

  民意形成中的世代影響與生命周期效應

  ■北京大學政府管理學院教授 王麗萍

  摘要:現代民意研究是一個涉及政治學、社會學、心理學、傳播學等多個學科的研究領域,不同學科都有其各自的學科研究興趣和目標;不僅如此,民意還以不同的方式得到研究,所採用的不同方法則在很大程度上取決於研究者想要的結果。這些因素在不同程度上使民意研究領域出現分化,從而使民意研究被視為一個高度碎片化的研究領域。儘管如此,民意的來源仍是民意研究中一個較為集中的領域,也是研究者切入相關問題研究的常見路徑。

  民意形成中的情感變量與信息變量

  從政治社會化的視角尋找民意來源是民意研究的一個重要內容,其中大眾傳媒的影響與民意總是聯繫在一起。早在民意得到廣泛研究之前,大眾傳媒對民意的影響就為研究者所關注。傳播學之所以成為民意研究的一個重要領域,很大程度上就是由於大眾傳媒一直被看作塑造民意的重要力量,而有關民意研究的早期文獻很多也都集中於大眾傳媒對民意的影響。

  在政治學與政治心理學研究中,有關民意來源的研究主要集中於家庭、學校及世代與生命周期的影響。這些影響既代表著不同的民意來源,也反映了早期社會化階段民意形成過程中情感變量與信息變量的不同影響。在早期政治社會化過程中,家庭、學校、世代與生命周期實際上與個體成長過程中所經歷的社會化先後階段相對應,而這一過程又是民意形成中情感變量逐漸稀釋而信息變量逐漸增加的過程。因此,很大程度上,在民意產生過程中,這些不同來源具有怎樣的影響,實際上還是一個情感變量(affective variables)(如父母與子女的親密關係或對子女的控制)與信息變量(informational variables)如何對民意產生影響的問題。

  民意形成中的家庭影響

  在兒童成長過程中,由於父母是與孩子接觸最多、溝通最多,以及具備了最大程度的感受性條件的人,兒童在其心理和智力的發展與成熟過程中對父母極為依賴。在兒童早期的政治社會化過程中,家庭的影響最為重要,無論是積極態度還是消極態度,孩子都受到其父母的影響。

  兒童形成其有關政治與政治體系看法的心理過程被認為會經歷四個階段:在第一階段即政治化(politicization)階段,兒童意識到在其父母、成年親屬和老師之外還存在其他權威人物和機構,也意識到其直接社交圈之外的政府和法律意義上的某種權力的存在;但是,他們對政治權威的理解常常具象化為某個個人(如林肯),將特定個體作為政府的代表,這是第二個心理過程,即「個人化」階段;在接下來的第三個階段,兒童往往認為政治權威都是仁慈的和值得信任的,這一階段因而被稱為「理想化」(idealization)階段;隨著兒童認知能力的發展,第四階段即「機構化/制度化」(institutionalization)過程就開始了,在這一階段,兒童逐 漸能夠將不同政府部門概念化。

  有關美國年輕一代及其父母的系列研究發現:不僅成年之前的傾向和信仰不足以預測進入成年之後的政治態度,在成年之後也會發生持續的變化;集合意義上的態度,無論是歷時的還是代際的,都不能被描述為任何一個單一的過程。在某些問題上,代際之間的確存在影響,有些則受所處不同生命周期的影響,還有一些則會受到受訪者所生活的那個時期的影響。態度可能會在成年之前的經歷中找到其根源,但成年時期的青春期表徵其實非常有限。一些相關研究在很大程度上動搖了有關早期社會化具有終身影響的信條,也使得「社會化解釋」(the socialization explanation)有些蒼白了。

  民意形成中的學校教育與校園氛圍影響

  儘管政治社會化總是開始於家庭,但每一個文化中的政治體系都將通過學校的正式教育繼續兒童在家庭中業已開始的社會化過程,努力將社會價值和行為規範傳遞給兒童。一個國家的教育體系構成了民族性格的外在表現,它代表著每個國家背景中的一個特別的制度。不同國家的教育體系可能向受教育者傳授同樣的實用知識,但卻不可能向他們傳遞同樣的體系價值。因此,通過教育尤其是學校教育塑造合格的公民就成為所有政治體系的重要關切。在一定程度上,教育的功能決定了教育與政治的關係,也似乎與認為學校是道德機構而非政治機構的「反政治共識」(anti-political consensus)相衝突。學校是進行公民教育的重要場所,在很多情形下甚至還進行政治灌輸,以維護共同體價值。其中,課程設置、校園活動和教師對於塑造學生政治態度都產生了重要的影響。

  由於研究基礎材料方面的問題,或是與教師所受訓練及教學法方面的問題相關,在許多人看來對於政治態度會產生直接和重要影響的課程,在學者們有關課程影響社會化的研究中卻一再得出與人們的常識(或直覺)相左的結果。

  在學校的課程教學之外,學校還常常通過不同類型的一些集體活動特別是儀式性活動,來培養學生的愛國情感、共同體意識和合作精神,以及對不同體系都至為重要的忠誠感和某種程度的服從。

  實際上,課堂學習形式本身就是一種重要的社會化過程。其中,在學生與教師之間、學生與學生之間形成的特定關係,很大程度上影響著學生對人際關係的理解,以及在此基礎上的社會信任(不信任)感。「對規則和權威的服從是小學公民教育的重點。」作為政治社會化的重要因素,學校在教育學生服從方面最為有效,而在公民責任或現實的體系政治過程教育方面則沒有什麼作用。

  不同的教育方式對於兒童成年後在政治上表現積極或是消極會產生不同影響。其中,傳統教育即灌輸模式往往會使學生成為循規蹈矩的人;而如果教師通過將複雜的政策議題和相互衝突的觀點引入課堂,則可使學生獲得更多的政治知識,使處於不同社會經濟地位的學生都有更好的表現。

  在學校教育體系中,同學之間的影響也可能成為政治觀點的重要來源。一般而言,兒童傾向於與主導意識形態或其同學的觀點保持一致。因此,教室的氛圍和影響不容忽視。譬如,學生是否有機會參與討論對於他們是否能夠接納和保持民主價值觀可能會產生重要影響。

  對同齡人群體的研究則發現,在不同時期的熱點問題上,同齡人的影響似乎也超過了父母的影響。就學校的影響而言,中學的總體意見氣候的影響既不及國家的輿論氣候,也比不上朋友的態度的影響。這些發現表明,在早期社會化過程中,信息變量是比情感變量(如父母與子女的親密關係或對子女的控制)等更為重要的因素。

  民意形成中的世代影響與生命周期效應

  政治學家常常通過世代的透鏡來審視人們的政治觀點是如何形成和發展的。當人們提到政治世代時,是指在其價值觀形成時期被共同經歷的歷史事件所社會化了的一群人。

  世代分析的邏輯是,年齡與經歷之間的相互作用對其政治觀點具有重要影響。不同年齡群組都會經歷一些共同的歷史事件並對其社會化過程產生影響,這一現象被稱為「世代效應」。有關世代效應的常見假設是,特定的歷史事件會對年輕人(年齡大約在17—26歲之間,也就是他們離開家庭步入社會的一段時間)產生難以磨滅的印記。被研究者稱為真正的世代效應的現象,是指在特定時期出生的人群受其政治認同形成過程中所發生特定事件的影響,會在政治觀點和政治情感方面表現相似性。同質的態度環境可產生更為深刻的代際影響。

  心理發展理論表明,青少年時期所發生的事件對政治觀點的影響最大。雖然學習的過程會持續一生,但年輕時的學習和經歷可產生更大的影響。特別是由於人們常常會選擇性地曝露於自己所認可的政治刺激之下,一些特定傾向則在這樣的過程中不斷被強化。

  就年輕一代而言,隨著年齡的增長,人們的政治態度會隨之發生變化。生命周期概念假定所有年齡群組都會經歷相似的生命過程。生命周期效應的典型假設是,新的政治世代以相同的政治態度開始政治生活,而不同世代之間的任何差異都產生於年齡的增長。就如年輕時具有自由傾向的人到年長時則通常會變得保守。

  較為年長的人一般認為自己比年輕一代更為保守,這種代際差異產生於生命周期效應。隨著年齡的增長,人們越來越意識到自己的利益,逐漸學會表達支持自我利益的觀點,也對社會變化更為敏感。總體上,年長者安於現狀,不易適應社會變化,不太可能參與社會變化;而年輕人對追求職業發展、尋求友誼和建立個人生活的興趣遠甚於投票或參與政治。在對待參與和特定公共問題討論方面的態度差異,實際上反映了生命周期的變化。

  年齡—時段—同期組群(Age-Period-Cohort,APC)分析框架是分析不同世代政治觀點的重要工具,其問題在於難以將年齡和時段(時期)的不同影響區分開來,因而在解釋世代差異方面也存在困難。實際上,兩種不同的世代效應往往是結合在一起的。2011年皮尤調查發現,不同世代之間對世界的看法存在很大差異:較為年長的選民較為保守,對政府不滿,對未來也不抱什麼希望;年輕選民則往往具有左傾傾向,希望政府能夠在其生活中發揮更大作用,並相信國家的明天會更好;「嬰兒潮一代」和「無名一代」介於他們之間,但似乎也隨著年齡的增加而漸趨保守。意識形態的這種代際差異,也反映了態度和意見來源的複雜性。

  結語

  民意是以個體為基礎的整體民眾在諸多領域和政策議題上的態度的一種籠統表達,而民意研究則將從政治社會化的視角尋找民意來源作為這一領域研究的一個重要內容。其中,代表著不同民意來源的家庭、學校及世代與生命周期,則反映了早期社會化階段民意形成過程中情感變量與信息變量的不同影響。

  在民意的形成過程中,情感變量與信息變量在持續產生影響,其影響在生命周期的不同階段也在持續發生變化。在源自家庭的影響中,情感變量往往比信息變量具有更為直接和明顯的影響。其後,隨著兒童個體的成長,家庭的影響在趨於弱化,而民意形成中信息變量相對於情感變量的重要性似乎也在發生變化。但是,態度本身就是情感與認知的一個混合物,民意形成中情感變量與信息變量的影響常常並不容易清晰地區分開來。

  (本文原載於《北京行政學院學報》2017年第2期)

相關焦點

  • 直接影響兒童智力的九個變量
    第一個變量是母親精神健康狀況。如母親被兩次以上診斷為有情感障礙的,則為高危因素,她的孩子易發生智力障礙。影響兒童智力發展有九個方面的變量因素。第一個變量是母親精神健康狀況。如母親被兩次以上診斷為有情感障礙的,則為高危因素,她的孩子易發生智力障礙。因此,保護母親情感的穩定和平衡是極為重要的。
  • 統計學中離散變量與連續變量 - CSDN
    兩個相關變量可能直接受到一些潛在因素的影響。一個變量是另一個變量的原因。但是要注意,即便如此,它也許只是眾多原因中的一個。 2)對於變量x與y來說,相關分析只能計算出一個反映兩個變量間相關密切程度的相關係數,計算中改變x和y的地位不影響相關係數的數值。回歸分析有時可以根據研究目的不同分別建立兩個不同的回歸方程。 3)相關分析對資料的要求是,兩個變量都是隨機的,也可以是一個變量是隨機的,另一個變量是非隨機的。而回歸分析對資料的要求是,自變量是可以控制的變量(給定的變量),因變量是隨機變量。
  • 深入理解靜態變量
    修改各項函數屬性,編譯後,打開對應的obj文件,搜索局部靜態變量名,查看不同屬性參數的修改對於名稱粉碎後的局部靜態變量名的影響。全局靜態變量不進行名稱粉碎不影響從標識符到內存地址的識別,局部靜態變量不名稱粉碎會影響。編譯器通過名稱粉碎的方式做語法檢查,關鍵是集成了變量名、作用域名、作用域的層級編號。
  • C#核心開發-變量定義,變量初始化和變量案例實戰應用
    變量C#中的變量是指在程序運行其間,其值是可以發生變化的。可以將變量理解為存儲指定數據類型值的容器。1.1.變量的定義對於變量的定義(也稱為聲明),是由數據類型和變量名稱這2部分組成的:數據類型 變量名;(1). 數據類型:是指對數據進行分類,如數字類型的數據只能是數字,字符串類型等。(2).
  • 中國城市更新中居民焦慮測度及人口統計變量的影響
    城市更新涉及住房條件改善、公共服務設施建設、環境保護等諸多方面(Hu等,2015),這些方面均會誘發焦慮情緒產生,因此焦慮可能具有多維度內涵,從而對以往研究將焦慮視為單維構念的觀點提出了挑戰(Li等,2017;Jiang等,2018)。本文旨在界定並測度焦慮多維構念,並探究不同人口統計學變量對上述維度的影響,以挖掘焦慮形成原因並實現對焦慮的控制。
  • 尋找工具變量
    在我看來,找工具變量是一項有趣的智力活動,除了需要一個人有經濟學的素養和邏輯,還需要這個人知識面廣,自然、地理、人文、世俗智慧和經驗等,通常,這跟一個人熟悉的領域,由長期觀察和思考產生的洞見有關。當然還需要一點運氣,學術不是苦思冥想,也許做一個夢,喝一杯下午茶,靈感就閃現了。
  • spss計算變量:不用記公式,一鍵輕鬆得到新變量!
    適用場景:研究回歸分析,逐步回歸,分層回歸,Logistic回歸,PLS回歸、調節作用等這類影響關係研究的方法時,需要將分類變量作為研究變量加入模型中,需要做啞變量處理。 l 標準化(S) 標準化用於數據無量綱化處理。
  • Win10如何配置Jdk環境變量
    對於每一位做Java開發的朋友來說,Jdk是必須要安裝的,安裝好了Jdk,其實並沒有結束,還需要配置Jdk的環境變量,系統在不斷地更新,小編給大家介紹一下如何在Win10下配置Jdk,並檢測是否配置成功。首先要打開系統環境變量配置的頁面。
  • 簡單入門ASP變量
    變量用於存儲信息。response.write("My name is: " & name) %> </body> </html> 變量用於存儲信息
  • 內生變量的交乘項如何處理?
    但在較多情況下,解釋變量和被解釋變量會同時受到一些不可觀測因素的影響,或者被解釋變量反向影響解釋變量;此時解釋變量就很難滿足外生性要求,故而存在 內生性問題。當內生性問題存在時,解釋變量的估計係數是 有偏的。
  • stata練習-數值變量與字符變量的轉換
    」;另一種是將字符變量轉換成數值變量,其用到命令是「destring」。接下來我們用數據文件「1.17練習數據」中的數據,逐一演示在STATA中如何進行數值變量與字符變量之間的轉換。(newvarlist)指生成一個變量名為newvarlist的新變量,replace指替換變量為字符型變量,[tostring_options]指tostring命令中可以添加的選項。
  • Python 局部變量,全局變量,nonlocal 變量用法
    Python 局部變量,全局變量,非局部變量是 Python 三種常見的變量,它們與變量作用域息息相關
  • 如何設置win10系統的環境變量
    目前,win10的市場佔有率已經超過win7系統,但是一些剛剛升級win10系統的朋友想設置win10系統的環境變量,卻不知道如何設置。為了解決這個問題,我將整理並執行10個系統環境變量的詳細步驟。如果有必要,讓我們一起了解一下。
  • 因變量Y,自變量A,協變量X都在變?用G-Estimation
    它通常只有結局變量(Y={Y1,Y2,Y3})在變,而處理因素(A)(分組)往往是不變的,如下圖,經過質量控制等科學手段,我們儘可能讓各組的受試者在各個時間點都接受同樣的處理,如果因變量Y為連續型變量,這樣我們可以使用重複測量資料的方差分析進行分析(假設滿足方差分析的前提條件)。現實情況往往都比較複雜。
  • Tensorflow學習筆記: 變量及共享變量
    例如,以下代碼段展示了如何將名為 my_local 的變量添加到此集合中:  my_local = tf.get_variable("my_local", shape=(),  collections=[tf.GraphKeys.LOCAL_VARIABLES])  或者,您可以指定 trainable=False 為 tf.get_variable 的參數
  • 七條建議:用Stata處理文字變量和字符變量
    譯者註: 需要補充說明的是,如果遵循了第一條建議,即我們的 do 文檔 的首行始終是以 import xxx.txt 或 import xxx.xlsx 的方式導入原始 TXT 或 Excel 文檔,那麼可以在 dofile 中採用 replace 的方式替換到原變量,以免產生過多的新變量
  • 實驗分析與設計基礎(一)——變量
    1.2 自變量及其操縱(一)自變量的含義自變量(Independent Variable),又稱獨立變量或刺激變量,是指由實驗者操縱控制並且對被試反應產生影響的變量。(二)自變量的種類(1)課題變量(又叫作業變量、實驗作業、任務):各種可以操縱質和量變化的刺激。(2)環境變量:各種環境因素充當的自變量。
  • 一文讀懂內生性與工具變量法知識大全
    遺漏變量主要值得是某些不可觀測的解釋變量沒有納入到回歸模型中,如果北一樓的變量能夠同時對因變量和自變量產生影響,那麼會出現內生性的問題。內生性的選擇標準要解決這一內生性問題,我們需要引入更多信息來進行無偏估計。工具變量的方法就是引入一個外生變量Z,且Z 必須滿足以下兩個條件: 與隨機誤差擾動項不相關,但與x1(與內生變量)相關。或者說,Z 僅僅通過影響x1來影響y。
  • 變量的作用域
    第三講 變量的作用域大家好,我們這講講解變量的作用範圍。作用範圍是指供另一個過程使用的變量、常量或過程的可用性。Excel VBA中變量的作用域決定了該變量可能被使用的範圍。我們在聲明變量時即確定了變量範圍,一共有三個範圍級別:過程級別、私有模塊級別和公共模塊級別。這講我們將分別介紹給大家。
  • 多個(弱)工具變量如何應對-IV-mivreg?
    這個例子的偏誤還不是很大,但通常可能產生更大的偏誤,詳見 Anatolyev 和 Gospodinov (2011)。在同方差的情況下,所有的 mivreg 檢驗產生的偏誤都顯著減小,但 「異方差穩健」 的版本看來更可靠。在異方差的情況下,理論上只有 「異方差穩健」 的版本是有效的,且其拒絕率近似於名義拒絕率。Fuller 校準版本沒有對拒絕率產生顯著影響。