前段时间，日本拟将核污水排放入海”的事件引发了大众的激烈讨论，相关话题登上了微博热搜。随意点进一条新闻报道，热评前几名均是“建议日本餐饮都用污染废水做菜”、“日本人真恶心，快灭绝吧”等情绪激昂的发言，而一些理性表达自己看法的评论却无人理睬。

这种对违反道德的行为产生愤怒、厌恶等情绪，并表达出指责、追究责任或惩罚意识的道德判断叫做道德愤怒。近日，来自耶鲁大学的William Brady等人，对网络平台中的道德愤怒现象进行了研究，并将研究结果发表在《科学进展》“Science Advances”。他们发现：点赞和转发道德愤怒的相关内容，会导致更多的道德愤怒产生；并且当网络环境处于极端状态下时，道德愤怒更为普遍。

研究者采用了一种计算机分类算法，对Twitter上的7331名用户发表的1270万条推文进行了分类，并收集和分析了每条推文收到的点赞和转发次数。

结果发现，当前一天含有道德愤怒的推文被更多地点赞和转发时，人们就会在接下来表达更多的道德愤怒。这时的社会反馈（就作为道德愤怒的强化物，在无形中通过强化学习来塑造人们的道德愤怒。具体来说，如果有人的“道德愤怒推文”收到的点赞数量比“非愤怒推文”多一倍，那么第二天出现道德愤怒的可能性就会高出2~3%。但是，对于使用Twitter年限较长的用户来说，这种效应会适当减小。

图1 网络用户的极端意识形态分布与愤怒表达水平。

根据是否在Twitter上参与政治话题讨论，将用户分为两组：参与组和非参与组。（A）在参与组中，意识形态极端的用户更多；（B）意识形态越极端，用户的愤怒表达水平越高。

正如所意料的那样，意识形态极端的人更有可能对政治话题发表道德愤怒。意识形态越极端，他们就会越多地表达道德愤怒，并且受到社会反馈的影响会越小。这也就说明，网络中那些性情温和的人更有可能受到点赞和转发数量的影响，从而导致更多道德愤怒的表达。

图2网络层面的意识形态极端削弱了社会反馈对道德愤怒的影响

前两个研究皆为相关研究，无法做因果推论，因此研究者又继续了接下来的实验。在实验3~4中，120名参与者需要在一个模拟的Twitter平台上浏览12条推文。他们被随机分为两组，一组为愤怒组，另一组为中性组。

在愤怒组中，75%的推文含有道德愤怒的内容，且相比于同组的中性推文，愤怒推文得到了更多的点赞和转发。而中性组的推文则全为中性内容。浏览结束后，进入共有30个trial的学习阶段。在每一个trial中，参与者都要在给出的两条推文中选择一条转发，以确保自己能获得更多的点赞和转发。

图3 实验3~4的实验流程示意图

结果与之前一致，强化学习会塑造道德愤怒。具体表现为，随着trial次数的增加，参与者逐渐意识到发表愤怒推文会得到更多社会反馈，所以无论是愤怒组还是中性组，选择转发愤怒推文的人数都在逐渐上升。

研究者还发现规范学习也会塑造道德愤怒，即当网络环境表现出较多的道德愤怒时，个体也会倾向于做出相同的道德判断。具体而言，在第一个试次中，愤怒组选择转发愤怒推文的人数比例显著高于中立组。这也就说明，当个体处在一个高道德愤怒表达的网络环境时，很有可能将自己的表达“规范化”以更符合当下的网络环境。此外，虽然随着试次增加，两组中选择转发愤怒推文的人数都在上升，但愤怒组上升的幅度显著小于了对照组。

图4强化学习和规范学习塑造了模拟社交媒体环境中的愤怒表达

总之，该项研究结果表明，随着时间的推移，社交媒体平台设计有可能放大道德愤怒的表达。虽然该研究并非旨在评估在线愤怒的有效性，但研究者注意到，在意识形态和人口结构方面存在着明显的不对称，比如，男性从愤怒中获得的地位远远超过女性，白人比黑人更容易受到愤怒的影响。并且，社交媒体平台的设计可能会加剧这种不对称。未来的工作还需要探究在线放大的道德愤怒如何也会蔓延到离线社会互动、消费者决策和公民参与中。

研究者Molly Crockett提醒说：“在很大程度上，平台算法会决定你的推文收到的点赞数量，从而操纵你的道德愤怒。此外，我们发现网络上道德愤怒的经历和情感是分离的。在现实中，经历愤怒会让人精疲力竭，因此这种愤怒水平会随着时间的推移而下降。但网络使得经历和情感脱节，这可能会导致网络上的道德愤怒‘永不疲劳、永无止境’。”