互联网听觉空间情感共振的QCA研究.docx

互联网听觉空间情感共振的QCA研究.docx

  1. 1、本文档共9页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多

?

?

互联网听觉空间情感共振的QCA研究

?

?

刘庆辉

摘要:互联网音乐平台不仅作为一個技术工具,而且形成了一个独一无二的“互联网听觉空间”。在其间存在着听众情感的共振,本研究提出了“互联网听觉空间”中的“两级共振”这一概念,并探讨了影响互联网听觉空间共振频率的原因。选取QCA方法对条件变量进行分析,结果发现,主体、广告和情感均在不同程度地影响着互联网听觉空间的共振频率。

关键词:互联网听觉空间;QCA;情感共振

:G206.2:A?:1672-8122(2021)04-0048-03

一、作为互联网听觉空间的网易云音乐

在网络音乐领域,网易云音乐APP在一众同类竞品中突围。网易云音乐APP创建于2013年,其秉持着音乐社交、移动音乐的创办初衷,在不到两年的时间里用户数量便突破1亿。这与网易云音乐APP所推崇的“音乐社交”不无关系,网易云音乐APP推出新功能“因乐交友”,旨在以音乐为契机探索其在社交领域的发展前景[1]。

不同于被动的、泛化的传统听觉体验,网易云音乐APP提倡个人应更主体性地去倾听,在这个过程中形成自己的听觉反馈,甚至以个人的听觉空间影响公众的听觉空间[2]。个人的听觉空间更富有精准的思辨性,它鼓励个人放大自己的情感体验与独立思考过程,过去声音发出者和听众之间“一对多”的陈旧关系被取代。听众不再处于相对低微的被动地位,而是萌发了一种主体性的冲动,以平等的姿态为听觉对象提供反馈,甚至以个人的听觉空间对公共听觉空间产生影响[2]。

具体到本文的研究对象上,互联网听觉空间是指依托互联网络,由丰富的数字声音产品所组成的听觉空间,激发并满足了广泛的网络用户的听觉需求[3]。网易云音乐APP中的在线乐评可以被视为聆听者对歌者的一种情感共振以及听觉回馈。如何判定个人“听觉空间”对“公共听觉空间”(下文将此范围缩小为互联网听觉空间)产生影响的大小是一大难点,因此本研究在此基础上借用物理学“共振”现象,引入“听觉空间共振”这一概念。以往研究也有过与之相类似的陈述,如叙述声音是丰富多样的,可以平铺直叙,也可以循环往复;会放慢速度也会加快速度,如“弹指又过了三四年”。有时还是多声部的,甚至多种声音共鸣,创造一种叙述“和弦”,达到“共振”效果[4]。本研究认为,在用户发表在线乐评的过程中,会出现“二级共振”过程,第一级共振是听到音乐产生的情感共振,共振的主体是听者,共振的行为是发表乐评;第二级共振是看到乐评产生的情感共振,在这个过程中,共振的主体是看乐评的人,共振的行为是点赞乐评。

基于此,本研究的结果变量共振频率即是点赞数量的多少,条件变量则出现在第一级共振中(如表1所示)。

二、研究过程

定性比较分析为本研究探索听觉空间的共振频率的影响因素提供了合适的研究方法和路径,通过这种操作,我们可以得到结果变量的“最优组合解”。

本文所研究的听觉空间的共振频率正是具有因素组合的复杂性和不确定性,结果变量(共振频率的高低/点赞是否超过23万)的设置也属于一般的二分变量,因此,对本研究来说,清晰集定性比较分析(QCA)是一种比较合适的研究方法。

(一)案例选择

考虑到本研究的研究对象需要有一定的评论数,所以笔者从歌单《评论过百万的那些歌》选择了评论前10名的歌曲,又从本文完成时的热歌榜选择了排名前10名的歌曲,即20首歌曲,每首歌曲选择点赞量排名前三的评论,即共60条评论,由此形成了本次研究的研究对象。需要说明的是,受限于歌曲热度的实时性和动态性,由于取样的局限性和时期性,热歌榜中的歌曲并不稳定,这也正是本研究选择歌单《评论过百万的那些歌》的原因。

(二)结果变量

本研究的结果变量在研究理论基础部分初次提及过,即“第二级共振”的共振频率(点赞数量)。为了找到临界值,笔者将60条评论的点赞数去高去低求和,取平均点赞数为23万(如表2所示)。

(三)条件变量的设计

根据以往研究的分类情况,笔者发现以往作者对评论的分类,可分为主体类、情感类、知识类、排版类、故事类等(如表3所示)。

(四)真值表建构

在进行第四步(赋值)后,便要开始根据每个案例“对号入座”,形成自己的赋值数据,并整合为真值表(TruthTable),以此作为QCA分析的基础。本研究选取了“评论主体BODY”“表达情感MOOD”“知识科普KNOWLEDGE”“内容排版LAY”“故事STORY”和“宣传AD”条件变量。结果变量即是“高共振频率RESULT”这一个结果(如表4所示)。

三、数据分析

将真值表导入fsqca应用程序中取复杂解(ComplexSolution)结果进行分析(如图1所示),前四种结果分别是。

G1:非主体+(表达喜爱)抒发对歌曲相关制作的感情+科普知识+广告。

G2:非主体+(表达喜爱)抒发对歌曲相关制作的感情+非知识+无排版+非故事。

文档评论(0)

158****7198 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档