🧒 初中生也能看懂的版本
① 研究背景（为什么要做？）
幸灾乐祸这个词来自德语，说的是看到别人倒霉反而觉得高兴。哲学家从亚里士多德开始就在讨论它，心理学家则用实验研究它，给被试看一段故事，看他们对故事里倒霉的人有没有快感。问题是，实验室里的故事和真实世界差得很远。
社交媒体的出现，让这种情绪第一次有了公开的、可以数的痕迹。新闻账号发一条公司破产、明星塌房、政客被起诉，评论区立刻有人刷“活该”“报应”“笑死”。平台批评者警告了十年，说社交媒体正在把别人的不幸变成娱乐。但这句警告一直停留在印象层面：到底有多少留言是在幸灾乐祸？是少数人的怪癖，还是新闻消费的常规姿势？此前没有人用足够大的数据真正量过它，更没人比较过不同国家、不同政治立场的受众。
② 研究问题（要回答什么？）
这项研究想知道，在真实的新闻评论区里，这种高兴到底有多常见。作者把它拆成四个问题。
第一，幸灾乐祸占留言的多大比例，这个比例和同一个帖子上“哈哈”表情的比例对得上吗。第二，不同政治倾向的媒体、不同国家的受众，比例差多少，这种差异和“纯粹的敌意”是不是一回事。第三，什么样的不幸最容易招来幸灾乐祸，是自己作死的那种，还是天灾人祸那种；倒霉的是公众人物，还是普通人。第四，执政党换人的时候，评论区的情绪会不会跟着变。
作者特别强调，他们测的是公开表达出来的幸灾乐祸，不是人心里偷偷想的。人在私底下当然也会幸灾乐祸，但那里没有观众、没有版规、也不会留下记录。所以公开评论区一定低估了这种情绪的真实频率，它测的是“说出口”而不是“想到”。
③ 研究方法（怎么做的？）
研究团队盯着九家新闻媒体在脸书上的主页，一盯就是十年。三家在美国，三家在英国，三家在印度，每个国家都挑了偏左、中间、偏右各一家，比如美国的 NBC、CNBC、福克斯新闻。
他们先从所有帖子里筛出“讲倒霉事”的，一共两万多条，底下挂着一百零六万多条公开留言。接下来的活儿是给每条留言贴标签，分成五类：幸灾乐祸、不带快感的敌意、同情、中立、说不清。他们没有雇人一条条读，而是让三个不同公司出的开源大模型各自独立判断，再取多数票，就像三个评审分别打分后投票。
为了确认机器靠得住，他们又请三位人工标注员，把两百条留言当成“标准答案”，机器的准确率达到 96.0%。他们还做了一步纠偏：先摸清机器会犯哪类错，再用数学方法把全体比例修正回来，好比知道体重秤总是偏重两斤，就每次减掉两斤。最后，他们用回归模型把“帖子的不幸类型”等因素控制住，再看政治权力更替带来的变化。
④ 结果（发现了什么？）
十年下来，大约四分之一的留言都在为别人的不幸叫好。具体是 26.1%，也就是每四条留言就有一条在幸灾乐祸；不带快感的敌意占 31.2%，同情只有 14.4%，剩下的是中立和说不清。
幸灾乐祸
不带快感的敌意
同情
有意思的是，同一个帖子上的“哈哈”表情只占情绪表情的 19.2%，比留言里的幸灾乐祸少了大约三分之一。也就是说，光看表情按钮，会低估这种情绪。
三个国家的比例几乎一模一样，都在 25% 上下，彼此差不到一个百分点；但敌意的差别就大了，印度最高，达到三成七，英美都在三成上下。
什么最容易招来幸灾乐祸？是被说成“自作自受”的不幸，这类帖子的叫好率是三成，而“无辜受害”的只有两成；是丑闻、败选、事故，而不是死亡；是公众人物，而不是普通人。死亡新闻的叫好率最低，只有一成八左右。反过来，敌意最高的却是道德、意识形态和政治类话题。把这些线索拼起来，图景很清楚：让人发笑的是“活该”，让人发火的是“立场”。
⑤ 讨论（这些发现说明什么？）
作者认为，幸灾乐祸并不是哪一国人的毛病，它跟着“这人是不是活该”走。为什么三个国家差不多？因为丑闻、败选、名人翻车这些素材，在哪个国家都以差不多的频率出现，而“他活该”这个故事，任何受众都编得出来。
敌意就不一样了。敌意需要一个长期的怨气，而怨气跟政治立场绑在一起，所以才会因媒体、因国家而异。研究者还发现一个反直觉的地方：在美国，当偏左媒体的受众自己支持的党执政时，他们的敌意下降了五个多百分点，而右翼媒体的受众几乎不受影响；可是同样的模型换到幸灾乐祸上，效应就小得站不住。
所以他们得出结论：政治权力能推动的是愤怒，不是幸灾乐祸。他们还提醒，这两个机制很可能同时在起作用，叠加在一起，才造成“快感到处一样、怒火各有各的”这种局面。对研究情感极化的学者来说，这意味着“对立阵营倒霉时的高兴”和“对立阵营的存在带来的愤怒”是两种东西，不该算成一个指标。
⑥ 结论（最终结论 + 启示）
如果把幸灾乐祸和单纯的骂人混在一起统计，就会得出错误的结论。过去常用的“毒性”“仇恨言论”测量，把“骂他”和“笑他”算成一类；一旦分开看，原本被说成“某国受众更爱幸灾乐祸”的差异，其实是“某国受众更爱发火”，而且在印度，这股火还集中在一家媒体上。
这对平台治理有直接含义：想减少刻薄言论的政策，和想缓解政治对立的政策，打的可能不是同一个靶子。把毒性当成一个整体去治理，很可能把一波政治性的愤怒误读成整体人性变坏。
作者还强调，他们用的三个开源模型加一条固定提示词，任何人都能原样复现，不依赖某家公司的付费接口，平台自查和民间监督都负担得起。当然，他们测的是公开表达，不是内心感受，真正的“心里偷着乐”只会更多。
🎓 专业 IRMaD 结构解读
I. Introduction（引言）
幸灾乐祸（Schadenfreude）自亚里士多德的 epichairekakia 以降一直是道德哲学的议题，现代心理学将其归结为三种前因：社会比较（他人倒霉修复自我评价）、应得性（恶人受罚带来正义感）、群际竞争（外群受挫提升内群地位）。然而这三条证据链几乎全部建立在实验室情境与自我报告之上，无法回答“在自然环境中它有多频繁、指向谁、由谁表达”。
计算传播学一侧则形成另一种偏斜：对负面互动的规模化测量长期操作化为 toxicity、incivility 或 outrage，这些构念以侮辱、骚扰、仇恨为核心，刻画的是指向目标的攻击性，而非对不幸的愉悦。“谴责作恶者”与“嘲笑作恶者”在毒性量表上同分，但只有后者是幸灾乐祸。测量选择因此不是无关紧要的技术细节，它决定了我们观察到的“网络情绪”究竟由哪种成分主导。
第三重空白是外部效度：既有观察研究限于单一平台、单一国家、短窗口。本文以 2015—2024 年、美英印三国、九家跨意识形态媒体的 1,064,762 条公开评论填补这三重空白，并提出四项贡献：其一，给出一个显式测量“快感”的可复现开源流水线；其二，在语料内同时测量敌意，使两种构念的分离成为可检验的经验命题；其三，用十年窗口与两次美国权力更替识别政治权力的作用；其四，证明基于毒性的测量会把敌意的国别差异误读为幸灾乐祸的国别差异。
I. Theoretical Framework & Hypotheses（理论框架与假设）
论文不设形式化假设编号，而以四个研究问题对应三支理论。应得性理论预测幸灾乐祸集中于可被读作“自取其祸”的不幸；社会比较理论预测其集中于高地位对象；群际情绪理论预测其随内群—外群权力位置变化。第三条预测在本文中被有意做成可证伪的对照：若幸灾乐祸确为群际情绪，它应像敌意一样随执政地位起落。
| 编号 | 问题 / 预期 | 对应理论 |
|---|---|---|
| RQ1 | 幸灾乐祸在不幸新闻评论中的流行度；文本测量能否与平台表情信号互相印证 | 表达性情感测量；平台可供性（affordance 把私密感受转为公开表演） |
| RQ2 | 幸灾乐祸在媒体倾向与国家间的差异；该差异是否与敌意同步 | 情感极化；比较媒介体制（英美印三种政党—媒体关系） |
| RQ3 | 应得性框定、事件类型、对象身份、话题对幸灾乐祸的效应 | 应得性理论（Feather 1999; Van Dijk et al. 2006）；社会比较（Smith et al. 1996）；群际情绪（Tajfel & Turner 1979; Leach et al. 2015） |
| RQ4 | 受众所属政党执政/在野时，幸灾乐祸与敌意各自如何变化 | 党派选择性曝光；权力转移下的群际威胁 |
| 预期 E1 | 自致 > 无辜；公众人物 > 普通人；丑闻/败选 > 死亡 | 应得性 + 社会比较 |
| 预期 E2 | 政治权力对敌意的效应强于对幸灾乐祸的效应 | 群际情绪仅适用于敌意路径 |
关键的概念操作化是把“快感”从“攻击性”中剥离：SCH 类要求同时出现愉悦、嘲弄、庆祝或幸灾乐祸，HOS 类要求谴责、归咎或侮辱但不含任何表达出来的享受。这一区分使 E2 成为对群际理论的直接检验，而非事后解释。
M. Materials & Methods（材料与方法）
- 样本与抽样。九家媒体脸书认证主页：美国 NBC News（左）/ CNBC（中）/ Fox News（右），英国 The Guardian（左）/ Reuters（中）/ The Telegraph（右），印度 Hindustan Times（左）/ Indian Express（中）/ OpIndia（右）；倾向依 AllSides 与 Media Bias/Fact Check 评定，每个“国家×倾向”格取当时粉丝量最大者。2015—2024 年逐月抓取至多 1,000 条帖子（倒序，超限月份丢失最早帖子），主语料含 20,661 条不幸帖与 1,064,762 条评论；第十家 Metro（英国，左中）仅用于附录 H 稳健性检验（3,687 帖 / 99,244 评）。Fox News 为 2024 年单独抓取，缺表情元数据与发帖日期。
- 语料筛选（唯一使用商业模型的环节）。三位标注员对 500 条随机帖判定是否属于“不幸”（伤害、丑闻、失败、损失），标注者一致性
κ = 0.81；据此微调并验证 GPT-4o Mini 分类器，对留出人工标签的准确率 94.8%、精确率 88.9%、召回率 87.3%、F1 88.1%。保留帖覆盖五类事件：丑闻 n=8,125、败选 n=654、事故 n=3,511、困顿 n=4,452、死亡 n=3,888。 - 评论级五分类与集成。每条帖—评对由 Qwen3-32B、Llama-3.3-70B-Instruct、Gemma-3-27B-IT 三个不同厂商的开源指令模型以同一提示词、temperature 0 独立标注，取多数票，无多数票者记为 UNK。模型间一致性 Fleiss
κ = 0.66，两两一致率 73–77%。选择开源权重的理由是可复现性：固定版本加确定性解码使任何人可无限期重跑，而商业端点一旦更新或下线，测量即失效。 - 人工金标准与纠偏。分层抽样 200 条帖—评对（每媒体 20 条、跨年份、覆盖毒性分类器四类：67 有毒 / 78 中立 / 29 同情 / 26 未知），三位标注员独立盲标，五人全部不一致的 5 对由第四人裁决；标注者间 Fleiss
κ = 0.76（199 对），两两 Cohenκ0.70–0.81。集成对多数标签准确率 96.0%（95% CI 92.3–98.0），macro-F1 0.929；单模型分别为 Gemma 87.5%（0.784）、Qwen 84.5%（0.732）、Llama 84.0%（0.695）。用混淆矩阵求逆把 Rogan–Gladen 两类估计量推广到五类，对所有流行度估计做误差校正，原始值与校正值并报。 - 帖级属性。Qwen3-32B（temperature 0）标注对象（普通人/公众人物/组织/群体）、应得性框定（应得/不应得/无）、事件类型、话题（八域）；在 180 条帖级金标准（每媒体 20 条、跨十年，两人全标、第三人标 59 条）上，三重标注子集的准确率为话题 100%、对象 98.3%、应得性与事件类型各 94.9%；各字段解析失败率均低于 0.2%。
- 识别策略与分析单位。纯观察性内容分析，无外生冲击；分析单位为帖子，先算每条帖内各类评论占比，再在帖级聚合或建模，加权规格按评论数加权，推断使用异方差稳健 HC1 标准误，全部显著性检验在报告网格上用 Benjamini–Hochberg 控制 FDR。政治权力模型为：
yp = β0 + β1·Righto + β2·InPowerot + β3·(Righto × InPowerot) + γtopic(p) + εp，其中yp为帖内 SCH 或 HOS 份额，InPowerot表示与该媒体受众结盟的政党在 t 时掌握总统职位（有发帖日期者按就职日编码），γ为话题固定效应；美国样本n = 7,791个帖单元（剔除过渡年 2017/2021 后n = 6,610），英国n = 3,874。 - 因果边界。由于每个“国家×倾向”格仅一家媒体，作者明确把结论表述为这些媒体受众的陈述而非国民或意识形态总体的陈述；权力效应是受众内的时间变化，不是权力对个体的因果效应。
R. Results（结果）
- 流行度与表情对照（RQ1）。原始分类下 SCH 26.1%、HOS 31.2%、SYM 14.4%、NEU 23.8%、UNK 4.4%（Table 1）。误差校正后 SCH 25.1%（95% CI 22.3–27.2），HOS 32.7%（31.2–34.8），SYM 15.5%，NEU 22.3%，UNK 4.3%，校正未使任何份额变动超过 1.8 个百分点（Table 4）。在 10,970 条至少五条评论且表情可观测的帖子上，帖级 SCH 份额与 Haha 占情绪表情的比例正相关，Spearman
ρ = 0.43（印度 0.49、英国 0.42、美国 0.40），而 HOS 无此关联（ρ = 0.07）。水平上，SCH 占评论 26.1% 而 Haha 仅占情绪表情 19.2%（对最小表情数门槛 0–100 不敏感），前者比后者高约三分之一；作者因两类分母（评论者 vs 点表情者）不同，把水平差视为提示性证据，验证落在帖级相关上。 - 跨国与跨媒体的均质/异质（RQ2）。帖级均值 SCH 从 The Guardian 的 22.7% 到 CNBC 的 28.8%，九家媒体跨三国、三倾向、九套审核制度仅六点带宽；HOS 则从 CNBC 的 19.3% 到 OpIndia 的 46.1%，跨度 27 点。年度均值十年间在 23.8%—26.7% 窄幅波动，无持续趋势（CNBC 由 36.6% 降至 22.9%，Guardian 由 17.5% 升至 25.0%，双向向共同水平收敛）。校正后三国 SCH 为美 25.2%、英 25.0%、印 24.7%（Table 4）；帖级 HOS 为印 36.4% > 美 26.9% > 英 24.1%。右倾媒体受众 SCH（26.3% vs 23.4%）与 HOS（32.5% vs 26.0%）均高于左倾。剔除 OpIndia 使印度 SCH 由 25.1% 降至 23.6%。
- 应得性、事件与对象（RQ3）。自致框定帖的 SCH 为 30.5%，无辜受害帖为 20.3%；控制事件类型与对象类型后差值为 +3.6 pp（[+2.7, +4.5]）。相对死亡，丑闻 +8.6（[+7.7, +9.4]）、败选 +10.6（[+9.1, +12.0]）、事故 +8.4（[+7.4, +9.4]）。公众人物比普通人多 +2.9 pp（[+2.1, +3.7]），组织多 +1.7 pp。HOS 呈另一模式：丑闻与群体对象最高，且连死亡也超过 24%。事件类型是最强调节变量，也是最可能的跨国混淆源，但在每个事件类内三国差距均在 3.5 pp 内、多数在 1 pp 内（死亡 18.1–18.4%、困顿 22.1–22.5%、丑闻 28.3–29.4%、事故 25.5–27.3%、败选 27.4–30.9%），故均质性不是事件构成的伪影。话题层面，SCH 峰值在经济与企业 29.7%、体育 28.6%、名人 27.2%，谷底在群体/社会 21.3%、自然与环境 22.2%、个人 22.6%；HOS 峰值在道德与意识形态 39.4%、政治与制度 36.2%、群体与社会 36.0%。全部系数通过 BH 校正。
- 政治权力（RQ4）。美国三规格见表。HOS：右倾主效应 −0.050，In power 主效应 −0.055（[−0.069, −0.041]），交互项 +0.063（[+0.045, +0.081]）近于精确抵消，即左倾媒体受众在其党执政时敌意下降 5.5 pp，右倾媒体受众则无反应；加权后 −0.063，剔除过渡年仍为 −0.038（[−0.055, −0.021]）。SCH：In power +0.011（[−0.001, +0.024]）、交互 −0.018（[−0.035, −0.002]），但剔除过渡年后两者同时跌至零（−0.006、−0.003），故判定为非稳健。英国仅一次权力更替（2024 年 7 月工党上台），变后仅有六个月数据，In power 主效应 +1.2 pp（[−2.4, +4.8]）不可靠，仅作提示；印度窗口内无国家权力更替（同一政党 2014—2024 执政），权力效应在该国根本不可识别。
- 幸灾乐祸不是毒性（RQ2/RQ4 交汇）。被微调毒性分类器判为 toxic 的评论中，58.1% 属 HOS、34.9% 属 SCH，即毒性式“幸灾乐祸”测量每计三个幸灾乐祸就误纳约五个敌意；反向误差同样存在——被判为 neutral 的评论中 28.9% 实为 SCH（多为纯笑声表情、karma 式点评与不含侮辱的嘲弄）。帖级 SCH 与 HOS 份额负相关（Pearson
r = −0.28），与 Haha 相关的分化、政治反应的分化一起，把两个构念置于相互独立的经验基础之上。 - 稳健性。剔除各媒体评论量前 1% 的高产用户，任何媒体的 SCH 率变动均不超过 0.8 pp；剔除 OpIndia 后印度 SCH 为 23.6%，仍在他国两点之内；HOS 的权力结果在三种 In power 编码下均成立，SCH 交互项则不稳定（已如实标注）。
| 结果 | 设定 | Right | In power | In power × Right |
|---|---|---|---|---|
| SCH | 主规格 · 未加权 | +0.028 [+0.016, +0.040] | +0.011 [−0.001, +0.024] | −0.018 [−0.035, −0.002] |
| SCH | 主规格 · 评论加权 | +0.030 [+0.007, +0.052] | +0.010 [−0.015, +0.035] | −0.032 [−0.060, −0.003] |
| SCH | 剔除过渡年 | +0.009 [−0.006, +0.024] | −0.006 [−0.021, +0.010] | −0.003 [−0.023, +0.016] |
| HOS | 主规格 · 未加权 | −0.050 [−0.064, −0.036] | −0.055 [−0.069, −0.041] | +0.063 [+0.045, +0.081] |
| HOS | 主规格 · 评论加权 | −0.063 [−0.091, −0.036] | −0.063 [−0.092, −0.034] | +0.058 [+0.027, +0.089] |
| HOS | 剔除过渡年 | −0.029 [−0.046, −0.012] | −0.038 [−0.055, −0.021] | +0.040 [+0.019, +0.061] |
注：Table 5，美国 NBC 与 Fox News，n = 7,791 帖单元（剔除过渡年 n = 6,610），含话题固定效应与 HC1 标准误，95% CI 见方括号。
a / D. Discussion & Conclusion（讨论与结论）
- 构念分离是首要贡献。三项证据同向：与平台自身愉悦信号的相关（0.43 vs 0.07）、集中事件与对象的不同、对政治权力的不同反应。毒性式测量会“继承语料中占优成分的模式”——在本文语料中，它把印度受众读成更爱幸灾乐祸，而显式测量下三国无差别，印度的独特性是愤怒且集中于单一媒体（OpIndia）。这直接质疑一大批以 toxicity 为因变量的平台情感研究的构念效度。
- 实验室前因在自然语料中成立。应得性框定、丑闻/败选、公众人物三项预测全部获支持，说明“应得之苦”作为核心诱因可外推至十年自然行为；而死亡这一非能动伤害同时抑制快感、抬升敌意，为“快感并非敌意的低强度变体”提供了边界条件。
- 权力推动愤怒而非快感。同一批帖子、同一模型下，HOS 的功率效应在所有规格中稳健，SCH 效应在剔除过渡年后消失。作者给出一个可检验的双机制解释：SCH 追踪不幸本身的属性（应得性、事件类型、对象地位），这些素材在各处供给稳定；HOS 追踪受众及其政治处境，而怨气在政治位置上分布不均。两者可能叠加，故不能据受众层面的均质性推断个体层面幸灾乐祸固定不变。
- 实践启示。以“毒性”为单一靶子的干预会同时命中两种驱动力不同的行为，可能把政治驱动的愤怒激增误读为整体刻薄化，或反之。可复现流水线（三开源权重 + 固定提示词 + 多数票）使平台诚信团队与公民社会组织可在可负担硬件上原样重跑、扩展语种，无需 API 预算——这是把测量主权从商业端点收回的方法论主张。
- 局限。①标签捕捉的是表达而非感受，反讽与表演性炫耀按其所显示者分类；②误差沿流水线累积：评论须先经 94.8% 准确的帖级筛选，而混淆矩阵校正只作用于评论层，故流行度水平的不确定性大于组间比较（后者共享同一流水线，误差大体相减）；③纯观察设计，媒体受众自选，权力效应是受众内时间变化而非个体因果；④单一平台，其表情可供性、评论排序与审核制度本身即被测对象的一部分，故水平值不宜外推，机制主张较可能推广；⑤评论可得性受媒体审核与平台留存影响，附录 I 记录缺口；无机器人标签，仅能以高产用户检验间接限制；⑥金标准规模有限（200 对评论、59 条三重标注帖、三位标注员），覆盖印地语—英语语码转换的更大规模多语金标准是最紧迫的下一步。
- 资助与伦理。仅分析公开内容、仅报告聚合结果、不与用户互动，伦理细节见附录 J；正文未单列资助信息。
🧠 IRMaD 思维导图
mindmap
root((幸灾乐祸的十年测量))
I 引言
平台把私密快感变公开
毒性测量漏掉快感
实验室证据缺规模
三国十年可分离情境
R 问题
RQ1 有多常见
RQ2 左右与国家差异
RQ3 何种不幸最招笑
RQ4 权力更替效应
三种理论前因
M 方法
九家媒体两万帖子
一百零六万条留言
三个开源模型多数票
二百对人工金标准
混淆矩阵纠偏
话题固定效应回归
R 结果
幸灾乐祸占二成六
哈哈表情低估三成
三国差不到一点
自作自受最高
死亡最低一成八
敌意随权力变动
a 讨论
快感跟活该走
敌意跟怨气走
两机制叠加
毒性测量会误判
公开表达非内心
D 结论
两者须分开测量
治理对象不同
开源流程可复现
印度待多语验证
图：本研究的 IRMaD 思维导图。蓝色 I 引言；橙色 R 研究问题；绿色 M 方法； 橙色 R 结果；紫色 a 讨论；红色 D 结论。