Emotional Tone – Den emotionalen Gehalt eines Kommentars bestimmen

Nutzer*innenkommentare können aus unterschiedlichsten Gründen Emotionen bei den Rezipierenden wecken: Sie können konträre Meinungen ausdrücken, sie können aufgrund vieler Tipp- und Grammatikfehler unleserlich sein (was bei unterschiedlichen Lesenden zu unterschiedlich starken emotionalen Reaktionen führen kann [#grammarnazi]) oder sie können selbst emotional aufgeladen sein. Die emotionale Aufladung ist, was mich in meiner Diss interessiert – denn “emotionale Nutzer*innenkommentare” sind sozusagen meine unabhängige Variable. Doch was sind emotionale Online-Kommentare? Welche, die einen emotional tone haben?

In der Literatur auch als emotional tone bezeichnet, meine ich damit den „emotionalen Gehalt eines Objektes“ (Schmidt & Stürmer, 2014, S. 282). Wenn ich wissen möchte, inwiefern eine emotionale Reaktion auf einen Kommentar abhängig ist von der „emotionalen Tönung“, dann erfordert das auch zu wissen, wie genau der emotional tone ist. Welche „emotionalen Informationen“ vermittelt ein Kommentar und wie stark sind diese?

Dieser Beitrag dreht sich um die Frage, wie der emotionale Gehalt in Nutzer*innenkommentaren zu bestimmen ist: Sei es, um ihn in gegebenen Kommentaren zu messen oder selbst emotionale Kommentare zu konstruieren. Dabei orientiere ich mich stark an einer von Ranida Harris und David Paradice von 2007, die ich recht ausführlich vorstelle. Die Studie präsentiert gut definierte Unterscheidungskriterien emotionaler Informationsträger, die ich selbst auf meine Forschung anwenden kann.

Formen emotionaler Tönung

In der eben erwähnten Studie von Ranida Harris und David Paradice (2007) namens „An Investigation of the Computer-mediated Communication of Emotions“ (veröffentlicht im Journal of Applied Sciences Research) wurde versucht herauszufinden, ob und wie/durch welche Art von Schlüsselinformationen, emotionale Inhalte übertragen werden können. Bolls, Lang und Potter (2001) nennen drei Hauptkategorien von Unterscheidungskriterien für emotionale Tönung:

  • Emotionales Thema: Das angesprochene Thema ist grundlegend emotional behaftet.
  • Emotionaler Ausdruck: Es werden Emotionen oder anderen Typen emotionaler Informationen direkt oder indirekt ausgedrückt.
  • Grad der enthaltenden Emotionalität: Die ausgedrückten Emotionen sind graduell unterschiedlich.

Ganz ähnlich wie bei Bolls et al. (2001) werden auch bei Harris und Paradice (2007) Emotionstypen (2) und Intensivität (3) unterschieden. Auch die Emotionalität des Themas spielt eine Rolle; allerdings wird diese erst später in der Arbeit aufgegriffen. Textformate stellen unterschiedliche Möglichkeiten bereit, um Emotionen auszudrücken. Harris und Paradice (2007) machen dabei klar, dass „emotional message cues [are] used by message receivers to  interpret the emotions of the senders in CMC environments” (S. 2082). Damit vermeiden sie die Kommunikator-Perspektive explizit und stellen sich nicht der Frage, ob gewisse Emotionen intendiert sind oder nicht, sondern bezeichnen ausgedrückte Emotionen im Text als „cues“, also als Schlüssel, die es auf Rezipierendenseite zu interpretieren gilt (und nicht als „Werkzeug, die es auf Kommunizierenderseite zu verwenden gilt). Diese Betrachtungsweise eignet sich auch für mein Forschungsinteresse.

Emotionale Schlüsselinformationen oder Ausdrucksformen in Texten

Zwei Typen von Schlüsselinformationen (oder auch Ausdrucksformen von Emotionen; das finde ich manchmal greifbarer) werden unterschieden: verbale und nonverbale Schlüssel.

  • Verbale Schlüssel sind linguistische Mechanismen, um Emotionen zu kommunizieren. Sprache kann geschrieben, gesprochen oder symbolisiert sein. In traditioneller CMC, in der geschriebene Sprache am häufigsten verwendet wird, müssen Rezipierende verbale Schlüssel aus dem Nachrichteninhalt herauslesen. Zwei Formen unterscheiden die Autoren: emotionalen Wörtern und linguistischen Markert:
    • Emotionale Wörter sind Worte, die Emotionen direkt ausdrücken. Es wird als einfachster (aber auch eher seltener) Weg bezeichnet, um Emotionen zu vermitteln. Eine Kategorisierung erfolgt anhand diskreter oder dimensionaler Emotionen. Beispiel: Ich bin traurig.
    • Linguistische Marker werden in der Studie genutzt, um einen Sammelbegriff für alle verbalen Hinweise neben emotionalen Wörtern abzudecken und damit vor allem jenes, was indirekt vermittelt wird. Als Beispiele nennen die Autoren ganze Phrasen wie “Das kannst du mir nicht antun” or “Ich möchte ihm tausendfach danken.” In diesen Phrasen sind keine emotionalen Wörter beinhaltet und trotzdem werden Emotionen vermittelt. Linguistischer Marker gibt es lexikalisch und syntaktisch. Lexikalisch können Emotionen durch Intensivierer (sehr, stark), Modalwörter (würde, könnte, hätte) oder Verklauselierungen (vielleicht, möglicherweise) ausgedrückt werden. Syntaktisch bezieht sich natürlich auf die Satzebene, z.B. durch Verwendung von Nebensätzen oder andere Konstruktionen.
  • Nonverbale Schlüssel sind paralinguistische Elemente.
    • Paralinguistische Elemente sind textuelle Imitationen von Ton der Stimme, Körpersprache und anderen Verhaltensweisen der Face2Face-Kommunikaion, die in der computervermittelten Kommunikation versucht werden zu übertragen, um Verständlichkeit zu erhöhen. Die Autoren schreiben, dass besonders die Intensität von Emotionen dadurch zum Ausdruck kommt. Fünf Kategorien werden unterschieden: Vokalschreibung (“aaaalso”, “neeeiinn”), Imitation gesprochener Sprache (“uhh”, “aahh”), Bildzeichnung mit Tastaturzeichen (Smiley, Emoticons), grammatikalische Manipulation (unsachgemäße Verwendung von Satzzeichen wie Ausrufezeichen, Punkten, Fragezeichen), Auslassungen von bestimmten Elementen, z.B. Großbuchstaben, Paragraphen.

Eine kleine grafische Übersicht, um die Unterscheidungen nochmal zu verdeutlichen:

Annahmen über Zusammenhang von Ausdrucksform und Interpretation emotionaler Tönung

Harris und Paradice (2007) stellen in ihrer Studie vier Hypothesen auf, um zu untersuchen, wie Rezipierende Emotionen aus Texten herauslesen:

Hypothese 1: Rezipierende nutzen die Anzahl an verwendeten emotionalen Schlüsselreizen, um die Intensität des emotionalen Inhaltes zu identifizieren.

Der Zusammenhang ist: Je mehr emotionale Schlüssel enthalten sind, desto emotionaler ist der Text. Diesen Zusammenhang beschreibt auch das Frequenztheorem, was Silke Jahr (2000) in ihrem Buch zu „Emotionen und Emotionsstruktur in Sachtexten“ beschreibt und auch von Bolls et al. (2001) variieren die Häufigkeit von emotionalen Schlüsseln, um die Intensität von Emotionen zu senken oder steigern.

Hypothese 2,3,4: Die Anzahl an emotionalen Wörtern (H2)/ linguistischen Markern (H3)/paralinguistischen Hinweisen (H4) in einer Nachricht steht in einem positiven Zusammenhang mit der vom Rezipierenden geschätzten Valenz und Intensität des emotionalen Inhaltes einer Nachricht.

Mit diesen Hypothesen sollen die Ausdrucksformen also nochmal einzeln betrachtet werden. Entsprechend präsentieren die Autoren folgendes Modell:

Die Variablen wurden wie folgt unterschieden:

Die unabhängige Variable unterschied

  • Zwei emotionale Zustände: positiv und negativ
  • Drei Typen von Hinweisschlüsseln: emotionale Wörter, linguistische Marker und paralinguistische Schlüssel
  • Drei Intensitätslevel: gering (ein Hinweisschlüssel), mittel (3), hoch (5)

Die abhängige Variable ist die Interpretation der Emotion durch den Lesenden und wurde mit einem Item abgefragt, welches Typ und Intensität der Emotion abdeckt:

  • Was denkst du, was für eine Emotion der Sendende hatte, als er*sie die Mail geschrieben hat? Antwortmöglichkeit bestand auf einer 15-point-Likert Skala von sehr negativ (-7) über neutral (0) bis sehr positive (7). Damit entsprach die Bewertung also keinen diskreten, sondern kategorialen Unterscheidungsdimensionen.

Wie sind sie vorgegangen?

Das aufgestellte Forschungsmodell wurde anhand eines 2x2x3-Experimentes im Labor mit Kontrollgruppe überprüft. Jeder Teilnehmende (n=225) sollte zwei Mails lesen: eine positive und eine negative, jeweils zufällig ausgewählt. Das positiv/negativ bezieht sich auf den Inhalt des Textes: Die positive E-Mail berichtete vom Erfolg in einer Jobbewerbung, die negative über eine Trennung.  Es gab 20 unterschiedliche Nachrichten: neun positiv, neun negativ und für jeden Zustand je eine neutrale Nachricht (2). Die emotionalen Nachrichten wurden aus einer Kombination aus den drei Typen von Hinweisschlüsseln (emotion words, linguistic markers, paralinguistic cues) entwickelt, wobei jeder Schlüssel in den drei Intensivitätsleveln vertreten war (1(gering), 3 (medium), 5 (hoch)). Das Paper nennt zwei Beispiele, die verdeutlichen, wie die E-Mails kodiert waren: Positive Emotion / Medium (3) Paralinguistic Cues und N5-M-LM Negative Emotion / Medium (3) Linguistic Markers (Ich finde, dadurch wird das Stimulusdesign ganz gut deutlich).

Auswertungskonzept

Die Erhebung wurde so geplant, dass within-subject und between-subject ausgewertet werden konnte, was soviel bedeutet das die Unterschiede des erfragten Items einmal für eine Person verglichen wurde ebenso innhrelab der Gruppen von Emotionstypen und Hinweisschlüsseln zwischen den Personen.

  • The within-subject design resulted in a total of two messages for each subject (i.e., one positive and one negative)
  • The between-subjects design randomly assigned each subject to one of the ten positive message groups (treatments), and to one of the ten negative message groups.

Als Manipulation Check wurden die Teilnehmenden außerdem gefragt, aufgrund welcher Basis sie eine gewisse Emotion wahrgenommen haben: (1) Aufgrund des E-Mail Inhaltes, (2) der expliziten Emotionswörter, (3) indirekter Phrasen, (4) andere emotionale Hinweise, so wie Großbuchstaben, Ausrufenzeichen oder (5) anderes. Das finde ich ganz interessant, weil das auch einer Art subjektiver Berichterstattung von Emotionen entspricht.

Datenauswertung

1 Mittelwertvergleich zwischen den abhängigen Variablen für positiv und negativ: Als erstes wurden Mittelwertvergleiche berechnet für die positiven und negativen Nachrichten, für verschiedene Ausdrucksformen.

Für positive Nachrichten betrug die durchschnittliche Bewertung des Grades der Emotionen den Mittelwert 4,54 (was als „moderat positiv“ zu interpretieren ist), wenn die Nachricht keine emotionalen Ausdrucksformen enthielt. Aus der Grafik wird deutlich, dass die Probanden auf einen stärkeren Grad an positiven Emotionen hinwiesen, wenn die Anzahl der in der Botschaft enthaltenen Emotionswörter und sprachlichen Marker zunahm. Für die paralinguistischen Elemente zeigten die Ergebnisse ebenfalls einen allgemeinen Aufwärtstrend, nur nicht bei der Zunahme von drei auf fünf Elemente: Da gibt es einen Abwärtstrend.

Die Ergebnisse für die negativen Nachrichten waren konsistent mit denen für die positiven Nachrichten. Die durchschnittliche Bewertung des Grades der Emotionen betrug -2,73 (zwischen „leicht“ und „moderat“ negativ), wenn keine Nachrichtenhinweise vorhanden waren. Im Allgemeinen zeigten die Probanden ein stärkeres Maß an negativen Emotionen, wenn die Anzahl der linguistischen Marker, paralinguistischen Elemente und negativen Emotionswörter erhöht ist. Bei emotionalen Wörtern gibt es wieder einen Ausreißerwert bei 3 Schlüsselelementen.

2 Korrelationen und Analyse von Varianzen Die erste Auswertungsstufe war eher deskriptiv. Es werden auch keine statistischen Signikanztests gemacht. Nun wurden ANOVAS gerechnet, um Zusammenhänge zwischen wahrgenommenen Emotionen und Emotionstyp sowie den einzelnen Ausdrucksformen zu untersuchen. So wurden die Hypothesen überprüft. Auf die Tabelle möchte ich an der Stelle verzichten und komme direkt zu den Ergebnissen.

Ergebnisse

Die Ergebnisse zeigen, dass affektive Informationen, insbesondere Emotionen, über ein computervermitteltes Medium übertragen werden können. Die Emotionen der Sender wurden als positiv empfunden, wenn sie gute Nachrichten teilten und negative Emotionen, wenn sie schlechte Nachrichten übermittelten (das entspricht auch Bolls et al. (2001) erstem Punkt). Die Ergebnisse waren konsistent, auch wenn die Botschaften nur sachliche Informationen enthielten, d.h. keine emotionalen Hinweise.

Je nachdem, ob die Nachricht emotionale Audrucksmittel enthielt, können die Nachrichtenempfänger daher entweder nur den Inhalt oder auch den Ausdruck verwendet haben, um die Emotionen des Senders zu erkennen. Die Studie kann diese Frage nicht beantworten.

Bezüglich des Ausmaßes, in dem CMC affektive Informationen überträgt, zeigten die Ergebnisse der Hypothesentests, dass die Nachrichtenempfänger insbesondere dann einen höheren Grad der emotionalen Zustände des Absenders wahrnahmen, wenn die Anzahl der Schlüsselreize zunahm.  Diese Ergebnisse waren konsistent für

  • positive Emotionswörter
  • positive und negative linguistische Marker,
  • und negative paralinguistische Hinweise.

H1 als übergeordnete Hypothese wurde also bestätigt ebenso wie H3. H2 und H4 konnten nur teilweise bestätigt werden.

Außerdem hat das Paper auch ein paar Limitations

Wenn sich die Autoren schon Gedanken darum gemacht haben, was nicht so gut lief, vielleicht ließ sich das ja besser machen (oder zumindest Mitreflektieren). Von daher abschließend ein paar Stichpunkte zu den mitgelieferten Limitationen:

  • Die Studie war ein Laborexperiment. Schlecht für die Generalisierbarkeit der Ergebnisse auf Verhalten im natürlichen Feld. Und schwer besser zu machen.
  • Die E-Mails waren nur personalisiert im Sinne, dass sie namentlich an die Proband*innen gerichtet waren. Die Proband*innen kannten die Person nicht, die diese persönliche E-Mail schrieb. Sehr unnatürlich.
  • Die experimentellen „manipulierten“ emotionalen Nachrichten, die im wirklichen Leben auftreten, möglicherweise spiegeln eventuell nicht ausreichend die Realität weiter. Bei diesem Kritikpunkt geht es um das Stimulusmaterial: Reicht es aus, die theoretisch fundierten Ausdrucksformen so zu manipulieren, wie es gemacht wurde?
  • Mit einer dimensionalen Messung der abhängigen Variable wurde diese nur sehr breit erfasst. Die Autoren schlagen vor, diskrete Emotionen als spezifischere Variante zu wählen. Ehrlich gesagt bin ich mir da nicht so sicher, ob es dadurch adäquater wird.

Anwendung für Kommentarforschung

So – warum das alles jetzt aber? Warum diese intensive Auseinandersetzung mit der Studie? Weil sie zum einen gute Dimensionen für Unterscheidungskriterien für Emotionen in textbasierter Kommunikation anbietet und damit die Definition meiner unabhängigen Variable auf einer fundierten Basis sehr gut unterstützt. Zum anderen – würde man denn doch noch etwas Empirie benötigen 😉 – präsentiert die Studie ein Design, was sich meines Erachtens auch gut auf Kommentarforschung übertragen lässt.

Schließlich sind Nutzer*innenkommentare ähnlich wie E-Mails auch vornehmlich textbasiert (Neben Textform sind es hauptsächlich Emojis, Bilder oder Meme, welche außerdem häufig verwendet werden, aber die ich aus meiner Forschung ausschließe). Die emotionale Tönung drückt sich entsprechend entweder inhaltlich z. B. durch die Wahl von Artikel-(auszügen) oder sprachlich durch Verwendung von Emotionswörtern und Symbolen wie Emojis oder Satzzeichen aus. Themen sind für Lesende von Kommentaren dann emotional, wenn sie persönlich davon betroffen sind oder aus anderen Gründen heraus ein hohes Interesse besteht (Kühne, 2014; Schlimbach, 2007). Der Ausdruck ist emotional, wenn emotionale Begriffe oder Symbole verwendet werden.

Eine Sache hat das Paper uns nicht erklärt!

Anhand der Übersicht oben weiß man nun, dass Emotionen über Wörter, Buchstaben und Zeichen ausgedrückt werden können – was noch nicht klar greifbar ist, ist, welche Wörter, Zeichenfolgen und Symbole denn nun welche Emotionen ausdrücken. Ohne dieses Wissen lassen sich schlecht Stimuli entwickeln oder strukturiert auswählen. Wie das in der Studie gelöst wurde wird nicht aufgezeigt. Aber andere Literatur gibt dafür Hinweise. Für emotionale Wörter gibt es beispielsweise Wörterbücher, die wissenschaftlich basiert den “Sentimentwert”, die psychologische Stimmungslage, auf einer Skala zwischen 1 (positiv) und -1 (negativ) definieren.

Darauf möchte ich beim nächsten Mal zu schreiben kommen. Für heute soll es erstmal genug sein. Danke fürs Lesen!

Literaturverzeichnis

Bolls, P. D., Lang, A. & Potter, R. F. (2001). The Effect of Message Valence and Listener Arousal of Attention, Memory, and Facial Muscular Responses to Radio Advertisements. Communication Research, 5 (28), 627-651.

Harris, R. B. & Paradice, D. (2007). An investigation of the computer-mediated communication of emotions. Journal of Applied Sciences Research (3(12)), 2081-2090.

Jahr, S. (2000). Emotionen und Emotionsstrukturen in Sachtexten. Ein interdisziplinärer Ansatz zur qualitativen und quantitativen Beschreibung der Emotionalität von Texten. Berlin: De Gruyter.

Kühne, R. (2014). Emotionale Wirkungen von Kommunikatoren- und Journalisten-Frames. In W. Loosen & M. Dohle (Hrsg.), Journalismus und (sein) Publikum. Schnittstellen zwischen Journalismusforschung und Rezeptions- und Wirkungsforschung (S. 301-316). Wiesbaden: Springer VS.

Lee, S. & Potter, R. F. (2018). The Impact of Emotional Words on Listeners’ Emotional and Cognitive Responses in the Context of Advertisements. Communication Research, 2, 009365021876552.

Schlimbach, I. (2007). Emotionen und Informationsverarbeitung bei der Medienrezeption. Entwicklung und Überprüfung eines neuen Ansatzes (Reihe Rezeptionsforschung, Bd. 11). Univ., Diss.–Leipzig, 2007. München: Fischer.

Schmidt, J. & Stürmer, R. (2014). Erfolgreiches Marketing durch Emotionsforschung. Messung, Analyse, Best Practice (Haufe Fachbuch, v.395, 1. Auflage). Freiburg: Haufe Gruppe.


Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.