危机中的应对：2023年土耳其地震数字危机话语中应对风格的计算建模

背景

2023年2月6日，土耳其发生了破坏性极强的地震。这场灾难不仅造成了巨大的人员伤亡和财产损失，还发生在一个极具政治极化色彩的社会背景下——距离当时的全国大选仅剩数月。这种政治与社会张力使得灾后公众的情绪反应和话语表达变得异常复杂。

面对此类大规模灾难，人道主义组织和政府机构往往需要快速了解受灾群体的心理状态，以便提供精准的支持。然而，传统的心理评估方法难以在大规模、实时的数字数据中应用。与此同时，随着社交媒体成为危机沟通的主要渠道，如何从海量的用户生成内容（如推文）中自动识别个体的心理应对机制，成为了计算社会科学和自然语言处理领域的一个重要挑战。

本研究旨在回答两个核心问题：当灾难降临时，人们是如何应对的？我们能否通过大规模、实时的文本分析来检测这些应对模式？

核心内容

本研究基于 Lazarus 和 Folkman 于 1984 年提出的经典应对理论（Coping Theory），利用超过一百万条在土耳其地震后发布的土耳其语推文，构建了一个计算模型来识别和分析数字危机话语中的应对风格。

理论框架与分类

研究将应对风格划分为三类，这是应对理论中的核心概念：

1. 问题导向应对（Problem-focused coping）：旨在直接解决引发压力的问题或改变压力源。
2. 情绪导向应对（Emotion-focused coping）：旨在调节由压力引起的情绪反应，而非直接解决问题。
3. 意义构建（Meaning-making）：通过重新解释事件、寻找意义或赋予事件新的解释来应对压力。

此外，研究还依据危机发展的理论逻辑，将时间轴划分为四个阶段，以观察应对风格随时间的动态变化。

模型构建与性能

为了在土耳其语数据上实现高精度的分类，研究团队开发了 BERTurk 多标签分类器。BERTurk 是针对土耳其语优化的 BERT 模型变体。

• 性能表现：BERTurk 在测试集上达到了 0.693 的 Macro F1 分数。
• 基线对比：该表现显著优于零样本（zero-shot）基线模型 mDeBERTa（Macro F1 = 0.324）。这一差距表明，针对特定语言（土耳其语）和特定领域（危机话语）进行优化的模型，在捕捉细微的情感和社会心理信号方面具有巨大优势。

实证发现：应对风格的动态轨迹

将训练好的 BERTurk 模型应用于全部一百万条推文语料库后，研究揭示了明显的时空演变轨迹：

1. 紧迫阶段（Urgency Phase）：问题导向应对占据主导地位。在地震刚发生、救援最紧急的时刻，公众的讨论主要集中在寻找幸存者、提供物资信息和协调救援行动上。然而，这种应对风格随后急剧下降。
2. 情绪导向应对：随着时间推移，情绪导向应对逐渐上升并趋于稳定。这反映了公众从紧急行动转向情感宣泄、互助安慰和心理支持的过程。
3. 意义构建：意义构建呈现出单调递增的趋势。随着时间流逝，人们开始更多地反思灾难的原因、责任归属以及社会意义。

情绪与应对的关联

研究还分析了情感极性（如愤怒）与应对风格之间的关系。结果显示，愤怒与意义构建的相关性最强（Spearman r = 0.387）。

这一发现具有深刻的社会学意义：愤怒并非仅仅指向实际问题的解决（问题导向），而是更多地作为一种动员力量，推动公众进行归因（blame attribution），即追问“谁该为此负责”或“制度为何失效”。

关键要点

• 多标签分类的有效性：研究证实，利用针对特定语言优化的深度学习模型（如 BERTurk），可以可靠地从大规模非结构化文本中提取复杂的心理构念（如应对风格）。
• 动态演变规律：危机中的公众心理并非静止不变，而是遵循“行动 -> 情绪调节 -> 意义反思”的典型路径。问题导向应对在初期最高，随后迅速衰退；而意义构建则随时间持续增加。
• 愤怒的社会功能：在危机后期，愤怒情绪主要服务于“意义构建”和“归因”，而非直接的问题解决。这意味着愤怒可能转化为对问责和社会变革的诉求，而不仅仅是寻求救援。
• 模型优势：领域适配的模型（BERTurk）在性能上远超通用的多语言零样本模型（mDeBERTa），强调了在低资源或特定语境下进行模型微调的必要性。
• 理论的可操作性：经典的心理学应对理论（Lazarus & Folkman, 1984）可以被成功地操作化并应用于数字危机数据，证明了跨学科方法在危机管理中的潜力。

意义与影响

这项研究对学术界和人道主义实践均具有重要的启示意义。

对于人道主义组织和政策制定者： 研究结果表明，组织可以根据危机所处的不同阶段，调整其沟通策略和支持重点。

• 在初期，应侧重于提供实用信息、协调救援资源，以支持公众的“问题导向”需求。
• 在中期，应增加心理支持和社会情感连接的投入，回应“情绪导向”的需求。
• 在后期，当公众开始寻求“意义构建”并表现出愤怒情绪时，组织需要准备好应对问责压力，通过透明的沟通、责任澄清和社会反思机制来缓解社会张力，而不是仅仅提供物质援助。

对于计算社会科学和 NLP 领域：

• 本研究展示了如何将深厚的心理学理论转化为可计算的标签体系，为其他社会心理现象的量化研究提供了范式。
• 它强调了语言特异性模型在跨语言危机分析中的关键作用，提醒研究者在使用通用多语言模型时需警惕其在特定语境下的性能瓶颈。

总之，这项研究不仅揭示了 2023 年土耳其地震后公众心理的动态图谱，更为利用大数据实时监测和响应社会危机提供了可行的技术路径和理论依据。