建立過程
1. 研究者從不同來源增加情緒相關詞彙。除了C-LIWC原有情緒詞之外,另加入中文情緒詞庫(卓淑玲,2011)和華人情緒類別詞(鄭昭明,2011)。除了蒐集現有情緒詞庫外,研究團隊(包含心理學領域之三名博士、一名博士生、一名碩士生及一名大學生)亦腦力激盪,自行就所蒐集到的情緒詞進行聯想與討論,產生更多情緒相關詞彙。經統整後共計有1492個情緒詞彙做為研究材料。
2. 為了避免研究參與者的填答負擔過重,研究者將1492個情緒詞隨機打散,分散在四種不同的材料題本。針對其中一題本內的每個情緒詞,研究參與者須針對正負向、激發程度及人際關連性等三個向度來回答,評量的量尺為李克特式7點量尺。每個情緒詞至少經6位與上研究參與者評量。
評量人數雖少,但其中200多個詞涵蓋在中文情緒詞庫(卓淑玲,2011)。該詞庫每個詞均有近百位研究參與者評量正負向與激發程度。針對這些詞,將本研究所得之評量資料與原資料庫之評量資料求相關,發現此218個情緒詞彙在正負向向度具有高度正相關(r = .97, p < .01),在生理激發程度同樣展現顯著正相關(r = .77, p < .01)。顯示本研究雖然在每個情緒詞彙上的評量人員較少,但同樣展現穩定可靠的評量結果。
3. 為了在情緒詞類中加入高低激發程度,以區分正向高激發、正向低激發、負向高激發及負向低激發四個情緒詞類別,研究者參考全部情緒詞彙在三個等第之間的分佈情形,設定切分條件。在正負情緒向度與激發向度的選取的原則說明如下:
(1) 在正負向度上,由於分析結果發現此向度呈現雙峰分配,且負向詞詞數比正向詞詞數多,因此以評量的絕對值來做切分點,將比平均值或中位數來得更為適宜。
為了讓情緒詞庫盡量擴大,研究者決定涵蓋現有詞庫的所有情緒詞,完整切分為正向或負向情緒詞,再進一步對激發狀態進行不同的分類。在此目標下,考量本研究所採用的評量受試者人數偏低,為求嚴謹,提昇分類的準確性,本研究首先設定評量值在3.5以下直接定義為負向情緒詞,4.5以上為正向情緒詞。正負向向度評量介於3.5~4.5之間的詞,共98個詞,則進一步請研究團隊中15名成員進行正負向的評量。經彙總整理,首先以卓淑玲詞庫的正負向評量為依據決定其正負性,其他不在該詞庫中的詞,則以15名評量者判斷結果的多數決來決定該詞的正負性。
(2)在激發向度上,本研究的評量結果得到一個常態分配的形態,因此,接下來則分別就正向情緒與負向情緒詞,依照激發程度各以高低15%,30%及50%為切分,共形成三組,高低激發的正向與負向詞等四類詞。
2. 為了避免研究參與者的填答負擔過重,研究者將1492個情緒詞隨機打散,分散在四種不同的材料題本。針對其中一題本內的每個情緒詞,研究參與者須針對正負向、激發程度及人際關連性等三個向度來回答,評量的量尺為李克特式7點量尺。每個情緒詞至少經6位與上研究參與者評量。
評量人數雖少,但其中200多個詞涵蓋在中文情緒詞庫(卓淑玲,2011)。該詞庫每個詞均有近百位研究參與者評量正負向與激發程度。針對這些詞,將本研究所得之評量資料與原資料庫之評量資料求相關,發現此218個情緒詞彙在正負向向度具有高度正相關(r = .97, p < .01),在生理激發程度同樣展現顯著正相關(r = .77, p < .01)。顯示本研究雖然在每個情緒詞彙上的評量人員較少,但同樣展現穩定可靠的評量結果。
3. 為了在情緒詞類中加入高低激發程度,以區分正向高激發、正向低激發、負向高激發及負向低激發四個情緒詞類別,研究者參考全部情緒詞彙在三個等第之間的分佈情形,設定切分條件。在正負情緒向度與激發向度的選取的原則說明如下:
(1) 在正負向度上,由於分析結果發現此向度呈現雙峰分配,且負向詞詞數比正向詞詞數多,因此以評量的絕對值來做切分點,將比平均值或中位數來得更為適宜。
為了讓情緒詞庫盡量擴大,研究者決定涵蓋現有詞庫的所有情緒詞,完整切分為正向或負向情緒詞,再進一步對激發狀態進行不同的分類。在此目標下,考量本研究所採用的評量受試者人數偏低,為求嚴謹,提昇分類的準確性,本研究首先設定評量值在3.5以下直接定義為負向情緒詞,4.5以上為正向情緒詞。正負向向度評量介於3.5~4.5之間的詞,共98個詞,則進一步請研究團隊中15名成員進行正負向的評量。經彙總整理,首先以卓淑玲詞庫的正負向評量為依據決定其正負性,其他不在該詞庫中的詞,則以15名評量者判斷結果的多數決來決定該詞的正負性。
(2)在激發向度上,本研究的評量結果得到一個常態分配的形態,因此,接下來則分別就正向情緒與負向情緒詞,依照激發程度各以高低15%,30%及50%為切分,共形成三組,高低激發的正向與負向詞等四類詞。