走在线上：电子非语言线索如何塑造情感解码

随着基于文本的计算机中介沟通（CMC）日益构成日常互动中常见的交往方式，一个核心问题在新紧迫性下重新浮现：用户在缺乏具身线索的环境中如何重建非语言表达？本文提供了关于电子非语言线索（eNVCs）——典型于身体动作、语音要素和语素的文本类替代品——在公共微博交往中的系统性、理论驱动的阐述。通过三项互补研究，本文作出了概念性、实证性和方法学贡献。研究1发展了以非语言沟通理论为基础的eNVCs统一分类体系，并引入了可扩展的Python工具包用于自动检测。研究2为在体检内的实证研究提供了受控因果证据，表明eNVCs在显著提升情感解码准确性和降低感知模糊性方面具有实质性帮助，同时识别了诸如讽刺等边界条件，在这些条件下，上述益处会减弱甚至消失。研究3通过焦点小组讨论，揭示了用户在推理数字语音时所采用的解释策略，包括从期望线索的缺失中获取意义，并在模糊情境下默认走向消极解释。综上，这些研究确立了eNVCs作为一类连贯且可衡量的数字行为，细化了线索丰富性与解释努力的理论账户，并为情感计算、用户建模和情感感知界面设计提供了实用工具。eNVC检测工具包已作为Python和R软件包提供，地址为https://github.com/kokiljaidka/envc。