一项对10种不同人类语言的大数据分析表明，这些语言的常用词汇中，都是正面词汇更多，并且这种现象不受词汇使用频率的影响。[1]研究论文于2月10日发表在《美国科学院院刊》（PNAS）上。果壳网科学人对论文第一作者，美国佛蒙特大学的彼得·谢里丹·多兹（Peter Sheridan Dodds）进行了采访。
早在1969年，就有心里语言学家提出了波丽安娜假说（Pollyanna Hypothesis），该假说认为人类在交际过程中，普遍更喜欢使用带有正面色彩的词汇。然而，以往的研究都没能对此进行有力证明。这一次，研究者们利用大数据分析，对这一假说进行了更深层次的探究。
研究者首先选取了10种来源和文化背景不同的语言，包括：英语、西班牙语（墨西哥）、法语、德语、葡萄牙语（巴西）、韩语、中文（简体）、俄语、印尼语和阿拉伯语。在这些语言中，研究者重点关注了那些使用频率最高的词汇，“但由于不可能将一种语言中的所有词汇都按使用频率排序，因此我们分语料库（corpus，在语言学上意指大量的文本，通常经过整理，具有既定格式与标记）进行研究。”多兹向科学人解释说。研究共使用了24个语料库，来源包括书籍、新闻报道、社交媒体、网络、电视剧和电影字幕以及歌词。
多兹表示：“我们以往对英语常用词汇的研究发现，带有正面色彩的词汇更多，在此基础之上，我们想要了解这一现象是否也存在于其它语言当中。”从各个语料库中，研究者们最终选取了每种语言最常用的约1万个词汇，并让以各语言为母语的人给每个词汇的正面程度打分。最终，每个词汇获得了50次评分，总评分次数为500万次。
评分示例。受调查者需要对每个词语的正面程度打分（1为最负面，9为最正面，5为中性）。图片来源：研究论文
分析结果显示，所有语料库中都是正面色彩的词汇较多。不过，不同语言中词汇的正面程度分布之间还是存在一些微小差异。多兹指出：“拉丁美洲的语料库中（西班牙语、葡萄牙语），快乐程度的中值和其变化幅度（方差）都较大。而在快乐程度的方差上（下图右侧），4个英语语料库的都排得很靠前，而中文和俄文词语的方差则较小。”
10种语言，共24个语料库的词汇正面程度分布。从每个语料库选取了最常用的5000个词汇，黄色部分为得分>5的区域而蓝色部分为得分<5的区域，灰色线连接各分布之间的十分位点。左图为按评分中值大小（红色竖线）排列，而右图为按方差大小（分散程度）排列。图片来源：研究论文
对各个语料库的进一步分析发现，每个词汇的正面程度得分与该词汇的使用频率基本没有联系。研究者们以语料库中使用频率排名连续的500个词汇为区间，发现各个区间内得分的十分位点基本一致，并未受到使用频率的影响。
词汇的正面程度与使用频率之间并无联系，各个词汇使用频率排名区间的正面程度分布基本一致，显示词汇为随机挑选。图片来源：研究论文
另外，研究者们还进一步将10种语言两两配对（共45对），并利用谷歌翻译找出其中意思相同的词汇，并对它们的正面程度得分进行比较。结果显示，在不同语言中，表达同一意思的词汇得分也很一致。也就是说，对于那些研究中没有涉及的语言，可以通过参考语言中某个词汇在其他语言中对应词汇的正面程度，做出大致估计。
研究者们通过大数据分析证明了波丽安娜假说，不过他们的目标不止这一个。多兹表示：“我们一开始想要测量文字中的情绪，并用这些信息开发工具，来测量各种大型文本中所用词汇的正面程度。包括通过推特（Twitter）上的文字来分析人们的情绪，以及跟踪文学作品中的情绪变化。”（这两项功能可访问hedonometer.org）他还说：“我们目前正在建设panometer.org网站，这个网站将会对推特上的各种话题进行分析，包括健康、饮食、睡眠不足等。我们的长期目标之一，就是用大数据来描绘人们生活的各个方面。而这些测量工具可以帮助决策者、城市管理者、记者、公司等获得相关信息，比如消费者对某种产品的评价。”
hedonometer.or网站上英语推特词汇的平均正面程度分析图，可选择时间跨度，点击每个圆点还可以看到当天使用频率最高的词汇。图片来源：hedonometer.org
多兹表示，研究团队希望进一步研究更多的语言以及不同的语料库，但由于研究难度大并且较昂贵，他们目前正在申请所需经费。（编辑：球藻怪）
参考文献：
- Peter Sheridan Dodds et al. Human language reveals a universal positivity bias.PNAS, 2015 DOI: 10.1073/pnas.1411678112