[论文解读] Schadenfreude in the Digital Public Sphere: A cross-national and decade-long analysis of Facebook news engagement

Nouar AlDahoul, Hazem Ibrahim+5 more|arXiv (Cornell University)|Jan 28, 2026

Emotions and Moral Behavior被引用 0

一句话总结

该研究分析了美国、英国和印度十年的 Facebook 新闻参与度，以量化并刻画评论与反应中的 Schadenfreude，揭示系统性的意识形态与情境模式。

ABSTRACT

Schadenfreude, or the pleasure derived from others' misfortunes, has become a visible and performative feature of online news engagement, yet little is known about its prevalence, dynamics, or social patterning. We examine schadenfreude on Facebook over a ten-year period across nine major news publishers in the United States, the United Kingdom, and India (one left-leaning, one right-leaning, and one centrist per country). Using a combination of human annotation and machine-learning classification, we identify posts describing misfortune and detect schadenfreude in nearly one million associated comments. We find that while sadness and anger dominate reactions to misfortune posts, laughter and amusement form a substantial and patterned minority. Schadenfreude is most frequent in moralized and political contexts, higher among right-leaning audiences, and more pronounced in India than in the United States or United Kingdom. Temporal and regression analyses further reveal asymmetric relationships between political power and schadenfreude: left-leaning outlets display "power-licensed" schadenfreude that increases when their party governs, while right-leaning outlets exhibit "power-compensatory" schadenfreude that intensifies in opposition. Together, our findings move beyond anecdotal accounts to map schadenfreude as a dynamic, context-dependent feature of digital discourse, revealing how it evolves over time and across ideological and cultural divides.

研究动机与目标

• 在2015–2024年间，地图化九家媒体在三国的 Facebook 新闻话语中 Schadenfreude 的盛行程度与形式。
• 区分与不幸相关的帖子，并在评论层面对受众反应进行分类。
• 按政治取向与国家比较变异，并分析时间趋势与情境预测因子。

提出的方法

• 将从经过验证的 Facebook 页面进行的大规模数据收集与人工标注相结合，为不幸与评论语气建立 ground-truth 标签。
• 使用 GPT-4o Mini 进行不幸检测（准确率 94.8%），并在微调后将帖子–评论对分类为 toxic/sympathetic/neutral/unknown。
• 对 500 条不幸帖子进行不幸检测标注，对 1,000 对帖子–评论进行情感标签标注，以训练与验证分类器。

Figure 1 : (A) The distribution of Love, Care, HaHa, Wow, Sad, and Angry reactions on Facebook posts describing others’ misfortunes. Panels B–D show variation across left-, center-, and right-leaning outlets, while Panels E–G compare reactions across India, the United States, and the United Kingdom.

实验结果

研究问题

• RQ1 RQ1: 观众在对他人不幸新闻的回应中表达 Schadenfreude 的频率有多高，与悲伤或愤怒的表达相比如何？
• RQ2 RQ2: Schadenfreude 的表达在意识形态取向（左、中、右）与国家情境（US、UK、India）之间有何差异？
• RQ3 RQ3: 哪些类型的不幸最可靠地引发 Schadenfreude？
• RQ4 RQ4: 随着时间的推移，Schadenfreude 的表达如何变化，尤其在权力变动与重大事件发生时？

主要发现

Model	Accuracy	Macro Avg Precision	Macro Avg Recall	Macro Avg F1-Score
GPT-4o Mini (Prompt 1)	75.5%	80.8%	72.5%	75.1%
GPT-4o Mini (Prompt 2)	80.3%	83.6%	80.4%	81.4%
Fine-tuned GPT-4o Mini	87.3%	88.0%	88.2%	87.9%

• Schadenfreude 在相当多的评论中存在，在印度的普遍性更高，且在右倾受众中更高。
• 评论层面的 Schadenfreude（印度≈42%，美国≈32%，英国≈28%）高于 Haha 反应所提示的比率，表明文本层面的表达超越图标符号。
• 主题分析显示道德/意识形态、政治、宗教和制度性的不幸引发更高的 Schadenfreude（通常 >0.40），而自然/环境与体育不幸较低（很少 >0.20）。
• 时间模式显示印度始终保持较高的 Schadenfreude，英国在中期低谷后回升，美国则呈现适度、意识形态分层的变动。
• 回归分析表明，当左倾媒体权力在外时表达 Schadenfreude 更高，而与执政党的一致性通常降低 Schadenfreude，且对意识形态存在不对称效应。
• 总体而言，Schadenfreude 作为在线政治话语中的一个稳定且情境相关的特征，受意识形态、权力与主题影响而塑形。

Figure 2 : The proportion of comments exhibiting schadenfreude across outlets of different countries (Left panel) and ideological leanings (Right panel).