解析：
情绪传播是考研帮学姐当时课上讲到的一个点，以下是当时课上涉及到的内容，宝子们可以做积累补充哦！关于情绪传播，前期宝子们可以看一下北师大新传学院教授丁汉青老师去年的一本新书，叫做《情绪：网络空间研究的新向度》
本题的难度较低，重在多积累多储备！
一、情绪传播的含义
情绪传播是个体或群体的情绪及与其伴随信息的表达、感染和分享的行为。
二、情绪传播的表现
1.情绪呈现的数据化
在算法与社交深度融合的信息传播环境下，用户情绪以数据化形态流动于用户与信息、用户与用户的互动场景。第一，情绪传播的数据化特征显现于算法的内容创作、推荐、分发模式。从用户平台的注册数据、发布的内容与评论、浏览痕迹等虚拟行为数据，到运动轨迹、身体状态等具身关联数据都被收集于算法的输入基础。第二，基于兴趣加权、关系加权或混合加权等算法的筛选环节替代传统时间线主导模式，人工智能结合用户自身、环境和文本等多类特征过滤、锚定相匹配的情绪需求，勾勒出用户ID或一类群体专属“情绪画像”。
2.情绪互动的可支配性
如今的平台生态系统是基于数据的流动和循环反馈，优化算法练习，并在算法的协调下实现多元主体的相互作用、相互依存的有机体。不同平台根据自身特性与目的来动态调整为用户推荐适应的场景。例如，微博用户既通过“好友搜”找寻与自身在某一领域相联系的人或事件，也能进入实时热搜榜点击话题标签选择感兴趣的时效信息。此外，算法监测技术的支撑加速了情绪支配行为的形成。例如，可感知用户情绪反应的智能手机商品传感器、精准定位用户的情绪数据追踪器等情绪监测设备的实践操作在不断为算法监视创造外部技术条件。
3.情绪传播的模式化
算法逻辑推理的客观特征实现了交往关系内在情绪传播的模式化传递。算法通过输入转换成输出的计算步骤实现了将非逻辑化的情绪传播模式转变为信息统计、编码、重组的可操作化的情绪传播规则与模型。比如，算法的情感建模提升机器对人类情绪的可识别能力，利用多种数字信号共同生成的复合型情感建模轻而易举将情绪纳入计算当中，使得计算机比人类自身更加了解自己。
4.情绪聚合的圈循性
受算法设计者认知模式与决策效率的影响，信息传播自然形成人类认知的类型化思路，并作用于用户与群体、群体与群体的情绪互动关系之中。它作为意见聚合的幕后推手，利用意见回音效应为松散的网络人群提供一个彼此靠近的情绪“同温层”，人们像气态分子一样靠近与自己价值观、态度、立场相似的人来抱团取暖。这种看似情绪的“偶遇”令起伏不定的情绪流动状态可以落地到与自身情绪高度相符的层级。同时，情绪循环效应在传受者之间相互作用，集体情绪的感染行为在传播过程中循环往复，直至达成情绪认同和认知的趋同。
考北师大新传，找喵白学姐
