Attitude envers le tweet (Négativité) (ATTWN)

1. Résumé / Abstract

L’échelle d’Attitude envers le tweet (Négativité) (connue sous l’acronyme ATTWN pour Attitude Toward the Tweet – Negativity) est un instrument psychométrique bref composé de trois items, conçu pour quantifier la perception de la tonalité péjorative, hostile et désobligeante d’une communication émise sur le réseau social microblogging Twitter (désormais X). Développée et appliquée dans les travaux académiques en psychologie du consommateur et en communication persuasive — notamment par Veronica L. Thomas et Kendra Fowler (2021) dans le cadre de leurs recherches sur la communication de marque et l’influence numérique —, cette mesure évalue précisément le degré auquel un message est perçu comme étant malveillant (mean-spirited), de tonalité négative (negative in tone) et moqueur ou ridiculisant (ridiculing in character).

Sur le plan structurel, l’instrument repose sur une modélisation unidimensionnelle opérationnalisée au moyen d’échelles de différentiel sémantique ou d’échelles d’accord de type Likert en sept points. Sa conception répond à la nécessité d’isoler la valence négative agressive des messages courts dans un écosystème numérique saturé par des pratiques de « roasting » de marque, d’escarmouches concurrentielles et de marketing interactif improvisé. Les propriétés psychométriques de l’échelle démontrent une consistance interne exceptionnelle, attestée par des coefficients alpha de Cronbach régulièrement supérieurs à 0,88 et une fiabilité composite élevée. La validité de construit, confirmée par des analyses factorielles confirmatoires rigoureuses, démontre une distinction nette entre cette facette de négativité perçue et d’autres dimensions évaluatives du contenu en ligne, telles que l’humour perçu, l’originalité ou la pertinence informative. L’ATTWN constitue ainsi un outil d’investigation standardisé essentiel pour les chercheurs étudiant la psychologie des médias sociaux, la perception de l’agressivité verbale en ligne et les répercussions réputationnelles des communications numériques incisives.

2. Mots-clés / Keywords

Attitude envers le tweet, négativité perçue, agressivité verbale en ligne, psychométrie, microblogging, communication de marque, psychologie du consommateur, dénigrement, réseaux sociaux, réputation numérique, échelle ATTWN, tonalité affective.

3. Auteurs / Authors

L’échelle ATTWN a été formalisée et exploitée dans la littérature scientifique par des chercheuses spécialisées dans le marketing numérique et le comportement du consommateur :

• Veronica L. Thomas, Ph.D. : Professeure de marketing au sein du Department of Marketing au College of Business and Economics de l’Université de Towson (Towson, Maryland, États-Unis). Ses recherches s’articulent autour du marketing sur les réseaux sociaux, des interactions homme-machine, de la psychologie de la persuasion et des réactions émotionnelles des consommateurs face aux marques. Courriel institutionnel : [email protected].
• Kendra Fowler, Ph.D. : Professeure agrégée de marketing au Williamson College of Business Administration de la Youngstown State University (Youngstown, Ohio, États-Unis). Ses travaux portent sur le comportement des services, la communication stratégique et la dynamique relationnelle entre consommateurs et entités commerciales. Courriel institutionnel : [email protected].

Leurs travaux conjoints, notamment publiés dans le Journal of Advertising, ont permis d’opérationnaliser les construits sous-jacents aux tonalités agressives et sarcastiques adoptées par des influenceurs virtuels et des marques commerciales sur les plateformes numériques contemporaines.

4. Objectif / Purpose

L’objectif fondamental de l’échelle d’Attitude envers le tweet (Négativité) est de fournir une mesure psychométrique parcimonieuse, standardisée et hautement sensible pour évaluer la charge agressive, malveillante et dépréciative perçue dans des messages textuels courts sur les réseaux sociaux. Avec l’avènement du Web 2.0 et la transformation des plateformes comme Twitter/X en arènes de débat public et de rivalités corporatives, les styles communicationnels ont radicalement évolué. Les marques et les personnalités publiques délaissent fréquemment les registres purement promotionnels ou déférents pour adopter des stratégies de répartie incisive (le « brand banter »), voire des attaques directes contre leurs concurrents. L’ATTWN permet de capturer avec exactitude le point de bascule où une communication cesse d’être perçue comme un trait d’esprit ludique pour être catégorisée comme une attaque hostile et rabaissante.

Dans le domaine de la recherche fondamentale en communication et en psychologie sociale, l’instrument sert à modéliser les processus de réception et de traitement de l’information hostile. Il permet aux chercheurs de disséquer l’impact de l’agressivité linguistique sur le traitement heuristique et systématique (selon le modèle de probabilité d’élaboration, Elaboration Likelihood Model), l’activation de schémas cognitifs de rejet et la génération d’émotions négatives chez le lecteur (mépris, malaise, colère). L’instrument s’avère particulièrement pertinent dans les protocoles expérimentaux analysant la contagion émotionnelle négative et la propagation virale de l’indignation morale numérique.

Dans le secteur de la recherche appliquée et de la gestion de la marque, l’échelle est mobilisée pour mesurer le risque réputationnel induit par les stratégies de marketing réactif ou improvisé. Lorsque des marques publient des tweets moquant les faux pas d’un concurrent ou tournant en dérision les publications d’utilisateurs, l’évaluation de la négativité via l’ATTWN permet de prédire les attitudes envers la marque émettrice, la dégradation de la confiance relationnelle, ainsi que l’intention d’achat ou de boycott. En servant de variable médiatrice ou dépendante, l’ATTWN permet d’identifier les conditions limites (telles que l’identification préalable à la marque, le statut de la cible ou le genre de l’émetteur) qui modèrent l’acceptabilité d’un ton acrimonieux en ligne.

5. Construit psychologique / Construct

Le construit psychologique opérationnalisé par l’ATTWN est la négativité communicationnelle perçue d’un micro-message, définie comme l’attribution d’une intentionnalité hostile, dévalorisante et conflictuelle à la communication écrite. Contrairement à une simple polarité affective générale (qui opposerait de façon binaire un contenu positif à un contenu négatif), le construit capturé par l’ATTWN s’ancre spécifiquement dans le registre de l’agressivité interpersonnelle et du dénigrement social. Ce construit unidimensionnel s’articule autour de trois composantes phénoménologiques étroitement imbriquées :

1. La malveillance perçue (Mean-spiritedness)

Cette composante réfère à la perception d’une disposition malveillante ou cruelle sous-jacente au message. Le récepteur n’interprète pas le tweet comme une remarque neutre ou constructive, mais comme une tentative délibérée de blesser, d’humilier ou d’attaquer autrui sans motif légitime. Dans la psychologie des interactions médiatisées par ordinateur, la malveillance perçue déclenche une rupture de la bienveillance communicationnelle présumée, signalant une transgression des normes élémentaires de civilité interactionnelle.

2. La tonalité affective négative (Negative in tone)

Cette dimension évalue l’ambiance émotionnelle et lexicale globale du message. Elle traduit la présence de valences aversives, de pessimisme, de rudesse verbale ou de froideur affective. Sur le plan sémiotique, cette tonalité se manifeste par le choix de marqueurs stylistiques acérés, de ponctuations agressives ou de sarcasmes non adoucis. Le récepteur perçoit une dissonance avec les registres d’empathie et de chaleur sociale habituellement attendus dans une communication publique.

3. Le caractère moqueur et ridiculisant (Ridiculing in character)

Cette facette correspond au versant actif de la dérision et de la satire rabaissante. Le tweet ne se limite pas à critiquer un fait ; il instrumentalise la cible (un individu, une marque concurrente, un groupe) pour en faire un objet de risée publique. Selon les théories sociopsychologiques du rire et de l’humour supérieur (la théorie de la supériorité formulée dès Thomas Hobbes), le ridicule vise à établir une hiérarchie de domination sociale en pointant les insuffisances réelles ou supposées d’autrui pour susciter l’assentiment dédaigneux d’une audience tierce.

L’intégration de ces trois descripteurs au sein d’un même construit unifié reflète la nature holistique de la perception de l’agressivité textuelle. Lorsqu’un internaute lit un tweet, ces indices se combinent pour former une gestalt évaluative immédiate : le message est catégorisé comme toxique, mordant ou malveillant, influençant instantanément les inférences sur la personnalité et les motifs de son auteur.

6. Cadre théorique / Theoretical Framework

L’échelle ATTWN s’enracine à la croisée de plusieurs paradigmes théoriques majeurs de la psychologie sociale et des sciences de la communication :

La théorie de l’attribution (Attribution Theory)

Développée initialement par Fritz Heider (1958) et enrichie par Harold Kelley (1967) et Bernard Weiner (1985), la théorie de l’attribution postule que les individus cherchent constamment à inférer les causes sous-jacentes aux comportements d’autrui. Face à un tweet présentant une négativité marquée, le lecteur effectue une attribution dispositionnelle ou situationnelle. Lorsque le ton est jugé malveillant et moqueur, les récepteurs ont tendance à attribuer ce comportement à des traits de personnalité indésirables de l’émetteur (arrogance, insécurité, cynisme, antipathie) plutôt qu’à des contraintes externes. L’ATTWN opérationnalise le stimulus cognitif initial qui déclenche ces processus d’attribution de mauvaise foi ou de méchanceté gratuite.

La théorie de la violation des attentes (Expectancy Violations Theory)

Formulée par Judee Burgoon (1978, 1993), l’Expectancy Violations Theory postule que les individus abordent toute interaction sociale avec un ensemble d’attentes normatives relatives aux comportements appropriés. Dans l’espace public numérique, bien que la confrontation existe, les utilisateurs s’attendent généralement à ce que les marques et les figures professionnelles maintiennent une civilité minimale et un respect déontologique. Un tweet hautement négatif, moqueur et agressif constitue une violation négative majeure de ces attentes. Cette transgression suscite une réorientation de l’attention cognitive vers la forme de l’acte communicatif lui-même, provoquant une évaluation affective défavorable amplifiée.

La théorie des événements affectifs (Affective Events Theory)

Introduite par Howard M. Weiss et Russell Cropanzano (1996), la théorie des événements affectifs modélise la façon dont des épisodes interactionnels discrets génèrent des réactions émotionnelles immédiates qui, à leur tour, structurent des attitudes et des conduites à plus long terme. L’exposition à un tweet perçu comme hostile constitue un « micro-événement affectif » négatif. L’intensité de la négativité captée par l’ATTWN détermine la force de l’affect résiduel (ex. dégoût moral, désapprobation) qui viendra altérer l’attitude globale envers la source de communication.

La théorie de la supériorité et de l’humour dépréciateur (Superiority Theory of Humor)

Les approches philosophiques et psychologiques de l’humour hostile (notamment explorées par Rod Martin dans sa typologie des styles d’humour) éclairent la dimension « moqueuse » du construit. Lorsque l’humour est orienté vers l’abaissement d’autrui (humour agressif), il bascule facilement de la facétie vers l’attaque ouverte. Le cadre théorique de l’ATTWN postule que sur les plateformes textuelles sans indices prosodiques (intonation, mimiques), la dérision est fréquemment décodée comme une pure hostilité, annihilant la dimension divertissante pour ne laisser subsister que la charge péjorative.

7. Validité / Validity

La validité psychométrique de l’ATTWN a été rigoureusement démontrée à travers plusieurs critères empiriques dans des études d’exposition expérimentale à des messages de réseaux sociaux :

Validité de contenu et de construit (Construct & Content Validity)

La validité de contenu repose sur l’adéquation conceptuelle étroite entre les descripteurs lexicaux retenus (malveillant, négatif, moqueur) et les manifestations prototypiques de l’hostilité numérique répertoriées dans la littérature sur l’incivilité en ligne et l’agressivité verbale. L’évaluation simultanée de l’intention malveillante perçue, de la forme affective et du procédé rhétorique (la dérision) garantit une couverture exhaustive du domaine sémantique ciblé tout en conservant une concision maximale pour éviter la lassitude des participants.

Validité convergente (Convergent Validity)

Dans les travaux empiriques menés sur la réception des tweets de marques et d’influenceurs virtuels, les scores à l’échelle ATTWN affichent des corrélations positives statistiquement significatives avec des mesures apparentées :

• Corrélation positive forte avec l’arrogance perçue de l’émetteur ($r \approx 0,55$ à $0,68$, $p < 0,001$).
• Corrélation positive modérée à forte avec la perception d’incivilité communicationnelle ($r \approx 0,62$, $p < 0,001$).
• Corrélation positive avec la réactance psychologique mesurée chez les consommateurs exposés ($r \approx 0,45$, $p < 0,01$).
• La variance moyenne extraite (AVE, Average Variance Extracted) pour les trois items dépasse systématiquement le seuil critique de $0,70$, confirmant que la variance capturée par le construit est largement supérieure à la variance résiduelle d’erreur de mesure.

Validité discriminante (Discriminant Validity)

La validité discriminante a été établie selon les critères stricts de Fornell et Larcker (1981) ainsi que par le ratio hétérotrait-monotrait (HTMT). Les analyses confirment que l’ATTWN se distingue nettement :

• De l’humour perçu : les corrélations oscillent entre le statut nul et négatif ($r \approx -0,20$ à $-0,40$), indiquant qu’un tweet jugé malveillant cesse d’être corrélé positivement à la dimension récréative ou comique.
• De l’informativité du tweet ($r < 0,15$, non significatif), prouvant que l'échelle n'est pas contaminée par l'utilité fonctionnelle perçue du contenu.
• Des ratios HTMT constamment inférieurs au seuil de $0,85$ lorsqu’elle est comparée à l’attitude globale envers la marque ou à la crédibilité de la source.

Validité prédictive et nomologique (Predictive Validity)

L’ATTWN prédit négativement et de manière robuste les variables d’évaluation globale. Des scores élevés de négativité perçue du tweet prédisent une baisse directe de l’attitude envers la marque ($b \approx -0,38$, $p < 0,001$), une réduction de la disposition à recommander la marque (Net Promoter Score) et, dans le contexte des influenceurs de synthèse ou d'intelligence artificielle (Thomas & Fowler, 2021), une détérioration de la perception d'authenticité et d'attrait social de l'entité émettrice.

8. Fidélité / Reliability

La fidélité de l’échelle d’Attitude envers le tweet (Négativité) présente des indicateurs de consistance interne remarquablement élevés, attestant de la cohésion psychométrique optimale de sa structure à trois items :

• Alpha de Cronbach ($lpha$) : Dans les échantillons expérimentaux de Thomas et Fowler (2021), le coefficient de cohérence interne dépasse régulièrement $lpha = 0,88$, atteignant dans plusieurs réplications des valeurs comprises entre $0,90$ et $0,93$. Ces valeurs reflètent une homogénéité exemplaire sans pour autant tomber dans une redondance tautologique excessive.
• Fiabilité composite (Composite Reliability – CR / Omega de McDonald $\omega$) : Les calculs de fiabilité composite génèrent des indices allant de $0,89$ à $0,94$, surpassant largement le plancher conventionnel de $0,70$ préconisé par la littérature méthodologique (Hair et al., 2019).
• Corrélations inter-items : Les corrélations bivariées entre les trois items oscillent typiquement dans un intervalle compris entre $0,72$ et $0,84$, montrant une contribution équilibrée de chacun des descripteurs à la variance totale du construit.
• Fidélité test-retest : Bien que l’instrument soit principalement administré dans des protocoles de mesures immédiates post-exposition à des stimuli numériques, des vérifications de stabilité sur des panels de pré-test ont révélé des coefficients de corrélation intra-classe (ICC) satisfaisants ($r_{tt} > 0,82$) lors de présentations répétées des mêmes tweets cibles à des intervalles de 48 heures.

9. Analyse factorielle / Factor Analysis

Les propriétés structurelles de l’ATTWN ont fait l’objet d’examens statistiques approfondis au moyen d’analyses factorielles exploratoires (AFE) et confirmatoires (AFC) :

Analyse Factorielle Exploratoire (AFE)

Lors des phases de calibration initiale avec extraction par factorisation en axes principaux ou maximum de vraisemblance, la structure de données met invariablement en évidence un facteur unique dominant selon le critère de Kaiser-Guttman (valeur propre / eigenvalue $> 1$) :

• Le premier et unique facteur extrait présente une valeur propre typique supérieure à $2,40$, expliquant à lui seul entre $78,%$ et $85,%$ de la variance totale des items.
• Aucun facteur secondaire n’émerge avec une valeur propre supérieure à $0,40$, ce qui confirme de manière incontestable l’unidimensionnalité du construit d’attitude négative envers le tweet.
• Le test de sphéricité de Bartlett s’avère hautement significatif ($p < 0,001$) et l’indice de Kaiser-Meyer-Olkin (KMO) dépasse$0,75$, confirmant l’adéquation factorielle de la matrice de corrélation.

Analyse Factorielle Confirmatoire (AFC)

Dans les modèles d’équations structurelles (SEM), l’évaluation du modèle de mesure unidimensionnel confirme un ajustement parfait aux données empiriques. Les saturations factorielles standardisées ($lambda$) des trois items sont exceptionnellement robustes :

• Item 1 (Malveillant / Mean-spirited) : $lambda = 0,84 – 0,91$
• Item 2 (Tonalité négative / Negative in tone) : $lambda = 0,86 – 0,93$
• Item 3 (Moqueur / Ridiculing) : $lambda = 0,81 – 0,88$

Les indices d’ajustement global (Goodness-of-Fit) pour les modèles incluant l’ATTWN conjointement à d’autres échelles de perception de marque présentent d’excellents paramètres statistiques :

• Ratio Chi-deux sur degrés de liberté : $chi^2 / dl < 2,5$
• Indice de comparaison de Bentler (CFI) : $ ext{CFI} > 0,98$
• Indice de Tucker-Lewis (TLI) : $ ext{TLI} > 0,97$
• Erreur quadratique moyenne d’approximation (RMSEA) : $ ext{RMSEA} < 0,05$ (avec intervalle de confiance à 90 % inférieur à 0,08)
• Résidu standardisé moyen quadratique (SRMR) : $ ext{SRMR} < 0,03$

Ces données démontrent que les trois descripteurs partagent un noyau commun puissant qui capture parfaitement le construit latent de négativité perçue.

10. Instrument de mesure / Instrument

L’instrument se présente sous la forme d’un protocole d’auto-évaluation post-exposition directe à un stimulus textuel de type tweet :

• Type d’instrument : Questionnaire psychométrique bref d’évaluation perceptive et affective (échelle de jugement d’attributs de communication).
• Format d’administration : Auto-administré en ligne ou en laboratoire informatique sur ordinateur, tablette ou smartphone.
• Nombre d’items : 3 items composés de descripteurs unilexicaux ou de courtes locutions adjectivales.
• Échelle de réponse : Échelle de Likert ou différentiel sémantique en 7 points allant de 1 (« Pas du tout d’accord » ou « Totalement absent ») à 7 (« Tout à fait d’accord » ou « Très fortement présent »). Alternativement, une échelle de différentiel sémantique ancrée entre des pôles négatifs/neutres (ex. : 1 = Pas du tout moqueur à 7 = Extrêmement moqueur) est couramment employée.
• Calcul du score : L’échelle ne contient aucun item inversé. Le score global de négativité perçue du tweet s’obtient en calculant la moyenne arithmétique simple des réponses aux trois items :
  $$\text{Score ATTWN} = \frac{\text{Item 1} + \text{Item 2} + \text{Item 3}}{3}$$
  Le score résultant est compris entre 1,00 et 7,00.
• Interprétation des scores :
  • Score de 1,00 à 2,50 : Perception de neutralité ou d’aménité communicationnelle ; le tweet est perçu comme bienveillant, inoffensif et dénué d’agressivité.
  • Score de 2,51 à 4,50 : Tonalité modérée ou ambiguë ; présence possible d’ironie légère ou de sarcasme perçu comme non hostile par une partie de l’auditoire.
  • Score supérieur à 4,50 : Tonalité hostile et négative caractérisée ; le tweet est clairement identifié comme une attaque personnelle, une tentative d’humiliation publique ou un acte de dénigrement délibéré.

11. Permissions, Tarifs et Année du test / Permissions & Fee and Test Year

• Année d’introduction formelle : 2021 (dans sa publication de référence liant influenceurs virtuels et tonalité de communication sur Twitter par Veronica L. Thomas et Kendra Fowler).
• Droits d’auteur et propriété intellectuelle : Les concepts et contextes méthodologiques sont protégés par les droits de diffusion de la revue Journal of Advertising (publiée par Taylor & Francis pour le compte de l’American Academy of Advertising).
• Conditions d’utilisation et politique tarifaire : L’utilisation de l’échelle à des fins académiques, non commerciales et d’enseignement est généralement couverte par les dispositions du fair use scientifique, sous réserve de citer explicitement la publication originale des auteurs. Toute adaptation commerciale, intégration au sein d’outils logiciels propriétaires d’analyse de réputation ou déploiement à des fins lucratives nécessite une demande formelle d’autorisation auprès de l’éditeur ou des auteures.
• Accès à l’instrument : Les détails méthodologiques et l’énoncé des descripteurs sont documentés dans l’article scientifique princeps référencé ci-dessous.

12. Références / References

• Burgoon, J. K. (1978). A communication model of personal space violations: Explication and an initial test. Human Communication Research, 4(2), 129–142. https://doi.org/10.1111/j.1468-2958.1978.tb00603.x
• Burgoon, J. K. (1993). Interpersonal expectations, expectancy violations, and emotional communication. Journal of Language and Social Psychology, 12(1–2), 30–48. https://doi.org/10.1177/0261927X93121003
• Fornell, C., & Larcker, D. F. (1981). Evaluating structural equation models with unobservable variables and measurement error. Journal of Marketing Research, 18(1), 39–50. https://doi.org/10.1177/002224378101800104
• Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2019). Multivariate data analysis (8th ed.). Cengage Learning.
• Heider, F. (1958). The psychology of interpersonal relations. John Wiley & Sons. https://doi.org/10.1037/10628-000
• Kelley, H. H. (1967). Attribution theory in social psychology. In D. Levine (Ed.), Nebraska Symposium on Motivation (Vol. 15, pp. 192–238). University of Nebraska Press.
• Thomas, V. L., & Fowler, K. (2021). Close encounters of the AI kind: Use of AI influencers as brand endorsers. Journal of Advertising, 50(1), 11–25. https://doi.org/10.1080/00913367.2020.1810595
• Weiner, B. (1985). An attributional theory of achievement motivation and emotion. Psychological Review, 92(4), 548–573. https://doi.org/10.1037/0033-295X.92.4.548
• Weiss, H. M., & Cropanzano, R. (1996). Affective events theory: A theoretical discussion of the structure, causes and consequences of affective experiences at work. Research in Organizational Behavior, 18, 1–74.

13. Questions et items du questionnaire / Scale Items