算法推送機制下「信息繭房」效應的思考與對策

□厲業強

【內容提要】網絡傳播時代，人工智慧算法推送機制進入了新聞傳播行業，算法推送具有本身的優越性，能夠在大數據時代，對內容做出高效的分析推送。但現如今的人工智慧算法依然無法判斷新聞價值，因此同質化內容的重複推送，加強了「信息繭房」效應。本文通過分析「信息繭房」與算法推送，提出「信息繭房」的多點危害，並對其做出了對策分析。

【關鍵詞】信息繭房 算法推送 新聞價值 人工智慧

近年來，隨著計算機技術的不斷發展，人工智慧技術逐漸走向成熟。人工智慧技術進入社會的各個專業，其中不乏人文社科領域，在新聞傳播領域，人工智慧也產生了巨大的影響，其中最為明顯的就是算法推送技術。算法推送技術即根據用戶閱讀習慣與興趣，有針對性地為用戶推薦新聞產品。在現代網絡傳播過程中，受眾地位更加凸顯，新媒體將受眾需求作為內容產出的第一要素，力求精準的適應受眾需求，達到高黏度的用戶使用狀態，例如今日頭條、抖音等軟體，均以精準的算法推送獲得了巨大的關注。但是，算法推送這一技術也對「信息繭房」效應起到了增強作用，帶來一系列的負面影響。如何對「信息繭房」效應進行削減，並更好的利用人工智慧技術，對新聞傳播業進行正向促進，也是近年來研究的熱點問題。

一、「信息繭房」效應的研究現狀

美國哈佛大學教授凱斯·桑斯坦在《信息烏託邦：眾人如何生產知識》中提出了「信息繭房」（Information Cocoons）這一概念。他以「個人日報」來形容網際網路用戶在大量的網絡信息中，依照個人喜好選擇自己所感興趣的信息，並對其他內容無視甚至排斥，進而長期形成「信息繭房」。①桑斯坦認為，由於「信息繭房」效應的存在，人們只會關注自己所感興趣的意見或與自己看法相似的人群，聽取符合自己觀點的意見，形成 「回音室效應」（Echo Chambers）。在這樣的傳播模式下，個人用戶接收信息的形式形成閉環，並在循環過程中不斷受到「正反饋」激勵，導致用戶誤將「私域」（某圈層）的事物和觀點等同於「公域」（全社會）的事物與觀點，進而對於圈層以外的意見與觀點形成對衝時，感到迷惑茫然或走向認知上的極端和表達上的極化。②

近幾年，國內學者開始對算法推送在新聞傳播領域的應用、問題及其對策方面進行研究。一些學者從受眾個體角度出發，對算法推送的弊端進行了分析，如彭蘭教授在《網絡傳播概論》中指出，「如果用戶只選擇滿足自身需求的信息，其結果可能會『作繭自縛』，使自己困在一個封閉的空間。」③胡泳教授在《新詞探討：回聲室效應》中指出，「個性化推薦會減少用戶自我意識，使其認為與自己的信念相牴觸的事實都不存在。」④喻國明教授認為，通過算法過濾和正反饋激勵的新聞信息使得用戶的興趣不斷固化。本文將針對「信息繭房」效應產生的負面影響，提出可實施的對策與解決措施，以期對算法推送這一技術手段進行更好的利用。

二、算法推送對「信息繭房」效應的增強

算法推送這一機制誕生於信息大數據時代，現在來看，一方面，我們已經擁有了較為成熟的計算機技術，也擁有了較強的信息處理能力。另一方面，新聞傳播也受到了網絡傳播的極大影響，以新媒體為代表的媒介形態已經完全受到網絡傳播特性的影響。由此看來，新聞媒體、社交平臺以及其他新聞傳播媒介，已經成為大數據時代的一個特定資料庫。面對如此龐大的數據，如何進行更好的調節、分析以及分發，這樣的現實需求直接促進了算法推送的產生及發展。算法推送即是一種編碼程序，它可以對大數據時代泛濫的新聞信息進行分類、標籤、整合、排序，然後「通過特定的運算把輸入數據轉化為輸出結果」⑤，再以特定的需求，有針對性地給相關用戶進行推送。現在新聞傳播及社交媒體之中存在的個性化推薦機制便是在算法推送的基礎上，通過對受眾的興趣愛好特性，以及用戶之間的社交關係進行多重分析，深度解析用戶的需求，從而進行個性化的推送。

此類個性化的算法推送機制是基於大量的數據計算與分析形成的。它主要是利用用戶在不同平臺形成的個性特徵，依靠網際網路挖掘，獲得多角度的數據，關注用戶在使用社交媒體過程中的習慣性行為，從中找尋潛在規律，對用戶的喜好進行分類判斷與預測。當算法對用戶的興趣點產生了初步判斷，數據會繼續記錄，在用戶對可能興趣點的點擊與瀏覽過程中，算法會更加精準的獲取該用戶的喜好與習慣，以期獲得更加精準的判斷與預測。

通過信息技術進行算法推送這一機制能夠做到信息的精準快速分析與傳播，因為傳播的內容為用戶興趣點所在，用戶也將在此類內容中獲得樂趣，由此使得用戶對媒介黏性增強。算法推送機制在一定程度上行使了傳統新聞傳播過程中「把關人」的職能。原有「把關人」常由媒體的編輯、記者擔任，在對傳播內容進行篩選的過程中，這一類傳統的「把關人」往往會注重內容與社會公共空間的關係，發揮著大眾媒介的環境監視功能。但隨著算法推送機制的不斷壯大，算法推送給用戶的相關內容也會導致受眾個體的視野逐漸固化，信息接受出現同質化的問題，因而更大的加深了「信息繭房」效應。

但大數據時代的算法推送機制並不是「信息繭房」效應產生的根本原因。霍夫蘭曾提出的個人差異論，解釋了受眾在接受信息的過程當中具有選擇性與注意性。霍夫蘭的這一理論以受眾作為研究對象，他描述了在信息傳播至受眾的過程中，受眾會對接收到的信息進行篩選，影響因素即為受眾的個人屬性，如需求、習慣、價值觀、社會地位等。這些因素會對受眾個體對於信息的選擇和注意產生影響。在傳統媒體時代，個人差異論強調的是受眾在接受到大眾信息時，對這一信息的理解與接受程度，但隨著網絡傳播的不斷發展，相較於傳統媒體時代，如今的信息傳播在數量上十分龐大，並仍以很高的速度不斷增加。受眾在面對如此海量信息的過程中，產生了非單向的選擇，即與傳播的內容產生了雙向選擇的機會。在這樣的傳播語境下，個人差異論即可理解為，受眾對於海量信息按照自己的需求進行選擇的結果，即受眾在根據個人需求，對信息進行找尋時，算法推薦機制給用戶推送的信息剛好滿足用戶的需求，用戶樂於去接受此類信息。在算法加持下，受眾可以源源不斷地收到需求的信息，由此形成了循環反覆的過程。這種個人差異論，在現如今已形成的結果即是受眾主動找尋興趣點所在的內容，算法推送提供支持，這一過程反覆循環，逐漸增強了「信息繭房」效應。

三、「信息繭房」的危害

（一）受眾個體的視野被固化

約書亞·梅羅維茨在《消失的地域》一書中提出媒介情境論，他認為，媒介的變化會導致社會環境的變化，而社會環境的變化又會影響人的行為。⑥根據這一理論，大量同質化信息出現，逐漸影響媒介環境，使之發生轉變；社會環境受到媒介環境的影響，也產生了轉變，環境的轉變最終影響了人類的轉變。在信息傳播的過程中，同質化的信息不斷出現，算法推送機制帶來的「信息繭房」效應也越來越強，最終對社會環境和受眾產生影響。體現在受眾的身上，即為其視野被固化。

「信息繭房」效應使得受眾自身營造了一個相對封閉的媒介空間，在受眾的媒介空間內，信息獲取的渠道、形式及內容較為封閉，外部的大眾媒介雖然豐富，但經過算法推送機制的「過濾」，進入受眾的媒介空間內部時，重複了之前的傳播機制，帶來了相同的效果，即並未給受眾帶來更多新的內容。現如今的網絡環境給用戶提供了諸多可以設置和定製化的服務，這些服務看似為用戶提供了更多選擇，但是經過定製的內容往往具有局限性，對這類屬性的選擇與設置，也成為了算法分析的重要參數。這樣的環境實際上將用戶感興趣的領域指向化，用戶可以不斷收到他所設置的想要獲取的信息，外界信息對受眾傳播的過程變成了「回音」的形式。長期只接受自己感興趣的信息，或限制用戶對整個世界的全面認知，當受眾將自己所在的「繭房」狀態理解為「擬態環境」的全貌時，受眾的視野將被固化，在反覆多次的過程中形成惡性循環，受眾更加確信自己所看到的信息就是全世界的映射。此時，由「信息繭房」效應帶來的對受眾視野固化的這一危害，會造成受眾的認知局限，長久之後，受眾個體的思想觀念也將受到束縛，個體思維能力減弱，將嚴重影響受眾個體的個人發展。

（二）群體極化現象的出現

桑斯坦在《信息烏託邦》中提出群體極化，他認為，「人們會把自己歸於他們設計的回音室，即相似觀點的人組成的一個協商體，放大和不斷重複相同的觀點或信息，達到排外或者激化偏激言論的結果，從而產生群體極化。」⑦根據桑斯坦的理論，在群體極化現象之下，部分視野受到固化的盲目自信個體以及極端主義者，會利用群體極化現象，製造偏激的言論，在這樣一個「協商體」內，這種言論不斷激化與放大，容易使群體產生無意識行為，有可能產生負面的影響。

網絡提供受眾足夠的交流空間，在相同內容的吸引下，不同的受眾根據興趣點相同的內容進行交流，受眾個體連接成為社群。在社群內部，個體的觀點得到回應與認同，從而使得認知與觀點處於相同的狀態，此時便是「信息繭房」效應帶來的群體極化現象。此類現象已廣泛存在於現有社交媒體。長期生活在「信息繭房」中的受眾個體，可能會形成盲目自信，他們會將個人偏見當作是真理，從而走入深信悖論的境地。

群體極化效應在網絡平臺不斷發酵，將會帶來嚴重的後果。封閉化的社群為受眾個體之間提供了穩定的聯繫，根據各自的興趣點，受眾個體將在「信息繭房」構成的社群當中得到身份認同，個體會融入這一社群。社群內部出現了某一針對興趣點內容的觀點，一體化的社群當中很快就能形成一致的觀點，在多次反覆的討論中，這種社群的觀點可能會形成其價值觀。在這種價值觀的影響下，群體中的部分偏激個體將會產生偏激思想，並能夠收到社群中其他個體的正面回應與支持，可能引發做出過激的行為。「信息繭房」的這一危害會影響媒介環境發展甚至影響社會的前進方向。

（三）知識鴻溝加深

美國傳播學家蒂奇諾等人提出了「知識溝」理論假說，這一理論認為「假如輸入社會體系的大眾媒介信息增加，該社會體系中較高社會經濟地位的人可能獲得信息的速率比地位較低的人更快；兩個不同地位的團體之間的差距可能會越來越大，而非縮小」。⑧計算機以及信息網絡發展到如今的狀態，網絡和移動終端硬體的普及率已經很高。不同於傳統媒介時代，不同階層的人們在接受媒介信息時存在較大的差距，如今人們接受信息的終端及平臺基本相同，但根據知識溝理論，現如今不同階層的人獲得信息的速率仍然不同。隨著「信息繭房」效應的影響，一些媒介素養不高的受眾沉浸在自己的「信息繭房」中，雖然具有和別人相同的媒介平臺，但是卻固化了自己的視野，僅僅對感興趣的內容進行關注與了解。在這種情況下，受眾對傳播內容不做思考和分析，逐漸喪失獨立思考的能力，不利於擴充自己的知識面。而媒介素養較高的受眾個體，受「信息繭房」效應的影響較小，仍然能夠獲得大眾媒介的很多信息。在這種情況下形成對比，「信息繭房」效應會在受眾當中形成分區，擴大了不同群體之間的知識鴻溝。

四、削弱「信息繭房」效應的對策

（一）優化推薦算法

首先，算法推送機制是一種技術手段，技術是為人所用的。對於算法推送，我們應當進行理性的思考，我們想通過這項技術達到什麼樣的手段？「個性」內容的推送，在一定程度上吸引了受眾的關注，但卻將受眾至於危害而不顧。現在很多的社交媒體往往針對受眾個體進行個性化推送，這一類信息屬於絕對的「個性」，雖然能夠吸引用戶的關注，增加黏性，但極易讓用戶走入「信息繭房」。通過技術手段不難達到對共性內容的宣傳與推送，這類「共性」的內容可以根據網民日常瀏覽以及大眾對新聞內容整體的考量而選擇的，適應大眾主流價值觀的新的內容。通過個性與共性內容交叉推送，便可在一定程度上避免受眾個體完全進入「信息繭房」的問題。

其次，在目前階段，算法推送的技術十分有限，通過算法推薦的內容，往往過於窄化和同質化。算法推送技術的限制導致推薦內容過於單調，往往不能像人類之間傳遞信息一樣更具多元思考，算法參數的單調限制了推薦結果的廣度。現階段提高算法的質量尤為重要，從國家層面來看，需要對大數據及相應技術進行評估與測試。美國曾出臺《數據質量法》，試圖對大數據的發展進行有效調控，但想要對這一新興技術進行更好的掌握，前路還十分漫長。

從技術的角度來看，現在的人工智慧算法只是弱人工智慧的一個成果，人們所期待的人工智慧更多的是強人工智慧的表達，即機器具有思維的能力。也正是因為現階段的機器智能算法缺失了這樣的思維能力，直接導致它不具有對社會及媒介內容的價值判斷。人民網在2017年刊發了針對算法推送機制所引發問題的系列評論。人民網的這一評論也體現了對人工智慧算法2.0的要求，即需要關注技術手段帶來的責任及社會價值，需要關注新聞生產與分發的全過程，而不是僅關注流量、點擊量、轉發量。⑨這便要求在技術革新的過程中，人工智慧算法2.0應當以工具理性為指導，一方面在個性內容領域提供更加多元化的推送服務，另一方面應當對公共話題進行關注，體現應有的社會價值。

（二）「把關人」角色的回歸

庫爾特·盧因在《群體生活的渠道》中提出的「守門人」概念，針對的是傳統媒體中的「把關人」。這類「把關人」在傳統媒體中具有一定的政治立場，具有較高的媒介素養，他們對新聞內容進行篩選，將具有一定價值的新聞內容在大眾媒介上進行發布。⑩這些「把關人」對新聞內容進行篩選與把控，能夠對低質量或同質化的信息進行阻斷，保證了新聞內容的質量。但在計算機不斷發展的人工智慧時代，機器學習算法代替了傳統新聞傳播行業的「把關人」角色。雖然面對紛繁複雜的海量數據，人工智慧算法具有較高的處理速度，但它不同於「把關人」的個人素養，並且在弱人工智慧時代，算法依然無法對內容做理性的判斷，「把關人」角色的缺失，使得新聞傳播的內容逐漸缺失主流意識。

如今，人工智慧算法能夠基本對信息做出計算、篩選與處理，但「把關人」這一角色仍然必不可少。在人工智慧算法沒有達到強人工智慧狀態之前，算法依然無法對新聞的內容做出價值觀判斷，這便需要具有一定素養的「把關人」，對算法推薦內容進行二次把關。「把關人」的回歸併與人工智慧算法協同工作，即一方面利用了人工智慧處理大數據的優勢，另一方面又能對算法推送內容進行把關，保證新聞內容的質量，避免重複性的同質化內容推送，從而達到削弱算法推送導致的「信息繭房」效應。

（三）提升大眾媒介素養

網絡傳播時代，受眾具有重要的地位。就受眾而言，如何保證視野的開闊，避免同質化信息帶來的「信息繭房」效應，如何避免信息窄化等一系列問題的根本解決方法是提高受眾的媒介素養，使得受眾具有獨立思維能力，以及對「信息繭房」效應的自省意識。

彭蘭教授認為，「對於受眾來說，媒介素養應該包括媒介使用素養、信息生產素養、信息消費素養、社會交往素養、社會協作素養、社會參與素養等。」11

其中信息消費素養就是受眾在海量信息中選擇需要的信息的能力。通過增強信息消費素養，受眾個體可以在網絡中主動獲取需要的信息，從而減少算法推送機制導致的內容同質化。社會參與素養能夠引導受眾個體關注公共領域的相關議題，在對此類問題進行了解的同時能夠吸取多方意見，這便能引發受眾個體進行理性的思考，並對較多的不同意見進行討論與對話。

主動培養受眾個體的媒介素養，即是要明確算法推薦機制下新聞內容存在的弊端，受眾個體應明確此類算法推薦的局限性，此類推送的信息無法全面展示世界的方方面面，受眾個體應主動打破這樣的桎梏，多渠道多樣化的獲取媒介信息，做到與世界更好的聯通。

【本文系江蘇師範大學校級科研創新計劃項目「微傳播對大學生價值觀影響研究」的研究成果，項目編號：2019XKT007】

注釋：

①⑦凱斯·R·桑斯坦.信息烏託邦：眾人如何生產知識[M].畢競悅，譯.北京：法律出版社，2008.

②喻國明，曲慧.「信息繭房」的誤讀與算法推送的必要——兼論內容分發中社會倫理困境的解決之道[J].新疆師範大學學報（哲學社會科學版），2020（01）：127-133.

③彭蘭.網絡傳播概論[M].北京：中國人民大學出版社，2017.

④胡泳.新詞探討：回聲室效應[J].新聞與傳播研究，2015（06）：109-115.

⑤王茜.打開算法分發的「黑箱」——基於今日頭條新聞推送的量化研究[J].新聞記者，2017（09）：7-14.

⑥約書亞·梅羅維茨.消失的地域：電子媒介對社會行為的影響[M].肖志軍，譯.北京：清華大學出版社，2002.

⑧單純.「知識溝」理論的演變及其社會意義[J].社會科學，1993（08）：70-73.

⑨羽生.人民網一評算法推薦：不能讓算法決定內容.http：//opinion.people.com.cn/n1/2017/0918/c1003-29540709.html；人民網二評算法推薦：別被算法困在「信息繭房」. http：//opinion.people.com.cn/n1/2017/0919/c1003-29544724.html；人民網三評算法推薦：警惕算法走向創新的反面.http：//opinion.people.com.cn/n1/2017/0920/c1003-29545718.html

⑩庫爾特·盧因.群體生活的渠道[M].北京：中國傳媒大學出版社，2002.

11彭蘭.社會化媒體時代的三種媒介素養及其關係[J].上海師範大學學報（哲學社會科學版），2013（03）.

作者簡介：厲業強，江蘇師範大學傳媒與影視學院2018級碩士研究生

編輯：王洪越

本刊啟事

本刊不收取任何費用，目前也沒有官方網站，沒有在線投稿投稿一說，請投稿者提高防範意識。本刊未授權任何單位和個人徵稿，請投稿者直接與我刊聯繫。

論文要求視角新穎，與媒體實踐有深度結合，字數3100字、4500字、6300字三個欄位，請嚴格按此字數提交論文，一般作者字數3100字以內，副教授字數4500字以內。投稿郵箱[e-mail]或[e-mail]

參考文獻、注釋一律在尾注。注釋內文和文尾都要用序號即圈碼標註：①②；參考文獻文後用：[1] [2]，文中不標序號，標題下署作者名

文後寫作者姓名、單位、職務（學生要寫全學校、院系和學位）文後要寫聯繫電話，最好是手機。

投稿聯繫方式： 0471-6635549 0471-6635516 0471-6635382

來源：2020年第4期《新聞論壇》