喻國明 方可人:算法型內容推送會導致信息繭房嗎?

摘要：儘管學界對信息繭房的危害有所共識，但對於「算法導致信息繭房」一直存有爭議，也缺乏實證研究的結論佐證。桑斯坦所述的信息繭房更像是半預言式的隱喻，使之至今沒有一個清晰和準確的量化研究框架，極大影響了算法與信息繭房的關係探討。本文剖析了信息繭房的公認特徵，從渠道和內容兩個方面，分析當前算法型媒介的使用對用戶媒介多樣性和信源信任的影響。研究發現，用戶的信息接收渠道不僅未窄化，對傳統媒體等非算法型信源的信任程度還有所提升，反倒是收入和學歷等社會性差異導致的信息鴻溝值得警惕。事實證明，算法並沒有導致信息繭房，而是在主流價值觀的引導上發揮了積極作用，為個體提供了更多元和理性的信息世界。

關鍵詞：算法；信息繭房；媒介多樣性；信源信任

喻國明：教育部長江學者特聘教授、北京師範大學新聞傳播學院執行院長、中國新聞史學會傳媒經濟與管理專業委員會會長；方可人：北京師範大學新聞傳播學院博士後。

一、研究背景

信息繭房（Information Cocoons）是美國學者凱斯·桑斯坦（Cass R. Sunstein）在《信息烏託邦——眾人如何生產知識》中提出的概念，即用戶在海量信息中只選擇感興趣和悅已的主題，從而構成一套「個人日報」式的信息系統，進而排斥或無視其他觀點與內容。[[1]]長期以往，這將阻礙個體信息的全面發展，阻斷觀點的自由交流，形成所謂「回聲室」（Echo Chamber）效應，並導致群體極化（Group Polarization），威脅社會民主的基石（Sunstein，2002）。[[2]]

信息繭房被視為數字時代高度個性化信息服務不可避免的「副作用」。隨著算法推薦成為信息分發的重要途徑與方式，有一種說法甚囂塵上，即算法加劇了信息繭房的產生與泛化。人民日報曾經三評算法推薦，指出算法自動過濾「不感興趣」「不認同」的異質信息，久而久之，信息接收維度變窄，資訊獲取渠道單一。[[3]]如今，算法幾乎根植於所有主流移動應用中，社交媒體推薦著趣味相投的朋友，音樂APP自動播放喜愛的音樂，電商網站提示著昨晚電影中的「明星同款」，用戶似乎在毫無覺察下已被包裹進個體與機器共築的溫柔卻嚴絲合縫的繭蛹。

然而，需要注意的是，桑斯坦所述信息繭房更像是半預言式的隱喻，並未做更深入的研究和系統性論述。因此，儘管學界對信息繭房的危害有所共識，但是信息繭房存在條件是什麼？算法是否必然導致信息繭房？卻難有實證研究作為佐證。這使得信息繭房至今沒有一個清晰和準確的研究框架，極大影響了「信息繭房」的觀測與認知，也不利於客觀審視算法與「繭房」的關係。基於此疑問，本文對算法是否導致信息繭房進行了實證探索。

二、研究假設的提出

由於缺少直接觀測信息繭房的量表，所以需對信息繭房的公認特徵進行剖析。回顧既有研究，通常認為，陷入「信息繭房」的用戶會有如下狀態：

一是信息接收渠道的收窄和固化。

網際網路尤其是移動網際網路的發展，為公眾提供了高度自由的媒介環境，使得個體在媒介使用上享有空前的自治(Uwe Hasebrink等，2012)[[4]]。用戶根據特定場景的特定需求，可自由選擇媒介，並組成個體獨有的媒介生態系統。

在信息供給端，當前，傳統媒介、社交型媒介、算法型媒介等不同模式的傳播渠道並存。不同媒介的信息分發各有側重，滿足著用戶不同維度的信息需求。例如倚重人工的傳統媒介，強調社會共性信息解決，通常扮演了「壓艙石」的角色。而社交媒介則成為各類偶發性信息與意見交換的重要場所。因此，媒介使用的多樣性意味著用戶有機會接觸到不同的信息與觀點，為了解和評估事實提供了多維度的參照。而政治傳播的研究也證實，媒介多樣性會提升用戶的政治素養（Dam Hee Kim,Nojin Kwak, 2017）[[5]]，並消除黨派偏見（Elizabeth Dubois，Grant Blank，2018）[[6]]。有調查結論則反映，2019年，僅有2%的美國人是靠單一渠道獲取資訊，大多數用戶會傾向於採用多種媒介來獲取新聞內容（Rasmus Kleis Nielsen，Newman等，2019）[[7]]。

但是，對算法持負面態度者堅持認為，算法型媒介通過刺激多巴胺分泌致使用戶成癮，並「收割」用戶有限的空閒時間。[[8]]更有甚者將算法分發的信息比作合法的「毒品」（Sukhodolov,Alexander P.等, 2019）[[9]]。這種時空的侵佔降低了用戶與其他類型媒介接觸的可能，信息渠道變窄，使媒介多樣性受到影響。

基於此，本文提出假設：

H1算法型媒介的使用頻率負向影響媒介多樣性

二是對特定信息偏聽偏信。

在信息繭房中，「每個人的世界圖景都只是他們所希望看到的，而不是世界本來應該擁有的樣子」。基本上人們提到信息繭房時，都會涉及到信息偏食導致的視野局限，以及由此對觀念、態度與決定等的影響（彭蘭,2020）。[[10]]

霍夫蘭很早就在個體差異論中指出，由於個體在需求、信念、價值觀、態度上的認知結構差異，相同的大眾傳播內容在受眾之間會產生不同的效果，受眾傾向於接觸與原有態度較為一致的信息，而儘量迴避那些與己見不合的信息，即所謂信息的選擇性注意和理解。而認知均衡理論認為，網絡帶來了信息大爆炸，面對複雜紛亂的信息，人們容易感到無所是從，為緩解心理焦慮，往往根據個人喜好或既有經驗進行篩選和過濾，以保持認知的平衡。技術憂慮者擔心算法推薦加劇了上述心理認知，用戶將信息選擇的權力交給算法，算法根據用戶慣習投其所好，形成所謂「過濾氣泡」（filter bubble）」。

如果「過濾」僅涉及個人的娛樂愛好，倒也無可厚非。但算法憂慮者關注的重點在於，算法的「價值無涉」可能導致輿論治理的危機，尤其使得傳統媒介「壓艙石」功能的失靈。如今我們處於後真相時代，信息的傳播速度太快，往往使得話語在前、事實在後；情緒在前、真相在後。算法的優勢在於分發的效率，但將把關審核權力從人工讓渡於技術，信息的真實性卻難以得到保障。倘若用戶不加分辨便相信推送而來的內容，無形中會助長謠言的泛濫。所謂「兼聽則明，偏信則暗」，若用戶長期受算法分發信息的裹挾，將會形成對某類認知與觀點的長期追崇，從而降低對其他媒體尤其是主流媒體聲音的信任感，影響其價值判斷進而影響行為選擇。

但一些觀點認為，用戶對於不同信源的信任程度並不一致，用戶未必就相信自己日常接觸的媒體。例如，一項跨國研究證明，在所有媒介類型中，用戶對社交媒體的信任程度卻是最低的（Dutton，2017）。[[11]]在面對重要的社會議題時，用戶還是更依賴主流媒體和人際傳播（Dubois，2015）。[[12]]因此，有必要考察算法媒介是否真對其他信源尤其是傳統媒介的信任造成影響。

本文提出假設：

H2算法型媒介的使用頻率會正向影響算法型信源的信任

H3算法型媒介的使用頻率會負向影響非算法型信源的信任

H3a算法型媒介的使用頻率會負向影響傳統媒介的信任

三、樣本來源與操作方案

（一）樣本來源

本研究樣本全部來自於研究組專項課題《2019年全民媒介接觸與使用暨媒介價值觀調查》數據。項目主要採用問卷調查法，意圖調查不同類型的用戶在使用媒介上的差異和原因。參照國家統計局標準對全國實際人口情況劃分抽樣比例，參考CNNIC最新的第43次《中國網際網路發展狀況統計報告》對樣本的人口統計學特徵做了配額設計，制定從一線城市到五線城市的社區入戶分層抽樣方案，共訪問包含北京、上海、重慶、合肥、昆明、周口、長治等45個城市，共回收有效樣本為4631份。

從大樣本中提取使用典型算法類資訊APP——今日頭條的用戶作為最終研究樣本（註：對象在問卷題項『您在過去一周內打開過哪些APP』中勾選了『今日頭條』選項），研究樣本數為926份。

在本研究中，選擇性別、年齡、婚姻、教育程度、收入水平以及所在城市6個指標作為控制變量。樣本中使用今日頭條的用戶基本情況如表1所示。

表1 控制變量的基本構成

（二）操作方案

在媒介多樣性的測量上，本研究要求用戶自評過去一周內打開的資訊（或含資訊功能）媒體種類，題目形式為「您在過去一周內打開過以下哪些媒介或APP？（多選題）」。選項中，除了今日頭條外，還包含報紙、電視、廣播等傳統媒體，同時包含微信、QQ、微博、百度貼吧、騰訊新聞、搜狐新聞、趣頭條等市面上主流移動應用，涵蓋了各種內容分發類型，共20個選項。單個用戶每打開一個媒體，其媒介多樣性分值「+1」，累積最高得分20分。研究樣本的媒介多樣性得分範圍從2到17，即有用戶每周僅打開兩個資訊媒體,而最多的則每周會打開17個。其中，19.87%的用戶每周會打開5個資訊媒體，18.79%的用戶每周會打開4個資訊媒體，樣本平均值為5.71。

在媒介內容信任程度的測量上，本研究要求用戶對不同信源信任程度進行自評。題目形式為「您對下列媒介中的內容信任程度如何？傳統紙媒（報紙、雜誌等）」。答覆採取李克特五分量表，即「完全不相信」、「不相信」、「不確定」、「相信」、「完全相信」，並依次按1-5分進行賦值。信源類型包括傳統紙媒、傳統電子媒體、微博、微信朋友圈/公眾號、社區論壇（百度貼吧、豆瓣等）、算法型新聞APP（今日頭條等）。從樣本的均值來看，用戶對傳統媒體的信任程度依然高於網絡媒體。

在算法型媒介使用頻率上，本研究選擇今日頭條的使用頻率。題目形式為「請您對過去一周內使用過的APP使用頻率進行打分」，同樣採用李克特五分量表，即「很少使用」到「頻繁使用」，不使用該類APP則置為空值並排除。相關描述性統計如表2所示。

表2 因變量與關健自變量的描述性統計

四、數據分析

研究採用多元層次回歸分析，首先對因變量做正態分布檢驗，採用K-S檢驗，各變量峰度的絕對值小於10且偏度的絕對值小於3，因此樣本基本符合正態分布，各因變量可納入回歸分析環節。

（一）控制變量對因變量的影響

將所有控制變量納入第一層回歸，其結果如表3所示。在媒介多樣性上，年齡、婚姻對媒介多樣性產生具有負向影響，即大齡用戶或已婚用戶，其媒介多樣性的水平較低。大齡用戶可能受既有媒介慣習影響，而已婚用戶則可能在「養家餬口」上有更多任務，閱讀資訊的時間更少；而教育程度與收入水平則對媒介多樣性具有正影響；性別、城市等級對媒介多樣性則無顯著影響。

而在信源信任程度上，女性對社區論壇和算法型新聞APP的信任程度更高；用戶年齡越小，對微博的信任程度越高；收入水平則對傳統紙媒和傳統電子媒體的信任程度影響顯著。其他控制變量對信源信任影響均不顯著，這使得該部分的調整R2值較低。

表3 各控制變量對媒介多樣性和信源信任程度的影響

（二）關健自變量對因變量的影響

將今日頭條的使用頻率納入第二層回歸。結果發現，其使用頻率並未對各控制變量的顯著性造成太大影響，並對個體媒介多樣性的影響不顯著。這證明假設H1不成立，用戶頻繁使用算法型媒介並不會降低用戶的媒介總體接觸數量。可見媒體型分發模式和關係型分發模式在算法面前並未失效，三者共同匹配了用戶多層次、寬領域的資訊使用需求。而在信源信任程度上，今日頭條使用頻率對算法型新聞APP信任程度產生顯著影響，R2值有所提升，這證明假設H2成立。但其使用頻率並未對其他類型信源信任程度造成負影響，假設H3並不成立，用戶並未對非算法型信源存在態度偏見。

實際上，今日頭條的使用頻率還提升了傳統電子媒體和社區論壇的信任程度，因此H3a不成立。隨著媒介的深度融合，有相當多的傳統媒體以PGC（Professional Generated Content）內容提供者的身份入駐新聞聚合平臺，在涉及重要社會內容的報導與處理上引導公眾價值。儘管沒有了過去的渠道壟斷優勢，但通過算法推薦，傳統媒體可以更精準地匹配用戶，並憑藉新聞專業主義贏得了公眾尊重。有研究亦指出，在谷歌新聞算法推薦最多的內容中，有69%是來自於5家專業新聞機構，谷歌新聞的議程設置更像是對傳統媒體的複製而非顛覆（Efrat Nechushtai等，2019）。[[13]]

而百度貼吧、豆瓣等社區論壇則是用戶話題深挖的埠。以信息流為主的算法型媒介側重於話題的密集觸達，通常信息面廣但深度不足。當前算法技術也無法有效判斷同類型資訊對於用戶是否重複或互為補充。因此，用戶通過算法獲得信息要點後，社區論壇則滿足了用戶尋找「新聞背後的新聞」，以獲取更詳盡的信息文本。由此可見，人們對高質量的內容的追求在任何時代都是亙古不變的真理。

表4 今日頭條使用頻率納入回歸後的影響結果

（三）覆核校驗

考慮到不同APP所採用的算法類型和推送系統都不一致，為確保結論的穩定性，本研究從原始大樣本中提取騰訊新聞APP的用戶（n=719）做複合校驗，騰訊新聞在圖文、視頻、音頻、話題、問答等內容模塊均涉及算法推送。結果顯示，騰訊新聞使用頻率同樣不影響媒介的多樣性。且在信源信任程度上，其使用頻率對傳統紙媒（β=0.072*）和傳統電子媒體（β=0.096**）的信任均有正向影響。

五、研究結論與探討

綜上，假設的論證結果如表5所示。

表5 各假設結論

上述研究證明，算法的技術憂思被人為誇大，算法並沒有導致「信息繭房」，反而在主流價值觀的引導上發揮了積極作用，並為個體提供了更多元和理性的信息世界。與所有新技術一樣，算法推薦並不是一成不變的。以今日頭條為例,從2012年9月第1版開發運行,已經經過四次大的調整和修改。算法型信息分發在不斷迭代中提升著「有邊界的調適」，並增強了其社會的適應度與合法性（喻國明,杜楠楠，2019）。[[14]]在人工智慧主導信息分發的時代，所謂把關的權力並未輕易讓渡給智能算法，而是通過開放算法原理、加強人工審核、優化推薦系統、引入專業內容生產團隊，為算法持續注入了人本與理性的價值。

而從商業利益的考量來看,「聰明」的算法平臺都不會希望自己的用戶興趣窄化，就像沒有一個商場的經理會希望顧客每一次來到商場都只關注同一類別的商品一樣。事實上，商場經理都希望顧客關注儘可能多的產品品類，以擴大其消費能力。因此,從算法的商業利益初衷來看,算法不可能真正壓縮信息空間，相反,它還會在更新迭代中逐步挖掘出個體尚未被開掘的信息消費潛能。（喻國明,陳豔明,普文越,2020）。[[15]]實際上，信息分發所依賴的算法，已具有越來越多元的發展趨勢。不同的算法型信息分發平臺很少會使用同一種算法。採用多種算法的信息分發平臺所具有的社會構造，從信息流動來說，總體上能夠有效地避免「繭房效應」的發生。

本研究結論還對算法模型的進一步優化提供參考。研究發現年齡、婚姻、教育程度、收入水平對媒介多樣性具有影響。早在2002年，有學者指出了教育程度對「數字鴻溝」有巨大影響（祝建華，2002），[[16]]而十幾年過去，在如今網絡基礎設置完善、高自由度的媒介環境中，信息的「鴻溝」依然存在。較之於教育良好的「精英份子」，普羅大眾更容易盲從和不思考，當沉浸在同質化的信息環境中，更難會基於理性焦慮和質疑精神實現自主「破繭」。因此，針對老年人、已婚人士、教育與收入程度較低者，需要依據其用戶畫像，在個性化推薦中做額外的適配處理，包括導流更多來源的信息，並增加異質性內容的分發權重。此外，值得關注的是，低收入群體對傳統媒體尤其是傳統紙媒的信任較低,技術公司應該憑藉算法對個體分析的優勢，重視弱勢群體的信息需求，強化價值引領。傳統媒體在媒介融合過程中，也需要適應算法時代傳播邏輯與話語方式的變化，對社會底層予以更多的人文關懷。

必須意識到，在已經到來的5G時代，實時生成的數據、實時分析、實時調整的算法，將成為整個信息系統運行的神經和命脈，這也是無法繞開的基本要素。今天我們跟算法之間所出現的一系列問題或爭議,實際上還是人與人之間的問題，是掌握了現在技術傳播生產力的人們，跟過去既有的掌握制度傳播生產力的人們之間，在一個特定的發展階段上的一種矛盾與對衝，也可以說是一種博弈。（喻國明，2019）[[17]]應該講，算法推進了傳媒領域中傳統的寡頭權力逐步讓位於技術邏輯主導的用戶權力的過程。（喻國明，韓婷，2018）[[18]]在傳統的新聞生產中，傳播的主導權掌握在新聞媒體手中，媒體控制著傳播渠道與傳播內容，受眾在很大程度上只能作為新聞文本的「解碼」者而存在。算法則將媒體的傳播主動權部分分流到了受眾手中，使用戶自身在一定程度上成為自己的議程設置者，打破了媒體對傳播主導權的壟斷。同時，由於不同用戶的需求與個性是各不相同的，經由算法推送的新聞經過用戶的分享，使得多種聲音同時存在，顛覆了少數者的話語霸權。概言之，算法實際上釋放了用戶的自主意識，提升了公眾參與表達的能力。（喻國明，楊瑩瑩，閆巧妹.2018）[[19]]總之，算法本身並無「原罪」可言，人文理性與技術理性相互交融，為算法提供了可信任的發展路徑。

參考文獻

[[1]]凱斯·桑斯坦.信息烏託邦——眾人如何生產知識[J]，畢競悅譯，北京：法律出版社，2008 年版

[[2]]Sunstein, C. The Law of Group Polarization[J]. Journal of PoliticalPhilosophy.2002,10(2):175-195.

[[3]]乙智.「尖叫效應」與「信息繭房」[N/OL].人民網.[2018-5-2][2018-5-3].

http://m.people.cn/n4/2018/0502/c25-10910831.html

[[4]]Hasebrink U，Domeyer H.Media Repertoires as Patterns of Behavior andas Meaningful Practices:A Multimethod Approach to Media Use in Converging MediaEnvironments[J].Journal of Audience&Reception Studies,2012,9(01):757-783.

[[5]]Kim, Dam Hee，Kwak, Nojin.Media Diversity Policies for the Public:Empirical Evidence Examining Exposure Diversity and DemocraticCitizenship[J].Journal of Broadcasting & Electronic Media,2017，61(4):687-702.

[[6]]Dubois,Elizabeth，Blank,Grant.The echo chamber is overstated: themoderating effect of political interest and diversemedia[J].2018,21(5):729-745.

[[7]] KleisNielsen,R, Nic Newman，N., Fletcher,R., Kalogeropoulos, A.Reuters Digital News Report[R].Oxford: Reuters Institutefor the Study of Journalism,2019.

[[8]]果殼網.被算法量產的「沉迷」[EB/OL].[2018-4-17][2020-1-12].

https://36kr.com/p/5129661

[[9]]Sukhodolov, Alexander P.,Bychkova, Anna M.etc.Journalism Featuring ArtificialIntelligence[J].Theoretical and Practical Issues ofJournalism,2019.8(4):647-667.

[[10]]彭蘭.導致信息繭房的多重因素及「破繭」路徑[J].國際新聞界,2020(1):270-278.

[[11]]Dutton, W., Reisdorf, B., Dubois, E.,Blank, G.Search and Politics: The Uses andImpacts of Search in Britain, France, Germany, Italy, Poland, Spain, and theUnited States[R].New York: Social Science Electronic Publishing,2017.

[[12]]Elizabeth Dubois. The strategic opinion leader: Personal influence and politicalnetworks in a hybrid media system[D].Oxford: University of Oxford,2015.

[[13]]Efrat Nechushtai,Seth C. Lewis. What kind of news gatekeepers do we wantmachines to be? Filter bubbles, fragmentation, and the normative dimensions ofalgorithmic recommendations[J].Computers in Human Behavior,2019(90):298-307

[[14]]喻國明,杜楠楠.智能型算法分發的價值迭代 ：「邊界調適」與合法性的提升——以「今日頭條」的四次升級迭代為例[J].新聞記者,2019(11):15-20.

[[15]]喻國明,陳豔明,普文越.智能算法與公共性:問題的誤讀與解題的關鍵[J].中國編輯，2020(05):10-17.

[[16]]祝建華.數碼溝指數之操作定義和初步檢驗[M].汕頭大學出版社,2002:203-211.

[[17]] 喻國明.傳播學科的迭代:對數據與算法的納入與包容[J].新聞與傳播評論,2019(05):1.

[[18]]喻國明,韓婷.算法型信息分發：技術原理、機制創新與未來發展[J].新聞與傳播研究,2018(04):8-12.

[[19]]喻國明,楊瑩瑩,閆巧妹.算法即權力:算法範式在新聞傳播中的權力革命[J].編輯之友,2018(05):5-12.

聲明〡本文來源於《山東社會科學》2020年第11期。由作者授權刊發。版權歸原作者及原出處所有，內容為作者觀點，不代表本公眾號贊同其觀點和對其真實性負責。如涉及版權問題，請與我們聯繫。