算法导致「茧房」「回音室」？学术研究说 NO

当你在这个网站完成注册并使用，对自己看过的那些电影给予系列评分之后，网站便会向你呈现出“Top Picks For You”，这其实就是依据算法给你进行首选推荐的电影，跟豆瓣的“猜你喜欢”是相类似的 。

其关键之处在于，MovieLens运用的能被称作item-item collaborative filtering (CF)算法的算法，也就是所谓的“基于物品的协同过滤算法” 。

“协同过滤算法”基本思路为，计算兴趣爱好相似程度，将东西推荐给兴趣相投之人。常见协同过滤算法有两种，一种是基于用户的，即计算用户间相似性，若A和B兴趣相近，那么A喜欢的电影，B很可能也喜欢。另一种是基于物品的，即计算物品间相似性，若电影C和电影D相似，那么喜欢电影C的人，可能也会喜欢电影D。

展现协同过滤算法的图示呈现出这样的情况，左边部分所展示执行的是基于用户的算法，右边部分所展示执行的则是基于物品的算法 。

协同过滤算法里基于物品的那种算法，在各种各样的推荐系统当中被广泛运用，其中涵盖了亚马逊的商品推荐系统，今日头条的算法里有一个主要部分也是协同过滤。

由于被广泛运用得以实现，所以这篇论文的研究者持有这样的看法，他们觉得自身的研究成果能够被拓展到电影推荐范畴之外的、别的算法推荐体系里 。

研究者们选取了数据，数据时长为21个月。他们把用户划分成了两组，其中一组是依据算法推荐来挑选电影进行观看的，这组被称作“跟随组”；另外一组呢，是对算法推荐的电影不予理会的，这组叫做“不理会组”。他们有了这样的发现：算法给“跟随组”推荐的电影，始终要比给“不理会组”推荐的电影，在多元性方面表现得更为突出。也就意味着，依据算法给出的推荐去选定电影，接着开展打分，实际上会促使算法更有效地了解到你的偏好，进而给你推荐更为多样的影片；然而要是不依照算法的推荐去观看电影并打分，反倒会致使算法为你推荐范围更窄的影片。看上去，这种协同过滤算法实际上能够助力用户拓宽视野，探索更为多样的内容。

上面所进行计算的，是算法所展现出来的电影，那么，用户们实际之中进行消费的电影，难道真的变成趋向窄化状态了么？分析得出的结果表明：情况是这样的，大家所观看的电影，其多样性出现了下降。然而，让人感到惊讶的是：“跟随组”的降幅实际上并不是很大（从26.67降低到26.3），而“不理会组”的多样性降低幅度却相对比较大（由26.59降至25.86）。这也就意味着，在不借助算法推荐的情形之下，用户的视野反倒变窄的速度更快。

研究者表明，基于内容的推荐算法，有可能会给用户的视野带来较为严重的窄化情况，然而协同过滤算法却不会，这是由于它所依据的并非是你之前所观看的内容，而是与你相类似的其他人所喜爱的内容，而这对向你推荐你自身原本不会接触到的更多样化内容是有帮助的。

因素2：我们的社会关系是复杂的

在多数运用了算法推荐的平台当中，也皆是融入了社交关系的元素的。比如说，Facebook的信息流，也就是news feed，尽管是依据算法排序的，然而同时也是由社交关系所决定的，算法决定的是信息呈现的次序，可是并不能决定有哪些信息会被排序，原因在于那取决于你有什么样的好友，关注了哪些专页，这里的一个专页类似于一个微信公号。今日头条这类资讯类APP亦是如此，你能够于其上关注人和号，而你所关注之人阅读以及分享的内容，会进一步对能让你读到的内容产生影响。

2018年，在学术期刊《Digital Journalism》上发表了一篇论文（参考文献2），这篇论文研究了Facebook用户们是不是生存在信息回音室之中。然后，有两位研究者获取了1000名丹麦Facebook用户在14天里的时间线数据。

研究者们采用两种方式，用以测量用户是不是处在信息回音室之中，第一种方式呀，是查看大家在Facebook上所分享的外部链接，像那种指向媒体网站的新闻报道之类的，究竟有多相似，要是一群人分享的链接基本上是一致的，那就能够认为他们都生活在同一个回音室之中，通过数据分析还发现，拿所分享的外部链接来进行测量呀，只有少于10%的参与者能够被认为处在回音室或者过滤气泡之中。

第二种方式，是去查看大家于Facebook上撰写并发布的内容是不是相似。研究者们运用了计算机自动分析文本主题模型的办法，来计算每位用户发布内容的相似性。分析结果体现，依据这种方式进行计算，少于27.8%的用户生活在Facebook的回音室或过滤气泡中。

这两个数字均显著低于预期，表明算法排序下的社交媒体平台内里不存在极为严重的回音室现象，然而这篇论文有个称得上更具趣味的发现，即要对一个用户是不是生活在回音室之中作预测，最佳的指标乃是用户个人的“社会性”，详细来讲爱游戏app官方网站登录入口，倘若一个用户的好友数量越少，所关注的专页数量越少，加入的群组数量越少，那么其身处回音室之中的可能性就越大爱游戏app官方入口最新版本，相反，一个结交众多好友、关注好些专页的用户，生活在回音室之中的概率是极小的。

这显示出，即使是于算法推荐的平台之中，用户自身的行为对于其所能接触到的信息是不是多元，也是有着极为关键的影响的。我们于算法推荐平台上所见到的内容，从来都不是仅仅由机器来决定的。

因素3：我们并非只读特定内容的生物

“社交媒体和算法推荐致使信息回音室”这一判定得以成立的一个关键前提是：我们仅仅会去点击那些我们所熟知的、所赞同的内容，持续地使机器对我们的印象得以加深，即：原来他们仅仅喜好观看这些！

然而在实际情形当中，此项前提是过度简略化的，甚至是不正确的，原因在于我们绝非那类如机械般呆笨、刻板的生物，就如同我们也明晰的那样：仅仅去阅读特定的内容状况，并非是对自身有益处的一桩之事。

依据认知心理学的视角来讲，人们乃是存在着“确认偏见”（confirmation bias），也就是说会更倾向于采信自己已然认可之事。然而 ，人们的认知偏见里还涵盖着这般的要素 ：我们会更易察觉到那些奇特的 、超乎我们预料的内容 。我们皆拥有如此的体会 ：当目睹一个意想不到的标题之际 ，会更难以抑制住去点击的欲望 ，想要瞧个究竟 。这便致使了 ，哪怕仅仅依照我们的点击行为来进行内容推荐 ，也不太可能步入一个愈发狭窄的死胡同 。

在从成本以及收益的经济学这个角度而言，存在着那些我们并不熟悉的、属于意料之外的内容，这些内容常常对我们更具帮助，原因在于它们有可能填补我们的知识盲区，而且提醒我们去留意那些有意或者无意被忽略掉的内容读，读更多元的内容会给我们带来更多收益，所以爱游戏最新官网登录入口，要是你是一个怀着提升自我目的去阅读的人，往往也更不会仅仅去点击那些处于兴趣之内、预期之内的内容。

在2018年，有一篇发表于学术期刊《Information, Communication & Society》的论文，此论文为参考文献4，在这篇论文里，研究者们有这样的发现，总体来说，人们对于信息回音室效应的担心是被夸大了的，特别是，那些对政治感兴趣的读者，实际上会受到好奇心的推动，去消费更多样的内容，其视野并不会受到限制，是这么个情况。

实际上，我们面对的是一个媒介领域，其中选择极为丰富。在这样的环境状况下，人们基于种种缘由，具备促成多种多样情况发生的动力，以使自身获取多样的内容品类项目。在这样的条件基础之上，依据阅读行为表现进行衍生扩展而出的涉及计算算计、分类排序、推导预测、推送引荐等一系列操作的算法推荐，更加不容易对人们的视野范围形成设定限制的情况。

因素4：我们喜欢夸大媒体的负面影响

绝大部分学术研究没发现信息回音室效应，或许还有个缘由，即我们“心口不一”，明明实际看了不少多样内容，嘴上却偏好宣称自己被社交媒体、算法限制了视野，还爱抱怨媒体造成的负面影响，这是奈特基金会2018年一篇研究报告（参考文献8）所发现的，我们并未陷入过滤气泡，然而却喜欢表现得好似自己深陷其中。

在这则研究里头，研究者找来了一群受试者，首先让这群受试者报告一下他们最近阅读或者观看了哪些媒体，与此同时，研究者又借着网页浏览历史去跟踪这些受试者实际上消费了哪些媒体，简单说那便是听其所言，观其所行，先瞧瞧受试者自身是怎样表述的，再看看他们实际上是怎样行动的，接着比较两者之间所存在的差异。

有这样的结果显示，受试者将自己常看的某些媒体过度报告给了研究人员，这些媒体通常是和自身态度相近的，然而却未报告另外一些自己看过的媒体，那些是和自己意见相反的媒体。举例来说，在美国的语境之际，要是你属于自由派，或许平日里在看自由派媒体时，对保守派媒体也曾有过接触，可是在向研究人员汇报自己的媒体消费情形时，你仅仅报告了自由派媒体，却把自己消费的保守派媒体给隐藏起来了。在保守派人士那里,类似情形也同样是能够成立的。他们朝着研究人员讲,他们最主要的那个信息来源是属于保守阵营的福克斯新闻。然而呢,研究人员从他们的网页浏览记录当中可以发觉,其实他们也会观看偏向自由派的CNN以及《纽约时报》。

受试者为何会过度报告其中某些媒体，却隐瞒另外一些媒体呢？该研究觉得，这是由于人们愈发将自身的媒介偏好以及媒介消费当作一种政治表达与政治宣示的手段，也就是说：我看何种媒体代表了我是怎样的人，以及我相信什么。这种现象，在推广到其他国家的其他语境之下同样是成立的，比如：一些之前喜爱看咪蒙的人，或许嘴上也宣称自己从不看咪蒙，因为看咪蒙被视作一种身份象征。

这还是为何绝大多数针对信息回音室现象展开的学术研究，都不会径直去询问用户：你认为自己身处算法致使的信息回音室里面么。人事实上很难准确回忆归纳自己的行为，常常依据自身信念对事实予以扭曲和粉饰。所以，人们对于信息回音室现象的批判，在一定程度上或许是源于“我感觉存在信息回音室，我不中意算法这类事物，故而我认定自己阅读的内容是同质的”——然而实际上，我们的视野并没有显著缩窄。

结语：影响视野宽度的三个层面

汇总有关社交媒体以及算法推荐是不是致使信息回音室现象的学术探究，我们能够发觉，对我们阅读视野产生影响的实际上存在三个层面的因素，分别是个体，社会，还有技术。

于个体层面而言，我们存有多样的阅读动机，因受各类认知偏见的影响，或许会倾向于去点击某些特定类型的内容，然而绝非仅仅局限于自身认同的那些哦 。

于社会层面而言，我们于多数APP之上存有社交关系，还有主动选择予以关注的帐号，此二者皆对我们所能接触到的内容产生关键影响 有一个人，其在APP上具备丰富社交关系，如此这般的一个人不太容易陷入狭窄视野之中 。

关乎技术层面，算法推荐存在不一样的类型，有着不一样的原理，被广泛运用的协同过滤算法，事实上不会致使人们的视野缩减，甚至有时候能够开启更为广阔的天地。

在这些因素共同发挥作用的状况下，社交媒体以及算法推荐并未演变成显著的信息回音室以及过滤气泡效应。即便退一万步来讲，就算我们始终对技术有可能带来的负面效应心存忧虑，我们也要明白：只要我们于个体层面始终持有对多样信息的好奇心以及求知欲，在社会层面维持更为多元的社交关系，我们便具备充足的能力来抵消这种有可能出现的负面效应。许多情况下，真正致使心灵被关闭、视野被缩窄的并非算法，也不是他人，而是我们自身。