算法推送机制下“信息茧房”效应的思考与对策 .pdfVIP

算法推送机制下“信息茧房”效应的思考与对

策

作者：厉业强

来源：《新闻论坛》2020年第04期

【内容提要】网络传播时代，人工智能算法推送机制进入了新闻传播行业，算法推送具有

本身的优越性，能够在大数据时代，对内容做出高效的分析推送。但现如今的人工智能算法依

然无法判断新闻价值，因此同质化内容的重复推送，加强了“信息茧房”效应。本文通过分析

“信息茧房”与算法推送，提出“信息茧房”的多点危害，并对其做出了对策分析。

【关键词】信息茧房算法推送新闻价值人工智能

近年来，随着计算机技术的不断发展，人工智能技术逐渐走向成熟。人工智能技术进入社

会的各个专业，其中不乏人文社科领域，在新闻传播领域，人工智能也产生了巨大的影响，其

中最为明显的就是算法推送技术。算法推送技术即根据用户阅读习惯与兴趣，有针对性地为用

户推荐新闻产品。在现代网络传播过程中，受众地位更加凸显，新媒体将受众需求作为内容产

出的第一要素，力求精准的适应受众需求，达到高黏度的用户使用状态，例如今日头条、抖音

等软件，均以精准的算法推送获得了巨大的关注。但是，算法推送这一技术也对“信息茧房”效

应起到了增强作用，带来一系列的负面影响。如何对“信息茧房”效应进行削减，并更好的利用

人工智能技术，对新闻传播业进行正向促进，也是近年来研究的热点问题。

一、“信息茧房”效应的研究现状

美国哈佛大学教授凯斯·桑斯坦在《信息乌托邦：众人如何生产知识》中提出了“信息茧

房”（In-formationCocoons）这一概念。他以“个人日报”来形容互联网用户在大量的网络信息

中，依照个人喜好选择自己所感兴趣的信息，并对其他内容无视甚至排斥，进而长期形成“信

息茧房”。桑斯坦认为，由于“信息茧房”效应的存在，人们只会关注自己所感兴趣的意见或与

自己看法相似的人群，听取符合自己观点的意见，形成“回音室效应”（EchoChambers）。在

这样的传播模式下，个人用户接收信息的形式形成闭环，并在循环过程中不断受到“正反馈”激

励，导致用户误将“私域”（某圈层）的事物和观点等同于“公域”（全社会）的事物与观点，进

而对于圈层以外的意见与观点形成对冲时，感到迷惑茫然或走向认知上的极端和表达上的极

化。

近几年，国内学者开始对算法推送在新闻传播领域的应用、问题及其对策方面进行研究。

一些学者从受众个体角度出发，对算法推送的弊端進行了分析，如彭兰教授在《网络传播概

论》中指出，“如果用户只选择满足自身需求的信息，其结果可能会作茧‘自缚’，使自己困在一

个封闭的空间。”胡泳教授在《新词探讨：回声室效应》中指出，“个性化推荐会减少用户自我

意识，使其认为与自己的信念相抵触的事实都不存在。”喻国明教授认为，通过算法过滤和正

反馈激励的新闻信息使得用户的兴趣不断固化。本文将针对“信息茧房”效应产生的负面影响，

提出可实施的对策与解决措施，以期对算法推送这一技术手段进行更好的利用。

二、算法推送对“信息茧房”效应的增强

算法推送这一机制诞生于信息大数据时代，现在来看，一方面，我们已经拥有了较为成熟

的计算机技术，也拥有了较强的信息处理能力。另一方面，新闻传播也受到了网络传播的极大

影响，以新媒体为代表的媒介形态已经完全受到网络传播特性的影响。由此看来，新闻媒体、

社交平台以及其他新闻传播媒介，已经成为大数据时代的一个特定数据库。面对如此庞大的数

据，如何进行更好的调节、分析以及分发，这样的现实需求直接促进了算法推送的产生及发

展。算法推送即是一种编码程序，它可以对大数据时代泛滥的新闻信息进行分类、标签、整

合、排序，然后“通过特定的运算把输入数据转化为输出结果”，再以特定的需求，有针对性地

给相关用户进行推送。现在新闻传播及社交媒体之中存在的个性化推荐机制便是在算法推送的

基础上，通过对受众的兴趣爱好特性，以及用户之间的社交关系进行多重分析，深度解析用户

的需求，从而进行个性化的推送。

此类个性化的算法推送机制是基于大量的数据计算与分析形成的。它主要是利用用户在不

同平台形成的个性特征，依靠互联网挖掘，获得多角度的数据，关注用户在使用社交媒体过程

中的习惯性行为，从中找寻潜在规律，对用户的喜好进行分类判断与预测。当算法对用户的兴

趣点产生了初步判断，数据会继续记录，在用户对可能兴趣点的点击与浏览过程中，算法会更

加精准的获取该用户的喜好与习惯，以期获得更加精准的判断与预测。

通过信息技术进行算法推送这一机制能够做到信息的精准快速分析与传播，因为传播的内