信息圈层化及其形成机制：基于ERGM的分析.pdfVIP

2024年1月湖南师范大学社会科学学报Vol.53No.1

第53卷第1期JournalofSocialScienceofHunanNormalUniversityJan.,2024

DOl.10.19503/ki.1000-2529.2024.01.012

信息圈层化及其形成机制：基于ERGM的分析

晏齐宏

摘要：以复杂网络为视角，将信息圈层化操作化为用户信息共同关注网络，通过日志法收集用户信息接触数据，采

用指数随机图模型（ERGM)分析圈层化的形成机制。研究发现，用户信息共同关注网络密度较低，呈现圈层化趋势。用

户属性（包括人口特征、媒介使用偏好）、既有社交关系和信息关注网络的自组织结构影响信息圈层化，其中网络自组织

结构的影响远远大于其他要素，节点的点度中心性、聚集系数正向影响信息圈层化，但中介中心性负向影响信息圈层化。

用户社交关系数量、社交关系强度的影响因信息关注网络中的自组织结构而弱化，进而并不影响信息圈层化，线上社交

媒体使用不会促进信息圈层化。此外，算法推荐平台使用偏好、算法政治信息偏好不会导致信息圈层化。

关键词：信息圈层化；信息共同关注网络；网络自组织；指数随机图模型

作者简介：晏齐宏，北京交通大学语言与传播学院副教授（北京100044）

一、问题提出

智能媒体语境下，以算法推荐为代表的新技术对信息环境的影响引发各界担忧，最具代表性的是信息

房效应、信息圈层化，而这两者之间也有联系。信息茧房较多关注个体内部信息的同质化现象。从个体

来看，在个人内部信息同质化基础上，那些具有共同特征及信息偏好的个体更可能接触到同样的信息。如

果不同群体都陷人同质化回音室，群体内部在兴趣、身份认同、政治立场等因素的驱使下会形成多个交流

相对紧密的圈层，群体之间可能相互隔离，由此导致圈层化1。更进一步，如果圈子的排斥性与防御性较

强、与他者信息流通不畅、较少进行互动，反过来会导致个人内部信息的同质化，更容易形成回音室，甚至

导致意见极化[2]。同时，在算法推荐领域，无论是基于（强)社交关系的推荐，还是基于用户协同过滤的推

荐，都是根据用户的同质性偏好来推荐信息，使得具有共同特征的用户群体更加聚集，且与不同特征用户

群体形成信息区隔[3]。

遗撼的是，尽管学界对信息茧房有较多关注和研究，但是对于圈层化及其形成机制缺乏系统性、全面

性的实证分析。圈层化是对网络用户聚集与分化模式的现象描述，其重要方面是圈子化。圈子是以情感、

利益、兴趣等维系的具有特定关系模式的人群聚合[]；其中，个体之间进行较为频繁的互动，但也存在内部

关系的不平等；同时，基于关系的社会规范约束圈子中个体的行为。国外学者大多关注政治语境下的圈层

化[5}，通过实证方法分析用户或媒体是如何以政治意识形态为核心形成集群或者圈子的，不同意识形态群

体之间是如何形成对立状态的。除了政治偏好之外，其他用户特征也会导致圈子化的形成，如媒介接触、

社交关系等。研究者认为，网络舆论圈层化有其系统的内在逻辑，具体可归纳为以“社会交往圈层”等为底

层支撑力的理论逻辑，以“算法”等为外部推动力的技术逻辑，和以“互动”等为内部驱动力的运行逻辑}。

基金项目：国家社会科学基金青年项目“智能推荐中算法感知对网络舆论的影响及治理机制研究”（21CXW007）

:111·

2024年湖南师范大学社会科学学报第1期

从系统化的角度看，关系性、结构性是圈层化的重要方面，复杂网络分析便是重要的结构化分析范式。

复杂网络中具有特定的结构，结构会塑造行动者的行为。就此来看，圈层化的影响因素包括圈层网络自身

演化过程、用户属性特征、网络外部因素（如既有社交关系）等。从统计推断来看，对这几个维度的分析不

应以传统统计中的独立性假设为前提，而应该从关系性角度展开，如网络自身演化过程假定某一些关系的

出现往往会促进其他关系的形成，这是网络形成的内驱力。针对此，指数随机图模型（ERGM)方法能够分

析网络自组织特征对圈层化的影响,而且可以将多维因素纳入模型，分析多维度因素的交互性影响。基于

此，本研究尝试以复杂网络的分析范式探究信息圈层化的形成因素