传媒大学19秋《传播学概论》作业2-答案.docx

《传播学概论》2019年秋季学期第二次作业题目

结合相关案例或事件，谈一谈你对社交媒体时代下信息茧房的看法？

互联网时代，社交媒体已逐渐发展成为人们最重要的日常生活用品之一，为人们的交流和学习工作提供了极大的便利。但与此同时，在人们使用社交媒体的过程中也产生了诸多的问题，信息茧房便是其中之一。信息茧房是指人们的信息领域会习惯性地被自己的兴趣所引导，从而将自己的生活桎梏于像蚕茧一般的“茧房”中的现象。请结合你的亲身体验或相关案例或事件，谈一谈你对社交媒体时代下信息茧房的看法？

要求：字数不低于1000；禁止复制粘贴；提出自己的观点；逻辑清楚，格式清晰；有标题。

论“信息茧房”与我们的生活

在算法机制盛行的互联网时代中，人们一直担忧个性化算法可能带来的“信息茧房”问题，那么这种所谓的信息茧房真的成立吗？它的危害真的大到足以蒙蔽大众认知，封锁大众心智吗？

前几年，凯文·凯利就在《必然》里写道：即使只是对过去24小时里被发明或创造出的新事物进行概览，也会花费我们一年以上的时间。

他说：每年我们生产出800万首新歌，200万本新书，1.6万部新电影，300亿个博客帖子，1820亿条推特信息，4万件新产品。

今天，任何一个普通人都无需花费太多力气，最多就是抬下手腕的过程，就能召唤出包容万物的图书馆。

但问题就在于：面对这个包容万物的数字图书馆，如果不能掌握一套极其高效的索引系统，作为人类个体会显得非常无力。没有一张定位精确的航海图，人类在信息的汪洋大海中一定会迷失自我。

就像凯文·凯利说的：

这个包容万物的图书馆规模极其巨大，它迅速吞没了我们本就十分有限的消费时间周期，我们将需要额外的帮助才能穿越这广袤之地。

越是能高效地处理信息，越是能给社会创造价值。互联网根据你的使用习惯，推荐你想要的东西，这是技术和社会发展的必然。

这种个性化推荐，从社交网站上推荐给你的人脉，到电商平台上的商品，再到互联网音乐平台“根据你的音乐口味，为你推荐的音乐”，再到其他种种，个性化推荐已经成了今天互联网产品的标配。

如果你对这些推荐的“神准”感觉到惊讶的话，应该看看全球复杂网络权威巴拉巴西的著作《爆发》。他的研究是建构在人类生活数字化的大数据基础上的，他认为数字化生活，使得人类行为更加容易量化，在这些量化的基础上，人类的行为也因此变得可以预测。

其可预测的几率是多少？巴拉巴西给出的结论是——高达93%！

所以在今天，“机器比你自己还要更懂你”，真不是一句假话，也没有什么值得惊讶和担忧的，因为这一定是技术和社会发展的大势所趋，是在为人类解决效率问题，让社会运行得更高效。

首先，加州大学洛杉矶分校政治科学方面的专家MichaelLaCour（UniversityofCalifornia,LosAngeles,politicalscientistMichaelLaCour）的研究发现：民主党和共和党的媒体偏好其实非常相似。

其次，芝加哥大学的两位经济学家MatthewGentzkow和JesseM.Shapiro发现：大多数人偏向阅读中立的文章。总体而言，虽然filterbubble确实存在，但很少有人仅仅阅读和自己观点相符合的文章。

第三，社交媒体是否会鼓励“回音壁”效应呢？纽约大学政治学家PabloBarberá的一篇论文称，情况并非如此。

他发现，人们的确倾向于在Twitter上追随志同道合的人。但他的研究也表明：随着时间的推移，Twitter上的用户也倾向于跟随一个思想上不那么同质的群体。在网上遇到不同的观点，会鼓励人们拓宽他们的信息流，而不是让人们截然对立，更加两极化。

但确实也有人担忧“过适”（overfitting），也就是说，担心只接触那些已经喜欢的东西是有风险的。

凯文·凯利在《必然》中提出了“理想的过滤器”的观点——在他看来，理想的过滤器应该推荐那些“我想知道我的朋友喜欢什么，而那又是我现在还不了解的”，以及“它将是一种会向我建议某些我现在不喜欢，但想尝试着喜欢的东西的信息流”。

也就是说，这种过滤器不是为了营造出一个回音室，而是可以让你不断地跳入下一个圈子。

他举了个例子说，希望是这种推荐——

我十分确信自己不喜欢歌剧，但去年我又尝试了一次，那是在一个电影院里看一个歌剧的远程实况转播——在纽约大都会艺术博物馆上演的《卡门》，对白以文字的形式显眼地投放在大屏幕上，最后，我很庆幸自己去了。

今日头条资深算法架构师曹欢欢也提到，对推荐起到比较重要的作用的四类特征中，有一类是协同特征，它可以在部分程度上帮助解决所谓算法越推越窄的问题。

曹欢欢说：协同特征并非考虑用户已有历史。而是通过用户行为分析不同用户间相似性，比如点击相似、兴趣分类相似、主题相似、兴趣词相似，甚至向量相似，从而扩展模型的探索能力。

比如，A用户喜欢时