2025年1月，新聞學領(lǐng)域的國際頂刊《Digital Journalism》發(fā)表了一篇中國新聞學者的重要研究論文。該研究通過開發(fā)虛擬代理測試的實驗方法，模擬人類用戶與推薦算法互動，以國內(nèi)某短視頻平臺為數(shù)據(jù)來源，探討了算法與用戶行為交互對新聞多樣性的影響。

研究結(jié)果表明，相較于無算法的隨機推薦，算法推薦的新聞類別顯著更多樣。“多樣性” 的測量基于類別的數(shù)量和元素分布兩個維度，理想狀態(tài)是類別均勻分布。結(jié)果顯示，基于算法的個性化新聞消費更具多樣性和平衡性，算法有助于用戶接觸到平時不易遇到的新聞來源。此現(xiàn)象可能是算法平臺為避免用戶對重復性內(nèi)容產(chǎn)生厭倦，因此推薦更具差異性的新聞內(nèi)容。

近年來，關(guān)于算法與 “信息繭房” 的關(guān)系備受關(guān)注，多個高校團隊以此展開了實證研究。深圳大學新聞學院教授楊洸采用問卷調(diào)查方法，以新聞算法推薦平臺今日頭條的使用者為研究對象，發(fā)現(xiàn)算法推薦并沒有導致信息繭房效應(yīng)，反而擴大了受眾接觸資訊的范圍，用戶和算法之間處于相互響應(yīng)、相互發(fā)展的狀態(tài)。

深圳大學傳播學院“百人計劃”教授、博士生導師虞鑫構(gòu)建了包括使用時間、媒介環(huán)境、媒介素養(yǎng)、社會資本、媒介期望五個方面的模型，通過對知乎平臺的實證調(diào)研，發(fā)現(xiàn)算法媒介使用時間越久，信息繭房效應(yīng)反而降低，打破了使用時間越長，用戶就會越被困在繭房里的認知。

復旦大學的研究通過對十種網(wǎng)絡(luò)媒介的檢驗與比較發(fā)現(xiàn)，網(wǎng)絡(luò)媒介的 “筑繭” 并非推薦算法技術(shù)下的必然。傳播結(jié)構(gòu)的水平型抑或垂直型、用戶聯(lián)結(jié)的開放性抑或封閉性為網(wǎng)絡(luò)媒介是否帶來 “信息繭房” 的兩項關(guān)鍵機制。其中，微信等 “熟人社交型” 媒介趨于 “筑繭”，微博等 “公共討論型” 媒介趨于 “破繭”，短視頻平臺等 “垂直傳播型” 媒介既未 “筑繭” 也未 “破繭”。

這些研究表明，算法并非必然導致 “信息繭房”，打破了算法制造 “信息繭房” 的論調(diào)。但因為用戶對感興趣內(nèi)容的需求度不同，一旦覺得同一類內(nèi)容“推多了”或“推少了”，就認為有信息繭房存在，而且是算法造成的。

然而一系列實證研究表明，比起用戶自主選擇，算法推薦更能有效促進用戶接觸多樣化內(nèi)容。訂閱制下，人們僅接觸已關(guān)注過的領(lǐng)域和內(nèi)容，實際減少了“新聞偶遇”；算法則基于“興趣探索機制”，推薦更多用戶可能感興趣的內(nèi)容，呈現(xiàn)出更高的內(nèi)容類別多樣性。

對外經(jīng)濟貿(mào)易大學法學院副教授許可、中國人民大學經(jīng)濟學院副教授程華，通過問卷調(diào)研發(fā)現(xiàn)了民眾對算法的認知、態(tài)度和行為之間存在背離。64.98%的用戶對企業(yè)使用算法的內(nèi)容和目的表示不太了解或完全不了解，但當被問到對企業(yè)使用算法的態(tài)度時，約80%的受訪者認為，企業(yè)使用算法可能會損害用戶權(quán)益、侵犯個人隱私；但相當比例的用戶并不抵觸用算法獲得服務(wù)、產(chǎn)品和體驗，40%的用戶認為自動信息推送精準、對己有益，85%的用戶表示不會因為自動推薦產(chǎn)生過度購買的行為。

在一項針對抖音個性化推薦的用戶評價調(diào)研中，62%的參與調(diào)查者表示“一般喜歡”，越早開始使用抖音的參與調(diào)查者、每天花費時間越多的參與調(diào)查者，更有可能喜歡個性化推薦。

這意味著，一方面，有相當比例的用戶對算法不了解，但另一方面，對算法使用卻抱有明顯的負面態(tài)度。究其原因，普通大眾出于對技術(shù)的恐懼，對算法有著抹黑和污名化傾向。

2022年，網(wǎng)信辦等4部門聯(lián)合發(fā)布《互聯(lián)網(wǎng)信息服務(wù)算法推薦管理規(guī)定》，社交媒體APP先后上線算法關(guān)閉鍵，允許用戶在后臺一鍵關(guān)閉“個性化推薦”。該功能上線以來，不少用戶進行了體驗。據(jù)相關(guān)平臺反饋，大部分嘗試算法關(guān)閉的用戶，覺得推薦內(nèi)容質(zhì)量不高，又重新打開了“個性化推薦”功能。這一用戶反饋與學者研究結(jié)論一致，相較于隨機推薦，基于算法的個性化新聞消費更具多樣性和平衡性。

隨著算法日益進入互聯(lián)網(wǎng)產(chǎn)品，人們對推薦算法的接受程度和評價越來越高。對外經(jīng)貿(mào)大學團隊2024年和2022年分別對消費者算法評價做了調(diào)研，選擇“推送精準、節(jié)省了我獲取有用知識的時間”的受訪者合計比例從40%上升到52%，相對應(yīng)的，選擇“推送內(nèi)容過于娛樂化，容易上癮”、“推動信息比較同質(zhì)，限制了知識獲取的多元性”這兩個選項的比例從43%下降到了37%。

綜上，算法在提升新聞多樣性方面具有積極作用，指責其制造 “信息繭房”是一種“偏見”。另一方面，相關(guān)平臺也應(yīng)不斷優(yōu)化算法，提升算法透明度和多樣性，為用戶提供更優(yōu)質(zhì)、多樣的信息服務(wù)。

參考文獻：

Wen Shi, Jinhui Li. News Diversity Under Algorithms: The Effects of Pre-Selected and Self-Selected Personalization on Chinese TikTok (Douyin). Digital Journalism. Published online: 15 Jan 2025. DOI: 10.1080/21670811.2025.2450312

楊洸, 佘佳玲. 新聞算法推薦的信息可見性、用戶主動性與信息繭房效應(yīng)：算法與用戶互動的視角[J]. 新聞大學, 2020.2

虞鑫, 王金鵬. 重新認識"信息繭房"——智媒時代工具理性與價值理性的共生機制研究[J]. 新聞與寫作, 2020. DOI: 10.3969/j.issn.1002-2295.2022.03.009

施穎婕, 桂勇, 黃榮貴, 鄭雯. 網(wǎng)絡(luò)媒介“繭房效應(yīng)”的類型化、機制及其影響——基于“中國大學生社會心態(tài)調(diào)查（2020）”的中介分析[J]. 新聞與傳播研究. 2022.5

許可, 程華. 算法悖論與制度因應(yīng) ——基于用戶算法應(yīng)用感知的實證研究[J]. 山東大學學報（哲學社會科學版). 2022.6

蔣雪穎. 抖音用戶對個性化推薦算法的認知[J]. 新傳播. 2022.3