限制你眼界的不是算法，而是你自己

現(xiàn)代人已經(jīng)習(xí)慣通過(guò)社交網(wǎng)站來(lái)獲取各類新聞信息。與傳統(tǒng)媒體“你給什么我看什么”的信息獲取方式不同，網(wǎng)絡(luò)媒體為用戶提供了更大的自由度，讓他們可以選擇自己想看的內(nèi)容。由于網(wǎng)絡(luò)信息的過(guò)載和多樣，很多社交媒體也都采用了各種各樣的算法來(lái)為用戶推送更加個(gè)性化的新聞，讓新聞更加符合每個(gè)人的口味。例如，F(xiàn)acebook就采取特定算法來(lái)決定用戶的信息源（News Feed）里各種信息的排列順序。

然而，很多學(xué)者擔(dān)憂過(guò)度個(gè)性化的推薦會(huì)引起“回聲室效應(yīng)”（echo chamber）：根據(jù)算法的推薦，人們逐漸接收到的都是和自己意見(jiàn)相似的新聞與朋友分享的信息，持不同觀點(diǎn)的人也逐漸形成愈發(fā)封閉的小圈子。埃利·帕雷瑟（Eli Pariser） 在《過(guò)濾泡沫》 （Filter Bubble）一書(shū)中也表達(dá)了類似的憂慮：“這些個(gè)性化算法使得只有和人們的意識(shí)形態(tài)一致的信息才會(huì)被呈現(xiàn)，人們的視野越來(lái)越窄，可以接觸到多元化信息的機(jī)會(huì)也越來(lái)越少?！睂?duì)于持不同政治觀點(diǎn)的人們來(lái)說(shuō)，這樣的“過(guò)濾泡沫”會(huì)讓人們?cè)絹?lái)越堅(jiān)持自己的政治理念，拉大不同意識(shí)形態(tài)人群之間的差距，造成社會(huì)上政治觀點(diǎn)的兩極分化和矛盾。

社交媒體的算法究竟是否限制了人們接收信息的多樣性，為人們“屏蔽”了異己觀點(diǎn)？最近，來(lái)自Facebook數(shù)據(jù)科學(xué)團(tuán)隊(duì)的研究者在《科學(xué)》（Science）上發(fā)表的一項(xiàng)研究發(fā)現(xiàn)，盡管Facebook的排名算法導(dǎo)致了一定程度的“過(guò)濾泡沫”，但人們對(duì)信息的選擇更加制約了他們接受對(duì)立政治觀點(diǎn)的可能性[1]。

“硬”內(nèi)容的政治偏向

研究者將與國(guó)內(nèi)新聞、政治和世界局勢(shì)有關(guān)的內(nèi)容定義為“硬”內(nèi)容（“hard” content），而將與娛樂(lè)、體育和旅游相關(guān)的內(nèi)容定義為“軟”內(nèi)容（“soft” content）。他們發(fā)現(xiàn)，大部分的硬新聞都具有明顯的傾向保守主義或自由主義的趨勢(shì)。通過(guò)對(duì)硬內(nèi)容進(jìn)行分析，研究者就可以確定分享這些新聞的用戶的政治傾向。

在Facebook上，信息的流動(dòng)是由人們的社交關(guān)系網(wǎng)決定的，朋友的政治觀點(diǎn)很多時(shí)候也能夠影響人們的觀念。和很多政治博客不同，雖然在Facebook上也存在根據(jù)政治傾向抱團(tuán)的現(xiàn)象，但朋友間仍存在意識(shí)形態(tài)上的差異。平均來(lái)說(shuō)，每個(gè)Facebook用戶的好友中，有23%的人和自己的政治意識(shí)形態(tài)相反。而人們接觸到的他們朋友分享的信息中，平均有29.5%的信息來(lái)自于意識(shí)形態(tài)對(duì)立的一方。

排序算法有影響，個(gè)人選擇更重要

研究者最為感興趣的是，F(xiàn)acebook的新聞源排序算法會(huì)如何影響人們接觸對(duì)立觀點(diǎn)。經(jīng)過(guò)算法排序后，人們的確更少接收到來(lái)自對(duì)立面的信息：平均有28.5%來(lái)自于意識(shí)形態(tài)相反的一方。

不過(guò)，人們對(duì)文章鏈接的個(gè)人選擇對(duì)他們接觸不同意識(shí)形態(tài)信息的影響更大。總的來(lái)說(shuō)，人們點(diǎn)擊的信息中只有24.9％的來(lái)自于對(duì)意識(shí)形態(tài)對(duì)立的一方。

從心理學(xué)角度來(lái)說(shuō)，這種情況屬于“自我驗(yàn)證偏好”（confirmation bias）。它使得人們有一種根據(jù)自己已有觀點(diǎn)來(lái)接受和解釋信息的傾向，這種傾向?qū)е氯藗兂９淌赜谝延械挠^點(diǎn)。為了驗(yàn)證自己已有的觀點(diǎn)，人們往往依賴于支持性的證據(jù)，并只搜索、解釋和回憶與自己信念或假設(shè)一致的信息。上面研究中發(fā)現(xiàn)的人們只點(diǎn)擊與自己政治立場(chǎng)一致的信息就是“自我驗(yàn)證偏好”的最好例子。

這個(gè)研究表明，人們對(duì)信息的自我選擇和自我驗(yàn)證，可能比個(gè)性化算法更加危險(xiǎn)。從另一個(gè)角度來(lái)說(shuō)，這項(xiàng)研究也證明現(xiàn)代信息技術(shù)對(duì)人們觀點(diǎn)的影響并沒(méi)有先前人們?cè)O(shè)想的那么悲觀。算法并非“過(guò)濾泡沫”的罪魁禍?zhǔn)?，人們的自我?yàn)證偏好才是人們接觸異己信息的最大障礙。但這項(xiàng)研究也提示我們，想要為人們提供更平衡全面的新聞信息，開(kāi)發(fā)與社會(huì)信息有關(guān)的算法仍任重道遠(yuǎn)。

編者按：該研究發(fā)表后，一些反對(duì)者認(rèn)為，這一研究實(shí)際是一個(gè)“這不是我們的錯(cuò)”（“it’s not our fault”）類型的研究，是Facebook在為自己“洗白”。有研究者指出，將算法對(duì)內(nèi)容的篩選與用戶自己對(duì)內(nèi)容的篩選相比較，就像是“詢問(wèn)菜單上新添的炸薯?xiàng)l含有多少反式脂肪酸，然后被告知老早就售賣的漢堡中也有反式脂肪酸”，而對(duì)于研究的解讀應(yīng)該落在社交網(wǎng)絡(luò)的算法是否會(huì)加劇人們的偏見(jiàn)上。2014年6月，F(xiàn)acebook發(fā)表在PNAS上的一項(xiàng)情緒研究也曾引起廣泛爭(zhēng)議。在這項(xiàng)研究中，F(xiàn)acebook在用戶不知情的狀況下，調(diào)整了他們動(dòng)態(tài)消息上來(lái)自好友的帖子，以測(cè)試正面或負(fù)面信息的情緒傳染力。