喻國明 方可人

(北京師范大學(xué) 新聞傳播學(xué)院，北京 100875)

信息繭房(Information Cocoons)是美國學(xué)者凱斯·桑斯坦(Cass R.Sunstein)在《信息烏托邦——眾人如何生產(chǎn)知識》中提出的概念，即用戶在海量信息中只選擇感興趣和悅已的主題，從而構(gòu)成一套“個人日報”式的信息系統(tǒng)，進(jìn)而排斥或無視其他觀點與內(nèi)容。(1)[美]凱斯·桑斯坦：《信息烏托邦——眾人如何生產(chǎn)知識》，畢競悅譯，法律出版社2008年版。長此以往，這將阻礙個體信息的全面發(fā)展，阻斷觀點的自由交流，形成所謂“回聲室”(Echo Chamber)效應(yīng)，并導(dǎo)致群體極化(Group Polarization)，威脅社會民主的基石。(2)Sunstein, C.The Law of Group Polarization.Journal of Political Philosophy.2002,10(2)，pp.175-195.信息繭房被視為數(shù)字時代高度個性化信息服務(wù)不可避免的“副作用”。隨著算法推薦成為信息分發(fā)的重要途徑與方式，有一種說法甚囂塵上，即算法加劇了信息繭房的產(chǎn)生與泛化?！度嗣袢請蟆吩?jīng)三評算法推薦，指出算法自動過濾“不感興趣”“不認(rèn)同”的異質(zhì)信息，久而久之，信息接收渠道變窄，資訊獲取渠道單一。(3)乙智：《 “尖叫效應(yīng)”與“信息繭房” 》，人民網(wǎng)2018年5月2日和3日。http://m.people.cn/n4/2018/0502/c25-10910831.html.如今，算法幾乎根植于所有主流移動應(yīng)用中，社交媒體推薦趣味相投的朋友，音樂APP自動播放喜愛的音樂，電商網(wǎng)站提示著昨晚電影中的“明星同款”，用戶似乎在毫無覺察中已被包裹進(jìn)個體與機(jī)器共筑的溫柔卻嚴(yán)絲合縫的繭房。然而，需要注意的是，桑斯坦所說的信息繭房更像是半預(yù)言式的隱喻，他并未作更深入的研究和系統(tǒng)性論述。因此，盡管學(xué)界對信息繭房的危害有一定程度的共識，但是信息繭房的存在條件是什么，算法是否必然導(dǎo)致信息繭房，目前尚沒有實證研究作為佐證，從而使得信息繭房問題至今沒有一個清晰準(zhǔn)確的研究框架，這極大影響了對“信息繭房”的觀測與認(rèn)知，也不利于客觀審視算法與“繭房”的關(guān)系?；谏鲜龇N種疑問，本文擬對算法是否導(dǎo)致信息繭房進(jìn)行實證探索。

一、“信息繭房”的含義以及幾個研究假設(shè)

由于缺少直接觀測信息繭房的量表，所以需對信息繭房的公認(rèn)特征進(jìn)行剖析?；仡櫦扔醒芯浚ǔＵJ(rèn)為，陷入“信息繭房”的用戶會呈現(xiàn)如下狀態(tài)：

(一)信息接收渠道的收窄和固化?；ヂ?lián)網(wǎng)尤其是移動互聯(lián)網(wǎng)的發(fā)展，為公眾提供了高度自由的媒介環(huán)境，使得個體在媒介使用上享有空前的自治(4)Hasebrink U，Domeyer H.Media Repertoires as Patterns of Behavior and as Meaningful Practices:A Multimethod Approach to Media Use in Converging Media Environments.Journal of Audience&Reception Studies,2012,9(01),pp.757-783.。用戶根據(jù)特定場景的特定需求，可自由選擇媒介，并組成個體獨有的媒介生態(tài)系統(tǒng)。

當(dāng)前，信息供給端的基本格局是，傳統(tǒng)媒介、社交型媒介、算法型媒介等不同模式的傳播渠道并存。不同媒介的信息分發(fā)各有側(cè)重，滿足著用戶不同維度的信息需求。例如人工的傳統(tǒng)媒介強調(diào)社會共性信息解決，通常扮演了“壓艙石”的角色。而社交媒介則成為各類偶發(fā)性信息與意見交換的重要場所。因此，媒介使用的多樣性意味著用戶有機(jī)會接觸到不同的信息與觀點，為了解和評估事實提供了多維度的參照。而政治傳播的研究也證實，媒介多樣性會提升用戶的政治素養(yǎng)(5)Kim, Dam Hee，Kwak, Nojin.Media Diversity Policies for the Public: Empirical Evidence Examining Exposure Diversity and Democratic Citizenship.Journal of Broadcasting & Electronic Media,2017，61(4),pp.687-702.并消除黨派偏見(6)Dubois,Elizabeth，Blank,Grant.The echo chamber is overstated: the moderating effect of political interest and diverse media.2018,21(5),pp.729-745.。有調(diào)查結(jié)論則反映，2019年，僅有2%的美國人是靠單一渠道獲取資訊，大多數(shù)用戶會傾向于采用多種媒介來獲取新聞內(nèi)容(7)Kleis Nielsen,R, Nic Newman，N., Fletcher, R., Kalogeropoulos, A.Reuters Digital News Report.Oxford: Reuters Institute for the Study of Journalism,2019.。

但是，對算法持負(fù)面態(tài)度者堅持認(rèn)為，算法型媒介通過刺激多巴胺分泌致使用戶成癮，并“收割”用戶有限的空閑時間。(8)《被算法量產(chǎn)的“沉迷” 》，果殼網(wǎng)2018年4月17日、2020年1月12日。https://36kr.com/p/5129661.更有甚者將算法分發(fā)的信息比作合法的“毒品”(9)Sukhodolov, Alexander P.,Bychkova, Anna M.etc.Journalism Featuring Artificial Intelligence.Theoretical and Practical Issues of Journalism,2019.8(4)，pp.647-667.。這種對時空的侵占降低了用戶與其它類型媒介接觸的可能，導(dǎo)致信息渠道變窄，使媒介多樣性受到影響。

基于此，本文提出假設(shè)：H1.算法型媒介的使用頻率負(fù)向影響媒介多樣性。

(二)對特定信息偏聽偏信。在信息繭房中，“每個人的世界圖景都只是他們所希望看到的，而不是世界本來應(yīng)該擁有的樣子”?；旧先藗兲岬叫畔⒗O房時，都會涉及到信息偏食導(dǎo)致的視野局限，以及由此對觀念、態(tài)度與決定等的影響。(10)彭蘭：《導(dǎo)致信息繭房的多重因素及“破繭”路徑》，《國際新聞界》2020年第1期。

霍夫蘭很早就在個體差異論中指出，由于個體在需求、信念、價值觀、態(tài)度上的認(rèn)知結(jié)構(gòu)存在差異，相同的大眾傳播內(nèi)容在受眾之間會產(chǎn)生不同的效果，受眾傾向于接觸與原有態(tài)度較為一致的信息，而盡量回避那些與己見不合的信息，即所謂信息的選擇性注意和理解。而認(rèn)知均衡理論認(rèn)為，網(wǎng)絡(luò)帶來了信息大爆炸，面對復(fù)雜紛亂的信息，人們?nèi)菀赘械綗o所適從，為緩解心理焦慮，往往根據(jù)個人喜好或既有經(jīng)驗進(jìn)行篩選和過濾，以保持認(rèn)知的平衡。技術(shù)憂慮者擔(dān)心算法推薦加劇了上述心理認(rèn)知，用戶將信息選擇的權(quán)力交給算法，算法根據(jù)用戶慣習(xí)投其所好，形成所謂“過濾氣泡”(filter bubble)”。

如果“過濾”僅涉及個人的娛樂愛好，倒也無關(guān)大局。但算法憂慮者關(guān)注的重點在于，算法的“價值無涉”可能導(dǎo)致輿論治理的危機(jī)，尤其使得傳統(tǒng)媒介“壓艙石”的功能失靈。如今我們處于后真相時代，信息的傳播速度太快，往往使得話語在前、事實在后，情緒在前、真相在后。算法的優(yōu)勢在于分發(fā)的效率，但如果將把關(guān)審核權(quán)力從人工讓渡于技術(shù)，那么信息的真實性就有可能難以得到保障。倘若用戶不加分辨地相信推送而來的內(nèi)容，無形中會助長謠言的泛濫。若用戶長期受算法分發(fā)的信息的裹挾和影響，將會形成對某類認(rèn)知與觀點的長期追崇，從而降低對其它媒體尤其是主流媒體聲音的信任感，影響其價值判斷進(jìn)而影響其行為選擇。

但另一些觀點則認(rèn)為，用戶對于不同信源的信任程度并不一致，用戶未必就相信自己日常接觸的媒體。例如，一項跨國研究證明，在所有媒介類型中，用戶對社交媒體的信任程度是最低的。(11)Dutton, W., Reisdorf, B., Dubois, E.,Blank, G.Search and Politics: The Uses and Impacts of Search in Britain, France, Germany, Italy, Poland, Spain, and the United States.New York: Social Science Electronic Publishing,2017.在面對重要的社會議題時，用戶還是更依賴主流媒體和人際傳播。(12)Elizabeth Dubois.The strategic opinion leader: Personal influence and political networks in a hybrid media system.Oxford: University of Oxford,2015.因此，有必要考察算法媒介是否真地對其他信源尤其是傳統(tǒng)媒介的信任造成了影響。

基于以上分析本文提出如下假設(shè)：H2.算法型媒介的使用頻率會正向影響算法型信源的信任。H3.算法型媒介的使用頻率會負(fù)向影響非算法型信源的信任。H3a.算法型媒介的使用頻率會負(fù)向影響傳統(tǒng)媒介的信任。

二、不同類型用戶媒介使用情況調(diào)查的樣本來源與操作方案

(一)樣本來源

本研究樣本全部來自于研究組專項課題“2019年全民媒介接觸與使用暨媒介價值觀調(diào)查”數(shù)據(jù)。項目主要采用問卷調(diào)查法，意圖調(diào)查不同類型的用戶在使用媒介上的差異及其原因。參照國家統(tǒng)計局標(biāo)準(zhǔn)對全國實際人口情況劃分抽樣比例，參考CNNIC最新的第43次《中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計報告》對樣本的人口統(tǒng)計學(xué)特征作了配額設(shè)計，制定從一線城市到五線城市的社區(qū)入戶分層抽樣方案，訪問涉及北京、上海、重慶、合肥、昆明、周口、長治等45個城市，共回收有效樣本4631份。

從大樣本中提取使用典型算法類資訊APP——今日頭條的用戶作為最終研究樣本(注：對象在問卷題項“您在過去一周內(nèi)打開過哪些APP”中勾選了“今日頭條”選項)，研究樣本數(shù)為926份。

在本研究中，選擇性別、年齡、婚姻狀況、教育程度、收入水平以及所在城市6個指標(biāo)作為控制變量。樣本中使用今日頭條的用戶基本情況如表1所示。

(二)操作方案

在媒介多樣性的測量上，本研究要求用戶自評過去一周內(nèi)打開的資訊(含資訊功能)媒體種類，題目形式為“您在過去一周內(nèi)打開過以下哪些媒介或APP？(多選題)”。選項中，除了今日頭條外，還包含報紙、電視、廣播等傳統(tǒng)媒體，同時包含微信、QQ、微博、百度貼吧、騰訊新聞、搜狐新聞、趣頭條等市面上的主流移動應(yīng)用，涵蓋了各種內(nèi)容分發(fā)類型，共20個選項。單個用戶每打開一個媒體，其媒介多樣性分值“+1”，累積最高得分20分。研究樣本的媒介多樣性得分范圍從2到17，即有的用戶每周僅打開過兩個資訊媒體,而最多的則每周會打開17個。其中，19.87%的用戶每周會打開5個資訊媒體，18.79%的用戶每周會打開4個資訊媒體，樣本平均值為5.71。

在媒介內(nèi)容信任程度的測量上，本研究要求用戶對不同信源信任程度進(jìn)行自評。題目形式為“您對下列媒介中的內(nèi)容信任程度如何？”。答復(fù)采取李克特五分量表，即“完全不相信”、“不相信”、“不確定”、“相信”、“完全相信”，并依次按1-5分進(jìn)行賦值。信源類型包括傳統(tǒng)紙媒、傳統(tǒng)電子媒體、微博、微信朋友圈/公眾號、社區(qū)論壇(百度貼吧、豆瓣等)、算法型新聞APP(今日頭條等)。從樣本的均值來看，用戶對傳統(tǒng)媒體的信任程度依然高于網(wǎng)絡(luò)媒體。

在算法型媒介使用頻率上，本研究選擇今日頭條的使用頻率。題目形式為“請您對過去一周內(nèi)使用過的APP使用頻率進(jìn)行打分”，同樣采用李克特五分量表，即從“很少使用”到“頻繁使用”，不使用該類APP則置為空值并排除。相關(guān)描述性統(tǒng)計如表2所示。

表2 因變量與關(guān)鍵自變量的描述性統(tǒng)計

三、調(diào)查數(shù)據(jù)的回歸分析和復(fù)合校驗

研究采用多元層次回歸分析，首先對因變量作正態(tài)分布檢驗，采用K-S檢驗，各變量峰度的絕對值小于10且偏度的絕對值小于3，因此樣本基本符合正態(tài)分布，各因變量可納入回歸分析環(huán)節(jié)。

(一)控制變量對因變量的影響

將所有控制變量納入第一層回歸，其結(jié)果如表3所示。在媒介多樣性上，年齡、婚姻狀況對媒介多樣性產(chǎn)生具有負(fù)向影響，即大齡用戶或已婚用戶，其媒介多樣性的水平較低。大齡用戶可能受既有媒介慣習(xí)影響，而已婚用戶則可能在“養(yǎng)家糊口”上有更多任務(wù)，閱讀資訊的時間更少；而教育程度與收入水平則對媒介多樣性具有正影響；性別、城市等級對媒介多樣性則無顯著影響。

表3 各控制變量對媒介多樣性和信源信任程度的影響

在信源信任程度上，女性對社區(qū)論壇和算法型新聞APP的信任程度更高；用戶年齡越小，對微博的信任程度越高；收入水平則對傳統(tǒng)紙媒和傳統(tǒng)電子媒體的信任程度影響顯著。其他控制變量對信源信任影響均不顯著，這使得該部分的調(diào)整R2值較低。

(二)關(guān)鍵自變量對因變量的影響

將今日頭條的使用頻率納入第二層回歸，結(jié)果發(fā)現(xiàn)，其使用頻率并未對各控制變量的顯著性造成太大影響，并對個體媒介多樣性的影響不顯著。這證明假設(shè)H1不成立，用戶頻繁使用算法型媒介并不會降低用戶的媒介總體接觸數(shù)量?？梢娒襟w型分發(fā)模式和關(guān)系型分發(fā)模式在算法面前并未失效，三者共同匹配了用戶多層次、寬領(lǐng)域的資訊使用需求。而在信源信任程度上，今日頭條使用頻率對算法型新聞APP信任程度產(chǎn)生顯著影響，R2值有所提升，這證明假設(shè)H2成立。但其使用頻率并未對其它類型信源信任程度造成負(fù)影響，假設(shè)H3并不成立，用戶并未對非算法型信源存在態(tài)度偏見。

實際上，今日頭條的使用頻率還提升了傳統(tǒng)電子媒體和社區(qū)論壇的信任程度，因此H3a不成立。隨著媒介的深度融合，有相當(dāng)多的傳統(tǒng)媒體以PGC(Professional Generated Content)內(nèi)容提供者的身份入駐新聞聚合平臺，在涉及重要社會內(nèi)容的報道與處理上引導(dǎo)公眾價值。盡管沒有了過去的渠道壟斷優(yōu)勢，但通過算法推薦，傳統(tǒng)媒體可以更精準(zhǔn)地匹配用戶，并憑借新聞專業(yè)主義贏得公眾尊重。有研究亦指出，在谷歌新聞算法推薦最多的內(nèi)容中，有69%是來自于5家專業(yè)新聞機(jī)構(gòu)，谷歌新聞的議程設(shè)置更像是對傳統(tǒng)媒體的復(fù)制而非顛覆。(13)Efrat Nechushtai,Seth C.Lewis.What kind of news gatekeepers do we want machines to be? Filter bubbles, fragmentation, and the normative dimensions of algorithmic recommendations.Computers in Human Behavior,2019(90)，pp.298-307.

而百度貼吧、豆瓣等社區(qū)論壇則是用戶話題深挖的端口。以信息流為主的算法型媒介側(cè)重于話題的密集觸達(dá)，通常信息面廣但深度不足。當(dāng)前算法技術(shù)也無法有效判斷同類型資訊對于用戶是否重復(fù)或互為補充。因此，用戶通過算法獲得信息要點后，社區(qū)論壇則滿足了用戶尋找“新聞背后的新聞”的需求，以獲取更詳盡的信息文本。由此可見，人們追求高質(zhì)量的內(nèi)容是亙古不變的真理。

(三)復(fù)核校驗

考慮到不同APP所采用的算法類型和推送系統(tǒng)都不一致，為確保結(jié)論的穩(wěn)定性，本研究從原始大樣本中提取騰訊新聞APP的用戶(n=719)作復(fù)合校驗，騰訊新聞在圖文、視頻、音頻、話題、問答等內(nèi)容模塊均涉及算法推送。結(jié)果顯示，騰訊新聞使用頻率同樣不影響媒介的多樣性，且在信源信任程度上其使用頻率對傳統(tǒng)紙媒(β=0.072*)和傳統(tǒng)電子媒體(β=0.096**)的信任均有正向影響。

表4 今日頭條使用頻率納入回歸后的影響結(jié)果

四、研究結(jié)論：算法不是導(dǎo)致“信息繭房”而是為個體提供了多元理性的信息世界

綜上，假設(shè)的論證結(jié)果如表5所示。

表5 各假設(shè)結(jié)論

上述研究表明，算法的技術(shù)憂思被人為地夸大了，算法不但沒有導(dǎo)致“信息繭房”，反而在主流價值觀的引導(dǎo)上發(fā)揮了積極作用，并為個體提供了更多元和理性的信息世界。與所有新技術(shù)一樣，算法推薦并不是一成不變的，以今日頭條為例,從2012年9月第1版開發(fā)運行以來,已經(jīng)經(jīng)過四次大的調(diào)整和修改。算法型信息分發(fā)在不斷迭代中提升著 “有邊界的調(diào)適”，并增強了其社會的適應(yīng)度與合法性。(14)喻國明、杜楠楠：《智能型算法分發(fā)的價值迭代：“邊界調(diào)適”與合法性的提升——以“今日頭條”的四次升級迭代為例》，《新聞記者》2019年第11期。在人工智能主導(dǎo)信息分發(fā)的時代，所謂把關(guān)的權(quán)力并沒有輕易讓渡給智能算法，而是通過開放算法原理、加強人工審核、優(yōu)化推薦系統(tǒng)、引入專業(yè)內(nèi)容生產(chǎn)團(tuán)隊，為算法持續(xù)注入了人本與理性的價值。

而從商業(yè)利益的考量來看,“聰明”的算法平臺都不會希望自己的用戶興趣窄化，就像沒有一個商場的經(jīng)理會希望顧客每一次來到商場都只關(guān)注同一類別的商品一樣。事實上，商場經(jīng)理都希望顧客關(guān)注盡可能多的產(chǎn)品品類，以擴(kuò)大其消費能力。因此,從算法的商業(yè)利益初衷來看,算法不可能真正壓縮信息空間，相反,它還會在更新迭代中逐步挖掘出個體尚未被開掘的信息消費潛能。(15)喻國明、陳艷明、普文越：《智能算法與公共性:問題的誤讀與解題的關(guān)鍵 》，《中國編輯》2020年第5期。實際上，信息分發(fā)所依賴的算法已具有越來越多元的發(fā)展趨勢，不同的算法型信息分發(fā)平臺很少會使用同一種算法，采用多種算法的信息分發(fā)平臺所具有的社會構(gòu)造，從信息流動來說，總體上能夠有效地避免“繭房效應(yīng)”的發(fā)生。

本研究結(jié)論還對算法模型的進(jìn)一步優(yōu)化提供了參考。研究發(fā)現(xiàn)，年齡、婚姻狀況、教育程度、收入水平對媒介多樣性具有影響。早在2002年，有學(xué)者就指出了教育程度對“數(shù)字鴻溝”有巨大影響(16)祝建華：《數(shù)碼溝指數(shù)之操作定義和初步檢驗》，汕頭大學(xué)出版社2002年版，第203-211頁。，而十幾年過去了，在如今網(wǎng)絡(luò)基礎(chǔ)設(shè)置完善、高自由度的媒介環(huán)境中，信息的“鴻溝”依然存在。較之于教育良好的“精英分子”，普羅大眾更容易盲從和不思考，一旦沉浸在同質(zhì)化的信息環(huán)境中，就更難以基于理性焦慮和質(zhì)疑精神而實現(xiàn)自主“破繭”。因此，針對老年人、已婚人士、教育程度與收入較低者，需要依據(jù)其用戶畫像，在個性化推薦中作額外的適配處理，包括導(dǎo)流更多來源的信息，并增加異質(zhì)性內(nèi)容的分發(fā)權(quán)重。此外，值得關(guān)注的是，低收入群體對傳統(tǒng)媒體尤其是傳統(tǒng)紙媒的信任較低,技術(shù)公司應(yīng)該憑借算法對個體分析的優(yōu)勢，重視弱勢群體的信息需求，強化價值引領(lǐng)。傳統(tǒng)媒體在媒介融合過程中，也需要適應(yīng)算法時代傳播邏輯與話語方式的變化，對社會底層予以更多的人文關(guān)懷。

必須意識到，在已經(jīng)到來的5G時代，實時生成的數(shù)據(jù)、實時分析、實時調(diào)整的算法，將成為整個信息系統(tǒng)運行的神經(jīng)和命脈，這也是無法繞開的基本要素。今天我們跟算法之間所出現(xiàn)的一系列問題或爭議,實際上還是人與人之間的問題，是掌握了現(xiàn)有技術(shù)傳播生產(chǎn)力的人們，跟過去既有的掌握制度傳播生產(chǎn)力的人們之間，在一個特定的發(fā)展階段上的一種矛盾與對沖，也可以說是一種博弈[注]喻國明：《傳播學(xué)科的迭代：對數(shù)據(jù)與算法的納入與包容》，《新聞與傳播評論》2019年第5期。。應(yīng)該講，算法推進(jìn)了傳媒領(lǐng)域中傳統(tǒng)的寡頭權(quán)力逐步讓位于技術(shù)邏輯主導(dǎo)的用戶權(quán)力的過程[注]喻國明、韓婷：《算法型信息分發(fā)：技術(shù)原理、機(jī)制創(chuàng)新與未來發(fā)展》，《新聞與傳播研究》2018年第4期。。在傳統(tǒng)的新聞生產(chǎn)中，傳播的主導(dǎo)權(quán)掌握在新聞媒體手中，媒體控制著傳播渠道與傳播內(nèi)容，受眾在很大程度上只能作為新聞文本的“解碼”者而存在。算法則將媒體的傳播主動權(quán)部分分流到了受眾手中，使用戶自身在一定程度上成為自己的議程設(shè)置者，從而打破了媒體對傳播主導(dǎo)權(quán)的壟斷。同時，由于不同用戶的需求與個性是各不相同的，經(jīng)由算法推送的新聞經(jīng)過用戶的分享，使得多種聲音同時存在，顛覆了少數(shù)人的話語霸權(quán)。概言之，算法實際上釋放了用戶的自主意識，提升了公眾參與表達(dá)的能力[注]喻國明、楊瑩瑩、閆巧妹：《算法即權(quán)力:算法范式在新聞傳播中的權(quán)力革命》，《編輯之友》2018年第5期。?？傊惴ū旧聿o“原罪”可言，人文理性與技術(shù)理性相互交融，將為算法提供更可信任的發(fā)展路徑。