在互聯網信息量和增速快速擴展的當下，信息傳播模式由主動發現到被動推薦逐漸轉變，平臺開始基于推薦算法打磨社會注意力的新機制，而與此同時信息接收的機械化處理可能會造成一定的信息聚集或信息窄化的“信息繭房”問題。關于“信息繭房”的效應，存在正面和負面兩個方面，而當前學者的研究存在負面偏向性。本文關注信息繭房的二面性影響因素，以信息傳播路徑為脈絡，為算法推薦治理的系統性優化提出建議。

一、  關注算法推薦治理中的信息繭房問題

1994年互聯網接入大眾生活，海量信息撲面而來，信息化從量上實現突破。2009年移動互聯網讓大眾隨時隨地獲取信息，永久信息連接進一步帶來質的飛躍。面對如今的大數據時代，如何在信息爆炸背景下為用戶輸入高價值信息，成為互聯網平臺的探索方向。互聯網信息平臺以算法推薦的模式作為主要方法，讓信息傳播從“人找信息”轉向“信息找人”。推薦算法一方面變更了信息傳播的原有秩序成為當代信息傳播的靈魂，讓用戶快速定位自己的興趣圈，捕捉核心內容，但一方面其也限制了大眾接觸信息內容的多樣性與主動性，造成信息繭房，恐引發系統性風險。

信息繭房問題自虛擬網絡的興起便長期存在，“網絡巴爾干化”、“圍墻花園”、“過濾氣泡”等描述均是指代這類不同子群內部的信息接收封閉。隨著互聯網平臺的普及與推薦算法的高度滲透，這種封閉現象愈發顯著，人們被動性地被信息引導，從而將自己的生活桎梏于像蠶繭一般的“繭房”中。對于個人，信息繭房會造成認知上的偏誤與窄化；對于平臺，可能會觸發偏倚性的引導；對于社會，已有民主情緒、政治事件、網絡公共領域、侵權糾紛、算法糾紛等案例擺出。信息繭房問題的產生，與互聯網信息算法推薦的便民性背道而馳，不利于提供給廣大人民群眾高質量的互聯網信息服務。

二、  推薦算法對信息繭房效應的二面性影響

當前產學界已有多數研究重點關注信息繭房帶來的不良效果，中國政策層面也出臺了《互聯網信息服務算法推薦管理規定》對算法推薦進行一定的監管把控。但是實際場景下，信息繭房假說未能形成明確概念，并沒有直接證據表明個體會放棄具有外部性的信息，相反，某些場景下信息繭房具有深度認知和提升參與性的優勢。因此，需要對信息繭房的正面影響機制與負面影響機制展開分別討論，探究如何通過治理的組合路徑實現正面效應最大化，負面效應最小化。

1.  信息繭房的二面定義

本文將“信息繭房”在正面視域下定位為：在大眾面對“信息爆炸”與“信息超載”環境下，通過算法技術或個人特征選擇等因素，對信息產生的過濾機制的結果，幫助大眾從繁雜內容轉而聚焦收攏的信息聚合現象。在負面視域下，定義“信息繭房”為：在技術與社會網絡群體發展過程中，信息類型從多元化向單一化，導致大眾在判斷中發生信息偏食、知識固化、個性偏執等困境的信息窄化現象。

2.  信息繭房的影響因素

依據信息傳播的路徑對信息繭房的影響因素展開調研，從“信息生產—信息傳遞—信息消費“三個階段關注信息繭房的正負兩面性。

信息生產階段，用戶的主觀信息類型需求和信息接收形式的需求是信息繭房形成的重要骨架，推薦算法推薦的內容是否豐富、充分、實時，可能是用戶主觀決定前的重要一環。也有學者指出，由于算法的出現改變了信息內容的生產方式，當平臺采集渠道的不適，將帶來相應的閱讀“暴力”問題，綁架式閱讀導致視野窄化和認知偏執。學界以新聞客戶端為研究對象出發，也觀察到不同平臺內容的差異化，其中蘊藏價值導向偏離、低俗信息增多等倫理問題。

信息傳遞階段，個性化推薦算法在從稀疏關系矩陣中挖掘有用信息的過程被概括為過濾機制，一方面，過濾機制為用戶挖掘了潛藏的“暗信息”，協同化又可以擴大用戶的興趣，而另一方面單一算法的偏差性自定義標簽將帶來大量的信息垃圾。在過濾完成后，算法將依據一定的推送規則將信息傳遞至用戶面前，基于社會網絡與關聯規則，算法將人群集中化，聚合同興趣小組的獲取內容。

信息消費階段，為保障消費者的信息權益，《互聯網信息服務算法推薦管理規定》中明確指出，算法推薦服務提供者對用戶個人特質做出限制或提供關閉選項，以保證算法消費過程的道德合規性。此外，基于用戶畫像，對用戶標簽做出管理也是推薦算法的重要一環，特殊標注、隱私政策、隱私標簽、匿名化處理均是用戶知情權，隱私保護的關鍵點。

表1  信息繭房影響因素

3.  信息繭房的影響機制

基于上述調研，以信息傳遞過程為框架，形成“信息繭房”影響機制框架如下圖所示。信息生產方面需要對傳入推薦算法的數據來源做出評估，影響因素包含傳入數據來源的多樣性，數據內容的分散程度；信息傳遞過程中，需要對推薦算法的算法機制進行探究，一是過濾機制是否是多種算法的混合，單一的過濾機制存在一定的片面性，二是推送機制是否對用戶實現了協同避免陷入單用戶困境；在信息傳遞至用戶進行消費的階段，推送機制中是否有用戶標簽管理，是否依據法律法規進行規范，是否有讓用戶自主進行開關的干預機制，都是對互聯網信息服務信息繭房影響評估的重要影響因素。

圖 信息繭房影響機制框架

為進一步探究推薦算法不同因子對信息繭房的多變量影響路徑，課題組選取《境內互聯網信息服務算法備案清單（2022年8月）》中披露的個性化推送算法類披露文件中17家企業備案信息為樣本，采用QCA定性比較分析方法進行分析評估。以推薦算法影響因子為自變量，分別探究信息繭房的負面影響與正面影響，最終得出1條顯著的負向管理措施及7條顯著的正向組合治理方案，可將結果歸納為三點：（1）把握倫理守則與干預機制是抑制信息繭房負向擴張的關鍵控制手段；（2）依據信息生產環節的采集來源分為兩類，聚合性來源互聯網信息平臺，需在信息生產環節進行數據打散并在消費過程中形成差異化的標簽管理；（3）自主內容生成類互聯網信息平臺，需著重關注推送機制或過濾機制上的混合處理。

三、  互聯網平臺信息服務算法推薦治理建議

1. 增強對平臺倫理偏誤的監督與網絡文明引導建設

治理路徑上，政府需要形成一定的倫理守則與干預方案。以當前的干預手段為例，前期用戶對于平臺的個性化推薦信息主要以被動接收的方式獲取，當推送的信息內容存在惡意誤導，隱私侵犯、過度宣傳時，用戶將被暴露于選擇同質化與認知極化的風險中，而伴隨著《互聯網信息服務算法推薦管理規定》的正式實施，本次17家調研的平臺均在實施后陸續上線“個性化推薦”開關，極大降低了用戶對于信息接受的心理負擔與心理依賴。因此，對于平臺的信息繭房負面性，仍需要依據監管手段與整體文明建設來進行消解，對虛假信息形成有效監督，對防止沉迷進行門檻設置、對過度消費進行合理控制。

2. 提升信息聚合平臺在輸入與輸出節點的打散機制

信息聚合平臺以垂直類服務為基礎，常見的包括新聞類平臺、求職類平臺、母嬰論壇等，其以外部信息采集、內容主題相似、群體需求同質化為特征。以今日頭條為例，其作為國內首個基于推薦算法自動分發機制的新聞客戶端，當前已擁有1.4億活躍用戶且每人每日平均時長高達76分鐘。今日頭條通過大量采集即時性的外部新聞，并基于個人搜索記錄、訪問記錄、查看記錄等行為數據，為用戶打造個性化的個人標簽，實現用戶專屬的個人日報。

以新冠疫情時期為例，當在輸入端大量收集同質信息且缺乏信息打散，輸出端對用戶的標簽管理過度關注信息瀏覽動態而缺少主動尋求與屬性性質的管理時，造成用戶的信息獲取封閉圈，給用戶帶來極大的回避心理，特殊時期甚至帶來了認知層面的創傷。因此，對于垂直類平臺需要信息采集階段更著重內容的打散規避輸入上的單一，可以在輸入源上增加相似性探測，避免造成傳遞中推薦協同和過濾機制的無效，也需關注在用戶消費階段用戶畫像的管理模式，把控行為數據與偏好數據、個人數據的比重，防止因個性化而限制多元化。

3. 優化信息自生產平臺的信息傳遞協同與混合性

針對UGC為代表的內部信息生產平臺，在算法規范限制時應注重信息傳遞過程中的用戶協同過濾與推薦算法混合制度。以抖音個性推薦算法為例，其通過深度學習技術框架建立模型預估了用戶對某個內容產生互動的概率，設置相互用戶間的協同策略，對預估內容進行過濾。同時，為規避“信息繭房”負面問題的產生，其在推薦機制中設置了一定比例的興趣探索內容與不常觀看內容，實現了內容上的多樣。依據此類過程，不僅保障了用戶信息接觸的深入程度，也潛在擴大了興趣圈。相較單一過濾帶來的信息收口，信息傳遞中協同與多樣混合機制，將提升信息服務的優質性。 

（作者陸綺雯、許鑫均來自華東師范大學經濟與管理學部。“產業與治理”專欄由華東師范大學許鑫教授主持，關注新技術、新產業、新業態、新模式等新型經濟形態，關心新興技術治理，探討科技創新在經濟社會發展中的前瞻性問題。）