算法推薦機制下“過濾氣泡”的形成、影響與規避

董方旭 康許培 趙樂群

【摘要】算法推薦的出現對新聞的生產與傳播帶來了極大影響，尤其是“過濾氣泡”現象的出現，更是引發了學界和業界的廣泛關注。通過對“過濾氣泡”的形成、影響及其規避的闡發，旨在使用戶對該現象有一個更為全面深入的認識。我們在看到其負面影響的同時，也應正確利用算法推薦的積極作用，助力新聞業的健康發展。

【關鍵詞】算法推薦;過濾氣泡;影響;矛盾;規避

隨著人工智能時代的到來，新聞業已經發生了翻天覆地的變化。機器人寫作、VR/AR新聞、算法推薦、無人機采訪等“科技+新聞”的產品正被越來越多地應用在人們的日常生活中，并不斷給用戶帶來新奇的感受與體驗。然而，這些產品在解放傳統媒體人的同時，也對媒介倫理發起了挑戰。尤其是算法機制帶來的“過濾氣泡”現象，更是不容忽視。筆者旨在通過對“過濾氣泡”的形成、影響與規避等層面的分析，指出“過濾氣泡”的雙刃劍屬性。即越來越多的用戶既要看到這一現象帶來的信息窄化、身份歧視、思維固化等負面影響，也要積極運用它的精準推送、快速分法和渠道拓寬等優勢，更好地服務于用戶體驗和新聞生產。

一、算法推薦與“過濾氣泡”

信息過載時代，如何實現信息的高效分發成為一個難題。算法推薦的出現將用戶所需的信息從龐大的互聯網信息庫中迅速篩選出來，并將其精準地送到用戶面前，從而解決了這一難題。騰訊、微博、微信、今日頭條、一點資訊，以及搜狐新聞、騰訊新聞等門戶網站均采用了算法推薦，以增強用戶體驗，提高用戶黏性。與此同時，隨著技術的不斷升級，算法也在不斷優化與改進。其中，主要有四種主流算法：一是基于內容的推薦。它主要根據用戶的歷史記錄進行文本分析，提取關鍵詞，向用戶推薦與歷史項目相似的內容。二是協同過濾推薦。它通過找到與用戶具有相似偏好的用戶進行內容推薦。三是關聯規則推薦。即通過大量用戶的歷史數據，挖掘潛在關聯，分析用戶的潛在興趣。四是組合推薦。即集合多種算法，取長補短，實現信息的精準推薦。[1]

眾所周知，技術是把雙刃劍。算法一方面提高了互聯網的生產力，但另一方面，它的出現也面臨著諸如收集數據時對用戶的隱私侵犯、算法自身所包含的偏見與歧視、新聞內容把關失范，信息窄化、“信息繭房”等諸多倫理挑戰。當然，“過濾氣泡”現象同樣也是算法推薦引發的后果。作為一個概念，該詞最早由伊萊·帕里澤（Eli Pariser）于2011年提出。在他看來，“過濾氣泡”不僅以受眾的興趣愛好為導向，而且還能將受眾生活的方方面面都包裹在其中，從而為受眾打造了一個獨一無二的個性化信息場域。以至于無論是社交、購物還是閱讀資訊，受眾都將被過濾氣泡緊緊包圍。

二、“過濾氣泡”的形成

（一）受眾的行為導向

互聯網出現之前，大眾傳媒主要根據自己的媒體特色和價值立場來篩選與發布信息，而受眾對這些信息也并不是全盤接收。拉扎斯菲爾德等人提出的“選擇性接觸假說”指出：“受眾在接觸大眾傳播的信息時并不是不加選擇的，而是更愿意選擇接觸那些與自己既有立場和態度一致或接近的內容，而對與此對立或沖突的內容有一種回避的傾向。”[2]換言之，作為有自主意識的主體，在大眾傳媒已對信息進行了“一層篩選”的情況下，受眾仍然會以自我興趣為導向對信息進行“二次篩選”。在流量經濟時代，受眾這一特質引起了傳媒業的廣泛重視。尤其是在人工智能背景下，傳媒產業進一步爭取用戶的手段則是剝奪用戶“二次篩選”的“自主決定權”，并將其轉移給算法。算法雖然不能徹底了解用戶的需求，但它卻可以根據用戶留在網絡上的身份信息、社交關系與網絡行為，對其進行詳細分析，從而側面挖掘和推演用戶對內容的偏好和潛在需求，并在此基礎上向用戶精準推送符合其偏好的各類資訊。在這一過程中，雖然看似是由算法主導資訊分發，但算法推送的內容實際上仍是由受眾決定的。

（二）互聯網的全景式監視

為算法提供完整用戶數據的是互聯網這座無形的“監獄”。大數據時代，公民的日常行為被數字化編碼，一舉一動都被互聯網以數據的形式予以記錄。私人領域和公共領域之間已經自然地融合在一起。這種情況下，不管公民是否愿意，他們的隱私實際上隨時可能遭到泄露。[3]福柯曾提出“圓形監獄”這一概念來描繪權力運作模式：“四周是一個環形建筑，中心是一座瞭望塔。瞭望塔有一圈大窗戶，對著環形建筑。環形建筑被分成許多小囚室，每個囚室都貫穿建筑物的橫切面，一個對著里面，與塔的窗戶相對，另一個對著外面，能使光亮從囚室的一端照到另一端。”[4]在監獄中，囚犯的一切都被公開在瞭望塔的監視者眼中，任何信息都無從藏匿。

如果說囚犯因為不知道監視者什么時候看他，而會進行“自我監視”，從而掩蓋自己的真實想法和行為，那么在互聯網環境下，他們的一切想法與舉動則無所遁形。因為他們甚至不能察覺到瞭望塔中有人在監視著他們，而這實際上也是一種更加隱蔽而全面的監視。美國理論家馬克·波斯特在福柯的基礎上，提出了“超級全景監獄”這一概念。“超級全景監獄中的數據庫給每個人都構建了身份，而且在構建時甚至全然不顧該個體是否意識到這種構建。電腦數據庫‘認識這些個體，對數據庫而言，他們有獨特的‘人格，并且電腦會根據具體情況按程序化的方式‘對待他們。”[5]在這一場景中，計算機數據庫顯然擔任了瞭望塔的監視者這一職務。它們全方位監視并記錄著用戶的生活，雖悄無聲息卻又無處不在。用戶作為超級全景監獄的“囚犯”，所作出的任何無意識舉動都將處于互聯網的監視之下，并留下“數據腳印”。而這些“數據腳印”很快就會被互聯網技術深入追蹤、分析，并從衣食住行各個方面拼湊出一個人完整的虛擬畫像。

（三）算法的反饋機制

向用戶提供個性化推薦服務的算法實質上是一套編碼程序，該程序的設定依托于互聯網收集的海量數據。用戶數據與內容數據被建立起數字化的聯系，從而生成了各式各樣的“用戶—內容”的程式。一旦用戶信息被作為自變量錄入算法，算法便會在海量數據庫中進行自動化運算，然后通過既定反應排除其他關聯度較小的選項，反饋出符合用戶興趣和需求偏好的特定信息。當然，這一反饋過程也是“過濾氣泡”形成的過程。只是這些反饋結果并不是一成不變的。具有“自我反饋”技能的算法會對互聯網上實時更新的數據流進行自動追蹤，對用戶不斷發展變化的網絡行為進行分析，進而優化算法模型的參數和閾值，以期得到更加精確的分析結果，從而形成獨一無二的個性化推薦系統。隨著“數算力”時代的到來，算法推薦正在被越來越普遍地運用于人們的日常生活中。諸如“網易云音樂”的“每日歌曲推薦”，“淘寶”首頁的“猜你喜歡”等早已被用戶所熟知。毫不夸張地說，算法推薦已經滲透到了人們生活的每個角落，并將用戶的日常生活包裹得密不透風。因此，身處“過濾氣泡”中，用戶對信息的“自我選擇權”在很大程度上被讓渡給了算法。

三、“過濾氣泡”的影響

（一）精準的信息匹配

互聯網帶來的信息“爆發性”發展使用戶在海量的碎片化信息中難以迅速找到自己感興趣的閱讀目標，從而個體需求無法滿足。為了進一步提高分發效率，大數據算法應運而生。就像每個生物體內都有特定生物膜鑒別異質、阻擋異物侵入一樣，算法推薦帶來的“過濾氣泡”也為每位用戶的網絡生活提供了一層“電子膜”。它主要以用戶的行為動機為導向，綜合參考多個維度來篩選“異物”，從而讓“符合條件”的信息順利抵達，以實現用戶與信息的精準匹配。

算法架構師曹歡歡曾介紹，“今日頭條”的算法推薦主要從三個維度來考慮用戶與信息的適配性。第一個維度是內容特征，它主要通過對文章、圖片、視頻的內容進行關鍵詞提取生成“內容畫像”，并根據“內容畫像”尋找適合的用戶。第二個維度則是用戶特征，與第一個維度原理相似，它主要是提取用戶上網的有效數據，從而做成“用戶畫像”。第三個維度則是環境特征，身處不同的地點、不同的場景，用戶的喜好可能會發生改變。基于此，算法可能會綜合環境因素做信息推送。而今許多推薦系統在以這三個維度作為推送基礎的同時，還各自發展了其他評判維度。[6]

總的來說，維度越多、越細化，對于信息的匹配也就越精準。在信息井噴的今天，為提高分發效率、加強用戶黏性，許多媒體均引入了推薦系統。諸如《華盛頓郵報》從亞馬遜使用的產品推薦系統中獲得了靈感，自主研發了clavis智能算法引擎，建立了新的推薦系統，并將其運用在頁面底部的“The Post Recommends”板塊中。該智能算法一方面通過td-idf算法（term-frequency，inverse document frequency）為每篇文章進行主題分類并匹配關鍵詞，另一方面則對用戶閱讀歷史中的關鍵字和短語進行分析，將每一位讀者進行分類并貼上關鍵詞，從而將讀者與符合其閱讀歷史的文章匹配。[7]

（二）“窄化”的信息環境

不可否認，“過濾氣泡”在面對海量信息時確實提高了信息的分發效率。但與此同時，“過濾氣泡”過分“投其所好”，其個性化的信息推送常常將許多有價值的、多元的信息阻擋在氣泡之外。在傳統媒體主導新聞分發的時代，編輯往往根據新聞的重要性、顯著性、時效性等特點進行把關，且對于內容的選擇往往會受到新聞制作中的業務標準和新聞傳播中的市場標準的雙重制約。對此，有學者在梳理國內外新聞算法研究的新進展時，提到了外國學者德維托“通過對比傳統媒體和算法機制兩種不同的生產原則和價值取向，指出傳統媒體具有公共屬性，更關注異常、破壞現狀的越軌行為;而算法新聞則主要受到商業利益的驅動，根據用戶需求生產和傳播個性化信息”[8]。這就意味著傳統媒體更趨向呈現給用戶公共的、多元的、開放的信息。但隨著算法的普及，用戶對公共議題的關注逐漸弱化，對興趣點的關注亦被簡化。從而出現了喜愛體育的用戶難以看到經濟信息，而喜愛經濟的用戶也難以看到娛樂信息的現象，從而用戶逐漸被“過濾氣泡”囚禁在窄小的圈層之中，形成了信息環境的窄化。長此以往，“過濾氣泡”為用戶營造的擬態信息環境就會越來越狹隘。而用戶身處其中，其思維模式也會逐漸走向片面化和單一化。久而久之，用戶便會被隔絕在信息孤島中，難以觸碰到真實的世界。

四、“過濾氣泡”引發的矛盾

（一）信息接收的窄化與拓寬

20世紀大眾媒體的環境特征之一在于偶然接觸新聞。人們在閱讀報紙時除了根據自己的需求與興趣著重關注自己感興趣的內容之外，還有可能偶然接觸到自己興趣點之外的信息。例如，一位對政治新聞感興趣的讀者在報紙上閱讀完時政新聞后，會有很大概率接觸到相鄰版面的財經新聞、民生新聞等信息。基于這樣的偶然接觸，讀者的視野得到開闊，而不再僅僅局限于某一方面的信息。與此同時，當具有過濾機制的算法因其個性化服務盛行于互聯網時，許多學者則會擔心這樣強針對性、高個性化的信息推送會導致用戶偶然接觸的機會減少，從而使用戶視野變得狹窄，思維逐漸固化，并最終隨著信息接收的“窄化”陷入“信息繭房”的困境。

毋庸置疑，“過濾氣泡”帶來的單一化信息推送現象的確存在，但是這種個性化推送真的會形成嚴重的信息“窄化”嗎？2017年，路透社研究院就曾針對該現象做過數據調查并給出分析報告。該報告指出，“回音壁效應”與“過濾氣泡”對某些人來說是真實存在的。但他們同時也發現，總體來看，社交媒體、新聞資訊平臺以及搜索引擎的使用者會比非使用者接觸到的信息更加多樣化，而且算法能夠使大多數用戶接觸到更多的在線內容。通過調查還發現：大約有36%的用戶贊同社交媒體和新聞資訊平臺將使他們看到不常使用的新聞來源，而27%的用戶則持反對意見，剩下的用戶保持中立。[9]除此之外，2018年，阿姆斯特丹大學的Judith M[O]ller、Damian Trilling等學者通過研究多個推薦系統對多樣性的影響發現，所有調查之下的算法推薦邏輯都證明它們可以產生與人工編輯差不多的推薦結果，并且若該推薦系統是基于用戶歷史推薦時，則可以大大增加推薦主題的多樣性。[10]這些研究表明，雖然算法會根據用戶的上網軌跡來推測用戶喜好，但事實上這種個性化推薦并非是過于單一化、片面化的。故而，身處這一推薦系統下的用戶并沒有完全處于信息孤島中。就目前來說，“過濾氣泡”帶來的信息環境“窄化”似乎仍處在一個可控的范圍內，甚至因為算法對互聯網海量信息的高效分發使得用戶接觸信息的范圍有擴大跡象。

（二）用戶身份的平等與歧視

在傳統媒體大行其道的時代，大眾傳播中的傳受關系極其不對等。以大眾傳媒為主的傳播者掌握著信息生產和分發的主要權力，他們是傳播特權的擁有者。而受眾在傳播過程中則完全處于被支配的地位，即傳播者呈現什么內容，受眾就只能在指定范圍內進行信息接收。這一時期的大眾傳媒牢牢把握著信息流通的內容、渠道和方向。互聯網時代的到來則給大眾傳媒帶來了新的挑戰，海量的、碎片化信息的出現以及網絡環境下共享性、便攜性等新要求的提出，使得大眾傳媒不得不將“把關者”的部分權力讓渡給算法。從而算法推薦的應用不僅提升了用戶節點的權重，而且也提高了用戶在新聞生產流程中的地位。可見，算法推薦帶來的過濾氣泡在某種程度上可以說是受眾意志的體現。它的存在表明了以往以大眾傳媒的價值觀為導向的傳播原則如今正逐漸向以個人意志為導向的方向轉變。其個性化的過濾機制不僅削弱了大眾傳媒議程設置的權力，而且還使得每個個體逐漸成為自己的議程設置者，從而使得大眾傳媒在信息傳播中的壟斷地位日益被打破。

只是當用戶在享受著更加平等的傳受關系時，也有可能正經歷著更為隱秘的歧視。這是因為以個人信息作為篩選基礎的“過濾氣泡”不僅為用戶篩選信息，同時也為信息篩選用戶。2015年卡內基·梅隆大學和國際計算機科學研究所（ICSI）曾做過一項調查，該調查使用了一款名為AdFisher的定制軟件模擬網絡用戶的瀏覽活動。當軟件假冒男性用戶訪問招聘網站時，它或許會看到更多許諾高薪的廣告，而假冒女性用戶時卻無法看到。另外，2018年電子科技大學的周濤在“新青年新未來——第二屆AI+移動媒體大會”上提到，他發現很多開發者在設計商品推薦系統時，會考慮用戶對價格的敏感性。換言之，如果一個用戶經常購買同類商品中價格比較便宜的，則算法就會判定該用戶比較“窮”，從而會優先為該用戶推薦低價商品。可見，在用戶常見的個性化廣告、個性化推薦中，其實隱藏著“歧視”。更有學者認為：“算法推薦的內容差別導致階層間價值觀念的差異，通過社群傳播，最終導致對不同階層認知的偏見，從這個角度來看，個性化推薦下的過濾氣泡強化了既有階層的偏見。”[11]可見，雖然“過濾氣泡”的存在有效地維護了用戶的主體性，但在這個過程中，用戶甚至不知道什么信息被過濾了，而這正是“過濾氣泡”真正令人擔心的地方。

（三）自我意識的提升與算法控制

不言而喻，傳受關系趨于平等化有利于促進用戶自我意識的提升。在這種情況下，用戶在網絡環境中被平等賦權。[12]有了這種賦權，用戶就不再僅僅是信息的接收者，而是逐漸參與到內容的生產、把關、傳播等各個環節中的多元主體。正如“今日頭條”的讀者不僅可以在該平臺上閱讀資訊，還可以申請成為內容的生產者進行創作。當然，微博用戶的每一次分享、轉發、點贊都相當于是一次內容篩選，類似于一種“社交把關”。總之，不管是在哪個平臺，用戶的個人偏好都已經成為該平臺最基礎的信息推送依據。喻國明認為，這種變化“無疑賦予了參與者一種權力感，他們通過參與、合作，重新制定了標準和規范，讓人感到即使擺脫主宰20世紀的舊權力這一‘中介，自己也能獲得成功”[13]。

與之相矛盾的是，“過濾氣泡”機制雖然一方面促進了用戶自我意識的提升，但另一方面卻也在無形中規訓著用戶的思想與行為。如果說在互聯網出現之前，用戶還擁有在報紙上、電視上選擇其他內容的權利，那么，自動化算法推薦的出現在某種意義上則是對用戶“自主選擇權”的剝奪，它在一定程度上決定了用戶的信息消費和生產行為。伊萊·帕里澤在TED演講上也說明了這一權利被剝奪的后果：“互聯網只推薦他們認為我們想看的，而不是我們必須去看的。”長此以往，在不斷接收同類化的信息過程中，人們的認知會走向窄化，思維會走向固化，甚至在安逸的環境中會逐漸失去主動獲取不同信息的意識和能力。這是一種“溫和的暴力”，處于“過濾氣泡”中的用戶非但感受不到權利被剝奪的痛苦，甚至還會感到愉悅和享受。抖音依賴于個性化算法推薦所取得的巨大成功就是有力的證據。他們通過精準定位受眾，迎合受眾喜好，使得一個十五秒的短視頻就能常常讓用戶在刷了兩個小時之后還能沉浸其中。事實上，在這個場景中，用戶不知不覺地已被算法所操控，并樂此不疲地為該應用貢獻著流量。

五、“過濾氣泡”的規避

（一）尊重用戶隱私權

“過濾氣泡”形成的基礎來源于用戶在互聯網中的數據信息，但在很多情況下，互聯網企業捕捉用戶數據信息時并沒有經過用戶的同意。大數據時代，人們在互聯網上的一舉一動都會留下“數據腳印”，隱私的保護在這一時期顯得尤為艱難。面對這一情況，互聯網企業首先要自律，要充分尊重用戶在網絡活動中的知情權。即在涉及收集用戶隱私數據時提前告知用戶，并在征得用戶同意的情況下進行收集。若用戶不愿意放棄個人隱私來獲取相應的個性化服務，企業也不應使用“霸王條款”直接禁止用戶對該應用的使用。除此之外，政府也應積極采取相關措施去維護公民在互聯網中的隱私權。

實際上，我國在隱私權保護方面起步較晚，體系也尚未完善，與西方發達國家相比仍有一定差距。為了彌補這方面的不足，我國可以虛心向他國學習，借鑒他國的成熟經驗。而今歐盟主要采取立法規制模式，通過法律條約對網絡隱私侵權行為進行限制。美國則主張以行業自律來解決這一問題。其倡導“政府少干預，行業重自律”的最低干預原則，要求行業自覺遵守相關法律法規，并根據行業自身特點制定行業內自律公約或成立自律組織，自覺進行自我管理。英國則采取技術控制模式進行應對，其主要使用先進的網絡隱私保護軟件對被收集資料的用戶進行提醒，通過展示網站正在或將要收集的數據內容，讓用戶自行決定是否繼續使用該服務。[14]我國則可以在此基礎上結合我國實際，探索出符合本國國情的網絡隱私治理新模式。

（二）自覺提升媒介素養

面對“過濾氣泡”，用戶應自覺提升自己的媒介素養，積極改變具有惰性的使用習慣，以擺脫算法推薦營造的“溫室”。根據路透社研究院2017年的研究結果可知，接觸新聞源更多的社交用戶偶然接觸新聞的概率要比接觸新聞源數量更少的非社交用戶大。這或許是因為各個平臺聚合的信息和使用的算法不同，由此根據用戶屬性推送信息的側重點也有所不同。在這種情況下，關注多個信息源能有效增大接觸偶然新聞的概率，防止算法推薦下信息渠道單一化帶來的消息重復化。因此，為規避“過濾氣泡”，用戶應有意識地拓展多個新聞源，從多個不同路徑獲取信息。此外，在一些媒體提供個性化定制功能服務時，用戶應該有意識地增添不同類別的主題，力求擴大信息推送范圍，弱化“過濾氣泡”所帶來的影響。最后，用戶還應當利用算法依據用戶網絡行為進行信息推薦的特性，主動搜索不同類別的信息，自覺打造多元的信息環境，進一步打破信息壁壘。總之，一旦用戶合理地運用不同的資訊平臺，那么，他們不僅能夠享受算法高效、精準的個性化服務，而且還能促進推薦內容的多樣化。

（三）優化算法設計

第一，增強算法設計的透明度。與算法推薦相伴而生的“算法黑箱”問題一直是算法受到外界詬病的一個痛點。處于“過濾氣泡”中，氣泡內有什么實際上不是由用戶決定的，也并非工程師個人可以掌控，而是由掌握信息分發權的科技巨頭決定的，用戶自身并不能看到哪些東西被過濾掉了。因此，適當提高算法設計的透明度則有利于讓用戶了解算法的運行依據，讓用戶知道算法是基于哪些方面為自己推送信息，而哪些信息又被它過濾掉，從而根據算法的運行規則調整自身行為，以減輕“過濾氣泡”的負面影響。麻省理工媒體實驗室曾開發了一個名叫Gobo的社交媒體聚合器，來幫助用戶更好地達到這一目的。該應用主要是讓人們通過滑動政治、嚴肅、粗魯等指標的滑片，來調整自己的氣泡。如推動“政治”指標的滑片，觀點的呈現范圍則是從“我的觀點”到“大量觀點”。通過調整該過濾器，用戶既可以從橫向選擇信息的接收范圍，又可以從縱向調整信息接收的深度。[15]

第二，深化算法的學習功能，探索用戶新的興趣點。如今的算法推薦主要是分析用戶當下的意愿需求，收集用戶短期的信息以進行反饋。但短期的用戶信息收集很可能會導致數據反饋的片面化，進而使用戶陷入“過濾泡沫”的困境。未來的算法應該深化學習功能，增強預測力，并通過感知、分析用戶需求的自然轉變及時對算法做出適當的調整，主動探索用戶不斷變化的興趣點。

第三，堅守價值理性。當下大部分互聯網公司都是以盈利為目的的商業公司，在“注意力經濟”時代，個性化算法顯然是它們謀取更多利益的重要手段。然而，個性化算法雖然能精準戳中用戶的興趣點，給公司帶來巨大的商業利益，但過于“投其所好”對于用戶來說或許會有信息窄化的風險。基于此，對價值理性的堅守之于當今的互聯網公司來說尤為重要。

近幾年，一些互聯網公司為解決算法帶來的“過濾氣泡”問題也做出了相應的努力。諸如社交化新聞聚合平臺BuzzFeed推出了“Outside Your Bubble”功能，它在一些熱門文章的底部附上了來自Twitter、Facebook、Reddit等多個平臺的觀點和評論。而這些觀點和評論往往來自不同的立場，表達不同的態度。BuzzFeed做出這樣的設計正是想要避免個性化推薦所帶來的信息環境單一化現象。為應對這一問題，谷歌瀏覽器也在做著同樣的努力。它推出了一款名叫“逃離泡沫”（Escape Your Bubble）的插件，這款插件會根據用戶的閱讀習慣，在用戶閱讀facebook上的新聞時，推薦與其原有立場、觀點相左的不同視角的文章。[16]顯然，它與BuzzFeed的原理類似，也是試圖讓用戶接觸不同的觀點和信息，旨在拓寬用戶視野，打破“過濾氣泡”構成的“信息壁壘”。

六、結語

綜上所述，“過濾氣泡”現象對用戶來說已經成為一把雙刃劍。作為人工智能時代的產物，算法推薦所帶來的“過濾氣泡”一方面引發了許多關于媒介倫理問題的爭論，但另一方面，它也順應了時代潮流，極大地提高了傳媒產業的效率和效益。本文基于對算法推薦機制下“過濾氣泡”的形成、影響以及產生的基本矛盾，提出了“尊重用戶隱私權、提升媒介素養、優化算法設計”等規避措施。以此希望越來越多的互聯網用戶能夠辯證地看待“過濾氣泡”現象。即不僅不再單純糾結于它所帶來的種種負面影響，而且還要努力學會在現有條件下充分利用其高效分發和精準推送的優點，從而拓寬自己獲取信息的視野和渠道，實現自身利益的最大化。

[本文為教育部2018年第一批產學合作協同育人項目“地方高校通識教育網絡課程資源建設與管理模式研究”（項目編號：201801039020）;國家廣播電視總局部級社科研究項目（項目編號：GD1955）的階段性成果]

參考文獻：

[1]喻國明，韓婷.算法型信息分發：技術原理、機制創新與未來發展[J].新聞愛好者，2018（4）：8-13.

[2]郭慶光.傳播學概論[M].北京：中國人民大學出版社，2011：77.

[3]顧理平.大數據時代公民隱私數據的收集與處置[J].中州學刊，2017（9）：161-167.

[4]米歇爾·福柯.規訓與懲罰：監獄的誕生[M].劉北成，楊遠嬰，譯.北京：生活·讀書·新知三聯書店，1999：224.

[5]馬克·波斯特.第二媒介時代[M].范靜嘩，譯.南京：南京大學出版社，2000：96.

[6]今日頭條推薦算法原理全文詳解[EB/OL].https：//36kr.com/p/5114077.

[7]How the Washington Post used data and natural language processing to get people to read more news，[EB/OL]https：//knightlab.northwestern.edu/2015/06/03/how-the-washington-posts-clavis-tool-helps-to-make-news-personal/.

[8]章震，周嘉琳.新聞算法研究：議題綜述與本土化展望[J].新聞與寫作，2017（11）：18-23.

[9]路透社研究所.2017數字新聞報告（英文版）[EB/OL].https：//max.book118.com/html/2018/0111/148314516.shtm，2018.1.11.

[10]路透社研究所.2017數字新聞報告（英文版）[EB/OL].https：//max.book118.com/html/2018/0111/148314516.shtm，2018.1.11.

[11]趙雙閣，岳夢怡.新聞的“量化轉型”：算法推薦對媒介倫理的挑戰與應對[J].當代傳播，2018（4）：52-56.

[12]喻國明，楊瑩瑩，閆巧妹.算法即權力：算法范式在新聞傳播中的權力革命[J].編輯之友，2018（5）：5-12.

[13]喻國明，楊瑩瑩，閆巧妹.算法即權力：算法范式在新聞傳播中的權力革命[J].編輯之友，2018（5）：5-12.

[14]魏玉東.大數據時代國外網絡隱私保護的典型模式及對我國的啟示[J].沈陽工程學院學報（社會科學版），2018（4）：456-460.

[15]網絡上由來已久的“過濾泡沫”現象想要解決光靠科技可不行[EB/OL].https：//baijiahao.baidu.com/s？id=1610312407762574355&wf

r=spider&for=pc，2018.8.31.

[16]圍觀良心外媒的“戳泡運動”[EB/OL].https：//news.qq.com/original/dujiabianyi/paopao.html，2017.3.21.

（董方旭為河北大學教務處講師、高等文化研究院研究員;康許培為保定學院講師;趙樂群為河北大學新聞傳播學院學生）

編校：趙亮