過濾氣泡指的是算法基于我們過去的搜索歷史，過濾掉與我們觀點(diǎn)相左或我們不喜歡的信息，只提供我們想看的內(nèi)容，從而造成人們認(rèn)知的隔絕狀態(tài)。

“過濾氣泡”（filter bubbles），這幾年最受內(nèi)容業(yè)關(guān)注的名詞之一。這一概念最早由互聯(lián)網(wǎng)活動(dòng)家Eli Pariser在其著作《過濾氣泡：互聯(lián)網(wǎng)沒有告訴你的事》（The Filter Bubble: What the Internet Is Hiding from You）中提出：

指的是算法基于我們過去的搜索歷史，過濾掉與我們觀點(diǎn)相左或我們不喜歡的信息，只提供我們想看的內(nèi)容，從而造成人們認(rèn)知的隔絕狀態(tài)。

然而，在路透社近期的一場研討會(huì)中，針對“臭名昭著”的過濾氣泡，高級研究員Richard Fletcher提出了完全不同的觀點(diǎn)。本期編譯Richard Feltcher的這場演講，帶你打破有關(guān)過濾氣泡的種種迷思。

過濾氣泡：流行、辨析與追問

過濾氣泡如今是一個(gè)非常流行的隱喻，其背后的原理聽起來十分合理且易于理解，也確實(shí)有其意義。就在2017年，比爾蓋茨還表示，過濾氣泡現(xiàn)象是如今新聞業(yè)中一個(gè)嚴(yán)峻的問題。可見，過濾氣泡的概念在許多領(lǐng)域被廣泛接受，并不僅僅是技術(shù)懷疑論者的呼聲。

過濾氣泡 VS 回聲室

首先，我們需要辨析兩個(gè)極其相似的概念：“回聲室”（echo chambers）與“過濾氣泡”（filter bubbles）。

我個(gè)人認(rèn)為，“回聲室”（echo chambers）和過濾氣泡（filter bubbles）略有不同。

回聲室效應(yīng)指的是：當(dāng)我們過多地接觸我們偏好的信息，我們對于現(xiàn)實(shí)的判斷可能會(huì)被扭曲，因?yàn)槲覀冞^分關(guān)注事物的某一面，而忽略了另一面，并逐漸認(rèn)為現(xiàn)實(shí)就是如此；而過濾氣泡描述的是另一種情況：我們不喜歡或不同意的新聞內(nèi)容會(huì)被自動(dòng)過濾掉，而這會(huì)縮小我們的認(rèn)知范圍。

這一區(qū)別十分關(guān)鍵，因?yàn)榛匾羰铱赡苁撬惴ㄟ^濾的結(jié)果，也可能是其他原因造成的；而過濾氣泡則一定是算法過濾的結(jié)果。

人們?nèi)绾潍@取新聞？

回到邏輯鏈的原點(diǎn)：人們究竟是如何獲取新聞的？人們真的使用互聯(lián)網(wǎng)獲取新聞嗎？

答案顯然是肯定的。

讓我們來看看路透研究院的《2019數(shù)字新聞報(bào)告》如何解讀。這份年度調(diào)查覆蓋了五大洲（主要在歐洲）38個(gè)不同市場的新聞使用情況，約75000人參與了調(diào)查。

當(dāng)被問到他們的主要新聞來源是什么時(shí)，大約相同數(shù)量的受訪者的回答是網(wǎng)絡(luò)和電視。在部分國家，電視占比略高；在另外一些國家，則是網(wǎng)絡(luò)占比更高。但總的來說，我們發(fā)現(xiàn)了一個(gè)高度一致的特點(diǎn)：電視和網(wǎng)絡(luò)在人們的新聞來源中占比遠(yuǎn)遠(yuǎn)超過了紙媒和廣播。

在不同年齡段的用戶之間，新聞消費(fèi)情況也有所不同。對于45歲以上的人來說，電視更有可能是主要新聞來源；而45歲以下的人更偏好從網(wǎng)上獲取新聞。

自2013年以來，我們一直在追蹤不同國家社交媒體新聞的消費(fèi)情況。從2013年到2016年，使用社交媒體獲取新聞的比例從25%左右增長到50%以上，2016年后，這一比例已經(jīng)趨于平穩(wěn)。

再深入一些，看看各個(gè)平臺的不同。在大多數(shù)國家，F(xiàn)acebook是新聞使用的主要平臺。從2014年以來，通過Facebook獲取新聞的人數(shù)比例約占整體人口的35%。從2016年到2018年，這一比例有輕微的下降。而在同一時(shí)期，WhatsApp等其他社交媒體在新聞使用方面變得越來越重要。

這些社交網(wǎng)絡(luò)類型迥異，但它們都被歸在社交媒體類別下。在過去的五年里，WhatsApp的新聞使用率從10%增長到了16%，Instagram也出現(xiàn)了類似的增長。

算法、社交媒體與搜索引擎

除了社交媒體，搜索引擎、郵件、聚合器等服務(wù)也在某種程度上依賴算法向人們提供新聞。

當(dāng)被問到他們在網(wǎng)上獲取新聞的主要方式是什么時(shí)，大約三分之一的人會(huì)直接訪問新聞網(wǎng)站或應(yīng)用程序如BBC、衛(wèi)報(bào)等；另外三分之二的人則表示他們會(huì)使用其他服務(wù)，包括搜索引擎、社交媒體等，而這些服務(wù)都在不同程度上依賴算法。

很顯然，算法及算法驅(qū)動(dòng)的服務(wù)在人們的新聞消費(fèi)中占據(jù)重要位置，的確值得我們的關(guān)注。

算法背后：兩種“個(gè)性化”

提到算法的個(gè)性化推薦，首先需要厘清兩個(gè)概念：自選個(gè)性化（self-selected personalisation）和預(yù)選個(gè)性化（pre-selected personalisation）。

1. 自選個(gè)性化（self-selected personalisation）指的是，我們主觀上對自己進(jìn)行的個(gè)性化處理，這一點(diǎn)在新聞使用中尤為重要。每個(gè)人的新聞消費(fèi)都有其偏好，展現(xiàn)出個(gè)性化的特點(diǎn)，所以我們會(huì)自主決定買什么報(bào)紙，看哪個(gè)頻道。學(xué)術(shù)上將這種個(gè)性化稱為“選擇性接觸”（selective exposure），它受一系列不同因素的影響，例如人們對新聞的興趣程度、人們的政治信仰等等。
2. 預(yù)選個(gè)性化（pre-selected personalisation）則指的是，人們在客觀上“被個(gè)性化”了，完成這種個(gè)性化的可能是算法，有時(shí)甚至?xí)谌藗儾恢榈那闆r下進(jìn)行。這種個(gè)性化與過濾氣泡直接相關(guān)，因?yàn)樗惴赡軙?huì)在人們毫無意識的情況下代替他們做出選擇。

這兩種情況的區(qū)別尤為重要，因?yàn)槲覀儾荒軐㈩A(yù)選個(gè)性化及其影響與自選個(gè)性化進(jìn)行比較。畢竟，即使人們在線下消費(fèi)新聞時(shí)，他們的選擇也不是完全隨意的。個(gè)性化一直存在，因此，如果我們想要理解預(yù)選個(gè)性化究竟造成了怎樣的影響，我們必須將其與現(xiàn)實(shí)情況進(jìn)行比較，而不是假想中的模型。

同樣重要的是，我們必須警惕，不要把人們在線下的新聞消費(fèi)行為想得過于理想。在這一領(lǐng)域，我們曾做過研究，比較人們在線上和線下如何選擇新聞。我們研究了英國某些新聞機(jī)構(gòu)的受眾相互重疊的程度。

在線下，人們會(huì)只關(guān)注他們喜歡的幾家媒體，非常深入地挖掘這些媒體提供的新聞。在線上，情況則有所不同。單家新聞機(jī)構(gòu)的受眾規(guī)模更小，因?yàn)槿藗兊男侣勏M(fèi)被分散到許多不同的媒體中去了。線上新聞通常是免費(fèi)的，所以人們可以從不同的來源中獲取新聞。

我們可以看到，本質(zhì)上，人們在線下的自選個(gè)性化行為比在線上更加突出。

社交媒體如何影響新聞消費(fèi)：一組對照試驗(yàn)

社交媒體結(jié)合了自選個(gè)性化與預(yù)選個(gè)性化。人們首先會(huì)依照自己的喜好，關(guān)注一部分媒體而忽略另一部分。當(dāng)然，算法在其中也發(fā)揮作用，向人們隱藏他們不感興趣或不喜歡的媒體內(nèi)容。

為了更好地理解社交媒體究竟如何塑造了我們的新聞消費(fèi)，我們設(shè)立了三個(gè)對照組：

1. 不使用社交媒體的人；
2. 主動(dòng)使用社交媒體獲取新聞的人；
3. 不會(huì)刻意用社交媒體獲取新聞，但會(huì)在使用社交媒體時(shí)看到新聞的人。

我們的數(shù)據(jù)來自英國、美國、意大利和澳大利亞這四個(gè)不同的新聞市場。

研究發(fā)現(xiàn)，不論是否是為了獲取新聞而使用社交媒體，這兩組用戶接觸新聞的程度都遠(yuǎn)遠(yuǎn)高于不使用社交媒體的人。也就是說，使用社交媒體的用戶會(huì)接觸到越來越多的不同的在線新聞來源。

有趣的是，這一效應(yīng)在年輕人身上更加明顯，也許是因?yàn)樗麄兏朴谑褂蒙缃幻襟w，在不同平臺上也更加活躍。對于那些對新聞不感興趣的人來說，此效應(yīng)也十分突出。我們還發(fā)現(xiàn)，相比YouTube和Twitter，這一效應(yīng)在Facebook上要更為明顯。

我們的研究說明，大多數(shù)人，尤其是使用社交媒體的人，對新聞并不是特別感興趣。在如今高度選擇性的網(wǎng)絡(luò)媒體環(huán)境中，人們完全可以選擇不關(guān)注他們不感興趣的東西。但社交媒體的存在，讓人們即使對新聞不感興趣，也會(huì)在偶然中提高接觸新聞的頻率。

搜索引擎造成了過濾氣泡嗎？

搜索引擎和社交媒體有所不同。當(dāng)人們使用搜索引擎獲取新聞時(shí)，他們是在有意識地、主動(dòng)地尋找某個(gè)內(nèi)容。當(dāng)然，即使是這樣，搜索引擎仍然可能通過你的數(shù)據(jù)進(jìn)行算法選擇和推薦。因此，當(dāng)人們使用搜索引擎時(shí)，過濾氣泡的確有可能存在。

我們同樣比較了兩組人群的新聞消費(fèi)習(xí)慣：

1. 使用搜索引擎獲取新聞的人；
2. 不使用搜索引擎獲取新聞的人，并重點(diǎn)觀察他們新聞消費(fèi)中的多樣性和平衡性。

我們發(fā)現(xiàn)，算法帶來的自動(dòng)化的偶然性（automated serendipity）過程有效地豐富了人們新聞消費(fèi)的多樣性。使用搜索引擎獲取新聞的人比不使用的人接觸更多的新聞來源。更重要的是，他們更有可能使用來自意見兩端的新聞來源，即平衡性更高。

依靠自主選擇的人的新聞消費(fèi)習(xí)慣往往不夠平衡，他們要么傾向激烈言論，要么傾向保守言論；而使用搜索引擎的人則趨向平衡。

過濾氣泡，也許并不值得過分關(guān)注

簡而言之，我們的研究發(fā)現(xiàn)，人們越多地使用直接的新聞來源，他們新聞消費(fèi)的多樣性就越低。而社交媒體不僅幫助人們接觸到更多的新聞來源，且讓人們看到了不同的新聞來源，即提高了人們新聞消費(fèi)的多樣性。

我們的結(jié)論與許多其他研究的結(jié)論是一致的。事實(shí)上，在針對過濾氣泡的諸多研究中，大部分研究都沒有發(fā)現(xiàn)可證明過濾氣泡及其影響的有力證據(jù)，即使有，也只是混合類證據(jù)（mixed evidence）。

多樣性不減，但極化的確存在

當(dāng)然，即使社交媒體和搜索引擎提高了人們新聞消費(fèi)的多樣性，這種多樣化的新聞消費(fèi)中也可能包含著更極端的新聞來源。

我們比較了人們線上新聞消費(fèi)與線下新聞消費(fèi)的極化程度的不同。我們調(diào)查了12個(gè)國家，其中8個(gè)國家的受眾的線上新聞消費(fèi)比線下更加極化，也更分散。整體而言，網(wǎng)絡(luò)新聞環(huán)境似乎的確更加極化，或許是因?yàn)椴糠中侣剻C(jī)構(gòu)更有動(dòng)力在網(wǎng)絡(luò)上發(fā)布更多的時(shí)政類內(nèi)容。

為什么過濾氣泡不值得過分關(guān)注？

我并不鼓勵(lì)大家過分關(guān)注過濾氣泡，因?yàn)樗鼛Ыo我們一些誤解，且會(huì)使我們忽略更加緊迫的問題。

如我所述，目前可得且可靠的實(shí)驗(yàn)證據(jù)都表明：

人們基于搜索引擎和社交媒體的新聞消費(fèi)行為更加多樣化，但這種多樣性有可能造成人們態(tài)度與使用習(xí)慣上的極化。這是一個(gè)很有趣的結(jié)論，因?yàn)樵谀撤N程度上它與過濾氣泡假說所預(yù)測的恰恰相反。

過濾氣泡假說認(rèn)為，我們所看到的信息的多樣性會(huì)越來越弱，最終造成一些負(fù)面的后果。也就是說，過濾氣泡假說與我們的研究發(fā)現(xiàn)最終的結(jié)論是一致的，但其中的機(jī)制卻截然相反。

如今，各大平臺都致力于改變新聞服務(wù)的方式，人們獲取新聞的方式同樣也在改變。因此，我們需要批判性地看待算法選擇對新聞消費(fèi)的影響，因?yàn)檫^去幾年的情況不一定適用于未來。

盡管我們一直在研究平臺及其對新聞業(yè)的影響，但更重要的是，我們不能忽視潛在的深層因素，這些因素才是造成我們目前面臨的問題的根源。

原文鏈接：https://reutersinstitute.politics.ox.ac.uk/risj-review/truth-behind-filter-bubbles-bursting-some-myths

作者：全媒派，公眾號：全媒派（ID：quanmeipai）

本文由 @全媒派 翻譯發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載

題圖來自Unsplash，基于CC0協(xié)議