疫情爆發以來，每日每夜，無時無刻，滔滔洪水般的新聞向我們洶湧而來，刺激着人們本就敏感多疑，疲憊不堪的神經。“信息過載”現象的出現也緻使人們會在海量信息中根據自己感興趣的内容進行選擇，久而久之，這種篩選機制會帶來信息視野狹窄以及觀點、立場固化等現象。

  而在此次的突發性公共事件中，人們争論最多的便是信息繭房和算法的存在。

01

首先我們用一則視頻來了解繭房效應。

https://v.qq.com/x/page/d0971rhtspz.html

了解繭房效應後，即使現代社會并沒有通過實證的方法證明信息繭房和算法之間的内在關系，但我們仍可以從國外學者對信息繭房的研究中得出：信息繭房其實隻是一種描述，描述人們的選擇性心理。

02

從疫情暴發到今天，我親眼感受到信息繭房的形成，它在個人和社交媒體平台上顯著存在。

個人

我以武漢作家方方所著的《方方日記》為例；我分析了從1月27日到3月23日近兩個月來，《方方日記》中的常用詞彙（如下圖，每隔5天統計一次），不難發現：這些熱頻詞彙存在負面性和不确定性，作家方方似乎也陷入了繭房之中。

大衆媒體會根據用戶的點擊浏覽推選合适的内容。疫情期間，張文宏醫生的各種言論引發網民關注。當用戶點擊微博論壇中有關張文宏醫生針對早餐是否喝粥的相關讨論後，其後各大社交媒體平台會向該用戶持續推送有關張文宏醫生的文章、視頻，甚至與熱詞“喝粥”有關的内容都進行推送。

03

我很好奇這種推薦機制是如何形成，難道是通過文章内部詞句感受到文章作者的價值傾向？因此我打算用一款名叫“情感分析傾向”的AI智能軟件來簡要解釋這個現象。

  “情感分析傾向”是針對通用場景下帶有主觀描述的中文文本，自動判斷該文本的情感極性類别并給出相應的置信度，情感極性分為積極、消極和中性。

   我選取了4篇文本，均來自知乎論壇中我浏覽較久的一些網友評論：（如下圖）

通過這款AI情感分析傾向我們可以得出大緻結論：四篇停留較久的文本中，三篇情感極性為消極，一篇為積極。在消極情緒占比較大的情況下，算法基于這樣的分析方法會在此後向用戶推薦擁有類似觀點的博主，這樣的篩選機制使用戶所接收的信息相對片面。當用戶選擇将此類文章視頻進行轉載分享時，用戶所在的社交群體也會潛意識被感染，該用戶成為了社交圈的信息來源。這種群體或圈子的社交關系網絡，強化了信息和意見的同質性，也帶來了“回音室效應”。

  面對重大突發的公共事件時，基于算法形成的信息繭房顯得“不堪一擊”。其原因就在于算法滿足的是用戶個性化的需求，但在這樣一場全民抗疫的社會化大協作中，疫情防控效果、疫情實時數據作為所有人高度關注的話題，大家對資訊的需求更多是千人一面。

  算法在解決個性化需求的同時，忽略了大家都應該知道的内容推薦。在類似于疫情這樣的突發性事件中，算法會根據人們初次輸入或選擇的内容通過自己的分析去進行之後的推薦，但卻無法有效地對内容的生産和呈現進行實時的組織和更新。

04

最後，雖然這場危機正在以各種各樣的方式影響着人們生活，但值得肯定的是：我們需要心靈的寬慰與解脫，而多樣且具有社會公共價值的新聞報道才具有持續的影響力。

作者/姚欣雨

指導老師/吳垠

輪值主編/張淩霄

責任編輯/黃怡靜