哈佛x路透社最新研究：網絡過濾器泡沫背後的真相_風聞

本文看點

▪ 互聯網專家用“網絡過濾器泡沫”這一術語，指代互聯網算法基於搜索歷史進行信息推薦，加劇人們看待事物時的兩極分化。本文來自哈佛大學和路透社研究所對38個地區的75,000人進行的調研，發佈於2020年1月底。

▪ 

有趣的是，該研究發現，使用社交媒體以及搜索引擎獲取新聞的羣體，獲得新聞的多樣化程度更高。這一調查結果與網絡過濾器泡沫效應的假設恰恰相反。

▪ 

實際上，使用社交媒體的人羣擁有更多不同的在線新聞來源。專注於過濾器泡沫可能會導致我們誤解新聞背後的機制，妨礙我們正確地看待政治和社會分裂的深層次原因。

原文來自Reuters Institute；University of Oxford，作者Richard Fletcher

網絡過濾器泡沫這一流行術語由埃利·帕雷瑟創造，指一種認知或意識形態的孤立狀態：由網絡算法通過用户過去的行為和搜索歷史，提供其認同的信息結果。然而，我們的高級研究員理查德·弗萊徹發現，有關網絡過濾泡沫的學術研究卻講述了一個完全不同的故事。

過濾器泡沫和迴音室效應一樣嗎？

人們習慣使用Facebook、Twitter和Apple News等獲取新聞，而新聞內容是由算法自動選取的。

算法通過平台的歷史瀏覽數據和用户自願提供給平台的偏好數據進行篩選。人們擔心的是，這可能會進一步固化我們已有的瀏覽傾向。

迴音室和過濾器泡沫略有不同。**迴音室是當我們過度暴露在喜歡或同意的新聞中時發生的情況，會扭曲我們對現實的看法，**因為我們看到了太多片面的內容，忽視了其他的可能性，於是開始認為現實就是這樣的。

過濾器泡沫描述的是：**我們不喜歡或不同意的新聞被自動過濾，這會減少我們獲取的信息量。**這與迴音室截然不同，因為迴音室可能是過濾器的結果，也可能是其他因素的結果，但過濾器泡沫必然是算法過濾的結果。

 為什麼過濾器泡沫如此盛行？

過濾器泡沫是非常有力的描述，背後的機制似乎也説得通。每個人都能理解而且聽起來不無道理。

理解過濾器泡沫非常重要，自特朗普當選以來，它甚至改變了我們理解政治的方式。《連線》雜誌的一篇文章稱，**過濾器泡沫正在摧毀民主，**這種説法相當大膽。

而就在2017年，比爾·蓋茨還表示，**過濾器泡沫是新聞業的重大問題。**這兩種説法表明了大家對過濾器泡沫的普遍態度，即便上述二者並非典型的科技懷疑論者。不過在許多領域，過濾器泡沫的存在已被廣泛接受。

人們如何獲取新聞？

追本溯源是很有用的方法。**人們是否主要通過互聯網看新聞？**這個問題，在我看來是肯定的。

我和路透社研究所收集的大部分數據來自數字新聞報告（Digital News Report），**它調查了五大洲38個不同新聞市場的情況，主要集中在歐洲，約75,000人蔘與調查。**調查由YouGov完成，我們負責設計問卷。

當問到人們主要的新聞來源是什麼時，回答網絡和電視的受訪者大致相同。在一些國家，電視略微領先。在另一些國家，網絡略佔優勢。但總的來説，人們獲取新聞的方式非常相似：使用網絡和電視獲取新聞遠遠超過了報紙和廣播。

對於45歲以上的人來説，電視更有可能是主要的新聞來源。45歲以下的人更有可能從網上獲取新聞。

自2013年以來，我們一直在追蹤不同國家對社交媒體新聞的獲取情況。從2013年到2016年，**社交媒體閲讀新聞持續增長。****每週使用社媒閲讀新聞的人數從2013年的25％上升到2016年的超過50％。**但在過去三年中，這一比例已經趨於平穩。

如果再深入研究各個社交平台，就會發現在大多數國家，Facebook是獲取新聞的主導平台。

根據2014年不同國家用户的數據，Facebook的新聞用户徘徊在全國用户的35％左右。2016到2018年，這一比率略有減少。

同一時期，WhatsApp等其他社交網絡在獲取新聞方面變得越來越重要。這些不同類型的社交網絡也被歸在社交媒體的類別下。

在過去五年裏，通過WhatsApp瀏覽新聞的人數從10％增長到16％，Instagram也出現了類似的增長。

還有哪些算法影響新聞瀏覽？

搜索引擎、電郵、手機推送和新聞平台在某種程度上也依賴算法傳播新聞。

當我們問人們在網上獲取新聞的主要方式是什麼時，大約三分之一的人説是BBC新聞或《衞報》等新聞門户的網站和App。

另外三分之二的人獲取新聞的主要方式是通過搜索引擎、社交媒體等，其中部分服務在不同程度上依賴算法。

當談到過濾器泡沫時，我們應該關注其潛在的影響。**算法和算法驅動的新聞服務非常重要，**很多人藉此獲取在線新聞。

個性化如何運作？

我們應該區分自選個性化和預選個性化。

自選個性化指的是我們自願的個性化處理，這一點特別重要。人們決定如何個性化新聞服務：買什麼報紙、看什麼頻道，同時決定不看什麼新聞。學者稱之為選擇性瀏覽。它受到一系列事物的影響，比如人們對新聞的興趣、政治信仰等等。

預選個性化是針對用户的個性化，有時通過算法進行，有時在人們不知情的情況下進行。這與過濾器泡沫直接相關，因為算法可能代替人們做出選擇，而人們可能還沒有意識到。

弄清區別特別重要，因為我們不能將預選個性化及其影響與無自選個性化等同，不能假設人們在線下或者網上閲讀新聞是完全隨機的行為。

人們或多或少地參與了個性化，如果想了解預選個性化的程度，必須將其與現實情況，而不是理想模型進行對比。

不要浪漫化線下新聞的本質。我們做的第一批研究就是**觀察人們如何在線上和線下選擇新聞。**我們研究了英國的新聞媒體及其受眾相互重疊的程度。

線下讀者只會關注幾個他們偏愛的新聞來源。線上情況則不同，單個新聞門户的受眾較小，新聞瀏覽分散在許多不同的站點。

線上新聞通常是免費的，人們從不同的來源瀏覽新聞，我們發現，**線下新聞自選個性化比線上更突出。**這就是為什麼將線上新聞與現實情況比較如此重要的原因。

社交媒體對瀏覽新聞有何影響？

社交媒體結合了自選和預選個性化。人們選擇關注特定新聞機構，而放棄了其他新聞機構。

但還有一種可能：**算法隱藏了人們不感興趣的新聞，刪去了人們不喜歡的新聞媒體。**大家的時間有限，所以算法所做的決定將會影響人們在Facebook看到的內容。

為了理解社交媒體如何影響新聞，我們將不使用社交媒體的人羣與另外兩個羣體比較：一組人稱他們有目的地使用社交媒體獲取新聞，另一組稱當他們使用社交媒體時，無意瀏覽了新聞。我們比較了英國、美國、意大利和澳大利亞的數據，研究社交媒體對不同人羣和不同社交網絡的影響。

我們發現使用社交媒體的人總會順便接觸到新聞，與根本不使用社交媒體的人羣相比，這顯著增加了此類人羣閲讀新聞的數量。也就是説，使用社交媒體的人羣擁有更多不同的在線新聞來源。

有趣的是，這種影響對年輕人來説尤為明顯，**也許是因為他們更善於使用社交媒體，在這些平台上更活躍。**對於那些對新聞不感興趣的人羣來説，這種影響同樣巨大。我們還發現YouTube和Twitter的新聞影響強於Facebook，這一點非常值得關注。

我們的研究表明大多數人，尤其是社交媒體用户，對新聞並不是很感興趣。這在網上尤其明顯，因為線上屬於高度自由的媒體環境。

對新聞不感興趣的人很容易完全忽視有關內容，但他們經常使用社交媒體，因此會偶然接觸到新聞，即使他們沒有搜索新聞。

搜索引擎會產生過濾器泡沫嗎？

搜索引擎不同於社交媒體，當人們打開搜索引擎搜索新聞時，他們是在有意識地搜索。但是，當搜索特定的主題時，搜索引擎仍有可能基於過去的數據，進行算法選擇。

當人們使用搜索引擎時，依然有可能被算法困在過濾器泡沫中。

我們比較了四個國家中搜索新聞和不用搜索引擎的數據，研究他們的新聞瀏覽習慣，我們稱其為多樣性和均衡。

我們發現算法有效地豐富了人們的新聞選擇。使用搜索引擎的人會比不使用搜索引擎的人接觸更多的新聞來源。更重要的是，他們很少只看到單一方面的偏激觀點。

依靠自我選擇的人往往有極度傾斜的閲讀傾向。使用搜索引擎的人通常更具有批判性。

其他研究怎麼説？

我們的研究與同領域的其他研究結果一致，儘管看待問題的方式不盡相同。有研究比較了不同羣體的搜索結果，比如美國共和黨人和民主黨人。

事實上，搜索政治話題時得到的結果或多或少有相同之處，也沒有確鑿的證據表明不同觀點的人得到的搜索結果不同。

調查數據的問題是，**人們不太善於記住他們獲取新聞的來源。**這是以往一直存在的問題。我們跟蹤了一組英國人的網絡使用情況，並將人們直接訪問新聞來源的情況與通過Facebook、Twitter等門户瀏覽新聞的情況進行了比較。

我們發現，**直接訪問越多，新聞瀏覽的多樣性就越低。**在社交媒體上獲取新聞時，人們不僅擁有更多的新聞來源，而且這些資源之間的平衡隨着多樣性的增加而改善。

有許多研究要麼發現了過濾器泡沫的微弱影響，要麼融合了其他干擾因素。幾乎沒有研究發現過濾器泡沫對新聞影響的有力證據。這是我們目前工作的總結，具有很高的代表性。

社交媒體會助長兩極分化嗎？

儘管使用社交媒體和搜索引擎時可能會豐富多樣性，**但這種多樣性可能是由更多的黨派或兩極分化的新聞來源造成的。**美國一組研究人員觀察了人們在Twitter上瀏覽與自己觀點相左的新聞所發生的情況。

如果他們是共和黨人，他們會從Twitter上得到很多民主黨人的信息，反之亦然。他們發現，當人們注意到來自反方的信息時，他們的態度開始分化，最初的想法變得更加根深蒂固。

我們採取了不同的研究方法：衡量不同國家不同新聞環境中兩極分化的程度，研究特定新聞媒體的受眾，查驗這些受眾所持觀點的人羣構成與整體人口有何不同。

不出所料，福克斯新聞在美國的受眾比總體上更右傾。美國新聞環境是兩極分化的，因為這裏的過濾器泡沫效應比其他國家分佈更為廣泛。

我們還比較了線上和線下的新聞瀏覽情況。在12個國家中，有8個國家的線上新聞受眾比線下受眾的兩極化程度要高，分散也更廣。

其他國家的數據要麼基本相同，要麼線下的情況更加兩極分化。不過，總的來説，網絡新聞環境似乎更加兩極分化。或許是因為新聞媒體更有動機在線上製作專門的黨派內容。

為什麼不要關注過濾器泡沫？

專注於過濾器泡沫可能會導致我們誤解新聞背後的機制，也可能會分散我們對更緊迫問題的注意力。在某種程度上，它與網絡平台的使用有關。這並不是網絡平台的問題，而是平台凸顯了這個問題。

**大多數已有的證據表明，線上新聞在搜索和社交媒體上的使用更多元。但這種多樣性同樣有可能造成態度的兩極分化。**這與過濾器泡沫假設的預測正好相反。我們沒有因為過濾器泡沫導致多樣性降低。這一假設未能抓住過濾器泡沫背後的原理。

我們知道平台一直在改變為用户提供新聞的方式，人們獲取新聞的方式也在改變。因此，我們需要批判性地研究算法選擇對新聞的影響，過去幾年的情況也不一定會在未來成為現實。

最重要的一點，對過濾器泡沫的關注可能會妨礙我們正確地看待政治和社會分裂的深層次原因。

雖然我們一直在研究社交平台及其對閲讀新聞的影響，但我們不能忽視更重要的潛在因素，它們才是現在社會問題的根本原因。