應(yīng)對(duì)過(guò)濾氣泡：算法策展對(duì)用戶信息消費(fèi)行為選擇性和態(tài)度極端化的影響

姜婷婷　呂妍　傅詩(shī)婷

關(guān)鍵詞： 過(guò)濾氣泡； 算法策展； 排序方式； 行為選擇性； 態(tài)度極端性

ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１００８－０８２１．２０２４．０７．００３

〔中圖分類號(hào)〕Ｇ２５２.０ 〔文獻(xiàn)標(biāo)識(shí)碼〕Ａ 〔文章編號(hào)〕１００８－０８２１ （２０２４） ０７－００２２－１２

個(gè)性化推薦系統(tǒng)已被廣泛應(yīng)用于購(gòu)物、新聞和流媒體等在線服務(wù)平臺(tái)， 其本質(zhì)是通過(guò)對(duì)用戶行為痕跡數(shù)據(jù)的分析， 預(yù)測(cè)用戶可能感興趣的內(nèi)容并進(jìn)行推薦。然而， 這種“定制化” 的信息服務(wù)往往因?yàn)橐l(fā)了“過(guò)濾氣泡” 問(wèn)題而飽受詬?。郏保?。以往研究認(rèn)為， 個(gè)性化推薦算法使得人們只能接收到符合自身偏好的內(nèi)容， 難以接觸到多元化信息， 長(zhǎng)此以往， 用戶將身處“窄化的信息世界” 中［２］ 。盡管人類本身就具有趨近與自身興趣和觀點(diǎn)一致的信息、回避不一致信息的傾向［３］ ， 但過(guò)濾氣泡的形成會(huì)加劇這一趨勢(shì)， 身處其中的人們只能聽到與自己立場(chǎng)和偏好一致的聲音， 逐漸產(chǎn)生極端化態(tài)度， 進(jìn)而促使不同立場(chǎng)的人群之間更加割裂， 甚至導(dǎo)致社會(huì)的兩極分化［４－６］ 。

為了避免這些負(fù)面影響， 如今的個(gè)性化推薦系統(tǒng)不再盲目追求推薦信息與用戶偏好的高度一致性，而是傾向于在推薦算法的準(zhǔn)確性和多樣性之間尋求平衡， 比如在推薦過(guò)程中引入意外發(fā)現(xiàn)（Ｓｅｒｅｎｄｉｐｉ?ｔｙ）機(jī)制， 以提供更廣泛的信息源和更多的異質(zhì)信息［７］ 。需要注意的是， 盡管信息異質(zhì)性得到提升，但不一致的信息仍有可能被用戶所忽略。這是因?yàn)閭€(gè)性化推薦算法對(duì)信息的策展過(guò)程是多階段的， 除了基礎(chǔ)的信息選擇之外， 還包括了對(duì)信息的排序、分類和組織呈現(xiàn)［８］ 。其中， 信息的排序被證明是能否吸引用戶點(diǎn)擊與注意的決定性因素［９－１０］ 。目前的個(gè)性化推薦系統(tǒng)排序方式綜合考慮了多個(gè)因素， 其中最常見(jiàn)的因素包括信息內(nèi)容與用戶個(gè)人偏好的匹配度、信息質(zhì)量與發(fā)布時(shí)間等［１１－１２］ 。為了實(shí)現(xiàn)準(zhǔn)確性與多樣性平衡的信息消費(fèi)， 算法開發(fā)者需要對(duì)不同的排序指標(biāo)分配合理的權(quán)重， 而其實(shí)現(xiàn)基礎(chǔ)則是需要理解這些排序指標(biāo)對(duì)于過(guò)濾氣泡是否存在以及存在怎樣的促進(jìn)或者緩解作用。

此外， 本研究認(rèn)為用戶對(duì)于算法的感知和理解，即算法素養(yǎng)（Ａｌｇｏｒｉｔｈｍ Ｌｉｔｅｒａｃｙ）［１３］ ， 也會(huì)影響其對(duì)于算法推薦內(nèi)容的心理與行為反應(yīng)。以往研究表明，高算法素養(yǎng)的人群會(huì)對(duì)于推薦信息作出更多批判性思考并基于此做出正確決策［１４］ ， 推薦系統(tǒng)排序方式的改變對(duì)其行為態(tài)度的影響可能會(huì)被削弱。然而已有的過(guò)濾氣泡研究往往聚焦于算法本身， 而忽視了用戶算法素養(yǎng)的調(diào)節(jié)作用。因此， 本研究還進(jìn)一步檢驗(yàn)了用戶算法素養(yǎng)在不同排序方式對(duì)信息消費(fèi)選擇性、態(tài)度極端性變化情況的影響過(guò)程中是否存在調(diào)節(jié)作用。

綜上， 盡管已有大量研究致力于改進(jìn)個(gè)性化推薦系統(tǒng)算法， 以促進(jìn)用戶對(duì)多元立場(chǎng)信息的接觸，緩解過(guò)濾氣泡的負(fù)面影響。但這些研究都忽視了信息排序方式的重要性。關(guān)于信息排序指標(biāo)是否以及如何影響過(guò)濾氣泡， 以及不同人群之間這一影響是否存在差異， 目前仍然缺乏實(shí)證研究證據(jù)。因此，本研究通過(guò)開展受控實(shí)驗(yàn)， 觀察３ 種排序方式下參與者的信息消費(fèi)行為選擇性及態(tài)度極端性變化情況，同時(shí)考慮到用戶算法素養(yǎng)的調(diào)節(jié)作用， 旨在解決以下研究問(wèn)題： ①個(gè)性化推薦系統(tǒng)的信息排序方式如何影響用戶信息消費(fèi)行為的選擇性？ ②個(gè)性化推薦系統(tǒng)的信息排序方式如何影響用戶態(tài)度的極端性的變化？ ③用戶算法素養(yǎng)是否以及如何在上述過(guò)程中起到調(diào)節(jié)作用？

本研究結(jié)論不僅揭示了不同推薦算法排序方式對(duì)過(guò)濾氣泡的影響， 為過(guò)濾氣泡相關(guān)研究提供了新的研究視角與方法論， 還為算法開發(fā)者進(jìn)行個(gè)性化推薦系統(tǒng)的排序指標(biāo)設(shè)計(jì)提供了實(shí)踐啟示。

１ 文獻(xiàn)回顧

１.１ 過(guò)濾氣泡： 行為選擇性與態(tài)度極端性

過(guò)濾氣泡這一概念最初是由Ｐａｒｉｓｅｒ Ｅ［１］ 在ＴｈｅＦｉｌｔｅｒ Ｂｕｂｂｌｅ： Ｗｈａｔ ｔｈｅ Ｉｎｔｅｒｎｅｔ Ｉｓ Ｈｉｄｉｎｇ ｆｒｏｍ Ｙｏｕ 一書中提出， 是指?jìng)€(gè)性化推薦算法可以隨時(shí)捕捉用戶的偏好， 并據(jù)此自動(dòng)過(guò)濾信息， 以向用戶提供個(gè)性化的信息服務(wù)， 這會(huì)使得每個(gè)人都身處一個(gè)獨(dú)有的信息世界。雖然過(guò)濾氣泡有助于緩解信息過(guò)載等問(wèn)題［１５］ ， 但它在公共議題討論、信息傳播等方面仍存在不利影響［５，１６］ 。因此， 如何有效應(yīng)對(duì)過(guò)濾氣泡一直都是研究人員關(guān)注的重點(diǎn)。例如， 利用信息過(guò)濾可視化、優(yōu)化個(gè)性化推薦算法等方式降低過(guò)濾氣泡的影響［７，１７］ 。

然而， 要評(píng)估對(duì)過(guò)濾氣泡的應(yīng)對(duì)效果， 關(guān)鍵在于選擇適當(dāng)?shù)姆绞綄?duì)過(guò)濾氣泡進(jìn)行測(cè)量。目前， 尚缺乏通用的過(guò)濾氣泡度量手段， 因此， 如何在現(xiàn)實(shí)世界與實(shí)驗(yàn)室中捕捉該現(xiàn)象一直是一項(xiàng)難題。部分研究通過(guò)觀察不同用戶在同一平臺(tái)所接觸信息的相似性來(lái)測(cè)量過(guò)濾氣泡的程度， 即用戶間的信息相似性越小， 說(shuō)明他們被過(guò)濾氣泡所隔離的程度越大［１８－１９］ 。另一部分研究則側(cè)重于觀察用戶信息消費(fèi)內(nèi)容的多樣性， 將個(gè)體信息消費(fèi)的低多樣性和高選擇性視為過(guò)濾氣泡的表現(xiàn)形式［７，２０］ 。本研究認(rèn)為， 過(guò)濾氣泡的本質(zhì)是推薦算法對(duì)個(gè)體的信息選擇性接觸行為的強(qiáng)化［２１］ ， 與其探究不同用戶間的差異， 聚焦于單個(gè)用戶的信息消費(fèi)模式會(huì)具有針對(duì)性。因此， 本研究選擇第二種方法對(duì)過(guò)濾氣泡進(jìn)行測(cè)量。

信息消費(fèi)是指用戶使用信息來(lái)滿足自身需求的過(guò)程， 如對(duì)信息的獲取、理解、使用等［２２－２３］ 。信息的選擇性消費(fèi)行為則是指用戶對(duì)于信息的接觸存在立場(chǎng)偏向性， 這一行為模式在立場(chǎng)多元化的社交媒體上普遍存在［２４］ 。行為的選擇性可以體現(xiàn)在標(biāo)題點(diǎn)擊與文章閱讀兩種情況： 一方面， 用戶更傾向于點(diǎn)擊符合自身立場(chǎng)的新聞［２５］ ； 另一方面， 用戶更愿意花費(fèi)更多時(shí)間去閱讀與其觀點(diǎn)一致的信息［３］ 。

用戶態(tài)度也是過(guò)濾氣泡產(chǎn)生和發(fā)展的關(guān)鍵動(dòng)力。一方面， 具有極端態(tài)度的個(gè)體為避免認(rèn)知失調(diào)， 傾向于更多地選擇消費(fèi)與其觀點(diǎn)一致的信息［２６］ ， 而這種交互痕跡數(shù)據(jù)將被算法用于預(yù)測(cè)其立場(chǎng)與偏好， 進(jìn)而形成過(guò)濾氣泡［２７］ ； 另一方面， 處于過(guò)濾氣泡中的個(gè)體長(zhǎng)期接觸與其觀點(diǎn)一致的信息， 對(duì)于該觀點(diǎn)的認(rèn)可和信任程度進(jìn)一步強(qiáng)化， 同時(shí)缺乏對(duì)異質(zhì)信息的了解［１６］ ， 對(duì)于該問(wèn)題的認(rèn)識(shí)會(huì)越來(lái)越偏激， 進(jìn)而加劇用戶的選擇性接觸行為［５］ ， 久而久之， 用戶行為的選擇性與態(tài)度的極端性在個(gè)性化推薦算法的作用下不斷放大， 最終形成惡性循環(huán)。鑒于用戶行為和態(tài)度之間的復(fù)雜關(guān)系， 本研究認(rèn)為，過(guò)濾氣泡的觀測(cè)還應(yīng)考慮到與信息選擇性消費(fèi)行為相關(guān)的態(tài)度變化， 用戶態(tài)度極端性的增加可以被視為過(guò)濾氣泡的體現(xiàn)［２８］ 。讓用戶接觸更為多樣化的信息內(nèi)容、接觸更為平衡的信息觀點(diǎn)， 態(tài)度極端性才有可能降低［２９－３０］ ， 進(jìn)而緩解過(guò)濾氣泡帶來(lái)的負(fù)面影響。

１.２ 個(gè)性化推薦中的信息排序方式

信息在流向用戶的過(guò)程中會(huì)經(jīng)過(guò)算法的層層過(guò)濾， 包括信息源選擇與收集、信息選擇與優(yōu)先級(jí)排序、信息展示等多個(gè)技術(shù)環(huán)節(jié)［８］ 。以往研究認(rèn)為，過(guò)濾氣泡是由于推薦系統(tǒng)僅推送與用戶觀點(diǎn)一致的信息所導(dǎo)致的［１８］ ， 因而重點(diǎn)關(guān)注“應(yīng)選擇哪些信息推薦給用戶”， 旨在通過(guò)提升推薦信息的多樣性來(lái)擴(kuò)展用戶對(duì)于不一致信息的接觸， 避免過(guò)濾氣泡所帶來(lái)的負(fù)面影響［７］ 。然而實(shí)際上， “如何對(duì)推薦信息進(jìn)行排序” 同樣重要， 因?yàn)橛脩襞c信息的交互會(huì)受到順序效應(yīng)的影響， 當(dāng)不一致信息被賦予較低的呈現(xiàn)優(yōu)先級(jí)時(shí)， 就難以吸引用戶的注意與選擇。以往研究發(fā)現(xiàn)， 在搜索結(jié)果頁(yè)面上， 用戶更傾向于點(diǎn)擊與注視位于頂部（尤其是前３ 條）的結(jié)果條目［９］ ；在旅游預(yù)定平臺(tái)上， 排名靠前的酒店會(huì)獲得更高的預(yù)定量［１０］ 。因此， 異質(zhì)信息的排序方式?jīng)Q定了用戶是否能夠真正接觸到這類推薦信息。

在目前的個(gè)性化系統(tǒng)中， 例如今日頭條、騰訊新聞等， 算法通常根據(jù)用戶的基礎(chǔ)屬性信息及其歷史行為數(shù)據(jù)， 為用戶推薦更符合其偏好的信息， 并基于推薦內(nèi)容與用戶偏好的一致程度對(duì)信息進(jìn)行排序［３１－３２］ 。此外， 新聞網(wǎng)站和社交媒體還致力于尋找用戶偏好和多樣性的平衡， 將更多的因素納入算法排序的考慮之中， 其中考慮最多的是時(shí)間和質(zhì)量因素［３３－３４］ 。例如， Ｆａｃｅｂｏｏｋ 中提供了兩種帖子排序方式， 第一種是最新（Ｍｏｓｔ Ｒｅｃｅｎｔ）， 即將所有新聞按照時(shí)間倒序的方式進(jìn)行排序， 人們接觸到的是最新的新聞， 而時(shí)效性不足的新聞則會(huì)淡出人們的視線。第二種則是熱門新聞（Ｔｏｐ Ｓｔｏｒｉｅｓ）， 即綜合考慮點(diǎn)評(píng)贊數(shù)量、用戶粉絲數(shù)等因素衡量帖子質(zhì)量，并據(jù)此將帖子按照質(zhì)量從高到低的順序進(jìn)行排列，人們首先接觸到的均是高質(zhì)量的文章［３５］ 。綜上， 目前常見(jiàn)的排序指標(biāo)主要分為以下３ 類： 基于用戶偏好的排序、基于信息發(fā)布時(shí)間的排序、基于信息質(zhì)量的排序。

基于用戶偏好的排序?qū)⑴c用戶興趣相符的信息賦予更高的權(quán)重［３１－３２］ ， 與用戶偏好匹配程度更高的態(tài)度一致信息往往會(huì)被排在前列， 吸引用戶的點(diǎn)擊與閱讀［３６］ ?；谛畔l(fā)布時(shí)間的排序是指推薦算法傾向于為發(fā)布時(shí)間更近的信息賦予更高的排序權(quán)重［１２，３７］ 。這在新聞推薦系統(tǒng)中尤為常見(jiàn)， 因?yàn)闀r(shí)效性是新聞的“生命”。Ｊｉａｎｇ Ｔ 等［３８］ 的研究發(fā)現(xiàn)，時(shí)效性越強(qiáng)的新聞的價(jià)值性越高， 更容易引起用戶的閱讀興趣， 即用戶會(huì)更多的點(diǎn)擊新近新聞， 并且更加信任其內(nèi)容。而基于信息質(zhì)量的排序是指推薦算法傾向于為高質(zhì)量?jī)?nèi)容的信息賦予更高的排序權(quán)重［１１，３９］ ， 這種排序可以幫助過(guò)濾低質(zhì)量信息、推廣優(yōu)質(zhì)信息， 進(jìn)而影響用戶偏好。例如， Ｌｕ Ｈ 等［４０］ 發(fā)現(xiàn)， 優(yōu)質(zhì)信息有效提升用戶的新聞閱讀時(shí)長(zhǎng)， 并且提升用戶對(duì)信息內(nèi)容的信任度， 從而使用戶更加客觀地了解多方面的信息， 緩解用戶的極端態(tài)度。

綜上， 這３ 種排序指標(biāo)對(duì)用戶對(duì)于信息的選擇、使用和對(duì)信息內(nèi)容的感知會(huì)產(chǎn)生不同的效果。但現(xiàn)有的關(guān)于個(gè)性化推薦算法的排序方式的研究多是從算法技術(shù)角度出發(fā)， 旨在通過(guò)納入不同的因素來(lái)提升個(gè)性化推薦系統(tǒng)的性能， 如準(zhǔn)確性、效率等指標(biāo)［１２，４１］ 。而較少的從用戶行為視角出發(fā)， 比較用戶在不同排序方式下與算法的交互行為的差異。哪種排序指標(biāo)對(duì)于過(guò)濾氣泡的影響更大， 尚不得而知。

１.３ 算法素養(yǎng)

在算法時(shí)代， 人們所接觸的大部分信息是由推薦算法控制的， 人們?cè)谙硎芷涮峁┑谋憬莸耐瑫r(shí)，也面臨著算法帶來(lái)的負(fù)面影響， 如過(guò)濾氣泡、算法偏見(jiàn)等。人們對(duì)于推薦算法的理解與認(rèn)知程度在很大程度上決定了人們是否能與算法開展良性互動(dòng)、避免負(fù)面影響［４２］ 。算法素養(yǎng)這一概念應(yīng)運(yùn)而生， 是指用戶對(duì)于算法的了解程度， 包括算法意識(shí)（Ａｌｇｏ?ｒｉｔｈｍ Ａｗａｒｅｎｅｓｓ）和算法知識(shí)（Ａｌｇｏｒｉｔｈｍ Ｋｎｏｗｌｅｄｇｅ）兩個(gè)維度［１３］ 。算法素養(yǎng)被認(rèn)為是影響人與算法交互的重要因素之一， 算法素養(yǎng)能有效幫助人們理解推薦算法的內(nèi)在邏輯， 意識(shí)到推薦算法的潛在風(fēng)險(xiǎn)， 進(jìn)而為規(guī)避這些風(fēng)險(xiǎn)采取有效手段［４３－４４］ 。

之前研究發(fā)現(xiàn)， 不同人群的算法素養(yǎng)存在高低之分， 且提高算法素養(yǎng)有助于避免過(guò)濾氣泡的負(fù)面影響［４５－４６］ ， 這主要體現(xiàn)在對(duì)算法推薦信息的識(shí)別與評(píng)估能力上。一方面， 相比于低算法素養(yǎng)用戶，高算法素養(yǎng)用戶更了解算法機(jī)制， 對(duì)過(guò)濾氣泡表現(xiàn)出更高的認(rèn)識(shí)， 從而更能準(zhǔn)確地對(duì)推薦內(nèi)容做出判斷與篩選。具體表現(xiàn)為， 這類用戶在瀏覽在線購(gòu)物網(wǎng)站時(shí)， 更容易意識(shí)到算法在跟蹤他們的購(gòu)物行為，據(jù)此提供個(gè)性化的內(nèi)容， 并對(duì)其中的精準(zhǔn)營(yíng)銷廣告作出甄別［４７］ ； 另一方面， 相比于低算法素養(yǎng)用戶傾向于不加批判地全盤接受算法推薦的信息， 高算法素養(yǎng)用戶往往會(huì)在決策前進(jìn)行評(píng)估與思考［４２］ ， 通過(guò)比較接受推薦信息的收益與風(fēng)險(xiǎn)， 進(jìn)而作出更為明智的決策［４８］ 。因此， 高算法素養(yǎng)用戶往往會(huì)對(duì)過(guò)濾氣泡表現(xiàn)出更強(qiáng)的抵抗意圖， 會(huì)有意識(shí)跳出算法的控制， 在與算法交互時(shí)表現(xiàn)出更高水平的自主性，包括但不限于調(diào)整平臺(tái)的推薦機(jī)制， 閱讀更多非個(gè)性化內(nèi)容， 改變自身閱讀習(xí)慣等［４７，４９－５０］ 。

綜上所述， 不同算法素養(yǎng)水平的用戶對(duì)于排序指標(biāo)的認(rèn)知與行為反應(yīng)不同。因此， 本研究假設(shè)對(duì)于不同算法素養(yǎng)水平的用戶而言， 排序方式對(duì)新聞點(diǎn)擊行為與閱讀行為的影響存在差異。

２ 研究設(shè)計(jì)

鑒于過(guò)濾氣泡的研究通常涉及圍繞政黨之爭(zhēng)、食品安全等兩極分化的爭(zhēng)議性主題［５，５１］ ， 本研究基于２００ 份問(wèn)卷調(diào)查結(jié)果， 選擇了目前在國(guó)內(nèi)受到廣泛討論并且存在兩級(jí)分化立場(chǎng)的話題之一———“轉(zhuǎn)基因食品” 作為實(shí)驗(yàn)信息主題。本研究構(gòu)建了模擬的新聞個(gè)性化推薦小程序， 通過(guò)開展被試間實(shí)驗(yàn)設(shè)計(jì)， 將參與者分到不同新聞排序方式的實(shí)驗(yàn)組（基于用戶偏好／ 時(shí)間／ 質(zhì)量的排序）。觀察并記錄用戶對(duì)于不同立場(chǎng)的轉(zhuǎn)基因食品相關(guān)新聞的瀏覽行為， 并在實(shí)驗(yàn)前后分別使用態(tài)度量表度量參與者對(duì)于“轉(zhuǎn)基因食品” 的態(tài)度。

２.１ 實(shí)驗(yàn)參與者

研究通過(guò)社交媒體發(fā)布招募廣告進(jìn)行實(shí)驗(yàn)參與者招募。研究人員提出了兩項(xiàng)招募要求， 以確保參與者正處于過(guò)濾氣泡之中： ①已經(jīng)對(duì)轉(zhuǎn)基因食品持有極端態(tài)度， 譬如非常支持或非常反對(duì)轉(zhuǎn)基因食品；②在日常生活中獲取轉(zhuǎn)基因食品相關(guān)信息時(shí)存在選擇性， 譬如明顯傾向于瀏覽與自己態(tài)度立場(chǎng)一致的新聞。招募問(wèn)卷通過(guò)７ 點(diǎn)李克特量表分別測(cè)量了參與者對(duì)于轉(zhuǎn)基因食品所持態(tài)度［５２］ 及相關(guān)新聞消費(fèi)行為的選擇性。其中態(tài)度得分≤３ 分的代表反對(duì)態(tài)度， ≥５ 分的代表支持態(tài)度， 得分處于３～５ 分之間代表持中立態(tài)度； 同樣， 行為得分≤３ 或≥５ 代表了參與者存在選擇性新聞消費(fèi)行為， 得分處于３～５之間則說(shuō)明不存在選擇性新聞消費(fèi)行為。

研究者從７０ 份招募問(wèn)卷中選取了３８ 名符合要求的參與者， 其中男性１８ 名， 女性２０ 名， 年齡均在１８～２５ 歲之間， 持支持或反對(duì)轉(zhuǎn)基因食品態(tài)度的各１９ 人。這些參與者被隨機(jī)地分配到３ 個(gè)實(shí)驗(yàn)組， 盡量確保每組中持兩種態(tài)度的人數(shù)相仿， 具體分組情況如表１ 所示。

２.２ 實(shí)驗(yàn)材料

２.２.１ 新聞文本設(shè)計(jì)

為了確保推送信息的真實(shí)性， 研究者從澎湃新聞、今日頭條等主流新聞平臺(tái)搜集了轉(zhuǎn)基因食品相關(guān)新聞６０ 篇， 從中篩選出立場(chǎng)明確的２８ 篇新聞，其中對(duì)轉(zhuǎn)基因食品持支持、反對(duì)、中立立場(chǎng)的新聞分別為１２、１２、４ 篇。研究人員邀請(qǐng)了１ 位專業(yè)新聞編輯對(duì)新聞進(jìn)行改寫， 其目的在于最大限度地控制與減少除排序方式之外的因素（比如文本長(zhǎng)度、修辭特征等）對(duì)于實(shí)驗(yàn)結(jié)果的潛在影響。最終每篇新聞的標(biāo)題長(zhǎng)度均在１０～１５ 個(gè)字符之間， 不包括任何標(biāo)點(diǎn)符號(hào)和阿拉伯字母， 均采用陳述句式， 不涉及特殊語(yǔ)言風(fēng)格（如夸張、煽情）等； 新聞?wù)拈L(zhǎng)度均在３００～ ３５０ 字之間， 均使用通俗易懂、簡(jiǎn)單自然的語(yǔ)言表述。在推送界面中， 為了避免信息源權(quán)威性的干擾， 所有新聞的發(fā)布來(lái)源被隱去。新聞發(fā)布時(shí)間均控制在２０２２ 年范圍內(nèi)， 并按照新聞的真實(shí)發(fā)布時(shí)間進(jìn)行排序， 在后續(xù)實(shí)驗(yàn)中作為時(shí)間排序指標(biāo)的取值。

隨后， １０ 位新聞傳播領(lǐng)域的專業(yè)人士被邀請(qǐng)對(duì)改寫后的新聞進(jìn)行評(píng)估。在閱讀完每篇新聞的標(biāo)題和內(nèi)容之后， １０ 位專業(yè)人士需要填寫對(duì)新聞立場(chǎng)（Ｑ１）、標(biāo)題吸引力（Ｑ２）、新聞質(zhì)量（Ｑ３～５）的評(píng)估量表（略）。其中， 新聞立場(chǎng)、標(biāo)題吸引力由單一測(cè)量項(xiàng)構(gòu)成， 均為７ 點(diǎn)李克特量表。結(jié)果表明，每篇新聞的立場(chǎng)均具有明顯偏向并且符合初始分類，任意兩組之間的獨(dú)立ｔ 樣本檢驗(yàn)結(jié)果表明， 不同立場(chǎng)新聞在標(biāo)題吸引力方面不存在顯著差異（ｔ（２２）＝０.２０６， ｐ ＝ ０.８３９； ｔ （１４） ＝ １.５６０， ｐ ＝ ０.１４１； ｔ（１４）＝ ０.９４６， ｐ ＝ ０.３６０）。新聞質(zhì)量則包括可讀性、邏輯性和可信度３ 個(gè)測(cè)量維度［５３－５４］ ， 用３ 個(gè)維度的均值進(jìn)行表示， 并與以往研究保持一致， 采用了５ 點(diǎn)李克特量表。新聞質(zhì)量的得分存在明顯的高低差異（ｔ（２７）＝ １１.０４２， ｐ ＝ ０.０００）， 作為基于質(zhì)量排序的實(shí)驗(yàn)組的排序依據(jù)。

２.２.２ 系統(tǒng)界面設(shè)計(jì)

通過(guò)模仿主流新聞推送平臺(tái)的界面設(shè)計(jì)， 本研究設(shè)計(jì)并開發(fā)了名為“轉(zhuǎn)基因食品小科普” 的新聞推薦平臺(tái)。平臺(tái)首頁(yè)呈現(xiàn)了以特定方式排序的２０ 條新聞標(biāo)題， 每條新聞標(biāo)題文本下顯示該新聞的發(fā)布時(shí)間與質(zhì)量評(píng)分， 當(dāng)參與者點(diǎn)擊任一新聞標(biāo)題之后，即可進(jìn)入新聞內(nèi)容詳情頁(yè)。

根據(jù)以往過(guò)濾氣泡相關(guān)研究， 個(gè)性化推薦算法所推薦的信息中與用戶立場(chǎng)一致的信息往往占據(jù)了較高比例［５，５５］ 。為了確定這一比例的具體數(shù)字， 本研究開展了預(yù)實(shí)驗(yàn)， 觀察當(dāng)一致新聞推送占比分別為５０％、６０％、７０％、８０％、９０％時(shí)， 參與者對(duì)于算法個(gè)性化程度的感知及其新聞消費(fèi)體驗(yàn)。本研究一共招募了１５ 名參與者分別對(duì)不同頁(yè)面進(jìn)行評(píng)價(jià)。結(jié)果表明， 除了５０％占比的對(duì)照組之外， 其余組均被參與者識(shí)別為個(gè)性化推薦情景， 并且大部分參與者（Ｎ＝１２，８０％）認(rèn)為當(dāng)一致新聞?wù)急葹椋叮埃r(shí)最貼近于日常新聞消費(fèi)體驗(yàn)， 因此， 本研究采?。叮埃プ鳛橐恢滦侣劦耐扑捅壤Ｗ罱K， 在模擬新聞推薦系統(tǒng)所推送的２０篇新聞中， 有１２ 篇（６０％）新聞與參與者的立場(chǎng)相一致， ４篇（２０％）新聞立場(chǎng)相反， ４篇（２０％）新聞持中立立場(chǎng)。換而言之， 對(duì)于前測(cè)態(tài)度為支持轉(zhuǎn)基因食品的參與者， 為其推送的新聞中包括１２篇支持轉(zhuǎn)基因食品、４ 篇反對(duì)轉(zhuǎn)基因食品、４篇對(duì)此持中立立場(chǎng)的新聞， 反之亦然。

盡管在不同實(shí)驗(yàn)組中， 持有相同前測(cè)態(tài)度的參與者被推送的２０ 篇新聞內(nèi)容是相同的， 但每組的新聞排序方式存在差異： 在基于偏好排序組中， 根據(jù)專家對(duì)每篇新聞的立場(chǎng)評(píng)分與用戶自身立場(chǎng)分?jǐn)?shù)的一致性程度（其分?jǐn)?shù)相減絕對(duì)值為一致性得分， 得分越高則表示該條新聞與用戶偏好越不一致）， 將參與者所接觸到的新聞按照態(tài)度一致程度從非常一致到非常不一致進(jìn)行排序， 如圖１（ａ）所示； 在基于時(shí)間排序組中， 新聞將根據(jù)發(fā)布時(shí)間從近到遠(yuǎn)進(jìn)行排序， 如圖１（ｂ）所示； 在基于質(zhì)量排序組中，新聞將根據(jù)專家質(zhì)量評(píng)分從高到低進(jìn)行排序， 如圖１（ｃ）所示。

２.３ 變量的測(cè)量

信息消費(fèi)行為的選擇性。行為選擇性是指用戶行為的偏向性， 本研究將通過(guò)參與者對(duì)于一致新聞與不一致新聞的點(diǎn)擊或閱讀行為差異進(jìn)行度量。通過(guò)微信小程序的后臺(tái)日志文件， 研究者獲取了用戶對(duì)新聞標(biāo)題的點(diǎn)擊次數(shù)以及新聞文章閱讀時(shí)長(zhǎng)。一方面， 本研究通過(guò)用戶對(duì)一致新聞標(biāo)題的點(diǎn)擊量與不一致新聞標(biāo)題的點(diǎn)擊量之差測(cè)量新聞點(diǎn)擊行為的選擇性； 另一方面， 本研究通過(guò)用戶對(duì)于一致與不一致新聞的平均閱讀時(shí)長(zhǎng)之差測(cè)量新聞文章閱讀行為的選擇性。

態(tài)度極端性的變化。態(tài)度極端性（Ａｔｔｉｔｕｄｅ Ｅｘ?ｔｒｅｍｉｔｙ）是指用戶態(tài)度偏離中立的程度， 通過(guò)用戶態(tài)度取值與態(tài)度量表中點(diǎn)（４） 差距的絕對(duì)值進(jìn)行測(cè)量［５６］ 。研究者在實(shí)驗(yàn)前后使用同一量表分別測(cè)量了參與者對(duì)于轉(zhuǎn)基因食品的態(tài)度， 并且將二者相減，以反映參與者的態(tài)度極端性變化情況， 如式（１）所示。

其中ＡＥ_ｐｏｓｔ表示用戶后測(cè)態(tài)度的極端性， ＡＥ_{ｐｉｒｏｒ}表示用戶前測(cè)態(tài)度的極端性； ＡＴ_ｐｏｓｔ表示用戶后測(cè)態(tài)度， ＡＴ_{ｐｉｒｏｒ}表示用戶前測(cè)態(tài)度。根據(jù)參與者在實(shí)驗(yàn)前后的態(tài)度變化情況， 可以將其分為３ 類： 當(dāng)該值大于０ 時(shí)， 表示參與者態(tài)度的極端性在接觸推送新聞之后有所增強(qiáng)， 即“態(tài)度極化”； 當(dāng)該值小于０ 時(shí)， 表示參與者態(tài)度的極端性有所下降， 即“態(tài)度緩和”； 當(dāng)該值等于０ 時(shí)， 表示參與者態(tài)度的極端性保持不變， 即“態(tài)度不變”。

算法素養(yǎng)。本研究所采用的算法素養(yǎng)量表改編自Ｄｏｇｒｕｅｌ Ｌ 等［１３］ 的算法素養(yǎng)量表（Ｃｒｏｎｂａｃｈｓ α ＝０ ７３４）， 包括算法意識(shí)和算法知識(shí)兩個(gè)維度， 各維度均包含１１ 道判斷題（略）。每個(gè)題項(xiàng)都是一個(gè)或真或假的表述， 參與者需要判斷這一表述是否正確或錯(cuò)誤， 或者選擇“不知道”。參與者判斷正確則計(jì)１ 分， 判斷錯(cuò)誤或者選擇“不知道” 則不加分。所有題項(xiàng)的累計(jì)總分反映了參與者的算法素養(yǎng)水平。本研究中， ３８ 名參與者的算法素養(yǎng)得分在１０～２２ 之間， 平均得分為１５ ６８， 得分的中位數(shù)為１６。參照Ｎｅｔｅｒ Ｅ 等［５７］ 的研究， 本研究使用中位數(shù)作為分類基準(zhǔn)， 當(dāng)參與者的算法素養(yǎng)得分低于中位數(shù)時(shí)， 被劃分為低算法素養(yǎng)人群， 當(dāng)?shù)梅值扔诨蚋哂谥形粩?shù)時(shí)被劃分為高算法素養(yǎng)人群。在本研究所招募的３８ 位參與者中， 低算法素養(yǎng)參與者共１８人， 高算法素養(yǎng)參與者共２０ 人。

２.４實(shí)驗(yàn)流程

整個(gè)實(shí)驗(yàn)過(guò)程由４個(gè)階段組成。首先， 在招募過(guò)程中， 研究者采集參與者的人口統(tǒng)計(jì)學(xué)信息、轉(zhuǎn)基因食品新聞的日常消費(fèi)行為、對(duì)于轉(zhuǎn)基因食品的前測(cè)態(tài)度， 篩選符合要求的參與者進(jìn)入正式實(shí)驗(yàn)；其次， 參與者在到達(dá)實(shí)驗(yàn)室后， 需要簽署知情同意書并閱讀相應(yīng)的實(shí)驗(yàn)操作指南， 以了解整體實(shí)驗(yàn)流程， 熟悉實(shí)驗(yàn)平臺(tái)的界面操作與基本功能， 并填寫算法素養(yǎng)量表。隨后， 參與者被分配到不同實(shí)驗(yàn)組，需要按照日常新聞閱讀習(xí)慣， 瀏覽所分配的模擬新聞推送平臺(tái)中的新聞， 在瀏覽過(guò)程中， 研究者并不會(huì)給予具體任務(wù)或時(shí)間限制， 并且整個(gè)交互過(guò)程將記錄在系統(tǒng)日志文件中； 最后， 參與者在實(shí)驗(yàn)結(jié)束之后會(huì)填寫一份后測(cè)問(wèn)卷， 報(bào)告此時(shí)自身對(duì)于轉(zhuǎn)基因食品的態(tài)度。整個(gè)實(shí)驗(yàn)將持續(xù)３０分鐘左右， 每位參與者獲得價(jià)值３０元禮品作為實(shí)驗(yàn)報(bào)酬。

３ 研究結(jié)果

３.１ 排序方式對(duì)于點(diǎn)擊行為選擇性的影響

在整個(gè)實(shí)驗(yàn)過(guò)程中， 平均每位參與者點(diǎn)擊了１２.１８ 篇系統(tǒng)推送的新聞， 其中包括７.５３ 篇立場(chǎng)與其態(tài)度一致的新聞（ＳＤ＝３.１６２， Ｒａｎｇｅ＝２～１２），２.４４ 篇立場(chǎng)與其態(tài)度不一致的新聞（ＳＤ ＝ １.１９１，Ｒａｎｇｅ＝ １ ～ ４）， ２.２１ 篇持中立立場(chǎng)的新聞（ＳＤ ＝１.２３４，Ｒａｎｇｅ＝ ０～４）。如圖２ 所示， 所有實(shí)驗(yàn)組參與者的新聞點(diǎn)擊行為均具有選擇性。

單因素方差分析（ＡＮＯＶＡ）結(jié)果表明， 排序方式對(duì)于點(diǎn)擊行為選擇性不存在顯著影響（Ｆ（２，３６）＝２.４８７， ｐ＝ ０.０９８）。即無(wú)論在哪一種排序方式下，參與者始終會(huì)更多地點(diǎn)擊一致新聞而非不一致新聞。

３.２ 排序方式對(duì)于閱讀行為選擇性的影響

在整個(gè)實(shí)驗(yàn)過(guò)程中， 每位參與者平均花費(fèi)２２.８８ｓ閱讀每篇新聞， 其中一致新聞的平均閱讀時(shí)長(zhǎng)為２３.１２ｓ（ＳＤ ＝ １２.１２， Ｒａｎｇｅ ＝ ７.４０ ～ ４９.４１）， 不一致新聞的平均閱讀時(shí)長(zhǎng)為２２.５３ｓ （ＳＤ＝１０.７０，Ｒａｎｇｅ＝４.８６～ ４９.９２）， 中立新聞的平均閱讀時(shí)長(zhǎng)為２０.１９ｓ（ＳＤ＝ １４.８７， Ｒａｎｇｅ ＝ ０～６２.８９）。如圖３所示， 不同實(shí)驗(yàn)組參與者的新聞閱讀行為選擇性存在差異。

單因素方差分析（ＡＮＯＶＡ）結(jié)果表明， 排序方式對(duì)于參與者的閱讀行為選擇性存在顯著影響（Ｆ（２，３６）＝ １８.６３９， ｐ ＝０.０００）。根據(jù)事后檢驗(yàn)（Ｐｏｓｔｈｏｃ）結(jié)果， 基于偏好排序組的閱讀行為選擇性顯著高于基于時(shí)間排序組（Ｍ_偏好＝ ９.０１９±８.５５６＞Ｍ_時(shí)間＝０.８４１±４.３５１， ｐ＝０.００７）， 而基于時(shí)間排序組又顯著高于基于質(zhì)量排序組（Ｍ_時(shí)間＝０.８４１±４.３５＞Ｍ_質(zhì)量＝－８.０７±７.６２０， ｐ＝０.００４）。

為了進(jìn)一步揭示排序方式對(duì)不同類型新聞的閱讀時(shí)長(zhǎng)的具體影響， 研究者分別對(duì)一致新聞平均閱讀時(shí)長(zhǎng)、不一致新聞的平均閱讀時(shí)長(zhǎng)開展單因素方差分析（ＡＮＯＶＡ）。結(jié)果表明， 排序方式對(duì)于一致新聞的平均閱讀時(shí)長(zhǎng)不存在顯著影響（Ｆ（２，３６）＝１.１００，ｐ＝０.３４４）， 但對(duì)于不一致新聞的平均閱讀時(shí)長(zhǎng)存在顯著影響（Ｆ（２，３６）＝ ３.３９３， ｐ ＝ ０.０４５）。對(duì)于后者， 事后檢驗(yàn)（Ｐｏｓｔ－ｈｏｃ）結(jié)果表明， 基于質(zhì)量排序組參與者的不一致新聞平均閱讀時(shí)長(zhǎng)要顯著高于基于偏好排序組（Ｍ_質(zhì)量＝ ２８.０７１±９.９５＜Ｍ_偏好＝１７.９０１±８.８３， ｐ＝０.０１４）， 而基于時(shí)間排序組與其余兩組均沒(méi)有顯著差異（Ｍ_時(shí)間＝ ２１.５４９±１１.３９７，Ｍ_偏好＝ １７.９０１ ± ８.８３， ｐ ＝ ０.３７３； Ｍ_時(shí)間＝ ２１.５４９ ±１１.３９７， Ｍ_質(zhì)量＝２８.０７１±９.９５， ｐ＝０.１１５）。這一結(jié)果表明， 基于質(zhì)量的排序方式主要是通過(guò)增加用戶對(duì)于不一致新聞的閱讀時(shí)長(zhǎng)來(lái)降低用戶閱讀行為的選擇性。

３.３ 個(gè)性化推薦排序方式對(duì)態(tài)度極端性變化的影響

圖４展示了參與者在實(shí)驗(yàn)前后的態(tài)度變化情況， 其中近一半?yún)⑴c者的態(tài)度在瀏覽新聞后更為緩和（Ｎ＝１８， ４７.３７％）； ５ 名參與者從支持態(tài)度和反對(duì)態(tài)度轉(zhuǎn)變?yōu)橹辛B(tài)度（Ｎ＝５， １３.１６％）； １２ 名參與者的態(tài)度立場(chǎng)雖然未發(fā)生改變， 但態(tài)度的極端程度有所降低（Ｎ ＝ １３， ３４.２１％）。然而， 也有２８％的參與者在瀏覽新聞之后態(tài)度更為極端（Ｎ ＝ １１，２８.９５％）。此外， ２３％的參與者的態(tài)度沒(méi)有發(fā)生任何變化（Ｎ＝ ９，２３.６８％）， 其中包括了初試態(tài)度為支持（Ｎ＝３，７.８９％）或反對(duì)（Ｎ＝６，１５. ７９％）的人群。

單因素方差分析（ＡＮＯＶＡ）結(jié)果表明， 排序方式對(duì)于態(tài)度極端性變化程度存在顯著影響（Ｆ（２，３６）＝ ７.０７３， ｐ ＝ ０.００３）。事后檢驗(yàn)（Ｐｏｓｔ－ｈｏｃ）結(jié)果表明， 基于質(zhì)量排序組參與者的態(tài)度極端性變化程度顯著高于基于偏好排序組（Ｍ_質(zhì)量＝ －０.６６６ ±０.５２７＜Ｍ_偏好＝－０.３３３±０.６５３， ｐ＝０.００１）； 而基于時(shí)間排序組參與者的態(tài)度極端性變化程度與其余兩組（Ｍ_時(shí)間＝ －０.１３９±０.８３４，Ｍ_偏好＝－０.３３３±０.６５３，ｐ＝ ０.０９１； Ｍ_時(shí)間＝ －０.１３９±０.８３４， Ｍ_質(zhì)量＝－０.６６６±０.５２７，ｐ＝０.０６０）均沒(méi)有顯著差異。

３.４ 算法素養(yǎng)的調(diào)節(jié)作用

多因素方差分析（ＭＡＮＯＶＡ）結(jié)果表明， 算法素養(yǎng)在排序方式對(duì)用戶點(diǎn)擊行為選擇性的影響中并不存在顯著的調(diào)節(jié)作用（Ｆ（２，３２）＝ ０.０９６， ｐ＝０.９０９），如圖５ 所示。這一結(jié)果表明， 對(duì)于不同算法素養(yǎng)水平的參與者而言， 排序方式對(duì)于用戶點(diǎn)擊行為選擇性的影響不存在顯著差異。

此外， 算法素養(yǎng)在排序方式對(duì)用戶閱讀行為選擇性的影響中也不存在顯著調(diào)節(jié)作用（Ｆ（２，３２）＝０.１５６， ｐ＝ ０.８５６）， 如圖６ 所示。這一結(jié)果表明，對(duì)于不同算法素養(yǎng)水平的參與者而言， 排序方式對(duì)于用戶閱讀行為選擇性的影響不存在顯著差異。

４討論

本研究首次通過(guò)實(shí)證研究揭示了新聞推薦系統(tǒng)的排序方式對(duì)于新聞閱讀行為選擇性、態(tài)度極端性變化程度存在顯著影響， 并且這一影響對(duì)于不同算法素養(yǎng)水平的人群而言均存在， 并不存在群體差異。

首先， 本研究證明了排序方式并不影響點(diǎn)擊行為的選擇性， 所有參與者都更傾向于點(diǎn)擊與自身態(tài)度一致的新聞。這打破了以往研究認(rèn)為用戶偏好排序靠前信息的固有觀點(diǎn)［９］ 。這可能是由于以往研究結(jié)論往往針對(duì)傳統(tǒng)信息搜索情景， 此時(shí)排序靠前代表信息的高度相關(guān)性， 進(jìn)而吸引更多點(diǎn)擊行為［５８］ 。然而， 新聞瀏覽行為作為一種無(wú)定向的信息搜尋行為［５９］ ， 往往由興趣驅(qū)動(dòng)， 此時(shí)用戶的目的不是尋找最準(zhǔn)確的答案， 而是挑選出符合自身興趣或喜好的新聞［２０］ 。因此， 無(wú)論采取何種排序方式， 用戶對(duì)于新聞的選擇偏好仍然會(huì)保持穩(wěn)定。

其次， 本研究證明了排序方式對(duì)于用戶的閱讀行為選擇性存在影響， 具體表現(xiàn)為在基于用戶偏好的排序組中呈現(xiàn)出較高的閱讀行為選擇性， 基于時(shí)間的排序組次之， 基于質(zhì)量的排序組最低。并且，這一差異主要體現(xiàn)在用戶對(duì)于不一致新聞而非一致新聞的平均閱讀時(shí)長(zhǎng)差異上。具體來(lái)說(shuō)， 相較于基于偏好排序組， 基于質(zhì)量排序組中的用戶在不一致新聞上花費(fèi)的時(shí)間更多。其原因可能在于， 人們通常傾向于對(duì)不一致新聞投入較少的認(rèn)知努力［６０］ ， 不愿意花費(fèi)過(guò)多時(shí)間處理不一致信息。而在基于質(zhì)量的排序方式中， 用戶更容易接觸到那些排在前面的高質(zhì)量新聞， 即使這些新聞與用戶觀點(diǎn)不一致， 其較高的感知說(shuō)服力也會(huì)提升用戶的閱讀時(shí)間［６１－６２］ 。

此外， 本研究還證明了不同排序方式對(duì)于用戶態(tài)度極端性變化程度存在顯著影響， 即相比于基于用戶偏好的排序組， 基于質(zhì)量的排序組參與者閱讀新聞后的態(tài)度極端性會(huì)有更大程度的削弱。這可能是由于在基于質(zhì)量的排序組中， 不一致信息的呈現(xiàn)次序會(huì)比基于偏好的排序組更靠前。而用戶往往對(duì)于排名靠前的新聞更為信任［６３］ ， 更傾向于采納排名靠前的信息觀點(diǎn)［６４］ ， 因此用戶更容易接納不一致信息的觀點(diǎn)， 削弱自身態(tài)度的極端性。

最后， 本研究證明了上述影響在不同算法素養(yǎng)水平的人群中均普遍存在， 且沒(méi)有顯著差異。這說(shuō)明無(wú)論用戶是否具備豐富的算法知識(shí)， 是否對(duì)推薦系統(tǒng)有著全面理解或深層次思考， 都不可避免地會(huì)受到影響。因此， 排序方式對(duì)過(guò)濾氣泡的影響更像是一種隱性的“助推（Ｎｕｄｇｅ）” 形式［６５］ ， 潛移默化地影響著人們對(duì)于推薦信息的行為反應(yīng)與心理活動(dòng)。

５結(jié)語(yǔ)

本研究首次通過(guò)受控實(shí)驗(yàn)驗(yàn)證了推薦算法排序方式不影響用戶點(diǎn)擊行為選擇性， 但會(huì)影響閱讀行為選擇性與態(tài)度極端性變化程度。具體而言， 相較于基于偏好的排序方式， 在基于質(zhì)量的排序中， 用戶閱讀行為選擇性會(huì)顯著降低、自身態(tài)度極端性會(huì)更大程度地削弱。而基于時(shí)間的排序?qū)τ脩粜袨檫x擇性和態(tài)度極端性變化的影響與基于偏好的排序之間沒(méi)有顯著差異。

本研究的理論意義在于： ①提出了過(guò)濾氣泡干預(yù)策略的新研究視角。以往研究聚焦于優(yōu)化推薦信息的“選擇” 策略， 但本研究通過(guò)實(shí)證研究證明“排序” 策略也同樣重要， 并從行為選擇性與態(tài)度極端性兩個(gè)維度揭示了不同排序方式對(duì)于過(guò)濾氣泡的干預(yù)效果， 為后續(xù)開展相關(guān)研究提供了新的方向；②為過(guò)濾氣泡實(shí)證研究提供了方法論啟示。目前，大部分過(guò)濾氣泡研究并未開展實(shí)驗(yàn)研究， 或僅僅采用了定性研究方法。本研究首次通過(guò)實(shí)證研究， 驗(yàn)證了用行為選擇性與態(tài)度極端性量化過(guò)濾氣泡程度的可行性， 打破了該研究領(lǐng)域的方法論瓶頸。

本研究結(jié)果還為實(shí)踐提供了指導(dǎo)。①?gòu)钠脚_(tái)角度而言， 根據(jù)本研究結(jié)果， 算法開發(fā)與設(shè)計(jì)人員應(yīng)對(duì)基于質(zhì)量的排序指標(biāo)賦予更高的權(quán)重， 并在不損害用戶體驗(yàn)的前提下適當(dāng)降低基于用戶偏好的排序指標(biāo)， 從而緩解過(guò)濾氣泡的負(fù)面影響。然而， 在面對(duì)浩渺的信息流， 算法如何準(zhǔn)確判斷信息內(nèi)容的質(zhì)量高低， 仍然是個(gè)嚴(yán)峻的挑戰(zhàn)。除了利用點(diǎn)贊、播放等初級(jí)指標(biāo)之外， 還需要人類參與其中進(jìn)行監(jiān)督與判斷， 讓算法實(shí)現(xiàn)類似于人類專家的信息質(zhì)量評(píng)估策略， 構(gòu)建起內(nèi)容推薦機(jī)制的“人在回路” （Ｈｕ?ｍａｎ－ｉｎ－ｔｈｅ－Ｌｏｏｐ）機(jī)制； ②從用戶角度來(lái)說(shuō)， 盡管算法素養(yǎng)的調(diào)節(jié)作用不顯著， 但其高低仍會(huì)影響用戶的態(tài)度改變， 因而在打破過(guò)濾氣泡的過(guò)程中還需要注意用戶算法素養(yǎng)的提升， 加強(qiáng)個(gè)性化推薦算法相關(guān)知識(shí)的教育， 提高用戶對(duì)于推薦算法的意識(shí)，從而有能力辨別所推薦信息的價(jià)值， 不被個(gè)性化推薦算法所左右。