信息繭房、烏合之眾與輿論偏向：網絡社群輿論極化現象研究

摘要：數字媒體時代，受多種因素的影響，信息在傳播過程中極易出現輿論兩極分化的現象。在這種情緒化、非理性化的網絡環境下，輿論極化現象呈現出惡化的趨勢，這不僅影響了整個網絡生態環境和管理，更加劇了輿論場的撕裂和社會矛盾的激化，一些重大社會議題越來越難形成主流價值判斷。因此，亟須對網絡社群輿論極化現象進行探討。本研究在對網絡社群輿論極化相關文獻進行仔細梳理后，從輿論極化的基本定義、影響因素、消解策略三個層面進行辨析，從個體因素、群體因素、媒介因素三個角度闡釋了輿論極化的影響因素，試圖構建基于動態的網絡群體輿論極化形成模型，以期為加強輿論引導、構建良好網絡空間、傳播主流價值觀和構建和諧社會提供一定的借鑒。

關鍵詞：網絡社群；輿論極化；群體極化；輿論偏向；信息繭房

中圖分類號：G206 文獻標志碼：A 文章編號：1674-8883（2022）12-0019-03

一、研究緣起與核心問題

隨著新媒體和社交媒體的快速發展，以及推薦算法的大量使用。在“人人都有麥克風”和“算法最懂我”的背景下，謠言、失范言論、極端思想等現象屢禁不止，輿論極化就是其中影響較大的一種。在飯圈中，粉絲群體的輿論對立和罵戰更為激烈。社會輿論極端化有時還會加劇政治、宗教或意識形態派別之間的對立[1]。隨著我國社會的不斷發展，輿論極化還將對社會主義核心價值觀的樹立及和諧社會的構建產生影響。

因此，筆者通過梳理相關文獻，了解輿論極化的基本含義，試圖構建一個基于動態的網絡群體輿論極化形成模型，同時探尋輿論極化的應對機制，以期為規避網絡社群輿論極化提供借鑒。

二、文獻綜述

國內不同學者對輿論極化的定義略有不同，但其基本內涵一致，下文從輿論極化的定義和研究現狀兩方面對輿論極化進行闡釋。

（一）輿論極化的定義

目前國內對輿論極化的定義還沒有統一標準。在中國知網以“輿論極化”為關鍵詞，檢索到33篇相關文章，其對“輿論極化”并未作出明確定義。而在以“輿論”和“極化”為關鍵詞的檢索中，發現研究“群體極化”的文獻較多。所謂“群體極化”是指群體成員從一開始便有某種傾向，在經過討論之后，人們還是堅持帶有偏差的想法，最終產生極端的觀點[1]。

對來自西方社會心理學的這一概念，國內并未形成本土化定義。吳越認為輿論極化的關鍵在于極化，對輿論極化的闡釋應回歸到極化最開始的定義，所以參照牛津詞典的釋義定義輿論極化。輿論極化是一種將人們分為兩個在某個話題上觀點完全相反的群體的行為，輿論極化是一種群體觀點兩極分化的現象[1]。楊洸認為，輿論極化是人們原來就有的某些價值或立場，通過數字媒體平臺機制，不斷向偏差方向發展，最終形成極端的觀點及群體性的表達結構，甚至形成大量語言暴力現象[2]。而李楊[3]、王琪雯[4]等在研究輿論極化時，直接以群體極化替代輿論極化。

由此可見，國內學者大都將輿論極化與群體極化這兩個概念聯合使用[1]，且在解釋輿論極化時多引用美國學者凱斯·桑斯坦關于群體極化的概念。

（二）國內外研究現狀

對輿論極化的研究，國內外側重點有所不同。國外對輿論極化的研究主要與政治極化密切相關，如對美國民主黨與共和黨兩個黨派政治的極化研究。而我國關于輿論極化的研究更多涉及網絡熱點和娛樂話題，如以偶像明星聚集起來的粉絲社群間的互撕、輿論罵戰等，這是國情不同導致的。

國內現有關于輿論極化的研究，主要基于新媒體環境、數字時代等背景，從社交媒體[5]、不確定信息[6]等視角出發，以飯圈文化[7]、社會熱點[8]等為研究對象，對輿論極化的成因與防控進行探索和反思。如葛巖通過觀察社交媒體與政治輿論演化的關系，指出只有社會失穩及主流媒體失去公信力的情況下，社交媒體才對極化有推動作用[5]。楊洸采用內容分析法探討社會化媒體環境下信息接觸和網絡商議對網絡輿論極化的影響，研究發現輿論呈現出意見極化和共識的共生特點[9]。

三、輿論極化的影響因素

關于輿論極化影響因素的研究較多，文章主要從個體因素、群體因素和媒介因素三方面進行探討。

（一）個體因素

1.初始偏見

每個個體的觀點存在差異是輿論極化的基本前提，而且這種差異是人們在討論特定問題之前就已經存在的，即人們常說的初始偏見。正如李普曼所言，人們對事實的看法取決于其習慣、所處的地位等，人們習慣用腦海中已有的概念去描述類似的任何事物。由于生活環境、個人偏好、價值觀念等的不同，人們對一些話題總會存在個人偏向性。一旦此類話題成為社會熱點，人們就會帶著初始偏見去參與話題討論。

2.選擇性接觸

信息的選擇性接觸可能是輿論極化的重要肇因[5]。人們總是傾向于選擇接觸和主動靠近與自己觀念相似或支持自己的人和信息，而對與自己有沖突或矛盾的信息或人存在一種回避和抵抗的傾向。尤其在新媒體時代，推薦算法為每個人提供個性化的信息內容，這恰好符合了選擇性接觸的心理，人們總是接觸到“情投意合”的信息。這種有意識的選擇性接觸加上算法技術，將導致大眾“信息窄化”，接觸的信息處于既定范圍內，不可避免地造成了信息繭房。

（二）群體因素

1.群體歸屬

社會認同理論指出人們會根據自然身份、社會身份等屬性，對自己進行社會劃分，然后對自身所屬的群體產生歸屬認知[3]。個體常常會由于相似的興趣愛好、階級地位、價值觀念等迅速聚集起來，構成一個個的小團體。在復雜的社會系統中，這種群體歸屬既是對某一群體身份的認同，同時也劃分了群體間的邊界，而且意見分化逐漸形成，不斷加劇群內認同和群間距離。

2.群體協同

在《烏合之眾：大眾心理研究》一書中，勒龐認為，當個體成為群體的一員時，更容易接受群體暗示并相互影響，從而形成集體意識，產生集體行動。在身份認同與群體壓力的共同影響下，群體內部成員逐漸使自我觀點和行為向群體靠攏，不知不覺地喪失了自我意識和判斷，群體的觀念和行為逐漸代替了個體的觀念和行為，呈現出盲目、沖動、輕信的特點。群體內部意見高度統一，個體意見逐漸消弭。

3.群內偏袒

群內偏袒是指偏袒群內成員而不是群外成員。在網絡信息的傳播中，群體成員會以積極正面的態度去評價和支持所處群體的觀點，而對群體外的觀點持抵觸和排斥心理，有時還會有意識地尋找支持群內觀點的各種證據，甚至人為扭曲事實。在過濾氣泡和固有選擇性社會心理等因素下，一種群內高度偏袒、群外積極抵觸的狀態逐漸形成。在封閉空間中，原有信息和觀點得到進一步證實和強化，對立觀點之間的距離也逐漸擴大，從而產生“回音室效應”，輿論極化也會愈演愈烈。

（三）媒介因素

1.去中心化的生產與傳播模式

自媒體和社交媒體的發展為大眾提供了一個暢所欲言的平臺，網絡空間信息爆炸式增長。在互聯網匿名化、開放化、弱規范化的機制下，公眾參與網絡事件呈現出激進、隨意、不可控等特點。尤其在情緒化和非理性化的后真相時代，輿論場中充斥著大量的碎片化信息、情緒化信息、虛假信息。信息的廣泛性（信息過載）與不確定性（信息匱乏）帶來的恐慌感誘發了更多的討論和極端行為。輿論場逐漸失去中心和平衡，呈現出多方力量的相互博弈，非理性情緒化信息為極化的形成提供了必要條件。

2.報道偏向

輿論事件是形成群體極化的重要條件，往往作為群體極化的重要載體[4]。在海量信息、注意力稀缺及流量至上的網絡時代，“眼球經濟”顯得至關重要。不少網絡媒體在呈現信息時，刻意迎合大眾心理、縱容極端表達，不斷強化自我觀點和立場，以激烈甚至極端的方式吸引眼球，且常傾向于先報道負面的信息，而且有意突出對立的、不可協調的社會矛盾。媒體更像一個熱點話題的放大器，而不是事實的報道者，這種話題報道的偏向性進一步助長了輿論極化的形成。

3.算法技術

目前主流媒體仍然采用協同過濾算法[1]，通過挖掘用戶以前的行為數據來推測用戶的內容偏好，并利用這些數據推薦用戶喜歡的信息。平臺設置各種算法推薦標準，一方面可摸清大眾喜好，另一方面不斷推送相關內容。在幫助公眾應對信息洪流，提供個性化信息服務時，也會產生過濾氣泡，滿足人們的選擇性接觸心理，讓公眾只看到自己喜歡的信息，不斷強化既有觀點，這不可避免地造成了信息繭房，引發了輿論極化。

網絡群體輿論極化形成模型如圖所示在網絡信息去中心化的生產與傳播模式下，在輿論形成初期，個體對此話題的初始偏見甚至是群體歸屬就已經形成，隨著深入了解話題時的信息選擇性接觸，以及群體協同、群內偏袒和報道偏向的共同影響，再加上貫穿始終的推薦算法的催化作用，輿論極化現象逐漸形成。受流量至上的影響，算法技術反而成了輿論極化的催化劑。因此，要設計公平普惠的推薦算法機制，向大眾推送多樣的、差異化的信息，同時要以公開公正的方式給予各種信息同等曝光機會，構建一個多元的、百花齊放的公共網絡空間。

四、輿論極化的消解策略

要在一定程度上防控和應對網絡群體的輿論極化，應采取剛柔并濟、多方協調的策略。

（一）加強輿情風險預警，扼殺極化信息火苗

相關部門要精準定位，及時發現具有極化傾向的信息源。應對微博、微信、抖音甚至是QQ群等群體極化高發平臺進行重點監測。同時要大力推進大數據技術在輿論極化監測中的應用，通過關鍵詞過濾技術，捕捉信息海洋中的潛在苗頭，從源頭上降低輿論極化出現的風險。除此以外，輔以人工監測，提高內容判斷的準確性和有效性。

（二）主動公開事件信息，減少不必要矛盾點

應對輿論極化事件，最重要的是提供充足的信息。在量上要提供盡可能多的信息，向社會公布有關事件的詳細信息，以免大量過度解讀和揣測信息蔓延。在質上要提供真實、有針對性的信息，不避諱、不遮掩，從理性、客觀的角度提供信息。緩解用戶的“信息饑渴”，減少大眾因信息匱乏和不確定性信息產生的焦慮和非理性化情緒，以免引發網絡輿情和輿論傳播。

（三）制訂動態應急方案，主流媒體積極引導

爆發輿論極化事件時，要抓住應對輿論的“黃金四小時”原則，與輿論擴散速度賽跑。在最短時間內理清事件，預估后果，制訂方案。主流媒體的語調與引導方式已經被證實與輿論極化有密切關系。主流媒體應利用好自身優勢，不斷提高影響力、公信力和號召力，提升對輿論的引導力，掌握媒介話語權。通過主流媒體的正向引導、議程設置等減少網絡中兩極分化的問題。

（四）調整推薦算法機制，傳播多樣信息內容

推薦算法實質上是一種自動匹配技術，能幫助大眾在海量信息中選出所需內容，提供個性化信息服務。但

五、結語

擁抱數字生活將成為常態，但一些事件經過不恰當的解讀和傳播，引發了極端的群體性意見。隨著國家和社會的發展，一些極具社會矛盾性的話題，會加劇輿論場的撕裂及群體間的輿論極化現象。

文章從個體、群體、媒介三方面闡釋了輿論極化的影響因素，試圖建構基于動態的網絡群體輿論極化形成模型。然而影響輿論極化的因素有很多，這些因素一般會相互交叉影響，使輿論極化現象的發生過程復雜化。而文章僅是基于文獻理論和經驗觀察的定性分析，需進一步證實和完善。

參考文獻：

[1] 吳越，李發根.輿論極化研究綜述[J].情報雜志，2022，41（4）：98-103，110.

[2] 楊洸.數字時代輿論極化的癥結、成因與反思[J].新聞界，2021（3）：4-10，27.

[3] 李楊，金兼斌.網絡輿論極化與科研人員對科學傳播活動的參與[J].現代傳播（中國傳媒大學學報），2019，41（3）：32-37，42.

[4] 王琪雯.新媒體背景下的熱門輿論極化及其防范[J].西部廣播電視，2017（9）：10.

[5] 葛巖，秦裕林，趙汗青.社交媒體必然帶來輿論極化嗎：莫爾國的故事[J].國際新聞界，2020，42（2）：67-99.

[6] 吳正國，王君柏.信息的不確定性與網絡輿論極化分析[J].貴州社會科學，2014（5）：37-41.

[7] 申金霞，萬旭婷.網絡圈層化背景下群體極化的特征及形成機制：基于“2·27事件”的微博評論分析[J].現代傳播（中國傳媒大學學報），2021，43（8）：55-61.

[8] 張曉鵬.探析網絡輿論反轉的發展特點及其影響：以榆林產婦跳樓案為例[J].新聞愛好者，2020（12）：72-74.

[9] 楊洸.社會化媒體輿論的極化和共識：以“廣州區伯嫖娼”之新浪微博數據為例[J].新聞與傳播研究，2016，23（2）：66-79，127.

作者簡介？李芳，本科在讀，研究方向：新媒體傳播、媒介與社會、媒介文化。