信息繭房效應下用戶群體極化形成機理研究

摘" "要：智能媒體時代下，進一步探究信息繭房效應對用戶群體極化行為意愿的影響，能為構建良好的社交媒體平臺生態提供建議。文章基于“刺激-機體-反應”框架與信息生態理論，從信息繭房的同質化特征內涵出發，分析信息繭房形成機理并構建信息繭房效應下用戶群體極化作用機理模型，利用問卷調查收集樣本，通過結構方程模型展開實證研究。研究結果顯示，信息同質化、選擇性接觸、群際情緒和社會比較頻率在用戶群體極化行為意愿形成過程中發揮重要作用。同時，用戶態度極化也是信息繭房效應下用戶群體極化行為意愿的影響因素。

關鍵詞：信息繭房；群體極化；行為意愿；影響因素

中圖分類號：G206" "文獻標識碼：Ａ" "DOI：10.11968/tsyqb.1003-6938.2024040

Research on the Mechanism of User Group Polarization under the Information Cocoon Effect

Abstract In the era of intelligent media， exploring the impact of the information cocoon effect on user behavioral willingness in group polarization can provide suggestions for building a good ecosystem of social media platform. This paper was conducted based on the \"stimulus-organism-response\" framework and the theory of information ecology. Starting from the homogenization characteristics of the information cocoon， the study analyzed the mechanism of information cocoon formation and constructed a model of user group polarization under the information cocoon effect. The study then collected samples through questionnaire surveys and conducted empirical research through structural equation modeling. The results show that information homogenization， selective contact， inter-group emotion and social comparison frequency play an important role in the formation of users' behavior intention in group polarization. At the same time， user attitude polarization is also an influential factor of user group's behavioral willingness to polarization under the information cocoon effect.

Key words information cocoon; group polarization; behavioral intention; influence factors

隨著國內外社交媒體應用的普及和智能推薦算法的應用，內容傳播新結構與智能推薦技術帶來了巨大的信息繭房風險。由于信息繭房效應的存在，同質化信息可能對部分網民形成認知強化，這種效應會逐漸導致網絡群體的認知偏差，最終造成群體極化現象［1］。群體極化現象可能導致網民對現實觀點不能準確認知，最終破壞網絡環境的正常秩序。國務院在《數字中國建設整體布局規劃》中指出，要健全網絡綜合治理體系，提升全方位多維度綜合治理能力［2］。從信息繭房效應的角度分析群體極化現象形成機理，引導網絡生態良性健康發展，已經成為當前提升網絡空間治理效能的重要課題。

近年來，信息繭房效應對網絡群體極化的影響研究已經引起國內外學者的廣泛關注。研究發現，在社會治理方面，網絡群體極容易在網絡空間形成團體回音室［3］；在社交媒體中，算法過濾氣泡與回音室會增加虛假信息的曝光率，容易使處于信息半封閉狀態的易感群體受到誘導從而上當受騙［4］。實際上，群體極化現象很大程度由信息繭房效應催化形成，深層次的信息繭房效應將導致用戶信息窄化和互聯網的集聚效應，引發群體極化［5］，對個體造成信息接收失衡、碎片化閱讀等負面影響，導致網絡空間中出現大眾情緒偏激和網絡謠言散播等現象。從現有研究成果來看，國內外學者普遍認為信息繭房效應將導致群體極化，產生一定的負面影響。但通過定量研究、實證分析的方式探究信息繭房效應對用戶群體極化的影響相對較少。

本文試圖解決以下兩個方面的研究問題：（1）信息繭房效應的哪些方面會影響群體極化的形成？（2）如何在信息繭房效應下構建用戶群體極化影響機理模型？基于上述問題，本文結合“刺激-機體-反應”框架理論和信息生態理論，通過構建用戶群體極化影響機理模型，從信息技術、信息人、信息和信息環境四個方面研究信息繭房效應對群體極化形成的影響。本文分析了信息繭房效應對群體極化形成的影響方式，為群體極化的成因提供新的理論研究視角，為我國的內容智能分發平臺健康發展提供理論依據，并為信息監督部門合理疏導網絡不良情緒提供參考。

1" "相關概念及理論基礎

1.1" " 信息生態理論

1997年，美國管理科學家托馬斯·達文波特（Thomas Davenport）首次提出信息生態概念，他將生態學的視角引入信息學領域，認為信息的產生及進一步加工處理是為了滿足用戶的需要，信息并非獨立運行，而是與其所屬的社會進程及系統生態密切相關［6］。目前信息生態理論在信息管理與信息分析領域具有廣泛適用性，能夠較好地解釋用戶信息行為的成因及作用路徑，如解釋突發事件網絡不良情緒的發生機制［7］和移動短視頻UGC網絡不良情緒傳播行為［8］等。本文基于信息生態理論，從信息層面、信息人層面、信息技術層面與信息環境層面分析群體極化的形成，為社會公眾在信息繭房效應下如何走出群體極化困境提供了理論參考。

1.2" " 信息繭房效應的同質化特征

信息繭房（Information Cocoons）這一概念最早于2006年由哈佛大學凱斯·桑斯坦教授在其著作《信息烏托邦》中提出，它指信息用戶一般只會關注自己感興趣的內容，久而久之將如同蠶繭一般被束縛在自己編織的“繭房”之中［9］。各類研究中關于信息繭房的表述略有不同，除信息繭房外，回音室效應、過濾氣泡等也是描述信息窄化現象重要概念，內涵相近［10］。從本質而言，同質化是信息繭房效應最不可忽視的重要特征之一，主要表現為由用戶偏好因素引發的選擇同質化、由技術推薦引發的內容同質化、由社會互動引發的群體同質化等（理論框架見圖1）［11］。

1.3" " 群體極化

群體極化是指在網絡環境和群體影響下，群體成員的觀點基于原有傾向逐漸向極端化轉變的現象［9］。在群體極化成因方面，網絡信息環境同質化、用戶群體結構和用戶個體表達是造成群體極化現象的重要條件，社會比較頻率、群體認同和群際情緒等因素對輿論反轉中網民群體極化行為意愿有正向影響［10］。在群體極化形成機理方面，盧智增和高翔通過對社交媒體中群體極化案例的觀察，歸納出社交媒體平臺中群體極化形成的誘因，進而構建出社交媒體平臺群體極化的動力機理模型和形成機理模型［5］。王晰巍等在群體極化的研究中，通過可視化方法分析出了群體極化的演進特點及發展趨勢［12］。現有的群體極化研究中，關注態度極化的相對較多，分析方法主要包括調查問卷［13-14］、對比實驗［15］、情感分析與社交網絡分析［16］等。

1.4" " 刺激-機體-反應（SOR）框架理論

刺激-機體-反應（Stimulus-Organism-Response framework，S-O-R）框架認為，環境的各方面刺激因素會影響個體的內在感知，影響個體的行為反應［17］。作為現代環境心理學的重要理論之一，S-O-R框架理論較好地構建和闡釋了外部環境、個體心理及行為之間的關系。這一理論目前已被廣泛應用于信息管理學領域，用來解釋信息系統用戶的使用行為和特定情境下的信息行為，如線上平臺用戶使用意愿［18］、虛擬社區中用戶信息行為［19］、社交媒體用戶行為［20］等。

信息生態理論關注信息技術、信息人、信息和信息環境等要素之間的相互作用和關系，有助于更好地分析群體極化如何在整個信息生態系統中形成和演變，但該理論卻無法個體用戶形成群體極化行為意愿的形成機理提供理論依據，而S-O-R框架理論強調個體作為有機體在外界刺激作用下的動態反應過程，有助于從個體的微觀角度揭示信息繭房效應如何影響用戶態度和行為變化。因此，本文將S-O-R框架與信息生態理論相結合，把信息繭房效應在信息技術、信息人、信息和信息環境等四個方面的作用作為外部刺激因素S，用戶的態度極化作為內部機體反應O，對用戶群體極化行為意愿的影響作為R，從而更具體和深入地分析用戶在信息繭房效應下的心理變化和群體極化行為的形成機理。

2" "信息繭房下群體極化影響機理分析

2.1" " 信息繭房對群體極化演化的作用過程

通過信息繭房效應的同質化特征展開分析，基于信息生態理論從信息技術、信息人、信息與信息環境四個維度分析信息繭房效應對群體極化的作用。信息技術是群體極化的重要技術支持，在個性智能推薦算法的作用下，用戶更容易接觸到相同觀點，而很少聽見不同或者對立的聲音。信息人是群體極化的參與主體，由于用戶在社交媒體接受信息過程中具有選擇性接觸傾向，容易將自身束縛在由興趣和已被先入之見引導的信息繭房中。信息是導致群體極化形成的重要催化劑，社交媒體上往往存在信息集群效應，通過社交媒體推送呈現出明顯的信息同質化特點。信息環境則會加速催化群體極化，由于網民的社會屬性，人們也往往習慣于與他人進行比較，以了解自己在某個特定觀點上的立場是否與主流一致，當群體情緒趨向一致時，個體更容易受到群體情緒的影響，并呈現出和群體一致的觀點與態度。

2.2" " 信息繭房效應下用戶群體極化作用機理研究假設

2.2.1" "信息繭房效應下信息同質化對用戶態度極化的影響

信息同質化是指個體使用網絡媒介時接受的信息內容呈現內容相似的現象，體現了信息繭房中信息封閉的特點［11］。凱斯·桑斯坦指出，在網絡當中人們可以輕松獲取自己所需的信息并拒絕一些不喜歡的信息，但經過這個過程后用戶最終得到的將是窄化的信息［21］。當網絡用戶長期沉浸在信息窄化環境中，個體只能接受趨同的信息，被迫閱讀內容相似、價值觀相同的同質化信息，導致個體信息需求表達和信息反饋等能力逐漸衰弱［22］。隨著時間推移，個人價值觀逐漸受到同質信息所傳遞的價值觀潛移默化的沖擊，易從眾群體將出現信息盲從，相同意見群體的立場和態度逐漸趨于統一，不同意見群體之間距離逐漸擴大，導致極化效應出現。當網民處于同質化信息的長期喂養下，容易呈現情感極化現象［23］，偏袒同一陣營的觀點，對對立陣營的觀點產生敵意，呈現出態度上的兩極分化［24］。因此，從信息生態理論中信息層面提出假設：

H1：信息同質化對用戶態度極化起正向影響。

個性化算法推薦指社交媒體平臺利用信息過濾技術，根據特定用戶的興趣和偏好向他們推送相關且符合其需求的信息內容，從而提供個性化的信息推薦服務［25］。內容平臺會利用“個性化算法推薦技術”分析數據，并定制化地向用戶推送偏好信息，持續的同類信息輸入將不斷強化用戶的認知觀點，最終形成具有同一性的用戶群體。在具有一致觀點的用戶群的相互影響下，用戶態度得到進一步強化，進而產生極端立場［5］。研究表明，社交網絡平臺的個性化算法推送會限制用戶對反態度信息的接觸，減少用戶與其他觀點、信息或媒介的接觸，將用戶封閉在特定的環境中使其接收的信息多樣性受到影響［26］。個性化算法推薦將認知相似的網民包裹在“過濾氣泡”內，導致網民在跨群體信息互動中呈現出高度的群體一致性，從而增強網民情感和態度的兩極分化［27］。因此，從信息生態理論信息技術層面提出如下假設：

H2：個性化算法推薦對用戶態度極化有正向影響。

2.2.2" "信息繭房效應下選擇同質化對用戶態度極化的影響

選擇性接觸指個體主動選擇接受與自身態度、觀念和行為一致的信息，并有意規避可能對自身態度、觀念和行為構成挑戰的信息［28］。身處信息繭房中，用戶個體將呈現出顯著的選擇性接觸特點。在信息過載的社交媒體環境下，網民的選擇性接觸體現在往往只關注符合自己觀點的信息，如取消與自己觀點不一致博主的關注、屏蔽與自己觀點不符的信息。由于個人信息處理資源有限，人們往往喜歡選擇與自己態度一致的信息以減少腦力勞動，避免相反的觀點帶來的不適感。當用戶只與自己觀點相同的人進行交流并接觸相似信息時，其將無法接觸到不同的觀點和多樣的思想。在缺乏與異質觀點對話和交流的情況下，用戶的觀點與態度往往更容易變得極端化［29］。因此，從信息生態理論信息人層面提出如下假設：

H3：選擇性接觸對用戶態度極化有正向影響。

2.2.3" "信息繭房效應下群體同質化對用戶態度極化的影響

群際情緒理論認為當個體認同某一個群體并產生歸屬感，個體與該群體間將形成情緒共振，個體的情緒體驗即為群際情緒［30］。其中群際情緒包括正向的情緒高漲和負向的情緒憤怒等。處于信息繭房構筑的同質化群體中時，由于情感的共振和連接，個體往往與群體共享類似的情緒體驗，這種情緒共振會加強個體對自身情緒狀態的確認和堅持，和對其他情緒狀態的排斥和忽視。隨著群際情緒共鳴效應的不斷強化，個體將更加傾向于相信和強化與自身情緒相符合的信息和觀點，從而導致個體態度極化。現有研究表明，群際情緒對個體態度起主導作用，能夠激發并調節群際態度和行為變化，是造成輿論事件群體極化行為的有效動因之一［31］。因此，從信息生態理論信息環境層面提出如下假設：

H4：群際情緒對態度極化有正向影響。

社會比較頻率是指當個人在缺乏客觀標準或不確定自身觀點和能力的情況下，與他人的觀點和態度進行比較的頻率［32］。社會比較理論認為，個體總是喜歡與他人的觀點進行比較和交流，并在過程中不斷調整自身看法，最終向群體觀點所代表的社會行為規范進行靠近。Tajfel等提出團體比較現象，認為團體比較可能會讓團體意見一致的成員得到身份確認，進而讓團體態度及觀點形成更穩固的團結［33］。Jeong認為，社會比較是態度極化的重要影響因素，受社會屬性的影響，個體傾向于持續地將自己的觀點與群體的觀點進行對比，并逐漸趨向于被大多數人所接受的觀點［34］。因此，個體社會比較頻率越高，態度越容易呈現極端化。本文將社會比較頻率作為社交媒體中用戶社會比較程度的表征，并認為社會比較頻率的升高會導致態度極化。從信息生態理論信息環境層面提出如下假設：

H5：社會比較頻率對態度極化有正向影響。

2.2.4" "用戶態度極化對群體極化行為意愿的影響

用戶態度極化是指用戶個體的觀點處于極端的狀態且有變得更加堅定的趨勢［15］。在個體感知到態度極化的情況下出于對用戶群體的認同感和歸屬感，用戶更有可能感到自己與群體內的其他成員有著共同的目標和利益，促使他們更加積極地參加群內討論等活動。這種用戶態度極化行為會導致用戶在群體內更加堅持自己的立場，促進群體內的意見統一和行動一致，更加強化群體極化行為意愿。相應的用戶也會對與自己觀點不一致的信息和意見產生抵觸和排斥情緒，并試圖說服其他成員接受自己的觀點。用戶對群內意見的共識越高，對群外意見的共識就越低，越容易產生用戶群體極化。現有研究表明，用戶的態度觀點會直接影響網民的極化行為或者行為意向［35］。基于以上研究提出假設：

H6：用戶態度極化對用戶群體極化行為意愿有正向影響。

2.3" " 信息繭房效應下用戶群體極化影響因素模型構建

本文結合“刺激-機體-反應”框架和信息生態理論，從信息繭房的同質化特征出發，對用戶群體極化行為意愿的影響進行分析。將信息繭房效應的特征維度作為外部刺激因素，機體變化體現為用戶意見或價值觀的強化，進而分析作為用戶最終反應的群體極化行為意愿，構建信息繭房效應下用戶群體極化影響因素理論模型（見圖2）。

2.4" " 調查問卷設計

本文利用結構方程方法探究信息繭房效應下，哪些因素會對用戶群體行為意愿產生顯著影響。為確保實證研究結果的科學性及可信性，參照已有成熟的研究成果［34，36-37］，設計了基于微博使用的群體極化影響因素調查問卷。問卷包括用戶基本信息、用戶使用微博的行為情況和問項變量。每個變量設計5個問題，共35個問題，問題項采用李克特5級量表形式。在大量發放問卷之前，通過預調研修正了問卷中存在的問題。預調研主要分為兩步，首先訪談了10位經常使用微博的人員，根據訪談結果調整了問卷中的問題，如理解困難、問項表述不清等；其次將調整后的問卷小規模發放，共收取50份問卷。根據初步探索性因子分析的結果對題目進行調整，將因子載荷量過低（＜0.6）的題目刪除后，最終題目數量為31個（見附錄1）。

3" "數據結果

3.1" " 樣本選擇與數據收集

為了獲取可靠的信息繭房效應下用戶觀點極化的影響因素調查數據，本文基于微博這一社交媒體，結合微博熱點事件“高鐵宣傳片將女子化妝列為不文明事件”進行調查，并邀請受訪者填寫調查問卷。在線調查歷時一個月（2023年10月8日-2023年11月8日），最終通過線上方式累計回收問卷452份，結合用戶使用微博情況，實際收回有效樣本399份，有效問卷率為88.27%（樣本統計結果見表1）。本次調查中男女比例較為均衡，符合人口性別比例；參與者年齡多分布在18歲-40歲，以全日制學生數量最多，教育程度中專科與本科學歷人數最多，符合《2023年度微博用戶報告》［38］中微博用戶大多集中于18歲-30歲這一群體特點，樣本具有較高程度代表性。

3.2" " 共同方法偏差檢驗

為了控制共同方法偏差問題，采用SPSS 27.0軟件對量表進行Harman單因子檢驗，結果共提取出特征根大于1的因子數量7個，第一公因子的方差貢獻率為28.94%，未超過40%（見表2），說明本文共同方法偏差問題不嚴重。

3.3" " 信度與效度檢驗

在本次研究中，主要的因素均通過量表的形式進行測量。因此，對于測量結果的數據質量進行檢驗是保證后續分析具有意義的重要前提。本文使用SPSS 27.0軟件對問卷進行信度和效度檢驗（見表3）。信度檢驗方面，采用Cronbach’α系數來測量問卷變量在各個測量題項上的一致性程度。各變量的Cronbach’α值均大于0.7，量表總體系數為0.909，表明變量具有良好的內部一致性，問卷信度較高。效度檢驗方面數據結果表明，平均方差提取值AVE均高于0.5，組合信度CR均大于0.6，測量指標具有良好的收斂效度。在相關性分析和區分效度中，所有潛變量AVE的平方根均大于潛變量之間的相關系數，表明區分效度良好（見表4）。

3.4" " 結構模型與假設檢驗

采用AMOS 28.0軟件對結構方程模型評估測量并對模型整體配適度進行檢驗。數據分析結果顯示，信息繭房效應下用戶群體極化影響因素模型適配度良好（見表5）。利用AMOS 28.0軟件采用最大似然估計法對因子之間的路徑系數值進行估計（假設結果見表6、圖3）。結果顯示，除H2不成立之外，其余假設均得到支持。總體來說，信息同質化對用戶態度極化有正向影響（β=0.426，Plt;0.001），H1成立；個性化算法推薦對用戶態度極化不具有顯著正向影響（β=0.144，Pgt;0.005），H2不成立；選擇性接觸對用戶態度極化有正向影響（β=0.026，Plt;0.001），H3成立；群際情緒對用戶態度極化有正向影響（β=0.238，Plt;0.001），H4成立；社會比較頻率對用戶態度極化有正向影響（β=0.174，Plt;0.001），H5成立；用戶態度極化對用戶群體行為意愿有顯著正向影響（β=0.595，Plt;0.001），H6成立。

4" "討論與分析

基于以上數據，得到除H2個性化算法推薦對用戶態度極化產生正向影響的假設不成立以外，其它五個假設均得到數據支持。數據結果表明，影響最大的因素是信息同質化（β=0.426），其次是群際情緒（β=0.238）與社會比較頻率（β=0.174），最后是選擇性接觸（β=0.026）。

4.1" " 信息同質化對用戶態度極化的影響

信息同質化對用戶態度極化具有顯著的正向影響，β信息同質化=0.426，P＜0.001。具體而言，信息同質化指用戶在使用微博時接受到內容或觀點的重復性。當用戶在微博環境中不斷接受到具有相似性的觀點時，這些具有相同觀點的用戶會相互驗證并延續他們的價值觀，并對其他觀點免疫，使自己與其他具備潛在威脅性的外部群體隔離開，導致出現群體極化。這與Garrett和Barberá等的研究［39-40］相一致，即觀點相似的互動伙伴組成的同質化信息網絡與更高的態度極化程度有關。同時，本文發現信息同質化對于態度極化的影響相較于其他影響因素更強。

為避免信息同質化導致的用戶群體極化，社交媒體信息生產者應從宏觀上把握并反映事物的全貌，增強信息聚合，拓展用戶的信息面，打破信息壁壘。信息生產者可以在推送內容中巧妙融入有價值的異質信息，以拓寬用戶視野打破固有的信息壁壘，增加其接觸不同觀點的機會。微博等社交網絡服務提供商應該合理優化推薦算法，確保用戶在瀏覽時能夠接觸到多元化的信息，而不僅僅是與其自身觀點相符的內容。社交網絡服務提供商可以為用戶提供更加多樣化的推薦內容，如進行多樣化的內容標簽，使用戶可以更方便地瀏覽和發現不同觀點內容，或推薦一些有不同觀點的學者專家及內容創作者，幫助用戶擴展信息源，接觸多元觀點，減少同質化信息帶來的影響。社交媒體在信息呈現時，也應該通過內容監管、熱搜榜單等多元信息組合方式構建多元信息滲透的“信息蜂房”。

4.2" " 個性化算法推薦對用戶態度極化的影響

個性化算法推薦對用戶態度極化沒有顯著影響，β個性化算法推薦=0.144，Pgt;0.05。Van 和Cho等［41-42］指出社交媒體智能推薦算法可能會限制對相反態度信息的接觸，從而增加兩極分化的可能，與本文研究結果不同。但是本文研究結果與Michael和Neumann等研究結論［43-44］一致，即社交媒體智能推薦算法并沒有導致態度兩極分化程度的增加。其原因可能在于個性化算法推薦并非僅僅將用戶限制于目前觀點，也可能為用戶提供更廣泛的視角。當用戶在線獲取信息的過程中，隨時可能發生信息偶遇現象，即社交媒體用戶碰巧接觸到由算法過濾器提供的其它相反想法，讓用戶接觸到更廣泛的意見，緩和群體極化程度。

個性化算法推薦雖然對用戶群體極化不具有顯著影響，但用戶在進行在線信息獲取時仍然不可避免地會受到現有社交媒體中智能算法推薦的影響。隨著社交媒體的飛速發展，個性化算法推薦系統所涵蓋的維度不再局限于人口學信息、用戶行為記錄、瀏覽歷史和個人喜好等方面，而是向整合時間因素、多場景下用戶行為信息以及情景感知信息方向逐漸擴展。為避免用戶觀點態度受困于群體意識形成“信息繭房”而變得極端，信息推薦服務運營商在追求用戶黏性的同時，更應承擔社會責任，采取更為多元的推薦策略，設計更為健康的信息推薦機制。社交網絡服務商應根據該規定實施算法治理，為用戶提供多樣化觀點。目前已發現的如推薦算法加入信息偶遇機制、創建隨機信息間鏈接、創新內容和展現形式、將信息偶遇理念嵌入搜索工具設計等方式，均可以彌補個性化算法推薦在功能性上的不足。

4.3" " 選擇性接觸對用戶態度極化的影響

選擇性接觸對用戶態度極化有顯著正向影響，β選擇性接觸=0.026，Plt;0.01。研究發現被調查者中的年輕人較多具有一定的文化水平，在互聯網中搜尋信息時具備較高的信息素養。但這類群體身處具有高度選擇性的社交媒體環境中時，往往喜歡選擇與自己態度一致的信息［28］。在用戶只與自己觀點相同的人進行交流并接觸相似信息時，往往無法接觸到不同的觀點和多元思想，這一結果與Johnson等的研究［45］一致，即選擇性接觸會導致態度兩極分化。這個結論也得到Aexl和Zhu等研究成果［46-47］的驗證。選擇性接觸相對于其他影響因素的影響程度較弱，原因可能在于個體為了減少信息焦慮，更傾向于選擇性地接觸信息，從而保持獲取信息和觀點的一致性和合理性。因此，選擇性接觸對態度極化影響較小。

在信息過載的互聯網環境下，選擇性接觸無疑為用戶提供了更方便快捷的獲取信息方式，但這種方式在減少信息成本的同時，卻成為了用戶對信息的全面接觸的障礙。用戶在享受信息便捷的同時，往往忽視了這種接觸方式可能導致的社交圈子窄化和信息交互特定化等行為傾向，從而加劇了群體極化現象。為打破這一困境，用戶需要不斷提高自身的信息素養，了解社交平臺行為數據采集原理及個性化推薦算法的相關知識，在享受個性化服務的同時，也能有效避免信息冗余，防止自身陷入信息繭房的桎梏。同時用戶也可以通過積極接觸不同傳播媒介、關注提供全面且平衡新聞報道的媒體平臺、嘗試閱讀與自己觀念相悖的文章等方式，主動拓展信息獲取范圍，有效避免因信息接受不全面導致的觀點偏激。圖書館等文化機構可適當開展關于算法素養培養的特色宣傳和講座，引導大眾培養良好的信息素養，幫助用戶更加理性、全面地接觸信息。

4.4" " 社會比較頻率及群際情緒對用戶態度極化的影響

社會比較頻率和群際情緒均對用戶態度極化有顯著正向影響（β社會比較頻率=0.174；β群際情緒=0.238，Plt;0.001）。隨著某一熱點事件不斷升溫，網民們會根據自身經歷、認知以及心理狀態來評估某些事件，形成自身的群體立場，形成群際情緒。情緒傳播相比于信息傳播具有更加迅速、更容易引起人們共鳴的特點，網民易跟隨群際情緒，在保護本群體情緒的同時，排斥其他持不同情緒的群體。由于用戶個人的社會屬性，在事件發生初期，網民更容易將自己與他人進行比較，形成一種從眾心態，導致極端群體出現。在一定程度上，社會比較頻率越大，態度和看法越容易受到影響。這一結論得到了社會比較理論相關研究的支持，也與楊慶國等的結論［48］相同。在信息環境層面社會比較頻率相比于群際情緒對群體極化影響較弱，原因可能是在當前網絡環境中，情緒激動和激憤氛圍往往更能使公眾難以保持理性思考。在非理性思考的情況下，人們更易被群際情緒感染，無法做到積極尋求不同觀點并與之比較，這一結果與汪明艷等的研究結果［37］一致。

群際情緒往往容易在社交媒體平臺上蔓延，導致用戶群體之間的對立和分裂。為了減少群際情緒與社會比較頻率所導致的用戶圈層和用戶群體極化，各方媒體應在平臺環境中充分發揮話語引導作用，通過提供全面、客觀的信息，引導用戶理性看待不同觀點，減少情緒化的對立。當熱點事件發生時，信息監督部門應該迅速采取行動，收集證據并盡快公開真實情況以便讓公眾獲得可靠的信息，樹立正確可靠的價值導向，讓極端和激進情緒傳播得到抑制。同時，實時監測輿情發展，時刻注意網絡群體的內隱情緒，深入分析背后根源，及時發現并解決可能導致用戶態度極化的問題。目前已有學者構建了基于情感分析的網絡輿情預警模型［49］，信息監督部門可以結合網絡輿情預警框架使用互聯網大數據與人工智能技術，建立全面的輿情監測系統，實現危機的早期預警。

4.5" " 用戶態度極化對群體極化行為意愿的影響

用戶態度極化對群體極化行為意愿有顯著的正向影響，β態度極化=0.595，Plt;0.001。當個體態度出現極端化傾向時，他們更易受到群體內相同或相似觀點的影響，從而加強自身的極端立場。這種態度的極端化不僅影響個體的決策和行為，更在群體層面加劇了極化的程度，使得群體行為更加非理性和偏激。這一結果與S-O-R框架模型相關研究成果一致，即用戶的態度影響行為意愿或行為［50］。這一發現也得到了先前學者研究結論的支持，即在發生網絡暴力事件時個體態度對網絡暴力群體極化行為意愿有正向作用［35］。當用戶態度更加極化時，往往會伴隨產生更加強烈的群體極化行為意愿，如參與或帶動他人參與社會熱點事件、在社會熱點事件的討論中嘗試說服他人和采取極化的溝通方式等［51］。

桑斯坦提出群體極化是形成信息繭房的關鍵步驟［9］，張海和徐紅昌也指出當網絡用戶向同質群體傾斜時容易受到群體價值觀的影響，進而陷入同質化的信息繭房難以自拔［52］。信息繭房是個人陷入的信息困境，隨著群體認同感的增強群體極化將會加劇。同時在極化過程中，成員傾向于與同一群體交流形成排斥異質觀點的現象，從而擴大信息繭房范圍［1，53］。桑斯坦也指出信息繭房造成的負面效應之一即為個體非理性共享下的群體極化［53］，可見信息繭房與群體極化之間的關系是動態復雜的。在互聯網時代，網絡傳播的匿名性和去個人化的特質導致非理性人群的群體極化行為更易傳播。當存在明顯群際沖突時個體為維護所在群體往往會采取較為激進的行動，導致網絡秩序被破壞。同時，網絡環境中的意見領袖也往往比普通人擁有更多的關注度及話語權，他們的一些極化行為，往往會引發其粉絲群體強烈的反響與追隨，帶動其他用戶的態度極化。針對上述問題網絡輿情治理需要采取新的策略，形成多方參與的互聯網協同治理機制。社交媒體平臺在未來的發展過程中應充分考慮用戶個人的行為特點、社交群體的互動特點及信息傳播的特性，引導用戶形成多元化的觀點。

5" "研究結論

本文在理論層面，基于“刺激-機體-反應”框架和信息生態理論，分析了社交媒體環境下信息、信息人、信息技術及信息環境四種因素對群體極化態度及行為演化機理，構建了信息繭房效應下用戶群體極化影響機理模型。從同質化特征的維度闡釋了信息繭房效應對群體極化行為意愿的影響，為信息繭房定量研究與群體極化形成機理分析提供了新的研究視角。本研究將信息繭房效應的影響因素劃分為內容同質化層面的信息同質化和個性化算法推薦、選擇同質化層面的選擇性接觸、群體同質化層面的群際情緒和社會比較頻率。信息繭房效應下用戶群體極化影響因素理論模型研究結果表明，信息同質化、選擇性接觸、群際情緒和社會比較頻率對態度極化有正向影響，用戶態度極化對群體極化行為意愿有正向影響。其中，信息同質化對用戶態度極化產生的影響最大，信息技術層面的個性化算法推薦對于用戶態度極化不產生顯著影響。

在實踐層面，信息繭房效應下群體極化影響機理研究，可以指導社交媒體平臺和服務運營商在發展中充分考慮用戶需求，從信息同質化角度入手考慮改進個性化算法推薦技術，采用更為多元的推薦策略，設計更為健康的信息推薦機制，為用戶通過社交媒體平臺提供多樣全面的信息服務，多角度還原事實真相，避免用戶在平臺上由于信息單一同質化造成的觀點偏激，和可能會導致的不理性群體行為。在微觀層面，個性化算法推薦對用戶態度極化沒有顯著影響，這一結論從側面說明了用戶應不斷提高信息素養，通過深入了解社交平臺行為數據采集原理和個性化推薦算法，主動拓展信息獲取范圍，如積極接觸不同傳播媒介，關注提供全面、客觀的新聞報道的媒體平臺，嘗試閱讀與自己觀念相悖的文章等方式避免接受信息片面化而導致的態度極化。在宏觀層面，信息監督部門也應積極行動，讓公眾獲得真實可靠的信息，合理采取正向引導措施，抑制錯誤信息傳播，為網絡群體樹立正確可靠的價值導向，降低網民的社會比較頻率。

本文尚存局限性，在樣本的獲取上，采用了線上調查及量表數據收集的方式，由于各種因素干擾可能導致量表數據與真實情況有所偏差，未來可以考慮采用多種開放性研究方法，如機器學習和文本挖掘等深入探究群體極化的形成機制，進一步提升模型擬合情況。此外模型的完整性有待深化，未來可基于多樣的社交媒體平臺進一步研究，以提高所構建概念模型的科學性和普適性。

參考文獻：

［1］" 王秋旭.信息繭房效應下微博群體極化現象分析［J］.新聞研究導刊，2015，6（7）：177-178.

［2］" 中華人民共和國中央人民政府.中共中央國務院印發《數字中國建設整體布局規劃》［EB/OL］.［2024-02-10］.http：//www.cac.gov.cn/2023-02/27/c_1679136694986243.htm.2023-02-27.

［3］" Lee P S N，So C Y K，Lee F，et al.Social media and political partisanship-a subaltern public sphere’s role in democracy［J］.Telematics and informatics，2018，35（7）：1949-1957．

［4］" Samuel C.Rhodes Filter Bubbles，Echo Chambers，and Fake News：How Social Media Conditions Individuals to Be Less Critical of Political Misinformation［J］.Political Communication，2022，39：1-22.

［5］" 盧智增，高翔.社交媒體平臺群體極化的形成機理與引導策略研究［J］.情報理論與實踐，2021，44（8）：51-58.

［6］" 靖繼鵬.信息生態理論研究發展前瞻［J］.圖書情報工作，2009，53（4）：5-7.

［7］" 李明，曹海軍.信息生態理論視域下突發事件網絡輿情生發機理研究——基于 40 起突發事件的清晰集定性比較分析［J］.情報科學，2020，38（3）：154-159，166．

［8］" 王微，王晰巍，婁正卿，等.信息生態視角下移動短視頻UGC網絡輿情傳播行為影響因素研究［J］.情報理論與實踐，2020，43（3）：24-30.

［9］" Sunstein C R.Infotopia：How Many Minds Produce Knowledge［M］.London：Oxford University Press，2006.

［10］" 姜婷婷，許艷閏.窄化的信息世界：國外信息繭房、選擇性接觸與回音室研究進展［J］.圖書情報知識，2021，38（5）：134-144.

［11］" 張玥，莊碧琛，李青宇，等.同質化困境：信息繭房概念解析與理論框架構建［J］.中國圖書館學報，2023，49（3）：107-122.

［12］" 王晰巍，賈若男，孫玉姣.數據驅動的社交網絡輿情極化群體畫像構建研究［J］.情報資料工作，2021，42（6）：21-30.

［13］" Kim Y，Kim Y.Incivility on Facebook and political polarization：The mediating role of seeking further comments and negative emotion［J］.Computers in Human Behavior，2019，99：219-227.

［14］" 陳海濤，魏永.網絡輿情、群體心理及群體行為關系研究［J］.中國礦業大學學報（社會科學版），2020，22（6）：81-93.

［15］" Lord C G，Ross L，Lepper M R.Biased assimilation and attitude polarization：The effects of prior theories on subsequently considered evidence［J］.Journal of Personality and Social Psychology，1979，37（11）：2098-2109.

［16］" Buder J，Rabl L，Feiks M，et al.Does negatively toned language use on social media lead to attitude polarization？［J］.Computers in Human Behavior，2021，116：106663.

［17］" Mehrabian A，Russell J A.An approach to environmental psychology［M］.Cambridge：The MIT Press，1974.

［18］" 李廣軍，曹琦佳.基于多視角的個性化服務對高校圖書館微信平臺用戶持續使用意愿的實證研究［J］.圖書館學研究，2020（22）：82-91，73.

［19］" 張敏，唐國慶，張艷.基于S-O-R范式的虛擬社區用戶知識共享行為影響因素分析［J］.情報科學，2017，35（11）：149-155.

［20］" 徐孝娟，趙宇翔，吳曼麗，等.S-O-R理論視角下的社交網站用戶流失行為實證研究［J］.情報雜志，2017，36（7）：188-194.

［21］" ［美］凱斯·桑斯坦.網絡共和國［M］.黃維明，譯.上海：上海人民出版社，2003.

［22］" 莫祖英，盤大清.信息繭房效應對用戶虛假信息識別能力的影響關系探析［J］.圖書館學研究，2023（3）：50-57.

［23］" Macková A，Novotná M，■ejková L，et al.One way or another？Discussion disagreement and attitudinal homogeneity on social networking sites as pathways to polarization in Czechia［J］.Journal of Information Technology amp; Politics，2024，21（1）：54-68.

［24］" Pattie C，Johnston R.Talking with one voice？Conversation networks and political polarisation［J］.The British Journal of Politics and International Relations，2016，18（2）：482-497.

［25］" 劉建國，周濤，汪秉宏.個性化推薦系統的研究進展［J］，自然科學進展，2009，19（1）：1-15.

［26］" Sukhodolov A，Bychkova A，Ovanesyan S.Journalism Featuring Artificial Intelligence［J］.Theoretical and Practical Issues of Journalism，2019，8（4）：647-667.

［27］" Yarchi M，Baden C，Neta K.Political Polarization on the Digital Sphere：A Cross-platform，Over-time Analysis of Interactional，Positional，and Affective Polarization on Social Media［J］.Political Communication，2021，38（1-2）：98-139.

［28］" Hart W， Albarracin D，Eagly A H，et al.Feeling Validated Versus Being Correct：A Meta-Analysis of Selective Exposure to Information［J］.Psychological Bulletin，2009，135（4）：555-588.

［29］" Mutz D C.The Consequences of Cross-Cutting Networks for Political Participation［J］.American Journal of Political Science，2002，46（4）：838-855.

［30］" Smith E R.Social identity and social emotions：Toward new conceptualizations of prejudice［J］.Affect，Cognition and Stereotyping，1993：297-315.

［31］" Smith E Ｒ，Seger C R，Mackie D M.Can emotions be truly group level？ Evidence regarding four conceptual criteria［J］.Journal of Personality amp; Social Psychology，2007，93（3）：431-446．

［32］" Butzer B，Kuiper N A.Relationships between the frequency of social comparisons and self-concept clarity，intolerance of uncertainty，anxiety，and depression［J］.Personality and Individual Differences，2006，41（1）：167-176.

［33］" Tajfel H，Billig M G，Bundy R P，et al.Social categorization and intergroup behaviour［J］.European journal of social psychology，1971，1（2）：149-178.

［34］" Jeong M，Zo H，Lee C H，et al.Feeling displeasure from online social media postings：A study using cognitive dissonance theory［J］.Computers in Human Behavior，2019，97：231-240.

［35］" 周曼，郭露.自媒體時代的網絡暴力群體極化效應成因研究：結構方程模型的證據分析［J］.江西師范大學學報（哲學社會科學版），2021，54（4）：115-125.

［36］" Wakefield R L，Wakefield K.The antecedents and consequences of intergroup affective polarisation on social media［J］.Information Systems Journal （Oxford，England），2023，33（3）：640-668.

［37］" 汪明艷，余麗彬，朱譯冰.輿論反轉中群體極化效應的影響因素研究［J］.情報雜志，2018，37（9）：106-112，119.

［38］" 微博2023用戶發展報告［R/OL］.［2024-02-10］.https：//yiqifu.baidu.com/m/articledetail？id=10870667007.

［39］" Garrett R K.Politically motivated reinforcement seeking［J］.Journal of Communication，2009，59（4）：676-699.

［40］" Barberá P，Jost J T，Nagler J，et al.Tweeting From Left to Right：Is Online Political Communication More Than an Echo Chamber？［J］.Psychological Science，2015，26（10）：1531-1542.

［41］" Van Aelst P，Str？觟mb？覿ck J，Aalberg T，et al.Political communication in a high-choice media environment：A challenge for democracy？［J］.Annals of the International Communication Association，2017，41（1）：3-27.

［42］" Cho J，Ahmed S，Hilbert M，et al.Do search algorithms endanger democracy？An experimental investigation of algorithm effects on political polarization［J］.Journal of Broadcasting amp; Electronic Media，2020，64（2）：150-172.

［43］" Beam M A，Hutchens M J，Hmielowski J D.Facebook news and（de）polarization： Reinforcing spirals in the 2016 US election［M］.Digital media，political polarization and challenges to democracy.Routledge，2020：26-44.

［44］" Neumann T，Kelm O，Dohle M.Polarisation and silencing others during the covid-19 pandemic in Germany：An experimental study using algorithmically curated online environments［J］.Javnost-The Public，2021，28（3）：323-339.

［45］" Johnson B K，Neo R L，Heijnen M E M，et al.Issues，involvement，and influence：Effects of selective exposure and sharing on polarization and participation［J］.Computers in Human Behavior，2020，104：106155.

［46］" Axel Westerwick，Benjamin K J，Silvia K W.Confirmation biases in selective exposure to political online information：Source bias vs.content bias［J］.Communication Monographs，2017，84（3）：343-364.

［47］" Zhu Q，Weeks B E，Kwak N.Implications of online incidental and selective exposure for political emotions：Affective polarization during elections［J］.New Media amp; Society，2024，26（1）：450-472.

［48］" 楊慶國，陳敬良，甘露.社會危機事件網絡微博集群行為意向研究 ［J］.公共管理學報，2016（1）：65-80.

［49］" Shah A M，Yan X，Qayyum A，et al.Mining topic and sentiment dynamics in physician rating websites during the early wave of the COVID-19 pandemic：Machine learning approach［J］.International Journal of Medical Informatics，2021（6）：104434.

［50］" Sharma A，Dwivedi Y K，Arya V，et al.Does sms advertising still have relevance to increase consumer purchase inte ntion？ a hybrid pls-sem-neural network modelling approach［J］.Computers in Human Behavior，2021（5）：106919.

［51］" Post S，Polarizing Communication as Media Effects on Antagonists.Understanding Communication in Conflicts in Digital Media Societies［J］.Communication Theory，2019，29（2）：213-235.

［52］" 張海，徐紅昌.S-O-R理論視角下網絡用戶信息繭房成因要素研究［J］.新世紀圖書館，2022（12）：15-22.

［53］" 陳宇，張麗，王洛忠.網絡時代鄰避集群行為演化機理——基于信息繭房的分析［J］.中國行政管理，2021（10）：106-114.

［54］" Baek T H，Morimoto M.STAY AWAY FROM ME：Examining the determinants of consumer avoidance of personalized advertising［J］.Journal of Advertising，2012，41（1）：59-76.

［55］" Lee T.The impact of perceptions of interactivity on customer trust and transaction intentions in mobile commerce［J］.Journal of Electronic Commerce Research，2005，21（2）：328-339.

［56］" 王偉軍，王陽，王玉珠，等.移動商務用戶個性化推薦采納行為影響因素的實證研究［J］.系統管理學報，2017，26（5）：816-823.

［57］" Pena J，Brody N.Intentions to hide and unfriend Facebook connections based on perceptions of sender attractiveness and status updates［J］.Computers in Human Behavior，2014，31：143-150.

［58］" 孫瑞英.網絡信息窄化的心理學解析［J］.情報科學，2010，28（11）：1625-1629.

［59］" 楊斌，王偉赟.圖書館個性化推薦服務的信息窄化問題研究 ［J］.傳播與版權，2017（2）：156-157，160.

［60］" 虞鑫，王金鵬.重新認識“信息繭房”——智媒時代工具理性與價值理性的共生機制研究［J］.新聞與寫作，2022（3）：65-78.

［61］" Lee S Y.How do people compare themselves with others on social network sites？The case of Facebook［J］.Computers in Human Behavior，2014，32：253-260.

［62］" Buunk A P，Gibbons F X.Social comparion：The end of a theory and the emergence of a field［J］.Organizational Behavior amp; Human Decision Processes，2007，102（1）：3-21.

作者簡介：張瀚予（1989-），男，吉林大學講師，研究方向：網絡輿情與信息行為；丁怡寧（2004-），女，吉林大學商學與管理學院本科生，研究方向：信息行為；郭思琪（2003-），女，吉林大學商學與管理學院本科生，研究方向：信息行為。