手機應用程序“過濾氣泡”現象及其規避策略研究

摘 要：當前手機已成為人們生活、學習和工作的必備工具。文章探索了“過濾氣泡”現象對手機應用用戶的消極影響及規避消極影響的策略，以幫助用戶理性使用各類軟件，也為軟件開發企業提供新的開發視角。文章主要利用Python爬取攜程APP推薦的兩個景點的用戶評論數據，通過剔除或保留所爬取的有效數據，再利用扎根理論研究方法進行篩選和整理分析。根據數據分析結果，從企業和用戶兩個角度提出規避“過濾氣泡”消極影響的策略，包括采用融入反向推薦機制促進用戶信息獲取公平性，貫徹以人為本基本理念統一經濟與社會效益；明確檢索目的，適當把握和取舍檢索的深度廣度，由主流媒體倡導個人養成科學的信息獲取習慣。

關鍵詞：過濾氣泡；個性化推薦；用戶服務；扎根理論；攜程

中圖分類號：G206.2 文獻標識碼：A

Research on the Phenomenon of \"Filter Bubbles\" in Mobile Applications and Strategies for Mitigation

Abstract Mobile phones have become indispensable tools for people's daily lives， study， and work. This study aims to explore the negative impacts of \"filter bubbles\" on mobile application users and strategies to mitigate these effects， thereby assisting users in using various software rationally and providing new development perspectives for software development companies. The study primarily utilizes Python for web scraping to collect user review data from two tourist attractions recommended by the Ctrip app. Through filtering and analysis using rooted theory research methods， valid data is extracted and analyzed. Based on the analysis results， strategies for mitigating the negative impacts of \"filter bubbles\" are proposed from the perspectives of both enterprises and users. These strategies include integrating reverse recommendation mechanisms to promote fairness in user information acquisition， adhering to the fundamental principle of human-centeredness to unify economic and social benefits， clarifying search purposes， appropriately balancing the depth and breadth of searches， and advocating for individuals to cultivate scientific information acquisition habits through mainstream media.

Key words filter bubbles; personalized recommendations; user services; rooted theory; Ctrip

1 引言

在數智時代，人們應用的各類移動平臺愈加多元化、智能化，而在享受數智化帶來的便利的同時，人們也受到其后臺個性化算法的影響，辟如現有多數APP （application，應用程序）都附帶個性化推薦功能，即依據用戶的登錄信息、興趣愛好、所搜索關鍵詞、點擊量等向其推薦信息的機制，這導致用戶被動地接收信息并出現“過濾氣泡”現象。

“過濾氣泡”概念最早由美國學者提出，國外相關研究聚焦“過濾氣泡”的政治影響，認為“過濾氣泡”能夠在民主選舉等重要公共事件中影響甚至引導民眾觀點，加快意識形態極化，不利于社會團結[1]；而國內學者在關注研究“過濾氣泡”時主要從圖書情報與檔案管理、多媒體、傳播學領域著手。張庭瑋等人從用戶信息行為角度出發，通過分析用戶面對“過濾氣泡”時的忽略行為、緩解行為等，得出推薦算法通過態度及感知控制的中介作用對用戶行為產生了影響，從而導致用戶產生負向心理感知、信息認知偏差等行為[2]；閻國華、韓碩從主流媒體角度出發，研究了“過濾氣泡”現象對青年價值觀的不利影響，須利用提高主流媒體話語傳播能力、規范媒介傳播功利性傾向等方法規避其消極影響，以便引導青年群體形成理性、科學的價值觀[3]；楊莉明從傳播學角度出發，結合個性化推薦算法的過濾分發機制和傳播技術在國內外移動互聯網新聞傳播中的應用實踐，揭示了傳播領域個性化推薦造成了信息過載、閱讀淺薄化從而帶來了諸多消極影響[4]。綜上，學者們大都認為“過濾氣泡”即“人們被動的接受算法推薦的個性化信息的結果，主要強調算法推薦技術的作用”[2]，并從多角度闡述了“過濾氣泡”現象、影響及其規避方法，其中又以策略研究為主。目前在使用手機應用軟件時陷于“過濾氣泡”的用戶很多，而現有研究缺乏對利用應用軟件時陷于“過濾氣泡”現象本身的發現與挖掘，雖然通過本研究也無法完全探明和消除此效應的消極影響，但期望通過描摹、挖掘現象本身，提出規避“過濾氣泡”消極影響的可行性方案，以便幫助用戶獲取高質量、多元化、全面的真實信息。

2 過濾氣泡概念、描述及其表現形式

2.1 過濾氣泡

2011年，伊萊·帕里澤（Eli Pariser）在《別讓算法控制你》中首次提出“過濾氣泡”（Filter Bubble）[5]。他指出網絡媒介平臺可依托技術手段主動過濾用戶不感興趣的信息，形成“The Daily Me”的信息體驗（即個性化信息世界）[6]。對用戶而言，個性化信息世界實質上是由一系列個性化過濾裝置精心構造的“獨特環境”：以用戶個體的主觀興趣偏好為導向，受信息技術發展、個體信息接收習慣調整等多因素影響而生成的個性化的信息篩選過程，事實上受眾生活的各方面都被涵蓋其中，最終使“人們專注于確證自己觀念的內容”[7]。過濾氣泡本質上是由當代個性化鮮明并具備主觀能動性的人們必須被動接受信息的事實和社會機制造成的。

2.2 過濾氣泡現象描摹

各類APP的后臺個性化算法推薦機制會根據用戶信息、瀏覽器、點擊過的圖片、鏈接等定制出個性化結果并加以推送。如兩個人同時搜索某關鍵詞，搜索結果頁面顯示卻可能完全不同，通過后臺定制可使不同用戶得到不同信息，推薦機制所推薦的是系統想讓用戶看到而非用戶真正需要的信息。因此過濾氣泡現象可表現為：用戶接收的信息范圍縮小乃至單一化，就如將他們禁錮在“泡泡”里。雖用戶肉眼可見其所獲取信息的相似度越來越高，但僅少部分用戶會采取措施“戳破泡泡”。基于上述文獻和推理闡釋可知，在客觀上本現象在當代普遍存在，長此以往會造成用戶信息閉塞和信息窄化；同時其仍具備并保持了幫助用戶過濾信息、減輕“信息過載”等積極影響，本研究所提出的策略目標是為了規避或削弱“過濾氣泡”顯著的消極影響。

2.3 攜程的個性化算法推薦機制表現形式

攜程是國內一家總部設于上海市的在線票務服務品牌，其主要相關服務項目有酒店、機票、旅游的預訂和規劃等。而個性化算法推薦機制指用戶信息控制平臺根據用戶所填寫的個人數據及其興趣愛好，向用戶推送新聞信息、商業廣告等為其“專門定制”的信息內容[8]，使用戶被動接收信息。攜程的個性化算法推薦機制包括下列形式：關鍵詞布局、建立畫像、熱門標簽、互動率、位置信息等。其中關鍵詞布局、建立畫像和位置信息是更容易被發現的機制形式。攜程旅行網作為“智慧旅游”的先導者之一，其服務規模化和資源規模化以及先進的管理和控制體系是核心優勢[9]。攜程CTO（Chief Technology Officer，首席技術官）甘泉指出：“我們優先展示的，就是用戶感興趣的。”[10]雖然攜程的個性化算法推薦機制及其功能并非獨有，但其借助自身優勢在出行行業的互聯網覆蓋率和資源整合能力上遙遙領先，其不僅機票價格便宜，所提供的旅游住宿等一站式服務更是為用戶提供了極大便利。其個性化推薦算法所建立的用戶畫像機制也是其他程序無法匹敵的。

3 研究方法與數據分析

3.1 數據來源

本文的數據來源即攜程這一軟件運營和旅游服務平臺。筆者于2023年1月1日利用數據爬取技術，爬取了時間區間為2020年1月1日—2023年1月1日的攻略景點模塊下同處于桂林的“漓江風景區”和“興坪古鎮”的用戶在線評論。選取這二者是利用理論抽樣的方法，出于建構相關理論的需要并兼顧了獲取方便性和數據可獲取性原則，在選取景區案例的過程中發現二者同屬于桂林途經線路的景區，它們既有共同點又各具特色，二者旅游體驗項目存在重合的部分，如乘船游江、新版20元人民幣的背景；不同之處在于“興坪古鎮”主推古鎮的游覽和體驗，而“漓江風景區”主推自然風光。因此，本文正是基于理論抽樣的科學原理和通過對相似景點評論的對比分析得出結論的。在爬取完相關數據后，經過人工篩選并剔除無效評論，對所得用戶評論進行扎根理論編碼并對比分析上述兩景點評論，從而挖掘、呈現和勾勒出攜程APP的“過濾氣泡”現象，以便使用戶了解個性化推薦算法是如何制約用戶檢索行為，幫助用戶提升主動檢索的能力。

3.2 開放式編碼

本文主要分析了用戶評論的初始概念，首先爬取攜程APP中的“興坪古鎮”和“漓江風景區”兩個景點的用戶評論，然后篩選爬取到的用戶評論，而后再次篩選所保留數據并刪除相互矛盾的數據。再經多次篩選直至達到飽和狀態，最終獲得“興坪古鎮”的20條原始評論和20個初始范疇以及“漓江風景區”的20條原始評論和20個初始范疇。表1所含概念已足夠支撐本研究，它們也為后續的主軸編碼和選擇性編碼奠定了基礎。

3.3 主軸編碼

主軸編碼是通過發現并建立概念類屬間聯系，進而挖掘出所得數據資料中各部分間有機關聯[11]。根據開放編碼分析后，再通過主軸編碼得出九個主范疇依次為感知風險、出游體驗、心理預判、品嘗美食、示范性建議、自然追求、歷史人文、出行時間安排和消費的主觀判斷（見表2）。

3.4 選擇性編碼

選擇性編碼是數據分析的最后階段，此階段是通過整合和提煉所有命名的概念類屬得到一個“核心類屬”。根據所收集在線評論的文本數據資料和三級編碼，串聯所有范疇的相互關系，最終得出出游行為、感知價值、接受程度、可獲得性、客觀存在、目標追求和主觀感受七個核心范疇（見表3），此時各關鍵詞間的關系更加清晰和緊密。

3.5 理論飽和度檢驗

本文從攜程APP中篩選出用戶對興坪古鎮和漓江風景區的有效評論各30條，對二者分別選取20條有效評論用作扎根理論編碼，各10條有效評論用作飽和度檢驗，預留的有效評論占總評論數的1/3，符合飽和度檢驗要求。檢驗過程示例如下：

“興坪古鎮”：興坪古鎮必須要去老寨山觀峰林美景日落（親近自然），在興坪品嘗的當地有名的桂林米粉和啤酒魚，確實別有一番風味（特色美食），但景區內的垃圾太多了，沒有專業的清潔人員打掃衛生（服務態度差）……

“漓江風景區”：導游廖計娟非常優秀，服務周到（服務態度好），體驗非常好（旅游體驗好）……

按照上述方法，依次對預留用戶評論進行范疇檢驗，得出的范疇均屬于上述扎根編碼中的范疇，未出現新范疇。因此，本文收集的數據達到了飽和，無需進一步擴大搜集范圍。

3.6 數據分析

通過利用扎根理論研究方法對用戶在線評論進行三級編碼，兩景區數據都得出出行態度、感知價值、接受程度、可獲得性、客觀存在、目標追求和主觀感受七個核心范疇，體現出所選的兩個景區具有一定可比性，雖如上文所示抽取二者用戶在線評論進行編碼的過程中發現二者的范疇基本相同，但在攜程APP上所展現的個性化推薦卻完全不同。這恰好說明攜程的推薦機制存在“過濾氣泡”現象。在用戶評論中可見，兩個景區各有優劣：“興坪古鎮”和“漓江風景區”都擁有“陽朔特色美食：松花糖、啤酒魚等”；二者風景都詳實且壯麗，都是“桂林山水甲天下”的一部分，且“興坪古鎮”又包含“漓江精華水路路段”。但二者也都帶有“濃重的商業化氣息”，存在“道德綁架式推銷”和“車上各種推銷”等劣勢現象。依用戶評論可知，如此相似的兩個景區卻無法帶給用戶相同的識別度，即攜程APP在推薦桂林景區時將“漓江風景區”置于首頁，而“興坪古鎮”無法在首頁獲取。而截止到2023年1月1日，用戶給出“漓江風景區”與“興坪古鎮”的熱度值①分別為87%、71%，二者存在明顯的差異，而這種差異是攜程后臺向用戶推送的依據。攜程APP根據熱度值對景區進行排序，熱度值越高則景區排序越靠前，因此，“漓江風景區”處于首頁，而“興坪古鎮”熱度值相對較低，因此需要二次檢索才能獲取相關信息，正是此機制對用戶產生誘導行為，弱化了用戶的檢索行為，導致用戶慣性地被動接受信息，因此存在“過濾氣泡”現象。

4 過濾氣泡的消極影響辨析

4.1 從企業角度出發

4.1.1 阻礙了用戶獲取信息的公平性

首先，用戶的信息獲取應是公平、全面的，這也是用戶獲取信息時的最大訴求。用戶本就享有平等和自由利用并獲取信息資源的基本權利[12]。而這種個性化推薦和算法是一種隱性的存在[13]，在用戶毫無察覺的情況下控制用戶信息的獲取寬度和廣度。這在一定程度上妨礙了用戶獲取信息公平性的實現，致使用戶個人信息權利無法實現，加劇信息資源獲取不平等問題的產生[14]。當用戶使用攜程APP時，其后臺會向用戶推送平臺想給其看到的信息，用戶在使用過程中被動地接收信息，從上文所做的扎根理論數據分析中可知部分用戶在接受平臺推薦的景區并去過實地后發現其描述與現實和預期不符，如“真心的讓人很失望，心中的美景被過度的商業化旅游的開發弄的哪還有個樣兒！”這種評論不實的現象會惡化對信息質量的評價，造成了用戶獲取的信息數量與質量失衡。由于用戶所收到的消息推送會根據用戶的瀏覽和點擊行為開展，如若用戶誤點了自己不了解且無興趣的信息，接下來用戶所瀏覽到的信息都與其相關，長此以往用戶的視野被限定在單一領域，降低了用戶獲取信息的多樣與多元性。

4.1.2 企業忽略對用戶的人文關懷造成社會評價降低

貫徹人文關懷理念是企業創建良好、穩定運營的基本要求。很多運營商一味追求經濟效益和經濟利益，忽略人文關懷，企業在創建APP時考慮的大多是如何獲取更高的經濟利潤。筆者在進行用戶評論數據篩選的過程中發現攜程APP在推薦景觀圖片時為了能夠吸引用戶而過分美化圖片，在不考慮客觀因素的同時導致用戶“去了兩次桂林都趕上陰天體驗感很差”。還有些景觀甚至與現實不符，導致用戶受APP推薦的精美景觀吸引而進行了消費之后，發現實際與推薦不符且無法匹配心理預期，如“坐了大船也坐了帶發動機的竹筏，沒有給人在畫中游的感覺”，造成用戶落差感較大、出行體驗不佳。這種忽略人文關懷和用戶實際體驗的情況一旦出現，也會導致用戶對該APP的印象變差，甚至出現差評或者卸載現象，最終使APP評分降低。這不僅造成用戶和市場滿意度下降，而且對運營商造成市場聲譽、銷量等多方面損失。

4.2 從用戶角度出發

4.2.1 用戶瀏覽目的不明確時導致時長焦慮

當用戶無目的瀏覽時，通常情況下會在獲取一種類型的信息后得到系統更多的同類型信息推薦，導致用戶無法獲取其他類型的信息。當用戶有旅行的意愿卻又沒有明確的目的地時，用戶往往會通過攜程APP的景點推薦模塊獲取信息，此時后臺的個性化推薦機制就會為用戶推薦熱度高、流量大的景點，而較不可能推薦流量、熱度相對較小但景色毫不遜色的景區。用戶如果僅根據系統推薦去瀏覽熱門景區，就會造成所得情報范圍窄小，用戶也會陷入熱度越高，體驗越好的錯覺中，相似性信息聚集也會加重用戶的無目的性。雖然攜程APP推薦的景區存在著熱度與評分的差異，但對相關景點的推薦大多千篇一律，并未強調各自的特色與適用的獨特性，因此造成用戶花費更多時間瀏覽相關信息，進一步加重用戶信息瀏覽的時長焦慮。

4.2.2 信息窄化不利于開拓個人視野

在用戶瀏覽信息的過程中，會不自覺地被禁錮在系統所營造的“過濾氣泡”中，導致信息窄化[15]。用戶在攜程APP中進行關鍵詞搜索“桂林山水”，可得出大量相關信息，但是在對攜程APP之后的使用過程中，系統會保留用戶最近的瀏覽記錄并進行針對性的個性化算法推薦，大量推送與其相關、相似的信息。這是因為APP后臺的推薦機制里包括熱門標簽，用戶所瀏覽的推薦頁面內容也大多是與“桂林山水”相關的信息，從上文分析的“漓江風景區”87%的熱度值可知，系統會根據風景區的熱度首先推送“漓江風景區”相關信息，會讓游客先入為主，從而將它作為第一選擇，而忽略了其他景區。此機制會導致用戶所獲取的信息固化、內容大同小異，從而不利于用戶開拓個人視野。

5 消極影響的規避策略

5.1 從企業角度出發

5.1.1 融入反向推薦機制以促進用戶信息獲取公平性

由于系統的個性化推薦機制導致用戶被包圍在“過濾氣泡”之中，其在獲取信息時受到了限制和禁錮，其所能夠獲取信息的范圍較狹窄，種類單一缺乏多樣性。攜程的個性化推薦機制具有普遍性及大眾性的特點，但并不適合所有用戶及一切情況，節假日、人流量、消費能力等眾多因素都對用戶的信息選擇產生較大影響。無論是推薦熱度高的“漓江風景區”還是推薦熱度低的“興坪古鎮”，它們都具有各自的發展歷史、名勝古跡及傳統文化。因此攜程應將反向推薦機制融入個性化服務推薦中[16]，對“興坪古鎮”這種小眾化但景色優美、性價比高且與“漓江風景區”相似度高的景區，完全可作為平替熱門景點的相關景點重點推送，讓用戶在進行對比后擁有更多選擇，促進用戶信息獲取的公平性。

5.1.2 企業貫徹以人為本理念，提高用戶主動探索信息的意識

企業在考慮自身經濟利益的同時，也要兼顧可持續發展。而“以人為本”是各行業必須遵守踐行的準則，做到以人為本，才可長遠發展。企業應積極主動承擔起社會責任，秉持“以用戶為中心”的原則，將以人為本的理念貫徹到機構的運營中去，改善個性化服務推薦機制[17]，降低“過濾氣泡”帶來的消極影響。企業應保障用戶自由獲取信息的權利，保證用戶所獲取的信息具有真實性。企業應對信息進行適當的美化和宣傳，切忌過度美化而導致用戶所獲取的信息失真。企業應把更多的選擇權交給用戶，讓用戶通過真實的信息和圖片了解各個景點，呈現出“桂林山水甲天下真是所言非虛”的真實效果。由于在當前時代背景下，個性化信息服務是提升企業競爭力的關鍵，所以我們雖無法完全消除“過濾氣泡”的消極影響，但應將其消極影響最小化。此外，企業須不斷優化算法設計，將人本思想貫徹到算法設計中，擴大用戶的自主選擇范圍，引導用戶進行自由選擇。提高用戶主動探索信息的意識，努力拓寬其信息渠道以確保信息獲取的多樣性，而不是引導用戶在一定范圍內被動選擇信息。

5.2 從用戶角度出發

5.2.1 明確檢索目的，適當把握和取舍檢索的深度廣度

用戶在進行檢索時，應當明確自己的檢索目的，使檢索關鍵詞盡量詳細精準，以確保檢索結果更精確、更具體。在獲取檢索結果后根據檢索目的篩選，直到篩選出目標情報為止。而這一切的基礎是用戶可主動規避“過濾氣泡”。考慮到部分用戶檢索能力有限，無法在短時間內提升檢索能力，因而可通過關閉個性化推薦按鈕提高所獲取信息的質量。目前很多APP如抖音、淘寶、大眾點評、攜程等都開通了個性化推薦按鈕功能，用戶可主動關閉個性化推薦按鈕，之后在明確檢索目的的同時檢索關鍵詞，在檢索結果中適當選取契合所需的信息即可。在關閉個性化推薦按鈕后，后臺便不會根據用戶的應用表征進行大篇幅的個性化推送。用戶也可根據攜程APP用戶在線評論中“攻略經驗”部分增加自己的選擇權，從而掌握信息獲取的主動權。

5.2.2 借助主流媒體培養個人科學的信息獲取習慣

大多數用戶信息意識較薄弱、信息檢索能力有限。因此，用戶應主動提升自身信息水平，并為自身能夠獲得更好的體驗最終促進社會的進步發展而培養個人的信息獲取習慣。這就需要借助主流媒體，發揮其教育職能。用戶應主動了解主流媒體所承擔的宣傳教育任務，即提倡用戶上網時去偽存真，將真實性、多樣性的信息推廣宣傳給用戶。因此，用戶可借助主流媒體所設立的信息檢索板塊或者多樣化信息的主題，切換關鍵詞去搜索想要的信息，將主動權把握在自己手中，盡量避免被動接收信息；《光明日報》、人民網、騰訊網等較受歡迎的主流媒體也可做相關宣傳，引導用戶如何規避信息窄化，信息單一性的弊端，引導用戶養成科學的信息獲取習慣[18]。

6 結語

本文選取了攜程APP的“漓江風景區”和“興坪古鎮”相關評論數據作為研究對象，爬取、篩選和分析編碼了相關用戶的在線評論。根據分析結果可得出，“過濾氣泡”依托于個性化推薦機制而存在于攜程APP之中，既阻礙了用戶公平獲取信息，也造成了用戶信息視野的窄化。本研究的結論與以往的相關研究結論相似，例如“今日頭條”“百度首頁”等平臺同樣存在“過濾氣泡”現象和效應，也對利用互聯網的社會公眾群體產生了與本研究類似的影響[3]。本研究也進一步驗證了“過濾氣泡”存在于眾多帶有個性化服務功能按鈕的中文APP中，即用戶打開個性化推薦服務后，“過濾氣泡”便會對用戶產生積極消極兩方面影響。

本研究在初步分析的基礎上得出如下規避或減弱此效應的策略：企業開發以及完善各類APP的同時并重社會效益和人文精神，特別注重貫徹“用戶至上”原則；用戶在應用各類APP時可根據自己的主觀意識和客觀知識主動切換檢索詞，規避“過濾氣泡”帶來的單一性、失真性的信息，獲取更加多樣性、真實性的信息。

注釋：

① 熱度值是將用戶的觀看行為、互動行為、分享行為等多項數據進行綜合計算的結果。

參考文獻：

[1] 許志源，唐維庸.2016美國大選所透射的“過濾氣泡”現象與啟示[J].傳媒，2017（16）：54-56.

[2] 張庭瑋，朱沁雨，宋德鳳，等.過濾氣泡情境下用戶行為及其形成機制研究[J].圖書情報工作，2023，67（2）：64-75.

[3] 閻國華，韓碩.“過濾氣泡”現象影響青年價值觀的內在邏輯與應對策略[J].思想教育研究，2021（4）：84-88.

[4] 楊莉明.個性化推薦在移動新聞資訊傳播中的應用、影響與反思[J].新聞與傳播評論，2020，73（2）：47-58.

[5] 姜婷婷，許艷閏.國外過濾氣泡研究：基礎、脈絡與展望[J].情報學報，2021，40（10）：1108-1117.

[6] BRUNS A.Filter bubble[J].Internet Policy Review，2019，8（4）：9-11.

[7] SEARGEANT P，TAGG C.Social media and the future of open debate：A user- oriented approach to Facebook's Filter Bubble conundrum[J].Discourse，Context amp; Media，2018（3）：1-33.

[8] 王斌，李宛真.如何戳破“過濾氣泡”算法推送新聞中的認知窄化及其規避[J].新聞與寫作，2018（9）：20-26.

[9] 魏建萍.在線旅行商APP個性化服務對用戶持續使用行為的影響研究[D].南昌：江西財經大學，2020.

[10] 曾憲天.大數據、個性化？這一次，攜程CTO甘泉跟你好好聊聊[EB/OL].（2017-05-08）[2023-03-16].https：//www.traveldaily.cn/article/114640.

[11] 盧恒，張向先，吳雅威，等.基于扎根理論的學術APP用戶信息交互行為影響因素研究[J].情報雜志，2021，40（4）：170-178.

[12] 程煥文，潘燕桃.信息資源共享[M].北京：高等教育出版社，2004：28-30.

[13] 董方旭，康許培，趙樂群.算法推薦機制下“過濾氣泡”的形成、影響與規避[J].新聞愛好者，2020（11）：44-49.

[14] 樊振佳，史文杰.21世紀信息公平研究：脈絡、結構與展望[J].圖書情報知識，2023（2）：1-14.

[15] 韓志超，鄒吉鵬.智能傳播“過濾氣泡”效應對青年價值觀建構的風險與應對[J].出版廣角，2021（17）：88-90.

[16] BIERIG R，CATON S.Special issue on de-personalisation， diversification， filter bubbles and search[J].Information Retrieval Journal，2019，22（5）：420-421.

[17] 周葆華.算法推薦類APP的使用及其影響：基于全國受眾調查的實證分析[J].新聞記者，2019（12）：27-37.

[18] 張玥，趙穎.移動閱讀環境下信息繭房成因探析[J].現代情報，2021（10）：3-10.

作者簡介：許宏軒，廣西民族大學管理學院圖書情報與檔案管理碩士研究生。

收稿日期：2023-10-23本文責編：王曉琳