算法推薦視域下輿論偏見的生成邏輯與風險治理

摘要：在人工智能技術快速發展的背景下，算法推薦機制日益成為影響網絡輿論生態的關鍵因素。算法推薦深刻地改變了輿論信息的傳播方式，呈現出表達情感化、傳播精準化以及社會模仿化的特點。然而，算法推薦在提升信息傳播效率的同時，也為社會輿論場域帶來了新的挑戰：受眾群體的精準細分容易引發群體極化、“流量至上”的導向削弱了主流價值觀的影響力、算法黑箱的存在降低了輿論信息的真實性和有效性。為應對算法推薦帶來的潛在風險，亟須加強主流價值觀的引導作用、提升多元主體的算法素養、完善算法相關的法律法規，以構建更加風清氣正的網絡輿論環境。

關鍵詞：算法推薦；輿論偏見；邏輯風險治理

中圖分類號：TP311 文獻標識碼：A

文章編號：1009-3044（2025）06-0027-04 開放科學（資源服務）標識碼（OSID）：

隨著信息技術的迅猛發展，算法早已突破人工智能領域的界限，深度融入各行各業，成為互聯網生態中不可或缺的一環。作為自媒體傳播體系的關鍵技術，算法能夠根據用戶的行為和偏好，預測并推薦其可能感興趣的內容，進而在公眾認知塑造和社會輿論發展中發揮著重要作用。然而，由于資本邏輯的潛在影響，算法推薦也容易引發輿論沖突和偏見，這已成為我國建設網絡強國過程中不可回避的挑戰。因此，本文將深入剖析后真相時代算法推薦技術引發網絡輿論偏見的內在邏輯，探討算法視域下輿論信息傳播的特征，并在此基礎上，針對流量至上、算法黑箱、群體極化等問題提出治理路徑，以期引導算法推薦技術向上向善，使其成為構建良好輿論生態格局的技術載體。

1 算法推薦視域下輿論信息傳播的特征

人工智能時代，算法推薦技術通過其特定的傳播機制影響用戶的思維與行動，改變了輿情的傳播模式，在塑造和放大網絡輿情方面扮演著關鍵角色。主要特征包括以下幾個方面。

1.1 表達情感化：從理性走向感性

情感交流在輿論傳播中有著關鍵的作用。個體情緒借助語言在社會網絡間傳播，實質是一場以情緒理解為內核的群體情感互動儀式[1]。進入人工智能時代，智能融媒體成為信息表達的主要平臺，社交媒體的交互性與私人性以及自媒體的自主性等特性，使得公眾網絡情緒表達渠道從以傳統媒體為主轉變為以新媒體為主[2]。作為智能媒體的核心技術之一，個性化推薦算法通過收集分析用戶在線行為數據，能夠精確地感知和識別社交媒體等平臺上網民的情感傾向。同時，利用機器學習技術不斷優化推薦策略，推送網民“情感偏好”的內容，使得受眾能在紛繁復雜的網絡信息中迅速找到滿足自身需求的信息。

在人工智能的背景下，民眾更愿意接收高情感濃度的信息，這為互聯網中“情緒型輿情”的傳播提供了溫床[3]。因此，人們也更傾向于選擇那些與個人價值觀和情感狀態相契合的社會熱點話題，以此作為情緒交流的出口，尋求共鳴與安慰。在“四川大學女生地鐵誣陷他人偷拍事件”中，在“算法推薦”機制下，用戶被動接收平臺推送的信息流，更容易受到其中情緒化內容的影響，進而影響自身的認知和判斷。而網民對于“偷拍”行為的憤怒情緒的宣泄，成為推動輿論發展的關鍵動力。擁有相同情感體驗的個體會因為情緒共鳴而逐漸聚集，形成網絡社群。在分享欲望和媒介技術的共同推動下，網絡社會情緒的聚集速度加快，進而催生了網絡輿論的巨大力量。

1.2 傳播精確化：從大眾走向分眾

算法推薦技術能夠根據用戶的興趣愛好、行為習慣等數據，將信息精準地推送給目標用戶，從而實現信息傳播的分眾化和個性化。這一技術有效緩解了網絡輿論信息過載和用戶注意力分散之間的矛盾，為用戶提供了更加精確的信息推薦服務。網絡輿論的傳播精確化具體表現為兩個方面。

一是在內容制作方面的針對性生產。社交媒體的變革以及算法推薦機制的應用，不僅推動了輿論內容產出的主體多元化，也增強了用戶議題呈現的指向性和可見性。盡管大多數網絡信息平臺允許用戶自由地生產和分享內容，但平臺運營者出于流量的考慮，會在充分考量受眾現實需求的基礎上，通過后期的內容分類以及獎勵機制，激勵更多與平臺議程相符合的內容創作和傳播，從而加深了信息生產的精準化和針對性。例如，有的平臺通過其內部的流量池機制，綜合多種標準精準篩選出數據表現優異的視頻內容，并對其進行多輪次的推薦。這一過程不僅促進了視頻內容的廣泛傳播，還有效推動了熱點話題挑戰的形成，從而進一步影響了網絡輿論的內容生態。

二是在信息分發方面的精確性傳達。網絡平臺通過大數據和人工智能等算法技術，如聚類分析、協同過濾和深度學習，處理和分析用戶數據。這些高級的分析方法使平臺能夠識別具有相似特征和行為模式的用戶群體，并對其進行畫像，為不同分群提供定制化服務。例如，有的平臺通過分析用戶粉絲的日常行為，如發布的內容、互動和關注的話題等，提取出用戶的興趣愛好。然后，算法會根據這些信息為用戶粉絲打上代表其興趣的標簽，比如“美食愛好者”“旅游達人”或“科技迷”。這些標簽反映了用戶粉絲的偏好和關注焦點。接下來，在內容推薦和廣告投放時，系統會利用這些標簽來匹配相關的推廣內容或產品。算法也會定期更新用戶標簽，確保推薦內容的相關性和準確性。通過這種方式，平臺能夠實現個性化的廣告推送和內容推薦，提升用戶體驗，同時增強廣告的投放效果。這種基于用戶興趣標簽的推薦機制，是平臺實現精準化傳播的關鍵所在。

1.3 社會模仿化：從獨立走向從眾

傳播學中的“沉默的螺旋”理論指出，人們在表達自己的想法和觀點時，傾向于積極參與討論那些與自身觀點一致的聲音，而對與自身觀點相左的聲音則選擇沉默，這導致符合大眾預期的觀點會越發大膽地發表和擴散，而與之相悖的觀點則逐漸式微。

在算法機制的作用下，“沉默的螺旋”理論表現得尤為明顯。一方面，由于占據優勢地位的意見通常會首先展示，給后來的讀者造成一種錯覺，以為這是正確的看法，從而形成“多數意見”的印象。這種印象往往會導致其他用戶在心理上產生趨同效應，即使他們原本持有不同的觀點，也可能因為不愿意與“主流”相悖而選擇沉默或者轉變自己的立場。另一方面，在社會群體中，成員很容易感受到來自群體的壓力，即使有不同的意見也可能會自我審查，避免表達出來以免遭到排斥或批評。因此，人們往往選擇加入所謂的“主流”人群，以凸顯自己與他們是志同道合的一群人。這兩個因素相互作用，加劇了人們的模仿行為，從而導致原本可能多元和平衡的意見分布向“多數意見”傾斜。隨著時間的推移，這種傾斜可能越來越嚴重，最終導致持不同意見的聲音被壓制或消失，形成一種螺旋式的上升效應，其中“多數意見”不斷得到強化，而少數派觀點則逐漸減少甚至沉默，在輿論場中呈現出一邊倒的態勢。

2 算法推薦視域下輿論偏見的生成邏輯

馬克思曾指出，機器具有減少人類勞動和使勞動更有成效的神奇力量，然而卻引起了饑餓和過度的疲勞[4]。媒介技術的革新為社會話語的釋放提供了巨大可能，媒介技術是社會輿論生態演變的最直接推動力[5]。算法在為公眾提供技術便利的同時，也給網絡輿論環境帶來了前所未有的嚴峻考驗。目標受眾的精準細分加劇了社群的極端化傾向，“流量至上”的導向在無形中削弱了人們對核心價值的追求。算法的不透明性作為隱形“黑箱”，對輿論資訊的真實性和有效性構成了潛在威脅。

2.1 群體極化：興趣圈層化固化群體認知

群體極化理論最早是由傳媒學者詹姆斯·斯托納在1961年提出，隨后凱斯·桑斯坦在《網絡共和國——網絡社會中的民主問題》一書中對群體極化定義為：團體成員一開始即有某些偏向，在商議后，人們朝偏向的方向繼續移動，最后形成極端的觀點[6]。智媒時代，在受眾本位的理念指導下，算法推薦為群體極化提供了新的形成機制。在信息大爆炸的今天，算法推薦機制作為信息過濾系統，根據用戶的類別和歷史行為記錄，對受眾和內容的標簽化處理，深入剖析用戶的興趣愛好，構建了精細化的用戶畫像，并根據其喜愛程度為用戶推送他們可能感興趣的信息，繼而進行個性化信息推薦和分發。算法通過高度精準的細分策略，為不同個體量身打造定向推送內容。當這些個體在某一事件上的觀點產生共鳴時，他們便會被打上共同的標簽，進而在網絡空間中逐漸匯聚，形成一個群體性的“網絡集聚島”。這種集聚不僅強化了群體內的認同感，也為個體提供了更加精準的信息交流與共享平臺。

但算法細分的群體成員間差異性小，同質性高。與異質性群體相比，同質性群體內部缺乏不同觀點的碰撞和交融，限制了他們接觸多元觀點的機會。在異質性群體中，人們可以通過聽取不同意見來修正自己的看法；而在同質性群體中，由于缺乏反對聲音，群體的觀點往往會朝著一個單一的方向發展。在“沉默的螺旋”理論的作用下，當面臨容易引發爭議的社會現象時，主流聲音逐漸放大，而少數派的聲音則逐漸被淹沒。所以處在“繭房”中的人們難以接觸到與自己觀點相悖的看法，這也使得思想、行為極端化以及輿論信息缺乏客觀正確性。如2023年的胡鑫宇事件在各大媒體的追蹤報道及算法的精準推送下，被迅速地以群組化的方式傳遞給具有相應“標簽”的特定用戶群體。這一過程不僅極大地提升了用戶對該事件的討論熱度，還導致非理性的負面輿論和無根據的指責開始泛濫，進而引發網絡輿論偏見。

2.2 流量至上：資本的逐利性加劇輿論偏見

“流量至上”是指在網絡傳播中，媒介主體關注的不是信息內容、觀點表達和意見形成的過程，而是追求大的傳播量和高的關注度，以獲取高點擊率、瀏覽量和社交分享量為最高目標，將流量作為衡量內容質量和傳播效果的主要標準，甚至不惜以犧牲真實性為代價[7]。媒介的快速變革，使得流量已然成為洞察社會輿論動向與網絡空間秩序的新型標志，輿論生態格局也在不經意間發生了深刻變化。

有學者認為，所謂社會裂痕并不是人工智能所固有的本性，導致這種現象發生的恰恰是人工智能的資本化操控，是資本邏輯作用的表現而已[8]。就平臺運營的角度而言，算法工程師按照平臺逐利的需要，將流量設定為推薦信息的主要驅動力。就信息生產者的角度來看，為了追求利益，媒體和用戶更傾向于發布那些能夠吸引受眾注意力的個性化內容，如獵奇、低俗甚至色情的信息。以“在巴黎拾到小學生秦朗作業本”事件為例，其獨特的新聞價值和引人入勝的趣味性在網絡平臺吸引了廣大網民的關注。但經過相關部門深入調查后發現，該事件實為追求流量和粉絲而故意編造、擺拍的鬧劇。這種單純追求流量的行為，在選擇性的信息傳播和算法偏向的放大效應下，往往導致受眾對事件的解讀產生偏頗和失衡。一些重要但非熱門的話題可能因此被邊緣化，而輕松、淺顯的“泛娛樂化”內容卻憑借算法推薦獲得了病毒式傳播，進一步加劇了輿論場的失衡狀態。正因如此，自2022年以來，國家網信辦針對網絡信息混亂、網絡謠言以及算法濫用等問題，積極開展了“清朗”行動，成功清理了200多億條違法和不良信息，并關閉了近14億個違規賬號。這些舉措有力地整治了為追求流量而擾亂社會輿論環境的行為。流量至上的現象反映出資本的逐利性與社會主義核心價值觀之間的沖突。這種現象不僅破壞了網絡空間秩序，更可能沖擊和消解廣大網民，特別是價值觀正在形成的青年群體的社會共識。

2.3 算法黑箱：信息篩選機制的不透明性弱化把關權力

在人工智能輸入的數據和輸出的答案之間，存在公眾無法洞悉的“隱層”，可稱為“黑箱”[9]。就其本質而言，算法黑箱本質上是算法產品的使用者對算法系統的不知情[10]。算法黑箱的存在使得人們難以準確地了解算法的決策機制和運行過程，也難以對其進行有效的監督和控制，這為信息的公平、公正傳播帶來了挑戰。

在大眾傳播時代，信息的生產和傳播過程歷來強調“把關人”的作用。“把關人”的角色在于對信息進行篩選和過濾，以確保傳播出去的信息符合社會主流的價值觀念和規范。隨著人工智能技術的不斷進步，算法對輿論內容與受眾群體的影響力日益增強。在輿論的產生與傳播環節，出于經濟效益的考慮，網絡平臺傾向于選擇算法和人工智能技術對網絡信息進行管理與監控。這些算法在對海量且碎片化的信息進行評估和分發的過程中，不可避免地會嵌入平臺自身的價值取向和商業利益考量，從而在無形中植入平臺的偏見。在資本邏輯的驅動下，算法機制以流量作為主要指標來引導輿論議程和區分、扁平化用戶，可能引發社會輿論問題。在商業利益的驅使下，一些平臺可能會刻意模糊算法的運作機制，將衡量信息價值的判斷準則隱藏于算法內部的深層邏輯中，從而讓原本應該明確、透明的標準變得隱晦而難以察覺，增加了外部監管的難度。此外，相較傳統的人工把關，算法在識別和處理復雜語境、價值判斷等方面仍然存在局限性。尤其是在面對隱蔽的偏見表達、諷刺、反諷等復雜語言環境時，算法的識別能力仍然有限，這可能導致算法非但無法有效過濾偏見信息，反而可能助長其傳播，加劇認知偏差。算法技術的不透明性也給外界監督帶來了極大挑戰，特別是在涉及思想、言論、新聞等方面的內容推送時，可能會形成錯誤的導向，造成網絡意識形態領域的混亂局面[11]。綜上所述，算法技術在信息傳播過程中，并非簡單的中立工具，其運作機制中可能潛藏著各種偏見和價值預設。算法黑箱的存在為各種偏見和操控提供了滋生的溫床，使得原本應該客觀、公正的輿論場變得愈發復雜和難以捉摸。

3 算法推薦視域下輿論偏見的風險治理

黨的二十大報告明確指出，要健全網絡綜合治理體系，推動形成良好網絡生態[12]。這成了新時代網絡輿論引導工作的新要求。面對算法推薦視域下的輿論偏見風險，我們可以通過主流價值觀的引領、多元主體算法素養的提升，以及相關法律法規的完善，構建一個公正、透明、可控的算法環境，確保算法技術的健康發展，使其最大限度地發揮社會效益。

3.1 價值驅動：運用主流價值觀引領算法

一個社會的良性運行與健康發展離不開主流價值觀對社會文化和人的意識形態的塑造。在當前的智能媒體推薦環境中，如何確保算法技術與社會主義核心價值觀相契合，如何防止算法價值觀出現偏差，成了亟待解決的重要課題。

一方面，運用主流價值觀引領算法，必須摒棄過去片面追求“唯流量論”的陳舊觀念，積極在網絡輿論引導過程中優化算法推薦的運行機制。“流量至上”的價值導向使得算法的評價標準過度依賴于受眾的點擊量和關注度，而忽略了內容的質量和價值導向，這不僅不利于優質內容的生產和傳播，也容易造成輿論偏見的放大。在算法的具體運行中，應當在網絡平臺的關鍵作用點，如熱搜榜單、發現頁以及推薦位等，突出展示積極向上、充滿正能量的信息內容和輿論導向。在內容選擇上，應堅持“優質內容”的標準，既要滿足用戶的信息需求和個性化偏好，又要體現社會主義核心價值觀的引領作用。同時，運用主流價值觀引領算法運行，加強人工審核顯得尤為關鍵。雖然算法推薦顯著提升了人工篩選新消息的工作效率，但視頻內容的多樣性、語言的復雜性以及情感的微妙性，使得算法機制在很多情況下還難以做到準確識別。因此，為了確保內容的健康、積極與合規，需要在內容審核和推送方面進一步加強人工審核的作用。通過人工與算法的協同工作，精準地篩選和推送符合主流價值觀的內容，為社會的良性運行和健康發展提供有力支持，促進網絡空間的清朗與和諧。

另一方面，需要積極發揮主流媒體在輿論引導方面的優勢，更加深入地理解和把握全局，堅守并傳播正確的價值導向。面對算法技術的挑戰，主流媒體應當積極探索主流價值觀與算法技術的融合路徑，以“技術向善”為引領，打造更加積極、健康、向上的網絡輿論生態。例如，人民日報和中央廣播電視總臺等權威媒體相繼提出了“黨媒算法”和“總臺算法”，這些算法通過精心構建主流價值觀知識圖譜進行信息推薦，并自主建立智能標簽體系，根據稿件的標簽和用戶的閱讀習慣精準構建用戶畫像，不僅實現了高效、精準的智能推送，更為算法注入了黨媒所堅守的主流價值觀，推動了主流價值引領下良好社會輿論生態的構建。

3.2 認知培養：提升多元主體算法素養

對算法保持科學認識是駕馭算法的前提。在算法技術快速發展的背景下，算法設計者與社會公眾之間普遍存在著算法素養的差異。數字素養與技能是數字社會公民學習、工作、生活應具備的數字獲取、制作、使用、評價、交互、分享、創新、安全保障、倫理道德等一系列素質與能力的集合[13]。彌合受眾信息資源差距，需要提升多元主體的算法素養，促進信息公平分配與高效利用，構建更公正的信息社會。

首先，應加強算法制作者的算法素養，從源頭上防范算法偏見。在“流量至上”的邏輯下，算法工程師往往面臨著來自平臺的商業壓力，這可能會影響其算法設計和價值取舍，進而影響到最終呈現給用戶的信息內容。因此，需要加強算法設計者的教育，增強平臺的社會責任感和思想品德素養，重視算法技術所帶來的問題。同時，網絡平臺應堅守“以人民為中心”的理念，將人民的根本利益置于首位，促進算法技術更好地造福人民生活、推動社會進步。

其次，提升算法使用者的素養，從過程中防范算法問題。在算法傳播領域，公眾是輿論主體。提高公眾的算法素養和行為規則意識是治理輿論偏見的重要一環。隨著算法技術的快速應用，公眾對算法的認識還不全面，需要政府、媒體及平臺等主體積極開展算法內容的思想教育。通過頒布政策法規、公開算法協議、發布知識文章、制作科普視頻等方式，培育用戶的算法趨避能力和辨識能力，使其能夠識別低質量內容、抵制不良信息，以提升社會公眾的算法理智。

最后，提升算法監督者的算法素養，從結果端規范算法發展。在數字化飛速發展的今天，政府作為公共利益的守護者，在維護網絡輿論秩序、引導算法技術健康發展方面肩負著重要責任。面對算法技術發展中涌現的諸多新的挑戰與問題，以國家互聯網信息辦公室為代表的政府部門需要積極適應時代變遷，發揮輿論編輯的把關作用，確保算法技術的健康發展。為此，政府應當采取多種措施，全面提升在算法領域的專業水平。通過定期的培訓與學習，掌握算法技術的基本原理和應用場景，增強對算法技術的認知和理解。其次，建立專業的算法技術團隊，匯聚行業精英，為政府決策提供科學、合理的算法支持。政府應與平臺共同協作，認清網絡輿論領域中面臨的新形勢和新任務，以系統全面的思維推進網絡強國建設。

3.3 法律規制：完善算法相關法律法規

預防和消除由算法技術支持的輿論偏見風險，不僅需要運用主流價值觀來指導和改進算法，提升廣大公眾的媒介素養，還亟需政府部門完善算法治理的體系框架，為算法的健康發展提供堅實的法律屏障和治理保障。

黨的十八大以來，我國已相繼出臺《互聯網信息服務算法推薦管理規定》《生成式人工智能服務管理暫行辦法》《中華人民共和國個人信息保護法》等法律法規，對算法推薦服務提供者的主體責任、個人信息安全及生成式人工智能服務的發展作了明確規定，從制度層面對算法運行下的輿論格局進行治理。然而，現有的法律法規體系還難以完全適應算法技術快速發展帶來的新問題和新挑戰。例如，雖然《互聯網信息服務算法推薦管理規定》第五章確立了算法推薦的法律責任框架，但在對違規行為的具體處罰措施方面存在一定空白，導致違法行為的實際代價降低，給那些追求不當利益的個體或組織提供了可乘之機。因此，政府和網絡主管部門需要密切關注信息科技的發展動態，并對現行法規進行更加細致和深入的修訂，牢牢掌握輿論傳播把關權，增強法規的執行力和威懾力，確保法律規定能夠在實踐中得到有效的執行和應用。未來，政府等相關部門應不斷完善算法治理的法律法規體系，加強算法倫理建設，引導算法技術朝著更加公平、透明、可控的方向發展，為構建清朗的網絡空間、推動信息化時代社會治理現代化提供堅實的法治保障。

4 結束語

數智化時代，算法推薦技術改變了整個社會的信息結構和傳播秩序，重塑了社會價值傳播的媒介環境，為社會價值共識的生成提供了一個全新的信息場景和現實場域[14]。面對推薦算法給媒體格局和輿論生態帶來的深刻變革，本文梳理了算法作用下輿論信息傳播的特征，分析了群體極化、流量至上、算法黑箱對網絡輿論生態構成的挑戰，明確了在算法應用于公眾的信息生活中應確保人的主體性的發揮，從價值、認知、法律等層面優化推薦算法，才能防范推薦算法引發的輿論偏見，確保網絡空間的公正與安全。