一、資訊繭房：並非新問題

二、影響使用者資訊獲取路徑的相關因素

（一）個體構建資訊獲取網路的主要邏輯

1、社交關係網路。在社會化媒體時代，社會關係網是個體構建自己的資訊網路時的基礎。當人們以社交關係構建起自己的資訊網路時，也就是建立了一道無形的牆，將一些資訊阻擋在外面。

2、搜尋引擎也會起到一定作用。透過搜尋關鍵詞，人們就可以定向地獲得自己所需要的某個方面的內容。

3、一些使用者也會對公共資訊傳播平臺有穩定的使用習慣，如新聞資訊客戶端等。

（二）導致路徑固化的相關因素1、個體的性格，如是被動型還是主動型，是喜歡穩定還是喜歡變化等2、人們在資訊網路中獲得的滿足感，也會影響到他們行為的穩定性3、平臺也會以某些方式固化人們的資訊獲取範圍或路徑

（三）導致路徑偏離的相關因素1、現有路徑不能完全滿足個體的資訊獲取需求。2、人們在現有的社會關係網路中如果受到太多限制或壓力，或投入與回報不成正比3、人們在各種固有路徑中偶遇的某些類別的資訊，如果引發了他們的興趣，也可能將他們帶向陌生的資訊源或資訊渠道。4、在一些特定目標的引導下，人們也會產生了解多方面資訊的動力，從而主動尋找資訊的新來源，形成對既有路徑的脫離。

三、內容到達使用者的多重過濾機制

（一）平臺中的過濾機制無論是專門的資訊客戶端，還是社交平臺，或是其他的資訊分發平臺，平臺本身都或明或暗地存在一定的資訊過濾機制

（二）社會關係網中的過濾機制社交平臺分享的內容，更多的具有表演的道具、關係的潤滑劑、流通的社交貨幣、強化自己立場觀點的論據等功用。

（三）演算法的過濾機制個性化推薦演算法的主要作用，就是過濾掉它認為某個特定物件不需要的內容，以提高內容與使用者需求的匹配度，降低使用者獲取有效資訊的成本。

（四）個體自身的過濾在這種過濾機制中，選擇性心理起到了很大作用。選擇性心理包括選擇性接觸（含選擇性注意）、選擇性理解和選擇性記憶等三個層面。

四、多重路徑下的“破繭”

（一）演算法的最佳化從面向個人的演算法角度看，要儘可能減少資訊繭房效應。演算法的開發者也需要更多地探索用演算法來促進具有公共價值的內容的生產與推薦。

（二）平臺的最佳化平臺本身的資訊源的豐富性，資訊環境的均衡性，資訊呈現方式的最佳化，也有助於幫助使用者突破繭房。

（三）資訊供給側的改進媒體仍需要保持有公共價值的、具有專業水準的、多方面平衡的內容的供給

（四）個體媒介素養的提升媒介素養的培養，需要幫助人們認識資訊偏食帶來的影響，推動人們在一定程度上改變資訊獲取的行為模式，盡力克服惰性，以更積極的方式來獲取資訊。

在託氏之後，美國法學家、社會學者凱斯桑斯坦認為網路社會的崛起讓資訊氾濫，民主和自由得以發展的背後存在一種二律背反：網路社會其實可能導致對民主自由的破壞和阻礙，即，從個人知識接受和傳播以及個人觀點表達的層面看，網路時代的個人呈現出一種“繭房”的效應（形象的比喻和理解就是我們每個人就像藏在自己織成的蠶繭裡面自得其樂），每個個體會根據自己的興趣在資訊海洋中選擇自己感興趣的話題，從而形成“選擇性注意、選擇性理解、選擇性記憶”的以個人喜好為主要導向的“個人日報”式樣的“資訊繭房”，因此就有可能導致我們所說的知識窄化。

而今天的智慧演算法推薦就是根據使用者畫像和使用者興趣需要進行的精準推薦，因此，從邏輯上講，演算法推薦是否會導致知識窄化的問題和“資訊繭房”是否會帶來知識窄化是一個性質的問題。

那麼我們就需要從邏輯、技術、人的主觀能動性等層面進行深度分析。

一、從邏輯上講，一個人長期專注於自己感興趣的知識，肯定會讓其視野更多地停留在某種資訊領域，這是毋庸置疑的，比如某些紅學家、書法愛好者、計算機工作者、籃球愛好者等任何一個行業的精深研究者，都會存在一定程度的“資訊繭房”，也就是說，我們不能否認“資訊繭房”的客觀存在。

二、演算法推薦技術層面。客觀說來，基於演算法的內容推薦和分發絕對是資訊科技的巨大進步，它有效地解決了使用者需求和海量資訊之間的選擇和匹配問題，在個體選擇有效資訊層面大大提高了效率，絕對是網際網路發展中極具價值的技術進步。另外，演算法推薦本身也在進步，那種將演算法只是機械的根據使用者畫像、完全不進行合理分配、只會推送使用者最感興趣的思維本身是對演算法推薦不瞭解的表現。我們不能因為演算法推薦給你愛看的東西就將知識窄化的罪名放置到演算法上面，我們要明白的是，演算法本身作為一種技術是中立的，真正決定個體知識取用的還是使用者自身。

因此，我的觀點是：“資訊繭房”現象客觀存在，但演算法推薦不會導致使用者知識變窄。伴隨演算法推薦的進步，智慧演算法可以根據使用者畫像有效地克服過度“資訊繭房”的現象，比如可以根據使用者畫像、使用者關係更加有效地洞察使用者的真實需求和資訊推送之間的關係及比例；加大使用者可能感興趣的隨機內容的推送；按照更為合理的比例和知識圖譜進行資訊推送；不定期的進行使用者回訪和頻道更新等。

總之，演算法無論如何變化和進步，最終起決定作用的肯定是有主觀能動性的人。因此，演算法推薦或許可能會導致區域性的“資訊繭房”現象，但絕不會造成大面積的知識窄化，更不會出現很多人擔心的演算法讓人類知識更新變的緩慢和窄化的問題。

這是我的一點見解，懇請批評指正。