算法推荐信息茧房强化中“认知资本”不平等加剧.pdfVIP

算法推荐信息茧房强化中认知资本不平等加剧

一、摘要与关键词

摘要：算法推荐系统已成为当代信息传播的核心机制，其在提升

信息效率的同时，也因塑造个性化的信息环境而被指责固化了信息茧

房效应，引发了关于社会认知割裂与公共理性衰退的忧虑。然而，现

有讨论往往忽视了算法推荐与个体认知资本存量之间的互动关系，及

其对社会不平等格局的深远影响。本研究旨在探讨算法推荐驱动的信

息茧房强化过程中，认知资本不平等被加剧的内在机制。认知资本在

此被界定为个体有效获取、评估、筛选、整合及运用信息以进行知识

生产与决策判断的关键能力集合。本研究采用理论分析与文献整合的

方法，借鉴传播学、社会学、认知心理学及批判算法研究的多元视角

，构建分析框架。研究认为，算法推荐系统并非对所有用户产生同质

化的茧房效应，而是通过一系列差异化机制，加剧了既有的认知资本

不平等。这些机制主要包括：基于用户已有认知水平的差异化暴露与

认知技能固化，即算法倾向于向认知资本较低的用户推送同质化、低

门槛信息，限制其认知拓展，而为认知资本较高的用户提供更丰富、

复杂的认知刺激；通过优化用户短期参与度的情感极化机制，削弱用

户的审辨式思维与认知复杂度；经由用户行为反馈形成的认知轨迹自

锁循环，使得高低认知资本用户的信息食谱与认知能力差距持续扩大

；以及利用普遍存在的算法素养鸿沟，使得认知资本较低的用户更易

被动接受算法塑造的信息环境。本研究揭示了算法技术在表面的个性

化服务之下，可能潜藏着加剧社会认知分层、固化阶级壁垒的隐性功

能，对数字时代的信息公平与社会整合构成了严峻挑战。

关键词：算法推荐；信息茧房；认知资本；不平等；数字鸿沟

二、引言

我们正身处一个被算法深度塑造的信息时代。从新闻资讯的获取

、社交媒体的内容流，到影音娱乐的选择、乃至购物决策，个性化推

荐算法已无处不在，成为连接个体与海量信息的主要中介。这些算法

承诺通过学习用户偏好，提供更精准、更高效、更具吸引力的内容，

从而极大地改变了信息传播的生态格局。然而，伴随着算法威力的日

益彰显，对其潜在负面效应的担忧与批判也日渐增多。其中，信息茧

房或过滤气泡理论，便深刻地指出了算法推荐可能带来的风险：通过

持续推送用户偏好的信息，屏蔽异质性观点，算法可能将个体包裹在

一个自我印证、日益狭隘的信息环境中，导致视野窄化、认知固化，

加剧社会群体的隔阂与极化，侵蚀公共讨论的理性基础。

尽管信息茧房的概念已广为人知，并引发了关于算法伦理、平台

责任和媒介素养教育的广泛讨论，但现有研究在探讨其形成机制与社

会后果时，往往存在一种普遍化的倾向，即假定算法对所有用户产生

类似程度的茧房效应，或者主要关注其在政治观点极化等特定领域的

表现。相对而言，一个更深层、或许也更具根本性的问题被忽视了：

算法推荐所强化的信息茧房，是否以及如何与社会成员之间早已存在

的不平等的认知资本相互作用，并可能进一步加剧这种不平等？

本研究引入认知资本这一概念，旨在将分析的焦点从信息茧房的

外部后果（如社会割裂），转向其内部机制及其对个体认知能力差异

的塑造作用。认知资本，在此并非严格的经济学意义上的资本，而是

借用其隐喻，指代个体在信息社会中进行有效认知活动所必需的核心

能力与素养的集合，它包括但不限于信息检索与筛选能力、批判性评

估与反思能力、跨领域知识整合能力、复杂问题理解能力以及持续学

习与适应能力等。如同经济资本和社会资本一样，认知资本在社会成

员中的分布也是不平等的，受到个体教育背景、家庭环境、职业经历

乃至社会阶层等多重因素的影响。

本研究的核心论点是，算法推荐系统并非中立的信息分发渠道，

其运作逻辑内在地倾向于与用户既有的认知资本水平发生互动，并产

生一种马太效应：对于那些认知资本存量较高的用户，算法推荐可能

提供更丰富多元的信息刺激，成为其拓展认知边界、提升认知能力的

工具；而对于认知资本存量较低的用户，算法则更可能将其锁定在同

质化、低信息密度、甚至充满偏见与虚假信息的回音室中，进一步固

化其认知局限，阻碍其认知资本的积累。换言之，算法推荐所强化的

信息茧房，并非一个对所有人都密不透风的均质牢笼，而是一个具有

差序格局的认知分层系统，它在提供个性化信息服务的同时，也可能

在无形中加剧了社会成员之间的认知鸿沟。

因此，本研究试图回答的核心问题是：算法推荐系统具体通过哪

些机制，将用户既有的认知资本差异转化为日益扩大的信息茧房效应

差异？这些机制如何运作，从而使得认知资本的不平等在算法环境中

被持续强化和