算法推荐对网络政治舆论极化的影响与治理机制研究_政治学.docxVIP

PAGE2

算法推荐对网络政治舆论极化的影响与治理机制研究

第一章绪论

1.1研究背景

1.1.1问题的现实缘起

随着大数据与人工智能技术的飞速发展，算法推荐已成为网络信息分发的基础设施。在政治学视域下，算法不仅重塑了信息传播格局，更深刻介入了政治舆论的演化过程。

算法通过捕捉用户数字足迹，精准匹配信息内容，极大提升了信息获取效率。然而，这种基于“用户偏好”的定制化分发，也隐蔽地改变了政治信息的暴露机制。

公众在享受信息定制便利的同时，逐渐被包裹在同质化信息构成的“信息茧房”中。不同政治立场的群体间信息壁垒日益加固，导致共识空间不断萎缩。

近年来，多国选举与社会议题讨论中频繁出现舆论撕裂现象。网络空间中理性对话日益稀缺，情绪化表达与极端立场成为吸引流量的捷径。

这种舆论极化不仅阻碍了公共议题的良性协商，更对民主政治的稳定运行构成潜在威胁。如何化解算法驱动的极化危机，已成为亟待回应的现实诉求。

1.1.2问题的理论缘起

在理论层面，网络政治舆论极化并非新议题，但算法推荐为其注入了新的动力机制。传统极化理论多强调社会结构分裂与精英动员的作用。

然而，现有理论在解释微观个体如何迅速走向极端立场时显得力不从心。算法作为隐性权力，其结构化编排与偏好强化效应尚未被充分理论化。

信息茧房理论虽揭示了同质化信息的封闭效应，但多停留在现象描述层面。茧房“破壁”的内在机制与算法逻辑的深层