算法推荐系统影响下的网络语言极化与信息茧房效应实证与理论 .docxVIP

PAGE2

算法推荐系统影响下的网络语言极化与信息茧房效应：实证与理论

摘要

本研究聚焦于算法推荐系统对网络语言极化的影响机制，并在信息茧房语境下构建语言态度变异的社会语言学理论。算法推荐通过个性化内容分发，不断强化用户的既有立场，导致网络社群言语行为的极端化与同质化。本研究首先从社会现实与理论缺陷出发，提出核心问题；继而通过文献回顾，指出当前研究在语言态度动态演变理论方面的缺口。

论文以语言极化现象为切入点，将其界定为一种受推荐算法驱动的语言态度分化过程。在深入解析问题的生成脉络、内在矛盾及本质属性之后，系统阐释了算法作为“认知滤网”和“情感放大器”的作用逻辑，并识别出影响语言极化的关键条件与边界。在此基础上，本研究整合接触理论、社会认同理论与技术可供性视角，提出一个“算法中介的语言极化分层演化模型”。该模型以“算法过滤－社群区隔－言语实践－态度内化”为逻辑主线，揭示语言极化从个体认知到群体规范的螺旋上升机制。最后，论文提炼了主要结论，阐释了理论贡献及对网络治理、算法伦理的实践启示。全文旨在推进社会语言学在数字社会的理论更新，为理解技术、语言与社会结构之间的交织关系提供新的分析框架。

第一章绪论

1.1研究背景

数字技术已深度嵌入日常交际，算法推荐系统成为信息传播的底层架构。从短视频平台到社交媒体，算法根据用户画像、行为轨迹进行个性化推送，极大地提高了内容分发的效率。然