算法对文学评论公共领域形成的反向驯化——以豆瓣读书评分机制为例.docxVIP

算法推荐对文学评论公共领域形成的反向驯化——以豆瓣读书评分机制为例

摘要

哈贝马斯意义上的文学公共领域，以理性对话、多元审美辩论、文学价值的自由探讨为核心目标。豆瓣读书依托大众评分、开放评论与社交推荐机制，曾被视作网络文学评论公共空间的典型样本。但随着平台算法权力持续扩张，评分加权规则、热门评论筛选、协同过滤推荐构成一套闭环系统，产生反向驯化效应：本应是人利用平台开展文学讨论，最终演变为算法规则重塑读者阅读方式、评论话语、审美标准，文学评论从“思想交锋”转向“数据生产”。本文以豆瓣读书评分机制为个案，厘清算法反向驯化的内在逻辑，剖析文学评论公共领域遭遇的圈层化、量化暴政、批判性消解等危机，并尝试探寻重建公共讨论空间的可行路径。

关键词：算法推荐；反向驯化；文学公共领域；豆瓣读书；评分机制；数字媒介批评

引言

互联网时代，文学评论摆脱专业期刊壁垒，普通读者获得公开表达审美判断的渠道。豆瓣读书诞生之初，依靠用户自主标记、五星评分、长短评交流，构建起区别于学院文学批评的大众评论场域，被视作数字文学公共领域的范本。人们预设：开放评分可以汇集多元阅读感受，社交推荐能够拓展审美视野。

然而算法逻辑逐步嵌入平台底层。豆瓣读书不只是展示读者意见，而是依靠隐性加权算法筛选评分权重、依靠互动数据排序评论、依靠用户标签推送书单。媒介驯化理论原本强调人主动吸纳、改造媒介工具；反向驯化则指向技术系统