回声室效应

来自集智百科 - 复杂系统|人工智能|复杂科学|复杂网络|自组织
跳到导航 跳到搜索

此词条由RWKV翻译审校,未经专家审核,带来阅读不便,请见谅。

回声室效应 (Echo Chamber)也被称为回音室效应、信息回音室/回声室、媒体回音室/回声室、在线(线上)回音室/回声室和新闻回音室/回声室。在新闻媒体和社交媒体上,一些拥有相近想法的群体借由不断沟通与认同彼此想法,使得那些相似的想法不断被放大与加强,其意见的持有者也加强了他们对现有观念的信仰程度,从而创造出一个相对封闭的环境或是生态系统。[1][2]回声室效应在忽略反驳意见的前提下传播并强调该观点,其可能造成确认偏误,并增加社会及政府的极端化。特别是在社交媒体上,回声室限制了多元意见的表达空间,并强化了个人或群体的默认想法及意识形态。[3][4][5]

概要

互联网的普及扩大了人们对信息的获取量并降低了信息的获取难度,这一方面降低了公共讨论的难度并创造出更多元化的公共讨论形式,另一方面,信息的广泛获取可能使人们展现出对信息支持性管道的选择性。当观点相似的人们在网络上相互讨论时容易形成相对狭隘的视野,使得回声室效应发生。在这个封闭的讨论环境中,相同的论点会被不断反复强调,并将不同意见的声音淹没,由于较少接触不同的观点,参与讨论者的观点会被更加根深蒂固,最终导致对相关领域的各种主题产生确认偏误。

在寻求意见的过程中,当人们希望某件事为真时,他们往往倾向寻求能支持自己现有想法的信息,而容易忽视反面意见或是与其相斥的说词。人们在回声室中也会对自己的观点更有信心,因为这些意见比较容易被其他人所接受。[6]由于网络与社交媒体的发展,现今人们常透过Facebook、Google等较不传统的管道获取消息,而有许多这类商业媒体会根据用户的搜索纪录及网络使用习惯建立算法,持续推送符合该用户喜好的内容。[7] 这样透过网络的信息推送过程存在形成过滤气泡的风险,也有人认为回声室效应会造成透过网络的公共讨论破裂。[8]在更极端的回声室中,信息可能会以更扭曲或更夸张化的形式被观点相似的人们不断传播,直到大多数人都接受这一扭曲化的论点[9]。

学术研究

许多学者对回声室效应做过研究,然而目前对于这个现象的了解仍十分碎片化。巴克希等人曾对回声室效应造成的影响作过研究[10][11],其中研究人员发现人们通常分享与他们观点一致的新闻文章,并且他们发现人们更容易和有相同政治倾向的人产生交流、建立关系。另外,他们也发现人们在网络上接触到交叉消息(cross-cutting content, 即与自己政治倾向相反的内容)的潜在可能性在自由派仅24%、保守派仅35%。许多其他研究表明交叉内容是衡量回声室效应的重要指针,像是博塞塔等人发现在英国脱欧期间,Facebook上的评论中有29%为交叉消息。回声室效应可能存在于个人在网络上获取信息的过程中,但较不存在于人们在社交媒体上与他人的交互中[12]。另一方面,杜布瓦和布兰克表示回声室效应确实存在,但并没有人们想的普遍。根据数据表明大多数人皆从多元的管道接收信息,仅有8%的人在消息的获取上有较单一的来源[5]。鲁斯克表示大多数Twitter用户不太受回声室的影响,但在高度活跃的用户中仍有小部分用户在民粹主义政治家的追随者中占了大多数,创造出了相似观点相对封闭的交流空间。

另外,也有一些研究表示人们也会分享与自己政治观点不同的新闻报导[13],或是发现社交媒体的用户比起不使用社交媒体的人们,仍然有更多元的信息来源。这些研究都与回声室效应产生矛盾,因此对于回声室效应的研究仍然缺乏共识。

由于定义不明确、研究方法不一致,且数据也尚不足以作为代表,关于回声室的研究尚未达成共识。对回声室的研究在不同政治环境下经常得出相反结论。

牛津大学路透新闻研究所通过研究多个国家多位学者的有关“在线回声室”的社会科学著作后得出结论,认为“回声室效应”的规模比人们通常认为的要小得多,并强调用户的自我选择是形成回声室的关键因素,而不是算法推荐本身。如在英国,仅有约6%到8%的公众生活在政治倾向明显的“信息回声室”中。基于网络跟踪数据的研究支持了这一结论:在英国2019年大选期间,只有少数选民生活在党派新闻回声室中,其中工党选民占2%,保守党选民占4%。在其他欧洲国家的研究也得出了类似的结论:例如,瑞典的研究表明,公众接收信息的来源十分多样,并非每个人都处在孤立的回声室中;同样地,西班牙的研究中也未发现广泛存在的所谓“信息回声室”。

在亚洲国家的一些研究也对“回声室效应”的广泛存在提出了质疑。例如,以色列的研究显示,只有大约3%的人生活在完全生活在由党派立场鲜明的媒体创造的“回声室”中。

在美国,一些研究人员也发现,具有同质新闻接收习惯的互联网用户是罕见的。研究还指出了单平台研究回声室效应的局限性。虽然有研究在某个单一的社交媒体平台上发现了许多观点一致的社群,但由于这些研究仅限于特定平台,而无法确定用户是否在其他媒体上也生活在封闭的回声室中,因此其研究价值有限。例如,仅基于社交媒体平台 X 的分析可能会高估回声室的规模,因为用户可能通过其他渠道(如电视新闻)接触到不同的观点。

影响

线上社区

线上社区呈现出显著的同质化特征,当用户群体仅在封闭空间内接收单维度观点而缺乏反驳性论证时,易形成回声室效应,进而引发社区认知的碎片化割裂。这种回声室效应在具有政治敏感性的议题讨论中较易出现,以Twitter为代表的社交平台数据显示,相较于价值中立的话题场域,政治倾向显著的讨论区更容易形成强化的观点闭环[14]。

社会网络社区具有强化谣言的特性,这是因为用户更相信所在社区和同伴提供的信息,而非媒体报道的内容。这种信任机制源于两点:社区内部的信息认同和社区间的信息隔离 [15]。此外,线上交流减少了面对面表达观点的顾虑,使人们更容易与同社区成员达成一致[16]。

此类传播特征会对理性讨论产生阻碍:当用户仅接触有限信息且不愿了解外部观点时,正常的社会信息交流会受到影响。本质上,算法创造的 "信息茧房" 会永久性改变人们对现实的认知,外界信息难以纠正这种认知偏差[17]。

时田Tokita 等人2021年的研究表明:当个体身处“回声室”时,其信息获取行为可能受到抑制,即便是来自可靠信源的信息也会被过滤。在高度群体极化Group Polarization的信息环境中,那些对社区共享信息敏感度高的个体,比敏感度低的群体更容易营造出政治观点同质化的信息圈层。他们通过减少接触异质信息以规避 "不必要信息" 的干扰,反而导致信息传播链断裂。这种行为模式不仅促使极端观点形成,还会使当事人错误高估自身对事件的认知全面性[18]。

研究也表明,虚假信息由于回声室的存在可以变得更具病毒式传播性,因为回声室提供了一个初始种子,能够助推更广泛的病毒式扩散[19]。

线下社区

许多线下社区也按政治信念和文化观点进行区隔。回声室效应可能会阻碍个体察觉到其自身群体之外的语言和文化变化。线上回声室有时会影响个体参与类似线下讨论的意愿。2016年的一项研究发现,“在Twitter上感觉其受众认同自己观点的用户,更愿意在工作场所就该问题发表意见”[6]。

群体极化Group Polarization可能随着回声室的扩大而发生。由于缺乏外部视角,加上大多数个体持有相似的观点或叙事,这会导致更极端的信念体系。群体极化Group Polarization还可以通过社交媒体平台助长虚假新闻和虚假信息的传播[20]。 这种影响甚至可以延伸到线下互动中,有数据显示,线下互动也可能像线上互动(如Twitter)一样具有极化效应,这在一定程度上可能是因为由社交媒体促成的辩论高度碎片化[21]。

实例

回声室的存在形式多种多样。自20世纪末以来,被提及的实例包括:

  • 麦克马丁幼儿园案件(1980 年代)

关于 1980 年代麦克马丁幼儿园案件的媒体报道在大卫・肖的1990 年普利策获奖系列报道中被界定为典型回声室现象。大卫・肖指出,尽管法庭指控从未被证实,但新闻机构表现出 "高度集体协同性" 与 "相互刺激强化",共同构建出 "恐怖回声室",记者在此期间放弃新闻准则,转而采用惊悚化处理,专注 "抢先披露最新骇人指控"[22]。

  • 克林顿-莱温斯基丑闻(1998)

《时代》杂志 1998 年 2 月 16 日封面报道《泄密审判》(作者亚当・科恩)以 "媒体与裙子:煽情泄密的传播学解构及其在媒体回声室内的多重反射" 为题,系统分析该事件在媒体场域中的放大机制。卓越新闻项目在专题报告《克林顿-莱温斯基事件:准确性与公正性评估》中对此进行深度检验[23]。

  • 保守媒体实证研究(2008)

凯瑟琳・霍尔・詹姆森Kathleen Hall Jamieson与弗兰克・卡佩拉Frank Capella在 2008 年著作《回声室:拉什・林博与保守媒体机构》中完成首个回声室效应实证研究,将保守派电台主持人拉什・林博Rush Limbaugh及其广播节目归类为“政治回声室”运作系统[24]。

  • 英国脱欧关联研究

《新政治家》杂志发表研究文章,指认回声室效应与英国脱欧公投决策过程存在显著关联[25]。

  • 2016 美国大选传播分析

2016 年美国总统选举被判定为典型政治回声室案例。唐纳德・特朗普与希拉里・克林顿通过高强度Twitter互动,吸引大量意见领袖形成对立传播阵营。郭,雷等人的团队研究表明:Twitter平台上两大竞选阵营支持者社区呈现显著区隔,高频次互动用户在各自阵营内部构建出封闭信息环境 [26]。

  • 反科学思潮传播

支持地平说的社交媒体账户与社会网络社区被定性为科学传播领域的极端回声室 [1]。

与“信息茧房”的联系与区别

“信息茧房” (Information Cocoons)的概念最初由凯斯·桑斯坦在其著作《信息乌托邦》中提出,指的是人们只关注自己选择或使自己感到愉悦的信息,从而形成封闭的类似“茧房”的信息系统[27]。回声室效应侧重于单一信息的重复与加强,而“信息茧房”更强调信息来源的单一和信息环境的封闭[28][29]。两者虽然存在相似的心理机制,但概念有所区别。在中文语境下,相较于“过滤气泡”和回声室效应,“信息茧房”更多地被公众和学术界讨论,而英文学术著作中有关“信息茧房”的研究寥寥无几[30]。

“信息茧房”学术研究

在算法驱动的信息推荐系统日益普及的背景下,“信息茧房”的概念被广泛讨论。公众普遍担忧个性化推荐会导致信息窄化,加剧社会割裂。然而,学界对“信息茧房”的理解与公众的直觉感受存在较大差异。多位学者的研究及媒体报道指出,“信息茧房”概念缺乏实证研究和量化数据支撑,其负面效应其实并不存在[30]。

与对算法造成“信息茧房”的担忧相反,算法的目的在于提升信息分发效率和满足用户需求,算法实际上可能扩大受众接触信息的范围,并非“作茧”之源[31]。算法并一成不变,而是不断迭代更新,以满足用户多元兴趣。且平台旨在留住用户,而非刻意制造“信息茧房”,推荐多样化内容是平台留存用户的必要手段[31]。此外,也有学者接受媒体采访时表示技术具有偏向性并非中立,取决于人的价值观和社会背景[32][5]。

有学者在其著作中指出,人们倾向于将复杂社会问题简单归咎于技术,而忽视了人的选择、社会环境等因素[33]。“信息茧房”概念更多是个人选择性偏好的体现,并非算法时代独有[31]。用户并非像部分人设想的完全被动接受算法的“投喂”,而是具有主动选择和影响算法的能力[31]。

  1. ↑ 1.0 1.1 Diaz Ruiz, Carlos; Nilsson, Tomas. Disinformation and Echo Chambers: How Disinformation Circulates on Social Media Through Identity-Driven Controversies. Journal of Public Policy & Marketing. 2023-01, 42 (1) [2023-12-20]. ISSN 0743-9156. doi:10.1177/07439156221103852.
  2. ↑ Nguyen, C. Thi. Echo Chambers and Epistmic Bubbles. Episteme. 2020-06, 17 (2) [2023-12-20]. ISSN 1742-3600. doi:10.1017/epi.2018.32.
  3. ↑ Echo chambers, filter bubbles, and polarisation: a literature review | Reuters Institute for the Study of Journalism. reutersinstitute.politics.ox.ac.uk. [2025-02-04]. doi:10.60625/risj-etxj-7k60
  4. ↑ Unver, H. Akin. Digital Challenges to Democracy: Politics of Automation, Attention, and Engagement. Journal of International Affairs. 2017, 71 (1) [2023-12-20]. ISSN 0022-197X
  5. ↑ 5.0 5.1 5.2 Dubois, Elizabeth; Blank, Grant. The echo chamber is overstated: the moderating effect of political interest and diverse media. Information, Communication & Society. 2018-05-04, 21 (5). ISSN 1369-118X. doi:10.1080/1369118X.2018.1428656
  6. ↑ 6.0 6.1 Hampton, Keith N.; Shin, Inyoung; Lu, Weixu. Social media and political discussion: when online presence silences offline conversation. Information, Communication & Society. 2017-07-03, 20 (7) [2023-12-20]. ISSN 1369-118X. doi:10.1080/1369118X.2016.1218526
  7. ↑ Hosanagar, Kartik. Blame the Echo Chamber on Facebook. But Blame Yourself, Too. Wired. [2023-12-20]. ISSN 1059-1028
  8. ↑ Ulen, Thomas S. Democracy and the Internet: Cass R. Sunstein, Republic.Com. Princeton, NJ. Princeton University Press. Pp. 224. 2001. SSRN Electronic Journal. 2001. ISSN 1556-5068. doi:10.2139/ssrn.286293
  9. ↑ Echo chamber - SourceWatch. www.sourcewatch.org. [2023-12-14].
  10. ↑ Bakshy, Eytan; Messing, Solomon; Adamic, Lada A. Exposure to ideologically diverse news and opinion on Facebook. Science. 2015-06-05, 348 (6239) [2023-12-20]. ISSN 0036-8075.
  11. ↑ El-Bermawy, Mostafa M. Your Filter Bubble is Destroying Democracy. Wired. [2023-12-20]. ISSN 1059-1028.
  12. ↑ Bossetta, Michael; Dutceac Segesten, Anamaria; Bonacci, Duje. Reconceptualizing Cross-Cutting Political Expression on Social Media: A Case Study of Facebook Comments During the 2016 Brexit Referendum. Political Communication. 2023-11-02, 40 (6) [2023-12-20]. ISSN 1058-4609.
  13. ↑ Morgan, Jonathan Scott; Lampe, Cliff; Shafiq, Muhammad Zubair. Is news sharing on Twitter ideologically biased?. Proceedings of the 2013 conference on Computer supported cooperative work. CSCW '13 (New York, NY, USA: Association for Computing Machinery). 2013-02-23 [2023-12-20]. ISBN 978-1-4503-1331-5. doi:10.1145/2441776.2441877.
  14. ↑ Barberá, Pablo, et al. "Tweeting from left to right: Is online political communication more than an echo chamber?." Psychological science 26.10 (2015): 1531-1542.
  15. ↑ Cinelli, Matteo, et al. "The echo chamber effect on social media." Proceedings of the national academy of sciences 118.9 (2021): e2023301118.
  16. ↑ Walter, Stefanie, Michael Brüggemann, and Sven Engesser. "Echo chambers of denial: Explaining user comments on climate change." Environmental Communication 12.2 (2018): 204-217.
  17. ↑ Street, Farnam. "How Filter Bubbles Distort Reality: Everything You Need to Know." FarnamStreet Media 1 (2017).
  18. ↑ Tokita, Christopher K., Andrew M. Guess, and Corina E. Tarnita. "Polarized information ecosystems can reorganize social networks via information cascades." Proceedings of the National Academy of Sciences 118.50 (2021): e2102147118.
  19. ↑ Törnberg, Petter. "Echo chambers and viral misinformation: Modeling fake news as complex contagion." PLoS one 13.9 (2018): e0203958.
  20. ↑ Sunstein, Cass R. "The Law of Group Polarization". Journal of Political Philosophy. 10 (2): 175–195. doi:10.1111/1467-9760.00148. ISSN 0963-8016.
  21. ↑ Gentzkow, Matthew; Shapiro, Jesse M. "Ideological Segregation Online and Offline *". The Quarterly Journal of Economics. 126 (4): 1799–1839. doi:10.1093/qje/qjr044. hdl:1811/52901. ISSN 0033-5533.
  22. ↑ Shaw, David . "Column One: News Analysis: Where Was Skepticism in Media?: Pack journalism and hysteria marked early coverage of the McMartin case. Few journalists stopped to question the believability of the prosecution's charges". Los Angeles Times, 19 January 1990.
  23. ↑ "The Clinton/Lewinsky Story: How Accurate? How Fair?". Archived from the original on 22 December 2018. Retrieved 12 December 2021.
  24. ↑ Jamieson, Kathleen; Cappella, Joseph. Echo Chamber: Rush Limbaugh and the Conservative Media Establishment. Oxford University Press. ISBN 978-0-19-536682-2.
  25. ↑ Chater, James. "What the EU referendum result teaches us about the dangers of the echo chamber". New Statesman,2016, 6, 6.
  26. ↑ Guo, Lei; A. Rohde, Jacob; Wu, H. Denis (28 January 2020). "Who is responsible for Twitter's echo chamber problem? Evidence from 2016 U.S. election networks". Information, Communication & Society. 23 (2): 234–251. doi:10.1080/1369118X.2018.1499793. ISSN 1369-118X. S2CID 149666263.
  27. ↑ Sunstein, Cass R. Infotopia: How many minds produce knowledge. Oxford University Press, 2006.
  28. ↑ 郭小安,甘馨月.“戳掉你的泡泡”——算法推荐时代“过滤气泡”的形成及消解[J].全球传媒学刊,2018,5(02):76-90.
  29. ↑ 丁汉青,武沛颍.“信息茧房”学术场域偏倚的合理性考察[J].新闻与传播研究,2020,27(07):21-33+126.
  30. ↑ 30.0 30.1 Christopher A. Bail, Lisa P. Argyle, Taylor W. Brown, John P. Bumpus, Haohan Chen, M. B. Fallin Hunzaker, Jaemin Lee, Marcus Mann, Friedolin Merhout, Alexander Volfovsky Proceedings of the National Academy of Sciences Sep 2018, 115 (37) 9216-9221; DOI: 10.1073/pnas.1804840115
  31. ↑ 31.0 31.1 31.2 31.3 喻国明,刘彧晗.个性化推荐≠信息茧房:对算法与茧房效应的误读澄清[J].青年记者,2024(7):55-5771
  32. ↑ Haim, M., Graefe, A., & Brosius, H.-B. Burst of the Filter Bubble? Effects of personalization on the diversity of Google News. Digital Journalism, 2018, 6(3), 330-343.
  33. ↑ Zuiderveen Borgesius, Frederik J.; Trilling, Damian; Möller, Judith; Bodó, Balázs; de Vreese, Claes H.; Helberger, Natali. Should we worry about filter bubbles?. Internet Policy Review. 2016-03-31, 5 (1). ISSN 2197-6775. doi:10.14763/2016.1.401