在算法流行之前，美国学者凯斯·桑斯坦就已经提出“信息茧房”概念，用来描述个人的信息需求和信息选择趋向窄化、封闭化的现象。随着算法逐渐影响信息分发过程，信息茧房这一术语开始被广泛地与算法的潜在风险联系在一起。

  个性化推荐系统根据不同用户的兴趣和行为来展示不同的内容，这本是算法设计的正常功能。但有人认为不同人看到不同的推荐内容，那就是信息茧房存在的明证，这种说法错误地将这种个性化的推荐效果等同于信息茧房现象。更有甚者利用人们对茧房的焦虑情绪来达成自己的商业目的，使得“茧房效应”逐渐成为营销号炒作、滥用的营销热词。

  目前，人们对个性化推荐与信息茧房的理解存在诸多误区，如扩大解释信息茧房、夸大算法与茧房效应的直接联系、贬低算法等。那么，个性化推荐是否等同于信息茧房？算法是否必然导致信息茧房？针对这些核心问题，学界和业界现已达成了一个基本共识：信息茧房是由个体特征、社会环境、使用场景和技术因素等多重因素共同作用的复杂现象，算法机制只是其中的一个影响因素，而非直接的决定性因素。为了减少社会大众对该问题的曲解，有必要针对这些普遍存在的社会误读进行澄清和解释，这有助于我们更全面、客观地理解信息茧房现象与个性化推荐算法的作用。

  （一）术语的澄清：个性化推荐与信息选择偏好并非问题

  人们在讨论“千人千面”的个性化内容呈现时，经常将“个性化推荐”与“信息茧房”这两个术语混为一谈，并倾向用相对消极的态度来解读它们。但本质上，这是两个不同的概念。

  个性化推荐是一种算法技术手段，它基于用户的历史行为、偏好和其他相关数据，通过算法模型来预测并推荐用户可能感兴趣的内容。作为海量信息与个性用户间的“搭桥术”，个性化推荐对当前的传播模式来说十分必要，因为它极大简化了用户与内容的连接逻辑，提升了用户与内容的匹配效率。信息过载时代，强大的内容生产能力，使得传统倚仗人工编辑的媒体型分发根本无法完成有效的信息分发和价值配置，而个性化推荐算法以智能化的信息筛选和过滤功能，提升了信息分发的效率和精确度；此外，个性化推荐算法还激活了长尾信息市场，使那些非主流、个性化的信息需求同样得到了满足。

  而信息茧房实际上并没有明确和统一的界定。桑斯坦首次提出这一概念时，它更像一种半预言式的隐喻，而非经过深入研究和系统性论述的理论。目前接受度较广的内涵是把信息茧房看作用户信息阅读中的一种“偏食”、“挑食”现象，它是人们按照自身兴趣、意见、动机来行动的选择性心理的体现。

  简单来说，信息茧房是一种个人先天的、固有的信息选择偏好，这种现象自人类社会诞生以来就已存在，不论是在传统的纸质媒体时代，还是现代的互联网时代，这种偏好都一直伴随着我们。只不过，在互联网环境中，这种基于个人兴趣的信息选择模式被放大了。互联网提升了用户在信息消费中的自主性，使得用户得以根据自身价值观、能力、意愿和兴趣来构建个人的信息系统体系。在互联网海量的信息资源与用户有限的认知资源之间形成鲜明对比的当下，这种以用户为中心的选择性信息消费模式，几乎演变成了信息过剩时代的一种自我保护机制和策略。这要求我们认识到，信息茧房并非一个简单的是非问题，它的形成虽然受到技术因素的影响，但更深层次地反映了人类选择性心理的现代表现，我们应该以一种更加客观和包容的心态来理解信息选择偏好现象。

  因此，个性化推荐与选择偏好本身并不是问题。个性化推荐是互联网时代信息分发的必然趋势，我们无法拒绝；而选择偏好是人类面对信息过剩时选择性心理的自然体现，我们无法避免。真正的问题在于，我们该如何确保选择偏好不会成为损害社会共识建立和信任搭建的障碍。

  （二）二者关系的澄清：算法并不必然导致信息茧房

  许多人倾向于将信息茧房视为一个既成的负面现象，并以此为基础，将算法等技术视为导致信息茧房的核心原因，进而进行全面的技术批判。然而，如果我们深入考察信息茧房的形成机制，就会发现将算法视为信息茧房“罪魁祸首”的观点是缺乏根据且站不住脚的。

  首先，个性化推荐并非是信息茧房形成的先决条件。如上所述，信息茧房这一概念在算法技术普及之前就已经存在。当桑斯坦首次提出“信息茧房”时，算法技术还远未成熟，算法不是信息茧房形成的先决因素。归根结底，信息茧房的形成源于个体差异化的选择性心理，如选择性注意和选择性接触。人类对世界的认知始终建立在一定局限性的基础之上。而算法与数据技术在信息茧房形成过程中的角色，更像是人类在信息价值选择机制上的“延伸”——它们通过数据驱动的方式，放大了个体的选择性心理。即便在算法技术尚未普及的年代，信息传播也可能会受到传统媒体编辑的把关影响，而出现片面、同质和窄化的现象。因此我们应该认识到算法技术之于信息茧房来说，只是其中的一个影响因素，而非唯一关键原因。

  其次，个性化推荐也不对形成中的信息茧房起增效作用。现有的实证研究并不支持将算法视为茧房效应核心因素的观点。主流的个性化推荐算法有三种：基于行为的协同过滤、基于内容的推荐和基于语义的推荐。有趣的是，研究发现，除了基于内容的推荐可能导致内容同质化外，基于行为的协同过滤和基于语义的推荐在某些情况下更有助于用户“偶遇”超出其现有认知范围的信息，从而一定程度弱化信息茧房效应。相较于推荐算法本身，研究者们认为传播结构和用户关系的多样性在影响茧房效应方面起着更为关键的作用，在用户圈层性丰富、传播结构异质性高的网络中，算法反而能促进多元化信息的流动和“破圈”。此外，还有研究者发现，在面对个性化推荐算法时，用户也具有相当强的主动性，他们会通过主动提供正负反馈等方式来训练算法模型，促进算法模型向更多样化的方向发展。上述种种都说明算法并不总会增强信息同质化问题，它反而能起到促进多元信息流动的作用。

  实际上，当前算法平台也已经意识到算法推送多样性的重要。有研究发现，用户阅读内容的类型数量及其多样性与用户的长期留存率呈现出密切的正相关性，因此现在平台更倾向于拓展算法的丰富性和深入挖掘用户的潜在需求。例如，短视频平台尝试在其个性化推荐算法中引入“兴趣探索”机制，既包含用户过去不常观看的内容类别，也通过增加随机内容来保障用户接触到多样化的信息。通过提升推荐内容的丰富性，平台才能稳定用户的长期留存率，获得持续发展动力。换言之，平台并没有利用推荐算法制造或增强信息茧房的动机，反而算法多样性才是其追求的目标。

  因而，个性化推荐与信息茧房之间并不存在直接的因果关系，信息茧房的形成是一个涉及多种因素的复杂过程，不应简单归咎于推荐算法。实际上，从平台的经营策略来看，平台更倾向于开发具有多样性和丰富性的推荐算法，以更好地满足用户需求，提高用户长期留存率，确保平台持续发展。

  （三）算法价值的重申：算法可实现信息“越推越广”、“越推越深”

  上述已经提到，将信息茧房的形成完全归咎于算法是不公平的，算法会筑茧还是破茧，取决于我们如何设计和使用它。那么，如果要打破信息茧房，算法有何应用价值？我们需要意识到，算法的本质是连接和匹配，因而算法的功能并不仅限于简单的漏斗式筛选机制，例如简化内容搜寻过程、缩小内容范围；算法也有可能成为用户突破认知边界的拓展工具，例如可以通过优化算法，来增加用户接触不同信息的机会，拓宽他们看到的内容范围。换言之，算法的真正价值并不在于让信息“越推越窄”，反而在于促成信息“越推越广”、“越推越深”。

  一方面，算法能洞察用户显性需求之外的隐性需求，通过挖掘隐性需求来实现信息“越推越广”。用户除了具有能够自己言明的需求之外，他们还有许多无法言明但依然存在的隐性需求，需要借助外部力量来挖掘。算法具备两种互补的推荐模式：一是通过识别和满足用户的显在兴趣；二是通过挖掘和满足用户的潜在需求，推荐那些用户可能未曾意识到但可能感兴趣的信息。在实际应用中，算法也在不断尝试理解和预测用户的隐性需求，以实现更全面的个性化推荐。例如，算法尝试推广那些非主流但具有深厚文化底蕴的领域，如甲骨文、星际化学、戏曲文化等；也尝试助力特定优质内容，如城市的文化旅游信息等。

  算法最终究竟是“窄化”还是“泛化”内容面，关键取决于人与算法的互动。也就是说，算法对于内容面的影响方向，并非是由其自身完全决定的，而是与使用者和算法之间相互作用的具体模式、方式以及程度等相关。例如，当人们在使用算法时，只是一味地按照固定的偏好和模式去进行操作，那么可能会使得算法逐渐朝着窄化内容面的方向发展；而如果人们能够以更加多元和开放的态度与算法进行交互，积极地探索不同类型的内容，那么就有可能促使算法朝着泛化内容面的方向推进。未来的算法技术对用户隐性需求的洞察将变得更加精准，不仅能帮助用户在特定领域的信息获取，还能提供更广泛的参考信息，帮助他们探索不熟悉的领域，实现信息的“越推越广”。

  另一方面，算法也能映照用户的认知盲点，通过激发偏见反思来实现信息“越推越深”。在《美国国家科学院院刊》（PNAS）发表的一项新研究中，研究者们发现了一个有趣的现象：算法不仅能够促使个体进行更多的自我反思，还能促进他们采取行动来纠正自身的偏见，帮助用户以更加客观的视角审视决策结果。举例来说，在个性化推荐页面中，我们既能清楚看到自己的喜好和兴趣，也能清楚意识到自己的偏好与大众偏好间的偏差。而这种认识正是我们在智媒时代形成批判性思维、掌握认知主动性、提升媒介素养的关键。

  目前，一些用户开始有意识地参与到调整和训练个性化推荐算法的过程中，有的用户会主动选择是否开启个性化内容推荐或个性化广告推荐，有的用户会主动提供正负反馈，如快速刷过不感兴趣的内容或点击“不感兴趣”，主动推荐高质量的内容，来调整算法的推荐比重。还有的用户会针对性地要求算法提供一些他们不知道的内容。平台也在响应这一趋势，开发了如双列浏览模式、内容偏好管理等功能，让用户主动塑造自己的信息流。

  总言之，算法并不是只能造成信息越推越窄的局面，它同样具有挖掘用户潜在需求，从而拓宽信息推送面的价值。个性化推荐算法有望转变为一种积极打破信息茧房的工具。

  数字社会时代，我们身处于信息过载的环境中，被海量信息所包围，更需要提升媒介素养，善用算法。如果我们能合理利用算法，不仅能够享受到个性化的信息体验，还能打破信息茧房，实现更加全面和均衡的信息消费。

  （喻国明：北京师范大学新闻传播学院学术委员会主任、教授，北京师范大学传播创新与未来媒体实验平台主任；刘彧晗：北京师范大学新闻传播学院博士研究生）