算法的“兔子洞”：为什么你总在看完新闻后滑向娱乐？｜对谈黄圣淳教授

概览

本期围绕算法如何改变信息环境展开：它不只是一个推荐程序，而是在新闻、社交媒体、文化消费和内容生产之间形成新的“把关”机制。节目从黄圣淳教授的研究经历讲起，讨论算法推荐为何会让人感觉“懂我”，也为何会让创作者、媒体机构和普通用户不断调整自己的行为。

对谈的重要结论之一是：关于“信息茧房”和“过滤气泡”，现有实证证据并不像公共讨论中想象得那样充分。算法不一定只让人看见同温层内容，它也可能带来偶然暴露，让人接触到原本不会主动搜索的信息。但问题随之转向：算法如何放大争议、制造情绪摩擦、改变人们对现实舆论分布的想象。

节目后半段重点讨论“娱乐兔子洞”。黄教授的研究发现，在 YouTube 的推荐机制中，即使排除用户行为因素，算法也更倾向于把用户推向娱乐内容；从新闻视频跳转到娱乐视频的概率明显高于反向跳转。这让公共信息、新闻消费和公民参与面临新的挑战。

最后，对谈回到普通用户的实践层面：面对算法，关键不是简单地判定它好或坏，而是意识到它正在影响我们看见什么、如何判断、如何互动，以及如何被反馈机制牵引。节目主张培养算法素养，用更有觉察的方式使用平台。

分段落总结

[00:00] 节目缘起与算法系列定位

[事实] 主持人介绍这是《算法记》系列第二期，也是一期曾被暂时搁置的节目，因为他认为需要先用第159期《算法的六副面孔》做铺垫。

[事实] 本期源于主持人阅读《筛选世界：算法如何压平文化》一书，并将其与算法对文化和个人生活的影响联系起来。

[事实] 主持人认为，即使无法改变被算法驱动的时代，觉察算法对自身的影响并有意识地控制这种影响，本身就有意义。

[01:41] 嘉宾介绍与“由算法促成”的相遇

[事实] 黄圣淳教授任职于德州大学奥斯汀分校新闻学院，担任助理教授。

[事实] 两人的对谈最初来自小红书私信：黄教授看到主持人在哥伦比亚大学做访问学者，认为他可能适合讨论媒体如何看待算法。

[事实] 主持人表示自己关注算法推荐已有十年，见证了算法推荐平台从进入公众视野到嵌入日常数字生活的过程。

[03:00] 从新闻训练到算法研究

[事实] 黄教授回忆自己在2016年保研后曾到国内头部新闻客户端实习，参与本地推荐算法信息流的新闻分类和打标签工作。

[事实] 当时一些门户网站和媒体一边起诉今日头条，一边内部快速推进自己的推荐算法，这种张力引发了她对算法的兴趣。

[事实] 她从新闻生产训练出发，意识到新闻从生产到抵达受众之间出现了新的技术“夹层”，算法成为传统编辑之外的新型把关人。

[推测] 这段经历让她的问题意识从“新闻如何被生产”转向“新闻如何被分发并真正抵达公众”。

[09:00] 算法不仅是工具，也可能是一种媒介

[事实] 主持人引用麦克卢汉“媒介即信息”的思路，提出算法是否也可以被理解为一种媒介，因为它改变了人类获取和消费信息的尺度、节奏与模式。

[事实] 黄教授强调，算法不是与人和社会分离的客观组件，它与用户、创作者、媒体机构持续互动。

[事实] 内容生产者会为了迎合算法调整标题、表达方式和选题，但很多时候连算法创造者也无法完全知道怎样做最有效。

[事实] 黄教授提出“算法权力”的概念，认为算法作为技术制造出的非人系统，具有一定程度的自主性，并开始影响人们选择内容、表达方式甚至生活方式。

[15:00] 信息茧房、回音室与过滤气泡的学术背景

[事实] 黄教授把近十年的算法讨论放在2016年前后的政治与技术背景中，包括英国脱欧、特朗普胜选和 AlphaGo 战胜李世石。

[事实] 当时社会批评集中在社交媒体是否制造回音室、过滤气泡和信息茧房，尤其担心这些机制放大政治极化。

[事实] 她解释回音室更强调人们只与观点相似者交流，过滤气泡则更强调算法在推荐和关注机制中进一步推动这种封闭状态。

[事实] 这些讨论主要发生在两党化或多党化政治环境中，因此研究常围绕投票取向、左右立场和假信息展开。

[21:00] 过滤气泡的证据并不充分

[事实] 黄教授指出，基于爬取数据、模拟实验和平台田野实验等实证研究，并没有非常扎实地证明信息茧房普遍存在，或证明算法会稳定加重这一问题。

[事实] 一些研究甚至发现，算法并不一定让用户视野更狭窄，反而可能带来更多意外发现。

[事实] 主持人引用相关报告，提到社交媒体用户接触到的新闻来源可能比不使用社交媒体者更多样。

[推测] 这并不意味着算法没有问题，而是说明“算法等于信息茧房”的直觉判断过于简单。

[24:00] 偶然暴露与“新闻找到我”

[事实] 黄教授解释“偶然暴露”指用户并非总是主动寻找信息，很多信息是在无明确目的地打开电视、手机或社交平台时偶然接触到的。

[事实] 推荐算法不只根据个人偏好，也可能根据相似用户、热点事件或趋势内容推荐信息。

[事实] 她提到“news finds me”，即新闻主动来到用户面前，而不是用户主动寻找新闻。

[事实] 主持人指出，跨平台使用也会削弱单一平台构建完整气泡的可能性，因为不同平台不太可能联手为同一用户打造同一个信息环境。

[30:00] 真实媒介环境比单一平台复杂

[事实] 黄教授强调，每个人的信息环境由多个平台、应用、线下接触、他人转发等层次组成，不能只用单一平台解释。

[事实] 主持人比较过去和现在，认为二三十年前人们的信息来源更单一，主要依赖电视、广播和人工编辑。

[事实] 黄教授承认，学界较有共识的一点是：当代信息内容、信源和种类都极大丰富，人们生活在信息过载时代。

[事实] 算法是应对信息过载的一种手段，但不能简单判断为好或坏。

[33:00] 用户主动选择仍然重要

[事实] 黄教授提到多个研究发现，用户自己的选择在信息接触中起到很大作用。

[事实] 她举例说，用户在 Google 搜索结果中最终点击的内容，可能比搜索页面呈现给他的结果更偏向其已有政治倾向。

[事实] 在信息流平台中，用户快速划过、不感兴趣、停留、点赞和评论，也都是主动选择和反馈。

[事实] 她参与的一项关于 X/Twitter 的研究发现，在符合既有观点、极端性和不可靠信息等维度上，用户选择的内容相较算法推荐可能更负面一些。

[推测] 这提示算法影响和用户偏好不是替代关系，而是在不断互相塑造。

[36:00] 平台预选择与看不见的结构影响

[事实] 黄教授补充说，虽然单一平台内用户选择很重要，但跨平台比较时会发现，不同平台本身提供的信息环境差异很大。

[事实] 当用户选择某个平台获取信息时，平台已经预先设置了某种内容结构和推荐范围。

[事实] 主持人指出，这种“预先选择”更隐蔽，因此更需要被察觉。

[推测] 平台的结构性影响不一定表现为强制用户看什么，而可能表现为先改变“可选项”的范围。

[39:00] 打破茧房也会制造情感摩擦

[事实] 主持人提出，人们接触到对立观点后，可能不是更理解对方，而是更愤怒，形成情感极化。

[事实] 黄教授同意，接触跨立场内容时，用户当下可能感到反感和不适。

[事实] 她提到，真正打破信息茧房有时反而会增加社会情感极化，让人更不愿意听对方立场。

[事实] 她用大学宿舍、跨地域生活和留学经历作类比，说明人们本来就生活在不同“小村落”中，互联网只是增加了彼此相遇的机会。

[推测] 长期来看，跨背景接触可能增进理解，但前提是用户有能力承受不适并进行反思。

[42:00] 算法放大争议与互动内容

[事实] 主持人以小红书引战帖为例，指出带有对立性的话题更容易获得评论和流量。

[事实] 他提到一些研究关注用户互动的内容到底是他们真正重视的内容，还是算法更愿意展示的分裂性内容。

[事实] 主持人认为，用户在不舒服、有不同意见或愤怒时，往往更容易留言互动。

[事实] 这种互动会使算法进一步放大争议内容，并推动社区内容走向极端化。

[45:00] 算法放大让冲突更密集

[事实] 黄教授认为，接触不同观点本身可能有益，但算法让这种接触变得更频繁、更密集。

[事实] 她指出，网上言论环境看起来到处吵架、情绪输出，是一个真实存在的社会问题。

[事实] 她解释算法放大会记住用户点击、停留、留言等行为，并继续推荐类似内容。

[事实] 她认为问题未必来自公司有意制造恶劣环境，但算法的自我演化可能使系统走向这种结果。

[推测] 普通用户减少对争议内容的点击和评论，可能是训练自身算法环境的一种方式。

[48:00] 平台干预、审查与治理差异

[事实] 主持人提到国内平台常见的自上而下治理方式，例如清朗行动和限制话题讨论。

[事实] 黄教授指出，美国平台也会进行审查或干预，例如 shadow banning，以及曾经封禁特朗普账号。

[事实] 她强调，平台有自己的社区规则和权力，普通用户或依赖平台谋生的创作者很难反抗。

[事实] 她认为大量平台规则和算法治理仍处于野蛮生长和灰色地带，不同国家和社会的治理方式也不同。

[53:00] 从意识形态茧房转向兴趣茧房

[事实] 黄教授更关注基于内容兴趣分类的信息茧房，而不只是政治意识形态茧房。

[事实] 她提出娱乐内容可能以自我强化的方式获得比新闻内容更高的推荐概率。

[事实] 她指出，大多数人的媒体消费中，与新闻直接相关的比例很低，绝大部分信息消费是娱乐、人际交流或其他非新闻内容。

[事实] 她认为公共信息与日常生活密切相关，例如投资、教育、社区设施和公共决策，但很多人并不会主动意识到这种相关性。

[57:00] 娱乐退缩与公共参与问题

[事实] 黄教授回顾有线电视时代的研究：频道变多后，人们可以选择不看新闻，政治学者担心这会削弱公民知识和投票参与。

[事实] 她指出，极化的可能只是更积极参与政治的人，而许多不极端的人退回娱乐内容，变得更沉默。

[事实] 主持人总结说，感觉上社会更极化，可能是因为极化者被推到前面，而非所有人都变得极化。

[事实] 黄教授认为，被困在娱乐环境里，可能比左右立场气泡影响更广，也更少被充分研究。

[60:00] YouTube 推荐中的娱乐重定向

[事实] 黄教授的研究发现，即使剥离用户点击、关注等行为因素，YouTube 的算法系统仍更大概率推荐娱乐性内容，而不是新闻内容。

[事实] 她指出，在视频结束后自动推荐下一条时，从新闻视频跳转到娱乐或非严肃内容的概率高于反向跳转。

[事实] 她用“轻推”来形容这种机制：平台不是强迫用户看娱乐内容，而是在用户不察觉时把信息环境往某个方向塑造。

[事实] 主持人补充研究数据：看完新闻视频后被推荐娱乐视频的概率约为0.18，而娱乐视频后被推荐新闻的概率约为0.03。

[63:00] 垂类内容、自我强化与原因不明

[事实] 主持人提到，汽车、体育、音乐、游戏等类别有较强自我强化特性，而人物与博客、电影、公益、旅行等类别自我强化概率较低。

[事实] 黄教授说明，该研究属于算法审计研究，没有真实用户行为参与，且视频标签来自上传者自己填写，可能并不完全准确。

[事实] 她认为平台也许从测试中知道用户需要意外发现，但“意外发现该是什么”仍可能被忽略。

[推测] 娱乐重定向背后的原因可能包括商业利益、用户停留需求和人性偏好，但转录稿中没有充分数据支持单一结论。

[66:00] 算法作为媒介与文化压平

[事实] 主持人把娱乐推荐与“算法作为媒介”联系起来，认为算法可能反映并强化这个时代对媒介和信息的需求。

[事实] 他提到传统大众媒介会把头版、头条或重要位置留给严肃公共内容，而算法成为主流媒介后，推荐逻辑似乎不再如此。

[事实] 主持人引用“文化被压平”的观点，认为算法可能让同质化、简化、低歧义、低颠覆性的文化产品获得最大推广。

[事实] 他举 Instagram 风、小红书风、抖音上流行形式等例子，说明平台会形成可复制的审美和内容模板。

[69:00] 媒介塑造审美、生活方式与观点

[事实] 黄教授认同媒介和算法会塑造审美、生活方式和观点，但强调这种影响不是简单的“看见广告就被说服”。

[事实] 她认为媒介效果远大于直接说服，但具体机制仍未完全清楚。

[事实] 她补充说，文化内容被去掉棱角、创作者跟风，与算法让偏好、反馈和大规模社群兴趣变得可见有关。

[事实] 她也提醒，过去的人未必更好，只是没有机会接触到如此多样和快速的信息。

[72:00] 反馈太快与内容安全化

[事实] 黄教授指出，平台让创作者立刻看到赞赏、互动和反馈，从而快速调整内容。

[事实] 她提到好莱坞、Netflix 等文化生产也受到快速反馈影响，趋向更安全的选择。

[事实] 她认为在资本主义生产逻辑下，文化产品需要尽快获得回报，因此更安全、更可预期的内容更容易被选择。

[事实] 她还提到新闻从业者也会面对类似压力：深度调查可能不如轻松奇观内容获得点击。

[75:00] 内容生产者、审查与新旧把关人

[事实] 黄教授认为，技术对媒介环境的影响仍需要更长时间线才能充分评价，因为现在能观测到许多过去不可见的数字痕迹。

[事实] 主持人提到简中互联网创作者存在审查和自我审查意识，会判断某些内容是否值得做。

[事实] 他认为以前向杂志、期刊投稿也需要揣摩编辑偏好，只是当时的把关人是人工编辑，而现在更多变成算法。

[事实] 主持人提醒，不能把一切影响都归因于算法，过去世界也存在把关、人性和内容适配问题。

[78:00] 评论区、互动区与反馈效应

[事实] 主持人以小宇宙评论区为例，说明评论和互动是简中播客平台的重要特征。

[事实] 他提到，温暖评论能增强创作动力，但负面评论也可能让播客主产生停止创作的念头。

[事实] 他认为同样是播客平台，有没有评论区会显著改变创作者和听众的关系。

[事实] 这引出对平台功能特性、反馈机制以及用户如何理解信息的讨论。

[81:00] 可供性：平台功能改变关系

[事实] 黄教授解释点赞按钮、评论区等平台功能可被理解为“可供性”，它们不是单纯的开关，而是让用户、平台、信息和发布者之间产生关系。

[事实] 她指出，有评论区和没有评论区的播客平台，会形成完全不同的社区和互动气氛。

[事实] 她举例说，有些账号评论数远多于点赞数，有些点赞很多但评论少，有些转发多而点赞评论少，这些差异对应不同的互动关系和群体定位。

[推测] 平台功能不是中性的界面细节，而会塑造社群结构和创作者心理。

[84:00] 正向与负向反馈循环

[事实] 黄教授解释反馈循环可以是正向反馈，也可以是负向反馈。

[事实] 如果创作者发布某类内容得到大量积极评论，就可能更有动力继续创作；如果尝试新话题后得到大量负面评论，就可能停止做这类内容。

[事实] 她强调，反馈是否“可见”非常关键；不知道反馈存在与亲眼看见反馈，会导致完全不同的效果。

[事实] 主持人补充，用户点赞、评论和转发也可能让算法进一步推送类似内容，即使评论来自愤怒或不满。

[87:00] 算法素养与有意识地不给反馈

[事实] 黄教授建议，遇到让自己情绪被挑动的内容时，可以退一步，不评论、不继续给算法提供类似反馈。

[事实] 她强调普通用户首先要意识到自己在做什么，而不是无意识地被平台带着走。

[事实] 主持人指出，平台可能并不希望用户太有意识，因为自动跳转和无限滚动都在降低摩擦成本。

[事实] 黄教授提到，长时间刷短视频或社交平台可能让人感到注意力下降、状态变差，而算法系统只是根据优化目标延续用户行为。

[90:00] 从算法推荐到聊天机器人时代

[事实] 黄教授认为，无论媒介技术如何变化，人和信息之间总会隔着媒介。

[事实] 她提到，现在越来越多人使用豆包等聊天机器人搜索新闻，但这些工具采用什么信源、信息是否可靠，仍值得警惕。

[事实] 主持人总结说，本期讨论的重点不只是算法让人能否看到不同信息，而是算法如何处理、放大信息，并影响人们的判断与互动。

[事实] 他认为，自己更担心的不是看不到对立观点，而是看到之后是否会以扭曲或过度激昂的方式消费它。

[93:00] 结尾：有觉察的媒体使用者

[事实] 黄教授提到，有研究发现信息茧房未必直接改变政治观点，但可能让人误以为支持自己观点的人比实际更多。

[事实] 她认为，这会改变人们对真实生活空间的想象，而这种想象又很难被检验。

[事实] 她希望听众成为有觉察的媒体使用者，培养更健康的媒体使用习惯。

[事实] 主持人表示会在 shownotes 中放入黄教授已公开研究的链接，并期待未来再聊美国媒体人如何看待算法。

播客点评/总结

本期的价值在于把“算法害我进信息茧房”这个常见判断拆开来看。对谈没有停留在情绪化批判，而是引入信息茧房、过滤气泡、偶然暴露、算法放大、可供性、反馈循环等概念，让听众看到学术研究中更复杂的证据和分歧。

节目的亮点是把学术研究与日常经验连接得很紧：小红书引战帖、小宇宙评论区、YouTube 自动播放、短视频停不下来、创作者迎合平台反馈，这些例子让“算法权力”不再抽象。尤其是“从新闻滑向娱乐”的部分，能直接解释很多人日常使用平台时的真实感受。

它的局限也比较明显：由于话题跨度很大，从政治极化到娱乐推荐、从文化压平到平台治理，部分问题只能点到为止。关于平台为何更推荐娱乐内容、商业利益与用户偏好各自占多大权重，节目中也明确没有足够数据给出确定结论。

[推测] 这期适合关心社交媒体、新闻消费、内容创作和数字生活的人收听，也适合希望理解“算法到底怎样影响我”的普通用户。它最实用的提醒是：不要只问算法好坏，而要意识到自己何时在给算法反馈，何时被反馈循环推着走。