为什么刷着刷着,推荐页全变成一个样?

咱们来当一次"算法审计员",五步拆穿信息茧房是怎么形成的——先猜一猜:如果你连续点很多个同类内容,接下来的推荐会变成什么样?
先凭直觉猜一猜,待会用五步审计验证。
① 模拟推荐信息流
点你感兴趣的视频,看看下一轮推荐会变成什么样——这是审计的第①②步:先记录初始推荐,再集中互动一类内容。
推荐多样推荐变窄
多点几个同类视频,看看推荐会不会变窄。
② 五步审计流程
专业的"算法审计员"就是这么工作的——点"下一步"走完五步,对照你刚才亲手做的操作。
走完全部五步,才能继续。
③ 想一想 🤔
怎么主动打破自己的信息茧房?
选一个理由,说说你的判断依据(选填)。
你完成了一次完整的算法审计!
以后遇到类似情况,看这3件事:
1先看自己平时的推荐里,内容类型是不是越来越单一
2单一互动会让算法越推越窄——这就是"信息茧房"
3主动、有意识地互动不同类型的内容,才能真正打破茧房
你的每一次点击,都在训练算法
推荐算法一直在根据你的行为调整排序;只互动一类内容,它就会把你的世界越推越窄——这就是信息茧房。想打破它,要主动、有意识地去接触不同类型、不同立场的内容。
信息茧房:人只接触自己爱看的一类内容,像被包进"茧"里。
进阶说法:Information Cocoon,学者桑斯坦(Cass Sunstein)提出,侧重"人主动只挑自己爱看的"。它常和"过滤气泡"(Filter Bubble)混着用,但两者来源不同、侧重也不同——过滤气泡更强调"算法替你把不合口味的内容筛掉了"。
进阶说法:Information Cocoon,学者桑斯坦(Cass Sunstein)提出,侧重"人主动只挑自己爱看的"。它常和"过滤气泡"(Filter Bubble)混着用,但两者来源不同、侧重也不同——过滤气泡更强调"算法替你把不合口味的内容筛掉了"。
深入一点:真的有人在做"算法审计"吗?
真的有——Mozilla 基金会 2021 年发起过 RegretsReporter 项目,招募了几万名志愿者安装浏览器插件,众包收集 YouTube 推荐算法把人带向了什么内容,用真实规模的数据做了一次"算法审计",这和这节课里"记录初始推荐→互动→对比变化"的思路是一回事。
深入一点:"过滤气泡"这个说法是谁提出来的?
"过滤气泡"(Filter Bubble)这个词,是互联网活动家伊莱·帕里泽(Eli Pariser)在 2011 年出版的书《The Filter Bubble: What the Internet Is Hiding from You》里提出并推广开的,同年他还做过一场同主题的 TED 演讲,后来这个词成了讨论个性化推荐利弊时最常引用的说法之一。它常和更早由学者桑斯坦提出的"信息茧房"(Information Cocoon)放在一起讨论,但两者来源不同、各有侧重:信息茧房更强调"人主动把自己包起来、只挑爱看的",过滤气泡更强调"算法在背后替你筛掉了不合口味的内容"——相关,但不是一回事。
经验 +18
金币 +9
懂原理+会判断 +1
尖刀勋章