如何看待網絡上的極端言論？ ——信息繭房VS網絡棱鏡效應

如何看待網絡上的極端言論？——信息繭房VS網絡棱鏡效應

距離薑萍事件已經過去了幾個(ge) 月了，相信大家對此多多少少都已經形成了自己的看法。

當然我們(men) 今天不會(hui) 對這件事本身進行任何評述，畢竟老師對數學一竅不通，況且這件事已經是past tense了。但老師認為(wei) 由這件事引發的網絡極端觀點是值得討論的，畢竟薑萍事件隻是一個(ge) 導火索，而這種網絡極化現象一直存在且正在迅速增長。

那麽(me) 我們(men) 今天就來討論一下這種極化現象背後的信息繭房以及網絡棱鏡效應。很多人都認為(wei) 信息繭房是造成網絡極化現象的元凶，如果媒體(ti) 的算法能破除信息繭房，極化現象就是隨之灰飛煙滅。但在信息繭房不存在（不明顯），或是被打破的情況下，人們(men) 就會(hui) 更加理性嗎？

我們(men) 先根據薑萍現象來分析其中的信息繭房。老師認為(wei) 此事件中信息繭房並不那麽(me) 明顯，雖然幾大平台有明顯的分層現象，但畢竟熱度已經高到驚動幾大官媒下場，各種平台大V的評論區也都出現了不同的聲音。因此照理說無論是正方反方，都能通過各種渠道得知對方的觀點。

但為(wei) 什麽(me) 該事件中極端言論仍然如此猖獗，人們(men) 在了解到對立方的觀點後反而更加憤怒，甚至出現了網暴現象呢？由此可見，信息繭房並不一定是造成極化現象的主要原因，就算人們(men) 了解了對立方的觀點，他們(men) 也不一定會(hui) 做出改變，甚至可能會(hui) 變得更加極端。

1、空口無憑，實驗為(wei) 證

在2017年，美國杜克大學貝爾教授進行了一項社會(hui) 學實驗來驗證信息繭房和網絡極化現象的聯係。貝爾教授召集了一千多名實驗對象，他們(men) 來自不同的社會(hui) 階級並且他們(men) 都認為(wei) 自己是民主黨(dang) 或共和黨(dang) 人士。

實驗對象們(men) 會(hui) 定期收到貝爾團隊在推特上發來的反對自己政治立場的信息（比如民主黨(dang) 人士會(hui) 收到支持共和黨(dang) 的言論，而共和黨(dang) 人士會(hui) 收到支持民主黨(dang) 的言論），而這些言論都是比較理性溫和的，至少不會(hui) 出現極端思想，因此可以忽略極端言論在受試者身上引發的逆反心理。 這意味著回音室被打破，實驗對象們(men) 被迫接觸不同的政治觀點。

一個(ge) 月後，貝爾團隊對他們(men) 的政治立場進行了測試後，結果驚人地表明：人們(men) 普遍更傾(qing) 向於(yu) 原來的立場（即民主黨(dang) 人士更反對共和黨(dang) ，支持自己的黨(dang) 派，反之亦然）。

更令人驚訝的是，實驗對象們(men) 在實驗期間對貝爾團隊們(men) 發來的消息關(guan) 注度越高（具體(ti) 體(ti) 現為(wei) 點擊、點讚、評論、轉發），他們(men) 越會(hui) 偏向自己原有的觀點。

雖然結果看起來比較反常，但這就是所謂的網絡棱鏡效應——人們(men) 暴露在反對意見中時反而會(hui) 更堅定自己原有的立場，走出回音室反而會(hui) 使得人們(men) 更加信任回音。

​2、為(wei) 什麽(me) 把這種現象命名為(wei) “網絡棱鏡效應”呢？

網絡社交媒體(ti) 的功效實際上類似一麵鏡子。我們(men) 會(hui) 將自己與(yu) 網絡上身份類似的人群進行對比，或是模仿他們(men) （例如青年女性經常關(guan) 注的美妝博主，學生們(men) 喜歡看的學習(xi) 博主）。

就像我們(men) 對著鏡子整理自己的儀(yi) 表儀(yi) 容一樣，我們(men) 也會(hui) 通過網絡社交媒體(ti) 來調整自己給他人的自我呈現，從(cong) 而展現出（自己想象中）他人更願意看到的“自己”，呈現出不同的身份認同，從(cong) 而獲得他人的認可以找到歸屬感。

但值得一提的是，這麵鏡子是一麵“棱鏡”，它會(hui) 扭曲我們(men) 的自我呈現，從(cong) 而讓我們(men) 走向某一極端（極端言論/觀點往往能更快的吸引他人注意力，從(cong) 而讓我們(men) 得到他人的認可）。因此，網絡上的極端聲音愈演愈烈，而溫和意見則逐漸式微。

3、網絡棱鏡效應真的會(hui) 導致極化嗎？

為(wei) 了驗證之前得出的結論，貝爾團隊又設計了一個(ge) 新的實驗。他們(men) 招募了一批新的誌願者，招募要求和上一次基本相同，但這次他們(men) 設置了實驗組和對照組，即一半的受試者會(hui) 收到和上次實驗一樣的極端言論，而另一半不會(hui) 。

六個(ge) 月後，貝爾團隊得出了與(yu) 之前大致相同的實驗結果，於(yu) 是他們(men) 對受試者進行了采訪，以此探究網絡棱鏡效應的成因。貝爾團隊調查了這些受試者使用社交媒體(ti) 的習(xi) 慣、對於(yu) 對立陣營的成員們(men) 的看法以及社交媒體(ti) 對他們(men) 線下生活的影響。

研究的結果表明，大部分受試者都不在意某一具體(ti) 的政策內(nei) 容，或是己方的觀點輸出，他們(men) 在意對反方極端觀點的批評（具體(ti) 表現為(wei) 他們(men) 更喜歡回複並譴責反方的極端評論）。這一現象極有可能是我們(men) 的身份認同導致的。根據馬斯洛需求層次原理，我們(men) 人類作為(wei) 社會(hui) 動物，都有著被他人認可的基本需求。

因此，當看到與(yu) 我們(men) 自己相似的觀點，我們(men) 便會(hui) 獲得一種滿足感；但是當發現有人不同意我們(men) 的觀點時，我們(men) 便會(hui) 感到失望，甚至憤怒。

例如，實驗中有一個(ge) 受試者就告訴貝爾身處於(yu) 他自己的陣營給他營造出了一種歸屬感，認為(wei) 自己有責任捍衛自己的陣營，因此積極的投身於(yu) 譴責對方陣營的“事業(ye) ”中。他還提到每次看到同陣營的“戰友”給他點讚時，他便會(hui) 獲得一種快感，之前的煩惱便煙消雲(yun) 散了。由此貝爾發現很多受試者對於(yu) 對方陣營的批評並不是想改變對方的看法，而是獲得“戰友們(men) ”的認同。

在實驗中，貝爾團隊也發現受試者中有很多噴子會(hui) 被他人的點讚和關(guan) 注所激勵，因此不斷創造更多更極端的評論，用自己生活中不敢或者不想用的詞來脫穎而出吸引關(guan) 注。這些極端評論的發表者對關(guan) 注非常敏感，有的甚至會(hui) 用第三方插件來檢測誰“取關(guan) ”了他，並進一步尋找並攻擊這些人。

因此，貝爾認為(wei) 消除信息繭房後，兩(liang) 個(ge) 陣營之間的對立隻會(hui) 變得更加突出，因此接觸反方不但沒有讓人們(men) 變得更加包容，反而加重了由身份認同帶來的偏見。

4、那麽(me) 我們(men) 應當如何打破網絡棱鏡呢？

首先從(cong) 社交媒體(ti) 平台的角度考慮。如果平台運營方去掉點讚按鈕&等級認證&關(guan) 注數量，問題就會(hui) 解決(jue) ，極端帖子的作者就會(hui) 失去獲得認可的機會(hui) 。但是這並不利於(yu) 社交媒體(ti) 商業(ye) 化，如果平台不知道每條推文有多少人點讚，他們(men) 怎麽(me) 把收入分配給內(nei) 容創作者？（就算去掉了點讚按鈕等，完全按照點擊率來分配收入，內(nei) 容創作者們(men) 也會(hui) 通過發表極端言論增加點擊量）

所以還是從(cong) 我們(men) 自身的角度考慮吧，我們(men) 自己能做什麽(me) 呢？信息繭房將一切都歸咎於(yu) 算法錯，但事實並非如此，網絡棱鏡效應表明我們(men) 在使用互聯網時實際上是主動的，而不是被動的信息繭房受害者。我們(men) 可以主動選擇理性的看待問題，抑或是隨波逐流，走向極端。所以當下次你再遇到類似薑萍事件這種全網極化的情況，希望大家能夠理性看待，多了解一點對立方的處境，不要走極端。

隻要我們(men) 每一個(ge) 人都獨善其身，網絡環境也一定能恢複正常。