社交网络为用户进行「个性化推荐」的做法，是否会导致人们「难以接触到意见相左的人」？ 第1页

Facebook 几位数据科学家 2015 年在 Science 上发文，

。文章遭到学术界的尖锐批评，被某些学者称为“洗白”论文。争议集中在该研究的样本和结论两方面。

目前我们对“算法排序是否阻碍多元信息传播”这个问题还没有统一答案。但社交媒体普及不过才几年时间，日后应该会有更多权威研究。

--

先来看 Facebook 的这项研究。研究分析了 2014/07/07 到 2015/01/07 半年来用户在个人主页上看到及点开的新闻链接。研究人员计算了每位用户和每个新闻链接的“政治倾向分数”，由此判定哪些内容和用户意见相左。（政治在这里是一个非常广泛的概念。总统竞选是政治，堕胎、转基因也是政治。）

文章的核心发现就是下面这幅图：

可以看出，如果 Facebook 随机向用户展示全网正在被分享的内容（忽略好友关系），自由和保守派看到的内容有超过 40% 都来自对方阵营。好友关系（第二列）大幅减少了这个比例，让信息变得更单一，因为保守派的朋友多是保守派，自由派的朋友多是自由派。

再看右边两列：算法排序筛掉了 5% 与保守派意见相左的内容，8% 与自由派意见相左的内容。而用户有选择性的点击进一步筛掉了与他们意见相左的内容，分别是保守派 17%，自由派 6%。

由此，研究人员得出如下结论：

我们毫无疑问地证明，在限制 Facebook 多元信息传播这个问题上，个人选择比算法的影响更大。

--

文章发表后遭到学术界的尖锐批评。主要问题如下：

1. 该研究的样本不是随机选取的，而是限定在“一周登录 4 - 7 次”且“在 Facebook 上标注了自己政治倾向”的用户。

，但并不具代表性，样本选取极有可能对结果有影响。比如，Facebook 绝大多数用户（91%）没有标明政治倾向，对政治可能没那么关心，那么算法排序对他们的影响可能会更大。论文不该用“毫无疑问地证明 Facebook 上...”这种话来误导读者，让大家以为论文的结论适用于所有 Facebook 用户。

，标注了政治倾向的用户一般更积极参与政治，所以研究这些人也是很有价值的。以后当然也可以研究其他群体。

2. 不能因为“算法”的影响比“个人选择”的影响小，就给算法“洗白”。学术界很早就发现“人们更可能选择浏览和自己意见相似的内容”，这点没有争议。大家想知道的只是算法排序有没有加剧这一现象。

密歇根大学一学者批评说，这篇论文就好比烟草公司选择对煤炭工人进行研究，

。正确的结论应该是“吸烟和挖炭都对人有害”，就好比 Facebook 这篇论文的结论应该是“算法和人工选择都限制了用户接触与他们意见相左的内容”。“算法排序”和“人工选择”在这里是 and（和），不是 or（或）。

3. 就算我们来比较“算法”和“个人选择”哪个影响更大，论文的结论也只在保守派这里成立。算法筛掉了 8% 与自由派用户意见相左的内容，而他们主动选择只删掉了 6%。

4. 因为只有 Facebook 内部有数据，所以其他人无法重复这个研究。如果另一组学者按照同样的方法研究，会得到相同结论吗？Facebook 的算法每天都在变，我们可以确定今年的算法和去年的算法对信息的筛选效果一样吗？

--

其实解决这些问题最简单的办法就是 Facebook 自己做一个实验，实验组的新鲜事页面经过算法排序，对照组的没有算法参与，完全逆序排列。但 Facebook 前几年因为在用户身上做实验

，所以再次大规模做实验估计不太可能。更重要的是，Facebook 作为商业公司，对算法排序是否加剧大众意见两极化也不太感兴趣。

希望以后学者可以设计厉害的实验来回答这个问题。不管是观察还是做实验，都要牵扯到数据科学、计算机、计量、心理学/社会学/传播学/政治学理论，确实是有意思的跨学科问题。

--

相关研究：

• 超过半数用户都不知道他们在 Facebook 看见的内容是经过算法排序的；当他们看不见好友发的东西时，很多人以为是好友故意不让他们看
• 我们在 Facebook 上互动最多的内容是“强关系”好友分享的，但我们看到的新鲜内容大都由“弱关系”分享
• 大众媒体是否加剧民众意见两极化？答案也是“我们无法确定”（见 Prior, Gentzkow, Iyengar）

--

其他数据话题下的回答：