算法推薦放大“共振”激化情緒，如何治理？

為何在意見趨同的圈子里，立場更易走向激烈？當下，互聯網傳播中人云亦云、盲從附和的做法，讓“意見共振”現象越來越頻繁地出現，并推動傳播生態極端化。在社會學與傳播學研究中，早已有大量理論能夠解釋這一現象。從回音室效應到群體極化再到模因傳播，都為此提供了學理框架。

互聯網讓這些機制進入了加速狀態。首先，在個體層面，人類天生更容易被情緒驅動，尤其是帶有道德色彩的憤怒或嘲諷。這類語言一旦進入社交網絡，很容易獲得超常的點擊與轉發。心理學實驗證明，道德化情緒能顯著提高傳播效率，這意味著“共振”的火種往往是情緒，而非事實。

其次，在群體層面，社交媒體的同溫層效應進一步加劇了極化。人們聚集在意見趨同的圈子里，原本溫和的態度容易被推向極端。這種現象在社交媒體上屢見不鮮：討論一旦進入閉環，立場很快走向激烈。

在敘事層面，傳播學中有一個概念叫“框架共振”。當一個敘事框架與受眾的觀念對齊時，就會觸發廣泛的模仿。一個輕巧的組合詞，把復雜的學理壓縮成可傳播的笑點，讓公眾“秒懂”并快速復制。

而互聯網算法則是這種“共振”的放大器。主流平臺的推薦機制，本質是預測用戶會點什么，從而在排序上優先推送引發互動的內容。結果是情緒化、戲謔化的信息被進一步抬升，形成了自我強化的反饋回路。部分研究對互聯網推薦算法做過審計，發現推薦對極端內容確有放大作用；而其他研究則指出算法影響有限，更多是用戶自身的選擇。但無論結論如何，一個共識是：當人性弱點遇上算法放大器，“共振”幾乎不可避免。

這帶來了多重后果。其一是公共議題的淺化與情緒化，復雜的事實被簡單口號取代，真相往往來不及辟謠就被新一輪笑點淹沒。其二是社會立場的兩極化，甚至出現“反向反彈”效應：越想強行打破偏見，越可能加深分裂。其三是治理困境，平臺既要依法維護言論自由，又要控制謠言與極化，這讓監管與企業都面臨兩難。

那么，應對之道在哪里？一方面，學界提出了“免疫接種”式的信息教育，即在謠言傳播前，用短視頻、圖解等方式讓公眾提前識別操縱手法。有研究顯示確能降低公眾受騙率。另一方面，平臺可以在推薦鏈路中加入“摩擦”，例如“轉發前先閱讀”，或對傳播過快的內容設冷卻機制。這些措施也可以降低傳播的瞬時爆炸性。

更有意思的是，反擊這種“共振”的最好方式，往往不是正經辟謠，而是“反模因”：既然群體被笑點驅動，那就用更有趣的“反笑點”去削弱錯誤敘事的勢能，讓用戶在娛樂中被引導到事實入口。這種“以梗制?！钡姆绞?，或許比冷冰冰的數據更有效。

“跟風式”傳播現象本身就是互聯網語言創造力的縮影。它把外語世界里龐雜的學術理論壓縮成一個帶戲謔色彩的短語，不僅讓人會心一笑，也為我們提供了一種觀察數字社會的獨特視角。它提醒我們：人類的群體非理性并不新鮮，真正的新，是互聯網與算法讓這一切發生得更快、更猛、更不可控。

我們需要的不僅是批評與諷刺，更是對傳播機制的理解與治理手段的創新。唯有如此，才能避免在數字時代，所有人都淪為“共振”的俘虜。 （作者系清華大學新聞學院、人工智能學院雙聘教授）