信息繭房效應(yīng)下用戶群體極化形成機(jī)理研究

摘" "要：智能媒體時代下，進(jìn)一步探究信息繭房效應(yīng)對用戶群體極化行為意愿的影響，能為構(gòu)建良好的社交媒體平臺生態(tài)提供建議。文章基于“刺激-機(jī)體-反應(yīng)”框架與信息生態(tài)理論，從信息繭房的同質(zhì)化特征內(nèi)涵出發(fā)，分析信息繭房形成機(jī)理并構(gòu)建信息繭房效應(yīng)下用戶群體極化作用機(jī)理模型，利用問卷調(diào)查收集樣本，通過結(jié)構(gòu)方程模型展開實(shí)證研究。研究結(jié)果顯示，信息同質(zhì)化、選擇性接觸、群際情緒和社會比較頻率在用戶群體極化行為意愿形成過程中發(fā)揮重要作用。同時，用戶態(tài)度極化也是信息繭房效應(yīng)下用戶群體極化行為意愿的影響因素。

關(guān)鍵詞：信息繭房；群體極化；行為意愿；影響因素

中圖分類號：G206" "文獻(xiàn)標(biāo)識碼：Ａ" "DOI：10.11968/tsyqb.1003-6938.2024040

Research on the Mechanism of User Group Polarization under the Information Cocoon Effect

Abstract In the era of intelligent media， exploring the impact of the information cocoon effect on user behavioral willingness in group polarization can provide suggestions for building a good ecosystem of social media platform. This paper was conducted based on the \"stimulus-organism-response\" framework and the theory of information ecology. Starting from the homogenization characteristics of the information cocoon， the study analyzed the mechanism of information cocoon formation and constructed a model of user group polarization under the information cocoon effect. The study then collected samples through questionnaire surveys and conducted empirical research through structural equation modeling. The results show that information homogenization， selective contact， inter-group emotion and social comparison frequency play an important role in the formation of users' behavior intention in group polarization. At the same time， user attitude polarization is also an influential factor of user group's behavioral willingness to polarization under the information cocoon effect.

Key words information cocoon; group polarization; behavioral intention; influence factors

隨著國內(nèi)外社交媒體應(yīng)用的普及和智能推薦算法的應(yīng)用，內(nèi)容傳播新結(jié)構(gòu)與智能推薦技術(shù)帶來了巨大的信息繭房風(fēng)險。由于信息繭房效應(yīng)的存在，同質(zhì)化信息可能對部分網(wǎng)民形成認(rèn)知強(qiáng)化，這種效應(yīng)會逐漸導(dǎo)致網(wǎng)絡(luò)群體的認(rèn)知偏差，最終造成群體極化現(xiàn)象［1］。群體極化現(xiàn)象可能導(dǎo)致網(wǎng)民對現(xiàn)實(shí)觀點(diǎn)不能準(zhǔn)確認(rèn)知，最終破壞網(wǎng)絡(luò)環(huán)境的正常秩序。國務(wù)院在《數(shù)字中國建設(shè)整體布局規(guī)劃》中指出，要健全網(wǎng)絡(luò)綜合治理體系，提升全方位多維度綜合治理能力［2］。從信息繭房效應(yīng)的角度分析群體極化現(xiàn)象形成機(jī)理，引導(dǎo)網(wǎng)絡(luò)生態(tài)良性健康發(fā)展，已經(jīng)成為當(dāng)前提升網(wǎng)絡(luò)空間治理效能的重要課題。

近年來，信息繭房效應(yīng)對網(wǎng)絡(luò)群體極化的影響研究已經(jīng)引起國內(nèi)外學(xué)者的廣泛關(guān)注。研究發(fā)現(xiàn)，在社會治理方面，網(wǎng)絡(luò)群體極容易在網(wǎng)絡(luò)空間形成團(tuán)體回音室［3］；在社交媒體中，算法過濾氣泡與回音室會增加虛假信息的曝光率，容易使處于信息半封閉狀態(tài)的易感群體受到誘導(dǎo)從而上當(dāng)受騙［4］。實(shí)際上，群體極化現(xiàn)象很大程度由信息繭房效應(yīng)催化形成，深層次的信息繭房效應(yīng)將導(dǎo)致用戶信息窄化和互聯(lián)網(wǎng)的集聚效應(yīng)，引發(fā)群體極化［5］，對個體造成信息接收失衡、碎片化閱讀等負(fù)面影響，導(dǎo)致網(wǎng)絡(luò)空間中出現(xiàn)大眾情緒偏激和網(wǎng)絡(luò)謠言散播等現(xiàn)象。從現(xiàn)有研究成果來看，國內(nèi)外學(xué)者普遍認(rèn)為信息繭房效應(yīng)將導(dǎo)致群體極化，產(chǎn)生一定的負(fù)面影響。但通過定量研究、實(shí)證分析的方式探究信息繭房效應(yīng)對用戶群體極化的影響相對較少。

本文試圖解決以下兩個方面的研究問題：（1）信息繭房效應(yīng)的哪些方面會影響群體極化的形成？（2）如何在信息繭房效應(yīng)下構(gòu)建用戶群體極化影響機(jī)理模型？基于上述問題，本文結(jié)合“刺激-機(jī)體-反應(yīng)”框架理論和信息生態(tài)理論，通過構(gòu)建用戶群體極化影響機(jī)理模型，從信息技術(shù)、信息人、信息和信息環(huán)境四個方面研究信息繭房效應(yīng)對群體極化形成的影響。本文分析了信息繭房效應(yīng)對群體極化形成的影響方式，為群體極化的成因提供新的理論研究視角，為我國的內(nèi)容智能分發(fā)平臺健康發(fā)展提供理論依據(jù)，并為信息監(jiān)督部門合理疏導(dǎo)網(wǎng)絡(luò)不良情緒提供參考。

1" "相關(guān)概念及理論基礎(chǔ)

1.1" " 信息生態(tài)理論

1997年，美國管理科學(xué)家托馬斯·達(dá)文波特（Thomas Davenport）首次提出信息生態(tài)概念，他將生態(tài)學(xué)的視角引入信息學(xué)領(lǐng)域，認(rèn)為信息的產(chǎn)生及進(jìn)一步加工處理是為了滿足用戶的需要，信息并非獨(dú)立運(yùn)行，而是與其所屬的社會進(jìn)程及系統(tǒng)生態(tài)密切相關(guān)［6］。目前信息生態(tài)理論在信息管理與信息分析領(lǐng)域具有廣泛適用性，能夠較好地解釋用戶信息行為的成因及作用路徑，如解釋突發(fā)事件網(wǎng)絡(luò)不良情緒的發(fā)生機(jī)制［7］和移動短視頻UGC網(wǎng)絡(luò)不良情緒傳播行為［8］等。本文基于信息生態(tài)理論，從信息層面、信息人層面、信息技術(shù)層面與信息環(huán)境層面分析群體極化的形成，為社會公眾在信息繭房效應(yīng)下如何走出群體極化困境提供了理論參考。

1.2" " 信息繭房效應(yīng)的同質(zhì)化特征

信息繭房（Information Cocoons）這一概念最早于2006年由哈佛大學(xué)凱斯·桑斯坦教授在其著作《信息烏托邦》中提出，它指信息用戶一般只會關(guān)注自己感興趣的內(nèi)容，久而久之將如同蠶繭一般被束縛在自己編織的“繭房”之中［9］。各類研究中關(guān)于信息繭房的表述略有不同，除信息繭房外，回音室效應(yīng)、過濾氣泡等也是描述信息窄化現(xiàn)象重要概念，內(nèi)涵相近［10］。從本質(zhì)而言，同質(zhì)化是信息繭房效應(yīng)最不可忽視的重要特征之一，主要表現(xiàn)為由用戶偏好因素引發(fā)的選擇同質(zhì)化、由技術(shù)推薦引發(fā)的內(nèi)容同質(zhì)化、由社會互動引發(fā)的群體同質(zhì)化等（理論框架見圖1）［11］。

1.3" " 群體極化

群體極化是指在網(wǎng)絡(luò)環(huán)境和群體影響下，群體成員的觀點(diǎn)基于原有傾向逐漸向極端化轉(zhuǎn)變的現(xiàn)象［9］。在群體極化成因方面，網(wǎng)絡(luò)信息環(huán)境同質(zhì)化、用戶群體結(jié)構(gòu)和用戶個體表達(dá)是造成群體極化現(xiàn)象的重要條件，社會比較頻率、群體認(rèn)同和群際情緒等因素對輿論反轉(zhuǎn)中網(wǎng)民群體極化行為意愿有正向影響［10］。在群體極化形成機(jī)理方面，盧智增和高翔通過對社交媒體中群體極化案例的觀察，歸納出社交媒體平臺中群體極化形成的誘因，進(jìn)而構(gòu)建出社交媒體平臺群體極化的動力機(jī)理模型和形成機(jī)理模型［5］。王晰巍等在群體極化的研究中，通過可視化方法分析出了群體極化的演進(jìn)特點(diǎn)及發(fā)展趨勢［12］?，F(xiàn)有的群體極化研究中，關(guān)注態(tài)度極化的相對較多，分析方法主要包括調(diào)查問卷［13-14］、對比實(shí)驗［15］、情感分析與社交網(wǎng)絡(luò)分析［16］等。

1.4" " 刺激-機(jī)體-反應(yīng)（SOR）框架理論

刺激-機(jī)體-反應(yīng)（Stimulus-Organism-Response framework，S-O-R）框架認(rèn)為，環(huán)境的各方面刺激因素會影響個體的內(nèi)在感知，影響個體的行為反應(yīng)［17］。作為現(xiàn)代環(huán)境心理學(xué)的重要理論之一，S-O-R框架理論較好地構(gòu)建和闡釋了外部環(huán)境、個體心理及行為之間的關(guān)系。這一理論目前已被廣泛應(yīng)用于信息管理學(xué)領(lǐng)域，用來解釋信息系統(tǒng)用戶的使用行為和特定情境下的信息行為，如線上平臺用戶使用意愿［18］、虛擬社區(qū)中用戶信息行為［19］、社交媒體用戶行為［20］等。

信息生態(tài)理論關(guān)注信息技術(shù)、信息人、信息和信息環(huán)境等要素之間的相互作用和關(guān)系，有助于更好地分析群體極化如何在整個信息生態(tài)系統(tǒng)中形成和演變，但該理論卻無法個體用戶形成群體極化行為意愿的形成機(jī)理提供理論依據(jù)，而S-O-R框架理論強(qiáng)調(diào)個體作為有機(jī)體在外界刺激作用下的動態(tài)反應(yīng)過程，有助于從個體的微觀角度揭示信息繭房效應(yīng)如何影響用戶態(tài)度和行為變化。因此，本文將S-O-R框架與信息生態(tài)理論相結(jié)合，把信息繭房效應(yīng)在信息技術(shù)、信息人、信息和信息環(huán)境等四個方面的作用作為外部刺激因素S，用戶的態(tài)度極化作為內(nèi)部機(jī)體反應(yīng)O，對用戶群體極化行為意愿的影響作為R，從而更具體和深入地分析用戶在信息繭房效應(yīng)下的心理變化和群體極化行為的形成機(jī)理。

2" "信息繭房下群體極化影響機(jī)理分析

2.1" " 信息繭房對群體極化演化的作用過程

通過信息繭房效應(yīng)的同質(zhì)化特征展開分析，基于信息生態(tài)理論從信息技術(shù)、信息人、信息與信息環(huán)境四個維度分析信息繭房效應(yīng)對群體極化的作用。信息技術(shù)是群體極化的重要技術(shù)支持，在個性智能推薦算法的作用下，用戶更容易接觸到相同觀點(diǎn)，而很少聽見不同或者對立的聲音。信息人是群體極化的參與主體，由于用戶在社交媒體接受信息過程中具有選擇性接觸傾向，容易將自身束縛在由興趣和已被先入之見引導(dǎo)的信息繭房中。信息是導(dǎo)致群體極化形成的重要催化劑，社交媒體上往往存在信息集群效應(yīng)，通過社交媒體推送呈現(xiàn)出明顯的信息同質(zhì)化特點(diǎn)。信息環(huán)境則會加速催化群體極化，由于網(wǎng)民的社會屬性，人們也往往習(xí)慣于與他人進(jìn)行比較，以了解自己在某個特定觀點(diǎn)上的立場是否與主流一致，當(dāng)群體情緒趨向一致時，個體更容易受到群體情緒的影響，并呈現(xiàn)出和群體一致的觀點(diǎn)與態(tài)度。

2.2" " 信息繭房效應(yīng)下用戶群體極化作用機(jī)理研究假設(shè)

2.2.1" "信息繭房效應(yīng)下信息同質(zhì)化對用戶態(tài)度極化的影響

信息同質(zhì)化是指個體使用網(wǎng)絡(luò)媒介時接受的信息內(nèi)容呈現(xiàn)內(nèi)容相似的現(xiàn)象，體現(xiàn)了信息繭房中信息封閉的特點(diǎn)［11］。凱斯·桑斯坦指出，在網(wǎng)絡(luò)當(dāng)中人們可以輕松獲取自己所需的信息并拒絕一些不喜歡的信息，但經(jīng)過這個過程后用戶最終得到的將是窄化的信息［21］。當(dāng)網(wǎng)絡(luò)用戶長期沉浸在信息窄化環(huán)境中，個體只能接受趨同的信息，被迫閱讀內(nèi)容相似、價值觀相同的同質(zhì)化信息，導(dǎo)致個體信息需求表達(dá)和信息反饋等能力逐漸衰弱［22］。隨著時間推移，個人價值觀逐漸受到同質(zhì)信息所傳遞的價值觀潛移默化的沖擊，易從眾群體將出現(xiàn)信息盲從，相同意見群體的立場和態(tài)度逐漸趨于統(tǒng)一，不同意見群體之間距離逐漸擴(kuò)大，導(dǎo)致極化效應(yīng)出現(xiàn)。當(dāng)網(wǎng)民處于同質(zhì)化信息的長期喂養(yǎng)下，容易呈現(xiàn)情感極化現(xiàn)象［23］，偏袒同一陣營的觀點(diǎn)，對對立陣營的觀點(diǎn)產(chǎn)生敵意，呈現(xiàn)出態(tài)度上的兩極分化［24］。因此，從信息生態(tài)理論中信息層面提出假設(shè)：

H1：信息同質(zhì)化對用戶態(tài)度極化起正向影響。

個性化算法推薦指社交媒體平臺利用信息過濾技術(shù)，根據(jù)特定用戶的興趣和偏好向他們推送相關(guān)且符合其需求的信息內(nèi)容，從而提供個性化的信息推薦服務(wù)［25］。內(nèi)容平臺會利用“個性化算法推薦技術(shù)”分析數(shù)據(jù)，并定制化地向用戶推送偏好信息，持續(xù)的同類信息輸入將不斷強(qiáng)化用戶的認(rèn)知觀點(diǎn)，最終形成具有同一性的用戶群體。在具有一致觀點(diǎn)的用戶群的相互影響下，用戶態(tài)度得到進(jìn)一步強(qiáng)化，進(jìn)而產(chǎn)生極端立場［5］。研究表明，社交網(wǎng)絡(luò)平臺的個性化算法推送會限制用戶對反態(tài)度信息的接觸，減少用戶與其他觀點(diǎn)、信息或媒介的接觸，將用戶封閉在特定的環(huán)境中使其接收的信息多樣性受到影響［26］。個性化算法推薦將認(rèn)知相似的網(wǎng)民包裹在“過濾氣泡”內(nèi)，導(dǎo)致網(wǎng)民在跨群體信息互動中呈現(xiàn)出高度的群體一致性，從而增強(qiáng)網(wǎng)民情感和態(tài)度的兩極分化［27］。因此，從信息生態(tài)理論信息技術(shù)層面提出如下假設(shè)：

H2：個性化算法推薦對用戶態(tài)度極化有正向影響。

2.2.2" "信息繭房效應(yīng)下選擇同質(zhì)化對用戶態(tài)度極化的影響

選擇性接觸指個體主動選擇接受與自身態(tài)度、觀念和行為一致的信息，并有意規(guī)避可能對自身態(tài)度、觀念和行為構(gòu)成挑戰(zhàn)的信息［28］。身處信息繭房中，用戶個體將呈現(xiàn)出顯著的選擇性接觸特點(diǎn)。在信息過載的社交媒體環(huán)境下，網(wǎng)民的選擇性接觸體現(xiàn)在往往只關(guān)注符合自己觀點(diǎn)的信息，如取消與自己觀點(diǎn)不一致博主的關(guān)注、屏蔽與自己觀點(diǎn)不符的信息。由于個人信息處理資源有限，人們往往喜歡選擇與自己態(tài)度一致的信息以減少腦力勞動，避免相反的觀點(diǎn)帶來的不適感。當(dāng)用戶只與自己觀點(diǎn)相同的人進(jìn)行交流并接觸相似信息時，其將無法接觸到不同的觀點(diǎn)和多樣的思想。在缺乏與異質(zhì)觀點(diǎn)對話和交流的情況下，用戶的觀點(diǎn)與態(tài)度往往更容易變得極端化［29］。因此，從信息生態(tài)理論信息人層面提出如下假設(shè)：

H3：選擇性接觸對用戶態(tài)度極化有正向影響。

2.2.3" "信息繭房效應(yīng)下群體同質(zhì)化對用戶態(tài)度極化的影響

群際情緒理論認(rèn)為當(dāng)個體認(rèn)同某一個群體并產(chǎn)生歸屬感，個體與該群體間將形成情緒共振，個體的情緒體驗即為群際情緒［30］。其中群際情緒包括正向的情緒高漲和負(fù)向的情緒憤怒等。處于信息繭房構(gòu)筑的同質(zhì)化群體中時，由于情感的共振和連接，個體往往與群體共享類似的情緒體驗，這種情緒共振會加強(qiáng)個體對自身情緒狀態(tài)的確認(rèn)和堅持，和對其他情緒狀態(tài)的排斥和忽視。隨著群際情緒共鳴效應(yīng)的不斷強(qiáng)化，個體將更加傾向于相信和強(qiáng)化與自身情緒相符合的信息和觀點(diǎn)，從而導(dǎo)致個體態(tài)度極化?，F(xiàn)有研究表明，群際情緒對個體態(tài)度起主導(dǎo)作用，能夠激發(fā)并調(diào)節(jié)群際態(tài)度和行為變化，是造成輿論事件群體極化行為的有效動因之一［31］。因此，從信息生態(tài)理論信息環(huán)境層面提出如下假設(shè)：

H4：群際情緒對態(tài)度極化有正向影響。

社會比較頻率是指當(dāng)個人在缺乏客觀標(biāo)準(zhǔn)或不確定自身觀點(diǎn)和能力的情況下，與他人的觀點(diǎn)和態(tài)度進(jìn)行比較的頻率［32］。社會比較理論認(rèn)為，個體總是喜歡與他人的觀點(diǎn)進(jìn)行比較和交流，并在過程中不斷調(diào)整自身看法，最終向群體觀點(diǎn)所代表的社會行為規(guī)范進(jìn)行靠近。Tajfel等提出團(tuán)體比較現(xiàn)象，認(rèn)為團(tuán)體比較可能會讓團(tuán)體意見一致的成員得到身份確認(rèn)，進(jìn)而讓團(tuán)體態(tài)度及觀點(diǎn)形成更穩(wěn)固的團(tuán)結(jié)［33］。Jeong認(rèn)為，社會比較是態(tài)度極化的重要影響因素，受社會屬性的影響，個體傾向于持續(xù)地將自己的觀點(diǎn)與群體的觀點(diǎn)進(jìn)行對比，并逐漸趨向于被大多數(shù)人所接受的觀點(diǎn)［34］。因此，個體社會比較頻率越高，態(tài)度越容易呈現(xiàn)極端化。本文將社會比較頻率作為社交媒體中用戶社會比較程度的表征，并認(rèn)為社會比較頻率的升高會導(dǎo)致態(tài)度極化。從信息生態(tài)理論信息環(huán)境層面提出如下假設(shè)：

H5：社會比較頻率對態(tài)度極化有正向影響。

2.2.4" "用戶態(tài)度極化對群體極化行為意愿的影響

用戶態(tài)度極化是指用戶個體的觀點(diǎn)處于極端的狀態(tài)且有變得更加堅定的趨勢［15］。在個體感知到態(tài)度極化的情況下出于對用戶群體的認(rèn)同感和歸屬感，用戶更有可能感到自己與群體內(nèi)的其他成員有著共同的目標(biāo)和利益，促使他們更加積極地參加群內(nèi)討論等活動。這種用戶態(tài)度極化行為會導(dǎo)致用戶在群體內(nèi)更加堅持自己的立場，促進(jìn)群體內(nèi)的意見統(tǒng)一和行動一致，更加強(qiáng)化群體極化行為意愿。相應(yīng)的用戶也會對與自己觀點(diǎn)不一致的信息和意見產(chǎn)生抵觸和排斥情緒，并試圖說服其他成員接受自己的觀點(diǎn)。用戶對群內(nèi)意見的共識越高，對群外意見的共識就越低，越容易產(chǎn)生用戶群體極化?，F(xiàn)有研究表明，用戶的態(tài)度觀點(diǎn)會直接影響網(wǎng)民的極化行為或者行為意向［35］。基于以上研究提出假設(shè)：

H6：用戶態(tài)度極化對用戶群體極化行為意愿有正向影響。

2.3" " 信息繭房效應(yīng)下用戶群體極化影響因素模型構(gòu)建

本文結(jié)合“刺激-機(jī)體-反應(yīng)”框架和信息生態(tài)理論，從信息繭房的同質(zhì)化特征出發(fā)，對用戶群體極化行為意愿的影響進(jìn)行分析。將信息繭房效應(yīng)的特征維度作為外部刺激因素，機(jī)體變化體現(xiàn)為用戶意見或價值觀的強(qiáng)化，進(jìn)而分析作為用戶最終反應(yīng)的群體極化行為意愿，構(gòu)建信息繭房效應(yīng)下用戶群體極化影響因素理論模型（見圖2）。

2.4" " 調(diào)查問卷設(shè)計

本文利用結(jié)構(gòu)方程方法探究信息繭房效應(yīng)下，哪些因素會對用戶群體行為意愿產(chǎn)生顯著影響。為確保實(shí)證研究結(jié)果的科學(xué)性及可信性，參照已有成熟的研究成果［34，36-37］，設(shè)計了基于微博使用的群體極化影響因素調(diào)查問卷。問卷包括用戶基本信息、用戶使用微博的行為情況和問項變量。每個變量設(shè)計5個問題，共35個問題，問題項采用李克特5級量表形式。在大量發(fā)放問卷之前，通過預(yù)調(diào)研修正了問卷中存在的問題。預(yù)調(diào)研主要分為兩步，首先訪談了10位經(jīng)常使用微博的人員，根據(jù)訪談結(jié)果調(diào)整了問卷中的問題，如理解困難、問項表述不清等；其次將調(diào)整后的問卷小規(guī)模發(fā)放，共收取50份問卷。根據(jù)初步探索性因子分析的結(jié)果對題目進(jìn)行調(diào)整，將因子載荷量過低（＜0.6）的題目刪除后，最終題目數(shù)量為31個（見附錄1）。

3" "數(shù)據(jù)結(jié)果

3.1" " 樣本選擇與數(shù)據(jù)收集

為了獲取可靠的信息繭房效應(yīng)下用戶觀點(diǎn)極化的影響因素調(diào)查數(shù)據(jù)，本文基于微博這一社交媒體，結(jié)合微博熱點(diǎn)事件“高鐵宣傳片將女子化妝列為不文明事件”進(jìn)行調(diào)查，并邀請受訪者填寫調(diào)查問卷。在線調(diào)查歷時一個月（2023年10月8日-2023年11月8日），最終通過線上方式累計回收問卷452份，結(jié)合用戶使用微博情況，實(shí)際收回有效樣本399份，有效問卷率為88.27%（樣本統(tǒng)計結(jié)果見表1）。本次調(diào)查中男女比例較為均衡，符合人口性別比例；參與者年齡多分布在18歲-40歲，以全日制學(xué)生數(shù)量最多，教育程度中?？婆c本科學(xué)歷人數(shù)最多，符合《2023年度微博用戶報告》［38］中微博用戶大多集中于18歲-30歲這一群體特點(diǎn)，樣本具有較高程度代表性。

3.2" " 共同方法偏差檢驗

為了控制共同方法偏差問題，采用SPSS 27.0軟件對量表進(jìn)行Harman單因子檢驗，結(jié)果共提取出特征根大于1的因子數(shù)量7個，第一公因子的方差貢獻(xiàn)率為28.94%，未超過40%（見表2），說明本文共同方法偏差問題不嚴(yán)重。

3.3" " 信度與效度檢驗

在本次研究中，主要的因素均通過量表的形式進(jìn)行測量。因此，對于測量結(jié)果的數(shù)據(jù)質(zhì)量進(jìn)行檢驗是保證后續(xù)分析具有意義的重要前提。本文使用SPSS 27.0軟件對問卷進(jìn)行信度和效度檢驗（見表3）。信度檢驗方面，采用Cronbach’α系數(shù)來測量問卷變量在各個測量題項上的一致性程度。各變量的Cronbach’α值均大于0.7，量表總體系數(shù)為0.909，表明變量具有良好的內(nèi)部一致性，問卷信度較高。效度檢驗方面數(shù)據(jù)結(jié)果表明，平均方差提取值A(chǔ)VE均高于0.5，組合信度CR均大于0.6，測量指標(biāo)具有良好的收斂效度。在相關(guān)性分析和區(qū)分效度中，所有潛變量AVE的平方根均大于潛變量之間的相關(guān)系數(shù)，表明區(qū)分效度良好（見表4）。

3.4" " 結(jié)構(gòu)模型與假設(shè)檢驗

采用AMOS 28.0軟件對結(jié)構(gòu)方程模型評估測量并對模型整體配適度進(jìn)行檢驗。數(shù)據(jù)分析結(jié)果顯示，信息繭房效應(yīng)下用戶群體極化影響因素模型適配度良好（見表5）。利用AMOS 28.0軟件采用最大似然估計法對因子之間的路徑系數(shù)值進(jìn)行估計（假設(shè)結(jié)果見表6、圖3）。結(jié)果顯示，除H2不成立之外，其余假設(shè)均得到支持。總體來說，信息同質(zhì)化對用戶態(tài)度極化有正向影響（β=0.426，Plt;0.001），H1成立；個性化算法推薦對用戶態(tài)度極化不具有顯著正向影響（β=0.144，Pgt;0.005），H2不成立；選擇性接觸對用戶態(tài)度極化有正向影響（β=0.026，Plt;0.001），H3成立；群際情緒對用戶態(tài)度極化有正向影響（β=0.238，Plt;0.001），H4成立；社會比較頻率對用戶態(tài)度極化有正向影響（β=0.174，Plt;0.001），H5成立；用戶態(tài)度極化對用戶群體行為意愿有顯著正向影響（β=0.595，Plt;0.001），H6成立。

4" "討論與分析

基于以上數(shù)據(jù)，得到除H2個性化算法推薦對用戶態(tài)度極化產(chǎn)生正向影響的假設(shè)不成立以外，其它五個假設(shè)均得到數(shù)據(jù)支持。數(shù)據(jù)結(jié)果表明，影響最大的因素是信息同質(zhì)化（β=0.426），其次是群際情緒（β=0.238）與社會比較頻率（β=0.174），最后是選擇性接觸（β=0.026）。

4.1" " 信息同質(zhì)化對用戶態(tài)度極化的影響

信息同質(zhì)化對用戶態(tài)度極化具有顯著的正向影響，β信息同質(zhì)化=0.426，P＜0.001。具體而言，信息同質(zhì)化指用戶在使用微博時接受到內(nèi)容或觀點(diǎn)的重復(fù)性。當(dāng)用戶在微博環(huán)境中不斷接受到具有相似性的觀點(diǎn)時，這些具有相同觀點(diǎn)的用戶會相互驗證并延續(xù)他們的價值觀，并對其他觀點(diǎn)免疫，使自己與其他具備潛在威脅性的外部群體隔離開，導(dǎo)致出現(xiàn)群體極化。這與Garrett和Barberá等的研究［39-40］相一致，即觀點(diǎn)相似的互動伙伴組成的同質(zhì)化信息網(wǎng)絡(luò)與更高的態(tài)度極化程度有關(guān)。同時，本文發(fā)現(xiàn)信息同質(zhì)化對于態(tài)度極化的影響相較于其他影響因素更強(qiáng)。

為避免信息同質(zhì)化導(dǎo)致的用戶群體極化，社交媒體信息生產(chǎn)者應(yīng)從宏觀上把握并反映事物的全貌，增強(qiáng)信息聚合，拓展用戶的信息面，打破信息壁壘。信息生產(chǎn)者可以在推送內(nèi)容中巧妙融入有價值的異質(zhì)信息，以拓寬用戶視野打破固有的信息壁壘，增加其接觸不同觀點(diǎn)的機(jī)會。微博等社交網(wǎng)絡(luò)服務(wù)提供商應(yīng)該合理優(yōu)化推薦算法，確保用戶在瀏覽時能夠接觸到多元化的信息，而不僅僅是與其自身觀點(diǎn)相符的內(nèi)容。社交網(wǎng)絡(luò)服務(wù)提供商可以為用戶提供更加多樣化的推薦內(nèi)容，如進(jìn)行多樣化的內(nèi)容標(biāo)簽，使用戶可以更方便地瀏覽和發(fā)現(xiàn)不同觀點(diǎn)內(nèi)容，或推薦一些有不同觀點(diǎn)的學(xué)者專家及內(nèi)容創(chuàng)作者，幫助用戶擴(kuò)展信息源，接觸多元觀點(diǎn)，減少同質(zhì)化信息帶來的影響。社交媒體在信息呈現(xiàn)時，也應(yīng)該通過內(nèi)容監(jiān)管、熱搜榜單等多元信息組合方式構(gòu)建多元信息滲透的“信息蜂房”。

4.2" " 個性化算法推薦對用戶態(tài)度極化的影響

個性化算法推薦對用戶態(tài)度極化沒有顯著影響，β個性化算法推薦=0.144，Pgt;0.05。Van 和Cho等［41-42］指出社交媒體智能推薦算法可能會限制對相反態(tài)度信息的接觸，從而增加兩極分化的可能，與本文研究結(jié)果不同。但是本文研究結(jié)果與Michael和Neumann等研究結(jié)論［43-44］一致，即社交媒體智能推薦算法并沒有導(dǎo)致態(tài)度兩極分化程度的增加。其原因可能在于個性化算法推薦并非僅僅將用戶限制于目前觀點(diǎn)，也可能為用戶提供更廣泛的視角。當(dāng)用戶在線獲取信息的過程中，隨時可能發(fā)生信息偶遇現(xiàn)象，即社交媒體用戶碰巧接觸到由算法過濾器提供的其它相反想法，讓用戶接觸到更廣泛的意見，緩和群體極化程度。

個性化算法推薦雖然對用戶群體極化不具有顯著影響，但用戶在進(jìn)行在線信息獲取時仍然不可避免地會受到現(xiàn)有社交媒體中智能算法推薦的影響。隨著社交媒體的飛速發(fā)展，個性化算法推薦系統(tǒng)所涵蓋的維度不再局限于人口學(xué)信息、用戶行為記錄、瀏覽歷史和個人喜好等方面，而是向整合時間因素、多場景下用戶行為信息以及情景感知信息方向逐漸擴(kuò)展。為避免用戶觀點(diǎn)態(tài)度受困于群體意識形成“信息繭房”而變得極端，信息推薦服務(wù)運(yùn)營商在追求用戶黏性的同時，更應(yīng)承擔(dān)社會責(zé)任，采取更為多元的推薦策略，設(shè)計更為健康的信息推薦機(jī)制。社交網(wǎng)絡(luò)服務(wù)商應(yīng)根據(jù)該規(guī)定實(shí)施算法治理，為用戶提供多樣化觀點(diǎn)。目前已發(fā)現(xiàn)的如推薦算法加入信息偶遇機(jī)制、創(chuàng)建隨機(jī)信息間鏈接、創(chuàng)新內(nèi)容和展現(xiàn)形式、將信息偶遇理念嵌入搜索工具設(shè)計等方式，均可以彌補(bǔ)個性化算法推薦在功能性上的不足。

4.3" " 選擇性接觸對用戶態(tài)度極化的影響

選擇性接觸對用戶態(tài)度極化有顯著正向影響，β選擇性接觸=0.026，Plt;0.01。研究發(fā)現(xiàn)被調(diào)查者中的年輕人較多具有一定的文化水平，在互聯(lián)網(wǎng)中搜尋信息時具備較高的信息素養(yǎng)。但這類群體身處具有高度選擇性的社交媒體環(huán)境中時，往往喜歡選擇與自己態(tài)度一致的信息［28］。在用戶只與自己觀點(diǎn)相同的人進(jìn)行交流并接觸相似信息時，往往無法接觸到不同的觀點(diǎn)和多元思想，這一結(jié)果與Johnson等的研究［45］一致，即選擇性接觸會導(dǎo)致態(tài)度兩極分化。這個結(jié)論也得到Aexl和Zhu等研究成果［46-47］的驗證。選擇性接觸相對于其他影響因素的影響程度較弱，原因可能在于個體為了減少信息焦慮，更傾向于選擇性地接觸信息，從而保持獲取信息和觀點(diǎn)的一致性和合理性。因此，選擇性接觸對態(tài)度極化影響較小。

在信息過載的互聯(lián)網(wǎng)環(huán)境下，選擇性接觸無疑為用戶提供了更方便快捷的獲取信息方式，但這種方式在減少信息成本的同時，卻成為了用戶對信息的全面接觸的障礙。用戶在享受信息便捷的同時，往往忽視了這種接觸方式可能導(dǎo)致的社交圈子窄化和信息交互特定化等行為傾向，從而加劇了群體極化現(xiàn)象。為打破這一困境，用戶需要不斷提高自身的信息素養(yǎng)，了解社交平臺行為數(shù)據(jù)采集原理及個性化推薦算法的相關(guān)知識，在享受個性化服務(wù)的同時，也能有效避免信息冗余，防止自身陷入信息繭房的桎梏。同時用戶也可以通過積極接觸不同傳播媒介、關(guān)注提供全面且平衡新聞報道的媒體平臺、嘗試閱讀與自己觀念相悖的文章等方式，主動拓展信息獲取范圍，有效避免因信息接受不全面導(dǎo)致的觀點(diǎn)偏激。圖書館等文化機(jī)構(gòu)可適當(dāng)開展關(guān)于算法素養(yǎng)培養(yǎng)的特色宣傳和講座，引導(dǎo)大眾培養(yǎng)良好的信息素養(yǎng)，幫助用戶更加理性、全面地接觸信息。

4.4" " 社會比較頻率及群際情緒對用戶態(tài)度極化的影響

社會比較頻率和群際情緒均對用戶態(tài)度極化有顯著正向影響（β社會比較頻率=0.174；β群際情緒=0.238，Plt;0.001）。隨著某一熱點(diǎn)事件不斷升溫，網(wǎng)民們會根據(jù)自身經(jīng)歷、認(rèn)知以及心理狀態(tài)來評估某些事件，形成自身的群體立場，形成群際情緒。情緒傳播相比于信息傳播具有更加迅速、更容易引起人們共鳴的特點(diǎn)，網(wǎng)民易跟隨群際情緒，在保護(hù)本群體情緒的同時，排斥其他持不同情緒的群體。由于用戶個人的社會屬性，在事件發(fā)生初期，網(wǎng)民更容易將自己與他人進(jìn)行比較，形成一種從眾心態(tài)，導(dǎo)致極端群體出現(xiàn)。在一定程度上，社會比較頻率越大，態(tài)度和看法越容易受到影響。這一結(jié)論得到了社會比較理論相關(guān)研究的支持，也與楊慶國等的結(jié)論［48］相同。在信息環(huán)境層面社會比較頻率相比于群際情緒對群體極化影響較弱，原因可能是在當(dāng)前網(wǎng)絡(luò)環(huán)境中，情緒激動和激憤氛圍往往更能使公眾難以保持理性思考。在非理性思考的情況下，人們更易被群際情緒感染，無法做到積極尋求不同觀點(diǎn)并與之比較，這一結(jié)果與汪明艷等的研究結(jié)果［37］一致。

群際情緒往往容易在社交媒體平臺上蔓延，導(dǎo)致用戶群體之間的對立和分裂。為了減少群際情緒與社會比較頻率所導(dǎo)致的用戶圈層和用戶群體極化，各方媒體應(yīng)在平臺環(huán)境中充分發(fā)揮話語引導(dǎo)作用，通過提供全面、客觀的信息，引導(dǎo)用戶理性看待不同觀點(diǎn)，減少情緒化的對立。當(dāng)熱點(diǎn)事件發(fā)生時，信息監(jiān)督部門應(yīng)該迅速采取行動，收集證據(jù)并盡快公開真實(shí)情況以便讓公眾獲得可靠的信息，樹立正確可靠的價值導(dǎo)向，讓極端和激進(jìn)情緒傳播得到抑制。同時，實(shí)時監(jiān)測輿情發(fā)展，時刻注意網(wǎng)絡(luò)群體的內(nèi)隱情緒，深入分析背后根源，及時發(fā)現(xiàn)并解決可能導(dǎo)致用戶態(tài)度極化的問題。目前已有學(xué)者構(gòu)建了基于情感分析的網(wǎng)絡(luò)輿情預(yù)警模型［49］，信息監(jiān)督部門可以結(jié)合網(wǎng)絡(luò)輿情預(yù)警框架使用互聯(lián)網(wǎng)大數(shù)據(jù)與人工智能技術(shù)，建立全面的輿情監(jiān)測系統(tǒng)，實(shí)現(xiàn)危機(jī)的早期預(yù)警。

4.5" " 用戶態(tài)度極化對群體極化行為意愿的影響

用戶態(tài)度極化對群體極化行為意愿有顯著的正向影響，β態(tài)度極化=0.595，Plt;0.001。當(dāng)個體態(tài)度出現(xiàn)極端化傾向時，他們更易受到群體內(nèi)相同或相似觀點(diǎn)的影響，從而加強(qiáng)自身的極端立場。這種態(tài)度的極端化不僅影響個體的決策和行為，更在群體層面加劇了極化的程度，使得群體行為更加非理性和偏激。這一結(jié)果與S-O-R框架模型相關(guān)研究成果一致，即用戶的態(tài)度影響行為意愿或行為［50］。這一發(fā)現(xiàn)也得到了先前學(xué)者研究結(jié)論的支持，即在發(fā)生網(wǎng)絡(luò)暴力事件時個體態(tài)度對網(wǎng)絡(luò)暴力群體極化行為意愿有正向作用［35］。當(dāng)用戶態(tài)度更加極化時，往往會伴隨產(chǎn)生更加強(qiáng)烈的群體極化行為意愿，如參與或帶動他人參與社會熱點(diǎn)事件、在社會熱點(diǎn)事件的討論中嘗試說服他人和采取極化的溝通方式等［51］。

桑斯坦提出群體極化是形成信息繭房的關(guān)鍵步驟［9］，張海和徐紅昌也指出當(dāng)網(wǎng)絡(luò)用戶向同質(zhì)群體傾斜時容易受到群體價值觀的影響，進(jìn)而陷入同質(zhì)化的信息繭房難以自拔［52］。信息繭房是個人陷入的信息困境，隨著群體認(rèn)同感的增強(qiáng)群體極化將會加劇。同時在極化過程中，成員傾向于與同一群體交流形成排斥異質(zhì)觀點(diǎn)的現(xiàn)象，從而擴(kuò)大信息繭房范圍［1，53］。桑斯坦也指出信息繭房造成的負(fù)面效應(yīng)之一即為個體非理性共享下的群體極化［53］，可見信息繭房與群體極化之間的關(guān)系是動態(tài)復(fù)雜的。在互聯(lián)網(wǎng)時代，網(wǎng)絡(luò)傳播的匿名性和去個人化的特質(zhì)導(dǎo)致非理性人群的群體極化行為更易傳播。當(dāng)存在明顯群際沖突時個體為維護(hù)所在群體往往會采取較為激進(jìn)的行動，導(dǎo)致網(wǎng)絡(luò)秩序被破壞。同時，網(wǎng)絡(luò)環(huán)境中的意見領(lǐng)袖也往往比普通人擁有更多的關(guān)注度及話語權(quán)，他們的一些極化行為，往往會引發(fā)其粉絲群體強(qiáng)烈的反響與追隨，帶動其他用戶的態(tài)度極化。針對上述問題網(wǎng)絡(luò)輿情治理需要采取新的策略，形成多方參與的互聯(lián)網(wǎng)協(xié)同治理機(jī)制。社交媒體平臺在未來的發(fā)展過程中應(yīng)充分考慮用戶個人的行為特點(diǎn)、社交群體的互動特點(diǎn)及信息傳播的特性，引導(dǎo)用戶形成多元化的觀點(diǎn)。

5" "研究結(jié)論

本文在理論層面，基于“刺激-機(jī)體-反應(yīng)”框架和信息生態(tài)理論，分析了社交媒體環(huán)境下信息、信息人、信息技術(shù)及信息環(huán)境四種因素對群體極化態(tài)度及行為演化機(jī)理，構(gòu)建了信息繭房效應(yīng)下用戶群體極化影響機(jī)理模型。從同質(zhì)化特征的維度闡釋了信息繭房效應(yīng)對群體極化行為意愿的影響，為信息繭房定量研究與群體極化形成機(jī)理分析提供了新的研究視角。本研究將信息繭房效應(yīng)的影響因素劃分為內(nèi)容同質(zhì)化層面的信息同質(zhì)化和個性化算法推薦、選擇同質(zhì)化層面的選擇性接觸、群體同質(zhì)化層面的群際情緒和社會比較頻率。信息繭房效應(yīng)下用戶群體極化影響因素理論模型研究結(jié)果表明，信息同質(zhì)化、選擇性接觸、群際情緒和社會比較頻率對態(tài)度極化有正向影響，用戶態(tài)度極化對群體極化行為意愿有正向影響。其中，信息同質(zhì)化對用戶態(tài)度極化產(chǎn)生的影響最大，信息技術(shù)層面的個性化算法推薦對于用戶態(tài)度極化不產(chǎn)生顯著影響。

在實(shí)踐層面，信息繭房效應(yīng)下群體極化影響機(jī)理研究，可以指導(dǎo)社交媒體平臺和服務(wù)運(yùn)營商在發(fā)展中充分考慮用戶需求，從信息同質(zhì)化角度入手考慮改進(jìn)個性化算法推薦技術(shù)，采用更為多元的推薦策略，設(shè)計更為健康的信息推薦機(jī)制，為用戶通過社交媒體平臺提供多樣全面的信息服務(wù)，多角度還原事實(shí)真相，避免用戶在平臺上由于信息單一同質(zhì)化造成的觀點(diǎn)偏激，和可能會導(dǎo)致的不理性群體行為。在微觀層面，個性化算法推薦對用戶態(tài)度極化沒有顯著影響，這一結(jié)論從側(cè)面說明了用戶應(yīng)不斷提高信息素養(yǎng)，通過深入了解社交平臺行為數(shù)據(jù)采集原理和個性化推薦算法，主動拓展信息獲取范圍，如積極接觸不同傳播媒介，關(guān)注提供全面、客觀的新聞報道的媒體平臺，嘗試閱讀與自己觀念相悖的文章等方式避免接受信息片面化而導(dǎo)致的態(tài)度極化。在宏觀層面，信息監(jiān)督部門也應(yīng)積極行動，讓公眾獲得真實(shí)可靠的信息，合理采取正向引導(dǎo)措施，抑制錯誤信息傳播，為網(wǎng)絡(luò)群體樹立正確可靠的價值導(dǎo)向，降低網(wǎng)民的社會比較頻率。

本文尚存局限性，在樣本的獲取上，采用了線上調(diào)查及量表數(shù)據(jù)收集的方式，由于各種因素干擾可能導(dǎo)致量表數(shù)據(jù)與真實(shí)情況有所偏差，未來可以考慮采用多種開放性研究方法，如機(jī)器學(xué)習(xí)和文本挖掘等深入探究群體極化的形成機(jī)制，進(jìn)一步提升模型擬合情況。此外模型的完整性有待深化，未來可基于多樣的社交媒體平臺進(jìn)一步研究，以提高所構(gòu)建概念模型的科學(xué)性和普適性。

參考文獻(xiàn)：

［1］" 王秋旭.信息繭房效應(yīng)下微博群體極化現(xiàn)象分析［J］.新聞研究導(dǎo)刊，2015，6（7）：177-178.

［2］" 中華人民共和國中央人民政府.中共中央國務(wù)院印發(fā)《數(shù)字中國建設(shè)整體布局規(guī)劃》［EB/OL］.［2024-02-10］.http：//www.cac.gov.cn/2023-02/27/c_1679136694986243.htm.2023-02-27.

［3］" Lee P S N，So C Y K，Lee F，et al.Social media and political partisanship-a subaltern public sphere’s role in democracy［J］.Telematics and informatics，2018，35（7）：1949-1957．

［4］" Samuel C.Rhodes Filter Bubbles，Echo Chambers，and Fake News：How Social Media Conditions Individuals to Be Less Critical of Political Misinformation［J］.Political Communication，2022，39：1-22.

［5］" 盧智增，高翔.社交媒體平臺群體極化的形成機(jī)理與引導(dǎo)策略研究［J］.情報理論與實(shí)踐，2021，44（8）：51-58.

［6］" 靖繼鵬.信息生態(tài)理論研究發(fā)展前瞻［J］.圖書情報工作，2009，53（4）：5-7.

［7］" 李明，曹海軍.信息生態(tài)理論視域下突發(fā)事件網(wǎng)絡(luò)輿情生發(fā)機(jī)理研究——基于 40 起突發(fā)事件的清晰集定性比較分析［J］.情報科學(xué)，2020，38（3）：154-159，166．

［8］" 王微，王晰巍，婁正卿，等.信息生態(tài)視角下移動短視頻UGC網(wǎng)絡(luò)輿情傳播行為影響因素研究［J］.情報理論與實(shí)踐，2020，43（3）：24-30.

［9］" Sunstein C R.Infotopia：How Many Minds Produce Knowledge［M］.London：Oxford University Press，2006.

［10］" 姜婷婷，許艷閏.窄化的信息世界：國外信息繭房、選擇性接觸與回音室研究進(jìn)展［J］.圖書情報知識，2021，38（5）：134-144.

［11］" 張玥，莊碧琛，李青宇，等.同質(zhì)化困境：信息繭房概念解析與理論框架構(gòu)建［J］.中國圖書館學(xué)報，2023，49（3）：107-122.

［12］" 王晰巍，賈若男，孫玉姣.數(shù)據(jù)驅(qū)動的社交網(wǎng)絡(luò)輿情極化群體畫像構(gòu)建研究［J］.情報資料工作，2021，42（6）：21-30.

［13］" Kim Y，Kim Y.Incivility on Facebook and political polarization：The mediating role of seeking further comments and negative emotion［J］.Computers in Human Behavior，2019，99：219-227.

［14］" 陳海濤，魏永.網(wǎng)絡(luò)輿情、群體心理及群體行為關(guān)系研究［J］.中國礦業(yè)大學(xué)學(xué)報（社會科學(xué)版），2020，22（6）：81-93.

［15］" Lord C G，Ross L，Lepper M R.Biased assimilation and attitude polarization：The effects of prior theories on subsequently considered evidence［J］.Journal of Personality and Social Psychology，1979，37（11）：2098-2109.

［16］" Buder J，Rabl L，F(xiàn)eiks M，et al.Does negatively toned language use on social media lead to attitude polarization？［J］.Computers in Human Behavior，2021，116：106663.

［17］" Mehrabian A，Russell J A.An approach to environmental psychology［M］.Cambridge：The MIT Press，1974.

［18］" 李廣軍，曹琦佳.基于多視角的個性化服務(wù)對高校圖書館微信平臺用戶持續(xù)使用意愿的實(shí)證研究［J］.圖書館學(xué)研究，2020（22）：82-91，73.

［19］" 張敏，唐國慶，張艷.基于S-O-R范式的虛擬社區(qū)用戶知識共享行為影響因素分析［J］.情報科學(xué)，2017，35（11）：149-155.

［20］" 徐孝娟，趙宇翔，吳曼麗，等.S-O-R理論視角下的社交網(wǎng)站用戶流失行為實(shí)證研究［J］.情報雜志，2017，36（7）：188-194.

［21］" ［美］凱斯·桑斯坦.網(wǎng)絡(luò)共和國［M］.黃維明，譯.上海：上海人民出版社，2003.

［22］" 莫祖英，盤大清.信息繭房效應(yīng)對用戶虛假信息識別能力的影響關(guān)系探析［J］.圖書館學(xué)研究，2023（3）：50-57.

［23］" Macková A，Novotná M，■ejková L，et al.One way or another？Discussion disagreement and attitudinal homogeneity on social networking sites as pathways to polarization in Czechia［J］.Journal of Information Technology amp; Politics，2024，21（1）：54-68.

［24］" Pattie C，Johnston R.Talking with one voice？Conversation networks and political polarisation［J］.The British Journal of Politics and International Relations，2016，18（2）：482-497.

［25］" 劉建國，周濤，汪秉宏.個性化推薦系統(tǒng)的研究進(jìn)展［J］，自然科學(xué)進(jìn)展，2009，19（1）：1-15.

［26］" Sukhodolov A，Bychkova A，Ovanesyan S.Journalism Featuring Artificial Intelligence［J］.Theoretical and Practical Issues of Journalism，2019，8（4）：647-667.

［27］" Yarchi M，Baden C，Neta K.Political Polarization on the Digital Sphere：A Cross-platform，Over-time Analysis of Interactional，Positional，and Affective Polarization on Social Media［J］.Political Communication，2021，38（1-2）：98-139.

［28］" Hart W， Albarracin D，Eagly A H，et al.Feeling Validated Versus Being Correct：A Meta-Analysis of Selective Exposure to Information［J］.Psychological Bulletin，2009，135（4）：555-588.

［29］" Mutz D C.The Consequences of Cross-Cutting Networks for Political Participation［J］.American Journal of Political Science，2002，46（4）：838-855.

［30］" Smith E R.Social identity and social emotions：Toward new conceptualizations of prejudice［J］.Affect，Cognition and Stereotyping，1993：297-315.

［31］" Smith E Ｒ，Seger C R，Mackie D M.Can emotions be truly group level？ Evidence regarding four conceptual criteria［J］.Journal of Personality amp; Social Psychology，2007，93（3）：431-446．

［32］" Butzer B，Kuiper N A.Relationships between the frequency of social comparisons and self-concept clarity，intolerance of uncertainty，anxiety，and depression［J］.Personality and Individual Differences，2006，41（1）：167-176.

［33］" Tajfel H，Billig M G，Bundy R P，et al.Social categorization and intergroup behaviour［J］.European journal of social psychology，1971，1（2）：149-178.

［34］" Jeong M，Zo H，Lee C H，et al.Feeling displeasure from online social media postings：A study using cognitive dissonance theory［J］.Computers in Human Behavior，2019，97：231-240.

［35］" 周曼，郭露.自媒體時代的網(wǎng)絡(luò)暴力群體極化效應(yīng)成因研究：結(jié)構(gòu)方程模型的證據(jù)分析［J］.江西師范大學(xué)學(xué)報（哲學(xué)社會科學(xué)版），2021，54（4）：115-125.

［36］" Wakefield R L，Wakefield K.The antecedents and consequences of intergroup affective polarisation on social media［J］.Information Systems Journal （Oxford，England），2023，33（3）：640-668.

［37］" 汪明艷，余麗彬，朱譯冰.輿論反轉(zhuǎn)中群體極化效應(yīng)的影響因素研究［J］.情報雜志，2018，37（9）：106-112，119.

［38］" 微博2023用戶發(fā)展報告［R/OL］.［2024-02-10］.https：//yiqifu.baidu.com/m/articledetail？id=10870667007.

［39］" Garrett R K.Politically motivated reinforcement seeking［J］.Journal of Communication，2009，59（4）：676-699.

［40］" Barberá P，Jost J T，Nagler J，et al.Tweeting From Left to Right：Is Online Political Communication More Than an Echo Chamber？［J］.Psychological Science，2015，26（10）：1531-1542.

［41］" Van Aelst P，Str？觟mb？覿ck J，Aalberg T，et al.Political communication in a high-choice media environment：A challenge for democracy？［J］.Annals of the International Communication Association，2017，41（1）：3-27.

［42］" Cho J，Ahmed S，Hilbert M，et al.Do search algorithms endanger democracy？An experimental investigation of algorithm effects on political polarization［J］.Journal of Broadcasting amp; Electronic Media，2020，64（2）：150-172.

［43］" Beam M A，Hutchens M J，Hmielowski J D.Facebook news and（de）polarization： Reinforcing spirals in the 2016 US election［M］.Digital media，political polarization and challenges to democracy.Routledge，2020：26-44.

［44］" Neumann T，Kelm O，Dohle M.Polarisation and silencing others during the covid-19 pandemic in Germany：An experimental study using algorithmically curated online environments［J］.Javnost-The Public，2021，28（3）：323-339.

［45］" Johnson B K，Neo R L，Heijnen M E M，et al.Issues，involvement，and influence：Effects of selective exposure and sharing on polarization and participation［J］.Computers in Human Behavior，2020，104：106155.

［46］" Axel Westerwick，Benjamin K J，Silvia K W.Confirmation biases in selective exposure to political online information：Source bias vs.content bias［J］.Communication Monographs，2017，84（3）：343-364.

［47］" Zhu Q，Weeks B E，Kwak N.Implications of online incidental and selective exposure for political emotions：Affective polarization during elections［J］.New Media amp; Society，2024，26（1）：450-472.

［48］" 楊慶國，陳敬良，甘露.社會危機(jī)事件網(wǎng)絡(luò)微博集群行為意向研究 ［J］.公共管理學(xué)報，2016（1）：65-80.

［49］" Shah A M，Yan X，Qayyum A，et al.Mining topic and sentiment dynamics in physician rating websites during the early wave of the COVID-19 pandemic：Machine learning approach［J］.International Journal of Medical Informatics，2021（6）：104434.

［50］" Sharma A，Dwivedi Y K，Arya V，et al.Does sms advertising still have relevance to increase consumer purchase inte ntion？ a hybrid pls-sem-neural network modelling approach［J］.Computers in Human Behavior，2021（5）：106919.

［51］" Post S，Polarizing Communication as Media Effects on Antagonists.Understanding Communication in Conflicts in Digital Media Societies［J］.Communication Theory，2019，29（2）：213-235.

［52］" 張海，徐紅昌.S-O-R理論視角下網(wǎng)絡(luò)用戶信息繭房成因要素研究［J］.新世紀(jì)圖書館，2022（12）：15-22.

［53］" 陳宇，張麗，王洛忠.網(wǎng)絡(luò)時代鄰避集群行為演化機(jī)理——基于信息繭房的分析［J］.中國行政管理，2021（10）：106-114.

［54］" Baek T H，Morimoto M.STAY AWAY FROM ME：Examining the determinants of consumer avoidance of personalized advertising［J］.Journal of Advertising，2012，41（1）：59-76.

［55］" Lee T.The impact of perceptions of interactivity on customer trust and transaction intentions in mobile commerce［J］.Journal of Electronic Commerce Research，2005，21（2）：328-339.

［56］" 王偉軍，王陽，王玉珠，等.移動商務(wù)用戶個性化推薦采納行為影響因素的實(shí)證研究［J］.系統(tǒng)管理學(xué)報，2017，26（5）：816-823.

［57］" Pena J，Brody N.Intentions to hide and unfriend Facebook connections based on perceptions of sender attractiveness and status updates［J］.Computers in Human Behavior，2014，31：143-150.

［58］" 孫瑞英.網(wǎng)絡(luò)信息窄化的心理學(xué)解析［J］.情報科學(xué)，2010，28（11）：1625-1629.

［59］" 楊斌，王偉赟.圖書館個性化推薦服務(wù)的信息窄化問題研究 ［J］.傳播與版權(quán)，2017（2）：156-157，160.

［60］" 虞鑫，王金鵬.重新認(rèn)識“信息繭房”——智媒時代工具理性與價值理性的共生機(jī)制研究［J］.新聞與寫作，2022（3）：65-78.

［61］" Lee S Y.How do people compare themselves with others on social network sites？The case of Facebook［J］.Computers in Human Behavior，2014，32：253-260.

［62］" Buunk A P，Gibbons F X.Social comparion：The end of a theory and the emergence of a field［J］.Organizational Behavior amp; Human Decision Processes，2007，102（1）：3-21.

作者簡介：張瀚予（1989-），男，吉林大學(xué)講師，研究方向：網(wǎng)絡(luò)輿情與信息行為；丁怡寧（2004-），女，吉林大學(xué)商學(xué)與管理學(xué)院本科生，研究方向：信息行為；郭思琪（2003-），女，吉林大學(xué)商學(xué)與管理學(xué)院本科生，研究方向：信息行為。