网络过滤器泡沫这一流行术语由埃利·帕雷瑟创造，指一种认知或意识形态的孤立状态：由网络算法通过用户过去的行为和搜索历史，提供其认同的信息结果。然而，我们的高级研究员理查德·弗莱彻发现，有关网络过滤泡沫的学术研究却讲述了一个完全不同的故事。

　　因为我们看到了太多片面的内容，忽视了其他的可能性，于是开始认为现实就是这样的。过滤器泡沫描述的是：

　　这与回音室截然不同，因为回音室可能是过滤器的结果，也可能是其他因素的结果，但过滤器泡沫必然是算法过滤的结果。

　　为什么过滤器泡沫如此盛行？过滤器泡沫是非常有力的描述，背后的机制似乎也说得通。每个人都能理解而且听起来不无道理。

　　理解过滤器泡沫非常重要，自特朗普当选以来，它甚至改变了我们理解政治的方式。《连线》杂志的一篇文章称，

　　（Digital News Report），它调查了五大洲38个不同新闻市场的情况，主要集中在欧洲，约75,000人参与调查。调查由YouGov完成，我们负责设计问卷。

　　当问到人们主要的新闻来源是什么时，回答网络和电视的受访者大致相同。在一些国家，电视略微领先。在另一些国家，网络略占优势。但总的来说，人们获取新闻的方式非常相似：使用网络和电视获取新闻远远超过了报纸和广播。

　　对于45岁以上的人来说，电视更有可能是主要的新闻来源。45岁以下的人更有可能从网上获取新闻。

　　自2013年以来，我们一直在追踪不同国家对社交媒体新闻的获取情况。从2013年到2016年，

　　如果再深入研究各个社交平台，就会发现在大多数国家，Facebook是获取新闻的主导平台。

　　根据2014年不同国家用户的数据，Facebook的新闻用户徘徊在全国用户的35％左右。

　　同一时期，WhatsApp等其他社交网络在获取新闻方面变得越来越重要。这些不同类型的社交网络也被归在社交媒体的类别下。

　　在过去五年里，通过WhatsApp浏览新闻的人数从10％增长到16％，Instagram也出现了类似的增长。

　　在某种程度上也依赖算法传播新闻。当我们问人们在网上获取新闻的主要方式是什么时，大约三分之一的人说是BBC新闻或《卫报》等新闻门户的网站和App。

　　另外三分之二的人获取新闻的主要方式是通过搜索引擎、社交媒体等，其中部分服务在不同程度上依赖算法。

　　当谈到过滤器泡沫时，我们应该关注其潜在的影响。算法和算法驱动的新闻服务非常重要，很多人借此获取在线新闻。

　　指的是我们自愿的个性化处理，这一点特别重要。人们决定如何个性化新闻服务：买什么报纸、看什么频道，同时决定不看什么新闻。学者称之为选择性浏览。它受到一系列事物的影响，比如人们对新闻的

　　、政治信仰等等。预选个性化是针对用户的个性化，有时通过算法进行，有时在人们不知情的情况下进行。这与过滤器泡沫直接相关，因为算法可能代替人们做出选择，而人们可能还没有意识到。

　　弄清区别特别重要，因为我们不能将预选个性化及其影响与无自选个性化等同，不能假设人们在线下或者网上阅读新闻是完全随机的行为。人们或多或少地参与了个性化，如果想了解预选个性化的程度，

　　。线上情况则不同，单个新闻门户的受众较小，新闻浏览分散在许多不同的站点。

　　线上新闻通常是免费的，人们从不同的来源浏览新闻，我们发现，线下新闻自选个性化比线上更突出。这就是为什么将线上新闻与现实情况比较如此重要的原因。

　　大家的时间有限，所以算法所做的决定将会影响人们在Facebook看到的内容。为了理解社交媒体如何影响新闻，我们将不使用社交媒体的人群与另外两个群体比较：一组人称他们有目的地使用社交媒体获取新闻，另一组称当他们使用社交媒体时，无意浏览了新闻。我们比较了英国、美国、意大利和澳大利亚的数据，研究社交媒体对不同人群和不同社交网络的影响。

　　我们发现使用社交媒体的人总会顺便接触到新闻，与根本不使用社交媒体的人群相比，这显著增加了此类人群阅读新闻的数量。也就是说，使用社交媒体的人群拥有更多不同的在线新闻来源。

　　对于那些对新闻不感兴趣的人群来说，这种影响同样巨大。我们还发现YouTube和Twitter的新闻影响强于Facebook，这一点非常值得关注。我们的研究表明大多数人，尤其是社交媒体用户，对新闻并不是很感兴趣。

　　对新闻不感兴趣的人很容易完全忽视有关内容，但他们经常使用社交媒体，因此会偶然接触到新闻，即使他们没有搜索新闻。

　　搜索引擎不同于社交媒体，当人们打开搜索引擎搜索新闻时，他们是在有意识地搜索。但是，当搜索特定的主题时，搜索引擎仍有可能基于过去的数据，进行算法选择。

　　我们比较了四个国家中搜索新闻和不用搜索引擎的数据，研究他们的新闻浏览习惯，我们称其为

　　我们发现算法有效地丰富了人们的新闻选择。使用搜索引擎的人会比不使用搜索引擎的人接触更多的新闻来源。更重要的是，他们很少只看到单一方面的偏激观点。依靠自我选择的人往往有

　　其他研究怎么说？我们的研究与同领域的其他研究结果一致，尽管看待问题的方式不尽相同。有研究比较了不同群体的搜索结果，比如美国共和党人和人。

　　事实上，搜索政治话题时得到的结果或多或少有相同之处，也没有确凿的证据表明不同观点的人得到的搜索结果不同。调查数据的问题是，

　　这是以往一直存在的问题。我们跟踪了一组英国人的网络使用情况，并将人们直接访问新闻来源的情况与通过Facebook、Twitter等门户浏览新闻的情况进行了比较。

　　在社交媒体上获取新闻时，人们不仅拥有更多的新闻来源，而且这些资源之间的平衡随着多样性的增加而改善。有许多研究要么发现了过滤器泡沫的微弱影响，要么融合了其他干扰因素。几乎没有研究发现过滤器泡沫对新闻影响的有力证据。这是我们目前工作的总结，具有很高的代表性。

　　美国一组研究人员观察了人们在Twitter上浏览与自己观点相左的新闻所发生的情况。如果他们是共和党人，他们会从Twitter上得到很多人的信息，反之亦然。他们发现，

　　我们采取了不同的研究方法：衡量不同国家不同新闻环境中两极分化的程度，研究特定新闻媒体的受众，查验这些受众所持观点的人群构成与整体人口有何不同。

　　不出所料，福克斯新闻在美国的受众比总体上更右倾。美国新闻环境是两极分化的，因为这里的过滤器泡沫效应比其他国家分布更为广泛。我们还比较了线上和线下的新闻浏览情况。

　　其他国家的数据要么基本相同，要么线下的情况更加两极分化。不过，总的来说，

　　为什么不要关注过滤器泡沫？专注于过滤器泡沫可能会导致我们误解新闻背后的机制，也可能会分散我们对更紧迫问题的注意力。在某种程度上，它与网络平台的使用有关。这并不是网络平台的问题，而是平台凸显了这个问题。

　　这与过滤器泡沫假设的预测正好相反。我们没有因为过滤器泡沫导致多样性降低。这一假设未能抓住过滤器泡沫背后的原理。

　　我们知道平台一直在改变为用户提供新闻的方式，人们获取新闻的方式也在改变。因此，我们需要批判性地研究算法选择对新闻的影响，过去几年的情况也不一定会在未来成为现实。最重要的一点，

　　虽然我们一直在研究社交平台及其对阅读新闻的影响，但我们不能忽视更重要的潜在因素，它们才是现在社会问题的根本原因。