摘 要：當(dāng)前手機(jī)已成為人們生活、學(xué)習(xí)和工作的必備工具。文章探索了“過濾氣泡”現(xiàn)象對手機(jī)應(yīng)用用戶的消極影響及規(guī)避消極影響的策略，以幫助用戶理性使用各類軟件，也為軟件開發(fā)企業(yè)提供新的開發(fā)視角。文章主要利用Python爬取攜程APP推薦的兩個(gè)景點(diǎn)的用戶評論數(shù)據(jù)，通過剔除或保留所爬取的有效數(shù)據(jù)，再利用扎根理論研究方法進(jìn)行篩選和整理分析。根據(jù)數(shù)據(jù)分析結(jié)果，從企業(yè)和用戶兩個(gè)角度提出規(guī)避“過濾氣泡”消極影響的策略，包括采用融入反向推薦機(jī)制促進(jìn)用戶信息獲取公平性，貫徹以人為本基本理念統(tǒng)一經(jīng)濟(jì)與社會(huì)效益；明確檢索目的，適當(dāng)把握和取舍檢索的深度廣度，由主流媒體倡導(dǎo)個(gè)人養(yǎng)成科學(xué)的信息獲取習(xí)慣。

關(guān)鍵詞：過濾氣泡；個(gè)性化推薦；用戶服務(wù)；扎根理論；攜程

中圖分類號(hào)：G206.2文獻(xiàn)標(biāo)識(shí)碼：A

Research on the Phenomenon of "Filter Bubbles" in Mobile Applications and Strategies for Mitigation

Abstract Mobile phones have become indispensable tools for people's daily lives， study， and work. This study aims to explore the negative impacts of "filter bubbles" on mobile application users and strategies to mitigate these effects， thereby assisting users in using various software rationally and providing new development perspectives for software development companies. The study primarily utilizes Python for web scraping to collect user review data from two tourist attractions recommended by the Ctrip app. Through filtering and analysis using rooted theory research methods， valid data is extracted and analyzed. Based on the analysis results， strategies for mitigating the negative impacts of "filter bubbles" are proposed from the perspectives of both enterprises and users. These strategies include integrating reverse recommendation mechanisms to promote fairness in user information acquisition， adhering to the fundamental principle of human-centeredness to unify economic and social benefits， clarifying search purposes， appropriately balancing the depth and breadth of searches， and advocating for individuals to cultivate scientific information acquisition habits through mainstream media.

Key words filter bubbles; personalized recommendations; user services; rooted theory; Ctrip

1 引言

在數(shù)智時(shí)代，人們應(yīng)用的各類移動(dòng)平臺(tái)愈加多元化、智能化，而在享受數(shù)智化帶來的便利的同時(shí)，人們也受到其后臺(tái)個(gè)性化算法的影響，辟如現(xiàn)有多數(shù)APP （application，應(yīng)用程序）都附帶個(gè)性化推薦功能，即依據(jù)用戶的登錄信息、興趣愛好、所搜索關(guān)鍵詞、點(diǎn)擊量等向其推薦信息的機(jī)制，這導(dǎo)致用戶被動(dòng)地接收信息并出現(xiàn)“過濾氣泡”現(xiàn)象。

“過濾氣泡”概念最早由美國學(xué)者提出，國外相關(guān)研究聚焦“過濾氣泡”的政治影響，認(rèn)為“過濾氣泡”能夠在民主選舉等重要公共事件中影響甚至引導(dǎo)民眾觀點(diǎn)，加快意識(shí)形態(tài)極化，不利于社會(huì)團(tuán)結(jié)[1]；而國內(nèi)學(xué)者在關(guān)注研究“過濾氣泡”時(shí)主要從圖書情報(bào)與檔案管理、多媒體、傳播學(xué)領(lǐng)域著手。張庭瑋等人從用戶信息行為角度出發(fā)，通過分析用戶面對“過濾氣泡”時(shí)的忽略行為、緩解行為等，得出推薦算法通過態(tài)度及感知控制的中介作用對用戶行為產(chǎn)生了影響，從而導(dǎo)致用戶產(chǎn)生負(fù)向心理感知、信息認(rèn)知偏差等行為[2]；閻國華、韓碩從主流媒體角度出發(fā)，研究了“過濾氣泡”現(xiàn)象對青年價(jià)值觀的不利影響，須利用提高主流媒體話語傳播能力、規(guī)范媒介傳播功利性傾向等方法規(guī)避其消極影響，以便引導(dǎo)青年群體形成理性、科學(xué)的價(jià)值觀[3]；楊莉明從傳播學(xué)角度出發(fā)，結(jié)合個(gè)性化推薦算法的過濾分發(fā)機(jī)制和傳播技術(shù)在國內(nèi)外移動(dòng)互聯(lián)網(wǎng)新聞傳播中的應(yīng)用實(shí)踐，揭示了傳播領(lǐng)域個(gè)性化推薦造成了信息過載、閱讀淺薄化從而帶來了諸多消極影響[4]。綜上，學(xué)者們大都認(rèn)為“過濾氣泡”即“人們被動(dòng)的接受算法推薦的個(gè)性化信息的結(jié)果，主要強(qiáng)調(diào)算法推薦技術(shù)的作用”[2]，并從多角度闡述了“過濾氣泡”現(xiàn)象、影響及其規(guī)避方法，其中又以策略研究為主。目前在使用手機(jī)應(yīng)用軟件時(shí)陷于“過濾氣泡”的用戶很多，而現(xiàn)有研究缺乏對利用應(yīng)用軟件時(shí)陷于“過濾氣泡”現(xiàn)象本身的發(fā)現(xiàn)與挖掘，雖然通過本研究也無法完全探明和消除此效應(yīng)的消極影響，但期望通過描摹、挖掘現(xiàn)象本身，提出規(guī)避“過濾氣泡”消極影響的可行性方案，以便幫助用戶獲取高質(zhì)量、多元化、全面的真實(shí)信息。

2 過濾氣泡概念、描述及其表現(xiàn)形式

2.1 過濾氣泡

2011年，伊萊·帕里澤（Eli Pariser）在《別讓算法控制你》中首次提出“過濾氣泡”（Filter Bubble）[5]。他指出網(wǎng)絡(luò)媒介平臺(tái)可依托技術(shù)手段主動(dòng)過濾用戶不感興趣的信息，形成“The Daily Me”的信息體驗(yàn)（即個(gè)性化信息世界）[6]。對用戶而言，個(gè)性化信息世界實(shí)質(zhì)上是由一系列個(gè)性化過濾裝置精心構(gòu)造的“獨(dú)特環(huán)境”：以用戶個(gè)體的主觀興趣偏好為導(dǎo)向，受信息技術(shù)發(fā)展、個(gè)體信息接收習(xí)慣調(diào)整等多因素影響而生成的個(gè)性化的信息篩選過程，事實(shí)上受眾生活的各方面都被涵蓋其中，最終使“人們專注于確證自己觀念的內(nèi)容”[7]。過濾氣泡本質(zhì)上是由當(dāng)代個(gè)性化鮮明并具備主觀能動(dòng)性的人們必須被動(dòng)接受信息的事實(shí)和社會(huì)機(jī)制造成的。

2.2 過濾氣泡現(xiàn)象描摹

各類APP的后臺(tái)個(gè)性化算法推薦機(jī)制會(huì)根據(jù)用戶信息、瀏覽器、點(diǎn)擊過的圖片、鏈接等定制出個(gè)性化結(jié)果并加以推送。如兩個(gè)人同時(shí)搜索某關(guān)鍵詞，搜索結(jié)果頁面顯示卻可能完全不同，通過后臺(tái)定制可使不同用戶得到不同信息，推薦機(jī)制所推薦的是系統(tǒng)想讓用戶看到而非用戶真正需要的信息。因此過濾氣泡現(xiàn)象可表現(xiàn)為：用戶接收的信息范圍縮小乃至單一化，就如將他們禁錮在“泡泡”里。雖用戶肉眼可見其所獲取信息的相似度越來越高，但僅少部分用戶會(huì)采取措施“戳破泡泡”?；谏鲜鑫墨I(xiàn)和推理闡釋可知，在客觀上本現(xiàn)象在當(dāng)代普遍存在，長此以往會(huì)造成用戶信息閉塞和信息窄化；同時(shí)其仍具備并保持了幫助用戶過濾信息、減輕“信息過載”等積極影響，本研究所提出的策略目標(biāo)是為了規(guī)避或削弱“過濾氣泡”顯著的消極影響。

2.3 攜程的個(gè)性化算法推薦機(jī)制表現(xiàn)形式

攜程是國內(nèi)一家總部設(shè)于上海市的在線票務(wù)服務(wù)品牌，其主要相關(guān)服務(wù)項(xiàng)目有酒店、機(jī)票、旅游的預(yù)訂和規(guī)劃等。而個(gè)性化算法推薦機(jī)制指用戶信息控制平臺(tái)根據(jù)用戶所填寫的個(gè)人數(shù)據(jù)及其興趣愛好，向用戶推送新聞信息、商業(yè)廣告等為其“專門定制”的信息內(nèi)容[8]，使用戶被動(dòng)接收信息。攜程的個(gè)性化算法推薦機(jī)制包括下列形式：關(guān)鍵詞布局、建立畫像、熱門標(biāo)簽、互動(dòng)率、位置信息等。其中關(guān)鍵詞布局、建立畫像和位置信息是更容易被發(fā)現(xiàn)的機(jī)制形式。攜程旅行網(wǎng)作為“智慧旅游”的先導(dǎo)者之一，其服務(wù)規(guī)?；唾Y源規(guī)模化以及先進(jìn)的管理和控制體系是核心優(yōu)勢[9]。攜程CTO（Chief Technology Officer，首席技術(shù)官）甘泉指出：“我們優(yōu)先展示的，就是用戶感興趣的?！盵10]雖然攜程的個(gè)性化算法推薦機(jī)制及其功能并非獨(dú)有，但其借助自身優(yōu)勢在出行行業(yè)的互聯(lián)網(wǎng)覆蓋率和資源整合能力上遙遙領(lǐng)先，其不僅機(jī)票價(jià)格便宜，所提供的旅游住宿等一站式服務(wù)更是為用戶提供了極大便利。其個(gè)性化推薦算法所建立的用戶畫像機(jī)制也是其他程序無法匹敵的。

3 研究方法與數(shù)據(jù)分析

3.1 數(shù)據(jù)來源

本文的數(shù)據(jù)來源即攜程這一軟件運(yùn)營和旅游服務(wù)平臺(tái)。筆者于2023年1月1日利用數(shù)據(jù)爬取技術(shù)，爬取了時(shí)間區(qū)間為2020年1月1日—2023年1月1日的攻略景點(diǎn)模塊下同處于桂林的“漓江風(fēng)景區(qū)”和“興坪古鎮(zhèn)”的用戶在線評論。選取這二者是利用理論抽樣的方法，出于建構(gòu)相關(guān)理論的需要并兼顧了獲取方便性和數(shù)據(jù)可獲取性原則，在選取景區(qū)案例的過程中發(fā)現(xiàn)二者同屬于桂林途經(jīng)線路的景區(qū)，它們既有共同點(diǎn)又各具特色，二者旅游體驗(yàn)項(xiàng)目存在重合的部分，如乘船游江、新版20元人民幣的背景；不同之處在于“興坪古鎮(zhèn)”主推古鎮(zhèn)的游覽和體驗(yàn)，而“漓江風(fēng)景區(qū)”主推自然風(fēng)光。因此，本文正是基于理論抽樣的科學(xué)原理和通過對相似景點(diǎn)評論的對比分析得出結(jié)論的。在爬取完相關(guān)數(shù)據(jù)后，經(jīng)過人工篩選并剔除無效評論，對所得用戶評論進(jìn)行扎根理論編碼并對比分析上述兩景點(diǎn)評論，從而挖掘、呈現(xiàn)和勾勒出攜程APP的“過濾氣泡”現(xiàn)象，以便使用戶了解個(gè)性化推薦算法是如何制約用戶檢索行為，幫助用戶提升主動(dòng)檢索的能力。

3.2 開放式編碼

本文主要分析了用戶評論的初始概念，首先爬取攜程APP中的“興坪古鎮(zhèn)”和“漓江風(fēng)景區(qū)”兩個(gè)景點(diǎn)的用戶評論，然后篩選爬取到的用戶評論，而后再次篩選所保留數(shù)據(jù)并刪除相互矛盾的數(shù)據(jù)。再經(jīng)多次篩選直至達(dá)到飽和狀態(tài)，最終獲得“興坪古鎮(zhèn)”的20條原始評論和20個(gè)初始范疇以及“漓江風(fēng)景區(qū)”的20條原始評論和20個(gè)初始范疇。表1所含概念已足夠支撐本研究，它們也為后續(xù)的主軸編碼和選擇性編碼奠定了基礎(chǔ)。

3.3 主軸編碼

主軸編碼是通過發(fā)現(xiàn)并建立概念類屬間聯(lián)系，進(jìn)而挖掘出所得數(shù)據(jù)資料中各部分間有機(jī)關(guān)聯(lián)[11]。根據(jù)開放編碼分析后，再通過主軸編碼得出九個(gè)主范疇依次為感知風(fēng)險(xiǎn)、出游體驗(yàn)、心理預(yù)判、品嘗美食、示范性建議、自然追求、歷史人文、出行時(shí)間安排和消費(fèi)的主觀判斷（見表2）。

3.4 選擇性編碼

選擇性編碼是數(shù)據(jù)分析的最后階段，此階段是通過整合和提煉所有命名的概念類屬得到一個(gè)“核心類屬”。根據(jù)所收集在線評論的文本數(shù)據(jù)資料和三級編碼，串聯(lián)所有范疇的相互關(guān)系，最終得出出游行為、感知價(jià)值、接受程度、可獲得性、客觀存在、目標(biāo)追求和主觀感受七個(gè)核心范疇（見表3），此時(shí)各關(guān)鍵詞間的關(guān)系更加清晰和緊密。

3.5 理論飽和度檢驗(yàn)

本文從攜程APP中篩選出用戶對興坪古鎮(zhèn)和漓江風(fēng)景區(qū)的有效評論各30條，對二者分別選取20條有效評論用作扎根理論編碼，各10條有效評論用作飽和度檢驗(yàn)，預(yù)留的有效評論占總評論數(shù)的1/3，符合飽和度檢驗(yàn)要求。檢驗(yàn)過程示例如下：

“興坪古鎮(zhèn)”：興坪古鎮(zhèn)必須要去老寨山觀峰林美景日落（親近自然），在興坪品嘗的當(dāng)?shù)赜忻墓鹆置追酆推【启~，確實(shí)別有一番風(fēng)味（特色美食），但景區(qū)內(nèi)的垃圾太多了，沒有專業(yè)的清潔人員打掃衛(wèi)生（服務(wù)態(tài)度差）……

“漓江風(fēng)景區(qū)”：導(dǎo)游廖計(jì)娟非常優(yōu)秀，服務(wù)周到（服務(wù)態(tài)度好），體驗(yàn)非常好（旅游體驗(yàn)好）……

按照上述方法，依次對預(yù)留用戶評論進(jìn)行范疇檢驗(yàn)，得出的范疇均屬于上述扎根編碼中的范疇，未出現(xiàn)新范疇。因此，本文收集的數(shù)據(jù)達(dá)到了飽和，無需進(jìn)一步擴(kuò)大搜集范圍。

3.6 數(shù)據(jù)分析

通過利用扎根理論研究方法對用戶在線評論進(jìn)行三級編碼，兩景區(qū)數(shù)據(jù)都得出出行態(tài)度、感知價(jià)值、接受程度、可獲得性、客觀存在、目標(biāo)追求和主觀感受七個(gè)核心范疇，體現(xiàn)出所選的兩個(gè)景區(qū)具有一定可比性，雖如上文所示抽取二者用戶在線評論進(jìn)行編碼的過程中發(fā)現(xiàn)二者的范疇基本相同，但在攜程APP上所展現(xiàn)的個(gè)性化推薦卻完全不同。這恰好說明攜程的推薦機(jī)制存在“過濾氣泡”現(xiàn)象。在用戶評論中可見，兩個(gè)景區(qū)各有優(yōu)劣：“興坪古鎮(zhèn)”和“漓江風(fēng)景區(qū)”都擁有“陽朔特色美食：松花糖、啤酒魚等”；二者風(fēng)景都詳實(shí)且壯麗，都是“桂林山水甲天下”的一部分，且“興坪古鎮(zhèn)”又包含“漓江精華水路路段”。但二者也都帶有“濃重的商業(yè)化氣息”，存在“道德綁架式推銷”和“車上各種推銷”等劣勢現(xiàn)象。依用戶評論可知，如此相似的兩個(gè)景區(qū)卻無法帶給用戶相同的識(shí)別度，即攜程APP在推薦桂林景區(qū)時(shí)將“漓江風(fēng)景區(qū)”置于首頁，而“興坪古鎮(zhèn)”無法在首頁獲取。而截止到2023年1月1日，用戶給出“漓江風(fēng)景區(qū)”與“興坪古鎮(zhèn)”的熱度值①分別為87%、71%，二者存在明顯的差異，而這種差異是攜程后臺(tái)向用戶推送的依據(jù)。攜程APP根據(jù)熱度值對景區(qū)進(jìn)行排序，熱度值越高則景區(qū)排序越靠前，因此，“漓江風(fēng)景區(qū)”處于首頁，而“興坪古鎮(zhèn)”熱度值相對較低，因此需要二次檢索才能獲取相關(guān)信息，正是此機(jī)制對用戶產(chǎn)生誘導(dǎo)行為，弱化了用戶的檢索行為，導(dǎo)致用戶慣性地被動(dòng)接受信息，因此存在“過濾氣泡”現(xiàn)象。

4 過濾氣泡的消極影響辨析

4.1 從企業(yè)角度出發(fā)

4.1.1 阻礙了用戶獲取信息的公平性

首先，用戶的信息獲取應(yīng)是公平、全面的，這也是用戶獲取信息時(shí)的最大訴求。用戶本就享有平等和自由利用并獲取信息資源的基本權(quán)利[12]。而這種個(gè)性化推薦和算法是一種隱性的存在[13]，在用戶毫無察覺的情況下控制用戶信息的獲取寬度和廣度。這在一定程度上妨礙了用戶獲取信息公平性的實(shí)現(xiàn)，致使用戶個(gè)人信息權(quán)利無法實(shí)現(xiàn)，加劇信息資源獲取不平等問題的產(chǎn)生[14]。當(dāng)用戶使用攜程APP時(shí)，其后臺(tái)會(huì)向用戶推送平臺(tái)想給其看到的信息，用戶在使用過程中被動(dòng)地接收信息，從上文所做的扎根理論數(shù)據(jù)分析中可知部分用戶在接受平臺(tái)推薦的景區(qū)并去過實(shí)地后發(fā)現(xiàn)其描述與現(xiàn)實(shí)和預(yù)期不符，如“真心的讓人很失望，心中的美景被過度的商業(yè)化旅游的開發(fā)弄的哪還有個(gè)樣兒！”這種評論不實(shí)的現(xiàn)象會(huì)惡化對信息質(zhì)量的評價(jià)，造成了用戶獲取的信息數(shù)量與質(zhì)量失衡。由于用戶所收到的消息推送會(huì)根據(jù)用戶的瀏覽和點(diǎn)擊行為開展，如若用戶誤點(diǎn)了自己不了解且無興趣的信息，接下來用戶所瀏覽到的信息都與其相關(guān)，長此以往用戶的視野被限定在單一領(lǐng)域，降低了用戶獲取信息的多樣與多元性。

4.1.2 企業(yè)忽略對用戶的人文關(guān)懷造成社會(huì)評價(jià)降低

貫徹人文關(guān)懷理念是企業(yè)創(chuàng)建良好、穩(wěn)定運(yùn)營的基本要求。很多運(yùn)營商一味追求經(jīng)濟(jì)效益和經(jīng)濟(jì)利益，忽略人文關(guān)懷，企業(yè)在創(chuàng)建APP時(shí)考慮的大多是如何獲取更高的經(jīng)濟(jì)利潤。筆者在進(jìn)行用戶評論數(shù)據(jù)篩選的過程中發(fā)現(xiàn)攜程APP在推薦景觀圖片時(shí)為了能夠吸引用戶而過分美化圖片，在不考慮客觀因素的同時(shí)導(dǎo)致用戶“去了兩次桂林都趕上陰天體驗(yàn)感很差”。還有些景觀甚至與現(xiàn)實(shí)不符，導(dǎo)致用戶受APP推薦的精美景觀吸引而進(jìn)行了消費(fèi)之后，發(fā)現(xiàn)實(shí)際與推薦不符且無法匹配心理預(yù)期，如“坐了大船也坐了帶發(fā)動(dòng)機(jī)的竹筏，沒有給人在畫中游的感覺”，造成用戶落差感較大、出行體驗(yàn)不佳。這種忽略人文關(guān)懷和用戶實(shí)際體驗(yàn)的情況一旦出現(xiàn)，也會(huì)導(dǎo)致用戶對該APP的印象變差，甚至出現(xiàn)差評或者卸載現(xiàn)象，最終使APP評分降低。這不僅造成用戶和市場滿意度下降，而且對運(yùn)營商造成市場聲譽(yù)、銷量等多方面損失。

4.2 從用戶角度出發(fā)

4.2.1 用戶瀏覽目的不明確時(shí)導(dǎo)致時(shí)長焦慮

當(dāng)用戶無目的瀏覽時(shí)，通常情況下會(huì)在獲取一種類型的信息后得到系統(tǒng)更多的同類型信息推薦，導(dǎo)致用戶無法獲取其他類型的信息。當(dāng)用戶有旅行的意愿卻又沒有明確的目的地時(shí)，用戶往往會(huì)通過攜程APP的景點(diǎn)推薦模塊獲取信息，此時(shí)后臺(tái)的個(gè)性化推薦機(jī)制就會(huì)為用戶推薦熱度高、流量大的景點(diǎn)，而較不可能推薦流量、熱度相對較小但景色毫不遜色的景區(qū)。用戶如果僅根據(jù)系統(tǒng)推薦去瀏覽熱門景區(qū)，就會(huì)造成所得情報(bào)范圍窄小，用戶也會(huì)陷入熱度越高，體驗(yàn)越好的錯(cuò)覺中，相似性信息聚集也會(huì)加重用戶的無目的性。雖然攜程APP推薦的景區(qū)存在著熱度與評分的差異，但對相關(guān)景點(diǎn)的推薦大多千篇一律，并未強(qiáng)調(diào)各自的特色與適用的獨(dú)特性，因此造成用戶花費(fèi)更多時(shí)間瀏覽相關(guān)信息，進(jìn)一步加重用戶信息瀏覽的時(shí)長焦慮。

4.2.2 信息窄化不利于開拓個(gè)人視野

在用戶瀏覽信息的過程中，會(huì)不自覺地被禁錮在系統(tǒng)所營造的“過濾氣泡”中，導(dǎo)致信息窄化[15]。用戶在攜程APP中進(jìn)行關(guān)鍵詞搜索“桂林山水”，可得出大量相關(guān)信息，但是在對攜程APP之后的使用過程中，系統(tǒng)會(huì)保留用戶最近的瀏覽記錄并進(jìn)行針對性的個(gè)性化算法推薦，大量推送與其相關(guān)、相似的信息。這是因?yàn)锳PP后臺(tái)的推薦機(jī)制里包括熱門標(biāo)簽，用戶所瀏覽的推薦頁面內(nèi)容也大多是與“桂林山水”相關(guān)的信息，從上文分析的“漓江風(fēng)景區(qū)”87%的熱度值可知，系統(tǒng)會(huì)根據(jù)風(fēng)景區(qū)的熱度首先推送“漓江風(fēng)景區(qū)”相關(guān)信息，會(huì)讓游客先入為主，從而將它作為第一選擇，而忽略了其他景區(qū)。此機(jī)制會(huì)導(dǎo)致用戶所獲取的信息固化、內(nèi)容大同小異，從而不利于用戶開拓個(gè)人視野。

5 消極影響的規(guī)避策略

5.1 從企業(yè)角度出發(fā)

5.1.1 融入反向推薦機(jī)制以促進(jìn)用戶信息獲取公平性

由于系統(tǒng)的個(gè)性化推薦機(jī)制導(dǎo)致用戶被包圍在“過濾氣泡”之中，其在獲取信息時(shí)受到了限制和禁錮，其所能夠獲取信息的范圍較狹窄，種類單一缺乏多樣性。攜程的個(gè)性化推薦機(jī)制具有普遍性及大眾性的特點(diǎn)，但并不適合所有用戶及一切情況，節(jié)假日、人流量、消費(fèi)能力等眾多因素都對用戶的信息選擇產(chǎn)生較大影響。無論是推薦熱度高的“漓江風(fēng)景區(qū)”還是推薦熱度低的“興坪古鎮(zhèn)”，它們都具有各自的發(fā)展歷史、名勝古跡及傳統(tǒng)文化。因此攜程應(yīng)將反向推薦機(jī)制融入個(gè)性化服務(wù)推薦中[16]，對“興坪古鎮(zhèn)”這種小眾化但景色優(yōu)美、性價(jià)比高且與“漓江風(fēng)景區(qū)”相似度高的景區(qū)，完全可作為平替熱門景點(diǎn)的相關(guān)景點(diǎn)重點(diǎn)推送，讓用戶在進(jìn)行對比后擁有更多選擇，促進(jìn)用戶信息獲取的公平性。

5.1.2 企業(yè)貫徹以人為本理念，提高用戶主動(dòng)探索信息的意識(shí)

企業(yè)在考慮自身經(jīng)濟(jì)利益的同時(shí)，也要兼顧可持續(xù)發(fā)展。而“以人為本”是各行業(yè)必須遵守踐行的準(zhǔn)則，做到以人為本，才可長遠(yuǎn)發(fā)展。企業(yè)應(yīng)積極主動(dòng)承擔(dān)起社會(huì)責(zé)任，秉持“以用戶為中心”的原則，將以人為本的理念貫徹到機(jī)構(gòu)的運(yùn)營中去，改善個(gè)性化服務(wù)推薦機(jī)制[17]，降低“過濾氣泡”帶來的消極影響。企業(yè)應(yīng)保障用戶自由獲取信息的權(quán)利，保證用戶所獲取的信息具有真實(shí)性。企業(yè)應(yīng)對信息進(jìn)行適當(dāng)?shù)拿阑托麄?，切忌過度美化而導(dǎo)致用戶所獲取的信息失真。企業(yè)應(yīng)把更多的選擇權(quán)交給用戶，讓用戶通過真實(shí)的信息和圖片了解各個(gè)景點(diǎn)，呈現(xiàn)出“桂林山水甲天下真是所言非虛”的真實(shí)效果。由于在當(dāng)前時(shí)代背景下，個(gè)性化信息服務(wù)是提升企業(yè)競爭力的關(guān)鍵，所以我們雖無法完全消除“過濾氣泡”的消極影響，但應(yīng)將其消極影響最小化。此外，企業(yè)須不斷優(yōu)化算法設(shè)計(jì)，將人本思想貫徹到算法設(shè)計(jì)中，擴(kuò)大用戶的自主選擇范圍，引導(dǎo)用戶進(jìn)行自由選擇。提高用戶主動(dòng)探索信息的意識(shí)，努力拓寬其信息渠道以確保信息獲取的多樣性，而不是引導(dǎo)用戶在一定范圍內(nèi)被動(dòng)選擇信息。

5.2 從用戶角度出發(fā)

5.2.1 明確檢索目的，適當(dāng)把握和取舍檢索的深度廣度

用戶在進(jìn)行檢索時(shí)，應(yīng)當(dāng)明確自己的檢索目的，使檢索關(guān)鍵詞盡量詳細(xì)精準(zhǔn)，以確保檢索結(jié)果更精確、更具體。在獲取檢索結(jié)果后根據(jù)檢索目的篩選，直到篩選出目標(biāo)情報(bào)為止。而這一切的基礎(chǔ)是用戶可主動(dòng)規(guī)避“過濾氣泡”。考慮到部分用戶檢索能力有限，無法在短時(shí)間內(nèi)提升檢索能力，因而可通過關(guān)閉個(gè)性化推薦按鈕提高所獲取信息的質(zhì)量。目前很多APP如抖音、淘寶、大眾點(diǎn)評、攜程等都開通了個(gè)性化推薦按鈕功能，用戶可主動(dòng)關(guān)閉個(gè)性化推薦按鈕，之后在明確檢索目的的同時(shí)檢索關(guān)鍵詞，在檢索結(jié)果中適當(dāng)選取契合所需的信息即可。在關(guān)閉個(gè)性化推薦按鈕后，后臺(tái)便不會(huì)根據(jù)用戶的應(yīng)用表征進(jìn)行大篇幅的個(gè)性化推送。用戶也可根據(jù)攜程APP用戶在線評論中“攻略經(jīng)驗(yàn)”部分增加自己的選擇權(quán)，從而掌握信息獲取的主動(dòng)權(quán)。

5.2.2 借助主流媒體培養(yǎng)個(gè)人科學(xué)的信息獲取習(xí)慣

大多數(shù)用戶信息意識(shí)較薄弱、信息檢索能力有限。因此，用戶應(yīng)主動(dòng)提升自身信息水平，并為自身能夠獲得更好的體驗(yàn)最終促進(jìn)社會(huì)的進(jìn)步發(fā)展而培養(yǎng)個(gè)人的信息獲取習(xí)慣。這就需要借助主流媒體，發(fā)揮其教育職能。用戶應(yīng)主動(dòng)了解主流媒體所承擔(dān)的宣傳教育任務(wù)，即提倡用戶上網(wǎng)時(shí)去偽存真，將真實(shí)性、多樣性的信息推廣宣傳給用戶。因此，用戶可借助主流媒體所設(shè)立的信息檢索板塊或者多樣化信息的主題，切換關(guān)鍵詞去搜索想要的信息，將主動(dòng)權(quán)把握在自己手中，盡量避免被動(dòng)接收信息；《光明日報(bào)》、人民網(wǎng)、騰訊網(wǎng)等較受歡迎的主流媒體也可做相關(guān)宣傳，引導(dǎo)用戶如何規(guī)避信息窄化，信息單一性的弊端，引導(dǎo)用戶養(yǎng)成科學(xué)的信息獲取習(xí)慣[18]。

6 結(jié)語

本文選取了攜程APP的“漓江風(fēng)景區(qū)”和“興坪古鎮(zhèn)”相關(guān)評論數(shù)據(jù)作為研究對象，爬取、篩選和分析編碼了相關(guān)用戶的在線評論。根據(jù)分析結(jié)果可得出，“過濾氣泡”依托于個(gè)性化推薦機(jī)制而存在于攜程APP之中，既阻礙了用戶公平獲取信息，也造成了用戶信息視野的窄化。本研究的結(jié)論與以往的相關(guān)研究結(jié)論相似，例如“今日頭條”“百度首頁”等平臺(tái)同樣存在“過濾氣泡”現(xiàn)象和效應(yīng)，也對利用互聯(lián)網(wǎng)的社會(huì)公眾群體產(chǎn)生了與本研究類似的影響[3]。本研究也進(jìn)一步驗(yàn)證了“過濾氣泡”存在于眾多帶有個(gè)性化服務(wù)功能按鈕的中文APP中，即用戶打開個(gè)性化推薦服務(wù)后，“過濾氣泡”便會(huì)對用戶產(chǎn)生積極消極兩方面影響。

本研究在初步分析的基礎(chǔ)上得出如下規(guī)避或減弱此效應(yīng)的策略：企業(yè)開發(fā)以及完善各類APP的同時(shí)并重社會(huì)效益和人文精神，特別注重貫徹“用戶至上”原則；用戶在應(yīng)用各類APP時(shí)可根據(jù)自己的主觀意識(shí)和客觀知識(shí)主動(dòng)切換檢索詞，規(guī)避“過濾氣泡”帶來的單一性、失真性的信息，獲取更加多樣性、真實(shí)性的信息。

注釋：

① 熱度值是將用戶的觀看行為、互動(dòng)行為、分享行為等多項(xiàng)數(shù)據(jù)進(jìn)行綜合計(jì)算的結(jié)果。

參考文獻(xiàn)：

[1] 許志源，唐維庸.2016美國大選所透射的“過濾氣泡”現(xiàn)象與啟示[J].傳媒，2017（16）：54-56.

[2] 張庭瑋，朱沁雨，宋德鳳，等.過濾氣泡情境下用戶行為及其形成機(jī)制研究[J].圖書情報(bào)工作，2023，67（2）：64-75.

[3] 閻國華，韓碩.“過濾氣泡”現(xiàn)象影響青年價(jià)值觀的內(nèi)在邏輯與應(yīng)對策略[J].思想教育研究，2021（4）：84-88.

[4] 楊莉明.個(gè)性化推薦在移動(dòng)新聞資訊傳播中的應(yīng)用、影響與反思[J].新聞與傳播評論，2020，73（2）：47-58.

[5] 姜婷婷，許艷閏.國外過濾氣泡研究：基礎(chǔ)、脈絡(luò)與展望[J].情報(bào)學(xué)報(bào)，2021，40（10）：1108-1117.

[6] BRUNS A.Filter bubble[J].Internet Policy Review，2019，8（4）：9-11.

[7] SEARGEANT P，TAGG C.Social media and the future of open debate：A user- oriented approach to Facebook's Filter Bubble conundrum[J].Discourse，Context & Media，2018（3）：1-33.

[8] 王斌，李宛真.如何戳破“過濾氣泡”算法推送新聞中的認(rèn)知窄化及其規(guī)避[J].新聞與寫作，2018（9）：20-26.

[9] 魏建萍.在線旅行商APP個(gè)性化服務(wù)對用戶持續(xù)使用行為的影響研究[D].南昌：江西財(cái)經(jīng)大學(xué)，2020.

[10] 曾憲天.大數(shù)據(jù)、個(gè)性化？這一次，攜程CTO甘泉跟你好好聊聊[EB/OL].（2017-05-08）[2023-03-16].https：//www.traveldaily.cn/article/114640.

[11] 盧恒，張向先，吳雅威，等.基于扎根理論的學(xué)術(shù)APP用戶信息交互行為影響因素研究[J].情報(bào)雜志，2021，40（4）：170-178.

[12] 程煥文，潘燕桃.信息資源共享[M].北京：高等教育出版社，2004：28-30.

[13] 董方旭，康許培，趙樂群.算法推薦機(jī)制下“過濾氣泡”的形成、影響與規(guī)避[J].新聞愛好者，2020（11）：44-49.

[14] 樊振佳，史文杰.21世紀(jì)信息公平研究：脈絡(luò)、結(jié)構(gòu)與展望[J].圖書情報(bào)知識(shí)，2023（2）：1-14.

[15] 韓志超，鄒吉鵬.智能傳播“過濾氣泡”效應(yīng)對青年價(jià)值觀建構(gòu)的風(fēng)險(xiǎn)與應(yīng)對[J].出版廣角，2021（17）：88-90.

[16] BIERIG R，CATON S.Special issue on de-personalisation， diversification， filter bubbles and search[J].Information Retrieval Journal，2019，22（5）：420-421.

[17] 周葆華.算法推薦類APP的使用及其影響：基于全國受眾調(diào)查的實(shí)證分析[J].新聞?dòng)浾撸?019（12）：27-37.

[18] 張玥，趙穎.移動(dòng)閱讀環(huán)境下信息繭房成因探析[J].現(xiàn)代情報(bào)，2021（10）：3-10.

作者簡介：許宏軒，廣西民族大學(xué)管理學(xué)院圖書情報(bào)與檔案管理碩士研究生。

收稿日期：2023-10-23本文責(zé)編：王曉琳