从为“点赞”的社交媒体到为“理解”的社交媒体——改变算法能否减少分裂

打开社交媒体时，我们感觉自己在选择信息。我们阅读感兴趣的帖子，观看有趣的视频，并对认同的观点点赞。时间线看起来像是我们兴趣的直接反映。

但实际上，这面镜子并不透明。决定什么内容放在上面，什么内容不易被看到，以及让我们在某个帖子上停留多久的，是平台的算法。我们认为是“自己选择”的信息环境，很大程度上是被设计出来的。

哥本哈根大学、德累斯顿工业大学和马克斯·普朗克人类发展研究所的研究人员进行的一项新研究，再次强烈地指出了这一看似理所当然却常被忽视的事实。研究的结论很简单。只需稍微改变社交媒体帖子排列的机制，就可能改变人们意见的分歧程度和对现实判断的准确性。

换句话说，社交媒体的分裂并不仅仅是因为“用户希望如此”。信息流的设计本身可能在扩大或缩小社会的认知。

令人愉悦的信息流未必是正确的

在当前的主要社交媒体中，互动通常是一个重要的指标。点赞、分享、评论、反应、停留时间。用户强烈反应的帖子被视为更有价值，更容易被更多人看到。

这种机制在商业上非常合理。用户反应、停留并再次返回，平台的价值就会提高。这也与广告模式相匹配。引发愤怒、惊讶、共鸣、恐惧、优越感等强烈情感的帖子不容易让用户关闭屏幕。

问题在于，令人强烈反应的信息未必能带来准确的理解。

研究显示，重视互动的信息流，尤其是优先显示“与自己政治立场接近的人喜欢的帖子”的个性化互动排名，倾向于使参与者的信念更加极化，并降低判断的准确性。

讽刺的是，这种信息流让参与者更容易觉得“富有洞察力”。接近自己想法、情感上容易接受、想要反应的帖子对个人来说似乎是有益的。然而，这未必有助于更准确地理解世界。

相反，令人愉悦的信息环境往往会强化自己的观点，使对立面的视角不易被看到。这正是社交媒体的危险所在。用户以为自己接收到的是“适合自己的信息”，实际上可能被“强化自己偏见的信息”所包围。

实验是如何进行的

研究团队为了测量社交媒体算法对极化和准确性的影响，针对美国居民进行了两阶段的在线实验。

在第一阶段，500名参与者对6个政治和社会主题的共72篇简短争议性帖子进行了评价。参与者可以选择赞成、反对或无反应。通过这种方式，可以看出自由派和保守派参与者支持或拒绝哪些帖子。

在第二阶段，又有1000名新参与者加入。参与者首先表明自己对各主题的看法，然后观看由3个帖子组成的简短信息流，最后再次回答自己的看法。

此时，显示哪些帖子取决于参与者被分配的条件。研究主要比较了以下排名方式：

随机排列帖子。
优先显示互动多的帖子。
优先显示自己政治团体喜欢的个性化互动方式。
优先显示得到自由派和保守派双方支持的桥接型。
优先显示预计能提高整体判断准确性的智能型。

研究人员测量了参与者的想法是更接近还是更远，以及作为一个群体的判断准确性有多高。此外，还调查了参与者对帖子的感受，例如礼貌、情感、洞察力等印象。

这个设计的有趣之处在于，尽管是社交媒体实验，却不依赖于大型平台的内部数据。研究人员并未在现有社交媒体上进行大规模干预，而是在相对可控的环境中，仅改变了帖子排列方式。结果表明，仅排列方式的不同就能导致信念形成的差异。

什么是“桥接”算法

此次研究中备受关注的是桥接型算法。

这种算法的思路是优先显示那些不仅仅对某一阵营有强烈吸引力，而是能得到不同政治立场的人们一定支持的帖子。例如，不是仅自由派热烈支持的帖子或仅保守派强烈反应的帖子，而是让双方都觉得“至少值得一读”的帖子。

这种机制并不是简单地排列“中立的帖子”。在社会对立的主题中，几乎不存在完全中立的意见。重要的是，不同立场的人能否以相同的信息为出发点进行讨论。

桥接型并不是消除赞成与反对的对立。相反，它是在承认对立存在的前提下，优先显示让双方都能认知对方存在的信息。当前社交媒体擅长的是“在内部放大共鸣”，而桥接型的目标是“形成不同立场之间也能共享的基础”。

研究显示，这种桥接型在某些情况下可能提高自由派和保守派参与者的共识。这是对社交媒体必然加深分裂的悲观论的重要反例。

另一个关键是“集体智慧”

另一个替代方案是智能型排名。这种方式优先显示预计能提高参与者整体判断准确性的帖子。

这里所说的准确性并不仅仅是“符合多数派意见”。在社会预测或事实判断等可以在一定程度上验证对错或合理性的主题中，问题在于群体的判断是否更接近现实。

在社交媒体上，最响亮、最情绪化、最易传播的声音往往最引人注目。然而，为了群体做出更好的判断，并不一定需要最显眼的意见。有时，需要冷静而朴实但重要的信息，不极端但可验证的主张，以及不会引发反射性愤怒的解释。

智能型排名正是将这种信息放在前面的理念。研究显示，与随机显示或重视互动的显示相比，这种方式有提高事实判断准确性的倾向。

这可能会大大改变社交媒体的设计理念。过去的问题是“用户更会反应的帖子是什么”。然而，也可能有另一个问题：“为了让用户群体更准确地理解世界，应该显示哪些帖子”。

社交媒体的反应——期待、警惕，以及冷静的现实感

作为刚发布的新闻，这项研究尚未在社交媒体上广泛可视化为针对文章本身的大规模反应。在Phys.org上也难以确认显著的评论数量，普通用户的反应可能会在今后扩展。另一方面，在LinkedIn上，研究者本人及相关领域的研究者的帖子中，已有人关注到这项研究的实用性。

特别强调的是，即使不与大型科技公司合作，也可以实验替代性的社交媒体算法。即使无法直接访问平台内部复杂的推荐系统，也可以利用帖子的反应数据和基本属性信息来验证重视共识和准确性的排名。这对研究者和政策制定者具有重大意义。

此外，“无需使用AI即可实现”这一点也容易引起关注。近年来，改善社交媒体的讨论往往集中在AI检测有害帖子或事实核查上。然而，这项研究表明，即使没有高级生成AI或复杂的分类模型，仅改变帖子的排列方式，也可能改变社会影响。

另一方面，纵观社交媒体的一般讨论，反应并非一片乐观。

首先出现的问题是“谁来决定准确性”。智能型排名虽具吸引力，但什么被视为正确，哪些主题可以设定客观正确答案是困难的。在涉及政治、伦理、文化价值判断的话题中，“准确性”这个词本身可能成为争论点。

其次，有人担心“桥接”是否会优先无关痛痒的意见。在选择得到对立阵营双方支持的帖子时，虽然可能抑制极端错误信息，但同时也可能埋没少数派的重要揭露或对现有多数派不利的问题提出。许多改变社会的意见并非从一开始就被双方接受。

此外，从用户的感受来看，可能会有“又有人在操控我的时间线吗”的反感。虽然许多人对重视互动的算法不满，但这并不意味着他们会无条件接受以其他价值观设计的信息流。在社交媒体用户中，存在对算法本身的疲劳感。希望停止推荐显示，恢复按时间顺序显示，更希望自己选择的声音根深蒂固。

这项研究的有趣之处在于，它并未封住这些疑问，而是提供了讨论的基础。通过表明互动优化不是唯一的选择，向社会提出了“那么应该优化什么”的问题。

是对商业有利的社交媒体，还是对民主有利的社交媒体

这项研究提出的最大论点是社交媒体应该为何而设计的问题。

对于企业来说，最显而易见的成功指标是用户的停留时间和反应数。越多人长时间使用，频繁反应，接触广告，作为业务就越容易成功。然而，对社会而言，理想的社交媒体指标不应仅限于此。

人们能否相互理解。
错误的认知是否难以传播。
不同立场的人能否就同一现实进行对话。
是否能传递可验证的信息，而非愤怒或侮辱。
能否在不消除少数派声音的同时抑制极端煽动。

这些条件难以直接反映在广告收入指标中。然而，为了让社交媒体作为公共讨论场所发挥作用，这些条件是必不可少的。

研究者指出，平台本身未必会积极采用这些替代算法，因为这可能会牺牲互动。相比于让用户愤怒并长时间停留的信息流，冷静理解并较早离开的信息流可能对社会有利，但对商业不利。

这时就出现了政策和监管的讨论。如果社交媒体在公共空间中扮演重要角色，那么是否应完全将其设计委托给企业的收入目标？是否要求透明？是否引入第三方审计？是否让用户选择多种算法？或者在特定社会风险较高的主题上限制互动优化？

这项研究为这些讨论提供了实验性的依据。

然而，并非万能药

当然，仅凭这项研究就断言“改变算法就能解决分裂”还为时过早。

实验环境比现实中的社交媒体要简单得多。参与者看到的信息流很短，主题也有限。在实际的社交媒体中，朋友关系、影响者、广告、机器人、新闻媒体、视频推荐、评论区、引用帖子、外部链接等复杂交织。现实的政治态度并非仅通过几篇帖子就能形成。

此外，极化还有算法之外的因素。经济不安、地域差异、教育、媒体环境、政党政治、文化认同等，社会结构本身深深参与其中。社交媒体虽然是放大这些因素的装置，但不是唯一的原因。

尽管如此，这项研究的重要性在于，它表明“至少信息流设计是可以改变的”。虽然不是立即解决社会分裂的魔法，但也不是可以忽视的技术设计。

我们希望什么样的时间线

在考虑社交媒体的未来时，常常用“言论自由还是监管”这两个选项来讨论。然而，这项研究表明，在此之前还有设计的问题。

即使相同的帖子存在，显示的顺序、对象和背景不同，社会影响也会不同。不仅仅是删除或保留帖子，重要的是突出什么。

迄今为止，社交媒体通过最大化反应而成长。结果是，我们似乎被展示了“想看的东西”，但实际上被展示了“无法不反应的东西”。

然而，另一种社交媒体也是可能的。不是放大愤怒，而是连接理解的信息流。不是仅强化自己阵营的正确性，而是找到可以与不同立场的人共享的现实的信息流。不是热门帖子，而是稍微改善判断的帖子放在前面的信息流。

这种社交媒体是否对大多数用户真正有吸引力尚不清楚。但至少这项研究表明，目前的互动至上主义并不是唯一的道路。

传递“理解”而非“点赞”多的信息。
如果社交媒体能朝这个方向发展，时间线不仅仅是消磨时间的场所，还可能成为社会重新确认现实的地方。

问题不仅仅在于技术上是否可行。我们，以及平台，优先考虑哪些价值。

---

出处URL

Phys.org文章：研究概要、实验设计、互动型、桥接型、智能型算法的解释、研究者评论。
https://phys.org/news/2026-05-alternative-algorithms-users-accurate-polarized.html

哥本哈根大学新闻发布：研究机构发布。研究目的、主要结果、500人+1000人的二阶段实验、各排名条件的解释。
https://news.ku.dk/all_news/2026/05/alternative-social-media-algorithms-can-help-users-form-more-accurate-and-less-polarized-beliefs/