2025年，我们课题组新发表了一篇关于平台“过滤气泡”的研究，研究缘起是发现现在的年轻人喜欢玩小红书、抖音等，但他们的玩法和我们不太一样，经常是整个宿舍一块玩，同龄人互相分享好看的视频。

    分享的视频又进一步有差别：一位同学喜欢和同学分享“抽象视频”，通过这种方式融入社群；另一位同学由于身处理工类专业，同学之间的分享多以讲解“神经网络”之类的知识科普互相交流；还有同学则是关注新知，涉猎面覆盖人文、生活、金融等多个方面。

    通过身边的观察，衍生出这项研究，在此分享主要研究发现，以供交流。

------------------------------------------------------------------------------------------

《多平台过滤气泡的感知与抵抗：基于Z世代大学生数字社群的研究》

赵甜芳，王语

暨南大学新闻与传播学院

    概要：算法平台通过数据驱动的个性化推荐机制，加剧了由过滤气泡引发的用户认知窄化和观点极化问题。本研究聚焦数字原住民Z世代中的青年大学生群体，结合个人社群网络分析与深度访谈方法，对十名大学生为期六个月的4,615条社交网络行为轨迹进行数字化追踪，系统考察这一群体对算法过滤效应的认知图式与实践策略。研究发现：第一，平台算法架构差异显著影响信息同质化强度，B站基于用户行为时序的强关联推荐形成高密度同质化信息，小红书通过探索性算法平衡用户显性需求与潜在兴趣，抖音则借助算法模型抑制视频流的内容重复。第二，线上线下的社交关系有调节算法的功能，在线社群的行为共振导致兴趣叠加强化，线下社群因数据割裂呈现信息离散性。第三，青年群体展现差异化的算法调适智慧，从适应性使用到跨平台策略的主动性干预，其技术实践印证了德·塞托所述的“日常抵抗”逻辑。本研究从Z世代视角切入社交媒体过滤气泡的理论与实证研究，为算法透明性治理提供了新的研究维度，同时为提升青年群体的数字素养提供参照。

    本研究采用混合方法研究设计，结合社群网络分析与半结构化深度访谈，以收集数据、进行分析并构建理论框架。（一）社群网络分析法，既是社会学研究理论，也是起源于数学图论与物理学复杂性科学领域的量化研究方法[29]。研究者以自身为核心构建了个人社群网络，并基于子群体的网络密度评估，筛选出两个满足研究标准的社群及其关键节点。（二）深度访谈法，对已经搜集过浏览数据的研究对象进行深度访谈。经统计，访谈对象均有2-3款常用算法推荐APP，日均使用时长均不少于3个小时，平均使用年限达5年。访谈主要在线下进行，每位受访者的访谈时长控制在30至45分钟。每次访谈结束后，研究者立即对访谈内容进行转录，并剔除与研究主题无关的信息，整理得到约8万字的文本资料。主要研究发现如下：

    （一）平台算法机制显著影响过滤气泡强度

    在社交算法系统的技术建构维度，不同平台推荐机制的架构差异对信息同质化程度的调控效应具有显著异质性。本研究发现，内容重复率作为过滤气泡强度的量化表征指标，其数值分布呈现出平台特异性规律，这种差异根植于算法模型的技术路径选择与用户行为数据的处理范式。Bilibili（B站）基于用户行为时序的强关联推荐机制，通过构建用户历史交互数据的动态权重矩阵，形成正反馈循环的强化效应，导致线上线下混合型社群信息重复率均值达到4.5%-5.5%。在A类混合社群10月份的数据追踪中，该指标更攀升至13%的峰值。相较而言，抖音平台在B类线下社群的11月份监测周期内，尽管总浏览频次达957次，但内容重复率出现0%的极低水平，这与其官方披露的神经网络兴趣算法设计理念形成技术印证。

    （二）社群关系类型与过滤气泡呈层级关联

    跨社群数据的系统性分析表明，社交关系的类型学差异对过滤气泡的生成强度具有层级化调控效应。A类线上线下混合型社群呈现出显著的内容重复现象（4.5%-5.5%），其作用机制源于物理空间交往与数字行为数据的协同共振。线下强关系网络形成的兴趣共识，通过社交平台的内容转发、群组讨论等线上互动痕迹被算法系统捕捉，形成跨场域行为数据的融合输入。这种动态优化机制导致线上线下混合社群的信息重复率在10月份监测周期内达到13%的峰值，揭示出实体社交网络对数字行为数据的放大效应。社交关系的结构化特征通过多重中介变量影响过滤气泡的生成强度。混合型社群因实体交往与虚拟互动的双重叠加，形成行为数据的共振效应，这种数据密集型输入强化了算法系统的正反馈机制；线上社群受虚拟空间弱连接的制约，算法推荐在群体趋同与个体离散之间维持动态平衡；线下社群则因数字足迹的碎片化特征，导致算法系统的数据建模能力受限。这种层级化差异本质上是社会网络结构与算法技术逻辑互构的产物——强关系网络通过数据密度提升算法效能，弱关系网络则通过数据噪声抑制推荐闭环的形成。由此形成“混合社交＞线上社交＞线下社交”的过滤气泡强度谱系。

    （三）青年群体算法感知的认知与行为调适

    当下青年用户群体已形成对算法推荐系统的具身化认知能力。通过对日常交互经验的持续整合，研究对象构建起算法中介机制的技术想象框架，其典型特征表现为对非常规内容推送的因果推理能力。例如受访者A-4在访谈中阐述“突然刷到朋友关注的泰剧内容，我会猜测算法捕捉了群聊互动”；受访者A-1则描述“刷到某部英剧剪辑时，联想到朋友两天前的口头推荐”。此类认知实践表明，用户群体已发展出基于经验归纳的算法可见性解构能力，能够将碎片化的技术痕迹转化为可阐释的运作逻辑。这种认知图式的形成，本质上是数字原住民世代与技术系统长期互构的产物，反映出用户对协同过滤算法的逆向解码能力。

表1 用户对过滤算法的感知与应对策略

[1] 赵甜芳,王语.多平台过滤气泡的感知与抵抗：基于Z世代大学生数字社群的研究[J/OL].中北大学学报(社会科学版),1-9[2025-07-18]. http://kns.cnki.net/kcms/detail/14.1329.C.20250703.2035.008.html.