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

摘要

算法平台通过数据驱动的个性化推荐机制，加剧了过滤气泡引发的用户认知窄化与观点极化问题。本研究聚焦数字原住民Z世代中的青年大学生群体，结合个体社群网络分析与深度访谈，对10名大学生为期6个月的4 615条社交网络行为轨迹进行追踪，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易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强化兴趣叠加，线下社群则因数据割裂而呈现信息离散性。第三，青年群体展现差异化的算法调适智慧，从适应性使用到主动的跨平台策略的干预，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。

关键词

算法平台 / 过滤气泡 / 社交媒体 / 算法想象