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。

  因为我们正真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。

  理解过滤器泡沫很重要，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，大多分布在在欧洲，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超于了报纸和广播。

  对于45岁以上的人来说，电视更有很大的可能是主要的新闻来源。45岁以下的人更有几率会从网上获取新闻。

  自2013年以来，我们从始至终在追踪不同国家对社会化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慢慢的变重要。这些不一样的社交网络也被归在社会化媒体的类别下。

  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、社会化媒体等，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，

  指的是我们自愿的个性化处理，这一点很重要。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。

  弄清区别很重要，因为咱们不可以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，我们得知，线下新闻自选个性化比线上更突出。这就是怎么回事将线上新闻与现实情况相对来说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。为了理解社会化媒体怎么样影响新闻，我们将不使用社会化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会化媒体获取新闻，另一组称当他们使用社会化媒体时，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，研究社会化媒体对不同人群和不同社交网络的影响。

  我们发现使用社会化媒体的人总会顺便接触到新闻，与根本不使用社会化媒体的人群相比，这明显地增加了此类人群阅读新闻的数量。也就是说，使用社会化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，这一点很值得关注。我们的研究表明大多数人，尤其是社会化媒体用户，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，但他们常常使用社会化媒体，因此会偶然接触到新闻，即使他们没搜索新闻。

  搜索引擎不同于社会化媒体，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完全一样。有研究比较了不同群体的搜索出来的结果，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，也没有确凿的证据说明不同观点的人得到的搜索出来的结果不同。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做了比较。

  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。就没有研究之后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，具备极高的代表性。

  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几个国家分布更广泛。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？专注于过滤器泡沫有几率会使我们误解新闻背后的机制，也有一定可能会分散我们对更紧迫问题的注意力。在某一些程度上，它与网络站点平台的使用有关。这并不是网络站点平台的问题，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更好的提供新闻的方式，人们获取新闻的方式也在改变。因此，我们应该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，

  虽然我们从始至终在研究社交平台及其对阅读新闻的影响，但咱们不可以忽视更重要的潜在因素，它们才是现在社会问题的最终的原因。