摘要：随着社交媒体推荐算法不断向个性化、精确化及智能化方向发展，用户情绪已成为可量化分析的重要维度。然而，当前研究多局限于探讨算法对用户情绪单一维度的影响，忽视了算法与情绪的双向互动。

阅读准备

随着社交媒体推荐算法不断向个性化、精确化及智能化方向发展，用户情绪已成为可量化分析的重要维度。然而，当前研究多局限于探讨算法对用户情绪单一维度的影响，忽视了算法与情绪的双向互动。

鉴于此研究缺口，本期推荐的论文采用基于虚拟代理测试的计算实验方法深入探讨国内某头部算法短视频平台是否及在何种程度上捕捉与强化用户的情绪偏好，并进一步考察用户如何利用其自主性突破情绪茧房的限制。

研究发现，该平台新闻推荐算法展现出明显的情绪倾向性：算法在捕捉用户积极情绪偏好方面表现欠佳，但可以敏感地识别并强化用户的消极情绪偏好。此外，用户尝试摆脱情绪束缚的过程具有复杂性，不仅深受具体情绪状态的制约，还涉及“被迫互动”这一算法伦理问题，进一步加剧了用户自主管理情绪的难度。

省流版干货提炼

● 本研究揭示了新闻推荐算法在情绪引导过程中的复杂行为模式，特别是其展现出的情绪偏向性与不对称性特征。研究同时深入分析了“主动驯化”策略与“沉默抵抗”策略这两条情绪“逃脱”的两条主要路径在应对不同情绪环境时的内部差异及其有效性差异。

● 当用户陷入积极“情绪茧房”时，采用“沉默抵抗”路径表现出对所有内容均不感兴趣，积极情绪新闻反而有显著上升趋势，采用“主动驯化”路径持续性刷取消极情绪新闻，积极情绪新闻无明显的上升或下降趋势。

● 当用户陷入消极“情绪茧房”时，采用“沉默抵抗”或“主动驯化”都可以逃脱，消极情绪的新闻随着用户的逃脱过程显著减少。其中“主动驯化”可以更快地摆脱消极情绪的控制，表现出了更佳的逃脱“情绪茧房”效果。

更多内容看这里

引言

在传播层面，情绪不仅随信息一起流动，更呈现出与信息类似的圈层化特征。尤其是如今社交媒体平台作为用户获取新闻的主要渠道，其通过点赞、转发、评论等一系列的互动机制，形成了用户之间相互引用、模仿与共情的情感互动。传统的“信息茧房”假说，强调用户基于“认知偏好”所形成的信息封闭结构，而在信息生产与传播均与情绪相互嵌套的机制下，是否也存在一种基于“情绪偏向”而形成的“情绪茧房”？换言之，当情绪成为平台算法的关键变量之一的时候，用户是否可能在无意识中被引导至某种情绪导向的信息回路，从而陷入以情绪为基础的封闭环境？

现有研究已揭示新闻推荐算法和用户在情绪偏好上的潜在趋向，然而在过程层面上，社交媒体平台内嵌的算法如何以及在何种程度上捕捉并强化用户的情绪偏好，并进一步构筑“情绪茧房”，仍有待深入探讨。此外，对于用户如何借助算法机制争取“情绪自主性”的策略实践与成效，相关研究仍相对匮乏，亟需补充和拓展。

因此，本研究以用户情绪为抓手，具体聚焦于算法是否及在何种程度上构建了“情绪茧房”。在此框架下，“情绪茧房”可以被细化为“陷入”与“逃脱”两个方面。一方面，当用户对特定某种情绪的新闻表现出感兴趣的倾向时，某智能推荐平台是否会及时捕捉这种偏好并进行持续性投其所好式的推荐，最终使用户陷入这种情绪；另一方面，当用户意识到自身情绪被算法主导并寻求逃脱时，用户是否能利用算法机制从当前情绪氛围中抽离，算法又是否提供了足够的“情绪逃脱”路径。

研究方法与实验

本研究以我国某头部智能短视频平台新闻算法推荐系统为研究对象，重点关注其是否使用户陷入了“情绪茧房”，用户又何以逃脱“情绪茧房”。基于既有研究，本研究开创性地设计了针对该智能平台移动端的ABT（Agent-basedTesting，虚拟代理测试法）实验框架，对该智能平台新闻推荐算法展开逆向测试，模拟实验用户与某智能平台推荐算法的双向互动，并着重于洞察该平台新闻推荐算法对于用户情绪偏好与变化的敏感程度。据此，研究提出以下问题：

RQ1：推荐算法在用户表现出对特定情绪新闻的兴趣时，是否及在何种程度上捕捉其情绪偏好？

RQ2：推荐算法在用户表现出对特定情绪新闻的兴趣时，是否及在何种程度上强化这种情绪偏好？

研究在实验开始前进行了预调研以提取出平台中的新闻，提取出10个相互独立且全面覆盖新闻范畴的标签。本研究将“观看时间”这一变量作为判断用户是否感兴趣的标准，进而模拟用户在面对“情绪茧房”时“主动驯化”与“沉默抵抗”两条可操作化路径，探索用户如何在算法逻辑下争夺“自主性”。本研究通过控制虚拟用户在不同视频页面上停留的不同时间来表达个人偏好。研究设定，在执行滑动操作之前观看15秒表达用户对视频感兴趣，因为已经观看了相对较长的时间；观看3秒即滑过表达用户对视频未有明确的兴趣，视频未能捕捉到用户的注意力。

据此，研究提出以下问题及假设：

RQ3：当用户陷入某种特定情绪的新闻中时，用户是否及在何种程度上拥有情绪逃脱的自主性？

H1：用户的主动驯化策略可以帮助其逃脱特定情绪茧房；

H2：用户的沉默抵抗策略可以帮助其逃脱特定情绪茧房。

实验共设置了4个实验组，各自分为两个阶段：第一阶段模拟情绪的陷入过程，第二阶段模拟情绪的逃脱过程。

研究发现

为回答研究问题一，即探究推荐算法在用户表现出对特定情绪新闻的兴趣时能否捕捉其情绪偏好，我们对各实验组别中第一阶段的数据进行卡方检验来分析算法推荐新闻情绪分布的总体差异性，再运用Z比例检验分析模拟积极情绪陷入的实验组别与模拟消极情绪陷入的实验组别之间算法推荐新闻情绪的差异。

在模拟情绪陷入的第一阶段中，我们通过特定的偏好设置模拟用户陷入特定情绪茧房的过程，并记录了每组手机刷取到的新闻数量。卡方检验结果显示二者的情感分布存在显著差异。进一步对积极、消极和无情绪三种新闻类别进行Z比例检验，结果显示，无论是积极情绪陷入过程还是消极情绪的陷入过程，算法推荐的积极情绪与消极情绪新闻分布均存在显著差异，而算法推荐的无情绪新闻未发现显著差异。

为回应研究问题二，即推荐算法在用户表现出对特定情绪新闻的兴趣时，是否及在何种程度上强化这种情绪偏好，我们引入了MK（Mann-Kendall）趋势检验。通过比较第一阶段中每个轮数与之前轮数的特定情绪新闻数量大小关系，检测数据序列是否存在上升、下降或无明显趋势。研究发现，当用户反复刷取带有积极情绪的新闻内容时，平台推荐中的积极情绪新闻比例不仅未显著增加，反而呈现出下降趋势。“拟合回归线”明显呈向下倾斜，说明随着实验推进，推荐中积极情绪新闻所占比例逐渐减少，平台在面对用户积极偏好时，并未持续进行同向强化；与之相对，当用户表现出对消极情绪新闻的偏好时，算法推荐中消极情绪新闻的比例呈显著上升趋势。“拟合回归线”明显向上倾斜，反映出算法对用户的消极情绪偏好具有较强的识别与强化能力。

在研究问题二的基础上，我们回应了研究问题三，即当用户陷入某种特定情绪的新闻中时，用户是否及在何种程度上拥有情绪逃脱的自主权。此处均使用各实验组第二阶段的数据进行验证，实验组1和2的第二阶段模拟积极情绪的逃脱，实验组3和4的第二阶段模拟消极情绪的逃脱。其中实验组1模拟逃脱积极情绪的“主动驯化”方式；实验组2模拟逃脱积极情绪的“沉默抵抗”方式；实验组3模拟逃脱消极情绪的主动驯化方式；实验组4模拟逃脱消极情绪的“沉默抵抗”方式。

在“逃脱”阶段本研究继续使用MK趋势检验，验证不同逃脱方式在特定情绪下的逃脱效果。在积极“情绪茧房”的逃脱实验中，作者比较了两种策略下平台推荐中积极情绪新闻比例的变化趋势。结果发现，采用“沉默抵抗”策略后，积极情绪新闻的比例反而呈现显著上升趋势，这说明平台可能将用户“沉默”理解为对原有偏好的默认接受或未形成明确偏好，从而继续甚至增加推送原本占主导的积极情绪内容。同时，采用“主动驯化”策略依然未改变积极情绪新闻的推荐趋势，回归结果显示无显著变化，表明算法对积极情绪逃脱的反向信号识别不足。

在消极“情绪茧房”的逃脱实验中，两种逃脱策略均展现出显著的推荐内容调整效果。无论是“沉默抵抗”策略，还是“主动驯化”策略，均有效促使平台推荐中的消极情绪新闻比例下降，说明用户在面对负面情绪推荐时，具有一定的反制能力。其中，“主动驯化”路径下降幅度更大、趋势更显著，表现出更优的逃脱效果。这说明当用户主动输入与原有偏好相反的信号时，算法系统更易察觉其情绪转向，从而调整推荐逻辑，减少消极情绪内容的推送。

讨论与结论

1 新闻推荐算法的情绪偏向性

在模拟情绪陷入阶段的实验中揭示了一个悖论现象，即当用户持续浏览积极情绪新闻时，预期中的情绪强化并未发生，算法推荐的积极情绪新闻比例反而显著下降，这一结果指向用户缺乏有效陷入积极“情绪茧房”的必要条件。相反，当用户集中浏览消极情绪新闻时，首轮即观察到了算法推荐的消极情绪新闻比例的急剧上升，强有力地表明了用户易于陷入消极“情绪茧房”的现象。

研究平台作为强算法流短视频平台的代表，展现了新闻推荐算法在情绪方面的负面偏向：推荐算法对于积极及无情绪新闻的识别并不敏感，也较难捕捉用户对于积极情绪新闻的偏好，但可以敏感且准确的捕捉用户对于消极情绪的偏好，并持续强化这种偏好使用户深陷消极“情绪茧房”。

目前对于算法推荐的情绪偏向性上存在着两种矛盾的猜测，首先是以用户喜好为导向的消极情绪偏好论。其次则是以新闻伦理为导向的积极情绪偏好论，为顺应建设性新闻的要求，社交媒体平台往往会弱化情绪强度、淡化负面情绪。然而平台实际上很有可能选择了在用户偏好与新闻伦理之间奉行中庸之道，既不完全违背新闻推荐平衡性、建设性的要求，又在一定程度上迎合用户喜好。例如当用户表现出消极情绪的偏好时，推荐算法敏锐地捕捉到了这种偏好并向用户推荐更多的消极情绪新闻。但当用户持续性刷取消极情绪新闻时，算法反而进行适度回调以满足新闻推荐平衡性的要求，但消极情绪新闻比例的总体趋势仍然是在增加，表现出了对用户偏好的动态捕捉与迎合。

2 用户情绪“逃脱”机制的复杂性

研究结果表明，在个体试图脱离高浓度的积极情绪新闻环境时，无论是采取对所有新闻内容表达普遍不感兴趣的态度，还是特意偏好消极情绪新闻，均未能有效阻止算法持续推荐积极情绪导向的内容。此现象可能归因于平台内容推荐策略中“建设性”原则的制约，或是推荐算法并未在后台明确识别、标注积极情绪内容。

当用户面对消极“情绪茧房”的困境时，“主动驯化”策略与“沉默抵抗”机制均展现出了显著的情绪逃脱效果，且“主动驯化”策略在加速逃离消极情绪环境方面表现更为突出。此发现强调了用户主动向算法反馈个人偏好对于优化内容推荐精准度的重要性。

然而，这并未全然消除算法在情绪操控方面的潜在质疑，反而引出了新的问题。尽管用户可通过“主动驯化”或“沉默抵抗”策略尝试逃离消极情绪的信息茧房，但消极情绪新闻的比例在经历了长达28轮的尝试后，两种策略均未能将其回调至初始比例。因此，用户一旦短暂沉浸于消极情绪新闻之中，往往标志着消极情绪影响的初步确立，且其后续难以仅凭自主性有效恢复至算法推荐的原始均衡状态，这揭示了算法推荐系统在情绪引导方面的复杂性与深远影响。

3 算法情绪的未来进路

随着人工智能技术的飞速发展，尤其是智能推荐算法在社交媒体平台中的广泛应用，用户情绪与算法之间的复杂关系日益成为学术界关注的焦点。技术与经济逻辑的双重作用下，“情绪茧房”的生成在结构上具备潜在的可能性，尽管并非对所有用户都产生同样强烈的效果。

本研究通过ABT实验法模拟某智能平台新闻推荐算法对用户情绪的潜在影响与双向互动，为算法情绪茧房的形成机制提供了新的视角和实证依据。尽管不同用户在平台选择上存在差异，但这类平台在算法逻辑上普遍依赖用户的短时交互行为（如点击、停留、点赞）作为推荐依据，情绪变量在这一机制中容易被迅速识别与放大，因而本研究，在图文平台、短视频平台等以算法为核心驱动的新闻平台中均具有一定程度的推广价值。

然而，在传统门户网站或媒体自主开发的新闻客户端中，人工编辑的策展作用仍较为显著，推荐机制更多依赖新闻主题、时效性和公共价值等要素，算法对情绪特征的捕捉与强化也可能因此而被部分弱化。因此，在从特定平台的研究结论推广至更广泛语境时，应特别关注平台之间的算法逻辑差异与情绪触发机制的异质性。

尽管本研究对算法“情绪茧房”的形成机制提供了初步验证，但仍存在进一步完善的空间：首先，从技术层面来看，未来研究可以采用其他可嵌入、可实时计算的工具进行更加准确的情感打分。另外通过新闻标题的情感极性判断新闻整体的情感属性乃至于用户感受到的情绪存在着跳跃，可能会带来一定程度的偏差，未来可以使用实时计算的多模态情感分析方法，或将实验法与访谈法相结合探索用户情绪感受；其次，从理论层面上来看，“情绪茧房”的表现形式可能因平台类型、技术路径和编辑干预程度不同而呈现出异质性，仍需在多平台、多样技术条件下深入验证。

作者介绍

师文：暨南大学新闻与传播学院副教授、硕士生导师；刘亦琛（通讯作者）：暨南大学新闻与传播学院硕士生

本文为原论文节选版，内容有删改和编辑，原载于《新闻与写作》2025年第8期，注释从略。

学术引用及文献参考请以纸质版为准，未经授权，严禁转载。

来源：再建巴别塔