巨乳 av

本刊官方网站：

http://cjjc.ruc.edu.cn/

摘抄

东说念主工智能本领的发展鼓动了酬酢机器东说念主在社会科学研究中的应用。本文从筹备传播学的视角启程，探讨酬酢机器东说念主田园实验的观点界定、方法建构、实验假想过火本色应用，以为酬酢机器东说念主田园实验延续了大数据分析与仿真方法的上风，已发展为一种高度可控的实验法。酬酢机器东说念主田园实验为不雅察、分析与领会数字媒体环境中的传播风景提供了新想路，将助力于新闻传播学表面的考据、探索与拓展。在实证研究部分，本文通过酬酢机器东说念主田园实验对过滤气泡的成因进行了初步探索。研究发现，即使阻挡了酬酢机器东说念主账号的阅读步履偏好，其在飞速阅读实验后仍可能堕入过滤气泡。

作家简介

吴晔，北京师范大学新闻传播学院教训，筹备传播学研究中心主任。

黎樟浩，北京师范大学新闻传播学院博士研究生。

闵勇（通信作家），北京师范大学筹备传播学研究中心教训。

基金样式

本文系北京市社会科学基金样式“全媒体语境下信息流行病学的表面、方法与应用研究”（样式编号：21DTR040）；栽植部东说念主文社会科学研究筹备基金样式“基于酬酢机器东说念主的跨平台信息茧房形成机制与管制战术研究”（样式编号：23YJA860011）的阶段性收尾。

一

弁言

实验法根植于当然科学的实证主义范式，旨在高度阻挡无关变量的前提下，对研究对象进行不同的实验刺激，以探究自变量与因变量之间的相关，老师表面假定或因果命题。实验法关于建造和评估表面至关弥留，成为社会科学的主流研究方法（罗俊，2020）。在传播学中，媒体效果探讨研究宽广欺诈了实验法。从20世纪20年代起，在佩恩基金会的资助下研究者们罗致实验法开展了“电影对青少年的影响”系列研究。卢因（Kurt Lewin）等东说念主将当然实验欺诈到群体能源学研究中。第二次世界大战时间，霍夫兰（Carl Hovland）等东说念主通过阻挡实验进行了劝服研究。挪动互联网的发展，尤其是酬酢媒体的普及，让大范围线上实验成为可能（Watts，2007），并鼓动了一系列冲突性收尾（Bond et al.，2012；Kramer，Guillory & Hancock，2014）。

酬酢机器东说念主作为一项日趋老练的本领，或者模拟着实用户的步履。学者们迟缓入手在酬酢媒体平台中部署酬酢机器东说念主并开展田园实验（Chen，Pacheco，Yang & Menczer，2021；Ledford，2020；刘河庆，梁周至，2023）。该方法或者在着实环境中精准阻挡实验变量，并为研究者提供日记数据，具有老师及拓展新闻传播表面的后劲。本文将系统地梳理酬酢机器东说念主田园实验探讨观点和研究，分析其在筹备传播学研究中的发展条理、上风、应用以及畴前瞻望。

二

酬酢机器东说念主田园实验的发展条理及上风

（一）机器步履范式下的酬酢机器东说念主

机器步履范式强调所谓的“机器”并不仅局限于本领或具体的机械实体，而应该芜俚地检会包括通盘东说念主工制造的物体过火激发的风景（Rahwan et al.，2019）。在传播学领域，东说念主机传播表面从上世纪90年代入手兴起。纳斯（Clifford Nass）等东说念主在斯坦福大学开展一系列东说念主机互动实验并回归了“筹备机为社会行动者”范式（the Computers are Social Actors Paradigm，CASA），在《媒体等同》中进一步阐释了“媒体等同于东说念主”的不雅点（Reeves & Nass，1996：305）。研究发现东说念主们像对待东说念主一样对待媒体，并根据筹备机等媒体阐扬出来的社会化踪影形成一定的社会章程，并高涨为意外志步履（Nass & Moon，2000）。学者们在此基础上将交互对象拓展到更多的本领载体中，提倡“前言是社会行动者”（the media are social actors paradigm，MASA）（Lombard & Xu，2021）。张洪忠和王兢一（2023）将机器步履范式引入新闻传播学实证研究中，并将机器步履界说为“东说念主工智能本领参与的信息传播步履”，如通过酬酢机器东说念主账号成立公众议程。

在机器步履范式下，本文将酬酢机器东说念主（social bot）界说为一套能自动坐褥内容并在酬酢媒体上与用户互动的、试图效法并可能改动东说念主类步履的算法系统；在实践中，酬酢机器东说念主账号是被研究者阻挡的，能通过仿真模拟东说念主类用户以完成曝光、阅读、点赞、评述、转发等步履的臆造账号。宽广凭据标明，酬酢机器东说念主和算法照旧成为影响信息传播的关键身分（Lazer，2015；Ferrara，Varol，Davis，Menczer & Flammini，2016）。在筹备宣传的配景下，酬酢机器东说念主常以发布争议性话题（韩娜，孙颖，2022）、干扰信息扩散（师文，陈昌凤，2020）和成立特定议程（赵蓓，张洪忠，2023）等负面形象被领会。因此，酬酢机器东说念主检测一直是筹备机科学领域激情的焦点。其中针对Twitter的酬酢机器东说念主账号识别方法Botometer（Davis，Varol，Ferrara，Flammini & Menczer，2016）被芜俚激情和应用。可是该方法的判断收尾并非十足的，以ChatGPT为代表的大模子将使得酬酢机器东说念主账号愈加接近于东说念主类用户的抒发面貌，进一步费解二者的界限，以至于东说念主类用户和识别算法都难以区分账号类型（Ferrara，2023）。据此，酬酢机器东说念主在东说念主机传播中正迟缓饰演传播主体的扮装（张洪忠，王競一，2023），成为活跃的社会行动者（Ferrara，Varol，Davis，Menczer & Flammini，2016），并影响着社会章程（申琦，王璐瑜，2021）。学者们以为，如今的酬酢机器东说念主不错被当作是和东说念主类一样的主体，从“前言是东说念主的延长”延长到“前言是东说念主”（峻岭冰，汪婧，2020），致使成为智能新物种（宋好意思杰，刘云，2023）。这些研究默示着搭载东说念主工智能本领的酬酢机器东说念主在定位和功能上越来越贴近东说念主类，为酬酢机器东说念主田园实验奠定了表面和实践基础。

（二）作为“第四象限”的酬酢机器东说念主田园实验

本文以为，在东说念主工智能本领的加捏下，酬酢机器东说念主田园实验（social bot field experiment）已成为一种可控的，能在着实媒体环境进行因果老师的实验方法。此方法除名实验法的中枢逻辑，通过在着实媒体环境中部署酬酢机器东说念主账号，分析实验组与对照组之间各异，以评估实验刺激或干扰规律所产生的影响，揭示变量间的因果相关。如图1所示，以实验环境和实验被试为分别依据，不错将实验研究归为四类（Salganik，2018），其中横坐标流露实验室环境或田园环境，纵坐标流露真东说念主或非东说念主。第一象限为当然实验，第二象限是实验室实验，第三象限为仿着实验，第四象限为酬酢机器东说念主田园实验（见图1）。

根据罗俊（2020）对不同实验方法的比较，不错从样本代表性、环境仿真度、实验可控性、主试偏差、受试偏差、可近似性、可证伪性、里面效度和外部效度等方面评估上述四种实验（见表1）。酬酢机器东说念主田园实验在提供着实环境中的飞速分组和阻挡方面具有明显上风，同期相较于当然实验，它还或者裁汰伦理风险。例如，在2010年好意思国国会选举时间，研究者改动了Facebook用户的酬酢媒体信息环境，胜仗影响了数百万东说念主的政事抒发、信息获取以及践诺世界中的投票步履（Bond et al.，2012）。若以酬酢机器东说念主田园实验开展类似研究则能在较猛进程上避让风险。可是，酬酢机器东说念主田园实验也存在外部效度较低等弱点，得到的论断有时能推行到东说念主类用户中。与仿着实验比较，酬酢机器东说念主田园实验或者得到着实的田园反馈，但也提升了实验资本，例如难以在短期内测试多个不同参数对实验收尾产生的影响。

（三）酬酢机器东说念主田园实验的特质与上风

田园实验延续了田园考核和实验研究的上风，在社会科学中被芜俚使用，其主要特质是或者让研究者在着实世界中胜仗不雅察和分析当然状况下的风景和步履，从而使得论断更具解释力。酬酢机器东说念主田园实验剿袭了田园实验的特质，同期具备以下四个方面的上风。

1. 日记数据

酬酢机器东说念主田园实验允许研究者在保护用户秘籍的前提下采集酬酢机器东说念主账号的日记数据。通过分析日记数据，研究者不错重塑信息环境——了解酬酢机器东说念主在实验过程中被哪些信息曝光，如何参与信息传播过程，如何与其他实体（如东说念主类用户、平台算法）进行交互等。通过识别和分析日记数据中的信源特征、文本特征、酬酢蚁集特征、信息消耗偏好以及注见解周期序列等，研究者不错挖掘信息传播格式过火潜在影响身分。此外，日记数据可被用于收复酬酢机器东说念主账号的齐全步履轨迹。研究者不错通过追踪酬酢机器东说念主账号的历时演变，探究产生组间各异的因果机制。

2. 高度阻挡

当捣毁实验室环境的戒指后，田园实验常难以对无关变量进行高度阻挡，使得飞速症结对研究收尾产生干扰。酬酢机器东说念主田园实验则能情愿这一实验假想要求。研究者或者根据实验假想对酬酢机器东说念主账号的步履进行高度阻挡。例如，研究者严格阻挡酬酢机器东说念主账号的阅读内容，以探究YouTube平台对特定阅读步履的反馈机制（师文，陈昌凤，2023）。除此以外巨乳 av，由于酬酢机器东说念主账号的每步步履都是可被纪录和可解释的，这也为评估和排斥无关变量对实验收尾形成的干扰提供了可能。

3. 开源复现

可近似性和可证伪性组成了表面建构的两大中枢圭臬。酬酢机器东说念主田园实验允许研究者预先注册实验历程并公开其源代码。这提升了研究过程的透明度，也便于伦理风险的评估和审查。通过在不同时间内反复对合并媒体平台上进行酬酢机器东说念主田园实验，研究者或者详尽不雅察并系统纪录该平台随时候推移所履历的动态变化，这也为系统地进行鸠合分析提供数据复旧。

4. 本领关节

相较于剧本关键，酬酢机器东说念主具有更高的可拓展性。具体而言，研究者或者通过API（Application Programming Interface）接口，为酬酢机器东说念主账号集成东说念主工智能本领，包括大模子（Large Language Model）、心境分析、主题识别和文本生成等。这使得酬酢机器东说念主账号或者更准确地对着实用户进行仿真。例如，酬酢机器东说念主账号不错分析其他用户的发布内容，根据是否适合本身偏好来采纳订阅或激情；基于新闻标题的类型快速判断是否点击阅读；利用险峻文信息来判断是否转发或生成探讨评述等（Min，Jiang，Jin，Li & Jin，2019）。这为酬酢机器东说念主田园实验的研究假想提供了更多可能。

三

酬酢机器东说念主田园实验的假想决策

本节率先对酬酢机器东说念主田园实验的一般假想历程进行了梳理，进而回归了以算法、平台和社群为研究对象的假想决策，以探索酬酢机器东说念主田园实验的可行性与表面后劲。研究者依据不同的研究对象和问题，不错通过阻挡酬酢机器东说念主不同进程的仿真进程和介入面貌开展田园实验。

（一）酬酢机器东说念主田园实验的实施历程

酬酢机器东说念主田园实验的实施历程主要分为三个阶段（见图2）。在准备阶段，研究者主要正经提真金不怕火平台用户特征并构建酬酢机器东说念主的运行环境。通过大数据爬虫、问卷考核等方法，获取用户群体的步履特征、酬酢相关特征、信息消耗特征与东说念主口属性特征等，以完成酬酢机器东说念主对东说念主类步履的模拟及账号设定。同期，为顺应不同的实验平台，研究者需要建构酬酢机器东说念主账号基本操作API。例如，当YouTube的保举算法如何影响党派信息的曝光时，研究者需要假想特定的API接口，使得酬酢机器东说念主账号或者进行“点击侧栏保举页视频”、“复返首页点击视频”等操作（Hosseinmardi，Ghasemian，Rivera-Lanas，Horta Ribeiro，West & Watts，2024）。据此基础，研究者可根据实验想法，按酬酢机器东说念主的仿真战术的各异或账号设定的不同进行实验分组。

在实施阶段，研究者对酬酢机器东说念主账号进交运行化成立后，将其部署至田园环境中并奉行实验任务。根据实验任务的不同，研究者采集相应的数据，如酬酢机器东说念主步履数据、与平台互动产生的数据、以及信息曝光数据等。此外，研究者需依期调理酬酢机器东说念主的活跃状况和运行环境，以保证据验的可行性。在分析阶段中，研究者根据酬酢机器东说念主账号的分组情况，对采集的万般数据进行数据挖掘与分析，通过组内变化、组间各异瓜分析收尾回话诸如传播效果评估、东说念主机交互影响、蚁集社群分析等研究问题。

（二）针对不同研究对象的酬酢机器东说念主田园实验假想

研究者不错以算法、平台和社群为不同的研究对象，从相关和步履层面对酬酢机器东说念主账号进行实验假想（见图3）。相关层面主要触及酬酢机器东说念主账号与其他账号之间的互动，如激情与被激情、转发与被转发等；步履层面则包括阅读、点赞和评述等步履步履。通过阻挡“机器—机器”“东说念主—机器”之间相关和步履层面的各异，为实验假想提供了较大摆脱度。

1.以算法为研究对象

算法照旧融入到信息的坐褥流动过程中，在提升效力的同期也出现了烦恼偏见等诸多问题。“算法透明”往往是指要求使用者公开源代码并解释基高兴趣、运行机制和意图等，被视为是算律例制的要紧原则。可是算法透明在实践层面却贫困重重。算法与用户发生着实互动之后照旧变得十分复杂，具有智能性、黑箱性等特征（Pasquale，2016），致使算法假想者也无法完全阻挡算法运行（Lazer，2015），公开算法代码也难以评估本色产生的社会影响（徐明华，魏子瑶，2023）。相较于以算法透明为代表的事先规制，以算法问责为代表的过后规制更为妥当（沈伟伟，2019），也由此鼓动了算法审计研究的发展。

算法审计（algorithm audit）是指研究者以不同的输入模拟算法运行场景，通过对照输入与输出的相关，推演算法可能产生的社会影响（Sandvig，Hamilton，Karahalios & Langbort，2014）。频年来，学者们入手通过自动化剧本或马甲（sock puppet）登录等面貌，对搜索引擎自动补全（塔娜，林聪，2023）、视频平台主流化（师文，陈昌凤，2023）等问题伸开研究。可是，这些研究大多为横截面研究，忽略了用户与平台的交互过程。酬酢机器东说念主田园实验能开展弥远的算法审计实验，其采集的日记数据能让研究者更详尽地检会其与算法的互动演化过程。具体而言，研究者不错根据不同的实验假想，将酬酢机器东说念主账号部署在合并个酬酢媒体平台中，通过操控步履层面和相关层面以进行实验分组，即调整酬酢机器东说念主账号本身的相关蚁集过火与平台算法的互动战术，以获取不同的算法输出收尾（见图3-1）。例如，Chen等东说念主（2021）部署了中立的酬酢机器东说念主账号，假想其激情不同的新闻起原并进行弥远追踪，研究发现它们斗争到的新闻和信息在很猛进程上取决于早期激情的新闻起原的政事倾向。

2. 以平台为研究对象

社会生涯日益受到在线平台的生态系统所鼎新，平台社会探讨研究随之兴起，成为学者们的激情焦点（范·迪克，孙少晶，陶禹舟，2021）。东说念主们不错芜俚地、随处随时从不同的平台进行信息消耗，斗争的内容亦然“千东说念主千面”的（Chaffee & Metzger，2001）。实证研究中，单一平台研究较多，而跨平台研究相对较少，其主要原因是跨平台研究面对两个逆境：其一是仅通过媒体使用渠说念和频次难以服气哪些内容被消耗并产生影响；其二则是难以进行跨平台的用户对皆（de Vreese & Neijens，2016）。这些挑战戒指了对跨平台各异进行因果老师的探索。

算法、意见魁首、平时用户和酬酢机器东说念主账号之间的互相作用使得平台变得日益复杂。在不同的平台上，即使疏浚的用户步履也可能产生不同的收尾。这为利用酬酢机器东说念主田园实验研究平台各异提供了表面基础。研究者或者严格阻挡酬酢机器东说念主在不同平台的步履格式，在一定进程上管制了用户对皆问题。在不同的酬酢媒体中，部署步履格式疏浚的酬酢机器东说念主账号则不错不雅察平台间的各异（见图3-2）。换言之，由于研究者阻挡了酬酢机器东说念主与平台的互动格式，因此田园实验所不雅察到的各异即反馈了各平台本身的生态系统过火运行机制，或者尝试对跨平台各异进行因果解释。

3. 以社群为研究对象

以社群为对象的研究假想，其关键在于已毕酬酢机器东说念主集群对着实东说念主类社群的模拟。最欲望的模拟收尾是或者将酬酢机器东说念主集群的数据收尾映射到着实东说念主类社群中。已有研究发现，以大模子驱动的“硅样本”（silicon samples）或者在一定进程上反馈东说念主类样本在不同筹备上的散布情况，这将可能对传统考核问卷方法进行纠正（Argyle，Busby，Fulda，Gubler，Rytting & Wingate，2023）。在扮装束演过程中，大模子系统照旧或者以相配接近东说念主类的面貌进行对话（Shanahan，McDonell & Reynolds，2023）。上述研究为酬酢机器东说念主映射东说念主类社群提供了表面和本领基础。

作为本领关节，酬酢机器东说念主账号或者搭载以大模子为代表的万般东说念主工智能本领从而更好地对东说念主类进行仿真。具体来说，研究者不错利用大模子，为每个酬酢机器东说念主账号创造东说念主物画像。这些画像不仅包括基本的东说念主口统计信息，如年级、性别、奇迹等，还不错细化到个性特征、兴味怜爱、酬酢民俗等方面（见图3-3）。例如，研究者在微博部署了两类具有不同业为特征的酬酢机器东说念主账号，一类主要激情科技信息，另一类主要激情文娱信息，经过一段时候的追踪后，研究发现后者更容易堕入到过滤气泡中。这意味着激情文娱信息的账号在信息接管和互动上更容易趋向于同质化（Min，Jiang，Jin，Li & Jin，2019）。

四

酬酢机器东说念主田园实验在筹备传播学中的应用与瞻望

近十多年来，筹备传播学迟缓发展成为一种新的研究取向并形成了大数据分析（Atteveldt & Peng，2018）和仿真模拟（Sherry，2015）两种研究范式。大数据方法的数据起原主要为数字踪影（digital trace）。数字踪影具备数据量大（big）、及时在线（always-on）和非干扰性（nonreactive）等特征，或者客不雅地测量传播步履（Salganik，2018）。数字踪影为研究复杂的东说念主类传播步履提供基础，更细颗粒度的日记数据意味着更微小的各异或者被察觉，同期，纵向日记数据能更客不雅地反馈媒体使用带来的本色影响（Choi，2020；Parry，Davidson，Sewall，Fisher，Mieczkowski & Quintana，2021）。可是，数字踪影的探讨研究主要基于用户生成内容（Naab & Sehl，2017），以日记数据驱动的研究则可能因具有较高的秘籍风险而相对鲜见。跟着东说念主们对数字踪影泄漏个东说念主秘籍风险的担忧日新月异，如何有用获取数据成为筹备传播学者无法绕开的难题（李晓静，付想琪，2020）。

仿真模拟方国法除名实验法的想想，主张将新闻传播系统视为复杂系统，通过建构模子探究微不雅的传播步履和宏不雅涌现之间的相关，为信息扩散、公论极化等风景提供机制性解释和预测，定量地抒发息争说质化想想（王敏，张子柯，2022）。国内学者迟缓入手利用仿真方法对千里默的螺旋（王成军，党明辉，杜骏飞，2019）、公论极化（葛岩，秦裕林，赵史册，2020）等问题伸开研究。可是仿真方法可能出现难以证伪的情况，即可通过调整模子参数以“得到任何想得到的收尾”（杨敏，熊则见，2013）。

酬酢机器东说念主田园实验能有用延续大数据研究和仿真研究的上风，为筹备传播学研究提供新想路、新方法和新数据。一方面，研究者或者在不骚动用户秘籍且不需要依靠平台的情况下获取酬酢机器东说念主账号的日记数据；另一方面，延续东说念主类用户和酬酢机器东说念主账号的数据，或者系统性地迭代仿着实验的假想想路——具体来说，研究者既能以东说念主类用户的步履特征作为酬酢机器东说念主的输入参考，使其更接近于东说念主类用户；也能将东说念主类用户产生的数据作为输出参考，以老师酬酢机器东说念主产生的收尾（Waldherr & Wettstein，2019）。在反复考据的过程中形成数据闭环，提升了酬酢机器东说念主田园实验的可近似性、可解释性和可证伪性。因此，本文以为在现在多元复杂的酬酢媒体环境中，酬酢机器东说念主田园实验方法或者为表面翻新提供数据、从头老师传统表面以及探索表面的领域。

（一）领会之前：传播效果研究从“曝光”从头启程

传播效果研究大体上履历了“强—弱—强”三阶段变化。在“弱—强”的鼎新中，议程成立表面的提倡是关键的一环。麦库姆斯（Maxwell McCombs）和肖（Donald Shaw）的“教堂山研究”（1972）将注见解放在了媒体对受众领会的影响上——即研究东说念主们“想什么”而不是“如何想”——而大获收效。可是，如今的媒体环境已然发生剧变，群体把关、过滤气泡、回声室效应等风景芜俚地影响了信息流动的过程，使得学者们入手聚焦媒体曝光（media exposure）——在“想什么”之前，研究“看什么”成为弥留议题——事实上，淌若不在曝光层面检会数字媒体的传播效果，那么表面构建将变得举步维艰（Bennett & Iyengar，2008；Holbert，Garrett，& Gleason，2010）。

媒体曝光往往是指东说念主们斗争到的内容，如安在碎屑化和高采纳性的媒体环境中测量媒体曝光一直是备受激情的问题（de Vreese & Neijens，2016）。大多数媒体曝光研究是基于自我陈说的问卷考核。研究者以为，尽管问卷考核跟着前言本领的纠正不停迭代，但仍难以已毕客不雅地测量媒体曝光（Prior，2013）。数字踪影数据采集则是测量媒体曝光的另一条旅途，包括平台API、以用户为中心的数据捐赠（data donation）和屏幕追踪等面貌，但可能存在伦理风险（Guess，2015；Ohme et al.，2023）。

通过酬酢机器东说念主田园实验，研究者不错在酬酢媒体中部署一定数目的酬酢机器东说念主账号并形成集群，使它们在相关层面和步履层面对地点社群进行仿真，那么酬酢机器东说念主集群即等价于一个微型模拟社会。通过测量酬酢机器东说念主集群中的媒体曝光，研究者不错揣摸特定内容在地点社群中的曝光情况。一般而言，异常流量（如水军）会干扰点赞量和转发量等筹备，影响数字踪影的着实性。可是，基于酬酢机器东说念主田园实验的方法进行曝光测量并不依赖于数字踪影，从而避让了异常流量的影响。例如来说，假定存在一个由100个酬酢机器东说念主组成集群活跃在微博平台上，现需要对微博内容A和B的曝光情况进行测量。关于A而言，在10个酬酢机器东说念主的日记数据中出现A，那么曝光率为0.1；而在20个酬酢机器东说念主的日记数据中出现B，那么曝光率为0.2。据此可知，B的曝光率高于A。而在这个过程中，研究论断并不会受到异常流量的影响。另外，由于酬酢机器东说念主账号仅在群体层面对东说念主类用户进行仿真，并非对某一个具体东说念主类用户进行映射，因而该数字踪影无法回溯到特定用户，从而裁汰了伦理风险。一言以蔽之，酬酢机器东说念主田园实验为媒体曝光的测量和曝光研究开辟了新视角。

（二）新瓶之后：经典表面的再考据与延展

“新瓶装旧酒”即欺诈新的研究方法近似老师旧的表面，使得研究者堕入精细化的测量中而忽略了问题意志。正如周葆华（2020）所言：“所谓方法，不仅是依附于问题的本领，还不错带来攻击视角的新想路”。下文以议程成立表面、社团形成机制以及采纳性斗争为切入点，探讨酬酢机器东说念主田园实验如何对传播学表面进行考据与延展。

1. 议程成立表面

议程成立表面激情媒体议程到公众议程的权臣性鼎新。在蚁集议程成立的探讨实证研究中，公众议程的数据采集面貌较为复杂，主要包括问卷考核、想维导图、数字踪影等，可是却可能存在自我报告偏差、异常流量等问题（张伦，邓依林，2021）。酬酢机器东说念主田园实验通过分析酬酢机器东说念主账号的日记数据，不错构建基于曝光步履的和基于阅读步履的议程蚁集。此外，研究者还不错围绕算法、平台和社群，老师不轸恤境下的蚁集议程成立。

2. 社团形成机制

在社会蚁集分析中，实体属性每每阐扬为多面的、高维的、零碎的。如何将语义信息、相关信息和交互信息等多种信息有用整合，以推断和预测社会蚁集结构，是现时研究中的弥留问题（周丽华等，2022）。相通的，在社配合构的探讨研究中，社团形成的历时动态数据及探讨研究仍较稀缺（李永宁，吴晔，张伦，2021）。通过酬酢机器东说念主田园实验，不错采集到每个酬酢机器东说念主账号的信息曝光情况及探讨社团形成的历时演变数据。这些数据的抽象分析有助于久了探讨信息传播与社团形成的互相作用。

3. 采纳性斗争

在东说念主机耦合的信息环境中，极度是在基于协同过滤逻辑的保举算法的影响下，采纳性斗争的实证研究变得更为复杂。诸如算法偏见（方师师，2016）、信息茧房（彭兰，2020）、群体极化（Levy，2021）等问题被以为是东说念主类步履和机器步履共同作用的收尾，而大数据分析难以单独分析东说念主类步履或机器步履的影响。酬酢机器东说念主田园实验则允许对酬酢机器东说念主的步履进行严格阻挡，从而解耦东说念主类步履和机器步履的互相影响，进而情愿阻挡单一变量的实验要求。研究者不错通过日记数据，分析行动战术与保举算法之间的互动相关，这将为采纳性斗争进行因果解释提供可能。

五

基于酬酢机器东说念主田园实验的

过滤气泡成因探索

桑斯坦（Sunstein，2009）和帕里泽（Pariser，2012）分别提倡“信息茧房”（information cocoon）和“过滤气泡”（filter bubble）后，信息同质化风景迟缓受到激情。研究发现，同质化进程较高的信息环境可能加重公众的领会偏见，形成信息孤岛并缩小人人斟酌，从而戒指公众关于人人议题的全面领会，致使可能促使群体极化和极度信息传播（Spohr，2017）。国内学者们从不同角度提倡了“破茧”“刺破”等决策（彭兰，2020；王斌，李宛真，2018）。可是，由于保举算法和个东说念主偏好之间可能存在互相影响的正反馈机制，过滤气泡的成因过火形成机制尚未达成共鸣。一般来说，学界对此存有两种不雅点，分别是将原因指向东说念主类步履的自我采纳的个性化（self-selected personalisation）和指向机器步履的预先采纳的个性化（pre-selected personalisation）（Borgesius，Trilling，Möller，Bodó，Vreese & Helberger，2016）。辛内利等东说念主（2021）发现用户步履在多个议题中出现自愿性的社会分离风景，考据了预先采纳的个性化。而巴克希等东说念主（Bakshy et al.，2015）基于类似数据集则发现，用户倾向于接管与他们的信仰相符的信息而忽略不同的意见，考据了自我采纳个性化。酬酢机器东说念主田园实验则能将两者的互相影响进行解耦，回话上述争论。本研究通过酬酢机器东说念主田园实验方法，在Google News新闻团聚平台中进行了酬酢机器东说念主飞速阅读实验，以探索在阻挡东说念主类步履的情况下，酬酢机器东说念主账号是否会堕入过滤气泡中。

（一）实验历程与数据采集

在Google News上部署了36个酬酢机器东说念主账号，并结伙成立了这些账号的IP地址和个东说念主主页信息。每个酬酢机器东说念主账号为在Google News平台上每天进行飞速阅读实验。所谓“飞速”，即流露对平台推送的新闻进行等概率点击，每天活跃4次，每次进行50条新闻曝光和5次飞速点击。实验从2023年8月15日捏续至2024年1月29日，共采集到了1063424条数据纪录。每行数据包括酬酢机器东说念主账号ID、信源、曝光时候、新闻发布时候、新闻标题等。

（二）变量测量

本实验罗致文本相似度和新闻类型香农熵对过滤气泡进行操作化。率先，通过调用由Google开采的基于Word2Vec的预老师词向量模子GoogleNews-vectorsnegative3001对新闻标题进行文本相似度筹备。文本相似度越高，流露该账号的信息环境越同质化。其次，通过逐日爬取Google News平台新闻，以新闻标题过火所属栏目为老师集，及时进行有监督机器学习，对酬酢机器东说念主账号曝光的新闻标题进行类型预测后，以每天为分析单位筹备新闻类型香农熵2。新闻类型香农熵越低，流露该账号的信息环境越同质化。

（三）研究收尾与斟酌

数据分析标明，文本相似度在举座上呈现出增长趋势（见图4-1），而新闻类型的香农熵则呈现出着落趋势（见图4-2）。除此以外，新闻类型香农熵的方差值呈现增大趋势。进一步分析发现，这些运行成立疏浚的酬酢机器东说念主账号出现了分化风景，即一部分账号堕入了过滤气泡中，而另一部分则莫得。关于那些堕入过滤泡沫的账户而言，硬新闻的占比权臣提升。研究收尾标明，即便酬酢机器东说念主账号遴选飞速点击的面貌阅读新闻，也可能堕入过滤气泡之中。本实证研究展现了酬酢机器东说念主田园实验的表面后劲。可是，该研究也存在一些局限与不及，主要体现在关于曝光内容仅进行软硬新闻的区分，畴前研究不错进行更细颗粒度的实验假想，以进一步探讨过滤气泡出现的领域条目过火复杂的形成机制。

六

结语

数据和方法是实证研究和表面翻新的基石，更细颗粒地获取不雅测数据每每能颠覆性地鼓动学科发展，正如电子显微镜和天文千里镜对当然科学的孝顺一样。面向二十一生纪的社会科学，瓦茨（2007）以为“淌若处理妥当，基于互联网上头的传播和互动数据不错变革咱们对东说念主类群体步履的领会”。酬酢机器东说念主田园实验的出现与发展，记号着筹备传播学研究从被迫不雅察到主动实验的鼎新。这好比在信息海洋中投掷一枚石子，使得研究者或者不雅察到由万般石子引起的圈圈激荡；亦如抛入一块鱼饵，从而不雅察不同鱼群之间的博弈互动。跟着ChatGPT大模子等东说念主工智能本领的芜俚应用与发展，酬酢机器东说念主田园实验的表面后劲将进一步显露。

本文系简写版，参考文件从略，原文刊载于《国外新闻界》2024年第9期。

本期执编/姜姜

订阅信息

寰宇各地邮局均可订阅《国外新闻界》，国内邮发代号：82-849，接待您订阅！

您也可通过下方二维码或网址https://mall.11185.cn/h5/#/bkGoodsDetails?spuId=113613&from=imgShare&dsId=zxSWChat&dsModule=c3df4964-af5d-40a8-d6cc-a768b5306e52 ，参加中国邮政微商城订阅本刊。

您还可探问《国外新闻界》官方网站 http://cjjc.ruc.edu.cn/ ，免费获取往期pdf版块。