网络舆情认知偏差的表征、成因与应对

对互联网中多种情绪、态度和意见交错综合的网络舆情进行认知是舆情治理的基础。当前，以大数据为代表的信息技术深刻改变了人类信息的传播模式，进而影响人们认知舆情的方式和环境。以大数据为基础的智能推荐算法、语义识别、数据挖掘等技术，在为网络舆情的传播和汇聚提供便利的同时，也为舆情认知主体带来挑战，误导人们对网络舆情的关注方向和认知倾向，导致网络舆情认知偏差的产生。网络舆情认知偏差是指网络舆情认知主体基于网络信息的获取而对网络舆情的认知与舆情事实产生差距的现象，这种差距主要体现在认知主体对舆情客体片面、不真实的认识和理解。例如，政府对网络舆情民意表达的理解偏误、舆情服务机构对网络舆情的片面分析、媒体对公众关切的报道忽视、公众对政府政策的反向认知等。网络舆情的认知偏差将造成政府对网络舆情的回应滞后、媒体的反转新闻报道、公众舆论的非理性表达、网络环境谣言泛滥等不良后果。

认知传播学为网络舆情认知偏差的研究提供了跨学科的理论框架和研究视角。认知传播学是运用认知科学成果，研究大众传播发生发展规律的科学，其关注于作为一切传播活动驱策动力的主体“人”，以解释主体对信息理解产生差异的原因为研究目标。基于认知传播学的研究路径，本文以大数据背景下的网络舆情治理为现实依据，将网络舆情传播的认知主体划分为政府、媒体和公众，关注大数据算法环境下主体的网络舆情认知偏差现象，并给出认知传播视域下网络舆情认知偏差的应对策略，为营造良好的舆论环境提供依据。

一、算法空间：大数据背景下的网络舆情认知场景

大数据算法技术推动着信息的快速生产、实时传播、高度共享，成为网络舆情传播的技术媒介。在认知传播理论框架下，以技术媒介为支撑的传播实践为主体认知建构了认知环境。舆情信息、媒介和人是舆情传播的核心要素，本文将从大数据算法对这三个要素的影响出发，分析大数据背景下的网络舆情认知场景，以提升对认知主体网络舆情认知偏差规律把握的科学性。

1.信息维度：网络舆情的过载与异质

信息是网络舆情传播的基本要素，是主体进行舆情认知的核心工具。大数据、互联网、智能终端等新媒介技术的快速发展和广泛应用，使得每个人都能够方便地接入网络，通过互联网进行意见表达和社会交往，产生数以亿计的网络舆情数据资源。这些舆情数据资源类型丰富，包括文字、音视频、表情包等网民公开表达的显性数据和情绪、态度等未明显表达的隐性数据，还包括信息之间的关联性所隐含的社会关系数据和基于位置及传感器而产生的运动轨迹、身体状态等数据。由此，网络舆情数据本身成为大数据资源的范畴，呈现出数据体量大、类型多样、产生速度快、价值密度低的特征。而新媒介技术的开放性和便捷性使信息生产主体的门槛降低，进一步导致信息源的暴增及信息质量的参差不齐，同时也导致了信息交换频率的升高，最终造成了网络空间的信息过载，这成为人们无法高效分辨和有效利用信息的重要原因。此外，由于网络热点事件参与主体立场的多样性，甚至出现算法滥用的机器人水军在网络上营造虚假舆论的现象，导致信息来源的复杂性和难以把控的真实性，这就使得网络舆情数据在一定程度上呈现出异质性，最终造成舆情数据的质量无法控制。网络空间舆情数据的过载性和异质性存在扭曲信息真实性和扰乱信息传播效果的风险，导致主体的认知难度增加，对政府、媒体、公众的理性判断能力和数据分析能力都提出了极大的挑战。在大数据时代，人们会比以往获得更多信息，同时也更难以获得真相。

2.媒介维度：多元主体的交互与涌现

媒介是网络舆情的传播载体，是打破人与人、人与信息、信息与信息之间时空区隔的桥梁。在媒介技术层面，大数据算法进一步强化了一种关系的维度。一方面，作为网络舆情传播媒介的算法，为政府、媒体、公众等认知主体与舆情信息提供了交互场所，通过一定的机制调节与控制着各类主体及其相互关系。在算法调控下的多元主体的交互具有多样性，包括人际、人机、信息的交互。例如，在网络舆情引导中，数据挖掘算法调节着政府对舆情信息的监测与分析；在社交媒体中，智能推荐算法通过向人们推荐好友或筛选信息，调控着人们对信息和人际关系的获取；在智能化内容生产中，机器学习算法是自动化新闻与海量数据的中介。基于此，网络空间呈现出多元复杂的交互状态，导致舆情认知的复杂多元化。另一方面，在多元主体交互传播的模式下，政府、媒体和公众等主体之间可以通过互动方式实现信息的单向、双向和多向传播，多元的主体交互与多向的信息流动为主体间出于爱好、价值和利益等进行的互动与聚合提供可能，最终形成网络圈层。网络圈层呈现群体性特征，随着成员数目的增加，两个或更多成员之间可能的相互作用将呈指数级增长，最终产生群体行为的动态特性。群聚的个体的想法不是各个个体的想法之和，而是从众多参与者的交互行为中涌现出全新的复杂性系统特点，导致舆情认知的复杂涌现化。

3.主体维度：数字化身与技术具身

出版人里克·斯莫兰曾经对大数据作出一个哲学定义，他指出，“大数据是帮助地球建构神经系统的一个过程，在这个系统中，我们（人类）不过是其中一种感测器。”这个定义将人和大数据还原为地球系统的组成单元，形象地描述了人与大数据之间的感知关系。一方面，大数据算法强化了人的数字化身。在以算法为媒介构成的信息传播中，人、媒介与信息组成了一个庞大的网络拓扑结构，人被完全虚化为网络中的数字节点，媒介以机器和技术两种形式成为拓扑网络中的链路，信息通过链路进行流通。在这个拓扑网络中，人类在感知突破时空界限的数据信息和平等交流权利的同时，也会因为信息的快速更迭和多元变化而感到困惑。另一方面，随着大数据、人工智能、物联网、传感器、虚拟现实等技术的发展，媒介不再只是人类身体的延伸，而是重新将身体带回信息传播场景。人脸识别、手势识别等技术的发展使屏幕成为“有机界面”，AR全息读报、沉浸式新闻、智能语音播报等技术已被应用到新闻报道和舆情传播中。在这个场景中，人的身体与技术作为一个整体系统而感知世界，技术不再是一种外在于身体的工具，而是越来越透明化地嵌入到人类的身体中，形成技术与人的身体经验相融的“技术具身”，将主体的认知推向依赖于逻辑计算的离身符号化和依赖于身体感官的具身体验化的融合。

二、认知主体：大数据算法场景下的网络舆情认知偏差表征

大数据算法建构了网络舆情认知的环境，成为网络舆情认知偏差产生的现实场景。当前互联网中存在的舆情回应缺位、新闻伦理失范、虚假信息泛滥等传播问题与主体“人”的认知行为息息相关。本文以网络舆情治理过程为依据，从政府、媒体和公众多个舆情认知主体出发，梳理大数据背景下网络舆情认知偏差的表现形态。

1.政府：过度依赖数据与算法的舆情态势误判

网络舆情信息的爆炸性增长和大数据舆情处理技术的发展驱使政府部门将大数据作为基础性战略资源，并主动引进最新的信息收集和分析技术系统，或与舆情服务企业和舆情研究团队开展合作。大数据作为一种认知工具，可以实现网络舆情信息的数据化、代码化、可视化，通过大数据挖掘、相关分析等技术实现网络舆情信息的全面收集和分析预测。然而，大数据对网络舆情治理效能的提升让一些政府舆情分析人员过度依赖于数据和算法，甚至将数据主义作为信条，将大数据和算法作为舆情分析研判和政策制定的基准。实际上，数据和算法并不能完全客观地反映网络舆情的一切层面，数据并不等于舆情事实，算法也不是完全中立的。如果只采纳大数据算法提供的网络舆情数据作为研究对象，将可能导致把虚假网络舆情误判为真实民意、舆情重点判断失误等认知偏差，最终造成舆情回应不及时、舆情回应不妥当、政府决策失误等行为偏差。

2.媒体：新闻的片面呈现和不稳定的媒介面具

大数据算法在拓宽新闻报道来源、提高新闻生产和分发效率、丰富新闻报道形式的同时，也削弱了媒体的传统把关作用。大数据背景下的新闻生产是在媒体工作者和算法的交互协作中进行的，在这一过程中，媒体对许多复杂舆情真相的认知往往不是一次性完成的，有时会因为判断失误或价值导向偏颇而忽视了多方事实的调查，导致新闻信息的虚假、片面呈现。在大数据时代信息快速更迭的背景下，媒体舆情认知过程的曲折性和媒介信息的复杂多样性导致其媒介面具的不稳定性。“媒介面具”是指个体媒介或整体媒介应对受众和社会的生存方式与形象外罩，媒介面具为公众提供了媒介体验，公众的需求和喜好也在调整着媒介面具的形态。在对舆情事件进行调查、报道的过程中，由于媒体工作者个人认知能力及其与算法协同程度的不同，媒体对舆情事件事实的报道内容和传播方式可能会出现前后不一致的状况，这在一定程度上将消解媒介面具的专业属性和公信力属性，影响公众对舆情的正确认识，最终可能导致媒体舆情引导的失范。

3.公众：信息茧房下的情绪先行与群体极化

即使公众之间及公众与网络信息之间没有直接的互动，大数据算法也能够根据属性、兴趣等特点将人与人、人与信息、人与媒体平台之间的关系挖掘出来，将特定的信息和平台与特定的人群连接起来。在网络舆情信息过载和异质的背景下，当热点事件发生时，会迅速吸引各类声音，这些信息通过算法的个性化连接实现对平台用户的自动、实时推送。用户通过大数据智能算法，完全可能获得不同面向的舆情信息，形成差异化的认知，甚至造成不同群体和代际间的沟通障碍，进而形成信息茧房。在信息茧房环境中，由于获取信息的同质性，部分人容易失去理性辨别能力，产生极端情绪。根据拉扎勒斯提出的“认知-评价”理论，情绪会不断调节人们对刺激事件的态度与反应，进而改变人们对事件的认知，形成不同的社会舆论态势。此外，处于信息茧房中的人们，在非理性情绪的影响下，常常放弃自己的观点和态度，与群体中的多数保持一致，表现出盲目服从。新媒体中的公众舆论一旦形成，就会产生舆论的马太效应，大量的跟帖、转发以及声情并茂的图文和视频相互推动，使舆情朝着某一个方向发展，呈现出“群体极化”现象。信息茧房中的情绪盛行和群体极化，严重影响了公众对事实真相的全面审视与客观认知，进一步固化了人们既有的观点与立场，以致于难以形成共识。

三、成因分析：认知传播模式下网络舆情认知偏差的影响因素

以体验认知为基础的第二代认知科学对认知传播学研究大众传播过程和规律产生了深刻的影响。体验认知的基本观点是：认知的形成根植于人的身体与环境的交互体验和认知加工方式。网络舆情认知受到多重因素的影响，政府、媒体对网络舆情的认知是政府工作人员、编辑记者等主体认知的复合呈现。本文从体验认知传播观出发，从技术环境和主体认知结构两个层面剖析大数据背景下政府、媒体、公众网络舆情认知偏差的影响因素。

1.技术环境层面

有学者指出，技术化的社会环境成为人的认知本身的组成部分，大数据算法对网络舆情认知偏差的影响主要体现在大数据舆情认知框架的缺陷和数据的缺失两方面。

一是大数据认知框架的缺陷。以大数据网络舆情监测、大数据网络舆情研判、数据新闻、算法推荐为代表的大数据舆情认知框架本身存在着偏见，这体现在两个方面。第一，大数据算法本身存在价值缺陷。在大数据背景下，舆情认知主体以算法对舆情信息的量化作为认知的基础，然而大数据算法本身不是绝对客观的，它是由人编写和制造的，其中蕴含着人的价值取向，假如编写算法的人本身预设不科学的分析倾向或分析结果，就可能使基于这一算法进行舆情分析的结果存在错误，进而炮制出“伪舆情”。第二，大数据算法对舆情可见性的调节存在偏误。舆情的形成是公众、媒体、政府等主体对公共议题或事件进行讨论、报道、引导的交互过程，这一过程的前提是特定议题、事件能够在公共空间中“被看见”“被感知”，即具有可见性。在现代社会，算法成为舆情可见性的技术架构与驱动逻辑，告诉人们应该注意什么。作为可见性中介的算法影响着人们对信息的获取、媒体平台流量的分布以及新闻内容生产的取向，既能够提供真实的信息，也可能被商业或政治逻辑裹挟，造成信息的价值偏移和主体价值认知的偏差。

二是舆情数据本身的缺失。在大数据时代，不同地区、群体间仍然存在着对信息资源、网络技术的拥有程度、应用程度的差距，即信息贫富两极分化的数字鸿沟现象。数字富有者通过生产数据、使用技术，能够轻松在互联网上表达意见并产生大量被相关机构所收集的数据用于分析与决策，而数据贫穷者则很难产生出数据。由此可见，完全以网络数据为导向进行舆情认知会使认知主体误以为网络舆情线上热度和线上言论完全等同于舆情影响力和民意民情，而忽视线下声音和无法表达的民意。此外，即使对于互联网意见表达，也存在着沉默的螺旋效应，例如社交媒体的点赞机制会强化已经获得高赞的观点的影响力，容易使舆情参与者造成先入为主的印象而放弃个体见解的表达。因此，大数据技术获取的数据与全面、真实的民意民情数据不能划上等号，数据的缺失会导致网络舆情数据的偏差，进而误导政府、媒体、公众的舆情认知。

2.主体认知结构层面

认知主体所具备的认知能力和认知条件影响着其对网络舆情的认知。认知能力主要来自于主体的社会生活经验、集体记忆、知识积累等，认知条件主要包括主体所处的认知情境、所获舆情信息的质量、其他主体的影响等。在大数据算法场景中，影响主体认知结构的因素主要为数据认知能力和情绪聚合情境。

一是数据认知能力的局限。感性化的人与数字化的机器之间存在巨大的差异，主体在对网络舆情进行认知时无法完全以数字化的思维方式使用数据和技术，主要体现在数据操作不当和人机不协调的问题上。从数据操作的角度看，每一个相关的步骤都可能存在着导致认知偏差的因素，例如数据样本的不完整收集和污染、数据挖掘能力的有限、对数据的主观解读等都会影响舆情分析结果的完整性、代表性。从人机合作的角度看，排除资金、人力成本等客观因素，在现阶段开展的网络舆情治理工作中，政府和媒体利用大数据进行舆情认知的相关技术手段和管理制度仍然存在不足的主要原因是人机不协调。由于目前各单位网络舆情人才的技术应用水平不一致，尚未形成成熟、统一的机器与人工的协同智能分工模式，导致在网络舆情认知中，机器对人工的辅助不够。

二是群体情绪的煽动。情绪是人的自然属性，由于网络空间的低约束性和高互动性，人的自然情绪极易被激发和裹挟。在情绪先于事实的后真相时代，人们对网络舆情事件的认知首先受到个体主观意识的影响，当个体感受到的外部环境与自身的认知加工所得出的结论不一致时，个体情绪就会被唤起。在大数据算法场景中，个体的情绪在网络圈层中相互感染、扩大，最终形成群体情绪。在群体中，由于信息茧房效应，相似的观点会进一步强化，使得群体情绪更加具有煽动性和感染性。情绪作为个人判断、推理、决策和行为的基础，很容易干扰主体的客观认知和理性判断，引起舆情认知与事实演化之间的偏差。

四、达成认同：认知传播视域下的网络舆情认知纠偏

本文通过剖析认知主体在大数据算法场景下的网络舆情认知偏差现象及其产生原因，从政府、媒体、公众三类具有能动性的认知主体及其互动的视角提出降低网络舆情认知偏差程度的建议，以期接近社会价值认同的达成。

1.政府：结合数据与情境，提高数据分析和舆情决策水平

政府在舆情认知和治理中应充分考虑大数据技术所存在的缺陷以及经大数据呈现的网络舆情存在的偏差并加以修正，这需要政府在进行网络舆情数据分析时引入情境视角，并注重技术与人文的结合，通过对具体情境的挖掘与反思去理解舆情民意的真实状况。

一是关注线下情境与真实生活。公众对舆情事件的意见、情绪、态度是特定情境下的产物，网络舆情的形成与演化离不开具体的社会情境和公众的真实生活体验，人们对于舆情的认知也是与特定的情境联系在一起的。在大数据认知框架存在缺陷的背景下，为解决舆情数据与真实民意民情的落差，必须关注认知产生的情境。一方面，政府要关注数字鸿沟及沉默的螺旋效应导致的线上缺席的声音，通过互联网适老化改造、交流走访等方式，将线上和线下的数据有机整合，挖掘网络舆情与现实社会动态的深层次关系，增强舆情认知的全面性，防止错误决策。另一方面，政府要关注舆情产生的真实生活情境，将舆情大数据与社会情境相结合，针对不同类型的舆情议题、网络圈层进行跟踪分析，挖掘数据背后隐藏的人们的真实心态、行动逻辑和利益诉求，进而探究舆情生成和演化的结构性动因。

二是建立以人为尺度的大数据价值观。利用大数据进行舆情认知不能陷入数据中心主义、数据形式主义、技术万能主义的误区，认为数字化程度越高就越有利于认知和治理，甚至利用数字化呈现掩盖社会矛盾，而要在舆情治理中建立以人为尺度的数据价值观。一方面，政府要在舆情研究工作中建立以人为主的人机协同模式，注重技术的人文关怀作用，从技术开发角度增强技术和数据的可解释性，提高界面、算法和数据在人机交互中的易理解性，打造对舆情研究人员更加友好的交互模式。另一方面，政府要在舆情挖掘和分析认知过程中充分考虑公众主体的多元性和公众需求的多样性，关注数据筛选、分析过程中对人的多样性和价值性的保留，多向度及时发布全面真实的信息以回应公众的多样化需求。

2.媒体：追求客观报道，拓展符合认知规律的传播手段

媒体在舆情认知和引导中应摈弃自身认知能力的局限性和资本、流量思维的裹挟，以新闻真实性为根本遵循，同时尊重主体间性，发挥媒体的舆情引导功能。

一是重构媒体“把关人”角色。在纷繁复杂的网络信息环境中，媒体不能将信息筛选和分发的权利完全让渡给算法，而要重构媒体的“把关人”身份。第一，媒体工作者可以通过参与到智能推荐算法、写作机器人等智能工具的算法设计之中，将新闻实践的道德素质、专业素养嵌入算法标准中，实现新闻把关的效果优化。第二，媒体在信息生产和传播的过程中要加强信息发布自律，秉持真实、客观、公正的原则，通过拓展消息来源渠道、新闻调查和深入思考，避免预设结论和预设立场的报道话语偏见，全面客观地了解和判断舆情事实，避免信息发布不当带来的公众舆情认知偏差。第三，媒体平台要利用技术手段提高虚假信息的监测识别能力，建立虚假信息辟谣平台，及时公布有关事实和进展，切断公众认知偏差产生和传播的通道。

二是探索符合主体间性的传播策略。在大数据等新媒介技术的发展下，公众、媒介技术、传播环境能够通过生产、选择、形塑信息影响媒体等传播者的信息生产，在一定程度上拥有了主体地位，体现出主体与主体之间的交互性和相关性，即摈除主体与客体二元对立的主体间性。在认知传播学的理论架构中，主体之间的互动与对话是信息传播的关键。因此，媒体要发挥舆情引导的作用，就要从主体间性出发，注重传播过程中主体间的交流互动。第一，媒体的舆情引导策略要转向与公众的交流沟通为主导，在尊重公众独立思考和情绪感受的基础上开展具有说服力和共情力的交流，引导公众的理性认知。第二，媒体要探究公众的认知规律，创新公众的数字化身和技术具身方式，充分开发新媒介技术提供的可能性，激发公众感官系统的身体体验，通过具身化经验唤起公众在心理层面上主动、自觉的价值认同。第三，媒体在舆情引导中要注重前设情境对公众理解新闻信息的铺垫作用，将传播构筑于具体情境之上，通过与公众的共情交互，消除公众对媒体的认知偏见。

3.公众：提升认知水平，以理性心态面对大数据舆情环境

公众的认知水平和情绪状态直接影响其能否客观的认知网络舆情，在大数据时代，需要提升公众的数据素养和理论思维。

一是提升数据素养和算法素养。在大数据背景下，数据素养和算法素养是提升公众认知水平的基础。数据素养包含获取和分析数据的能力、运用数据进行决策的能力以及反思数据的精神。算法素养是人们有效认识、使用、想象算法的能力。政府和媒体要通过教育和宣传等手段对公众开展数据素养和算法素养的普及工作，公众也要发挥自我的主观能动性，不断提高自身的数据素养和算法素养。具体而言，公众需要厘清数据和算法的价值偏见源头，形成基本的对数据和算法的批判与质疑精神；认识算法和数据使用的积极与消极作用，保持对算法呈现数据的警惕与思考意识；尝试理解算法的运算细节，打开算法“黑箱”，增强对数据和算法带来的风险识别与防控能力。

二是培养理论思维和理性表达。在信息茧房和群体极化的环境下，公众很容易受到同质化信息和煽动性情绪的影响而无法客观认知舆情真相。在这种情况下，公众如果仅凭算法推荐的信息和感性直觉对舆情进行判断，而不具备关于舆情传播规律的理论基础，将很容易被非理性情绪感染而误判舆情事实，进而通过非理性表达影响他人对舆情的客观认知。理论思维是公众理性认识舆情的基础，公众需要了解基本的网络舆情传播知识和大数据知识，从媒介性质、媒介立场、算法逻辑、信息来源等角度对舆情信息进行评估与认识。同时，公众在参与舆情事件的讨论时，应减少情绪化的表达与行为，通过理性表达构建良好的舆情认知环境，避免群体认知偏差的生成。

五、结语

大数据的发展影响着舆情信息、媒介和作为主体的人，为网络舆情的认知带来信息来源混杂、内容良莠不齐等挑战，政府、媒体、公众等主体均存在网络舆情认知偏差风险。纠正多元主体的舆情认知偏差是网络舆情治理的重要内容，需要政府、媒体、公众等认知主体的共同努力。网络舆情认知偏差的生成受到多重复杂因素的影响，本文从技术环境和主体认知结构两个层面剖析了大数据背景下政府、媒体、公众网络舆情认知偏差的成因，并提出了网络舆情认知的纠偏策略。在未来的理论研究和网络舆情治理实践中，还需要探究社会体制、社会心态、媒介使用、内容生产等因素对主体舆情认知的影响，开展传播学、认知科学、计算机科学、心理学、社会学等学科的交叉研究，探索新的治理路径。

编辑：金文婕

审核：王仕伟

版权声明：如有侵权   请联系删除