> ## Documentation Index > Fetch the complete documentation index at: https://meta.niceshare.site/llms.txt > Use this file to discover all available pages before exploring further. # 回音室效应 > 回音室效应是圈子把一边反复放大、把另一边压低。脸书硬新闻里对面内容仍然出现。这组比例不能挪到别的平台，也不是密封房间的人数。 **类别**: 效应
**类型**: 圈子把一边反复放大、把另一边压低的社会封闭
**来源**: Kathleen Hall Jamieson 与 Joseph N. Cappella，《Echo Chamber》（牛津大学出版社，2008）。该书没有重读。被计数的检验是 Bakshy、Messing 与 Adamic，《Science》，2015年6月5日；以及 Dubois 与 Blank，《Information, Communication & Society》，2018年1月29日
**别名**: echo chamber（回音室）。Bakshy、Messing 与 Adamic 把它和过滤气泡并列。本页之后不再把两个名称换着用 **快速回答** — **回音室效应**（Echo Chamber Effect）在本页是一种社会封闭：一边被反复放大，另一边被压低。Bakshy、Messing 与 Adamic 印出的强说法，是只接触志同道合者的信息。在他们的脸书窗口里，这个“只”并不成立。朋友分享的硬新闻里，自由派一侧有 24% 是跨立场的，保守派一侧是 35%。这两个份额不是点击率，也不是该窗口以外的媒介食谱。 ## 什么是回音室效应？ 回音室效应是一种社会封闭。一个人真正遇见的声音，把一边留得很响，把另一边留得很薄。 > “与算法排序相比，个人的选择在限制跨立场内容的接触上扮演了更强的角色。” 这一句是 Eytan Bakshy、Solomon Messing 与 Lada A. Adamic 论文的摘要。期刊是《Science》第 348 卷，第 6239 期，第 1130–1132 页，2015 年 6 月 5 日。引言里，他们用 echo chambers 指“个人只接触来自志同道合者的信息”的环境。旁边的 filter bubbles，指“算法按浏览者先前的行为来挑选内容”的环境。本页保留前一个说法。后一个说法是排序规则，不是回音室效应的另一个名字。[确认偏误](/zh/effects/confirmation-bias)是去找已经相信的证据。[群体极化](/zh/effects/group-polarization)是志同道合的讨论之后意见发生移动。这两种机制都不继承下面的脸书数字。 ### 回音室效应的三层理解 * **入门**: 如果听得见的只有一边，先写下这个房间以外的一个来源，再把房间当成公众。强说法是“只”。房间里仍然带着另一边，就还没有达到这个说法。 * **实践**: 在一条信息流上，把三笔账分开：朋友分享了什么，排序放到屏幕上的是什么，点击了什么。在 2015 年的这个窗口里，这三笔不是同一个百分比。 * **深入**: 5% 和 8% 是排序的风险比，是很小的相对削减。17% 和 6% 是调整位置之后的点击风险比。24% 和 35% 是朋友所分享硬新闻中的跨立场份额。不要把它们平均成一个数。 ## 起源 把这个说法安到一簇媒介上的书，是 Kathleen Hall Jamieson 与 Joseph N. Cappella 的《Echo Chamber: Rush Limbaugh and the Conservative Media Establishment》（牛津大学出版社，2008）。本页没有重读这本书。这里没有它的受众规模，也没有它的表格。出版社的介绍说，Limbaugh、Fox News 和《华尔街日报》言论版制造了一个保护保守派的飞地，把他们和其他信息来源隔开，并对保守主义的政治对手推广高度负面的看法。这一句是出版社对书的概述。目录里有一章题为 “Effects of an Echo Chamber”。这段概述不是下面被计数的结果。 对“只”这个字的计数检验，是 2015 年的论文。Bakshy 与 Messing 当时在门洛帕克的脸书。Adamic 同时在密歇根大学信息学院。作者写明，他们受雇于脸书并由脸书资助；除了数据政策和研究伦理审查，脸书没有限制设计或发表。样本是在资料里填写了意识形态归属的活跃美国用户。 后来的一项调查问的是：一块屏幕是不是全部媒介食谱。Elizabeth Dubois 与 Grant Blank 的 “The echo chamber is overstated”，刊于《Information, Communication & Society》第 21 卷第 5 期，第 729–745 页，2018 年 1 月 29 日在线发表。他们使用英国成年互联网用户的全国代表性调查，N = 2000。回音室用五个变量来测量。这五个变量的名称，这里没有抽出。对政治有兴趣的人，以及媒介食谱更多样的人，倾向于避开回音室。摘要自己的限度是一小段人。作者认为，单一媒介的研究是有缺陷的，因为一个人并不只活在一种媒介里。 ## 核心要点 四种读法把封闭房间的说法、朋友名单、排序，以及其余的媒介食谱分开。 引言里的回音室，是只接触志同道合的信息。脸书这项研究要看的是，空房间是否描述该服务上的硬新闻。他们的分类里，硬内容是全国新闻、政治或国际事务，对照的是体育、娱乐或旅行。对齐分数是分享这篇报道的人的平均归属，不是给媒体偏向打的机构分。FoxNews.com 的平均是 +0.80，与保守派对齐。HuffingtonPost.com 的平均是 −0.65，与自由派对齐。论文接着显示，样本里存在跨立场的硬新闻。强说法里的“只”，描述不了这个窗口。 在双方都报告了归属的友谊里，自由派朋友中保守派所占的中位数是 0.20，四分位距 0.09 到 0.36。保守派朋友中自由派所占的中位数是 0.18，四分位距 0.09 到 0.30。讨论写道，平均而言，一个人那些报告了归属的脸书朋友里，超过 20% 来自对立党派。这个平均不是每一个朋友里的 20%，中位数也不是这个平均。如果硬内容来自随机的其他人，自由派会见到的内容里约有 45% 是跨立场的，保守派是 40%。朋友不是随机抽取。自由派的朋友所分享的硬新闻里，24% 是跨立场的。保守派的这一份额是 35%。在这个样本里，自由派连到的、会分享保守派内容的朋友更少；保守派连到的、会分享自由派内容的朋友更多。 新闻流排序之后，论文发现跨立场内容平均而言略少。比较看见跨立场内容与看见意识形态一致内容的概率，风险比在保守派是 5%，在自由派是 8%。论文指向补充材料 S1.7。该补充材料对风险比的示例是：一，减去跨立场概率相对于一致概率的比。所以这两个数字是很小的相对削减，不是信息流里的份额。调整位置之后——因为信息流里更靠下的链接更少被点击——点击的风险比在保守派是 17%，在自由派是 6%。平均而言，浏览者点击了信息流里可得硬内容的 7%。这 7% 是可得硬链接上的点击率，不是跨立场份额。作者对这一人群的结论是：限制态度挑战性内容的，更多是个人选择，而不是算法排序；朋友网络是最大的因素。 Dubois 与 Blank 认为，单一媒介的研究漏掉了一个人其余的阅读、观看和收听。他们的讨论里，148 名受访者，约为调查的 8%，媒介多样分数在 10 分或以下，满分是 48，并且说自己对政治没有兴趣。讨论说，这一组人可能更容易被关进回音室，同时仍可能从食谱更宽的亲友那里听到别的内容。约 8% 是这个互联网用户样本里低多样、低兴趣的一角。它不是从未遇见异议的英国人数，其余受访者也没有被证明免于每一条一边倒的信息流。 ## 应用场景 四次核对，避免把反复出现的意见记成密封的房间，也避免把一个平台的百分比带出那个平台。 在把一个网络称为封闭之前，先数报告了另一边归属的朋友。脸书窗口里的中位数是 0.20 和 0.18，对象是自己也报告了归属的朋友，四分位距见上文。这两个中位数不是办公室、家庭或后来某一年的目标。 5% 或 8% 的排序风险比，是相对于一致内容的很小相对削减。它不是与浏览者意见不同的帖子份额。调整位置后的点击风险比是 17% 和 6%，回答的是另一个问题。记下你量的是哪一刀。 Dubois 与 Blank 把单一媒介的快照看成对全部食谱的弱检验。如果说法是一个人只遇见一边，就列出这个人已经获取新闻的其他地方。在他们的英国调查里，与避开回音室绑在一起的，是政治兴趣和更宽的媒介食谱。 这些份额、风险比和 7% 的点击率，属于 2014 年 7 月 7 日至 2015 年 1 月 7 日、自愿填写归属的活跃美国脸书用户的硬新闻。它们不是 Slack 的比率，不是微博的比率，不是家庭的比率，也不是软新闻的比率。 ## 经典案例 2014 年 7 月 7 日至 2015 年 1 月 7 日，Bakshy、Messing 与 Adamic 建立了一套去标识数据：1,010 万在资料中自我报告意识形态归属的活跃美国脸书用户，以及美国用户分享的 700 万条不同网址。这些网址里约 13% 被分成硬内容。随后的测量使用 22.6 万条不同的硬网址，每条至少被 20 名自愿填写归属的用户分享过。这一片包含约 38 亿次潜在曝光，意思是朋友分享了链接，无论它有没有出现在新闻流里；9.03 亿次链接出现在屏幕上的曝光；以及 5900 万次点击。 这个漏斗不是同一个百分比重复五次。潜在曝光宽于排序放到屏幕上的部分。屏幕上的内容宽于被点击的内容。24% 和 35% 描述的是朋友分享的硬新闻。5% 和 8% 描述的是排序比较。17% 和 6% 描述的是计入位置之后的点击，而且保守派和自由派的大小并不相同。7% 是可得硬内容里被点击的平均份额。作者仍然在这条路径上找到跨立场内容，并写道，研究中的人接触到的跨立场论述，多于某些叙述所设想的密封数字房间。他们也写道，在这项服务上遇见另一边的力量，首先在个人。他们并不评判跨立场接触本身是不是一件好事。 同一段结尾写明了把这些数字留在窗口里的限度。研究的是自愿填写归属的活跃用户。论文说，脸书用户往往比美国人口整体更年轻、受教育程度更高、也更常为女性，所引文献本页没有重读。论文说，博客和 Twitter 可以不同，因为那里的关系常常围绕话题形成，而脸书的关系也来自学校、家庭、活动和工作。人可以读新闻流里的摘要而从不点击，所以曝光和消费不是同一个动作。作者 2015 年 5 月的研究博客印了另一组平均。那些博客平均不是上面这些句子。 ## 边界与失效场景 回音室效应并不发放一个“有多少人被锁在一个房间里”的普遍份额。它也不说排序毫无作用。在这套数据里，排序让跨立场硬新闻略少，收窄得更多的是选择和朋友名单。它同样不说回音室不存在。Dubois 与 Blank 的标题说，回音室被夸大了。他们的讨论仍然点出一个小角落：148 人，极低的多样分数，以及本人说对政治没有兴趣。 不要把 24%、35%、5%、8%、17%、6% 或 7% 贴到另一个平台、一家公司、一间教室或一个家庭上。不要把中位数读成“每个人都有五分之一的朋友在另一边”。不要把约 8% 的那个角落变成“8% 的英国人生活在回音室里”。他们句子里的多样分数满分是 48。本页没有重建一分是怎么得到的。Jamieson 与 Cappella 的书没有重读，所以这里也没有可以外推的 Limbaugh 受众数字。 [虚假共识效应](/zh/effects/false-consensus-effect)是把自己的圈子误当成公众。[内群体偏见](/zh/effects/in-group-bias)是偏向自己人一边。[从众效应](/zh/effects/bandwagon-effect)是因为一个看法看起来已经很普遍而跟上去。一个很响的房间可以喂养这三样。它们都不是上面测量的那种封闭，也都不携带这些百分比。 ## 常见误区 排序之后，相对于一致的硬新闻，跨立场硬新闻只是略少：保守派的风险比是 5%，自由派是 8%。朋友构成，以及调整位置之后的点击，对另一边的限制更大。略少不是零。论文自己的结果是，强说法里的“只”描述不了这个样本。 约 8% 是英国 2000 名成年互联网用户调查里的 148 名受访者。他们在媒介多样测量上得了 10 分或更低，论文里的满分是 48，并且说自己对政治没有兴趣。讨论把他们看作更可能处于风险中，并指出食谱更宽的亲友仍可能触及他们。它没有去数从未见过一句异议的人。 在 2015 年的引言里，回音室是志同道合的接触，过滤气泡是按先前行为做的挑选。确认偏误是寻找相合的证据，在另一页上，来自不同的任务。群体极化是志同道合的讨论中的意见移动。用一个名字盖住这四样，就会藏起量到的是哪一刀。 ## 相关概念 回音室效应旁边，是寻找相合证据，是志同道合群体里的意见移动，是把自己的圈子误当成公众，是偏向自己人，以及一个看起来已经很普遍的看法所产生的拉力。脸书窗口留在本页。 寻找并阅读证据，使它符合已经持有的信念。这里的封闭是谁、以及什么，真正到达这个人。在一个混合的房间里，确认性的寻找仍然可以发生。 已经倾向同一边的人讨论之后，意见移向更极端的位置。房间里的重复本身还不是那种移动。 把自己的圈子当成公众。重复一边的房间会让这个错误更容易。错误在于那个推断，不在于朋友名单。 偏向被标成自己人的那一边。2015 年的对齐分数是谁分享了网址。它不是实验室任务里对内群体的偏好测量。 因为一个看法看起来已经被广泛持有而采纳它。封闭可以让一边看起来像人群。表面上的普遍是另一种机制。 ## 一句话总结 在把一条信息流称为密封之前，写下另一边已经分享了什么、排序显示了什么、点击了什么。这三笔不是同一个百分比。 This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.