第一章 引言
伴随着移动互联网和大数据技术的迅速发展，算法推荐新闻平台已经全方位地渗透到公众的信息获取场景当中，并且深刻地改变了传统新闻生产的、分发的逻辑。算法依靠精确地抓住用户的兴趣来达成内容的个性化推送，大大提高了信息分发的效率，但是也随之产生了“信息茧房”、“回音室效应”和算法偏见等社会问题[4]。在这种情况下，创建起一套科学、系统的“算法驱动下的新闻偏见感知机制”就显得十分必要。该机制用技术手段来识别和量化算法在新闻筛选、排序、推送过程中存在的隐性偏见，对维护媒体公信力、保障公众知情权有重要的时代必要性和理论实践价值。目前学术界对于算法伦理和新闻偏见已经有了一些研究，但是大多停留在定性分析或者宏观层面的社会影响上，对于具体的技术操作层面的感知模型的建立、量化指标的确定以及实现路径的标准化还比较欠缺，缺少一套可以落地的实践方案[1]。因此，本文主要研究如何从技术上有效地感知和评价算法偏见，确定了研究将从新闻数据特征提取、偏见指标定义、感知模型验证三个方面展开。从研究方法上采用内容分析法、实验法和案例分析法相结合的方式，在理论与实践的结合点上寻求突破。本研究的创新之处在于试图创建出一套标准化的偏见感知操作流程，既充实了有关领域的理论架构，又给新闻行业规范算法应用、改善内容品质赋予了可行的操作参照，为后面章节有关技术细节的深入探究打下了良好的基础。
第二章 算法驱动下的新闻偏见感知机制的多维构建与实证分析
2.1 核心概念界定与相关研究基础梳理
算法驱动新闻是用计算机算法技术对海量的新闻信息进行自动化的抓取、分析、生产和个性化的分发的一种传播方式，它的核心就是通过数据挖掘和用户画像的匹配来达到信息流的高效精准触达。与之相反，新闻偏见感知在这个特定的语境下被定义为受众在使用算法推荐平台的时候，主动去识别、察觉并理解内容里所包含的立场或者观点倾向的认知过程。这与传统媒体时代受众被动接受单一信源信息、不能及时发现偏见的情况有本质的区别，本文所指的是在算法介入之后，用户面对过滤气泡和回音室效应时的主观能动性。梳理国内外相关研究脉络可知，早期学界主要关注算法推荐系统的技术逻辑和效率优化，随着技术的应用，研究视角也逐渐从技术角度转向了算法对用户认知结构和社会舆论的影响。现有的研究大多认为算法分发提高了信息获取的效率，但是也加大了认知窄化和观点极化的风险。从研究范式上来说，主流的做法是用问卷调查法加上控制实验来量化分析算法偏见对用户态度的影响机制。但是目前的研究大多集中在宏观的社会后果上，对于受众如何具体地感知偏见以及心理应对机制的微观实证研究还比较缺乏。现有的文献对于用户由“接触偏见”到“形成感知”的心理转化过程缺少研究，没有很好地揭示出感知机制中各个要素之间的相互作用。本文正是针对这一薄弱环节，用多维度的实证分析来系统地剖析算法驱动下的新闻偏见感知的内在建构逻辑，给算法伦理的设计和用户媒介素养的提高提供有力的理论支持和实践指导。
表1 算法驱动下新闻偏见感知机制研究的核心概念界定与相关研究基础梳理
2.2 算法场景下新闻偏见感知的影响要素解析
算法驱动下新闻偏见感知是多维的、复杂的心理过程，它是用户在算法构建的信息环境里，对新闻内容的客观性和算法公正性做出的主观评价。为了对这一过程有系统的认识，必须从新闻分发的典型运行场景入手，从平台、内容、用户、社交四个角度来分析影响感知的因素。算法平台侧的内容标签推送逻辑属于技术层面的基础，标签体系的颗粒度、权重分配的透明度、算法过滤机制的隐蔽性都会影响用户是否能够察觉到过滤气泡的存在，进而产生对算法偏见的技术性感知。其次，在新闻内容方面，偏见的表现形式主要是文本的情感倾向、框架的选择性使用和事实核查的完备性，显性的语言诱导和隐性的议程设置通过内容载体刺激用户的感官，产生直接的偏见认知。再次，从用户个体角度来说，认知特质是造成感知差异的内在原因，用户信息素养水平、政治立场倾向、固有的刻板印象等都会成为“过滤器”，对外界刺激的强度进行调节，从而使得不同的用户对于同一个偏见信号有着不同的敏感程度。最后从社交传播的角度来说，圈层互动效应使得感知得以扩散，回音室效应和群体极化现象会加剧单一新闻的偏见信号，在社交互动中，个体的感知就会出现从众性的偏差。厘清以上四个维度的细分要素以及它们之间的相互关系，可以建立一个严密的要素分析框架，不仅可以准确地找到偏见感知产生的关键节点，而且为之后传导机制的实证研究设计提供了一个清晰的、可操作的变量基础，有重要的理论支持和实践指导意义。
2.3 算法驱动新闻偏见感知的传导机制实证验证
2.3.1 感知路径的变量选取与研究设计说明
为了对算法驱动下的新闻偏见感知传导机制进行实证检验，本文首先对关键变量做了严格的操作化测量。被解释变量是用户的算法新闻偏见感知水平，根据认知心理学的相关理论，改编成熟量表来测量，主要考察用户在接触算法推荐新闻的时候，对于内容的倾向性、立场的极化程度以及操纵意图的主观察觉程度。核心解释变量是用户对于算法推荐机制的认知程度，包含用户对于算法原理的理解程度和算法素养。中介变量选择信息茧房效应来衡量算法造成的信息同质化程度在传导路径中所起的中介作用，调节变量设为用户的批判性思维倾向，检验个体认知特质会不会影响偏见感知的强度。在样本选取上，本文使用分层随机抽样的方法，从各个年龄段、各类别活跃互联网用户中随机抽取样本，保证样本的代表性。调研工作依靠专业的在线问卷平台开展，严格依照预调研和正式调研两个阶段来推进，并且对调研过程展开伦理审查，从而保证匿名性以及数据安全。经过筛选，最后得到有效的样本。人口统计学特征分析表明，本研究对象在性别、学历、收入等各方面分布比较均匀，信息使用行为特征为高频次、移动端为主，符合当下主流新闻消费群体的特征。本文主要使用多元线性回归模型做模型构建的主要分析手段。该模型可以很好地处理多变量之间的线性关系，通过加入交互项来检验调节效应，它的适应性在于可以量化的各个变量对偏见感知的净影响，在统计上清楚地显示出传导路径的显著性，给后面的数据分析提供强有力的方法论支持。
2.3.2 数据回归结果与机制效应的解读
在进行实证分析之前，先对所有的研究变量做了描述性统计和信效度检验。从统计结果可知，各个变量的均值、标准差都在合理范围内，没有出现严重的异常值影响；Cronbach's α系数都大于0.8，组合信度（CR）、平均方差抽取量（AVE）也都达到了标准，说明变量间具有较好的收敛效度，相关系数矩阵也显示出了区分效度，因此可以认为数据质量较高，可以进行回归分析。因此研究用层级回归分析法逐步进行验证。基准回归结果表明，算法个性化推荐系数是显著的，说明算法驱动的信息分发方式会使用户对新闻偏见的感知水平提高，并且在1%的水平上显著，证明了算法技术特性对于用户心理感知的基础驱动作用。之后进行的中介效应检验又对它的内部传导路径进行了揭示，数据表明信息筛选变量在算法推荐和偏见感知之间起着部分中介的作用，即算法通过创建一定的信息环境，先影响用户接触到的新闻集的广度，进而间接地影响到偏见感知。更重要的是认知强化环节有更强的中介效应，说明算法通过高频次推送同质化的内容，使用户的固有认知不断被固化，从而大大加强了用户对于偏见的主观察觉。调节效应分析结果又给用户个体特征加上了边界条件。从新闻传播学的选择性接触理论以及算法过滤泡的特点出发，实证结果不但可以定量地得出各个变量对于偏见感知的影响程度，而且可以清楚地看出从技术分发、信息筛选、认知强化到最终形成偏见感知的整个过程。该系列数据结果清楚地表现出了算法驱动下新闻偏见感知的复杂传导机制图谱，给之后提出有针对性的干预措施赋予了有力的实证支撑。
2.4 算法新闻偏见感知的偏差干预路径优化
根据前序实证验证得到的感知传导机制和显著影响要素结论，优化偏差干预路径要创建分层递进的治理体系。在算法平台上对推荐机制中出现的同质化倾向以及隐性偏见风险做技术上的修正。在内容分发环节中加入可解释性AI技术，使系统必须给出推荐的理由，使用户清楚地知道新闻推送的逻辑依据。另外，对协同过滤算法进行改进，在损失函数中加入内容多样性和观点平衡性的权重参数，减少由于单一偏见维度的重复曝光而造成的偏见信息闭环传播。其次，从行业角度来讲，急需创建起新闻内容偏见标注的标准。就实证中发现的情感煽动、框架引导类高影响要素而言，行业协会应当集结专家创建起诸多方面的偏见标签体系，对新闻文本展开人工和机器的双重审核。嵌入新闻生产流程，对标注的内容进行意识形态立场、情感色彩、事实核查状态等各方面的结构化数据支撑，提高平台审核的准确性。最后从用户角度出发，应该着重培养个体的媒介偏见素养。针对感知传导中认知偏差的薄弱环节，设计出交互式的反偏见训练模块，在模拟算法推荐的环境下，让用户自己去发现信息茧房和确认偏误效应。另外，在客户端上设置可视化的偏见提示功能，及时告知用户当前的阅读倾向，促使用户主动去接触不同的信息，进而加强用户对于算法偏见的理性判断和抵制能力。
第三章 结论
本文对算法驱动下新闻偏见感知机制进行系统的探究之后，得出算法偏见是算法模型在数据输入、权重分配、输出排序等环节中所存在的倾向性。不同于传统新闻偏见感知场景下主要依靠人工编辑的主观价值判断，算法驱动的偏见感知更多地是对数据分布、计算逻辑以及用户画像协同作用的一种客观分析。核心逻辑就是说明算法怎样借助个性化推荐机制，在无形之中固化或者放大某种信息倾向，进而产生更加隐蔽、动态的“过滤气泡”效应。该发现加深了人们对于人机互动中信息偏向性产生和传播规律的认识，是本文在理论上主要的贡献。从实践应用角度来说，本文所建立的感知机制给目前算法新闻的治理提供了一条可以操作的途径。建立标准化的偏见检测指标和反馈流程，可以对媒体平台的内容分发环节进行事前预警和事后纠偏，提高新闻分发的客观性、公信力，对建设更加清朗的网络空间有重要的实用价值。但是必须客观地指出，本研究还存在着一定的局限性。由于实证研究主要集中在某一类型的新闻客户端以及部分用户身上，样本的覆盖面比较小，在不同的文化背景和媒介生态下场景的适应性还需要做进一步的检验。未来可以在此基础上，进一步扩大到跨平台、跨文化的大样本分析，并且可以结合自然语言处理等先进技术，实现偏见感知的自动化和实时化，给算法伦理和新闻传播学的深入研究提供更加具有前瞻性的思路[3]。
参考文献
\[1\]乔笛宇. 算法驱动下平台媒体内容运营的新闻常规及其风险规避研究 ——以X平台资讯类视频账号为例[D]. 山东大学, 2023.
\[2\]刘晓娜. 算法新闻的伦理失范审视与对策研究[D]. 长安大学, 2023.
\[3\]倪天昌. 智能新闻产品的受众感知效果研究[D]. 中国传媒大学, 2024.
\[4\]刘志红. 算法驱动的智能体如何重塑新媒体传播生态?——基于多模态内容生成与用户行为的协同分析[J]. 中国传媒科技, 2025(12): 22-27+32.
\[5\]周子杰. 商业平台对新闻生产的介入性实践——基于信息补贴的视角[J]. 新闻记者, 2026(2): 45-59.