互联网与5G技术的快速发展，使得网络空间内容与数据呈现飞跃式增长，海量信息的呈现虽然满足了用户的信息需求，却也使其在信息过载的网络环境中难以快速得到真正感兴趣或有价值的内容。与此同时，人工智能、云计算等技术的发展催生的算法推荐技术，成为平台实现其信息内容供需匹配、精准适配的有效方式。算法推荐基于大数据和人工智能技术，通过算法模型挖掘、分析用户数据，根据其个性化需求与偏好，将可能感兴趣的内容推荐给用户，实现个性化匹配，为用户精准匹配以满足潸在需求。在这种个性化的服务模式下，降低了用户信息获取成本，提高了内容分发效率，的确为作为服务提供方的平台与作为内容获取与需求满足方的用户带了极大便利。然而正所谓“双刃剑”，也存在推荐个性化背后的认知问题。
首先，算法推荐导致认知图式窄化。认知图式也称接受图式，指的是“主体大脑内先存的各种意识形态的综合统一体“。当面对大量各类来源的信息时，主体更倾向根据其偏好进行信息选择和渠道选择，这就不可避免地会导致人们接收信息范围和信息渠道日益变窄。这也是算法推荐形成的“过滤气泡”致使受众将不同观点、立场的信息屏蔽在外的重要原因。在算法推荐技术推动下，人们以自我价值为核心，以一定的能力、意愿、兴趣为半径为自己建立信息渠道，所获取的信息和已有的需要意识、知识结构和观念体系等构成的接受图式也基本匹配，在信息加工中仅通过启动“自动化”思维即可完成从A到A+图 式的发展和优化，而从接受图式A到B的顺应性图式建构较少。此外，从记忆生成的角度看，经过多次刺激后的大脑神经元联结会在不断强化下形成根深蒂固的思维，不断强化人们的已有认知图式，个体的认知图式趋向窄化。
分享