其次，算法导致认知协调异化。认知系统各要素之间的协调一致能够给人愉悦，认知协调也是每个人努力使自己内心世界达到的一种状态。在心理学家费斯汀格看来，如果我们的观点被相反的证据所颠覆，我们就处于一种极其不舒服的“认知失调”状态，为此，人们更倾向于寻求那些能够确证他们假设和信念的证据。在现实的日常学习生活中，人们在接触大众传播的信息时更愿意去选择接触那些与自己既有立场和态度一致或接近的内容，尽量避免接触可能会引发认知失调的新信息，在一个与已有观点、信念或价值观高度匹配的信息场域中，使自己处在认知协调的愉悦状态。正是基于人们这一认知心理和信息接受特点，算法推荐通过精准分发与人们兴趣导向高度匹配的信息，即人们“最想看”的内容，使人们处在由算法推荐和人们接受图式双重筛选后的愉悦状态下的“拟态环境”中。显然，算法推荐这一个性化过滤器打破了人们在已有观点强化和新观点获取的认知平衡：除了导致对自己的思维框架过于自信，还在信息环境中移除激发学习欲望的关键提示，由此产生认知协调的异化。这主要表现为：一方面，习惯于依赖算法推荐的人们较少体会到认知失调带来的矛盾张力，随着接触同质性信息的增加，知识的多样性相应减少；另一方面，人们的心智结构还可能形成认知“惯习”，并因此缺少批判和深入思考的内驱力，整合信息和反思对比的能力发展也由此受限。此外，受算法规则所内蕴的资本特性的影响，带有偏向性的推送试图规训和操纵人们的信息消费，为人们的“回音室”增加了一层厚厚的屏障，日益加剧的同质化信息内容体系被裹挟于其中，“异类”信息被屏蔽在外，破坏了信息系统的生态平衡。这一失衡限制了人们观察问题、分析问题和解决问题的视界，也进而限制了其创新性
分享