為何在意見趨同的圈子里，立場(chǎng)更易走向激烈？當(dāng)下，互聯(lián)網(wǎng)傳播中人云亦云、盲從附和的做法，讓“意見共振”現(xiàn)象越來越頻繁地出現(xiàn)，并推動(dòng)傳播生態(tài)極端化。在社會(huì)學(xué)與傳播學(xué)研究中，早已有大量理論能夠解釋這一現(xiàn)象。從回音室效應(yīng)到群體極化再到模因傳播，都為此提供了學(xué)理框架。

  互聯(lián)網(wǎng)讓這些機(jī)制進(jìn)入了加速狀態(tài)。首先，在個(gè)體層面，人類天生更容易被情緒驅(qū)動(dòng)，尤其是帶有道德色彩的憤怒或嘲諷。這類語言一旦進(jìn)入社交網(wǎng)絡(luò)，很容易獲得超常的點(diǎn)擊與轉(zhuǎn)發(fā)。心理學(xué)實(shí)驗(yàn)證明，道德化情緒能顯著提高傳播效率，這意味著“共振”的火種往往是情緒，而非事實(shí)。

  其次，在群體層面，社交媒體的同溫層效應(yīng)進(jìn)一步加劇了極化。人們聚集在意見趨同的圈子里，原本溫和的態(tài)度容易被推向極端。這種現(xiàn)象在社交媒體上屢見不鮮：討論一旦進(jìn)入閉環(huán)，立場(chǎng)很快走向激烈。

  在敘事層面，傳播學(xué)中有一個(gè)概念叫“框架共振”。當(dāng)一個(gè)敘事框架與受眾的觀念對(duì)齊時(shí)，就會(huì)觸發(fā)廣泛的模仿。一個(gè)輕巧的組合詞，把復(fù)雜的學(xué)理壓縮成可傳播的笑點(diǎn)，讓公眾“秒懂”并快速復(fù)制。

  而互聯(lián)網(wǎng)算法則是這種“共振”的放大器。主流平臺(tái)的推薦機(jī)制，本質(zhì)是預(yù)測(cè)用戶會(huì)點(diǎn)什么，從而在排序上優(yōu)先推送引發(fā)互動(dòng)的內(nèi)容。結(jié)果是情緒化、戲謔化的信息被進(jìn)一步抬升，形成了自我強(qiáng)化的反饋回路。部分研究對(duì)互聯(lián)網(wǎng)推薦算法做過審計(jì)，發(fā)現(xiàn)推薦對(duì)極端內(nèi)容確有放大作用；而其他研究則指出算法影響有限，更多是用戶自身的選擇。但無論結(jié)論如何，一個(gè)共識(shí)是：當(dāng)人性弱點(diǎn)遇上算法放大器，“共振”幾乎不可避免。

  這帶來了多重后果。其一是公共議題的淺化與情緒化，復(fù)雜的事實(shí)被簡(jiǎn)單口號(hào)取代，真相往往來不及辟謠就被新一輪笑點(diǎn)淹沒。其二是社會(huì)立場(chǎng)的兩極化，甚至出現(xiàn)“反向反彈”效應(yīng)：越想強(qiáng)行打破偏見，越可能加深分裂。其三是治理困境，平臺(tái)既要依法維護(hù)言論自由，又要控制謠言與極化，這讓監(jiān)管與企業(yè)都面臨兩難。

  那么，應(yīng)對(duì)之道在哪里？一方面，學(xué)界提出了“免疫接種”式的信息教育，即在謠言傳播前，用短視頻、圖解等方式讓公眾提前識(shí)別操縱手法。有研究顯示確能降低公眾受騙率。另一方面，平臺(tái)可以在推薦鏈路中加入“摩擦”，例如“轉(zhuǎn)發(fā)前先閱讀”，或?qū)鞑ミ^快的內(nèi)容設(shè)冷卻機(jī)制。這些措施也可以降低傳播的瞬時(shí)爆炸性。

  更有意思的是，反擊這種“共振”的最好方式，往往不是正經(jīng)辟謠，而是“反模因”：既然群體被笑點(diǎn)驅(qū)動(dòng)，那就用更有趣的“反笑點(diǎn)”去削弱錯(cuò)誤敘事的勢(shì)能，讓用戶在娛樂中被引導(dǎo)到事實(shí)入口。這種“以梗制?！钡姆绞剑蛟S比冷冰冰的數(shù)據(jù)更有效。

  “跟風(fēng)式”傳播現(xiàn)象本身就是互聯(lián)網(wǎng)語言創(chuàng)造力的縮影。它把外語世界里龐雜的學(xué)術(shù)理論壓縮成一個(gè)帶戲謔色彩的短語，不僅讓人會(huì)心一笑，也為我們提供了一種觀察數(shù)字社會(huì)的獨(dú)特視角。它提醒我們：人類的群體非理性并不新鮮，真正的新，是互聯(lián)網(wǎng)與算法讓這一切發(fā)生得更快、更猛、更不可控。

  我們需要的不僅是批評(píng)與諷刺，更是對(duì)傳播機(jī)制的理解與治理手段的創(chuàng)新。唯有如此，才能避免在數(shù)字時(shí)代，所有人都淪為“共振”的俘虜。 （沈陽 作者系清華大學(xué)新聞學(xué)院、人工智能學(xué)院雙聘教授）