指的是算法基于我们过去的搜索历史，过滤掉与我们观点相左或我们不喜欢的信息，只提供我们想看的内容，从而造成人们认知的隔绝状态。

　　首先，我们需要辨析两个极其相似的概念：“回声室”（echo chambers）与“过滤气泡”（filter bubbles）。

　　这一区别十分关键，因为回音室可能是算法过滤的结果，也可能是其他原因造成的；而过滤气泡则一定是算法过滤的结果。

　　在不同年龄段的用户之间，新闻消费情况也有所不同。对于45岁以上的人来说，电视更有可能是主要新闻来源；而45岁以下的人更偏好从网上获取新闻。

　　从2013年到2016年，使用社交媒体获取新闻的比例从25%左右增长到50%以上，2016年后，这一比例已经趋于平稳。

　　从2014年以来，通过Facebook获取新闻的人数比例约占整体人口的35%。从2016年到2018年，这一比例有轻微的下降。而在同一时期，

　　这些社交网络类型迥异，但它们都被归在社交媒体类别下。在过去的五年里，WhatsApp的新闻使用率从10%增长到了16%，Instagram也出现了类似的增长。算法、社交媒体与搜索引擎

　　自选个性化（self-selected personalisation）指的是，我们主观上对自己进行的个性化处理，这一点在新闻使用中尤为重要。每个人的新闻消费都有其偏好，展现出个性化的特点，所以我们会自主决定买什么报纸，看哪个频道。学术上将这种个性化称为“选择性接触”（selective exposure），它受一系列不同因素的影响，例如人们对新闻的兴趣程度、人们的政治信仰等等。

　　预选个性化（pre-selected personalisation）则指的是，人们在客观上“被个性化”了，完成这种个性化的可能是算法，有时甚至会在人们不知情的情况下进行。这种个性化与过滤气泡直接相关，因为算法可能会在人们毫无意识的情况下代替他们做出选择。

　　这两种情况的区别尤为重要，因为我们不能将预选个性化及其影响与自选个性化进行比较。毕竟，即使人们在线下消费新闻时，他们的选择也不是完全随意的。个性化一直存在，因此，如果我们想要理解预选个性化究竟造成了怎样的影响，我们必须将其与现实情况进行比较，而不是假想中的模型。

　　。在这一领域，我们曾做过研究，比较人们在线上和线下如何选择新闻。我们研究了英国某些新闻机构的受众相互重叠的程度。

　　社交媒体结合了自选个性化与预选个性化。人们首先会依照自己的喜好，关注一部分媒体而忽略另一部分。当然，算法在其中也发挥作用，向人们隐藏他们不感兴趣或不喜欢的媒体内容。

　　我们的研究说明，大多数人，尤其是使用社交媒体的人，对新闻并不是特别感兴趣。在如今高度选择性的网络媒体环境中，人们完全可以选择不关注他们不感兴趣的东西。但社交媒体的存在，让人们即使对新闻不感兴趣，也会在偶然中提高接触新闻的频率。

　　我们发现，算法带来的自动化的偶然性（automated serendipity）过程有效地丰富了人们新闻消费的多样性。使用搜索引擎获取新闻的人比不使用的人接触更多的新闻来源。更重要的是，他们更有可能使用来自意见两端的新闻来源，即平衡性更高。

　　依靠自主选择的人的新闻消费习惯往往不够平衡，他们要么倾向激烈言论，要么倾向保守言论；而使用搜索引擎的人则趋向平衡。

　　整体而言，网络新闻环境似乎的确更加极化，或许是因为部分新闻机构更有动力在网络上发布更多的时政类内容。

　　人们基于搜索引擎和社交媒体的新闻消费行为更加多样化，但这种多样性有可能造成人们态度与使用习惯上的极化。这是一个很有趣的结论，因为在某种程度上它与过滤气泡假说所预测的恰恰相反。

　　如今，各大平台都致力于改变新闻服务的方式，人们获取新闻的方式同样也在改变。因此，我们需要批判性地看待算法选择对新闻消费的影响，因为过去几年的情况不一定适用于未来。