社交媒体算法扭曲了人类互相学习的倾向Digital Garden

社交媒体算法对学习方式的影响

研究表明，社交媒体算法影响了人们从彼此中学习的方式，这种影响可能带来包括社会误解、冲突和错误信息传播等负面后果。社交媒体平台上的算法主要设计用来放大能够维持用户参与度的信息，即那些让用户继续点击和消耗内容的信息。

社会心理学家发现，社交媒体算法倾向于放大所谓的 PRIME 信息，即有威望的、群体内的、道德的和情感的信息。在人类演化的过程中，从这类信息中学习通常是有益的，例如从有威望的个体学习可以带来成功，而关注和惩罚违反道德的人则有利于社群合作。

然而，当 PRIME 信息被算法放大并被人利用时，可能会导致功能错位。社交媒体上的威望可能是虚假的，而充斥着负面和道德信息的新闻源可能会助长冲突而非合作。算法与人类心理之间的相互作用可能导致失调，而这种失调可能会导致错误的社会化学习，从而扩大错误信息的传播。

研究发现，当算法选择性地放大更极端的政治观点时，人们可能会认为其所在的政治内群体和外群体之间的分歧比实际情况更为严重。这种功能错位也可能导致错误信息的传播，例如传播政治错误信息的人可能会利用道德和情感信息来增加信息的分享。

研究人员建议社交媒体用户应该更加了解算法是如何工作的，以及为什么某些内容会出现在他们的信息流中。此外，研究人员也在探索新的算法设计，以鼓励互动的同时惩罚 PRIME 信息。

综上所述，社交媒体算法通过放大特定类型的信息，可能会扭曲人们的学习和认知过程，导致社会认知上的负面影响。研究人员正在寻求新的算法设计方法，以减少这种负面影响。