在线同质性可在无过滤算法或同质性偏好的情况下涌现

意识形态同质化的在线环境——常被描述为“回音室”或“过滤气泡”——被广泛视为极化、激进化和错误信息的驱动因素。一个核心争论在于，这种同质性主要源于算法策展还是用户对志同道合同伴的偏好。本研究通过证明同质性可在既无过滤算法也无用户偏好的情况下涌现，挑战了这一观点。我们使用一个受谢林居住隔离模型启发的基于主体的模型，证明微弱的个体偏好与简单的基于群体的交互结构相结合，能够触发反馈循环，推动社区走向隔离。一旦形成微小失衡，用户退出和重组的级联效应便会放大整个系统的同质性。与直觉相反，常被归咎于“过滤气泡”的算法过滤，实际上可以通过稳定混合社区来维持多样性。这些发现凸显了在线极化是一种涌现的系统级动态，并强调了将复杂性视角应用于数字公共领域研究的重要性。