為何在意見(jiàn)趨同的圈子里，立場(chǎng)更易走向激烈？當下，互聯(lián)網(wǎng)傳播中人云亦云、盲從附和的做法，讓“意見(jiàn)共振”現象越來(lái)越頻繁地出現，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象。從回音室效應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)讓這些機制進(jìn)入了加速狀態(tài)。首先，在個(gè)體層面，人類(lèi)天生更容易被情緒驅動(dòng)，尤其是帶有道德色彩的憤怒或嘲諷。這類(lèi)語(yǔ)言一旦進(jìn)入社交網(wǎng)絡(luò )，很容易獲得超常的點(diǎn)擊與轉發(fā)。心理學(xué)實(shí)驗證明，道德化情緒能顯著(zhù)提高傳播效率，這意味著(zhù)“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進(jìn)一步加劇了極化。人們聚集在意見(jiàn)趨同的圈子里，原本溫和的態(tài)度容易被推向極端。這種現象在社交媒體上屢見(jiàn)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”。當一個(gè)敘事框架與受眾的觀(guān)念對齊時(shí)，就會(huì )觸發(fā)廣泛的模仿。一個(gè)輕巧的組合詞，把復雜的學(xué)理壓縮成可傳播的笑點(diǎn)，讓公眾“秒懂”并快速復制。

而互聯(lián)網(wǎng)算法則是這種“共振”的放大器。主流平臺的推薦機制，本質(zhì)是預測用戶(hù)會(huì )點(diǎn)什么，從而在排序上優(yōu)先推送引發(fā)互動(dòng)的內容。結果是情緒化、戲謔化的信息被進(jìn)一步抬升，形成了自我強化的反饋回路。部分研究對互聯(lián)網(wǎng)推薦算法做過(guò)審計，發(fā)現推薦對極端內容確有放大作用；而其他研究則指出算法影響有限，更多是用戶(hù)自身的選擇。但無(wú)論結論如何，一個(gè)共識是：當人性弱點(diǎn)遇上算法放大器，“共振”幾乎不可避免。

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

那么，應對之道在哪里？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，平臺可以在推薦鏈路中加入“摩擦”，例如“轉發(fā)前先閱讀”，或對傳播過(guò)快的內容設冷卻機制。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)驅動(dòng)，那就用更有趣的“反笑點(diǎn)”去削弱錯誤敘事的勢能，讓用戶(hù)在娛樂(lè )中被引導到事實(shí)入口。這種“以梗制?！钡姆绞?，或許比冷冰冰的數據更有效。

“跟風(fēng)式”傳播現象本身就是互聯(lián)網(wǎng)語(yǔ)言創(chuàng )造力的縮影。它把外語(yǔ)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(yǔ)，不僅讓人會(huì )心一笑，也為我們提供了一種觀(guān)察數字社會(huì )的獨特視角。它提醒我們：人類(lèi)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與諷刺，更是對傳播機制的理解與治理手段的創(chuàng )新。唯有如此，才能避免在數字時(shí)代，所有人都淪為“共振”的俘虜。 （作者沈陽(yáng) 系清華大學(xué)新聞學(xué)院、人工智能學(xué)院雙聘教授）