算法推荐已成为社交平台的核心内容分发逻辑。平台依托个性化机制持续推送高度理想化或情绪化的内容，逐渐重构大众日常的信息接触环境，浏览手机成为全民常态化媒介行为。算法主导的媒介生态深刻介入个体认知、情绪与社交全过程，衍生容貌焦虑、网络对立、社交疏离等现实问题。当前学界已围绕平台逻辑、负面心理等维度展开大量实证研究，既有元分析、控制实验探讨单次浏览的即时心理反应，也有纵向追踪考察长期上网带来的自我认同、人际变化。但现有文献多割裂分析单一变量，缺少探讨用户如何受到算法环境影响并产生多重后果的完整逻辑。本文将分层归纳算法重构信息场域的底层逻辑、用户短期心理反应路径，以及长期接触在个体和公共层面产生的衍生影响，明晰现有研究共识与分歧，为后续平台规制研究提供理论参照。
算法重构用户接触信息环境
用户接收什么样的线上内容，不再完全由主动搜索决定，算法推荐机制掌握了信息分发的主导权。流量导向的平台规则重塑了内容生产、筛选、推送全链条，最终搭建起以美化素材、冲突化内容为主导的信息场域。
算法引导社交媒体规模化内容生产。流量激励创作者打造完美化人设、滤镜美化的生活图景，催生大量经过修饰的理想化内容。近年来，社交媒体的使用呈指数级增长，目前全球有超过56.6亿人访问社交媒体平台，平均每天使用时长超过2小时21分钟（DataReportal & We Are Social，2026）。社交媒体让用户能够有选择地进行积极的自我展示，使得平台上充满了与看似更优秀的他人进行比较的机会（Wilson et al., 2012)。动态信息流中充斥着精挑细选后的照片，照片编辑软件等数字技术的发展，助长了内容的可修饰性，也催生了不切实际、难以达到的审美标准（Haferkamp et al., 2012），是诱发自我否定的外部基础条件。
算法分发重塑信息筛选逻辑。传统门户网站依靠人工编辑完成内容排序，而短视频、社交平台依托协同过滤、用户画像等算法模型实现千人千面的个性化分发。算法会根据用户观看特定主题相关图文或视频的时长，快速地进行调整，精心策划推送内容，并不断强化类似主题。这种强化循环表明，社交媒体的算法不仅反映用户兴趣，还能积极塑造和放大内容曝光（Salles J., 2025）。Zhao 和 Wagner（2023）指出，TikTok主动向用户推送内容，显著降低了用户对所见内容的控制权，并塑造了他们在平台上的整体体验。算法筛选会天然减少中立、批判性内容的触达概率，从根源改变个体信息接收边界。
算法坚持流量至上的推送机制。算法模型普遍对高唤醒情绪内容存在流量倾斜，愤怒、嫉妒、焦虑、狂喜等强情绪内容更容易获得算法加权推荐。带有冲突、对立、讽刺属性的评论与视频互动数据更高，平台算法会持续放大情绪化内容传播。这种推送规则让用户日常信息流充斥对立观点、极端表达，长期暴露于高情绪环境下，个体情绪阈值持续降低，更容易产生偏激判断（Brady et al., 2024），为后续负面心理加工埋下环境伏笔。
算法环境下用户心理加工内在机制
算法搭建的特殊信息环境不会直接造成心理损伤，而是通过改变用户浏览时的即时心理活动产生作用。现有文献集中揭示了三类核心加工路径：社会比较带来自我评价波动、极端内容触发双重情绪加工和沉浸式视听催生深度临场卷入（Jiang & Shen, 2025；Marttila et al., 2026；McComb, Vanman, & Tobin, 2023）。因此本文将拆解媒介接触时用户的认知、情绪变化过程，厘清外部算法环境如何作用于个体心理。算法环境下，用户进行媒介接触后自我评价会出现即时波动。在社会比较理论中，Festinger（1954）提出，源于建立准确自我评价的需求，人类天生具有与他人进行比较的动机。同时强调，人们更倾向于依靠客观、非社会性的方式进行自我评价，但当缺乏客观参照标准时，便会寻求与他人进行比较。自社会比较理论提出以来，研究主要聚焦于两种比较方向：上行比较与下行比较。上行比较是指个体将自己与被认为更优秀的他人进行比较。这种比较通常源于自我提升的动机，然而往往会引发嫉妒、焦虑、沮丧和抑郁等情绪（Wheeler & Miyake, 1992）。相比之下，下行社会比较则是指比较对象被认为不如比较者自身。这种比较主要出于自我增强的动机，通常会带来情绪改善和积极的自我评价（Collins, 1996）。Midgley等人（2020）的最新证据证实，社交媒体上的上行社会比较数量始终多于下行社会比较，且这些比较带来的影响结果几乎全是负面的。用户单次浏览后引发的瞬时对比反应，会立刻压低自我评估，形成即时心理损耗。与不常使用社交媒体的人相比，重度社交媒体使用者更倾向于认为他人过得更快乐、生活更美好、事业更成功（Chou & Edge，2012）。
算法环境下，用户媒介接触后的情绪反应呈现双路径，分别是情绪作为信息和情绪作为动机。相关近端状态实验证明，人处于愤怒等负面情绪时，既会依靠当下情绪作为判断线索放大对立感知，也会主动调节情绪弱化负面评价（Lu, S. & Liang, H., 2026）。随着网络表达机会的不断拓展，自我效应的研究范式也获得了广泛关注。Valkenbryg（2017）认为，自我表达可能会重塑接收效应，因为个体会基于自身的表达内容内化相关判断与态度。同样支持这一观点的Wangd & Sundar（2022）发现，网络评论会强化个体的态度。算法持续推送冲突内容容易让用户长期处于负向情绪，短期情绪波动会持续累积心理负担。在不文明表达方面，Chen等人（2024）的研究表明，表达不文明观点会加剧情绪反应，而情绪反应的增强又会进一步加剧意识形态极化。这一研究结果在网络政治讨论中受到广泛认可。
算法催生了沉浸式媒介的应用，与接触传统媒体相比用户心理卷入逻辑全然不同，沉浸式媒介依靠虚拟化身使用户产生自我在场感，实现自我的深度绑定式认知，区别于使用传统媒介时被动浅层浏览。研究表明，虚拟现实（VR）能引发更高水平的自我存在感。这一效应可归因于虚拟现实具备让用户具身化为虚拟形象的能力，其高度的沉浸感与交互性使这种具身体验足够自然且真实（Ahn，2011）。近期研究愈发强调自我在场作为存在感的一个独特维度的重要性，它既能影响用户态度，也能影响行为的改变。与专注于在虚拟环境中身处其中的空间在场不同，自我在场指的是用户将虚拟化身视为自身延伸的程度（Tamborini & Skalski, 2012）。当用户拥有高度的自我在场感时，其化身通常会充当“镜像自我”的角色（Behm-Morawitz, 2013）。个体可能会将通过化身所呈现的状态和结果内化，从而增加与自我相关的想法，并提升问题的个人相关性（Ahn et al.，2014）。但同时也要关注沉浸式媒介的特性可能会带来较高的认知负荷，从而损害用户信息处理能力。先前的研究表明，VR的高沉浸度也可能成为一种干扰因素，将用户的注意力从核心信息内容上转移开（Nah et al., 2011）。这种干扰可能使用户更难对关键信息进行编码和回忆，从而削弱干预措施的长期行为影响（Jiang M. & Shen F., 2025）。
算法环境对个体与社会关系的长期影响
数字媒介融入日常生活已使那些构成长期健康风险的行为变得常态化。然而，从身体到心理的后果延迟显现使得数字媒介过度使用的弊端被低估。单次浏览带来的瞬时心理波动仅为短期反应，长期持续暴露于算法信息环境，会累积形成稳定、持续性心理损伤，并延伸至自我认知、身心健康、公共社交三大层面。
在认知层面，长期接触理想化线上范本，个体容易以虚拟完美标准定义自我价值，形成错位自我认同。McComb等人（2023）的研究显示，用户接触社交媒体上行比较对象后，会稳定、显著地造成负面自我评价，其身体形象、主观幸福感、心理健康和自尊均受到不利影响。多项研究表明，社交媒体使用与身体不满之间存在正相关关系，这一现象在年轻女性群体中尤为明显（de vries et al.,2018；Fardouly & Vartanian，2016）。de Valle等人（2021）的元分析发现，观看外形理想化的会对身体形象产生因果性的负面影响。研究认为，这一结果可通过社会比较过程来解释，观看者会觉得自己未达到这些所设定的理想目标，随后对自己的外貌感到更加不满。算法持续过滤普通人的真实叙事，个体缺少参照范本，持续陷入自我怀疑，自我认同稳定性不断下降，形成依赖线上评价、否定现实自我的认知模式。
除了认知层面的损耗之外，以往的研究还探讨了媒介过度使用对心理健康的影响。Festinger（1954年）提出，当人们进行上行社会比较时，会产生不利的心理健康影响，而自我价值感受到威胁会引发焦虑、沮丧和抑郁症状。多项研究支持了这一假设，并指出社交媒体使用强度与抑郁、焦虑症状之间存在正相关关系（Appel et al.，2016；Steers et al.，2014），且社交媒体使用与主观幸福感下降之间存在关联（Alfasi，2019；Verduyn et al.，2020）。最新研究表明，长期算法媒介使用会形成问题性网络使用，并与孤独感形成同期双向强化关系（Marttila et al., 2026）。孤独感可能会通过让网络社交更具吸引力、强化适应不良的应对行为，从而增加用户心理损耗。同时，孤独感较强的人对被冷落的感受格外敏感（Servidio et al.，2025）。这种脆弱性可能会强化人们通过在数字环境中强迫性地关注社交关系来保持联系的动机（Wang et al.，2025）。
在社会公共层面，算法流量偏好对立情绪化内容，重塑线上公共讨论氛围。网络社群能够培养归属感，为用户提供社会支持（Oldemburgo de Mello et al., 2024），有时还能提升线下社交关系的质量（Vriens & van Ingen, 2018; Winstone et al., 2021）。然而，一方面，用户线上互动更容易产生敌意，网络不文明评论常态化，理性协商式交流减少；另一方面，若网络成为人们满足社交和情感需求的主要方式，尤其是当线下支持有限时，会增加网络成瘾障碍的风险。例如，长期维持在线社群高频互动的压力（Turel & Osatuyi, 2017），以及网络社群带来的强烈归属感强化（Miranda et al., 2023），均会增加网络成瘾障碍风险，使用户迷恋线上社交而忽略线下互动。
从现实层面看，算法并非不可控的技术工具，平台流量导向规则是心理损耗的核心源头。未来数字治理、媒介素养教育不能仅聚焦用户个人情绪疏导，更需要从算法底层分发机制、内容流量分配规则切入优化。平台可通过算法调整平衡理想化内容与普通真实叙事，降低极端情绪内容推送权重，同时依托沉浸式媒介的正向临场优势开发心理健康科普、理性公共讨论类内容，发挥媒介积极价值。长远而言，数字传播发展应当平衡流量收益与大众心理健康、公共讨论秩序，构建兼顾多元信息、温和情绪、真实个体叙事的算法生态。
作者：唐艺彰
来源：羊村传播