网络舆情是蕴含情感的意见、情绪、观点的表达，其中，非理性的观点在感染机制中易引发舆情危机。网络舆情主体多元且反转多现，对舆情难以把控。算法基于多平台的渗透，已进入网络舆情的整个生命周期，借助算法技术进行网络舆情预警、研判成为目前的主流模式。
算法机制重构网络舆情格局
算法技术已成为国内各大应用程序的核心配置。人工智能时代网络舆情受算法影响，算法机制逐渐渗透于网络舆情的全生命周期，对网络舆情格局产生影响。
（一）算法的数据化：实现网络舆情的精准预判
万物数据化是算法存在的前提，数据为算法提供了分析依据，算法在运作中又重新编码数据。在网络舆情预警过程中，基于数据和算法可以实现精准预判。算法的数据化可以通过动态数据监测，感知舆情可能发生的态势。人的数据化作为算法的一部分，算法也会推进舆情向用户感兴趣的方向发展。然而，算法依据的数据源不是完全真实，数据的有限性决定了算法监测存在一定的盲区，舆情往往与真实民意有偏差。
（二）算法的标签化：改变网络舆情聚合的标准
算法机制中的标签化包括算法依据用户画像贴标签和用户将自己发布的内容附带标签以便于被算法识别。算法基于标签进行过滤、匹配和调控。算法渗透于网络舆情的全生命周期，标签改变了同质化舆情聚合的标准。算法通过把舆情事件特征与用户标签联结，为舆情匹配到标签契合度高的目标人群，进而将聚合的舆情事件精准推荐给相关用户，有效避免舆情传给免疫人群造成的“无涟漪”效果。算法依据标签运作又不断生成新的标签，被标签化的人群会将算法赋予的标签作为自身的人设，进而影响到后续的社会行为。
（三）算法建构拟态环境：引发网络舆情失真
智媒时代，算法承担着中介的角色，发挥建构拟态环境的作用。算法通过抓取、清洗、整理数据为人们呈现存在偏差的镜像环境。人们基于算法提供的“拟像”进行认知与决策，算法隐匿地发挥主导力，人的主体性逐渐隐退。在网络舆情的呈现中，算法仅展现部分舆情，建构起片面化的信息环境。基于“自动化偏见”和“沉默的螺旋”影响，人们倾向于相信算法推荐的意见和导向，这种意见一旦获取多数人的认同，异议则成为异类，意见表达的真实性、自由性被制约，会导致网络舆情失真。
（四）算法的评价机制：链式反应带来次生叠加
算法的评价系统会将不同对象分类，这种机制可以快速建立交叉关系；也能通过评分制衡量个人或信息的影响力。算法的评价系统是引发链式反应、带来舆情次生叠加效应的关键机制。而舆情的消退路径揭示了个体对单一舆情事件有限的关注度。基于“可见性”的注意力争夺，算法会根据评价机制挖掘舆情事件的典型特征与要素，同步关联到同质化事件上，激活链式反应，完成热度累积，也更容易引爆“二次舆情”。
（五）算法偏见：推动网络舆情异化发酵
学界对“算法偏见”未形成统一界定。林爱珺认为算法偏见是算法技术在信息生产与分发过程中，由于算法设计、输入数据、技术局限等因素造成的算法决策不客观、不公正的现象。算法偏见和歧视源于算法技术本身或蕴含于参考数据之中，导致算法分析结果天然带有偏向性。算法偏见和歧视也隐匿于网络舆情发展中，算法对种族、性别、年龄、地域的偏见会在舆情发酵和酝酿期发挥作用，也易在舆情爆发期和消退期引发异化，经情绪传染会带来更大的破坏效应。
算法机制下的舆情偏移和价值失范
（一）舆情内容的“真实虚构”与功利倾向
基于媒介可供性特质，“社会能见度”成为争夺的焦点。媒体为了获得“可见性”，则会使用特殊手法呈现“真实虚构”的信息。当算法成为信息生产与分发的重要中介，舆情信息通过分析用户画像进行内容建构，蓄意夸大用户关注点，部分真实取代全貌，舆情逐渐虚焦。凭借算法分发实现精准投递，真假莫辨的信息实现了对用户情绪的刺激。长期置身于算法建构的茧房中，人的认知也会逐渐脱离客观真实。
算法加剧了工具理性，强调人的行为过于追求功利化。算法以效用最大化和利益之上的心态追求投入与产出比，这种功利性影响人们的认知、判断与决策。算法赋能的形式主义集中在痕迹留存、数据抓取和实时互动中，结果可能“忙”而无效。算法间接影响网络舆情呈现功利化、形式化色彩。海量数据攫取了“能见度”，有价值的信息却被淹没。
（二）主流意识形态的弱化和多元价值观冲击
资本与权力操控下的算法在信息推送中影响着人们的价值观。基于算法的信息呈现与推送，一味将用户偏好作为依据，弱化了社会责任与主流价值观的考量。在同质化信息的持续输出影响下，用户沉浸在茧房化的社群和信息包裹中，既有价值观得到认同和强化。异质化群体间观点冲突加剧甚至形成对立。算法机制导致基于共同体的共识无法形成，社会整体价值观难以实现同步。
后真相时代的泛娱乐化倾向，主流意识形态较难契合用户兴趣点，算法机制选择性地减少对主流价值观的推送，降低其“能见度”，更难形成社会公众对主流价值观的认同。由于缺少主流价值观的引导，原本脱轨的个体思想容易走向极化，乃至滋生对抗社会的情绪与行为。在舆情发展中，算法建构的扭曲与失真的信息通过个性化渠道传播，会迅速点燃用户情绪，导致信息传播秩序的混乱。
（三）舆情传播圈层化且情绪极端化
网络舆情通常基于关系网络进行分散式传播。舆情主体多元带来意见的多样，舆情发展具有不确定性。算法的介入使网民可以快速获取自己感兴趣的舆情信息，这加剧了受众分化。网民选择性地接触局部真实，容易形成个人的信息孤岛。网络中流动的“同温层”让个体的倾向可以得到所在圈层的支持，基于群体认同的分发能够快速催生舆情的圈层化传播。同时，算法也是舆情中极端化情绪的催化剂。算法的应用使信息精准传播，情绪也以圈群为单位定向传播。参与意见讨论和情绪传播的不是多元的差异化个体，而是被感染强化的群体，这种极端化的情绪容易引发道德绑架、人肉搜索等网络暴力行为，甚至带来线下的集结动员。
（四）算法忽视社会效益造成公平失衡
算法看似平等，实则暗含公共性与商业化的博弈与失衡。算法如同一个黑箱，影响算法的因素具有隐匿性、前置性、灵活性等特征，人们无法知晓算法的意图，更难以明白其内部运作的逻辑，这干扰了人们对真实世界的判断。资本操控下的算法机制其根本目的是盈利，在网络舆情信息推送时，算法将经济效益放在首位，以流量为首选，忽视算法背后的平台型媒体的社会效益和公共责任，导致公共性价值缺位。
一旦算法体现权力和资本的意志，舆情事件的走向会偏离公共价值取向，眼球经济的刺激让算法推动舆情在目标人群中引发热议、反转。基于算法偏见会形成新的刻板印象，即“算法会公平地呈现舆情信息”。主体性思辨的缺位会带来对算法推荐舆情信息的全盘接收，缺乏对真实性的追问与逻辑自洽的思考。
算法机制对网络舆情负面性的纠偏可能
技术具有双面性，智媒时代把握算法的运行机制，有助于借助算法传播正向舆情信息，通过增设人工审核程序、推动算法透明化使网络舆情纠偏成为可能。
（一）从功利到正面的引导：算法匹配正向舆情
1.加大主流价值观权重。算法作为一种新技术，也附有意识形态属性。谁设计算法、算法为谁服务、算法中的价值倾向都会使算法技术具备意识形态属性。算法隐含着设计者、操作者的意图，通过程序设定实现算法的把关、选择、决策等功能。算法推荐的舆情信息需要向上向善，这些内容既符合用户需求，又满足主流意识形态要求。在程序设定上，算法设计者应加大推荐主流意识形态的权重。前期数据收集、整理、挖掘和分析要体现主流意识形态引导力。算法潜移默化地实现主流价值观引导舆情的信息发送与接收效率。作为过滤中介，算法为主流意识形态的舆情传播提供了技术支撑，也使差异化群体选择性接收正向舆情成为可能。
2.算法问责机制打击虚假舆情。算法在网络舆情全生命周期中，是舆情建构者、分发者，也是反馈者。舆情信息在多级传播中会带来信息折扣和内容失真，网络舆情治理需要依托算法建构问责机制，可以溯源和追责谣言、虚假信息。算法介入网络舆情治理时，问责机制已嵌入程序设计中，这既明确了网络舆情中造成过错的评定方法，也使预判舆情结果和危害成为可能。在日常监测中，算法问责机制为信息传播提供事前的预警作用。网络舆情发酵期，算法问责机制深入核查传播链，追溯查验舆情源头与关键节点的动态。在治理谣言和虚假信息时，算法依据预设的评定方法对参与者划定责任，充分发挥监管和惩戒作用。
（二）从极化到多元的矫正：算法破解舆情茧房
1.完善人工干预和用户自主选择机制。过度依赖算法会使用户禁锢在“茧房”中，因此，不能将所有权利都交给算法。一方面要加强舆情中的人为干预与把关。算法作为机器在舆情信息分发时过滤把关作用不强，仅发挥辅助作用。机械化、程序化推送缺少对内容的审核，舆情信息的关键审核仍然需要人的因素。在网络舆情的算法平台中，“把关人”在数据筛选、内容审核、舆情推送等工作中都要保证“在场”。要设立编辑和算法双重把关标准，恪守专业精神和正面导向要求。另一方面，要保障用户充分自主选择信息的权利。算法运营商在形式上赋予用户修改和删除自身标签、选择关闭推荐服务的自由，但实际实施效果不佳。用户在删除个人信息时，只是一种程序上的表面删除。因此，要完善法律来规制算法运营商，使其在资本驱动下，坚持以用户为本，以确保个体自主选择是否接受自动化决策的权利落到实处。
2.建构科学的网络舆情监测模型。算法引入网络舆情监测工作中，使新监测模型的建构成为可能。网络舆情工作借助算法能够突破平台与技术的壁垒。算法作为各类应用程序的基础配置，可以抓取多类平台数据。社交机器人作为舆情主体的参与为舆情监测提出挑战。通过算法可以对机器人账号进行识别，将其纳入合理规制。算法能让舆情监测穿透表层话语，分析言论背后真正的意愿表达。然而，算法简约化的设置容易造成对复杂信息和关键因素的疏漏，使舆情监测产生偏差。在建构新监测模型时，要注重多元化与个性化并存，从全方位多角度对网络舆情进行监测，使监测结果贴近真实、客观的信息环境。在分发舆情信息时算法也要合理设置推送比例，保证用户接收全面的信息。
（三）从黑箱到透明的渐进：呈现算法建构舆情的情境
1.主动披露舆情相关要素。算法机制通过对信息和数据分析可快速推送网络舆情信息，但算法还应包括公开舆情的基本要素。对舆情主体、客体、内容等构成要素，算法机制应给予清晰标注。算法机制可通过自动生成舆情简报和舆情专报来满足用户差异化需求。
用户的信息诉求不仅是对舆情信息知晓，还包括对算法如何呈现舆情、推动舆情、引导舆情的了解。依据透明性原则，网络舆情监测机构和平台，要对数据的准确性、可靠性、数据偏差以及算法中固有的缺陷进行明确申明。关于算法机制的数据选择标准、舆情评价标准、舆情分发规则等信息也有必要向用户提前告知，提升用户的算法认识和使用能力。
2.保证算法调控舆情的过程透明。算法机制在网络舆情中扮演建构者角色，包含预测、分类、推荐、干预四个步骤。这是算法运行的核心，体现着权力和资本意志，存在运行机理不透明甚至有意识隐匿部分影响要素的问题。算法操作者呈现的过程透明不是将复杂代码进行公示，而是使算法成为可辨识、可理解的技术系统。应将算法置于具体情境中，对算法如何考量舆情、判断舆情、以及舆情演变中是否暗含着算法支配等给予诠释。
算法的生命力不可避免会有暗影的存在，辅以审核机制可更好地规制算法运行。算法审核主要是对算法输入和输出以及数据库进行事先核验、事后追审，使算法设计者和使用者的行为可追溯。在发生损害性问题后，审核机制激活可以快速确认幕后责任人的过错使其承担相应的责任。
3.完善算法评估制度。算法评估制度是要求在算法设计、部署与运行期间，算法治理的相关主体如政府、平台、社会公众与第三方力量，对算法可能造成的风险及其对社会的影响进行充分评估。算法现已嵌入各大平台，建立“监管沙盒”、完善算法评估制度更加具有紧迫性和必要性。算法评估制度是从宏观角度出发，全面考量算法与设计者、使用者、权力资本之间交织的多重关系，对不同的算法进行风险等级评价进而制定不同的监管模式。算法评估制度贯穿算法运作过程的始终，从事前标准、过程评估和评估结果三个层面展开，以降低算法机制可能造成的舆情风险或者负面影响。
算法作用下的网络舆情呈现新态势，赋予舆情更多的不确定性。人们要重视算法机制，借助其开展舆情监测、研判和引导，把握可能的风险，也要提升个体算法素养，避免迷失在算法绑架中。技术不是信仰，网络舆情纠偏不能依靠算法完成。要以批判的思维反思算法的公共价值，建构科学的网络舆情纠偏机制，才能打造一个良性的网络舆情空间。