到了算法时代，不论是基于内容的匹配，还是用户之间的协同推荐，都是为了满足用户的兴趣，在类型上属于兴趣茧房。复旦大学新闻学院执行院长张涛甫教授认为，茧房是人的认知宿命，从来就有，只不过因算法流行而被我们显著地“看见”了。相比形式上的被“看见”，从效果角度分析，和社交时代普遍存在的“兴趣+关系”双层茧房不同，推荐算法带来的茧房效应反而要弱一些，这是因为信息没有经过太多关系链的过滤，推荐内容的选择范围要大得多。

牛津大学路透新闻研究院《数字新闻报告》表明：54%的受访者更喜欢通过算法来获取信息，而选择编辑或记者的比例仅为44%，这反映出从整体上看，信息聚合平台上的用户会比其他用户获得更为多元的信息，算法其实能让用户接触到自己不常用的新闻来源。

复旦大学哲学学院徐英瑾教授认为，从心理学的角度看，茧房是一个中性词，人承受信息量总体是稳定、有限的。而中山大学传播与设计学院院长张志安认为，西方一些研究表明，算法推荐的内容也可以做到更加全面、客观，从实际效果看，很难简单下结论算法推荐就一定会导致所谓的“信息茧房”。

虽然如此，对算法的茧房效应也要高度重视。即便是仅从市场目标考虑，信息茧房从长期看可能带来用户的审美疲劳，降低活跃度和使用率，不利于信息平台的持续发展。要破解茧房效应，就要在两个方面、三个方向协同发力。一是要优化推荐算法，分为“精准化”和“多元化”两个方向。

一般认为，个性化的“精准”推荐是形成茧房的原因，但从更深层来看，没有做到真正的精准，才是根本原因。算法大多基于过去的统计关联来“预测”未来，无法有效预判未知的偶然性因素，也缺乏在心理学层面对背景、意图、动机等的因果逻辑分析，基于标签、分类、历史行为等的推荐还停留在粗粒度，大多基于表面化的特征标签来推荐。

如果算法能做到对更深层因素的透彻分析，发现特定用户在不同类别内容之间的更细粒度联系，就可以做到更精准的推荐，既实现了细粒度的个性化，提升用户满意度，也做到了粗粒度的多元化、多样化，破解信息茧房效应。当前，我国头部智能分发平台的算法模型自动学习积累了数以几十亿的“向量特征”，有助于探索以“精准化”方式化解茧房效应。与此同时，在推荐算法这一“母爱式”的信息供给占主导的情况下，也需要引入精英推荐、新闻专业主义的“父爱式”传播，用户想看什么和应看什么要有所平衡。

《华尔街日报》于2016年创设了一个“红推送，蓝推送”（ Red Feed, Blue Feed），将Facebook上同类内容的自由倾向、保守倾向的信息并列呈现给用户，以此提醒用户其偏向性，并推荐另一观点相左的内容,帮助用户平衡、多元化其新闻消费。

在国内，今日头条等主流信息分发平台综合运用内容消重、打散和对用户多元兴趣的主动探索等策略来消除茧房效应，避免同样标题或内容的信息重复推荐，避免相同类型、主题、作者等的内容短时间内密集出现，对时政、科技等一些用户没有明显兴趣但也没有表现出排斥的内容主动推荐，引导用户兴趣扩展和关注更多优质信息。二是要促进推荐算法的平衡使用，特别是加强对青少年群体的保护。推荐算法已广泛应用在图文、短视频、在线视频和商品等各个领域，对推荐内容，成年人有着更强的选择自主性，但对少年儿童等特殊群体，则需要有更多的关爱和保护措施。

针对青少年自控能力差、更容易沉迷和对内容缺乏鉴别力的特点，今年国家网信办指导组织抖音、快手、火山小视频等短视频平台试点上线青少年防沉迷系统，对选择该模式用户的使用时间段、在线时长做出限制，只能访问青少年专属内容池，算法还将基于对用户地理位置和行为的分析，筛选甄别农村地区留守儿童用户，自动切换到“青少年模式”，有效地保护了青少年信息消费的安全和健康。（via 社会科学报 点击“了解更多”获取全文）