算法传播中的文化区隔与分层

李 婧 陈 龙

(苏州大学 传媒学院，江苏 苏州 215123)

数字媒介与算法技术正在越来越广泛、深入地影响着人们的文化实践。表面上看，数字技术似乎降低了文化生产的门槛，扩大了文化实践群体，并使得更丰富的文化样态得以呈现与传播；在线平台中还生产着民主化的文化评论。[1]但事实上，人们的行为、思维、表达和互动方式，以及人们的文化兴趣、偏好等都正在被不断融入大数据和算法系统之中；文化对象、文化偏好和文化实践成为可分析、可“计算”的数据，文化活动则逐渐沦为算法系统处理的任务之一。这改变了人类文化长期以来的实践、体验、感知及理解方式；软件可以去做选择和连接，形塑用户的日常文化经验；人本身作为文化生产者、消费者、仲裁者等的专有权被逐步剥夺。更重要的问题是，过滤、分层、排序算法可以通过影响和改变文化材料的流动来塑造文化实践。而由此产生的文化区隔与分层成为亟待关注与讨论的问题，这关涉着社会平等与认同。

20世纪社会学家布尔迪厄从阶级的形成与对立角度阐释了文化区隔；当今时代，网络平台化开启了数字算法传播变革，带来网络文化实践转型，文化区隔也呈现出与布尔迪厄传统的阶级文化模式所不同的新形态。算法传播作为一种新控制权力形成了怎样的新型文化区隔与分层机制，带来了怎样的社会文化风险后果，是本文所要集中讨论的问题。

一、趣味、圈层与区隔：数字传播技术下的文化实践

关于新传播技术与文化实践的研究自互联网产生以来便受到关注，由Web1.0时代延伸至数字传播时代的算法。从传播的文化研究视角来看，传播技术的不同偏向将形成不同的文化建制。如英尼斯划分的“空间偏向”与“时间偏向”的媒介技术形塑了不同的社会文化。而互联网技术的诞生，也改写着以往固有的时空结构与文化规则。互联网突破现实空间限制，开始形成一些具有共同兴趣爱好、共享文化经验的“虚拟社区”。[2]

Web2.0技术带来的社交网络时代，文化形态发生着质的改变，以趣味为代表的文化偏好得以细分和增长。传播技术的变革促成文化的小众化，文化多样性建立在趣味分野之上，网络亚文化更是形成了不同的“趣味共同体”。[3]同时，社交网络传播的“圈层化”特点成为一个备受关注的现象，体现并影响着文化群体的聚集与分化。圈层化的传播使网络文化群体越来越固化自身的趣味，并通过一系列方式从技术、文化资本等方面建构着彼此的区隔。[4]可以看出，文化社会学中一些从趣味/品味(taste)区隔去考察文化与社会分层的经典论著为分析当今的网络、数字文化提供了有益的理论视角。布尔迪厄在其论著《区分：判断力的社会批判》(Distinction:ASocialCritiqueoftheJudgmentofTaste)中，阐述了趣味/品味的生成，他指出体现为“生活风格”和“趣味/品味”的惯习形塑和制造了阶级/阶层，对不同阶层进行着区隔与分层。[5]9-10甘斯对“品味文化”与“品味公众”的分析中，也指出品味文化对应、区分着品味公众。[6]10-11

网络文化的区隔、分层与不同阶层人群的落差及现实社会分层之间的关系也越来越受到研究者们的关注。“网络社会既深刻反映着现实的社会结构，又以自身特有的方式影响着人的社会关系与社会定位”。[7]还有学者以网络语言为例指出，网络语言可以作为一种维系互联网群体的表征系统，体现着因兴趣、话题、利益诉求集结起来的不同群体共有的文化心理；不同文化群体生产出了一套群体特色鲜明、具有一定群体区隔作用的网络语言系统，网络群体传播及网络语言推动着社会阶层的分化。[8]

同时值得注意的是，网络文化群体的区隔有其丰富而独特的维度，网络亚文化的区隔也突破了传统的阶层区分；这其中新传播技术作为一个重要因素以新的模式形塑着文化区隔与分层。“现代社会(新)媒体以及消费主义的发展催生了以生活方式为中心的文化公民，他们的生活方式与电视、网络或消费紧密相连”。[9]传播学界对数字鸿沟的关注，也从最初的信息通信技术(ICT)的“接入沟”“使用沟”过渡到重点关注数字化使用带来的社会分化、社会排斥及社会不平等问题。[10]数字媒体所带来的机会对不同群体而言也并非是平等的。关于数字不平等的研究几乎一致表明，在互联网使用模式与数字技能上体现出突出的社会差异。[11]数字媒体的使用方式除了会因受教育程度、社会经济地位(socio-economic status)、年龄、性别、居住地区的不同而呈现出差别外，还会因不同的数字媒体设备使用而呈现差异，而这些数字媒体设备本身也体现出社会结构特征。[12]数字媒体传播尽管从经济、时间、空间等方面扩大了文化消费实践的机会，但不同层级的文化偏好依然起着突出的作用，文化偏好依然是影响文化实践中社会分层与社会公平问题的重要因素。而算法技术正在将人们的品味作为可记录、分析、分类、排序的数据进行处理，算法系统可以作为关键的媒介，塑造用户和他们的文化生态系统之间的交流[13]167-193，通过排除或者包含以及组织文化信息来行使权力[14]。因此，算法传播可能开创一种新的、不负责任的、不透明的歧视和社会分类形式，这种歧视和社会分类不是建立在以人类为尺度的叙事基础上，而是建立在巨大的、不断增长的、不可理解的相互联系网络上。[15]

二、算法传播：区隔与文化分层的“自动生产”

(一)被“数据化”和被“计算”的“品味”

在文化分析中“品味”(taste)是一个与日常生活风格及消费相关的表达，同时从其理论渊源来看指向美学和哲学层面的意涵。自16世纪末期始，“taste”逐渐成为艺术鉴赏和审美判断的关键概念，并且在这个层面上被译为“趣味”。在康德所著《判断力批判》中，“趣味”被认为是“合目的性而无任何目的”的，意味着审美活动的纯粹性与高尚性。这一层面的“趣味”也更为抽象，超越了社会、经济、文化等外部因素而与心灵和智慧相关。相较而言，社会学家们所关注的“taste”则带有更强的社会现实性，这可以说是“趣味”意涵的一种变迁，也可以说在这个层面“taste”被广泛地译为了“品味”。

布尔迪厄关注的品味，区分着不同的社会阶层，并且标识着个体社会地位。将文化因素带进社会分层分析的布尔迪厄认为，相同的“惯习”制造了阶级/阶层，这种在成长经历和生活经验中沉淀的惯习会外化成为“生活风格”，成为区隔或分层的标识[16]466-467。而品味是惯习在文化实践尤其是文化消费中的具体体现，受到惯习的影响或者说是其产物。与此同时，品味作为社会分层的标识，是文化资本的外在体现，因而品味差异也意味着文化资本的差异。

布尔迪厄所阐述的作为区隔的品味在算法时代遭遇了新的境遇，在算法传播中，品味被“数据化”并且被纳入“计算”系统。算法时代个体的生活痕迹被各大互联网平台不断抓取并以数据的形式记录下来。而这不仅仅意味着对人们在互联网平台中的点击、转发、评论或购买等行为进行数据记录，更是对其背后个体思维、兴趣、偏好以及教育程度、生活区域、社会经济地位等进行“数据化”及系统分析。使用自动化与基于数据的技术和方法来“监视”人们的品味，预知用户如何发现和体验文化商品。文化对象、文化实践和文化偏好正在被数据化。

算法推荐系统收集有关用户的数据，将这些数据进行分析处理，并提出建议。如有研究者所指出这可以看作“数据的循环反馈”(recursive feedback of data)，“对人们的生活世界有一种建构性影响”。[17]例如，亚马逊专有的“Whispersync”技术可以收集Kindle电子书用户的信息，比如用户读了什么，他们的阅读速度有多快，乃至他们给哪些段落划了下划线，然后将这些信息添加到其消费者数据库中；last.fm音乐平台也专门通过“scrobbler”程序来记录和分析用户的音乐品味，将用户的音乐收听活动数据传输给他们的用户数据库，正是通过这一音乐用户个性化的数据库及其进行的数据分析，使用户的音乐品味被明确标识出来，获得一种“可见”形式(a visible form)。[18]可以说是算法系统“告诉”了用户他们的文化偏好与品味，并成为平台下一次推荐文化内容的依据。由于许多算法的目标都是最准确地满足个人偏好，即“个性化”的推送，文化消费者很可能会反复接触到相同或相似类型的文化内容，因而过滤气泡效应也很有可能在文化领域产生。经由算法分析，文化消费者的选择被其之前的选择的品味偏好所控制和形塑，因此，算法传播使得文化实践更“排外”也更加容易分化。

与此同时，算法系统还形塑文化内容的生产，使之与数据化的用户品味更精准、更有效地相匹配。通过对用户“品味数据”的分析，算法可以为流行文化产品的生产提供有针对性的建议，并塑造受众发现、使用和体验文化内容的方式。有研究者通过考察一个基于算法推荐的音乐数字平台发现，对音乐品味的细分和对从人们音乐实践中收集到的数据的利用，使得人们听音乐的活动实际上变成一种商业数据，为后续生产这种符合人们品味偏好的音乐提供“量化的”依据。通过用户的跳过、屏蔽或评级等使用行为所产生的新的数字轨迹可以作为指标，被纳入一个更大的数据配置文件中，以便进一步定位和细化。[14]电子书出版商也会利用读者的数据来设计他们的下一个出版项目，包括他们喜欢的单词长度或主人公的类型。类似的算法运作在YouTube等社交视频平台中同样存在，并被认为是一种符合互动经济预期的基于数据“分析”的营销模式。视频博主渴望自己的视频被算法推荐从而被更多的用户看见，那么他们最终会被推到与YouTube神秘的算法系统合谋的地步。[19]

对用户文化品味的“数据化”与“计算”分析，以及基于数据分析进行的文化内容生产的形塑，这两者形成了一个循环，因此最终是不可能分开的；用户的文化实践不断地被算法作为数据来提取、分析，而算法进而也塑造着文化实践。由此可以看到，人们的“品味”被自动明确和固定了，经由算法技术的处理，这种明确甚至往往超越了人们自身的感知。这恰好符合着资本的商业逻辑，数据化与系统的算法技术处理，带来了“个性化”的深度发掘、精准推送与广告投放，意味着市场的细化与商业利益更广泛的实现。于是，在这样的逻辑之下还可以看到，不同“调性”的平台、产品纷纷出现，来适应不同品味区隔下的用户群体。

然而，我们不应该忘记布尔迪厄所指出的，文化品味的社会结构特征及其所带来的文化与社会区隔，这种区隔与分层构成一种“符号暴力”，在其伪装下维护的是权力关系的再生产。但在数据和算法系统的驱动下，品味区隔以一种更加不易被察觉和合理化的方式被快速、精准、大量地“自动生产”着；甚至区隔之下艺术符号秩序的“感觉分配”(partagedu sensible)不平等[20]也被圈层内的“舒适感”所掩盖。

(二)算法排序与层级文化区隔

“圈层化”已成为我们认识社交媒体中网络人群关系模式的重要维度。圈子化与层级化代表着人群分化的两种不同方向与逻辑。如果说圈子有其壁垒，但更多的还是在水平方向上的考量；那么层级间的区隔则体现为一种垂直方向的“高低落差”。[7]将文化作为“解释项”来考察这种分层，如布尔迪厄所指出的：“品味是对分配的实际控制，它使人们有可能感觉或直觉一个在社会空间中占据某一特定位置的个体可能(或不可能)邂逅什么，从而适合什么……引导着社会空间中特定位置的占有者走向适合其特性的社会地位。”[16]466-467，由此，人们在日常生活中表现出的品味偏好不再单纯指涉个人志趣，通过它，不仅如前文所述建构了群体间的区隔，还定位着社会空间中的分层位置。亦如甘斯在《大众文化与高雅文化：品味分析和评估》中对“品味文化”和“品味公众”的讨论，他以音乐这一具体的形式为例，更清晰明了地指出，对价值和品味文化内容有着相似选择的使用者被描述为“品味公众”；并进一步区分了从“高雅文化”(high culture)到“准民俗下层文化(quasi-folk low culture)”五种不同的品味公众及其品味文化。[6]71而在算法传播中，文化品味区隔体现出的等级分化在数据驱动下被系统“自动”生产和强化着。

首先，在一个基础的层面上，算法会反映和延续现实社会分层结构。数字平台的产品定位设置与现实生活数据的“输入”，使算法系统接收并“学习”了人类社会的分层结构。不同的平台根据社会结构进行不同的市场定位，如“超大城市—中小城市”“城市—乡村”等，这也与社会学者观察到的中国社会基本的分化状况相一致。[21]技术门槛的降低，扩大了数字产品的使用范围，也将更多维的社会层级纳入了算法系统，在平台产品的设置与商业部署上即体现为用户市场的“下沉”。不同层级的平台或平台内不同的圈层聚集起不同的用户群体。如有调查报告显示抖音的核心用户70%以上来自一、二线城市；本科以上学历抖音比快手多10%，高中以下学历快手比抖音多14%。[22]

其次，在此基础上，高低分层的文化区隔在算法驱动的文化实践与传播中自动地再生产着，并被进一步强化着。过滤、分层、推荐算法体现出强烈的“排序文化”(ranking culture)。一方面，是对内容的排序，区分内容在平台中的可见性。这往往是一个复杂且不透明的过程，并且同样是一个内容与用户互动的过程。用户对排序做出的反应，成为排序的依据。用户的完播率、点赞量、评论量、转发量等数据是内容综合权重的关键指标，“叠加推荐”算法会根据内容综合权重进行排序和叠加推荐，从而内容可见性的等级次序迅速呈现并拉开巨大的差距。同时，内容可见性排序还意味着文化生产者的排序，文化生产者自身也在被算法“驯化”，他们对算法驯服和平台势力的博弈能力很低，在市场话语中要么作为获得平台扶持的创业者、要么作为统计数据中“沉默的大多数”；同时，不同生产群体之间的互动也遵循着算法排序的逻辑，成功的文化生产者得益于算法赋能，他们会主动强化与算法平台的合作，将更多数量的创作者收编到算法平台主导的价值体系中。[23]另一方面，是对人的排序，人的社会结构数据被算法进行着排序，这也带来研究者对算法偏向与歧视的讨论。常见的如算法排序对人们贷款、保险、医疗等活动的影响，还包括“价格歧视”，均体现出等级的区分。“你到底是谁取决于你在哪里消磨时间，买什么东西”。当人们的生活已经被数据“掠夺”，被记录下的数据体现出你是谁，被预测的用户形象是由几十个，甚至数百个数据点描述的一个人。然而，并非所有的消费者和他们的数据都是平等的，随着这些新的跟踪技术的发展，算法系统会发展出完全基于消费者行为的新型社会歧视。在这些发展之后，由数据驱动的歧视增加，我们看到生活各领域的平等关系由此受到威胁。

此外，同样重要却尚缺乏关注的一点在于，算法系统同时具有很强的社交性质，是一种交互传播模式；在社交平台算法系统影响着，甚至控制着人与人之间的交往，以及圈层的聚合。有研究者考察了YouTube的算法系统在政治传播背景下对形成网络社区的影响，发现YouTube算法推荐系统促进了高度同质性社区的创建。这样的考察与针对个体的“个性化”算法推荐不同，针对的是平台层面的频道推荐，可以被认为是“计算公众”(calculated publics)。[24]

如同“网络公众”的概念强调了通过社交媒体聚集起来的用户群体，以及这些公众如何形成、互动，且有时也会分崩离析的一种技术结构，算法技术也在建构着公众，形塑着群体。网络社群、网络群体，以兴趣、话题等联结起来，兴趣已成为一个突出的影响因素。但相比而言，算法“计算公众”所形成的“算法群体”具有新的特征。一方面，形成连接的主导权发生了变化，从用户自身转移到了算法系统；另一方面，当人们被作为更大量的，甚至整体性的“数据群”而纳入算法系统，在精确的、复杂的，同时也是带着社会现实印记的“计算”中，更易形成具有高低层级的群体。这也是我们需要去反思的算法系统产生人的连接，进而形成“算法群体”，其背后的算法文化[13]。

通过以上分析，可以发现在算法传播中，传播内容在何种程度上可见，用户处于怎样的社会层级位置，以及人们之间的互动连接、群体形成，都被纳入算法系统并被其形塑。进而在文化实践上，不同层级的用户有着怎样的品味偏好，什么样的文化产品与之匹配，以及不同文化群体、文化类型如何连接并形成分层等级结构，都经由算法系统掌控。虽然算法排序未必与社会层级完全一致，但其带来的文化层级区隔却十分突出。近两年在以上海为代表的一线大城市颇为流行的“脱口秀”，却并不会顺畅地“下沉”到四、五线城市，在一些脱口秀表演宣传中更是直接把脱口秀表述为“中产阶级”文化产品；相反，一些在大城市“精英”人群中被打上“土味”标签的文化产品或类型，却可能在小城市拥有市场。即便不以城市结构观之，数字平台、产品间广泛存在的或明或暗的一串串“鄙视链”也将不同文化群体间的高低分层体现无遗。

文化社会学者往往从“实践”的层面来讨论这种文化区隔与分层的形成。社会学家斯威德勒(Ann Swidler)从象征互动论和社会建构主义取向出发强调了文化在生活实践中的运用，认为文化可以被看作一个“工具箱”(tool kit)，其中包含惯习(habitus)、技巧(skills)、风格(styles)等象征资源，行动者用其建构自身的行动策略(strategies of action)[25]。布尔迪厄指出，作为文化资本和惯习外在表现的品味，构成了一种文化的策略；文化品味或生活方式作为阶层的符号表达，二者间的对应关系并非天然存在，而是由于权力或各种资本的差异，由优势阶层在象征斗争中主动建构的，这其中也包含着对立与斗争。如今，这种“策略”被算法系统“接管”，在资本与算法的合谋下以一种更加隐蔽、不透明与难以琢磨的方式，自动生产和加强着文化区隔与层级分化，并同时几乎排除了行动者的主体性与文化的相对自主性。

三、算法系统与层级文化的权力不均

文化区隔分层不仅存在着“高低落差”，还因此存在着权力上的不平衡。这不仅体现在思想、观念上，更扩展至日常生活层面的文化实践。如格罗斯伯格(Grossberg)所指出的，日常生活不是政治救赎所许诺的乐土，若将结构、权力与日常生活分开，即集中关注日常生活，则创造的是一种幻象。[26]94因此也可以说，处于社会上层的文化通过价值、观念体系、生活方式等的渗透来控制社会下层。

正如布尔迪厄在阐释“文化区隔”时，也展示了专断的嗜好和专断的生活方式是怎样逐步变为合法的嗜好和合法的生活方式的。即资本主义统治权力给自己的生活方式强加一个“优秀”的评价，形成一种“自然差别”错觉，而这种被认为“优秀”的生活方式只不过是他们自己的生活方式。[27]文化品味便被当作一种分类标准，资本主义统治阶级据此来区分对待不同文化群体或文化类别的或接纳或排除或亲近或疏远的不同态度，由此再生产着上层文化的强势与下层文化的弱势。

而值得警醒的是算法系统正在延伸并强化着这种不均衡。大数据被认为不可避免地倾向于权力不对称和统治。一方面，弱势层级的文化实践被排除在上层文化之外。算法偏见中一种突出的偏见体现为“选择偏见”，指受数据影响的算法，会导致过于放大某一族群或群体，从而使该算法对这一群体有利，而代价是牺牲其他群体。[28]这种偏见在性别、种族、经济地位上的体现正日益受到学者们的关注。凯西·奥尼尔将算法霸权比喻为数学杀伤性武器，带有偏见的数字建模将会惩罚社会中的穷人和其他受压迫的人。[29]4弗吉尼亚·尤班克斯(Virginia Eubanks)也在其著作《不平等的自动化》(AutomatingInequality:HowHigh-TechToolsProfile,Police,andPunishthePoor)中系统地研究了数据挖掘、政策算法和风险预测模型如何对穷人及工人阶层造成“惩罚”。正如在基于算法的外卖系统中，算法根据商业利益决定将权力交于消费者一方，同时通过算法“优化”不断压缩骑手的送餐时间。

在文化实践上数据与算法偏见带来的不平等已日益突出，强势文化群体更容易成为强势和显著的“数据”，成为被算法选择和放大的一方，从而获得更多可见性及红利。相反，由于无论是在数据的收集、处理阶段还是算法规则制定及运算阶段，现实中的偏见与不均衡都在被不断纳入算法并重新由算法归纳与体现出来，弱势层级的文化实践往往难以避免地被排斥，甚至被“折叠”而变得从主流群体的目光中消失。透过一种文化形态的被排斥或消失，应关注其背后这一文化实践群体的生存状态与困境。邱泽奇等社会学研究者将因既往投入形成的、具有互联网市场进入机会并可以通过互联网市场获益的资产界定为“互联网资本”，个体、群体、地区、城乡间互联网资本的拥有及运用差异带来了互联网红利的差异。[30]算法时代，当数据成为一种“新型文化资本”[31]，不同文化群体间的差距也在进一步扩大，不具备此种文化资源的群体，更会因不能形成或使用数据，而不被算法系统“识别”。算法的支配性及其在现实建构中的作用，使其成为社会文化秩序的源泉和重要形塑力量；而算法选择对于现实的建构，则可以被看作一种以信息/数据选择或信息/数据遗漏为特征的“治理”。

另一方面，高层级文化握有“定义”和“阐释”的权力，低层级文化则在争取表达与关注的同时仍难免陷入被观看、被消费、被建构的命运；文化权力不均被算法技术的偏向加持并加剧着。技术降维和商业逻辑把低层级文化群体纳入文化生产与表达平台，也纳入算法系统中的流量与可见性竞争平台。表面上看数字鸿沟的“接入沟”被逾越，低层级文化尤其是底层文化获得了表达机会；由于缺乏文化资本，其最直接的反应便是以夸张的方式来竞争关注。于是产生了乡村短视频早期生产大量低俗甚至自虐内容的扭曲景象，或许“惊诧”是突破层级、获取关注的捷径与策略。

虽然早期突破伦理的乡村短视频被迅速治理，底层文化生产在生长、扩大，但其被观看的方式仍由高层文化来掌握。从受到高度关注与称赞的李子柒，到粗糙、原生态的喊麦、“社会摇”等“土味文化”，对于处在社会分层低层级的乡村生活呈现近年来不断突破阶层而颇受关注。其一，高层级文化对李子柒田园牧歌式的生活及文化呈现表现出欣赏与向往，实质上是当代社会充满焦虑的城市中产通过其短视频的文化重构寻找一份情感慰藉，在舒缓的节奏中短暂放松紧绷的神经，同时也可以满足现代人对原生态乡村的怀旧与猎奇。同时，李子柒视频中呈现的个人形象及家居陈设，古朴却具有艺术美感。这样的文化产品本身已符合高层级文化所界定的“美好”品味与生活方式，也因此无疑会获得认可。其二，同样反映乡村生活的“土味文化”则不同，虽然获得关注，但更多的是高层级文化对底层文化的一种“观看”，以及带有鄙视、嘲讽的“消费”，也有研究者称之为趣味“歧赏”。[32]因此，虽然微博上的“土味挖掘机”“土味老爹”等账号通过将快手等平台上的短视频搬运到微博而获得了上百万粉丝，但搬运同时添加的嘲讽意味的文字恰恰表明了其“观看”态度与“消费”心理。同样地，即便上层文化群体也开始借用一些诸如“土味情话”“土味表情包”等土味文化产品，但群体内部很容易达成一种使用时的心理默契，即明白这不过是一种“玩梗”的消费行为，高层级文化群体仍站在自己的优势品味上进行着俯视与评价。正如甘斯所指出的，美国中西部的乡村酒吧里，摇滚、蓝草音乐、牛仔服等成为乡村品味公众的荣誉象征和乐趣；虽然城市中上层阶级也会光顾西部乡村酒吧，但他们不会成为其品味公众，他们仅仅是把自己的光顾当作猎奇；某一类品味公众可能参与到其他许多品味文化中去，但也总保持其原有的品味与实践。[6]70-71

而在数据和算法驱动的短视频平台中，高层级文化群体的种种反馈形成数据被纳入算法系统，算法不断“学习”并归纳和再生产着这种文化权力不均衡的具体方式，并形成一种文化消费秩序，乃至文化机制。同时，当技术接入沟一定程度上被弥合，人们刚开始欣喜于底层文化群体能够逐渐展开自主性的文化表达时，又几乎同时落入了算法选择与控制对主体性不断消解的旋涡。虽然算法设计也声称可以不断改进，并促进个体对不同类型信息的接触，乃至根据算法推荐来调整、提升、扩大自身的文化品味，这似乎带来了所谓的“文化杂食”(culture omnivorousness)，即优势阶层并非仅仅欣赏高雅艺术，而是有着更多元的艺术倾向，用高雅艺术和大众艺术兼顾的品味来作为阶层区隔的标志[33]，因此事实上，“文化杂食”者也正是拥有更多文化资本的群体，那么这种所谓的算法推荐提升与扩大文化品味，很可能也更多是给文化优势群体带来益处。

四、算法传播中文化区隔分层的风险反思

(一)文化多样性陷阱与文化分层固化的风险

数字媒体时代，文化实践与文化内容都变得丰富而多样，数字传播渠道扩大、激活并丰富了文化主体，各种数字应用产品也使文化消费变得拥有更多更便利的选择。人们不仅被告知“每一种生活都值得被记录”，短视频更是对乡村文化的一场视觉“赋权”。于是数字媒体不仅呈现了多种形式的表演，还呈现着不同品味风格的文化形态。

然而这种表面上的文化多样性背后潜藏的是选择控制与边界区隔的陷阱，也由此带来文化分层固化的风险。首先，人们可感知的文化选择实际上被“个性化”的精准推送所窄化了，数字媒体背后的算法充当着文化内容的“把关人”。正如研究者们注意到的，文化实践的多样与广泛应从“结构”上界定，而不仅仅是“数量”上。人们看似有许多选择，但久而久之实际上倾向于依赖一种简单的方式，通过这种满足个性化的工具进行被动的重复选择。从而人们将不再是一个自主做出选择的主体，而是将自己身体、思想、行动的数据不断交给算法，同时也逐步被算法的选择框定在一个固定的文化品味之内。能否接触文化新类型，也将由算法系统的规则调整以及商业利益因素来决定。其次，虽然在数字媒体时代依然能观察到一些文化群体接触着不同品味层级的文化内容，但这并不意味着文化层级间的顺畅流动。一方面层级间依然存在尖锐的符号边界；另一方面跨越符号边界需要更强的文化资本。由此，网络平台中呈现出“五里不同风，十里不同俗”的封闭圈子，以及被“鄙视链”串起的不同层级。甘斯在分析品味文化与品味公众时还看到了一定程度上变动不居的文化和相对稳定又不断流动的公众。而算法传播带来的个性化、精准化定位与形塑，以及算法偏见带来的结构性不平等，都加剧着文化层级的区隔与固化。数据资源的“精英俘获”(elite capture)也在所难免。布尔迪厄认为精英俘获如此强大主要是精英群体通过象征权力施加其影响力。算法选择实际上正形塑和再生产着这种象征权力。

进一步来看，网络文化层级一定程度上映射了现实的社会分层状况，文化层级的区隔与落差的存在也会对社会结构产生长远的影响。层级间缺乏流动一定程度上体现了社会阶梯中持续存在的机会不平等，关系到社会公平与整合机制。[34]。

(二)文化参与的陷阱与文化冲突的风险

算法传播体现为一种参与式的传播，在数据的连接与驱动下，作为网络文化生产者与使用者的用户既参与生产内容(UGC)，还参与生产行为(UGB)，同时参与内容分发(UDC)；然而这种文化参与看似用户的主动选择，实则是算法在生成更多微妙而全面的新形式的用户控制。[35]

这种文化参与的陷阱在带来用户控制的同时，使连接、参与并非带来良好的文化交流，反而易形成文化冲突风险。一方面，算法传播对信息的精确控制与个性化推送消解着文化的公共性，同时也建构着对“他者”的区隔。“文化屏障”逐渐成为各层级外显的与隐藏的分界标识，或者是一种“文化符号”使其他层级的人不能进入这个层级，也使得自己层级的人的利益不受侵犯。文化屏障有时是以外显的方式作用于阶层保护，有时是以隐藏的方式排斥其他阶层的接触。[36]另一方面，算法的参与“陷阱”，建构着人与人的连接方式，易形成同质化而带偏激性的社群。层级内部的强化也使他者化的冲突被放大，形成排斥对话的传播氛围，甚至可能带来群体极化。数据红利上的不平等还可能进一步带来利益的冲突。

因此，尽管网络中的文化区隔与分层不能全然代表现实社会分层的状况，但算法传播通过数据的收集、分析与驱动，将网络社会与现实生活更密切地连接在一起并相互建构。算法传播也许并没有直接生产文化的区隔与分层，但其传播形态与机制一方面将现实存在的区隔与分层归纳并集中表达着；另一方面还强化与自动化生产着这种区隔与分层。