信息格里蝾螈/杰利蝾螈
信息格里蝾螈（Information Gerrymandering），是一个借用政治学术语“杰利蝾螈”（Gerrymandering）来描述网络信息生态中一种特定现象的新概念。它指的是，社交媒体平台或内容推荐系统，通过其算法机制，有选择性地将用户暴露于特定的信息环境中，从而在认知层面，巧妙地、不易察觉地操纵用户对某个议题或群体的看法，其效果类似于在选区划分中，通过不公正地划分选区边界，来确保某一方获得不公平的选举优势。
“信息格里蝾螈”与我们熟知的“信息茧房”和“回音室效应”既有联系，又有深刻的区别：
- “信息茧房”与“回音室效应”，更多地描述了一种“物以类聚、人以群分”的信息区隔状态。即用户被算法包围在与自己观点相似的信息中，从而强化了固有认知。这可以是一种被动的、无意的结果。
- 而“信息格里蝾螈”，则更强调其背后主动的、具有明确目的的“操纵”意图。它不仅仅是让用户“只看见自己想看的”，更是平台或信息操纵者，为了达成特定目标（如商业利益、政治目的），而精心设计用户所能看到的信息版图，从而引导其得出特定的结论。
这个概念的精髓在于，它并非通过呈现虚假信息来欺骗用户，而是通过对真实信息的“选择性呈现”和“结构性编排”，来塑造一种看似客观、但实际上是严重偏颇的“拟态环境”。
“信息格里蝾螈”的运作机制
“信息格里蝾螈”的实现，通常依赖于以下几种算法层面的操作：
- 议题的“选择性曝光”：
平台可以控制不同议题的曝光权重。例如，为了塑造某个地区的正面形象，算法可以持续地、高强度地向用户推送该地区的文旅、美食、科技成就等正面信息，而同时，系统性地降低该地区负面新闻（如社会案件、环境问题）的推荐权重。用户看到的，全都是真实信息，但他们基于这些信息所形成的整体印象，却是经过精心“构图”的。
- 观点的“非对称呈现”：
在一个具有争议性的话题中，即使正反两方的观点在全网的声量是均衡的，算法也可以通过“信息格里蝾螈”，向特定的用户群体，不成比例地推送某一方的观点。例如，向A群体推送90%的正面观点和10%的负面观点，同时向B群体推送90%的负面观点和10%的正面观点。这会使得两个群体都误以为自己所看到的，就是舆论的主流，从而急剧地加深社会对立和观点极化。
- 构建“叙事陷阱”：
通过对信息呈现顺序和上下文的巧妙编排，可以引导用户得出一个预设的结论。例如，先向用户推送一系列关于某国经济衰退的新闻，再推送一条该国对他国进行贸易限制的新闻。用户很可能会自然地将二者进行因果关联，得出“该国是因自身衰退而恶意打压他国”的结论，而这个结论，正是信息操纵者希望其得出的。
对公共治理与舆情工作的启示
“信息格里蝾螈”的存在，对社会认知安全和舆论生态健康构成了极为隐蔽和严重的威胁。
第一，必须将“算法透明度”和“算法审计”作为网络治理的核心议题。
鉴于“信息格里蝾螈”的隐蔽性，仅仅依靠事后的内容审核已远远不够。监管部门必须建立和完善对平台核心推荐算法的审查和评估机制，要求平台对其推荐逻辑、权重因子、内容审核策略等进行备案和解释，确保其算法不存在恶意的、系统性的偏见和操纵行为。
第二，舆情分析需从“声量分析”转向“结构分析”。
在研判舆情时，不能仅仅满足于统计某个话题的全网声量，更要深入分析这些声量是如何在不同平台、不同用户群体之间进行“结构性分布”的。要警惕那种在特定社群中被高度强化、但在全局却并不占优的“虚假多数”现象，这背后可能就存在“信息格里蝾螈”的操纵。
第三，要大力提升全民的“媒介素养”与“算法素养”。
要向公众，特别是青少年，普及关于算法推荐、信息茧房和“信息格里蝾螈”的基本知识。要引导公众建立一种批判性的信息消费习惯，鼓励他们主动地、有意识地去接触多元、异质性的信息源，培养独立思考和辨别信息背后潜在议程的能力，从而在认知层面，构建起对抗“信息格里蝾螈”的“个人防火墙”。