2025年1月，新聞學領域的國際頂刊《Digital Journalism》發表了一篇中國新聞學者的重要研究論文。該研究通過開發虛擬代理測試的實驗方法，模擬人類用戶與推薦算法互動，以國內某短視頻平臺為數據來源，探討了算法與用戶行為交互對新聞多樣性的影響。
研究結果表明，相較于無算法的隨機推薦，算法推薦的新聞類別顯著更多樣。“多樣性”的測量基于類別的數量和元素分布兩個維度，理想狀態是類別均勻分布。結果顯示，基于算法的個性化新聞消費更具多樣性和平衡性，算法有助于用戶接觸到平時不易遇到的新聞來源。此現象可能是算法平臺為避免用戶對重復性內容產生厭倦，因此推薦更具差異性的新聞內容。
近年來，關于算法與“信息繭房”的關系備受關注，多個高校團隊以此展開了實證研究。深圳大學新聞學院教授楊洸采用問卷調查方法，以新聞算法推薦平臺今日頭條的使用者為研究對象，發現算法推薦并沒有導致信息繭房效應，反而擴大了受眾接觸資訊的范圍，用戶和算法之間處于相互響應、相互發展的狀態。
深圳大學傳播學院“百人計劃”教授、博士生導師虞鑫構建了包括使用時間、媒介環境、媒介素養、社會資本、媒介期望五個方面的模型，通過對知乎平臺的實證調研，發現算法媒介使用時間越久，信息繭房效應反而降低，打破了使用時間越長，用戶就會越被困在繭房里的認知。
復旦大學的研究通過對十種網絡媒介的檢驗與比較發現，網絡媒介的“筑繭”并非推薦算法技術下的必然。傳播結構的水平型抑或垂直型、用戶聯結的開放性抑或封閉性為網絡媒介是否帶來“信息繭房”的兩項關鍵機制。其中，微信等“熟人社交型”媒介趨于“筑繭”，微博等“公共討論型”媒介趨于“破繭”，短視頻平臺等“垂直傳播型”媒介既未“筑繭”也未“破繭”。
這些研究表明，算法并非必然導致“信息繭房”，打破了算法制造“信息繭房”的論調。但因為用戶對感興趣內容的需求度不同，一旦覺得同一類內容“推多了”或“推少了”，就認為有信息繭房存在，而且是算法造成的。
然而一系列實證研究表明，比起用戶自主選擇，算法推薦更能有效促進用戶接觸多樣化內容。訂閱制下，人們僅接觸已關注過的領域和內容，實際減少了“新聞偶遇”；算法則基于“興趣探索機制”，推薦更多用戶可能感興趣的內容，呈現出更高的內容類別多樣性。
對外經濟貿易大學法學院副教授許可、中國人民大學經濟學院副教授程華，通過問卷調研發現了民眾對算法的認知、態度和行為之間存在背離。64.98%的用戶對企業使用算法的內容和目的表示不太了解或完全不了解，但當被問到對企業使用算法的態度時，約80%的受訪者認為，企業使用算法可能會損害用戶權益、侵犯個人隱私；但相當比例的用戶并不抵觸用算法獲得服務、產品和體驗，40%的用戶認為自動信息推送精準、對己有益，85%的用戶表示不會因為自動推薦產生過度購買的行為。
在一項針對抖音個性化推薦的用戶評價調研中，62%的參與調查者表示“一般喜歡”，越早開始使用抖音的參與調查者、每天花費時間越多的參與調查者，更有可能喜歡個性化推薦。
這意味著，一方面，有相當比例的用戶對算法不了解，但另一方面，對算法使用卻抱有明顯的負面態度。究其原因，普通大眾出于對技術的恐懼，對算法有著抹黑和污名化傾向。
2022年，網信辦等4部門聯合發布《互聯網信息服務算法推薦管理規定》，社交媒體APP先后上線算法關閉鍵，允許用戶在后臺一鍵關閉“個性化推薦”。該功能上線以來，不少用戶進行了體驗。據相關平臺反饋，大部分嘗試算法關閉的用戶，覺得推薦內容質量不高，又重新打開了“個性化推薦”功能。這一用戶反饋與學者研究結論一致，相較于隨機推薦，基于算法的個性化新聞消費更具多樣性和平衡性。
隨著算法日益進入互聯網產品，人們對推薦算法的接受程度和評價越來越高。對外經貿大學團隊2024年和2022年分別對消費者算法評價做了調研，選擇“推送精準、節省了我獲取有用知識的時間”的受訪者合計比例從40%上升到52%，相對應的，選擇“推送內容過于娛樂化，容易上癮”、“推動信息比較同質，限制了知識獲取的多元性”這兩個選項的比例從43%下降到了37%。
綜上，算法在提升新聞多樣性方面具有積極作用，指責其制造“信息繭房”是一種“偏見”。另一方面，相關平臺也應不斷優化算法，提升算法透明度和多樣性，為用戶提供更優質、多樣的信息服務。