大数据算法时代的“公共领域”的理论困境
数字化时代的公共治理面临哪些挑战
数字化时代的公共治理面临哪些挑战在当今数字化时代，科技的飞速发展给社会带来了前所未有的变革，公共治理也不例外。
随着信息技术的广泛应用，公共治理面临着一系列新的挑战。
首先，数据安全和隐私保护成为了至关重要的问题。
在数字化的环境中，大量的个人和公共数据被收集、存储和分析。
这些数据包含了公民的个人信息、行为习惯、消费模式等敏感内容。
一旦这些数据遭到泄露、滥用或被恶意攻击，将给公民的权益带来严重的损害。
例如，个人的财务信息被盗取可能导致财产损失，个人的身份信息被冒用可能引发信用危机。
此外，公共部门所掌握的数据，如城市基础设施的规划数据、公共卫生数据等，若被非法获取和利用，也可能威胁到国家安全和社会稳定。
其次，数字鸿沟的存在影响了公共治理的公平性和有效性。
数字鸿沟指的是不同社会群体在信息技术拥有和使用方面存在的差距。
一方面，在城市与农村之间，城市地区通常拥有更先进的数字基础设施和更高的数字技术普及率，而农村地区可能面临网络覆盖不足、技术设备缺乏等问题。
这导致农村居民在获取公共服务、参与政治决策等方面处于劣势。
另一方面，在不同年龄群体之间，年轻人往往更能熟练运用数字技术，而老年人可能因技术障碍而无法充分享受数字化带来的便利。
例如，在疫情期间，线上政务服务的推广使得部分老年人因为不熟悉互联网操作而面临办事困难的情况。
这种数字鸿沟的存在不仅限制了一部分人的发展机会，也使得公共治理难以实现全面覆盖和精准施策。
再者，信息技术的快速更新换代给公共治理带来了技术适应的难题。
新的数字技术不断涌现，如人工智能、区块链、物联网等。
公共部门在应用这些技术时，往往面临着技术选型、系统集成、人才短缺等挑战。
一方面，公共部门需要在众多的技术选项中做出正确的决策，以确保技术的投入能够带来实际的效益和价值。
另一方面，新技术的应用需要对现有的信息系统进行整合和升级，这涉及到复杂的技术架构和业务流程的调整。
同时，公共部门还面临着数字技术人才短缺的问题，难以吸引和留住具备前沿技术知识和实践经验的专业人才。
大数据时代公共管理的挑战及创新模式探究
大数据时代公共管理的挑战及创新模式探究在大数据时代，公共管理面临着巨大的挑战和压力。
一方面，随着社会经济的发展和技术的进步，各类数据呈现爆炸式增长，公共管理者需要处理和管理庞大的数据集；另一方面，公共管理的需求和面临的问题也越来越复杂，如如何预测和防范自然灾害，如何提高医疗服务质量等问题亟待解决。
因此，公共管理需要创新模式以适应大数据时代的需要。
首先，利用人工智能技术和大数据分析技术进行公共管理。
这种模式利用大数据和人工智能技术分析数据，预测趋势和问题，从而提高公共管理的效率和质量。
例如，在城市交通管理中，可以利用大数据分析技术和交通监控摄像头进行交通拥堵预测，提前做好交通管制措施，缓解交通堵塞状况。
其次，建立公共管理数据共享平台。
数据共享平台是公共管理的重要组成部分，它可以将各类公共管理数据整合在一起，方便公共管理者进行数据统计和分析。
例如，在应急管理中，可以利用数据共享平台对历史灾害的数据进行分析，为未来的应急管理提供参考。
第三，建设公共管理数据安全保障系统。
在大数据时代，随着公共管理数据的增加，数据安全问题也越来越突出。
因此，需要建立安全保障系统对公共管理数据进行保护。
例如，在医疗管理中，可以建立医疗信息保护机制，防止患者个人隐私泄露。
最后，推行数字化公共管理。
数字化公共管理是公共管理的一种创新模式，将公共管理纳入数字化时代，通过数字化技术实现公共管理的优化和创新。
例如，在政务管理中，可以利用数字化技术实现政务流程的在线化，从而实现政务管理的快捷和高效化。
总之，大数据时代带来了公共管理的巨大变化和挑战。
为了提高公共管理的效率和质量，需要创新模式以适应大数据时代的需要。
以上探究的几种模式只是其中的部分，未来公共管理将不断创新和进步，以适应大数据时代的需求。
大数据时代公共管理的挑战及创新模式探究
大数据时代公共管理的挑战及创新模式探究随着大数据技术的快速发展，公共管理也面临着前所未有的挑战和机遇。
大数据时代下，政府管理面临的挑战主要来自以下几方面：1. 数据采集和使用的难题大数据时代下，政府的信息采集渠道更加多元化，包括社交媒体、传感器、移动设备等，但数据的数量和质量问题依然存在。
政府需要采集大量的数据以便更好地理解公众需求和问题，但如何有效地采集和整合数据，如何保证采集的数据是准确、完整和可靠的，是政府管理所面临的重要难题。
2. 隐私保护的挑战政府采集大量的个人信息，如何保护公民的隐私是政府管理面临的另一个挑战。
政府需要建立有效的隐私保护机制以保证个人信息不被滥用或泄露。
同时，政府也需要公开数据使用政策以便公众了解数据使用的范围和目的。
大数据虽然可以帮助政府更好地理解社会问题，但如何分析和利用这些数据以解决社会问题也是政府管理所面临的难题。
政府需要投入大量的资源和资金来建立数据分析和利用的机制，并且需要拥有足够的技术和专业知识来处理数据。
为了应对这些挑战，政府需要采取一系列的创新模式来提高公共管理效率和服务质量：1. 数据共享模式政府需要积极倡导数据共享和开放，这样可以避免不同部门之间的信息孤岛现象，同时也可以鼓励公众参与政府事务管理。
政府可以通过建立数据交换平台和共享机制来实现数据的共享和开放。
2. 开放数据平台模式政府可以建立开放数据平台来将政府采集的数据发布出来，这样可以使数据更加透明和公开。
公众可以自由地访问和利用这些数据，以改善自身生活和社会环境。
3. 利用人工智能技术政府可以利用人工智能技术来处理和分析大量的数据，以更好地理解公众需求和问题。
政府可以利用人工智能技术来构建预测模型和算法，以提高政府管理的决策效率和准确性。
政府需要建立完善的数据治理机制，以保证数据的安全和隐私。
政府可以建立数据保护和安全措施，同时也需要制定数据使用规范和政策，以保证数据不被滥用。
总之，大数据时代给公共管理带来了前所未有的机遇和挑战。
大数据时代的公共安全管理与挑战
大数据时代的公共安全管理与挑战随着信息技术的快速发展和应用，大数据时代已然到来。
在这个数字化的世界里，数据已经成为了一种最为重要的资源，而大数据的出现，则使得数据得到了进一步的积累和处理，为人们的生产、生活和社会管理提供了越来越多的支持。
其中之一便是公共安全管理。
然而，随着数字化的深入，大数据时代的公共安全管理也面临着许多的挑战。
一、大数据时代的公共安全管理有什么变化首先，对于公共安全事件，数据获取的范围越来越广，包括了纸质资料、现场物证、技术数据和网络信息等。
其中，数据网络化、信息化和数字化的趋势进一步拓宽了数据的获取范围，使数据分散、分布和移动化的特点越来越突出。
其次，对于公共安全事件的处理和应对，大数据技术的引入也带来了深刻的变化。
首先，大数据技术提供了更加丰富的信息处理和分析手段，可以有效地提高公共安全事件的处理效率，减少资源的浪费。
其次，大数据技术还可以帮助预测和预防公共安全事件的发生，对于国家和各地区的公共安全风险排查具有重要意义。
此外，大数据技术还可以针对安全事件展开更为精准的定位和追踪，促进安全事件的全过程管理，确保个人和社会的安全。
二、大数据时代的公共安全管理面临的挑战与此同时，大数据时代的公共安全管理也面临着许多挑战。
首先，数据的采集和管理需要更加规范和科学化。
当前，各个地区、各个单位间的数据资源互联互通和共享尚存在一定难度和阻碍，需要建立更加完善和科学的数据管理规范，加大数据互通的推进力度。
其次，大数据时代的安全问题更加突出。
随着数据的数字化和网络化，数据的安全防护、数据泄露和攻击成为了公共安全管理中的瓶颈。
如何保证数据的安全和完整性，防范各类网络攻击和数据泄露等威胁，对于公共安全的保障和维护至关重要。
最后，数据的应用和分析也面临诸多挑战。
虽然大数据技术的应用带来了很多优势和好处，但是在实际应用过程中，也存在一些挑战。
比如，数据处理效率不高、算法不科学、对于个人隐私的保护问题等等。
大数据时代公共管理的挑战及创新模式探究
大数据时代公共管理的挑战及创新模式探究随着科技的不断发展和信息化程度的不断提高，大数据时代已经悄然来临。
在这个时代背景下，公共管理面临着前所未有的挑战和机遇。
传统的公共管理模式已经无法适应信息化、数据化的发展趋势，需要不断创新和探索新的管理模式。
大数据时代也为公共管理提供了丰富的数据资源和技术手段，为其发展注入了新的活力。
本文将探讨大数据时代公共管理的挑战，并提出相应的创新模式，以期为公共管理的发展提供新的思路和参考。
一、大数据时代公共管理的挑战1. 数据治理和隐私保护大数据时代公共管理面临的首要挑战是数据治理和隐私保护。
随着信息化程度的不断提高，政府和各类机构都拥有大量的数据资源。
如何有效地管理和利用这些数据，成为公共管理者们需要面对的重要问题。
随着数据的不断积累，个人隐私保护问题也愈发严峻。
如何在保障数据安全的尊重个人隐私，成为了一项艰巨的挑战。
2. 数据分析和决策支持大数据时代公共管理面临的第二个挑战是如何进行有效的数据分析，并将其转化为决策支持。
传统的公共管理模式往往依赖于经验和直觉来进行决策，难以真正做到科学化、精细化的管理。
而大数据技术为公共管理提供了丰富的数据资源和分析工具，如何将数据分析与决策相结合，成为公共管理者们需要思考的问题。
3. 创新服务和智慧城市建设大数据时代公共管理所面临的第三个挑战是如何进行创新服务和智慧城市建设。
随着城市化进程不断加快，城市管理面临着越来越多的挑战。
如何利用大数据技术，提供更加便捷高效的公共服务，成为了公共管理者们需要思考的重要问题。
智慧城市建设也成为了城市管理的新方向，如何利用大数据技术，打造智慧城市，成为了公共管理者们需要重点关注的方向。
针对大数据时代公共管理面临的挑战，我们可以提出相应的创新模式。
对于数据治理和隐私保护问题，可以引入区块链技术。
区块链技术以其分布式、去中心化的特点，可以有效保障数据的安全和隐私，避免数据被篡改和泄露。
政府可以建立数据共享平台，通过制定相应的数据共享规则和标准，保障数据的安全合法共享，实现数据资源的最大化利用。
大数据在公共事业管理中的应用与挑战分析
大数据在公共事业管理中的应用与挑战分析【大数据在公共事业管理中的应用与挑战分析】一、引言公共事业管理是指政府及相关机构为满足公众需求，提供基础设施建设、公共服务、社会保障等公共产品和公益事业的计划、组织、实施、监管和评估等过程。
随着信息技术的发展，大数据应用在公共事业管理中的重要性和影响力不断增强。
本文将分析大数据在公共事业管理中的应用及相关挑战。
二、大数据在公共事业管理中的应用1. 政策制定与决策支持大数据可以提供基于全面、准确、实时数据的分析和预测，为政府制定公共政策提供决策支持。
通过分析公众需求、社会舆情、经济数据等多维度的数据，政府能够更好地了解社会状况和发展趋势，从而制定更科学、精准的政策。
2. 公共服务优化大数据可以帮助政府优化公共服务的提供与管理。
通过数据分析，政府能够更好地了解公众的需求和行为模式，进一步优化公共服务的配置和优先级，提升服务满意度和效率。
例如，交通管理部门可以借助大数据分析实时交通数据，提供精确的交通预测和路线优化，减少拥堵和交通事故。
3. 资源配置与预测大数据可以帮助政府实现资源的合理配置和预测。
通过对数据的深度挖掘和分析，政府可以更准确地了解资源的利用情况和需求，从而更好地配置资源。
例如，医疗资源的布局和调度，可以依据大数据分析得出的人口密度、疾病流行情况等信息，进行科学决策。
4. 社会安全管理与风险预警大数据在社会安全管理和风险预警方面发挥着重要作用。
通过对海量数据的分析，政府可以及时掌握社会安全风险的动态，预测异常事件的发生概率，提前采取相应的安全防范措施。
例如，利用大数据分析，公安部门可以快速发现犯罪行为的模式和趋势，提高犯罪侦查和预防的效能。
三、大数据在公共事业管理中面临的挑战1. 数据安全和隐私保护大数据应用中最重要的挑战之一是数据安全和隐私保护。
公共事业管理涉及大量的个人敏感信息和国家安全信息，如果数据泄露或滥用，将对社会稳定和个人权益产生严重影响。
大数据视角下公共管理存在的问题及创新措施分析
数据质量不高：数据来源 多样，质量参差不齐，影
响分析结果
数据整合困难：各部门数 据系统独立，数据格式不
统一，难以整合共享
数据安全风险：数据泄露、 滥用等安全问题威胁公共
管理
数据利用不足：数据分析 深度不够，未能充分发挥
大数据的价值
收集数据：通过多种渠道和方式收 集公共管理相关的数据，包括政府 机构、社会组织、企业等的数据。
培养专业数据分析人才： 加强数据分析专业人才的 培养和引进，提高公共管 理部门的数据分析能力和 专业素养。
城市规划：大数据分析城市人口分布、交通流量等，优化城市空间布局和交通组织。 公共服务：大数据实时监测公共设施使用情况，提高公共服务质量和效率。 应急管理：大数据预测自然灾害、疫情等突发事件，及时响应和处置。 环境保护：大数据监测空气质量、水质等环境指标，制定针对性的环保措施。
建设高速数据传输网络，提升数据传输效率。 加大数据中心建设投入，提高数据存储能力。 引进先进的数据处理技术，提升数据处理速度。 培养专业数据分析人才，提高数据分析准确性。
建立数据共享平台，促 进跨部门的数据交换与
共享
制定数据利用政策，提 高公共部门的数据利用
意识和能力
加强数据整合，提升 数据质量，为决策提
添加标题
强化数据分析与利用能 力：通过引进先进的数 据分析工具和技术，提 高数据分析的准确性和 效率，为公共管理决策 提供科学依据。
提升公共管理决策水 平：基于数据分析结 果，优化决策流程， 提高决策的科学性和 可行性，推动公共管 理的创新发展。
建立健全数据共享机制： 加强跨部门、跨领域的数 据共享与交流，打破信息 孤岛，提高数据资源的利 用效率。
采用加密技术对数据进行加密处 理，防止数据被非法获取和篡改。
大数据时代的伦理困境与解决之道
大数据时代的伦理困境与解决之道在21世纪，大数据已经成为驱动科技创新、商业决策和社会发展的重要力量。
无论是在金融、医疗、教育还是公共安全等领域，大数据的应用都带来了巨大的价值。
然而，随着大数据技术的广泛应用，社会也面临着一系列严峻的伦理挑战。
这些挑战不仅涉及个人隐私的保护，还涉及数据的所有权、使用透明度和算法偏见等复杂问题。
本文将探讨大数据时代的主要伦理困境，并提出可能的解决之道。
隐私保护的挑战大数据技术的核心是对海量数据的收集、存储和分析。
这些数据中包含了大量的个人信息，如消费记录、健康数据、地理位置等。
尽管这些数据在改善用户体验和提供个性化服务方面具有巨大潜力，但它们也使个人隐私面临前所未有的威胁。
首先，数据的广泛收集和使用使得个人隐私暴露的风险大大增加。
很多时候，用户并不完全了解自己数据的收集方式、存储地点以及使用目的。
例如，许多社交媒体平台和移动应用程序在用户不知情的情况下收集了大量个人信息，这些信息可能会被用来构建用户的数字画像，甚至用于商业交易。
其次，数据泄露和非法使用的问题也日益严重。
近年来，全球范围内发生了多起大规模的数据泄露事件，数百万用户的敏感信息被黑客窃取并公开出售。
这不仅对个人隐私造成了极大的侵害，也给受害者带来了经济和精神上的双重打击。
数据所有权与使用透明度在大数据时代，关于数据所有权的问题变得越来越复杂。
用户在使用各种在线服务时，往往需要同意一系列的条款和条件，而这些条款中通常包含对数据所有权的模糊描述。
用户的个人数据在被收集后，通常会被存储在公司或平台的服务器上，并可能被用于商业目的。
这种模糊的数据所有权关系导致了数据使用透明度的不足。
用户通常无法知晓自己的数据被如何使用、与谁共享以及为了何种目的。
这种不透明性不仅削弱了用户对平台的信任，也为潜在的滥用行为提供了温床。
算法偏见与公平性大数据分析的一个重要应用是机器学习和人工智能。
这些技术依赖于大量的历史数据来训练算法，从而预测未来的趋势或行为。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
大数据算法时代的“公共领域”的理论困境
摘要：哈贝马斯的“公共领域”理论主要内容是资产阶级诞生并认识到公共权力对资本主义社会有着直接作用以后，在传统大众传媒支撑下形成的独立公众政治空间，它与公共权力相互对立，并在这种对立中影响国家事物议程。
在今日大数据算法时代之下，媒体的形式产生了巨大变化，这一理论也应当与时俱进地在新时代的语境下得以研究解读。
本文从“公共领域”的参与主体出发，分别以主体自主选择带来的“群体极化”、“消费循环加速”以及“合理化剥夺”三个理论困境进行探讨与解析。
关键词：大数据算法；公共领域；群体极化；消费循环；合理化剥夺
按照哈贝马斯的“公共领域”理论，公众以及公共权力机关二者为参与到“公共领域”当中发生联系、进行公共舆论讨论的两个主体。
大数据时代的新媒体相较传统大众媒体的显著特点之一，即作为参与主体的公众，对于信息的筛选以及信息的收发之具体地位等方面都获取了自由度极高的“自主选择”的权力。
毫无疑问，在当下，“因为一些团体成员在参与更大团体的讨论中，往往显得特别安静。
让那些
原本被忽视、被压抑的议题，有一个重见天日的机会。
”这种“自主选择”为重构“公共领域”提供了重要条件。
一、群体极化
“自主选择”有可能带来的第一个负面影响就是“群体极化（group polarization）”。
“群体极化”意为“当处于一个群体之中时，相较于群体成员们个人的最初意愿，该群体作为一个整体倾向于做出更加极端的选择与决定。
”相似地，由“群?w极化”可以引申出一个被称为“态度极化（attitude polarization）”的概念，意为“当一个群体就某个特定议题进行探讨时，相较于群体成员们个人的最初态度，该群体作为一个整体对该议题所表现出来的态度会更加强烈并且偏激。
”由于人们在社会心理上往往倾向于在自己已知信息、或是已有的认知结构基础之上来产生新的认知，所以新媒体的参与者在做出自主选择时，也趋于用以自己现有的思维定式、偏好习惯等方面对承载信息进行个性化地做出筛选过滤。
同时，由于在年龄分层、取向偏好、教育程度、宗教信仰乃至社会阶级等背景相似的人们趋向于对信息内容做出
相近的筛选。
同时，大量互联网时代新兴媒体信息来源采取协同过滤（collaborative filtering）的方式，通过大数据算法进行受众筛选，利用志趣相投、享有近似共同经验的群体的对资讯选择相似这一点，诱导接收者在消费信息的同时进入到一种合作的机制当中，给予内容本身一定程度的回应，如
评分、评价等，并由信息提供者予以记载，以便于其他信息接收大众对媒体信息进行快速筛选。
与此同时，新媒体本身所具有的强社交属性，最后会使得筛选结果近似的人群，出于自己的“自主选择”，坐到一个类似“同好社交圈”的虚拟“公共领域”当中。
由于参与到这样的公共领域的成员实质上也是自我筛选的，这使得在于新媒体语境下任意一个特定的小规模“公共领域”的参与成员的意见都会在一定程度上相近。
而在这样的环境当中进行讨论，意见会进一步被筛选，而由于社会瀑流（social cascades）效应，这一群体当中的异见持有者因为缺少更多的其他异见持有的同伴将会盲
从而被同化，从而发生“群体极化”以及“态度极化”的现象。
由此而导致的公共领域中产生的公众的意见趋于极端，与公共领域要求参与者理性探讨的原则完全背道而驰。
“群体极化”所带来的问题不止于公共舆论中的理性原则被破坏，更深层次上来说，其最终可能导致社会这一共同体的最终崩坏。
由于不需要进行激烈的理性辩论、而是通过“自主选择”性的筛选即可达成统一意见，随着“群体极化”的进一步推进，新媒体所承载的成员意见同质化的各个公共领域，各自内部探讨的不断深入，使得这些原本就呈现碎片化形态的公共领域将会进一步分裂，群体与群体之间所共享的社会共同经验逐渐减少。
这将意味着，对于大数据时代的公众而言，其个人生活当中的公共因素的必要性消解，人们
自愿地将自己逐渐推向彻底的私人领域当中。
共同经验的减少降低了社会粘性（social glue）。
在一个健康的社会共同体当中，公共领域当中的经验分享与讨论能够有效增进社会粘性，有助于解决不同群体需要共同面对的社会问题。
在这些社会问题与需求被发现以及解决的过程当中，社会粘性增加，人与人之间相互视作同胞，不同群体乃至个人对自身的认同感都得以增强。
反之，这种社会粘性的减少将会导致异见群体的分裂，使得社会共同体难以维系。
二、消费循环加速
大数据算法时代充斥的“自主选择”特性隐含的第二个问题就是，它有导致“消费的循环”被加速的可能。
究其根源，大数据时代的新媒体与传统大众媒体一样，同样是消费导向的产物。
对于传统大众传媒而言，被资本操控的大众媒体开始无休止地刊登广告以及娱乐内容，无止境地刺激着大众的消费欲望。
公共领域的探讨内容也由不受约束的、理性的政治性批判，变为受管制的、刺激性的盲从性质的消费。
公共交往、社交讨论也由此都发生了转变。
此时“阅读公众的批判逐渐让位于消费者‘交换彼此品味与爱好’的交流”。
而媒体消费者的自我信息过滤使得自身个人化程度加深，使自己的认识愈加狭窄，这一行为实质上也是在媒体信息接收大众的消费主权意识下做出的。
人们由于兴趣做出的
选择自然是更加偏向于博取眼球的、不具备批判性的、更加短平快的新媒体信息内容。
尽管媒体的消费化在传统大众媒体时代早已凸显，但由于新媒体有着极快的传播速度，这也使得消费加速循环，新媒体所支撑的公共领域当中舆论批判性几乎消失殆尽。
三、合理化剥夺
除此以外，大数据时代下信息的飞速流动当中也暗含有“隐形的言论自由剥夺”的问题。
由于接收大众在对内容进行筛选时，是被动的内容提供者，甚至在UGC（User Generated Content，用户原创内容）在大数据时代下只是作为平台提供者而存在，并没有给内容消费者们提供高于其认知水平、或是异于其固有意见的内容。
与“消费循环加速”这一困境一样，由于消费主权意识的作用，新媒体的消费主体们也无法意识到自身对这些内容的需求，盲目地出于兴趣完成了对内容的选择，公众们不自知地完成了对异己的意见与舆论屏蔽、镇压，又即“合理化剥夺”。
随着大数据时代的来临，“合理化剥夺”不再仅限于异见的隔离，“自主选择”的权力也被无意识地从新媒体内容的消费主体身上剥离。
现今的媒体信息接收者在对内容进行筛选时，各内容提供者会通过大数据的机器算法学习接收者的偏好，从而在主体发起下一次内容选择行为之前，进行内容的“预过滤”。
例如，地理位置、搜索历史、使用软硬件不同的两个人，对
同一名词进行搜索，搜索引擎所返回的结果会有巨大的差异。
这一现象被称作“过滤气泡（filtering bubble）”。
大数据时代的新媒体接收者好似置身于一个封闭的气泡当中，机器算法就好像气泡壁上的孔隙，将运算后得出的符合接收主体偏好的内容放入气泡内，而异己意见甚至是潜在的异己意见都被隔离在气泡之外。
算法会学习我们的兴趣，给我们呈现“我们想看的”，而非“我们需要看的”。
抛开社会因素仅就个人而言，“在未?硭?渴望成为的自我（future aspirational selves）”与“处于当下冲动性的自我（impulsive present selves）”就已产生不可调和的矛盾。
网络新媒体兴起的初期，传统大众传媒当中作为内容“守门人”的编辑被“自主选择”所取代。
而今主体在筛选内容的过程当中，算法则慢慢替代了“自主选择”的地位，进一步加深了“隐形的言论自由被剥夺”的危机。
综上所述，大数据算法时代下的新媒体接收者对内容拥有“自主选择”的能力，带来“群体极化”、“消费循环加速”以及“隐形的言论自由被剥夺”三个主要理论困境。
就公共领域而言，公众实际上对信息内容的自我管控，将最终导致舆论的非理性化、消费化，舆论自由被剥夺，以及公共领域在实际上的萎缩解体。
参考文献：
[1]刘孟卓. （2008）.对受皮亚杰影响的认知建构理论的
简要分析――浅谈奥苏伯尔的认知同化论[J]. 法制与社会（25）.
[2]展江.（2002）.哈贝马斯的“公共领域”理论与传媒[J].中国青年政治学院学报（2）.
[3] Aronson E. （2010）. Social Psychology. Upper Saddle River[M]. New Jersey：Prentice Hall：
[4]Myers D. （1975）. The Polarizing Effect of Group Discussion [J]. American Scientist（3）.
[5]Pariser E.. （2011）. The Filter Bubble：What the Internet is Hiding from You[M]. London：Penguin UK.
[6]Robert Schiller. （1995）. Conversation，Information and Herd Behavior [J]. Rhetoric and Economic Behavior（3）.
[7] Sunstein C. （2001）. [M]. New Jersey：Princeton University Press.
[8]TV Genius. （2012）. An Integrated Approach to TV & VOD Recommendations[R]. TV Genius Ltd..。