作者：王大鹏

　　在后真相时代，人们有时候难以区分事实与观点、情绪与证据。而社交媒体上的科学传播也面临着一系列的困境。社交媒体如同一面棱镜，将信息折射成色彩各异的光谱，同时也筑起了坚固的“回音室”与“过滤气泡”。此时，即便拥有坚实证据，科学信息也常常难以穿透由错误信念、算法推荐和文化隔阂构筑的信息壁垒。

　　正如阿丹·埃尔玛-迈耶（Adán Lerma-Mayer）在《理解数字科学传播中的对话关系》一文中指出，当前的数字环境是一种“认知薄弱”的语境——在这里，真实性让位于受欢迎度，专家权威被情感共鸣取代，而科学共识则在回音室中被边缘化。要让科学真正“出圈”，触及那些对疫苗犹豫、否认气候变化或信奉替代医学的人群，仅靠发布更多数据远远不够。我们必须直面三重结构性偏见：认知偏见、社会文化偏见与技术偏见，并在此基础上重建以“对话式关系”为核心的传播范式。

　　首先，认知偏见构成了个体接收科学信息的第一道屏障，它是人类心智的结构性特征。人们并非理性决策者，而是依赖启发式思维快速判断。确认偏见使受众更倾向于接受符合既有信念的信息，而“逆火效应”甚至会导致纠正性事实强化原有错误认知。这意味着，科学传播若仅以“填补知识空白”为目标（即传统的“缺失模型”），往往适得其反。实际上，人们更易记住符合自身世界观的信息，更愿意分享引发情感共鸣的内容，即便其事实基础薄弱。而科学信息往往复杂、渐进且伴随不确定性，这与大脑追求简洁、确定与情感满足的认知捷径格格不入。当一则煽情的故事比一份严谨的研究报告获得更多点赞时，传播的战场就会从“事实对决”偏移至“注意力与情感争夺”。

　　其次，社会文化偏见塑造了线上社群的边界与信任机制，为认知偏见提供了生长的土壤。事物的意义源于个体在社会文化中的互动，这也决定了他们对世界的反应。科学并非在真空中传播，而是在特定的文化语境中被解读。前置知识、个人价值观、社会身份乃至平台文化，都会影响信息的可及性与可信度。数字技术的普及虽然实现了对用户的赋权，但它所制造的鸿沟也在一定程度上导致了知识获取的不平等，平台自身的“社区文化”（如微信群的群体规范）创造了具有独特话语体系与信任结构的数字部落。“点赞经济”和“受欢迎度原则”意味着用户通过点赞或分享决定哪些信息值得传播，而非依据其认知强度或确定性，这也就导致了在这些部落中，可信度往往由内部社交资本而非外部专业权威决定。

　　最后，也是最容易被忽视的，是技术偏见——即平台架构对传播生态的隐形操控，它是数字时代独有的结构性力量。社交媒体并非中立媒介，其算法推荐系统、界面设计、排名机制与默认设置共同构建了一种“连接文化”，其核心逻辑是商业利益而非公共理性，因而也无形中塑造了信息的可见性、传播路径与互动模式。就如同城市建筑影响都市生活一样，数字架构也影响在线对话、用户互动与数字空间文化。每个社交媒体平台的设计与功能——受其创建者意图与用户行为影响，连同其明示或隐含的规则——共同决定了数字传播的性质与动态。点赞、转发、停留时长等指标决定了哪些内容可见，而这些指标天然偏好情绪化和简单化的内容。算法推荐还进一步固化用户的信息茧房，使跨群体对话几乎不可能自发发生，因为“点赞经济”与流量逻辑，奖励的是传播力而非真实性。

　　当然，这三重偏见并非孤立存在，而是相互强化，进而为科学传播构建了一个自我的“回音壁”。认知偏见让人倾向于选择符合自身信念的信息；社会文化偏见将这些选择固化为群体身份；技术偏见则通过算法不断投喂同类内容，将个体锁定在信息茧房之中。这样的结果便是，科学传播常常陷入“自言自语”的窘境，仅在已经认同科学的圈层内产生共鸣，难以触及并说服那些持不同信念的群体。

　　综上所述，科学传播要“出圈”，就需要认识到这三重偏见的存在，并且着力于培育一种基于相互承认、共情与耐心的对话式关系，或者说要关注到主体间性的问题。

　　首先是在认知层面上，理解对方信念背后的认知框架与社会文化根源，而非直接否定。通过讲故事将科学事实嵌入引人入胜、情感共鸣的叙事中。通过倾听，识别对方的核心关切与深层价值观，为后续沟通找到连接点，并且寻找超越立场分歧的共同关切，识别并赋能目标社群内部受信任的成员作为科学信息的传递者。

　　其次是在社会文化层面上，要嵌入到目标受众的语境之中，深入不同的线上社群（如知乎社群，豆瓣小组，微信群等），在熟悉其文化规范的前提下长期参与，而非“空降”式宣传。通过与艺术家、人文社科学者、当地社区组织合作，以多元形式表达科学，使其融入更广泛的文化对话，让科学术语和概念变得与当地经验相关且可理解。

　　最后是在技术层面上，需要了解并且善用平台架构。理解平台算法逻辑，优化发布策略（如时间、格式、标签、互动设计），增加科学内容的可见度。推动平台完善技术框架，以实现那些突出显示信息来源、奖励高质量讨论而非仅显示点赞数的功能设计。同时，也需要通过必要途径让公众认识算法偏见，提升自身的信息素养。

　　（作者系中国科普研究所研究员）