概述
由於信源的缺乏或某種主觀意識，使得我們容易陷入資訊偏差，並進而影響了當下的決策。但我們或許能夠感覺到資訊偏差的存在，卻也許不見得清楚這種資訊偏差是如何產生的。
在《當下的啟蒙》一書中，作者提到了一種常見的資訊偏差。在兩個人均經濟發展水平相差無幾的地區，A 地區比 B 地區多了一倍多人口，兩個地區的惡性事件發生比例差不多，但是 A 地區的人們卻會有種生存不下去的感覺。由於 A 地由於人口比 B 地區多，媒體會追逐那些吸引眼球的新聞，使得從媒體上看，惡性事件的實際數量比 B 地區多一倍。這就是由於傳播造成的一類典型的資訊偏差。
人與人之間最大的不平等，就是資訊不對稱。作為網際網路時代發展的受益者，看似緊跟時代潮流的 IT 技術圈，從業人員幾乎都是高層次的人才，或許應該會有著比傳統行業更完善的資訊評價體系，似乎應該更能從海量資訊中提取出符合自己需求的資訊，但實際上由於各種因素的存在，資訊偏差發生得更加顯著。
總結起來，這些影響因素包括"熵"、媒體關注度及"大廠迴音壁效益"、技術圈子追逐熱點，大資料推薦演算法帶來的“過濾氣泡”等，多重因素交集，形成了當下 IT 圈資訊傳播的特點。
熵
"熵"起初來源於熱力學，1948 年 C.E.Shannon（夏農）熱力學中將此概念借用過來，用以解決對資訊的量化度量問題，並稱為“資訊熵”。資訊熵是資訊理論中用於度量資訊量的一個概念，總結而言：一個系統越是有序，資訊熵就越低；反之，一個系統越是混亂，資訊熵就越高。在傳播中是指資訊的不確定性，一則高資訊度的資訊熵是很低的,低資訊度的熵則高。同樣，資訊熵也符合熱力學第二定律：熱量總是從熱量高的地方向熱量低的地方傳輸。
用物理學家薛定諤來說，“自然萬物都趨向從有序到無序，即熵值增加（熵增）。而生命需要通過不斷抵消其生活中產生的正熵，使自己維持在一個穩定而低的熵水平上（熵減）。生命以負熵為生。”
熵也可以用來形容某些未知的知識領域，若把這些領域進行細分，可大體劃分為舒適區、學習區、恐慌區。由於每個人都有自己的認知圈層，總是優先看到自己舒適區圈層之內的資訊，並習以為常的用自身舒適區的認知來理解非舒適區的資訊。
事實上要理解高熵的知識，要付出的成本是非常高的，如果不經常對自己的認知進行整理，那我們的認知不僅不會提升，最後只能腐化，進入熵最大的無序狀態。當一個人的認知模型熵增已經非常大時，自然而然也會被其認知模型誤導，從而影響到資訊的提取，形成資訊偏差。
http://www.woshipm.com/pmd/3294501.html
媒體和迴音壁效益
媒體永遠只關心那些吸引眼球的熱點新聞，甚至會誇大某些新聞。在《事實》這本書中，作者介紹了一個案例---北極熊殺死了一位獵人得到了媒體鋪天蓋地的報導，而另外一起家暴中，一位女士被前夫用斧頭殺死卻從沒得到媒體報導。在瑞典，熊殺人百年不遇，而家暴致人死亡卻幾乎沒隔一段時間就會發生，二者有著1300倍的差距。所以熊殺人是大新聞，而家庭暴力不是。
科技類媒體似乎也難以脫俗，如最近 Facebook 改名為 Meta，並帶來了元宇宙和 NFT 的繁榮，以及馬斯克在太空探索、新能源領域取得的某些成就，總是一遍又一遍的出現在我們的視野範圍內。
而把時間再撥回到 2018-2019 年左右，那時佔據頭條的資訊幾乎都是網際網路新金融創新或區塊鏈創新，彼時的開發者們幾乎人手一本“區塊鏈開發教程”，彷彿不學區塊鏈就是老年程式設計師一般。當然，這些熱潮過後，留下了一地雞毛，也是一代人的共同記憶。
除了某些新概念帶來的熱點，還有與大廠有關的常規新聞，如美國的 FAAG，中國的前 BAT。這些網際網路大廠經常會時不時搞出一些技術資訊，如某些概念技術的運用，從而引發一些熱點。隨著各類科技媒體競相宣傳，並創造出了一個個”迴音壁效益“。----迴音壁效應這種概念，是指"在一個相對封閉的環境上，一些意見相近的聲音不斷重複，並已誇張或其他扭曲形式重複，令處於相對封閉環境中的大多數人認為這些扭曲的故事就是事實的全部"。
在現代社會中，由於網際網路的應用，社交媒體的發展，令得這個現象更加深刻，因為部分商業網站會根據搜尋結果記錄提供相類近性質的網站資料。在社會化媒體中，人們以社交物件作為資訊來源。他們在選擇資訊來源的同時，也就進行了資訊的過濾。此外，社會化媒體在一定程度上強化了人群的分化。人們因社交圈以及自身的立場態度的影響，常常會固守在符合自己偏好的資訊與意見的圈子裡，各種圈子之間相互隔絕甚至對立。
在社交媒體中更容易形成的“回聲室效應”事實上已經影響到了群體的決策。以至於《科學》雜誌最近發表社論表示，社交媒體演算法可能對科學傳播造成破壞。他們寫道：“科學話語的規則以及對證據的系統、客觀和透明的評估，與大多數社交媒體上的辯論完全不同。通過使用者的憤怒和分歧獲利的社交媒體平臺，是不是說服持懷疑態度的公眾相信關於氣候變化或疫苗的科學解決方案的最有效渠道，這是值得商榷的。”
大資料、推薦演算法和“過濾氣泡”
大資料是近幾年來的一大發明，網際網路平臺企業通過各類資料採集工具，實現了對大海量資料的匯聚，並形成了一個又一個的“資料湖”，“資料倉儲”，“資料集市”。
在這些個既陌生又熟悉的概念之中，每個個體早就失去了其自身特有的稜角，被抽象化建模為單調無意義的統計樣本，並藉助推薦演算法這個神器，每一位使用者不再具備真實的感知屬性，變成一個個冰冷冷的輸入工具。
每當我們開啟某些具備推薦演算法的智慧化平臺應用時，平臺應用總能捕獲到我們有意或無意觸發的某些操作，為我們推薦出看似符合我們“潛意識”需求的資訊。
誠然，有時沉浸在資訊海洋之中的我們，每天被各種資訊氾濫困擾，海量資訊會使我們迷失航向，平臺內嵌的推薦演算法使我們能夠以更快的效率獲取到更直接的資訊，使我們獲益菲淺，但演算法只能無腦的基於我們過去的搜尋歷史，過濾掉與我們觀點相左或我們不喜歡的資訊，提供我們想看的內容，從而造成人們認知的隔絕狀態，使我們陷入到“過濾氣泡”之中。
由於推薦演算法刻意迎合大腦的興奮，使得我們在閱讀推薦資訊過程中時候形成“愉悅”的感覺，進而可能成癮。雖然有時候我們主觀上能夠感覺到這種成癮影響了我們的生活，並試圖從中逃離，但只要不解除安裝某些app，又總會陷入這些App的控制之中。
最麻煩的是，目前幾乎大部分資訊類app都將推薦演算法作為其主要功能，即便是最近我國剛剛出臺了相關制度，你也無法逃離其影響。
結語
由於技術的發展突飛猛進，開發者們總是要時不時的重新整理技術，期間自然而然也會被熱門新技術所吸引。而當某些新的技術出現時，有時以“革命者”自居，稱自己為“架構的天然演進”“技術發展的未來趨勢”，而媒體的推波助瀾，技術圈領袖們的故弄玄虛，一方面可能激起開發者的探索慾望，一方面也加重了許多開發者的某些焦慮情緒。
當然，有時候某些技術的運用確實能夠解決我們的某些痛點，但並非每次總是這樣，依然取決於實際應用場景。若開發者僅根據有限的資訊獲取途徑來理解自身所處的環境，盲目聚焦於熱門技術，或許已陷入“船貨崇拜”（或稱“貨物崇拜”）之中。 我們或許需要更加理性的掌控自己的信念和結論，並使用批判性的思維、歸納法、數字等更加科學等方法，以實事求是的心態選擇資訊。
參考連結：
http://www.woshipm.com/it/3513779.html
https://news.cnblogs.com/n/712722/
https://news.cnblogs.com/n/712629
https://wiki.mbalib.com/wiki/%E8%BF%87%E6%BB%A4%E6%B0%94%E6%B3%A1