待验证50% 置信事实精确时间
学术研究指出优化停留时长的算法倾向于推送引发情绪波动（尤其是愤怒和焦虑）的内容
1
来源数
50%
置信度
长期有效
时效性
2026/9/1
首次发现
来源
涉及实体
相关事实
待验证内容分发平台的核心指标是用户停留时长和互动率，算法偏好激发恐惧、愤怒、焦虑等强烈情绪的内容（负面偏见）77% 相似待验证情绪细分越丰富（词汇量越大），单次使用的定位时间越长、认知负担越重；追求'快速情绪打卡'与'精准情绪辨析'不可兼得，高频短时使用应选层次浅、图形化强的版本69% 相似待验证自我监测情绪变化优先选可重复施测、题量短的量表（PHQ-9/GAD-7约2分钟），MMPI等长量表短期内重复测无意义且易疲劳失真69% 相似待验证当推荐模型的优化目标被设定为最大化engagement时，模型会系统性给予情绪化内容更高分发权重，这被研究者称为算法放大效应（algorithmic amplification）68% 相似待验证Facebook前数据科学家Frances Haugen披露的内部文件显示，平台明知带有愤怒情绪的错误信息传播效率更高，却因影响商业指标而迟迟未做有效干预68% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/838722API
curl https://kongchang.com/api/v1/knowledge/claims/838722MCP
get_claim(id=838722)