Аннотация

Глубокая трансформация публичной коммуникации под влиянием китайских платформ социальных медиа требует критического анализа их специфического воздействия на современную публичную сферу, с особым акцентом на студенческую аудиторию и образовательный процесс. Целью данной статьи был систематический анализ и сравнение операционных логик платформ Weibo, WeChat и Douyin, а также оценка их конкретного влияния на формирование и фрагментацию рационального публичного дискурса, особенно среди студентов. Для изучения трех доминирующих платформ была применена методология сравнительного кейс-стади, основанная на теоретической рамке публичной сферы. Анализ проследил трансформацию Weibo от открытой площадки для постановки публичной повестки дня к пространству, доминируемому коммерциализацией и развлечениями, что сужает арену для содержательных дебатов и формирует нормы коммуникации для молодых пользователей. Приватная экосистема WeChat с сильными связями способствует инкапсуляции информации, создавая мощные круговые барьеры, препятствующие сквозному потоку публичной информации и ограничивающие доступ студентов к разнообразным перспективам. Основной механизм алгоритмического распределения контента в Douyin, обеспечивая беспрецедентную эффективность доставки, одновременно усиливает когнитивную доместикацию и систематически деконструирует сложные публичные проблемы в упрощенные развлекательные формы. Эти динамики платформ имеют значительные педагогические, психологические и социологические последствия для студентов, включая сокращение внимания, снижение способности к критическому мышлению и влияние на социальную сплоченность через фрагментированный дискурс. Практическая ценность исследования заключается в его потенциале предоставить структурированную основу для регуляторов, дизайнеров платформ и педагогов по разработке целевых стратегий – таких как прозрачность алгоритмов, многостороннее управление и усиленные программы цифровой грамотности – для смягчения этих негативных эффектов и содействия созданию более устойчивой, инклюзивной и образовательной среды публичной коммуникации

Ключевые слова

публичная сфера; алгоритмическая рекомендация; информационный кокон; замкнутая экосистема; цифровая грамотность

Использованные источники

  1. Bruns, A. (2023). From “the” public sphere to a network of publics: Towards an empirically founded model of contemporary public communication spaces. Communication Theory, 33(2-3), 70-81. doi: 10.1093/ct/qtad007.
  2. Chaoub, A., et al. (2022). 6G for bridging the digital divide: Wireless connectivity to remote areas. IEEE Wireless Communications, 29(1), 160-168. doi: 10.1109/MWC.001.2100137.
  3. Chen, S., Si, G., & Wang, Y. (2021). SEI3R-based public opinion evolution model in WeChat. Journal of Information Engineering University, 22(2), 222-227. doi: 10.3969/j.issn.1671-0673.2021.02.015.
  4. Cotter, K. (2019). Playing the visibility game: How digital influencers and algorithms negotiate influence on Instagram. New Media & Society, 21(4), 895-913. doi: 10.1177/1461444818815684.
  5. Huang, S., & Wang, X. (2025). Introduction, alienation, and mastery: Addressing the risks of ideological and political education narratives based on recommendation algorithms. Journal of Hohai University (Philosophy and Social Sciences), 27(1), 9-17. doi: 10.3876/j.issn.1671-4970.2025.01.002.
  6. Jiang, R. (2025). On the ideological logic of digital colonization. Journal of Southwest University (Social Sciences Edition), 51(1), 93-103. doi: 10.13718/j.cnki.xdsk.2025.01.008.
  7. Kuang, W., & Wang, T. (2023). The dissemination logic of social media algorithmic recommendation and platform social responsibility. Journal of Shanghai Jiao Tong University (Philosophy and Social Sciences), 31(5), 1-12. doi: 10.13806/j.cnki.issn1008-7095.2023.05.001.
  8. Liao, Y. (2020). The “network public sphere” in Weibo: From the perspective of Habermas’s public sphere. Legal System and Society, 16(5), 232-233. doi: 10.19387/j.cnki.1009-0592.2020.05.230.
  9. Meng, S.J., Shang, J.T., Zhang, F., Yang, F., & Liu, M. (2022). Factors influencing the dissemination effect of COVID-19 scientific information and the selection of crisis response strategies on social media: An empirical analysis based on popular microblogs related to scientists. Library and Information Service, 66(13), 91-101. doi: 10.13266/j.issn.0252-3116.2022.13.009.
  10. Peng, L. (2020). What kind of public information dissemination should we construct? Reflections on new media communication during the COVID-19 pandemic. Journalism World, 5, 36-43. doi: 10.15897/j.cnki.cn51-1046/g2.20200515.001.
  11. Shen, H., & Ni, L. (2007). The key conception formula of journalism credibility. Journal of Shanghai University (Social Sciences Edition), 14(6), 74-80.
  12. Sina.com. (2011). The power of “micro”: What was hurt this day was China. Retrieved from https://tech.sina.com.cn/i/2011-12-19/10076533298.shtml.
  13. Wang, X., Li, Y., Tian, L., & Hou, Y. (2023). Government digital initiatives and firm digital innovation: Evidence from China. Technovation, 119, article number 102545. doi: 10.1016/j.technovation.2022.102545.
  14. Wen, F., & Xie, X. (2022). The operational logic and ethical concerns of short video recommendation algorithms: A perspective from actor-network theory. Journal of Southwest Minzu University (Humanities and Social Science Edition), 43(2), 160-169. doi: 10.3969/j.issn.1004-3926.2022.02.019.
  15. Wuestenenk, N., van Tubergen, F., & Stark, T.H. (2025). The influence of group membership on online expressions and polarization on a discussion platform: An experimental study. New Media & Society, 27(1), 225-245. doi: 10.1177/14614448231172966.
  16. Xie, Y.X., & Feng, R. (2012). A study on the role of microblog as a medium in the network public sphere. Journal of Yangzhou University (Humanities and Social Sciences Edition), 16(5), 111-115. doi: 10.19411/j.cnki.1007-7030.2012.05.018.
  17. Xu, J., & Wang, M. (2025). Construction method of microblog user interest profile based on content preference and emotional tendency. Journal of Hebei University (Natural Science Edition), 1, 91-103. doi: 10.3969/j.issn.1000-1565.2025.01.010.
  18. Yang, Y. (2023). Algorithmic transparency: Legal realization and limitation. Electronic Intellectual Property, 11, 63-81. doi: 10.3969/j.issn.1004-9517.2023.11.007.
  19. Zhang, M., Liu, L., & Wang, Y. (2024). Research on the dynamic spread of information in social networks based on relationship strength theory and feedback mechanism. Frontiers in Physics, 12, article number 1327161. doi: 10.3389/fphy.2024.1327161.
  20. Zhao, Z. (2021). Analysis on the “Douyin (Tiktok) Mania” phenomenon based on recommendation algorithms. E3S Web of Conferences, 235, article number 03029. doi: 10.1051/e3sconf/202123503029.