探讨开发者如何应对信息偏差的潜在因素？

本文共计3030个文字，预计阅读时间需要13分钟。

概述：由于信息来源的不足或某种主观意识，我们容易陷入信息偏差，进而影响决策。

内容：我们可能意识到信息偏差的存在，但往往不清楚这种偏差是如何产生的。

概述

由于信源的缺乏或某种主观意识，使得我们容易陷入信息偏差，并进而影响了当下的决策。但我们或许能够感觉到信息偏差的存在，却也许不见得清楚这种信息偏差是如何产生的。

在《当下的启蒙》一书中，作者提到了一种常见的信息偏差。在两个人均经济发展水平相差无几的地区，A 地区比 B 地区多了一倍多人口，两个地区的恶性事件发生比例差不多，但是 A 地区的人们却会有种生存不下去的感觉。由于 A 地由于人口比 B 地区多，媒体会追逐那些吸引眼球的新闻，使得从媒体上看，恶性事件的实际数量比 B 地区多一倍。这就是由于传播造成的一类典型的信息偏差。

另外，最近召开的两会，代表们提交的议案达到了万余份，其中不乏许多很有现实意义的提案，但媒体却独独把许多很奇怪的议案摘出来，如建议“少送外卖多进工厂”，建议男性陪产假一个月等等，都是这种典型案例。

人与人之间最大的不平等，就是信息不对称。作为互联网时代发展的受益者，看似紧跟时代潮流的 IT 技术圈，从业人员几乎都是高层次的人才，或许应该会有着比传统行业更完善的信息评价体系，似乎应该更能从海量信息中提取出符合自己需求的信息，但实际上由于各种因素的存在，信息偏差发生得更加显著。

总结起来，这些影响因素包括"熵"、媒体关注度及"大厂回音壁效益"、技术圈子追逐热点，大数据推荐算法带来的“过滤气泡”等，多重因素交集，形成了当下 IT 圈信息传播的特点。

熵

"熵"起初来源于热力学，1948 年 C.E.Shannon（香农）热力学中将此概念借用过来，用以解决对信息的量化度量问题，并称为“信息熵”。信息熵是信息论中用于度量信息量的一个概念，总结而言：一个系统越是有序，信息熵就越低；反之，一个系统越是混乱，信息熵就越高。在传播中是指信息的不确定性，一则高信息度的信息熵是很低的,低信息度的熵则高。同样，信息熵也符合热力学第二定律：热量总是从热量高的地方向热量低的地方传输。