フィルターバブル

フィルターバブルは個人だけでなくグループ全体に影響を及ぼす可能性があります。グループレベルで議論される場合、これはスプリンターネットまたはサイバーバルカン化と呼ばれています^{[注1 ]。}これは、インターネットが似た考えを持つ人々のサブグループに分割され、それぞれのオンラインコミュニティ内で孤立し、異なる見解に触れる機会がなくなるときに発生します。この懸念は、一般にアクセス可能なインターネットの初期の頃に遡り、「サイバーバルカン化」という用語は1996年に造語されました^{[ 29 ] [ 30 ] [ 31 ]。}この現象を説明するために、「イデオロギー的枠組み」^{[ 9 ]や「インターネットを検索しているときにあなたを取り囲む比喩的な領域」 [ 19 ]}など、他の用語も使用されています。

フィルターバブルの概念は、政治的見解だけでなく経済的、社会的、文化的状況によっても自己分離する社会を説明するために、他の分野にも拡張されている。^{[ 32 ]} このバブル化は、より広いコミュニティの喪失につながり、例えば、子供にとって魅力的で子供のいない大人にとっては魅力的でないイベントが特別に計画されていない限り、子供は社交イベントにふさわしくないという感覚を生み出す。^{[ 32 ]}

バラク・オバマの退任演説では、フィルターバブルと同様の概念を「（アメリカ人の）民主主義への脅威」として指摘した。つまり、「自分たちのバブル、特にソーシャルメディアのフィードに引きこもり、自分たちと似たような外見で同じ政治的見解を持ち、決して自分たちの思い込みに異議を唱えない人々に囲まれてしまうこと…そして、ますます私たちはバブルの中で安心しきってしまい、真実かどうかに関わらず、自分たちの意見に合う情報だけを受け入れるようになり、世に出回っている証拠に基づいて意見を形成することをしなくなる」ということである。^{[ 33 ]}

「エコーチェンバー」と「フィルターバブル」はどちらも、個人が既存の信念や偏見を強化する狭い範囲の意見や視点にさらされる状況を指しますが、特にソーシャルメディアを取り巻く慣行においては、両者の間に微妙な違いがあります。^{[ 34 ] [ 35 ]}

ニュース メディアに特有のエコーチェンバーとは、閉鎖されたシステム内でのコミュニケーションと反復によって信念が増幅または強化される状況を比喩的に表現したものです。^{[ 36 ] [ 37 ]}社会学的な選択的露出理論 の概念に基づくと、この用語は、音が空洞の囲いの中で反響する音響エコーチェンバーに基づく比喩です。ソーシャルメディアに関しては、このような状況は、特定のプラットフォームのユーザーが情報消費に積極的に参加したり参加しなかったりできるすべてのプロセス、例えばユーザーが他のユーザーをフォローしたりグループを選択したりできる機能など、自己選択パーソナライゼーションの明示的なメカニズムにつながります。 ^{[ 38 ]}

エコーチェンバーでは、人々は既存の見解を強化する情報を探し求めることができ、これは無意識の確証バイアスの行使である可能性があります。このようなフィードバック制御は、政治的および社会的二極化と過激主義を増大させる可能性があります。これは、ソーシャル ネットワーク内でユーザーが同質的なクラスターに集積することにつながる可能性があり、それがグループの二極化に寄与します。^{[ 39 ]}「エコーチェンバー」は、事実の裏付けなしに個人の信念を強化します。個人は同じ見解を認め、従う人々に囲まれていますが、エコーチェンバーから抜け出す力も持っています。^{[ 40 ]}

一方、フィルターバブルは、ユーザーのメディア消費がパーソナライズされたアルゴリズムによって作成される、事前選択されたパーソナライゼーションの暗黙のメカニズムです。ユーザーが見るコンテンツは、既存の信念や好みを強化するAI駆動アルゴリズムによってフィルタリングされ、反対または多様な視点が排除される可能性があります。この場合、ユーザーはより受動的な役割を担い、自分の世界観に挑戦する情報への接触を自動的に制限するテクノロジーの犠牲者と見なされます。^{[ 38 ]}しかし、一部の研究者は、ユーザーは検索エンジンやソーシャルメディアネットワークとのやり取りを通じて、自分のニュースフィードや情報源を選択的にキュレーションする積極的な役割を依然として担っているため、AI駆動アルゴリズムによるフィルタリングプロセスに直接関与し、結果として自己隔離型のフィルターバブルに効果的に関与していると主張しています。^{[ 41 ]}

Despite their differences, the usage of these terms go hand-in-hand in both academic and platform studies. It is often hard to distinguish between the two concepts in social network studies, due to limitations in accessibility of the filtering algorithms, that perhaps could enable researchers to compare and contrast the agencies of the two concepts.^[42] This type of research will continue to grow more difficult to conduct, as many social media networks have also begun to limit API access needed for academic research.^[43]

There are conflicting reports about the extent to which personalized filtering happens and whether such activity is beneficial or harmful. Analyst Jacob Weisberg, writing in June 2011 for Slate, did a small non-scientific experiment to test Pariser's theory which involved five associates with different ideological backgrounds conducting a series of searches, "John Boehner," "Barney Frank," "Ryan plan," and "Obamacare," and sending Weisberg screenshots of their results. The results varied only in minor respects from person to person, and any differences did not appear to be ideology-related, leading Weisberg to conclude that a filter bubble was not in effect, and to write that the idea that most internet users were "feeding at the trough of a Daily Me" was overblown.^[9] Weisberg asked Google to comment, and a spokesperson stated that algorithms were in place to deliberately "limit personalization and promote variety."^[9] Book reviewer Paul Boutin did a similar experiment to Weisberg's among people with differing search histories and again found that the different searchers received nearly identical search results.^[6] Interviewing programmers at Google, off the record, journalist Per Grankvist found that user data used to play a bigger role in determining search results but that Google, through testing, found that the search query is by far the best determinant of what results to display.^[44] According to Tan & Yoon (2025),^[45] found that users with more positive attitudes toward big-data practices respond more favourably to TikTok's personalized recommendations, revealing a meaningful interaction between privacy attitudes and engagement.

Googleや他のサイトがユーザーに関する膨大な「ファイル」情報を保持しており、そうすることで個々のインターネット体験をさらにパーソナライズできる可能性があるという報告がある。たとえば、Googleは、ユーザーが個人のGoogleアカウントを持っていなくても、またはログインしていなくても、ユーザーの履歴を追跡できる技術を持っている。^{[ 6 ]}ある報告では、GoogleはGmail、Googleマップ、検索エンジン以外のサービスなど、さまざまなソースから「10年分」の情報を収集したと述べているが、 ^{[ 10 ]}反対の報告では、利用可能な膨大なデータ量にもかかわらず、インターネット企業が各ユーザーに合わせてインターネットをパーソナライズすることは技術的に困難であるとされている。CNNのアナリスト、ダグ・グロスは、フィルタリングされた検索は市民よりも消費者にとってより役立つようで、「ピザ」を探している消費者がパーソナライズされた検索に基づいて地元の配達オプションを見つけ、遠くのピザ店を適切にフィルタリングするのに役立つと示唆した。^{[ 10 ]}ワシントン・ポスト、ニューヨーク・タイムズなどの組織は、ユーザーが好む可能性や同意する可能性の高い検索結果に合わせて、新しいパーソナライズされた情報サービスを作成する実験を行ってきた。^{[ 9 ]}

ウォートン校の科学研究では、パーソナライズされたレコメンデーションを分析した結果、これらのフィルターはオンライン音楽の好みを断片化するのではなく、共通化させる可能性があることも判明しました。^{[ 46 ]}消費者は、好みを制限するのではなく、広げるためにフィルターを使用していると報告されています。^{[ 46 ]}ハーバード大学法学教授のジョナサン・ジトレイン氏は、パーソナライゼーションフィルターがGoogleの検索結果をどの程度歪めているかについて異議を唱え、「検索のパーソナライゼーションの影響は軽微である」と述べています。^{[ 9 ]}さらに、Googleは、ユーザーが希望すればパーソナライゼーション機能をオフにできる機能を提供しています。 ^{[ 47 ]}これは、Googleの検索履歴の記録を削除し、Googleが今後検索キーワードや訪問したリンクを記憶しないように設定することによって実現されます。^{[ 6 ]}

インターネット政策レビュー誌の研究では、分野横断的にフィルターバブルの明確で検証可能な定義が欠如していることが指摘されており、このため研究者によってフィルターバブルの定義や研究方法が異なっていることが多い。^{[ 48 ]}その後、同研究では分野横断的にフィルターバブルの存在に関する実証データが不足していることを説明し^{[ 12 ]}、フィルターバブルに起因するとされる影響は、アルゴリズムよりも既存のイデオロギー的偏見に起因する可能性が高いと示唆した。同様の見解は、フィルターバブルの定義や、それに関連するイデオロギー的要因と技術的要因の関係性に関する懸念を取り上げている他の学術プロジェクトでも見られる。^{[ 49 ]}フィルターバブルに関する批判的レビューでは、「フィルターバブル理論は、意見が強いが同時に非常に柔軟である特別なタイプの政治的人間を想定していることが多い」こと、そして「人々はコンテンツを選択する際には能動的な主体性を持っているが、アルゴリズムによってキュレーションされた推奨コンテンツに触れると受動的な受信者になる」ことは逆説であると指摘している。^{[ 50 ]}

オックスフォード大学、スタンフォード大学、マイクロソフトの研究者による研究では、2013年3月から5月にかけて、Internet ExplorerのBingツールバーアドオンを使用している米国ユーザー120万人の閲覧履歴を調査した。研究者らは、これらのユーザーのうちニュースを積極的に消費している5万人を選び、ユーザーのIPアドレスに関連付けられた郡の有権者の大多数が2012年の大統領選挙でオバマ氏に投票したかロムニー氏に投票したかに基づいて、訪問したニュースメディアが左派寄りか右派寄りかを分類した。次に、ニュース記事が発行元のサイトに直接アクセスした後、Googleニュース集約サービス、ウェブ検索、またはソーシャルメディアを介して読まれたかどうかを特定した。研究者らは、ウェブ検索とソーシャルメディアがイデオロギー的分離に寄与している一方で、オンラインニュース消費の大部分は、ユーザーが左派寄りまたは右派寄りの主流ニュースサイトに直接アクセスし、結果として政治スペクトルの片側からの見解にほぼ限定的にさらされていることで構成されていることを発見した。この研究の限界としては、Internet Explorerユーザーは一般のインターネット人口よりも年齢が高いなど、選択の問題が挙げられる。 Bing ツールバーの使用と、プライバシーをあまり気にしないユーザーによる閲覧履歴の選択の自発的 (または無意識的) な共有。左派系の出版物のすべての記事が左派系であり、右派系も同様であるという仮定。ニュースを積極的に消費しないユーザーは、ニュースの大部分をソーシャルメディア経由で入手する可能性があり、ニュース出版物の選択を通じて基本的にバイアスを自己選択するユーザー (出版物のバイアスを認識していると仮定した場合) よりも、社会的またはアルゴリズム的バイアスの影響をより強く受ける可能性がある。^{[ 51 ]}

プリンストン大学とニューヨーク大学の研究者による研究では、フィルターバブルとアルゴリズムによるフィルタリングがソーシャルメディアの分極化に与える影響を研究することを目的としていました。彼らは「確率的ブロックモデル」と呼ばれる数学モデルを使用して、RedditとTwitterの環境で仮説を検証しました。研究者たちは、正規化されたソーシャルメディアネットワークと非正規化されたネットワークにおける分極化の変化を測定し、具体的にはRedditとTwitterにおける分極化と不一致のパーセント変化を測定しました。彼らは、非正規化されたネットワークでは分極化が400%と大幅に増加したのに対し、正規化されたネットワークでは分極化が4%、不一致が5%増加したことを発見しました。^{[ 52 ]}

プリンストン大学、ハーバード大学、ペンシルベニア大学、MIT、デューク大学などの研究者チームによる研​​究では、フィルターバブル型の推薦システムが短期的に政治的分極化を増大させるかどうかを検証するため、約9,000人の参加者を対象に4つの大規模実験を実施した。研究者らは、YouTubeのインターフェースと推薦パターンを模倣するように設計された独自のビデオプラットフォームを使用し、政策問題に関するイデオロギー的にバランスの取れた推薦と偏った推薦を提示することで、フィルターバブルをシミュレートするようにアルゴリズムを操作した。参加者は提示された推薦に一致するビデオをより多く視聴したが、研究によると、彼らの意見にはほとんど変化が見られなかった。著者らは、アルゴリズムが視聴者を大幅に過激化させるという主張とは、この研究結果が矛盾していると結論付けた。この研究の限界としては、長期的なテストの欠如と、調査されたトピックの範囲が最小限であったことが挙げられる。^{[ 53 ]}

2022年に実施された研究では、パーソナライズされたニュース推薦システムが、ユーザーをより狭いトピックセットにさらすことで、フィルターバブルの形成にどのように役立つかを調査しました。フィルターバブルの形成方法を分析するために、選択、セットアップ、リンク、評価のフレームワークであるSSLEが使用されました。著者は、学生、ブルーカラー労働者、ソーシャルメディアインフルエンサーなど、異なる興味を持つユーザーグループを特定することから始めます。次に、実際のユーザーの好みやデバイスの使用状況のオンライン行動を模倣するボットを作成する第2段階に進みます。次のステップは、トピックモデリングと線形判別分析を使用してデータを明確なクラスに分類し、トピック推薦を可能にすることです。最終段階は、時間の経過とともにトピックの分布がどのように変化するかを分析することであり、これによりフィルターバブルの強さと、それが時間の経過とともにどのように出現するかが示されます。SSLEフレームワークを使用した研究では、ユーザー生成コンテンツ（UGC）は、専門家が作成したコンテンツ（PGC）と比較して、約80%高い確率で推薦されることが示されました。感情的なトーンや配信方法は変わらないかもしれませんが、推薦されるニュースの分布はユーザーグループによって異なります。^{[ 54 ]}

アルゴリズムは政治的多様性を制限する一方で、フィルターバブルの一部はユーザーの選択の結果である。^{[ 55 ]} Facebookのデータサイエンティストによる調査では、ユーザーはイデオロギーを共有するFacebookの友人4人につき、反対の意見を持つ友人が1人いることがわかった。^{[ 56 ] [ 57 ]} Facebookのニュースフィードのアルゴリズムがどのようなものであっても、人々は似たような信念を持つ人々と友達になったりフォローしたりする可能性が高い。^{[ 56 ]}アルゴリズムの性質上、ユーザーの履歴に基づいて記事の順位付けが行われ、その結果、「政治的に交差するコンテンツは保守派で5%、リベラル派で8%減少する」。^{[ 56 ]}しかし、反対の意見を提供するリンクをクリックするオプションが与えられた場合でも、人々は依然として最もよく閲覧する情報源をデフォルトとして選択する。^{[ 56 ]}「ユーザーの選択により、反対の意見を提供するリンクをクリックする可能性は、保守派で17%、リベラル派で6%減少する。」^{[ 56 ]}クロスカッティングリンクとは、ユーザーの想定される視点やウェブサイトがユーザーの信念として想定しているものとは異なる視点を紹介するリンクのことです。^{[ 58 ]}レヴィ・ボクセル、マシュー・ジェンツコウ、ジェシー・M・シャピロによる最近の研究では、オンラインメディアは政治的分極化の原動力ではないと示唆されています。^{[ 59 ]}この論文では、分極化はオンラインで過ごす時間が最も少ない人口統計グループによって引き起こされていると主張しています。最も大きなイデオロギー的分断は75歳以上のアメリカ人の間で見られ、2012年時点でソーシャルメディアを利用している人はわずか20%だった。対照的に、18～39歳のアメリカ人の80%は2012年時点でソーシャルメディアを利用している。このデータは、若い世代の分極化は、オンラインメディアがほとんど存在しなかった1996年当時と比べて2012年現在でそれほど進んでいないことを示唆している。この調査は、年齢層間の違いと、人々が先入観に訴える情報を求めるためニュース消費が分極化したままであることを強調している。高齢のアメリカ人は、伝統的なメディアがニュースの主要な情報源であり続けるため、政治的見解が停滞していることが多い一方、若い世代ではオンラインメディアが主要な情報源となっている。アルゴリズムとフィルターバブルがコンテンツの多様性を弱めているものの、この調査は、政治的分極化の傾向は主に既存の見解と外部の情報源を認識できないことによって引き起こされていることを明らかにしている。 2020年にドイツで行われた研究では、ビッグファイブ心理学モデルを用いて、個人の性格、人口統計、イデオロギーがユーザーのニュース消費に与える影響を検証した。^{[ 60 ]}ユーザーが消費するニュースソースの数がフィルターバブルに陥る可能性に影響し、メディアの多様性が高いほどその可能性が低くなるという考えに基づいて研究を行った結果、特定の人口統計（高齢と男性）と特定の性格特性（高い開放性）が、個人が消費するニュースソースの数と正の相関関係にあることが示唆された。この研究では、メディアの多様性と、ユーザーが右翼権威主義に同調する度合いとの間に負のイデオロギー的関連性があることも判明した。この研究は、ユーザーの選択の役割に影響を与える可能性のあるさまざまな個々のユーザー要因を提示するだけでなく、ユーザーがフィルターバブルに陥る可能性とユーザーの投票行動との間の疑問と関連性も提起している。^{[ 60 ]}

Facebookの調査では、アルゴリズムがニュースフィードのフィルタリングにおいて、人々が想定していたほど大きな役割を果たしているかどうかは「結論が出ない」ことが判明した。 ^{[ 61 ]}また、この調査では、「個人の選択」、つまり確証バイアスも同様に、ニュースフィードからフィルタリングされる内容に影響を与えていることがわかった。^{[ 61 ]}一部の社会科学者は、フィルターバブルに抗議するポイントは、アルゴリズムと個人の選択が連携してニュースフィードをフィルタリングしている点にあるため、この結論を批判した。^{[ 62 ]}また、彼らは、Facebookのサンプルサイズが小さいこと（実際のFacebookユーザーの約9%）と、Facebookが外部の研究者に公開していないデータにアクセスできる「Facebookの科学者」によって調査が行われたため、調査結果が「再現不可能」であるという事実も批判した。^{[ 63 ]}

調査では、平均的なユーザーの Facebook フレンドのうち、政治的スペクトルの反対側に賛同しているのは約 15〜20% に過ぎないことがわかったが、Voxの Julia Kamanは、これが視点の多様性にとって潜在的にプラスの影響を与える可能性があると理論づけた。これらの「フレンド」は、インターネットがなければ政治的な意見を共有することはまずないような知り合いであることが多い。Facebook は、ユーザーがこれらの「二次的な」フレンドによって投稿または再投稿されたコンテンツを見て、場合によってはそれとやり取りできるような、独特な環境を育む可能性がある。調査では、「リベラル派が見たニュース記事の 24% は保守寄りであり、保守派が見たニュースの 38% はリベラル寄りであった」ことがわかった。^{[ 64 ]}「リベラル派は、保守派に比べて、反対側の情報を共有する友人が少ない傾向がある」^{[ 65 ]}この相互作用は、ユーザーの見解を調整する可能性のある多様な情報と情報源を提供する可能性がある。

Tan & Yoon (2025) ^{[ 45 ]}による最近の実証研究では、TikTok のパーソナライズされたレコメンデーション システムとフィルター バブル機能が、ユーザー エンゲージメントと知覚される有用性の両方を大幅に向上させることが示されています。彼らの調査結果は、プラットフォームの中核的なサービス特性であるエンターテイメント性、情報性、利便性がユーザー エンゲージメントを直接強化し、それがアプリの継続的な使用を促進することを示しています。Tan & Yoon (2025) ^{[ 45 ]}はまた、ビッグ データ プライバシーに対するユーザーの態度が、パーソナライズされたレコメンデーションに対するユーザーの肯定的な反応を調整することを強調しており、TikTok のアルゴリズムの影響を理解する上で重要な側面を追加しています。これはまた、TikTok のレコメンデーション システムが、視聴時間、リプレイ、一時停止、スキップなどのマイクロ インタラクションを通じてユーザーの好みを迅速に学習し、プラットフォームがユーザーの興味を予測して強化するのに非常に効率的であることを示しています。この研究は、無限スクロール、自動再生、ショートフォーム ビデオ フォーマットなどのインターフェース機能が、摩擦を取り除き、プラットフォームが収集できるエンゲージメント データの量を増やすことで、レコメンデーション システムの力を増幅することを示しています。^{[ 45 ]}

同様に、ニューヨーク大学によるTwitterのフィルターバブルに関する研究では、「個人はニュースイベントに関するより幅広い視点にアクセスできるようになり、この情報のほとんどは従来のチャネルからではなく、政治関係者から直接、または友人や親戚を通じて入手している。さらに、ソーシャルメディアの双方向性により、個人は社会的つながりの弱い人を含め、同僚と政治的イベントについて議論する機会が生まれる」と結論付けている。^{[ 66 ]}これらの研究によると、ソーシャルメディアはユーザーが接触する情報や意見を多様化している可能性があるが、フィルターバブルとそれがより深い政治的分極化を生み出す能力については多くの憶測がある。2025年のアメリカのTwitterユーザーを対象とした研究では、やり取りの約34%が党派を超えたものであり、フィルターバブルはある程度透過性があることが示唆された。しかし、研究者らは、これらの党派を超えたやり取りは、建設的な議論よりも有害である可能性が著しく高いと指摘した。^{[ 67 ]}

この問題の要因の一つであり、解決策となり得るのが、オンラインコンテンツにおける感情の役割です。2018年の研究では、メッセージのさまざまな感情が二極化または収束につながる可能性があることが示されています。喜びは感情の二極化に多く見られますが、悲しみと恐怖は感情の収束に重要な役割を果たしています。^{[ 68 ]}メッセージの感情的な内容を検出することは比較的容易であるため、これらの知見は、アルゴリズムによる推奨の感情的な内容に焦点を当てることから始め、より社会的に責任あるアルゴリズムを設計するのに役立ちます。さらに、2025年の研究では、フィルターバブルは一般的に想定されているようにユーザーのエンゲージメントを制限するのではなく、むしろエンゲージメントを高めるため、ユーザーに肯定的に認識されることが多いことが示されています。

ソーシャルボットは、さまざまな研究者によって、フィルターバブルやエコーチェンバーに起因する分極化や関連効果をテストするために利用されてきました。^{[ 69 ] [ 70 ]} 2018年の研究では、Twitterのソーシャルボットを使用して、ユーザーが意図的に党派的な見解に触れることをテストしました。^{[ 69 ]}この研究は、異なる見解に触れることによって党派的な違いが明らかになったと主張しましたが、結果は政党に登録しているアメリカのTwitterユーザーに限定されるべきだと警告しました。主な発見の1つは、異なる見解（ボットによって提供）に触れた後、自己登録共和党員はより保守的になったのに対し、自己登録リベラルはイデオロギーの変化がほとんどないか、まったく変化がなかったということです。中華人民共和国の別の研究では、中国最大のソーシャルメディアプラットフォームであるWeiboのソーシャルボットを使用して、分極化への影響に関してフィルターバブルの構造を調べました。^{[ 70 ]}この研究は、分極化の2つの概念を区別しています。 1つは、似たような見解を持つ人々がグループを形成し、似たような意見を共有し、異なる視点から自らを遮断する状態（意見の二極化）であり、もう1つは、人々が多様なコンテンツや情報源にアクセスできない状態（情報の二極化）である。研究者らは、人間のボランティアの代わりにソーシャルボットを利用し、意見に基づく二極化よりも情報の二極化に焦点を当てることで、フィルターバブルには2つの重要な要素があると結論付けた。それは、単一のトピックの周りにユーザーが集中していることと、主要な情報フローに影響を与える一方向の星型構造である。

2018 年 6 月、DuckDuckGo プラットフォームは Google Web ブラウザー プラットフォームに関する調査研究を実施しました。この研究では、米国本土のさまざまな場所に住む 87 人の成人が、移民、銃規制、ワクチン接種という 3 つのキーワードを同時に Google で検索しました。プライベート ブラウジング モードでも、ほとんどの人が自分だけの検索結果を見ました。Google は、一部の参加者には他の参加者には表示しない特定のリンクを表示し、ニュースとビデオの情報ボックスには大きな違いが見られました。Google は、検索エンジン結果ページ (SERP) のパーソナライゼーションはほとんど神話であると公に反論しました。Google 検索リエゾンの Danny Sullivan 氏は、「長年にわたり、Google 検索は非常にパーソナライズされているため、同じクエリでも人によって結果が大きく異なる可能性があるという神話が広まっています。これは事実ではありません。結果は異なる可能性がありますが、通常はパーソナライズとは関係のない理由によるものです。」と述べています。^{[ 71 ]}

フィルターバブルが存在すると、科学者が「Whoa」モーメントと呼ぶ特定の瞬間が生まれることがあります。「Whoa」モーメントとは、記事、広告、投稿などが、現在の行動やオブジェクトの使用に関連してコンピューターに表示されることです。科学者たちは、若い女性がコーヒーを飲むという日課をこなしているときにコンピューターを開き、自分が飲んでいるのと同じブランドのコーヒーの広告に気付いたことから、この用語を発見しました。「今朝、コーヒーを飲みながら座ってFacebookを開いたら、Nespressoの広告が2つありました。自分が飲んでいる商品が目の前の画面にポップアップ表示されるのは、まさに「Whoa」モーメントです。」^{[ 72 ]}「Whoa」モーメントは、人々が「発見」されたときに発生します。つまり、広告アルゴリズムは、売上収益を増やすために、ユーザーの「クリック行動」に基づいて特定のユーザーをターゲットにします。

複数のデザイナーがフィルターバブルの影響を打ち消すためのツールを開発している（§ 対策を参照）。^{[ 73 ]}スイスのラジオ局SRFは、 filterblase（フィルターバブルのドイツ語訳）を2016年の年間最優秀語に選出した。 ^{[ 74 ]}

『フィルターバブル：インターネットが隠しているもの』^{[ 75 ]}の中で、インターネット活動家のエリ・パリサーは、フィルターバブルの発生頻度の増加が、ロバート・パットマンが定義するブリッジング・ソーシャル・キャピタルの価値をさらに強調していることを指摘している。パリサーは、フィルターバブルは社会的な均質性を強化し、潜在的に異なる関心や見解を持つ人々の間のつながりを弱めると主張している。 ^{[ 76 ]}その意味で、高いブリッジング・キャピタルは、自己利益を超えた空間への接触を増やすことで、社会的包摂を促進する可能性がある。非公式な場でより多くの人々とつながるなど、ブリッジング・キャピタルを育むことは、フィルターバブル現象を減らす効果的な方法かもしれない。このブリッジング・キャピタルの概念に基づいて、エルマスらによる2020年の研究では、イデオロギー的に多様なファン層を持つ有名人に物議を醸すトピックを推奨することを提案している。なぜなら、こうした人物はフォロワーを反対意見に効果的に触れさせることができるからである。^{[ 77 ]}

Jiang, T.、Sun, Z.、Fu, S. (2025) は、個人が変化を受け入れる限り、フィルターバブルに対抗する方法を論じています。彼らは、フィルターバブルに対する個人の態度が、問題そのものの直接的な原因であることを指摘しています。彼らは次のように書いています。「最近の証拠の中には、フィルターバブルの形成において個人の態度が重要な役割を果たしていることを示唆しているものもあります。Google 検索エンジンが個々のユーザー向けに検索結果をパーソナライズすることでフィルターバブルを作り出したと一般的に考えられていますが、実際には、Google ユーザーは自分の政治的学習に対応する検索クエリを選択する傾向があり、これらのクエリは自分の側の検索結果を生成しました (Ekström et al., 2023)、(Jiang, T.、Sun, Z.、Fu, S.、2025)。これは、フィルターバブルのサイクルを断ち切り、必ずしも自分の信念を強化しない意見を調査するのは個人の責任であることを意味します。」

ユーザーは、フィルターバブルを打破するために多くの行動をとることができます。たとえば、どのような情報に触れているかを意識的に評価したり、幅広いコンテンツに関わっているかどうかを批判的に考えたりすることです。^{[ 78 ]}ユーザーは、検証できない、または信頼性の低いニュースソースを意識的に避けることができます。IABのマーケティング担当副社長であるクリス・グルシュコ氏は、フェイクニュースを特定するためにファクトチェックサイトを使用することを推奨しています。^{[ 79 ]}テクノロジーもフィルターバブル対策に重要な役割を果たすことができます。^{[ 80 ]}

ブラウザのプラグインの中には、人々がフィルターバブルから抜け出し、自分の個人的な視点に気づくことを目的としているものがあり、そのため、これらのメディアは、彼らの信念や意見と矛盾するコンテンツを表示します。プラグインに加えて、ユーザーがエコーチェンバーを開放することを促すことをミッションとして作成されたアプリもあります。Read Across the Aisleのようなニュースアプリは、ユーザーの読書パターンが一方の側/イデオロギーに偏っている場合、異なる視点を読むように促します。^{[ 81 ]}アプリやプラグインは人間が使用できるツールですが、Eli Pariser は「確かに、自分とは異なる新しい情報源や人々を本当に探し出すという個人の責任があります」と述べています。^{[ 55 ]}

ウェブベースの広告は、ユーザーに同じコンテンツをさらに多く表示させることでフィルターバブルの影響を強める可能性があるため、ユーザーは検索履歴を削除したり、ターゲット広告をオフにしたり、ブラウザ拡張機能をダウンロードしたりすることで、多くの広告をブロックできます。一部のユーザーは、企業がウェブ検索データを収集するのを防ぐために、YaCy、DuckDuckGo、Qwant、Startpage.com、Disconnect、Searxなどの匿名または非パーソナライズの検索エンジンを使用しています。スイスの日刊紙Neue Zürcher Zeitungは、機械学習を使用してユーザーが興味を持っているコンテンツを推測し、「常に驚きの要素を含める」パーソナライズされたニュースエンジンアプリのベータテストを行っています。そのアイデアは、ユーザーが過去にフォローした可能性の低い記事を混ぜることです。^{[ 82 ]}これらの自己規制ツールはユーザーにとって役立つ可能性がありますが、より大規模にフィルターバブルに対抗するために組織が介入する必要性が圧倒的にあります。

欧州連合は、フィルターバブルの影響を軽減するための措置を講じています。欧州議会は、フィルターバブルが人々の多様なニュースへのアクセス能力にどのように影響するかについての調査を後援しています。^{[ 83 ]}さらに、市民にソーシャルメディアについて教育することを目的としたプログラムを導入しました。^{[ 84 ]}米国では、CSCW パネルが、メディア消費者のニュース摂取範囲を広げるためにニュースアグリゲーターアプリの使用を提案しています。ニュースアグリゲーターアプリは、すべての最新のニュース記事をスキャンし、特定のトピックに関するさまざまな視点に誘導します。ユーザーは、多様性を考慮したニュースバランサーを使用することもできます。これは、ニュースを読む際にメディア消費者が左派に傾いているか右派に傾いているかを視覚的に示すもので、右派に傾いている場合はより大きな赤いバー、左派に傾いている場合はより大きな青いバーで示します。このニュースバランサーを評価した研究では、「フィードバックを見たユーザーの間では、対照群と比較して、よりバランスの取れた情報への接触に向かう、小さくても顕著な読書行動の変化が見られた」ことがわかりました。^{[ 85 ]}

ソーシャルメディア上の情報フィルタリングに関する最近の懸念を受けて、Facebook はフィルター バブルの存在を認め、それらを排除するための取り組みを進めています。^{[ 86 ]} 2017 年 1 月、Facebook は、一部のユーザーが話題になっているイベントをそこで見ることができないという問題に対応して、トレンド トピック リストからパーソナライゼーションを削除しました。^{[ 87 ]} Facebook の戦略は、ユーザーが共有された記事を読んだ後に関連ニュース記事を投稿する 2013 年に実装した関連記事機能を逆転させることです。現在、刷新された戦略では、このプロセスを逆転させ、同じトピックに関するさまざまな視点からの記事を投稿します。Facebook はまた、信頼できる情報源からの記事のみを表示する審査プロセスを経ようとしています。Craigslist の創設者や他の数名とともに、 Facebook は「世界中のジャーナリズムへの信頼を高め、公共の議論をより良くする」取り組みに 1400 万ドルを投資しました。^{[ 86 ]}人々が友人から共有された投稿のみを読んでいる場合でも、少なくともこれらの投稿は信頼できるものになるという考えです。

同様に、Google も 2018 年 1 月 30 日時点で、自社プラットフォームにおけるフィルター バブルの問題の存在を認めています。現在の Google 検索では、「権威性」と「関連性」に基づいてアルゴリズムによってランク付けされた結果が表示され、特定の検索結果が表示されたり非表示になったりするため、Google はこの問題に対処しようとしています。Google は、検索エンジンに質問の文字通りの構文ではなく、検索クエリの意図を認識するようにトレーニングすることで、フィルター バブルのサイズを制限しようとしています。現時点では、このトレーニングの初期段階は 2018 年の第 2 四半期に導入される予定です。偏見や論争のある意見を含む質問は後日対処されるため、依然として存在するより大きな問題、つまり検索エンジンが真実の仲裁者として機能するのか、それとも意思決定のための知識豊富なガイドとして機能するのかという問題が生じます。^{[ 88 ]}

同様に、Jiang, T.、Sun, Z.、およびFu, S. (2025) も、アルゴリズムのアフォーダンスがフィルターバブル対策の作成にどのように貢献できるかについて論じています。彼らは、この問題を内部から解決するために、プログラムの設計内でそれらを利用することを目指しています。彼らは、「アルゴリズムはユーザーに直接見えないことを考慮すると、アルゴリズムによってキュレーションされた情報システムでは、アルゴリズムのアフォーダンスをインターフェース設計に組み込み、ユーザーがアルゴリズムを使用して目標を達成する方法を知らせることが重要です (Shin & Park、2019)、(Jiang, T.、Sun, Z.、およびFu, S.、2025)」と述べています。これは、さまざまな視点から情報源を使用しようとするのは個々のユーザーだけの問題ではなく、インターフェース自体にも対策が必要であることを意味します。

2017年4月、フェイスブック、モジラ、クレイグスリストが、偽ニュースを排除し、より正直なニュースメディアを作ることを目的としたCUNYの「ニュースインテグリティイニシアチブ」への1400万ドルの寄付の大部分に貢献したというニュースが浮上した。^{[ 89 ]}

その後、8月には、Firefoxウェブブラウザの開発元であるMozillaが、Mozilla Information Trust Initiative（MITI）の設立を発表しました。+MITIは、フィルターバブルの影響やフェイクニュースの拡散に対抗するための製品、研究、コミュニティベースのソリューションを開発するための共同の取り組みとして機能します。Mozillaのオープンイノベーションチームがこのイニシアチブを主導し、識字能力、研究、創造的な介入に関する製品に特に重点を置き、誤情報と戦うよう努めています。^{[ 90 ]}