算法黑箱

【总分建议】30 分 【答题框架】 1. 开头/破题应包含：由材料现象（算法黑箱、精准推送）切入，明确提出中心论点（如：技术中立是伪命题，算法必须接受价值与制度的双重规制），并简要界定核心概念（算法黑箱/信息茧房） 2. 主体部分应论述：第一层分析算法黑箱的运作逻辑与权力本质（数据收集—用户画像—精准推送的闭环）；第二层剖析其多重危害（个体层面：信息茧房、隐私侵犯、消费操纵；社会层面：公共性消解、舆论极化、数字鸿沟）；第三层提出治理路径（技术透明化、平台责任、法律规制、用户素养），每层需结合具体案例或理论支…

【总分建议】30 分 【答题框架】 1. 开头/破题应包含对大数据受众分析的基本界定，并指出其技术优势与局限并存，引出“问题”与“小群体难以捕捉”的核心论点 2. 主体部分应论述大数据受众分析的主要问题，包括数据偏差与样本代表性不足、隐私与伦理风险、相关关系替代因果关系、算法黑箱与可解释性不足、平台数据壁垒与商业化导向等 3. 主体部分还应专门分析小群体无法被有效捕捉的原因，包括行为数据稀疏、群体规模小、内部异质性高、标签体系粗糙、模型偏向多数样本、长尾特征被均值化或淹没等 4. 结尾应总结大数据受…

算法歧视是指算法系统在设计、训练或应用过程中，对特定群体产生系统性不公平对待的现象，本质上是社会偏见在数字技术中的复制与放大。 **内涵界定：** 算法歧视并非算法自主产生偏见，而是指基于大数据的自动化决策在种族、性别、年龄、地域等维度上造成差别待遇，属于技术中介化的社会歧视，具有隐蔽性、规模化与自动化特征。 **表现层面：** 一是数据输入型歧视，训练数据本身蕴含历史偏见（如招聘数据中男性占比过高），导致算法习得并固化既有不平等；二是模型设计型歧视，特征选择或权重设置不当造成对特定群体的系统性误判（如人脸识别…