郭浩 張芷茵

摘 ?要 ?愈來(lái)愈多的新媒體利用智能算法向大眾推薦新聞。文章試圖探索新媒體的智能算法推薦與用戶情緒之間的關(guān)系，通過(guò)設(shè)置實(shí)驗(yàn)場(chǎng)景，向讀者每日推送其所感興趣主題的新聞信息?；趯?shí)驗(yàn)前后的正性負(fù)性情緒量表（PANAS）測(cè)試結(jié)果的對(duì)比，發(fā)現(xiàn)持續(xù)性的正面信息推薦會(huì)提升用戶的正向情緒、降低用戶的負(fù)向情緒，而持續(xù)性的負(fù)面信息推薦會(huì)減少用戶的正向情緒、抬升用戶的負(fù)面情緒，并且會(huì)使得情緒體驗(yàn)變得更為集中;此外，持續(xù)性的負(fù)面信息推薦所施加的影響要強(qiáng)于持續(xù)性的正面信息推薦。因此，文章認(rèn)為新媒體應(yīng)審慎地對(duì)待智能算法技術(shù)。

關(guān)鍵詞 ?智能算法推薦;用戶情緒;實(shí)驗(yàn)法

中圖分類號(hào) ?G2 ? ? ?文獻(xiàn)標(biāo)識(shí)碼 ?A ? ? ?文章編號(hào) ?2096-0360（2019）15-0015-03

1 ?研究背景

隨著移動(dòng)互聯(lián)網(wǎng)的發(fā)展和可持式移動(dòng)終端的普及，想要獲取信息已經(jīng)不再是一件難事。現(xiàn)代社會(huì)的普羅大眾在遇到問(wèn)題后會(huì)利用各式各樣的新媒體尋求答案。于是就會(huì)出現(xiàn)這樣的情形：最近李華在糾結(jié)到底是要考研還是考公，于是打開(kāi)了一個(gè)資訊類的App，在上面輸入“考研還是考公”，于是下面就會(huì)彈出許多條信息，諸如“我是如何找到自己的畢業(yè)方向”“普通二本學(xué)?？佳心嬉u成功”“弄明白這三點(diǎn)，考公不在話下”，當(dāng)李華點(diǎn)擊進(jìn)去看了許多成功的經(jīng)驗(yàn)后便認(rèn)為自己肯定也可以“春風(fēng)得意馬蹄疾”;而諸如“考研的不公平，我該如何面對(duì)？” “沒(méi)有關(guān)系，我還要考公務(wù)員嗎？”“985名校的他，畢業(yè)卻也失業(yè)了”，逐一瀏覽下來(lái)，李華感覺(jué)整個(gè)世界都失去了光明。盡管在單個(gè)個(gè)體層面可能出現(xiàn)上述情形，而本文關(guān)注的是這一現(xiàn)象是否普遍成立？不同性質(zhì)的新聞消息對(duì)用戶情緒的影響呈現(xiàn)的是正向還是負(fù)向加?。亢握叩挠绊憣⒏鼮閺?qiáng)烈？這都有待于實(shí)驗(yàn)的證實(shí)。

2 ?文獻(xiàn)回顧與研究假設(shè)

智能算法推薦是一種編碼程序，通過(guò)特定的運(yùn)算把輸入數(shù)據(jù)轉(zhuǎn)化為輸出結(jié)果[1]。邁克爾·德維托（Michael DeVito）曾經(jīng)對(duì)算法推薦的運(yùn)作機(jī)制進(jìn)行研究，他以Facebook為例，通過(guò)對(duì)其公開(kāi)發(fā)布的專利、新聞稿、博客等進(jìn)行內(nèi)容分析，概括出九大算法價(jià)值要素[2]。智能推薦就是根據(jù)這些內(nèi)容進(jìn)行推算、描繪出用戶的畫像，再在匯集了網(wǎng)絡(luò)上眾多信息的基礎(chǔ)上主動(dòng)、迅速地向用戶推送他們感興趣或關(guān)注的相關(guān)內(nèi)容[3]。

通過(guò)梳理以往的文獻(xiàn)研究，可從中發(fā)現(xiàn)研究的思路一般有兩種：一是從新聞媒體行業(yè)出發(fā)，探究智能算法推薦這一技術(shù)對(duì)新聞選擇的影響，從而新聞媒體行業(yè)的發(fā)展提出建議;二是智能算法推薦這種新興技術(shù)對(duì)用戶之間社會(huì)網(wǎng)絡(luò)關(guān)系的影響。但對(duì)智能算法推薦與用戶情緒體驗(yàn)之間關(guān)系的探討較為稀疏，因此本文將從用戶的情緒出發(fā)，探討用戶在接收到大量由智能算法技術(shù)推薦的新聞信息之后在情緒上將有何變化。

智能推薦對(duì)用戶情緒的影響主要通過(guò)三個(gè)途徑。一是對(duì)用戶的主觀意識(shí)產(chǎn)生影響，包括用戶的主體性認(rèn)識(shí)、思維方式、自我異化情況等，再引起用戶的情緒變化。二是對(duì)用戶的客觀行為產(chǎn)生影響，包括斗爭(zhēng)行為、迷失行為、用戶的現(xiàn)實(shí)存在方式等，從而引起用戶的情緒反應(yīng)。三是把算法推薦看作是一個(gè)媒體技術(shù)，是一種被制造的風(fēng)險(xiǎn)，媒體可能會(huì)在詞語(yǔ)的選擇上存在偏倚。他們著重使用極具煽動(dòng)性的詞匯，又或者是迎合用戶偏好的詞語(yǔ)，這些詞語(yǔ)的使用便于算法的篩選與分類，然后根據(jù)算法得出的用戶偏好結(jié)果，再把內(nèi)容推送給用戶，從而達(dá)到推送效果。而這些帶有取向性的詞匯在吸引用戶的眼球以后，也會(huì)加劇用戶的情緒。

基于此，本研究提出研究假設(shè)：算法推薦會(huì)影響用戶的情緒，且負(fù)面信息所帶來(lái)的影響要強(qiáng)于正面信息。

3 ?研究設(shè)計(jì)

3.1 ?資料來(lái)源

本次實(shí)驗(yàn)研究中通過(guò)Watson等于1998年編制了正性負(fù)性情緒量表（Positive and Negative Affect Schedule，PANAS）測(cè)量用戶的情緒[4]。該量表設(shè)置了20個(gè)描述不同情感、情緒的詞匯組成，并被廣泛地應(yīng)用在健康心理學(xué)、組織心理學(xué)和臨床心理學(xué)領(lǐng)域。本研究選擇量表中10個(gè)情緒表現(xiàn)較為鮮明的詞語(yǔ)進(jìn)行實(shí)驗(yàn)，分別為：感興趣的、興奮的、熱情的、備受鼓舞的、意志堅(jiān)定的、心煩的、沮喪的、緊張的、恐懼的、害怕的。其中，前五個(gè)詞語(yǔ)反映的是積極情緒，后五個(gè)詞語(yǔ)傳遞的是消極情緒，從而直接、生動(dòng)地表現(xiàn)出用戶的情緒體驗(yàn)。量表中的題目均為5分制：1表示幾乎沒(méi)有某一情緒體驗(yàn)，2表示比較少出現(xiàn)某一情緒體驗(yàn)，3表示偶爾出現(xiàn)某一情緒體驗(yàn)，4表示時(shí)常出現(xiàn)某一情緒體驗(yàn)，5表示某一情緒體驗(yàn)大量出現(xiàn)，隨著數(shù)字的增加表示實(shí)驗(yàn)對(duì)象的某一情緒體驗(yàn)愈強(qiáng)烈。

本次實(shí)驗(yàn)推送的內(nèi)容來(lái)自于新浪微博、微信公眾號(hào)、知乎、小紅書和今日頭條等新媒體。在實(shí)驗(yàn)正式開(kāi)始之前，筆者與實(shí)驗(yàn)對(duì)象進(jìn)行初步溝通，了解實(shí)驗(yàn)對(duì)象近期感興趣的話題內(nèi)容，在上述軟件或網(wǎng)站上直接輸入被試者感興趣內(nèi)容的關(guān)鍵詞，然后將搜索得出的內(nèi)容轉(zhuǎn)發(fā)給被試者，以高度復(fù)原實(shí)驗(yàn)對(duì)象自行搜索時(shí)得到的推送內(nèi)容。

3.2 ?實(shí)驗(yàn)過(guò)程

本次實(shí)驗(yàn)一共招募到24名大學(xué)生作為實(shí)驗(yàn)對(duì)象，他們的背景信息大致相似，從而保障實(shí)驗(yàn)效果。本研究先進(jìn)行前測(cè)，要求實(shí)驗(yàn)對(duì)象完成正性負(fù)性情緒測(cè)量表，確定實(shí)驗(yàn)對(duì)象對(duì)于問(wèn)題的偏向性。然后將實(shí)驗(yàn)對(duì)象分為兩組，分別為實(shí)驗(yàn)組（積極情緒組）和對(duì)照組（消極情緒組），以觀察有兩種不同初始情緒的被試者在實(shí)驗(yàn)過(guò)后情緒是否都會(huì)更加激烈。實(shí)驗(yàn)組和對(duì)照組人數(shù)均為12人。實(shí)驗(yàn)總共進(jìn)行一周，筆者根據(jù)每一位被試者感興趣的話題在網(wǎng)上搜索出相關(guān)的內(nèi)容并推給被試者，每天共推送5條消息。根據(jù)組別不同推送不一樣情緒傾向的內(nèi)容。為了確保實(shí)驗(yàn)者能認(rèn)真閱讀推送內(nèi)容，筆者會(huì)在每天22點(diǎn)到23點(diǎn)這段時(shí)間發(fā)送內(nèi)容。在實(shí)驗(yàn)結(jié)束后，實(shí)驗(yàn)對(duì)象再次填寫正性負(fù)性情緒測(cè)量表。

4 ?數(shù)據(jù)分析

本研究從實(shí)驗(yàn)前和實(shí)驗(yàn)后的數(shù)據(jù)去闡釋智能算法推薦對(duì)用戶情緒的影響。

從表1中可以看出，在實(shí)驗(yàn)開(kāi)始之前，實(shí)驗(yàn)組內(nèi)“感興趣的”和“緊張的”兩項(xiàng)情緒得分最高，均為3.67分;而“沮喪的”情緒得分最低（2.50分）。在實(shí)驗(yàn)結(jié)束后，實(shí)驗(yàn)組內(nèi)得分最高的情緒是“感興趣的”（3.83分），沒(méi)有了“緊張的”情緒體驗(yàn)，得分最低的是“沮喪的”和“害怕的”，均為2.33分。實(shí)驗(yàn)組的五項(xiàng)積極情緒中除“熱情的”以外，得分全部呈上升狀態(tài)，而五項(xiàng)消極情緒的得分全部呈下降狀態(tài)，且積極情緒的變化幅度要高于消極情緒。同時(shí)，除“熱情的”和“恐懼的”兩項(xiàng)情緒以外，積極情緒的分值和消極情緒的分值在實(shí)驗(yàn)前后的變化差值全部均有統(tǒng)計(jì)學(xué)意義上的顯著差異（p<0.05），這表明當(dāng)智能算法推薦持續(xù)地推送正面信息給用戶時(shí)，這些信息確實(shí)會(huì)提升用戶的積極情緒，使用戶抱有更加正向的態(tài)度面對(duì)問(wèn)題，與此同時(shí)會(huì)減少他們面對(duì)問(wèn)題時(shí)的緊張、心煩等消極情緒。此外，還值得注意的是實(shí)驗(yàn)前后各項(xiàng)情緒分值的標(biāo)準(zhǔn)誤基本上呈現(xiàn)下降的趨勢(shì)，這意味著受眾的情緒在智能推送的持續(xù)性影響之下變得更為集中。

同樣由表1可知，在實(shí)驗(yàn)開(kāi)始之前，對(duì)照組內(nèi)“感興趣的”情緒得分最高（4.17分），“沮喪的”情緒得分最低（2.08分）。在實(shí)驗(yàn)結(jié)束后，對(duì)照組內(nèi)得分最高的情緒是“感興趣的”（3.67分），相比實(shí)驗(yàn)之前有所下降;“興奮地”情緒得分最低（2.33分）。對(duì)照組的五項(xiàng)積極情緒中除“意志堅(jiān)定的”以外，其他情緒分值全部呈下降狀態(tài)，而五項(xiàng)消極情緒中除“心煩的”情緒持平以外，其他情緒分值全部呈上升狀態(tài)，且消極情緒的變化幅度要高于積極情緒。同時(shí)，除“備受鼓舞的”“意志堅(jiān)定的”和“心煩的”三項(xiàng)情緒以外，積極情緒的分值和消極情緒的分值在實(shí)驗(yàn)前后的變化差值全部具有統(tǒng)計(jì)學(xué)意義上的顯著差異（p<0.05），這表明當(dāng)智能推薦持續(xù)低推送消極信息給用戶時(shí)，這些信息確實(shí)會(huì)降低用戶的積極情緒，放大用戶的消極情緒，使用戶懷有更加負(fù)向的態(tài)度面對(duì)問(wèn)題。此外，同樣也需要注意的是實(shí)驗(yàn)前后各項(xiàng)情緒分值的標(biāo)準(zhǔn)誤絕大部分呈現(xiàn)下降的趨勢(shì)，但消極情緒的下降幅度大于積極情緒，這意味著智能推送的負(fù)面信息將讓用戶情緒更多地集中在“沮喪的”“害怕的”等負(fù)向情緒之中。

表1關(guān)于積極情緒和消極情緒的均分也反映出智能推薦所帶來(lái)的整體平均變化，實(shí)驗(yàn)組的積極情緒整體平均上升了0.28分，對(duì)照組的積極情緒整體平均下降了0.27分;實(shí)驗(yàn)組的消極情緒整體平均下降了0.4分，對(duì)照組的消極情緒整體平均上升了0.47分，且四個(gè)數(shù)值變化都具有顯著差異（p<0.05）。結(jié)合前述分析，智能推薦不僅僅對(duì)用戶的情緒產(chǎn)生顯著影響，并且這種影響是不對(duì)等的，持續(xù)的正面信息推送帶來(lái)的正面心態(tài)變化程度要低于持續(xù)的負(fù)面信息推送所帶來(lái)的負(fù)面心態(tài)變化程度。

5 ?總結(jié)

基于智能算法推薦在新媒體中愈發(fā)廣泛應(yīng)用的背景，本研究采用實(shí)驗(yàn)法探究此項(xiàng)技術(shù)是否會(huì)對(duì)用戶的情緒產(chǎn)生顯著影響，基于正負(fù)性情緒量表（PANAS）的前測(cè)與后測(cè)結(jié)果的對(duì)比分析表明：持續(xù)性的正面信息推薦會(huì)提升用戶的正向情緒、降低用戶的負(fù)向情緒，而持續(xù)性的負(fù)面信息推薦會(huì)減少用戶的正向情緒、抬升用戶的負(fù)面情緒，并且會(huì)使得情緒體驗(yàn)變得更為集中;此外，持續(xù)性的負(fù)面信息推薦所施加的影響要強(qiáng)于持續(xù)性的正面信息推薦。數(shù)據(jù)分析證實(shí)了研究假設(shè)，這啟示著新媒體從業(yè)者需審慎地對(duì)待技術(shù)的應(yīng)用。

但齊美爾認(rèn)為，盡管人會(huì)因?yàn)闄C(jī)器的出現(xiàn)而感到迷茫甚至否定自身，但主體具有雙重統(tǒng)一性：不僅有對(duì)過(guò)去和現(xiàn)在的不滿與否定，還有對(duì)將來(lái)的期盼與肯定[5]。換言之，技術(shù)發(fā)展是個(gè)大趨勢(shì)，人們的迷茫也“非一日之寒”，面對(duì)未來(lái)，人們依然會(huì)在焦慮的同時(shí)報(bào)以期待。人們?cè)撊绾卧诤Ａ康男畔⒅羞M(jìn)行搜索的同時(shí)依然保持自我仍然值得去探討。

參考文獻(xiàn)

[1]王茜.打開(kāi)算法分發(fā)的“黑箱”——基于今日頭條新聞推送的量化研究[J].新聞?dòng)浾撸?017（9）：7-14.

[2]DeVitoMichael.From Editors to Algorithms[J].Digital Journalism，2017，5（6）：753-773.

[3]吳延溢，王健.技術(shù)時(shí)代人的主體性迷失與出路——評(píng)京特·安德斯技術(shù)批判理論[J].鄭州輕工業(yè)學(xué)院學(xué)報(bào)（社會(huì)科學(xué)版），2017，18（6）：30-37.

[4]郭明珠，甘怡群.中文正性負(fù)性情緒量表—擴(kuò)展版在660名大學(xué)生中的信效度檢驗(yàn)[J].中國(guó)心理衛(wèi)生雜志，2010，24（7）：524-528.

[5]周來(lái)順.文化危機(jī)與雙重救贖——齊美爾視域中的現(xiàn)代性危機(jī)理論研究[J].學(xué)海，2013（2）：154-162.