摘要：在智能媒體發(fā)展的今天，算法新聞和算法看門人成為新聞業(yè)的關(guān)鍵特征。算法推薦連接著人與信息，陌生化網(wǎng)民被“千人千面”的信息包圍，以節(jié)點(diǎn)形式連接、聚合和互動(dòng)，促進(jìn)了輿論的復(fù)雜化和實(shí)時(shí)化，技術(shù)與人的可供性互動(dòng)形成了算法與人的反饋循環(huán)，重構(gòu)新聞價(jià)值觀，重塑公共領(lǐng)域，進(jìn)而對(duì)輿論和意識(shí)形態(tài)產(chǎn)生影響。

關(guān)鍵詞：算法推薦；輿論；可供性

中圖分類號(hào)：G206 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1674-8883（2021）09-0007-03

一、引言

如今算法成為人們洞察現(xiàn)實(shí)、進(jìn)行決策的新中介。根據(jù)皮尤研究中心2019年2月的調(diào)查，在美國成年人中，超過一半通過Facebook（臉書）獲取新聞，社交媒體轉(zhuǎn)型平臺(tái)型媒體已經(jīng)成為業(yè)界不可逆轉(zhuǎn)的趨勢，這種分發(fā)的轉(zhuǎn)型正在影響整個(gè)新聞傳播環(huán)節(jié)[1]。算法作為新的信息生產(chǎn)傳播模式，給輿論生態(tài)帶來了挑戰(zhàn)：全息感知環(huán)境下，大數(shù)據(jù)技術(shù)能精準(zhǔn)鎖定受眾，預(yù)測受眾態(tài)度，控制輿論走向；機(jī)器人水軍參與輿論表達(dá)，干預(yù)輿論；以營利為導(dǎo)向，為迎合受眾、維持高熱度傳播虛假信息。可見，算法推薦在帶來技術(shù)利益的同時(shí)，也深刻影響著網(wǎng)絡(luò)輿論的生成和發(fā)展。

二、Facebook算法推薦的原則

從用戶端來講，F(xiàn)acebook的算法推薦系統(tǒng)正是基于大數(shù)據(jù)樣本，不斷更新算法推薦的相關(guān)權(quán)重，例如朋友關(guān)系、用戶興趣、用戶參與、含蓄偏好、貼文時(shí)間等以求完成更精準(zhǔn)的個(gè)性化推送；從內(nèi)容端來講，算法識(shí)別推送文本的類屬話語記號(hào)和隱式話語記號(hào)，再與用戶話語特征相匹配。在這樣的推送方式下，F(xiàn)acebook算法推薦催生了新的新聞價(jià)值與生產(chǎn)機(jī)制。

（一）Facebook算法運(yùn)行原則的演變

Facebook團(tuán)隊(duì)認(rèn)為：NewsFeed（動(dòng)態(tài)消息）新聞價(jià)值觀的最大成就就是為人們提供接近性強(qiáng)的信息，力圖展現(xiàn)主觀的、個(gè)人的、獨(dú)特的并且體現(xiàn)用戶理想的價(jià)值觀的信息。2016年之后，陷入“偏見門”的Facebook首次宣布了自身算法的理念說明，即所謂的“3F”原則——Friends and Family First：朋友家庭優(yōu)先、包容多種觀點(diǎn)、增強(qiáng)交際真實(shí)性、鞏固用戶主動(dòng)地位[2]。

2016年以后，Newsfeed的算法程序不斷調(diào)整，力圖將朋友關(guān)系、明確的用戶興趣、用戶參與程度、隱藏的用戶偏好、內(nèi)容發(fā)布時(shí)間、平臺(tái)優(yōu)先級(jí)、頁面之間的關(guān)系、用戶的負(fù)面偏好等擬定為算法改進(jìn)的核心，不斷優(yōu)化用戶體驗(yàn)。近年來，F(xiàn)acebook算法推送的策略變動(dòng)可總結(jié)為如下[3]：

2016年，置頂朋友相關(guān)內(nèi)容、治理虛假廣告、預(yù)測符合用戶喜好且有用的信息、減少推送釣魚網(wǎng)站、優(yōu)先朋友親人相關(guān)信息、開發(fā)觀眾優(yōu)化工具、優(yōu)先推送視頻；2017年，推出趨勢新聞單元、在菜單上添加“發(fā)現(xiàn)頁面”使用戶獲得多元觀點(diǎn)和信息、屏蔽虛假粗略和低質(zhì)量信息、測試訂閱話題功能、將關(guān)系權(quán)重調(diào)整至愛好權(quán)重之前、將觀看完成百分比設(shè)置為推送重要依據(jù)；2018年，優(yōu)先推送信源可信度高的新聞消息、縮減來自品牌商家的推送；2019年，提高原裝高質(zhì)量視頻的推送量、增加親密關(guān)系與信息價(jià)值的權(quán)重、設(shè)置“點(diǎn)擊間隔”隔絕假新聞；2020年，優(yōu)先原創(chuàng)報(bào)道的推送。

可以看出，F(xiàn)acebook的算法推薦在商業(yè)邏輯運(yùn)作下以營利為首要目標(biāo)，致力于用戶黏性、點(diǎn)擊率的提升，也考慮到了媒體的社會(huì)責(zé)任、新聞專業(yè)主義的實(shí)現(xiàn)和用戶體驗(yàn)。

（二）算法推薦對(duì)新聞價(jià)值觀的重構(gòu)

在19世紀(jì)，新聞業(yè)發(fā)揮著“民主市場社會(huì)與城市商業(yè)意識(shí)的產(chǎn)物和推動(dòng)者”的作用[4]。以算法推薦技術(shù)為代表的新技術(shù)從外部改造傳統(tǒng)新聞業(yè)，重構(gòu)了已經(jīng)組織化的新聞生產(chǎn)和實(shí)踐。新聞專業(yè)主義是西方新聞業(yè)發(fā)展的理論之本，公共性與客觀性是新聞專業(yè)主義最重要的兩套準(zhǔn)則。但智媒技術(shù)影響下的新聞業(yè)是否還能秉持新聞專業(yè)主義，還是對(duì)其進(jìn)行反思和重估呢？

從客觀性來講，機(jī)器學(xué)習(xí)或者神經(jīng)網(wǎng)絡(luò)技術(shù)為算法新聞奠定基礎(chǔ)，算法新聞的分發(fā)模式可被概括為“I-T-O”[5]，即數(shù)據(jù)輸入、數(shù)據(jù)吞吐、產(chǎn)品輸出三個(gè)過程，完成對(duì)新聞產(chǎn)品線上和線下的高效分發(fā)。很多算法推薦的使用者都宣稱相比人工編輯，技術(shù)更加客觀中立，但卻在實(shí)踐中證明了其存在偏見。2016年，F(xiàn)acebook的“Trending Topic（熱門話題）”就被爆出其并不是算法客觀運(yùn)作的結(jié)果，而是通過人工編輯的判斷取舍，并且在有意打壓保守派的新聞。面對(duì)質(zhì)疑，F(xiàn)acebook將其“Trending Topic”的人工編輯撤銷，但技術(shù)中立、客觀的成見還是被這場風(fēng)波動(dòng)搖，并使公眾對(duì)算法的工具性產(chǎn)生懷疑。技術(shù)中立所打造的“幻象”從此被打破。新聞客觀性代表了一種謹(jǐn)慎的專業(yè)知識(shí)，意味著新聞從業(yè)者要秉持專業(yè)態(tài)度而將自身的偏見擱置一旁，而技術(shù)則更少倚重于這種專業(yè)態(tài)度和技術(shù)，將其客觀性體現(xiàn)于機(jī)械中立的技術(shù)承諾[6]。

從公共性來講，理論家堅(jiān)持認(rèn)為社會(huì)現(xiàn)狀的合法化要依靠社會(huì)的大眾媒介類維護(hù)和保持。從新聞業(yè)誕生，新聞從業(yè)者就認(rèn)為專業(yè)人士比他們的受眾更有資格決定受眾的需要[6]。但當(dāng)算法引入新聞生產(chǎn)和傳播過程以后，新聞的公共性遭到了沖擊。算法推薦將個(gè)性化需求設(shè)置為參考的重要標(biāo)準(zhǔn)，而新聞專業(yè)主義致力于服務(wù)社會(huì)公眾，維護(hù)大眾的利益。算法相關(guān)性的概念就如同新聞價(jià)值和新聞熱度，成為智媒技術(shù)時(shí)代新聞的衡量標(biāo)準(zhǔn)。工程師要根據(jù)用戶的媒介使用情況進(jìn)行調(diào)適，以提高用戶的滿意度，從而忽視了信息的相關(guān)性[7]。谷歌為了維持其客觀性，規(guī)定了“我們要知道的七個(gè)真相”，其中就包括“任何短期收益都不能成為我們違背客觀性的理由”。對(duì)于信息提供者來說，為公眾提供重要且不穩(wěn)定信息的算法的客觀性更為重要。

三、影響分辨：可供性互動(dòng)與公共領(lǐng)域

用戶畫像刻畫是算法推薦和個(gè)性化信息分發(fā)的中心機(jī)制，并與用戶的特定需求息息相關(guān)。Facebook通過分析用戶行為（如購買行為、內(nèi)容瀏覽行為、閱讀行為等），根據(jù)相似性將用戶分類，采用協(xié)同過濾的推送方式為興趣相同的用戶進(jìn)行產(chǎn)品和內(nèi)容的推薦。人工智能技術(shù)不只帶來了個(gè)性化的紅利，也帶來了滿載偏見的過濾氣泡。人工智能為傳播增添了更多情感和情緒色彩，潛移默化地改變著傳播中的信息交流與情感交流。通過增加對(duì)用戶的認(rèn)知，平臺(tái)媒體在輿論引導(dǎo)中占據(jù)主動(dòng)位置。

（一）肖像刻畫與使用體驗(yàn)：技術(shù)與用戶的可供性互動(dòng)

“可供性”是一個(gè)心理學(xué)概念，吉布森將其界定為生物與環(huán)境之間的相互協(xié)調(diào)性?？晒┬泽w現(xiàn)了生物本身和其周圍環(huán)境的關(guān)聯(lián)、互補(bǔ)、互惠的關(guān)系?？晒┬岳碚撝腥伺c環(huán)境相互協(xié)調(diào)、人與人工物的交互作用的觀點(diǎn)可以作為分析算法新聞的相關(guān)理論[8]。智媒技術(shù)通過用戶數(shù)據(jù)收集處理，在相似用戶間建立關(guān)聯(lián)。Facebook算法的設(shè)計(jì)者認(rèn)為，用戶畫像不僅可以呈現(xiàn)于其親人朋友等社會(huì)關(guān)系網(wǎng)絡(luò)中，還體現(xiàn)在其周圍人群的社群特征中，這點(diǎn)在社會(huì)科學(xué)中早有印證。因此，算法多從兩個(gè)維度來劃分用戶畫像：用戶維度和社會(huì)維度。這種算法的行動(dòng)可以分為三步：第一步，審查以自我為核心的社會(huì)人際關(guān)系；第二步，為與自我相關(guān)的社群特征畫像；第三步，在第二步社區(qū)畫像的基礎(chǔ)上生成社會(huì)維度的用戶畫像[9]。在這個(gè)過程中，算法技術(shù)的交互作用充分體現(xiàn)出了感知可供性和實(shí)際可供性。從文化實(shí)踐層面的視角來講，這里的算法摒棄了人工物屬性，在現(xiàn)實(shí)世界中，它構(gòu)建了用戶與器物之間的社會(huì)文化關(guān)系，更注重用戶的主動(dòng)參與和互動(dòng)操作，從而捕捉用戶與智能媒體技術(shù)之間的積極互動(dòng)關(guān)系。通過互動(dòng)性的適應(yīng)發(fā)展和優(yōu)化新聞信息傳播端的推送技術(shù)，提高信息傳播的效率。算法推薦技術(shù)就是通過對(duì)用戶畫像的塑造滿足了不同用戶群體的兩種需求。

一是滿足用戶對(duì)傳播差異性的需求。不同文化背景下的受眾了解信息、接收信息的動(dòng)機(jī)和內(nèi)容具有復(fù)雜性。通過話語記號(hào)的收集可以對(duì)具有差異性的用戶進(jìn)行分類，選擇適合用戶的傳播方式，達(dá)到使其認(rèn)可的效果。

二是滿足用戶對(duì)傳播參與性的需求。社交媒體的個(gè)性化分發(fā)為用戶提供了相比傳統(tǒng)媒體時(shí)期更便捷的“參與接口”。這種廣泛的互聯(lián)性推動(dòng)了協(xié)同生產(chǎn)、編輯與審核，將技術(shù)與人力相結(jié)合，實(shí)現(xiàn)了新聞平臺(tái)的智能化運(yùn)行。

同時(shí)，用戶行為也是豐富優(yōu)化算法技術(shù)的重要途徑，這主要體現(xiàn)在兩個(gè)反饋方面。

一是算法中的關(guān)系反饋?；钴S在社交平臺(tái)上的用戶具有多重“關(guān)系”，話語記號(hào)不只是內(nèi)容推送的參考依據(jù)，更是人的關(guān)系的整合方式。從Facebook的算法推送策略更迭中可以看出，算法的關(guān)注重點(diǎn)主要三個(gè)：其一，社交關(guān)系：即用戶在現(xiàn)實(shí)中和互聯(lián)網(wǎng)上社交圈的關(guān)系，這些社交圈決定了用戶日常交往的對(duì)象，與用戶的社交圈形象管理；其二，社群歸屬：具有不同復(fù)雜屬性的個(gè)體也可能具有相同的社群志趣以及文化特征，從而成為主成分分析法的主要依據(jù)；其三，社會(huì)歸屬：媒體是依靠信息生產(chǎn)分發(fā)營利的個(gè)體，也是整個(gè)社會(huì)觀念和意識(shí)形態(tài)的黏合劑，因此社交媒體在滿足用戶需求的同時(shí)也要發(fā)揮新聞專業(yè)主義精神，促進(jìn)社會(huì)整合，參與公共對(duì)話，增強(qiáng)民眾的社會(huì)歸屬感。

二是算法中的場景反饋。場景的構(gòu)成主要包括空間環(huán)境、用戶實(shí)時(shí)狀況、用戶生活習(xí)慣、社會(huì)氛圍等[10]。場景與用戶行為特征存在某種密不可分的聯(lián)系。根據(jù)不同場景特點(diǎn)推測用戶個(gè)性化的內(nèi)容需求是算法推薦亟待開發(fā)的新領(lǐng)域，這就意味著平臺(tái)要收集多維度的用戶數(shù)據(jù)，對(duì)用戶行為及其場景進(jìn)行精細(xì)化考量。

（二）輿論演化與公共領(lǐng)域的重塑

法國傳播學(xué)者米尼克·吳爾敦曾經(jīng)說過：“網(wǎng)絡(luò)將有相同觀點(diǎn)的人聚合在一起，這是他的優(yōu)勢所在，更為復(fù)雜的問題隨之而來，在這個(gè)社會(huì)中，不僅要聚合那些愛好和意見一致的人，還要聚合更多的、持有不同觀點(diǎn)的人?！盵11]多元價(jià)值觀和文化觀是現(xiàn)代文明建立的基礎(chǔ)，但投其所好的推送方式與觀點(diǎn)互通互融的初衷背道而馳。哈貝馬斯描述的公共領(lǐng)域是所有公民批判公共議題的開放空間，它的主要構(gòu)成是自由對(duì)話，目的是形成公共輿論，內(nèi)涵是公共理性精神，大眾傳媒是其主要運(yùn)作工具。在《結(jié)構(gòu)轉(zhuǎn)型》中，哈貝馬斯提出大眾傳媒可以成為公共領(lǐng)域?qū)崿F(xiàn)的最佳場所，但由于商業(yè)化而失敗[12]。

個(gè)性化推薦已經(jīng)成為用戶認(rèn)識(shí)世界的一種方式。曾經(jīng)的傳統(tǒng)媒體往往提供關(guān)于報(bào)道代表性的承諾，編輯要將代表社會(huì)變化全貌的新聞篩選出來全面地呈現(xiàn)在媒介上。而在過濾泡中，單個(gè)用戶根本看不到興趣之外的東西，只著眼于自己的興趣點(diǎn)，忽略了信息所處的大環(huán)境[13]。沃爾特·李普曼早在1921年就提出了他的理論：每個(gè)人都無法想象自身周圍的環(huán)境和現(xiàn)實(shí)復(fù)雜性，只能通過在頭腦中創(chuàng)建外部世界的模型來認(rèn)識(shí)世界，而頭腦中世界的來源就是媒體[14]。媒體對(duì)輿論形成的影響是通過議程設(shè)置體現(xiàn)的，媒體經(jīng)歷了40多年的發(fā)展，而議程設(shè)置理論仍適用于當(dāng)下的信息環(huán)境。議程設(shè)置理論認(rèn)為，媒體的信息呈現(xiàn)對(duì)公眾輿論有重大的影響，因?yàn)槊襟w不但決定了公眾想什么，還決定了公眾如何想、如何判斷。新媒體技術(shù)一方面提供了幾乎無限的信息，另一方面將用戶置于狹隘的過濾氣泡中。根據(jù)皮尤研究中心的調(diào)查，最受歡迎的社交媒體——Facebook中有四分之三的人不知道它的工作機(jī)制。這樣個(gè)性化機(jī)制的內(nèi)容輕易逃脫了用戶的注意，將他們包圍在一個(gè)個(gè)信息泡沫中[15]。Facebook的邊際排名算法就是一種過濾技術(shù)，它通過對(duì)網(wǎng)站上的每個(gè)互動(dòng)進(jìn)行排名，向用戶呈現(xiàn)個(gè)性化的新聞流和狀態(tài)更新，在這種情況下不再是信息找用戶，而是用戶找信息。值得注意的是，算法推薦在涵蓋了用戶的興趣時(shí)也剝奪了他們改變的可能性。當(dāng)算法將意見觀點(diǎn)聚合的平臺(tái)區(qū)隔化后，公共話語就被擾亂了。

四、結(jié)語

算法充分發(fā)揮了其人工物屬性，在新聞傳播端通過平臺(tái)媒體構(gòu)建了一個(gè)積極參與公共話題的平臺(tái)，實(shí)現(xiàn)了人與技術(shù)的互動(dòng)，其可供性的互動(dòng)過程體現(xiàn)為對(duì)用戶的差異性和參與性需求的滿足以及算法關(guān)系和場景的反饋。算法刻畫用戶形象，決定用戶接觸的信息環(huán)境，用戶行為也反過來優(yōu)化算法的推送程序，實(shí)現(xiàn)個(gè)性化推送的“反饋循環(huán)”。技術(shù)在明確其性格畫像的基礎(chǔ)上，將傳播內(nèi)容與觀點(diǎn)訴諸感情，進(jìn)而使社群區(qū)隔化。輿論場被一個(gè)個(gè)封閉的過濾氣泡填充，公共領(lǐng)域中的交往在技術(shù)介入下消融了共同的生活語境，使輿論呈現(xiàn)出陌生化與區(qū)隔化的新特征。

參考文獻(xiàn)：

[1] 凱特琳娜·伊娃·瑪斯塔.臉書和推特在連接手機(jī)讀者和新聞方面扮演的不同角色[EB/OL].媒介和新聞，https：//pewresearch.org/fact-tank/2016/05/ 09facebook-twitter-mobile-news/，2020-05-09.

[2] 亞當(dāng)·莫瑟.為你建立一個(gè)更好的算法推薦[EB/ OL].新聞編輯室，https：//about.fb.com/news/2016/06/ building-a-better-news-feed-for-you/，2016-06-29.

[3] Facebook新聞推送算法歷史[EB/OL].主頁，https：//wallaroomedia.com/facebook-newsfeed-algorithm-history/#seven，2020-11-09.

[4] [美]邁克爾·舒德森.新聞的力量[M].劉藝娉，譯.北京：華夏出版社，2011：86.

[5] 仇筠茜，陳昌鳳.基于人工智能與算法新聞透明度的“黑箱”打開方式選擇[J].鄭州大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2018（05）：84-88，159.

[6] 塔爾頓·吉萊斯皮.算法的相關(guān)性[C]//媒體技術(shù)：傳播、物質(zhì)性與社會(huì)論文集. 2014：167.

[7] 馬特·卡爾森.機(jī)器人記者：自動(dòng)化新聞和勞動(dòng)、合成形式的重新定義和新聞權(quán)威[J].數(shù)字新聞業(yè)，2015，3（3）：416-431.

[8] 景義新，沈靜.新媒體可供性概念的引入與拓展[J].當(dāng)代傳播，2019（01）：93.

[9] 迪烏多內(nèi)·楚恩特，等.基于社區(qū)的算法從以自我為中心的網(wǎng)絡(luò)中獲取用戶資料：在Facebook和DBLP上的實(shí)驗(yàn)[J].社會(huì)網(wǎng)絡(luò)分析，2013，3（3）：667-683.

[10] 彭蘭.增強(qiáng)與克制：智媒時(shí)代的新生產(chǎn)力[J].湖南師范大學(xué)社會(huì)科學(xué)學(xué)報(bào)，2019（04）：132-142.

[11] [法]多米尼克·吳爾敦.拯救傳播[M].劉昶，蓋蓮香，譯.北京：中國傳媒大學(xué)出版社，2012：2.

[12] [德]于爾根·哈貝馬斯.公共領(lǐng)域的結(jié)構(gòu)轉(zhuǎn)型[M].曹衛(wèi)東，等，譯.上海：學(xué)林出版社，1999：114.

[13] 伊萊·帕里澤.過濾泡，互聯(lián)網(wǎng)對(duì)我們的隱秘操縱[M].方師師，譯.北京：中國人民大學(xué)出版社，2020：27.

[14] [美] 沃爾特·李普曼.公眾輿論[M].閻克文，江紅，譯.上海：上海人民出版社，2020：12-15.

[15] 阿羅姆·史密斯.很多臉書用戶不了解算法推薦的運(yùn)作機(jī)制[EB/OL]. 智庫，https：//www.pewresearch.org/fact-tank/2018/09/05/many-facebookusers-dont-understand-how-the-sites-news-feedworks/，2018-09-05.

作者簡介：白秋敏（1994—），女，陜西西安人，碩士在讀，研究方向：新媒體。