熊亞光

個性化推薦是當(dāng)下新聞傳播領(lǐng)域的熱點，是指利用數(shù)據(jù)挖掘、機器學(xué)習(xí)、人工智能等技術(shù)，分析用戶的行為數(shù)據(jù)和偏好數(shù)據(jù)，構(gòu)建用戶畫像，然后根據(jù)用戶的特征和偏好，為用戶生成個性化的推薦列表，提供更符合其需求和口味的新聞內(nèi)容，實現(xiàn)對用戶信息需求的精準(zhǔn)推送。新聞平臺通過提供定制化、個性化的內(nèi)容，提高用戶體驗和滿意度，但與此同時，也帶來了諸多問題和風(fēng)險［1-2］。

本文嘗試運用多學(xué)科理論，解析個性化推薦背后的心理動因、傳播規(guī)律及現(xiàn)象功能，并從中梳理出其對個體、群體、媒體以及社會的影響。

一、個性化推薦影響用戶行為和偏好的心理因素

用戶行為和偏好是指用戶在新聞平臺上表現(xiàn)出來的瀏覽、點擊、收藏、評論、轉(zhuǎn)發(fā)等行為數(shù)據(jù)，以及用戶對不同類型、主題、風(fēng)格等新聞內(nèi)容的興趣、態(tài)度、情感等偏好數(shù)據(jù)［3］。個性化推薦對用戶行為和偏好有著顯著影響，主要表現(xiàn)為：

提高用戶點擊率。點擊率是指用戶點擊新聞內(nèi)容的次數(shù)占總展示次數(shù)的比例，是衡量用戶對新聞內(nèi)容感興趣程度的常用指標(biāo)。個性化推送可以根據(jù)用戶特征和偏好，為用戶提供更符合其需求和口味的新聞內(nèi)容，從而提高用戶點擊率。

增加用戶閱讀時長。閱讀時長是衡量用戶對新聞內(nèi)容滿意度和忠誠度的常用指標(biāo)。個性化推送可以根據(jù)用戶特征和偏好，為用戶提供更符合其水平和身份背景的新聞內(nèi)容，從而增加用戶閱讀時長。

促進用戶轉(zhuǎn)發(fā)評論。轉(zhuǎn)發(fā)評論是衡量用戶對新聞內(nèi)容參與度和影響力的常用指標(biāo)。個性化推送可以根據(jù)用戶特征和偏好，為用戶提供更符合其情感和價值觀的新聞內(nèi)容，從而促進用戶轉(zhuǎn)發(fā)評論。

這些影響的背后有著一些心理學(xué)因素：

確認偏差。人們傾向于尋找、關(guān)注、記憶和接受符合自己已有觀點或信念的信息，而忽視、排斥、遺忘和否定與自己相悖的信息。例如，一個體育愛好者更傾向于點擊和閱讀與體育相關(guān)的新聞內(nèi)容，而忽略其他類型的新聞內(nèi)容。個性化推送可以滿足用戶的確認偏差，為用戶提供更多與其觀點或信念一致的新聞內(nèi)容，從而增加用戶對渠道的信任感和滿足感。

情感共鳴。人們在接觸到某些信息時，會產(chǎn)生與信息中所表達的情感相一致或相似的情感反應(yīng)。例如，當(dāng)用戶正在經(jīng)歷一些困難或挫折，可能更傾向于點擊和閱讀與其情感狀態(tài)或需求匹配的新聞內(nèi)容，如鼓勵、安慰、啟發(fā)等。這種心理現(xiàn)象也被稱為情感傳染。個性化推送可以滿足用戶的情感共鳴，為用戶提供更多與其情感狀態(tài)或需求匹配的新聞內(nèi)容，從而增加用戶的共情能力和幸福感。

社會認同。人們在社會互動中，會受到他人或群體的態(tài)度、行為、規(guī)范等因素的影響，從而改變自己的態(tài)度、行為、規(guī)范等。個性化推送可以降低用戶的環(huán)境融入難度，為用戶提供更多與其所屬或所向往的社會群體相關(guān)或認可的新聞內(nèi)容，從而增加用戶的歸屬感和認同感。

綜合這些分析可以發(fā)現(xiàn)，個性化推薦有過度迎合用戶偏好和興趣的傾向，導(dǎo)致用戶只能接觸到有限和單一的信息，而無法看到更多元的信息，從而出現(xiàn)遮蔽用戶信息視野和降低用戶判斷能力的情況。如果用戶只能看到與自己觀點一致的新聞內(nèi)容，會給其造成自己所持有的觀點是正確和普遍的錯覺，而忽略了其他可能存在的不同或相反的觀點，導(dǎo)致用戶對新聞內(nèi)容缺乏批判性思維和辨識能力，甚至產(chǎn)生偏見和歧視，出現(xiàn)信息繭房和群體極化現(xiàn)象。

二、個性化推薦影響新聞內(nèi)容和質(zhì)量的傳播機制

新聞內(nèi)容和質(zhì)量是指新聞內(nèi)容本身所具有的特征和價值，以及新聞內(nèi)容符合新聞傳媒的價值標(biāo)準(zhǔn)和社會責(zé)任的程度［4］。新聞內(nèi)容和質(zhì)量是衡量新聞傳媒水平和地位的重要指標(biāo)，也是影響用戶行為和偏好的重要因素。個性化推薦對新聞內(nèi)容和質(zhì)量有著顯著的影響，主要表現(xiàn)在：

增加新聞內(nèi)容的多樣性。內(nèi)容多樣性是指新聞內(nèi)容涵蓋不同類型、主題、風(fēng)格等方面的廣度和深度，是衡量新聞內(nèi)容豐富程度和創(chuàng)新程度的常用指標(biāo)。個性化推送可以根據(jù)用戶不同方面或?qū)哟蔚呐d趣或需求，為用戶提供更多不同類型、主題、風(fēng)格等方面的新聞內(nèi)容，增加新聞內(nèi)容的多樣性。

提高新聞內(nèi)容的平衡性。平衡性是指新聞內(nèi)容反映不同觀點、立場、利益等方面的公正和客觀，是衡量新聞內(nèi)容符合新聞傳媒價值標(biāo)準(zhǔn)和社會責(zé)任的常用指標(biāo)。個性化推送可以根據(jù)用戶對不同觀點、立場、利益等方面的接受度和信任度，為用戶提供更多包含不同觀點、立場、利益等方面的新聞內(nèi)容，從而提高新聞內(nèi)容的平衡性。

降低新聞內(nèi)容的深度與準(zhǔn)確性。深度是指新聞內(nèi)容分析和解釋某一事件或話題的原因、背景、影響等方面的深入和全面，準(zhǔn)確性是指新聞內(nèi)容反映事實真相和客觀現(xiàn)實的正確和可靠。二者是衡量新聞媒體內(nèi)容質(zhì)量、創(chuàng)作水平及社會責(zé)任的常用指標(biāo)。個性化推送可能會根據(jù)用戶對簡單、快速、有趣等方面的偏好，為用戶提供更多淺顯、碎片、娛樂等方面的新聞內(nèi)容。以偏概全的新聞呈現(xiàn)，會降低新聞內(nèi)容的深度與準(zhǔn)確性。

這些影響的背后涉及信息產(chǎn)消的機制：

內(nèi)容生產(chǎn)機制。新聞生產(chǎn)者在采集、加工、呈現(xiàn)新聞內(nèi)容時，會受到個性化推送的影響，從而調(diào)整自己的內(nèi)容生產(chǎn)策略和方式。為了適應(yīng)算法邏輯和用戶偏好，新聞生產(chǎn)者可能會傾向于生產(chǎn)一些更加吸引眼球、迎合用戶口味的新聞內(nèi)容，而忽略一些更加重要、客觀、多元的新聞內(nèi)容。這樣，新聞內(nèi)容的類型、主題、風(fēng)格等特征就會發(fā)生變化，從而影響新聞內(nèi)容的質(zhì)量和價值。

內(nèi)容分發(fā)機制。根據(jù)新聞內(nèi)容和用戶特征，新聞平臺在推送、展示、傳播新聞內(nèi)容時，會不同程度地受到個性化推送的影響，從而調(diào)整自己的內(nèi)容分發(fā)策略和方式，更傾向于分發(fā)一些更加符合用戶的興趣、需求、背景的新聞內(nèi)容，而過濾或隱藏一些與用戶不相關(guān)或不喜歡的新聞內(nèi)容，從而改變新聞內(nèi)容的流向、結(jié)構(gòu)、效果等特征。

內(nèi)容消費機制。個性化推送可能會影響用戶的內(nèi)容消費機制，使其更傾向于消費符合算法邏輯和用戶偏好的新聞內(nèi)容，而忽視或排斥一些與自己相?；蛳喾吹男侣剝?nèi)容，從而改變用戶對新聞內(nèi)容的認知、態(tài)度、行為等特征。

內(nèi)容互動機制。用戶會傾向于與一些更加符合自己的興趣、需求、身份的新聞內(nèi)容和其他用戶進行互動，而避免或排斥一些與自己不相關(guān)不喜歡的新聞內(nèi)容和其他用戶，從而影響用戶的社會認同和參與。

綜合上述分析，可以發(fā)現(xiàn)個性化推薦系統(tǒng)依賴于復(fù)雜和隱秘的算法技術(shù)，由于缺乏足夠的透明性，極易引發(fā)公眾對算法是否公正、合理、可解釋等方面的質(zhì)疑和爭議［5］，最終會導(dǎo)致新聞內(nèi)容缺乏信服力和價值感。為了提高推薦算法的公平性和透明性，個性化推薦需要增強技術(shù)透明度，在系統(tǒng)中加入一些可審計和解釋的技術(shù)，關(guān)注普通用戶的監(jiān)督和反饋，以實現(xiàn)個性化推薦與新聞內(nèi)容和質(zhì)量之間的良性互動。

三、個性化推薦影響新聞生產(chǎn)和傳播的社會動因

新聞生產(chǎn)和傳播是指媒體在社會中扮演的角色和功能，以及對社會形成的影響和反饋，是衡量新聞傳媒水平和地位的重要指標(biāo)，也是影響用戶行為和偏好的重要因素。個性化推薦對新聞生產(chǎn)和傳播的各個環(huán)節(jié)都有著深刻的影響，主要表現(xiàn)在：

改變新聞生產(chǎn)者的角色。個性化推送重新定義了新聞生產(chǎn)者的身份，使他們不再只是信息提供者、輿論引導(dǎo)者、社會監(jiān)督者等傳統(tǒng)角色，而是數(shù)據(jù)分析師、算法優(yōu)化師、用戶服務(wù)者等新角色［6］。

改變新聞平臺的能力。個性化推送重塑新聞平臺的能力，使之不再只是信息中介、信息整合者、信息傳播者等傳統(tǒng)能力，而需要掌握數(shù)據(jù)挖掘、數(shù)據(jù)分析、數(shù)據(jù)應(yīng)用等新能力。

改變新聞傳播的流向。新聞傳播的流向是指新聞內(nèi)容在社會中的傳播路徑和方向，以及與其他社會內(nèi)容之間的關(guān)聯(lián)和影響。個性化推送正在改變新聞傳播的流向模式和流向效果，使其從傳統(tǒng)意義上的單向傳播，日益呈現(xiàn)出人人傳播、多向傳播、海量傳播的特征，分眾化、差異化傳播趨勢明顯。

改變新聞傳播的效果。新聞傳播的效果是指新聞內(nèi)容對社會和個體所產(chǎn)生的影響和反饋，以及對社會和個體所帶來的價值和意義。個性化推送影響新聞傳播的效果，使其不再只是知識教育、輿論引導(dǎo)、社會監(jiān)督等傳統(tǒng)效果，而是涉及情感滿足、興趣培養(yǎng)、社交互動等新效果。

個性化推送對新聞生產(chǎn)和傳播的影響，背后的社會動因如下：

話語權(quán)轉(zhuǎn)移。新聞生產(chǎn)者和新聞平臺在社會中所擁有的影響力發(fā)生了變化。個性化推送可能會導(dǎo)致話語權(quán)轉(zhuǎn)移現(xiàn)象，使得傳統(tǒng)意義上的權(quán)威媒體或?qū)I(yè)記者影響力弱化，而一些基于算法邏輯或用戶偏好的自媒體獲得更強的傳播力。這種現(xiàn)象反映了新聞生產(chǎn)和傳播的去中心化和民主化的趨勢，也帶來了新聞生產(chǎn)和傳播的多元化和創(chuàng)新的機會。然而，這種現(xiàn)象也可能導(dǎo)致新聞生產(chǎn)者和新聞平臺的責(zé)任和義務(wù)的模糊。

文化多元。社會中不同群體或個體的價值觀、信仰、風(fēng)俗等方面具有多樣性和差異性。個性化推送可能會促進文化的多元，使得一些具有獨特或少數(shù)的價值觀、信仰、風(fēng)俗等方面的群體或個體獲得更多的尊重和認可，而原本一些處于主流的群體或個體獲得更多的挑戰(zhàn)和反思。這種現(xiàn)象反映了新聞內(nèi)容和質(zhì)量的豐富性和差異性，也帶來了新聞內(nèi)容和質(zhì)量的創(chuàng)新和優(yōu)化的可能。然而，這也可能導(dǎo)致新聞內(nèi)容和質(zhì)量的混亂和沖突，以及新聞內(nèi)容和質(zhì)量的標(biāo)準(zhǔn)和評價的困難。

社會分化。社會中不同群體或個體之間在觀念、利益、行為等方面出現(xiàn)差異或?qū)α⒌倪^程。個性化推送可能會加劇社會分化，使得一些具有相似或相同特征或偏好的群體或個體形成更緊密或更封閉的社交網(wǎng)絡(luò)，而一些具有不同或相反特征或偏好的群體或個體形成更疏遠或更隔離的網(wǎng)絡(luò)群體。這種現(xiàn)象反映了新聞消費和傳播的個性化和定制化的需求，也帶來了新聞消費和傳播的效率和滿意度的提高。然而，也可能導(dǎo)致新聞消費和傳播的多樣性和平衡性的缺失，以及新聞消費者和傳播者的偏見和歧視的增加。

從社會學(xué)角度分析，個性化推薦既有積極的轉(zhuǎn)變也有消極的影響。充分利用新變化，提高新聞生產(chǎn)和傳播的效率和質(zhì)量，同時化解個性化推送帶來的問題和挑戰(zhàn)，保障新聞生產(chǎn)和傳播的真實性和多樣性，能更深切地關(guān)注普通用戶的利益和權(quán)利，實現(xiàn)個性化推薦與新聞生產(chǎn)和傳播之間的和諧互動。

四、結(jié)語

新聞個性化推薦是一項應(yīng)用廣泛、影響深刻的傳播技術(shù)，涉及多學(xué)科的理論和方法，本文從心理學(xué)、傳播學(xué)和社會學(xué)三個學(xué)科的視角進行分析，揭示了個性化推薦風(fēng)險的形成機制和社會影響。從心理學(xué)視角，我們可以看到個性化推薦如何影響用戶的認知和決策；從傳播學(xué)視角，我們可以看到算法推薦如何影響公共輿論和新聞多樣性；從社會學(xué)視角，我們可以看到個性化推薦如何影響社會公正和隱私保護。

面對個性化推薦帶來的復(fù)雜問題和挑戰(zhàn)，多學(xué)科研究提供了多維度理論基礎(chǔ)和解決方案。未來可以在如下研究方向作進一步拓展：

深化風(fēng)險因素的理論和實證研究。未來研究可以繼續(xù)深化對新聞個性化推薦風(fēng)險因素的理論和實證研究，探索更多可能的風(fēng)險因素和其社會影響，為風(fēng)險防控提供更為全面和深刻的理解。

拓展風(fēng)險防控策略的研究范圍。在現(xiàn)有研究基礎(chǔ)上，未來可以拓展風(fēng)險防控策略的研究范圍，探索更多可能的技術(shù)、法律和社會防控措施，為推薦系統(tǒng)的健康發(fā)展提供多元化和創(chuàng)新的解決方案。

跨學(xué)科和跨領(lǐng)域的合作研究。鑒于新聞個性化推薦的風(fēng)險涉及多個學(xué)科和領(lǐng)域，未來研究可以推動跨學(xué)科和跨領(lǐng)域的合作研究，集合不同學(xué)科和領(lǐng)域的專家共同探討和應(yīng)對新聞個性化推薦的風(fēng)險，為解決實際問題提供多方面的支持和參考。