匡文波 王天嬌

(中國人民大學(xué)新聞學(xué)院,北京 100872)

大數(shù)據(jù)與算法推薦技術(shù)給當(dāng)下的媒介生態(tài)和傳播形態(tài)造成了顯著的影響,潛移默化地改變了用戶的媒介使用行為和習(xí)慣。目前,抖音、微博和微信等社交媒體平臺(tái)對(duì)算法推薦的使用日漸廣泛和深入,算法推薦可以提高平臺(tái)傳播效率、優(yōu)化信息服務(wù)、提升用戶體驗(yàn),并進(jìn)一步擴(kuò)大平臺(tái)影響范圍。社交媒體算法推薦特有的傳播邏輯主要包括技術(shù)邏輯、商業(yè)邏輯、流量邏輯和文化邏輯。算法推薦和這些傳播邏輯具有較強(qiáng)優(yōu)勢(shì),在很大程度上優(yōu)化了信息服務(wù)的方式,提升了其效果,但同時(shí)也催生了問題和隱患,侵權(quán)問題、技術(shù)黑箱、算法歧視、技術(shù)依賴、媒介公共性減弱等現(xiàn)象越發(fā)引起人們注意。這些由算法推薦引發(fā)的問題會(huì)在網(wǎng)絡(luò)空間甚至現(xiàn)實(shí)空間造成不良影響,社交媒體平臺(tái)在利用算法的同時(shí)也要從多層面解決這些問題,承擔(dān)相應(yīng)的社會(huì)責(zé)任。

一、 研 究 背 景

(一) 文獻(xiàn)綜述

算法推薦可以提高內(nèi)容與用戶之間的匹配效率,在社交媒體中被大量使用,在學(xué)界也引起廣泛關(guān)注。目前有研究從用戶層面探討社交媒體算法推薦,認(rèn)為不同用戶對(duì)算法推薦的接受程度不同,能夠在深層次上使用社交媒體抑或?qū)ι缃幻襟w有較高心理效能的用戶更傾向于接受算法推薦內(nèi)容;(1)范梓騰、寧晶、魏娜: 《社交媒體用戶的算法推薦內(nèi)容接受度研究》,《電子政務(wù)》2021年第7期,第113—124頁。也有研究發(fā)現(xiàn)接觸過算法推薦的用戶數(shù)量龐大,至少使用過一種算法推薦類APP的網(wǎng)民逾九成,使用比例和頻率最高的是抖音。(2)周葆華: 《算法推薦類APP的使用及其影響——基于全國受眾調(diào)查的實(shí)證分析》,《新聞?dòng)浾摺?019年第12期,第27—37頁。有研究對(duì)社交媒體算法推薦產(chǎn)生的影響進(jìn)行分析,認(rèn)為算法推薦會(huì)對(duì)輿論的形成產(chǎn)生負(fù)面影響,因?yàn)橐陨虡I(yè)利益傾向?yàn)楦镜乃惴ㄍ扑]難以承載社會(huì)輿論維護(hù)主流價(jià)值、公共利益的導(dǎo)向作用;(3)陶賢都、李肖楠: 《算法推薦影響社會(huì)輿論安全的風(fēng)險(xiǎn)及治理》,《青年記者》2022年第14期,第33—35頁。也有研究指出算法推薦會(huì)加劇社交媒體中虛假信息的傳播,尤其是情感動(dòng)力驅(qū)動(dòng)的虛假信息更容易傳播,算法推薦在大幅度解放媒介生產(chǎn)力的同時(shí)大大提高了用戶的有效到達(dá)率,這樣的精確計(jì)算奠定了用戶在互聯(lián)網(wǎng)空間情感共鳴的基礎(chǔ)。(4)馬玉寧: 《情感與規(guī)制: 社交媒體虛假信息的傳播動(dòng)因和治理路徑》,《中國編輯》2022年第4期,第51—56頁。此外,還有研究從社交媒體平臺(tái)商業(yè)盈利的角度探討算法推薦,指出算法推薦環(huán)境下智能廣告取代了傳統(tǒng)廣告,智能廣告運(yùn)作的核心邏輯體現(xiàn)在從經(jīng)驗(yàn)到科學(xué)的智能洞察和需求預(yù)測(cè)、以算法模型為工具的智能生產(chǎn)與分發(fā)、整合時(shí)間與空間的智能互動(dòng)與反饋三個(gè)方面。(5)段淳林、宋成: 《用戶需求、算法推薦與場景匹配: 智能廣告的理論邏輯與實(shí)踐思考》,《現(xiàn)代傳播(中國傳媒大學(xué)學(xué)報(bào))》2020年第42卷第8期,第119—128頁。

目前有關(guān)社交媒體算法推薦傳播邏輯的研究相對(duì)較少,現(xiàn)有研究大多著眼于闡釋算法推薦某單一方面的特點(diǎn),例如有研究指出算法偏見的生成邏輯,認(rèn)為依托算法技術(shù)實(shí)現(xiàn)的信息產(chǎn)品智能傳播過程隱藏著大量算法偏見,它貫穿于算法程序設(shè)計(jì)、數(shù)據(jù)挖掘、數(shù)據(jù)分析等算法活動(dòng)的全過程,每個(gè)步驟都可能將偏見悄然嵌入數(shù)據(jù)代碼;(6)郭穎: 《智能傳播中的算法偏見: 生成邏輯、危害與治理》,《青年記者》2021年第20期,第24—25頁。也有研究分析短視頻平臺(tái)廣告的傳播邏輯和內(nèi)容消費(fèi)邏輯,認(rèn)為用戶在瀏覽短視頻時(shí)所發(fā)生的行為都會(huì)影響短視頻廣告的算法權(quán)重,并用于判斷這一短視頻廣告的受歡迎程度、內(nèi)容優(yōu)質(zhì)與否,決定短視頻分發(fā)的價(jià)值。(7)李艷、吳文璟、湯屈: 《互聯(lián)網(wǎng)環(huán)境下短視頻廣告的傳播邏輯與環(huán)境——基于不同廣告屬性的研究》,《新聞前哨》2022年第12期,第56—57頁。此外,有研究從政治敘事的角度分析算法推薦的技術(shù)邏輯,認(rèn)為網(wǎng)絡(luò)算法實(shí)質(zhì)上是資本利用技術(shù)權(quán)力以工具理性支配價(jià)值理性、以數(shù)據(jù)化外衣實(shí)現(xiàn)行為規(guī)制和生命控制的技術(shù)-政治。(8)錢燕茹: 《網(wǎng)絡(luò)算法分發(fā)技術(shù)邏輯的生命政治敘事》,《學(xué)術(shù)交流》2022年第8期,第16—27頁。

(二) 研究意義與創(chuàng)新性

目前已有相關(guān)研究從社交媒體算法推薦的某一種特點(diǎn)和現(xiàn)象入手進(jìn)行分析論述,但無論是內(nèi)容、用戶、技術(shù)形式還是其各種負(fù)面影響,這些特點(diǎn)與問題的呈現(xiàn)都根源于算法推薦內(nèi)在的傳播邏輯,探究算法推薦的傳播邏輯可以更深層次地理解這些現(xiàn)象的內(nèi)在動(dòng)因。目前有關(guān)社交媒體算法推薦傳播邏輯的研究有待完善,本文從多角度、全方面分析社交媒體算法推薦傳播邏輯,在完善相關(guān)理論構(gòu)建的同時(shí),也為算法平臺(tái)治理實(shí)踐提供理論依據(jù)。

二、 算法推薦的內(nèi)涵

算法一詞本身來自計(jì)算機(jī)科學(xué),是人類通過代碼設(shè)置、數(shù)據(jù)運(yùn)算與機(jī)器自動(dòng)化判斷進(jìn)行決策的一套機(jī)制。(9)丁曉東: 《論算法的法律規(guī)制》,《中國社會(huì)科學(xué)》2020年第12期,第138—159頁。隨著算法在人工智能、新聞傳播和網(wǎng)絡(luò)新媒體等領(lǐng)域的推廣應(yīng)用,算法不斷與其他概念相結(jié)合,產(chǎn)生了算法新聞、算法治理、算法推薦、人工智能寫作算法等術(shù)語,并在這些領(lǐng)域得到快速發(fā)展。算法推薦融合人工智能、大數(shù)據(jù)、計(jì)算機(jī)算法等技術(shù),在傳播中高效地將信息和用戶相匹配,是一種新興的、融合的技術(shù)形式。

在算法原本的領(lǐng)域中,算法被視為一種對(duì)特定問題進(jìn)行處理并能執(zhí)行某種意愿的計(jì)算工具,算法推薦也可以看作是一種工具。這種工具可以用來收集大量的用戶信息、預(yù)測(cè)用戶偏好和行為,或輔助生產(chǎn)某些內(nèi)容,一方面為平臺(tái)用戶更加精準(zhǔn)和詳盡地提供有針對(duì)性的服務(wù),另一方面也為平臺(tái)的管理者和廣告商服務(wù),讓其更有效地達(dá)到某種傳播目的,對(duì)于傳播雙方來講,算法推薦都可以視為一種便捷高效的工具。

此外,算法推薦也可以是一種網(wǎng)絡(luò)空間的權(quán)力體現(xiàn)。算法以匹配、調(diào)節(jié)與控制等方式塑造了事物之間的關(guān)系,并由此獲取權(quán)力。(10)彭蘭: 《生存、認(rèn)知、關(guān)系: 算法將如何改變我們》,《新聞界》2021年第3期,第45—53頁。算法推薦控制著信息的傳播與接受,特定內(nèi)容的分發(fā)時(shí)間范圍和用戶可以接受到的內(nèi)容在很大程度上被算法推薦所影響。算法推薦還加大了不同群體之間獲取信息的不平等,算法相關(guān)的接入鴻溝、使用鴻溝和內(nèi)容鴻溝影響用戶獲取信息的機(jī)會(huì)。(11)楊洸、佘佳玲: 《算法新聞?dòng)脩舻臄?shù)字鴻溝: 表現(xiàn)及影響》,《現(xiàn)代傳播(中國傳媒大學(xué)學(xué)報(bào))》2020年第42卷第4期,第145—154頁。用戶本身的個(gè)體差異也使得算法推薦不能對(duì)所有人群平等賦權(quán)。因此算法推薦也可以被視為一種傳播權(quán)力。

三、 社交媒體平臺(tái)算法推薦應(yīng)用現(xiàn)狀

近年來,社交媒體平臺(tái)越來越廣泛運(yùn)用算法推薦技術(shù),并以此獲得了大量的用戶群體。有研究指出在其調(diào)查的網(wǎng)民用戶群體中,逾九成(91．8%)至少使用過一種算法推薦類APP,復(fù)合性使用算法推薦類APP的占絕大多數(shù)(85．4%)。(12)周葆華: 《算法推薦類APP的使用及其影響——基于全國受眾調(diào)查的實(shí)證分析》,《新聞?dòng)浾摺?019年第12期,第27—37頁。短視頻因其傳播速度快、內(nèi)容輕量化等特點(diǎn),深度切合當(dāng)前用戶碎片化的使用場景,已成為人們獲取新聞資訊的一種主要形態(tài)。(13)譚樂娟: 《人工智能技術(shù)在視頻編輯中的應(yīng)用實(shí)踐》,《中國傳媒科技》2020年第8期,第125—128頁。從技術(shù)角度來講,算法推薦更能夠精準(zhǔn)捕捉用戶畫像、分析用戶偏好,用戶在平臺(tái)中的每一次點(diǎn)擊、互動(dòng)、屏蔽等操作都能產(chǎn)生反饋并被記錄。從用戶的角度出發(fā)進(jìn)行內(nèi)容分發(fā),從用戶找內(nèi)容轉(zhuǎn)變?yōu)閮?nèi)容找用戶,因此產(chǎn)生巨大用戶黏性,吸引越來越多網(wǎng)民使用具有算法推薦功能的社交媒體平臺(tái)?！?021中國網(wǎng)絡(luò)視聽發(fā)展研究報(bào)告》數(shù)據(jù)顯示,截至2020年12月,我國網(wǎng)民規(guī)模為9．89億,較2020年6月新增4915萬,新增網(wǎng)民中20．4%的人第一次上網(wǎng)時(shí)使用的是短視頻應(yīng)用。(14)中國網(wǎng)絡(luò)視聽節(jié)目服務(wù)協(xié)會(huì): 《2021中國網(wǎng)絡(luò)視聽發(fā)展研究報(bào)告》,2021年6月,http://www．cnsa．cn/attach/0/2112271351275360．pdf, 2023年3月13日。如此快速的用戶增長得益于算法推薦對(duì)用戶體驗(yàn)感和滿意程度的提升作用。算法推薦平臺(tái)中龐大的用戶群體催生出來大量的流量,這成為算法推薦平臺(tái)的運(yùn)行動(dòng)力之一。而在微信中,算法推薦和強(qiáng)聯(lián)系社交機(jī)制實(shí)現(xiàn)結(jié)合,例如視頻號(hào)基于微信的社交推薦機(jī)制,讓每個(gè)普通人的視頻都可以在朋友點(diǎn)贊的情況下推薦給朋友的微信好友,從而逐漸擴(kuò)大圈子。(15)孟梅: 《視頻號(hào): 立足微信生態(tài)未來可期》,《中國報(bào)業(yè)》2020年第17期,第125頁。微信視頻號(hào)也利用這種方式在短時(shí)間內(nèi)迅速積攢了大量短視頻用戶。在微博中算法推薦則和弱聯(lián)系、趣緣傳播群體相結(jié)合,形成了數(shù)量繁多、規(guī)模不同的超話社區(qū),并以此進(jìn)一步預(yù)測(cè)用戶的興趣和行為偏好。這種由算法推薦勾連在一起的文化圈層與群體,體現(xiàn)了算法推薦的文化邏輯。

此外,算法推薦也給平臺(tái)帶來了更多商業(yè)利益。2016年字節(jié)跳動(dòng)推出抖音,在之后的一年中字節(jié)跳動(dòng)的全年?duì)I收完成了一次跨越式增長,從60億元直接越至150億元,創(chuàng)造了中國傳媒營銷收入的增長奇跡。(16)朱曉姝、張波: 《從傳媒史看算法對(duì)廣告運(yùn)營范式的影響》,《媒介批評(píng)》2021年第2期,第38—56頁。社交媒體平臺(tái)已經(jīng)能夠越來越巧妙地將算法推薦的商業(yè)邏輯貫穿于平臺(tái)的各種應(yīng)用與服務(wù)當(dāng)中。

社交媒體平臺(tái)中的算法推薦深度嵌入了用戶日常信息獲取、休閑娛樂、社會(huì)交往和消費(fèi)等各種場景,提高了社交媒體平臺(tái)信息服務(wù)與傳播的精確性和效率,提高平臺(tái)對(duì)于用戶的預(yù)測(cè)能力,革新了信息服務(wù)方式,也左右著用戶的社交媒介使用行為,在預(yù)測(cè)用戶習(xí)慣的同時(shí)也在逐漸改變用戶本身。得益于算法推薦的運(yùn)用,社交媒體平臺(tái)得到迅速發(fā)展,獲得了大規(guī)模穩(wěn)定的用戶群體,進(jìn)一步實(shí)現(xiàn)了數(shù)字資本積累,獲得了更大的傳播權(quán)力。

四、 社交媒體算法推薦傳播邏輯

(一) 社交媒體中的5W傳播模式

5W模式將傳播分為傳播者、傳播內(nèi)容、傳播渠道、受眾和傳播效果五個(gè)方面,而新媒體傳播環(huán)境改變了傳播模式,原有的傳播要素與內(nèi)涵發(fā)生了變化。

1． 用戶取代傳者受者

傳統(tǒng)5W傳播模式中,傳播者將內(nèi)容傳遞給受眾,但是在社交媒體去中心化和平權(quán)式的傳播中,傳者與受者之間的界限模糊,地位也不再一成不變,兩者通?？梢噪S時(shí)進(jìn)行轉(zhuǎn)換,平臺(tái)使用者即用戶取代了傳受雙方這種簡單的二元?jiǎng)澐?。平臺(tái)使用者的身份更加多元,不再拘泥于傳播和接受,可以進(jìn)行信息生產(chǎn)、擴(kuò)散、尋求服務(wù)、社會(huì)交往、參與他人傳播活動(dòng)等。所以在社交媒體平臺(tái)中,傳播活動(dòng)和運(yùn)營方式都要從用戶的角度出發(fā),以用戶為中心,分析用戶需求和用戶畫像被構(gòu)建成為算法推薦技術(shù)的核心邏輯。

2． 傳播內(nèi)容靈活多元

在社交媒體平臺(tái)中,內(nèi)容生產(chǎn)方式包括用戶生產(chǎn)和人工智能內(nèi)容生產(chǎn)。由于使用便捷、操作易于學(xué)習(xí),內(nèi)容生產(chǎn)者不再限于傳統(tǒng)的專業(yè)媒體工作者,所有用戶都可以進(jìn)行不同程度的內(nèi)容生產(chǎn),從簡單的文字描述到現(xiàn)場直播、互動(dòng)視頻等都有呈現(xiàn)。此外,人工智能新聞、人工智能編輯解說、寫作機(jī)器人等日漸增多,這些智能傳播還可以不斷進(jìn)行自我學(xué)習(xí)和完善,實(shí)現(xiàn)更高級(jí)的內(nèi)容生產(chǎn)。

算法推薦也可以捕捉到巨大信息洪流中的信息走向和關(guān)注動(dòng)向,收集用戶內(nèi)容生產(chǎn)中的各種線索,整理當(dāng)前內(nèi)容關(guān)注熱點(diǎn)并預(yù)測(cè)內(nèi)容生產(chǎn)走向,進(jìn)而對(duì)其認(rèn)為更加符合用戶興趣和需求的內(nèi)容提高推送權(quán)重,這可以理解為社交媒體傳播內(nèi)容流量邏輯的基礎(chǔ)。

3． 傳播渠道體現(xiàn)為關(guān)系網(wǎng)絡(luò)

傳統(tǒng)媒體的傳播渠道為某種特定的媒介,而在社交媒體中渠道為用戶之間的關(guān)系網(wǎng)絡(luò)。信息和觀點(diǎn)的傳播依靠用戶關(guān)系網(wǎng)絡(luò),用戶之間因關(guān)系而相互聯(lián)系,形成圈層和群體。關(guān)系網(wǎng)絡(luò)可以起到加速擴(kuò)散信息、過濾信息、放大觀點(diǎn)等作用,在同一個(gè)群體中的人更有可能獲得類似的信息。算法在推送內(nèi)容時(shí)也會(huì)將人群貼上標(biāo)簽,按照公式化的規(guī)律尋找適合內(nèi)容的群體,將相類似的內(nèi)容推送給有同種標(biāo)簽的用戶群體。

所以在社交媒體平臺(tái)中,關(guān)系網(wǎng)絡(luò)更容易形成趣緣群體和文化圈層,其用戶有相同的偏好、亞文化背景和使用行為,這是社交媒體算法推薦文化邏輯的體現(xiàn)。

4． 傳播效果、負(fù)面影響與社會(huì)責(zé)任

社交媒體中的反饋機(jī)制可以有效收集用戶的意見、觀點(diǎn)和情緒,對(duì)傳播效果的預(yù)測(cè)作用更強(qiáng),但同時(shí)社交媒體傳播環(huán)境更加復(fù)雜、用戶主動(dòng)性增強(qiáng)伴隨行為不確定性、意見與情緒傳播力度增強(qiáng)、數(shù)字鴻溝不斷加深,這些都是社交媒體平臺(tái)產(chǎn)生負(fù)面?zhèn)鞑バЧ脑颉?/p>

算法推薦作為一種技術(shù)本身并不具有價(jià)值傾向,但無論是使用平臺(tái)的用戶還是媒體平臺(tái)本身,都帶有傳播意圖和基于自身社會(huì)背景的價(jià)值判斷,這些也可能引起傳播中的偏見和其他負(fù)面影響。此外,社交媒體平臺(tái)乃是營利機(jī)構(gòu),其商業(yè)屬性和社會(huì)責(zé)任之間有時(shí)出現(xiàn)失衡,從而導(dǎo)致社交媒體傳播效果不佳。

(二) 社交媒體算法推薦傳播邏輯

在上文中,本文基于社交媒體環(huán)境分析了傳播模式發(fā)生的巨變,并從傳播的各個(gè)環(huán)節(jié),即用戶、關(guān)系網(wǎng)絡(luò)渠道、內(nèi)容生產(chǎn)、傳播效果,進(jìn)一步探討算法推薦傳播邏輯。其中,以用戶為中心是算法推薦技術(shù)邏輯的核心;內(nèi)容生產(chǎn)伴隨流量生產(chǎn)和流量需求,可以理解為社交媒體算法推薦的流量邏輯;傳播渠道依靠關(guān)系網(wǎng)絡(luò),關(guān)系網(wǎng)絡(luò)連接類似社會(huì)群體和亞文化圈層,體現(xiàn)文化邏輯;社交媒體的某些負(fù)面影響來自算法的價(jià)值邏輯和平臺(tái)本身的商業(yè)邏輯,這涉及后文將探討的社交媒體社會(huì)責(zé)任。

1． 技術(shù)邏輯

算法技術(shù)的應(yīng)用是社交媒體算法推薦得以實(shí)現(xiàn)的技術(shù)前提,因此技術(shù)邏輯是算法推薦的一個(gè)基本運(yùn)行邏輯。算法作為一種數(shù)學(xué)計(jì)算機(jī)工具和推薦機(jī)制的結(jié)合,在傳播過程中改變了到達(dá)用戶的內(nèi)容,用戶屬性不同、算法不同,則算法推薦的內(nèi)容也有所不同,這種內(nèi)容轉(zhuǎn)變是算法推薦基本的技術(shù)邏輯。算法推薦也會(huì)隨著用戶的不斷變化而產(chǎn)生相應(yīng)變化,以適應(yīng)新的用戶需求。

算法推薦的技術(shù)邏輯以用戶數(shù)據(jù)化為核心,將用戶大數(shù)據(jù)作為推薦機(jī)制的依據(jù),用于社交媒體平臺(tái)的信息服務(wù)當(dāng)中。

算法推薦離不開人的數(shù)據(jù)化,即對(duì)用戶數(shù)據(jù)的收集。人的數(shù)據(jù)化來源主要有三種,第一種是各類應(yīng)用和平臺(tái)用戶主動(dòng)上傳的數(shù)據(jù),在社交媒體中主要包括基本的用戶信息如昵稱、年齡、性別和地域等,也包括用戶自我描述而形成的用戶畫像,例如微博在用戶首次進(jìn)入或長時(shí)間未登錄后再次進(jìn)入應(yīng)用時(shí),會(huì)引導(dǎo)用戶選擇感興趣的博主或話題,用戶的這種主動(dòng)選擇也為算法提供了自身的偏好數(shù)據(jù);第二種是用戶使用過程中產(chǎn)生的各種數(shù)據(jù),是平臺(tái)方進(jìn)行收集的數(shù)據(jù),例如贊轉(zhuǎn)評(píng)等互動(dòng)行為、瀏覽頻率和時(shí)長、購買行為等,都會(huì)被平臺(tái)當(dāng)作重要的數(shù)據(jù)進(jìn)行收集,為下一次算法推薦提供依據(jù);第三種是其他數(shù)據(jù)采集工具采集的數(shù)據(jù)或物聯(lián)網(wǎng)數(shù)據(jù),例如各種穿戴設(shè)備可以與社交媒體相關(guān)聯(lián),提供用戶的生理信息、地理位置、行動(dòng)路線等,這是數(shù)據(jù)采集更加隱蔽的部分。

算法推薦的這種核心技術(shù)邏輯也會(huì)導(dǎo)致一些問題和隱患。例如,人的數(shù)據(jù)化是算法推薦無法缺少的部分,那么在收集信息的過程中就可能出現(xiàn)算法侵權(quán)現(xiàn)象,算法無時(shí)無刻的監(jiān)視則會(huì)引起數(shù)字勞動(dòng)倫理問題;此外,算法推薦雖然以用戶為中心,但是其具體的運(yùn)行過程卻是用戶不得而知的,由此產(chǎn)生技術(shù)黑箱和技術(shù)依賴問題。

2． 價(jià)值邏輯

算法作為一種單純的計(jì)算方式是具有工具理性的,其本身是中立的、中性的,沒有價(jià)值取向的。但是,人們逐漸發(fā)現(xiàn),在算法規(guī)則編寫中可能會(huì)嵌入編寫者的主觀偏見。(17)汪靖: 《從人類偏見到算法偏見: 偏見是否可以被消除》,《探索與爭鳴》2021年第3期,第32—34頁。算法是一個(gè)有限的、抽象的、有效的、復(fù)合的控制結(jié)構(gòu),是強(qiáng)制性給定的,在給定的規(guī)定下完成給定的目的。(18)R． K． Hill, “What an Algorithm Is,” Philosophy &Technology, vol．29, no．1(2015), pp．35-59．

因此,算法推薦成為一種被設(shè)計(jì)出來的工具,在被執(zhí)行后可以完成特定的傳播目的,雖然算法推薦程序本身不帶有價(jià)值偏向,但是其背后的平臺(tái)管理者卻有很強(qiáng)的價(jià)值判斷。內(nèi)容選擇性推送是算法推薦的技術(shù)表現(xiàn),而價(jià)值判斷則會(huì)影響算法推薦對(duì)不同內(nèi)容進(jìn)行選擇和取舍,算法推薦開始扮演傳統(tǒng)媒體和專業(yè)媒體機(jī)構(gòu)中的把關(guān)人角色,執(zhí)行平臺(tái)管理者的意志,有一套特定的判斷標(biāo)準(zhǔn)、內(nèi)容篩選方式和價(jià)值依據(jù),具有把關(guān)和價(jià)值判斷的權(quán)力。這些是算法推薦價(jià)值邏輯的體現(xiàn)。

算法推薦的價(jià)值邏輯使得本應(yīng)該處于中立的算法不可避免地產(chǎn)生價(jià)值取向,可能會(huì)導(dǎo)致算法歧視問題或引起社交媒體中傳播權(quán)力的不平等。

3． 商業(yè)邏輯

算法推薦得以快速發(fā)展和擴(kuò)張的一個(gè)根本原因是其可以幫助社交媒體平臺(tái)實(shí)現(xiàn)商業(yè)利益最大化。經(jīng)濟(jì)資本和社會(huì)資源在算法推薦的運(yùn)用中得以重新分配,算法成為新的操控商業(yè)和市場的手段與力量?？刂屏怂惴?也就控制了數(shù)據(jù)和算力,控制了數(shù)字技術(shù)及其生產(chǎn)方式,也就延續(xù)并強(qiáng)化了自身的壟斷地位,并且還能提供更具說服力的支配邏輯。(19)徐圣龍: 《數(shù)字時(shí)代資本的底層邏輯: 算法剝奪及其矯正》,《毛澤東鄧小平理論研究》2022年第2期,第88—97頁。

目前,阿里、騰訊和字節(jié)旗下的社交媒體平臺(tái)已經(jīng)占據(jù)絕對(duì)的市場優(yōu)勢(shì)。微博是中國社交媒體的超級(jí)平臺(tái)之一,2021年微博月活躍用戶達(dá)5．73億,日活躍用戶2．49億。(20)《微博發(fā)布Q4及全年業(yè)績: 2021營收22．6億美元 同比增長34%》,2022年3月3日,https://weibo．com/ttarticle/p/show?id=2309404743007546245214, 2023年3月13日。抖音是目前全球用戶量最大的短視頻社交平臺(tái),自2020年字節(jié)跳動(dòng)正式成立電商部門以來,抖音電商業(yè)務(wù)突飛猛進(jìn),僅成立當(dāng)年就實(shí)現(xiàn)5 000億GMV(電商交易總額),抖音成為短視頻直播平臺(tái)龍頭。(21)黎慧玲: 《抖音開“商城”: 不拼直播帶貨?》,《中國經(jīng)營報(bào)》2022年5月9日,第A04版。而在同年,微信也推出了視頻號(hào)功能。根據(jù)視燈研究院數(shù)據(jù),2021年12月微信視頻號(hào)DAU(日活躍用戶數(shù))已達(dá)5億,同比增長78%,同時(shí)人均使用時(shí)長已達(dá)35分鐘,同比增長84%。視頻號(hào)和原有的公眾號(hào)、小程序、朋友圈廣告和社群傳播相結(jié)合,利用原來的大量用戶基礎(chǔ),在市場競爭中有很大的優(yōu)勢(shì)。2022年一季度財(cái)報(bào)中,騰訊也首次提及了視頻號(hào)的收入情況,財(cái)報(bào)顯示,社交網(wǎng)絡(luò)收入為291億元,同比增長1%。(22)趙熠如: 《加速商業(yè)變現(xiàn) 微信視頻號(hào)首戰(zhàn)“6·18”》,《中國商報(bào)》2022年6月17日,第6版。

對(duì)社交媒體平臺(tái)來說,數(shù)據(jù)化和算法推薦創(chuàng)造了新的商機(jī),在一定程度上改變了現(xiàn)有的市場格局。算法推薦在精準(zhǔn)定位用戶群體、精準(zhǔn)到達(dá)目標(biāo)受眾、產(chǎn)品開發(fā)和信息服務(wù)升級(jí)等方面有重要的作用。社交媒體平臺(tái)利用日常收集到的數(shù)據(jù)對(duì)用戶進(jìn)行畫像,然后利用這些用戶畫像實(shí)現(xiàn)精準(zhǔn)營銷,商業(yè)目的也是數(shù)據(jù)收集和算法推薦的重要推動(dòng)力之一。同時(shí),社交媒體平臺(tái)還可以利用用戶數(shù)據(jù)不斷改變傳播和營銷策略,滿足最新的用戶需求。算法推薦和商業(yè)目的的結(jié)合,使得社交媒體平臺(tái)以最小的成本實(shí)現(xiàn)利益最大化。

算法推薦固有的商業(yè)邏輯來自平臺(tái)的商業(yè)營利屬性,這種商業(yè)營利性質(zhì)必然會(huì)在一定程度上擠壓媒體平臺(tái)的公共性與公益屬性,產(chǎn)生商業(yè)性和公共性不平衡的問題。

4． 流量邏輯

社交媒體平臺(tái)以獲取流量為中心,用算法推薦機(jī)制引起用戶最大程度的注意和參與。例如微博和抖音中有多種用戶可以參與的熱榜,微博中有熱搜總榜、文娛榜、同城榜等,熱搜名稱后面不同的符號(hào)表示用戶參與程度,有聊天氣泡樣式的熱搜進(jìn)入后則直接以實(shí)時(shí)話題討論的形式呈現(xiàn)。熱搜榜所在的發(fā)現(xiàn)頁所呈現(xiàn)內(nèi)容根據(jù)不同的用戶喜好有很大的不同,該頁面呈現(xiàn)的推薦內(nèi)容也可以引導(dǎo)用戶參與到話題討論當(dāng)中。抖音熱榜效仿了已經(jīng)發(fā)展成熟的微博熱搜,但又與其有較大差別。抖音熱榜是用戶和平臺(tái)共同創(chuàng)建的,平臺(tái)的算法推薦保證了有足夠的用戶流向熱榜,用戶的參與熱度又反過來影響熱榜的話題排序。這些可以參與的熱榜與用戶視頻創(chuàng)作相結(jié)合,包括各種風(fēng)格的音樂素材、動(dòng)作與互動(dòng)元素等,熱榜中的內(nèi)容能夠被更大范圍推薦給其他用戶,容易在平臺(tái)內(nèi)產(chǎn)生流量爆款。

產(chǎn)生情緒共振、激發(fā)用戶二次創(chuàng)作和互動(dòng)參與是生產(chǎn)流量的重要條件。例如社交媒體中經(jīng)常出現(xiàn)的造梗和玩梗就是針對(duì)當(dāng)下某種特殊的社會(huì)心態(tài),引起廣泛用戶的情緒共振,從而大幅提升用戶參與傳播的興趣和熱情。算法推薦可以捕捉海量數(shù)據(jù)中的內(nèi)容偏好與情緒動(dòng)向,將熱點(diǎn)內(nèi)容推薦給更多用戶,用戶的參與行為又可以提供更多數(shù)據(jù)參考。

流量是社交媒體平臺(tái)運(yùn)行的核心要素和指標(biāo),同時(shí)也是社交媒體平臺(tái)中一種通用的資本,它可以轉(zhuǎn)換為平臺(tái)的其他資本和權(quán)力,成為平臺(tái)發(fā)展和擴(kuò)張的籌碼,可以說是商業(yè)邏輯實(shí)現(xiàn)的前提之一。算法推薦的依據(jù)之一就是盡可能利用現(xiàn)有的數(shù)據(jù)獲得最多的用戶關(guān)注和最大的流量。但與商業(yè)邏輯不同的是,流量邏輯未必一定帶有商業(yè)屬性,普通用戶日常內(nèi)容生產(chǎn)也會(huì)有帶話題加速擴(kuò)散內(nèi)容、好友圈互動(dòng)、尋求關(guān)注等行為,流量邏輯時(shí)刻存在于社交媒體算法推薦的內(nèi)容傳播當(dāng)中,存在于每一個(gè)用戶的使用過程中。

5． 文化邏輯

社交媒體算法推薦的文化邏輯首先體現(xiàn)在對(duì)于文化內(nèi)容的算法推薦機(jī)制,以及利用圈層文化與趣緣群體相關(guān)數(shù)據(jù)進(jìn)行內(nèi)容推薦。除了新聞資訊等信息的內(nèi)容推送,文化內(nèi)容和用戶生產(chǎn)內(nèi)容的推送在社交媒體平臺(tái)中也占據(jù)著重要的位置。盡管影響文化內(nèi)容的創(chuàng)造和分配的因素是錯(cuò)綜復(fù)雜的,但“算法轉(zhuǎn)向”是目前影響平臺(tái)文化生產(chǎn)的最顯著的重大變革之一。(23)Philip M． Napoli, “On Automation in Media Industries: Integrating Algorithmic Media Production into Media Industries Scholarship,” Media Industries Journal, vol．1, no．1(January 2014), pp．33-38．

社交媒體平臺(tái)利用算法預(yù)測(cè)用戶的喜好并以此分發(fā)文化內(nèi)容和分銷文化產(chǎn)品,其中主要利用的就是用戶所處的文化圈層、亞文化圈層和趣緣傳播群體。趣緣群體的關(guān)系建立在共同的興趣愛好、使用行為和價(jià)值取向上。為人群貼標(biāo)簽是算法推薦基本的運(yùn)行邏輯,基于大數(shù)據(jù)技術(shù),算法將相同文化圈層和趣緣群體中的人群打上相同或類似的標(biāo)簽,為同一群體中的用戶推薦類似的內(nèi)容和產(chǎn)品。用戶在使用社交媒體的過程當(dāng)中很容易表現(xiàn)自己的興趣愛好或文化偏向,例如對(duì)某一類推文的頻繁瀏覽和互動(dòng)、對(duì)某一類博主的關(guān)注更多等。社交媒體平臺(tái)本身也會(huì)鼓勵(lì)和引導(dǎo)用戶加入平臺(tái)中的亞文化社群或趣緣群體組織。例如微博超話社區(qū)為用戶創(chuàng)造了豐富的趣緣群體交流空間,目前微博超話已有19個(gè)大類別,每個(gè)大類別中少則5個(gè)分類,多則超過30個(gè)分類不等,而且超話參與人數(shù)也從超1 000萬到幾十人不等,形成了種類規(guī)模繁多的趣緣群體和亞文化圈層。處在相同超話社區(qū)的用戶則會(huì)被算法推薦類似的內(nèi)容,趣緣和文化標(biāo)簽使社交媒體算法推薦對(duì)用戶的信息選擇和信息接觸產(chǎn)生有效控制。在微信中,視頻號(hào)的收藏功能可以使該內(nèi)容出現(xiàn)在朋友圈的視頻號(hào)頁面當(dāng)中,公眾號(hào)下方的在看功能也可以使該推送呈現(xiàn)在其他好友的在看列表中,這種推薦方式利用微信中具有主導(dǎo)地位的強(qiáng)關(guān)系網(wǎng)絡(luò)傳播,默認(rèn)存在強(qiáng)關(guān)系的用戶處于類似的社會(huì)群體和文化圈層。

此外,社交媒體平臺(tái)算法推薦的文化邏輯還體現(xiàn)在算法推薦本身。算法由純粹的技術(shù)工具漸漸成為一種傳播常態(tài)并演化為一種特殊的文化形式,即算法文化。(24)全燕: 《關(guān)鍵詞批評(píng)視野中的算法文化及其閾限性》,《學(xué)習(xí)與實(shí)踐》2020年第2期,第117—127頁。算法推薦借由社交媒體平臺(tái)已經(jīng)深度嵌入社會(huì)文化生活、社會(huì)交往、消費(fèi)娛樂當(dāng)中,與其他的要素不斷結(jié)合,改變?nèi)藗兊拿浇檎J(rèn)知與使用行為,成為一種規(guī)訓(xùn)和話語。因此從這方面來講,算法推薦本身也體現(xiàn)了一定的文化邏輯。

五、 社交平臺(tái)算法推薦責(zé)任隱患與倫理問題

(一) 算法推薦侵權(quán)現(xiàn)象

社交媒體平臺(tái)利用大數(shù)據(jù)技術(shù)對(duì)用戶日常傳播活動(dòng)和社會(huì)交往等個(gè)人信息進(jìn)行廣泛收集和分析,這不僅是每天都會(huì)發(fā)生的情況,而且越來越被當(dāng)作一種默許的規(guī)則。這種數(shù)據(jù)收集很容易侵犯用戶的隱私權(quán),社交媒體平臺(tái)中用戶不僅暴露自身的個(gè)人基本信息,同時(shí)也會(huì)暴露自己的社交圈、購買行為、移動(dòng)行程、家庭住址等更加隱蔽的個(gè)人隱私信息,而這些又恰好是算法推薦機(jī)制所需要的重要數(shù)據(jù)。根據(jù)算法推薦的技術(shù)邏輯和文化邏輯,這些隱私信息可以高效指導(dǎo)下一次的內(nèi)容推薦,所以這種內(nèi)在的傳播邏輯極易導(dǎo)致社交媒體中的算法推薦傾向于收集過于私密化的用戶隱私信息。這種無所不在的數(shù)據(jù)挖掘和收集使用戶的私人信息不斷流向公共空間,在不知情中被利用,甚至被用在與平臺(tái)內(nèi)容推薦無關(guān)的場所中。由于數(shù)據(jù)收集無所不在,用戶很難說明具體被侵權(quán)的情境,這就給用戶維權(quán)帶來了很多困難。

此外,算法推薦還侵犯了一些日常容易被忽視的權(quán)利,例如被數(shù)據(jù)和算法遺忘的權(quán)利。數(shù)據(jù)挖掘無異于一種監(jiān)控,那些擁有數(shù)據(jù)倉庫資源、掌握數(shù)據(jù)挖掘技術(shù)并從事數(shù)據(jù)挖掘的個(gè)體、單位如同站在瞭望塔上的監(jiān)視者,通過掌握的資源和數(shù)據(jù)挖掘技術(shù),他們完全可以掌握分析對(duì)象的所有信息以及由這些信息拼接出的個(gè)體和生活全景。(25)靜恩英: 《大數(shù)據(jù)時(shí)代: 一個(gè)超級(jí)全景監(jiān)獄》,《傳播與版權(quán)》2013年第6期,第102—103頁。人們應(yīng)該有權(quán)利選擇何時(shí)退出這種被算法無限收集數(shù)據(jù)的情境,或者有權(quán)利選擇哪些數(shù)據(jù)不被收集,而非被算法永久性地記錄在數(shù)據(jù)庫和網(wǎng)絡(luò)空間當(dāng)中。個(gè)人信息和行為數(shù)據(jù)在網(wǎng)絡(luò)上長久留存可能帶來不可控的預(yù)期損耗和風(fēng)險(xiǎn),面對(duì)這種損耗和風(fēng)險(xiǎn),人們或許會(huì)在互聯(lián)網(wǎng)上選擇“噤若寒蟬”,導(dǎo)致所謂的“寒蟬效應(yīng)”。(26)匡文波: 《智能算法推薦技術(shù)的邏輯理路、倫理問題及規(guī)制方略》,《深圳大學(xué)學(xué)報(bào)(人文社會(huì)科學(xué)版)》2021年第38卷第1期,第144—151頁。這更加不利于用戶維權(quán)和社交媒體的長遠(yuǎn)發(fā)展。

(二) 數(shù)字勞動(dòng)倫理問題

在大數(shù)據(jù)與算法時(shí)代,數(shù)據(jù)成為重要的生產(chǎn)資料,可以用于實(shí)現(xiàn)商業(yè)價(jià)值,數(shù)字運(yùn)行體系被嵌入到其他社會(huì)生產(chǎn)體系當(dāng)中,因此產(chǎn)生了數(shù)字勞動(dòng)這種全新的勞動(dòng)形態(tài)。數(shù)字勞動(dòng)雖然增強(qiáng)了創(chuàng)造力和生產(chǎn)力,但是越發(fā)使人成為一種數(shù)據(jù)工具,帶來了勞動(dòng)倫理問題。算法不僅可以用來監(jiān)視用戶,也可以監(jiān)視數(shù)字勞動(dòng)者的勞動(dòng)過程,因此社交媒體平臺(tái)的工作人員不再像傳統(tǒng)媒體中那樣受到單方面有限的控制,而是因數(shù)字監(jiān)視產(chǎn)生更強(qiáng)的壓迫,進(jìn)而被高度控制,甚至通過數(shù)據(jù)被多方管理者共同控制。在這種情況下,數(shù)字勞動(dòng)者本身也會(huì)加強(qiáng)自我約束和自我控制,這種自我控制可能會(huì)超出本該有的范圍,加深了數(shù)字勞動(dòng)者的工具化。

此外,由于數(shù)字勞動(dòng)可以在一定程度上擺脫空間的約束,所以創(chuàng)造了更加靈活的就業(yè)機(jī)會(huì)和環(huán)境,大量從業(yè)者進(jìn)入平臺(tái)市場和平臺(tái)化生產(chǎn)當(dāng)中。數(shù)字平臺(tái)中勞動(dòng)的規(guī)范、獎(jiǎng)懲都由算法來完成,數(shù)字勞動(dòng)的成果由數(shù)據(jù)來體現(xiàn),工作和任務(wù)分配也由算法進(jìn)行管理,在這種情況下,很容易發(fā)生過度勞動(dòng)的情況,步入與勞動(dòng)法規(guī)定相左的灰色地帶,使數(shù)字從業(yè)者進(jìn)入超負(fù)荷的狀態(tài),產(chǎn)生勞動(dòng)倫理問題。并且數(shù)字從業(yè)者多數(shù)無法參與算法規(guī)則的制定,甚至無法監(jiān)督或提出意見,因此處于弱勢(shì)地位。

(三) 技術(shù)黑箱與技術(shù)依賴

算法推薦在數(shù)據(jù)收集和數(shù)據(jù)分析運(yùn)用階段是不為人知的,這種不透明性造成了算法的技術(shù)黑箱問題。這種不透明的算法黑箱決策會(huì)對(duì)用戶的媒介使用造成困擾,例如用戶在一些網(wǎng)站中點(diǎn)擊過某類信息,則與之相關(guān)的廣告就會(huì)頻繁出現(xiàn)在微信朋友圈的廣告推薦位中,即使之前的點(diǎn)擊并不能說明用戶的需求,這種信息依然會(huì)不斷出現(xiàn)在其他社交媒體平臺(tái)中。而算法如何計(jì)算并進(jìn)行推薦的過程卻是無法看到的,用戶對(duì)于算法何時(shí)進(jìn)行了何種運(yùn)算也是渾然不知的。在一些時(shí)候,不同平臺(tái)之間互相利用對(duì)方的用戶數(shù)據(jù),造成了數(shù)據(jù)濫用,模糊了不同社交平臺(tái)的用戶信息,存在這種情況下的技術(shù)黑箱時(shí),算法推薦更無法進(jìn)行完善的、精準(zhǔn)的信息服務(wù),還可能會(huì)混淆相同用戶群體在不同社交平臺(tái)中的用戶需求。

算法技術(shù)黑箱還導(dǎo)致了一定程度的技術(shù)依賴問題,因?yàn)槿藗兺耆揽克惴樯缃黄脚_(tái)中的用戶提供信息服務(wù),默認(rèn)算法推薦的內(nèi)容就是用戶所需要的內(nèi)容。這種信息服務(wù)和傳播方式幾乎完全依賴于算法推薦本身,平臺(tái)運(yùn)營者依賴算法推薦滿足用戶的需求。但平臺(tái)運(yùn)營者并不知曉算法具體的數(shù)據(jù)收集和運(yùn)算方式,因此實(shí)際上算法推薦也許已經(jīng)無法精準(zhǔn)進(jìn)行信息服務(wù)。所以可能會(huì)出現(xiàn)這樣的情況,用戶的某個(gè)數(shù)字畫像會(huì)被算法推薦應(yīng)用在錯(cuò)誤的傳播環(huán)境,或者用戶在某一平臺(tái)的數(shù)字標(biāo)簽與需求已經(jīng)改變,但是算法依然按照以往收集到的數(shù)據(jù)進(jìn)行內(nèi)容推薦。此外,用戶也會(huì)對(duì)算法推薦產(chǎn)生技術(shù)依賴,如長時(shí)間沉浸在某一種偏好或語境當(dāng)中,不再愿意去探索其他領(lǐng)域的內(nèi)容,或即使興趣發(fā)生改變也無法立刻接觸到新的推薦內(nèi)容。

(四) 算法歧視與權(quán)力不平等

在算法決策中,個(gè)體被賦予一種新的身份,即“算法身份”。一旦將個(gè)體算法身份貼上某種易于被歧視的標(biāo)簽,就會(huì)產(chǎn)生雙重累積劣勢(shì)。(27)劉培、池忠軍: 《算法歧視的倫理反思》,《自然辯證法通訊》2019年第41卷第10期,第16—23頁。在社交媒體平臺(tái)中,算法推薦與大數(shù)據(jù)相結(jié)合后首要的傳播邏輯就是為用戶貼標(biāo)簽,并描繪一幅利于高效傳播和內(nèi)容推薦的用戶畫像。這種貼標(biāo)簽的方式在提高效率的同時(shí)也產(chǎn)生了算法歧視問題。

雖然算法本身是中立的、沒有偏見的,但是根據(jù)算法推薦的價(jià)值邏輯,算法推薦設(shè)計(jì)者的主觀價(jià)值判斷會(huì)注入算法推薦的執(zhí)行過程當(dāng)中,使算法推薦的實(shí)際操作具有歧視性。另外算法推薦在使用中不斷進(jìn)行學(xué)習(xí),而學(xué)習(xí)過程中也可能造成對(duì)某些因素產(chǎn)生理解偏差與歧視。

算法推薦強(qiáng)化了社交媒體平臺(tái)中的權(quán)力不平等現(xiàn)象。一方面,由于用戶被算法中數(shù)據(jù)化的標(biāo)簽進(jìn)行分類,其興趣偏好、經(jīng)濟(jì)收入和社會(huì)地位也會(huì)成為用戶數(shù)字畫像中的一部分,于是,本該在一定程度上獨(dú)立于現(xiàn)實(shí)空間的網(wǎng)絡(luò)空間,仍然被現(xiàn)實(shí)中用戶的身份地位所限制,一些用戶本來在社交媒體中有機(jī)會(huì)接觸到更高層次的人群與內(nèi)容,卻因?yàn)樗惴ㄊ占臄?shù)據(jù)而與更廣泛或更高級(jí)的信息無緣。此外,算法推薦的創(chuàng)作者和平臺(tái)管理者與用戶也處于明顯不同的地位,他們利用算法推薦機(jī)制成為用戶的管理者,有目的地控制和影響著用戶的媒介使用行為,這也是一種算法推薦導(dǎo)致的權(quán)力不平等現(xiàn)象。

(五) 商業(yè)性對(duì)公共性的取代

媒體傳播是公權(quán)力的一部分,在西方也被稱為“第四權(quán)力”。而算法推薦的商業(yè)邏輯和流量邏輯決定了社交媒體平臺(tái)逐利的特性,這種特性的發(fā)展導(dǎo)致媒體平臺(tái)的公共性不斷被商業(yè)性擠壓甚至取代。算法推薦已經(jīng)成為中國移動(dòng)資訊分發(fā)的主要方式,越來越多的用戶以興趣為出發(fā)點(diǎn)在社交媒體平臺(tái)中進(jìn)行信息獲取,算法推薦鼓勵(lì)和滿足了這種以興趣為導(dǎo)向的信息獲取方式,因此更容易使大眾忽視真正重要的公共議題。社交媒體平臺(tái)中的各種榜單如微博熱搜和抖音熱榜,以及微信中推薦的推文,同樣無法描繪真實(shí)的重要議程,更有傳播者或廣告商利用這些榜單和算法推薦機(jī)制,有意識(shí)地影響受眾對(duì)議題重要性的判斷。公共意見和公共利益被平臺(tái)與商業(yè)公司的逐利目的所掩蓋,意見氣候被有目的地改變,而算法推薦正是完成這些操作的重要工具。

此外,算法推薦流量邏輯所催生的各種榜單也是塑造網(wǎng)絡(luò)輿論的重要場所,閱讀量、討論量、參與人數(shù)等指標(biāo)也是數(shù)據(jù)化的一部分,這些數(shù)據(jù)也可以直觀影響用戶對(duì)于意見氣候的感知和真實(shí)環(huán)境的塑造,因此算法推薦機(jī)制可以對(duì)主流意見的形成造成不良影響。因數(shù)據(jù)化、透明化的呈現(xiàn),主流意識(shí)形態(tài)傳播效果評(píng)價(jià)的話語權(quán)也讓渡給受眾,新聞宣傳的價(jià)值評(píng)價(jià)體系被重塑。(28)張志安、湯敏: 《論算法推薦對(duì)主流意識(shí)形態(tài)傳播的影響》,《社會(huì)科學(xué)戰(zhàn)線》2018年第10期,第174—182頁。公眾在社交媒體平臺(tái)中越來越沉浸在算法推薦所構(gòu)造的興趣導(dǎo)向的信息繭房當(dāng)中,一定程度上降低了參與討論公眾議題的熱度,削弱了媒體平臺(tái)的公共性和監(jiān)督作用,取而代之的是算法推薦帶來的商業(yè)邏輯。

六、 社交媒體平臺(tái)社會(huì)責(zé)任實(shí)現(xiàn)路徑

(一) 技術(shù)治理

技術(shù)邏輯是社交媒體平臺(tái)算法推薦的基本邏輯,因此其社會(huì)責(zé)任的承擔(dān)首先體現(xiàn)在算法推薦技術(shù)層面的治理。算法推薦的技術(shù)黑箱和技術(shù)歧視問題,需要從提升算法推薦公平性和公正性的角度進(jìn)行解決,推薦算法本身應(yīng)該得到優(yōu)化,數(shù)據(jù)收集分析和推薦機(jī)制應(yīng)該進(jìn)行全面的升級(jí),對(duì)用戶構(gòu)建數(shù)字畫像和標(biāo)簽化的過程不應(yīng)帶有數(shù)據(jù)偏見,例如某些標(biāo)簽刻意將性別、地域和特定議題相聯(lián)系,盡管這種議題本身與性別或地域無關(guān),但是算法推薦在長時(shí)間的不恰當(dāng)?shù)倪\(yùn)用中已經(jīng)形成了難以改變的慣性。數(shù)據(jù)收集應(yīng)該具有準(zhǔn)確性,以此更精確地進(jìn)行信息服務(wù),同時(shí)也應(yīng)該增加關(guān)閉算法推薦的選項(xiàng),算法推薦不應(yīng)成為一種強(qiáng)制,而應(yīng)該是一種可選擇的、優(yōu)化的服務(wù)方式。

對(duì)于技術(shù)依賴的問題,應(yīng)該重新重視人的作用。目前社交平臺(tái)的具體內(nèi)容分發(fā)操作已經(jīng)基本完全脫離了人,而完全交給了算法推薦,從原來的人找信息,變成了算法推薦的信息找用戶。在未來,應(yīng)該更加重視人的作用,在數(shù)據(jù)收集和信息分發(fā)的關(guān)鍵環(huán)節(jié),應(yīng)由人工進(jìn)行審查或進(jìn)行一定程度的內(nèi)容分發(fā)操作。

(二) 行業(yè)規(guī)范

目前,社交媒體平臺(tái)的算法推薦機(jī)制導(dǎo)致了多種侵權(quán),最顯著的問題就是對(duì)用戶隱私權(quán)的侵犯,因此行業(yè)應(yīng)該規(guī)范數(shù)據(jù)抓取范圍,規(guī)定哪些數(shù)據(jù)可以進(jìn)行抓取,哪些需要征得用戶同意,并且不允許出現(xiàn)使用平臺(tái)即默認(rèn)同意抓取個(gè)人信息的情況。

其次,數(shù)字勞動(dòng)的倫理問題需要通過完善行業(yè)法律法規(guī)來解決,目前勞動(dòng)法當(dāng)中對(duì)于非全日制的、不同期限的、線上的數(shù)字勞動(dòng)的規(guī)范還不完備,需要行業(yè)形成一套相對(duì)成熟的規(guī)范,維護(hù)數(shù)字勞動(dòng)者的權(quán)利,這也有助于保障數(shù)字服務(wù)質(zhì)量,使平臺(tái)對(duì)用戶負(fù)責(zé)。

有關(guān)被遺忘權(quán)的規(guī)定也需要進(jìn)一步完善,我國《網(wǎng)絡(luò)安全法》中提到過“刪除權(quán)”,但其與真正的被遺忘權(quán)還有一定差距。面對(duì)算法引發(fā)的具體倫理和法律問題,要建立健全審查機(jī)制,建立包含新聞、法律和倫理相關(guān)領(lǐng)域?qū)＜业谋O(jiān)察機(jī)構(gòu)來審核算法原理及決策過程。(29)靖鳴、婁翠: 《人工智能技術(shù)在新聞傳播中倫理失范的思考》,《出版廣角》2018年第1期,第9—13頁。

(三) 社會(huì)監(jiān)管和算法公開

目前,社會(huì)對(duì)于算法推薦的監(jiān)管力度是很弱的,大部分用戶和公眾并不知道算法推薦機(jī)制如何運(yùn)行、算法推薦何時(shí)運(yùn)行、社交媒體哪些情景涉及算法推薦,故面對(duì)算法推薦引發(fā)的倫理問題和責(zé)任缺失問題無從回應(yīng)。所以,應(yīng)該將算法推薦機(jī)制的運(yùn)行方式進(jìn)行公開和普及,將從決策到輸出的部分全部向社會(huì)公開,向用戶公開如何抓取個(gè)人信息數(shù)據(jù)、怎樣抓取數(shù)據(jù)以及這些數(shù)據(jù)用在了何處,打開算法黑箱,讓算法推薦不再是一種秘密,以此讓更多人可以發(fā)現(xiàn)其中的問題,共同監(jiān)督平臺(tái)完善和優(yōu)化算法推薦機(jī)制。

(四) 從算法權(quán)力到用戶權(quán)力

有關(guān)算法推薦產(chǎn)生的各種媒介使用問題和倫理問題,最有深刻體會(huì)的應(yīng)該是使用過算法推薦的社交媒體平臺(tái)用戶。用戶最直觀地在使用過程中感受到平臺(tái)中算法推薦存在的問題,因此要重視用戶體驗(yàn)和用戶反饋,為用戶開通反饋通道并及時(shí)處理用戶意見。當(dāng)用戶有新的內(nèi)容需求或原有的數(shù)字畫像與當(dāng)前的推薦不符合時(shí),應(yīng)該從用戶的反饋中收集信息、優(yōu)化算法推薦。目前社交媒體平臺(tái)雖然有客服和意見反饋的渠道,但是用戶反饋的內(nèi)容并不能改變已有的算法推薦方式,用戶在反饋后依然會(huì)收到不需要的信息,或者是不符合當(dāng)下用戶畫像的內(nèi)容。在社交媒體平臺(tái)中,算法的傳播權(quán)力已經(jīng)大于了用戶的權(quán)力,用戶無法改變本應(yīng)該服務(wù)于自己的算法,而是反過來被算法掌控。應(yīng)該回歸算法推薦本該有的精準(zhǔn)推薦、一人一內(nèi)容的模式,讓用戶權(quán)力大于算法權(quán)力,以滿足用戶當(dāng)下需求為傳播目的,真正做到以用戶為中心,使用戶重新成為算法推薦的原動(dòng)力。

結(jié) 語

本文在梳理算法推薦的內(nèi)涵和社交媒體平臺(tái)算法推薦應(yīng)用現(xiàn)狀后,以5W模式在社交媒體平臺(tái)的應(yīng)用為理論框架,分析了社交媒體平臺(tái)算法推薦的傳播邏輯,包括技術(shù)邏輯、價(jià)值邏輯、商業(yè)邏輯、流量邏輯和文化邏輯;算法推薦的這些傳播邏輯使信息傳播和服務(wù)更加高效,但也正是這些傳播邏輯導(dǎo)致一系列算法相關(guān)的倫理問題,包括算法推薦侵權(quán)現(xiàn)象、數(shù)字勞動(dòng)倫理問題、技術(shù)黑箱與技術(shù)依賴、算法歧視和權(quán)力不平等以及平臺(tái)商業(yè)性對(duì)媒介公共性的擠壓。要解決這些問題需要從技術(shù)治理、行業(yè)規(guī)范、社會(huì)監(jiān)管的層面進(jìn)行完善,同時(shí)以用戶需求為中心、維護(hù)用戶的傳播權(quán)力。

算法推薦的快速發(fā)展所導(dǎo)致的平臺(tái)社會(huì)責(zé)任缺失與倫理問題等,不應(yīng)該成為人們排斥算法的理由。在行業(yè)規(guī)范逐步完善、技術(shù)手段逐漸升級(jí)和人們逐漸深刻理解算法推薦運(yùn)行邏輯之后,算法應(yīng)該成為社交媒體平臺(tái)高效服務(wù)受眾的工具。在逐步發(fā)展的過程中,社交媒體平臺(tái)也要時(shí)刻注意算法倫理問題,承擔(dān)社會(huì)責(zé)任,創(chuàng)造并維護(hù)一個(gè)積極傳遞正能量的傳播環(huán)境。