胡盼盼
个性化推荐技术下新闻报道平衡原则的实现
胡盼盼
(湖南大学 新闻传播与影视艺术学院,湖南 长沙 410012)
在注意力经济时代,个性化推荐技术已成为互联网新闻的主流分发方式。然而,过度个性化的新闻和信息推荐打破了新闻报道的平衡原则,并使用户陷入了孤立的信息岛。因此,它离真实而全面的客观世界很远,对新闻专业主义构成挑战。本文参考国外经验,从完善算法推荐机制、开发防“偏见”技术、提升受众媒介素养三个方面,探讨在个性化推荐技术下实现新闻报道的平衡原则。
个性化推荐;新闻平衡;过滤器泡沫
新技术总是在补偿旧技术缺陷的基础上来满足人的需求。随着新媒体技术的发展,网络新闻资讯呈爆发式发展,人们的信息需求得到满足的同时,过分冗余的信息又给人们带来压力,如何抓住用户的眼球,成为新闻媒体竞争的关键要素。在这种情况下,个性化推荐技术应运而生。个性化推荐技术是在收集大量用户数据的基础上,对用户的阅读喜好进行分析,通过在新闻资讯软件或浏览器里安装的一套信息编辑、重组系统,根据用户的个人需求,有针对性地为他们提供他们所需要的信息[1]。互联网技术带来的信息冗余,使注意力成为稀缺资源,用户对个性化、垂直化新闻资讯的需求增强。新闻客户端和社交媒体的“精确推送”和“个性化服务”不仅可以满足用户的个性化需求,还可以将所需信息直接推送给用户,垂直的个性化精准推送成了吸引受众关注、提高传播效率的利器[2]。
根据CNNIC的《中国互联网新闻市场调查报告(2016年)》,个性化推荐正在成为互联网新闻的主要分发方式。从2012年的今日头条开始,国内排名靠前的几大新闻媒体机构都在加大对个性化推荐技术的投入,例如新浪新闻、搜狐新闻、一点资讯、每日快讯、网易新闻等。除了新闻媒体机构之外,其他的媒体平台也开始利用个性化推荐技术,这足以体现个性化推荐技术在网络媒体平台运营中的重要地位。例如,UC浏览器2016年将算法推荐技术与人工技术结合打造“懂你的UC”,微信对后台数据进行整合精准推送“微信热文”。根据《2016年中国APP排行榜》,最早运用个性化推荐技术的今日头条位列排行榜第一,腾讯新闻第二,后三位分别是天天快报、一点资讯、今日头条极速版,而它们都是主打个性化推荐技术。在国外,个性化推荐技术也很普遍。《纽约时报》、《卫报》等西方主流媒体都主打个性化推荐技术,并且它们在个性化推荐技术上走得更远,技术上更加成熟,交给用户的选择权更多。
学者李希光提出新闻平衡原则,阐述了新闻事实平衡、新闻观点平衡、新闻话题平衡三个方面。他强调正面和负面报道之间的平衡,并在新闻访谈和写作中使用中性新闻语言[3]。孙旭培强调新闻报道中保持的观点平衡。在强调一个因素的同时,还必须考虑其他特别相反的因素[4]。总之,我们可以从三个层面理解新闻报道平衡的原则。首先,记者在采写过程中坚持文笔的平衡,其次是编辑在编排过程中的平衡,最后媒体组织的长期平衡报道为观众提供了一个全面、客观和真实的世界。算法的个性化推送是在编辑分发环节来改变传播路径的,它对新闻平衡的影响主要体现在两点。一是新闻议题的不平衡,二是新闻观点的不平衡,最终在这种长期的不平衡新闻报道中,观众之看到了一个不全面、不真实的世界。
据报道,2017年一位网民无聊在网上搜索棺材的信息,结果很长一段时间内他被骨灰盒、孝服、墓地等网络信息包围,严重扰乱了该网民的生活安宁和情绪稳定。这是关于个性化推荐技术的一个极端例子,它说明技术在一味满足人类欲望的同时,也会带来极大的弊端。个性化推荐技术依据用户的兴趣,提供片面的、单一的、个性化的信息。在这种愉悦自我的信息的陶醉中,人会变得狭隘和肤浅,最终导致人的不全面发展。“过滤泡沫”是Eli Pariser在2010年提出的。这意味着由个性化推荐技术引起的高度同质化信息流将阻碍人们理解真实世界。Pariser认为,这种过滤泡沫是以个性化为名,它将每个人都从信息岛隔离开来,并导致人们失去理性选择的权利。
新闻作为一种产品,在收集、编写、编辑和报道的各个方面中都可能带有媒体的主观偏见。不过与传统的媒体偏向不同,个性化推荐技术就是在编辑环节呈现的“偏向”,它偏向的是读者本身。从心理学上来说,人们都更容易接收与自己观点相近的信息。个性化推荐技术就是“投你所好”,眼前呈现的信息正是我们所喜欢的,在这个自我满足、自我欣赏的信息环境里,相反的观点并不存在,人们很容易生活在一种假象中而不自知。“回声室效应”指明了个性化推荐技术下的信息环境,人们更容易相信与自己原有认识相近的信息,个性化推荐技术允许观众看到符合他们自己观点的信息,以致他们以为自己的观点代表了大多数人的观点。从而造成一种认识误区[5]。《纽约时报》受到读者的反对,因为个性化建议激怒了新闻专业主义并损害了公共话语。The Daily Beast总裁和发行商Dyer多年来一直致力于媒体个性化服务,但到去年有所缩减,他认为过度的个性化和内容匹配势必会损害新闻媒体向大众传递事实报道的使命。”
1.个性化推荐与共性推荐相结合
我们应该用辩证法的观点来看待问题。孙徐培认为平衡不是将所有的因素和观点全盘、平均地托出,而是应该在突出一种因素、观点时,也要注意顾及其他的。在遵守事物发展规律的同时,也使报道更加客观、公正。目前有两种推荐模式:一种是个性化推荐类;另一个是编辑的共性化推荐模式[6]。个性化推荐比共性推广更能被市场认可,纯粹个性化的推荐会导致回声室效应。而完全的共性化推荐可以提供全面、平衡和客观的事实,但会降低获取信息的效率和用户体验,面临着失去用户的危险。新闻平衡原则具有相对性,我们可以以个性化推荐为主,辅之以共性化推荐,并将两者结合起来,实现新闻报道整体的统一性和沟通效率。
2.机器推送和人工推送结合
一味地依靠算法来进行推送,将人困在信息的“圆形监狱”里,可以通过人工编辑人为地提供更加全面的信息来解决困境。例如,可以雇佣手动编辑人员为重大事件计划主题,编辑可以从各种来源挑选最真实、最具洞察力的主题。像谷歌的真实信息标签一样。另外,热文的选择不仅要以热量为基础,还要考虑信息的全面性。
3.多元化信息戳破过滤泡沫
提供多元化信息。Buzzfeed的戳破过滤泡泡功能会在分享量大的文章底部附上其他多个平台、立场的观点。《华尔街日报》用“红色材料”和“蓝色材料”在Facebook上一对一地对双方的保守派和自由主义者提出意见。新闻和信息APP可以设计选项,用户可以选择是否关闭个性化推荐功能。《卫报》(美国)是自由派的代表,开设“打破新闻之泡”专栏,专门列出保守派文章。在总统选举期间,卫报(美国)发起了一个特别收集“保守派媒体一周速览”[7]。
根据用户的阅读习惯,在浏览器中添加插件,反向推荐调整积极且容易接受的内容。Google浏览器新增的“Escape Your Bubble”插件。美国新开发了一款APP——Read Across the Aisle,他们选取大约二十个新闻来源,从最左派到最右派,建立起一个立场光谱,追踪读者经常阅读的新闻的来源位于这一谱系的什么位置,通过阅读时间的权重,APP可以在光谱的滑块上显示您的位置。当用户的位置偏离一端时,应用程序会通知用户更改来源并查看对方的新闻和意见。瑞士报纸 NZZ运营的 App(the Companion)也采用个性化推荐功能,但与众不同的,算法会确保在一系列新闻中包含一个“惊喜”,也就是超出读者偏好范围之外的内容[7]。
杰里米·边沁提出了“圆形监狱”概念,圆形监狱的设计使中央塔楼可以监控到所有监狱,而监狱里的人却不知道自己处于被监视之中。在算法大数据的长期监控下,个性化推荐技术在给受众推荐信息的同时,也给用户建立了一堵隔绝的信息墙,将与受众观念、兴趣不符的信息隔绝在外。受众在这种环境中自予自得,满足于狭小的信息世界而与外界隔绝,个性化推荐技术就像中央塔楼,将受众围困在技术的监控下而不自知,最终沦为信息生活上的囚徒。喜欢的不一定是最好的,只有均衡地接受各种信息,平衡营养,人才能全面健康发展。因此,作为受众,我们应该自己动手戳破泡泡,跳脱自己熟悉的圈子,有意识地寻找另一方观点。
根据麦克卢汉“媒介即人的延伸”理论人类的欲望总是不断地促进新技术的发展,新技术总能满足人类对人类延伸的愿望。当我们延伸人体的功能时,我们在新技术的享受之下麻木自恋,然后截掉身体本身的功能。个性化的推荐技术满足了人们的愿望,让人们沉迷于自己的喜好,没有看到一个完整的现实世界。算法个性化推送就像一个过滤泡泡,将我们与真相隔绝。作为一种职业精神,新闻平衡原则更有义务站出来用技术对抗技术。作为信息的受众,它也应该积极刺破过滤泡沫,以避免闯入“圆形监狱”。
[1] 于黎冰.从“今日头条”看个性化新闻推荐系统的优劣[J].传媒,2016(19):44-45.
[2] 吕艺,刘华东.新闻客户端“个性化服务”的发展与困惑[J].西部学刊,2015(13).
[3] 李希光.转型中的新闻学[M].广州:南方日报出版社,2005.
[4] 孙旭培.新闻学新论[M].北京:当代中国出版社,1994.
[5] 胡泳.新词探讨:回声室效应[J].新闻与传播研究,2015(6): 109-115.
[6] 陈勇.个性化推荐还是共性化推送?——论聚合类新闻客户端的现状与发展方向[J].中国出版,2017(3):49-51.
[7] http://chuansong.me/n/1690470243831.
[责任编辑:传馨]
2018-05-01
胡盼盼,女,湖南大学新闻传播与影视艺术学院新闻史论硕士研究生,主要从事传媒法制与新闻伦理研究。
G212
A
1672-8122(2018)06-0132-02