基于“信息茧房”效应的新闻内容分发策略研究

张玲玲 孙奇

摘 要：新闻内容分发策略，经历了编辑分发、社交分发、算法分发三个阶段的变革，现今以算法为核心的内容分发模式占据主流，随之而来的却是“信息茧房”效应的愈发凸显。本文将从理论分析的角度出发，主要对打破“信息茧房”的内容分发策略进行探讨，在对百度“搜索+推荐”的新型分发模式进行分析的基础上，提出了建立网络世界的“人行道”，破解“信息茧房”效应。

关键词：信息茧房 内容分发 移动互联 人工智能

2006年，美国哈佛大学法学院教授凯斯·R.桑斯坦在《信息乌托邦——众人如何生产知识》中，明确提出了“信息茧房”的概念。在信息传播中，因公众自身的信息需求并非全方位的，公众只注意自己选择的东西和使自己愉悦的通讯领域，久而久之，会将自身桎梏于像蚕茧一般的“茧房”中。对于“信息茧房”效应的研究，国内尚没有严谨的概念阐述，多继承自桑斯坦的研究成果。

内容分发在通信领域是指通过实现用户对网站的就近访问及网络流量的智能分析，将本节点流媒体资源库中的指定内容，根据业务运营商定义的内容分发策略向下层节点推送的过程。在内容分发的过程中，其主要依据有两个：一个是对用户在互联网上的使用行为分析，另一个是业务运营商所定义的内容分发策略。

一、新闻内容分发的三种模式

新闻内容分发在不同时代具有不同的特点，从传统的人工采编到大数据算法，用户获得信息数据的效率和精准度越来越高，一定程度解决了用户画像的问题。

（一）传统媒体的编辑分发模式

在移动互联网还未普及的时代，人们获取信息的主要来源还是报纸、电视等传统媒体，这类媒体主要采用人工采编分发的模式，其新闻内容大多来自于媒体自身的新闻采编系统，在内容分发阶段，信息的排版、栏目设置、内容的重要性、审核标准等都由专门的记者编辑确定。

这种传统媒体的编辑分发模式，充分展现了传播者的意志，新闻“把关人”的角色始终由专业人员担任，角色鲜明、分工明确。在这种以编辑为核心的分发模式下，报纸、电视等传统媒体最终所呈现的内容通常较为广泛全面，基本覆盖社会生活的方方面面，但呈现方式整齊划一，出现“千人一报”的现象，读者在这个过程中始终是被动的“受传者”。

（二）社交媒体的社交分发模式

2009年新浪推出微博，2010年苹果4手机发布，2011年微信正式推出，伴随移动终端设备的发展以及各类社交软件的推出，越来越多的人成为移动互联网的忠实用户。由于移动互联网时代天然具备社交优势，网络社交软件层出不穷，人们逐渐热衷于网络交友，传统的人际关系也随之迁移到智能移动终端的屏幕上，社交随之成为媒体的核心因素，以社交为核心的内容分发模式也随之成为主流。

无论是微博的个人主页还是微信的朋友圈与订阅号，社交分发都重新定义了信息传播的模式：一是打破了原本的“千人一报”现象，在信息传播中，用户不再是被动的“受传者”，每个人都拥有了独一无二的信息体验；二是在社交分发模式下，社交网络对海量的互联网信息起到了过滤的作用，在一定范围、一定时间内解决了信息过载的问题；三是社交平台成为人们获取新闻的重要入口。在我国，运用社交媒体分享新闻的比例甚至达到了78.5%，经常或偶尔因他人分享而关注某个社会事件的比例也高达83%。

（三）人工智能的算法分发模式

自2012年今日头条开始尝试算法分发模式，人工智能技术也随之进入了发展的快车道，海量的信息数据和用户精准信息需求之间的矛盾越来越突出，人工智能的算法分发模式必然成为主流资讯产品内容分发的新选择。

算法分发模式的精准推送，主要依赖于四个方面：一是“菜单式”订阅，在用户首次打开媒介平台时，平台会罗列出预先设定的内容频道、关键词等，用户根据自身的喜好和需求主动对标签进行选择，平台会根据用户选择的标签，进行针对性的序列化信息推荐。二是基于用户画像的算法主动推荐，媒介平台会自动记录每位用户的使用痕迹，这些痕迹包括了浏览记录、停留时长、互动行为、账号信息等，利用算法技术，平台可以对这些数据进行系统化的分析，形成详细的用户画像，为用户提供“千人千面”的信息资讯。三是对传播场景的感知，用户在不同的网络状态或一定时间段内所接收到的内容是不同的，场景感知越来越成为算法精准推送的重要因素，通过对传播场景的鉴别，不同形式的内容得以出现在合适的时机。四是算法的持续学习能力，今天的人工智能技术不再是完全依赖于人来设置、一成不变的，人工智能本身具备了持续学习的能力。算法对于用户行为的画像和分析始终是动态持续的，不断根据新的数据调整推送内容和顺序。

二、算法分发模式下“信息茧房”效应的形成

基于人工智能技术的算法分发模式，其核心与内涵就是为每个人推送他们需要或感兴趣的新闻信息，打造个性化的新闻推荐系统，这个系统的内涵与“信息茧房”的内涵不谋而合。

（一）“信息茧房”效应的表现形式

首先是“我的日报”式的个人主页。从社交分发模式下的微博主页、微信朋友圈，到算法分发模式下的个性化新闻推荐，媒体正在变得越来越个性化、私人化，每个人都根据自己的喜好来决定接收什么样的信息，完全掌握了“看什么”和“何时看”的主动权。但人们本身所能关注和感兴趣的对象往往是非常有限的，当这些有限的关注对象成为固定甚至唯一的信息来源时，人们就会开始陷入认知局限。

其次是大量娱乐、热点信息的推荐。从理论上来说，人们的性格、兴趣、职业等方面均不相同，所关注的领域及信息也应该有较大差别，但实际上人们容易被娱乐化、热点化的信息所吸引，这就造成了互联网上的信息关注越来越趋同的现象。在现今的新闻资讯客户端中，人们关注的内容主要集中在娱乐、社会热点两个领域，形成了一个相对固定且封闭的信息空间。

（二）“信息茧房”效应形成的原因

如今的算法技术已经发展到可以理解用户需求并进行精准匹配推送的阶段，计算机通过算法对用户的使用数据进行计算，从而匹配出用户感兴趣的内容，再利用一套完整的系统将内容分发给受众，好比传统工厂的流水线作业，这个流水线的最大弊端，就是为每一个用户打造专属的“信息茧房”。

1.算法推荐模式窄化信息通道

算法分发模式主要使用了协同过滤技术。协同过滤分析用户兴趣，在用户群中找到指定用户的相似（兴趣）用户，综合这些相似用户对某一信息的评价，形成系统对该指定用户对此信息的喜好程度预测，最后据此将用户可能会感兴趣的信息直接送达用户主页或者浏览的页面，帮助用户提高准确拉取信息的效率。

算法推荐中的技术应用，其实都是在用户主动选择标签后的第二次过滤，对新闻内容推荐的丰富性并没有建立在多样性的基础之上，实质上是进一步强化了相似信息、相关用户的集中。用户每次的点击行为都更加强化了个人在个性化推荐系统中的个性标签，也就是在“信息茧房”的外壁上不断添加水泥，使其更加牢固不易松散。

2.迎合用户选择性心理

早在1960年，美国传播学者约瑟夫·克拉珀在研究受众心理时就指出：受众在接受信息时具有选择性的特点，即受众的选择性心理，这种选择性心理包括选择性注意、选择性理解和选择性记忆三个部分。选择性注意是说人注意力集中的过程也是一个人对信息进行选择取舍的过程，人自然地接受同自己已有观点或立场一致的内容，接受对自己和所属群体有利的信息，排斥不一致的内容，回避有害或不利的信息。

为迎合用户的这种选择性心理，新闻资讯客户端在进行内容分发时，就已经通过种种技术手段，过滤掉了大部分用户不感兴趣的内容，只推送用户可能感兴趣的内容，形成一个不断强化既有价值体系和思维方式的信息闭环，这是“信息茧房”效应形成的内在动因之一。选择性理解和选择性记忆都是指当受众接触了一条信息，无论对信息内容是否感兴趣，都会对信息的含义做出合乎自己意愿的解释，并且只记忆对自己有利，符合自己意见或兴趣的内容。而这两种行为都是为了让信息内容与自己已有的态度和价值观相匹配，达到排除异己信息的作用，本质上是强化了用户本身的观念和看法，强化已经形成的“信息茧房”。

3.唯流量主义的媒介环境

在今天的互联网环境下，各色新媒体风生水起，各类媒体之间的竞争越来越激烈。面对浩如烟海的网络信息，用户的精力和注意力都非常有限，因此，访问量、日活、月活、使用频次等数据指标成为产品或网站运营方定期关注的重要数据，是互联网“流量”的具体表现形式。

争夺流量，就是争夺用户，只有准确把握用户痛点，生产用户想看的内容，才有可能在这场流量争夺大战中获得成功。在这种唯流量主义的媒介环境中，信息传播特点已经发生了转变，与传统媒体追求新闻的真实性、显著性、深度报道等不尽相同，新媒体生产的新闻内容越来越短，信息越来越碎片化，吸引用户注意力的传播重点替代了以往生产专业新闻的传播重点。娱乐化、热点化的新闻内容由于具有快速抓住用户眼球及心理、能基本满足人们日常消遣话题需要等特征，在吸引用户、增加用户黏性等方面具有非常重要的作用，对平台流量的吸引和控制有很好的效果，娱乐化和热点化的内容就成为各类新闻资讯客户端重点推送的对象。

当网络信息传播的整个大环境都具有明显倾向性时，“信息茧房”效应形成的早期条件就已经具备了。它让用户方便快捷地获得娱乐热点新闻，使得那些有明确信息接收目的的用户更加强化现有的信息消费习惯，加固“信息茧房”；使那些没有明确信息接收目的的用户养成较为稳定的信息需求，不断影响和培养用户的阅读兴趣，从而被动地养成信息消费习惯，构筑“信息茧房”。

三、打破“茧房效应”的新闻内容分发策略

主流资讯产品均应用以算法为核心的内容分发模式，满足“千人千面”的个性化需求，是技术与时代发展的必然趋势，但在这一趋势下形成且不断强化的“信息茧房”效应却不是必然。

（一）百度“搜索+推荐”的新型分发模式

随着新一代人工智能的发展，移动互联网内容的进一步升级，信息流应运而生并受到热捧，百度率先利用新技术、新平台，以人工智能技术为支撑，构建了“搜索+推荐”双引擎的新型内容分发模式，实现了“人找信息”到“信息找人”的内容领域升级，信息分发由此进入2.0时代。

2018年1月，今日头条、凤凰新闻客户端等均因传播色情低俗信息，而被国家互联网信息办公室约谈，关停更整治部分频道，今日头条旗下的内涵段子客户端甚至在今年4月被广电总局勒令永久关停，传统的“算法+数据”推荐模式会让用户持续地陷入已知、低俗化的内容中去，无法破除“信息茧房”。

而百度所提出的信息分发2.0，在一定程度上打破了“信息茧房”效应的魔咒。通过“搜索+推荐”的雙引擎模式，让用户更高效地获取信息，其内容分发的核心是基于用户的主动搜索，通过对用户搜索结果和用户搜索行为的深入学习与分析，实现二者的双向互补循环，构建与用户生活场景完美融合的“不搜即得”。

“搜索+推荐”的双引擎模式，已经应用于“手机百度”客户端。首先是首页资讯流的变化，通过资讯流与导航区的合并，让用户不仅可以通过资讯流获取感兴趣的内容，还能在细分类别下获取趣图、娱乐等不同类别的兴趣内容，提高了阅读资讯的效率。“搜索+推荐”模式不仅能实现传统算法的精准分发，还会结合用户的搜索行为对其未知喜好进行分析探索，这种探索化的智能分发模式，除了打破“信息茧房”，还可以带给用户“它竟然比我更懂我”的感官体验。

（二）建立网络世界的“人行道”

早在提出“信息茧房”的概念之时，桑斯坦就提出要破除“信息茧房”，必须建立一个网络世界的“人行道”模式，就像是走在大街上不知道会遇见什么人、什么事一样，未知和不可控可以打破原有的壁垒。在桑斯坦的观点中，媒体应该是一个公共论坛，在用户预设不到的地方为他们提供非计划的信息，从而让各个阶层、不同群体的人都能接触到不同领域的信息，避免极端化的“信息茧房”效应。

在互联网技术如此发达的今天，如何建构一个行之有效的网络“人行道”，笔者有以下两方面的建议。一方面是建设公共信息空间，打破“我的日报”式的个人封闭，客户端首页的信息呈现是一个相当封闭的信息空间，用户只能看到与自己感兴趣标签相关的内容，除此以外别的信息通道都被关闭。因此在资讯类客户端建设一个公共信息空间的重要性不言而喻，用它来帮助用户突破“信息茧房”效应。例如在客户端首页醒目位置设置“实时热点”等信息动态栏，还可以将当下引发社会热议的重要事件直接推送到用户首页，让用户参与到公共议题的讨论，打破“我的日报”式的个人封闭。

另一方面是弱化根据相关信息、相关用户推荐的原则，拓宽用户的关注领域。现行的算法推荐模式都是关联性推荐原则，使得用户接收的信息都是雷同的，信息同质化现象不断加剧，“信息茧房”就會一直难以突破。建构网络世界“人行道”，就必须弱化现有的推荐原则，算法可以偶尔推荐与用户相异的兴趣点，勾起用户的好奇心，突破信息通道的壁垒，让不同兴趣的人在网络世界相遇，碰撞多元的观点看法，促进更全面的信息在全社会流动。

（三）智联网实现全平台信息共享

2018年5月23日，在腾讯的“云+”未来峰会上，马化腾首次提到“智联网”，这是一个新概念，继人联网、物联网之后，互联网的未来发展之路也许就是智联网。智联网指万物在智能环境中皆可连，以互联网、物联网技术为前序基础科技，在此之上以知识自动化系统为核心系统，以知识计算为核心技术，以获取知识、表达知识、交换知识、关联知识为关键任务，进而建立包含人机物在内的智能实体之间语义层次的联结、实现各智能体所拥有的知识之间的互联互通。

智联网时代，致力于为所有平台打造一个“超级大脑”，实现全平台的信息共享。当人工智能无处不在，所有的信息和资源都在不停流动，互联互通时，“信息茧房”效应和新闻内容分发都将不再是难题。当人们走在街上的时候，路灯、垃圾桶甚至一砖一木都是高级的人工智能，只要靠近或者点击它们，它们就会及时地把最新的国内外时事或最具价值的信息传输给每个人；如果有额外感兴趣的话题想要关注，只需要告诉它一下关键词，相关信息也会自动传输。

当一切都处于人工智能之中，全平台的信息共享成为现实之时，人们需要知道的有价值信息与想要知道的感兴趣信息，都会有序有时地智能分发给每个人，“信息茧房”效应在智联网时代到来时终将迎刃而解。

四、结语

当手机越来越不可或缺，人们大部分的时间都被手机填满，甚至手机已经成为人体器官的一部分延伸时，就再也无法拒绝所谓人工智能的“入侵”，必然会有越来越多的人工智能进入到生活之中，并让人们为之依赖。从传统媒体的编辑分发到人工智能的算法分发，这种新闻分发策略的变迁是时代发展的必然，无法拒绝，现阶段算法分发所造成的“信息茧房”效应暂时无法避免，但技术一定是不断向前发展的，随着技术的发展，现阶段的“信息茧房”效应一定会有相应的破解之法。在这个不断发展、变革的过程中，必须要以积极开放的心态接受新观念、新技术，共同谋求传媒业更加美好的明天。

参考文献：

1.杨慧.微博的“信息茧房”效应研究[D].湖南师范大学2014级硕士论文.

2.李佳音.基于个性化推荐系统新闻客户端的“信息茧房”效应研究——以“今日头条”为例[D].中央民族大学2015级硕士论文.

3.王宇航，王庆福.协同过滤在个性化推荐中的应用[J].数字技术与应用，2015（12）.

4.刘思源.手机百度9.0版“搜索+推荐”的产品逻辑更清晰[J].计算机与网络，2017（17）.

（作者张玲玲系华北科技学院新闻系教授、安全生产舆情研究所所长，孙奇单位系华北科技学院。本文系中央高校基本科研业务费资助研究成果之一，课题编号：3142018058）