推荐算法视域下高校网络意识形态建设路径优化

全燕黎，张 帆

(陕西师范大学 马克思主义学院，陕西 西安 710119)

随着互联网信息分发技术的发展，推荐算法已经成为加快高校网络意识形态建设的主导技术手段。推荐算法的偏好性、时效性和图像化特点不仅为高校网络意识形态的内容建设带来机遇，也给高校网络意识形态的价值建设带来严峻挑战。习近平总书记强调：“我们要增强紧迫感和使命感，推动关键核心技术自主创新不断实现突破，……用主流价值导向驾驭‘算法’。”[1]因此，为了最大限度地提升高校对推荐算法的驾驭能力，进一步激发高校网络意识形态建设的生机与活力，深入探讨推荐算法与高校网络意识形态之间的关系具有重要的理论意义和实践意义。

一、推荐算法的历史源流与概念特征

作为一种基本的运算功能，算法不仅在数学的启蒙、形成和发展史中居于核心地位，而且在计算机科学中有着广泛的运用。在传统互联网发展之初，网络与计算机的联姻促使了信息分发——一种新的网络信息传播方式的产生。相比于传统媒体传播方式，这种新的网络信息传播方式使人们寻找到的信息内容快速增多，寻找信息的速度大幅提升，让“信息匮乏”的传统社会实现了跨越式发展。随着信息的大量产生和分发速度的加快，通过计算机发出一系列指令来“执行计算或解决问题”[2]的现代意义上的算法产生。算法以自身的实用性为“通行证”，广泛地“畅游”于互联网的各个方面，深度嵌入人们的工作与生活。

随着信息供给量的急剧增加，以算法为核心的互联网信息供需关系遇到了又一难题——信息过载。为了解决信息过载的问题，网络工程师不断优化算法，进而提出更高效更先进的信息分发解决方案。经过一系列的探索，推荐算法作为最有发展前景的信息分发技术诞生了。它不仅秉承和发展了算法的内涵，可以向用户推荐所需个性化信息，而且实现了互联网信息分发技术质的飞跃：人和信息的主客体地位发生了转变，由以前的“人找信息”变成信息流时代的“信息找人”。在这种新型的信息和人的关系中，推荐算法实现了“对海量信息价值的重新评估”[3]，进而消解了人们对信息绝对价值高低的执念，提升了信息与人的有效适配度。就其本质而言，推荐算法是以用户对推荐内容的满意度为导向，以互联网信息分发的个性化为基础，构筑了以内容偏好性、关联时效性和信息图像化为特征的互联网信息分发模式。

(一)推荐内容的偏好性

内容的偏好性是推荐算法最显著的特点。单就运行程序本身而言，推荐算法的程序是客观的、规律性的存在。推荐算法会通过推荐对象模型中已构建的内部模型识别新生成的特征数据，进而判断哪些数据值得推荐，哪些数据需要人工终审，哪些数据需要屏蔽[4]79。即便如此，具体推荐对象模型和用户模型中的推荐内容和需求内容的形成离不开人的参与；换句话说，正是因为客观存在的技术受到主观的人的操纵或参与，个性化的推荐内容包含着内在的偏好特性。推荐内容的偏好性主要由两部分组成：一是推荐对象模型形成时推荐供应主体对特征信息的偏好，二是用户模型形成时用户需求信息的偏好。

推荐算法系统的运行主体包括设计和使用推荐算法技术的工程师以及工程师所在公司。就推荐供应的主体而言，不同的公司有不同的文化理念和业务特性，不同的工程师也有不同的价值追求；特定文化理念和价值追求背景下的推荐算法系统，都会不可避免地将符合应用平台价值导向和程序员个人情感偏好的内容推荐给用户，长此以往必然会造成推荐内容的偏好。就用户需求的生成过程而言，新的需求数据的生成以推荐供应平台的旧数据为基础。在新的需求数据的生成过程中，推荐平台在接收到用户对某方面内容的兴趣或偏好信号后，就会给用户推荐该方面的大量信息，造成推荐内容的偏好性。

(二)推荐关联的时效性

作为互联网信息分发技术的阶段性创新成果，推荐算法的最终目标是实现由技术向价值的逻辑转化；但推荐平台所有者的最终目标则是盈利。就推荐应用平台本身来讲，真实、可靠且具有时效性的信息可以吸引大众的注意力，相应地，推荐平台会因此而获得更多的关注度，从而提升推荐平台的估值。在此过程中，时效性是推荐平台估值提升与否的必要因素。

推荐关联的时效性是指运用推荐算法技术使某人或某地实际发生的事情能以最快的速度与更多的人产生关联。就目前互联网的发展现状来看，关联的时效性主要体现在时间和空间两个方面。时间的关联时效性可以理解为即时性关联。信息传播速度大幅度提升的趋势促使推荐应用平台必须毫无保留地适应当前现状，及时掌握最新的数据以便即时生成并推出“抓人眼球”的消息。因此，各大应用平台争相体现自身的即时性，在满足用户新鲜感的同时，赢得用户更多的青睐。空间的关联时效性可以理解为“环境决定”关联，它主要由推荐关联生成过程中用户所处的环境决定。当用户在某地登陆应用软件时，系统就会自动更新用户所在的位置，给用户推荐天气、气温、时间、最新地方新闻等与特定地点、环境相关的资讯，空间上的关联时效性由此显现。

(三)推荐信息的图像化

毫无疑问，推荐算法之所以受到各大推荐平台的欢迎，关键在于其能精准预测用户的需求，而预测是否精准则取决于推荐算法刻画的用户信息图像是否清晰。推荐信息图像化是指推荐平台通过获取用户权限许可尽可能多地掌握用户的个人数据(如：初始数据、浏览数据、迁移数据等)，以此为依据为用户刻画信息图像，以达到推荐信息无限接近用户需求的目的。

就用户虚拟图像的生成而言，图像化的生成需要主客体之间的相互配合，生成的用户图像包括事实图像、模型图像和预测图像三个层次[4]79。事实图像生成于推荐对象模型中设置的关于客体信息的提问和客体关于主体所提出问题的回答。当用户首次登录应用平台时，平台会从年龄、性别、喜好、目的、所在地等基本信息的角度设置问题，回答这些问题才能获得应用平台的运行权限，而获取权限的过程同时也是推荐系统通过推荐算法对用户信息进行图像化处理的过程。随着用户平台使用频率的增加，在事实图像的基础上，推荐平台获取用户的许可，根据用户的浏览内容、关注内容、屏蔽内容、感兴趣内容等特征信息填补图像中的“空白”，以此生成更加形象生动的模型图像，使推荐算法为个性化用户打造的图像特征逐渐清晰，用户兴趣需求和推荐内容“匹配度”相应提高。推荐平台精准刻画事实图像和模型图像，以此为基础生成更加切合用户需求、符合用户行为轨迹的预测图像。

二、推荐算法运行下高校网络意识形态建设面临的机遇与挑战

习近平总书记指出：“网络意识形态安全风险意识问题值得高度重视。”[5]对于旨在进行价值观引导和思想传播的高校网络意识形态工作而言，新型的互联网信息分发模式——推荐算法技术意味着前所未有的境遇和崭新的外援性条件。获得推荐算法“加持”后，高校网络意识形态建设的内容纵深度、关联时效性以及信息匹配度三个方面的向好趋势明显。但就目前推荐算法的发展阶段而言，“算法推送偏重数据抓取技术和内容审查后置，弱化了对基本价值的守望和主流价值的引导”[6]。因此，无论在凝聚力建设、话语权提升还是认同感巩固上，推荐算法技术的应用都有可能对高校网络意识形态建设带来挑战。

(一)推荐信息的偏好性在推动高校网络意识形态纵深化建设的同时，冲击着其凝聚力建设

内容纵深化发展是高校网络意识形态建设的首攻方向。在运行推荐算法的条件下，内容纵深化发展主要体现在两个方面。一方面，由于受所处高校师生的偏好性研究成果及自身掌握的个性化信息影响，推荐模型主体即从事高校融媒体平台运营的专业媒体人在高校网络意识形态平台发布的推荐信息，必然包含对偏好性内容的深度诠释。另一方面，就用户模型主体即高校师生群体而言，推荐平台发布的研究成果不仅是对学界已生成的偏好性内容的创新和诠释，而且为专业人员再次深度挖掘偏好性创新内容提供素材，从而推动高校网络意识形态的内容纵深化发展。

推荐算法以其内容偏好性为特点，为高校网络意识形态建设内容的纵深化发展带来机遇，并取得一定成果。但内容纵深度的无限增强无形中强化了“信息茧房”效应这一客观存在，进而阻碍高校网络意识形态的凝聚力建设。

一方面，推荐模型主体推荐给高校师生的个性化信息忽略了内容的整体性和系统性建设。高校网络意识形态理论内容本身是一个复杂的有机整体，理想状态下，其内容应该是对高校师生关于意识形态方面的代表性及最新理论研究成果的整合，而不仅仅是针对本校师生相关理论研究成果的区域维度呈现。但目前全国各大高校网络意识形态建设平台的推荐内容大都注重对本校师生偏好性研究成果以及自身所关注领域新成果的点状推荐，因此推荐内容无法形成一个完整的、客观的、有机的高校网络意识形态内容推荐系统。这对高校网络意识形态内容本身的凝聚力建设产生不利影响。

另一方面，经用户模型主体深度挖掘形成的偏好性理论成果忽略了该理论与相关理论内容之间的关联性建设。理解推荐平台的推荐内容，不仅要理解所推荐内容的理论内涵，还要理解其外延及外延之间的关联。目前高校师生对创新性理论成果的深度挖掘呈现出一个特点，即对理论内涵及外延之内在相关性的研究成果较少，主要表现在：或忽略对理论内容内在逻辑的探究，或忽略理论内容与相关理论之间的异同探究，或“就理论本身谈理论”。总之，不同层次的理解得出的内容之间缺乏一定的关联性，这种关联性的缺失会让高校师生陷入自制的“信息茧房”中，不利于高校网络意识形态内容本身的凝聚力建设。

(二)推荐信息的时效性在促进高校网络意识形态即时性建设的同时，削弱着其话语权建设

推荐信息时效性的增强为高校网络意识形态的即时性建设带来机遇，是巩固和保障高校网络意识形态实效性建设的必经之路。所谓即时性，一是指推荐内容更迭即时，即在高校网络意识形态建设平台上推荐信息的更替速度与实时创新成果的更新速度相一致。二是推荐内容反馈即时，即高校网络意识形态建设平台接收的反馈信息，通常集中在特定内容被推出的几天时间内。推荐内容更迭和反馈的即时可以为下一次个性化教学实践或理论研究快速地提供依据，使得看似循环往复的推荐过程不断为教学或理论研究效果的巩固和提升提供机遇。

推荐算法的时效性为高校网络意识形态平台建设提供了优质环境。但适度延长平台信息推出时间，有利于提高实效，巩固话语权。当前，平台推出信息以时效性为前提，信息的泛娱乐化和庸俗化特征明显，专业化特征欠缺，实效性未能完全发挥，因此，话语权建设遇到阻碍。

一方面，高校网络意识形态建设平台推出的信息多以“短实新”为主，话语影响的持续性不强。顾名思义，“短”是指事件的概括性较高，理论研究成果过于碎片化；“实”强调实时、快速；“新”是指新颖、新奇。“短实新”是从发展技术本身优于发展人的角度出发进行高校网络意识形态建设，因此，难免会落入片面夸大技术作用的“怪圈”，长此以往会导致技术发展本身的停滞，进而影响应用此技术的领域[7]。在高校网络意识形态建设平台推荐信息以“短实新”为特征的背景下，高校师生很难全面了解事件、系统认知理论，很难确保推荐信息发挥实效。因此，即使当前呈现出推荐信息增多的现象，但话语权建设进入高质量发展阶段仍然需要时间。

另一方面，由于高校网络意识形态建设平台不能准确把握通俗易懂与泛娱乐化、庸俗化之间的区别，致使话语的重要性和价值性缺失。对高校师生而言，通俗易懂意味着将晦涩难懂的道理形象化加工、通俗化翻译、精炼化提纯，不仅要让学生能看懂，而且要让教师感兴趣。绝不是用浅薄空洞的文笔，将正能量信息讲歪、讲俗、讲小，过分消费高校教师的兴趣，使高校学生陷入低俗的乐趣之中，呈现出泛娱乐化和庸俗化效果，最终削弱高校网络意识形态的话语权建设，网络主流意识形态被边缘化。

(三)推荐信息的图像化在提高高校网络意识形态建设匹配度的同时，威胁着其认同感的建设

为了让高校师生对高校网络主流意识形态产生持续性认同，高校网络意识形态建设平台需要时刻关注平台推出的信息是否精准适用于教师群体和学生群体，这依赖于对群体信息的精准刻画。高校网络意识形态平台进行群体信息精准建设的过程主要体现在两个方面。一方面是针对不同群体刻画初始群体化图像的过程。主要从教师和学生的理论研究成果、教学反馈以及所参加学术会议或社团活动的价值取向三方面入手，实现群体与信息的初次匹配。另一方面是对不同群体思想和行为的阶段性变化进行不间断追踪的过程。不间断的追踪为不同群体“特征”图像的完善提供现实数据，完善后的“特征”图像将更加匹配不同群体的阶段性需求。

推荐算法的“信息图像化”特征使得人与信息之间的匹配度大幅提升。但客观性内容总是依托于特定的话语表现出来，一旦高校师生接收的话语偏离真相，或缺乏对内容的客观性阐释，即陷入勒庞在《乌合之众：大众心理研究》一书中所描述的“后真相”现象：“考虑事物虚幻的形状，远比考虑它们的真正形状更重要”[8]。结果必然使他们在舆论传播过程中放弃对信息匹配度的追求，更多的是诉诸个人情感和信仰诉求而非事实真相，这最终就会威胁到高校网络主流意识形态认同感的建设。

一方面，高校网络意识形态建设平台将推荐信息匹配度作为唯一特别实体对待，会将个性化推荐转变为“独异性”推荐，进而阻碍高校师生对高校网络意识形态的认同。“独异性”是由德国社会学家莱克维茨提出的，他认为“独异性”指“在社会实践中被理解为特别的，而且是作为特别实体被制造和对待的”[9]。推荐信息的过分图像化正是“独异性”产生的条件之一。高校网络意识形态建设平台个性化推荐的生成基础是对高校师生群体图像的初步刻画和不间断刻画，而对群体信息不间断刻画的过程使得以此为基础的推荐的“个性化”被突出强调，进而生成“独异性”。“独异性”的滋生使高校师生更容易受到与“诸环境相关联的客观”的影响[10],为高校师生误入历史虚无主义、新自由主义等“后真相”歧途提供可乘之机，进而成为认同障碍。

另一方面，高校网络意识形态建设平台对信息匹配度的过度追求使得推荐信息的内容缺乏客观性，进而影响高校师生对高校网络意识形态内容的认同。推荐算法实施下的高校网络意识形态建设面临的任务之一，是从海量的信息生成系统中筛选出符合主流意识形态的“真相”进行推荐。一旦筛选的过程被个人偏好所“掌控”，继而过度追求或注重信息匹配度，那么筛选出的内容也将更容易偏向主观性而缺乏客观性。这无疑会影响高校师生对科学性理论本身或以代表性事件为文本体现出的科学性理论的认同度，成为高校网络意识形态认同建设道路上的“拦路虎”。

三、推荐算法运行下高校网络意识形态建设的提升进路

总的来看，高校网络意识形态建设离不开研究和把握推荐算法技术的特点。加强网络舆论阵地建设，需要纾解高校意识形态建设与推荐算法技术两者之间不合拍、不适应的问题，顺势而为，因势利导，用好网络平台。既然将推荐算法技术运用于高校网络意识形态建设是必然之举、实然之果和应然之要[11]129，那么高校网络意识形态建设者应该抓住机遇、精准发力，推进推荐算法与高校网络意识形态建设的高度融合，增强高校网络意识形态建设工作的主动性和实效性。

(一)强化主体责任，把控推荐内容的偏好建设

众所周知，“算法技术不过是媒介的价值选择机制在数据条件之下的一种‘人体的延伸’”[11]128。“信息茧房”不是推荐算法技术所引发的独特后果，但在推荐内容偏好性的影响下“信息茧房”效应将进一步强化。因此，在高校网络意识形态建设过程中，既要注重推荐算法技术的运用，依靠算法的推荐来制定个性化的推荐方案；也要注重各高校专业媒体人之间的交流互动，在建设目标趋同的前提下，为高校师生提供系统的推荐内容；更要强化高校用户的主体责任，依靠专业师生的推荐为个性化推荐方案把舵[12]。

首先，专业媒体人是个性化推荐方案的“制作人”。专业媒体人要谨慎对待所处的推荐环境，正确认识推荐算法的内容偏好性特点。针对高校网络意识形态建设中出现的问题，主动联系相关专业师生寻求答案，以防被推荐算法支配而局限于“信息茧房”的圈层之中。其次，高校专业媒体人之间应该加强相互沟通，积极分享高校网络意识形态建设经验，以推荐内容的系统性为目标选择并推出信息。最后，与推荐信息相关的专业师生是个性化推荐方案的“把舵人”。高校师生应主动学习高校网络意识形态建设内容，积极应对网络平台建设中存在的漏洞，认真回答专业媒体人提出的问题。进一步强化“制作人”和“把舵人”的主体责任，通过相互协作突破“信息茧房”的壁垒，增强高校网络意识形态建设的凝聚力，为推荐算法在高校网络意识形态建设领域的运用和发展保驾护航。

(二)挖掘潜在价值，落实推荐内容的实效建设

提升话语权不仅在于对数据价值的真实还原，还在于对技术价值的不断创新。在推荐算法与高校网络意识形态建设深度融合的过程中，首先要重视时效性，这是毋庸置疑的，因为先进的技术会提升网络平台的关注度。在取得相对稳定的技术成果之后，则应重视对实效性的挖掘，因为实效性和时效性的共同提升更有利于话语权建设。因此，对高校网络意识形态建设工作而言，专业媒体人和高校师生都应该主动挖掘推荐数据和推荐技术的潜在价值。

一方面，高校应掌握推荐技术的潜在价值。推荐算法是互联网信息分发的最新技术，高校相关专业应该主动研究推荐算法技术的潜在价值，掌握推荐算法技术的优化程序，在研究中发现问题、解决问题，充分发挥推荐算法的时效性，使推荐算法技术真正“出圈”。另一方面，高校应掌握推荐数据的潜在价值。高校网络意识形态建设平台既不能将“短实新”作为平台推荐信息的最终发展目标，也不能一味推荐过于理论化的主流意识形态信息，要对“通俗易懂”有严格的把关机制。平台对信息的推荐应该建立在推荐数据的潜在价值上，即推荐与主流意识形态相符合的信息或具有系统性、纵深度的相关时事政治内容，谨防泛娱乐化和庸俗化的言论影响数据潜在价值的发挥。进一步对实效性和时效性的协同发展进行深入研究，加强对数据价值和技术价值的挖掘，进而强化高校网络意识形态平台的话语权建设。

(三)秉承客观理念，细化推荐群体的图像建设

从高校网络意识形态平台建设的角度来讲，采集纯粹客观的时间序列数据是群体图像建设必须遵循的理念。但通过特定话语表述出来的时间序列数据很难保持绝对的纯粹客观，加之推荐算法技术的普及使得大量的主观数据得到快速传播，“后真相”问题被进一步放大，高校师生很难从中获取“真相”并保持认同。面对这样的困境，从事高校网络意识形态平台建设的专业媒体人在刻画用户群体图像时，不仅要从用户图像的初始数据入手，更要从模型数据入手，不断把握用户在使用平台时所产生的嵌入数据和注意力数据，细化用户群体的图像建设，从而生成更加贴合的预测图像。

首先，事实图像中的初始数据应该包括以下三个方面：一是进入高校前，对涉及主流意识形态的相关课程的接受度和认可度；二是接触主流意识形态课程前后思想的变化；三是对学生群体中存在的普遍性认识误区的纠正程度。其次，应该从关注向度和反馈向度出发建立模型图像中的浏览数据和迁移数据。高校师生对于网络主流意识形态内容的关注点主要包括：理论课程、会议论坛、时事热点以及校内外实践。高校师生对网络主流意识形态内容的反馈则应该包括三个层面：参与理论和实践课程后的反馈、参会议会后的反馈、对时事热点的评论反馈。其具体内容主要涉及知识认可程度、思想转变程度、信仰坚定程度以及文本纠错程度等细节。最后，根据对事实图像和模型图像中采集的数据预测用户的信息图像，并为各种可能性事件做好预案。