移动互联网时代算法推荐对网民新闻接触的影响探究

王思维，李知道

摘要：算法推荐技术是智能媒体发展的主要动力之一，凭借其精准推送和有效供给的技术特性使其成为移动互联网时代新闻传播平台重要的分发形式。算法技术充分满足了网民的新闻信息个性化需求，但也影响了网民新闻接触广度和深度。本文基于可供性理论视角对网民新闻接触现状和影响进行分析，并从媒介可供性理论框架下对算法技术的优化提出几点应用建议，在满足受众需求基础上推进整体新闻接触的广度和深度，积极推动和引导受众正确的新闻消费，不断提高受众的新闻消费效益，从而促进新闻业的发展与进步。

关键词：可供性;算法推荐;新闻接触;智能媒体

中图分类号：TP393文献标识码：A

文章编号：1009-3044（2021）21-0048-03

开放科学（资源服务）标识码（OSID）：

技术的不断迭代普及使新闻生产与分发的方式产生了极大变革，算法推荐技术以精准推送和有效供给为主要技术特征，成为当前移动互联网时代，新闻传播领域内容分发的重要形式，网民新闻接触内容日益多元丰富。基于算法推荐的智能媒体技术为新闻生产和分发提供了持续性的原动力，进一步强化了现代媒介和人的联结，算法推荐对网民新闻接触到底会产生什么样的影响？平台应该如何合理利用算法推荐来改善网民新闻接触的质量，积极推动和引导网民正确的新闻消费？本文将以可供性理论分析算法推荐如何优化新闻生产和分发等流程，和网民双向建构互动关系，提高新闻阅读兴趣和新闻深度思考能力，推动新闻业实现新的突破和发展。

1 可供性理论及其媒介呈现

可供性（Affordance）这一概念最初出现在生态心理学领域，由美国著名生态心理学家詹姆斯·吉布森（James Gibson）于1978年提出，他指出可供性意味着生物与环境之间的协调性，这种协调性包含了环境与生物之间的相互关联属性、互惠关系与互补性[1]。2001年，英国社会学家Ian Hutchby将可供性理论视角引入传播学领域，强调在特定媒介技术形式下产生的行动可能性。可供性理论在我国的研究和应用还较少，最初由潘忠党教授运用于新媒体研究领域，从生产可供性、社交可供性和移动可供性三个层面进行来解析媒体可供性研究，并从这些要素中进一步解析出若干种可供力。

在当下智能化媒体生态中，以算法推荐为基础的数据挖掘技术所形成的个性化信息推送已经成为我们接触新闻的主要形式。网民根据自身需求选择不同的平台和新闻内容，以实现自身的信息接触和社会交往等需求。

2 算法推荐下网民新闻接触现状

2.1 新闻接触渠道多元，新闻接触内容个性化

随着电子信息技术的迅速革新，移动互联网在媒体领域占有一席之地，社交媒体和各类新兴新闻资讯App和视频软件的快速成长，网民的新闻接触平台也逐渐从固定端向移动端迁移。网民新闻接触的渠道逐渐多元化，传统媒体和移动媒体的多渠道使得受众能获取更多的新闻信息，这也就带来了网民新闻接触内容的海量化和多样化。

移动互联网让我们进入了泛新闻时代，5G传输、机器人写作、算法推荐等新兴媒介技术给新闻消费提速，新闻消费内容丰富多样。算法推荐新闻是一种当前运用广泛的智能媒介技术，通过计算机算法与海量数据匹配分析用户感兴趣的话题，再将个性化信息内容推荐给用户。用户在平台接收到的大部分信息是经由算法技术过滤的信息，用户所接收到的新闻信息背后隐含了用户自身的价值偏好和阅读习惯[2]。从短期来看，算法推荐技术可以直观的满足受众的需求，但是从长远来看，算法系统过度迎合网民的个人偏好，使得用户接收的信息窄化，甚至导致信息结构失衡，进而影响新闻接触的深度。

2.2 新闻接触广度变窄，深度变浅

随着智能媒体技术的广泛应用，使受众新闻消费的各个维度产生了巨大的变革。搜索引擎、新闻聚合平台和社交媒体大多是使用算法推荐技术来为用户推送新闻，算法推荐技术规则及其所反映的用户的兴趣一定程度上决定了一条新闻消息的阅读量和传播度，同时新闻聚合平台对算法推荐技术的广泛应用不断削弱着专业媒体的把关权力与议程设置能力。随着算法技术在互联网传播平台中的普遍化运用，近年来“过滤气泡”也被行业所关注。这种由于算法推送和回音室效应（echo chamber situation）共同形成并強化的“过滤气泡”会出现“结晶”效果，进一步强化我们已有的“选择性接触机制”和“个人差异”，使我们呈现出群体内高同质化，群体外的高差异化。

由于网民本身就处在一个对于新闻接触呈现短期化、碎片化、分段化的大媒体环境下，新闻接触内容重数量轻质量，对于新闻事件没有深度了解，新闻接触深度呈现浅显化现象，而算法技术似乎有加剧这一现象的倾向。算法技术会使平台将严肃新闻、娱乐新闻和实用新闻进行混合式呈现，信息的意义、信息的流向以及受众对信息感知的方式都依托于机器算法的运算逻辑，导致受众的新闻接触不连贯和碎片化。

3 算法技术对网民新闻接触的影响

3.1 降低新闻获取成本，提高网民公共参与能力

算法推荐技术为网民提供了个性化的信息推送，能够使网民在海量信息中迅速找到自己所需要的信息，降低了网民获取信息的时间成本。例如，在今日头条平台在分析受众浏览记录、搜索记录和社交记录的基础上，通过内容推荐、协同过滤等技术为网民迅速及时地提供他们所需要的感兴趣的新闻信息，甚至都不需要网民主动搜索，极大地节省了网民时间成本。网民接触到多样化和个性化的新闻信息能够增长自身见识，并以此为基础介入和参与公共生活，进一步提高网民公共参与能力，为我国社会治理与公共建设贡献积极力量。

3.2 网民信息素养降低，加剧数字鸿沟现象

互联网时代，信息的数量爆炸式增长，由于技术的进步，信息的复制、粘贴、转发可以轻易实现，使得信息同质化现象严重。在信息海量化的同时，读者的信息素养并没有得到有效提升，原有的信息处理、管理、再利用能力也不足以应对繁多而庞杂的互联网信息。同时网民逐渐形成对移动互联网的媒介依赖（Media Dependency），而非主动分析后摘选有价值信息进行品读，逐渐丧失对信息来源真伪、价值蕴含的辨识能力。长期来看，这种媒介依赖会阻碍受众信息素养的提高，批判性和创造性思维的发展也将受到限制。