生产、演进与传播：算法新闻学的知识图景

2022-03-21 04:57张帆

暨南学报(哲学社会科学版) 2022年2期

张帆

虽然长期以来数字在新闻业中扮演着重要角色，但是美国记者一直低估了数字素养在专业技能构建方面的重要性，传统新闻业的发展一直围绕着文本和视觉两个要素。从20世纪60年代的计算机辅助报道开始，特别是新兴的数据新闻和算法新闻，新闻业显现出“量化转向”趋势。随着数据的指数级增长和人工智能技术的不断发展，当下的新闻业更加注重量级数据的采集、分析和计算。

算法新闻的理念发端于西方，又率先在西方发达国家得以应用和研究。2006年，路透社使用算法为其网站编辑财经新闻，标志着算法新闻应用推广元年的到来。从2009年起，算法新闻进入实践层面的快速扩张期。美国西北大学智能信息实验室开发出名为“统计猴”(Stats Monkey)的自动化新闻写作软件，谷歌开始利用算法面向个人用户推广个性化搜索，随后美国在线、洛杉矶时报、美联社、纽约时报、华盛顿邮报和叙述科学公司、自动化透视等一批新闻媒体和科技公司纷纷涉足算法新闻领域。作为实践和研究的先行者，西方学者在算法新闻学研究领域已产出了大量文献资料，然而他们并不满足于对算法新闻这一概念进行客观和抽象的解释，而是从多元角度来探讨这一概念在社会实践中的复杂性，成为计算新闻学研究的新兴领域和重要分支。本文以算法新闻学的西方学术文献为研究对象，基于知识社会学的分析范式，通过解析算法新闻学的知识生产、演进、传播与外部社会结构因素和内部学术因素之间的关系，更加深入理解算法新闻的内涵与外延，旨在探明“表面价值”背后的社会意蕴，进而揭示算法新闻学的实质和意义。

一、算法新闻的内涵与特征研究

随着智能算法技术介入新闻业，机器写作新闻、自动化新闻、算法推荐新闻、算法新闻等概念不断涌现。虽然这些概念都凸显了技术导向，但是内涵却不尽相同。“机器写作新闻”强调新闻生产的主体是机器，而“自动化新闻”则偏重新闻生产过程的自动化特征。虽然二者的侧重点不同，但是都指向新闻生产环节的自动化，即在没有或者有限的人类干预下，由预先设定的程序自动将数据转化为新闻文本。与前两个概念不同，“算法推荐新闻”指向新闻分发环节的个性化，即基于用户的行为数据，通过算法预测用户感兴趣的信息和话题，并快速完成新闻内容与用户兴趣的匹配，实现精准的个性化推送。

尽管学界尚未对“算法新闻”形成统一的定义，但是在生产实践中数据和算法成为两个不可或缺的核心生产要素。有的学者从内容生产的角度，认为算法新闻的生产包括从数据库中选择电子数据的输入阶段，利用自然语言生成技术使相关数据集具有语义结构的处理阶段，以及在一定范围内通过线上或线下平台发布最终文本的输出阶段。在此基础上，还有学者从编辑策划的角度，认为算法新闻还应包括算法策展，一方面依据算法判断完成对新闻信息的捕捉、控制和排序，在没有人类编辑的情况下自动完成内容筛选；另一方面对于意见性信息去粗存精，呈现有代表性的意见和观点，实现促进公共意见交流的功能。也有一些学者从新闻分发的角度，提出“算法把关”颠覆了传统“编辑分发”的主观模式。算法新闻能够基于用户画像实现精准的个性化新闻推送，并根据用户使用反馈及阅读行为的演化，不断修正和完善推荐方案。从上述观点中可以归纳出，算法新闻的内涵大于机器写作新闻、自动化新闻和算法推荐新闻，算法已渗透到新闻产制与传播的全环节。算法新闻不仅包括基于生产端的机器写作新闻，编辑策划环节的自动化策展新闻，还包括分发端的个性化新闻，具备自动化和个性化的重要特征，能够有效提高生产效率、用户粘性和盈利能力。

二、协同开放语境下的西方算法新闻学研究

在媒介化时代，媒介不再置于整个社会功能结构的中心。西方算法新闻学研究不再以媒介文本或媒介制度作为研究中心和焦点，而是关注以媒介为取向的松散、开放的算法新闻实践行为。学者们更加重视媒介经验的多样性和复杂性，避免知识生产的简单化和片面性。

在新的职业场景中，学者们突破以往人与“非人”(技术)的二元对立框架，在协同开放语境下把握算法新闻生产中多元主体的互动机制。刘易斯等人通过实证研究发现德国、韩国和欧盟国家的用户对记者新闻写作和机器新闻写作持有不同的态度倾向。记者是否会被机器威胁替代，不仅需要检验二者在新闻规范性方面的接近性，还需要从更加宏观的视角考察社会文化因素对用户认知的影响。新闻记者的角色定位应凸显自身竞争优势，转变为“元作者”或“元记者”。新闻写作逐渐从描述性走向阐释性，不再是再现世界，而是理解世界。算法技术与新闻记者不是此消彼长的竞争关系，算法技术不仅需要融入新闻实践中，而且还要与新闻自身逻辑融为一体。

西方社会文化语境下民众的权利意识为算法新闻受众研究提供了广阔空间。研究者们认为用户在算法新闻的生产、传播和消费实践中既受到制约又具有能动性。在流量驱动下，算法平台运营商迫使工程师调整算法以“优化”新闻推送结果，实现利益最大化，而用户则需要精准的个性化推荐持续快速地消费自己感兴趣的新闻信息，甘愿沦为“流量商品”和“算法囚徒”，二者各取所需。为了抵制商业监视、提高新闻公共性、维持社会关系，用户不是一味被动地受控于算法，而是依据一定的频率、范围和行为方式，反过来形塑算法本身。用户虽然无法准确知道“算法黑箱”的运作规则，但是在长期的媒介实践中却可以通过“算法想象”推测出系统的内在逻辑，形成“民间理论”，继而在理论的指导下调适自身媒介行为。特罗蒂尔(Trottier)和里昂(Lyon)在研究中指出用户可以通过“协同身份建构”的方式，即标记、评论、点赞等行为来增强彼此的可见性。

进入智媒时代，西方政治家们在代议民主、多党竞争、票决民主的政治体制下更倾向于借助算法技术，将政治话语精准、自动、大规模地传递给普通民众，通过操纵超级网络平台的信息可见度，影响乃至改变民众思想、观念和行为。算法政治成为西方算法新闻学版图中的重要组成部分。2018年Giggit杂志主编马利(Maly)提出“算法民粹主义”这一概念，其实质是一种披着“平民主义”外壳的“精英主义”。通过选举实验，宾姆(Beam)发现基于用户画像而自动生成的个性化新闻推荐能够大大减少用户接触与自身态度相反的新闻标题和新闻报道。在具体的新闻实践中，学者却发现脸书在2016年美国总统选举期间推送的新闻信息既有与用户党派倾向一致的，也有与用户党派倾向相反的，推送内容与选举阶段和用户党派倾向密切相关。脸书也可以通过调整“动态信息”的算法模型来增加政治党派的新闻可见度。在对谷歌的实证研究中，学者们还发现无论用户的党派倾向和地域位置有何差异，推送的新闻信息主要来自少数几个国家的主流媒体。这说明政治极化受到众多因素的影响，比如用户倾向、时间阶段、媒体类型、算法模型、政治权力等等。

鉴于算法新闻在实践中存在的问题，学者们将权力制衡作为重要的研究议题。首先提出的制衡之道就是“算法透明制”。算法信息的公开可以让用户判断算法运行中的价值、偏见或意识形态，了解新闻产品的潜在观点。有关算法如何被建构和运行的细节将有助于具体公共利益原则的出台。然而，学者们提出由于公开成本、隐私保护、法律诉讼、用户体验，特别是组织的竞争优势和商业声誉等原因，算法透明制在实施中存在一定的障碍和限制。美国学者通过实证研究指出在自动化新闻中明确交代数据来源的新闻只占很小一部分。荷兰学者也从用户权益、媒体类型、公开目的等维度探讨了“算法透明制”的适用范围。算法透明制虽然可以发挥一定作用，但远不是解决算法权力制衡的有效方法。于是“算法问责制”开始进入学术视野，它是指算法系统采用各种控制措施以确保运营商(即部署算法的一方)可根据其意图验证其行为的原则，以及识别和纠正有害结果。然而，在实践中依然会面临人才缺乏、法律限制和伦理规范等问题。

不同于传统的研究范式，西方学者在实践理论框架下围绕算法技术、新闻记者、媒介平台、用户等行动主体，在协同开放语境下探索算法新闻学研究。曼海姆认为认识过程实际上并不是按照各种内在法则发展的，在许多具有决定性意义的关键节点上，实际思想的突现和结晶过程都受到各种生存因素的影响。这些生存因素不仅渗透到知识的形式和内容之中，而且决定了我们的经验和观察过程所具有的范围和强度，即主体的“视角”。进入20世纪70年代，科学知识社会学兴起，以巴恩斯和布鲁尔为代表的爱丁堡学派通过大量研究证实，最纯粹的理论科学领域依然受到社会因素的影响，明确指出科学知识是由社会建构的，服从社会学的因果分析。学术知识的生产与其赖以出现的“社会基础”和“文化基础”相联系着，所有知识都是由这个社会及其特有的结构共同决定的。因此，新闻学的“量化转向”并不是知识本身的逻辑必然，而是由特定知识生产者的社会结构位置决定的。本文研究的关键问题即是西方算法新闻学的知识生产者具有什么样的群像特征？他们的研究建构出什么样的知识图景？这些知识生产背后的社会结构性力量是什么？以此为导向，本研究首先梳理学者所属国家及学科的总体分布情况和作者、机构共现混合网络，勾勒出知识生产者的群像特征；其次基于对关键词共现网络及历时分布、期刊共被引聚类的分析，探讨知识生产的热点分布、演进阶段以及知识传播的载体。

三、数据来源与研究方法

通过数据库关键词搜索，学界对算法新闻学的研究起步于新闻业界的快速扩张期，最早的文献亦发表于2009年。本文以WoS核心合集(含SCIE、SSCI、A&HCI、CPCI)、Scopus为主要数据库，分别以“算法新闻学”(algorithmic journalism)、“算法策展新闻”(algorithmic curation news)、“算法推荐新闻”(algorithmic recommendation news)为检索字段搜索2009年至2020年间的英文学术文献。鉴于学者们通常会认为“机器人新闻”、“自动化新闻”、“机器写作新闻”等不同概念与“算法新闻”概念名词在一定程度上可以互换，本文还以“机器新闻”(robot journalism/news)“自动化新闻”(automated journalism/news)、“机器写作新闻”(machine-written journalism/news)等为检索字段予以补充。为了保证文献资料的完整性和多样化，在已搜索到的文献基础上，本文还运用“滚雪球”式的文献搜集方法，依据文献间的引用关系，进一步搜集文献资料，新搜集的文献资料又会被继续检索，如此往复，直至没有新文献出现为止。此外，以相同检索字段在知网数据库搜索相关的中文文献，进一步搜集参考文献中的相关英文文献资料，并在外文数据库中再次检索。只要这些文献的第一作者、通讯作者为西方学者或是来自西方学术科研机构，那么此文献就被纳入研究范畴。经过去重和排除与主题无关的文献后，本文共选取了125篇文献资料作为研究对象，其中包括107篇期刊论文、14篇会议论文、3篇书内章节和1部学术专著。

CiteSpace是一款着眼于探寻科学文献中蕴含潜在知识的可视化软件，通过可视化手段来呈现科学知识的结构、规律和分布情况，因此也将通过此类方法分析得到的可视化图形称为“科学知识图谱”。CiteSpace绘制的知识图谱可以展现一个学科领域引文聚类的形成、积累、扩散和转换进程，揭示一个知识领域研究前沿的突现与演变进程。本研究将所有文献数据统一转换成WoS格式后，利用Citespace5.3软件绘制作者及机构共现混合网络图谱、关键词共现网络图谱、时间线视图和期刊共被引聚类视图，从宏观层面描述算法新闻学知识生产、演进与传播的基本图景。通过文献分析法对学者的学科背景、研究方向、科研机构、教育及工作经历逐一进行编码，并结合其所属国家的政治、经济、文化、技术等情况，从微观层面洞察内部学术因素和外部社会因素与算法新闻学知识图景之间的复杂关系。

四、算法新闻学知识生产的总体分布与空间格局

算法新闻学的知识生产数量在总体上呈现出先增长后下降的态势，学界的研究态势与业界的实践和社会的发展有着直接联系。从2009年起，算法新闻进入实践层面的快速扩张期，学界也开始了零星探索。随着脸书、推特等社交平台和洛杉矶时报、美联社、纽约时报、华盛顿邮报等主流媒体对算法新闻的广泛实践，学界对算法新闻的研究也逐渐增多，特别是2016年美国总统大选期间由算法推荐新闻引发的虚假信息、群体极化等问题，更是助推了西方学者们的研究热情。2018年之后，研究成果在数量上呈现出下降趋势，这不仅是由于西方算法新闻的实践进入了常态化阶段，新闻传播学者的研究重心有所转移，而且随着新加坡、中国、韩国等国家算法新闻实践的快速推进，非西方国家学者们的研究成果开始挤占期刊版面资源，还因为法学、心理学、政治学等学科学者开始介入算法相关的研究中，研究视角呈分散化和精细化趋势，虽然是以算法新闻作为研究对象，但研究内容却与算法新闻学呈弱相关关系。

从图1可以看出，这些文献由17个国家的208位学者产出，其中来自美国的学者遥遥领先，一方面是因为美国的高校数量和科研水平均是无可争议的全球第一，特别是与算法新闻学研究紧密联系的新闻传播学和计算机科学，其专业排名也是处于世界一流水平；另一方面是因为美国社交媒体和主流媒体是实践算法新闻的先行者，大量的实践案例为学者提供了研究契机和选题来源。通过梳理论著中的作者简介，以及官方网站、个人博客、领英上学者的学科背景和研究方向，发现在算法新闻学研究领域中依然是以新闻传播学学者为主导，但是显现出较强的跨学科特点，特别是美国的算法新闻学研究更是聚集了来自新闻传播学、计算机科学、信息工程学、经济学、社会学、艺术设计、政治学等七个不同学科背景的学者。这些学者的加入，一方面是由于算法新闻自身的技术导向性所决定的，另一方面也为算法新闻学的知识生产提供了多元视角和多种研究范式。

图1 学者所属国家及学科的数量分布情况

知识生产者的社会作用大小由知识生产者的数量、组织及其政治思想发展的水平来决定。社会政治环境和经济状况、学术机构的优势学科、资金支持、业界资源以及知识生产者的教育背景、工作经历、合作网络等成为影响知识生产的重要因素。在“知识—知识生产者—社会”的框架下探讨算法新闻学知识生产的高产机构及相应作者群合作网络的成因，从而进一步加深对算法新闻学知识建构及其社会影响的理解。

在CiteSpace生成的作者、机构共现混合图谱中，发文量排名靠前的机构分别是荷兰的阿姆斯特丹大学、美国的俄勒冈大学和瑞士的苏黎世大学，文献产出量分别为9篇、7篇、5篇。其中，来自阿姆斯特丹大学的学者人数最多，涉及的专业也最多，7位新闻传播学、6位信息法学、1位计算机科学，显示出强劲的跨学科合作态势。在QS世界大学排名中，该校的传播与媒体研究专业已连续多年稳居世界第一。该领域的研究受到欧洲研究理事会、荷兰科研国家网络体系项目、荷兰科学研究组织公平新闻项目、阿姆斯特丹大学优先资助项目的资金支持，形成了区域、国家、高校三位一体的资助体系。出众的专业能力和充足的资金投入为高质量的知识生产提供了重要保障。此外，阿姆斯特丹大学的法学部在欧洲乃至世界范围内享有盛名，算法新闻在实践中存在的隐私风险和传播风险也触发了信息法学者的研究兴趣。2019年之后，信息法学者的参与度和发文量显著提升。美国俄勒冈大学产出的7篇论文中，有6篇出自新闻传播学者刘易斯(Lewis)，表现出极高的作者中心度。刘易斯教授不仅具有深厚的新闻传播学知识基础和理论功底，而且曾参与耶鲁大学法学院的信息社会项目和斯坦福大学的科学、技术与社会项目，这些经历让他具有更加广阔的研究视野。2016年，刘易斯教授加入俄勒冈大学新闻传播学院，新开设了《算法与自动化》课程，将科研与教学工作紧密结合，重点研究人工智能、算法和自动化在新闻业中的生产实践，积极探索人机交互中的新闻创新。来自苏黎世大学的2位学者均为新闻传播学背景，5篇论文均有杜尔(Dörr)的参与，他也成为这一知识生产领域的“学术领导者”。苏黎世大学强势的新闻传媒专业、苏黎世聚集欧洲顶尖的机器人领域人才、瑞士高端制造业的传统优势和人工智能领域的高密度创业公司都成为推动该校成为高产机构的重要因素。

西方算法新闻学研究的合作群网络布局较为松散，节点之间的连线较少，展现出大分散、小集中的特点，大体上形成了两个作者群。第一个作者群聚集在美国，主要来自伊利诺伊大学巴纳-香槟分校(UIUC)、密歇根大学和加州州立大学弗雷斯诺分校(CSU-Fresno)，学者分别以计算机科学专业、信息工程专业和社会学专业为主。这一群体中有七位来自UIUC，这所大学的计算机专业排名全美第二，校友创建了Oracle、Youtube、PayPal、Yelp等世界知名公司，与业界有着密切交流。来自密歇根大学的桑维格(Sandvig)曾任教于UIUC，来自CSU-Fresno 的里克曼(Rickman)于2013年在UIUC取得博士学位，时任研究部主任的桑维格为其博士论文答辩委员会代表之一。换句话说，这一作者群虽然分布在三所美国高校，却以UIUC为核心，另外两所高校的学者与UIUC有着紧密联系，或为同事关系，或为师生关系，或为校友关系。这一作者群产出的2篇学术论文均以脸书为研究对象，采用实验研究方法，检验经算法策展后的动态消息对用户认知的影响，凸显跨学科特征，利用工科的模型与系统来探究媒介现象与社会问题。

第二个作者群主要分布在欧洲，主要来自德国慕尼黑大学和传媒大学、伦敦城市大学、瑞士苏黎世大学，共产出10篇期刊论文和1篇会议论文。瑟曼(Thurman)教授是研究“算法新闻”的重要学者，在加入德国慕尼黑大学传播与媒体研究系之前曾在伦敦城市大学求学和任教。这段跨国经历使他成为连接德国和英国学界的重要节点，合作者不仅包括博士毕业于慕尼黑大学传播与媒体研究系，后任教于德国汉堡大学的库纳特(Kunert)，还包括伦敦城市大学的设菲尔斯(Schifferes)和英国牛津大学格林坦普顿学院的弗莱彻(Fletcher)、纽曼(Newman)。在这一作者群中还包括来自苏黎世大学的杜尔。杜尔曾先后在德国慕尼黑大学和帕绍大学求学，2013年至2017年就读于苏黎世大学新闻传播学专业，并取得博士学位，学成后又回到德国柏林，担任德勤(Deloitte)的顾问。他的异国求学经历，使得其科研合作网络更加广泛，成为瑞士和德国学者间的重要连结点，合作者既有苏黎世大学的霍恩布契勒(Hollnbuchner)，还有德国学者瑟曼和库纳特。与杜尔有着相似经历的格雷费(Graefe)也成为该作者群中连接慕尼黑大学与传媒大学学者、新闻传播学与经济学、信息工程学学者的重要节点。他先后在德国雷根斯堡大学和瑞士苏黎世大学学习经济和信息科学，又在德国卡尔斯鲁厄大学取得经济学博士学位，随后在慕尼黑大学和传媒大学先后任教。因此，具有跨学科背景的格雷费的合作网络中既包括慕尼黑大学传播学与媒体研究系的哈依姆(Haim)和布罗修斯(Brosius)，也包括慕尼黑传媒大学应用技术大学商学院的博尔肯(Bohlken)，还包括德国弗劳恩霍夫研究所从事信息处理工作的哈尔门(Haarmann)。这一作者群中来自慕尼黑大学的学者数量最多，除上述新闻传播类学者之外，还包括该校管理学院的奥克斯林(Oechslein)和赫斯(Hess)，早在2014年他们就开始关注社会关系对算法推送新闻价值的影响。

2016年之后，围绕算法新闻的学术会议活动开始增多，这在很大程度上推动了美国与欧洲学者之间的学术交流与合作。比如2018年5月在德国慕尼黑大学举办的国际会议“算法、自动化和新闻”，吸引了来自德国、阿姆斯特丹、英国和美国等不同国家的学者参加。国际权威学术期刊“数字新闻”(Digital Journalism)从此次会议论文中选取了11篇组成研究专题，刊载于2019年第8期，并由德国慕尼黑大学的瑟曼、美国俄勒冈大学的刘易斯和德国汉堡大学的库纳特共同完成“算法、自动化和新闻”一文，作为该期的卷首介绍。以欧洲学者为主体的合作群网络逐渐跨越物理空间，呈现出不断扩展之势。

相较而言，第一个作者群以UIUC为核心，多以理工科为教育背景，其内部关系紧密，但其合作网络仅仅局限在美国，学术产量较低，而第二个作者群的内部关系相对松散，多以人文学科为教育背景，由于其成员很多具有海外求学任教经历，因此其合作网络已经突破德国、英国和瑞士等欧洲高校，辐射至美国学术圈，广泛的学术交流使得其学术产量远高于前者，影响力也不断扩散。

五、知识生产的热点与演进阶段

对不同阶段研究热点的考察有助于厘清一定的社会历史情境对知识生产的影响以及知识生产的演化逻辑。在CiteSpace生成的算法新闻学研究关键词共现网络图谱中，节点越大说明关键词出现频率越高，连线越多说明两个关键词共现次数越多，连线越粗则说明联系程度越强。本研究的检索词包括“algorithm”和“journalism”，所以这两个关键词占据图谱中最大的两个节点，并且与其他节点有着很强的共现关系。算法、新闻、自动化新闻、计算新闻学、媒体成为共现频次和中心性较高的关键词，这也反映出学者们共同关注的研究热点。

运用CiteSpace对关键词网络聚类进行分析，采用LLR对数似然算法命名聚类标签，探索2009年至2020年间西方算法新闻学研究的主要领域，聚类编号越靠前，说明聚类规模越大，包含的节点数量越多。西方算法新闻学研究的主要聚类标签有六个，分别为机器人新闻、福柯、社交媒体、推荐系统、数据和算法把关。按照关键词出现的先后顺序，可以将西方算法新闻学研究的演进脉络大致划分为三个阶段。

第一阶段是初步形成期(2009年至2012年)，研究聚焦算法、媒体、技术等领域，且主要归属于“福柯”、“社交媒体”和“数据”聚类标签下。脸书在这一阶段超越谷歌，成为全美拥有最高访问量的网站。社交媒体的巨大实力和发展前景引发了学者们的研究兴趣，特别是随着智能算法技术在社交媒体的应用实践，学者们对福柯提出的全景敞式监狱和生物政治、生物权力等概念进行了再思考。以技术为导向的生产方式使新闻生产的全环节面临重构，学者们意识到“算法在调节记者、受众、新闻室和媒体产品等方面发挥着越来越重要的社会技术作用”。这一阶段产出的文献被广泛引用，为算法新闻学的发展提供了早期思考，为全面发展期的到来打下了坚实基础。

第二阶段是全面推进期(2013年至2018年)，随着研究进程的推进，增加了“机器人新闻”和“算法把关”两个聚类标签。从横向上看，时区间的关键词节点连线不断增加，学术传承关系不断增强，从纵向上看，关键词的跨聚类连接态势越来越强，研究视野不断拓展。在这一阶段，虽然“福柯”标签下的文献在产出量和影响力上都开始减弱，但是在“机器人新闻”聚类标签下，学者们围绕“计算新闻”、“自动化新闻”、“算法新闻”等关键词发表了一系列重要的研究文献。进入大数据时代，新的数据采集、挖掘和分析技术不断涌现，计算新闻学成为新闻研究的新兴领域，而自动化新闻和算法新闻的广泛实践更是让学者们转向计算新闻的算法维度。业界的广泛实践助推了学界的研究热情，学者们着重探讨了自动化新闻的生产过程以及算法权力的体现。2013年，自动化透视公司开发的Wordsmith平台自动生成了3亿条新闻，比世界上所有新闻媒体所产新闻的总和还要多。随后，美联社、雅虎、洛杉矶时报、华盛顿邮报等纷纷涉足自动化新闻，2016年里约奥运会期间，自动化新闻更是蓬勃发展。在“数据”聚类标签下，以“新闻业”为关键词的重要文献高达37篇。在新闻业的变革与重塑中，数据的处理、分类和排序成为新闻产制与分发的重要环节，算法成为智能算法时代的一种新型权力，由此也触发了学者们对于算法价值观、平台治理、新闻业者职业角色与功能定位的广泛探讨。在“推荐系统”聚类标签下，学者们关注了个性化新闻的算法推送和治理方式，特别是“情绪传染”实验、数据泄露、“偏见门”、美国总统大选期间的假新闻等事件更是将公共性削弱、隐私侵犯、信息茧房、新闻失实等伦理问题推上风口浪尖。

第三阶段是精细发展期(2019年至2020年)，“机器人新闻”和“社交媒体”成为两个重要的聚类标签。虽然这一阶段的文献数量呈现下降趋势，引用量也有待进一步提高，但是研究主题更加精细化，研究维度下沉至微观，学者们重点着眼于机器人新闻的传播效果和用户认知，采用深度访谈、问卷调查、线上实验等更加多元化的实证研究方法。随着算法新闻实践的常态化以及“人机传播”概念的提出和兴起，学者们考察了异质行动者网络中各行动主体的互构、博弈和规训，以及相互之间的连接互动和关系变化。

六、知识传播的载体与类型

作为知识传播的重要载体，学术期刊在引领知识生产、推动知识增长、促进知识交流等方面至关重要。在CiteSpace生成的期刊共被引聚类视图中排名前十的高被引期刊中包括8本新闻传播类期刊、1本计算机科学类期刊和1本论文集，凸显新旧结合、多学科交叉特征。其中，《数字新闻》()的被引频次最高(79次)，该期刊紧盯新闻学研究的前沿领域，以推动跨学科学术交流为己任，重点关注新闻业在生产、分发与消费方面的变革，强调个性化新闻、机器写作新闻、自动化新闻等研究议题。该期刊也凭借大量高水平、高被引论文成为2019年新闻传播学新晋SSCI收录期刊。期刊主编是来自挪威奥斯陆都市大学新闻与传媒研究院的韦斯特隆德(Westlund)，第一副主编是韦斯特隆德的前同事，来自荷兰格罗宁根大学新闻研究与媒体学院的埃尔德里奇(Eldridge)。相比其他学术期刊，《数字新闻》刊登来自北欧和荷兰地区学者的论文比例最高，分别为13.48%和6.58%，为这些学者提供了更多知识传播的可能性。这也说明期刊主编的学术网络是影响某一地区或国家学术话语权的重要因素。

其他7本新闻传播类期刊均属于老牌SSCI收录期刊，包括《新媒体与社会》()、《新闻实践》()、《新闻》()、《信息、传播与社会》(,)、《传播理论》()、《新闻研究》()和《传播学刊》()等。这在一定程度上也证实算法新闻学研究已成为新闻传播类的主流研究议题，占据着重要研究地位。这些代表性论文从理论和实践的双重视角探讨了算法新闻对新闻业、用户和社会的影响，研究对象的广泛性、研究方法的多元化和研究视角的多样性促进了该研究领域的繁荣。

排名第八的论文集《媒介技术：关于传播、物质性和社会的论文》被引频次为31，共收纳12篇论文，汇聚新闻传播学、计算机科学、信息科学等多学科学者。其中吉列斯皮(Gillespie)的论文“算法的相关性”的被引频次为27，该学者在美国康奈尔大学同时任教于传播系和信息科学系，也在微软研究院任职。跨学科背景以及业界任职经历使他能够从更加广阔的视角来解读算法，研究范围涉及数据类型、用户预期、相关性评价、算法客观性、算法对社会公众的影响等众多方面。

《美国计算机学会通讯》()是美国计算机学会的旗舰刊物，也是计算机领域最常被引用的期刊之一，该杂志位列高频被引期刊第十位，以美国学者为主导，既有工程技术类作者，也有新闻传播类作者，促进了跨学科知识的生产与流动。

七、结语与讨论

在新闻业“量化转向”的趋势下，算法新闻已经从市场扩张的早期阶段进入常态化实践的发展阶段，机器写作新闻、精准推送新闻、基于数据建模的预测新闻以及基于算法的策展新闻都已出现诸多现象级实践，由此产生的“算法民主”、“算法文化”和“算法生活”改变了人们认识世界和感知世界的方式，算法新闻已经成为当下新闻图景中不可忽视的重要领域。

本研究通过考察知识生产者的群像特征，以及他们建构出的知识图景，探寻西方算法新闻学知识生产背后的社会结构性因素，进而揭示算法新闻学知识生产的实质。从外部社会语境来讲，西方国家的政治体制、产业实践、公民意识、技术发展为算法新闻的实践提供了广阔空间，广泛实践中的虚假新闻、信息茧房、群体极化等现象又引发了学者们的研究兴趣。从内部学术发展来讲，学者经历、优势学科、资金支持成为推进算法新闻学研究的重要力量。学者们的教育背景和工作经历是形成学术共同体的重要联结因素，目前所形成的以美国计算机科学专业和以欧洲新闻传播学专业为主导的两大学术共同体有利于多学科视野下的理论观照和方法论证，形成多层面、多维度的知识生产体系。新闻传播类SSCI收录期刊、论文集、美国计算机学会的旗舰刊物成为算法新闻学知识传播的重要载体，不仅助推了算法新闻学知识的生产与传播，也促进了跨学科知识的共享与流动。

本研究以算法新闻学的西方学术文献为研究对象，从客观层面解析了算法新闻学知识生产的演化逻辑与影响因素。然而，知识社会学具有主客观建构的双重属性。韦伯认为社会行动意指行动个体对其行为赋予主观的意义。伯格和卢克曼将知识社会学置于日常生活中展开研究，强调“主观过程(与意义)的客体化”。本文对知识生产者个体生活主观层面的研究不足，则需要在后续研究中通过深度访谈等方法了解其个性与信仰，以及在知识生产中的经历和感悟，进一步丰富对算法新闻学知识生产实质的理解。

西方算法新闻学的研究也对我国学界的知识生产产生了深远影响。西方学者的研究论著迅速引发了中国学者的密切关注，助力本土算法新闻学知识生产规模的不断扩大。西方学者的研究成果被中国学者不断引介，甚至全文翻译发表，这些概念界定、理论探讨和实践反思为中国语境下的算法新闻学知识生产提供了研究基础和参考价值，大大降低了本土知识生产的风险性和不确定性。通过查询中国知网数据，2014年之后我国学者以“算法新闻”为研究主题的文献数量快速增长，近五年的文献产出量占到总和的80%以上。2020年的文献产量出现下降，一方面是由于新冠肺炎疫情的爆发，影响了学者们的研究进度或是转移了学者们的研究方向；另一方面是西方算法新闻学研究成果数量的持续下降也在一定程度上影响了我国学者们的研究热情。随着新冠肺炎疫情的逐步好转和算法新闻在业界实践的持续推进，可以预见的是，算法新闻学研究在经历了阶段性回落之后，未来的研究成果数量将会再创新高。这些文献也基本上沿袭了西方算法新闻学研究的对象、方法和路径，这也为中西算法新闻学的比较研究提供了便利性。通过比较中西算法推荐资讯平台的算法价值观、用户认知与态度，以及治理措施等，探寻不同社会语境下算法新闻的实践差异和认知差异，拓宽研究视野，丰富知识生产维度。

算法新闻学的知识生产对业界实践也有着重要的启示意义。在优化算法模式上，采取“智能推荐+人工影响”方式，兼顾推送新闻的个性化与公共性；在重新审视新闻记者的角色与功能上，从“把关者”转变为“策展者”，从“传播者”转变为“解释者”；在加强对网络平台的治理上，采用外部与内部相结合的监管手段，健全法律法规，严惩违规行为；在提升用户的媒介素养上，引导用户行为模式的调适，突破算法控制，修正推送内容。随着智能算法技术的不断发展和业界实践的持续推进，算法新闻也从市场扩张阶段过渡至成熟阶段，从新兴的新闻实践转变为常规主流生产，新闻图景将会被进一步重塑，人类的生活方式和社会网络将会被进一步改写，技术、媒介、人类、社会之间将会形成一种新型关系，知识社会学也将成为阐释算法新闻学研究的重要方法。