推荐算法视域下思想政治教育的问题研判与应对策略

李晓婷

(中央财经大学 马克思主义学院,北京 102206)

近年来,随着人工智能与大数据的深度融合,推荐算法作为一种新的信息传播技术全面渗透进日常的学习、工作。推荐算法的广泛使用,深刻改变了信息传播的样态,对个体的认知和行为产生了深刻影响。推荐算法拓宽了思想政治教育的信息传播渠道,但是也成为削弱思想政治教育实效性的利器。因此,分析推荐算法与思想政治教育之间的关联耦合,指出问题、追溯成因,提出具有针对性的应对策略具有极大的现实意义。

一、介入思政：推荐算法与思想政治教育的关联耦合

推荐算法是互联网时代信息技术发展的必然产物。“技术作为一种生产方式,……是组织和维持(或改变)社会关系的一种方式,它体现了主导性的思考和行为模式,是控制和支配的工具。”[1]推荐算法的广泛运用,意味着“我们已经进入了一个随时可能被算法算计的社会”[2]。作为信息传播技术的代表,推荐算法因其独到、智慧的技术运行原理对网民的信息浏览行为产生了深刻影响,已然成为介入思想政治教育过程的重要手段之一。

(一)推荐算法的原理分析

从技术演进的角度而言,算法一开始被释义为解决问题的数字化步骤指令。后来,随着大数据技术的发展,算法从计算机领域的专业术语演化为一种独特的信息传播技术。算法通过收集用户的使用行为特征,利用计算程序构建用户行为大数据画像,并建立数据模型,从而测算并推送可能引起用户关注的信息。按照不同的标准,推荐算法可以被分成不同的类别,但究其本质,不同的算法背后都有共性的技术运行原理,抓住这些基本的、共性的运行原理,就能把握推荐算法的精髓。

首先,内容供给端。算法可以对海量信息进行全面盘点,将信息分成不同类别并贴上标签,从而建构拥有庞大数据的“内容池”。这一环节是推荐算法最基础的运行步骤,目的是进行信息供给时能够及时准确地抓取用户所需的信息。其次,用户需求端。大数据时代,用户的需求极具个性化和多样性。算法可以针对用户的数据浏览足迹,推算出其兴趣爱好、经济水平,甚至是全面的个人基本信息,根据这些信息为用户匹配标签,对用户进行精准画像。最后,内容供给和用户需求精准匹配。算法对内容供给和用户需求的处理只是前期的基础阶段,这些准备工作的背后是为了实现二者的精准匹配。算法根据前期对用户的精准分析,将用户的需求标签和内容标签进行匹配,迅速抓取内容供给用户,实现及时有效的精准供给。值得注意的是,推荐算法还有关键一环是“拟合用户对内容满意度的函数”。算法可以将上面三个环节的具体数据导入函数,从而推断出用户对于推荐算法内容的满意度,并根据用户的反馈实时调整,实现内容供给和用户需求匹配度的高度共通。

(二)推荐算法与思想政治教育的关联

第一,推荐算法拓宽了思想政治教育的信息传播渠道。随着互联网技术的蓬勃发展,网络空间已然成为了人们新的实践空间。“人在哪儿,宣传思想工作的重点就在哪儿,网络空间已经成为人们生产生活的新空间,那就也应该成为我们党凝聚共识的新空间。”[3]这一论断证明在网络空间中开展思想政治教育的重要性。但在海量信息时代,网络空间赋予了每个人自由选择信息的权利,这就为思想政治教育信息的有效传播增加了难度。施尔玛赫在《网络至死》一书中指出：“我们对于信息感到饥饿……信息成为我们的猎物,我们的注意力和精力则变成信息的牺牲品。”[4]面对“信息爆炸”的事实,人类处理信息的能力并没有随着信息的增多而进化升级,由此引发的“信息洪灾”迫使我们思考提升筛选信息的能力。随着推荐算法成为信息传播技术的主流,思想政治教育应该及时搭上推荐算法的“顺风车”,拓展信息传播能力,在海量信息中脱颖而出。“算法推送从根本上说,是协同人与信息之间客观真实关系的重要工具。”[5]推荐算法有效地实现了人与信息的链接,降低了信息传播的损耗。因此,算法扮演人与信息之间的中介角色,能够潜移默化地引导受教育者接受思想政治教育。然而,推荐算法是一把双刃剑,它既能拓宽思想政治教育的信息传播渠道,也暗含算法主导下思想政治教育被“孤立”的风险。

第二,思想政治教育保障了推荐算法在合理的范围内运作。推荐算法易受资本逻辑裹挟,追求流量和关注度,忽视对信息背后深层价值的挖掘,由此会引发一系列负面影响。思想政治教育的独特作用就在于能够对算法进行价值引导,从而保障算法在合理的范围内运行。“算法的背后是人,算法的价值观就是人的价值观。”[6]推荐算法作为一种信息传播技术被设计出来就已经预设了设计者的价值取向,这种设计初衷决定了算法的发展。从算法的运行原理而言,不论是内容端、用户端,都是通过“精准画像”“贴标签”来实现人与信息的有效耦合。人与信息的有效耦合又成为资本获取利益的关键,利用对用户的了解而进行精准推送。算法与思想政治教育的关联就在于,算法能够拓宽思想政治教育的信息传播渠道,思想政治教育又能有效规制算法所带来的负面影响。思想政治教育通过确立价值原则,进行价值批判,引领价值取向,去纠正算法设计者、算法使用者甚至是用户所产生的价值偏失,提高我们在信息海洋中的判断力,帮助我们建构正确的信息消费观,从而在源头上遏制推荐算法的负面效应,让推荐算法在合理的范围内为思想政治教育服务。

二、现实困境：推荐算法下思想政治教育的问题研判

推荐算法极大地降低了个体获取信息的成本,但同时它也带来了一系列现实问题。算法作为一种技术手段,被谁掌握和使用,谁就拥有获取信息的优先权。然而,现实状况是算法往往被用于牟取商业利益,背离了服务大众的初衷。推荐算法的广泛应用,加剧了互联网时代思想政治教育面临的“去中心化”“信息茧房”“泛娱乐化”等风险,思想政治教育遭遇现实困境。

(一)去中心化：思想政治教育主导地位被削弱

去中心化是互联网时代的显著特征。网络空间中的个体褪去现实生活中的身份束缚,在网络空间中自由、平等地交往。每个人都是一个中心,传统权威中心的地位被极大削弱。人们信息获取的天然偏好造就了“去中心化”的算法推荐方式,导致思想政治教育的内容覆盖率较低。[7]概言之,推荐算法主导下的“去中心化”是指以往的信息传播者主导地位被颠覆,推荐算法掌握了信息传播的主导权。这一现象加剧了互联网时代信息传播扁平化、去中心化的嬗变。

这种主导权被削弱主要表现在两个方面：第一,话语主导权的式微。推荐算法之下,受教育者置身于信息的海洋,信息流动、聚散的速度之快,以至于传统的教育者无法掌握信息的流变。算法却可以借助其独有的技术优势,对信息进行全面的掌握,占据信息供给的高地。“当今世界,谁掌握了互联网,谁就把握住了时代主动权;谁轻视互联网,谁就会被时代所抛弃。”[8]在传统的思想政治教育中,教育者因其信息储备量的丰富而占据话语的主导权;而在推荐算法面前,传统教育者的信息优势明显弱化,甚至有些教育者在获取信息时还处于劣势,这直接导致思想政治教育话语主导权的式微。第二,议题设置权的转化。议题的设置直接关系思想政治教育的开展。在传统的思想政治教育中,教育者是议题设置的主导者。随着推荐算法的介入,议题设置的权利由人过渡到机器,机器通过算法掌握受教育者感兴趣的话题和内容,设置议题吸引受教育者进行参与、讨论。这种议题设置方式一味迎合受教育者的喜好,会造成同质化的内容供给,缺少深度思考,并最终影响受教育者的价值取向。

(二)信息茧房：思想政治教育内容供给被孤立

推荐算法的本质是掌握用户的喜好,并及时推荐其感兴趣的内容。这种庞大的信息聚合能力具有惊人的准确性,能够在最短时间内满足用户对于信息的需求,但这种推荐方式也加剧了同质化信息的泛滥,造成“信息茧房”效应。桑斯坦认为,“信息茧房”就是我们只关注我们感兴趣的东西。[9]在推荐算法的运作下,受教育者接收到的信息具有高度的同质性,异质的信息难以进入受教育者的视野,这就导致思想政治教育内容供给面临被孤立的风险。第一,推荐算法应用导致圈层化渐趋严重。算法作为各大网络平台的支撑技术,通过事先的筛选和过滤,为用户提供感兴趣的信息。这些信息看似来源不同、形式多样,但究其本质都是具有相似价值观的同质信息。用户长期“浸泡”在这种同质化信息中,会失去对于信息多样性的感知,将自己封闭在一个信息圈层内,导致“回音室”效应;而推荐算法会循环加剧这种效应,让圈层更加固化,从而导致信息之间的交流受限,不利于思想政治教育主流信息的传播。第二,思想政治教育的内容供给面临壁垒。思想政治教育是以传递主流价值观为主的信息供给,通常更加专注信息内容的丰富度、严谨性,自然在趣味性上处于劣势。大部分用户天然地对趣味性强、敏感度高的信息感兴趣,低质量的信息明显更加具有吸引力和点击率。[10]这就导致思想政治教育信息往往不在受教育者喜爱范围之内,就无法通过推荐算法分发给受教育者。

(三)泛娱乐化：思想政治教育价值引领被削弱

思想政治教育是引导受教育者树立正确价值观的关键课程。推荐算法在一定程度上拓宽了思想政治教育的信息传播渠道,但现实是思想政治教育因为传递内容的特殊性总是被排挤在推荐算法之外。资本操纵推荐算法控制青年群体的注意力,将“流量为王”的原则贯彻到底并从中牟利。注意力变成一种稀缺资源,思想政治教育的内容无法进入用户的视野之内,就会导致思想政治教育价值引领力被削弱。

这种对主流价值的削弱作用主要体现在两个方面：第一,“流量至上”原则排挤思想政治教育的内在价值。哪里有流量,哪里就有变现的可能。用户的注意力就是流量,资本通过聚合转化用户的注意力以实现获利。[11]算法背后是资本逻辑的裹挟,以推送用户感兴趣的话题为手段,最终实现利润最大化的目的。为了获得关注度,算法通过推送趣味性强的内容给用户,用感性主导、兴趣主导捆绑用户。思想政治教育因其特殊性而更加注重内容建设,遵循的是“内容为王”的原则,这和推荐算法原则天然地形成对立。第二,“娱乐至死”诱导受教育者价值认知娱乐化。推荐算法助推了娱乐化的盛行,通过博眼球、低俗、娱乐化等内容吸引用户关注,增加了用户对于算法的黏性。[12]娱乐化信息不断侵占公共领域,挤占了思想政治教育内容的生存场域。推荐算法的“精准投喂”使受教育者能够享受到即时的快感,从而更加排斥思想政治教育的价值塑造,用户在满足浅表的娱乐化需求的同时,价值判断力缺失,价值认知出现非理性趋势。

三、多维成因：推荐算法下思想政治教育的现状追溯

算法融入思想政治教育是一个不可避免的趋势。推荐算法是一把“双刃剑”,它既可以助推思想政治教育信息的传播,也能够削弱思想政治教育的育人效果。但是,实践告诉我们,一味地规避技术并不可取,只有掌握技术、运用技术才能迎来新的发展。推荐算法阻碍思想政治教育发展的根本原因既有算法本身运行逻辑的限制,也有思想政治教育内在创新的缺失。

(一)算法运行以满足用户喜好为目标

目前,各大网络平台的算法主要可以分为依据内容推送、数据模型推送、协同过滤推送与热点排行推送等四种类型。虽然算法的类型形式各异,但背后的逻辑都是精准匹配用户喜好、满足用户需求,从而达到提高用户依赖性的目的。推荐算法作为一种新的技术形态,“它并非只是一套计算代码或程序,而是包括算法、团队及其新闻价值观在内的一整套系统架构”[13]。在这样的运行思路支配下,算法看似是体现“人本思维”,遵循以用户为中心、满足用户任何需求的原则,但实则是通过降格处理将用户简单化为一系列无差别的符号代码,忽视了用户的主体性、自主性,缺乏对个体背后价值诉求的关怀。思想政治教育的任务是引导受教育者树立积极正向的价值观念,培养德智体美劳全面发展的社会主义建设者和接班人。推荐算法在设计理念上的缺陷,就导致了以思想政治教育为主的主流价值传播受限,影响了思想政治教育的育人效果。

(二)网络平台运营人员育人理念缺位

随着互联网技术的蓬勃发展和流量经济的持续壮大,各大网络平台之间的竞争愈加激烈。网络平台多是以营利为目的的商业平台,背后受资本逻辑驱使,追求“流量为王”,忽视内容建设,将流量作为平台考核的核心标准。网络空间作为数字化生存的主要场域,具备明显的公共属性,也承担一定的育人责任。网络平台是否具有合理的育人理念,其管理是否得当,对于用户的价值追求、理想信念、道德品质具有重要影响。现阶段,网络平台运营者育人理念出现明显的缺位,任由推荐算法沦为助推商业获利的工具。算法自身没有价值偏向,但研发人员往往会在“工具理性”的驱使下,造成对“价值理性”的僭越,导致推荐算法在使用过程中难以发挥其积极作用。[14]网络平台运营人员育人理念的缺失既是资本逻辑裹挟的结果,也是运营者育人观念的缺位。只有加强网络平台运营者的育人理念培育,才能更好利用推荐算法为思想政治教育服务。

(三)思想政治教育内在创新动力不足

思想政治教育在推荐算法的介入下面临困境,其内部原因是思想政治教育内在的创新动力不足。首先,思想政治教育缺乏思维创新。传统的思想政治教育模式将受教育者归为一个整体,进行全面、无差别的教育。随着互联网时代的到来,人们的个性化需求被极大激发,传统的教育模式明显滞后于时代发展,教育效果大打折扣。其次,思想政治教育缺乏方式创新。传统思想政治教育多是采取单向传授的教育方式,在一定时间内取得了不错的教育效果。但是随着教育对象的个性化、多样化开始凸显,传统教育方式刻板单调,缺少互动性、灵活度等弊端渐趋暴露,导致思想政治教育难以抵达受教育者的内心深处,教育的效果难以实现。最后,思想政治教育缺乏话语创新。思想政治教育课程的特殊性导致其话语具有独特的表达模式,抽象说教多于双向互动,逻辑性有余但是灵活性不足,这样的话语表达很难与如今的受教育者产生共鸣。随着网络话语的层出不穷,思想政治教育者应该主动借鉴网络话语、积极创新自身话语,从而展示出思想政治教育内容应有的魅力。

四、优化路径：推荐算法下思想政治教育的应对策略

党和国家高度重视思想政治教育和信息技术的融合发展,提出“推动思想政治工作传统优势与信息技术深度融合,使互联网这个最大变量变成事业发展的最大增量”[15]。我们应该主动规避推荐算法的负面影响,采取针对性措施推动推荐算法正向赋能思想政治教育。

(一)生产维度：优化思想政治教育的内容和形式

推荐算法的出现是技术发展的成果,思想政治教育需要创新其内容,调整其形式,从生产维度主动适应推荐算法技术的发展,才能更好地让算法“为我所用”。

第一,创新思想政治教育内容。随着互联网技术的快速发展,传统的思想政治教育内容已经不能满足需求,需要及时更新一些与技术相关的知识。思想政治教育可以引入与推荐算法技术相关的新知识和新概念,如数据隐私、算法公正性、人工智能伦理等;还应该注重实践教育,如利用虚拟仿真、实验室实践、社会实践等方式,让学生更好地了解和掌握推荐算法技术。同时思想政治教育应该注重培养学生的思辨能力,如分析和评价推荐算法技术的优缺点、应用场景、社会影响等,以便更好地应对推荐算法技术带来的挑战和机遇。

第二,调整思想政治教育形式。根据推荐算法的运行原理,算法是通过用户的需要从而进行精准匹配分发信息,这其中的关键就是掌握用户的需求。传统的思想政治教育过于偏重内容建设、逻辑架构,忽视了趣味性和互动性,易导致受教育者产生抵触心理。思想政治教育应该调整其表达形式,借助网络话语增加趣味性,设置讨论议题增强互动性,从而吸引用户的注意力,借助推荐算法进入用户的视野。

(二)传播维度：调整推荐算法技术的运行逻辑

在推荐算法技术的生成过程中,由于资本运作的影响,流量和利润成为了基本的评价标准。然而,这种方式极易导致思想政治教育被孤立,难以发挥育人功能。这就需要优化现有推荐算法技术的运行结构,强化思想政治教育主导地位,并建立新的算法数据评价机制,助推思想政治教育提升实效。

第一,调整推荐算法背后的运行逻辑。要想从根本上解决推荐算法对于用户的操纵问题,就需要发挥我们国家的制度优势,阻断资本对于算法的垄断。推荐算法在被设计之初就预设了逐利的本质,这就需要我们调整推荐算法技术背后的资本逻辑,将社会主流价值观作为算法的运行理念,以保障其正确的价值取向。一旦推荐算法背后的资本逻辑被瓦解,“流量为王”的原则将被取代,思想政治教育内容就能突出重围,借助推荐算法更好地发挥育人作用。

第二,提升网络平台运营人员的育人责任感。习近平总书记多次强调：“网信事业要发展,必须贯彻以人民为中心的发展思想。”[16]这就要求网络平台也要肩负育人的社会责任。现阶段很多网络平台只关注流量不关注内容,导致网络平台的信息良莠不齐,产生负面影响。网络平台的相关团队可以定期邀请知名的思想政治教育工作者或者相关领域的专家学者进行培训,可以围绕技术伦理、社会责任感、协同育人等主题进行科普,增强网络平台运营者的责任意识。

(三)接受维度：增强大众对于算法的系统了解

就推荐算法技术的接受维度而言,个体获取什么信息具有极大的自主权,个体成为接受信息的直接决定者。但并非所有的个体都能准确把握和理解推荐算法背后的运行理念,这种人与技术之间的知识壁垒要求思想政治教育者在提升自身信息素养时还要引导受教育者增强信息判断力,从而避免不良信息的影响。

第一,提升思想政治教育者的信息素养。信息素养是指个体获取、评估、使用和传递信息的能力。提升思想政治教育者的信息素养,使其更好地了解和掌握信息技术的应用,更好地开展思想政治教育工作。首先,要为思想政治教育者提供信息技术方面的培训和学习机会,让他们了解新的技术、工具和方法。其次,建立信息素养考核机制,对思想政治教育者进行信息素养的考核和评估,鼓励他们不断更新知识储备。最后,在日常管理中,加强对思想政治教育者信息素养的关注和引导,鼓励他们积极参与信息素养的提升活动,从而更好地服务于学生和社会。

第二,增强受教育者的信息判断力。随着信息技术的发展和普及,信息的获取和传播更加容易,但甄别信息的真实性和可靠性却更加困难。因此,增强受教育者的信息判断力已经成为当今教育的重要任务。信息判断力是指个体在获取和使用信息时,能够辨别信息的真实性、可靠性和价值,并作出合理的判断和决策的能力。思想政治教育者应该通过教育课程和实践活动等多种方式提高受教育者的信息判断力,让他们能够更好地应对信息时代的挑战。

(四)监督维度：健全对于算法的运作监督机制

从算法监督的角度而言,之所以会出现算法滥用导致的负面影响,一定程度上是由于相关部门的监督和治理力度不够,甚至是对算法的监督缺失。在算法监督的过程中,应该注重内部自律和外部监督相协调,全面提升监督和治理水平,营造良好的网络空间环境。

第一,理清推荐算法的主体责任。推荐算法的过程涉及很多主体,不同的主体应该肩负起相应的责任,共同推动推荐算法为思想政治教育服务。首先,需要明确推荐算法技术的主体责任。要在推荐算法中强调“使用者同担责者”的伦理原则,要求大家树立权责统一的使命感,推荐算法可以获取并且使用用户的各种信息,同时也要承担起保护用户隐私的责任。要加快推荐算法技术研发、运行等各个环节人员的权力划归,明确奖惩机制,建立追责体制,不断推进推荐算法在技术运用过程中的自我完善。其次,增强推荐算法技术的伦理界限。提高推荐算法技术从业人员的职业道德水平,赋予其正确的伦理价值观。同时加强各大网络平台对用户隐私数据使用、保护的合法性和透明性,明确数据使用的边界,充分保障用户的权益。

第二,由上至下完善算法的监管机制。首先,要完善监督管理的法律法规。相关部门要加强监管力度,建立健全监管的法律法规,及时根据最新的问题查缺补漏,不断完善监管制度。对信息垄断行为、传播粗俗低级内容的行为应该及时制止,加大惩戒力度,依法追究推荐算法技术背后相关人员的责任。其次,完善推荐算法内容的审查机制,加大网络环境整改力度。要规范推荐算法的设计、评价、监管等环节,严格把关、协同复核,引导推荐算法坚守主流价值,弘扬社会正气。[17]要避免低质量的内容广泛传播,而思想政治教育等高质量内容被孤立的现状。调整推荐算法技术和大数据分析系统,自动识别推荐过程中出现的低质量信息,生成风险分析报告,精准遏制并切断低质量信息的传播渠道。思想政治教育工作者要充分了解这一机制,提高思想政治教育内容供给能力,借助推荐算法技术建构思想政治教育话语权威。