新媒体视角下的算法推荐争议分析

刘馨怿

摘要：本文通过文献分析法，以新媒体视角下的算法推荐争议为切入点，讨论了算法个性化推荐的伦理风险、基于算法推荐导致的信息茧房、协同过滤与阅读决定权的转移以及算法新闻影响个人价值导向等问题，以明确新媒体时代下算法新闻的应用价值，并在此基础上建构以算法为核心的合理的社会运行机制。

关键词：新媒体；算法新闻；信息茧房；协同过滤；新闻伦理

在信息化的时代，算法推荐凭借精准、高效、成本低等优势，已成为当前主流的信息分发方式。在当下社会，算法推荐已成为一种新的商业模式，被越来越多的人所接受。以今日头条为例，根据其官方数据，2017年12月，今日头条单日营收已经超过5亿元；截至2018年3月31日，今日头条日活跃用户达到了1.3亿人；而据 CNNIC的统计，中国网民规模达到了7.1亿人。在算法推荐被越来越多的人所接受之时，也引起了人们对于算法推荐技术的质疑和担忧，如认为算法推荐会造成信息茧房、内容偏差、侵犯隐私、缺乏理性等。

一、新媒体环境与算法推荐现状分析

算法推荐系统是依托于网络技术发展起来的，它为用户提供个性化的服务，是个性化社会的产物。在算法推荐系统的运用中，我们可以从新闻传播生态角度来看待算法推荐。算法推荐系统是新媒体内容生产、分发、反馈、评论等环节的重要组成部分，它可以根据用户需求对信息进行筛选、过滤和排序。根据现有研究成果，可将算法推荐系统分为两类：一是人工干预式推荐系统，也称 “可过滤式推荐系统”，该系统一般由用户个人设置搜索关键词、关注账号或订阅列表等；二是机器干预式推荐系统，也称 “可选择性推送系统”，该系统一般由机器和算法共同作用实现。

算法新闻是一种以计算机技术和统计学为基础的新闻服务，它将数据、算法和人机交互有机结合，利用大数据和机器学习等技术，分析用户的行为模式，并向用户提供个性化的新闻内容。康斯坦丁·多尔将算法新闻定义为：“从私人的或公共的数据库中选择电子数据，对预选或未选数据进行相关性分配，通过自然语言生成语义结构并在特定范围的线上或线下平台中发布的最终文本。”根据多尔对于算法新闻的定义，可以将自动化新闻生产划分为三个阶段，即输入：从数据库提取数据；处理：用于预先设定的语言和统计规则处理数据；生成：最终用自然语言输出文本。[1]

二、争议分析

凭借自身的技术实力和迅速发展，由算法驱动的智能化信息平台正在逐步成为最主要的信息传播渠道和获取信息的主要渠道，它的发展非常迅速，受到了人们的青睐。在这样的背景下，为了满足公众对于新闻和信息的需要，传统的主流媒体在新闻传播的渠道、范式和传播机理上都要做出相应的调整，以达到更加有效和更加丰富的传播效果。

算法新闻的精准推送不仅是一种技术上的进步，也是一种用户习惯的反映，它依賴于用户的使用习惯以及自身对新闻内容的理解，通过算法计算得出。在这种传播模式中，受众自主选择权受到限制，一些观点认为算法新闻并不是用户主动选择信息，而是由算法通过分析和计算得出的；另外一些观点则认为算法新闻是用户与媒体互动交流的结果，是受众对新闻内容的理解以及对未来新闻趋势的判断。

（一）算法个性化推荐的伦理风险

媒介伦理始终是新闻学研究的重要组成部分，它与技术有着密切的联系。随着技术的不断发展，新闻工作者开始将新技术与新闻实务相结合，从而使新闻研究更加具有说服力。这种结合也在不断改变着新闻学研究的话语和伦理准则，比如，更加关注技术如何影响新闻报道的真实性，以及如何将技术与新闻专业知识相结合等。近年来，随着大数据、云计算、人工智能等信息技术的飞速发展，大数据已经成为人工智能的主要内容和技术基础，在新技术推动下的媒体融合发展中，算法个性化推荐已成为一个不容忽视的趋势。基于用户需求和信息生产提供个性化的信息是算法个性化推荐的最基本原则。但是，在信息社会，信息传播主体与内容供给方之间是一种单向关系，在这种信息传播关系中，传播主体是被控制者，而信息内容则是主动提供者；被控制者不仅需要接受者的推送 （所谓 “过滤气泡”），也需要主动地寻求主动提供者的推送。

新闻记者不再专注于对事实的调查，而倾向于采用已有的背景信息对现实进行建构，以往确立的 “新闻应该报道事实”的价值规范受到冲击。与此同时，“肯定式新闻”的出现进一步与新闻客观性发生冲突；“聚合式新闻”将算法引入新闻业，难以证明的数据来源、算法本身的客观与否以及价值观念的固有偏见等因素将这一矛盾激化，冲击了新闻业本身树立的伦理规范。[2]

阅读的碎片化特征为 “标题党”提供了更强的传播动力，而基于算法的推荐非但未能纠正这一现象，还加剧了悚动新闻和严肃新闻之间的 “马太效应”，促使 “黄色新闻潮”在网络媒体上再次出现。它在一定程度上对社会造成冲击，并在一定程度上造成社会问题。

（二）基于算法推荐导致的信息茧房

由于每天新闻推送过多有打扰用户之嫌，因此强调某些新闻类型的同时，其他类型会相应弱化。[3]在此过程中，算法推荐被嵌入传播主体和信息内容的整个过程中，而且二者之间具有一种天然的权力不均衡性，即一方面信息内容的生产和消费是单向关系；另一方面信息传播主体的权力处于绝对优势地位。换言之，算法推荐呈现出一种权力结构化的特征，其基本逻辑是：算法推荐者通过分析用户的兴趣偏好、社交关系和地理位置等因素，基于用户需求和信息生产提供个性化的信息。基于算法推荐，用户得以利用技术优势从海量信息中获取自己感兴趣的信息内容。在这样一种信息传播关系中，信息内容的生产者与接收者之间并不是平等主体关系，而是一种单向关系。

在传统的新闻制作模式下，新闻媒介主导着信息的传递，而受众只是对信息进行 “解码”的对象，而算法将一部分的传播主动转移到了观众的身上，让观众自己在某种意义上就是他们自己的议程设置，进而打破媒体对传播的垄断。与此同时，因为每一个用户的需求与性格都是有差异的，新闻通过算法推送之后，用户会进行共享，这就导致了多种声音存在，从而颠覆了少数人的话语霸权。在个性化新闻推送机制下，通过算法过滤和正反馈处理的新闻信息在类型、题材、丰富程度等方面不断受到限制，用户的媒介接触也被自我 “兴趣”不断固化。[4]

有时候，平台会以某种方式固化人们的信息获取范围或路径，比如固定的搜索范围、固定的访问路径等，这些都会对用户的信息消费产生很大影响。而且，这种行为往往会被固化为人们的习惯，用户会把平台上提供的信息作为自己的首选，即便平台上没有自己想要的信息。而个性化信息推荐算法，就是通过对用户以往的阅读偏好进行个性分析，在此基础上再推荐同类信息，这样就使得用户能够更快地找到自己喜欢的信息。但是，算法也可能会产生一些固化作用，比如当用户已经习惯了某种信息，那么新的信息就不能再获得他们的青睐。因此，要想让用户不断地调整自己的偏好，就需要不断地推出新的产品和服务，使用户能够不断地接触到新的内容。

（三）协同过滤与阅读决定权的转移

“协同过滤”一词最早由Goldberg等提出。协同过滤算法是一种利用群体智慧的推荐方式，基于用户的协同过滤算法的原理是 “人以群分”，将目标用户分类，这一算法能够相对充分反映群体偏好，并在一定程度上解决 “信息茧房”问题。但是在这一算法下，出于隐私等考虑，被推荐的内容无法溯源，即由机器学习来决定推荐内容，在一定程度上影响了用户本身对内容选择的决定权。协同过滤技术是根据用户的浏览历史来推荐内容，由于其只关注用户感兴趣的内容，所以推荐的内容往往是符合用户兴趣的。但是，其技术的使用前提是必须知道用户喜欢什么。这对于普通的互联网产品来说就要求对用户信息的收集足够详细和准确，否则无法对用户产生足够影响。

传统的协同过滤推荐算法大多使用基于内容的模型，比如基于关键词或者描述文档的推荐，基于协同过滤推荐技术也是最近几年才出现，最早使用它的公司是 Spotify。這一技术让音乐流媒体平台在很大程度上实现了个性化推荐，让用户可以在音乐流媒体平台上看到自己想看的音乐视频。

算法为了迎合用户的需求，推送用户可能感兴趣的内容。相对于自我选择，不管是隐性推荐还是显性推荐，用户确实是在 “被动”地接受基于算法推荐的内容，但算法推荐本身的构建目的就是预先判断用户兴趣，其目的在于 “迎合”用户的需求。[5]

（四）算法新闻影响个人价值导向

技术是中性的，它的发展和应用都会对人的社会行为产生影响。但对于新闻媒体而言，算法新闻对个体价值导向的影响要比技术本身更为重要。在技术层面，算法新闻为受众提供了可选择和消费的信息内容，因此从某种意义上来说，算法新闻给受众提供了一个选择性阅读的权利。然而，在技术的背后，人本身也在承担着重要的责任。在数字时代，每一个个体都是媒介信息传播过程中的 “节点”和 “终端”。个体不应该被机器算法所支配和控制，而是要尽可能地利用算法，发挥其功能和优势，做出符合社会需要和个人需要的新闻报道。

崔士鑫提出：“应着重提升主流媒体的智能化新闻生产与传播水平，立规建制管好算法，改进技术完善算法，重视提升全媒体时代受众媒介素养，切实做到用主流价值导向驾驭算法，全面提高舆论引导能力。”[6]

尽管算法推荐本身并不具备任何价值，但是其设计人员以及其背后的企业、组织、机构等都具备了某种价值。例如，在一开始的时候，开发人员就会对该问题有一个清晰的认识，并且将它应用到整个算法之中。同时，公司也将为其雇员提供一系列的价值观念，将公司的价值观念与演算方法相融合，使公司的经营目标得以更好地达成。所以，每一种演算方法所蕴含的价值并不具有唯一性，而只是一种相对论，各单位各有其价值。正确利用算法在一定程度上可以提升受众的媒介素养，注入主流价值导向，从而引导公众理性看待。

三、结束语

我们应当明确新媒体时代下算法新闻的应用价值，既要满足消费者对信息的需求，也要为社会发展提供有效的社会服务。新媒体时代，算法新闻的应用价值可以表现在以下方面：第一，它可以帮助受众更加快捷、准确地获取信息，能够有效提升用户的使用体验；第二，它能够帮助受众更加深入地了解新闻事件的来龙去脉，有助于更好地把握新闻事件的本质；第三，它可以帮助受众更好地实现对社会发展的认知，有助于社会进步。与此同时，我们也不能忽视算法新闻所带来的一些问题，例如算法推荐新闻带来的信息茧房问题、算法新闻的 “情感”问题以及算法新闻的版权问题等。

我们需要加强对算法新闻的监管，避免出现 “算法黑箱”，提高信息的透明度，保护用户隐私；同时也要对算法新闻进行技术和伦理方面的监管，保证内容的安全、规范、有效。在此基础上，还应当建构一个以算法为核心的社会运行机制，提高对用户隐私和信息安全保护意识，建立健全有效的防范机制。此外，还要注重用户对内容的选择、评价以及监督，以此来提升新闻媒体服务水平、促进新媒体行业发展。

参考文献：

[1] 王晓培，常江.新闻生产自动化伦理挑战：算法伦理分析的框架地图[J].中国出版，2019（04）：20-25.

[2] 陈嬿如，谢欣.断言式新闻：媒介技术驱动下的新型新闻模式研究[J].国际新闻界，2019，41（05）：80-92.

[3] 王茜.打开算法分发的 “黑箱”：基于今日头条新闻推送的量化研究[J].新闻记者，2017（09）：7-14.

[4] 叶明睿.个性化推荐对网络用户个体信息环境的影响[J].编辑学刊，2015（02）：91-94.

[5] 李武，艾鹏亚，杨韫卿.智媒时代 “信息茧房”再论：概念界定和效应探讨[J].未来传播，2019，26（06）：7-13+110.

[6] 崔士鑫.用主流价值导向驾驭 “算法”全面提高舆论引导能力[J].传媒，2019（18）：13-16.