算法推薦新聞對用戶的影響及對策

楊燦

摘? 要? 當(dāng)前，算法推薦新聞成為民眾每日所閱讀的新聞信息的重要來源。算法推薦新聞在給用戶消費(fèi)和使用新聞信息帶來極大便利的同時，也帶來了一系列負(fù)面效應(yīng)。客觀看待算法推薦新聞的利與弊并予以合理應(yīng)對，對有效保護(hù)用戶的利益，十分具有現(xiàn)實(shí)意義。

關(guān)鍵詞? 人工智能;算法推薦;新聞;用戶利益;利弊

中圖分類號? G2? ? ? 文獻(xiàn)標(biāo)識碼? A? ? ? 文章編號? 2096-0360（2020）10-0045-03

1? 算法推薦新聞的概念及其主要特點(diǎn)

算法推薦新聞，是人工智能技術(shù)發(fā)展的產(chǎn)物，是人工智能技術(shù)滲透和應(yīng)用到新聞傳播活動中的結(jié)果。

1.1? 算法推薦新聞的概念

算法新聞（Algorithmic Journalism）是指在算法程序的引領(lǐng)下，新聞機(jī)器人在確保精準(zhǔn)度和可靠性的同時，自動生產(chǎn)新聞的過程;它的基礎(chǔ)源自于計算機(jī)領(lǐng)域中自然語言生成技術(shù)的發(fā)展，機(jī)器能夠從結(jié)構(gòu)化數(shù)據(jù)中自動生成大量文本[1]。而由此技術(shù)衍生發(fā)展而來的另一種技術(shù)應(yīng)用便是算法推薦新聞。與算法新聞相比，算法推薦新聞不僅需要計算機(jī)依托框架自動生成文本，還得通過一些數(shù)學(xué)算法推測出用戶可能喜歡的新聞，進(jìn)而實(shí)現(xiàn)個性化的推送。它最早是由美國科學(xué)家Robert Armstrong 等于1995年提出，其實(shí)質(zhì)是人工智能技術(shù)在滿足人的需求層面上進(jìn)一步的延伸。近年來，隨著人工智能技術(shù)在新聞傳媒業(yè)中的深入“嵌套”與滲透，基于算法的智能平臺在歐美一些國家的主流新聞機(jī)構(gòu)中相繼建設(shè)起來，算法推薦新聞由此出現(xiàn)。BBC打造的Jucier，路透社的News Tracer、Open Calais，《紐約時報》研發(fā)的blossom，《衛(wèi)報》研發(fā)的open001、《華盛頓郵報》的Truth Teller等算法平臺，都為其機(jī)構(gòu)生產(chǎn)了一定數(shù)量的算法新聞。多家算法新聞公司如敘述科學(xué)（Narrative Science）、洞見科技（Automatic Insights）等，也致力于為算法新聞提供更優(yōu)算法[2]。在國內(nèi)，今日頭條、天天快報、一點(diǎn)資訊等新聞客戶端，都是以運(yùn)用算法推薦技術(shù)提供新聞信息而名聲鵲起的媒體機(jī)構(gòu)，它們在當(dāng)前的大眾信息消費(fèi)市場儼然都占有一席之地。尤其是今日頭條，從2012年到2016年年均新增用戶1億多，月增用戶1 000多萬，每個月客戶增長量幾乎相當(dāng)于其他類似機(jī)構(gòu)一年甚至幾年的增量，顯示了移動資訊個性化分發(fā)領(lǐng)域巨大的市場潛力[3]。由此可見，憑借著自身強(qiáng)大的技術(shù)優(yōu)勢，算法推薦新聞在新聞傳媒行業(yè)正在掀起一場新的范式革命。

1.2? 算法推薦新聞的特點(diǎn)

算法推薦新聞以基于內(nèi)容的算法推薦、基于協(xié)同過濾的算法推薦和基于流行度的算法推薦三種模式運(yùn)用得較為成熟與普遍。基于內(nèi)容的算法推薦，即用戶畫像，意思就是根據(jù)用戶的歷史點(diǎn)擊+瀏覽記錄，總結(jié)出用戶的喜好，再計算每個新聞與用戶畫像的匹配度，將匹配度最高的新聞推薦給用戶。基于協(xié)同過濾的算法推薦，就是找到和用戶興趣相似的群體，然后把這個群體喜歡的內(nèi)容推薦給這個用戶。基于流行度的算法推薦，即選擇一個單位時間，統(tǒng)計在這單位時間內(nèi)所有新聞的點(diǎn)擊量，把點(diǎn)擊量最大的新聞推薦給用戶。無論是哪種類型的算法推薦模式，都具有以下三個特點(diǎn)。

1）生產(chǎn)方式：用戶畫像+數(shù)據(jù)化精確制作。傳統(tǒng)的新聞生產(chǎn)更多依賴新聞生產(chǎn)者的經(jīng)驗(yàn)，這種精英主義式的生產(chǎn)方式難免滋生傲慢。隨著技術(shù)的發(fā)展，用戶偏好的廣泛性開始凸顯，以用戶需求偏好為導(dǎo)而向的基于算法的新聞生產(chǎn)方式日益體現(xiàn)出其重要的社會影響。從生產(chǎn)方式的角度來看，算法推薦新聞的其中一個重要特點(diǎn)就是“用戶畫像+數(shù)據(jù)化精確制作”。用戶畫像，即新聞產(chǎn)品在生產(chǎn)的最初環(huán)節(jié)，把用戶興趣圖譜、社會關(guān)系圖譜、生活習(xí)慣圖譜等數(shù)據(jù)收集起來，以便后面對用戶進(jìn)行針對性的新聞推送。在這樣一種數(shù)據(jù)化的生產(chǎn)方式中，傳統(tǒng)的精英主義生產(chǎn)方式的傲慢被逐漸瓦解，智媒時代下的數(shù)據(jù)思維和用戶思維逐漸占據(jù)主導(dǎo)。

2）傳播方式：由“點(diǎn)到面”轉(zhuǎn)變?yōu)椤爸悄芑珳?zhǔn)分發(fā)”。在傳統(tǒng)的新聞傳播活動中，信息通過大眾傳媒傳播至信息終端的受眾，是一個由點(diǎn)到面的過程。在此過程中，新聞生產(chǎn)者（新聞媒體的記者、編輯）生產(chǎn)和發(fā)布新聞，而后，受眾依據(jù)自身的偏好來選擇閱讀/收聽/收看自己感興趣的新聞訊息。然而，算法推薦新聞的出現(xiàn)，改變了這樣一種信息傳收方式，由原來的“點(diǎn)到面”轉(zhuǎn)變?yōu)椤爸悄芑珳?zhǔn)分發(fā)”。機(jī)器算法根據(jù)每個用戶的不同時間、不同場景從而推薦與他們興趣和個人需求相適配的信息。并且，算法的智能化使得這過程并不需要用戶主動搜索、選擇，關(guān)注的信息便會自動出現(xiàn)，如此一來，將會大量節(jié)省用戶搜索時間成本，提高用戶獲得需要的信息的效率。

3）消費(fèi)方式：新聞的“訂閱服務(wù)”。算法推薦新聞的出現(xiàn)，隨即帶來了用戶消費(fèi)層面的變化。一方面，當(dāng)用戶通過算法推薦接觸到自己喜歡的新聞媒體App、公眾號時，可以通過“重點(diǎn)關(guān)注”的方式有選擇地接受其中某些特定的新聞推送。另一方面，當(dāng)面臨著“以質(zhì)取勝”，需要收費(fèi)閱讀的新聞時，部分用戶開始接受平臺的新聞訂閱服務(wù)。雖然目前采取“付費(fèi)版”的新聞客戶端并不多，但也有成功的例子。比如2012年《第一財經(jīng)周刊》iPad版獲得約300多萬元人民幣的營收，其中約1/3來自電子雜志訂閱付費(fèi)[4]。一旦用戶進(jìn)行了個性化新聞訂閱，則會看到與普通用戶不一樣的專門根據(jù)其訂閱偏好和方向產(chǎn)生的新聞。并且欄目一旦有新聞內(nèi)容的更新，訂閱用戶便會收到系統(tǒng)的提醒，如此一來，用戶便能更好的享受個性化的閱讀體驗(yàn)。

2? 算法推薦新聞給用戶信息消費(fèi)與使用帶來的影響

算法技術(shù)是一把“雙刃劍”，優(yōu)勢與風(fēng)險相伴。一方面，用戶可以通過算法推薦新聞來快速獲取自己感興趣的信息;另一方面，過度的依賴也容易成為技術(shù)的“附庸”。

2.1? 算法推薦新聞為用戶帶來的價值增益

1）有效提升受眾信息選擇或然率。20世紀(jì)50年代，“傳播學(xué)之父”施拉姆就受眾對傳播媒介的傾向性選擇提出了一個公式，即選擇的或然率=報償?shù)谋ＷC/費(fèi)力的程度。根據(jù)該公式可以得出：受眾滿足程度與費(fèi)力程度成反比，滿意程度越高，而費(fèi)力程度越低，則或然率就越大，受眾也就越傾向選擇這種媒介或信息。傳統(tǒng)的新聞生產(chǎn)和傳播模式的局限使得諸多用戶的個性化信息需求無法得到滿足。如今算法技術(shù)應(yīng)用到新聞領(lǐng)域后，促使媒體機(jī)構(gòu)更加重視考量受眾的偏好。網(wǎng)絡(luò)新聞過濾系統(tǒng)News Weeder讓用戶對每篇文章閱讀進(jìn)行興趣評分，從而推斷閱讀者的口味，這樣的推薦方式可以使與閱讀者興趣相匹配的文章數(shù)量從14%提高到52%[5]。無論是用戶對某條新聞的點(diǎn)贊、轉(zhuǎn)發(fā)、評論、屏蔽都能被算法捕捉，并依據(jù)用戶畫像生成一組組新聞來進(jìn)行個性化輸出。如此一來，用戶搜索新聞信息的費(fèi)力程度大大降低，受眾信息或然率得到有效提升。而受眾信或然率的提升進(jìn)而也在一定程度上增加了新聞信息的利用成效。

2）幫助用戶垂直深耕其內(nèi)容偏好領(lǐng)域。“使用與滿足”理論認(rèn)為，受眾接觸媒介是基于某種目的，并希望通過使用媒介過后能得到個人滿足。而算法推薦新聞根據(jù)用戶對信息的喜好程度來推送新聞資訊這一機(jī)制，恰好能滿足用戶希望拓展其偏好領(lǐng)域的知識深度的愿望。其背后的原理是：若用戶經(jīng)常關(guān)注某一領(lǐng)域的內(nèi)容，算法后臺便會將其瀏覽痕跡、搜索數(shù)據(jù)，新聞內(nèi)容的點(diǎn)擊量、閱讀量甚至是注意力停留時長都記錄下來，然后媒體就會持續(xù)不斷的給用戶推送相關(guān)新聞訊息。例如，愛好學(xué)習(xí)法律知識的用戶在算法推薦的幫助下，會在較短時間內(nèi)獲取大量有關(guān)法律的新聞內(nèi)容，一定程度上節(jié)約了用戶的時間成本，提高了獲取法律知識的效率，有助于增進(jìn)其對法律領(lǐng)域相關(guān)情況的深度了解。因此，正確使用算法推薦新聞，可以幫助用戶在他喜愛或擅長的領(lǐng)域進(jìn)行深度了解和探究，垂直深耕該領(lǐng)域，乃至培養(yǎng)專長。

3）方便用戶將個人偏好的信息資訊分享給他人。在個性化算法推薦開始普遍應(yīng)用以前，新聞媒體通常是基于自身的新聞價值理念來發(fā)布信息資訊，很少考慮該信息是否被用戶需要。這樣，不少用戶即使每天接收了大量的信息，但那些信息不一定是自己想要的或感興趣的，想通過向同事、親友推薦、分享自己偏好的信息資訊，以加強(qiáng)彼此的聯(lián)系和溝通時，還需要主動去搜索。不僅不方便，而且耗時耗力。而算法推薦新聞的出現(xiàn)，很好的解決了這一問題。算法通過用戶畫像，將用戶偏好的新聞信息類型挖掘出來，然后再持續(xù)不斷地向用戶推送這類新聞信息。這樣的信息推送機(jī)制，極大方便了用戶將個人偏好的信息資訊轉(zhuǎn)發(fā)、分享給他人，不僅有利于用戶與自己的同事、親友建構(gòu)更多的共性話題，增進(jìn)相互間的交流，而且能夠拓展和豐富彼此的信息世界。

2.2? 算法推薦新聞帶來的消極影響

算法技術(shù)在實(shí)現(xiàn)人與信息的精準(zhǔn)匹配、滿足用戶的心理需求、鞏固用戶自身偏好領(lǐng)域的知識內(nèi)容的同時，難免會帶來一系列消極影響。

1）精準(zhǔn)推送使信息窄化，用戶易淪為算法技術(shù)的“附庸”。在多元化的信息世界中，算法技術(shù)通過不斷追蹤用戶搜索軌跡，不斷過濾用戶不感興趣的議題，使得新聞信息推送更加有的放矢，讓用戶真正做到“看我想看，聽我想聽”。但是，與此相伴的是用戶信息接觸窄化的問題。用戶常年使自己的興趣局限于特定的領(lǐng)域，逐漸使自身的眼光越來越狹窄，思想愈發(fā)受限，不知不覺中將自己置入了“信息繭房”，進(jìn)而逐漸淪為算法技術(shù)的“附庸”。這表現(xiàn)在從搜索到個性化推薦，用戶越發(fā)依賴算法技術(shù)的信息“喂養(yǎng)”，逐漸放棄對新聞的自主選擇權(quán)，最后將會形成“不是用戶決定自己想看什么新聞內(nèi)容，而是平臺替用戶決定了能看到的新聞內(nèi)容”的困難境地。

2）人工把關(guān)轉(zhuǎn)向算法把關(guān)，受眾易接收到大量低俗新聞信息。算法推薦新聞改變了新聞內(nèi)容的把關(guān)機(jī)制，人工把關(guān)讓位于算法把關(guān)。算法的把關(guān)過程主要依靠機(jī)器的程序?qū)?nèi)容進(jìn)行過濾，既不能對無法量化的內(nèi)容進(jìn)行判斷，也不能把人類的價值觀念融入把關(guān)的標(biāo)準(zhǔn)中[6]。也就是說，算法的背后始終是一串冰冷的數(shù)字和代碼，它不僅缺少人的情感價值判斷，還缺少新聞專業(yè)者所擁有的使命感與責(zé)任感，僅憑既定程序框架難以判定一篇新聞內(nèi)容質(zhì)量的好壞。并且，作為一項(xiàng)技術(shù)應(yīng)用，算法推薦本身是中性的，但在“技術(shù)中性”的背后，卻也隱藏著算法開發(fā)者的價值導(dǎo)向——以“流量至上”而并非以“公序良俗至上”。這體現(xiàn)在如今的新媒體環(huán)境中，碎片化、淺表化、娛樂化的信息成為了一些用戶的突出閱讀偏好。算法會基于用戶的這種偏好，自動的推送那些內(nèi)容淺表、聳人聽聞甚至低俗的新聞信息給這些特定用戶。而長期接收和閱覽淺表、低俗的新聞信息，忽視內(nèi)容本身的真?zhèn)魏蜕茞海@然不利于用戶的身心健康。

3）用戶個人隱私信息面臨安全風(fēng)險。技術(shù)的發(fā)展，使得用戶在網(wǎng)絡(luò)上可以隨時隨地的快速獲取自己感興趣的新聞信息，這一點(diǎn)正好是算法推薦新聞的優(yōu)勢所在。但是，孰不知這種便捷卻是以用戶讓渡自己的某些隱私信息來換取的。算法推薦新聞，本質(zhì)上是以有效掌握用戶的身份特征、行為特征為運(yùn)行支點(diǎn)。顯然，這必然在一定程度上觸及用戶的隱私信息。在算法推薦新聞面前，用戶一方面享受著快速獲得新聞的便捷，另一方面又對自身隱私信息被“抓取”深感擔(dān)憂。這種悖論，無疑會伴隨諸多隱患。一些商家甚至還會有意地運(yùn)用這種方式來大量獲取用戶個人信息。2012年，谷歌曾利用其技術(shù)優(yōu)勢，故意繞開蘋果瀏覽器中的隱私設(shè)置，對用戶的在線瀏覽活動進(jìn)行跟蹤[7]。算法技術(shù)似乎讓每一個用戶時刻都處于邊沁所描繪的“圓形監(jiān)獄”中，只知道自己處于暴露和被監(jiān)視的狀態(tài)，而對自己何時被監(jiān)視，甚至監(jiān)視到什么程度卻一無所知。在此情境下，用戶似乎成了一個“透明人”，一切行為、心理、隱私都暴露得一覽無余。

3? 算法推薦新聞弊端規(guī)避對策

算法推薦新聞的出現(xiàn)雖然為新聞傳媒業(yè)的發(fā)展注入了空前的活力，但它所帶來的種種弊端，也需要社會各界能夠清醒地面對，并采取恰當(dāng)而合理的措施進(jìn)行有效規(guī)避。

3.1? 監(jiān)管部門履職到位，依法治理算法推薦亂象

在規(guī)避算法技術(shù)帶來的種種負(fù)面影響，引導(dǎo)個性化算法推薦技術(shù)健康發(fā)展的過程中，依法治理是根本之策。而如何對算法推薦新聞進(jìn)行有效的法律規(guī)制，北大法學(xué)院教授薛軍認(rèn)為，可采用分層次+分類別的模式。例如，對那些影響公眾基本權(quán)利、涉及重大社會公共利益的算法，應(yīng)通過立法對分發(fā)內(nèi)容、內(nèi)容判斷標(biāo)準(zhǔn)、推薦標(biāo)準(zhǔn)、干預(yù)手段等關(guān)鍵性環(huán)節(jié)，進(jìn)行更強(qiáng)的公共監(jiān)管;而對其他不同層次的算法推薦，可通過制定行業(yè)標(biāo)準(zhǔn)、向監(jiān)管部門自我申報等方式來實(shí)現(xiàn)監(jiān)管[8]。因此，監(jiān)管部門一方面可以通過推動相關(guān)立法，提升算法推薦的透明度、公開性，打破算法背后的“黑箱操作”，以提升受眾的知情權(quán)和自主選擇權(quán);另一方面則應(yīng)盡心履職，通過出臺相關(guān)政策、法規(guī)，加強(qiáng)監(jiān)管，明確數(shù)據(jù)可抓取的范圍，明確侵權(quán)后的責(zé)罰，加強(qiáng)對公用戶隱私的保護(hù)，防止算法技術(shù)可能為用戶造成的威脅，并對存在算法推薦新聞亂象的平臺或企業(yè)，依法依規(guī)予以警戒、處罰。

3.2? 相關(guān)媒體機(jī)構(gòu)優(yōu)化算法，推送優(yōu)質(zhì)信息

有效遏制低俗信息入用戶生活，盡可能為用戶推送多元化的優(yōu)質(zhì)信息，相關(guān)媒體機(jī)構(gòu)對算法的優(yōu)化和改進(jìn)是重要一環(huán)。媒體機(jī)構(gòu)，被人們賦予了守望社會、整合社會和教育普通民眾的職能，它們倘若一味的依靠算法技術(shù)來“取悅”用戶，一味的追逐眼前的流量而不顧所造成的社會影響是不可取的。媒體機(jī)構(gòu)需履行好自己的社會責(zé)任，堅守“內(nèi)容為王”的理念，不斷的改進(jìn)和優(yōu)化算法技術(shù)，成為高質(zhì)量內(nèi)容的提供者。媒體機(jī)構(gòu)可以針對性地開發(fā)一套機(jī)器學(xué)習(xí)系統(tǒng)，根據(jù)文本關(guān)鍵詞特征，來識別出低俗內(nèi)容，并以人工審核作為輔助，守住內(nèi)容的底線[9]。與此同時，還需為冰冷的算法注入人文關(guān)懷。而讓算法推薦的新聞更細(xì)膩、更深刻、更有溫度，這少不了程序員首先意識到人文精神的重要性，糾正“流量至上”的在價值導(dǎo)向，然后對算法進(jìn)行的有關(guān)人文精神的編程。如此一來，用更先進(jìn)的算法技術(shù)構(gòu)建更優(yōu)質(zhì)內(nèi)容生態(tài)環(huán)境，用戶將會收到更為多元化的優(yōu)質(zhì)信息。

3.3? 用戶提升媒介素養(yǎng)，避免“技術(shù)牢籠”

要避免算法推薦新聞所帶來的“技術(shù)牢籠”，用戶媒介素養(yǎng)的提高是關(guān)鍵一步。媒介素養(yǎng)，可以簡單理解為用戶對信息的判斷和理解能力。雖然算法推薦技術(shù)在不斷發(fā)展，但由于把關(guān)權(quán)利由人工向算法位移，且國民素質(zhì)未能隨著技術(shù)同步提高，這在一定程度上增加了算法對于“三俗化”“同質(zhì)化”信息的推薦權(quán)重。用戶若不斷受到低俗信息的干擾，將對用戶自身價值的涵養(yǎng)有極大的損傷。因此，要想走出算法的“技術(shù)牢籠”，用戶需不斷提升自己的媒介素養(yǎng)。一方面需要強(qiáng)化自己理解信息和辨別信息的能力，對算法推薦新聞進(jìn)行基礎(chǔ)判斷，防止劣質(zhì)內(nèi)容與假新聞干擾視聽。另一方面，為避免長時間被動的接觸同類信息而陷入“繭房壁壘”，用戶也應(yīng)主動拓寬信息接收渠道，多看多聽不同領(lǐng)域的不同“聲音”，接觸各項(xiàng)公共事項(xiàng)并勤于思考，防止自己的思維變得偏執(zhí)與固化，切莫讓算法主宰了自己的信息生活。

綜上所述，科技是一把雙刃劍，人們在享受科技進(jìn)步所帶來的福祉的同時，也需要對它所可能帶來的多方面影響保持一定的謹(jǐn)慎和敬畏。算法推薦技術(shù)在新聞業(yè)中的應(yīng)用，的確在滿足用戶的個性化需求、節(jié)省信息檢索成本以緩解信息過載與用戶注意力匱乏之間的矛盾等方面，產(chǎn)生了不可小覷的積極作用。但是，算法推薦新聞所攜帶的一系列負(fù)面效應(yīng)同樣不容忽視。無論是對用戶個人隱私信息的“抓取”和“征用”，還是將大量同質(zhì)化、低俗化內(nèi)容推送給用戶，或是算法本身存在的“歧視”和“偏見”，都值得人們對其保持足夠的警惕。因此，理性地看待和使用算法推薦新聞十分必要。對此，政府相關(guān)部門、相關(guān)媒體機(jī)構(gòu)以及用戶個人都應(yīng)該履行和承擔(dān)好自己的相應(yīng)責(zé)任。

參考文獻(xiàn)

[1]楊石華.算法新聞：模仿、影響及其使用[EB/OL].（2020-01-10）[2020-05-02].http：//media.people.com.cn/n1/2020/0110/c431263-31543678.html.

[2]董天策，何旭.算法新聞的倫理審視[J].新聞界，2019（1）：27-33.

[3]賈軍.算法推薦新聞：技術(shù)困境與范式變革[J].西南民族大學(xué)學(xué)報（人文社會科學(xué)版），2019（5）：152-156.

[4]高春梅.新聞客戶端盈利模式淺析[EB/OL].（2014-03-04）[2020-05-03].http：//yjy.people.com.cn/n/2014/0304/c245082-24522964.html.

[5]陳昌鳳，師文.個性化新聞推薦算法的技術(shù)解讀與價值探討[J].中國編輯，2018（10）：9-14.

[6]劉存地，徐煒.能否讓算法定義社會——傳媒社會學(xué)視角下的新聞算法推薦系統(tǒng)[J].學(xué)術(shù)論壇，2018（4）：28-37.

[7]馮鋼，王芳.美國消費(fèi)者隱私保護(hù)政策[J].網(wǎng)絡(luò)安全技術(shù)與應(yīng)用，2013（6）：30-32.

[8]人民日報：算法推薦忽略真?zhèn)紊茞海铝淤|(zhì)信息層出不窮[EB/OL].（2018-07-04）[2020-05-02].https：//www.sohu.com/a/239169838_119778.

[9]匡文波，陳小龍.新聞推薦算法問題及優(yōu)化策略[J].新聞與寫作，2018（4）：66-70.