邏輯、發現與局限：近五年來智媒研究的六種算法話語

師文 陳昌鳳 呂宇翔

【摘要】雖然算法作為科學術語的內涵相對確定，但算法在與新聞傳播學界發生交涉的過程中延展出一系列豐富的外延。在智能媒體研究經歷了數年蓬勃發展之際，為理解算法研究各方向的分歧所在，促進不同研究路徑之間的對話，文章試圖剖析多元算法研究視角所依托的迥然不同的算法定義，采用話語研究視角，分析不同研究對算法持有的觀念及其相應的支撐邏輯。在綜述十九大以來智能媒體研究的基礎上，探究學術界開展算法研究的認識論基礎。黨的十九大以來，學術界圍繞算法形成的話語被歸為六類——算法是工具、算法是規則、算法是權力、算法是主體、算法是想象、算法是價值表達，不同話語的邏輯、關鍵發現、進步性與局限性也得到具體詮釋。

【關鍵詞】智能媒體 算法研究 數字新聞學 計算傳播

【中圖分類號】G206 【文獻標識碼】A 【文章編號】1003-6687（2022）4-082-08

【DOI】 10.13786/j.cnki.cn14-1066/g2.2022.4.010

算法一詞脫胎于計算機科學，其被定義為解決問題的一套邏輯，可以對特定的輸入進行處理，獲得符合預期的輸出，是自動執行人類意志的計算工具。當算法進入新聞傳播學學科后，其指代范疇走向窄化，特指機器學習或深度學習的人工智能算法，典型代表是個性化新聞推薦算法、機器人寫作算法等。雖然算法作為科學術語的內涵相對確定，但算法在與新聞傳播學界發生交涉的過程中，還拓展出一系列豐富的外延。算法作為限定詞與新聞傳播領域的原生概念相互耦合，產生了算法新聞、算法傳播、算法治理、算法倫理等一系列術語。與此同時，學術界探討算法的角度也在持續拓展，學者們既關注算法在新聞傳播領域的功能性延展，也觸及算法對現實社會的邏輯性影響;既對新聞生產、傳播環境、社會秩序中的算法進行實證評估，也從權力、倫理、技術哲學角度對其展開思辨反思。

多元的算法研究視角源于對算法迥然不同的理解，這固然使智能媒體研究領域積累了大量的成果，但也導致不同研究的立場、觀點和判斷大相徑庭，甚至相互矛盾。在智能媒體研究經歷了數年蓬勃發展之際，有必要理解算法研究各方向的分歧所在，促進不同研究路徑之間的對話。這就要求厘清算法在新聞傳播語境下生發出的豐富外延，區分不同研究所依循的算法定義。

對新聞傳播學視角下的算法外延進行界定是一件困難的事情。鑒于此處討論的算法已不再是一個純粹的技術概念，其含義隨著算法應用的社會場景及學術思潮的迭代而處于動態變化中，采用自然科學界所推崇的本質主義視角回應算法是什么顯得力有不逮。因此，本研究放棄本質主義視角，采用話語研究的視角，探究不同研究對算法持有的觀念，即算法在不同的語境下被視作什么及其相應的支撐邏輯。[1]基于話語研究的思路，本文對過去五年的國內外算法研究進行爬梳，將算法話語歸為六大類別，分別是算法是工具、算法是規則、算法是權力、算法是主體、算法是想象、算法是價值表達。

一、算法是工具

在計算機學科中，算法被簡單地理解為自動執行邏輯的工具。新聞傳播學科與計算機學科對算法研究的興趣點存在較大差異，其不關注提升算法功能的技術創新，也鮮少用各類量化指標測評算法的效能，但計算機科學將算法視為工具的思路仍然在許多新聞傳播學研究中得到承襲。在這類研究中，算法被視作智能化實現類人決策的工具，是人類智能的簡單替代，被用于滿足算法設計者、使用者或服務者的期待。

在算法最初進入新聞傳播業時，算法是工具的視角指導了大量對于算法的思考，這類研究的代表是算法輔助新聞生產，即關注算法如何輔助人類進行新聞采集、寫作、分發、播報、核查，其回應的是算法對新聞傳播業的功能性滲透。這些研究側重關注算法的形式、性能和交互如何被精心設計，以使其更完美地執行人類的預期目標。對新聞從業者的訪談也佐證了這一點，他們面對計算機輔助新聞生產技術表現出主導者心態，認為算法應被用于解放新聞工作者，而不是領導新聞工作者。[2]研究還發現，媒介組織可以選擇適合其組織業務模式的個性化推薦算法，這一選擇空間表明了媒介組織在使用算法工具時的主導性，算法甚至不是媒介組織賴以滿足用戶需求的工具，而是媒介組織選擇出來的管理其用戶需求的工具。[3]

即便許多研究未直接聚焦于算法輔助新聞生產，其研究內核也是建立在算法是工具的邏輯之上。如大量研究圍繞算法效果展開，關注新聞推薦算法、自動化新聞寫作算法可以在多大程度上獲得讀者的認可、信任，特別是與編輯推薦、記者寫作相比較，這類研究雖然依托于社會場景展開，但在邏輯上與計算機學科實行的算法效果評估并無二致，核心關切仍在于算法在何種程度上能滿足對人類的工具性替代。算法對信息環境影響的相關研究也與之類似，其關注算法對于信息極化、選擇性接觸的影響，[4][5]在某種意義上是探究算法作為一種信息分發工具是否以一種符合預期的方式履行信息分發職能，以期對可能出現的功能性偏差進行修正管理。

算法是工具的話語意味著研究者將算法視為被人類所掌控、操縱的自動化工具，反映了工具理性的潛意識。算法是工具的視角回應了算法被引入新聞傳播業的最基本功能，可以推進更高效、精準的算法實踐。但該視角的局限性也較為明顯，當算法作為新時代的基礎技術設施融入社會生活時，其與社會的互動并非僅是工具性的，而是在社會文化土壤中與既有社會存在發生大量意義層面的交互。換言之，算法不僅是客體性或直觀性的形式，更是應接受意義解讀的實踐。[6]從這個維度上講，算法是工具的話語對復雜算法實踐的解釋力十分有限，只能被視作探究算法與新聞傳播業交互關系的起點。

二、算法是規則

算法是規則的話語比算法是工具的視角更進一步，其意識到算法不僅在形式上成為新聞傳播實踐的部分流程，也參與塑造了實踐的內在邏輯。如在信息分發環節，人工智能由于催生了新的社會能見度控制機制，[7]成為支配智能時代信息生產傳播的新規則。算法的影響未必局限于特定的科技公司或平臺，鑒于處于主導地位的機構所制定的算法會引起行業范圍內的效仿，算法規則甚至可以從個別組織延伸至整個行業，參與塑造更具共同性的規則。[8]

算法是規則的一個重要表現是，新聞生產者和新聞消費者對新聞規則的掌控力正逐漸降低。一項研究發現，被算法歸類為對新聞或政治感興趣的用戶更可能在信息流中看到這類新聞——即使這超出了他們自我報告的個人興趣。[9]對于新聞從業者而言，算法將新聞的構成分解為文章的排列，這使他們的使命感受到威脅。[10]新聞媒體正為適應算法規則做出調整，由于社交媒體信息推薦算法看重用戶參與度，媒體的內容投放越來越“軟化”;[11]為適應搜索引擎優化（SEO）規則，提升新聞在搜索引擎中的檢索排名，新聞編輯室的內容編寫邏輯遵循搜索引擎（而非人類）的規則，自動化標題寫作技術的引入也重新協調了人機之間的協作關系，區分了適合機器承擔的基于規則的角色和人類承擔的基于知識的角色。[12]

算法的規則可能以隱蔽、不對稱的方式存在。有研究者分析了Instagram平臺關于“影子禁令”（即對特定用戶或帖子的可見性進行降級）是否存在的解釋，認為算法持有者可以借助撲朔迷離的規則解釋和實現對用戶的操縱，即平臺的算法解釋在用戶心中具有權威性，而平臺利用這一信息不對稱性，破壞用戶對于算法知識的自信，并消解其批評的可信性，使平臺在與用戶開展認知競賽時處于優勢地位。[13]

當然，算法的規則并非以一種單向的方式作用于用戶，用戶未曾放棄適應與利用算法規則。研究發現，面對算法呈現的規則系統，用戶可以積極地尋找策略以實現算法使用過程中的利益最大化。一項針對打車平臺的調查研究發現，用戶能動地采用優化獲益、降低風險、確定規則邊界、嘗試跨平臺、形成啟發式原則五種方法作為消費策略，實現個人算法使用的最優效果。[14]面對搜索引擎算法提供的檢索結果，用戶能進行信息接觸方面的抉擇，以保持其與個人先前的信念一致，從而消解算法的影響。[15]算法本身也成為協助用戶掌握算法分發機制的助力，如一個名為Hootsuite的算法幫助其使用者決定何時發送推文可獲得用戶最大的關注，這使得用戶在不了解分發算法運作機理的情況下適應算法生態。[13]不過，用戶積極的應對策略未必能在真正意義上幫其獲得與平臺相對的優勢。在YouTube平臺上，面對平臺算法“黑箱”帶來的信息不對稱，有部分YouTube用戶聲稱其理解算法是如何工作的，并向其他創作者傳授如何更好地適應YouTube的算法系統。但研究者認為，雖然這種操作看似在為創作者提供策略支持，但其最終結果是使平臺在勞動和內容方面受益。[16]

算法是規則這一話語的邏輯在于，算法并非僅充當著信息傳播的渠道或工具，而是成為傳播過程中新的中介機制，對信息傳播的規則乃至社會關系起到調節作用。[17]算法本就是規范化的社會規則在技術領域的延伸，考慮到算法的形成還需接受技術專家、計算對象和算法邏輯等多重作用，算法在構建數字景觀的過程中還可能對原有的社會規則進行再書寫。[18]

三、算法是權力

算法以匹配、調節與控制等方式塑造了事物之間的關系，并由此獲取權力。[19]對于新聞傳播業而言，算法對新聞傳播活動的介入推動了傳播權力的遷移。[20]智能媒體對技術的高需求有利于科技巨頭承包屬于媒體機構的業務，掌握新聞分發渠道，[21]傳統的新聞生產機構和掌握技術的新興平臺圍繞傳播效果進行爭奪。[22]許多關于算法透明性的討論也建立在算法是權力這一隱喻之上，認為算法使傳播的過程后臺化，“黑箱”反過來加劇了算法科學的崇高化，使信息生產與分發的流程超越了外部監督的范疇。

新信息傳播秩序的形成也圍繞算法展開。對搜索引擎查詢結果的研究發現，雖然群體對其檢索詞各有偏好，但搜索引擎傾向于向他們反饋相似的檢索結果，這表現出主流化效果。[23]用戶的算法素養差異使算法無法為各個群體進行平等的賦權。[24]算法相關的接入鴻溝、使用鴻溝和內容鴻溝影響用戶獲取信息的機會。[25]

算法權力的另一種表現形式是通過個人信息商品化加劇公眾與科技巨頭、國家之間的地位差異，使公共權力被讓渡至技術和數據巨頭手中。監視資本主義是Zuboff在2015年提出的概念，指由于數據可被用于分析、預測和影響個人行為，科技巨頭收集大量個人數據并將其商品化、產品化以謀取利益。[26]亞馬遜公司所提供的門鈴、傳感器等智能服務也被視作將數字監控基礎設施作為牟利工具的不正當行為。

雖然此前監視資本主義的相關指控主要指向科技公司，但隨著智能算法被越來越多地應用于公共服務，該概念也被應用于對國家行為的分析。大數據驅動的智能治理將擴大國家與個人間的信息不對等，個人置身于智能化的超級全景監獄中。[27][28]研究者發現，智能應用反映了設計者的價值觀，在程序化交互中貫徹歐洲中心主義，這都呈現了智能應用的殖民性。[29]

但算法的權力并非單向的、支配性的。用戶已經進行了大量的抵抗算法權力的實踐。為對抗人工智能的技術監視，CV Dazzle活動鼓吹以策略化的化妝術阻礙人臉識別算法的運作，以激發對智能技術的反思意識。[30]相比之下，一種更具建設性的抵抗方式是，用戶積極地參與干預、塑造算法的過程，以修補算法中的不足。如一位名為Johanna Burai的用戶在檢索手的圖片時，發現算法反饋的結果都是白人的手部圖片，因而意識到算法中存在種族偏見。她策略性地設計了一個提供非白人手部圖片的下載網站，輔之以針對新聞媒體的宣傳活動，最終將自己發布的圖片躍升到圖片搜索的熱門結果中。[31]雖然這一實踐不具備普遍推廣的可行性，但其為研究算法提供了新的框架，因為這意味著在用戶與算法的關系中，用戶并不完全是無力的圍觀者，其可以政治、商業等方式策略性地參與算法塑造。

傳播本就是一種權力，其可以通過信息呈現和意義賦予，在構建社會現實的過程中發揮關鍵作用。算法是權力的話語可被看作這一思想在智能時代的延續。算法技術的普及使越來越多的信息分發決策權從人類讓渡至算法、從傳統媒體機構讓渡至科技公司。鑒于算法是科技力量和數據所有者的代言人，該權力遷移勢必推動傳統意義上個人、媒體、商業、國家之間的力量對比發生變化，形成一套以算法權力為標尺的新信息傳播格局。

四、算法是主體

與其他技術不同，算法所具有的智能屬性使其更接近類人的智能實體，算法與人類之間差異的縮小乃至邊界的模糊，為挑戰傳統新聞傳播實踐的元邏輯提供了契機。媒介技術哲學認為，人工智能算法應被理解成一種人機混合物，其捕獲人的認知、嵌入自身，而非簡單地再現人類智慧。[32]從實踐層面展開的思考與之不謀而合，認為傳統的人—機二元對立劃分對現實的解釋力正在下降，人與算法發生的多重復雜互動呼吁以人—機混合體的視角審視算法的功能。[33]在新聞生產領域，主體性的反思因此產生，有學者提出媒介技術與人在廣義新聞生產的微觀過程中共同構成了一個媒介網絡，[34]算法作為動態行動者網絡中的非人類行動者，可以成為改變事物狀態的非人要素。[35]

即便跳脫出新聞生產的語境，也可以發現智能算法正在消解建立在人類中心主義之上的傳統傳播觀念。[36]在智能技術出現之前，機器因缺乏交流性被視為傳播的中介，而非適格的交流主體。但人工智能技術使機器更具智能性，人機之間的邊界變得模糊。在機器設計的過程中，人類將社會文化意義嵌入其中，[37]賦予其成為超越工具的社交角色的潛力。人類用戶在與機器進行互動時，也會不自覺地將其擬人化，將其視作一個有意識的生命體，并產生與其他人類交往時類似的情感。[38]在社交媒體上，由計算機軟件操縱的自動化賬戶——社交機器人可以像人類一樣發布內容、開展互動，研究證實這些機器人有足夠強的欺騙性，能夠誘發人類用戶主動與之互動。[39]以上現象表明，機器正在以傳播者的姿態進入傳統意義上僅出現在人類之間的人際傳播、群體傳播和大眾傳播領域。

為回應傳播生態中出現的新型主體，傳播學界在此前人機交互的基礎上提出人機傳播概念，以對新媒介環境下的傳播主體進行再定義。人機傳播理論認為，人與技術之間的本體論鴻溝并非不可跨越，在智能媒體生態下，機器不僅僅是交流的工具或中介，其本身也具有能動的交流性，其不僅可以完成傳播的基本過程，也可與人類產生關系層面的交互意義。人類對機器的理解、與機器關系的建構、與機器之間的邊界應成為未來人機交流研究的要點。[40]

人機之間產生的具有社會意義的關系是將算法視作主體的重要依據。[41]在電子游戲中，人們會通過各種文化想象將作為技術他者的虛擬玩家擬人化，與這些角色的互動會影響玩家的線下人際關系，從而模糊人類與非人類、現實與虛擬之間的界限。[42]也有研究注意到，在團隊溝通的任務屬性和關系屬性中，社交機器人越來越側重于承擔起關系類功能，其可以通過提供社會情感化的、個人化的響應促進團隊中的關系型溝通。[43]事實上，近年來有大量研究從情感維度探究人機之間的關系，如探究算法信息審查相比人工信息審查是否能帶來公平感[43]、透明感[44]。此外，還圍繞信任感[45]、孤獨感[46][47]乃至算法的情商等問題進行探討。[48]這些研究共同的潛臺詞是，人們對算法的期待不僅限于被使用的物品或工具，還將其擬人化為可能滿足自身關系需求的互動者、交流者。

算法是主體的話語首次將算法從物的高度提升至類似人的高度，不論是對傳統的新聞傳播研究，還是對算法研究，都具有較大的顛覆意義。該話語的前瞻性在于其直面人工智能的終極目標——使算法像人一樣進行決策，并將這一目標作為思考的前提，思考算法與人之間的邊界及關系問題。雖然當前的算法與具有類人智慧的強人工智能間差距尚遠，但大量算法應用已將類人作為產品定位，反思類人算法為新聞傳播業元邏輯帶來的變化，具有實踐和理論層面的必要性。

五、算法是想象

如果說上述話語對算法的機制、效果和功能的關注均是從算法本位的角度展開的，那么作為想象的算法則轉而使用用戶本位的視角理解算法。在這一視角下，算法并非僅憑借其客觀形態而存在，其同時也是一種具備解讀空間的可寫文本，用戶針對算法形成的個人化理解與想象是該視角的核心關切。

一種對算法想象的關注側重用戶對算法的理解在多大程度上符合事實。與媒介素養的邏輯類似，算法素養這一概念被發展出來以評估用戶的算法意識和算法知識在多大程度上與客觀事實相符。其中，算法意識指用戶意識到算法存在于環境之中，包括了解算法可以實現何種功能、算法實際被用于何種場景;算法知識指用戶理解算法的運作機理，包括算法提供的個性化信息服務、算法的種類、算法對信息環境施加的影響。[49]

作為算法素養的首要構成要素，算法意識引起了特別的關注。對算法意識的聚類分析發現，其可以分為無意識、不確定、確定、中立、懷疑和批判六種，算法意識的差異可以影響人們對算法應用的使用態度，是否具有足夠的算法意識也被視作一種新興的數字鴻溝。[50]對一個名為Instawareness的視覺反饋工具的效果測驗發現，其可以有效提升用戶算法素養和對算法的反思。該研究的啟示在于，尚不論提升算法認知，僅提升算法意識，即可引起用戶對算法的批判性關注。[51]

大量研究已經不再試圖比較用戶對算法的理解與客觀事實，而是聚焦用戶對算法的主觀感受，即主觀看法、想象和非專業解釋理論。如有研究者要求用戶從其個人賬戶中查看算法為其生成的畫像文件，以研究當用戶面對算法畫像時作何感想。[52]也有研究立足于受眾立場，了解其如何、何時接受或拒絕來自算法的建議。[53]“算法厭惡”和“算法欣賞”正被用作解釋用戶算法使用行為的視角，即關注為什么人們厭惡或偏愛算法或為何偏好或厭惡某一種算法。[53]

對算法的想象不僅來自個人層面，更是一種持久的、集體的社會技術想象。視頻博主會共享彼此對YouTube算法規則的理解，共同形成對算法的集體感知，[54]用戶在感知算法的過程中甚至還會進行擬人化的文化意義解讀。[55]在公共視野中，社會不同行動者對算法提出的差異化定義促成了社會技術想象的生成，經過權力機關的協商、裁定，某種特定的想象被凸顯出來，并得以穩定和制度化。[56]

需要補充的是，在研究用戶對算法的主觀詮釋時，算法想象和算法民間理論常被用作理論資源，但二者的側重點有細微的差別。算法想象主要關注人類如何思考算法是什么、算法應該是什么、算法如何運行，以及上述觀點如何在塑造算法的過程中發揮生成性作用。[57]民間理論最初關注的是人們如何在日常經驗中直覺式地理解媒介運作方式，并形成一定的模型或原則。[58]在被引入算法研究領域之后，民間理論被用于解釋公眾雖然并不清楚算法運作的內部原理，卻基于個人經驗形成了對算法如何運作的直覺式理解，以一種非專業的方式分析算法的后果及效果。民間理論不僅在指導用戶行為方面具有意義，而且在理解實踐、產生推理方面也發揮作用。[59]

算法是想象的話語對思考算法問題有兩點啟發。其一，該話語通過關注人類面對算法時的主觀理解，超越了在客觀維度上對算法展開的探尋，轉而采用以人為主的視角關注算法的社會意義，強調人并非被動接受算法支配，而是積極的算法詮釋者、適應者和使用者，這一視角有助于在現實層面理解用戶、算法和平臺之間兼具支配性與對抗性的復雜共生關系。其二，算法是想象話語中所關注的人，并非洞察算法規則、擁有知識特權的技術精英，而是算法素養參差不齊的普羅大眾。通過正視普通用戶的主觀算法想象，該話語不再僅將算法理解為知識精英締造的由上至下的科學神話，而是將其看作可供解讀的有機意義空間，[60]這一視角賦予算法草根解讀以正當性，展現了算法實踐中文化性、抗爭性的一面。

六、算法是價值表達

算法雖因科學技術的加持而看似中立、崇高，但其實際上脫胎于特定的社會文化土壤。作為人類邏輯的延伸，算法承載著豐富的價值表達。一方面，算法本身即包含內在的價值偏向。算法內在的價值偏向可能源于算法產品的定位策略，如從業者認為新聞推薦算法是新聞編輯室編輯活動的延伸，因此應將新聞機構的價值觀整合進智能算法應用的設計中。算法價值還可能來自數據標注環節、[61]算法邏輯設計的無意識偏差。[62]另一方面，算法可能被其使用者用于非價值中立的場景中。如除了進行事實層面的判斷，算法還可能被用于進行道德決策，[63]或像“深度偽造”一樣，用于實現非正義的欺騙效果。

然而，上述針對算法價值偏向的批判性審視并不意味著否認算法價值表達的正當性。恰恰相反，對近年來國內媒體上算法相關討論的觀察發現，價值表達正超越價值無涉成為對算法的期待。[64]在算法逐漸成為公共服務基礎設施的背景下，算法不僅應追求技術性能上的卓越，也應實現倫理價值層面的無暇。[65]歐盟發布的《關于可信賴人工智能的倫理準則》[66]規定了透明性、非歧視性等一系列價值原則，這正視了算法作為價值表達載體的角色，并試圖對其進行倫理層面的規范。在這一語境下，算法向善、制作道德的人工智能體、人工智能造福社會等議題正成為引導算法價值表達的新方向。

將算法視作價值表達并對其進行規范的愿景面臨若干現實難題。從算法倫理體系來看，一系列價值原則（慈善性、非惡意性、自主性、公正性和可解釋性）彼此糾纏，對于多重利益相關者的權衡更使各倫理原則之間的沖突難以調和。[66]從算法設計實踐來看，算法系統的道德責任較為分散，工程師和決策者均無法獨自為算法的道德狀況負責，[67]特別是當前工程師普遍缺乏倫理意識。[68]從監督機制來看，人工智能是參數復雜的“黑箱”，隨新的數據注入一直處在持續動態發展中，即使對于專家也無法做到透明，這使其無法充分地被外界監管。

結語

本研究采用話語研究視角，分析近五年來學術界圍繞算法形成的多種話語。在綜述既有的智能媒體研究的基礎上，本研究以一種較為中立的立場歸納出算法是工具、算法是規則、算法是權力等六種話語，并對不同話語的語境、邏輯進行詮釋。

雖然算法在當代社會中的滲透已經十分深入、廣泛，但人類社會對算法的理解、適應尚處于起步階段，這意味著新聞傳播學視野下的算法意涵及學術實踐正處在不斷發展之中。學術界在探究算法的運作、影響及規制等問題之余，也要時刻以更宏觀的視角反思算法研究背后所依托的認識論基礎，通過觀察話語之間的承襲、發展、對抗關系，獲得對算法更辯證的理解。需要指出的是，這些圍繞算法形成的話語并無對錯之分，只是學者們多元的研究語境在算法理解上產生的差異化投射，它們共同構成了新聞傳播學視野中復雜、立體、動態的算法。

參考文獻：

[1] 劉海龍. 大眾傳播理論：范式與流派[M]. 北京： 中國人民大學出版社，2008：4-5.

[2] Milosavljevi M， Vobi I. Our task is to demystify fears： Analysing newsroom management of automation in journalism[J]. Journalism， 2019， 22（9）： 2203-2221.

[3] Bodó B. Selling News to Audiences-A Qualitative Inquiry into the Emerging Logics of Algorithmic News Personalization in European Quality News Media[J]. Digital Journalism， 2019，7（8）： 1054-1075.

[4] Shmargad Y， Klar S. Sorting the News： How Ranking by Popularity Polarizes Our Politics[J]. Political Communication， 2020， 37（3）： 423-446.

[5] 楊洸，佘佳玲. 新聞算法推薦的信息可見性、用戶主動性與信息繭房效應：算法與用戶互動的視角[J]. 新聞大學，2020（2）：102-118，123.

[6] 陳衛星. 智能傳播的認識論挑戰[J]. 國際新聞界，2021（9）：6-24.

[7] 郭小平，潘陳青. 智能傳播的“新社會能見度”控制：要素、機制及其風險[J]. 現代傳播，2021（9）：1-6.

[8] Caplan R， Boyd D. Isomorphism through algorithms： Institutional dependencies in the case of Facebook[EB/OL].[2022-04-01]. Big Data & Society， https：//doi.org/10.1177/2053951718757253.

[9] Thorson K， Cotter K， Medeiros M， et al. Algorithmic inference， political interest， and exposure to news and politics on Facebook[J]. Information， Communication & Society，2021， 24（2）： 183-200.

[10] Schj?tt Hansen A，Hartley·J.M. Designing What's News： An Ethnography of a Personalization Algorithm and the Data-Driven （Re）Assembling of the News[EB/OL].[2022-04-01]. Digital Journalism， https：//doi.org/10.1080/21670811.2021.1988861.

[11] Lamot K. What the Metrics Say. The Softening of News on the Facebook Pages of Mainstream Media Outlets[EB/OL].[2022-04-01]. Digital Journalism， https：//doi.org/10.1080/21670811.2021.1974917.

[12] Stenbom A， Wiggberg M， Norlund T. Exploring Communicative AI： Reflections from a Swedish Newsroom[EB/OL].[2022-04-01]. Digital Journalism， https：//doi.org/10.1080/21670811.2021.2007781.

[13] Billard·T.J. Deciding what's （sharable） news： Social movement organizations as curating actors in the political information system[EB/OL].[2022-04-01]. Communication Monographs，https：//doi.org/10.1080/03637751.2021.1999998.

[14] Ramizo G. Platform playbook： a typology of consumer strategies against algorithmic control in digital platforms [EB/OL].[2022-04-01]. Information， Communication & Society， https：//doi.org/10.1080/1369118X.2021.1897151.

[15] Slechten L， Courtois C， Coenen L， et al. Adapting the Selective Exposure Perspective to Algorithmically Governed Platforms： The Case of Google Search[EB/OL].[2022-04-01]. Communication Research， https：//doi.org/10.1177/00936502211012154.

[16] MacDonald·T.W. "How it actually works"： Algorithmic lore videos as market devices[EB/OL].[2022-04-01]. New Media & Society， https：//doi.org/10.1177/14614448211021404.

[17] Jakesch M， French M， Ma X， et al. AI-Mediated Communication： How the Perception that Profile Text was Written by AI Affects Trustworthiness[C].Proceedings of the 2019 CHI Conference on Human Factors in Computing Systems， 2019： 1-13.

[18] Masso A， Kasapoglu T. Understanding power positions in a new digital landscape： perceptions of Syrian refugees and data experts on relocation algorithm[J]. Information， Communication & Society，2020， 23（8）： 1203-1219.

[19] 彭蘭. 生存、認知、關系：算法將如何改變我們[J]. 新聞界，2021（3）：45-53.

[20] 陳昌鳳，霍婕. 權力遷移與關系重構：新聞媒體與社交平臺的合作轉型[J]. 新聞與寫作，2018（4）：5.

[21] 仇筠茜，陳昌鳳. 黑箱：人工智能技術與新聞生產格局嬗變[J]. 新聞界，2018（1）：28-34.

[22] 張志安，周嘉琳. 基于算法正當性的話語建構與傳播權力重構研究[J]. 現代傳播，2019（1）：30-36，41.

[23] Trielli D， Diakopoulos N. Partisan search behavior and Google results in the 2018 US midterm elections[J]. Information， Communication & Society， 2020，25（1）： 145-161.

[24] 聶靜虹，宋甲子. 泛化與偏見：算法推薦與健康知識環境的構建研究——以今日頭條為例[J]. 新聞與傳播研究，2020（9）：23-42，126.

[25] 楊洸，佘佳玲. 算法新聞用戶的數字鴻溝：表現及影響[J]. 現代傳播，2020（4）：145-154.

[26] Zuboff S. Big other： Surveillance Capitalism and the Prospects of an Information Civilization[J]. Journal of Information Technology， 2015， 30（1）： 75-89.

[27] 尚帥. 傳播的興趣偏向和渾然不覺的符號暴力——基于《今日頭條》的算法控制研究[J]. 現代傳播，2018（10）：58-62.

[28] J?rgensen·R.F. Data and rights in the digital welfare state： the case of Denmark[EB/OL].[2022-04-01]. Information， Communication & Society，https：//doi.org/10.1080/1369118X.2021.1934069.

[29] Madianou M. Nonhuman humanitarianism： when "AI for good" can be harmful[J]. Information， Communication & Society， 2021， 24（6）： 850-868.

[30] Kazansky B， Milan S. "Bodies not templates"： Contesting dominant algorithmic imaginaries[J]. New Media & Society，2021， 23（2）： 363-381.

[31] Velkova J， Kaun A. Algorithmic resistance： media practices and the politics of repair[J]. Information， Communication & Society， 2021， 24（4）： 523-540.

[32] Cwerman-Thibault H， Sahel·J.A， Corral-Debrinski M. Mitochondrial medicine： to a new era of gene therapy for mitochondrial DNA mutations[J]. Journal of Inherited Metabolic Disease，2011， 34（2）： 327-344.

[33] 毛湛文，孫曌聞. 從“算法神話”到“算法調節”：新聞透明性原則在算法分發平臺的實踐限度研究[J]. 國際新聞界，2020（7）：6-25.

[34] 吳璟薇，郝潔. 智能新聞生產：媒介網絡、雙重的人及關系主體的重建[J]. 國際新聞界，2021（2）：78-97.

[35] 徐笛. 算法實踐中的多義與轉義：以新聞推薦算法為例[J]. 新聞大學，2019（12）：39-49，120.

[36] 甘蒞豪，劉欣雨. 維基百科機器人群體性編纂過程中的知識與話語權研究[J]. 新聞大學，2021（10）：76-93，120.

[37] Humphry J， Chesher C. Preparing for smart voice assistants： Cultural histories and media innovations[J]. New Media & Society， 2020，23（7）： 1971-1988.

[38] Küster D， Swiderska A， Gunkel D. I saw it on YouTube！ How online videos shape perceptions of mind， morality， and fears about robots[J]. New Media & Society， 2020，23（11）： 3312-3331.

[39] 師文，陳昌鳳. 分布與互動模式：社交機器人操縱Twitter上的中國議題研究[J]. 國際新聞界，2020（5）：61-80.

[40] Guzman·A.L， Lewis·S.C. Artificial intelligence and communication： A Human-Machine Communication research agenda[J]. New Media & Society， 2020， 22（1）： 70-86.

[41] Spence·P.R. Searching for questions， original thoughts， or advancing theory： Human-machine communication[J]. Elsevier， 2019（90）： 285-287.

[42] Coanda I， Auper S. Post-human encounters： Humanising the technological Other in videogames[J]. New Media & Society， 2020， 23（5）： 1236-1256.

[43] Wojcieszak M， Thakur A， Ferreira Gon?alves·J.F， et al. Can AI Enhance People's Support for Online Moderation and Their Openness to Dissimilar Political Views？[J]. Journal of Computer-Mediated Communication， 2021， 26（4）： 223-243.

[44] Gon?alves J，Weber I，Masullo·G.M，et al. Common sense or censorship： How algorithmic moderators and message type influence perceptions of online content deletion[EB/OL].[2022-04-01]. New Media & Society， https：//doi.org/10.1177/14614448211032310.

[45] Liu B. In AI We Trust？ Effects of Agency Locus and Transparency on Uncertainty Reduction in Human-AI Interaction[J]. Journal of Computer-Mediated Communication，2021， 26（6）： 384-402.

[46] 宣長春，顏遠紳，朱怡佳. 寒冷的時候更愛你：消費者對擬人化產品態度的實證研究[J]. 新聞大學，2021（11）：92-104，124-125.

[47] 韓秀，張洪忠，何康，等. 媒介依賴的遮掩效應：用戶與社交機器人的準社會交往程度越高越感到孤獨嗎？[J]. 國際新聞界，2021（9）：25-48.

[48] Lou C，Kang H， Tse·C.H. Bots vs humans： how schema congruity， contingency-based interactivity， and sympathy influence consumer perceptions and patronage intentions[EB/OL].[2022-04-01]. International Journal of Advertising， https：//doi.org/10.1080/02650487.2021.1951510.

[49] Dogruel L， Masur P， Joeckel S. Development and validation of an algorithm literacy scale for Internet users[EB/OL].[2022-04-01]. Communication Methods and Measures， https：//doi.org/10.1080/19312458.2021.1968361.

[50] Gran A-B， Booth P， Bucher T. To be or not to be algorithm aware： a question of a new digital divide？[J]. Information， Communication & Society， 2021， 24（12）： 1779-1796.

[51] Fouquaert T， Mechant P. Making curation algorithms apparent： a case study of "Instawareness" as a means to heighten awareness and understanding of Instagram's algorithm[EB/OL].[2022-04-01]. Information， Communication & Society，https：//doi.org/10.1080/1369118X.2021.1883707.

[52] Büchi M， Fosch-Villaronga E， Lutz C， et al. Making sense of algorithmic profiling： user perceptions on Facebook[EB/OL].[2022-04-01]. Information， Communication & Society， https：//doi.org/10.1080/1369118X.2021.1989011.

[53] Joris G， Grove·F.D， Van Damme K. et al. Appreciating News Algorithms： Examining Audiences' Perceptions to Different News Selection Mechanisms[J]. Digital Journalism， 2021， 9（5）： 589-618.

[54] Bishop S. Managing visibility on YouTube through algorithmic gossip[J]. New Media & Society， 2019（21）： 2589-2606.

[55] Pedersen E. "My Videos are at the Mercy of the YouTube Algorithm"： How Content Creators Craft Algorithmic Personas and Perceive the Algorithm that Dictates their Work[D]. EECS Department， University of California， Berkeley， 2019.

[56] Kaun A. Suing the algorithm： the mundanization of automated decision-making in public services through litigation[EB/OL].[2022-04-01]. Information， Communication & Society， https：//doi.org/10.1080/1369118X.2021.192482.

[57] Bucher T. The algorithmic imaginary： exploring the ordinary affects of Facebook algorithms[J]. Information， Communication & Society，2017， 20（1）： 30-44.

[58] Gelman·S.A， Legare·C.H. Concepts and Folk Theories[J]. Annual Review of Anthropology， 2011， 40（1）： 379-398.

[59] Ytre-Arne B， Moe H. Folk theories of algorithms： Understanding digital irritation[J]. Media， Culture & Society， 2021， 43（5）： 807-824.

[60] Trammell A， Cullen·A.L. A cultural approach to algorithmic bias in games[J]. New Media & Society， 2020， 23（1）： 159-174.

[61] Bountouridis D， Makhortykh M， Sullivan E. et al. Annotating Credibility： Identifying and Mitigating Bias in Credibility Datasets[EB/OL].[2022-04-01]. ROME 2019-Workshop on Reducing Online Misinformation Exposure， https：//rome2019.github.io/papers/Bountouridis_etal_ROME2019.pdf.

[62] Obermeyer Z， Powers B， Vogeli C， et al. Dissecting racial bias in an algorithm used to manage the health of populations[J]. Science， 2019， 366（64）： 447-453.

[63] 許麗穎，喻豐. 影響機器人接受度的因素——道德的作用[C]//中國心理學會. 第二十二屆全國心理學學術會議摘要集. 2019：2180-2181.

[64] 白紅義，李拓. 算法的“迷思”：基于新聞分發平臺“今日頭條”的元新聞話語研究[J]. 新聞大學，2019（1）：30-44，117.

[65] 陳昌鳳，虞鑫. 智能時代的信息價值觀研究：技術屬性、媒介語境與價值范疇[J]. 編輯之友，2019（6）：5-12.

[66] Hermann E. Artificial intelligence and mass personalization of communication content—An ethical and literacy perspective[EB/OL].[2022-04-01]. New Media & Society，https：//doi.org/10.1177/14614448211022702.

[67] Orr W， Davis·J.L. Attributions of ethical responsibility by Artificial Intelligence practitioners[J]. Information， Communication & Society， 2020， 23（5）： 719-735.

[68] 嚴三九，袁帆. 局內的外人：新聞傳播領域算法工程師的倫理責任考察[J]. 現代傳播，2019（9）： 1-5，12.