算法推薦技術對新聞公共性的貶損及重建路徑

劉佳穎 符冰

【摘 要】在互聯網時代，算法成為新聞分發的核心。隨著算法推薦技術的快速發展，它背后造成的黑箱、信息繭房、群體極化事件也引起了人們的反思。新聞公共性是新聞專業主義的特征與理想，本文結合現實案例，總結算法推薦技術驅動下的新聞業的 “反公共性”表現，探討上述表現形成的原因，展示對算法推薦技術的辯證思考，并提出突破算法推薦困境的可行性路徑。

【關鍵詞】算法推薦；新聞公共性；新聞倫理

一、新聞公共性與算法推薦

隨著算法推薦技術使用的不斷深化，它所造成的新聞倫理失范也成為業內討論的焦點。2021年底，國家網信辦、工信部等四部門聯合發布的《互聯網信息服務算法推薦管理規定》，對平臺的操作規程提出明確要求，規定平臺必須并且以顯著的方式告知用戶所使用的算法推薦技術，同時要為用戶提供關閉算法推薦服務的選項。

公共性是新聞的專業性要求之一，是新聞的理想所在。公共性要求新聞媒體和新聞工作者必須將公共利益置于首位，肩負起服務公眾的社會責任，具體闡釋為三個要求：對私人利益的保護和對公共利益的維系；公開性，保障公民知情權；公平性，強調普遍服務原則。算法技術嵌入新聞業，不僅顛覆了新聞的生產實踐，推動了數字化新聞的發展，也促進了新聞理念的更新。算法推薦技術根據用戶的基本信息、興趣偏好、媒介使用習慣等因素來推送新聞，實現信息的精準投送，提高傳播效率，但也應該兼顧公共信息的傳播。算法構建的“擬態環境”“信息繭房”，強化了受眾對信息的“選擇性接觸”，影響人們對這個世界的認知。在算法的作用下，新聞媒體朝著智能化的方向發展，其作為“監視者”的功能被放大，作為“論壇”和“教師”的功能被弱化，其公共責任部分讓位于個性化信息的滿足[1]。公眾的選擇權在其不知道的情況下讓渡給了新聞媒介和算法，侵害了新聞的公共性。有關算法對新聞業、對新聞公共性影響的討論也是近年熱議的話題。

本文將結合新聞業的現實案例來闡釋算法推薦造成的新聞公共性三個方面的失范，以及提供重塑新聞公共性的可行性路徑。

二、算法推薦的“反公共性”

（一）“黑箱”：公共利益受損

新聞的根本價值在于公共服務，公眾的知情參與是實現新聞公共性的基礎。可是新聞制作與分發的算法化過程對用戶來說充滿著高度不透明性。“黑箱”就是對這種不透明性批判的經典隱喻。這主要體現在兩個方面：算法黑箱和利益黑箱。

算法黑箱，指的是算法運行的某個階段所涉及的復雜技術，且部分人無法了解或得到解釋。因此，算法黑箱的本質在于不透明、難解釋。在平臺經濟的背景下，算法是各大新聞媒介進行信息推送的核心，是平臺實現商業變現的重要手段，所以各大互聯網平臺為了保障自身利益與競爭實力，都不會公開其后臺算法。從算法本身來看，現在的算法技術日趨復雜，用戶需要具備一定的專業知識才能理解。這也導致大多數用戶不知曉其隱私數據是如何被“看不見”的手運用的。比如Facebook（臉書）的用戶隱私大量泄露事件就說明算法推薦技術還是要受到馬克斯·韋伯的“工具理性”的審視。平臺為了追求利益嘗試一切手段，公共利益為商業利益讓渡，像Facebook這種違背公共性的傳播行為便是公共性受損的現實注解。

利益黑箱，則是媒介或者平臺背后不為人知的資本運作和商業變現過程。當下媒介平臺以流量為指標來衡量新聞帶來的效益，但是在現實操作中，熱榜和排行榜往往不是由真實流量決定的。譬如水軍和公關公司可以利用算法，將消息廣泛地分發出去，來為背后的金主服務。從這角度上看，第三方中介服務平臺完全把控新聞傳播效益的解釋權，在資金投入上創造了灰色空間，因此，像流量造假事件就會層出不窮。例如，微博個性化推薦的熱搜，可以通過砸錢買熱搜的方式，讓其信息進入用戶視野，創造出某新聞正在被熱議的假象。比如，影視公司通常會通過創造詞條、買熱搜的方式，以達到宣傳旗下影視劇的目的。看似是創造喜聞樂見的內容，服務了公眾，其實是用廣泛的參與來虛構公共性的表象。這是平臺通過嘩眾取寵的算法來獲取自己的利益，但是真正有意義的公共議題就被排除在外了，公共性在看似民主多樣的互聯網中悄然受損。

（二）“孤島”：公共性瓦解

新聞公共性并不是簡單粗暴的多數集合，必須在多樣與多元的信息基礎上才能成立。公共性首要的是平等，即對個人權利的尊重，公平、公正和公開不由數量的多少來定義[2]。用戶有權利聽見來自更多方面的聲音。眾所周知，算法推薦技術直接帶來的便利就是新聞分發個性化。可是這種個性化是受到算法左右的個性化，是“偽個性化”。

早在2016年，Facebook就廢除了人工編輯團隊，熱點話題全部通過算法實現自動化。在國內，“今日頭條”打出了“你關心的，才是頭條”的口號，通過分析用戶的瀏覽記錄，標記用戶感興趣的話題，實現每個用戶的首頁新聞“千人千面”的效果。隨著技術的進步，算法推薦技術對用戶信息的抓取范圍越來越廣泛，除了地理位置、性別這樣的基礎信息，還有用戶的使用習慣、消費偏好等，用戶的每一次點擊都影響平臺下一步的推薦內容，久而久之，用戶便形成了如美國麻省理工學院教授尼古拉斯·尼葛洛龐帝所預言的“我的日報”的新局面[3]。算法推薦技術雖然不直接造成信息繭房，但是或多或少起著助推的作用。新聞因算法推薦技術而實現的高度個性化分發，不斷給用戶推送同質化信息，加深用戶的片面的認識，形成用戶的認知孤島。所以全方位迎合受眾偏好的算法并沒有彌合反而擴大了知識溝，忽視了新聞所肩負的公共使命與社會功能。曾經新聞扮演的是聯結社會認知，塑造“共同體”的角色，但在算法時代，原來的生態正在土崩瓦解。

（三）“極化”：公共認識斷裂

在社會生活中，“極化”通常體現為一種極端化、兩極化的輿論或話語結構[4]。詹姆斯·斯通最早提出了群體極化的概念：人們處于群體中所進行的決策通常會比作為個體時所做的決策具有更加冒險的特點，決策傾向于發展至某個極端，即“冒險性偏移”。正如古斯塔夫·勒龐在《烏合之眾：大眾心理研究》中所說： 獨立的個人絕無貿然打劫一家洗衣店的勇氣，群體則不同，群體是“天然合理”的，數量決定了真理[5]。

選擇性接觸理論也表明，人們對于信息的接收并不是全方位的，大部分人只愿意接觸和自己取向一致的信息，而拒絕接觸與自己意見和看法不一致的信息[6]。在算法推薦的作用下，平臺根據甄別出的用戶選擇性趨向的要素，不斷給公眾推送著和自身態度相似的信息，用戶的憤怒情緒不斷累積并形成了大規模的質疑與批判，理性的對話空間也因為世界鏡像認知的嚴重碎片化而失去了現實基礎，給極化言論的聚成提供了便利，產生“回音壁效應”。

在“前算法時代”，傳統大眾共享的信息產品往往具有結構化、標準化的特點，社會討論會在既定的框架和范圍中進行，因此，就算每個人本身持有既定的某些看法或者立場，極端觀點會因缺乏充分的話語資源而泯沒，所以未必會導致共識的斷裂。但是在算法時代，個性化推薦本身就是凝聚偏見與歧視的過程，網民圍繞某一熱點輕松找到與自己相同的觀點，從而凝結成一個群體進行交流與討論，甚至會引發現實沖突，公共利益難以有效實現，這恰恰與新聞公共性理念背道而馳。

三、重建新聞公共性的路徑

（一）重塑媒體公共性

桑斯坦引入了“公共論壇”的概念來闡釋媒體的公共性。“公共論壇”最初的形態是公民聚集、溝通思想并討論公共事務的街道和公園，隨著大眾傳媒的出現，公共論壇是報紙、廣播、電視等[7]。在傳統的大眾媒體上，讀者可以看到不同的觀點，聽到不同的聲音，也會接觸到自己不喜歡的領域，理論上增加了人們置身于不同觀點中的可能，以實現公共論壇的目標。可以說大眾媒體天生就帶著提供公共論壇的責任，是算法推薦的天然破局者。

然而，隨著數字化媒體興起，傳統媒體式微，由傳統媒體構建的媒體公共性也遭到了破壞，所以重塑新聞公共性的責任則落到了平臺身上。各類新聞聚合平臺需要給用戶提供了解異質信息源的可能性，為用戶打造一個均衡的新聞環境，突破算法推薦帶來的信息繭房、群體極化等社會困境。

（二）優化算法推薦

突破算法推薦的困境，最直接的方式就是訴諸技術。在個性化內容推薦方面，算法不僅要順應用戶的心理，提供與他們想法一致的聲音，也要提供與他們意見相左的聲音，展示事物的多面性，把選擇權真正地交還給用戶。算法的開發者也要不斷開發算法的可能性，讓其幫助具有公共價值的內容傳播。在內容生產方面，可以通過算法分析總結公眾的共同心理，為媒體內容生產提供更多依據；在內容分發方面，可以通過算法推動具有公共價值的內容到達更廣的人群[8]。這些都可能幫助個體減少繭房的束縛。通過落地化的實踐證明算法推薦和信息分發的多樣化是可以同時兼顧的，比如加強混合推薦算法技術，將內容、流行度等各項指標融合在一起，形成一種不僅包括個性化推薦，還保證公共信息的傳播性邏輯。簡言之，就是用戶在了解自己興趣內容的同時，還能知曉身邊的人所關注的新聞，最重要的是可以讓用戶了解并參與公共事件的討論。

（三）加強監管力度

一個行業、一項技術蓬勃發展的同時，政府需要作為規則制定者預防其發展走向無序。比如，國家網信辦、工信部等四部門聯合發布的《互聯網信息服務算法推薦管理規定》，就是對算法推薦規制的說明。但同時也要注意處理好各方的關系，以包容審慎的態度，在不侵犯新聞公共性的前提下，滿足算法推薦技術創新發展的需求，助推安全健康的算法創新應用。

彭增軍教授指出，現在社會的運行和治理，公共性是其根本。天下為公，公民通過公共知識獲得參與公共事務的權利。互聯網和社交媒體從誕生之初，就被寄予了民主理想的厚望，新聞的公共性是必然趨勢。而技術的不斷下放卻讓人們把“信息的豐富和公共的參與簡單量化”，將表面上廣泛的討論與參與等同于公共性。在算法這只“看不見的手”的作用下，信息繭房、網絡群體極化事件層出不窮。但是在算法時代，新聞媒體的職責所在依舊是保證公共傳播，提供理性討論的公共平臺，幫助社會整合。

四、結語

公共性是新聞的專業性要求之一，它要求新聞媒體和新聞工作者必須將公共利益置于首位，肩負起服務公眾的社會責任。如今，算法推薦造成新聞公共性三個方面的失范。個性化雖然已是大勢所趨，但平臺和媒體仍然要堅守新聞公共性，突破算法推薦帶來的信息繭房、群體極化等社會困境，為用戶打造一個均衡的新聞環境。算法開發者也要進一步優化算法，將新聞價值判斷的權利交還給大眾，讓真正具有公共性的重要議題能夠進入大眾視野。政府則要繼續優化相應政策，保證算法推薦技術在一定的框架里運用。平臺、政府、用戶多方協作，才能保障算法推薦技術健康發展，重塑新聞公共性。

參考文獻

[1]葉秀端.算法時代新聞專業主義的理念重塑與實踐路徑[J].華僑大學學報（哲學社會科學版），2020（2）：108-116.

[2]彭增軍.算法與新聞公共性[J].新聞記者，2020（2）：48-52.

[3][4]常江，劉璇.數字新聞的公共性之辯：表現、癥結與反思[J].全球傳媒學刊，2021（5）：93-109.

[5]孫孝科，高大偉，常桐琿.熱點公共事件群體極化：表征、影響及其應對[J].南京郵電大學學報（社會科學版），2022（4）：36-45.

[6]韋龍.重返對話：網絡群體極化現象化解路徑研究[J].新聞大學，2021（10）：30-43，118.

[7]劉友芝，胡青山.基于算法推薦模式的社會性反思：個體困境、群體極化與媒體公共性[J].傳媒經濟與管理研究，2021（1）：192-212.

[8]彭蘭.導致信息繭房的多重因素及“破繭”路徑[J].新聞界，2020（1）：30-38，73.

作者簡介? ?劉佳穎，湖北文理學院文學與傳媒學院碩士研究生；符冰，湖北文理學院文學與傳媒學院副教授