阅读的“暴力”：对新闻客户端算法推荐的再思考*

□文│姜小凌 马佳仪

《第41次中国互联网络发展状况统计报告》数据显示，截至2017年12月，我国网络新闻资讯客户端用户规模为6.47亿，较2016年增长了5.4%。另据《2017中国移动互联网行业发展报告》显示，“一点资讯”“掌上百度”“百度新闻”“今日头条”等新闻APP的用户日均新闻阅读时长分别为28.4分钟、28.2分钟、25.7分钟、32.3分钟。

依托于大数据和推荐算法技术的新闻客户端，本身并不生产内容，而是一个基于数据挖掘技术的信息分发平台，通过对海量信息的搜索、提取、整合与定向分发，一方面使所有用户都能实时看到当前备受关注的热点话题，另一方面使用户获得有针对性的、个性化的阅读信息。然而，算法推荐在为用户阅读带来便利的同时，也导致了“强制性”阅读或绑架式阅读问题，笔者暂且称之为阅读“暴力”。如信息茧房限制了阅读视野，单一同质的信息导致了阅读疲劳，碎片化信息带来的浅阅读问题，以及冗杂低俗信息挤占阅读空间导致阅读品位下降的问题等。基于此，本文拟从接受的视角出发，以新闻客户端为例，探讨算法推荐和“个性化”阅读的利弊，同时以丰富和提升用户阅读体验为目标，尝试探寻规避阅读“暴力”的可行性路径。

一、算法推荐与用户阅读

新闻推荐客户端通过海量的信息采集、深度的数据挖掘和用户行为分析，为用户智能地推荐和“定制”个性化信息，带来了一种全新的新闻阅读模式。

1.算法推荐与用户画像

新闻的个性化推荐是一个极为复杂的系统，涉及机器学习、大数据计算以及语言处理等各学科领域的知识。所谓的算法推荐是指通过收集用户的行为特征来获取用户的行为偏好信息，建立对应的用户模型，进而根据这些偏好信息从网络上众多资源中找到最符合用户偏好预期的那部分，并推荐给用户。通过设定算法目标进行学习，并对特定用户计算出推荐结果。[1]在新闻资讯领域，“今日头条”是第一家将算法推荐引入其中的新闻移动客户端，它强调“用户是信息的主人”，基于算法技术，根据网络用户特征建构用户画像，即通过收集与分析用户的社会属性、浏览习惯、阅读行为甚至性格星座等主要信息，抽象出用户阅读需求的共同特征，并梳理用户的需求比重模型，为每个用户贴上“信息标签”，据此搜索并推荐与用户阅读需求最契合的新闻信息，实现用户阅读内容的个性化定制。

2.基于算法推荐的阅读优势

“阅读是一种重要的人类文化行为，媒介技术和设备的发展一直在影响和改变着人类的阅读方式”，[2]信息借助新闻资讯平台实现了视觉材料的网络化传播，新闻资讯客户端也成为人们获取信息、便捷阅读的重要途径。“使用与满足”理论认为，受众接触和使用媒介是为了满足认知、情感、压力释放等生理和心理需求。基于算法推荐的新闻移动客户端，不仅为用户阅读提供了许多便利，而且也带来全新的阅读体验。

满足用户的阅读期待。德国学者姚斯认为，由于个人和社会的原因，接受主体（读者）在阅读文本前及阅读过程中，心理上往往会产生一个既成的结构图式，这种心理图式即“阅读期待”，也叫“阅读视野”。它反映了阅读主体的认知结构（即读者阅读之前所具有的生活经验、文化知识、思想水平、审美能力等）和阅读需求（即读者阅读时的动机、目标、问题、兴趣等）。任何读者都是怀着自己的认知图式、带着自己的阅读目标去阅读的。“阅读期待”是阅读的心理动力，支配着阅读活动的全过程。阅读文本常常通过制造悬念、创设情境激起人们的内心体验和探究欲望，以不断地激发人们的阅读期待。新闻客户端充分发挥算法推荐的优势，以用户的内容喜好、求知侧重为标准分析其阅读行为，不仅在“热点”“推荐”板块实施精准推送，更把符合用户阅读习惯的内容用吸睛的标题予以凸显，以最大限度地激发人们的探究欲，满足人们的阅读需求和心理期待。

提高用户的阅读效率。阅读效率是指人们在阅读信息时的效率，与单位时间阅读量成正比。一方面，算法推荐以符合用户的阅读习惯为推送指标，通过用户的阅读点击记录，择取用户喜好的内容关键词，为推送与之关联或同类的信息提供依据。因此，算法推荐节约了用户筛选阅读内容的时间，相对增加了用户单位时间的阅读量。另一方面，就用户的阅读实践或阅读行为而言，碎片化的阅读时间决定了微视频新闻和短平快消息是推荐内容的首选。如“今日头条”专门设置了“图片”“视频”和“微头条”板块，使用户根据个人喜好与现实条件便捷选择适宜的阅读板块，较之于网络搜索引擎功能，个性化算法推荐更节约时间，阅读效率更高。

强化用户的阅读兴趣。新闻客户端一方面通过频道定制来稳定用户的阅读兴趣，用户有选择地订阅对应的内容频道，完成定制推送；另一方面通过个性分析和定时推荐保持阅读兴趣。平台系统通过快速抓取用户注册时绑定的社交平台如微信微博、QQ等信息，获取用户的基本数据，并据此推荐用户感兴趣的内容。如果用户没有可以借鉴的社交信息，APP往往会通过“实验”来了解用户的阅读兴趣，用户在下拉刷新中随机推荐一些热门文章，只要用户进行了阅读性操作，如点击、评论、点赞等行为，系统会在10秒钟内对用户的阅读需求和兴趣偏好做出判断，随后的下拉刷新会相应出现变化了的推荐内容，系统就是通过这种持续的测试与推荐，不断接近用户的阅读兴趣，最终稳定和保持其阅读兴趣。

二、基于算法技术的“暴力”推荐阅读

算法推荐的“精准定位”和“个性化”推荐在为人们提供阅读便利的同时，其机械性和“强制性”在很大程度上也绑架、限制了用户阅读选择的自由，产生诸如视野窄化、阅读疲劳以及浅阅读等问题。

1.信息茧房导致视野窄化

基于算法推荐技术，新闻推荐客户端根据用户的阅读习惯和兴趣指向，为其“量身定制”个性化信息，看似很有人情味，实则限制了用户的阅读视野。“一旦让它知道你喜欢什么，你的世界就只剩下什么”是对算法推送的形象概括。“由于推荐算法总是集中在‘那么一个用户画像’和‘那么一个兴趣群体’来相互推荐，其潜移默化之中对个人视野会造成很大的限制”。[3]推荐算法还使用户习惯性地被个人兴趣所引导，在一次又一次阅读兴趣领域的信息后，不断地在个体与整个世界之间筑起一座高墙，“久而久之，会将自身桎梏于像蚕茧一般的‘茧房’中”，[4]造成了所谓的信息茧房（Information cocoons）和娱乐至死问题。在这样一个封闭的“茧房”中，用户习惯于被推送，其阅读选择的主体意识逐渐式微，导致阅读视野的日益窄化，沦为所谓的“容器人”。不仅如此，当个人的阅读内容长期被禁锢于自我建构的话题或观点中，阅读主体还很容易形成思维定式甚至认知偏执。

2.信息单一同质导致阅读疲劳

作为信息整合和分发平台，新闻客户端的内容推荐常常通过转载甚至“洗稿”的方式实现，缺乏原创性，信息同质化比较严重；同时它依托算法技术，由用户的浏览行为记录其阅读兴趣，从而持续推送相似或相关的内容，导致信息的单一性。现实中用户的阅读需求往往是不固定的和多元化的，因此，单一、同质的信息很容易让用户产生“腻味”感，导致阅读疲劳。以王宝强离婚案为例，一次偶然的点击阅读行为，随之被推送的新闻信息几乎全是关于王宝强、马蓉婚姻的“内幕”“大反转”以及其他明星爱情婚姻、奢靡消费的娱乐八卦软文。阅读是不断求新和求知的过程，它要求阅读内容的新鲜性和丰富性，单一同质的推荐信息无疑与人们的阅读期待背道而驰，必然会逐渐销蚀人们的阅读兴趣，产生乏味感和疲劳感。

3.信息碎片化导致浅阅读

作为新闻移动客户端的信息大部分是为了适应手机用户的碎片化时间而予以筛选和推荐，其中以快餐式信息居多，浅显、短小和吸睛成为这类信息的主要特征。碎片化阅读虽然充分地利用了用户的阅读时间，但是也挤占了用户深度阅读的时间。同时，非连贯性的快餐式阅读易使人产生一种惰性依赖症和认知性错误。前者表现为习惯于通过点击、转发、收藏或点赞等简单行为来获取知识碎片、表达个人态度，难以形成深度的、理性的甚至批判性的知识体系。阅读中的思想惰性令人担忧：它不仅影响到阅读主体思想的丰盈程度和对信息的准确把握，还影响着科学阅读态度的养成和整个电子阅读的环境生态。后者表现为用户常常以为“接触”即“了解”，甚至仅满足于标题浏览，很少耐心看完全文，把标题信息当成事实真相，并可能不断转发、以讹传讹，进一步恶化了网络新闻生态。此外，为了增加用户及流量，新闻客户端往往通过“标题党”诱导受众阅读相关内容，通过“个性化”推荐让用户长期浸润于低俗标题之中，降低甚至丧失了对标题优劣和新闻真实性的判断能力。尤其是当用户反复踏进文题不符的“标题党”陷阱之后，会逐渐丧失对媒体的信任，理性的用户可能会就此卸载新闻APP。

三、算法推荐语境下“暴力”阅读的规避路径

解决当前算法推荐带来的阅读缺陷和“暴力”问题，至少需要从两个方面着手：一是用户要充分发挥能动性，变被动接受为主动出击，提升个人阅读素养；二是优化新闻APP技术平台，全面、动态化管理用户数据，实现真正的智能化和人性化推荐。

1.发挥能动性，提升个人阅读素养

“阅读素养是指阅读者为积极适应时代和社会发展需要而所具备的阅读方面的知识、能力和文化修养”，[5]“包括读者面对阅读信息时的选择能力、理解能力、质疑能力、评估能力、创造和生产能力以及思辨的反应能力”。[6]

首先是提升个人的信息辨识力。海量的网络信息犹如超市货架上的商品，既琳琅满目，也鱼龙混杂。一些低俗虚假内容在个性化推荐系统的裹挟下纷纷挤到用户面前。用户需要根据已有的经验对信息进行判断甄别和选择接收，并自觉隔离和屏蔽浅俗伪劣的信息。尤其是在“人人都是麦克风”的网络时代，这种理性的甄别判断能力和自我管控能力更为重要。

其次是拓宽个人的阅读视野。用户要清晰认识到算法推荐的弊端，在浏览和阅读信息过程中，有意识地控制接触和选择多元信息的频率，主动引导机器跟踪识别自己的多元需求，并推荐相对丰富的信息，以避免被单一信息绑架而“作茧自缚”，尽量规避算法推荐带来的阅读暴力。

最后要培养深度阅读的习惯。阅读的首要作用在于开卷有益和修身养性，能否实现这一点，关键在于阅读中是否进行了思考。对于一个有深度阅读习惯的用户而言，即便接触的是碎片化信息，也会对之进行理性思考，或甄别真伪，或触发联想，或增加新知，或颐养性情。相较于浅阅读，深度阅读是一种更有价值的阅读，“它包含着阅读、实践、印证、反省这样一个复杂的过程。一个人在阅读中只有不断地探索、思考，不断地反求诸己，才能逼近事物的本质，才能逐渐培养和增强判断是非和独立思考的能力，从中获得乐趣、责任与力量，也才能最终形成自己的人生哲学基础”，[7]摆脱阅读的惰性依赖症，真正实现开卷有益。

2.优化算法推荐的技术平台

网络媒体既是推荐算法最重要的应用客户，也是用户阅读内容的提供者，因此，优化和完善推荐算法的技术平台，是保证用户阅读质量和阅读效果的关键。

机器计算与人工审核相结合，加强阅读内容的把关过滤。面对海量的网络信息传播，人工把关已无法适应。在智能推荐场域下，“基于机器算法的新闻生产中把关人角色发生变化：把关者由‘人’向‘机器’侧重”，“其结果是传统把关权威性与专业性的消解”。[8]虽然“机器把关”效率更高，但机器只能通过学习关键词、标签等表层信息对推荐内容进行简单分类，其本身并不具备行业的敏感度与专业的价值判断力，不能对信息的内容质量尤其是价值观进行辨识和判断，传统意义上的“把关”环节在机器学习这里弱化了许多。由此，“应当加强内容的审核，可以针对性地开发一套机器学习系统，根据文本关键词特征，识别低俗内容，并以人工审核作为辅助，把住内容的底线”。[9]令人欣慰的是，经历了多次的“责令”和“责罚”后，“今日头条”等新闻客户端已经注意引入人工审核，对内容的专业性、权威性和可信度等进行鉴定和把关，以遏制低俗内容的蔓延。此外，为了提升用户接触优质信息的几率，在技术上要扶持优质原创内容，可以考虑给予优质内容生产者所发布的文章和视频更高的推荐权重，使其更容易被用户接触到，以此强化优质信息对用户的影响力。

“智能化”与“人性化”相结合，实现阅读推荐的分级分层和动态管理。算法推荐内容终归是机器技术的产物，而人们的阅读需求并不像机器一样机械循环。“算法不可能对用户的每次行为做精准识别，也不能很好地理解用户对不同信息的需求比例”。[10]“智能化”推荐只能简单地判断出用户兴趣爱好的大致方向或者领域，却无法对用户的阅读兴趣进行分级，对阅读内容进行分层，以精准匹配用户的阅读需求。因此，加强机器学习的技术升级，实现真正的人性化推荐，才能从根本上解决阅读中的“暴力”问题。

对于移动新闻APP而言，人性化推荐即立足于适应用户多元化、多层次甚至多变性的阅读需求，进行开放性和动态化推荐，以规避算法推荐带来的阅读缺陷。从具体操作层面上讲，一方面要升级推荐算法，进行开放式推荐。通过定期提供用户“非计划”的信息，准确预测出用户的行为趋势，帮助用户发现还未了解、但可能感兴趣的内容，拓宽用户的关注领域，避免单一内容的强制性推荐。另一方面是对用户画像进行动态管理。通过定期推送不同类别和层次的信息，动态测试用户阅读需求的变化，实时跟踪了解用户的兴趣变化，调整画像标签的内容和权重，并更新推荐内容。

综上，算法推荐的确高效地实现了私人订制，但同时也带来了诸如视野窄化、认知偏见、阅读疲劳和浅俗阅读等问题。“个性化或是未来传媒的趋势，但技术赋权不应该让受众变成高高在上的‘上帝’，一味追求‘高点击’的机器也不应该将受众异化为无价值追求的‘接收器’，受众需要定制化的信息，也需要有温度的思想”。[11]只有将人工智能与人性化推荐结合起来，才能减少机器推荐的阅读缺陷，规避算法技术带来的阅读“暴力”问题，真正实现推荐阅读的意义和价值。

注释：

[1]鲁为.协作过滤算法及其在个性化推荐系统中的应用[D].北京：北京邮电大学，2007

[2]张浩.电子阅读方式分类研究[J].中国电化教育，2011（9）

[3][9]匡文波.新闻推荐算法：问题及优化策略[J].新闻与写作，2018（4）

[4]陈佳茹.今日头条客户端的“信息茧房”传播效应影响[J].新媒体研究，2018(3)

[5]张玉玮.基于个人信息世界理论的大学生阅读素养研究[J].情报资料工作，2015(11)

[6]周慧虹.摆脱“微阅读”后遗症[N].文学报，2013-07-04

[7]杨晨，张家武.浅阅读时代的深度选择[J].大学图书情报学刊，2011（2）

[8][11]刘思文.基于机器算法的新“新闻生产”与把关人理论探索——以“今日头条”为案例[D].武汉：湖北大学，2017

[10]翟文婷.今日头条的困惑[J].中国企业家，2018（1）