算法技术下新闻推送的伦理反思

王智豪

摘  要  为了促进新闻分发有效化、聚焦化、快速化，各类媒体和新闻资讯平台设立移动新闻客户端，借助算法技术生产“算法新闻”。文章从算法设计入手，探究算法与新闻在生产模式上的联系，证明算法在新闻生产中的必然性。以点剖面，从算法新闻推送回归到新闻专业主义与新闻伦理，发现和总结问题，并探讨解决途径。

关键词  算法技术;新闻生产;伦理困境

中图分类号  G2      文献标识码  A      文章编号  2096-0360（2020）08-0030-04

1  算法技术下的新闻推送

1.1  算法技术基础

所谓算法，是解题方案的准确而完整的描述，是一系列解决问题的清晰指令，能对一定规范的输入在有限时间内获得所要求的输出[1]。

在这个概念中，算法被认为是一个过程的描述，如图1所示。

图1清晰地反映了算法的两个过程：一个是以人为主体的方案设计过程，另一个是以计算机为主体的方案执行过程。方案的设计与执行是一种承接关系：人先要确定问题，提出想法，形成算法，之后再由计算机的程序运行。为了进一步解释每一个步骤，图中使用了“数据模型”“基本思路”“数据表示”等六个词进行描述。

虽然上述算法的概念與工作模式是就计算机求解问题而言的，但新闻生产的模式与算法的过程具有某种程度的相似性。

美国学者盖伊·塔奇曼认为，新闻是一种框架，并就传统的新闻生产模式进行了深刻剖析。传统的新闻生产模式是一种线性生产：从采编、制作、编辑、审核、编排，到分发，这个过程具有设计与执行两个过程：新闻先由记者采编出来，再由编辑按照报纸格式、排版要求进行刊登。算法的设计同样是一种框架。各内容要素按设计者的要求排列，体现了算法规范性、主观性的框架特点。因其指令必然会回应或解决问题，因此结果又是可控的。规范性、主观性、可控性，算法程序与新闻框架的联系产生于此。

从新闻生产来看，传统新闻的生产模式逐渐从“记者导向”转移到了“技术导向”，使新闻生产不再仅仅依靠专业记者采编信息汇总，转向“采编→生产→分发→体验”智能化[3]。换句话说，新闻内容的生产、传播和运营形成了以技术为主导的新体系，如：人民日报中央厨房、湖北广播电视台打造的“长江云”政务平台等。技术革新的趋势下，新闻媒体对算法的运用是必然的。

1.2  算法与新闻生产

顺应融媒体、全媒体和人工智能的发展趋势，媒体在内容生产、运作模式中开始新一轮的技术革新。植根于大数据、算法基础和云端储存，技术革新的目的就是在信息爆炸的大背景下，实现信息的有效和精准传播。

在我国，算法最初在新闻中用于检索和分类，后来与新闻中的分发环节相结合，发展为新闻资讯推荐，此后又在新闻生产领域进行开拓，实现了新闻的自动化编写。在新闻分发过程中，媒体越来越聚焦于个性化，不断提升受众导向意识。此过程与方师师提出的观点相一致：算法对于新闻业的接入主要体现在三个环节，一是内容的自动化生产，二是个性化的内容推荐，三是平台媒体的聚合分发[4]。其中，内容的自动化生产就是指媒体在算

法、大数据的基础上学习和生产新闻，这与如今人工智能的学习功能相类似。个性化的内容推荐强调受众导向，而平台媒体的聚合分发则揭示了融媒体的大环境。

算法接入新闻并且成为一种辅助报道的方式，最初是20世纪60年代美国的精确新闻报道。路透社在2006年也已经开始利用算法模型编写财经新闻。在我国，算法接入新闻虽然可以从算法检索和分类开始，但此时只是停留在技术运用的阶段，并没有参与新闻生产。我国真正意义上算法新闻的出现是2011年至2012年以搜狐新闻、网易新闻、今日头条等为代表的新闻客户端的兴起。虽然只是新闻资讯类的聚合平台，但它们利用算法推荐进行新闻分发，对新闻生产影响深远，主要表现在以下方面。

1）是技术赋权的典型代表，冲击了传统以媒体自身为主导的新闻分发模式，转向以受众兴趣为主的新闻推荐。

2）形成了“新闻分发—用户点击—收集分析—资讯推荐”的新闻推送模式。这与施拉姆提出的大众传播过程模式中，在强调社会传播的互动性上相吻合。但与大众传播过程模式不同的是，这种新闻推送的信息传播模式强化了受众和平台两者的译码、释码、再编码过程。模式中，新闻分发就是编码;用户点击就是译码、释码、编码的过程;收集分析是平台进行译码和释码;资讯推荐则是平台进行再编码。相较于传统新闻分发，此过程更为精确、有效。

3）顺应了移动端新闻的发展趋势。3G网络的更新、智能手机的普及和App类程序的发展为新闻移动端的发展奠定了基础。同样，随着网络技术的进步，iOS、安卓系统的更新换代，App类程序也有了更为广阔的发展空间。传统新闻媒体和新闻资讯平台也相继开始拓展移动新闻业务。

4）凸显用户思维，发挥长尾效应。从主体来看，个性化的新闻推荐分为平台推送和用户选择。一般来说，新闻个性化推荐算法有三种策略：一是内容推荐，也称作用户画像算法;二是协同过滤推荐;三是常见的单因子推荐[5]。其中，“内容推荐”，或称“用户画像算法”，通过对用户的搜索记录或浏览历史分析，从而定位用户具有怎样的兴趣爱好，并为其生成用户画像。“协同过滤推荐”是针对群体而言的，将用户放到具有类似兴趣爱好的群体中进行协同推荐。“过滤”就是指信息的筛选，此时用户已经受到算法推荐的影响。“单因子推荐”则是通过对用户的点击量、阅读量等单因子进行数据量化而推荐的。还有类似标签化的推荐方式，即将新闻贴上某种标签，如政治、财经、中国、房价等，当用户大量观看某个标签的内容时，标签下的类似新闻就会被推送给用户。此外，新闻推荐也有用户选择式，类似于某个板块或栏目的“订阅”服务。

2  算法新闻推送的伦理困境

2.1  “信息茧房”

在信息多元化、多样化的趋势下，算法新闻推送的伦理问题在于：是否为了新闻分发效率而被迫牺牲新闻的多样性。

随着新闻在互联网、移动端的拓展，在大众传播“拟态环境”的呈现下，信息的数量、种类繁多，用户很难通过自己对信息进行筛选。算法新闻推送回应了这种需求。

新闻客户端运用新闻个性化推荐算法对用户的兴趣进行较为精准的定位进行信息分发，这大大加快了新闻分发的效率，且能够对受众描绘信息画像并进行数据的量化分析。但对于受众而言，长期阅读算法推荐的新闻，会逐渐养成一种思维定势，或者说兴趣定势。

“信息茧房”是一种信息偏食，产生了“回音室效应”，即受众不断接受相似的新闻内容推荐。封闭的信息空间充斥着类似的新闻内容，并不断强化。对于媒体和资讯平台而言，用户画像反而会越来越清晰，它们推荐的新闻内容也会越来越符合用户的兴趣，这正是“作茧自缚”的含义。

学界还有一种提法是“信息孤岛”，是针对用户群体而言的。“信息茧房”会导致对某一社会群体的偏好，而形成社会治理的政策偏向[6]。这种因偏好而形成的用户群体，内部的信息交流不断强化。在与外部的信息进行交流时，因为已经形成了固有认识，就会出现信息的过滤或屏蔽。这样群体的大量出现，就形成了一个个“信息孤岛”。

2.2  对新闻专业主义要求的冲击

塔奇曼認为，新闻的专业主义产生于19世纪90年代。其背景是当时美国煽情新闻泛滥，报纸商业战争和“揭黑新闻潮”的相继出现等，这些因素促使了新闻工作者对新闻工作的反思。随着新闻专业要求的发展，新闻实现了“职业”到“专业”“专业化”的动态发展[7]。

算法新闻推送的出现对新闻专业主义的要求提出了伦理挑战：

1）内容过滤与客观性、真实性产生矛盾。算法只是将类似的新闻报道进行整理呈现，但却缺少质量评估。此外，新闻失实、“标题党”现象、情绪化报道和三俗信息在算法的推送下，逐渐扩大化，严重影响了新闻的客观性、真实性和有效传播。

算法本身不具备意识性，但在不断对用户兴趣进行挖掘时，它实则也产生了选择偏向。如果受众多次点开某一种倾向性的报道，那么算法会迅速捕捉，进行类似报道的新闻推送，缺失了客观性和真实性。

2）新闻分发中监督力度不足。今日头条为代表的新闻资讯客户端， 仅运用渠道和算法优势进行内容整合。不设总编辑，就意味着此类平台在新闻“三审一校”流程中的缺失。如果没有严格的内部审核机制，那么很容易将不规范的新闻报道分发给受众。

就目前而言，资讯平台的外部监督力度较少。行业内并没有专门的技术机构对算法新闻推送中的算法进行审查，也没有相应的行业机制对不合乎要求的算法进行惩戒。不仅如此，算法新闻推送在监督新闻源上也存在重大隐患。例如，2019年5月的“贸易战停火”新闻乌龙事件，头条新闻、搜狐新闻等片面追求抢发和效率。

3）缺乏主流价值的引导。算法的长期推送强化了用户固有的认知，以至于很难接受其他信息。如果这种认知本身违背主流价值，那么很容易使其得不到有效的纠正，产生“知识鸿沟”：越接受主流价值观会越倾向于主流价值观，越偏离的则会越不认同主流价值观。长此以往，主流价值观得不到有效的传播，社会共识的凝聚也会愈加困难。

3  解决途径探讨

3.1  算法透明化、标准化

技术赋权所带来的是专业性的消解，这对新闻业的冲击是非常大的。除了国内引人关注的“贸易战停火”新闻乌龙事件，在国外，Facebook偏见门事件也同样反映了算法技术下新闻推送的缺陷。“趋势话题”、内容过滤、信息接触环境的二次建构等问题，促使Facebook对自身算法的可信度和算法背后所藏有的社会风险进行再审视。

方师师提到，要探索算法的“可信任”实践[8]。她引入哥伦比亚数据新闻研究中心在2014年发布的《算法可信度报告》，将其称为一种联合了多种社会力量对于算法的监督机制，既包括理论也包括实践，通过法规、技术、机构和有效率的个体，有效地保证信息透明度。算法的透明化一要靠平台的自觉，二要靠行业内部的规约，三要靠相关部门的有力监督。

算法透明化之后，就要建立统一明确的算法标准。这要求专业的技术人员开展深入调研，对算法的各个运行环节权衡设计。同时，信息部门要与各媒体、资讯平台开展合作，共同商讨和制定明确规范的算法程序。目前，算法技术在新闻领域的应用还处于探索阶段，随着算法技术的不断完善，相应的标准也会越来越清晰可观。

此外，要在此标准下开展算法审查。网络监管部门需严格按照既定统一的算法标准对不符合要求的媒体和资讯平台予以惩戒。

3.2  打破茧房，加强监督

算法技术目前并不成熟，媒体和资讯平台不能完全依靠算法，还需要具有专业新闻素质的编辑人员对新闻内容进行审核。媒体和各类资讯平台要在个性化内容服务的基础上，传播多样化的信息内容。通过信息交叉，分散用户视点，尽可能打破“信息茧房”。

对于传统媒体的新闻客户端而言，要肩负起社会责任、新闻责任，定期开展培训，提高编辑的专业素质，同时加强内部监管。对于资讯平台而言，要改变思想，树立社会责任意识，规范算法操作，设立专门的编辑，提高信息传播的门槛。同时，客户端内应设立举报的功能键，积极促进用户的举报反馈，并且成立专门的受理部门。各媒体平台应对发布的稿件进行审核并定期抽查做分析，对违规违法信息采取“黑名单”的形式进行曝光，并对相关撰稿人进行封禁等。

外部的监督也尤为重要。国家网络监管部门要加强监管力度，定期对各平台进行检查，形成有效、合理的监管模式。值得肯定的是，中央网信办、工信部等多个单位对网络不良现象开展了有效的监督和整治。其中，工信部设立有专门的“12321”网站，对网络不良信息进行分析查处。

除了监管部门以外，主流媒体也要进行监督，特别是具有公信力的传统媒体，包括以《人民日报》等为代表的党报，要发挥引导作用，对不良的推送现象予以批评。

3.3  提高用户自律意识

受众虽然饱受算法新闻推送的困扰，却很难发挥主动性，缺乏权利意识、监督意识。此外，受众的知识水平不一，受教育程度不同，不可能人人都有一双“慧眼”，能够发现算法推送的弊端，更有甚者，他们本身就对低俗信息、情绪化信息十分青睐。强有力的规约是不符合实际的，只能靠受众自律。

真实性、客观性是受众对新闻内容的基本要求。受众可以通过多渠道地接收信息，以避免一家之言，更加贴近客观报道。此外，传统媒体客户端相较于资讯类平台更有公信力，新闻的专业性、客观性更高，新闻的审核机制更加完善，受众可以选择使用传统媒体的新闻客户端来阅读新闻。

受众的兴趣具有圈层的特点，他们会更关注自己的兴趣圈。为了避免“信息茧房”的弊端，受众可以给自己设立多个“了解圈”，选择次兴趣点，以突破单一圈层的局限性和封闭性。

4  结语

算法新闻推送对新闻业数字化、现代化具有重要意义。在传播过程中，媒体及新闻资讯平台对用户画像进行刻写，深度挖掘受众偏好，有利于自身经营管理的有效开展。但技术不能颠覆新闻准则和伦理规范，专业的新闻工作者仍然至关重要。为避免出现数字信息时代下的“黄色新闻”潮，必须完善媒介内容的审核机制、监督机制，加强行业规范，促进算法透明化、标准化，打造良好的媒介新闻生产生态圈。

参考文献

[1]吕国英.算法设计与分析[M].2版.北京：清華大学出版社，2009：7.

[2]王红梅，胡明.算法设计与分析[M].2版.北京：清华大学出版社，2013：8，6-7.

[3]梁辰，李萍.智媒时代的新闻生产[J].青年记者，2019（17）：7-8.

[4]方师师.算法如何重塑新闻业：现状、问题与规制[J].新闻与写作，2018（9）：11-19.

[5]张潇潇.算法新闻个性化推荐的理念、意义及伦理风险[J].传媒，2017（11）：82-84.

[6]陈昌凤.未来的智能传播：从“互联网”到“人联网”[J].学术前沿，2017（12）：8-14.

[7]郑保卫，李玉洁.美国新闻专业主义观念发展史的评述与反思[J].新闻与传播研究，2013，20（8）：78-91，127.

[8]方师师.算法机制背后的新闻价值观——围绕“Facebook偏见门”事件的研究[J].新闻记者，2016（9）：39-50.