浅析算法推荐对网络公共参与的负面影响

罗雁飞，聂培艺

1 算法推荐与网络公共参与

1.1 算法推荐

算法推荐系统技术基于计算机技术、统计学知识，将数据、算法、人机交互有机结合，建立用户和资源的个性化关联机制，在信息过载的时代，为用户的消费和信息摄取提供决策支持。算法推荐目前运用于生活的各个领域，与人们的生活息息相关，包括图书、音乐、视频、新闻、电影、地图等。在新闻传播领域，算法推荐被用作是一种分发形式，基于算法分析用户喜好从而进行内容的推荐。目前其推荐方式有三种：

第一种基于内容的推荐。通过对用户日常浏览的数据分析，向其推荐与该用户既有兴趣一致的内容或产品。

第二种是基于协同过滤的推荐。这种推荐机制是运用“人以群分”“物以类聚”的原理分别对用户和物品进行协同过滤。若两种不同种类的内容经常被同一用户阅读，这个时候算法会默认设定两种内容之间的相关性，向其他阅读过某一种内容的人推荐与其具有相关性的另外一种内容。

第三种是基于时序流行度的算法引入时间维度。通过考量某一时间的瞬时点击率，同时综合考虑新闻的信息熵等指标，将特定时间窗口内较为热门的内容推荐给用户。

1.2 网络公共参与

公共参与是一种政治原则或实践，也被视为一种权利。公共参与试图寻求并促进那些可能受决策影响或对决策感兴趣的人的参与。公共参与原则认为，那些受到决策影响的人有权参与决策过程，公共参与意味着公众的贡献将影响决策。公共参与可以被视为一种赋权方式，是民主治理的重要组成部分。在知识管理的背景下，正在进行的参与性过程的建立被一些人视为集体智慧和包容性的促进者，由整个社区或社会的参与愿望所塑造。

网络公共参与是要以网络公共领域作为话语空间，两者是密不可分的。公共领域，指的是一个国家和社会之间的公共空间，是一种介于市民社会中日常生活的私人利益与国家权力领域之间的机构空间和时间，其中个体公民聚集在一起，共同讨论他们所关注的公共事务，形成某种接近于公众舆论的一致意见，旨在维护总体利益和公共福祉。公共领域具有开放性和公共性的特点，是和私人领域是相对的一对概念，自媒体时代的网络公共领域呈现以下两个特点：

1）公共领域与私人领域趋向融合。在这个传统媒体的趋向势微，新媒体的兴起的时期，公共媒介空间被私人化，大量关于个人情感和纠纷的私人话题开始进驻媒介空间，大量无意义的私人话题侵占媒介空间，也是一种对媒介公共资源的浪费。私人空间公共化是公私领域界限消融的一个重要原因，具体表现为私人空间表现化和私人事件舞台化。网络的发展赋予个体话语权，在公共空间中充斥海量私人话语，挤压公共话题空间。网民能快速切换身份与所处空间，公私议题能随意转换，公共事务能在私人对话中谈及，私人事件也能放到公共领域进行讨论，如此以来两个空间二元分离格局被打破，公私领域趋向融合。

2）泛娱乐化削弱了公共领域的权威性和渗透性。按照心理学原理，刺激性、娱乐性信息更容易引起受众的注意，进而形成注意力乃至注意力经济。各互联网媒体平台（尤其是商业平台）基于变现逐利的需要，在经营注意力方面不遗余力，导致整个互联网媒体生态偏娱乐化。这种泛娱乐某种程度上在解构公共领域的权威性，妨碍公共话题的渗透性。

2 算法推荐对网民公共参与的负面影响过程分析

网络公共参与是一个动态的过程。笔者借鉴心理学的知觉过程“信息暴露——注意——解释——评价”进行分析。网络参与需要经历“‘公域’信息暴露——网民信息注意——网民信息解释——给出评价（或建议）”这样的过程。算法推荐的后台是信息技术，前台呈现的是信息场域。以下将对这个过程中算法推荐对网民公共参与可能带来的负面影响进行一一分析。

2.1 “公域”信息暴露阶段：精准分发导致信息窄化

目前很多客户端，在其主页上都有“推荐”一栏，这个“推荐”的区域便是算法推荐应用的区域。用户通常愿意停留在自己的信息舒适区，关注自己感兴趣的某几个领域，参与的范围较小。过去很多新闻网页被分成很多个大的领域，如综合、时政、经济、军事等，彼时对于不同的网民，他们所面对的网页都是一样的。媒体为了能让更多的人能够看到自己喜欢的内容，所做的就是尽可能的放更多更广泛的内容在其中，网民可以按需选择自己喜欢的领域进行浏览。而现在，虽然这些细分领域仍然能存在，人们却只需要在推荐这一栏，基本上就可以看到自己想看的内容，不同的手机能够看到的信息也是不同的，信息精准分发难免导致信息的暴露面或呈现面，具有一定的局限性。

2.2 信息注意阶段：信息茧房导致视野窄化

如果说信息暴露阶段主要从信息提供方的角度来看，那么信息注意阶段，就是研究用户如何对推荐的精准信息进行挑选。哈佛大学教授凯斯·桑斯坦提出了信息茧房这一概念，桑斯坦认为信息茧房以“个人日报”的形式呈现。伴随着网络技术的发达和信息的剧增，人们可以随意选择想关注的话题，可依据喜好定制报纸、杂志，每个人都可为自己量身打造一份“个人日报”。当个人被禁锢在自我建构的信息环境中，生活必然变得程序化、定式化。而现在，我们身边使用的客户端都有算法推荐的机制，网民各自关注自己茧房内的内容，对于一些公共事件不管不问。这就使网民沉浸在个人议程中，不被公共议程所影响。公众之间难以进行文化共享，从较长的时间阶段来看，在构建集体认同和维系集体情感上，使大众传播丧失了社会化的社会整合功能。

2.3 信息解释阶段：协同过滤导致解码圈层化

算法推荐除了基于大数据对用户喜欢的内容进行精准推送外，还使用了一种协同过滤的机制，即它可以通过后台的分析，将人们分为同类的人群，再向同类的人群去推送算法认为这类人群会喜欢的内容。这种按照标签进行筛选的协同过滤机制会使同质化的人群继续在同质的环境中生存，缺乏多元声音的碰撞。喜欢参与公益事件的网民仍然参与公益事件，喜欢参与环境保护事件的人依然参与环境保护。跨群体之间的人们永远感知不到其他群体的议程，形成了一种闭塞的、交流不通畅的网络环境。

2.4 信息评价阶段：沉默的螺旋导致观点去多元化

网民进行公共参与的最后一个阶段，也就是信息评价的这个步骤，算法推荐基于网民的某些习惯去推送某种倾向的观点。这种观点在拥有更多的支持者后螺旋式增长和庞大起来。而弱势的观点越来越趋于小众，形成沉默的螺旋。而公共参与需要不同意见的人去发声，多方利益的平衡，不同意见之间激荡，才有利于实现网络的自净功能。只把相同的人推荐到一起，会导致多元化不足，削弱了网络自净功能。

3 以媒介素养教育应对算法推荐的负面影响

国内有学者将算法推荐导致的“信息茧房”称为“信息舒适区”。“舒适区”是一个出自于心理学学科的概念，主要是概括那些在固有习惯、观念、行为方式、思维方式和心理定势下，人们都有一个属于自己的心理舒适区。这个概念“移植”到信息接收上，受众或多或少存在“信息舒适区”。网民们日渐沉迷在社交媒体中，而算法推荐这种机制又被各种社交媒体采用，从某种意义上来说，“微信朋友圈”“微博好友圈”各类平台中的“猜你喜欢”这种形式的内容都被看作是“信息舒适区”。

信息舒适区如温水煮青蛙，让网民慢慢丧失对公共话题的敏锐和热情，政府和社会各方必须通过恰当的媒介素养教育帮助网民走出信息舒适区。《美国新闻与世界报道》前主编雷恩尼和加拿大社会学家威尔曼2012 年所著《网络化：新的社会操作系统》中提出了新媒介素养(Networking literacy)的要求，内容具体包括图像处理能力、导航能力、信息的组织和联通能力、专注能力、多任务处理的能力、怀疑精神及道德素养。国家以及重点高校可以联合推出更多媒介素养相关的慕课，提高网民的公共参与意识和水平。媒体平台方也可以在平台上设置一些动画和题目帮助网民参与到主动学习的过程中。对于特定的群体，也可以针对性地开展媒介素养教育，比如针对青少年，可以考虑在目前学校课程体系中加入媒介信息选择素养和媒介参与素养的相关课程。

媒介素养教育在当前这个每个人都使用媒介的时代中至关重要，网络暴力、网络谣言、网络诈骗在我们的生活中并不少见，这需要从教育出发，对整体的网民素质进行系统地提升。

4 结语

大数据背后所依靠的算法，它的初衷是为受众提供更加个性化的服务，但一不小心就结出“信息茧房”的实践之果，受众更倾向于关注自己感兴趣和自己圈子范围内的个人议程。本文主要就算法推荐对于网民公共参与的负面影响进行了探讨和研究，通过解析网民公共参与的进程逐步分析了负面影响，并在引入“信息舒适区”概念的基础上提出帮助网民走出“信息舒适区”的对策——网络媒介素养教育，更准确地说是媒介信息选择素养教育和媒介参与素养教育。