APP下载

智媒时代算法推荐对舆论的影响研究

2021-09-10白秋敏

新闻研究导刊 2021年9期
关键词:舆论

摘要:在智能媒体发展的今天,算法新闻和算法看门人成为新闻业的关键特征。算法推荐连接着人与信息,陌生化网民被“千人千面”的信息包围,以节点形式连接、聚合和互动,促进了舆论的复杂化和实时化,技术与人的可供性互动形成了算法与人的反馈循环,重构新闻价值观,重塑公共领域,进而对舆论和意识形态产生影响。

关键词:算法推荐;舆论;可供性

中图分类号:G206 文献标志码:A 文章编号:1674-8883(2021)09-0007-03

一、引言

如今算法成为人们洞察现实、进行决策的新中介。根据皮尤研究中心2019年2月的调查,在美国成年人中,超过一半通过Facebook(脸书)获取新闻,社交媒体转型平台型媒体已经成为业界不可逆转的趋势,这种分发的转型正在影响整个新闻传播环节[1]。算法作为新的信息生产传播模式,给舆论生态带来了挑战:全息感知环境下,大数据技术能精准锁定受众,预测受众态度,控制舆论走向;机器人水军参与舆论表达,干预舆论;以营利为导向,为迎合受众、维持高热度传播虚假信息。可见,算法推荐在带来技术利益的同时,也深刻影响着网络舆论的生成和发展。

二、Facebook算法推荐的原则

从用户端来讲,Facebook的算法推荐系统正是基于大数据样本,不断更新算法推荐的相关权重,例如朋友关系、用户兴趣、用户参与、含蓄偏好、贴文时间等以求完成更精准的个性化推送;从内容端来讲,算法识别推送文本的类属话语记号和隐式话语记号,再与用户话语特征相匹配。在这样的推送方式下,Facebook算法推荐催生了新的新闻价值与生产机制。

(一)Facebook算法运行原则的演变

Facebook团队认为:NewsFeed(动态消息)新闻价值观的最大成就就是为人们提供接近性强的信息,力图展现主观的、个人的、独特的并且体现用户理想的价值观的信息。2016年之后,陷入“偏见门”的Facebook首次宣布了自身算法的理念说明,即所谓的“3F”原则——Friends and Family First:朋友家庭优先、包容多种观点、增强交际真实性、巩固用户主动地位[2]。

2016年以后,Newsfeed的算法程序不断调整,力图将朋友关系、明确的用户兴趣、用户参与程度、隐藏的用户偏好、内容发布时间、平台优先级、页面之间的关系、用户的负面偏好等拟定为算法改进的核心,不断优化用户体验。近年来,Facebook算法推送的策略变动可总结为如下[3]:

2016年,置顶朋友相关内容、治理虚假广告、预测符合用户喜好且有用的信息、减少推送钓鱼网站、优先朋友亲人相关信息、开发观众优化工具、优先推送视频;2017年,推出趋势新闻单元、在菜单上添加“发现页面”使用户获得多元观点和信息、屏蔽虚假粗略和低质量信息、测试订阅话题功能、将关系权重调整至爱好权重之前、将观看完成百分比设置为推送重要依据;2018年,优先推送信源可信度高的新闻消息、缩减来自品牌商家的推送;2019年,提高原装高质量视频的推送量、增加亲密关系与信息价值的权重、设置“点击间隔”隔绝假新闻;2020年,优先原创报道的推送。

可以看出,Facebook的算法推荐在商业逻辑运作下以营利为首要目标,致力于用户黏性、点击率的提升,也考虑到了媒体的社会责任、新闻专业主义的实现和用户体验。

(二)算法推荐对新闻价值观的重构

在19世纪,新闻业发挥着“民主市场社会与城市商业意识的产物和推动者”的作用[4]。以算法推荐技术为代表的新技术从外部改造传统新闻业,重构了已经组织化的新闻生产和实践。新闻专业主义是西方新闻业发展的理论之本,公共性与客观性是新闻专业主义最重要的两套准则。但智媒技术影响下的新闻业是否还能秉持新闻专业主义,还是对其进行反思和重估呢?

从客观性来讲,机器学习或者神经网络技术为算法新闻奠定基础,算法新闻的分发模式可被概括为“I-T-O”[5],即数据输入、数据吞吐、产品输出三个过程,完成对新闻产品线上和线下的高效分发。很多算法推荐的使用者都宣称相比人工编辑,技术更加客观中立,但却在实践中证明了其存在偏见。2016年,Facebook的“Trending Topic(热门话题)”就被爆出其并不是算法客观运作的结果,而是通过人工编辑的判断取舍,并且在有意打压保守派的新闻。面对质疑,Facebook将其“Trending Topic”的人工编辑撤销,但技术中立、客观的成见还是被这场风波动摇,并使公众对算法的工具性产生怀疑。技术中立所打造的“幻象”从此被打破。新闻客观性代表了一种谨慎的专业知识,意味着新闻从业者要秉持专业态度而将自身的偏见搁置一旁,而技术则更少倚重于这种专业态度和技术,将其客观性体现于机械中立的技术承诺[6]。

从公共性来讲,理论家坚持认为社会现状的合法化要依靠社会的大众媒介类维护和保持。从新闻业诞生,新闻从业者就认为专业人士比他们的受众更有资格决定受众的需要[6]。但当算法引入新闻生产和传播过程以后,新闻的公共性遭到了冲击。算法推荐将个性化需求设置为参考的重要标准,而新闻专业主义致力于服务社会公众,维护大众的利益。算法相关性的概念就如同新聞价值和新闻热度,成为智媒技术时代新闻的衡量标准。工程师要根据用户的媒介使用情况进行调适,以提高用户的满意度,从而忽视了信息的相关性[7]。谷歌为了维持其客观性,规定了“我们要知道的七个真相”,其中就包括“任何短期收益都不能成为我们违背客观性的理由”。对于信息提供者来说,为公众提供重要且不稳定信息的算法的客观性更为重要。

三、影响分辨:可供性互动与公共领域

用户画像刻画是算法推荐和个性化信息分发的中心机制,并与用户的特定需求息息相关。Facebook通过分析用户行为(如购买行为、内容浏览行为、阅读行为等),根据相似性将用户分类,采用协同过滤的推送方式为兴趣相同的用户进行产品和内容的推荐。人工智能技术不只带来了个性化的红利,也带来了满载偏见的过滤气泡。人工智能为传播增添了更多情感和情绪色彩,潜移默化地改变着传播中的信息交流与情感交流。通过增加对用户的认知,平台媒体在舆论引导中占据主动位置。

(一)肖像刻画与使用体验:技术与用户的可供性互动

“可供性”是一个心理学概念,吉布森将其界定为生物与环境之间的相互协调性。可供性体现了生物本身和其周围环境的关联、互补、互惠的关系。可供性理论中人与环境相互协调、人与人工物的交互作用的观点可以作为分析算法新闻的相关理论[8]。智媒技术通过用户数据收集处理,在相似用户间建立关联。Facebook算法的设计者认为,用户画像不仅可以呈现于其亲人朋友等社会关系网络中,还体现在其周围人群的社群特征中,这点在社会科学中早有印证。因此,算法多从两个维度来划分用户画像:用户维度和社会维度。这种算法的行动可以分为三步:第一步,审查以自我为核心的社会人际关系;第二步,为与自我相关的社群特征画像;第三步,在第二步社区画像的基础上生成社会维度的用户画像[9]。在这个过程中,算法技术的交互作用充分体现出了感知可供性和实际可供性。从文化实践层面的视角来讲,这里的算法摒弃了人工物属性,在现实世界中,它构建了用户与器物之间的社会文化关系,更注重用户的主动参与和互动操作,从而捕捉用户与智能媒体技术之间的积极互动关系。通过互动性的适应发展和优化新闻信息传播端的推送技术,提高信息传播的效率。算法推荐技术就是通过对用户画像的塑造满足了不同用户群体的两种需求。

一是满足用户对传播差异性的需求。不同文化背景下的受众了解信息、接收信息的动机和内容具有复杂性。通过话语记号的收集可以对具有差异性的用户进行分类,选择适合用户的传播方式,达到使其认可的效果。

二是满足用户对传播参与性的需求。社交媒体的个性化分发为用户提供了相比传统媒体时期更便捷的“参与接口”。这种广泛的互联性推动了协同生产、编辑与审核,将技术与人力相结合,实现了新闻平台的智能化运行。

同时,用户行为也是丰富优化算法技术的重要途径,这主要体现在两个反馈方面。

一是算法中的关系反馈。活跃在社交平台上的用户具有多重“关系”,话语记号不只是内容推送的参考依据,更是人的关系的整合方式。从Facebook的算法推送策略更迭中可以看出,算法的关注重点主要三个:其一,社交关系:即用户在现实中和互联网上社交圈的关系,这些社交圈决定了用户日常交往的对象,与用户的社交圈形象管理;其二,社群归属:具有不同复杂属性的个体也可能具有相同的社群志趣以及文化特征,从而成为主成分分析法的主要依据;其三,社会归属:媒体是依靠信息生产分发营利的个体,也是整个社会观念和意识形态的黏合剂,因此社交媒体在满足用户需求的同时也要发挥新闻专业主义精神,促进社会整合,参与公共对话,增强民众的社会归属感。

二是算法中的场景反馈。场景的构成主要包括空间环境、用户实时状况、用户生活习惯、社会氛围等[10]。场景与用户行为特征存在某种密不可分的联系。根据不同场景特点推测用户个性化的内容需求是算法推荐亟待开发的新领域,这就意味着平台要收集多维度的用户数据,对用户行为及其場景进行精细化考量。

(二)舆论演化与公共领域的重塑

法国传播学者米尼克·吴尔敦曾经说过:“网络将有相同观点的人聚合在一起,这是他的优势所在,更为复杂的问题随之而来,在这个社会中,不仅要聚合那些爱好和意见一致的人,还要聚合更多的、持有不同观点的人。”[11]多元价值观和文化观是现代文明建立的基础,但投其所好的推送方式与观点互通互融的初衷背道而驰。哈贝马斯描述的公共领域是所有公民批判公共议题的开放空间,它的主要构成是自由对话,目的是形成公共舆论,内涵是公共理性精神,大众传媒是其主要运作工具。在《结构转型》中,哈贝马斯提出大众传媒可以成为公共领域实现的最佳场所,但由于商业化而失败[12]。

个性化推荐已经成为用户认识世界的一种方式。曾经的传统媒体往往提供关于报道代表性的承诺,编辑要将代表社会变化全貌的新闻筛选出来全面地呈现在媒介上。而在过滤泡中,单个用户根本看不到兴趣之外的东西,只着眼于自己的兴趣点,忽略了信息所处的大环境[13]。沃尔特·李普曼早在1921年就提出了他的理论:每个人都无法想象自身周围的环境和现实复杂性,只能通过在头脑中创建外部世界的模型来认识世界,而头脑中世界的来源就是媒体[14]。媒体对舆论形成的影响是通过议程设置体现的,媒体经历了40多年的发展,而议程设置理论仍适用于当下的信息环境。议程设置理论认为,媒体的信息呈现对公众舆论有重大的影响,因为媒体不但决定了公众想什么,还决定了公众如何想、如何判断。新媒体技术一方面提供了几乎无限的信息,另一方面将用户置于狭隘的过滤气泡中。根据皮尤研究中心的调查,最受欢迎的社交媒体——Facebook中有四分之三的人不知道它的工作机制。这样个性化机制的内容轻易逃脱了用户的注意,将他们包围在一个个信息泡沫中[15]。Facebook的边际排名算法就是一种过滤技术,它通过对网站上的每个互动进行排名,向用户呈现个性化的新闻流和状态更新,在这种情况下不再是信息找用户,而是用户找信息。值得注意的是,算法推荐在涵盖了用户的兴趣时也剥夺了他们改变的可能性。当算法将意见观点聚合的平台区隔化后,公共话语就被扰乱了。

四、结语

算法充分发挥了其人工物属性,在新闻传播端通过平台媒体构建了一个积极参与公共话题的平台,实现了人与技术的互动,其可供性的互动过程体现为对用户的差异性和参与性需求的满足以及算法关系和场景的反馈。算法刻画用户形象,决定用户接触的信息环境,用户行为也反过来优化算法的推送程序,实现个性化推送的“反馈循环”。技术在明确其性格画像的基础上,将传播内容与观点诉诸感情,进而使社群区隔化。舆论场被一个个封闭的过滤气泡填充,公共领域中的交往在技术介入下消融了共同的生活语境,使舆论呈现出陌生化与区隔化的新特征。

参考文献:

[1] 凯特琳娜·伊娃·玛斯塔.脸书和推特在连接手机读者和新闻方面扮演的不同角色[EB/OL].媒介和新闻,https://pewresearch.org/fact-tank/2016/05/ 09facebook-twitter-mobile-news/,2020-05-09.

[2] 亚当·莫瑟.为你建立一个更好的算法推荐[EB/ OL].新闻编辑室,https://about.fb.com/news/2016/06/ building-a-better-news-feed-for-you/,2016-06-29.

[3] Facebook新闻推送算法历史[EB/OL].主页,https://wallaroomedia.com/facebook-newsfeed-algorithm-history/#seven,2020-11-09.

[4] [美]迈克尔·舒德森.新闻的力量[M].刘艺娉,译.北京:华夏出版社,2011:86.

[5] 仇筠茜,陈昌凤.基于人工智能与算法新闻透明度的“黑箱”打开方式选择[J].郑州大学学报(哲学社会科学版),2018(05):84-88,159.

[6] 塔尔顿·吉莱斯皮.算法的相关性[C]//媒体技术:传播、物质性与社会论文集. 2014:167.

[7] 马特·卡尔森.机器人记者:自动化新闻和劳动、合成形式的重新定义和新闻权威[J].数字新闻业,2015,3(3):416-431.

[8] 景义新,沈静.新媒体可供性概念的引入与拓展[J].当代传播,2019(01):93.

[9] 迪乌多內·楚恩特,等.基于社区的算法从以自我为中心的网络中获取用户资料:在Facebook和DBLP上的实验[J].社会网络分析,2013,3(3):667-683.

[10] 彭兰.增强与克制:智媒时代的新生产力[J].湖南师范大学社会科学学报,2019(04):132-142.

[11] [法]多米尼克·吴尔敦.拯救传播[M].刘昶,盖莲香,译.北京:中国传媒大学出版社,2012:2.

[12] [德]于尔根·哈贝马斯.公共领域的结构转型[M].曹卫东,等,译.上海:学林出版社,1999:114.

[13] 伊莱·帕里泽.过滤泡,互联网对我们的隐秘操纵[M].方师师,译.北京:中国人民大学出版社,2020:27.

[14] [美] 沃尔特·李普曼.公众舆论[M].阎克文,江红,译.上海:上海人民出版社,2020:12-15.

[15] 阿罗姆·史密斯.很多脸书用户不了解算法推荐的运作机制[EB/OL]. 智库,https://www.pewresearch.org/fact-tank/2018/09/05/many-facebookusers-dont-understand-how-the-sites-news-feedworks/,2018-09-05.

作者简介:白秋敏(1994—),女,陕西西安人,硕士在读,研究方向:新媒体。

猜你喜欢

舆论
材料作文“舆论洪流中,我们何去何从”导写
理性思考守本心,乱云飞渡更从容
做自己的支配者
材料作文“舆论”导写
材料作文“舆论”导写
美国在舆论重压下﹃援助印度﹄
阿桑奇突然被捕引爆舆论
息事宁人乎,抱薪救火乎
潜在舆论的引导和化解
舆论制高点是有海拔的