传播学视角下算法推荐研究的学术场域

丁睿豪 夏德元

【摘要】推荐算法已经渗入信息生产的各环节，它带来的技术、社会和伦理等问题成为学界关注的焦点。运用Citespace分析软件对2010—2019年国内新闻传播学领域个性化算法推荐共453篇文献进行科学知识图谱分析后发现，学界有关算法推荐问题的研究成果呈逐年上升趋势，并随着运用算法推荐的新闻分发平台的崛起而出现爆发式增长;研究热点相对集中于对算法推荐技术的思考、现象的探讨以及对挑战和机遇的分析。如何在技术的发展中把握主动，进行富有前瞻性的学术研究，则成为学界未来需要努力的方向。

【关键词】算法;个性化推荐;新闻分发平台;科学知识图谱;Citespace

传统媒体时代，专业新闻媒体把握了从新闻内容制作到分发的绝大部分权力，受众只能被动接收来自专业媒体的新闻内容，主动权有限。而到了智能媒体时代，伴随着网络传播技术的飞速发展而催生出的“Apple News”“今日头条”等新闻分发平台通过个性化推荐算法掌握用户的兴趣取向，向用户推荐内容，不仅打破了传统媒体时代受众的被动局面，同时迅速占据了原本由传统媒体所掌握的新闻传播市场，带给整个新闻传播业前所未有的巨变。[1]然而，个性化推荐算法的广泛应用也带来了各种弊端和社会问题，相关学者从不同角度形成了问题意识和学科关怀，取得了丰硕的研究成果。通过对这些研究成果进行梳理和总结，揭示当前传播学领域关于算法推荐问题研究的客观现状，对后续研究具有一定的借鉴意义。为此，本文以453篇CSSCI期刊论文为依托，利用Citespace软件对算法推荐研究现状进行解读，并结合关键文献的重点分析，梳理出新闻传播学领域算法推荐的研究脉络和热点，为学者提供预测性的经验参考。

一、研究方法与数据处理

本文采用了由美国华裔学者陈超美应用Java语言开发的信息可视化分析软件Citespace，其主要基于共引分析理论（co-ciation）和寻径网络算法（Pathfinder）等，对特定领域文献（集合）进行计量，以探寻出学科领域演化的关键路径及其知识拐点，并通过一系列可视化图谱的绘制来形成对学科演化潜在动力机制的分析和学科发展前沿的探测。[2]本研究主要采用Citespace软件中提供的作者和机构共现、关键词共现和聚类、参考文献共被引等分析方法，并通过可视化知识图谱，直观地呈现出算法推荐研究领域的知识结构、热点领域以及演进趋势。

为确保数据的权威性，本文选择中国知网数据库中的CSSCI期刊作为研究的数据来源。以“新闻”“出版”“传播”等作为主题词，辅以“智能”“算法”“推荐”“推送”“个性化”“精准”等关键词进行检索，去除明显与本研究不符的文献（如书目推荐、资讯、算法设计、系统实现、榜单等），最终共获取453篇文献。

二、描述性统计分析

2010年至2019年，学界有关算法推荐的研究成果呈逐年上升的趋势。根据图1可将其分为两个阶段：第一个阶段为2010年至2015年，这一阶段中对算法推荐问题研究成果的发表数量共47篇，占研究样本总量的10.4%。这一时期的国内个性化推荐技术尚处于发展的初期阶段，尚未进入大规模应用时期，学界对于算法推荐领域还未给予足够的关注。第二阶段为2016年至2019年，这一阶段对算法推荐问题研究成果的发表数量共406篇，占研究样本总量的89.6%。这一时期中，算法推荐技术进入实用阶段，国内“今日头条”“一点资讯”等代表性的新闻分发平台崛起，这些平台都以算法推荐技术为核心并进入了高速发展期，改变了人们传统的新闻阅读方式并对传统媒体造成了巨大冲击。这一前所未有的信息分发方式直接挑战了传统的人工编辑机制，成为巨大的社会公共话题，并投射到学界。高速增长的研究成果数量，体现了学界对于这一研究领域的高度关注。总体而言，传播学视角下对于算法推荐问题的研究成果数量与计算机技术及市场发展具有密切关联。

三、核心作者分布

厘清学科领域的作者分布有助于把握该领域研究的廣度与深度。利用Citespace软件对作者进行共现分析，得到核心作者合作共现网络图谱。其中，Nodes（节点）数量为213，Links（连线）数量为93，Density（密度）数量为0.0041。根据以上数据可知，算法推荐领域研究的作者之间合作程度较低，研究合作团队规模较小。图谱数据显示，除陈昌凤分别与师文、霍婕合作发文4篇和3篇文献以外，其余作者间基本仅合作发表过1至2篇文献，未形成真正意义上的合作团队。此外，在Citespace随图谱生成的Summary Table中，共显示213位作者，其中2010—2019年之间发文量在3篇及以上的作者为陈昌凤、张志安、喻国明、彭兰、师文、范红霞、匡文波、霍婕、王茜、全燕、王斌、严三九，共12位，仅占作者总人数的5.6%，且只有3位作者发文量在10篇以上。由此可见，学界关于推荐算法领域的研究较为广泛，但作者较为分散，且高产作者较少，反映出学界对于这一领域的研究尚不集中，且深度不够。

该研究领域内作者文章的被引数量也是衡量核心作者的重要指标，对筛选出的文献按照被引次数进行整理，在被引次数最高的前20篇文献中，彭兰的6篇文献共被引969次，喻国明的3篇文献共被引389次，表明这两位学者的学术影响力较大。精读这些高被引文献后发现，这些作者的文章主要对于新闻分发平台的发展现状、算法推荐的运作模式、应用方式及其机遇和挑战等问题进行了深入的讨论，这些讨论不仅描绘了该领域研究的大致轮廓，更为后来的深入研究奠定了扎实基础。

四、研究热点领域分布

（一）主题词及关键词的共现图谱分析

利用Citespace得出10年间算法推荐研究的高频和高中心性关键词，生成2010—2019年算法推荐领域研究主题词、关键词共现图谱（见图2），共生成286个节点，446个连线，密度为0.0109。在该图谱中，不同节点的大小代表其出现的频次，频次越多则越大，反之则越小;节点之间的连线表示彼此之间共现的强度;0.0109的密度代表推荐算法研究领域中节点之间的关系比较松散。此外，图谱中部分节点的轮廓呈紫色，表明这些主题具有较高的中心性，与其他节点之间存在较为紧密的联系，也是连接不同研究领域的关键节点。[3]

Citespace軟件在生成图2的过程中也会计算每个关键词的频度和中介中心性，其中以频度为序由高到低排名前十的关键词及其中介中心性分别是：人工智能（0.24）、算法（0.14）、大数据（0.28）、个性化推荐（0.26）、算法推荐（0.19）、信息茧房（0.16）、新闻生产（0.07）、算法新闻（0.02）、今日头条（0.05）、新闻业（0.07）。

Citespace聚类分析结果中，Modularity值为0.784，Silhouette值为0.8958。这表明文本聚类效果较好（见图3）。其中聚类标识词及其轮廓值按照节点数由高到低排序分别为：抖音（0.869）、个性化推荐（0.994）、大数据（0.771）、个性化信息推荐（0.926）、新闻传播（0.856）、个性化（0.925）、内容分发（0.919）、人工智能（0.851）、新闻客户端（0.929）、新闻分发（0.851）、算法（0.967）、算法推荐（0.912）。

再根据高频及高中心性关键词与合并后的聚类标识词进行联系归纳，总结出算法推荐领域的三个主要知识群及其高频关键词：算法推荐的应用研究（个性化推荐、算法、大数据、人工智能、新闻客户端、微博、抖音、今日头条、协同过滤、内容分发、人机社交等），算法推荐的传播效果研究（信息茧房、过滤气泡、回音室、算法权力、权力转移、权力结构、新守门人、编辑缺位、社会化标签、信息过载等）和算法推荐的传播伦理研究（媒介伦理、新闻从业者、算法伦理、工具理性、价值理性、伦理失范、新闻专业主义、黑箱、主流价值观、算法偏见、公共性、协同治理等）。

（二）主要研究热点知识群的内容讨论

1.算法推荐的应用研究

从图谱中“人工智能”“算法”的节点大小可以看出，智能和算法成为算法推荐研究领域中最重要的组成部分。将节点较大的“人工智能”“算法”“个性化推荐”等节点中的核心文献进行研读后，发现“算法推荐的应用研究”中主要呈现以下重点。

首先是个性化推荐的技术研究方面，主要由“算法”“大数据”“人工智能”“协同过滤”“推荐机制”等关键词构成。在媒体智能化已经在内容生产、内容分发、内容监管、媒体运营各环节中广泛应用的背景下[4]，个性化推荐机制的本质是以大数据与算法为依托，对用户行为进行长期的系统跟踪与分析，从而掌握用户的内容偏好，为用户提供特定场景下最优化的信息需求供给匹配。[5]个性化推荐算法主要由用户个性化信息管理、用户兴趣权重库管理和个性化推荐三大功能模块构成，其技术实现则主要侧重用户隐性兴趣的获取、兴趣权重的计算和用户的相似性计算三个方面。[6]

其次是个性化推荐平台发展与运作的研究方面，由“新媒体”“新闻客户端”“微博”“抖音”“今日头条”“新闻聚合”等关键词构成。近年来以个性化推荐算法为核心的新闻分发平台高速发展，成为广大用户获取新闻信息的重要渠道。“今日头条”作为占据我国移动互联网主导地位的新闻分发平台之一，是个性化新闻推荐系统应用的典型代表。截至2019年6月，“今日头条”月均活跃用户规模达2.6亿，日均活跃用户规模达1.2亿。从宏观视角来看，个性化推荐技术满足了用户的“长尾”需求、强化了新闻分发平台的内容分发能力、提升了用户信息选择的地位，对新闻业务链进行了重塑。[7]“Buzzfeed”“今日头条”“一点资讯”等新闻分发平台，在凭借个性化推送获得了远超普通新闻客户端的用户总数和使用时长的同时，其算法也促进了新闻生产流程的自动化，以及受众内容消费方式的个人化和定制化。[8]此外，个性化推荐技术还具有改变用户传统行为模式、实现内容精准分发、新闻生产场域扩张等重要意义。[9]除了新闻分发平台以外，“抖音”这一以个性化算法为核心的短视频平台也引发了学界的热烈讨论，有学者从传播学角度解构抖音特征，认为个性化推荐算法在向用户推送内容的同时，也引发了用户共鸣，促进用户模仿创作更多视频，进而提升用户黏度;[10]而从互动仪式链的角度出发，个性化推荐还可以快速聚合符号资本与情感能量，满足用户的情感需求，算法由此成为平台市场的核心运行机制。[11]然而，推荐算法在现实使用中还存在与用户预期效果之间的差异，主要体现在个性化推荐与用户需求的矛盾以及个性化推荐与人性化传播的矛盾。[12]

2.算法推荐的传播效果研究

将图谱中“过滤气泡”“信息茧房”“算法权力”“权力结构”“守门人”“主流意识形态”“推荐机制”“信息过载”等节点中的核心文献进行研读后，发现学界对算法推荐的传播效果研究主要关注以下几个方面。

首先是关于算法推荐应用环境下所产生的如信息茧房、过滤气泡、回音室、群体极化等信息窄化效果及其治理的研究。个性化推荐算法虽然为用户带来了便利，满足了用户的个性化信息需求，免去了信息过载带来的困扰，但完全依靠机械的数据和机器的计算完成的推送内容，会一步步将人带向扭曲和异化的境地，用户在不经意间便落入了算法推送的个性化圈套之中[13]，导致用户“被动”接收更多与其自身所持立场相似的观点，驱动形成了基于算法推荐技术的“被动”群体极化现象，社会隔阂不断加深。[14]值得一提的是，学者喻国明提出了与上述结论相左的观点，认为信息茧房并非由算法推荐所引起，而是在互联网出现以前就一直存在。其本质是由个人的选择和注意所决定的，算法与技术不过是一种“人体的延伸”。[15]

其次，推荐算法的广泛应用所导致的算法权力跃升与扩张问题也成为近年来研究的热点问题。算法所具有的高效、智能、低成本等优势，使其取代了传统编辑，将原本由人所掌握的权力转移到了机器的手中。这种权力的转移主要包括新闻分发权从大众媒体向算法平台的转移，新闻把关向注意力经济的“后移”以及新闻选择权从受众到算法平台的迁移三个方面。[16]技术的深度介入与算法的过滤也弱化了编辑在新闻生产中的作用。[17]支撑算法的大数据则将人与人、人与物、物与物的存在、属性及关系进行标识和呈现，因而实现了一种无所不在，渗透到生活方方面面的权力范式，在相当大的程度上规定了人对世界的感知及其自由度，从而导致传播结果的新一轮“窄化”。[18]以Facebook为代表的社交平台进军新闻业，在促进社交媒体与传统主流媒体融合的同时，收编了传统主流媒体并控制了新闻流向受众的渠道，使其有能力进一步控制受众对新闻议程的认知，曾经由新闻专业主义主导的公共领域被权力更为集中且不透明的传播寡头所取代。[19]

3.算法推荐的传播伦理研究

将图谱中有关伦理紧密联系节点“算法伦理”“新闻伦理”“工具理性”“价值理性”“主流价值观”“主流意识形态”“算法偏见”“价值传播”“协同治理”等文献进行研读后，发现学界对算法推荐的传播伦理研究多着力于以下方面。

首先，是关于推荐算法中工具理性与价值理性之间平衡的研究。随着智能化在信息传播领域的盛行，推荐算法已经具备了工具理性和科技理性的条件和特点。然而其功利性、利益最大化和目的至上的运行逻辑，忽视了人的价值以及人的存在感[20]，并将一些真正有价值的信息边缘化，弱化了对理性价值的引导和主流价值的守望，消解了其长期坚守的社会责任，公众和社会也会陷入价值迷失的困局。[21]工具理性还会对新闻专业主义带来巨大挑战，新闻人的主体地位开始动摇，新闻媒体的角色被不断分散弱化，新闻把关人的地位被算法所取代，新闻媒体的权威性被逐渐瓦解。[22]

其次，是关于算法价值观对社会影响的研究。学者主要关注推荐算法中隐含的偏见和利益取向。算法在两方面的不透明性使其具有了“黑箱”的特征：一方面，软件产品具有隐蔽性的特征，特定的权力结构、价值观和意识形态已经事先被嵌入其中，软件遮蔽下的“有限性、许可、特权和障碍”等限制不易被人察觉;[23]另一方面，算法的程序实现和工作原理对于开发者、设计者而言是已知的知识，而对于受众或用户则构成了一个“技术黑箱”。[24]这样的推送机制背后也渗透着利益先行的商业价值观、公司自身的企业文化价值观、算法设计团队对于人们偏好的认知价值观、政治经济等非技术力量等多层价值观。[25]这不仅会对传统的新闻价值观形成严重挑战，还可能会在当前的社会条件下产生算法审查、信息操控与平台倾向，从而影响受众态度。[26]此外，新闻把关权转移与评价体系的透明化，还会在意识形态传播方面面临渠道转移、话语更新、效果变化等一系列新问题。[27]

再次，在治理算法推送产生的伦理问题方面，学者大多认为“人机协同”将会是未来新闻生产的重要模式，也应该是算法新闻伦理构建中最重要的内容[28]。效率不应成为新闻分发平台算法设计的唯一考虑，而需要承担起社会环境监测、社会整合和文化传承等多种责任，[29]并将不作恶、不滥用的“向善”作为底线伦理，明确算法是非人类的“网络行动者”而非独立的伦理行动者，“人”才是算法新闻的责任主体。[30]在治理模式方面，有学者提出“算法—利益相关者”的协同治理模式，从技术圈层、社会圈层的角度探讨不同利益相关者的协同治理方法;[31]还有学者从个体伦理层次、组织伦理层次和社会伦理层次厘清了具体道德行动者的治理行动领域[32]。目前，国内对于算法推荐的治理方式主要包括：建立科学合理的算法推荐模型、建立频道栏目分区分类管理机制、建立稿源分级分类规范机制、完善重要内容人工审核机制、健全平台技术监测预警机制、建立优质正面内容激励机制、完善平台推荐外部监督机制、推动个人信息保护制度化。[33]

五、研究结论与展望

（一）算法推荐研究热点细化，深入研究趋势明显

随着时间的变化，算法推荐的研究领域不断产生新的研究热点，且研究热点不断细化和深入。2010年至2013年，算法推荐的研究较少且大多集中在算法推荐概念和国外相关案例的讨论上，鲜有针对国内实际应用的研究。而到了2014年，国内人工智能和大数据等技术的突破性发展，使得算法推荐技术的大规模应用成为可能，同时也引发了学者针对内容生产与分发模式改变的热烈讨论。2017年到2018年，随着“今日头条”的上线，学界也迎来了对于算法推荐研究的高潮时期，不仅关注推荐算法和内容分发平台对于传统新闻业的颠覆和改造，还将注意力放在因算法的广泛使用而带来的信息茧房等传播效果以及更加深刻的算法伦理及其治理等诸多研究方向。综上所述，目前我国的算法推荐研究呈现研究热点细化，且研究不断深入的明显趋势。

（二）出现了以算法从业人员为研究对象的实证研究

在收集到的文献资料中，出现了以算法从业人员为案例的实证研究。在这些实证研究中，学者严三九与袁帆认为新闻传播领域的智能转向促使诸如算法工程师等新主体参与到新闻生产、分发之中，因此将新闻分发平台的算法工程师作为研究对象，运用问卷调查法考察了算法工程师对算法伦理问题的了解程度、伦理问题威胁性评估以及算法伦理问题的改善倾向三方面。研究指出，大部分算法工程师对算法在新闻传播领域引发的伦理问题了解甚少，仅了解一些热门事件，对伦理问题的威胁性评估偏低且改善倾向整体偏于保守。该研究有别于在算法推荐研究领域中的其他大量质化研究，采用实证研究方法考察算法从业人员在编写算法的过程中所采取的行动，也为后来学者的研究提供了借鉴。

（三）算法伦理及其规制研究将成为重要的研究热点

算法所构筑的“技术黑箱”具有高度的隐蔽性，其中蕴含着新闻分发平台潜在的价值观、偏见、导向以及其他不透明因素。为了打破算法黑箱，实现算法透明并规制算法权力，中国政府已经采取了一系列有力措施。2017年，国务院发布《新一代人工智能发展规划》，出台了一系列人工智能发展计划，积极推动人工智能产业健康发展;2019年，中国人工智能治理专业委员会发布了《新一代人工智能治理原则——发展负责任的人工智能》治理框架和行动指南，以进一步加强人工智能相关法律、伦理、标准和社会问题研究。由此可见，在国家相关政策的扶持下以及学界研究热点不断细化的背景下，学界对于算法治理方面的研究将不断深入。

（四）实证性及跨学科研究成果不足

实证研究由于其资料收集的可靠性、认识社会的广泛性、研究结论的客观性等优势，以及其更接近学科科学化要求的研究范式和对科学的提倡，使实证主义范式成為主流范式，具有不可撼动的学科地位。[34]然而在收集到的文献中，实证量化研究的成果数量却远不如质化研究，少数学者在针对“信息茧房”的研究中对学界这种现象提出了批判。学者王茜指出，目前国内学界有关算法分发的文献以质化研究居多，少量量化研究主要以个人观察为主，容易受主观因素的影响。[35]而这种主观因素往往会导致学者对研究对象的误判，从而造成学界在进行大量研究的同时也存在着相当的误解，甚至产生实务界与学术界观点大相径庭的结果。[36]此外，在技术飞速发展的同时，学界对于技术的讨论却处于相对被动的滞后状态，较多的是针对目前主流技术的探讨，而缺乏对新技术的预见与预判。有学者直言，传统的科学理论、伦理观和前沿的技术实践之间的关系在不断重构，由于技术和人文两种文化之间的隔阂，前沿的技术伦理的讨论存在一定滞后性。[37]“科林格里奇困境”也已经指出了技术发展失控的风险，即“当不希望的后果被发现时，技术却往往已经成为整个经济和社会结构的一部分，以至于对它的控制十分困难”[38]。因此，如何在技术的发展中把握主动，进行富有前瞻性的学术研究，成为学界急需克服的困难。

[本文为国家社科基金重大项目“人工智能时代的新闻伦理与法规”（项目编号18ZDA308）的研究成果]

参考文献：

[1]夏德元.数字时代电子媒介人的崛起与出版新视界[J].学术月刊，2009，41（9）：21-27.

[2]陈悦，陈超美，刘则渊，胡志刚，王贤文.CiteSpace知识图谱的方法论功能[J].科学学研究，2015，33（2）：242-253.

[3]李杰，陈超美.CiteSpace：科技文本挖掘及可视化[M].北京：首都经济贸易大学出版社，2016：78.

[4]宋建武，黄淼.媒体智能化应用：现状、趋势及路径构建[J].新闻与写作，2018（4）：5-10.

[5]喻国明，兰美娜，李玮.智能化：未来传播模式创新的核心逻辑——兼论“人工智能+媒体”的基本运作范式[J].新闻与写作，2017（3）：41-45.

[6]王娜，任婷.移动社交网站中的信息过载与个性化推荐机制研究[J].情报杂志，2015，34（8）：190-194+176.

[7]喻国明，侯伟鹏，程雪梅.个性化新闻推送对新闻业务链的重塑[J].新闻记者，2017（3）：9-13.

[8]陈昌凤，王宇琦.新闻聚合语境下新闻生产、分发渠道与内容消费的变革[J].中国出版，2017（12）：3-7.

[9]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.

[10]邵征锋.抖音传播的特征、挑战及未来发展趋势探析[J].现代教育技术，2018，28（12）：80-86.

[11]国秋华，孟巧丽.抖音的互动仪式链与价值创造[J].中国编辑，2018（9）：70-75.

[12]于黎冰.从“今日头条”看个性化新闻推荐系统的优劣[J].传媒，2016（19）：44-45.

[13]郝雨，李林霞.算法推送：信息私人定制的“个性化”圈套[J].新闻记者，2017（2）：35-39.

[14]倪万，孙静茹.推荐算法驱动下“被动”群体极化现象及消解[J].青年记者，2019（31）：43-45.

[15]喻国明，曲慧.“信息茧房”的误读与算法推送的必要：兼论内容分发中社会伦理困境的解决之道[J].新疆师范大学学报（哲学社会科学版），2020，41（1）：127-133.

[16]陈昌凤，霍婕.权力迁移与人本精神：算法式新闻分发的技术伦理[J].新闻与写作，2018（1）：63-66.

[17]刘运来.个性化推荐阅读时代的编辑缺位及其影响[J].编辑之友，2017（9）：76-79+90.

[18]喻国明，杨莹莹，闫巧妹.算法即权力：算法范式在新闻传播中的权力革命[J].编辑之友，2018（5）：5-12.

[19]史安斌，王沛楠.传播权利的转移与互联网公共领域的“再封建化”：脸谱网进军新闻业的思考[J].新闻记者，2017（1）：20-27.

[20]陈昌凤，石泽.技术与价值的理性交往：人工智能时代信息传播——算法推荐中工具理性与价值理性的思考[J].新闻战线，2017（17）：71-74.

[21]张蓝姗，黄高原.算法推荐给媒介公共领域带来的挑战[J].当代传播，2019（3）：31-33.

[22]杜娟.走向人机协同：算法新闻时代的新闻伦理[J].新闻爱好者，2019（9）：21-25.

[23]Mager A. Algorithmic Ideology：How Capitalist Society Shapes Search Engines[J].Information，Communication & Society，2012，5（15）.

[24]張淑玲.破解黑箱：智媒时代的算法权力规制与透明实现机制[J].中国出版，2018（7）：49-53.

[25]陈昌凤，霍婕.权力迁移与人本精神：算法式新闻分发的技术伦理[J].新闻与写作，2018（1）：63-66.

[26]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.

[27]张志安，汤敏.论算法推荐对主流意识形态传播的影响[J].社会科学战线，2018（10）：174-182+2.

[28]杜娟.走向人机协同：算法新闻时代的新闻伦理[J].新闻爱好者，2019（9）：21-25.

[29]彭兰.智能时代的新内容革命[J].国际新闻界，2018，40（6）：88-109.

[30]王仕勇，樊文波.向善向上：基于良性互动的算法新闻治理伦理研究[J].重庆大学学报（社会科学版），2021，27（2）：225-236.

[31]张超.社交平台假新闻的算法治理：逻辑、局限与协同治理模式[J].新闻界，2019（11）：19-28+99.

[32]赵瑜.人工智能时代的新闻伦理：行动与治理[J].人民论坛·学术前沿，2018（24）：6-15.

[33]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.

[34]实证研究的功效与局限[EB/OL].http：//www.cssn.cn/shx/shx_bjtj/201404/t20140414_1065488.shtml.

[35]王茜.论个性化信息推荐系统的运作逻辑及影响[J].郑州大学学报（哲学社会科学版），2017，50（1）：155-157.

[36]喻国明，曲慧.“信息茧房”的误读与算法推送的必要：兼论内容分发中社会伦理困境的解决之道[J].新疆师范大学学报（哲学社会科学版），2020，41（1）：127-133.

[37]陈昌凤，霍婕.权力迁移与人本精神：算法式新闻分发的技术伦理[J].新闻与写作，2018（1）：63-66.

[38]Collingridge D.The Social Control of Technology[M].New York：St.Martin's Press，1981.11.

（丁睿豪为上海理工大学出版印刷与艺术设计学院硕士生;夏德元为上海理工大学出版印刷与艺术设计学院教授、互联网与文化创意产业协同创新中心主任）

编校：董方晓

3911500338291