人—算法共生主体：计算新闻生产网络中的主体创新

张岩松，孙少晶

【摘要】算法技术嵌入新闻生产推动了新闻创新领域的探索，但目前的研究思路大多预设了以人为主体、沿袭技术采纳的路径，遮蔽了技术的能动性。文章以此为研究起点，试图建构一个由关系性物质主义、媒介主体创新、共生能动性三个概念组成的分析框架，进而探究算法技术与人类行动者如何在计算新闻生产中占据主体位置。文章认为，算法技术与新闻从业者通过双向代理形成共生关系，并构成人—算法共生主体。在新闻生产各阶段，算法代替人类实现了在数据挖掘、自然语言处理和推送分发方面的计算实践，从业者亦同时在新闻价值的选择、高质量的内容生产及信息分发的监督上发挥能动性。文章从人—算法共生的视角，拓展了新闻创新技术路径对于主体创新的讨论，丰富了新闻生产主体的创新内涵。

【关键词】计算新闻 行动者网络 新闻创新 主体创新 人机共生

【中图分类号】G206 【文献标识码】A 【文章编号】1003-6687（2022）3-055-07

【DOI】 10.13786/j.cnki.cn14-1066/g2.2022.3.008

数字化转型是传统模式与新兴技术相结合的创新过程，[1]算法和新闻行业的融合，使计算新闻成为新闻行业转型的新方向。正如Nicholas Diakopoulos所说，我们正处于新闻算法的时代。[2]（1-12）Napoli也指出新闻业正经历着算法转向。[3]与传统新闻相比，计算新闻是通过算法的协助或由算法自主进行的信息和知识生产。[4]算法技术是计算新闻生产最重要的参与者，新闻工作的逻辑[5]和受众参与新闻的方式[6]皆随算法技术而改变。

现有新闻创新相关研究中，技术路径是一个重要的组成部分。该路径囿于技术是由人采纳的对象的预设，[7]缺少技术的优先性考量，[8]导致对长期默认为唯一主体的人如何与之互动、如何形成新的关系、新关系的影响等问题缺乏超越性的思考。在此背景下，本文将算法与新闻从业者共同视作计算新闻生产网络中的关键生产者，并认为二者之间存在代理能动性，以人—算法共生主体为研究对象，剖析新闻生产的主体创新问题。

一、关系性物质主义视角下的计算新闻生产主体创新

1. 关系性物质主义视角下的算法

当前围绕算法的研究主要从两种视角展开。一是传统的制度主义视角，将算法作为技术创新手段纳入新闻实践工作中，讨论组织采纳技术的结构性因素及效果。国内的大多数研究都是在该框架下展开的，如有学者认为“各新闻组织在决定创新之前所拥有的资源、决策者的创新决心和组织能力、技术门槛、新闻记者运用新媒体的能力、组织的文化和规则以及行动者之间的关系等对一项创新的构思、设计、实施和成效有重大影响”。[9]二是超越制度性因素的视角，关注点从结构层面转移到个体层面，突出个体在结构中的能动性。[10]这方面的研究凸显出两方面的转向：实践转向和物质转向。当下新闻活动的数字化趋势一定程度上促发了后一种转向。[11]以前的新闻研究总是以词为开端，侧重于讨论词的内容、写或说这些词的人以及他们所属和互动的组织，而信息的生产、分发和接受过程中的物质条件被忽略了，应加强对物质（包括工具、机器、硬件、软件和其他类型的技术）的研究。[12]

在关注技术物的不同理论框架中，行动者网络理论作为关系性的物质主义视角，为探究新闻业创新过程中复杂的动态机制提供了有力支持。[13]其主张打破社会与自然、精神与物质间的二元对立，[14]强调物质和人类具有同等的能动性，指出社会是“异质元素之间的相互关联”。[15]Couldry认为这种反结构功能主义取向启发研究者重新审视技术，对其进行去自然化的处理。这为关注技术在新闻工作中的使用贡献了思路：首先，考察媒体文本生产中发挥作用的各种（人和非人）行动者时，需将技术视为变革的主体;其次，不对行为者间的关系做任何假设，“既不把人放在首位，也不把技术放在首位”。[8]

该视野下的算法技术①研究近年来逐渐兴起，从使用算法进行内容管理到通过算法制作新闻[16]等不一而足，由其驱动的数据实践[17]及相关的新闻作品[18]都成为研究者的考察对象。可以说，算法技术作为创新主体，推进了新闻创新实践网络的动态发展。

2. 新闻创新与生产主体创新

在现有研究中，新闻创新几乎被等同于技术创新或媒介媒体创新。前者将具有创新性的新闻产品视为技术创新的产物，[10]带有技术决定论的色彩。后者更偏向将媒体机构或从业者作为创新实践的主体，而将技术视为被采纳和操控的客体。本文尝试在行动者网络理论视角下讨论新闻创新，既摆脱技术决定论，又摒弃以人为唯一行动者的传统思维。

在非人主体性的相关讨论中，最具代表性的是Westlund和Lewis提出的AMI（Agents of Media Innovations）分析框架。两位研究者试图将各创新主体整合到媒体创新系统中，并提出4A矩阵的概念，即人類行动者（actors）、非人行动者（actants）和受众（audiences）在新闻活动（activities）中“全方位地相互扣链……定义了新闻组织的主线”②。人类行动者、非人行动者和受众各自主导三条行动路径，并以多种方式互动（包括两两交叉甚至三者融合），形成了四种新的路径。本文梳理出计算新闻生产网络中的各行动主体，③这些主体包括新闻机构及记者编辑和技术人员、搜索引擎/社交媒体平台、网络数据和知识库、算法技术。它们经由代理能动性，形成了一种共生关系。

二、人—算法共生主体与计算新闻生产网络

1. 共生能动性的概念化

单单描述技术物的能动性是不够的，因为技术可供性构建了行动者间的网络化互动，计算新闻生产网络讨论的重点是人机关系。对此通常有三种观点：[16]其一，二者被视为竞争关系，新闻工作者通过强调自身的独特优势，以维护职业的合法性;其二，机器被视为人类的补充，它协助人类处理庞大而复杂的数字信息，使人类有机会追求更具挑战性的报道工作;其三，人与机器的关系是整合性的，二者皆是新闻生产的主体。出于对人机关系整合性的认识，研究者们重思主体能动性，尤其是技术经由与其他行为者（特别是人类行动者）的关联而产生的能动性。

心理学家班杜拉在社会认知学层面对人与技术系统互动中的能动性进行了讨论，[19]认为对自己的心理和身体能够施加影响的人类主体，倾向于将任务委托给复杂技术，而这种能动性可称为代理能动性（proxy agency）。代理是一种社会中介模式，意味着由其他可以代表自己行动的个人或工具帮助实现目标。这个概念把人机互动看成人和技术彼此归因的一种力量形式，为观察人类行动者和技术间的关系提供了有力视角。可以说，在计算新闻创新过程中代表人行动的算法发挥的即是代理能动性。当然，人之于技术的重要性也不可忽视，原因有三：第一，事物是高度动态的，算法总是落后于事物变化;第二，算法无法在可量化的范围之外工作;第三，如果每一个新闻决策都被简化为代码，那么语境的缺乏将可能无法呈现非常规的新闻。[2]（4）

Neff和Nagy基于代理能动性，借用生物学中的共生概念，进一步界定了人类和技术代理日益复杂的相互关系。他们将二者的互动想象成人类和非人类主体共生性的相互作用，这种共生能动性（symbiotic agency）是人与技术在互动中，通过技术中介模型实现的一种特定形式的代理能动性。[20]其中人的能动性影响技术产品的使用，同时技术中介也影响人的经验、感知和行为。二者是否具有共生能动性，可从意图性、预见性、自我调节和自我反思四个方面①加以判断。计算新闻生产语境中的人和算法通过彼此行使代理能动性形成共生关系，作为复合主体在生产的各个环节发挥作用，本文将之称为人—算法共生主体。

2. 计算新闻生产网络中的人—算法共生主体

人—算法共生主体概念的提出，为分析计算新闻生产中的人与技术提供了新思路。其一，该概念聚焦于人与算法二者互动中的能动性，打破将能动主体默认为人类的传统;其二，以往的传播和媒介学研究虽然关注了非人类行动者，却止步于对技术和人类相互依赖关系的考察。该概念超越了简单的人与技术二分对立关系，将人和技术作为一个有机的复杂整体加以考察;其三，它是共生能动性概念在新闻传播学领域的具体应用，以新闻从业者和算法的关联性实践阐释了共生能动性的具体内涵。

在计算新闻传播语境中，多元的行动者们通过征召与被征召，接受相应的任务，通过互动、合作、转译②形成复杂的网络关系。除了搜索引擎、社交媒体、网络数据库等非人类因素扮演重要角色外，新闻从业者和算法技术构成了行动的主体（见图1）。新闻从业者包括记者编辑和技术人员等，算法包括数据挖掘算法、自然语言技术和推送分发算法，二者在此过程中相互发挥代理能动性，驱动计算新闻的生产、优化和分发。

某种意义上，行动者们在塑造网络的同时，也重新定义其他行动者。第一，网络数据库或社交媒体上的数据功能发生了变化，成为新闻故事的来源。数据的纵向变化或数据库间的横向关联具备发现新闻的潜力。第二，新闻写作分工结构发生变化，写作主体的改变促成新闻内容生产的再次分工。写作机器人在初级阶段成为主力，而对调查能力和写作技巧具有复杂要求的部分则由人类承担。第三，新闻信息扩散模式不仅是传播速度和量级的改变，扩散模式也从大众化转向个性化。下文将分别展示新闻从业者和算法技术之间的代理实践，检视人—算法主体在新闻生产网络中的共生关系，并对二者如何作用于新闻生产过程进行分析。

三、计算新闻生产中算法技术的代理能动性

一般而言，新闻生产过程主要包含内容的采集和选择、新闻写作和编辑、新闻分发几个阶段， 因而对于算法技术代理角色的分析也主要从这几个阶段进行分析。

1. 作为内容把关人的数据挖掘算法

计算新闻通常使用数据挖掘算法进行“知识的发现”。[21]其中，网络数据知识库及社交媒体作为行动者，为发掘新闻故事提供了基本的资源;数据挖掘技术作为联盟被招募进来，能够高速地监控新信息并寻找数据间的关联，将初步筛选出的信息推介给从业者，从而降低收集故事的时间成本，同时它还能对社交媒体和数据库的内容进行事实核查，扮演把关人的角色。

具体来说，主要通过信息监控和辨识数据间的关联发现具有新闻价值的事件。首先，监控来自新闻媒体及社交媒体的信息，扩大挖掘潜在新闻故事的范围。一方面，监控新闻机构的报道内容，帮助编辑及记者快速了解事件，并重估新闻价值;另一方面，监测社交媒体中动态的巨量信息，如路透社Tracer系统持续摄取Twitter数据，过滤与事件无关的推文，然后对推文加以聚类和排序，供记者审阅，或TopicSketch等算法将Twitter作为数据源，从只存储15分钟的信息流中检测突发话题。[22]其次，挖掘关联信息，发现具有统计意义的变量关系。这包括回溯性监测和线上监测，[23]前者是将社交媒体上的信息与过去的数据（库）进行比较，确定是否为新的事件，后者则将现有数据进行在线聚类、概括等处理，追踪所形成的新聚类。

另外，算法能够识别并检查消息源及内容的可信性、准确性。其一，检测内容的算法可直接核验报道者、发生地等信息，或通过识别用户的关系网络特征、互动特征等，辨识信息源的可信性。除了核查文本内容之外，通过算法也能对图片和影像进行确认。其二，筛查社交媒体中的谣言和假新闻已经成为重要的研究课题。当前新闻机构正不断推进核查技术的开发与应用，将需验证的信息与数据库中的知识图谱进行比对。

2. 作为内容生产者的自然语言算法

自然语言技术被征召进入自动化内容生成网络，扮演故事创造者的角色。目前在体育信息更新、金融类报道和突发新闻等领域使用的频率较高。①许多研究者认为自动化新闻生产最为核心的部分即自动化写作，甚至将二者等同起来。该类算法支持将数字结构的数据生成文本内容，一般通过自然语言理解和自然语言生成实现。

自然语言处理技术在编写文本和图像生成上均有所运用。新闻写作方面，各种文体类型实现了不同程度的自动化，描述和叙事的自动化程度较高。描述是新聞报道必不可少的环节，可由算法通过数据生成描述型文字，在此基础上进一步引入叙述阐释性的内容。图像或视频的生成则涉及使用计算机对视觉属性进行检测和分类，包括基于训练数据批量合成新图像、通过研究原型生成视频等。

相较于传统的新闻生产，自动化内容生产技术在速度、规模和准确性[24]几个方面推动实践发生改变。首先，算法加快了报道速度，为新闻机构获取流量、提升权威性提供竞争保障;其次，算法的传播速度使报道规模得以拓展;再次，算法可以帮助避免简单的信息错误，提高报道的准确性。通过算法使用，劳动力成本也实现了转移，记者得以“从提供信息中解放出来，而集中精力于提供意义”，[25]编辑的决策压力也得到减轻，不必为平衡劳动力而做出艰难选择。

3. 作为价值塑造者的推送分发算法

在新闻信息扩散过程中，各行动者的目标是争夺日益匮乏的注意力，提高流量并扩大影响力。在新闻聚合器、搜索引擎或社交媒体上，推送算法和新闻机器人作为关键行动者将新闻故事有效分发，营造出平台不断更新的状态。

在信息推送前，编辑室运用优化算法模拟测试不同元素对流量的影响，评估故事的表现是否满足受众需求，如测试标题、预测文章保质期、选择发布时间和社交渠道等。进入分发阶段，推送系统根据个人阅读历史、兴趣及相似用户的阅读内容等进行个性化推送，从而提高用户黏性。另外，在现阶段，搜索引擎和社交媒体作为新闻信息扩散的主要渠道，其核心价值通过过滤和排名来体现。调节注意力的算法可以影响信息的可见性，如热搜算法为信息内容的流行程度排名，引起用户对特定议题的关注。

在社交媒体平台上，新闻机器人结合内容生成算法和推送算法，在与用户对话之外，还扮演了信息扩散的角色。皮尤研究中心在2018年的研究报告中指出，推特上的热门新闻链接中，有三分之二是由自动化的账号所分享的，它们连接着新闻网站数据库和社交媒体。[26]而随着移动性消息类应用的流行，机器人也延伸至私人信息渠道。有研究者认为，从信息推送向对话式信息传递和服务的转变，意味着新闻报道方式的改变，[27]新闻机构与受众间的关系因此被重新定义，受众的价值观在长期的算法信息接触中被影响再造。

四、计算新闻生产中人类行动者的代理能动性

上述内容主要展现了三种算法技术在新闻生产中的代理能动性，但应看到此过程中算法决策的不足甚至破坏性，②这些都必须交由人类行动者代理。人类的智力和“反思性的智慧”①在新闻内容的选择和收集、自动化写作及信息分发等各方面依旧具有不可替代的优势。

1. 技术设计与内容核验：对数据挖掘技术的代理

数据挖掘技术的目标在于发现故事，而为了确定选择故事的标准，算法开发者在设计之初就为其嵌入了可量化的指标，保证由算法把关的信息取舍符合行业认可的价值追求。同时，技术员也会验证数据挖掘的结果，如与其他内容加以比较，抽样输出。在这个部分，新闻的某些增值工作由人类记者和编辑实现，包括对新闻内容的质量、可用性、降噪和适应性进行把关。[28]

随着线上用户生产内容体量的急剧增长，人类行动者需不断补充用户评论区审核算法的工作。如《华盛顿邮报》的ModBot系统，可为读取的每条评论打分并删除负面信息，而无法判断的评论则交给人工编辑处理;《纽约时报》和《卫报》专门雇用了评论区版主，②审核并删除具有攻击性甚至仇恨的言论，同时筛选出高质量的评论作为精选内容。

在该阶段，机器主要负责从数据中寻找模式和统计异常值，而理性的新闻判断仍然依赖人力，包括收集、核实和解读信息，以看到数据库之外的世界。因此，各平台虽大大降低了从世界各地获取信息的成本，却增加了验证信息的人工成本。在这个过程中，为应对算法技术的不确定性，人和非人行动者进行了充分的转译实践。

2. 算法编写与参数调整：对内容自动化生成技术的代理

正如ProPublica的业务发展副总裁Celeste Lecompte所说：“算法的内容创作不仅仅是将数字变成一串描述性的句子，它是为了特定的目的对数据加以总结。”[29]然而，现阶段的自动化技术具有不可忽视的局限性，如其高度依赖结构化的数据，数据本身的质量、广度和丰富性直接影响输出内容，因此需对数据的选择、评估、清洗、标准化和验证方式做出决策。而在数据不可用的报道上，从业者仍需借助传统的信息收集方式。另外，因高度依赖模型，算法生成内容常常围绕谁在什么时候和地点做了什么事，却很难解释为什么和如何做，更难以胜任“由价值观与知识、经验紧密互动来驱动的新闻写作”。[30]

因此，即使编写好的模板可驱动内容的自动生成，但在不同语境下，人工仍要持续性地调整故事模板的参数。如《洛杉矶时报》的“地震机器人”一旦漏报，技术人员就要调整地理边界框以延伸过滤器的范围。此外，虽然系统开发促使自动化技术可在发布前评估内容质量，但仍离不开编辑对代表性样本的把关。

应该说，在设计、维护、监督、更新等关键点上都需要人的加入，融入人的智慧。[2]（121-130）在内容模板的设计开发阶段，编辑和来自不同专业领域的参与者将价值观嵌入系统，包括定义结构、标记内容、为各种输出语言编写模板，以及对有关领域的一般知识进行编码等。在投喂数据方面，如对非结构化数据或依赖机器学习的系统，人工标记是重要的一步，而可自动标记的分类算法，也离不开人工最初的训练。

3. 效果判断与策展监督：对信息分发技术的代理

在内容分发之前，新闻机构通常将内容优化算法集成到编辑工作流中，但该算法的衡量标准往往比较单一，如页面浏览量、浏览时间、转发量等。相比之下，人类在判断故事类型、发布时间和渠道等方面独具优势，能将不同主题的内容与不同类型的阅读行为相匹配，同时还能为故事赋予特定的文化语境意义。因而一些媒体机构将工作方法设定为先通过机器学习预测内容的最佳位置，然后将建议推送给编辑，协助其做出明智的决定。在判断事件的影响力方面，谷歌新闻的创立者Krishna Bharat认为，算法技术“仍不及人类编辑”，要找到各利益间的平衡点，需将人类编辑的逻辑纳入算法管理中。

当前，新闻机构还通过策展算法，保证编辑认同的重要新闻更易进入终端用户的视野，以推动共识的形成。新闻机构的技术者将编辑标准写入策展算法中，一方面，嵌入新闻价值以确定优先級序，控制不同类别内容的个性化阈值，另一方面，按照可接受的质量标准进行输入管理，让策展算法在人工所规定的范围内进行内容选择。典型的例子是新闻聚合类应用SmartNews，策展算法在编辑部制定的消息源列表基础上向用户推送新闻。

结语

人—算法共生主体是数字时代新闻生产主体的创新，激发了新闻创新实践。该共生关系集中表现在两个方面。一方面，非人类行动者的能动力量使其不再仅仅扮演辅助从业者的中介角色，而是代替人类进行创新实践。在内容推介和把关方面，数据挖掘算法通过对信息的实时监测和数据关联性的分析，在海量数据信息中初步筛选出具有新闻价值的内容，扮演了挖掘新闻故事的角色;在内容生产方面，自然语言处理技术将数据填充于模板中，完成初级新闻写作或图像的生成;在推送分发方面，算法因其扩散的高速度、有效性和个性化，几乎替代了人工。另一方面，人类行动者也在算法决策力所不逮之处实现代理，包括确保所收集的内容符合机构的价值标准，维护并监督自动化写作质量，平衡个性化发布机制和编辑的追求。在此双向代理的过程中，从业者以传统的职业惯习和行业规范为机器提供行动方向，并且监控算法在新闻生产中的实际运作;算法逻辑也渗透进新闻生产常规中，影响“记者的信仰结构和思维方式”，使之带着对算法的“同理心”，[2]（249）以计算思维和数据思维推进新闻工作。因此，将人与算法在新闻生产过程中的关系作为共生的概念化处理，不是将人与机器简单加以混合的新鲜提法，而是对以往人机关系探索的延伸。其中人与技术之间的二元关系被进一步模糊化，人与算法以有机整体性的关系在新闻生产网络中发挥能动性。

该共生体贯穿整条新闻生产线，拓展了当前几乎等同于机器人写作的自动化新闻概念。目前，国内外研究者普遍把自动化新闻视作在新闻报道写作中使用算法，将自动化新闻界定为“在没有或者有限的人类干预下，由预先设定的程序将数据转化成新闻文本的自动算法过程”。[31]这忽略了算法在自动化新闻生产其他阶段的能动力量。人—算法共生作为理论框架为研究复杂的传播技术开拓了思路，超越了“关于社会建构主义与技术决定论的简单化争论”。未来社会将不可避免地拥抱更丰富、更复杂的技术行动者，其中交织着人类、算法、人—算法和算法—算法的混合互动，如何充分发挥各主体的能动性以更有效地服务公众利益，将是新闻传播研究者与传播实践者共同面临的重要研究课题。

参考文献：

[1] 李艳红. 在开放与保守策略间游移：“不确定性”逻辑下的新闻创新——对三家新闻组织采纳数据新闻的研究[J]. 新闻与传播研究，2017（9）：40-60，126-127.

[2] Diakopoulos N. Automating the news： How algorithms are rewriting the media[M]. Cambridge， MA： Harvard University Press， 2019.

[3] Napoli·P. M. Automated media： An institutional theory perspective on algorithmic media production and consumption[J]. Communication Theory， 2014， 24（3）： 340-360.

[4] Caswell D， Anderson·C. W. Computational Journalism[J]. The International Encyclopedia of Journalism Studies， 2019（3）： 1-8.

[5] Carlson M. Automating judgment？ Algorithmic judgment， news knowledge， and journalistic professionalism[J]. New media & society， 2018， 20（5）： 1755-1772.

[6] Nelson·J. L， Lei·R. F. The effect of digital platforms on news audience behavior[J]. Digital journalism， 2018， 6（5）： 619-633.

[7] Pavlik J. Journalism and new media[M]. New York： Columbia university press， 2001： xvi.

[8] Plesner U. An actor-network perspective on changing work practices： Communication technologies as actants in newswork[J]. Journalism， 2009， 10（5）： 604-626.

[9] 王辰瑤. 新闻创新：不确定的救赎[N]. 中国社会科学报，2016-05-05（003）.

[10] Steensen S. What's stopping them？ Towards a grounded theory of innovation in online journalism[J]. Journalism studies， 2009， 10（6）： 821-836.

[11] Anderson·C. W， De Maeyer J. Objects of journalism and the news[J]. Journalism， 2015， 16（1）： 3-9.

[12] Boczkowski·P. J， Anderson·C. W. Introduction： Words and things[M]//Boczkowski·P. J， Anderson·C. W. Remaking the News： Essays on the Future of Journalism Scholarship in the Digital Age. Cambridge， MA： The MIT Press， 2017： 1-12.

[13] De Maeyer J. Adopting a 'material sensibility' in journalism studies[M]//Witschge T， Anderson·C. W， Domingo D， et al. The SAGE Handbook of Digital Journalism. London： Sage， 2016： 460-476.

[14] 朱劍峰. 从“行动者网络理论”谈技术与社会的关系——“问题奶粉”事件辨析[J]. 自然辩证法研究，2009（1）：37-41.

[15] 吴莹，卢雨霞，陈家建，等. 跟随行动者重组社会——读拉图尔的《重组社会：行动者网络理论》[J]. 社会学研究，2008（2）：218-234.

[16] Van Dalen A. The algorithms behind the headlines： How machine-written news redefines the core skills of human journalists[J]. Journalism practice， 2012， 6（5-6）： 648-658.

[17] Stray J. Making artificial intelligence work for investigative journalism[J]. Digital Journalism， 2019， 7（8）： 1076-1097.

[18] Primo A， Zago G. Who and what do journalism？ An actor-network perspective[J]. Digital Journalism， 2015， 3（1）： 38-52.

[19] Bandura A. Toward a psychology of human agency[J]. Perspectives on psychological science， 2006， 1（2）： 164-180.

[20] Neff G， Nagy P. Agency in the Digital Age： Using Symbiotic Agency to Explain Human-Technology Interaction[M]//Papacharissi Z. A Networked Self and Human Augmentics， Artificial Intelligence， Sentience. London： Taylor & Francis Group， 2018： 97-107.

[21] Kitchin R. Big Data， new epistemologies and paradigm shifts[J]. Big data & society， 2014， 1（1）： 1-12.

[22] Xie W， Zhu F， Jiang J， et al. Topicsketch： Real-time bursty topic detection from twitter[J]. IEEE Transactions on Knowledge and Data Engineering， 2016， 28（8）： 2216-2229.

[23] Zubiaga A， Aker A， Bontcheva K， et al. Detection and resolution of rumours in social media： A survey[J]. ACM Computing Surveys （CSUR）， 2018， 51（2）： 1-36.

[24] Linden·T. C-G. Algorithms for journalism： The future of news work[J]. The Journal of Media Innovations， 2017， 4（1）： 60-76.

[25] Wu S， Tandoc Jr·E. C， Salmon·C. T. When journalism and automation intersect： Assessing the influence of the technological field on contemporary newsrooms[J]. Journalism Practice， 2019， 13（10）： 1238-1254.

[26] Wojcik S， Messing S， Smith A， et al. Bots in the Twittersphere[R]. Pew Research Center， 2018.

[27] Ford H， Hutchinson J. Newsbots that mediate journalist and audience relationships[J]. Digital Journalism， 2019， 7（8）： 1013-1031.

[28] Taylor·R. S. Value-added processes in the information life cycle[J]. Journal of the American Society for Information Science， 1982， 33（5）： 341-346.

[29] Lecompte C. Automation in the newsroom. How algorithms are helping reporters expand coverage， engage audiences， and respond to breaking news[J]. Nieman reports， 2015， 69（3）： 32.

[30] 諾姆· 莱梅尔史萃克· 拉塔尔. 人工智能时代，新闻人会被取代吗？[M]. 胡钰，王一凡，译. 北京：清华大学出版社，2020：10.

[31] Carlson M. The robotic reporter： Automated journalism and the redefinition of labor， compositional forms， and journalistic authority[J]. Digital journalism， 2015， 3（3）： 416-431.

Human-Algorithm Symbiotic Agency： Agent Innovation in Computational News Production Network

ZHANG Yan-song1，2， SUN Shao-jing1（1.School of Journalism， Fudan University， Shanghai 200433， China; 2. Department of Media and Communication， City University of Hong Kong， HongKong 999077， China）

Abstract： The embedding of algorithmic technologies in news production has promoted the exploration of news innovation， but the majority of current researches presuppose human as the main subject and follow the path of "technology adoption" which obscures the subject of technology. This article constructs an analytical framework consisting of three concepts： relational materialism， subject of media innovation， and symbiotic agency， and then explores how algorithmic technology and human actors jointly occupy the main position in the production of computational news. It contends that algorithmic technology and news practitioners form a symbiotic relationship through two-way subject and constitute a "human-algorithmic" symbiotic agency. At each stage of news production， algorithm represents human actors in data mining， natural language processing， and information distribution， while journalists/editors/technologists also play roles in deciding news values， producing high-quality content， and monitoring dissemination.

Keywords： computational journalism; actor network theory; journalistic innovation， subjects of media innovation; human-algorithmic symbiotic agency