算法推荐技术对新闻公共性的贬损及重建路径

刘佳颖 符冰

【摘 要】在互联网时代，算法成为新闻分发的核心。随着算法推荐技术的快速发展，它背后造成的黑箱、信息茧房、群体极化事件也引起了人们的反思。新闻公共性是新闻专业主义的特征与理想，本文结合现实案例，总结算法推荐技术驱动下的新闻业的 “反公共性”表现，探讨上述表现形成的原因，展示对算法推荐技术的辩证思考，并提出突破算法推荐困境的可行性路径。

【关键词】算法推荐；新闻公共性；新闻伦理

一、新闻公共性与算法推荐

随着算法推荐技术使用的不断深化，它所造成的新闻伦理失范也成为业内讨论的焦点。2021年底，国家网信办、工信部等四部门联合发布的《互联网信息服务算法推荐管理规定》，对平台的操作规程提出明确要求，规定平台必须并且以显著的方式告知用户所使用的算法推荐技术，同时要为用户提供关闭算法推荐服务的选项。

公共性是新闻的专业性要求之一，是新闻的理想所在。公共性要求新闻媒体和新闻工作者必须将公共利益置于首位，肩负起服务公众的社会责任，具体阐释为三个要求：对私人利益的保护和对公共利益的维系；公开性，保障公民知情权；公平性，强调普遍服务原则。算法技术嵌入新闻业，不仅颠覆了新闻的生产实践，推动了数字化新闻的发展，也促进了新闻理念的更新。算法推荐技术根据用户的基本信息、兴趣偏好、媒介使用习惯等因素来推送新闻，实现信息的精准投送，提高传播效率，但也应该兼顾公共信息的传播。算法构建的“拟态环境”“信息茧房”，强化了受众对信息的“选择性接触”，影响人们对这个世界的认知。在算法的作用下，新闻媒体朝着智能化的方向发展，其作为“监视者”的功能被放大，作为“论坛”和“教师”的功能被弱化，其公共责任部分让位于个性化信息的满足[1]。公众的选择权在其不知道的情况下让渡给了新闻媒介和算法，侵害了新闻的公共性。有关算法对新闻业、对新闻公共性影响的讨论也是近年热议的话题。

本文将结合新闻业的现实案例来阐释算法推荐造成的新闻公共性三个方面的失范，以及提供重塑新闻公共性的可行性路径。

二、算法推荐的“反公共性”

（一）“黑箱”：公共利益受损

新闻的根本价值在于公共服务，公众的知情参与是实现新闻公共性的基础。可是新闻制作與分发的算法化过程对用户来说充满着高度不透明性。“黑箱”就是对这种不透明性批判的经典隐喻。这主要体现在两个方面：算法黑箱和利益黑箱。

算法黑箱，指的是算法运行的某个阶段所涉及的复杂技术，且部分人无法了解或得到解释。因此，算法黑箱的本质在于不透明、难解释。在平台经济的背景下，算法是各大新闻媒介进行信息推送的核心，是平台实现商业变现的重要手段，所以各大互联网平台为了保障自身利益与竞争实力，都不会公开其后台算法。从算法本身来看，现在的算法技术日趋复杂，用户需要具备一定的专业知识才能理解。这也导致大多数用户不知晓其隐私数据是如何被“看不见”的手运用的。比如Facebook（脸书）的用户隐私大量泄露事件就说明算法推荐技术还是要受到马克斯·韦伯的“工具理性”的审视。平台为了追求利益尝试一切手段，公共利益为商业利益让渡，像Facebook这种违背公共性的传播行为便是公共性受损的现实注解。

利益黑箱，则是媒介或者平台背后不为人知的资本运作和商业变现过程。当下媒介平台以流量为指标来衡量新闻带来的效益，但是在现实操作中，热榜和排行榜往往不是由真实流量决定的。譬如水军和公关公司可以利用算法，将消息广泛地分发出去，来为背后的金主服务。从这角度上看，第三方中介服务平台完全把控新闻传播效益的解释权，在资金投入上创造了灰色空间，因此，像流量造假事件就会层出不穷。例如，微博个性化推荐的热搜，可以通过砸钱买热搜的方式，让其信息进入用户视野，创造出某新闻正在被热议的假象。比如，影视公司通常会通过创造词条、买热搜的方式，以达到宣传旗下影视剧的目的。看似是创造喜闻乐见的内容，服务了公众，其实是用广泛的参与来虚构公共性的表象。这是平台通过哗众取宠的算法来获取自己的利益，但是真正有意义的公共议题就被排除在外了，公共性在看似民主多样的互联网中悄然受损。

（二）“孤岛”：公共性瓦解

新闻公共性并不是简单粗暴的多数集合，必须在多样与多元的信息基础上才能成立。公共性首要的是平等，即对个人权利的尊重，公平、公正和公开不由数量的多少来定义[2]。用户有权利听见来自更多方面的声音。众所周知，算法推荐技术直接带来的便利就是新闻分发个性化。可是这种个性化是受到算法左右的个性化，是“伪个性化”。

早在2016年，Facebook就废除了人工编辑团队，热点话题全部通过算法实现自动化。在国内，“今日头条”打出了“你关心的，才是头条”的口号，通过分析用户的浏览记录，标记用户感兴趣的话题，实现每个用户的首页新闻“千人千面”的效果。随着技术的进步，算法推荐技术对用户信息的抓取范围越来越广泛，除了地理位置、性别这样的基础信息，还有用户的使用习惯、消费偏好等，用户的每一次点击都影响平台下一步的推荐内容，久而久之，用户便形成了如美国麻省理工学院教授尼古拉斯·尼葛洛庞帝所预言的“我的日报”的新局面[3]。算法推荐技术虽然不直接造成信息茧房，但是或多或少起着助推的作用。新闻因算法推荐技术而实现的高度个性化分发，不断给用户推送同质化信息，加深用户的片面的认识，形成用户的认知孤岛。所以全方位迎合受众偏好的算法并没有弥合反而扩大了知识沟，忽视了新闻所肩负的公共使命与社会功能。曾经新闻扮演的是联结社会认知，塑造“共同体”的角色，但在算法时代，原来的生态正在土崩瓦解。

（三）“极化”：公共认识断裂

在社会生活中，“极化”通常体现为一种极端化、两极化的舆论或话语结构[4]。詹姆斯·斯通最早提出了群体极化的概念：人们处于群体中所进行的决策通常会比作为个体时所做的决策具有更加冒险的特点，决策倾向于发展至某个极端，即“冒险性偏移”。正如古斯塔夫·勒庞在《乌合之众：大众心理研究》中所说： 独立的个人绝无贸然打劫一家洗衣店的勇气，群体则不同，群体是“天然合理”的，数量决定了真理[5]。

选择性接触理论也表明，人们对于信息的接收并不是全方位的，大部分人只愿意接触和自己取向一致的信息，而拒绝接触与自己意见和看法不一致的信息[6]。在算法推荐的作用下，平台根据甄别出的用户选择性趋向的要素，不断给公众推送着和自身态度相似的信息，用户的愤怒情绪不断累积并形成了大规模的质疑与批判，理性的对话空间也因为世界镜像认知的严重碎片化而失去了现实基础，给极化言论的聚成提供了便利，产生“回音壁效应”。

在“前算法时代”，传统大众共享的信息产品往往具有结构化、标准化的特点，社会讨论会在既定的框架和范围中进行，因此，就算每个人本身持有既定的某些看法或者立场，极端观点会因缺乏充分的话语资源而泯没，所以未必会导致共识的断裂。但是在算法时代，个性化推荐本身就是凝聚偏见与歧视的过程，网民围绕某一热点轻松找到与自己相同的观点，从而凝结成一个群体进行交流与讨论，甚至会引发现实冲突，公共利益难以有效实现，这恰恰与新闻公共性理念背道而驰。

三、重建新闻公共性的路径

（一）重塑媒体公共性

桑斯坦引入了“公共论坛”的概念来阐释媒体的公共性。“公共论坛”最初的形态是公民聚集、沟通思想并讨论公共事务的街道和公园，随着大众传媒的出现，公共论坛是报纸、广播、电视等[7]。在传统的大众媒体上，读者可以看到不同的观点，听到不同的声音，也会接触到自己不喜欢的领域，理论上增加了人们置身于不同观点中的可能，以实现公共论坛的目标。可以说大众媒体天生就带着提供公共论坛的责任，是算法推荐的天然破局者。

然而，随着数字化媒体兴起，传统媒体式微，由传统媒体构建的媒体公共性也遭到了破坏，所以重塑新闻公共性的责任则落到了平台身上。各类新闻聚合平台需要给用户提供了解异质信息源的可能性，为用户打造一个均衡的新闻环境，突破算法推荐带来的信息茧房、群体极化等社会困境。

（二）优化算法推荐

突破算法推荐的困境，最直接的方式就是诉诸技术。在个性化内容推荐方面，算法不仅要顺应用户的心理，提供与他们想法一致的声音，也要提供与他们意见相左的声音，展示事物的多面性，把选择权真正地交还给用户。算法的开发者也要不断开发算法的可能性，让其帮助具有公共价值的内容传播。在内容生产方面，可以通过算法分析总结公众的共同心理，为媒体内容生产提供更多依据；在内容分发方面，可以通过算法推动具有公共价值的内容到达更广的人群[8]。这些都可能帮助个体减少茧房的束缚。通过落地化的实践证明算法推荐和信息分发的多样化是可以同时兼顾的，比如加强混合推荐算法技术，将内容、流行度等各项指标融合在一起，形成一种不仅包括个性化推荐，还保证公共信息的传播性逻辑。简言之，就是用户在了解自己兴趣内容的同时，还能知晓身边的人所关注的新闻，最重要的是可以让用户了解并参与公共事件的讨论。

（三）加强监管力度

一个行业、一项技术蓬勃发展的同时，政府需要作为规则制定者预防其发展走向无序。比如，国家网信办、工信部等四部门联合发布的《互联网信息服务算法推荐管理规定》，就是对算法推荐规制的说明。但同时也要注意处理好各方的关系，以包容审慎的态度，在不侵犯新闻公共性的前提下，满足算法推荐技术创新发展的需求，助推安全健康的算法创新应用。

彭增军教授指出，现在社会的运行和治理，公共性是其根本。天下为公，公民通过公共知识获得参与公共事务的权利。互联网和社交媒体从诞生之初，就被寄予了民主理想的厚望，新闻的公共性是必然趋势。而技术的不断下放却让人们把“信息的丰富和公共的参与简单量化”，将表面上广泛的讨论与参与等同于公共性。在算法这只“看不见的手”的作用下，信息茧房、网络群体极化事件层出不穷。但是在算法时代，新闻媒体的职责所在依旧是保证公共传播，提供理性讨论的公共平台，帮助社会整合。

四、结语

公共性是新闻的专业性要求之一，它要求新闻媒体和新闻工作者必须将公共利益置于首位，肩负起服务公众的社会责任。如今，算法推荐造成新闻公共性三个方面的失范。个性化虽然已是大势所趋，但平台和媒体仍然要坚守新闻公共性，突破算法推荐带来的信息茧房、群体极化等社会困境，为用户打造一个均衡的新闻环境。算法开发者也要进一步优化算法，将新闻价值判断的权利交还给大众，让真正具有公共性的重要议题能够进入大众视野。政府则要继续优化相应政策，保证算法推荐技术在一定的框架里运用。平台、政府、用户多方协作，才能保障算法推荐技术健康发展，重塑新闻公共性。

参考文献

[1]叶秀端.算法时代新闻专业主义的理念重塑与实践路径[J].华侨大学学报（哲学社会科学版），2020（2）：108-116.

[2]彭增军.算法與新闻公共性[J].新闻记者，2020（2）：48-52.

[3][4]常江，刘璇.数字新闻的公共性之辩：表现、症结与反思[J].全球传媒学刊，2021（5）：93-109.

[5]孙孝科，高大伟，常桐珲.热点公共事件群体极化：表征、影响及其应对[J].南京邮电大学学报（社会科学版），2022（4）：36-45.

[6]韦龙.重返对话：网络群体极化现象化解路径研究[J].新闻大学，2021（10）：30-43，118.

[7]刘友芝，胡青山.基于算法推荐模式的社会性反思：个体困境、群体极化与媒体公共性[J].传媒经济与管理研究，2021（1）：192-212.

[8]彭兰.导致信息茧房的多重因素及“破茧”路径[J].新闻界，2020（1）：30-38，73.

作者简介   刘佳颖，湖北文理学院文学与传媒学院硕士研究生；符冰，湖北文理学院文学与传媒学院副教授