新聞客戶端智能推薦引發(fā)的信息繭房效應

蘇智峰

摘 要 隨著網(wǎng)絡時代的到來，算法分發(fā)已成為新聞客戶端的技術標配，其所提供的智能推薦技術，雖然為受眾提供了更為便捷的信息獲取方式，但也引發(fā)了信息繭房效應，不利于新聞輿論的引導，更不利于網(wǎng)民媒介素養(yǎng)的培養(yǎng)。鑒于此，文章結(jié)合信息繭房的內(nèi)涵及成因，探討了其危害性，并就如何防范之提出了若干建議，以期為更好地應對信息繭房、減小其危害提供依據(jù)。

關鍵詞 新聞客戶端；智能推薦；信息繭房

中圖分類號 TP3 文獻標識碼 A 文章編號 1674-6708（2018）212-0124-02

當前，網(wǎng)絡已經(jīng)成為受眾獲取信息的主要渠道。據(jù)互聯(lián)網(wǎng)信息中心的統(tǒng)計，截至2017年底，國內(nèi)網(wǎng)民規(guī)模已經(jīng)跨過了10億大關，其中，移動新聞客戶端用戶規(guī)模達一半。由此可見，新聞客戶端已然成為受眾極為青睞的信息獲取源，特別智能推薦功能引入后，新聞客戶端猶如神助，成功地以后來者之姿搶占市場，引發(fā)了受眾的廣泛關注，但由此所引發(fā)的信息繭房效應也不容忽視。

1 信息繭房的起因與危害

所謂的信息繭房，最早由美國學者桑斯坦提出。他認為：由于受眾對于信息的需求并非全方位的，而是只關注其自身感興趣的信息，如此一來，就像一個繭房一樣遭致禁錮。就新聞客戶端而言，大數(shù)據(jù)等技術的應用極大地豐富了客戶端的功能，受眾可結(jié)合自身喜好、興趣等，對新聞、信息進行自主定制，尋找與自身興趣愛好相近的用戶，并將相似內(nèi)容加以推薦，由此深入挖掘了用戶的興趣點，但也將受眾不關心的內(nèi)容隔離在外，此時受眾猶如困在一個自我構筑的封閉空間之中，只能接收到與自我觀點類似的信息，致使視野日趨狹窄。一旦其被自我所定制的信息束縛，將會變得程序化、定式化，甚至引發(fā)其認知世界與現(xiàn)實間的偏差。

新聞客戶端智能推薦引發(fā)的信息繭房效應具有如下危害：

1）受眾視野日趨狹窄。智能推薦越精細，所引發(fā)的信息繭房越顯著，受眾思維將被固定在某一范圍之內(nèi)，其所收到的信息將與自身所需相悖，用戶會對信息加以規(guī)避，并對不感興趣的內(nèi)容自動去除，導致自身視野日趨狹窄。

2）個人判斷力出現(xiàn)偏差。就當前發(fā)展形勢而言，信息繭房多由受眾個體喜好所主導，并構建的一種虛擬封閉環(huán)境。受眾只愿接收同自身觀點、興趣類似的信息，并對差異化信息加以自動屏蔽，極大地限制了自我認知與行為，并對所持觀點產(chǎn)生盲目的自信，致使個體判斷力出現(xiàn)偏差，理解、共情力下降，無益于受眾個性化發(fā)展。

3）黏性逐步缺失。社會黏性，可以幫助個體更好的與社會相融，與他人維持溝通、互動，對于受眾個體而言具有十分重要的意義。但信息繭房會引發(fā)社會黏性的日漸缺失。若受眾長期受到智能推薦的干擾，會逐步走向孤立、封閉，同社會產(chǎn)生隔閡，與現(xiàn)實社會及他人的信息分享日趨減少，致使自身與社會發(fā)展相脫節(jié)，產(chǎn)生對社會、他人的敵對情緒。

4）群體極化問題。當前，信息繭房多以受眾為中心，根據(jù)相似的喜好、興趣，匯聚成圈，極易引發(fā)群體極化問題。諸如明星粉絲間對罵等，就是信息繭房所引發(fā)的群體極化問題。受眾極易受到特定圈子的影響，加上其對于事件看法、見解多一致，受到趨同心理的作用，會出現(xiàn)一些有失理智的極端行為。

2 信息繭房的應對策略

為打破“信息繭房”，追根究底，還需提升信息的活躍度，盡量減少信息由信源到信道整個傳輸過程中的耗損，減少在信道傳輸中可能面臨的信息污染、摩擦等問題。

矯正“信息繭房”的過程，實質(zhì)上是提升新聞客戶端智能分發(fā)平臺的用戶信息素養(yǎng)、信息配置方式、平臺管理水平、信息運動情景的過程，打破“信息繭房”，也是突破平臺信息運動規(guī)律個性化的過程，結(jié)合這一分析，提出如下應對策略。

2.1 逐步完善算法推薦服務

算法推薦，成為新聞客戶端智能分發(fā)平臺的“內(nèi)核”，以“今日頭條”為例，其能夠在5年內(nèi)強勢崛起，究其原因，離不開個性化的算法推薦功能。智能分發(fā)平臺使今日頭條從最初白熱化的競爭中脫穎而出，成功地搶占了市場流量份額。雖然如此，隨著多元化需求的提升，后期算法推薦開始顯露其缺陷，致使眾多用戶無可避免地陷入“信息繭房”之中，加上推送的信息質(zhì)量、價值的局限性，很難于初期得以全面審核、評價，致使智能推送信息甄別缺失，用戶滿意率大幅下滑，信息運動效率值持續(xù)降低。為此，還需面向新聞客戶端智能分發(fā)平臺的算法推薦功能，結(jié)合用戶行為大數(shù)據(jù)的動態(tài)收集，引入時間維度，涵蓋用戶的反饋數(shù)據(jù)、投訴率值、日均瀏覽時長等內(nèi)容，對算法加以完善，使智能分發(fā)平臺同時具備自我更新、升級功效，對用戶工作、生活行為偏好加以模擬，實時更新行為數(shù)據(jù)，實現(xiàn)更智能、科學的內(nèi)容推薦。？

2.2 提升優(yōu)質(zhì)信息資源配比率

引發(fā)智能分發(fā)平臺信息流動率低下的原因之一，在于所推薦信息質(zhì)量的低劣。這不僅涵蓋了所謂的“標題黨”，還涉及到低俗、負能量信息。而優(yōu)質(zhì)信息資源配比率的上升，能夠顯著提升信息質(zhì)量，換而言之，即擴展了優(yōu)質(zhì)信息內(nèi)容的生產(chǎn)者數(shù)量。以“今日頭條”為例，2017年9月，其成功挖走知乎300多名大V用戶，極大地提升了智能分發(fā)平臺的優(yōu)質(zhì)信息資源配比率，但這對于數(shù)量冗雜、龐大的信息用戶而言，猶如九牛一毛。為此，智能分發(fā)平臺還需進一步拓展合作媒體量，強化網(wǎng)絡爬蟲技術，提升自媒體允入門檻，吸納大批優(yōu)質(zhì)信息用戶，紛紛加入自媒體生產(chǎn)，使信息內(nèi)容日趨精進，以多管齊下之舉，提升優(yōu)質(zhì)信息資源配比率。？

2.3 創(chuàng)設“人機結(jié)合”新模式

面向“標題黨”、低俗、惡劣、負能量之信息，智能分發(fā)平臺于推薦之初，還需嚴審信息質(zhì)量，而非隨意交由用戶展開甄別，而這一目的的實現(xiàn)，有賴于龐大人工編輯隊伍的加入，創(chuàng)設一個“人機結(jié)合”的新模式。智能分發(fā)平臺還需面向媒體、技術雙重屬性，劃分兩大陣營：

一是以“今日頭條”新聞客戶端為代表的內(nèi)容平臺，同時是兼具媒體屬性的科技平臺；二是以“網(wǎng)易新聞”客戶端為代表的內(nèi)容平臺，同時兼具技術屬性的媒體平臺。兩大陣營的劃分，依據(jù)的是智能分發(fā)平臺大數(shù)據(jù)算法的成熟度、權重。目前，大數(shù)據(jù)算法推薦技術還未完善，還需依托用戶行為大數(shù)據(jù)及反饋信息，有效活躍信息，提升其運動效率，借以人工編輯、大數(shù)據(jù)算法推薦的有機結(jié)合，創(chuàng)設“人機結(jié)合”新模式，方為上策。

2.4 優(yōu)化信息運動情景

為提升信息活躍度，還需優(yōu)化平臺內(nèi)外信息運動情景，可從智能分發(fā)平臺信息運動終端的獨特性、用戶行為的獨特性、信息傳送的獨特性三大環(huán)節(jié)切入，創(chuàng)建優(yōu)質(zhì)信息運動情景。針對平臺終端獨特性，有賴于新聞客戶端智能分發(fā)平臺間差異性算法，而優(yōu)化算法可顯著強化用戶黏性，提升信息活躍度；面對用戶行為獨特性，智能分發(fā)平臺依托用戶行為數(shù)據(jù)，實現(xiàn)信息、用戶間的精確銜接，還需多維度出發(fā)，動態(tài)收集用戶行為大數(shù)據(jù)，優(yōu)化智能分發(fā)平臺的信息運動情景；面向信息傳播獨特性，還需借以多元化信息傳播方式、多樣化信息傳播渠道、細化信息粒度等路徑，優(yōu)化信息運動情景。？

2.5 強化智能分發(fā)平臺交互性

智能分發(fā)平臺交互性的提升，可有效克服信息運動逆勢差律、逆選擇匹配律等問題。一旦陷入信息繭房，用戶便以行為數(shù)據(jù)告知智能分發(fā)平臺放棄對類似內(nèi)容的關注。以“網(wǎng)易新聞”客戶端為例，可利用右下端“×”項，智能感知用戶偏好，甚至引入“學霸黨”“工作狂”等標簽，供用戶選擇。因此，可借鑒該平臺，對檢索界面加以升級、完善，拓展用戶反饋界面，強化平臺交互性，便于用戶結(jié)合實時興趣及所需，借以檢索欄對所需信息加以搜索。若面臨“信息繭房”，用戶可自主借用檢索界面，主動打破其壁壘，當瀏覽多元信息后，平臺通過對用戶行為大數(shù)據(jù)加以識別，重新推送新內(nèi)容，沖破“信息繭房”的牢籠。

3 結(jié)論

一言以蔽之，雖然新聞客戶端智能推薦為廣大用戶帶來了諸多便利，但絕不能一味地依賴于技術。就像張朝陽所提到的：“一味依賴個性化推薦，將引發(fā)所推送信息的僵硬，這是由于多數(shù)情況下人們對于信息的索取是隨機的”。因此，社會各界及媒體人還需清醒地意識到智能推薦技術所引發(fā)的信息繭房效應及其危害性，加強關注的同時，不斷反思之，并采取有力的措施防范之。

參考文獻

[1]趙莎莎.新聞客戶端個性化推薦引發(fā)“信息繭房”的原因及應對措施[J].西部廣播電視，2017（24）：10-11.

[2]劉聰.論媒體個性化推薦模式對“信息繭房”的影響——以新浪新聞“即時推”功能為例[J].新聞研究導刊，201，8（23）：11，44.

[3]周文靜.大數(shù)據(jù)時代下的新聞客戶端的信息繭房效應——以今日頭條為例[J].新聞研究導刊，2017，8（15）：99，180.