淺析 Facebook 算法機制背后美國新聞價值觀的變遷

殷楚冬

摘要：媒介融合的時代人工智能、物聯網等技術推陳出新，與媒體的迭代衍生出新的媒體形態與媒介環境。新聞推送智能算法是新媒體時代廣泛應用于各類社交媒體的產物。本文以 Facebook動態新聞算法的淺析為例，探討當前社交媒體動態新聞推送的算法機制背后所承載的當代社會新聞價值觀，以及對社會造成的潛在影響。

關鍵詞：社交媒體;新聞價值觀;協同過濾機制

社交媒體的平臺化已成為新媒體業界顯著趨勢。各類社交網站成為當今用戶主要新聞信息來源，正潛移默化地重構著媒介生態。以 Facebook為代表的各類社交網站作為新聞媒體消息推送的“窗口”日益成為人們獲取信息、了解新聞的主要渠道。根據美國皮尤調查研究中心發布的《2016美國媒體發展報告》數據顯示，逾六成的美國成年人從社交媒體上獲取新聞，其中通過Facebook獲取新聞的就占美國成年人口數的44%。Facebook無疑是美國乃至世界上最大的新聞消息源。

數字化媒介融合的背景下，社交網站與傳統新聞媒體之間的關系日益密切，甚至出現了相互交叉滲透的趨勢。新聞網站和社交平臺根據用戶的歷史操作痕跡，精密計算出用戶偏好并推送感興趣內容的算法操作，實現了用戶體驗的人性化與智能化。但由此也引發了一種思考：這種基于人為關系或個人偏好的新聞算法機制，是否能夠真正符合用戶的偏好或滿足用戶的求知需求？而這類通過程序化算法進行新聞信息推送甚至是新聞編輯的社交網站是否正向“社交新聞媒體”的性質過渡？假若 Facebook這類的社交網站真的成為新型“新聞媒體”，傳統的新聞價值觀對于它們而言是否適用？長期以來，新聞算法機制的支持者總是自詡“技術中立”，試圖與傳統新聞的編輯價值觀劃清界限。2016年美國大選期間，靠算法推送新聞資訊的 Facebook 曾被詬病大面積傳播假新聞，甚至被認定其影響了大選結果。雖然扎克伯格（Facebook 公司創立者）一度堅持 Facebook 只是技術公司，但如今假新聞的泛濫似乎令這些社交網站左右為難，新聞事實是否需要審查？人工還是算法審查？因此，本文以 Facebook動態新聞算法的解析為切入點，試圖探討當前社交媒體動態新聞推送的算法機制對社會產生的潛在影響。

一、Facebook 的算法機制

什么是算法？簡而言之，算法就是通過分類、關聯、排序、過濾等步驟來解決一項既定任務的自主模式。雖然算法操作起來似乎只是一種計算機程式，但實際上多種主觀因素都會內嵌其中，例如價值標準的選擇、數據提取的依據以及結果分析量表的制定等。因此，針對算法機制的研究必須將算法視為含有主觀因素的研究對象，并將其中主觀意圖以及創造者或團體納入考察范圍內。這也是本文選擇研究對象要素分析的考量標準。

自2004年 Facebook 誕生伊始，研發團隊就遵循著“用戶滿足至上”為核心的設計框架，包括上傳照片、標記好友、動態消息（News Feed）等。動態消息不是指傳統意義上的新聞消息，而是指用戶看到的最近更新的照片、視頻和信息流等。動態消息作為Facebook 新聞業務的核心，算法變遷經歷了以下幾個主要階段 ：

（一）階段一：邊際排序算法

邊際排序算法（EdgeRank）是Facebook 提出的動態消息推送排序的新算法，用于區別傳統默認的時間逆序（Timeline）排序方式。每一個用戶頁面內容之間的互動都可以被視作有一條“邊”（edge），而每一個“邊”都由3個要素構成，算法核心是每個事件對這個用戶而言的權重 E，其計算公式是 E= U*W*D， 其中U代表親密度（Affinity），指用戶之間的互動情況，互動越頻繁，權重越高;W代表生產成本（Edge Weight），即邊權重，主要受事件互動類型的影響，例如點贊、評論、收藏等;D代表新鮮程度（Time Decay）：指“邊”更新存在時間，往往經歷時間越長，權重就越低。三個構成要素疊加在一起，就產生了邊際排序。邊際排序算法用于描述某信息對某觀察者（用戶）的重要性，考慮了信息生產者和觀察者的親密度，信息類型以及新鮮程度。

（二）階段二：協同過濾機制

在進一步升級程序精準性的同時，研發團隊又一次對動態消息算法做出調整，表明“流量黃金時代”可能很快就會成為過去。他們提出要把“用戶真正關心的內容挖掘出來”，為此他們設置了一套協同過濾機制（Luckerson，2015）。事實上，這套機制依然是一種帶有人為主觀因素的算法。“我們希望讓你了解這項變化，它可能對發布商獲得的推薦流量產生影響。”Facebook產品經理麥克斯·尤侖斯坦在自己的博客中寫道，“在某些情況下，帖子的落地率和推薦流量都有可能下滑（Chowdhry，2015）。”

之后，Facebook對其動態新聞算法進行了調整。首先，用戶可連續看到同一個來源發布的不止一篇信息。“收緊”了對自動排除相同信息來源情況的算法程序，以增強用戶對特定信息流的關注。其次，用戶可以優先看到好友發布的動態信息內容。用戶好友的照片、視頻、狀態更新或鏈接等社區內容可以在動態消息界面中獲得更高的權重，以降低用戶錯過這些信息的概率。最后，是隱藏用戶的好友點贊或評論。某種意義上說這樣會大幅降低內容發布商的二次傳播落地率。

Facebook算法升級的背后實質上是一種更加突出用戶對象之間的關系以及互動程度的機制深化。第一項算法調整其實對發布商有利，因為盡管用戶可以重復性地“瀏覽”到某一并未關注的信息發布商生產的多條信息，但從根本上講，算法更新使得用戶環境場域愈發集中于以用戶為核心發散的好友關系網絡。相應地，用戶對陌生的內容發布商的帖子關注度就會降低。更新后的新聞算法甚至降低了發布商生產信息的落地率，限制了大部分的“二次傳播”信息，但事實上這種算法機制可以提高特定內容的權重，提高內容信息的用戶關注度。用戶在動態信息流中看到的內容取決于很多因素，包括用戶所關注的主頁、與之互動的內容以及相關好友。所以，即使一個用戶不在Facebook上關注新聞媒體，但那些媒體生產的新聞內容會通過關注好友的信息分享出現在該用戶的動態信息流中，從而得到更大的權重。

（三）階段三：“3F原則”與動態消息新聞價值觀

根據2016年英國媒體《衛報》曝光的一份文檔顯示，Facebook的熱門新聞推送基本依靠公司內部的編輯團隊進行內容的篩選與整理，并非采用既定的算法。此次“新聞偏見門”事件成為美國輿論界熱議話題，也引發了業界關于新聞價值觀內涵的討論。受“新聞偏見門”沖擊，Facebook再度更新了動態新聞的算法機制，提出了動態新聞價值觀——“3F 原則”（Friends and Family First），即社交經驗和朋友關系優先（Mosseri，2016）。

相比以往由傳統媒體把關的媒介環境，此次Facebook算法更新實際上是二次建構了用戶（受眾）的信息接觸環境。因此，這種機制的核心建立在受眾參與的基礎上，而算法只是工具性地將這一機制賦予執行。紐約大學新聞學院教授杰伊·羅森認為Facebook算法更新是新聞價值觀的一個“新開端”，用戶的社交屬性價值超過公共世界利益價值，成為網絡平臺技術發展考慮的首要因素（Rosen， 2016）。但這也意味著用戶將會更深地沉浸在自我構建的“信息世界”里。網絡天然地把興趣趨向相同或類似的人聚攏在一起，共享著相似的感知態度和意識價值。從而每個用戶接觸的都是自己喜歡的事物、贊同的觀點。“用的越多，越是你想要的，”，越封閉的圈子越容易接受算法智能推送帶來的偏激。從此，Facebook不再諱言自身的新聞價值取向——平臺上信息的“真實性”可以由特定情境下平臺媒體與用戶關系互建決定。也就是說新聞信息的客觀性如今可以由外部化標準決定，傳統新聞價值觀已悄然發生了改變。

二、算法背后的新聞價值觀

Facebook最近一次的算法更新，使其在以往協同過濾機制基礎上，進一步強調了用戶體驗及其社交關系對于新聞推送內容以及排序的主導性選擇權。社交媒體的信息生產方式實現了“選擇即生產”模式的設想。那么問題是，作為一個對于用戶新聞接觸具有實質意義的社交平臺，Facebook 應當扮演何種社會角色，其異于傳統的信息生產方式隱含著怎樣的社會新聞價值觀呢？

美國學者勞倫斯萊斯格在互聯網發展早期就提出“代碼即法律”（Code is Law）的著名論斷。他認為，盡管代碼可以擺脫信息編輯的主觀管制，但代碼本身是不固定的，而且極易被商業、政治等非技術形態操縱和改變。人們在網絡空間的行為仍然是受控制的，只不過這種控制是媒體通過更改代碼實現。按照萊斯格的理論，盡管 Facebook 宣稱“不干涉信息分發的排序”，但事實上在內容標簽、下發機制等諸多環境中，算法的設計與迭代都不可避免地摻雜了設計者的主觀性。首先，推薦算法本身就需要預設某種價值觀。比如，“看過什么最多，就說明最喜歡什么”和“大家都在看，所以他可能也會感興趣”，就是兩種主觀預設。

更深層次的，是所謂“個性化推薦”背后對人性的預設和影響。在傳統媒體時代，信息雖然是由專業的媒體機構或編輯進行把關過濾，但受眾個體依然可以在多元化的“被構建的媒介環境”里各取所需。但是在動態新聞算法下，無論信息如何多元自由，都需要經過同一套算法的過濾。表面上，這種算法消除了把關人對信息的主觀篩選，尊重個體對信息的自主選擇，事實上卻在“代替”用戶個體完成信息選擇與處理的過程。算法一方面提高了信息的分發效率，另一方面卻是在剝奪個體獲取信息的主動性。

康奈爾大學傳播學系教授塔爾頓·吉萊斯認為平臺媒體（社交平臺）比他們自愿承認的更像傳統媒體（Gillerpie，2010）。社交媒體始終在尋找可持續的商業化經營模式，有膽量點燃爭議話題的討論。當他們發展到足夠強大時，不僅可以增加用戶粘性，對于內容呈現的選擇、組織化結構、議程設置框架、技術架構等甚至可以影響公共話題的輪廓。這種依靠算法進行新聞推送排序的方式，實質上仍是極少數人對多數人閱讀習慣的猜測和強化訓練，而這極少數人就是算法背后的開發者。算法頻繁迭代，呈現的則是這一小部分人價值觀的自主輸入，且往往包含著其他的隱藏的政治或商業訴求。

或許對于Facebook來說，強化技術標準與能力以及以用戶社交關系為基礎的信息體系都是無法割舍的。前者能夠突出強調自身的中立原則，保證價值不涉及任何利益關系;后者則能弱化信息推送平臺自身的偏向引導關系。而事實上，這一橫一縱的兩大理念同樣重要，Facebook公司可以將信息來源的可信度移交給上一層過濾單位（即傳統媒體），而只需在信息過剩的環境里提供給用戶真正需要的信息觸點。

參考文獻：

[1]方師師.算法機制背后的新聞價值觀——圍繞“Facebook偏見門”事件的研究[J].新聞記者，2016（09）.

[2]Amit， C. Facebook Changes News Feed Algorithm To Prioritize Content From Friends Over Pages. https：//www.forbes.com/sites/amitchowdhry/2015/04/23/facebook-changes-news-feed-algorithm-to-prioritize-content-from-friends-over-pages/#75969753127a. April 23， 2015.

[3]Adam， M. Building a Better News Feed for You. http：//newsroom.fb.com/news/2016/06/building-a-better-news-feed-for-you/. June 29， 2016.

[4]David， K. The Facebook Effect [M]. Simon & Schuster. 2010.

[5]Devito， M.A. From Edition to Algorithms： a values-based approach to understanding story selection in the Facebook news feed. Digital journalism， 2016： 1-21.

[6]Gillerpie， T. （2010）. The Politics of“Platforms” [J]. Social Science Electronic Publishing， 2009， 12（3）：347- 364.

[7]Jay，R. Facebook backs off on the View from Nowhere. http：//pressthink.org/2016/06/facebook-backs-off-a-bit-from-the-view-from-nowhere/.June 29， 2016.

[8]Victor，L. Here’s How Facebook’s News Feed Actually Works. http：//time.com/3950525/facebook-news-feed- algorithm/. July 9， 2015.