算法推薦模式的成因、危害及規(guī)范策略

史 凡，陳 杰

1 算法推薦模式的興起

在移動互聯(lián)網(wǎng)時代，海量信息令人目不暇接，優(yōu)質(zhì)內(nèi)容與劣質(zhì)內(nèi)容齊頭并進，增加人們的選擇成本，更何況人們的時間精力有限。此時，則需要一種工具來幫助人們滿足信息的自我所需。算法推薦正在信息傳播中大顯身手，幫助人們節(jié)約成本，提升效率。

算法型分發(fā)模式是以大數(shù)據(jù)技術(shù)和智能算法為主要依托，充分滿足受眾的個性化和場景化信息需求。2012 年開始，以今日頭條、一點資訊為代表的算法新聞的興起，給新聞傳播帶來了一種全新的傳播形態(tài)，引發(fā)了信息內(nèi)容生產(chǎn)整合以及分發(fā)模式的變革。陳力丹教授曾這樣描述這個時代：“現(xiàn)在是新聞最多的時代，也是新聞最差的時代。我們似乎更容易看見‘真相’，但追究真相更難。”在這樣的時代里，人們“越來越多地需要自己從一大批相互競爭的信源中過濾信息。我們正成為自己的編輯、自己的把關(guān)人和自己的新聞聚合器。”

但由于缺乏必要的信息素養(yǎng)，越來越多的人把“看什么”的權(quán)力交給算法技術(shù)，算法根據(jù)用戶信息和閱讀痕跡繪制用戶的興趣圖譜，建立精確的用戶畫像，并持續(xù)不斷地推送相關(guān)信息，讓信息與用戶能夠?qū)崿F(xiàn)精準(zhǔn)對接。以今日頭條為代表的個性化新聞推送App 異軍突起，為用戶提供個性化的信息匹配服務(wù)，在信息分發(fā)市場上信息傳播中大顯身手，但其帶來的弊端也越來越明顯。

2 算法推薦模式的媒體成因

2.1 流量至上的商業(yè)邏輯

流量在現(xiàn)代傳播體系中的地位舉足輕重。有觀點指出，通過互聯(lián)網(wǎng)盈利就是獲取流量紅利。算法推薦模式的背后，存在著一套商業(yè)邏輯，試圖延長用戶在平臺停留的時間以提高流量，進而謀求最大利益。所以，提供服務(wù)的新聞聚合類平臺已將重點從社會效益、公共利益轉(zhuǎn)向追崇平臺的流量利益以及用戶的個體私利。為了獲取高額點擊率，實現(xiàn)經(jīng)濟效益的最大化，算法推薦模式相繼被各大新聞聚合類平臺采用。

2.2 媒體全方位討好公眾

新聞媒體逐步從新聞本位主義轉(zhuǎn)而堅持流量至上，試圖全方位討好公眾以獲取更多注意力。算法推薦則指計算機技術(shù)通過大數(shù)據(jù)追蹤用戶的網(wǎng)絡(luò)行為及取向，加以算法進行用戶畫像，計算出包括個人偏好、生活環(huán)境及社交網(wǎng)絡(luò)在內(nèi)的多種信息。這樣的特點符合由傳者中心變?yōu)槭苷咧行牡男畔鞑ペ厔荨Ｈ缁跀?shù)據(jù)挖掘的推薦引擎產(chǎn)品“今日頭條”，旨在通過網(wǎng)絡(luò)信息收集、內(nèi)容重組分析、進行個性化推送三個步驟，將“編輯決定什么上頭條”轉(zhuǎn)變?yōu)椤澳汴P(guān)心的就是頭條”，從而成為崛起迅速的互聯(lián)網(wǎng)新秀。

2.3 大眾媒介弱化環(huán)境監(jiān)視功能

在自媒體崛起的移動互聯(lián)網(wǎng)時代，人人都可以通過手機在微信、微博等社交媒體發(fā)布信息，越來越缺少對事實的探究和對真相的執(zhí)著。部分自媒體不問時間地點，不問前因后果，不問真假對錯，急于搶新聞、博眼球，加上部分傳統(tǒng)媒體也為蹭熱點，不核查信息，不排除假新聞，而是進行簡單的復(fù)制粘貼，助推了事態(tài)的擴散。

3 算法推薦泛濫的危害

算法既然可以用來計算，那么則也可以用來算計。技術(shù)無情而人有情，人操控的技術(shù)如果一味被利用來算計人，以獲取市場的青睞，利益的豐收，那么技術(shù)帶來的不是先進和便捷，而是誤導(dǎo)和操控。同樣，如果過于依靠技術(shù)而非自我判斷，人們也會受限于技術(shù)的桎梏，成為被操縱的傀儡，變得不再加以思考，對社會和互聯(lián)網(wǎng)生態(tài)造成不良后果。

3.1 庸俗、低俗、媚俗信息泛濫

算法的迎合式推薦會造成少數(shù)用戶的低級趣味泛濫和固化。由于新聞內(nèi)容生產(chǎn)的特殊性，在新聞實踐中存在盲目追求轟動效應(yīng)的現(xiàn)象。互聯(lián)網(wǎng)可以無限放大人性，色情暴力三俗信息天然擁有巨大市場，但有害信息在滿足用戶窺視欲的同時，也會使平臺迎來危機。微信公眾平臺主體“咪蒙”及旗下公共號素來以制造恐慌和焦慮的文章捕捉青年用戶，今年1 月29 日“咪蒙”團隊公眾號“才華有限青年”發(fā)布了爆款文章《一個出身寒門的狀元之死》，影響力迅速躥升的同時，該文章受到社會一致譴責(zé)，最終導(dǎo)致其團隊的隕落。

3.2 形成信息“繭房”

算法推薦模式針對用戶個體進行的個性化推送，使其頻繁接收同質(zhì)化信息，長期接受單面觀點，進而產(chǎn)生看待世界的刻板印象。仿佛在用戶周圍砌起了一堵墻，形成信息“繭房”，造成信息窄化的同時極易誘發(fā)網(wǎng)絡(luò)群體極化現(xiàn)象，難以構(gòu)建社會共識。因此，在信息高速公路上過度依賴算法推薦模式，就會偏離正途，迷失方向。

3.3 大眾媒介的麻醉作用

拉扎斯菲爾德和默頓指出，大眾傳播的負面功能將受眾淹沒在海量的表層信息和通俗娛樂之中，使人們沉醉于虛幻的滿足，從而喪失行動能力。新聞聚合類平臺借助算法推薦模式向其用戶推送的大量“新聞”，完全處于“黑箱”狀態(tài)，用戶無從得知他們收到的推送基于何種價值標(biāo)準(zhǔn)及取向，因此用戶會越來越多沉溺于平臺指定的表層信息。

4 規(guī)范算法推薦模式的策略

技術(shù)是可以被利用的，技術(shù)帶來的后果是好是壞取決于背后操縱它的人所持有的價值觀和自我約束。當(dāng)然，僅憑技術(shù)操控者的認知自覺和道德自覺是遠遠不夠，我們更加需要一套評判規(guī)范，使人民群眾的信息傳聲筒，在信息洪流中走在引領(lǐng)正確價值觀的最前方。

4.1 增強算法質(zhì)量，建立大數(shù)據(jù)評估系統(tǒng)

彭蘭認為，許多機構(gòu)在轉(zhuǎn)向數(shù)據(jù)分析工作甚至以此營利時，數(shù)據(jù)質(zhì)量的評估變得尤為重要。然而僅僅依靠大眾媒體自身，很難建立一套成熟可行的評估標(biāo)準(zhǔn)。算法出身于大數(shù)據(jù)時代，這意味著需要建立一套獨立的，排除于媒體之外的第三方評估系統(tǒng)。此時則需要建立法律和規(guī)章制度進行規(guī)范化管理。在大數(shù)據(jù)發(fā)展走在前沿的美國就曾出臺過《數(shù)據(jù)質(zhì)量法》，但因為對解釋權(quán)和裁定權(quán)劃分模糊而引起爭議。媒體管理的研究需要跟上信息化時代的步伐，前路還非常漫長。

4.2 洞察受眾偏好，傳遞主流價值

經(jīng)濟效益和社會責(zé)任的平衡是媒體的永恒話題，作為廣大群眾的信息傳聲筒，任何媒體都不能片面追求經(jīng)濟效益，而忽視向受眾傳遞正確價值觀的重要性。用戶作為傳播平臺的受眾，決定其生存空間，即媒體必須滿足受眾偏好，獲得市場青睞才能維持生命。上文提到，社會主義核心價值觀是社會主義核心價值體系的內(nèi)核，也是媒體必須遵守、培育和弘揚的社會共識，所以媒體不在犧牲導(dǎo)向的情況下一味滿足受眾，否則傳播內(nèi)容易陷入媚俗與偏執(zhí)。技術(shù)終究服務(wù)于人，建立人機結(jié)合的算法篩選機制，讓技術(shù)幫助新聞工作者精準(zhǔn)化把握受眾喜好、人性化洞察用戶價值偏好，才能真正實現(xiàn)讓技術(shù)輔助新聞價值的呈現(xiàn)，做到有的放矢，實現(xiàn)符合主流價值內(nèi)容的精準(zhǔn)傳播。

4.3 精進算法技術(shù)，打破“信息繭房”

目前階段，算法推薦的技術(shù)還發(fā)展有限，容易造成推送內(nèi)容的窄化和同質(zhì)化，其致使的“信息繭房”成為人們的詬病，也是算法推薦爭議之所在。如何突破單調(diào)化推薦，滿足人們需求的多樣性，則需要算法技術(shù)的精進來解決。目前算法推送的指標(biāo)主要依賴于用戶的基本信息、網(wǎng)絡(luò)瀏覽記錄，以及社交足跡，指標(biāo)相較全面需求的滿足顯得單一化。值得注意的是，技術(shù)進步和指標(biāo)拓展的前提是對用戶隱私的尊重，要杜絕為攫取用戶喜好，分析用戶畫像而不擇手段地獲取隱私信息，也不能為吸睛而設(shè)置低俗化內(nèi)容和“標(biāo)題黨”等誘導(dǎo)性內(nèi)容，否則會以媒體地公信力和傳播力為代價。

5 結(jié)束語

算法推薦模式符合信息技術(shù)發(fā)展的趨勢和潮流。在信息爆炸的時代下，每個人都不可能成為一座孤島，只有弄懂如何合理地使用算法推薦模式，才能更好地利用算法技術(shù)服務(wù)用戶、造福社會。