從賦權到異化：試論算法推薦中的用戶傳播權益風險

嚴宇橋 王雯柯

【摘要】近年來，算法推薦對于社交媒體的風險受到社會廣泛關注，在學界也引發了一些爭議。現在梳理算法推送已有研究與爭議的基礎上，嘗試從“信息繭房”的爭議出發，結合馬克思“異化”理論和?？隆耙幱枴崩碚?，對于算法媒體平臺與用戶的關系進行分析，并討論其帶來的風險。

【關鍵詞】算法推薦;社交媒體;信息繭房;異化;規訓

在算法技術與社交媒體交叉融合的當下，信息公平尤為重要，而這建立在用戶擁有傳播信息和獲取信息的基本權益基礎上。理論上說，每個人發送信息和獲取信息的權利，是本不應該受到商業集中化力量過多干預的。然而，當用戶將自己的偏好和搜尋信息的意圖上交給算法平臺時，商業平臺打著偏好設置的旗號，將各種信息對用戶進行投放，甚至利用用戶的復述心理和信源信任度來間接操控用戶的轉發和傳播權利。由于平臺牢牢地掌握著信道的把控權，對于信息的過濾和分發有著近乎無限的控制，當一個用戶發布自己的信息之后，被看到的概率將不僅僅取決于信宿的接受度，而是取決于分發權的主體。其中造成的信息不均等和權力問題值得媒介研究者重視。

一、用戶權益：“技術賦權”還是“資本收權”？

媒體中的算法技術和個性化推薦，經常出現以“技術賦權”這個詞匯為代表的語境表述。技術賦權論認為在算法技術下，普通受眾被賦予內容獲取和傳播的權力，使其能夠在數字空間中自由地獲取和傳遞自己所需要的信息。但是在基本層面上，用戶的信息權益是公民的基本權利，而這個權利是由法律授予的，而非某種技術甚至是商業化平臺賦予的。互聯網領域中，個體的基本媒介權利包括個人信息的保留權、網絡信息的獲取權以及信息傳播也就是發布和分享的權利。這三種權利在商業化算法邏輯下，平臺非但沒有賦權，反而從不同意義上對權利進行了收繳。這種收繳有時是自愿而潛移默化的，有時候是合同式的甚至是以強制性協議規定的。

信息獲取權的收繳過程體現在用戶接受的信息推送上。軟性收繳體現在個性化定制信息造成的推薦依賴;而硬性收繳則體現在推薦過程中的熱點推薦、議程建構與強制性廣告植入。信息偏食的誘惑力指向的結果是具有吸引力的個人所愛好的信息的不斷重復，在這種“媒介多巴胺”的誘導下，信息獲取權利就逐漸被收繳到了平臺所代表的渠道方手中，大量的流量讓平臺能夠通過熱點售賣和廣告植入進行的變現成為可能。由于這時用戶已經深陷偏好推送的信息網中無法自拔，面對突然推薦給自己而不能劃走的“熱點”信息甚至是覆蓋在自己想要獲取信息之上的廣告植入，用戶為了能獲取到自己想要的信息，不得不將頁面停留在被推送的自己并不喜歡的植入信息上。或者正在閱讀觀看信息時干脆突然被打斷而被迫看廣告，廣告30秒后才會能夠繼續自己剛才并未閱讀完的部分。這樣的硬性收繳以技術霸凌的手段，充分利用了用戶被打斷時的急躁心理乃至“媒介多巴胺”的戒斷反應，使得用戶不得不成為所推送廣告的潛在用戶，從而讓平臺獲得資金變現。

信息發布、傳播和分享權的收繳則更為隱蔽和強大。軟性的傳播權收繳體現在頭部推送機制，而硬性的傳播權收繳則體現在收費推廣措施。大多數用戶在自己并不知情的情況下，通過推送機制的主動允準和技術手段的被迫接受，將自己本應均等而公平的傳播權上交給了平臺。關注者數量更多的用戶會被優先推送，而非依據實際閱讀量來推送。這個機制核心的問題在于讓新用戶、后來者和非熱點用戶發布的內容本身更難被看到，導致頭部傳播權越大尾部權力越小的循環。同時，在算法導向的UGC平臺的收費推廣機制下，金錢成為可以直接購買權利的貨幣尺度，支付更多的資金就會獲得向更多用戶發聲的權利，本應由用戶公平享有的傳播權向不公平的方向傾斜，支付高額推廣費用的用戶購買的是平臺從其他用戶身上收繳來的權利，形成了“按資分配”的局面。因此，商業化平臺在算法技術下利用自身的技術優勢和信道壟斷地位，非但沒有給用戶賦權，反而收繳了用戶的基本媒介權利，從而帶來更多收益。

二、推薦效果：“差異化”還是“異化”？

在當代信息社會中，對于信息的獲取、加工和處理不僅作為生活所必需的消費過程，也是腦力勞動中所必需的勞動過程。因此信息資源不僅是人們所生活的必備資料，更是參與生產和分配的生產資料。馬克思認為，在商品社會中，異化就是從勞動者身上剝奪的剩余價值被粉飾為經營利潤，勞動成為商品，而勞動人民降低為機器的過程。[1]分類來說，異化包括勞動產品的異化，生產過程的異化，人類的本質與人和人之間關系的異化。與物質資料類似，信息的保有、獲取和交換的過程實際上也作為經濟行為深度參與著人們的生活過程。算法邏輯下，信息資料被審查和存儲;獲取信息的渠道被協同過濾邏輯所支配;交換信息的過程則需要支付高昂的實際費用。

在算法平臺的廣告和宣傳材料中，經常出現一個詞匯——“差異化”，讓用戶感受到自己被平臺所關心和特殊照顧。然而算法差異化傳播的特點就是把用戶按照畫像等方式來區分，從而實現超越“人以群分、物以類聚”的“信息按照人群分類來分配聚集”。在算法推薦大規模普及之前，以搜索和媒體觀點交鋒的互聯網環境里，用戶持續收到不同以往觀點的修正信息，進而不斷反省自身，再通過思想交鋒和觀點博弈，逐步改變傾向、調整立場。算法的分發機制并非如此。已經有算法推薦與用戶情緒之間的關系研究（PANAS）表明，連續正面信息推薦會提高用戶的積極情緒，降低消極情緒;連續負面信息推薦的影響要強于連續正面信息推薦的影響。[2]這種“差異化”傳播的結果是把同質化信息鎖在人群之內;不討喜歡的差異化的信息在圈層之間、社會群體之間和社會階層之間越來越難以流動，圈層間的溝通成為障礙。在數字鴻溝越來越深的同時，人群之間的溝通信任和交往意愿逐漸降低;本應作為理性交流和按需獲取信息資源的用戶，在作為互聯網傳播參與者的權利被商業算法平臺收繳之后，還在“差異化”的共謀當中，被人為地區隔開。傳播和信息分發的制定者們收繳了行為主體的權利，而從“行為主體”到“異化”的過程是他們看到了信息偏食的誘餌后主動選擇參與的，甚至沉醉于為商業平臺進行數字變現的一次次點擊和推薦。這樣一個過程，實際上就是用戶在面對算法平臺的商業和技術邏輯時，自身的異化過程。

三、傳播環境：如何面對技術規訓？

?？抡J為，規訓是一種特殊的權力形式：是“權力與知識”相結合的產物。規訓是對人進行生產規格化和標準化的權力技術，包含獎勵、懲罰、監視、知識生產體系和生產力制造的體系。在算法平臺中，對于用戶信息偏食的鼓勵與證明信息不斷刺激的獎賞機制就是獎勵的過程，信息舒適感讓人們能夠更加主動地躺下來翻看算法幫自己篩選過的信息，并享受這種翻閱帶來的快感。監視的實現，并非僅僅由平臺商集中監視，更多的是通過用戶之間的相互監視來實現。這個過程，實際上就是信息繭房催生的群體性區隔和對立的過程。在微博各個競價排名的話題下，人員被分配成為不同的討論組和群體，而由于群組的屬性類似，在群體內部形成了嚴格的信息控制和資料審查。懲罰的震懾力主要體現在群體極化的排異感與認知不協調的矯正。那些依賴于算法信息“投喂”的用戶就算產生了與群體不同的意見和認知，也會出于被孤立的恐懼情緒而噤聲，產生寒蟬效應。這時用戶個體的見解和群體的意見仍然存在對立，根據認知不協調理論，當外部與內部因素產生不協調時，有三種處理措施：改變行為、改變態度或引進新的認知元素。然而新的認知元素被不斷重復的信息壁壘所遮蔽，而改變行為將會招致被群體孤立的后果，因此產生不同意見的用戶只能改變自身態度來使得自身的認知達到協調。平臺構建出的用戶信息生產、接受和分發邏輯已經構成了一個全景化的規訓系統。

要改變這個體系的系統性問題，關鍵在于公共力量和公眾的參與，解放和發展用戶的自組織能力，限制傳播渠道中的壟斷行為，讓用戶從過濾氣泡和信息偏食的舒適圈中覺醒。這意味著相比于盲目的技術樂觀主義，重新審視技術在當下也同樣重要。若要解決這些問題，需要公共機構的監督，更需要全體用戶的覺醒、爭取和努力。

參考文獻：

[1]卡爾·馬克思.1844年經濟學哲學手稿[M].北京：人民出版社，2000：42.

[2]郭浩，張芷茵.智能算法推薦與用戶情緒關系的實驗探究[J].新媒體研究，2019（15）：15-17.

（嚴宇橋為清華大學新聞與傳播學院博士生;王雯柯為北京師范大學經濟與工商管理學院本科生）

編校：張紅玲