移動互聯網時代算法推薦對網民新聞接觸的影響探究

王思維，李知道

摘要：算法推薦技術是智能媒體發展的主要動力之一，憑借其精準推送和有效供給的技術特性使其成為移動互聯網時代新聞傳播平臺重要的分發形式。算法技術充分滿足了網民的新聞信息個性化需求，但也影響了網民新聞接觸廣度和深度。本文基于可供性理論視角對網民新聞接觸現狀和影響進行分析，并從媒介可供性理論框架下對算法技術的優化提出幾點應用建議，在滿足受眾需求基礎上推進整體新聞接觸的廣度和深度，積極推動和引導受眾正確的新聞消費，不斷提高受眾的新聞消費效益，從而促進新聞業的發展與進步。

關鍵詞：可供性;算法推薦;新聞接觸;智能媒體

中圖分類號：TP393文獻標識碼：A

文章編號：1009-3044（2021）21-0048-03

開放科學（資源服務）標識碼（OSID）：

技術的不斷迭代普及使新聞生產與分發的方式產生了極大變革，算法推薦技術以精準推送和有效供給為主要技術特征，成為當前移動互聯網時代，新聞傳播領域內容分發的重要形式，網民新聞接觸內容日益多元豐富。基于算法推薦的智能媒體技術為新聞生產和分發提供了持續性的原動力，進一步強化了現代媒介和人的聯結，算法推薦對網民新聞接觸到底會產生什么樣的影響？平臺應該如何合理利用算法推薦來改善網民新聞接觸的質量，積極推動和引導網民正確的新聞消費？本文將以可供性理論分析算法推薦如何優化新聞生產和分發等流程，和網民雙向建構互動關系，提高新聞閱讀興趣和新聞深度思考能力，推動新聞業實現新的突破和發展。

1 可供性理論及其媒介呈現

可供性（Affordance）這一概念最初出現在生態心理學領域，由美國著名生態心理學家詹姆斯·吉布森（James Gibson）于1978年提出，他指出可供性意味著生物與環境之間的協調性，這種協調性包含了環境與生物之間的相互關聯屬性、互惠關系與互補性[1]。2001年，英國社會學家Ian Hutchby將可供性理論視角引入傳播學領域，強調在特定媒介技術形式下產生的行動可能性。可供性理論在我國的研究和應用還較少，最初由潘忠黨教授運用于新媒體研究領域，從生產可供性、社交可供性和移動可供性三個層面進行來解析媒體可供性研究，并從這些要素中進一步解析出若干種可供力。

在當下智能化媒體生態中，以算法推薦為基礎的數據挖掘技術所形成的個性化信息推送已經成為我們接觸新聞的主要形式。網民根據自身需求選擇不同的平臺和新聞內容，以實現自身的信息接觸和社會交往等需求。

2 算法推薦下網民新聞接觸現狀

2.1 新聞接觸渠道多元，新聞接觸內容個性化

隨著電子信息技術的迅速革新，移動互聯網在媒體領域占有一席之地，社交媒體和各類新興新聞資訊App和視頻軟件的快速成長，網民的新聞接觸平臺也逐漸從固定端向移動端遷移。網民新聞接觸的渠道逐漸多元化，傳統媒體和移動媒體的多渠道使得受眾能獲取更多的新聞信息，這也就帶來了網民新聞接觸內容的海量化和多樣化。

移動互聯網讓我們進入了泛新聞時代，5G傳輸、機器人寫作、算法推薦等新興媒介技術給新聞消費提速，新聞消費內容豐富多樣。算法推薦新聞是一種當前運用廣泛的智能媒介技術，通過計算機算法與海量數據匹配分析用戶感興趣的話題，再將個性化信息內容推薦給用戶。用戶在平臺接收到的大部分信息是經由算法技術過濾的信息，用戶所接收到的新聞信息背后隱含了用戶自身的價值偏好和閱讀習慣[2]。從短期來看，算法推薦技術可以直觀的滿足受眾的需求，但是從長遠來看，算法系統過度迎合網民的個人偏好，使得用戶接收的信息窄化，甚至導致信息結構失衡，進而影響新聞接觸的深度。

2.2 新聞接觸廣度變窄，深度變淺

隨著智能媒體技術的廣泛應用，使受眾新聞消費的各個維度產生了巨大的變革。搜索引擎、新聞聚合平臺和社交媒體大多是使用算法推薦技術來為用戶推送新聞，算法推薦技術規則及其所反映的用戶的興趣一定程度上決定了一條新聞消息的閱讀量和傳播度，同時新聞聚合平臺對算法推薦技術的廣泛應用不斷削弱著專業媒體的把關權力與議程設置能力。隨著算法技術在互聯網傳播平臺中的普遍化運用，近年來“過濾氣泡”也被行業所關注。這種由于算法推送和回音室效應（echo chamber situation）共同形成并強化的“過濾氣泡”會出現“結晶”效果，進一步強化我們已有的“選擇性接觸機制”和“個人差異”，使我們呈現出群體內高同質化，群體外的高差異化。

由于網民本身就處在一個對于新聞接觸呈現短期化、碎片化、分段化的大媒體環境下，新聞接觸內容重數量輕質量，對于新聞事件沒有深度了解，新聞接觸深度呈現淺顯化現象，而算法技術似乎有加劇這一現象的傾向。算法技術會使平臺將嚴肅新聞、娛樂新聞和實用新聞進行混合式呈現，信息的意義、信息的流向以及受眾對信息感知的方式都依托于機器算法的運算邏輯，導致受眾的新聞接觸不連貫和碎片化。

3 算法技術對網民新聞接觸的影響

3.1 降低新聞獲取成本，提高網民公共參與能力

算法推薦技術為網民提供了個性化的信息推送，能夠使網民在海量信息中迅速找到自己所需要的信息，降低了網民獲取信息的時間成本。例如，在今日頭條平臺在分析受眾瀏覽記錄、搜索記錄和社交記錄的基礎上，通過內容推薦、協同過濾等技術為網民迅速及時地提供他們所需要的感興趣的新聞信息，甚至都不需要網民主動搜索，極大地節省了網民時間成本。網民接觸到多樣化和個性化的新聞信息能夠增長自身見識，并以此為基礎介入和參與公共生活，進一步提高網民公共參與能力，為我國社會治理與公共建設貢獻積極力量。

3.2 網民信息素養降低，加劇數字鴻溝現象

互聯網時代，信息的數量爆炸式增長，由于技術的進步，信息的復制、粘貼、轉發可以輕易實現，使得信息同質化現象嚴重。在信息海量化的同時，讀者的信息素養并沒有得到有效提升，原有的信息處理、管理、再利用能力也不足以應對繁多而龐雜的互聯網信息。同時網民逐漸形成對移動互聯網的媒介依賴（Media Dependency），而非主動分析后摘選有價值信息進行品讀，逐漸喪失對信息來源真偽、價值蘊含的辨識能力。長期來看，這種媒介依賴會阻礙受眾信息素養的提高，批判性和創造性思維的發展也將受到限制。