艾岚 任俊艳

摘 要： 大数据时代的到来和互联网的迅速发展使得算法推荐的新闻推送成为连接受众与受众所需信息的重要形式。算法推荐新闻可以为受众推送量身定制的内容，以此满足受众的个性化需求，激发受众的能动性。但是，算法推荐新闻的方式也存在着诸如信息茧房、数码圆形监狱、用户价值迷失、网络群体极化等消极影响。我们需要整合社会各种力量，从受众自身、算法技术、法律、政府等方面来应对其带来的弊端，促进其良性可持续发展。

关键词：算法推荐新闻;受众;信息茧房;网络群体极化

中图分类号：G210   文献标志码：A   文章编号：1674-7356（2020）-03-0043-05

在新媒体时代，传统的信息生产方式发生了根本性变革，迅速发展的自媒体、 “低准入”门槛的媒体平台等打破了传统媒体对新闻的垄断， “全民皆记者”的现象愈演愈烈。自媒体平台赋予大众充分的表达自由的同时，也在一定程度上造成了信息过载、信息冗余、信息污染等问题。在此背景下，根据受众需求进行信息精准推送的个性化新闻推送形式应运而生。算法推荐新闻，根植于互联网思维的个性化推荐技术，基于用户观察的个性化信息的智能匹配，通过人工智能分析和过滤机制，根据个性化需求聚合相关的信息和应用，以实现用户个性化、动态化需求。算法推荐新闻可以将信息精准推送给不同的受众，减少了信息过量带来的困扰。

一、研究综述

算法推荐并不是一项新创造，早在20世纪60年代算法就曾应用于社会管理领域，大数据和技术革新使得算法推荐的效果更为显现，它也溢出了计算机学科的边界，成为社会科学关切的焦点，为社会科学研究引入了“算法转向”。算法推荐对信息获取的影响一直是研究者关注的焦点，在分析算法在新闻生产和分发中的应用时，学者们从不同的视角对其进行研究。

（一）对算法推荐的内涵及其技术特征的界定

仇筠茜、陈昌凤（2018）[1]将“算法新闻”界定为“由机器学习或者神经网络为技术基础而生产和分发的新闻”;喻国明、韩婷（2018）[2]将算法型信息分发的本质归纳为用户价值主导下的场景化适配;徐笛（2019）[3]认为算法被转义为技术流程、工具、流量池和打分系统，且算法是多义的、流动的，并不存在一个固定的模态;刘存地、徐炜（2018）[4]研究了推荐算法的五种类型，即协同过滤推荐算法、基于内容的推荐算法、基于关联规则的推荐算法、基于效用的推荐算法和基于知识的推荐算法;刘文杰（2019）[5]算法是计算和评判方法，从法律角度将算法推荐看作是一种编辑控制下的内容供给;匡文波，陈小龙（2018）[6]认为新闻的个性化推荐系统是一个极为复杂的系统，需要运用自然语言处理、特征工程、机器学习、大数据计算等多个领域的知识。

（二）对算法推荐的价值观及伦理批判

陈昌凤、师文（2018）[7]分析了不同类别的新闻推荐算法结构性缺陷导致的三种伦理风险： “信息茧房”现象，受众对阅读内容的失控及“黄色新闻潮”风险;何燚宁（2019）[8]认为个性化新闻推荐系统的算法把关会带来价值观缺失、信息窄化、低俗内容泛滥等问题，应从完善算法技术、提高用户媒介素养及完善互联网治理法律等方面探寻解决之道;黄贤英等（2018）[9]认为依据用户历史访问矩阵做出推荐，会导致算法推荐新闻存在数据稀疏以及不能及时反映用户兴趣变化等问题;刘海明（2019）[10]研究了媒体算法技术在新闻传播领域运用中存在的价值纠缠、利益纠缠和品牌纠缠，认为算法过于强调技术的主导作用，弱化了公众、公司机构等的能动性;喻国明（2018）认为算法新闻分发现实发展中存在的问题主要集中在更隐蔽的歧视、 “信息茧房”效应和低俗内容与虚假新闻三个方面;陈洪兵、陈禹衡（2019）[11]将算法偏见对于刑法领域的挑战归纳为算法偏见对刑法规制的挑战和算法偏见对刑事审判的挑战，前者侵害了公民的隐私权、公民的人格平等权以及数据安全法益，后者包括算法黑箱、算法鸿沟及算法独裁。

（三）对算法推荐的规范以及法律约束

刘文杰（2019）认为算法推荐的出路在于用新闻专业规范指导算法;王仕勇（2019）[12]认为对算法推荐新闻的规范应从深入思考“数据的所有权和信息的选择权” “对什么负责与对谁负责” “工具理性和价值理性”等三组关系来进行研究;莫雅娴（2018）[13]提到了“信息自决权”，即人们对个人信息被使用的时间、范围、途径的自主决定权，算法与个人信息保护的平衡应围绕“信息自决”这一基础来进行;赵双阁、岳梦怡（2018）[14]提出可通过健全法律监管、强化“人”在新闻传播中的主体性、建立多指标推荐系统及提升算法透明度等方式重构算法推荐中的媒介伦理。在对以上文献综合梳理的基础上，笔者将对算法推荐新闻的现状及优化策略等方面进行深入阐述。

二、算法推荐新闻对受众产生的积极意义

美国著名媒介理论家马歇尔·麦克卢汉指出：“媒介即讯息”，他认为每个时代真正有价值的是媒介本身而不是其所传播的具体信息。新媒介的出现将会改变传播方式、人类的交往方式和阅读环境，互联网与大数据的发展使得受众的需求能够被精准计算，基于算法的个性化新闻推送成为可能。算法推荐新闻的本质是将用户与信息进行匹配，首先，智能化推送平台通过收集用户的数据生成用户画像。其次，平台通过整合和分析信息内容，利用算法将信息与用户进行匹配并分析受众的行为和社会关系，深入挖掘受众对新闻信息的偏好和潜在需求，通过整合信息的方式自动为不同受众生成不同的新闻信息，每一条被生產的新闻都能够精准送达对其感兴趣的受众。算法推荐新闻最大的特点就是用算法充当“把关人”角色对新闻内容进行选择与推送，依托内容算法和协同过滤算法来进行信息的调取、过滤、聚合与分发。

（一）过滤冗余信息，提高信息获取效率

互联网技术的发展为受众带来了众多获取信息的来源，但随之而来的供过于求的海量信息、虚假新闻、无效信息、低俗内容等也无时无刻不在充斥着受众的生活。如何在海量的信息中使受众接收对自身有效的新闻成为媒体赢得受众的关键因素。智能推荐算法应用于新闻推送中，能够过滤掉大量的无用信息和受众不感兴趣的内容，极大地节约了受众的时间与精力，提高了新闻信息内容的分发效率和受众获取信息的效率。

（二）满足个性化需求，实现“私人订制”

在信息时代，受众个性化的心理需求被不断地激发，受众对于个性化新闻内容的需求催生了个性化新闻的服务。基于智能推荐算法的新闻推送，使受众接收到的不仅是自己感兴趣的、而且是异于他人的独特信息。与传统媒体分发的千篇一律的新闻内容相比而言，算法推荐新闻极大地满足了受众的个性化需求，真正实现了受众对于信息的“选择性接触”和新闻内容的“私人订制”。这样一来，基于算法的个性化新闻信息推送将受众的能动性发挥到极致，使受众获得了更好的用户体验。

（三）提升受众互动意愿，拓展表达空间

在移动互联网时代，新闻话语权下放，网络的发展赋予了受众更多的表达欲望和表达空间。新闻客户端和社交平台中媒体账号的出现和发展，为受众提供了针对个人的议程设置，而且新闻客户端和媒体账号都拥有点赞、评论、转发的权限，为受众提供了交流、讨论、互动的空间。算法推荐新闻是以受众喜好为基础来进行推送的，其“议程设置”的主体是受众本身，加之网络在无形中拓展了受众的表达空间。因此，算法推荐新闻使受众更愿意加入到话题的交流和讨论中去，大大提升了受众的互动意愿。

三、算法推荐新闻对受众产生的冲击

事物都有两面性，在享受算法推荐新闻带来便利性的同时，我们更应该就算法推荐新闻对受众产生的冲击进行深入思考。

（一）精准推送导致信息窄化，出现“信息茧房”效应

在智媒时代，新闻的分发方式已被算法改变，人工智能技术为受众过滤掉大量的无效信息，受众可以只看到其想看到的信息，将其不感兴趣、不熟悉、不认同的信息直接过滤掉，大大加强了信息推送的有效性。但是这也导致受众长期沉浸于同质化的信息内，信息窄化现象严重，坠入“信息茧房”。美国学者桑斯坦提出“信息茧房”这一概念，认为“我们只听我们选择的东西和愉悦我们的东西的通讯领域。”[15]首先，大量的同质信息反复被推送给受众，受众失去了了解不同信息和事物的机会和能力，沉迷在算法营造的片面狭隘的拟态世界，进而走向认知的偏颇。其次，信息茧房效应容易形成“单向度人”。基于算法的精准新闻推送愈演愈烈，受众早已习惯于新闻的推送，很难接收到兴趣之外的信息，进而失去了对外界的批判能力与反思能力，对于公共问题独立思考的能力也会下降，公共讨论将会变得越来越艰难，长此以往将不利于社会民主和精神文明的发展。这种私人订制的个性化新闻推送，从本质上来讲是一种受众的自我设限，使受众越来越沉浸在由算法创造的“信息茧房”之中。

（二）圆形监狱：用户隐私和安全遭受威胁

精准的新闻推送是以受众泄露某些个人信息：性别、年龄、地理位置、社交关系等隐私为基础的。算法采集受众信息的过程并不是用户主动的选择，而是在不知不觉中被人工智能技术提取的。受众在互联网上的一举一动都在受算法的监视，搜索记录、社交媒体甚至是购物记录都会暴露受众的信息。可以说，受众所享受的媒介服务是以个人信息来换取的，算法技术将受众的网上“痕迹”进行整合，生成用户画像，受众就像是生活在圆形监狱之中的“囚犯”。圆形监狱是由外围环形建筑和中心瞭望塔两部分组成，其特殊的建筑结构能够使犯人们在环形建筑中的一举一动都处于中心瞭望塔的狱警的完全监视中，所以监狱中的犯人毫无隐私可言;而生活在算法监视之下的受众，其思想动向和价值判断都会受到算法的影响，在不知不觉中陷于“圆形监狱”。算法推荐系统掌握着全部受众的个人信息，假如此系统遭遇外来入侵，那么所有受众的隐私将完全被暴露。

（三）过度依赖，沦为算法的奴隶

在受众—媒介—社会的系统中，媒介使受众产生依赖的主要方式是控制其传播内容。1975年美国学者德弗勒（Melvin Lawrence DeFleur）等在《大众传播学诸论》一书中提出“媒介系统依赖论”，此理论主张受众为了满足自身需求必须依赖于媒介提供的信息，实现对自身和社会的理解以及确定行动方向和互动方向。首先，算法推荐新闻拥有对内容的控制权，其只推送受众感兴趣的信息，容易吸引受众的注意力。其次，算法可根据场景进行信息内容的推送，不同的时间和空间会接收到不同的信息，碎片化的时间也会被利用起来，甚至于原本用来休息、学习、工作的时间也会被占用。再次，算法推送的信息内容是无穷尽的，受众能否摆脱其推送的内容完全取决于受众的自控力，取决于受众能否从自己感兴趣的内容中脱离，由此导致受众极易过度依赖算法推荐系统，甚至日渐成瘾，失去自主意识，沉溺于其中无法自拔，成为算法推送工具的“奴隶”。

（四）低俗内容致使受众的价值迷失

算法推荐新闻模式的把关人已由传统的人工模式转变为算法推荐技术，信息推送的标准是受众的兴趣与需求，用户的点击量成为关键。在点击量是唯一评判准则的标准下，信息的质量被用户点击量取而代之，进而导致部分低俗、恶俗、庸俗的信息被大量推送给受众，如虚假新闻、黄色信息、标题党新闻等，影响着整个社会的风气。就本质来讲，算法推荐新闻主要是用户与信息的匹配，运用算法对信息表面语义的理解来进行把关，达不到对语言深层次理解的标准，更无法将信息放在社会环境的背景下进行解读。所以，算法推荐新闻可能导致受众认知偏差、新闻价值缺失、负面信息泛滥等情况，使真正有价值的信息内容让位于受众的“个人兴趣”，出现“沉默的螺旋”，造成“很多人对低俗信息内容感兴趣”的假象，一旦这样的价值取向得到认同，那么擁护正确价值信息的声音就会陷入沉默，此过程不断地恶性循环，会令越来越多的受众迷失正确的价值方向。

（五）群体极化与过度娱乐进一步“放大”

在互联网的虚拟世界中，对相近新闻信息关注的受众更容易建立群体联系，形成相近的观点和看法，群体的同质化越来越趋于明显，群体内成员的持续自我肯定和激励会进一步加剧网络群体极化，受众容易被群体情绪所带动，失去理智，进而导致舆论暴力。此外，受众大多关注娱乐八卦、明星、奇闻逸事等新闻， “娱乐至死”现象严重，从某种意义来看，算法推荐新闻系统将“娱乐至死”现象进一步放大和加强，受众对新闻媒体传递信息的价值挖掘和合理使用必然受到阻碍。

（六）主动性的丧失与重要信息的错失

算法推荐新闻表面上为受众提升媒介素养提供了新的契机，但算法受限于用户的喜好和兴趣，受众会在一定程度上丧失自主判别和选择新闻的机会，这并不利于其媒介素养的培养。其次，算法推荐新闻是对受众兴趣与喜好的反映，但这不代表推送的新闻信息就是社会的重要话题。往往有些重要的政治、经济或社会新闻并不为受众所关注，会导致受众错失信息。

四、解决算法推荐新闻负面影响的策略建议

依据社会发展的自然逻辑，人类社会的技术进步与有机体的进化类似，一旦发生便具有其发展的不可逆转性。算法推送的本质在于为人类提供更优质、更丰富、更贴心、更便捷的服务，是人类社会不断进步的体现。但算法推荐新闻从某种意义上说也给受众带来了不可避免的冲击与消极影响，需要我们整合社会各种力量来应对其弊端。

（一）重构受众媒介素养

面对不同媒体所提供的各种信息，受众所展现出的信息选择能力、质疑能力、理解能力、评估能力、创造和生产能力以及思辨的反应能力，就是通常我们所说的媒介素养。新媒体时代要求受众提高对媒介的基本使用能力，增强其自控能力。面对吸引力强大的新媒体：首先，要培养公众的自律意识。古典哲学家康德认为，人具有在道德实践意义上不受肉体本能与自然束缚而按照自身标准行事的自由意志。自律性可以使受众自觉远离智能算法的信息歧视与传播偏向，规避隐含着潜在价值“辐射”的负面信息。媒介自律性的培育关键在于提升受众的信息辨识能力，个体应保持主体理性，具有对媒介信息批判性认知的能力。在家庭、学校、社会教育的有机结合中提升公众对垃圾信息的“免疫性”。公众可以通过加强时间的管理、发展另外的兴趣爱好等方法增强自控能力，将控制权收回到自己手上，做到真正合理、节制地使用媒介。其次，要培育公众的算法素养。个性化的算法推荐机制强化了当代社会的个体化、碎片化与流动性，小集体的价值表达被无限扩大化与极端化，最终形成激烈的社会价值冲突。应培养公众以批判性态度审视算法在信息传递过程中的潜在影响，有意识地防范算法权力在思想领域的渗透，在良莠不齐的数据信息中保持审慎客观的立场进行价值判断。在信息消费素养方面坚持多元、开放、全面的原则，积极聆听他者的声音，将“自我为主体”与“他者为主体”理念有机结合起来，打破“信息茧房”，培养社会意识，有意识主动地接触不同的新闻信息，参与关注公共事务、聚焦社会热点话题，避免造成认知偏差和思想极化。

（二）优化算法推荐机制，推送优质内容

避免算法推荐机制的局限性，合理的方式是改进和优化算法技术，为受众推送既使其感兴趣又有价值的优质新闻信息。首先，应该提高用户的洞察技术，全面智能地掌握受众的信息需求，同时为受众提供“异质”信息，打破“信息茧房”，进而使受众接触到有价值的、实用性的新闻，增加其对各类重要新闻信息的了解，对真实的社会形成正确、全面的认知。其次，在内容审核方面，应该让优质的新闻内容占优势地位，可以选择算法推荐与人工筛选相结合的方式来进行新闻内容的分发。当然，算法推荐技术只是受众选择信息的一种辅助工具，不能让技术来控制受众，更不能因此主导受众的行为。所以算法技术应该尽量透明化，让受众了解其本质，并形成良性的双向互动，受众也要努力提高自身的媒介素养，注重阅读优质、高品质的新闻内容，严格控制娱乐化倾向，全面客观地了解信息内容。

（三）政府监管与法律体系“双管齐下”

新媒体是一个信息市场，监管的角色不可或缺，政府部门应该对其进行适当干预与监管，避免形成低质量的信息市场。此外，政府还应该加强对信息市场的引导，约束“三俗”信息的传播，让信息市场充分发挥其正能量，对于未能进行内容监管的媒体，应当予以批评和处罚，从而起到警示约束的作用。2020年3月1日由国家互联网信息办公室发布的《网络信息内容生态治理规定》是我国网络生态治理方面的首部综合性专门立法，能够针对用户信息泄露、低俗信息传播等方面进行法律规制，从而更好地保护用户隐私，优化信息推荐机制。

五、结语

新闻媒介的数字化、智能化是时代的大方向，科学技术将会越来越多地介入到我们今后的生活。算法推荐新闻机制能够方便受众生活，为受众选择与接收新闻信息提供更為便捷的方式。事实证明，算法技术一方面使受众得到了较好的体验，解决了大众传媒的如内容扁平化、均一化等问题;另一方面，助力人类进入强调个人需求和体验的“后PC时代”。因此，未来新闻媒体平台的发展方向必然是个性化信息推送服务为基础的新闻讯息平台。限于技术不成熟等原因，算法推荐新闻也给受众造成了消极影响。针对这个问题，我们需要加强对受众的思维引导，培养受众的媒介素养和民主意识，并且努力提升科学技术的积极作用，减弱其消极影响，促进其良性可持续发展。

[参考文献]

[1]  仇筠茜，陈昌凤. 基于人工智能与算法新闻透明度的“黑箱”打开方式选择[J]. 郑州大学学报（哲学社会科学版），2018，51（5）：84-88+159.

[2]  喻国明，韩婷. 算法型信息分发：技术原理、机制创新与未来发展[J]. 新闻爱好者，2018，33（4）：8-13.

[3]  徐笛. 算法实践中的多义与转义：以新闻推荐算法为例[J]. 新闻大学，2019，39（12）：39-49.

[4]  刘存地，徐炜. 能否让算法定义社会——传媒社会学视角下的新闻算法推荐系统[J]. 学术论坛，2018，41（4）：28-37.

[5]  刘文杰. 算法推荐新闻的法律透视[J]. 新闻记者，2019，37（2）：22-29.

[6]  匡文波，陈小龙. 新闻推荐算法：问题及优化策略[J]. 新闻与写作，2018，35（4）：66-70.

[7]  陳昌凤，师文. 个性化新闻推荐算法的技术解读与价值探讨[J]. 中国编辑，2018，16（10）：9-14.

[8]  何燚宁. 个性化新闻推荐系统中算法把关的思考——以“今日头条”和“一点资讯”为例[J]. 新闻爱好者，2019，33（9）：75-77.

[9]  黄贤英，熊李媛，李沁东. 基于改进协同过滤算法的个性化新闻推荐技术[J]. 四川大学学报（自然科学版），2018，35（1）：49-55.

[10]  刘海明. 媒体算法的价值纠缠与伦理误区[J]. 湖南师范大学社会科学学报，2019，64（1）：32-41.

[11]  陈洪兵，陈禹衡. 刑法领域的新挑战：人工智能的算法偏见[J]. 广西大学学报（哲学社会科学版），2019，41（5）：85-93.

[12]  王仕勇. 算法推荐新闻的技术创新与伦理困境：一个综述[J]. 重庆社会科学，2019，16（9）：123-132.

[13]  莫雅娴. 算法推荐新闻与个人信息保护的冲突和平衡[J]. 编辑学刊，2019，36（5）：40-45.

[14]  赵双阁，岳梦怡. 新闻的“量化转型”：算法推荐对媒介伦理的挑战与应对[J]. 当代传播，2018，34（4）：52-56.

[15]  陈力丹，曹文星. 2012年新媒体技术与应用走势分析[J]. 编辑之友，2013，33（2）：30-33.

Impact and Reconstruction of Algorithm-recommended News on Audience in the New Media Era

AI Lan1， REN Junyan2

（1. Editorial Department of Journal， Hebei University of Economics and Business， Shijiazhuang， Hebei 050061， China; 2. School of Culture and Communication， Hebei University of Economics and Business， Shijiazhuang， Hebei 050061， China）

Abstract： The arrival of big data era and the rapid development of the Internet make the news push recommended by algorithm become an important form of connecting audience with the needed information. Algorithm-recommended news can push customized content for audience， so as to meet the personalized needs and stimulate the initiative of audience. However， the way of algorithm-recommended news also has negative effects， such as information cocoons， digital panopticon， loss of user value， network group polarization and so on. We need to integrate various social forces to deal with its disadvantages， from the audience themselves， algorithm technology， laws， government and other aspects.

Key words： algorithm-recommended news; audience; information cocoons; network group polarization