算法推薦新聞中用戶地位探討

【摘要】對大眾來說，隨著移動互聯(lián)網(wǎng)的普及、社交媒體的盛行，原本的信息匱乏轉(zhuǎn)向當(dāng)前的信息過載。在這種情況下，針對分類目錄和搜索引擎的不足，算法推薦出現(xiàn)了。算法推薦也正在構(gòu)建信息分發(fā)的新策略。本文將要探討的就是在“用戶至上”理念的今天，算法推薦新聞中，用戶地位如何變化，以及算法推薦新聞帶來的一些用戶問題。

【關(guān)鍵詞】算法;推薦新聞;用戶地位;個性化定制

中圖分類號：TN929? ? ? ? ? ? ? ? ? ? 文獻標(biāo)識碼：A? ? ? ? ? ? ? ? ? ? ?DOI：10.12246/j.issn.1673-0348.2021.04.017

1. 用戶的“脫域”與“嵌入”

1.1 算法推薦新聞的技術(shù)賦權(quán)

Web2.0、云計算、媒體融合、大數(shù)據(jù)等技術(shù)和理念的發(fā)展，使得算法推薦向更精準更完善方向發(fā)展。基于移動互聯(lián)網(wǎng)的普及，用戶擁有了隨時隨地接受、分發(fā)信息的權(quán)力。

“技術(shù)賦權(quán)”是在新媒體盛行下提出的新理念。不僅僅是賦予“話語權(quán)”，筆者認為技術(shù)賦予更多的是“選擇權(quán)”。就像尼葛洛龐帝在《數(shù)字化生存》中談到“技術(shù)賦權(quán)”“技術(shù)分權(quán)”一樣，算法推薦新聞這個“技術(shù)”也給了用戶一些“選擇權(quán)”。談到“算法推薦新聞”就要談到“個性化推薦”。個性化推薦以過濾協(xié)同技術(shù)為工具，成為解決信息過剩問題一個有效手段。在這里，用戶能自由“脫域”與“嵌入”。

1.2 用戶的選擇權(quán)

吉登斯在《現(xiàn)代性與自我認同》提出“脫域”，“脫域”是指社會關(guān)系從彼此互動的地域性關(guān)聯(lián)中，從通過對不確定的時間的無限穿越而被重構(gòu)的關(guān)聯(lián)中“脫離出來”。脫域是吉登斯所列的三個“現(xiàn)代性的極度推動力”之一，其他兩個是“時空分離”、“知識的反思性運用”。脫域是由時空分離所造成的“虛化”和“缺場”引起的，社會關(guān)系從有限的地方性場景中“剝離出來”，從而能跨越廣闊的時間—空間距離去重新組織社會關(guān)系。

算法新聞可以說是順應(yīng)互聯(lián)網(wǎng)發(fā)展而出現(xiàn)的新聞分發(fā)模式。一定程度上，算法新聞可以幫助用戶解決信息過載問題。基于用戶畫像，有針對性的推薦信息并且給用戶提供個性化服務(wù)——“信息的個人化定制，高度聚合的新聞信息和社交閱讀模式”。

2. 用戶的隱私讓渡個性化服務(wù)

算法新聞的個性化服務(wù)一個必要條件就是需要搜集大量用戶隱私。這些隱私一部分是用戶愿意給予的“顯性信息”，另一些則是用戶自己也沒有發(fā)現(xiàn)的“隱性信息”。在注冊新軟件時，我們總會遇到“我已經(jīng)詳細閱讀相關(guān)隱私條例并且同意使用”。但其中又會有多少人會點開條例逐條分析，我們的“隱性信息”在這時，已被平臺獲取，用以形成用戶的個性化服務(wù)。

2.1 用戶更傾向于算法推薦

20世紀50年代，“傳播學(xué)之父”施拉姆提出描述受眾對傳播媒介的傾向性公式：選擇的或然率=報償?shù)谋ＷC/費力程度?！皞鹘y(tǒng)的新聞生產(chǎn)和傳播模式的局限使得諸多用戶的個性化信息需求無法得到滿足……算法技術(shù)應(yīng)用到新聞領(lǐng)域后……與閱讀者興趣相匹配的文章數(shù)量從14%提高到52%”。

從公式中我們可以看到，費力程度越低，受眾選擇傾向性越高。算法推薦契合了受眾花費更少精力獲取更多回報的心理。

2.2 用戶面臨“大數(shù)據(jù)殺熟”問題

“大數(shù)據(jù)殺熟”是2018年開始被廣泛熱議的話題。所謂“大數(shù)據(jù)殺熟”，是指互聯(lián)網(wǎng)商家利用大數(shù)據(jù)技術(shù)，對自身所擁有的用戶數(shù)據(jù)信息作深度分析，對分析出對客戶消費習(xí)慣進行分類，進而對老用戶實行有針對性的“價格歧視”。算法是一級價格歧視實現(xiàn)的工具。這種“殺熟”現(xiàn)象在電商平臺、付費訂閱平臺如攜程旅行、淘寶88VIP等平臺。

算法通過分析用戶畫像以及用戶黏性，提升“老顧客”的忠誠度，發(fā)展“潛在顧客”。在算法盛行的當(dāng)下，“數(shù)據(jù)壟斷”“算法間默示共謀”成了商家之間心照不宣的意識交流。而且目前來看，關(guān)于”殺熟“現(xiàn)象并沒有很好的治理措施。盡管商家之間沒有達成壟斷協(xié)議，但已經(jīng)起到了壟斷效果。

“權(quán)利的本質(zhì)是一種社會關(guān)系，是一主體運用其資源對其他主體具有的強制性影響力和控制力”。從這個角度來看，算法推薦新聞是平臺對于用戶的一種潛移默化的“控制”。用戶自以為是“主動性”參與新聞的討論、轉(zhuǎn)發(fā)、分享環(huán)節(jié)，但用戶看到的新聞依舊是平臺利用算法技術(shù)加工后的產(chǎn)物，用戶受到平臺影響和控制。

2.3 用戶隱私泄露問題

“授權(quán)”是用戶在使用軟件時經(jīng)常碰到的事情。平臺通過收集用戶環(huán)境特征，進一步完善用戶畫像。比如用戶性別、年齡、職業(yè)、地理位置、手機機型、網(wǎng)絡(luò)環(huán)境等信息。除了這些，軟件使用過程中，會要求用戶授權(quán)相機、麥克風(fēng)、藍牙的權(quán)限。

用戶將個人信息授權(quán)給平臺，簽訂的“隱私保護協(xié)議”，平臺理應(yīng)要在保密的前提下，為用戶提供個性化服務(wù)。過去報紙的“二次售賣”理論，放到算法推薦來看，依舊成立。簡而言之，第一次售賣，媒介向受眾提供信息，滿足受眾對信息的需求，消除受信者的隨機不確定性，這里售賣的是信息，信息是商品。第二次售賣，將受眾的注意力，售賣給廣告商。受眾的注意力是商品。就目前來看，算法推薦方便了用戶發(fā)現(xiàn)信息，但也方便了廣告商發(fā)現(xiàn)用戶。

3. 算法新聞中的“信息繭房”效應(yīng)

在之前關(guān)于算法推薦新聞的研究中，一些學(xué)者認為：“千人千面”的信息環(huán)境幫助受眾更好獲取信息，拓展視野。而另一些學(xué)者擔(dān)憂：同類信息充斥，會導(dǎo)致“信息繭房”效應(yīng)，不利于受眾對真實世界意識形態(tài)的建構(gòu)。算法推薦在技術(shù)上或者倫理道德方面，都伴隨著“稱贊和威脅”。隨著算法技術(shù)的不斷完善，信息同質(zhì)化現(xiàn)象、“回音壁效應(yīng)”可以得到解決。所以，關(guān)于算法推薦是否會導(dǎo)致“信息繭房”，是我們要重新思考的問題。

3.1 技術(shù)優(yōu)化，人+算法共同把關(guān)

我們以《今日頭條》為例?！督袢疹^條》目前信息來源主要有兩個方面：PGC、UCG。對于專業(yè)生產(chǎn)內(nèi)容的審核主要是內(nèi)容審核，沒有問題就進行大范圍推薦。對于用戶生產(chǎn)內(nèi)容，在進行內(nèi)容審核通過之后，再進行二次審核，通過之后進行大范圍推薦。如果信息收到多次舉報和投訴之后，又會進入人工復(fù)審環(huán)節(jié)。這一過程有算法本身的過濾，也有把關(guān)人的控制。

對于分享風(fēng)險內(nèi)容識別，《今日頭條》采取了鑒黃模型、謾罵模型、低俗模型。對于范低質(zhì)內(nèi)容識別，則是對評論做情感分析，結(jié)合用戶對它的負反饋信息（踩、屏蔽、不喜歡）等行為，解決很多語意上低質(zhì)信息。人工復(fù)審幫助召回更多低質(zhì)內(nèi)容?！督袢疹^條》表示，低質(zhì)模型準確率有70%，召回率有60%，結(jié)合人工復(fù)審召回率可達95%。

3.2 算法推薦中，“信息繭房”效應(yīng)并不是一定的

2019年7月到8月，有學(xué)者通過配額抽樣方法，對獲得的400份有代表性的今日頭條用戶數(shù)據(jù)進行問卷調(diào)查及分析。得出的結(jié)論是，算法推薦不是一定會導(dǎo)致“信息繭房”。文章認為，用戶經(jīng)常使用一種平臺獲取新聞信息，算法推薦會更加頻繁推薦同類信息。這似乎符合“信息繭房效應(yīng)”。但另一方面，用戶會主動搜索信息，拓展視野，豐富信息來源和種類。

如今算法技術(shù)但更新，使得在推薦時不會只按照用戶觀看習(xí)慣一種向量。比如淘寶網(wǎng)，當(dāng)搜索“伴手禮”時，出現(xiàn)的不僅僅是“伴手禮”，還會有敬酒服、婚禮糖果等一系列跟“伴手禮”相關(guān)的推薦。這是算法技術(shù)為了防止“信息窄化”出現(xiàn)的一種分工方式。算法新聞也是如此，當(dāng)用戶在挑選跟籃球相關(guān)的新聞，首頁會推薦中外國家的籃球比賽、籃球明星的新聞、以及籃球周邊的廣告。

3.3 用戶的行為反饋

與傳統(tǒng)媒體相比較，新媒體一個最大的變革之一就是用戶的反饋及時。當(dāng)然，隨著互聯(lián)程度的加深，這種“及時”正在向“即時”轉(zhuǎn)變。用戶在平臺關(guān)于新聞信息內(nèi)容和形式的選擇是可以立馬表現(xiàn)出來的。“注意力經(jīng)濟”正在成為各大平臺爭奪的目標(biāo)。抖音爆紅的一個關(guān)鍵就是易操作、易社交、易選擇。單機暫停/播放，“雙擊”點贊表示喜歡，長按屏幕可以選擇不喜歡。對于內(nèi)容和評論也有屏蔽和舉報功能，更便捷操作，降低了對用戶進入的門檻。

4. 增強算法意識，培養(yǎng)用戶主動性

從一些研究中可以看出，一部分公眾有意識到系統(tǒng)推薦內(nèi)容符合自己的心里期待。但是更多是被動接受這些相關(guān)推薦。培養(yǎng)用戶媒介素養(yǎng)，不僅需要公眾有辨別和判斷虛假新聞能力，也要培養(yǎng)用戶“尋求”信息的主動性。

4.1 優(yōu)化推薦技術(shù)，擺脫技術(shù)牢籠

算法推薦給用戶選擇信息提供了便利，對于技術(shù)上的桎梏，也可以通過優(yōu)化技術(shù)來解決。優(yōu)化算法技術(shù)，豐富新聞多樣性，對于新聞的采集和分發(fā)，都要有相應(yīng)技術(shù)的更新和提高?！叭藱C協(xié)同”是伴隨人工智能出現(xiàn)的新概念。旨在更好的收集信息、解析信息、互通信息、融合信息、智能決策。算法推薦新聞中，算法程序是人為設(shè)定，關(guān)于信息審核標(biāo)準也是人根據(jù)圖片、文字、語義內(nèi)涵設(shè)定，在復(fù)審環(huán)節(jié)也離不開人工審核。新聞“把關(guān)人”在算法程序和算法反饋中，應(yīng)該占有更有效的地位，防止算法偏見。

4.2 算法透明化，反數(shù)據(jù)壟斷

獲取個人信息的爭奪戰(zhàn)一直是各大平臺上演的。一些平臺通過壟斷用戶數(shù)據(jù)增強用戶對平臺的忠誠度和黏性。但就目前來看，“大數(shù)據(jù)殺熟”這種情況不容易界定，爭奪用戶“注意力經(jīng)濟”怎樣情況才算惡性競爭？對于平臺間“算法默示共謀”現(xiàn)象如何界定？這些對于法律法律的制定都有相當(dāng)大的阻礙。

算法介入到新聞生產(chǎn)、信息分發(fā)領(lǐng)域，由于存在隱蔽性極強的“技術(shù)黑箱”，公眾往往難以理解新聞生產(chǎn)的過程，無法對基于算法生產(chǎn)和推送的新聞進行獨立判斷，也就無法有效的監(jiān)督算法的使用，防范算法帶來的危險。

4.3 關(guān)注隱私保護，用戶至上

大數(shù)據(jù)時代，隱私泄露正在成為棘手問題。特別是被泄露隱私的用戶數(shù)量龐大，且大部分人不知道信息何時何地被泄露，也不知道從哪里維權(quán)。我們在享受“個性化服務(wù)”的同時，也在用私人信息泄露作為額外代價。

平臺對于用戶隱私的保護不僅是從技術(shù)層面，也要從服務(wù)層面。平臺上不乏“客服”人員，后臺客服可以輕而易舉得到用戶姓名、證件號碼、電話號碼、軟件使用情況等等信息。所以，不光要從技術(shù)層面比如防火墻來保護用戶信息，服務(wù)層面也要并重。

4.4 提升媒介素養(yǎng)，培養(yǎng)用戶主動性

算法推薦新聞是技術(shù)的革新，是新聞業(yè)范式的革新，但是對于信息的需求，依舊是以用戶為核心。如今新聞信息平臺以多種形式呈現(xiàn)新聞：文字、圖片、視頻及其組合方式。對于用戶來說，獲取信息、傳播信息、發(fā)表觀點的途徑簡單又便捷。

用戶在享受算法推薦帶來的便利時，也要意識到作為個體對新聞的價值判斷。獲取新聞不能被動選擇算法推薦內(nèi)容，從不同平臺關(guān)注新聞事件全貌。對平臺方而言，平臺對于內(nèi)容形式的策劃、內(nèi)容質(zhì)量的把關(guān)、輿論價值的引導(dǎo)具有不可推卸的社會責(zé)任。

5. 結(jié)語

大數(shù)據(jù)技術(shù)優(yōu)勢改變來新聞信息傳播方式，使其變得更加高效，對新聞傳媒格局造成了顯著影響。媒介技術(shù)的革新勢必會帶來積極、消極至少兩方面影響。對于其規(guī)避措施，除了法律條例的保障，還有通過技術(shù)的進化完善技術(shù)的弊端。還有重要的一點發(fā)揮人的主觀能動性，在新聞生產(chǎn)、分發(fā)的各個環(huán)節(jié)，離不開人類的生產(chǎn)力。但人類對于新聞事件有“刻板成見”，也需要機器完成繁瑣復(fù)雜的計算和分類。“人機協(xié)同”是一個值得發(fā)展的趨勢。

用戶既是新聞信息的“信宿”，也是新聞信息的“信源”，是各大平臺的服務(wù)對象和經(jīng)濟來源。對于用戶地位，在平臺和廣告商眼里，是服務(wù)的對象，對用戶自身而言，個人發(fā)展才是主要的。對新聞信息的了解，可以幫助更好建構(gòu)對世界的宏觀認識，對發(fā)展前途更多元對選擇，也是對現(xiàn)實更好對理解。

參考文獻：

[1]陳昌鳳，師文.個性化新聞推薦算法的技術(shù)解讀與價值探討[J].中國編輯，2018，（10）：9-14.

[2]來源：百度百科.

[3]胡歆宸. 《今日頭條》算法推薦媒介倫理問題研究[D].湘潭大學(xué)，2019.

[4]楊燦.算法推薦新聞對用戶的影響及對策[J].新媒體研究，2020，6（10）：45-47+60.

[5]俞靈琦.大數(shù)據(jù)帶來的是“精準定位”還是“價格歧視”？[J].華東科技，2019（12）：46-47.

[6]沈亮亮.算法在市場競爭中的應(yīng)用與法律難題——從大數(shù)據(jù)殺熟談起[J].太原學(xué)院學(xué)報（社會科學(xué)版），2019，20（03）：26-31.

[7]鄒開亮，彭榕杰.大數(shù)據(jù)“殺熟”的法律定性及其規(guī)制——基于“算法”規(guī)制與消費者權(quán)益保護的二維視角[J].金融經(jīng)濟，2020（07）：51-57.

[8]楊洸，佘佳玲.新聞算法推薦的信息可見性、用戶主動性與信息繭房效應(yīng)：算法與用戶互動的視角[J].新聞大學(xué)，2020（02）：102-118+123.

[9]林愛珺，劉運紅.智能新聞信息分發(fā)中的算法偏見與倫理規(guī)制[J].新聞大學(xué)，2020（01）：29-39+125-126.

[10]吳曉霞. 聚合類新聞客戶端的個性化新聞推薦研究[D].黑龍江大學(xué)，2017.

作者簡介：白梁艷 安徽蚌埠人，安慶師范大學(xué)2020級碩士研究生，新聞傳播專業(yè)，研究方向：新聞與傳播