算法推荐新闻对用户的影响及对策
作者：杨灿
来源：《新媒体研究》2020年第10期
        摘; 要; 当前，算法推荐新闻成为民众每日所阅读的新闻信息的重要来源。算法推荐新闻在给用户消费和使用新闻信息带来极大便利的同时，也带来了一系列负面效应。客观看待算法推荐新闻的利与弊并予以合理应对，对有效保护用户的利益，十分具有现实意义。
        关键词; 人工智能;算法推荐;新闻;用户利益;利弊
        中图分类号; G2; ; ; 文献标识码; A; ; ; 文章编号; 2096-0360（2020）10-0045-03
        1; 算法推荐新闻的概念及其主要特点
        算法推荐新闻，是人工智能技术发展的产物，是人工智能技术渗透和应用到新闻传播活动中的结果。
        1.1; 算法推荐新闻的概念
网站制作公司获取客户
        算法新闻（Algorithmic Journalism）是指在算法程序的引领下，新闻机器人在确保精准度和可靠性的同时，自动生产新闻的过程;它的基础源自于计算机领域中自然语言生成技术的发展，机器能够从结构化数据中自动生成大量文本[1]。而由此技术衍生发展而来的另一种技术应用便是算法推荐新闻。与算法新闻相比，算法推荐新闻不仅需要计算机依托框架自动生成文本，还得通过一些数学算法推测出用户可能喜欢的新闻，进而实现个性化的推送。它最早是由美国科学家Robert Armstrong 等于1995年提出，其实质是人工智能技术在满足人的需求层面上进一步的延伸。近年来，随着人工智能技术在新闻传媒业中的深入“嵌套”与渗透，基于算法的智能平台在欧美一些国家的主流新闻机构中相继建设起来，算法推荐新闻由此出现。BBC打造的Jucier，路透社的News Tracer、Open Calais，《纽约时报》研发的blossom，《卫报》研发的open001、《华盛顿邮报》的Truth Teller等算法平台，都为其机构生产了一定数量的算法新闻。多家算法新闻公司如叙述科学（Narrative Science）、洞见科技（Automatic Insights）等，也致力于为算法新闻提供更优算法[2]。在国内，今日头条、天天快报、一点资讯等新闻客户端，都是以运用算法推荐技术提供新闻信息而名声鹊起的媒体机构，它们在当前的大众信息消费市场俨然都占有一席之地。尤其是今日头条，从2012年到2016年年均新增用户1亿多，月增用户1 000多万，每个月客户增长量几乎相当于其他类似
机构一年甚至几年的增量，显示了移动资讯个性化分发领域巨大的市场潜力[3]。由此可见，凭借着自身强大的技术优势，算法推荐新闻在新闻传媒行业正在掀起一场新的范式革命。
        1.2; 算法推荐新闻的特点
        算法推荐新闻以基于内容的算法推荐、基于协同过滤的算法推荐和基于流行度的算法推荐三种模式运用得较为成熟与普遍。基于内容的算法推荐，即用户画像，意思就是根据用户的历史点击+浏览记录，总结出用户的喜好，再计算每个新闻与用户画像的匹配度，将匹配度最高的新闻推荐给用户。基于协同过滤的算法推荐，就是到和用户兴趣相似的体，然后把这个体喜欢的内容推荐给这个用户。基于流行度的算法推荐，即选择一个单位時间，统计在这单位时间内所有新闻的点击量，把点击量最大的新闻推荐给用户。无论是哪种类型的算法推荐模式，都具有以下三个特点。
        1）生产方式：用户画像+数据化精确制作。传统的新闻生产更多依赖新闻生产者的经验，这种精英主义式的生产方式难免滋生傲慢。随着技术的发展，用户偏好的广泛性开始凸显，以用户需求偏好为导而向的基于算法的新闻生产方式日益体现出其重要的社会影响。从生产方式的角度来看，算法推荐新闻的其中一个重要特点就是“用户画像+数据化精确制作”。
用户画像，即新闻产品在生产的最初环节，把用户兴趣图谱、社会关系图谱、生活习惯图谱等数据收集起来，以便后面对用户进行针对性的新闻推送。在这样一种数据化的生产方式中，传统的精英主义生产方式的傲慢被逐渐瓦解，智媒时代下的数据思维和用户思维逐渐占据主导。
        2）传播方式：由“点到面”转变为“智能化精准分发”。在传统的新闻传播活动中，信息通过大众传媒传播至信息终端的受众，是一个由点到面的过程。在此过程中，新闻生产者（新闻媒体的记者、编辑）生产和发布新闻，而后，受众依据自身的偏好来选择阅读/收听/收看自己感兴趣的新闻讯息。然而，算法推荐新闻的出现，改变了这样一种信息传收方式，由原来的“点到面”转变为“智能化精准分发”。机器算法根据每个用户的不同时间、不同场景从而推荐与他们兴趣和个人需求相适配的信息。并且，算法的智能化使得这过程并不需要用户主动搜索、选择，关注的信息便会自动出现，如此一来，将会大量节省用户搜索时间成本，提高用户获得需要的信息的效率。
        3）消费方式：新闻的“订阅服务”。算法推荐新闻的出现，随即带来了用户消费层面的变化。一方面，当用户通过算法推荐接触到自己喜欢的新闻媒体App、时，可以通过“
重点关注”的方式有选择地接受其中某些特定的新闻推送。另一方面，当面临着“以质取胜”，需要收费阅读的新闻时，部分用户开始接受平台的新闻订阅服务。虽然目前采取“付费版”的新闻客户端并不多，但也有成功的例子。比如2012年《第一财经周刊》iPad版获得约300多万元人民币的营收，其中约1/3来自电子杂志订阅付费[4]。一旦用户进行了个性化新闻订阅，则会看到与普通用户不一样的专门根据其订阅偏好和方向产生的新闻。并且栏目一旦有新闻内容的更新，订阅用户便会收到系统的提醒，如此一来，用户便能更好的享受个性化的阅读体验。
        2; 算法推荐新闻给用户信息消费与使用带来的影响
        算法技术是一把“双刃剑”，优势与风险相伴。一方面，用户可以通过算法推荐新闻来快速获取自己感兴趣的信息;另一方面，过度的依赖也容易成为技术的“附庸”。
        2.1; 算法推荐新闻为用户带来的价值增益
        1）有效提升受众信息选择或然率。20世纪50年代，“传播学之父”施拉姆就受众对传播媒介的倾向性选择提出了一个公式，即选择的或然率=报偿的保证/费力的程度。根据该公式
可以得出：受众满足程度与费力程度成反比，满意程度越高，而费力程度越低，则或然率就越大，受众也就越倾向选择这种媒介或信息。传统的新闻生产和传播模式的局限使得诸多用户的个性化信息需求无法得到满足。如今算法技术应用到新闻领域后，促使媒体机构更加重视考量受众的偏好。网络新闻过滤系统News Weeder让用户对每篇文章阅读进行兴趣评分，从而推断阅读者的口味，这样的推荐方式可以使与阅读者兴趣相匹配的文章数量从14%提高到52%[5]。无论是用户对某条新闻的点赞、转发、评论、屏蔽都能被算法捕捉，并依据用户画像生成一组组新闻来进行个性化输出。如此一来，用户搜索新闻信息的费力程度大大降低，受众信息或然率得到有效提升。而受众信或然率的提升进而也在一定程度上增加了新闻信息的利用成效。
        2）帮助用户垂直深耕其内容偏好领域。“使用与满足”理论认为，受众接触媒介是基于某种目的，并希望通过使用媒介过后能得到个人满足。而算法推荐新闻根据用户对信息的喜好程度来推送新闻资讯这一机制，恰好能满足用户希望拓展其偏好领域的知识深度的愿望。其背后的原理是：若用户经常关注某一领域的内容，算法后台便会将其浏览痕迹、搜索数据，新闻内容的点击量、阅读量甚至是注意力停留时长都记录下来，然后媒体就会持续不断的给用户推送相关新闻讯息。例如，爱好学习法律知识的用户在算法推荐的帮助下，会在较
短时间内获取大量有关法律的新闻内容，一定程度上节约了用户的时间成本，提高了获取法律知识的效率，有助于增进其对法律领域相关情况的深度了解。因此，正确使用算法推荐新闻，可以帮助用户在他喜爱或擅长的领域进行深度了解和探究，垂直深耕该领域，乃至培养专长。
        3）方便用户将个人偏好的信息资讯分享给他人。在个性化算法推荐开始普遍应用以前，新闻媒体通常是基于自身的新闻价值理念来发布信息资讯，很少考虑该信息是否被用户需要。这样，不少用户即使每天接收了大量的信息，但那些信息不一定是自己想要的或感兴趣的，想通过向同事、亲友推荐、分享自己偏好的信息资讯，以加强彼此的联系和沟通时，还需要主动去搜索。不仅不方便，而且耗时耗力。而算法推荐新闻的出现，很好的解决了这一问题。算法通过用户画像，将用户偏好的新闻信息类型挖掘出来，然后再持续不断地向用户推送这类新闻信息。这样的信息推送机制，极大方便了用户将个人偏好的信息资讯转发、分享给他人，不仅有利于用户与自己的同事、亲友建构更多的共性话题，增进相互间的交流，而且能够拓展和丰富彼此的信息世界。
        2.2; 算法推荐新闻带来的消极影响
        算法技术在实现人与信息的精准匹配、满足用户的心理需求、巩固用户自身偏好领域的知识内容的同时，难免会带来一系列消极影响。
        1）精准推送使信息窄化，用户易沦为算法技术的“附庸”。在多元化的信息世界中，算法技术通过不断追踪用户搜索轨迹，不断过滤用户不感兴趣的议题，使得新闻信息推送更加有的放矢，让用户真正做到“看我想看，听我想听”。但是，与此相伴的是用户信息接触窄化的问题。用户常年使自己的兴趣局限于特定的领域，逐渐使自身的眼光越来越狭窄，思想愈发受限，不知不觉中将自己置入了“信息茧房”，进而逐渐沦为算法技术的“附庸”。这表现在从搜索到个性化推荐，用户越发依赖算法技术的信息“喂养”，逐渐放弃对新闻的自主选择权，最后将会形成“不是用户决定自己想看什么新闻内容，而是平台替用户决定了能看到的新闻内容”的困难境地。
        2）人工把关转向算法把关，受众易接收到大量低俗新闻信息。算法推荐新闻改变了新闻内容的把关机制，人工把关让位于算法把关。算法的把关过程主要依靠机器的程序对内容进行过滤，既不能对无法量化的内容进行判断，也不能把人类的价值观念融入把关的标准中[6]。也就是说，算法的背后始终是一串冰冷的数字和代码，它不仅缺少人的情感价值判断，
还缺少新闻专业者所拥有的使命感与责任感，仅凭既定程序框架难以判定一篇新闻内容质量的好坏。并且，作为一项技术应用，算法推荐本身是中性的，但在“技术中性”的背后，却也隐藏着算法开发者的价值导向——以“流量至上”而并非以“公序良俗至上”。这体现在如今的新媒体环境中，碎片化、浅表化、娱乐化的信息成为了一些用户的突出阅读偏好。算法会基于用户的这种偏好，自动的推送那些内容浅表、耸人听闻甚至低俗的新闻信息给这些特定用户。而长期接收和阅览浅表、低俗的新闻信息，忽视内容本身的真伪和善恶，显然不利于用户的身心健康。
        3）用户个人隐私信息面临安全风险。技术的发展，使得用户在网络上可以随时随地的快速获取自己感兴趣的新闻信息，这一点正好是算法推荐新闻的优势所在。但是，孰不知这种便捷却是以用户让渡自己的某些隐私信息来换取的。算法推荐新闻，本质上是以有效掌握用户的身份特征、行为特征为运行支点。显然，这必然在一定程度上触及用户的隐私信息。在算法推荐新闻面前，用户一方面享受着快速获得新闻的便捷，另一方面又对自身隐私信息被“抓取”深感担忧。这种悖论，无疑会伴随诸多隐患。一些商家甚至还会有意地运用这种方式来大量获取用户个人信息。2012年，谷歌曾利用其技术优势，故意绕开苹果浏览器中的隐私设置，对用户的在线浏览活动进行跟踪[7]。算法技術似乎让每一个用户时刻都处于边沁所
描绘的“圆形监狱”中，只知道自己处于暴露和被监视的状态，而对自己何时被监视，甚至监视到什么程度却一无所知。在此情境下，用户似乎成了一个“透明人”，一切行为、心理、隐私都暴露得一览无余。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。