□文│姜小凌 馬佳儀

《第41次中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計報告》數(shù)據(jù)顯示，截至2017年12月，我國網(wǎng)絡(luò)新聞資訊客戶端用戶規(guī)模為6.47億，較2016年增長了5.4%。另據(jù)《2017中國移動互聯(lián)網(wǎng)行業(yè)發(fā)展報告》顯示，“一點資訊”“掌上百度”“百度新聞”“今日頭條”等新聞APP的用戶日均新聞閱讀時長分別為28.4分鐘、28.2分鐘、25.7分鐘、32.3分鐘。

依托于大數(shù)據(jù)和推薦算法技術(shù)的新聞客戶端，本身并不生產(chǎn)內(nèi)容，而是一個基于數(shù)據(jù)挖掘技術(shù)的信息分發(fā)平臺，通過對海量信息的搜索、提取、整合與定向分發(fā)，一方面使所有用戶都能實時看到當(dāng)前備受關(guān)注的熱點話題，另一方面使用戶獲得有針對性的、個性化的閱讀信息。然而，算法推薦在為用戶閱讀帶來便利的同時，也導(dǎo)致了“強制性”閱讀或綁架式閱讀問題，筆者暫且稱之為閱讀“暴力”。如信息繭房限制了閱讀視野，單一同質(zhì)的信息導(dǎo)致了閱讀疲勞，碎片化信息帶來的淺閱讀問題，以及冗雜低俗信息擠占閱讀空間導(dǎo)致閱讀品位下降的問題等?；诖耍疚臄M從接受的視角出發(fā)，以新聞客戶端為例，探討算法推薦和“個性化”閱讀的利弊，同時以豐富和提升用戶閱讀體驗為目標(biāo)，嘗試探尋規(guī)避閱讀“暴力”的可行性路徑。

一、算法推薦與用戶閱讀

新聞推薦客戶端通過海量的信息采集、深度的數(shù)據(jù)挖掘和用戶行為分析，為用戶智能地推薦和“定制”個性化信息，帶來了一種全新的新聞閱讀模式。

1.算法推薦與用戶畫像

新聞的個性化推薦是一個極為復(fù)雜的系統(tǒng)，涉及機器學(xué)習(xí)、大數(shù)據(jù)計算以及語言處理等各學(xué)科領(lǐng)域的知識。所謂的算法推薦是指通過收集用戶的行為特征來獲取用戶的行為偏好信息，建立對應(yīng)的用戶模型，進而根據(jù)這些偏好信息從網(wǎng)絡(luò)上眾多資源中找到最符合用戶偏好預(yù)期的那部分，并推薦給用戶。通過設(shè)定算法目標(biāo)進行學(xué)習(xí)，并對特定用戶計算出推薦結(jié)果。[1]在新聞資訊領(lǐng)域，“今日頭條”是第一家將算法推薦引入其中的新聞移動客戶端，它強調(diào)“用戶是信息的主人”，基于算法技術(shù)，根據(jù)網(wǎng)絡(luò)用戶特征建構(gòu)用戶畫像，即通過收集與分析用戶的社會屬性、瀏覽習(xí)慣、閱讀行為甚至性格星座等主要信息，抽象出用戶閱讀需求的共同特征，并梳理用戶的需求比重模型，為每個用戶貼上“信息標(biāo)簽”，據(jù)此搜索并推薦與用戶閱讀需求最契合的新聞信息，實現(xiàn)用戶閱讀內(nèi)容的個性化定制。

2.基于算法推薦的閱讀優(yōu)勢

“閱讀是一種重要的人類文化行為，媒介技術(shù)和設(shè)備的發(fā)展一直在影響和改變著人類的閱讀方式”，[2]信息借助新聞資訊平臺實現(xiàn)了視覺材料的網(wǎng)絡(luò)化傳播，新聞資訊客戶端也成為人們獲取信息、便捷閱讀的重要途徑?！笆褂门c滿足”理論認(rèn)為，受眾接觸和使用媒介是為了滿足認(rèn)知、情感、壓力釋放等生理和心理需求?；谒惴ㄍ扑]的新聞移動客戶端，不僅為用戶閱讀提供了許多便利，而且也帶來全新的閱讀體驗。

滿足用戶的閱讀期待。德國學(xué)者姚斯認(rèn)為，由于個人和社會的原因，接受主體（讀者）在閱讀文本前及閱讀過程中，心理上往往會產(chǎn)生一個既成的結(jié)構(gòu)圖式，這種心理圖式即“閱讀期待”，也叫“閱讀視野”。它反映了閱讀主體的認(rèn)知結(jié)構(gòu)（即讀者閱讀之前所具有的生活經(jīng)驗、文化知識、思想水平、審美能力等）和閱讀需求（即讀者閱讀時的動機、目標(biāo)、問題、興趣等）。任何讀者都是懷著自己的認(rèn)知圖式、帶著自己的閱讀目標(biāo)去閱讀的?！伴喿x期待”是閱讀的心理動力，支配著閱讀活動的全過程。閱讀文本常常通過制造懸念、創(chuàng)設(shè)情境激起人們的內(nèi)心體驗和探究欲望，以不斷地激發(fā)人們的閱讀期待。新聞客戶端充分發(fā)揮算法推薦的優(yōu)勢，以用戶的內(nèi)容喜好、求知側(cè)重為標(biāo)準(zhǔn)分析其閱讀行為，不僅在“熱點”“推薦”板塊實施精準(zhǔn)推送，更把符合用戶閱讀習(xí)慣的內(nèi)容用吸睛的標(biāo)題予以凸顯，以最大限度地激發(fā)人們的探究欲，滿足人們的閱讀需求和心理期待。

提高用戶的閱讀效率。閱讀效率是指人們在閱讀信息時的效率，與單位時間閱讀量成正比。一方面，算法推薦以符合用戶的閱讀習(xí)慣為推送指標(biāo)，通過用戶的閱讀點擊記錄，擇取用戶喜好的內(nèi)容關(guān)鍵詞，為推送與之關(guān)聯(lián)或同類的信息提供依據(jù)。因此，算法推薦節(jié)約了用戶篩選閱讀內(nèi)容的時間，相對增加了用戶單位時間的閱讀量。另一方面，就用戶的閱讀實踐或閱讀行為而言，碎片化的閱讀時間決定了微視頻新聞和短平快消息是推薦內(nèi)容的首選。如“今日頭條”專門設(shè)置了“圖片”“視頻”和“微頭條”板塊，使用戶根據(jù)個人喜好與現(xiàn)實條件便捷選擇適宜的閱讀板塊，較之于網(wǎng)絡(luò)搜索引擎功能，個性化算法推薦更節(jié)約時間，閱讀效率更高。

強化用戶的閱讀興趣。新聞客戶端一方面通過頻道定制來穩(wěn)定用戶的閱讀興趣，用戶有選擇地訂閱對應(yīng)的內(nèi)容頻道，完成定制推送；另一方面通過個性分析和定時推薦保持閱讀興趣。平臺系統(tǒng)通過快速抓取用戶注冊時綁定的社交平臺如微信微博、QQ等信息，獲取用戶的基本數(shù)據(jù)，并據(jù)此推薦用戶感興趣的內(nèi)容。如果用戶沒有可以借鑒的社交信息，APP往往會通過“實驗”來了解用戶的閱讀興趣，用戶在下拉刷新中隨機推薦一些熱門文章，只要用戶進行了閱讀性操作，如點擊、評論、點贊等行為，系統(tǒng)會在10秒鐘內(nèi)對用戶的閱讀需求和興趣偏好做出判斷，隨后的下拉刷新會相應(yīng)出現(xiàn)變化了的推薦內(nèi)容，系統(tǒng)就是通過這種持續(xù)的測試與推薦，不斷接近用戶的閱讀興趣，最終穩(wěn)定和保持其閱讀興趣。

二、基于算法技術(shù)的“暴力”推薦閱讀

算法推薦的“精準(zhǔn)定位”和“個性化”推薦在為人們提供閱讀便利的同時，其機械性和“強制性”在很大程度上也綁架、限制了用戶閱讀選擇的自由，產(chǎn)生諸如視野窄化、閱讀疲勞以及淺閱讀等問題。

1.信息繭房導(dǎo)致視野窄化

基于算法推薦技術(shù)，新聞推薦客戶端根據(jù)用戶的閱讀習(xí)慣和興趣指向，為其“量身定制”個性化信息，看似很有人情味，實則限制了用戶的閱讀視野。“一旦讓它知道你喜歡什么，你的世界就只剩下什么”是對算法推送的形象概括?！坝捎谕扑]算法總是集中在‘那么一個用戶畫像’和‘那么一個興趣群體’來相互推薦，其潛移默化之中對個人視野會造成很大的限制”。[3]推薦算法還使用戶習(xí)慣性地被個人興趣所引導(dǎo)，在一次又一次閱讀興趣領(lǐng)域的信息后，不斷地在個體與整個世界之間筑起一座高墻，“久而久之，會將自身桎梏于像蠶繭一般的‘繭房’中”，[4]造成了所謂的信息繭房（Information cocoons）和娛樂至死問題。在這樣一個封閉的“繭房”中，用戶習(xí)慣于被推送，其閱讀選擇的主體意識逐漸式微，導(dǎo)致閱讀視野的日益窄化，淪為所謂的“容器人”。不僅如此，當(dāng)個人的閱讀內(nèi)容長期被禁錮于自我建構(gòu)的話題或觀點中，閱讀主體還很容易形成思維定式甚至認(rèn)知偏執(zhí)。

2.信息單一同質(zhì)導(dǎo)致閱讀疲勞

作為信息整合和分發(fā)平臺，新聞客戶端的內(nèi)容推薦常常通過轉(zhuǎn)載甚至“洗稿”的方式實現(xiàn)，缺乏原創(chuàng)性，信息同質(zhì)化比較嚴(yán)重；同時它依托算法技術(shù)，由用戶的瀏覽行為記錄其閱讀興趣，從而持續(xù)推送相似或相關(guān)的內(nèi)容，導(dǎo)致信息的單一性?，F(xiàn)實中用戶的閱讀需求往往是不固定的和多元化的，因此，單一、同質(zhì)的信息很容易讓用戶產(chǎn)生“膩味”感，導(dǎo)致閱讀疲勞。以王寶強離婚案為例，一次偶然的點擊閱讀行為，隨之被推送的新聞信息幾乎全是關(guān)于王寶強、馬蓉婚姻的“內(nèi)幕”“大反轉(zhuǎn)”以及其他明星愛情婚姻、奢靡消費的娛樂八卦軟文。閱讀是不斷求新和求知的過程，它要求閱讀內(nèi)容的新鮮性和豐富性，單一同質(zhì)的推薦信息無疑與人們的閱讀期待背道而馳，必然會逐漸銷蝕人們的閱讀興趣，產(chǎn)生乏味感和疲勞感。

3.信息碎片化導(dǎo)致淺閱讀

作為新聞移動客戶端的信息大部分是為了適應(yīng)手機用戶的碎片化時間而予以篩選和推薦，其中以快餐式信息居多，淺顯、短小和吸睛成為這類信息的主要特征。碎片化閱讀雖然充分地利用了用戶的閱讀時間，但是也擠占了用戶深度閱讀的時間。同時，非連貫性的快餐式閱讀易使人產(chǎn)生一種惰性依賴癥和認(rèn)知性錯誤。前者表現(xiàn)為習(xí)慣于通過點擊、轉(zhuǎn)發(fā)、收藏或點贊等簡單行為來獲取知識碎片、表達個人態(tài)度，難以形成深度的、理性的甚至批判性的知識體系。閱讀中的思想惰性令人擔(dān)憂：它不僅影響到閱讀主體思想的豐盈程度和對信息的準(zhǔn)確把握，還影響著科學(xué)閱讀態(tài)度的養(yǎng)成和整個電子閱讀的環(huán)境生態(tài)。后者表現(xiàn)為用戶常常以為“接觸”即“了解”，甚至僅滿足于標(biāo)題瀏覽，很少耐心看完全文，把標(biāo)題信息當(dāng)成事實真相，并可能不斷轉(zhuǎn)發(fā)、以訛傳訛，進一步惡化了網(wǎng)絡(luò)新聞生態(tài)。此外，為了增加用戶及流量，新聞客戶端往往通過“標(biāo)題黨”誘導(dǎo)受眾閱讀相關(guān)內(nèi)容，通過“個性化”推薦讓用戶長期浸潤于低俗標(biāo)題之中，降低甚至喪失了對標(biāo)題優(yōu)劣和新聞?wù)鎸嵭缘呐袛嗄芰?。尤其是?dāng)用戶反復(fù)踏進文題不符的“標(biāo)題黨”陷阱之后，會逐漸喪失對媒體的信任，理性的用戶可能會就此卸載新聞APP。

三、算法推薦語境下“暴力”閱讀的規(guī)避路徑

解決當(dāng)前算法推薦帶來的閱讀缺陷和“暴力”問題，至少需要從兩個方面著手：一是用戶要充分發(fā)揮能動性，變被動接受為主動出擊，提升個人閱讀素養(yǎng)；二是優(yōu)化新聞APP技術(shù)平臺，全面、動態(tài)化管理用戶數(shù)據(jù)，實現(xiàn)真正的智能化和人性化推薦。

1.發(fā)揮能動性，提升個人閱讀素養(yǎng)

“閱讀素養(yǎng)是指閱讀者為積極適應(yīng)時代和社會發(fā)展需要而所具備的閱讀方面的知識、能力和文化修養(yǎng)”，[5]“包括讀者面對閱讀信息時的選擇能力、理解能力、質(zhì)疑能力、評估能力、創(chuàng)造和生產(chǎn)能力以及思辨的反應(yīng)能力”。[6]

首先是提升個人的信息辨識力。海量的網(wǎng)絡(luò)信息猶如超市貨架上的商品，既琳瑯滿目，也魚龍混雜。一些低俗虛假內(nèi)容在個性化推薦系統(tǒng)的裹挾下紛紛擠到用戶面前。用戶需要根據(jù)已有的經(jīng)驗對信息進行判斷甄別和選擇接收，并自覺隔離和屏蔽淺俗偽劣的信息。尤其是在“人人都是麥克風(fēng)”的網(wǎng)絡(luò)時代，這種理性的甄別判斷能力和自我管控能力更為重要。

其次是拓寬個人的閱讀視野。用戶要清晰認(rèn)識到算法推薦的弊端，在瀏覽和閱讀信息過程中，有意識地控制接觸和選擇多元信息的頻率，主動引導(dǎo)機器跟蹤識別自己的多元需求，并推薦相對豐富的信息，以避免被單一信息綁架而“作繭自縛”，盡量規(guī)避算法推薦帶來的閱讀暴力。

最后要培養(yǎng)深度閱讀的習(xí)慣。閱讀的首要作用在于開卷有益和修身養(yǎng)性，能否實現(xiàn)這一點，關(guān)鍵在于閱讀中是否進行了思考。對于一個有深度閱讀習(xí)慣的用戶而言，即便接觸的是碎片化信息，也會對之進行理性思考，或甄別真?zhèn)?，或觸發(fā)聯(lián)想，或增加新知，或頤養(yǎng)性情。相較于淺閱讀，深度閱讀是一種更有價值的閱讀，“它包含著閱讀、實踐、印證、反省這樣一個復(fù)雜的過程。一個人在閱讀中只有不斷地探索、思考，不斷地反求諸己，才能逼近事物的本質(zhì)，才能逐漸培養(yǎng)和增強判斷是非和獨立思考的能力，從中獲得樂趣、責(zé)任與力量，也才能最終形成自己的人生哲學(xué)基礎(chǔ)”，[7]擺脫閱讀的惰性依賴癥，真正實現(xiàn)開卷有益。

2.優(yōu)化算法推薦的技術(shù)平臺

網(wǎng)絡(luò)媒體既是推薦算法最重要的應(yīng)用客戶，也是用戶閱讀內(nèi)容的提供者，因此，優(yōu)化和完善推薦算法的技術(shù)平臺，是保證用戶閱讀質(zhì)量和閱讀效果的關(guān)鍵。

機器計算與人工審核相結(jié)合，加強閱讀內(nèi)容的把關(guān)過濾。面對海量的網(wǎng)絡(luò)信息傳播，人工把關(guān)已無法適應(yīng)。在智能推薦場域下，“基于機器算法的新聞生產(chǎn)中把關(guān)人角色發(fā)生變化：把關(guān)者由‘人’向‘機器’側(cè)重”，“其結(jié)果是傳統(tǒng)把關(guān)權(quán)威性與專業(yè)性的消解”。[8]雖然“機器把關(guān)”效率更高，但機器只能通過學(xué)習(xí)關(guān)鍵詞、標(biāo)簽等表層信息對推薦內(nèi)容進行簡單分類，其本身并不具備行業(yè)的敏感度與專業(yè)的價值判斷力，不能對信息的內(nèi)容質(zhì)量尤其是價值觀進行辨識和判斷，傳統(tǒng)意義上的“把關(guān)”環(huán)節(jié)在機器學(xué)習(xí)這里弱化了許多。由此，“應(yīng)當(dāng)加強內(nèi)容的審核，可以針對性地開發(fā)一套機器學(xué)習(xí)系統(tǒng)，根據(jù)文本關(guān)鍵詞特征，識別低俗內(nèi)容，并以人工審核作為輔助，把住內(nèi)容的底線”。[9]令人欣慰的是，經(jīng)歷了多次的“責(zé)令”和“責(zé)罰”后，“今日頭條”等新聞客戶端已經(jīng)注意引入人工審核，對內(nèi)容的專業(yè)性、權(quán)威性和可信度等進行鑒定和把關(guān)，以遏制低俗內(nèi)容的蔓延。此外，為了提升用戶接觸優(yōu)質(zhì)信息的幾率，在技術(shù)上要扶持優(yōu)質(zhì)原創(chuàng)內(nèi)容，可以考慮給予優(yōu)質(zhì)內(nèi)容生產(chǎn)者所發(fā)布的文章和視頻更高的推薦權(quán)重，使其更容易被用戶接觸到，以此強化優(yōu)質(zhì)信息對用戶的影響力。

“智能化”與“人性化”相結(jié)合，實現(xiàn)閱讀推薦的分級分層和動態(tài)管理。算法推薦內(nèi)容終歸是機器技術(shù)的產(chǎn)物，而人們的閱讀需求并不像機器一樣機械循環(huán)。“算法不可能對用戶的每次行為做精準(zhǔn)識別，也不能很好地理解用戶對不同信息的需求比例”。[10]“智能化”推薦只能簡單地判斷出用戶興趣愛好的大致方向或者領(lǐng)域，卻無法對用戶的閱讀興趣進行分級，對閱讀內(nèi)容進行分層，以精準(zhǔn)匹配用戶的閱讀需求。因此，加強機器學(xué)習(xí)的技術(shù)升級，實現(xiàn)真正的人性化推薦，才能從根本上解決閱讀中的“暴力”問題。

對于移動新聞APP而言，人性化推薦即立足于適應(yīng)用戶多元化、多層次甚至多變性的閱讀需求，進行開放性和動態(tài)化推薦，以規(guī)避算法推薦帶來的閱讀缺陷。從具體操作層面上講，一方面要升級推薦算法，進行開放式推薦。通過定期提供用戶“非計劃”的信息，準(zhǔn)確預(yù)測出用戶的行為趨勢，幫助用戶發(fā)現(xiàn)還未了解、但可能感興趣的內(nèi)容，拓寬用戶的關(guān)注領(lǐng)域，避免單一內(nèi)容的強制性推薦。另一方面是對用戶畫像進行動態(tài)管理。通過定期推送不同類別和層次的信息，動態(tài)測試用戶閱讀需求的變化，實時跟蹤了解用戶的興趣變化，調(diào)整畫像標(biāo)簽的內(nèi)容和權(quán)重，并更新推薦內(nèi)容。

綜上，算法推薦的確高效地實現(xiàn)了私人訂制，但同時也帶來了諸如視野窄化、認(rèn)知偏見、閱讀疲勞和淺俗閱讀等問題?！皞€性化或是未來傳媒的趨勢，但技術(shù)賦權(quán)不應(yīng)該讓受眾變成高高在上的‘上帝’，一味追求‘高點擊’的機器也不應(yīng)該將受眾異化為無價值追求的‘接收器’，受眾需要定制化的信息，也需要有溫度的思想”。[11]只有將人工智能與人性化推薦結(jié)合起來，才能減少機器推薦的閱讀缺陷，規(guī)避算法技術(shù)帶來的閱讀“暴力”問題，真正實現(xiàn)推薦閱讀的意義和價值。

注釋：

[1]魯為.協(xié)作過濾算法及其在個性化推薦系統(tǒng)中的應(yīng)用[D].北京：北京郵電大學(xué)，2007

[2]張浩.電子閱讀方式分類研究[J].中國電化教育，2011（9）

[3][9]匡文波.新聞推薦算法：問題及優(yōu)化策略[J].新聞與寫作，2018（4）

[4]陳佳茹.今日頭條客戶端的“信息繭房”傳播效應(yīng)影響[J].新媒體研究，2018(3)

[5]張玉瑋.基于個人信息世界理論的大學(xué)生閱讀素養(yǎng)研究[J].情報資料工作，2015(11)

[6]周慧虹.擺脫“微閱讀”后遺癥[N].文學(xué)報，2013-07-04

[7]楊晨，張家武.淺閱讀時代的深度選擇[J].大學(xué)圖書情報學(xué)刊，2011（2）

[8][11]劉思文.基于機器算法的新“新聞生產(chǎn)”與把關(guān)人理論探索——以“今日頭條”為案例[D].武漢：湖北大學(xué)，2017

[10]翟文婷.今日頭條的困惑[J].中國企業(yè)家，2018（1）