盧琳

【摘 要】隨著傳播技術(shù)的變革、社會節(jié)奏的加快，海量的信息遠遠超過了個人的承載能力。在內(nèi)容生產(chǎn)和分發(fā)愈加便利的時代，以算法技術(shù)為支撐的網(wǎng)絡(luò)信息平臺，在迎合受眾豐富需求的同時，也遇到了一些新的問題，包括：作者與粉絲黏性的降低以及由此產(chǎn)生的“信息繭房”效應(yīng)。對此，我們應(yīng)學會借鑒國外算法平臺的成功經(jīng)驗，分別對平臺、算法以及創(chuàng)作者提出相應(yīng)的建議。

【關(guān)鍵詞】今日頭條? ?算法推薦? ?內(nèi)容生產(chǎn)? ?挑戰(zhàn)? ?對策

美國學者桑斯坦在《網(wǎng)絡(luò)共和國》中提出了“個人日報”的設(shè)想，在互聯(lián)網(wǎng)時代，隨著傳播技術(shù)的變革和信息過載現(xiàn)象的出現(xiàn)，人們能夠自行選擇關(guān)注的信息，也就是說，受眾完全可以根據(jù)自己的興趣去制作一份屬于自己的日報和雜志。而如今，“今日頭條”早已將這一預(yù)想變?yōu)榱爽F(xiàn)實。

一、今日頭條與算法推薦

“今日頭條”于2012年3月創(chuàng)建，是北京字節(jié)跳動科技有限公司開發(fā)的一款推薦引擎產(chǎn)品，以“你關(guān)心的就是頭條”為宗旨，利用數(shù)據(jù)搜集、機器學習、推薦引擎等前沿技術(shù)，旨在精準地為用戶推薦信息。而基于追蹤用戶“閱讀行為”的推薦算法是“今日頭條”的產(chǎn)品靈魂。

算法推薦技術(shù)是建立在數(shù)據(jù)（Online/Digital Data）和計算方法（Computational Methods）之上的。算法的目標數(shù)據(jù)可以分為兩類：一為在線數(shù)據(jù)，包括訪問記錄、用戶之間建立的關(guān)系、物聯(lián)網(wǎng)等;另一類為線下數(shù)據(jù)，包括性別、年齡、興趣愛好、地理位置等。它通過大規(guī)模地收集人類傳播行為數(shù)據(jù)，利用數(shù)據(jù)建模等方式挖掘其背后的模式和法則，形成特定的推薦模型，廣泛地應(yīng)用于數(shù)據(jù)新聞和計算廣告等場景，具體可分為社會化推薦、內(nèi)容推薦和協(xié)同過濾的推薦。

二、算法推薦對內(nèi)容生產(chǎn)的挑戰(zhàn)

算法推薦技術(shù)的出現(xiàn)，無疑是一種先進生產(chǎn)力的代表，但是在方便內(nèi)容生產(chǎn)的過程中，又在某種程度上對其構(gòu)成挑戰(zhàn)。

1.內(nèi)容生產(chǎn)中新聞專業(yè)主義的偏離。在新媒體時代，新聞專業(yè)主義一直是所有媒體追求的一種最高理念。算法技術(shù)的出現(xiàn)正在扭曲媒體的價值取向，甚至對新聞專業(yè)主義造成消解與重構(gòu)。德國學者馬克思·韋伯的“理性二分法”將理性分成價值理性和工具理性兩個維度。算法推薦雖然可以將點擊率、閱讀量和互動行為轉(zhuǎn)化為量化的指標，但是始終缺少人的感情。由于算法推薦協(xié)同過濾技術(shù)的不成熟，且更加偏向?qū)⒂脩羲械男袨閿?shù)據(jù)量化處理，認為熱門內(nèi)容是大家普遍關(guān)心的，并且把點擊量、播放量和停留時長作為判斷用戶興趣的依據(jù)。此外，算法推薦的技術(shù)原理是以“受眾”為中心，它會根據(jù)受眾的興趣，去推薦受眾喜歡看的東西，但是它卻忽視了人性的弱點和行為的偶然性。

2.創(chuàng)作者和粉絲黏性降低。在碎片化時代，一方面人們很少花大量時間去了解內(nèi)容;另一方面，有的創(chuàng)作者利用標題黨、抄襲等手段博人眼球，更引起了受眾的反感，這就導致創(chuàng)作者與受眾的分離。算法推薦機制帶來的副作用是，在龐大的信息流中，作者和粉絲的黏性降低。這就會出現(xiàn)一篇文章點擊量很高，而另一篇文章卻無人問津的情況，使創(chuàng)作者很難用持續(xù)的話題去吸引受眾，難以打造自己的品牌。

3.“繭房效應(yīng)”導致信息隔離。美國學者桑斯坦最早在《信息烏托邦》一書中提出“信息繭房”這一概念，他認為，“在互聯(lián)網(wǎng)傳播中，因公眾自身的信息需求并非全方位，公眾只注意自己選擇的東西和使自己愉悅的通信領(lǐng)域，久而久之，會將自身桎梏于像蠶繭一般的繭房中”。

根據(jù)傳播學四大奠基人之一的拉扎斯菲爾德“選擇性接觸假說”，受眾在大眾傳播過程中，更傾向于選擇接觸那些與自己原有的立場和態(tài)度一致或類似的媒介內(nèi)容，對與此對立或沖突的內(nèi)容有一種回避的傾向。算法推薦技術(shù)正是契合了受眾的這種心理，另一方面卻導致“繭房效應(yīng)”。

三、建議及對策

對算法推薦技術(shù)的成功應(yīng)用，在國外早有先例。根據(jù)美國社交媒體平臺新聞使用報告的數(shù)據(jù)顯示，美國三分之二的成年人通過社交媒體來獲取新聞，其中影響最大也最具有代表性的社交平臺分別是Facebook、Twitter和YouTube。

1.精確算法原理，實現(xiàn)人機合作。事實上，機器不能代替人腦，目前的算法推薦還不能從本質(zhì)上分清內(nèi)容的價值好壞，而只能從外部數(shù)據(jù)來評價文章的質(zhì)量。雖然看似Facebook和YouTobe是基于算法把關(guān)，但是其內(nèi)部也有上百人的“編輯”團隊，幫助優(yōu)質(zhì)內(nèi)容的精準推送。機器不等于人，我國算法平臺應(yīng)建立線下微信群與內(nèi)容創(chuàng)作者進行互動，協(xié)助內(nèi)容的審核與分發(fā);對于健康類和股市類等關(guān)乎人們切身利益的資訊，人工編輯要對作者進行資格審核，使創(chuàng)作者做到權(quán)責相當。

2.培養(yǎng)原創(chuàng)內(nèi)容，吸引粉絲關(guān)注。無論是短視頻網(wǎng)站YouTobe還是社交網(wǎng)站Facebook，都是構(gòu)建在UGC和PGC內(nèi)容之上的，依靠用戶上傳視頻、圖文來獲得收益。我國基于算法推薦的媒體也應(yīng)借鑒YouTobe的做法，和優(yōu)質(zhì)的博主進行合作，為其開辟專門的欄目，定時定點為用戶推送，這樣一來，一方面，博主作為意見領(lǐng)袖，擁有一定的影響力，可以為平臺引流;另一方面，也為平臺帶來了新的高質(zhì)量內(nèi)容，彌補了低質(zhì)內(nèi)容的短板。

3.推薦多元化內(nèi)容，提高新聞價值觀。平臺應(yīng)完善“熱點”推送頻道，將每天社會上發(fā)生的熱點事件以最全面的方式推送到受眾面前。此外，平臺應(yīng)利用自己的“搜索頻道”將用戶鍵入的信息，進行全平臺比對，將圖文、視頻、問答以最全面的方式呈現(xiàn)出來，滿足用戶瀏覽信息的最初目的。

四、結(jié)論

總而言之，“今日頭條”的算法推薦技術(shù)的確是一種進步的生產(chǎn)力，通過不同技術(shù)的組合，算法代替人來執(zhí)行把關(guān)操作，雖然節(jié)省了人力，且推薦的內(nèi)容深受用戶喜愛，但算法把關(guān)的實現(xiàn)，也可能帶來問題。內(nèi)容生產(chǎn)中新聞專業(yè)主義的偏離、創(chuàng)作者與粉絲黏性的降低、“繭房效應(yīng)”導致受眾與外界信息隔離，都將制約其自身發(fā)展，并可能對整個信息環(huán)境帶來不良影響。如何解決這些問題，是否要對算法技術(shù)進行新一輪的完善？是否將機器與編輯相結(jié)合才是更好的模式？這些問題值得我們深思。

（作者單位：山西大學新聞學院）

【參考文獻】

[1]陳昌鳳，石澤.技術(shù)與價值的理性交往：人工智能時代信息傳播——算法推薦中工具理性與價值理性的思考[J].新聞戰(zhàn)線.2017（17）：71-74;[2]吳衛(wèi)華.算法推薦在公共傳播中的理性問題[J].新聞戰(zhàn)線.2017（2）：120-121.