丁睿豪 夏德元

【摘要】推薦算法已經滲入信息生產的各環(huán)節(jié)，它帶來的技術、社會和倫理等問題成為學界關注的焦點。運用Citespace分析軟件對2010—2019年國內新聞傳播學領域個性化算法推薦共453篇文獻進行科學知識圖譜分析后發(fā)現，學界有關算法推薦問題的研究成果呈逐年上升趨勢，并隨著運用算法推薦的新聞分發(fā)平臺的崛起而出現爆發(fā)式增長;研究熱點相對集中于對算法推薦技術的思考、現象的探討以及對挑戰(zhàn)和機遇的分析。如何在技術的發(fā)展中把握主動，進行富有前瞻性的學術研究，則成為學界未來需要努力的方向。

【關鍵詞】算法;個性化推薦;新聞分發(fā)平臺;科學知識圖譜;Citespace

傳統(tǒng)媒體時代，專業(yè)新聞媒體把握了從新聞內容制作到分發(fā)的絕大部分權力，受眾只能被動接收來自專業(yè)媒體的新聞內容，主動權有限。而到了智能媒體時代，伴隨著網絡傳播技術的飛速發(fā)展而催生出的“Apple News”“今日頭條”等新聞分發(fā)平臺通過個性化推薦算法掌握用戶的興趣取向，向用戶推薦內容，不僅打破了傳統(tǒng)媒體時代受眾的被動局面，同時迅速占據了原本由傳統(tǒng)媒體所掌握的新聞傳播市場，帶給整個新聞傳播業(yè)前所未有的巨變。[1]然而，個性化推薦算法的廣泛應用也帶來了各種弊端和社會問題，相關學者從不同角度形成了問題意識和學科關懷，取得了豐碩的研究成果。通過對這些研究成果進行梳理和總結，揭示當前傳播學領域關于算法推薦問題研究的客觀現狀，對后續(xù)研究具有一定的借鑒意義。為此，本文以453篇CSSCI期刊論文為依托，利用Citespace軟件對算法推薦研究現狀進行解讀，并結合關鍵文獻的重點分析，梳理出新聞傳播學領域算法推薦的研究脈絡和熱點，為學者提供預測性的經驗參考。

一、研究方法與數據處理

本文采用了由美國華裔學者陳超美應用Java語言開發(fā)的信息可視化分析軟件Citespace，其主要基于共引分析理論（co-ciation）和尋徑網絡算法（Pathfinder）等，對特定領域文獻（集合）進行計量，以探尋出學科領域演化的關鍵路徑及其知識拐點，并通過一系列可視化圖譜的繪制來形成對學科演化潛在動力機制的分析和學科發(fā)展前沿的探測。[2]本研究主要采用Citespace軟件中提供的作者和機構共現、關鍵詞共現和聚類、參考文獻共被引等分析方法，并通過可視化知識圖譜，直觀地呈現出算法推薦研究領域的知識結構、熱點領域以及演進趨勢。

為確保數據的權威性，本文選擇中國知網數據庫中的CSSCI期刊作為研究的數據來源。以“新聞”“出版”“傳播”等作為主題詞，輔以“智能”“算法”“推薦”“推送”“個性化”“精準”等關鍵詞進行檢索，去除明顯與本研究不符的文獻（如書目推薦、資訊、算法設計、系統(tǒng)實現、榜單等），最終共獲取453篇文獻。

二、描述性統(tǒng)計分析

2010年至2019年，學界有關算法推薦的研究成果呈逐年上升的趨勢。根據圖1可將其分為兩個階段：第一個階段為2010年至2015年，這一階段中對算法推薦問題研究成果的發(fā)表數量共47篇，占研究樣本總量的10.4%。這一時期的國內個性化推薦技術尚處于發(fā)展的初期階段，尚未進入大規(guī)模應用時期，學界對于算法推薦領域還未給予足夠的關注。第二階段為2016年至2019年，這一階段對算法推薦問題研究成果的發(fā)表數量共406篇，占研究樣本總量的89.6%。這一時期中，算法推薦技術進入實用階段，國內“今日頭條”“一點資訊”等代表性的新聞分發(fā)平臺崛起，這些平臺都以算法推薦技術為核心并進入了高速發(fā)展期，改變了人們傳統(tǒng)的新聞閱讀方式并對傳統(tǒng)媒體造成了巨大沖擊。這一前所未有的信息分發(fā)方式直接挑戰(zhàn)了傳統(tǒng)的人工編輯機制，成為巨大的社會公共話題，并投射到學界。高速增長的研究成果數量，體現了學界對于這一研究領域的高度關注?？傮w而言，傳播學視角下對于算法推薦問題的研究成果數量與計算機技術及市場發(fā)展具有密切關聯(lián)。

三、核心作者分布

厘清學科領域的作者分布有助于把握該領域研究的廣度與深度。利用Citespace軟件對作者進行共現分析，得到核心作者合作共現網絡圖譜。其中，Nodes（節(jié)點）數量為213，Links（連線）數量為93，Density（密度）數量為0.0041。根據以上數據可知，算法推薦領域研究的作者之間合作程度較低，研究合作團隊規(guī)模較小。圖譜數據顯示，除陳昌鳳分別與師文、霍婕合作發(fā)文4篇和3篇文獻以外，其余作者間基本僅合作發(fā)表過1至2篇文獻，未形成真正意義上的合作團隊。此外，在Citespace隨圖譜生成的Summary Table中，共顯示213位作者，其中2010—2019年之間發(fā)文量在3篇及以上的作者為陳昌鳳、張志安、喻國明、彭蘭、師文、范紅霞、匡文波、霍婕、王茜、全燕、王斌、嚴三九，共12位，僅占作者總人數的5.6%，且只有3位作者發(fā)文量在10篇以上。由此可見，學界關于推薦算法領域的研究較為廣泛，但作者較為分散，且高產作者較少，反映出學界對于這一領域的研究尚不集中，且深度不夠。

該研究領域內作者文章的被引數量也是衡量核心作者的重要指標，對篩選出的文獻按照被引次數進行整理，在被引次數最高的前20篇文獻中，彭蘭的6篇文獻共被引969次，喻國明的3篇文獻共被引389次，表明這兩位學者的學術影響力較大。精讀這些高被引文獻后發(fā)現，這些作者的文章主要對于新聞分發(fā)平臺的發(fā)展現狀、算法推薦的運作模式、應用方式及其機遇和挑戰(zhàn)等問題進行了深入的討論，這些討論不僅描繪了該領域研究的大致輪廓，更為后來的深入研究奠定了扎實基礎。

四、研究熱點領域分布

（一）主題詞及關鍵詞的共現圖譜分析

利用Citespace得出10年間算法推薦研究的高頻和高中心性關鍵詞，生成2010—2019年算法推薦領域研究主題詞、關鍵詞共現圖譜（見圖2），共生成286個節(jié)點，446個連線，密度為0.0109。在該圖譜中，不同節(jié)點的大小代表其出現的頻次，頻次越多則越大，反之則越小;節(jié)點之間的連線表示彼此之間共現的強度;0.0109的密度代表推薦算法研究領域中節(jié)點之間的關系比較松散。此外，圖譜中部分節(jié)點的輪廓呈紫色，表明這些主題具有較高的中心性，與其他節(jié)點之間存在較為緊密的聯(lián)系，也是連接不同研究領域的關鍵節(jié)點。[3]

Citespace軟件在生成圖2的過程中也會計算每個關鍵詞的頻度和中介中心性，其中以頻度為序由高到低排名前十的關鍵詞及其中介中心性分別是：人工智能（0.24）、算法（0.14）、大數據（0.28）、個性化推薦（0.26）、算法推薦（0.19）、信息繭房（0.16）、新聞生產（0.07）、算法新聞（0.02）、今日頭條（0.05）、新聞業(yè)（0.07）。

Citespace聚類分析結果中，Modularity值為0.784，Silhouette值為0.8958。這表明文本聚類效果較好（見圖3）。其中聚類標識詞及其輪廓值按照節(jié)點數由高到低排序分別為：抖音（0.869）、個性化推薦（0.994）、大數據（0.771）、個性化信息推薦（0.926）、新聞傳播（0.856）、個性化（0.925）、內容分發(fā)（0.919）、人工智能（0.851）、新聞客戶端（0.929）、新聞分發(fā)（0.851）、算法（0.967）、算法推薦（0.912）。

再根據高頻及高中心性關鍵詞與合并后的聚類標識詞進行聯(lián)系歸納，總結出算法推薦領域的三個主要知識群及其高頻關鍵詞：算法推薦的應用研究（個性化推薦、算法、大數據、人工智能、新聞客戶端、微博、抖音、今日頭條、協(xié)同過濾、內容分發(fā)、人機社交等），算法推薦的傳播效果研究（信息繭房、過濾氣泡、回音室、算法權力、權力轉移、權力結構、新守門人、編輯缺位、社會化標簽、信息過載等）和算法推薦的傳播倫理研究（媒介倫理、新聞從業(yè)者、算法倫理、工具理性、價值理性、倫理失范、新聞專業(yè)主義、黑箱、主流價值觀、算法偏見、公共性、協(xié)同治理等）。

（二）主要研究熱點知識群的內容討論

1.算法推薦的應用研究

從圖譜中“人工智能”“算法”的節(jié)點大小可以看出，智能和算法成為算法推薦研究領域中最重要的組成部分。將節(jié)點較大的“人工智能”“算法”“個性化推薦”等節(jié)點中的核心文獻進行研讀后，發(fā)現“算法推薦的應用研究”中主要呈現以下重點。

首先是個性化推薦的技術研究方面，主要由“算法”“大數據”“人工智能”“協(xié)同過濾”“推薦機制”等關鍵詞構成。在媒體智能化已經在內容生產、內容分發(fā)、內容監(jiān)管、媒體運營各環(huán)節(jié)中廣泛應用的背景下[4]，個性化推薦機制的本質是以大數據與算法為依托，對用戶行為進行長期的系統(tǒng)跟蹤與分析，從而掌握用戶的內容偏好，為用戶提供特定場景下最優(yōu)化的信息需求供給匹配。[5]個性化推薦算法主要由用戶個性化信息管理、用戶興趣權重庫管理和個性化推薦三大功能模塊構成，其技術實現則主要側重用戶隱性興趣的獲取、興趣權重的計算和用戶的相似性計算三個方面。[6]

其次是個性化推薦平臺發(fā)展與運作的研究方面，由“新媒體”“新聞客戶端”“微博”“抖音”“今日頭條”“新聞聚合”等關鍵詞構成。近年來以個性化推薦算法為核心的新聞分發(fā)平臺高速發(fā)展，成為廣大用戶獲取新聞信息的重要渠道。“今日頭條”作為占據我國移動互聯(lián)網主導地位的新聞分發(fā)平臺之一，是個性化新聞推薦系統(tǒng)應用的典型代表。截至2019年6月，“今日頭條”月均活躍用戶規(guī)模達2.6億，日均活躍用戶規(guī)模達1.2億。從宏觀視角來看，個性化推薦技術滿足了用戶的“長尾”需求、強化了新聞分發(fā)平臺的內容分發(fā)能力、提升了用戶信息選擇的地位，對新聞業(yè)務鏈進行了重塑。[7]“Buzzfeed”“今日頭條”“一點資訊”等新聞分發(fā)平臺，在憑借個性化推送獲得了遠超普通新聞客戶端的用戶總數和使用時長的同時，其算法也促進了新聞生產流程的自動化，以及受眾內容消費方式的個人化和定制化。[8]此外，個性化推薦技術還具有改變用戶傳統(tǒng)行為模式、實現內容精準分發(fā)、新聞生產場域擴張等重要意義。[9]除了新聞分發(fā)平臺以外，“抖音”這一以個性化算法為核心的短視頻平臺也引發(fā)了學界的熱烈討論，有學者從傳播學角度解構抖音特征，認為個性化推薦算法在向用戶推送內容的同時，也引發(fā)了用戶共鳴，促進用戶模仿創(chuàng)作更多視頻，進而提升用戶黏度;[10]而從互動儀式鏈的角度出發(fā)，個性化推薦還可以快速聚合符號資本與情感能量，滿足用戶的情感需求，算法由此成為平臺市場的核心運行機制。[11]然而，推薦算法在現實使用中還存在與用戶預期效果之間的差異，主要體現在個性化推薦與用戶需求的矛盾以及個性化推薦與人性化傳播的矛盾。[12]

2.算法推薦的傳播效果研究

將圖譜中“過濾氣泡”“信息繭房”“算法權力”“權力結構”“守門人”“主流意識形態(tài)”“推薦機制”“信息過載”等節(jié)點中的核心文獻進行研讀后，發(fā)現學界對算法推薦的傳播效果研究主要關注以下幾個方面。

首先是關于算法推薦應用環(huán)境下所產生的如信息繭房、過濾氣泡、回音室、群體極化等信息窄化效果及其治理的研究。個性化推薦算法雖然為用戶帶來了便利，滿足了用戶的個性化信息需求，免去了信息過載帶來的困擾，但完全依靠機械的數據和機器的計算完成的推送內容，會一步步將人帶向扭曲和異化的境地，用戶在不經意間便落入了算法推送的個性化圈套之中[13]，導致用戶“被動”接收更多與其自身所持立場相似的觀點，驅動形成了基于算法推薦技術的“被動”群體極化現象，社會隔閡不斷加深。[14]值得一提的是，學者喻國明提出了與上述結論相左的觀點，認為信息繭房并非由算法推薦所引起，而是在互聯(lián)網出現以前就一直存在。其本質是由個人的選擇和注意所決定的，算法與技術不過是一種“人體的延伸”。[15]

其次，推薦算法的廣泛應用所導致的算法權力躍升與擴張問題也成為近年來研究的熱點問題。算法所具有的高效、智能、低成本等優(yōu)勢，使其取代了傳統(tǒng)編輯，將原本由人所掌握的權力轉移到了機器的手中。這種權力的轉移主要包括新聞分發(fā)權從大眾媒體向算法平臺的轉移，新聞把關向注意力經濟的“后移”以及新聞選擇權從受眾到算法平臺的遷移三個方面。[16]技術的深度介入與算法的過濾也弱化了編輯在新聞生產中的作用。[17]支撐算法的大數據則將人與人、人與物、物與物的存在、屬性及關系進行標識和呈現，因而實現了一種無所不在，滲透到生活方方面面的權力范式，在相當大的程度上規(guī)定了人對世界的感知及其自由度，從而導致傳播結果的新一輪“窄化”。[18]以Facebook為代表的社交平臺進軍新聞業(yè)，在促進社交媒體與傳統(tǒng)主流媒體融合的同時，收編了傳統(tǒng)主流媒體并控制了新聞流向受眾的渠道，使其有能力進一步控制受眾對新聞議程的認知，曾經由新聞專業(yè)主義主導的公共領域被權力更為集中且不透明的傳播寡頭所取代。[19]

3.算法推薦的傳播倫理研究

將圖譜中有關倫理緊密聯(lián)系節(jié)點“算法倫理”“新聞倫理”“工具理性”“價值理性”“主流價值觀”“主流意識形態(tài)”“算法偏見”“價值傳播”“協(xié)同治理”等文獻進行研讀后，發(fā)現學界對算法推薦的傳播倫理研究多著力于以下方面。

首先，是關于推薦算法中工具理性與價值理性之間平衡的研究。隨著智能化在信息傳播領域的盛行，推薦算法已經具備了工具理性和科技理性的條件和特點。然而其功利性、利益最大化和目的至上的運行邏輯，忽視了人的價值以及人的存在感[20]，并將一些真正有價值的信息邊緣化，弱化了對理性價值的引導和主流價值的守望，消解了其長期堅守的社會責任，公眾和社會也會陷入價值迷失的困局。[21]工具理性還會對新聞專業(yè)主義帶來巨大挑戰(zhàn)，新聞人的主體地位開始動搖，新聞媒體的角色被不斷分散弱化，新聞把關人的地位被算法所取代，新聞媒體的權威性被逐漸瓦解。[22]

其次，是關于算法價值觀對社會影響的研究。學者主要關注推薦算法中隱含的偏見和利益取向。算法在兩方面的不透明性使其具有了“黑箱”的特征：一方面，軟件產品具有隱蔽性的特征，特定的權力結構、價值觀和意識形態(tài)已經事先被嵌入其中，軟件遮蔽下的“有限性、許可、特權和障礙”等限制不易被人察覺;[23]另一方面，算法的程序實現和工作原理對于開發(fā)者、設計者而言是已知的知識，而對于受眾或用戶則構成了一個“技術黑箱”。[24]這樣的推送機制背后也滲透著利益先行的商業(yè)價值觀、公司自身的企業(yè)文化價值觀、算法設計團隊對于人們偏好的認知價值觀、政治經濟等非技術力量等多層價值觀。[25]這不僅會對傳統(tǒng)的新聞價值觀形成嚴重挑戰(zhàn)，還可能會在當前的社會條件下產生算法審查、信息操控與平臺傾向，從而影響受眾態(tài)度。[26]此外，新聞把關權轉移與評價體系的透明化，還會在意識形態(tài)傳播方面面臨渠道轉移、話語更新、效果變化等一系列新問題。[27]

再次，在治理算法推送產生的倫理問題方面，學者大多認為“人機協(xié)同”將會是未來新聞生產的重要模式，也應該是算法新聞倫理構建中最重要的內容[28]。效率不應成為新聞分發(fā)平臺算法設計的唯一考慮，而需要承擔起社會環(huán)境監(jiān)測、社會整合和文化傳承等多種責任，[29]并將不作惡、不濫用的“向善”作為底線倫理，明確算法是非人類的“網絡行動者”而非獨立的倫理行動者，“人”才是算法新聞的責任主體。[30]在治理模式方面，有學者提出“算法—利益相關者”的協(xié)同治理模式，從技術圈層、社會圈層的角度探討不同利益相關者的協(xié)同治理方法;[31]還有學者從個體倫理層次、組織倫理層次和社會倫理層次厘清了具體道德行動者的治理行動領域[32]。目前，國內對于算法推薦的治理方式主要包括：建立科學合理的算法推薦模型、建立頻道欄目分區(qū)分類管理機制、建立稿源分級分類規(guī)范機制、完善重要內容人工審核機制、健全平臺技術監(jiān)測預警機制、建立優(yōu)質正面內容激勵機制、完善平臺推薦外部監(jiān)督機制、推動個人信息保護制度化。[33]

五、研究結論與展望

（一）算法推薦研究熱點細化，深入研究趨勢明顯

隨著時間的變化，算法推薦的研究領域不斷產生新的研究熱點，且研究熱點不斷細化和深入。2010年至2013年，算法推薦的研究較少且大多集中在算法推薦概念和國外相關案例的討論上，鮮有針對國內實際應用的研究。而到了2014年，國內人工智能和大數據等技術的突破性發(fā)展，使得算法推薦技術的大規(guī)模應用成為可能，同時也引發(fā)了學者針對內容生產與分發(fā)模式改變的熱烈討論。2017年到2018年，隨著“今日頭條”的上線，學界也迎來了對于算法推薦研究的高潮時期，不僅關注推薦算法和內容分發(fā)平臺對于傳統(tǒng)新聞業(yè)的顛覆和改造，還將注意力放在因算法的廣泛使用而帶來的信息繭房等傳播效果以及更加深刻的算法倫理及其治理等諸多研究方向。綜上所述，目前我國的算法推薦研究呈現研究熱點細化，且研究不斷深入的明顯趨勢。

（二）出現了以算法從業(yè)人員為研究對象的實證研究

在收集到的文獻資料中，出現了以算法從業(yè)人員為案例的實證研究。在這些實證研究中，學者嚴三九與袁帆認為新聞傳播領域的智能轉向促使諸如算法工程師等新主體參與到新聞生產、分發(fā)之中，因此將新聞分發(fā)平臺的算法工程師作為研究對象，運用問卷調查法考察了算法工程師對算法倫理問題的了解程度、倫理問題威脅性評估以及算法倫理問題的改善傾向三方面。研究指出，大部分算法工程師對算法在新聞傳播領域引發(fā)的倫理問題了解甚少，僅了解一些熱門事件，對倫理問題的威脅性評估偏低且改善傾向整體偏于保守。該研究有別于在算法推薦研究領域中的其他大量質化研究，采用實證研究方法考察算法從業(yè)人員在編寫算法的過程中所采取的行動，也為后來學者的研究提供了借鑒。

（三）算法倫理及其規(guī)制研究將成為重要的研究熱點

算法所構筑的“技術黑箱”具有高度的隱蔽性，其中蘊含著新聞分發(fā)平臺潛在的價值觀、偏見、導向以及其他不透明因素。為了打破算法黑箱，實現算法透明并規(guī)制算法權力，中國政府已經采取了一系列有力措施。2017年，國務院發(fā)布《新一代人工智能發(fā)展規(guī)劃》，出臺了一系列人工智能發(fā)展計劃，積極推動人工智能產業(yè)健康發(fā)展;2019年，中國人工智能治理專業(yè)委員會發(fā)布了《新一代人工智能治理原則——發(fā)展負責任的人工智能》治理框架和行動指南，以進一步加強人工智能相關法律、倫理、標準和社會問題研究。由此可見，在國家相關政策的扶持下以及學界研究熱點不斷細化的背景下，學界對于算法治理方面的研究將不斷深入。

（四）實證性及跨學科研究成果不足

實證研究由于其資料收集的可靠性、認識社會的廣泛性、研究結論的客觀性等優(yōu)勢，以及其更接近學科科學化要求的研究范式和對科學的提倡，使實證主義范式成為主流范式，具有不可撼動的學科地位。[34]然而在收集到的文獻中，實證量化研究的成果數量卻遠不如質化研究，少數學者在針對“信息繭房”的研究中對學界這種現象提出了批判。學者王茜指出，目前國內學界有關算法分發(fā)的文獻以質化研究居多，少量量化研究主要以個人觀察為主，容易受主觀因素的影響。[35]而這種主觀因素往往會導致學者對研究對象的誤判，從而造成學界在進行大量研究的同時也存在著相當的誤解，甚至產生實務界與學術界觀點大相徑庭的結果。[36]此外，在技術飛速發(fā)展的同時，學界對于技術的討論卻處于相對被動的滯后狀態(tài)，較多的是針對目前主流技術的探討，而缺乏對新技術的預見與預判。有學者直言，傳統(tǒng)的科學理論、倫理觀和前沿的技術實踐之間的關系在不斷重構，由于技術和人文兩種文化之間的隔閡，前沿的技術倫理的討論存在一定滯后性。[37]“科林格里奇困境”也已經指出了技術發(fā)展失控的風險，即“當不希望的后果被發(fā)現時，技術卻往往已經成為整個經濟和社會結構的一部分，以至于對它的控制十分困難”[38]。因此，如何在技術的發(fā)展中把握主動，進行富有前瞻性的學術研究，成為學界急需克服的困難。

[本文為國家社科基金重大項目“人工智能時代的新聞倫理與法規(guī)”（項目編號18ZDA308）的研究成果]

參考文獻：

[1]夏德元.數字時代電子媒介人的崛起與出版新視界[J].學術月刊，2009，41（9）：21-27.

[2]陳悅，陳超美，劉則淵，胡志剛，王賢文.CiteSpace知識圖譜的方法論功能[J].科學學研究，2015，33（2）：242-253.

[3]李杰，陳超美.CiteSpace：科技文本挖掘及可視化[M].北京：首都經濟貿易大學出版社，2016：78.

[4]宋建武，黃淼.媒體智能化應用：現狀、趨勢及路徑構建[J].新聞與寫作，2018（4）：5-10.

[5]喻國明，蘭美娜，李瑋.智能化：未來傳播模式創(chuàng)新的核心邏輯——兼論“人工智能+媒體”的基本運作范式[J].新聞與寫作，2017（3）：41-45.

[6]王娜，任婷.移動社交網站中的信息過載與個性化推薦機制研究[J].情報雜志，2015，34（8）：190-194+176.

[7]喻國明，侯偉鵬，程雪梅.個性化新聞推送對新聞業(yè)務鏈的重塑[J].新聞記者，2017（3）：9-13.

[8]陳昌鳳，王宇琦.新聞聚合語境下新聞生產、分發(fā)渠道與內容消費的變革[J].中國出版，2017（12）：3-7.

[9]張瀟瀟.算法新聞個性化推薦的理念、意義及倫理風險[J].傳媒，2017（11）：82-84.

[10]邵征鋒.抖音傳播的特征、挑戰(zhàn)及未來發(fā)展趨勢探析[J].現代教育技術，2018，28（12）：80-86.

[11]國秋華，孟巧麗.抖音的互動儀式鏈與價值創(chuàng)造[J].中國編輯，2018（9）：70-75.

[12]于黎冰.從“今日頭條”看個性化新聞推薦系統(tǒng)的優(yōu)劣[J].傳媒，2016（19）：44-45.

[13]郝雨，李林霞.算法推送：信息私人定制的“個性化”圈套[J].新聞記者，2017（2）：35-39.

[14]倪萬，孫靜茹.推薦算法驅動下“被動”群體極化現象及消解[J].青年記者，2019（31）：43-45.

[15]喻國明，曲慧.“信息繭房”的誤讀與算法推送的必要：兼論內容分發(fā)中社會倫理困境的解決之道[J].新疆師范大學學報（哲學社會科學版），2020，41（1）：127-133.

[16]陳昌鳳，霍婕.權力遷移與人本精神：算法式新聞分發(fā)的技術倫理[J].新聞與寫作，2018（1）：63-66.

[17]劉運來.個性化推薦閱讀時代的編輯缺位及其影響[J].編輯之友，2017（9）：76-79+90.

[18]喻國明，楊瑩瑩，閆巧妹.算法即權力：算法范式在新聞傳播中的權力革命[J].編輯之友，2018（5）：5-12.

[19]史安斌，王沛楠.傳播權利的轉移與互聯(lián)網公共領域的“再封建化”：臉譜網進軍新聞業(yè)的思考[J].新聞記者，2017（1）：20-27.

[20]陳昌鳳，石澤.技術與價值的理性交往：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.

[21]張藍姍，黃高原.算法推薦給媒介公共領域帶來的挑戰(zhàn)[J].當代傳播，2019（3）：31-33.

[22]杜娟.走向人機協(xié)同：算法新聞時代的新聞倫理[J].新聞愛好者，2019（9）：21-25.

[23]Mager A. Algorithmic Ideology：How Capitalist Society Shapes Search Engines[J].Information，Communication & Society，2012，5（15）.

[24]張淑玲.破解黑箱：智媒時代的算法權力規(guī)制與透明實現機制[J].中國出版，2018（7）：49-53.

[25]陳昌鳳，霍婕.權力遷移與人本精神：算法式新聞分發(fā)的技術倫理[J].新聞與寫作，2018（1）：63-66.

[26]方師師.算法機制背后的新聞價值觀：圍繞“Facebook偏見門”事件的研究[J].新聞記者，2016（9）：39-50.

[27]張志安，湯敏.論算法推薦對主流意識形態(tài)傳播的影響[J].社會科學戰(zhàn)線，2018（10）：174-182+2.

[28]杜娟.走向人機協(xié)同：算法新聞時代的新聞倫理[J].新聞愛好者，2019（9）：21-25.

[29]彭蘭.智能時代的新內容革命[J].國際新聞界，2018，40（6）：88-109.

[30]王仕勇，樊文波.向善向上：基于良性互動的算法新聞治理倫理研究[J].重慶大學學報（社會科學版），2021，27（2）：225-236.

[31]張超.社交平臺假新聞的算法治理：邏輯、局限與協(xié)同治理模式[J].新聞界，2019（11）：19-28+99.

[32]趙瑜.人工智能時代的新聞倫理：行動與治理[J].人民論壇·學術前沿，2018（24）：6-15.

[33]方師師.算法如何重塑新聞業(yè)：現狀、問題與規(guī)制[J].新聞與寫作，2018（9）：11-19.

[34]實證研究的功效與局限[EB/OL].http：//www.cssn.cn/shx/shx_bjtj/201404/t20140414_1065488.shtml.

[35]王茜.論個性化信息推薦系統(tǒng)的運作邏輯及影響[J].鄭州大學學報（哲學社會科學版），2017，50（1）：155-157.

[36]喻國明，曲慧.“信息繭房”的誤讀與算法推送的必要：兼論內容分發(fā)中社會倫理困境的解決之道[J].新疆師范大學學報（哲學社會科學版），2020，41（1）：127-133.

[37]陳昌鳳，霍婕.權力遷移與人本精神：算法式新聞分發(fā)的技術倫理[J].新聞與寫作，2018（1）：63-66.

[38]Collingridge D.The Social Control of Technology[M].New York：St.Martin's Press，1981.11.

（丁睿豪為上海理工大學出版印刷與藝術設計學院碩士生;夏德元為上海理工大學出版印刷與藝術設計學院教授、互聯(lián)網與文化創(chuàng)意產業(yè)協(xié)同創(chuàng)新中心主任）

編校：董方曉

3911500338291