方師師 賈梓晗

【內(nèi)容提要】以算法促推精準(zhǔn)傳播、提升戰(zhàn)略傳播能力是我國(guó)增強(qiáng)國(guó)際傳播實(shí)力的技術(shù)路徑之一。要實(shí)現(xiàn)算法驅(qū)動(dòng)的精準(zhǔn)傳播，前提條件是要形成“豐富社交”，即被大規(guī)模使用的社交網(wǎng)絡(luò)、高度活躍的用戶群體以及規(guī)模化的數(shù)據(jù)增長(zhǎng)。算法驅(qū)動(dòng)的對(duì)外傳播同時(shí)還具有對(duì)內(nèi)價(jià)值，即用戶的算法推薦反饋可以作為對(duì)象社會(huì)的感知器，算法數(shù)據(jù)觸發(fā)可以優(yōu)化社會(huì)動(dòng)力學(xué)模型，以及主動(dòng)用戶的技術(shù)養(yǎng)成可以避免被算法反向異化。

【關(guān)鍵詞】算法 對(duì)外傳播 精準(zhǔn)傳播 社交網(wǎng)絡(luò)

2021年5月31日，習(xí)近平總書記在主持中央政治局第三十次集體學(xué)習(xí)時(shí)發(fā)表重要講話強(qiáng)調(diào)，提升我國(guó)國(guó)際傳播能力“必須加強(qiáng)頂層設(shè)計(jì)和研究布局，構(gòu)建具有鮮明中國(guó)特色的戰(zhàn)略傳播體系，著力提高國(guó)際傳播影響力、中華文化感召力、中國(guó)形象親和力、中國(guó)話語說服力、國(guó)際輿論引導(dǎo)力”，同時(shí)“要采用貼近不同區(qū)域、不同國(guó)家、不同群體受眾的精準(zhǔn)傳播方式，推進(jìn)中國(guó)故事和中國(guó)聲音的全球化表達(dá)、區(qū)域化表達(dá)、分眾化表達(dá)，增強(qiáng)國(guó)際傳播的親和力和實(shí)效性”。①

這一要求同時(shí)指出了對(duì)外傳播的“一體兩面”：通過精準(zhǔn)傳播的方式提升戰(zhàn)略傳播的能力，并最終指向和實(shí)現(xiàn)“五力”。關(guān)于對(duì)外傳播的“一體兩面”，近期學(xué)界的研究與解讀又給出更為具體的路徑分析：“戰(zhàn)略傳播方略需要注意政策布局的頂層性、資源調(diào)配的協(xié)同性、目標(biāo)群體的針對(duì)性、價(jià)值輸出的共識(shí)性、重點(diǎn)領(lǐng)域的統(tǒng)籌性，精準(zhǔn)傳播實(shí)踐需要注意儲(chǔ)備智能化技術(shù)、指向聚焦化群體、細(xì)分區(qū)域化目標(biāo)、建設(shè)替代性渠道?！雹?/p>

算法驅(qū)動(dòng)的對(duì)外傳播對(duì)實(shí)現(xiàn)精準(zhǔn)傳播具有天然的技術(shù)優(yōu)勢(shì)，這為進(jìn)一步強(qiáng)化和提升國(guó)家戰(zhàn)略傳播能力提供了實(shí)現(xiàn)路徑。但需要重視的是，以算法技術(shù)促推（nudging technology）精準(zhǔn)傳播，其本身還需要很多前提條件和資源準(zhǔn)備，抵達(dá)精準(zhǔn)傳播本身就是一個(gè)目標(biāo)。

一、算法促推實(shí)現(xiàn)“精準(zhǔn)傳播”的功能與目標(biāo)

當(dāng)前算法驅(qū)動(dòng)的內(nèi)容傳播主要基于算法選擇程序的九大類型學(xué)功能，包括：搜索（search）、聚合（aggregation）、監(jiān)視（surveillance）、預(yù)測(cè)（forecast）、過濾（filtering）、推薦（recommendation）、排序（scoring）、生產(chǎn)（content production）、分發(fā)（allocation）。這些功能的應(yīng)用場(chǎng)景包括：搜索引擎網(wǎng)站、內(nèi)容聚合器、數(shù)字足跡追蹤、在線趨勢(shì)預(yù)測(cè)、內(nèi)容過濾泡、商品推薦系統(tǒng)、新聞排序算法、自動(dòng)化內(nèi)容生產(chǎn)、以及政治廣告分發(fā)等。③

核心算法經(jīng)常成為各方關(guān)注的焦點(diǎn)。但對(duì)于核心算法的理解不能僅限于算法特征，而需要將其看作是一個(gè)系統(tǒng)，或是一種網(wǎng)絡(luò)效應(yīng)。④作為一種“社會(huì)工程”，社交媒體儼然已經(jīng)成為“軟性基礎(chǔ)設(shè)施”⑤，在一定程度上構(gòu)成了個(gè)體線上生存的在網(wǎng)背景和信息環(huán)境。用戶的使用與反饋經(jīng)由數(shù)字印記追蹤技術(shù)統(tǒng)一“抽取”為可被識(shí)別、計(jì)算、累積、組合的數(shù)據(jù)原料，供養(yǎng)“龐大而隱秘”的基礎(chǔ)設(shè)施。系統(tǒng)論觀點(diǎn)認(rèn)為，環(huán)境在很大程度上將約束主體的認(rèn)知和行為。算法內(nèi)容傳播的實(shí)質(zhì)，就是以技術(shù)邏輯重新對(duì)用戶的在線接觸、在線使用進(jìn)行秩序安排，并逐步替代和接管個(gè)體主動(dòng)的、自主的信息選擇。

當(dāng)前社交網(wǎng)絡(luò)的內(nèi)容觸達(dá)正向“推薦網(wǎng)絡(luò)”轉(zhuǎn)型，讓“新聞來找我”（News Finds Me，NFM）；⑥在線社交網(wǎng)絡(luò)（Online Social Networks，OSNs）上各類社媒機(jī)器人、“女巫節(jié)點(diǎn)”“釣魚軟件”“網(wǎng)絡(luò)水軍”等，制造出信息繭房、虛假流量、情緒共振、宣傳操縱和行為誘導(dǎo)，在現(xiàn)有的網(wǎng)絡(luò)上再疊加一層“人—機(jī)”混合動(dòng)力傳播；⑦而未來，基于元宇宙的“現(xiàn)實(shí)生成機(jī)”⑧進(jìn)一步將心理、信息、輿論、網(wǎng)絡(luò)、認(rèn)知引導(dǎo)推向感知引導(dǎo)，感官和體驗(yàn)支配的“第一系統(tǒng)”超越基于思考和認(rèn)知的“第二系統(tǒng)”進(jìn)行反應(yīng)和決策，到那時(shí)將不再有“虛擬現(xiàn)實(shí)”，也不再有“混合現(xiàn)實(shí)”，現(xiàn)實(shí)只是又一次“泛在存在對(duì)個(gè)體生成的再分配與再凝結(jié)”。⑨

二、作為精準(zhǔn)傳播前提的算法驅(qū)動(dòng)“豐富社交”

未來的傳播技術(shù)架構(gòu)可以歸納為一條公式：算法模型+網(wǎng)絡(luò)結(jié)構(gòu)+現(xiàn)實(shí)生成。在這樣的架構(gòu)中，對(duì)精準(zhǔn)傳播的“有效提升傳播效果，將信息傳播到明確的受眾中去”⑩的要求，將同時(shí)伴隨著目標(biāo)受眾的生成與發(fā)現(xiàn)。因此在精準(zhǔn)傳播準(zhǔn)備階段，如何找到合適的方法更多地觸達(dá)受眾、了解受眾、讓受眾養(yǎng)成慣習(xí)、產(chǎn)生好感、長(zhǎng)期且持續(xù)地進(jìn)行有效互動(dòng)更為關(guān)鍵。必須更加深入地了解傳播目標(biāo)，才能更加精準(zhǔn)地傳播，這是一個(gè)反饋機(jī)制，也是一個(gè)社會(huì)回環(huán)。

根據(jù)社交媒體習(xí)慣養(yǎng)成的規(guī)則，至少需要完成“提示—行動(dòng)—獎(jiǎng)賞—投入”四個(gè)階段的閉環(huán)才能形成慣性。11而算法驅(qū)動(dòng)的內(nèi)容傳播，在這四個(gè)階段均可分別進(jìn)行引導(dǎo)和干預(yù)，形成長(zhǎng)期的沉浸式傳播。算法改變了之前傳播追求的及時(shí)性（in-time），代之以適時(shí)性（righttime）原則，即在用戶最需要的時(shí)候“提供”最合適的內(nèi)容；推薦算法完成了用戶—信息—環(huán)境三者之間的閉環(huán)，通過大量類型化的推薦滿足用戶喜好；當(dāng)用戶在算法推薦的界面下做出反應(yīng)時(shí)，其一舉一動(dòng)都可以被系統(tǒng)捕捉和計(jì)算，并馬上根據(jù)行為數(shù)據(jù)修改推薦呈現(xiàn)，算法和用戶相互馴化；而當(dāng)用戶沉浸在算法制造的“阿德拉世界”中時(shí)，一種熟悉溫暖的“包裹感”會(huì)讓人沉浸其中，感到舒適安全，而算法系統(tǒng)則得以保持用戶黏性和長(zhǎng)期增長(zhǎng)。

2021年2月，抖音國(guó)際版（TikTok）推薦算法與mRNA基因疫苗、GPT-3語言模型、數(shù)據(jù)信托、鋰金屬電池、數(shù)字接觸追蹤、超高精度定位、遠(yuǎn)程服務(wù)技術(shù)、多模態(tài)人工智能、綠色氫能一道，被《麻省理工科技評(píng)論》評(píng)選為2021年“全球十大突破性技術(shù)”。在一篇《第一次揭開了TikTok算法神秘面紗》的博文中，抖音國(guó)際版推薦算法中的一些重要因素呈現(xiàn)出來：如非常重視視頻的“完看度”（video completion rate），用戶特定的閱聽興趣要高過網(wǎng)紅參與的內(nèi)容生產(chǎn)，注重挖掘新人并跟推，關(guān)注賬號(hào)的地理位置、語言偏好和設(shè)備類型，但推薦的時(shí)候倡導(dǎo)“去地方性”，即全球和本地的內(nèi)容都會(huì)呈現(xiàn)。12

這樣的核心算法帶來了高速增長(zhǎng)。自2016年推出以來，抖音國(guó)際版在短時(shí)間里成為了任何想盡可能廣泛地進(jìn)行信息傳播的最有效方法：它充分利用了推特（Twitter）“簡(jiǎn)潔”和優(yōu)兔（YouTube）“視覺化”的最佳表現(xiàn)，大大節(jié)省了傳播主體在網(wǎng)絡(luò)世界“速成”傳播能力的成本。截至2022年1月，抖音國(guó)際版在全球總下載量超過30億次，用戶分布在150多個(gè)國(guó)家，10億月活用戶。在互聯(lián)網(wǎng)上，每分鐘有1.67億個(gè)抖音國(guó)際版視頻被觀看，用戶每個(gè)月觀看視頻的時(shí)間超過850分鐘。13路透牛津《2022年數(shù)字新聞報(bào)告》表示：作為全球增長(zhǎng)最快的社交網(wǎng)絡(luò)，抖音國(guó)際版深度參與了全球的新聞生態(tài)構(gòu)建?！岸兑魢?guó)際版上的視頻，不再僅僅只是唱唱跳跳對(duì)對(duì)口型，它帶來了及時(shí)消息?！?4作為新聞源，抖音國(guó)際版與推特共用一套呈現(xiàn)邏輯——即作為信息消費(fèi)的3V媒體：視覺、語言和病毒性傳播（Visual， Verbal， and Viral）重塑新聞業(yè)。而英國(guó)通訊管理局（Ofcom）《2022英國(guó)新聞消費(fèi)年度報(bào)告》也顯示，雖然絕對(duì)數(shù)量還少（只占7%），但在成年人的新聞應(yīng)用中，抖音國(guó)際版的增長(zhǎng)最快，貢獻(xiàn)主要來自16至24歲的年輕人。15《華盛頓郵報(bào)》將這一現(xiàn)象歸結(jié)為是“抖音國(guó)際版算法助推下的對(duì)每一個(gè)用戶喜好的滿足”。16

如果仔細(xì)思考可以發(fā)現(xiàn)，抖音國(guó)際版的推薦算法與其說是注重“精準(zhǔn)”，不如說是更加注重在“豐富”基礎(chǔ)上的對(duì)用戶的持續(xù)培養(yǎng)：通過冷啟動(dòng)、用戶畫像挖掘用戶興趣，給用戶很多高質(zhì)量的“偶遇內(nèi)容”，伴隨著新鮮感和驚喜感，逐步導(dǎo)入更多可拓展性內(nèi)容，持續(xù)與用戶進(jìn)行交互，并創(chuàng)生更多興趣交集。近期Meta宣布，包括旗下的臉書、照片墻（Instagram）將正式調(diào)整之前基于社交網(wǎng)絡(luò)的信息流分發(fā)模式，更多轉(zhuǎn)向算法推薦。但所謂“社交下行，算法上位”的說法并不等于社交關(guān)系不再重要——或者我們可以理解為，社交關(guān)系將被更加系統(tǒng)化地融入算法中，社交網(wǎng)絡(luò)不僅是算法模型運(yùn)行所依賴的“軌道”，同時(shí)算法還可以持續(xù)“填海造地”，卷入更多“可能想象”。

三、發(fā)現(xiàn)算法驅(qū)動(dòng)對(duì)外傳播的對(duì)內(nèi)價(jià)值

因此，精準(zhǔn)傳播的“預(yù)備役”階段首先是要“豐富”——被大規(guī)模使用的社交網(wǎng)絡(luò)、高度活躍的用戶群體以及規(guī)?；臄?shù)據(jù)增長(zhǎng)。只有具備了這些條件，我們所期待的多種促進(jìn)國(guó)際傳播的政策、策略、方式、手段、理念才能落地。有研究抓取并統(tǒng)計(jì)了自2018年11月至2021年3月《衛(wèi)報(bào)》對(duì)抖音國(guó)際版的218篇報(bào)道發(fā)現(xiàn)，數(shù)據(jù)收集疑云、多國(guó)使用禁令、業(yè)務(wù)歸屬分拆、應(yīng)對(duì)政府制裁、業(yè)務(wù)收購斡旋、流行文化制造等是對(duì)其關(guān)注的核心話題。17近年來，隨著各國(guó)開始對(duì)社交媒體監(jiān)管強(qiáng)化，世界范圍內(nèi)各個(gè)國(guó)家對(duì)于算法驅(qū)動(dòng)的內(nèi)容傳播，用戶大眾、特定人群、媒體機(jī)構(gòu)、監(jiān)管部門等并不是完全不知情，甚至非常關(guān)注，因此要實(shí)現(xiàn)精準(zhǔn)傳播所面臨的必要條件，依然需要充分的時(shí)間和機(jī)制予以積累和轉(zhuǎn)化。

而如果我們轉(zhuǎn)換一下思路，網(wǎng)絡(luò)傳播是雙向互動(dòng)的，輸出同時(shí)會(huì)觸發(fā)生成和反饋。算法驅(qū)動(dòng)的網(wǎng)絡(luò)傳播是這一機(jī)制的升級(jí)版，即通過算法和模型對(duì)某些生物、組織或社會(huì)要素進(jìn)行加權(quán)，發(fā)現(xiàn)“流量密碼”，帶來規(guī)模效應(yīng)。這一過程風(fēng)險(xiǎn)與機(jī)遇并在，如果我們只看到輸出的流量和效果，忽略作為反饋機(jī)制的數(shù)據(jù)增量，那就相當(dāng)于浪費(fèi)了一半資源。因此就算法驅(qū)動(dòng)的對(duì)外傳播而言，至少還具有以下三種對(duì)內(nèi)價(jià)值：

（一）算法推薦反饋：作為對(duì)象社會(huì)的感知器

對(duì)外傳播的一個(gè)重要邏輯是以“輸出”換“輸入”。2020年6月，《連線》發(fā)布了一篇名為《TikTok最終解釋了它的“為你推薦”算法如何工作》的文章。該文通過抖音國(guó)際版官方博客發(fā)布的內(nèi)容指出，“這一推薦算法依賴一組復(fù)雜的加權(quán)信號(hào)來為用戶推薦視頻，包括標(biāo)簽、歌曲到用戶使用的設(shè)備等一切的一切”。18

算法驅(qū)動(dòng)的內(nèi)容傳播可以實(shí)現(xiàn)對(duì)社會(huì)環(huán)境的感知。通過深度挖掘用戶的使用行為和社交主觀呈現(xiàn)，大數(shù)據(jù)計(jì)算可以理解評(píng)估他人的意圖想法和活動(dòng)能力，在合適的時(shí)候“切入”，觸發(fā)與用戶交流協(xié)作的行為，并從他人經(jīng)驗(yàn)中進(jìn)行學(xué)習(xí)。通過計(jì)算社會(huì)科學(xué)的視角，這種“感知生成”的能力可被用來推進(jìn)就對(duì)象“社會(huì)性”的研究。而當(dāng)戰(zhàn)略性地選擇一個(gè)特定群體時(shí)，作為人類社會(huì)傳感器的算法推薦與反饋可以幫助描述和預(yù)測(cè)其未來社會(huì)趨勢(shì)。

（二）算法體驗(yàn)觸發(fā)：優(yōu)化模型的地真數(shù)據(jù)

用戶經(jīng)由使用社交網(wǎng)絡(luò)和算法程序觸發(fā)生成的內(nèi)容和數(shù)據(jù)是一種“主觀體驗(yàn)報(bào)告”，可以幫助大數(shù)據(jù)科學(xué)家建立“受人類社會(huì)系統(tǒng)經(jīng)驗(yàn)現(xiàn)實(shí)約束的社會(huì)動(dòng)態(tài)模型”，對(duì)優(yōu)化社會(huì)動(dòng)力機(jī)制分析具有重要價(jià)值。比如很多算法驅(qū)動(dòng)的內(nèi)容傳播會(huì)更為關(guān)注情感因素，來自腦神經(jīng)科學(xué)、心理學(xué)、政治學(xué)領(lǐng)域的研究也日益證明情感與認(rèn)知緊密相關(guān)。19新近一些研究發(fā)現(xiàn)，人機(jī)傳播中機(jī)器對(duì)人的“情緒引導(dǎo)”效果明顯，很多政治機(jī)器人（political bot）相比人類，情緒更為多樣。在對(duì)英國(guó)脫歐和美國(guó)大選中的社交機(jī)器人情感“傳染性”的研究發(fā)現(xiàn)，推特上的人類推文情緒在“模仿”機(jī)器人推文情緒：人類賬戶與機(jī)器人賬戶情緒高度同構(gòu)，人機(jī)交互的情緒波動(dòng)周期和規(guī)律高度近似，帶有憤怒、恐懼、驚訝等的內(nèi)容可以快速引發(fā)傳染效果。

社交網(wǎng)絡(luò)上的人機(jī)互動(dòng)情緒是一種典型的算法觸發(fā)式數(shù)據(jù)，人類受“影響力機(jī)器”（influence bot）的情緒驅(qū)動(dòng)所進(jìn)行的在線行為是一種主動(dòng)匯報(bào)式的數(shù)據(jù)來源。這種數(shù)據(jù)可以排除一般調(diào)查問卷中的偏見和“虛假一致”，如果能結(jié)合來自媒體、專家以及其他渠道的數(shù)據(jù)分析，這對(duì)觀察用戶公共傳播、優(yōu)化復(fù)雜社會(huì)模型、預(yù)判社會(huì)未來趨勢(shì)是具有基礎(chǔ)價(jià)值的“地真數(shù)據(jù)”（ground-truth data）。

（三）避免算法異化：主動(dòng)用戶的技術(shù)養(yǎng)成

算法驅(qū)動(dòng)的網(wǎng)絡(luò)傳播必然會(huì)觸發(fā)算法關(guān)系。在線社交網(wǎng)絡(luò)上，算法與用戶的交互基于兩種語言模式：自然語言和代碼語言。在一定程度上，我們無法否認(rèn)人與機(jī)器的互動(dòng)也具有社會(huì)性，可以反映技術(shù)—環(huán)境中主體（techno-environmental agency）的行為狀態(tài)。202021年7月，《華爾街日?qǐng)?bào)》通過實(shí)驗(yàn)方法人工協(xié)同開設(shè)自動(dòng)化賬號(hào)，在觀看了成千上百個(gè)在抖音國(guó)際版上的視頻之后試圖解釋抖音國(guó)際版推薦算法的核心要義。前谷歌大數(shù)據(jù)分析專家紀(jì)堯姆·查斯洛（Guillaume Chaslot）現(xiàn)身并解釋稱，抖音國(guó)際版的推薦算法甚至可以不需要獲取用戶的個(gè)人信息或者其他要素變量，只需要跟蹤并記錄用戶在某一類內(nèi)容上停留的時(shí)間總和即可——這一“駐留時(shí)間”（linger time）既包括觀看時(shí)間也可以是猶豫的時(shí)間等。

用戶在觀看抖音國(guó)際版視頻的時(shí)候，與符號(hào)內(nèi)容和算法代碼的互動(dòng)無可避免會(huì)暴露自身一些屬性，這也被認(rèn)為是可以通過機(jī)器進(jìn)行的“數(shù)據(jù)盜獵”（data pirate）。當(dāng)這種“盜獵”深入到一定程度時(shí)，則會(huì)涉及算法異化（algorithmic alienation）。算法異化強(qiáng)調(diào)“算法主導(dǎo)”的完整性和穿透性，認(rèn)為網(wǎng)絡(luò)平臺(tái)組織和理解用戶信息的能力是一種運(yùn)作明確的策略結(jié)果，而用戶主要是被動(dòng)受體。在對(duì)外傳播的初級(jí)階段，大概率會(huì)必然使用多種已有的在線社交平臺(tái)，進(jìn)而觸發(fā)算法關(guān)系。而如果了解到算法異化的特征和觀點(diǎn)，在傳播的過程中就不僅能夠主動(dòng)利用算法進(jìn)行傳播，還可以發(fā)揮使用者的能動(dòng)性，以一種不完全由算法設(shè)定的方式接觸和解釋信息，主動(dòng)選擇是否要遵循社交網(wǎng)絡(luò)平臺(tái)算法引導(dǎo)，并通過自身的行為馴化和重塑平臺(tái)算法，繞開和避免落入算法異化。

四、結(jié)語

隨著國(guó)際間交往行為模式的變革，人類社會(huì)信息傳播的方式也逐漸從簡(jiǎn)單的訴諸心理、信息、輿論、網(wǎng)絡(luò)和認(rèn)知模式進(jìn)入混合感知模式。加強(qiáng)國(guó)際傳播的目的，是為國(guó)內(nèi)的改革發(fā)展穩(wěn)定營(yíng)造有利的外部輿論環(huán)境，并推動(dòng)構(gòu)建人類命運(yùn)共同體。算法在這其中扮演著重要角色，對(duì)地緣政治安全、國(guó)際議程設(shè)置、媒介生態(tài)環(huán)境、網(wǎng)民數(shù)字素養(yǎng)、隱私數(shù)據(jù)保護(hù)等均有深層影響。算法沒有善惡，但并非中性。因此如何用好這一“技術(shù)人造物”以實(shí)現(xiàn)對(duì)外傳播的目標(biāo)和愿景，需要更多思考、建設(shè)和積累。

方師師系上海社會(huì)科學(xué)院新聞研究所副研究員，互聯(lián)網(wǎng)治理研究中心主任；賈梓晗系上海社會(huì)科學(xué)院新聞研究所碩士研究生

「注釋」

①《習(xí)近平在中共中央政治局第三十次集體學(xué)習(xí)時(shí)強(qiáng)調(diào) 加強(qiáng)和改進(jìn)國(guó)際傳播工作 展示真實(shí)立體全面的中國(guó)》，人民網(wǎng)，http：//politics.people.com.cn/ n1/2021/0602/c1024-32119745.html，2021年6月2日。

②劉俊、江瑋：《戰(zhàn)略傳播思維與精準(zhǔn)傳播實(shí)踐》，《對(duì)外傳播》2022年第7期，第13-17頁。

③Saurwein， F.， Just， N. & Latzer， M.， “Governance of Algorithms： Options and Limitations，” info， vol. 17， no. 6， 2015， pp.35-49.

④[美]大衛(wèi)·伊斯利、喬恩·克萊因伯格：《網(wǎng)絡(luò)、群體與市場(chǎng)：揭示高度互聯(lián)世界的行為原理與效應(yīng)機(jī)制》（李曉明、王衛(wèi)紅、楊韞利譯），北京：清華大學(xué)出版社，2011年，第316頁。

⑤Slota， S.， Slaughter， A. & Bowker， G.， "The Hearth of Darkness： Living with Occult Infrastructure，" in Lievrouw， L. & Loader， D.， eds.， Routledge Handbook of Digital Media and Communication， New York： Routledge， 2021， p.17.

⑥de Zú？iga， H. G.， & Cheng， Z.， “Origin and Evolution of the News Finds Me Perception： Review of Theory and Effects，” Profesional de la información， vol.30， no. 3， 2021， pp.1-17.

⑦Hepp， A.， “Artificial Companions， Social Bots and Work Bots： Communicative Robots as Research Objects of Media and Communication Studies，” Media， Culture & Society， vol.42， no.7-8， 2020， pp.1410-1426.

⑧段偉文：《現(xiàn)實(shí)沖擊：作為世界生成機(jī)器的元宇宙》，《晨刊》2022年第4期，第4-6、10頁。

⑨Tsang， T.， & Morris， A.， “A hybrid quality-of-experience taxonomy for mixed reality iot （xri） systems，” in 2021 IEEE International Conference on Systems， Man， and Cybernetics （SMC） ， IEEE， 2021， pp. 1809-1816.

⑩Zabin， J.， Breach， G. & Kotler， P.， “Precision Marketing： The New Rules for Attracting， Retaining， and Leveraging Profitable Customers，” Akuntansi Pegawai， no.3， 2004， pp. 158-165.

11Yao， D.， "How to Build a Habit-forming Product-to Understand the Hook Model through an Analysis of WeChat，" 商大ビジネスレビュ？=Shodai Business Review， vol.7， no.4， 2018， pp.141-158.

12Memon， M.， “How the TikTok Algorithm Works in 2020 （and How to Work With It），” Hootsuite， from https：//blog.hootsuite.com/tiktok-algorithm/， July 29， 2020.

13TikTok Statistics – 63 TikTok Stats You Need to Know [2022 Update]. Influencer Marketing Hub， from https：//influencermarketinghub.com/tiktokstats/， August 1， 2022.

14Reuters Institute for the Study of Journalism， “Digital News Report 2022，”from https：//reutersinstitute.politics.ox.ac.uk/digital-news-report/2022， June 15， 2022.

15Ofcom， “News Consumption in the UK： 2022，” from https：//www.ofcom.org. uk/__data/assets/pdf_file/0027/241947/News-Consumption-in-the-UK-2022-report.pdf， July 21， 2022.

16Hunter， T.， “Is TikTok winning the Olympics？” The Washington Post， from https：//www.washingtonpost.com/technology/2021/07/30/tiktok-videosolympics/？utm_source=Pew+Research+Center&utm_campaign=c60e3fc430-EMAIL_CAMPAIGN_2021_08_02_01_43&utm_medium=email， July 30， 2021.

17方師師：《TikTok上的媒體圈子：自由、混合與固化》，《青年記者》2021年第1期，第62-65頁。

18Louise， M. L.， “TikTok Finally Explains How the ‘For You Algorithm Works，” Wired， from https：//www.wired.com/story/tiktok-finally-explains-foryou-algorithm-works/， Jun 18， 2020.

19袁光鋒：《邁向“實(shí)踐”的理論路徑：理解公共輿論中的情感表達(dá)》，《國(guó)際新聞界》2021年第6期，第55-72頁。

20Graeff， E.， Darling， K.， Hake， D.， & Nelson， M.， “Governing the Ungovernable： Algorithms， Bots， and Threats to Our Information Comfort-Zones，” 2014 TPRC Conference Paper. 2014.

責(zé)編：霍瑤