重塑网络空间价值引导:用主流价值擦亮算法推荐“成色”

受众是对大众媒介信息接收者的总称。这其中有基于各种需求自愿的、主动的、积极的接受信息活动的受众,叫做“积极的使用者”。使用与满足理论把受众看作有特定需求的个人,个人对媒介的不同需求构成了受众的多重属性,如作为信息选择的主体,作为信息传播和反馈的主体,以及作为信息消费的主体等。一方面多重属性的受众为满足自身的不同需求,成为媒介的“积极的使用者”;另一方面“积极的使用者”在自愿、主动、积极的使用媒介时,强化或消解了自身的多重属性。

核心阅读:算法推荐技术的出现及迅速应用,推动新闻编辑权力从人工主导向技术主导转移,也引发学界对算法推荐等新技术伦理的关注。本文从算法推荐在网络传播领域的应用与发展态势入手,分析其对网络意识形态工作的多重挑战,结合批判理论阐发其对信息传播和媒介生态的负面效应和隐含风险,明确提出其价值属性和技术赋能的观点,以及加强价值引领、有效管理和科学运用的对策。

图片 1

关键词:算法推荐;网络空间;价值引导

一、受众的多重属性使受众成为“积极的使用者”作为信息选择的主体:个性化选择提高受众使用积极性作为信息的终端,没有受众,传播便没有意义。受众可以根据自身需要而对信息内容进行选择性认识、理解和记忆,尤其是在网络技术发达的今天,受众并不是被动的接收者。正如美国学者尼葛洛庞帝所说,在数字化生存的情况下,我就是我,不是人口统计学中的一个“子集”。因此,技术赋权带来的个性化选择的权利,提高了受众的积极性。如受众基于自己的兴趣爱好选择娱乐化的信息,而忽略媒介设置的严肃性的议题。

近年来,被誉为“读心术”的算法推荐,以精准推送和有效供给为“秘技”,在资讯平台、短视频、知识付费等网络传播领域声名鹊起。算法推荐在给受众带来全新阅读习惯和信息获取方式的同时,重构了新闻生产传播全链条,成为社交媒体“后真相”泛滥的幕后推手,对网络舆论和意识形态工作带来多重挑战。“人心是最大的政治”,探究基于算法推荐的网络信息内容个性化推荐对网络空间价值引导的重塑,有助于防范风险、凝聚共识、争取人心,使新技术兴利除弊、为我所用、造福未来。

图片 2

图片 3

作为信息传播和反馈的主体:参与式体验培养乐于分享的受众作为信息传播的主体,受众在接收信息后,将引起自身认同感的信息加工后传播出去,已满足社交的需要,群体归属的需要等。如知乎的大号将各自专业领域的知识分享给他人,满足了自我情感的需要,社交关系的需要,群体归属感的需要,成为乐于分享的积极受众。作为信息反馈的源头,受众对信息进行加工后,以不同的反应向传者进行反馈。如新闻客户端的新闻下的评论板块,受众在阅读新闻内容后,发表自己的看法,分享自己的观点,将及时反馈给传者,作为新闻内容的补充或提出建议。

1

图片 4

算法推荐在网络传播领域的

作为媒介消费的主体:消费符号刺激受众消费需求作为媒介消费的主体,受众在媒介宣传的价值观念和生活方式影响下,通过购买商品和服务的象征符号的价值,满足自身地位赋予的需要,促使受众成为积极的使用者。如脑白金广告通过不断重复的广告标语,传达出脑白金产品的保健功能,满足了受众希望保持年轻,获得健康的需求,使受众成为积极的使用者。二、“积极的使用者”影响受众的多重属性算法把关减少受众多元的信息选择在信息爆炸的今天,信息具有海量性。积极的使用者为减少其他信息的干扰,采用算法进行信息把关,以满足自己的特定需求。如使用者可以通过今日头条的个性化定制,选择感兴趣的内容。但是,高度同质化的内容易形成信息茧房,造成受众作为信息选择主体的属性消解,使受众选择范围降低,只被动浏览经算法把关后的内容。

应用与发展态势

图片 5

算法推荐是通过追踪用户的网络行为,运用一些数字算法计算出个人特征、环境特征等相关信息,并推测出用户可能喜欢的内容。①算法推荐的技术框架主要包括内容标记与分类、画像与分发、反馈与修正,可对应信息传播过程中的聚合与过滤、流通与消费、引导与调控等环节。透过当前主要信息聚合类平台,可大致窥见算法推荐在网络传播领域的应用情况。

多样化渠道利于受众的传播和反馈互联网的开放性拓宽了积极的使用者传播信息、反馈信息的渠道,提高了使用者的媒介近用权。通过多样化的渠道传播和反馈信息,加强了作为受众作为传播和反馈主体的属性。如受众经常使用微博,逐渐习惯于依靠微博表达观点或反馈意见等。商业统合下的受众消费属性增强随着资本不断涌进媒介市场,物质消费和精神消费类的内容生产越加繁多。当积极的使用者在搜索某件商品后,往往会收到同类商品的精准推送,受众的消费属性由此增强。如受众购买婴儿用品后,会收到其他母婴用品的广告。受众的不同需求构建了受众的多重属性,在不同的属性促使下,受众成为了积极的使用者。成为积极的使用者的受众,也在不断地媒介使用中强化或消解了原有的属性,或增加其他新的属性。

信息聚合与过滤环节。“巧妇难为无米之炊”,算法推荐的个性化内容推荐,建立在海量稿源和信息甄选的基础之上。其中,稿源获取注重面广、量大和来源的正当性、合法性,包括签约媒体授权文章、签约新媒体账号文章等。内容审核则通过安全风险评估模型和关键词匹配,先行自动过滤低俗、色情、谩骂等信息,再根据稿源和稿件性质(时政类和非时政类稿件),视情进行人工审核、召回审核、人工复审等。

信息流通与消费环节。基于内容、大数据资源、用户沉淀三方平台的构建,实现信息在终端的智能分发和个性化推荐,是算法技术对信息流通和消费环节的变革。②技术架构包括画像生成、稿件初筛、稿件模型评估、稿件强插过滤等步骤。技术要点首先在于用户画像和文章画像,前者基于用户注册信息和交互行为分成长期画像和短期画像,后者通过模型自动生成文章的兴趣标签和质量标签。其次,推送中做到用户和内容精准匹配,赋予用户信息定制功能,形成“千人千面”的信息传递模式。

信息引导和调控环节。用户点赞、点评、转发甚至标注不感兴趣等每次互动的痕迹和反馈,都会被机器获取并记录。算法推荐在“试对”和“试错”之后,再次推送信息时会作出加强引导或转向调控的判断,逐渐形成符合用户特征的价值取向。算法推荐的生态调控有多重方式,包括对风险内容的控制、对刷新内容的打散、对推送信息的复审、对推荐模型的训练等。用户的反馈信息将及时更新到上述机制中,从而影响下一次推荐。在算法推荐营造的“拟态环境”中,用户的价值观和世界观面临重塑、改造的可能。

算法推荐是人工智能时代的表征之一。随着物联网、智能技术的发展,未来智能传播将深度覆盖,形成传播主体、接受主体以及信息处理、传输、接收的全程智能传播现实。算法推荐在网络传播领域的应用,将呈现出更高效率、更具人性化、更有市场价值的发展趋势。

图片 6

2

算法推荐对

网络意识形态工作的挑战

算法推荐以其快速高效的信息采集、精准匹配的信息分发、及时全面的信息反馈,改进了传播的影响力、精准度和有效性。与此同时,算法推荐也对网络意识形态带来一系列冲击和挑战,造成情绪压倒真实的“后真相”大行其道。借用英国启蒙思想家托马斯·霍布斯的“利维坦”比喻,有学者预测了算法推荐的未来:算法成了上帝制造的“技术神祇”,方便人们在浩瀚的数据海洋中恣意遨游,它在给人类提供便利的同时也会操纵乃至吞噬人类。③

缺失正能量内容,消解社会主义核心价值观的传播。在逐利本能驱使下,算法推荐平台崇尚流量至上,“哭晕体”“震惊体”等“标题党”频现,浮夸文风、虚假新闻屡禁难止。由于传统“把关人”的势弱,内容生产靠“众包”,内容分发靠“算法”,内容导向容易“偏轨”,造成网络空间过度娱乐化、碎片化甚至低俗化,主流意识形态传播存在被边缘化风险。先进文化“曲高和寡”现象在网络条件下更为突出。现有算法仅对推送内容进行低俗模式过滤,只能拦截到不符合要求的内容,而对如何利用算法主动服务于正面宣传办法不多,缺少有力的正面推送途径,这是亟需破解的难题。

弱化传统平台影响,冲击主流媒体主导舆论的能力。传统主流媒体占优的严肃型内容,在受众点击偏好的影响下,相比算法推荐平台推送的偏软性和娱乐化内容,到达率、阅读率、点赞率受限。在传播优势和盈利能力凸显的算法推荐平台夹击之下,传统媒体囿于技术、资本、盈利问题和受众流失,面临边缘化、影响力弱化的风险。今日头条等11家新闻客户端聚集95%以上信息量和网民流量,可产生百倍甚至千倍于传统媒体的影响力。随着此类APP的普及,用户不再像以前一样关注新闻内容的来源,主流媒体的品牌效应日益丧失。算法推荐对传播效果透明化和可测化的提升,也使得主流媒体在意识形态领域的话语权和主导权面临挑战。

发表评论

电子邮件地址不会被公开。 必填项已用*标注