算法推荐对内容生产的挑战

美国学者桑斯坦在《网络共和国》中提出了“个人日报”的设想，在互联网时代，随着传播技术的变革和信息过载现象的出现，人们能够自行选择关注的信息，也就是说，受众完全可以根据自己的兴趣去定制作一份属于自己的日报和杂志。而如今，“今日头条”早已将这一预想变为了现实。

一、今日头条与算法推荐

“今日头条”由张一鸣于2012年3月创建，是北京字节跳动科技有限公司开发的一款推荐引擎产品，以“你关心的就是头条”为宗旨，利用数据搜集、机器学习、推荐引擎等前沿技术，旨在精准地为用户推荐信息。而基于追踪用户“阅读行为”的推荐算法是“今日头条”的产品灵魂。

算法推荐技术是建立在数据（Online/Digital Data）和计算方法（Computational Methods）之上的。算法的目标数据可以分为两类：一为在线数据，包括访问记录、用户之间建立的关系、物联网等；另一类为线下数据，包括性别、年龄、兴趣爱好、地理位置等。它通过大规模地收集人类传播行为数据，利用数据建模等方式挖掘其背后的模式和法则，形成特定的推荐模型，广泛地应用于数据新闻和计算广告等场景，具体可分为社会化推荐（比如好友推荐）、内容推荐（例如根据用户浏览记录，推荐与之相似的信息）和协同过滤的推荐（例如根据排行榜上的热点内容或根据与自己兴趣相似的用户的浏览记录，来选择自己喜欢的信息）。

二、算法推荐对内容生产的挑战

算法推荐技术的出现，无疑是一种先进生产力的代表，但是在方便内容生产的的过程中，又在某种程度上对其构成挑战。

（一）内容生产中新闻专业主义的偏离

在新媒体时代，新闻专业主义一直是所有媒体所所追求的一种最高理念。新闻专业主义作为西方的舶来品，产生于西方政党报刊解体后自由报刊兴起的阶段。

算法技术的出现正在扭曲媒体的价值取向，甚至对新闻专业主义造成消解与重构。马克思•韦伯的“理性二分法”将理性分成价值理性和工具理性两个维度。[马克斯•韦伯.经济与社会（上卷）[M]. 北京：商务印书馆，1997:57]“今日头条”的核心是算法推荐，它虽然可以将点击率、阅读量和互动行为转化量化的指标，但是始终缺少人的感情。由于算法推荐协同过滤技术的不成熟，且更加偏向将用户所有的行为数据量化处理，认为热门内容是大家普遍关心的，并且把点击量、播放量和停留时长作为判断用户兴趣的依据。其次，算法推荐的技术原理是以“受众”为中心，它会根据受众的兴趣，去推荐受众喜欢看的东西，但是它却忽视了人性的弱点和行为的偶然性。

（二）创作者和粉丝黏性降低

在碎片化时代，一方面人们很少花大量时间去了解内容；另一方面，有的创作者利用标题党、抄袭等形式博眼球，更是引起了受众的反感，这就导致创作者与受众的分离。算法推荐机制带来的副作用是，在庞大的信息流中，作者和粉丝的粘性降低。这就会出现一篇文章点击量很高，而另一篇文章却无人问津的情况，使创作者很难用持续的议题去吸引受众，难以打造自己的品牌。

（三）“茧房效应”导致信息隔离

美国学者桑斯坦最早在《信息乌托邦》一书中提出“信息茧房”这一概念，他认为，“在互联网传播中，因公众自身的信息需求并非全方位的，公众只注意自己选择的东西和使自己愉悦的通信领域，久而久之，会将自身桎梏于像蚕茧一般的茧房中。”[孙祥飞.新闻传播学热点专题八十讲（下册）[M].北京：人民日报出版社，2018:294]

根据拉扎斯菲尔德“选择性接触假说”，受众在大众传播过程中，更倾向于选择接触那些与自己原有的立场和态度一致或类似的媒介内容加以接触，对与此对立或冲突的内容有一种回避的倾向。[郭庆光.传播学教程（第二版）[M].北京：中国人民大学出版社，2011:177]算法推荐技术正是契合了受众的这种心理另一方面却导致“茧房效应”。赫拉利在《未来简史》中预测，“机器算法将成为我们的主宰者。”[赫拉利.未来简史[M].上海：上海社会科学院出版社，2016:55]

三、建议及对策

对于算法推荐技术的成功应用，在国外早有先例。根据美国社交媒体平台新闻使用报告的数据显示，美国三分之二的成年人通过社交媒体来获取新闻，其中影响最大也最具有代表性的社交平台分别是Facebook、Twitter和YouTube。

（一）精确算法原理，实现人机合作

事实上，机器不能代替人脑，目前的算法推荐还不能从本质上分清内容的价值好坏，而只能从外部数据来评价文章的质量。虽然看似Facebook和YouTobe是基于算法把关，但是其内部也有上百人的“编辑”团队，帮助优质内容的精准推送。机器不等于人，我国算法平台应建立线下微信群与内容创作者进行互动，协助内容的审核与分发；其次，对于健康类和股市类等关乎人们切身利益的资讯，人工编辑要对作者进行资格审核，使创作者做到权责相当。

（二）培养原创内容，吸引粉丝关注

无论是短视频网站YouTobe还是社交网站Facebook，都是构建在UGC和PGC内容之上的，依靠用户上传视频、图文来获得收益。我国基于算法推荐的媒体也应借鉴YouTobe的做法，和优质的博主进行合作，为其开辟专门的栏目，定时定点为用户推送，这样一来，一方面，博主作为意见领袖，拥有一定的影响力，可以为平台引流；另一方面，也为平台带来了新的高质量内容，弥补了低质内容的短板。

（三）推荐多元化内容，提高新闻价值观

Facebook曾多次陷入“偏见门”，前Facebook员工在接受采访时表示，我们经常压制保守派新闻。我们要认识到，当周围类似的观点达到一定数量时，就会造成受众认为自己处在一个与自己意见相同的舆论场中，局限受众视野。平台应完善“热点”推送频道，将每天社会上发生的热点事件以最全面的方式推送到受众面前；此外，平台应利用自己的“搜索频道”将用户键入的信息，进行全平台比对，将图文、视频、问答以最全面的方式呈现出来，满足用户的浏览信息的最初目的。

结论

总而言之，在今日头条中的算法推荐技术的确是一种进步的生产力，通过不同技术的组合，算法代替人来执行把关操作，虽然节省了人力，且推荐的内容深受用户喜爱，但算法把关的实现，依然带来很多问题 。内容生产中新闻专业主义的偏离、创作者与粉丝粘性的降低、“茧房效应”导致受众与外界信息隔离，都将制约其自身发展，并对整个信息环境带来不良影响。如何解决这些问题，是否要对算法技术进行新一轮的完善？是否将机器与编辑相结合才是更好的模式？这些问题值得我们深思。

本文来源:《记者摇篮》:https://www.zzqklm.com/w/xf/22732.html