【案例】
/ O9 X, f; l- a) ^1 T算法推荐的风险防范和导向管理( f7 H& B/ { ^9 w8 R3 e
1 Q8 |3 o7 A1 s$ |; t' l
原创: 邓 杭 新闻战线 2018-07-01
) `* H5 J5 I3 R: `引导关注商务学习; q6 Z" ` c( e# X9 x4 S, S, R
算法推荐的基础价值在于海量信息的甄选,核心价值在于内容的精准分发,关键价值在于观点的洞悉反馈,终极价值在于意识形态的强化和引导。这个依托互联网实现价值传递和价值创造的动态过程,次第推进,循环往复,形成信息甄选、分发、反馈、修正的闭环。 R( z) J8 j# f! Y/ \& S4 L
+ Y. z P9 R. U% r! j( ^' [0 c) g1
2 f, ?0 Y3 d# G8 ]) o' F* x& E# A1 `+ M6 c
算法推荐对网络舆论的价值* n& O! E1 f! Y/ g7 [6 @+ t
2 W2 T- P; n( f1 v/ J0 s' i2 q4 a
精准画像,知晓行为。画像是算法推荐技术架构的重要环节,即计算机根据文章的兴趣标签、质量标签等和用户的阅读习惯、浏览记录等,抽象出标签化的文章模型及用户模型,并经过排序、分类、关联和过滤,自动筛选出有效信息。画像可分为文章画像和用户画像、长期画像和短期画像等。相比报纸、广播、电视等传统媒体偏向关注受众的群体属性,算法推荐则擅长分析个体特征,为用户贴上高度精练的标签并据此知晓其行为模式。! }( @( `) E5 J
精准分发,个性传播。在分发环节,算法推荐要实现年龄、职业、兴趣等用户特征,时间、地理位置、天气情况等环境特征,类别、关键词、热度等文章特征的对接和匹配,将筛选过的信息精准推送至用户。区别于以“事件”为出发点的传统信息传播方式,算法推荐建立用户导向的“用户+事件”模式,实质上以用户关心的事件为核心,赋予用户信息定制功能。这不仅节约时间成本、提高获取效率,更满足个性化需求,使得“千人千面”的信息传递模式成为现实。
( a3 K3 u& Q7 E. ]5 b! @$ \6 A3 M
$ j" {0 e) y H" {* w+ y; V' `精准反馈,洞悉观点。当用户接收到个性化的推荐内容后,算法根据用户点击次数、停留时长以及举报、屏蔽、转发、评论等阅后反馈,勾勒出用户媒介消费行为的图谱,对用户进行更为系统、全面的参数分析。这样不仅能掌握用户对社会问题的观点或看法,还能研判出用户的知识结构、经济状况、生活方式等深层次信息。一旦用户兴趣、品位、收入水平、教育程度等发生改变,此类动向信息也能通过反馈数据及时掌握。这个过程也是人工智能领域的机器学习,即算法推荐模型获取新的信息后,重组已有知识架构以优化自身性能。
- _! A, u5 u F8 ]$ J' ?% ?: L精准修正,重塑倾向。算法推荐影响网络舆论的重要步骤如下:在算法推荐营造的“拟态环境”里,用户持续收到不同以往观点的修正信息,进而不断反省自身,再通过思想交锋和观点博弈,逐步改变倾向、调整立场。无论共识是否达成,公众都在潜移默化的过程中参与了议题讨论、重塑了社会认知。因此,算法推荐为网络舆论引导提供了新路径、新手段,并使之更为直接、便捷、高效。
% U G; `' a1 j1 T8 t X
4 p# Q4 X& n p$ h. ?1 G2. c: D$ y! R# g" ^4 n2 f
2 g0 l5 w* L6 ^# J) I |
算法推荐对网络舆论引导的冲击与风险* l9 b7 L' G- E: G0 k
8 f" X8 a* I2 {+ t; z0 o
“把关人”离场,主流价值导向成色不足。区别于专业编辑担任“把关人”角色并推送信息的传统模式,算法推送偏重数据抓取技术和内容审查后置,弱化了对基本价值的守望和主流价值的引导,导致传递不同价值观的内容被机器分发给用户,使得用户陷入价值迷失困局。一些网络平台难以遵循“价值观”先行,却唯流量马首是瞻,利用人性弱点,追求利益最大化,导致虚假新闻、“性、腥、星”类内容、“标题党”等问题层出不穷,经常出现导向偏差。
2 O( c0 }* V ~“回音室”现象严重,凝聚共识难度较大。算法推荐容易造成选择性的接触、过滤与相信,由此带来信息窄化、“信息茧房”、“回音室”现象等不良后果,使个人陷入信息孤岛。用户在自我重复和自我肯定中视野受困、固步自封,圈层固化、群体极化现象随之增多。算法推荐诱导用户关上涉猎不同领域和倾听不同声音的大门,背离了网络舆论的公共性、广泛性特征,从而使得刻板印象强化、偏见滋生、社会黏性缺失、价值认同难度加大。6 F$ e" a8 L# x* r2 f( l- s0 Q
“沉默的螺旋”效应显现,网络舆论场失真。算法推荐可以直接影响信息呈现、搜索排序、新闻热度和传播效果,导致这些网络平台成为相对独立的舆论“策源地”和“发酵池”,舆论操作的可能性和危险度加大。容易使用户造成“很多人都有这种价值取向”的印象,正面价值意见的沉默造成负面价值意见的增长,由此陷入恶性循环,导致网络舆论场失真。9 u1 s. k" @/ p
' C; \- z c% a G+ V$ p5 `
3! |- r9 K& _; G i! g+ u
2 m/ E7 x. K7 o4 {' A5 _( l0 e加强算法推荐的综合治理
9 ^/ V* w) g w' O9 X3 N2 F9 Y4 S
2 {7 ], [4 R, H. E7 v& f4 r; L6 `: }坚持主流价值导向。算法规则、技术架构都要符合社会伦理和法律法规。鼓励优质内容生产和传播,加强算法对于社会主义核心价值观等内容的推送,放大正能量作品的影响力、感染力,培育积极健康、向上向善的网络文化。
c; ~! ^0 J' d& F& W压实平台主体责任。智能平台应当肩负起信息把关、价值引领的主体责任,守住底线,把住红线,决不能传播有害信息、造谣生事。加强总编辑责任制度,优化绩效考核指标,不能仅以点击量、广告收入为标尺,放任低俗内容侵蚀受众。研发升级算法识别体系,强化算法技术对于新闻源头的筛选过程,规范稿源和内容生成方式,提高优质内容推荐权重。改进安全风险评估和审核规则,加大人工审核的投入力度,实现“人机结合”的优势互补。$ M7 g0 h& `3 a. i; W" T
加强顶层设计和监管治理。政府部门要加快人工智能领域的立法体系建设,研究出台算法推荐的相关管理办法,划定技术伦理、权限边界和行为规范。密切关注算法推荐的技术创新和延伸发展,特别是其在政治、经济等领域的运用和影响。履行好监管责任,对于未能尽到主体责任的平台及时问责、督促整改。发动社会力量参与监督,优化举报处置流程,完善举报核实奖励机制。
( n0 |" u! I J! d- }, [提升用户网络素养。用户要树立正确的网络媒介使用观念,培养消费优质内容的习惯,发挥主观能动性,增强对信息的辨识、分析能力,提升对信息价值的判断、解读能力,避免沦为技术的客体和附庸。丰富自身知识结构,培养多元开放思维,突破“信息茧房”的壁垒,提高理性认知水平。; r- |5 n+ a/ h9 t; }% v b
5 w! |! L4 n6 E$ \7 \$ D49 Y/ Y! p) `) `5 y0 L! W
+ |$ G/ t# k" A9 I$ {
运用算法推荐服务于网络舆论引导
) q7 l9 I0 Y4 O5 i4 ~
* |# \) {4 O' \用算法推荐革新网络舆论引导理念。传统媒体语境下的舆论引导,偏向于灌输式、粗放式的单向传播,不太重视满足受众的信息需求、接收习惯和内心满足。随着互联网的发展和算法推荐的运用,舆论引导要顺应分众化差异化趋势,精准目标定位,注重用户体验。要充分运用大数据、云计算等新技术,科学分析、有效洞察受众需求,推送更多个性化、专业化的信息,让信息持续“入眼”并“入脑入心”。9 ^. l0 P- Y* [( X! U7 L
用算法推荐探索网络舆论引导新范式。积极主动借助算法规则和传播优势。在内容生产方面,可将用户阅读互动产生的数据反哺内容创作者;在正能量推送方面,可通过划分正能量池等手段来保证首屏生态良好;在稿源审核方面,可将重大新闻通过置顶或要闻强插等方式优先展示给用户;在生态调控方面,可运用风险评估模型来打击“标题党”等网络乱象。% k+ G9 Y5 e$ {8 i
用算法推荐提升网络舆论引导实效。借鉴算法推荐契合公众自我意识觉醒的需要,通过精心的议题设置与受众产生共鸣,在尊重公众独立思考和理性意志基础上促进共识达成。利用算法推荐数据采集、信息追踪功能,搜集网络舆情并科学分析研判,了解民情、听取民意、集中民智。在具体的网络舆论引导中,鼓励负责任的观点表达和理性的交流互动,运用多元、有效的公共话语,以事实来说服人、以理性来引导人。
1 @4 ?+ F2 \6 i5 d: L2 V s( |(作者单位:中央网信办网络评论工作局)
' N9 O' M) A9 t5 v0 j i* ]责任编辑:武艳珍
) i J2 H9 @1 v! R, ]/ ~- ?; ]3 d* e0 r2 I
https://mp.weixin.qq.com/s/k5v3hCzLFJzslErHow8aaw
! X% @* @$ F5 w J
- L- i' b: ~4 T {4 i编辑:陈心茹 |