賈曉通 鄧天奇

摘 ?要 ?隨著計算機技術的發(fā)展，新聞資訊閱讀也接入了個性化算法推薦，有學者指出個性化的新聞推薦加劇了“信息繭房”現象，窄化了公眾的信息接收渠道，網絡“回聲室效應”造成了群體觀點極化，但這些論斷未能充分考慮個性化新聞推薦邏輯、個體對于信息閱讀的能動性，也未在業(yè)已重塑的網絡公共領域中去考量，文章對這些未被充分論證的方面進行探討。

關鍵詞 ?信息繭房;公共領域;個性化新聞;群體極化

中圖分類號 ?G2 ? ? ?文獻標識碼 ?A ? ? ?文章編號 ?2096-0360（2019）05-0019-02

隨著人們生活節(jié)奏的加快，通訊技術的發(fā)展以及閱讀場景的碎片化，手機越來越成為人們閱讀新聞的主要工具。張瑜燁等學者認為以“今日頭條”為代表的智能個性化推薦新聞聚合平臺加劇了互聯網閱讀時代受眾“信息繭房”的形成，個性化的新聞推薦窄化了人們的信息渠道[1]。但是這一學術假設并未建立完善的分析體系，“信息繭房”如同本身的概念所言，通過“回聲室效應”獲得了學界的認可和推崇。

1 ?“信息繭房”的形成機理及具體表現

互聯網時代充盈的信息量，一方面豐富了受眾的信息選擇渠道，使得資訊定制成為可能，另一方面信息過剩也提高了用戶的選擇成本。凱斯·桑斯坦在《信息烏托邦》中提出了“信息繭房”概念，他認為在信息的傳播過程中，公眾會傾向于選擇符合自我興趣，使自己獲得愉悅的信息，久而久之，會由于信息選擇范圍窄化而導致形成自我“信息繭房”，認知呈現片面化傾向。此外，凱斯·桑斯坦在《共和國：社交媒體時代的分裂民主》中還提出，現今的人工智能算法基于對受眾的了解便可以告知受眾他們喜歡什么，算法使“個人日報”的定制不再依賴于受眾的自我完成，而是通過尋找用戶之間的相似信息完成定制，而最終這份高度定制化、個性化的“個人日報”會使受眾沉浸在自我信息虛擬環(huán)境中，從而人們的認知會越來越窄化。

就其具體表現與影響而言，王剛認為，人們主要通過多元化的信息接觸來改善頭腦中的刻板印象，處于“信息繭房”中的人們就某一公共事件發(fā)表看法時，由于自身視野的局限，看法和意見往往是偏頗的[2]。姜小凌、馬佳儀認為在由推薦算法主導的信息整合和分發(fā)平臺中，信息同質化現象嚴重，因為這些平臺根據用戶瀏覽行為和閱讀興趣進行持續(xù)性的相似信息推薦，從而導致了用戶閱讀的信息呈現單一性、同質性[3]?！靶畔⒗O房”理論假設成立的前提是人們自身的信息需求并非全方位的，公眾只注意自己選擇的東西和使自己愉悅的通訊領域，但是受眾即便有明顯的傾向不代表著同質化的新聞資訊內容是受眾的真實需求。

1.1 ?新聞資訊內容同質化困境

內容同質化是當前新聞資訊類應用遇到的共同困境，很多應用沒有高質量的原創(chuàng)內容，只有同行之間的轉載、“借鑒”，這并不能滿足用戶對原創(chuàng)性資訊的需求。去中心化、全民評論、內容多樣化及自媒體成為受眾的新需求，用戶對資訊內容的多樣化需求正面臨著當前內容同質化的困境[4]。

在當前互聯網市場發(fā)展中，新聞資訊類應用面臨著激烈的競爭，手機應用市場中的新聞資訊類應用種類繁多，根據資訊生產和傳播類型，可以分為傳統新聞機構類，商業(yè)門戶網站類，新聞聚合平臺類以及垂直新聞資訊類。根據騰訊企鵝智庫的《2018中國媒體價值報告》顯示，約有48.8%的用戶在手機上安裝了2個以上的新聞資訊類應用，且同時安裝多個新聞App開始成為一種潛在的趨勢，新聞資訊的多樣化需求明顯。根據《2018中國新聞媒體趨勢報告》顯示，76.4%的用戶使用新聞資訊類App獲取資訊，66.9%的用戶通過社交網絡獲取，42.2%的用戶通過手機瀏覽器獲取。受眾有著豐富的獲取新聞的渠道，個性化推薦新聞的出現不意味著受眾獲取新聞的渠道受阻，而是作為一種多元化的渠道進入到受眾獲取新聞資訊的視野中。此外，相較于傳統的新聞機構以及商業(yè)門戶網站的訂閱內容，個性化新聞推薦的算法機制實際上會在一定程度上擴大用戶的閱讀范圍。

1.2 ?個性化新聞推薦算法的推薦邏輯

現有的個性化推薦算法可以分為基于內容過濾的推薦、協同過濾推薦和混合推薦三大類?；趦热莸耐扑]方法是對內容屬性與用戶自身的喜好標簽、消費習慣進行匹配，用戶在應用內的瀏覽記錄、互動行為、停留時長以及賬號信息都會被作為用戶的標簽維度與內容屬性進行契合度的評估、計算，從而對用戶進行針對性的序列化信息推薦，這種推薦方法依賴內容屬性的相似性，容易造成推薦結果新穎性不夠;協同過濾推薦方法背后的邏輯是用戶可能會對具有相似標簽或興趣的其他用戶做出過積極評價的內容感興趣，即用戶收到的個性化推薦內容是基于與自己具有相似興趣的其他用戶行為所生成的，這種方法依賴用戶之間相似的歷史網絡行為，所以無法對新內容進行推薦;為了克服以上兩種方法的不足之處，研究人員提出了將內容屬性和歷史行為相結合的混合推薦方法，這也是現代推薦系統中應用最廣泛的方法之一[5]。

個性化新聞推薦是基于新聞特征類型、新聞文本分析以及用戶興趣模型等不同因素的權重進行信息分發(fā)的機制。其中用戶興趣模型的建立不是一成不變的，會隨著時間呈非線性的變化，越早瀏覽的新聞資訊在用戶頭腦中留下的印象越淺，所以越早瀏覽的新聞類別和文本在用戶興趣模型的建構和匹配中所占的權重越低，此外協同推薦中依賴的用戶相似性聚合模型也會隨著個體用戶興趣模型的變化而發(fā)生變化，從而用戶收到的新聞資訊推薦內容呈現出動態(tài)變化趨勢。

除此之外，多樣化的優(yōu)質內容成為了受眾的新需求，同質化嚴重的新聞資訊內容會降低受眾的使用興趣和使用率，在個性化新聞推薦的使用過程中，受眾的主體性不會受制于趨同化的算法模型，滿足于閱讀同質化的新聞資訊。個性化的新聞推薦不能簡單地理解為重復、同質的閱讀，而是一種基于受眾興趣的動態(tài)變化的資訊閱讀方式。

2 ?網絡公共領域與群體極化

哈貝馬斯在《公共領域的結構轉型》中將公共領域定義為一個不須在現實空間中存在的“虛擬或想象的社區(qū)”，這個社區(qū)“可以理解為一個由私人集合而成的公眾的領域”，公眾領域的主體是作為公眾輿論中堅力量的公眾，組成公眾的私人除了關心自己的私人利益，更關心的是普遍利益，公眾不受各種強制性的力量集合而成，他們可以自愿參加、組織，可以自由、公開地表達觀點和主張;公眾輿論是公共領域的客體，而媒介和公共場所是公共領域的載體。

截至2018年6月，我國網民規(guī)模為8.02億，互聯網普及率達57.7%。網絡空間已經成為我國公民參與公共生活的重要的公共領域，越來越多的人們通過手機網絡獲取新聞資訊，公共輿論場地也正在從傳統媒體轉向網絡媒體和社交媒體。

2.1 ?網絡空間下的公共領域重構

在互聯網信息時代，公共領域的建構已經發(fā)生了重塑。公私領域的界限變得模糊，公共事務可以私人化，私人化的事務也可以傳播到公共領域中。傳統主流媒體不再占據絕對主導性信息源頭，網絡信息技術對人們的在網絡公共領域的發(fā)言進行了賦權，人們之間的信息交流變得平等，每個個體在網絡公共領域中都可以平等發(fā)言，同時也有了選擇接受不同信息的權力。信息生產者和信息消費者都變得更加多樣化，匹配存在著天然的難度，但是平等的網絡空間為共識的形成提供了良好的溝通環(huán)境。定制化、個性化的“個人日報”式資訊閱讀為公眾提供了豐富而又不同的資訊內容，進而為共識的形成提供了堅實且多樣的公共辯論基礎。

2.2 ?“群體極化”是信息公共領域理論在新媒體時代的過程性產物

桑斯坦在《信息烏托邦》中提出了“回聲室效應”，他認為具有近似想法的人們在網絡世界里會把自身歸入回聲室里，形成“信息繭房”，與外界的信息溝通逐漸減少，但是使用個性化算法進行推薦的新聞聚合類應用的上游內容方不僅包括傳統媒體、網絡媒體等媒體機構，還包括自媒體以及個人用戶（UGC）。多樣化的內容源頭保證了受眾信息獲取渠道的開放性，使得“回聲室”的構建也處于開放性的狀態(tài)，可以容納新的信息和觀點。

在個性化新聞推薦中，系統推薦算法通過找尋用戶之間的共性進行內容推薦，這有利于群體間意見的統一，而群體間意見的初級統一不應被理解為閉環(huán)的“回聲室”，更應該理解為是互聯網時代不同次級群體在進入到公共領域的討論之前的過程性產物。

3 ?結束語

在網絡信息時代，受眾已經呈現出了差異化的需求，傳統的資訊分發(fā)方式已經無法完全滿足這種差異化的需求，受眾群體間形成共識的難度上升。個性化新聞推薦依托于用戶興趣及行為的共同之處構建用戶興趣模型，通過統一不同個人的意見，更利于聚合意見，形成共識，構建網絡時代的公共

領域。

如今，以今日頭條、天天快報、一點資訊為代表的智能推薦新聞聚合應用均已上線以主流媒體資訊為主的“新時代”板塊，同時保留了個性化的“推薦”板塊，在服務用戶興趣和用戶體驗的同時，也保證了用戶對主流信息的接觸，為用戶提供了更多的閱讀選擇，拓寬了用戶的信息接收渠道。

參考文獻

[1]張瑜燁，鄭幼東，張詩琪.信息繭房：智媒時代個性化推薦系統運作邏輯與反思——以今日頭條App為例[J].現代視聽，2018（11）.

[2]王剛.“個人日報”模式下的“信息繭房”效應反思[J].青年記者，2017（29）：18-19.

[3]姜小凌，馬佳儀.閱讀的“暴力”：對新聞客戶端算法推薦的再思考[J].中國出版，2018（24）：43-46.

[4]李佳潼.當前新聞App的發(fā)展困境與對策[J].新聞世界，2018（1）：36-38.

[5]梁仕威，張晨蕊，曹雷.基于協同表示學習的個性化新聞推薦[J].中文信息學報，2018，32（11）：72-78.