劉坤鋒 李靜雨 李廣

摘 要：【目的】了解用戶(hù)當(dāng)前對(duì)算法分發(fā)與編輯分發(fā)的信息質(zhì)量感知及差異，為相關(guān)理論研究和實(shí)踐活動(dòng)提供借鑒。【方法】參考已有文獻(xiàn)，設(shè)計(jì)包含算法分發(fā)的信息質(zhì)量和編輯分發(fā)的信息質(zhì)量?jī)蓚€(gè)潛在變量的測(cè)量量表。采用問(wèn)卷調(diào)查法，獲取273份有效樣本，利用描述性統(tǒng)計(jì)和配對(duì)樣本t-檢驗(yàn)方法進(jìn)行數(shù)據(jù)分析?！窘Y(jié)果】相比于編輯分發(fā)，用戶(hù)當(dāng)前整體上更認(rèn)可算法分發(fā)具備的信息質(zhì)量。具體而言，用戶(hù)認(rèn)為在全面性、準(zhǔn)確性、新穎性和符合需求等信息質(zhì)量維度上，算法分發(fā)均優(yōu)于編輯分發(fā)；算法分發(fā)在準(zhǔn)確性維度的優(yōu)勢(shì)不顯著，在其他3個(gè)維度的優(yōu)勢(shì)均顯著?！窘Y(jié)論】算法分發(fā)用戶(hù)應(yīng)注重提升算法素養(yǎng)，編輯分發(fā)亟須提升顯示度和影響力。

關(guān)鍵詞：算法分發(fā)；編輯分發(fā)；信息質(zhì)量；信息分發(fā)；信息用戶(hù)

中圖分類(lèi)號(hào)：G206；TP301.6? ? 文獻(xiàn)標(biāo)志碼：A? ?文章編號(hào)：1003-5168（2024）06-0139-06

DOI：10.19968/j.cnki.hnkj.1003-5168.2024.06.027

A Comparative Study of Algorithm-Based Distribution and Editor-Based Distribution from the Perspective of Information Quality

LIU Kunfeng LI Jingyu LI Guang

（School of Information Management， Zhengzhou University of Aeronautics， Zhengzhou 450046， China）

Abstract： [Purposes] This article aims to understand users' current perception of information quality of algorithm-based distribution and editor-based distribution， as well as their differences， and then provide insights for relevant theoretical research and practical activities. [Methods] Based on existing literature， a measurement scale including two latent variables was designed， namely information quality of algorithm-based distribution and information quality of editor-based distribution. A questionnaire survey was conducted to collect 273 valid samples， and descriptive statistics and paired sample t-tests were employed for data analysis. [Findings] Compared to editor-based distribution， users currently generally recognize that algorithm-based distribution has higher information quality. Specifically， in terms of comprehensiveness， accuracy， novelty， and meeting user needs， users believe that algorithm-based distribution is superior to editor-based distribution; algorithm-based distribution doesn't have significant advantages in terms of accuracy， but have significant advantages in the other three dimensions. [Conclusions] This article suggests that the users of algorithm-based distribution should focus on improving their algorithm literacy， while editor-based distribution urgently needs to increase visibility and influence.

Keywords：algorithm-based distribution; editor-based distribution; information quality; information distribution; information user

0 引言

迄今為止，人類(lèi)社會(huì)相繼出現(xiàn)了編輯分發(fā)、社交分發(fā)和算法分發(fā)等3種信息分發(fā)模式［1］?？v觀信息傳播發(fā)展史，編輯分發(fā)曾長(zhǎng)期占據(jù)主導(dǎo)地位，社交分發(fā)出現(xiàn)后也曾受到關(guān)注，而如今算法分發(fā)成為主流。光明網(wǎng)報(bào)道稱(chēng)，基于算法的內(nèi)容分發(fā)已占整個(gè)互聯(lián)網(wǎng)信息內(nèi)容分發(fā)的70%左右［2］。為跟上時(shí)代潮流，社交分發(fā)緊密結(jié)合算法分發(fā)，如微博開(kāi)通推薦欄目、微信視頻號(hào)和公眾號(hào)開(kāi)通推薦功能［3］。相比之下，編輯分發(fā)依然堅(jiān)守本色，是社會(huì)性、共性信息需求領(lǐng)域的“方向盤(pán)”。

算法分發(fā)以智能算法為中心，由“機(jī)器智慧”驅(qū)動(dòng)，包括短視頻類(lèi)、頭條類(lèi)等新興信息源；編輯分發(fā)以人工編輯為中心，依賴(lài)“人類(lèi)智慧”，包括報(bào)紙、雜志、廣播電視和門(mén)戶(hù)網(wǎng)站等傳統(tǒng)信息源?？梢钥闯?，算法分發(fā)與編輯分發(fā)的驅(qū)動(dòng)方式截然不同，且都在信息傳播活動(dòng)中發(fā)揮著重要作用。然而，如今編輯分發(fā)逐漸受到用戶(hù)冷落，大量用戶(hù)不斷轉(zhuǎn)向算法分發(fā)，并對(duì)其產(chǎn)生強(qiáng)烈依賴(lài)。

學(xué)者們已意識(shí)到算法分發(fā)給編輯分發(fā)帶來(lái)的沖擊，圍繞兩者的優(yōu)缺點(diǎn)展開(kāi)了廣泛討論。然而，現(xiàn)有研究以定性分析為主，多基于學(xué)者自身的經(jīng)驗(yàn)或認(rèn)知，難以做到客觀準(zhǔn)確。本文認(rèn)為，暫不論算法分發(fā)與編輯分發(fā)的優(yōu)缺點(diǎn)，有必要了解用戶(hù)對(duì)兩者的真實(shí)體驗(yàn)和感受。信息質(zhì)量是特定信息源的關(guān)鍵屬性，本文采用實(shí)證研究方法，對(duì)比用戶(hù)對(duì)算法分發(fā)與編輯分發(fā)的信息質(zhì)量感知及差異，為算法分發(fā)與編輯分發(fā)的未來(lái)發(fā)展提供借鑒。

1 文獻(xiàn)回顧

1.1 算法分發(fā)與編輯分發(fā)的對(duì)比研究

算法分發(fā)是運(yùn)用機(jī)器指令對(duì)信息進(jìn)行處理、分析和分配的技術(shù)手段，即在強(qiáng)大算力的支持下，算法通過(guò)識(shí)別用戶(hù)個(gè)體興趣和特征，將海量、異構(gòu)和分散的信息進(jìn)行過(guò)濾、篩選和整序，并以用戶(hù)喜歡的方式送達(dá)［4］。編輯分發(fā)是編輯運(yùn)用自身的專(zhuān)業(yè)知識(shí)和經(jīng)驗(yàn)，按照具有普遍意義的原則，對(duì)信息進(jìn)行把關(guān)、篩選和整合，并以點(diǎn)對(duì)面的方式傳播［1］。自算法分發(fā)出現(xiàn)以來(lái)，海量用戶(hù)群體被吸引，這對(duì)編輯分發(fā)提出了嚴(yán)峻挑戰(zhàn)，不少學(xué)者開(kāi)始比較兩者的優(yōu)劣。

相比于編輯分發(fā)，學(xué)者們一致認(rèn)為算法分發(fā)的優(yōu)點(diǎn)在于算法分發(fā)提高了信息分發(fā)速度和效率［5］。具體而言，一是算法分發(fā)可快速處理大量信息。面對(duì)信息超載環(huán)境，編輯受限于時(shí)間和精力，僅能按部就班地處理部分“頭部信息”，而算法技術(shù)可快速處理海量用戶(hù)感興趣的信息［1，6］。二是算法分發(fā)的信息更精準(zhǔn)、更個(gè)性化。編輯分發(fā)的信息“千人一面”，難以滿(mǎn)足用戶(hù)個(gè)性化信息需求，而算法分發(fā)實(shí)現(xiàn)了“千人千面”的精準(zhǔn)信息分發(fā)，用戶(hù)與信息之間高效匹配［7-8］?；谏鲜鰞?yōu)點(diǎn)，學(xué)者認(rèn)為相比于編輯分發(fā)，算法分發(fā)用戶(hù)可以更加便捷地獲取信息［4］。

同時(shí)，相比于編輯分發(fā)，學(xué)者認(rèn)為算法分發(fā)也存在較多缺陷。一是信息繭房問(wèn)題。編輯分發(fā)的信息兼具廣度與深度，注重受眾對(duì)社會(huì)的全面認(rèn)知，而算法分發(fā)的個(gè)性化推薦機(jī)制更側(cè)重于挖掘用戶(hù)感興趣的某一點(diǎn)，并進(jìn)行持續(xù)推送，這容易形成信息繭房，造成認(rèn)知偏差和群體沖突［9］。二是信息內(nèi)容質(zhì)量問(wèn)題。編輯專(zhuān)業(yè)背景強(qiáng)，對(duì)信息的篩選和核查能力強(qiáng)于算法，可對(duì)關(guān)鍵信息進(jìn)行把關(guān)，在很大程度上保證了信息內(nèi)容的質(zhì)量，而算法分發(fā)為了迎合用戶(hù)喜好，會(huì)向其推薦低俗內(nèi)容和虛假信息［10-11］。三是信息價(jià)值觀問(wèn)題。基于編輯分發(fā)的信息媒介多具有公益性，其提供的信息透明可信，價(jià)值標(biāo)準(zhǔn)明確，而算法分發(fā)相關(guān)平臺(tái)或機(jī)構(gòu)多具有逐利性，其提供的信息是商業(yè)鏡像的數(shù)字化反應(yīng)，其真實(shí)性和價(jià)值觀存疑［12］。四是信息呈現(xiàn)問(wèn)題。編輯的信息聚合重組能力，以及對(duì)重要信息的敏感性，是尚屬于弱人工智能的算法所不具備的［5］，算法難以對(duì)重要信息進(jìn)行自動(dòng)置頂、加權(quán)和排序［13-14］。五是隱私侵犯問(wèn)題。面向大眾，編輯分發(fā)無(wú)須了解個(gè)體情況，而算法分發(fā)為了實(shí)現(xiàn)個(gè)性化、精準(zhǔn)化推薦，往往會(huì)過(guò)度搜集用戶(hù)個(gè)人信息，侵犯用戶(hù)隱私［8，15］。

可以看出，相比于編輯分發(fā)，學(xué)者認(rèn)為算法分發(fā)既有明顯優(yōu)勢(shì)，也存在突出問(wèn)題。本文根據(jù)文獻(xiàn)調(diào)研發(fā)現(xiàn)，當(dāng)前關(guān)于算法分發(fā)與編輯分發(fā)的比較，多是學(xué)者基于自身經(jīng)驗(yàn)而進(jìn)行的邏輯推演，或?qū)Ρ硐蟮臍w納總結(jié)，相關(guān)結(jié)論較為宏觀和主觀。有必要采用實(shí)證研究方法，從微觀視角出發(fā)，客觀對(duì)比算法分發(fā)與編輯分發(fā)哪個(gè)更受用戶(hù)青睞或能帶來(lái)更好的體驗(yàn)［16］。

1.2 信息源的信息質(zhì)量研究

信息質(zhì)量是衡量信息源優(yōu)劣的關(guān)鍵指標(biāo)，信息源的信息質(zhì)量研究也一直是研究熱點(diǎn)。近年來(lái)，相關(guān)研究主要圍繞信息源的信息質(zhì)量評(píng)價(jià)、信息質(zhì)量治理、信息質(zhì)量對(duì)用戶(hù)行為的影響等方面展開(kāi)。值得注意的是，以用戶(hù)為中心是現(xiàn)有研究的顯著趨勢(shì)。例如，基于用戶(hù)感知和體驗(yàn)構(gòu)建信息源的信息質(zhì)量評(píng)價(jià)模型［17］，探索用戶(hù)參與的信息質(zhì)量治理策略［18］，揭示信息質(zhì)量對(duì)特定用戶(hù)群體的信息行為影響［19］等?，F(xiàn)有研究表明，用戶(hù)認(rèn)為信息源的信息質(zhì)量越高，其越傾向于使用、采納該信息源［20］。

本研究中，算法分發(fā)、編輯分發(fā)分別代表了“機(jī)智”“人智”驅(qū)動(dòng)的信息源。用戶(hù)選擇使用算法分發(fā)或編輯分發(fā)獲取信息，必然會(huì)對(duì)兩者的信息質(zhì)量進(jìn)行衡量。有理由認(rèn)為，用戶(hù)更可能使用信息質(zhì)量較高的信息源獲取信息?，F(xiàn)有研究多關(guān)注單一信息源的信息質(zhì)量問(wèn)題，卻忽視了對(duì)比用戶(hù)對(duì)兩類(lèi)特色鮮明、卻又存在競(jìng)爭(zhēng)關(guān)系的信息源的信息質(zhì)量感知。本文在信息質(zhì)量視角下，基于用戶(hù)感知，對(duì)比算法分發(fā)與編輯分發(fā)的信息質(zhì)量及差異，為相關(guān)研究和實(shí)踐提供一定啟示。

2 研究方法

2.1 問(wèn)卷設(shè)計(jì)

本文設(shè)計(jì)兩個(gè)潛在變量：算法分發(fā)的信息質(zhì)量（Information quality of algorithm-based distribution，IQAD）、編輯分發(fā)的信息質(zhì)量（Information quality of editor-based distribution，IQED）。潛在變量的設(shè)計(jì)參考已有文獻(xiàn)，并結(jié)合本研究進(jìn)行改編。其中，信息質(zhì)量的量表設(shè)計(jì)改編自Zhou［21］和查先進(jìn)等［22］的研究，包含全面性、準(zhǔn)確性、新穎性和符合需求4個(gè)維度。問(wèn)卷初稿設(shè)計(jì)完成后，邀請(qǐng)15名本科生、研究生進(jìn)行預(yù)調(diào)查，根據(jù)反饋意見(jiàn)完善問(wèn)卷的語(yǔ)言表述，以提升可理解性。最終量表見(jiàn)表1，所有題項(xiàng)均采用李克特7級(jí)量表（1代表“強(qiáng)烈不同意”、4代表“不確定”、7代表“強(qiáng)烈同意”）進(jìn)行測(cè)量。

2.2 數(shù)據(jù)搜集

算法分發(fā)與編輯分發(fā)的受眾廣泛，網(wǎng)絡(luò)用戶(hù)基本上都有使用經(jīng)驗(yàn)，因此采用網(wǎng)絡(luò)調(diào)查形式搜集數(shù)據(jù)。使用問(wèn)卷星平臺(tái)制作問(wèn)卷，通過(guò)微信群、QQ、朋友圈和貼吧等網(wǎng)絡(luò)平臺(tái)發(fā)放問(wèn)卷。為確保受訪(fǎng)者理解調(diào)查目的，問(wèn)卷介紹了算法分發(fā)和編輯分發(fā)的概念，并列舉了一些常見(jiàn)應(yīng)用。調(diào)查歷時(shí)一周，共回收問(wèn)卷491份，根據(jù)對(duì)作答時(shí)間的預(yù)估，刪除填寫(xiě)時(shí)間少于50秒的問(wèn)卷，同時(shí)，刪除所有題項(xiàng)答案一樣的無(wú)效問(wèn)卷，得到有效問(wèn)卷273份。問(wèn)卷的樣本人口統(tǒng)計(jì)信息見(jiàn)表2。

3 數(shù)據(jù)分析與結(jié)果

本文圍繞以下問(wèn)題進(jìn)行數(shù)據(jù)分析：①在信息質(zhì)量方面，算法分發(fā)與編輯分發(fā)精確的數(shù)據(jù)分布；②用戶(hù)認(rèn)為哪種信息分發(fā)模式的信息質(zhì)量更高；③用戶(hù)對(duì)算法分發(fā)與編輯分發(fā)信息質(zhì)量感知的準(zhǔn)確差異。

3.1 測(cè)量模型檢驗(yàn)

數(shù)據(jù)分析前，需要進(jìn)行測(cè)量模型檢驗(yàn)，涉及信度、內(nèi)容效度、收斂效度和區(qū)分效度。本文的量表改編自已有文獻(xiàn)，并根據(jù)預(yù)調(diào)查反饋進(jìn)行完善，可認(rèn)為測(cè)量模型具備內(nèi)容效度。表3是測(cè)量模型概述，從表3可看出，潛在變量的組合信度（Composite Reliability，CR）和內(nèi)部一致性系數(shù)（Cronbach's α）均大于0.7，說(shuō)明測(cè)量模型的信度良好。潛在變量的平均抽取方差（Average Variance Extracted，AVE）均大于0.5，說(shuō)明測(cè)量模型具備收斂效度。根據(jù)表3中潛在變量的AVE平方根和相關(guān)系數(shù)可以看出，兩個(gè)潛在變量的AVE平方根明顯大于它們之間的相關(guān)系數(shù)，說(shuō)明測(cè)量模型具備區(qū)分效度［23］。

本文的測(cè)量模型具備良好的信度和效度，可用于進(jìn)一步的數(shù)據(jù)分析。具體而言，測(cè)量模型具備區(qū)分效度，說(shuō)明兩個(gè)潛在變量相互獨(dú)立，用于比較用戶(hù)對(duì)算法分發(fā)與編輯分發(fā)的信息質(zhì)量感知差異是有意義的。同時(shí)，測(cè)量模型具備信度和收斂效度，保證了下文結(jié)構(gòu)和維度層面的數(shù)據(jù)分析具有可行性。

3.2 算法分發(fā)與編輯分發(fā)的信息質(zhì)量對(duì)比

信息質(zhì)量是用戶(hù)使用、采納特定信息源的重要前提。若用戶(hù)認(rèn)為某種信息分發(fā)模式可提供高質(zhì)量的信息，則容易產(chǎn)生積極態(tài)度，繼而傾向于選擇這種信息分發(fā)模式獲取信息。對(duì)于變量IQAD，需要受訪(fǎng)者評(píng)定以下問(wèn)題：①算法分發(fā)的信息是全面的；②算法分發(fā)的信息是準(zhǔn)確的；③算法分發(fā)的信息是新穎的；④算法分發(fā)的信息符合我的需求。

本文采用李克特7級(jí)量表測(cè)量上述問(wèn)題。對(duì)于273份樣本數(shù)據(jù)，首先，對(duì)于每個(gè)問(wèn)題，分別計(jì)算選擇1、2、3、4、5、6和7的個(gè)數(shù)；其次，由于測(cè)量模型具備良好的信度和效度，計(jì)算4個(gè)問(wèn)題中分別選擇1、2、3、4、5、6和7的總數(shù)，得到變量IQAD在每個(gè)得分項(xiàng)上的小計(jì)。變量IQAD的得分總個(gè)數(shù)為1 092（273*4）。

對(duì)于變量IQED，需要受訪(fǎng)者評(píng)定以下問(wèn)題：①編輯分發(fā)的信息是全面的；②編輯分發(fā)的信息是準(zhǔn)確的；③編輯分發(fā)的信息是新穎的；④編輯分發(fā)的信息符合我的需求。使用同樣的方法計(jì)算變量IQED在每個(gè)得分項(xiàng)上的小計(jì)。圖1展示了用戶(hù)對(duì)算法分發(fā)與編輯分發(fā)的信息質(zhì)量感知對(duì)比。

從圖1可看出，61.45%（671/1092）的受訪(fǎng)者同意算法分發(fā)具備信息質(zhì)量，而48.53%（530/1092）的受訪(fǎng)者同意編輯分發(fā)具備信息質(zhì)量。同時(shí)，20.6%（225/1092）的受訪(fǎng)者不同意算法分發(fā)具備信息質(zhì)量，27.56%（301/1092）的受訪(fǎng)者不同意編輯分發(fā)具備信息質(zhì)量。對(duì)于算法分發(fā)與編輯分發(fā)，選擇4的比例分別為17.95%（196/1092）、23.9%（261/1092），說(shuō)明這些受訪(fǎng)者不確定算法分發(fā)、編輯分發(fā)是否具備信息質(zhì)量。

3.3 配對(duì)樣本t-檢驗(yàn)

為準(zhǔn)確展示算法分發(fā)與編輯分發(fā)在信息質(zhì)量方面的差異，采用配對(duì)樣本t-檢驗(yàn)比較樣本的均值（見(jiàn)表4）。

表4展示了變量層面的配對(duì)樣本t-檢驗(yàn)，可以看出，算法分發(fā)與編輯分發(fā)的信息質(zhì)量存在顯著差異。具體而言，算法分發(fā)與編輯分發(fā)的信息質(zhì)量均值分別為4.721、4.343，均值差異為0.378，P<0.001，說(shuō)明用戶(hù)整體上認(rèn)為算法分發(fā)的信息質(zhì)量顯著高于編輯分發(fā)。為進(jìn)一步揭示算法分發(fā)與編輯分發(fā)在信息質(zhì)量構(gòu)成維度層面的差異，采用配對(duì)樣本t-檢驗(yàn)比較各維度均值，見(jiàn)表5。

從表5可以看出，算法分發(fā)在全面性、準(zhǔn)確性、新穎性和符合需求等維度的均值均大于編輯分發(fā)。其中，只有準(zhǔn)確性維度的均值差異不顯著，其余3個(gè)維度的均值差異顯著。說(shuō)明用戶(hù)認(rèn)為算法分發(fā)的信息在全面性、新穎性和符合需求等方面顯著優(yōu)于編輯分發(fā)，而在準(zhǔn)確性方面的優(yōu)勢(shì)不明顯。

4 討論

算法分發(fā)的信息，是算法根據(jù)用戶(hù)的興趣或偏好推薦來(lái)的，特點(diǎn)是具有個(gè)性化和針對(duì)性；編輯分發(fā)的信息，是編輯對(duì)信息本身的價(jià)值或優(yōu)劣評(píng)價(jià)后篩選而來(lái)，特點(diǎn)是具有全局性和普遍價(jià)值。當(dāng)前，用戶(hù)如何看待算法分發(fā)與編輯分發(fā)提供的信息，是值得討論的話(huà)題。本文從信息質(zhì)量視角，對(duì)比用戶(hù)對(duì)算法分發(fā)與編輯分發(fā)的信息質(zhì)量感知。

算法分發(fā)的出現(xiàn)，對(duì)編輯分發(fā)提出了嚴(yán)峻挑戰(zhàn)。如今，算法分發(fā)不僅擁有龐大的用戶(hù)群體，用戶(hù)黏性也持續(xù)增強(qiáng)。算法分發(fā)可提升信息傳播效率、滿(mǎn)足用戶(hù)個(gè)性化信息需求，而編輯分發(fā)效率較低、難以適應(yīng)受眾個(gè)體的信息需求。從圖1可以看出，相比于編輯分發(fā)，更多用戶(hù)認(rèn)為算法分發(fā)具備信息質(zhì)量。從表4可以看出，用戶(hù)整體上認(rèn)為算法分發(fā)的信息質(zhì)量顯著高于編輯分發(fā)。從表5可以看出，用戶(hù)認(rèn)為算法分發(fā)在信息全面性、準(zhǔn)確性維度優(yōu)于編輯分發(fā)，且在全面性維度的優(yōu)勢(shì)顯著，這與現(xiàn)實(shí)情況和學(xué)者觀點(diǎn)相悖。此外，在全面性、準(zhǔn)確性維度，算法分發(fā)與編輯分發(fā)的均值差異分別為0.264、0.216，而在新穎性、符合需求維度，兩者的均值差異分別達(dá)到0.549、0.484，說(shuō)明算法分發(fā)在信息新穎性和符合需求方面更受用戶(hù)認(rèn)可，這與已有研究觀點(diǎn)相符，也解釋了用戶(hù)為何偏愛(ài)算法分發(fā)。

4.1 理論啟示

社交網(wǎng)絡(luò)、大數(shù)據(jù)和人工智能等技術(shù)的普及應(yīng)用，為信息的生產(chǎn)和傳播帶來(lái)了創(chuàng)新和變革，但也加劇了信息過(guò)載和混亂，造就了空前復(fù)雜的信息環(huán)境。信息質(zhì)量成為人們選擇信息源時(shí)必須考慮的關(guān)鍵因素。不少學(xué)者探討了信息源的信息質(zhì)量問(wèn)題，但多數(shù)研究關(guān)注的是單一信息源的信息質(zhì)量評(píng)價(jià)、治理以及對(duì)用戶(hù)行為的影響等。鮮有研究在信息質(zhì)量視角下，比較用戶(hù)對(duì)不同信息源的感知差異。本文對(duì)比用戶(hù)對(duì)算法分發(fā)與編輯分發(fā)的信息質(zhì)量感知差異，拓展了信息源的信息質(zhì)量研究范疇，也為信息質(zhì)量理論的應(yīng)用提供了新思路。

長(zhǎng)期以來(lái)，編輯分發(fā)是人們獲取信息的重要渠道，如今雖面臨用戶(hù)流失和影響力下降的窘境，但仍是未來(lái)社會(huì)中必不可少的信息分發(fā)模式之一。相比之下，算法分發(fā)是新興的信息分發(fā)模式，雖發(fā)展迅速、用戶(hù)規(guī)模龐大，但其價(jià)值仍有待于在更多人類(lèi)信息活動(dòng)中得到驗(yàn)證。圍繞算法分發(fā)與編輯分發(fā)的討論和實(shí)證研究，是今后值得重點(diǎn)關(guān)注的方向。本文發(fā)現(xiàn)，當(dāng)前用戶(hù)認(rèn)為算法分發(fā)的信息質(zhì)量顯著高于編輯分發(fā)，這將為未來(lái)的研究提供新思路。例如，后續(xù)研究可探索用戶(hù)因何更認(rèn)可算法分發(fā)的信息質(zhì)量，如何提升用戶(hù)對(duì)編輯分發(fā)的信息質(zhì)量感知，也可從更多視角出發(fā)對(duì)比算法分發(fā)與編輯分發(fā)，進(jìn)一步揭示用戶(hù)對(duì)兩者的感知與體驗(yàn)。

4.2 實(shí)踐啟示

4.2.1 算法分發(fā)用戶(hù)應(yīng)注重提升算法素養(yǎng)。用戶(hù)在信息全面性和準(zhǔn)確性維度，對(duì)算法分發(fā)與編輯分發(fā)的差異存在誤判，這反映了用戶(hù)的算法素養(yǎng)不高。因此，用戶(hù)有必要提升算法素養(yǎng)，重新審視、謹(jǐn)慎使用算法分發(fā)提供的信息。本文建議用戶(hù)可從4個(gè)方面著手提升算法素養(yǎng)：一是了解算法及其用途；二是了解算法驅(qū)動(dòng)信息傳播的技術(shù)原理、運(yùn)行邏輯；三是了解算法分發(fā)供應(yīng)商的真實(shí)意圖、價(jià)值取向；四是了解算法分發(fā)平臺(tái)中信息生產(chǎn)者的構(gòu)成、專(zhuān)業(yè)素養(yǎng)和價(jià)值觀。

4.2.2 亟須提升編輯分發(fā)的影響力和顯示度。編輯分發(fā)模式由來(lái)已久，其科學(xué)性、嚴(yán)謹(jǐn)性和重要性無(wú)須證實(shí)。盡管關(guān)于規(guī)范互聯(lián)網(wǎng)信息服務(wù)算法的政策已出臺(tái)［24］，但算法分發(fā)模式仍不成熟，若任由其搶奪用戶(hù)及其注意力，可能危害社會(huì)信息傳播活動(dòng)、擾亂信息資源有序流動(dòng)、不利于公眾形成對(duì)社會(huì)的全面認(rèn)知。因此，亟須提升編輯分發(fā)的影響力和顯示度，主動(dòng)吸引用戶(hù)，讓優(yōu)質(zhì)的、全局性的和具有普遍意義的信息得到充分傳播。本文建議：政府主管部門(mén)應(yīng)適時(shí)出臺(tái)針對(duì)性政策，支持編輯分發(fā)模式在信息分發(fā)洪流中占據(jù)主動(dòng)；編輯分發(fā)行業(yè)應(yīng)直面挑戰(zhàn)、尋求變革與突破，提升信息分發(fā)效率和能力；學(xué)術(shù)界、相關(guān)從業(yè)者應(yīng)加大宣傳力度，讓編輯分發(fā)的優(yōu)勢(shì)深入人心。

4.3 局限與展望

本研究的局限有以下兩個(gè)方面：第一，本文試圖從整體上把握用戶(hù)對(duì)算法分發(fā)與編輯分發(fā)的信息質(zhì)量感知差異，未限定信息類(lèi)型，可能導(dǎo)致研究結(jié)果針對(duì)性不足。后續(xù)研究可提升針對(duì)性，如對(duì)比用戶(hù)對(duì)算法分發(fā)與編輯分發(fā)不同類(lèi)型信息的質(zhì)量感知差異。第二，本文從信息質(zhì)量視角出發(fā)，對(duì)比用戶(hù)對(duì)算法分發(fā)與編輯分發(fā)的感知差異，信息質(zhì)量雖是各類(lèi)信息源的重要屬性，但還有其他屬性值得關(guān)注，如可信度、有用性和滿(mǎn)意度等。后續(xù)研究可從更多視角展開(kāi)，進(jìn)一步揭示用戶(hù)對(duì)算法分發(fā)與編輯分發(fā)的感知差異。

參考文獻(xiàn)：

［1］師文，陳昌鳳.社交機(jī)器人在新聞擴(kuò)散中的角色和行為模式研究：基于《紐約時(shí)報(bào)》“修例”風(fēng)波報(bào)道在Twitter上擴(kuò)散的分析［J］.新聞與傳播研究，2020，27（5）：5-20，126.

［2］“70%網(wǎng)絡(luò)信息內(nèi)容由算法推薦” ［EB/OL］. （2020-11-17）［2023-10-03］. https：//m.gmw.cn/baijia/2020-11-17/1301806457.html.

［3］李彪，張雪，高琳軒.從管理新聞到回避新聞：社交分發(fā)環(huán)境下新聞消費(fèi)方式的轉(zhuǎn)向［J］.新聞與傳播研究，2021，28（9）：23-38，126.

［4］潘云寬，申小蓉.網(wǎng)絡(luò)算法分發(fā)視域下大學(xué)生價(jià)值觀引導(dǎo)面臨的挑戰(zhàn)和應(yīng)對(duì)策略［J］.思想教育研究，2022（7）：150-154.

［5］汪永安.網(wǎng)絡(luò)輿論場(chǎng)“流量至上”的生成邏輯與矯治策略［J］.探索，2023（5）：177-188.

［6］李龍飛，張國(guó)良.算法時(shí)代“信息繭房”效應(yīng)生成機(jī)理與治理路徑：基于信息生態(tài)理論視角［J］.電子政務(wù)，2022（9）：51-62.

［7］劉德寰，朱琦.顛覆與重塑：下一代人工智能的傳播學(xué)意義［J］.新聞愛(ài)好者，2023（9）：4-10.

［8］胡江偉，周云倩.新聞算法分發(fā)的技術(shù)倫理沖突及其規(guī)制［J］.青年記者，2020（3）：29-30.

［9］張香萍，李軍.新聞算法推送的困境、出路與展望［J］.編輯之友，2019（4）：86-90.

［10］殷俊，余夢(mèng)瓏.新聞資訊APP發(fā)展動(dòng)態(tài)、創(chuàng)新與趨勢(shì)研究［J］.中國(guó)編輯，2018（11）：46-50.

［11］劉純怡，李昌.豎屏短視頻傳播熱中的冷思考［J］.編輯學(xué)刊，2022（4）：106-110.

［12］胡泳，年欣.自由與馴化：流量、算法與資本控制下的短視頻創(chuàng)作［J］.社會(huì)科學(xué)戰(zhàn)線(xiàn)，2022（6）：144-165，282.

［13］張帆.權(quán)威與角色：智媒時(shí)代的新聞職業(yè)話(huà)語(yǔ)研究［J］.湖北大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2021，48（4）：140-147，177.

［14］劉沫瀟.從“把關(guān)人”到“守望人”：算法式新聞分發(fā)下人工編輯的功能角色定位［J］.電視研究，2019（2）：63-65.

［15］林洹民.個(gè)性化推薦算法的多維治理［J］.法制與社會(huì)發(fā)展，2022，28（4）：162-179.

［16］熊敏，肖燕雄.內(nèi)容·渠道·用戶(hù)：內(nèi)容分發(fā)平臺(tái)媒體的內(nèi)容運(yùn)營(yíng)體系構(gòu)建［J］.中國(guó)編輯，2021（10）：33-37.

［17］尤瑾，朱學(xué)芳.用戶(hù)視角下知識(shí)類(lèi)微博信息質(zhì)量評(píng)價(jià)模型構(gòu)建及實(shí)證研究［J］.圖書(shū)情報(bào)工作，2023，67（13）：122-132.

［18］金燕，韓二瑩，畢崇武.面向在線(xiàn)健康信息質(zhì)量治理的群體動(dòng)力系統(tǒng)構(gòu)建及優(yōu)化研究［J］.情報(bào)科學(xué)，2022，40（8）：76-84.

［19］盧恒，李文潔，石劍蘭.基于扎根理論的圖文社區(qū)老年用戶(hù)信息交流行為影響因素研究［J］.數(shù)字圖書(shū)館論壇，2023，19（8）：77-86.

［20］陳旖旎，周曉英，岳麗欣，等.移動(dòng)UGC社區(qū)用戶(hù)健康信息采納行為意愿的影響因素［J］.圖書(shū)情報(bào)知識(shí)，2022，39（5）：82-95.

［21］ZHOU T. Examining the critical success factors of mobile website adoption［J］. Online Information Review， 2011， 35（4）： 636-652.

［22］查先進(jìn)，張晉朝，嚴(yán)亞蘭. 微博環(huán)境下用戶(hù)學(xué)術(shù)信息搜尋行為影響因素研究：信息質(zhì)量和信源可信度雙路徑視角 ［J］. 中國(guó)圖書(shū)館學(xué)報(bào)， 2015， 41 （3）： 71-86.

［23］STRAUB D， BOUDREAU M C， GEFEN D. Validation guidelines for IS positivist research［J］. Communications of the Association for Information systems， 2004， 13（1）： 380-427.

［24］中華人民共和國(guó)國(guó)家互聯(lián)網(wǎng)信息辦公室.《互聯(lián)網(wǎng)信息服務(wù)算法推薦管理規(guī)定》［EB/OL］. （2022-01-04）［2023-11-8］. https：//www.gov.cn/zhengce/2022-11/26/content_5728941.htm.