|
|
原创来源公号： 浙传金天学长
编者按：通过近几年的真题，我们能了解到，新传考研所涉及的内容是在不断地进行拓展。新传作为一门社会学科，会与许多的领域相互关联，技术的发展、社会的热点事件等等。这也说明了新传的学习不仅要靠基础知识，更需要不断地拓展。
学长为大家专门整理了近年考试比较热门的几个大专题，包括新媒体技术、新媒体与用户、媒体融合与传媒转型、视听传播与网络文化、国际传播与跨文化传播、新冠肺炎疫情与传播、舆论与社会治理、媒介伦理、经典理论嬗变和学术前沿研究共10个大专题，并且囊括了30多个子专题，让大家能够系统地、深入地学习相关知识。
【新媒介技术专题合集】专题的第一部分主要是围绕新媒介技术，在之前已经推送了第一个子专题媒介环境学派，以及第二个子专题新兴技术形态中5G技术、区块链和虚拟现实的专题内容。在之后的专题种，还会持续推出大数据、人工智能共2期的知识点。
算法推荐定义
算法推荐是指网站平台通过算法模型将用户信息数据与内容信息数据进行匹配，实现内容高效聚合、精准分发的一种手段。
算法推荐类型
协同过滤当下互联网的协同过滤主要是基于用户的协同过滤。算法会通过对与个人兴趣类似的用户进行分类，如何推送相似的内容。这是根据每一个用户在使用网络时，用户行为相似性、历史行为的相似性和基本情况的相似性来进行推荐。
内容推荐内容推荐是通过记录用户个体的网络浏览记录以及用户自身的标签，形成用户画像，然后进行内容的推荐。影响这种推荐得以实现的重要因素在于平台能否形成对于用户和待推荐内容的精准理解以及精准的匹配机制。
聚合分发聚合分发是通过整合网络平台的热点内容来进行分发，最常见的例如微博排行榜、抖音热门榜等等。聚合分发会对热点信息的点击率、转发量、评论数目等内容进行综合评价，并进行排序，然后进行内容的推送。
算法推荐与新闻
算法新闻是指在算法程序的引领下 ，新闻机器人在确保精准度和可靠性的同时 ，自动生产新闻的过程 ；它的基础源自于计算机领域中自然语言生成技术的发展 ，机器能够从结构化数据中自动生成大量文本。而由此技术衍生发展而来的另一种技术应用便是算法推荐新闻。与算法新闻相比 ，算法推荐新闻不仅需要计算机依托框架自动生成文本 ，还得通过一些数学算法推测出用户可能喜欢的新闻 ，进而实现个性化的推送。
算法推荐新闻的特点
生产方式：用户画像+数据化精确制作。传统的新闻生产更多依赖新闻生产者的经验，这种精英主义式的生产方式难免滋生傲慢。随着技术的发展，用户偏好的广泛性开始凸显，以用户需求为导向的算法新闻生产方式日益体现出其重要的社会影响。从生产方式的角度来看，算法推荐新闻的其中一个重要特点就是“用户画像+数据化精确制作”。用户画像，即新闻产品在生产的最初环节，把用户兴趣图谱、社会关系图谱、生活习惯图谱等数据收集起来，以便后面对用户进行针对性的新闻推送。在这样一种数据化的生产方式中，传统的精英主义生产方式的傲慢被逐渐瓦解，智媒时代下的数据思维和用户思维逐渐占据主导。
传播方式：从“点到面”到“智能化精准分发”在传统的新闻传播活动中，信息通过大众传媒传播至信息终端的受众，是一个由点到面的过程。在此过程中，新闻生产者生产和发布新闻，之后受众依据自身的偏好来选择阅读、收听或收看自己感兴趣的新闻讯息。然而，算法推荐新闻的出现，改变了这样一种信息传收方式，由原来的“点到面”转变为“智能化精准分发”。机器算法根据每个用户的不同时间、不同场景从而推荐与他们兴趣和个人需求相适配的信息。并且，算法的智能化使得这过程并不需要用户主动搜索、选择，关注的信息便会自动出现，如此一来，将会大量节省用户搜索时间成本，提高用户获得需要的信息的效率。
消费方式：新闻的“订阅服务”算法推荐新闻的出现，随即带来了用户消费层面的变化。一方面，当用户通过算法推荐接触到自己喜欢的新闻媒体App、公众号时，可以通过“重点关注”的方式有选择地接受其中某些特定的新闻推送。另一方面，当面临着“以质取胜”，需要收费阅读的新闻时，部分用户开始接受平台的新闻订阅服务。虽然目前采取“付费版”的新闻客户端并不多，但也有成功的例子。2017年11月6日，财经新闻正式启动全面付费。通过“付费墙”一方面稳定了核心用户，能够更准确的了解到用户需求；同时也增加了经济收入，这对高质量内容的推出有了保障。
算法推荐对新闻业的正面影响
有效提升受众信息选择或然率“传播学之父”施拉姆就受众对传播媒介的倾向性选择提出了一个公式，即选择的或然率= 报偿的保证/费力的程度。根据该公式可以得出：受众满足程度与费力程度成反比，满意程度越高，而费力程度越低，则或然率就越大，受众也就越倾向选择这种媒介或信息。传统的新闻生产和传播模式的局限使得诸多用户的个性化信息需求无法得到满足。如今算法技术应用到新闻领域后，促使媒体机构更加重视考量受众的偏好。无论是用户对某条新闻的点赞、转发、评论、屏蔽都能被算法捕捉，并依据用户画像生成一组组新闻来进行个性化输出。如此一来，用户搜索新闻信息的费力程度大大降低，受众信息或然率得到有效提升。而受众信息或然率的提升进而也在一定程度上增 加了新闻信息的利用成效。
帮助用户垂直深耕其内容偏好领域“使用与满足”理论认为 ，受众接触媒介是基于某种目的，并希望通过使用媒介过后能得到个人满足。而算法推荐新闻根据用户对信息的喜好程度来推送新闻资讯这一机制 ，恰好能满足用户希望拓展其偏好领域的知识深度的愿望。其背后的原理是：若用户经常关注某一领域的内容，算法后台便会将其浏览痕迹、搜索数据，新闻内容的点击量、阅读量甚至是注意力停留时长都记录下来，然后媒体就会持续不断的给用户推送相关新闻讯息。通过正确使用算法推荐新闻 ，可以帮助用户在他喜爱或擅长的领域进行深度了解和探究，垂直深耕该领域，乃至培养专长。便捷用户传播个人偏好的信息资讯在个性化算法推荐开始普遍应用以前，新闻媒体通常是基于自身的新闻价值理念来发布信息资讯，很少考虑该信息是否被用户需要。这样，不少用户即使每天接收了大量的信息 ，但那些信息不一定是自己想要的或感兴趣的，想通过向同事、亲友推荐、分享自己偏好的信息资讯，以加强彼此的联系和沟通时 ，还需要主动去搜索。不仅不方便，而且耗时耗力。而算法推荐新闻的出现，很好的解决了这一问题。算法通过用户画像，将用户偏好的新闻信息类型挖掘出来，然后再持续不断地向用户推送这类新闻信息。这样的信息推送机制，极大方便了用户将个人偏好的信息资讯转发、分享给他人，不仅有利于用户与自己的同事、亲友建构更多的共性话题，增进相互间的交流，而且能够拓展和丰富彼此的信息世界。
算法推荐对新闻业的负面影响
新闻“简单化”处理在算法技术与新闻结合的过程中，存在着将意义丰富的新闻“简单化”处理为信息的问题。算法推荐将在线内容的供需问题进行了简单化处理，未来单向迎合用户偏好，偏向以“浏览记录”“热度”“兴趣”等维度来判断用户喜好，连续推送同质化内容。这种思路将新闻简单化、一律化为彼此没有差别的代码、符号或公式，讲究新闻多种要素在可量化方面的传播效率，比如阅读量、渗透率、日活等等，刻意地将信息去意识形态和去价值化，追求一种机械的平均和平等。
算法黑箱的操纵个性化内容推送过程中存在算法黑箱。不同于人类决策，理论上嵌入算法中的计算理论总是可以被充分描述的，除非是有意结合随机性，否则都应该可以重复验证。但是现实的问题在于，一般情况下大型科技公司不会主动公开算法，而随着算法越来越复杂，从有监督计算到无监督计算，后期可能即便是程序员本身也无法了解机器对于数据到底做了什么，而这样的过程又可能是带有偏见、歧视、以及错误性信息的，因此，通过算法做出的判断和推荐，由于过程的不透明性，故而难以监督。
个人信息的“再利用与他用”算法推荐新闻的主要风险就是对用户信息的过度利用，而过度利用便体现为对个人信息的二次再利用与传给其他主体利用。新闻平台收集用户个人信息的道德和法律上的目的都应当是为用户推送符合其个人喜好的新闻，提高其新闻信息搜集、获取的效率，提升新闻平台的服务质量。但是，新闻平台不仅具有向用户提供新闻信息的基本职能，其同时也具有广告投放的业务，广告投放是新闻平台重要的经济增收项目。新闻平台凭借对用户个人信息、数据的掌握，运用算法精准推算其爱好，不仅向其精准投放新闻信息，而且也向其精准投放商品广告，不仅新闻客户端APP 界面的新闻信息是“私人定制”，同时向其推送的商品需求广告也是针对用户的“私人定制”，将个人信息“再利用”。
劣币驱逐良币算法推荐高度依赖内容质量和版权规范。算法虽然可以协助人类发现规律进行决策，但算法高度依赖导入数据的结构性特征。在个性化内容推荐领域，如果整个传播生态系统中的内容质量不高，仅仅依靠算法是无法进行更高水平的内容生产的。而且当前的算法会更加放大和集中某些仅仅诉诸点击量、转发率的内容，造成内容市场上的“劣币驱逐良币”。此外，目前内容市场版权规范混乱，很多平台对于内容的聚合处于掠夺式状态，这从一定程度上限制了高质量内容的流动，而高质量的内容如果无法进入到算法池，则更加无法被算法推荐。
对算法推荐与新闻结合的思考
规范分类与推荐机制首先要建立频道栏目分区分类管理机制。对于平台媒体一些头部栏目，如“推荐”“热点”“头条”“要闻”“新时代”等，默认开启重点频道分区管理制度，依次设置置顶区、要闻区、个性化区，置顶区和要闻区要按比例推送时政新闻；控制个性化区中刷新的自媒体内容、明星娱乐类内容占比；限制同质化内容的出现频度；对于用户感兴趣的话题，同时提供“不再推送此类内容”“减少推送此类内容”以及违法违规不良内容举报等功能选项。并且要建立科学合理的算法推荐模型。按照价值观正确的总体要求，优化算法推荐权重配比，关注内容来源规范、文章评价评分、自媒体信用评级、用户反馈意见等质量类要素，辅以用户浏览历史、所在位置及文章阅读量、转发量、评论量等兴趣类要素。
完善人工审核机制算法推荐的重要稿件必须实行人工审核，落实总编辑负责审核制；增加对弹窗、热点推荐等重要板块内容的审核频次，实现问题稿件快速召回、反馈信息快速回应、推荐模型快速修正；建立科学合理的算法推荐人工干预指标体系，多维度规范文章质量标签的衡量标准，降低文章阅读量、转发量、评论数、点赞数等热度阈值上人工复核的数量要求。
保护用户个人隐私在互联网信息时代，个人信息的价值被无限放大和挖掘，如何在信息时代保护个人信息成为一项对于用户个人和政府机构来说都是难以应对的问题。在传统时代背景下，个人信息更多的体现的是个人人身性的一面，我国立法和司法实践也主要是对人身性的关注。但是信息数字化社会的到来，云计算、人工智能、大数据等技术的发展，个人信息的经济价值逐渐显现，尤其是大数据技术的发展，寄托大数据为基础技术的算法运算技术日益成熟，个人信息、数据的经济价值逐渐显现并成为互联网领域各商业平台技术运营的基本依托。“知情与同意”是国际社会在个人信息呈现出数据化的新信息时代普遍承认和规定的一项个人信息使用的基本原则，其目的就是防止市场主体为了过度追求经济利益而过度开发、使用个人信息，保护本人对个人信息的绝对支配权和处分权。我国要完善个人信息的法律保障，构建“知情与同意”为原则的“个人信息权”，这不仅是用户个人信息保护的基本法律依据，而且也是规制新闻平台合法、合规使用个人信息的根本性屏障。
强化新闻行业监管技术的发展与应用本身是无可非议的，算法新闻推荐是互联网新闻业发展的必然趋势和选择，但是技术的应用需要有效的监管和约束。技术发展与演进极其迅速的互联网时代，法律本身具有的滞后性缺陷更加显然，在相关法律法规不健全的阶段，要充分发挥行业自身的监管作用，发挥行业组织监督、协调、引导的职能作用。算法推荐新闻是移动互联网媒体时期各新闻媒体平台拓展移动新闻客户端业务而普遍使用的技术手段，目的是及时、高效、个性化的向用户推荐新闻信息，达到锁定固定用户，赚取经济收益的目的，运用算法推荐新闻已经成为新闻平台潜在的行业“潜规则”，在行业间形成潜在的、默许的恶性氛围。行业协会要充分发挥协会职能，做好行业规范宣传、教育工作，积极制定本行业内部规章制度，建立本行业监管、惩治机制，规范行业自律。
<hr/>
【参考文献】
[1]杨灿.算法推荐新闻对用户的影响及对策,2020
[2]方师师.算法如何重塑新闻业：现状、问题与规制,2018
[3]李宁.算法推荐新闻中个人信息的保护,2020(9)
[4]杨 洸 佘佳玲.新闻算法推荐的信息可见性、用户主动性与信息茧房效应：算法与用户互动的视角,2020
像风走了八万里 终归浙里！ |
|
发表于 2023-1-5 12:44:47