【案例】
( K/ B, Q, N# @; i* P7 h算法推荐的风险防范和导向管理* q! t& ^3 p; e$ U2 I
% z ]$ _- M) q( U; P7 h
原创: 邓 杭 新闻战线 2018-07-01
! M7 E$ o6 }" N1 {+ N" W引导关注商务学习
( V" I2 l8 k0 Z) Z4 m. g5 d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。
8 T8 T$ Z7 r% G4 _3 Z9 U5 P5 P& a# J" G6 U- u: B3 X$ V
18 @% E; t; n5 G- E, `/ W5 L9 t6 V
$ k/ H7 t4 j8 H: o/ |
算法推荐对网络舆论的价值6 B3 @* q! u1 p8 O* g% ]
2 K- J ~/ E6 J+ Q1 K& Y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。, a2 E Y1 a( B+ _6 [0 n+ m7 d
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。- O6 g0 s( I5 T# c6 g+ ~) J, u8 e
5 M8 B- j! O4 e* O z, S" ]( N, V7 l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。
/ Q0 z9 b. z: W6 b* U4 j/ @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。) q. y/ n) \' C9 r4 w! Q& e: ~
7 B. J' ], a# S9 n3 w% @! L+ [2; Q9 n' z! w* H- G( o. y+ r
/ V& q: B" s$ ?8 X9 Y$ l, r
算法推荐对网络舆论引导的冲击与风险: Q1 f0 m: Q# V! ^0 ]$ Y& v3 E
' z- O. L* ?9 w “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。1 @, f; E' y/ G4 y
“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。
p! f# j r0 j0 Y“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。1 a- U; Z* s5 f. s
: V; }1 l) B+ X3 K( o/ d" d( O
3
3 w% f9 @3 E# v& a6 m6 v( y
& Q, f8 y& Q' x, e( n( Z, x3 \加强算法推荐的综合治理
) z' P6 \, N4 V8 C. u7 t6 V: t1 r [; a7 n/ o
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。
$ p( R- v8 {+ V8 W/ V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。
* J+ M) K/ H7 y& d1 c1 ?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。
% o/ X- r( @, N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。' l& R0 e1 T& S5 I, m8 F
/ {& w b5 \& A* _
4
8 U9 M# G5 l- J5 s* l6 \+ S8 j0 W6 {6 j5 z- |* g/ M) ^
运用算法推荐服务于网络舆论引导
( d4 U" t5 k# v/ ], T
1 y/ x7 `; \5 C! E" t7 }! m2 P. v' l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”。
, i- ^+ L d$ K! `7 E4 n% k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。4 f+ u5 k E- ~: l: H
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。
# \" ?# p4 L1 n( o3 ~7 b; ?1 S* ~, M( B( A(作者单位:中央网信办网络评论工作局)& W+ {# M2 M: ~
责任编辑:武艳珍; \4 S% z9 [2 `- g
* \: Y$ N! H: U# u- I2 y* x$ T8 {
https://mp.weixin.qq.com/s/k5v3hCzLFJzslErHow8aaw
& o7 k9 L" F, `8 g
q7 Y" q6 z4 _" Z; O6 H1 K编辑:陈心茹 |