欢迎点击上方订阅本公众号。
导读
本文为CCSGR研究员、上海社会科学院新闻研究所助理研究员方师师的《算法如何重塑新闻业：现状、问题与规制》一文摘要，获取全文请参阅刊发杂志。
本文对于移动互联时代算法接入新闻业的新现象和新趋势进行了整体性的梳理和分析。算法接入新闻业在一定程度上解决了海量的社会化信息与个人终端信息需求之间的“信息传播效率”问题。在世界范围内，算法内容生成逐渐成熟、算法内容推荐大受欢迎、平台媒体重塑新闻业体现出算法新闻业的蓬勃发展。这些现象的实质是自动化原则在新闻传播领域的实践，表征了内容生产和内容把关的权力转移。未来对于算法推荐的规制，主要是从规范信息来源，监管流动过程，严惩违规行为，建立和完善各类算法推荐的科学、合理、长效的机制入手。
在过去的20年间，新闻业的传播与商业模式经历了三次巨变，分别是从模拟数字模式到数字模式、从社交网络兴起再到移动网络主导。在当下正在进行的第三次变革中，移动端的兴起带来了社交媒体的蓬勃发展，互联网上的内容生产正变得越来越多样化，用户内容生产（UGC）、机构内容生产（PGC）、混合内容生产（PUGC）、机器内容生产（MGC）等形成了海量的社会化信息。这就使得“信息传播效率”成为信息生产者、信息传播渠道、信息接收端所面临的共同挑战。
信息生产社会化时代，海量的新闻内容不可能被全部传播和均衡地接收，因此对于新闻内容的传播就出现了两种新的思路：第一种是把权力让度给社交关系
，“你的社交圈就是你的信息环境”，让每个人推荐自己喜欢的内容给朋友，同时也消费朋友推荐的内容；
第二种是把权力让度给算法
，让机器和算法来识别和匹配内容与个人喜好，给用户推荐他们最可能感兴趣的内容。在现有的情况下，这两种方法都可以排除掉大量与用户自身“无关”的内容，大规模提高信息分发的效率。
从2016年开始，通讯社交类App尤其是采用算法进行个性化内容推荐的App，和新闻类App共同成为了用户在移动端获取新闻的主要渠道。社交媒体和新闻媒体的联手，尤其是通过算法进行的个性化内容推荐，在一定程度上确实解决了海量的社会化信息生产与媒体终端个人化和信息需求个性化之间的矛盾。随着算法推荐技术日益成熟，该方法可以有效地提高内容分发效率，增强用户粘性，使得内容生产者（包括传统媒体和自媒体账号等）高效实现商业变现。同时，自媒体的海量内容资源，丰富了网站平台稿池，给平台带来大量流量和广告。二者互相借势、共生壮大，满足了用户对原创内容数量、多样性、个性化的需求。
而随着新闻机构逐渐将内容分发、变现等功能交给社交媒体平台，平台媒体已经成为新兴的涉足新闻内容聚合分发的关键力量，拥有强大的影响力与传播效果。
算法对于新闻业的接入，主要体现在三个主要环节：
第一，内容的自动化生产。
算法新闻（algorithm journalism）、机器人新闻（robot journalism）、自动化新闻（automated journalism）以及人工智能辅助新闻（AI aided Journalism）等，主要是指将算法或者结合了机器学习的技术手段接入到新闻的生产流程中，通过编写的代码和程序使得新闻的生产实现自动化。
第二，个性化的内容推荐。
采用算法进行内容推荐的平台或App，可以识别用户的终端设备，读取用户的点击历史和阅读习惯，结合大数据用户画像和社交关系图谱，来匹配用户的关注兴趣和平台聚合的内容，向用户分发个性化的内容，以达到内容的精准传播。这一过程降低信息分发过程中的不确定性，细化投递颗粒度，最终带来了信息传播的“千人千面”。
第三，平台媒体的聚合分发。
2017年3月，哥伦比亚大学托尔数字新闻中心发布《平台新闻：硅谷如何重塑新闻业》报告，报告指出，美国新闻业正迎来第三次浪潮，平台公司与新闻机构正在加速融合，重塑新闻业态。而以脸书为代表的社交媒体平台和科技公司迅速发展，深刻改变、塑造了整个新闻业乃至社会的发展路径。平台依靠算法筛选内容，定向发布，既为新闻媒体提供了大量的资源，提升传播效率，却又限制了媒体的编辑决策，攫取了大量广告收入。
市面上一般将新闻类App分为四大类：算法推荐类，媒体订阅类，门户新闻类和传统媒体类。近年来最新的趋势是，社交媒体平台依靠先进的技术实力和庞大的用户群体进行的内容推荐已经开始重塑世界新闻业的版图，社交媒体的推荐算法对于传统媒体的内容导流效应明显，并且拿走了大量的数字广告；而一批工具类的应用也开始入场内容变现，其依靠场景化的内容推送可以强化用户黏性，完善用户画像，提升定向广告的变现能力。
1. 移动端个性化算法推荐应用风行
在各国的新闻App排名中，传统媒体推出的App依然占有一席之地，但是经由算法推送的个性化推荐类新闻客户端目前已经占据了相当的市场份额。根据SimilarWeb对于全球App的排名显示，在美国，Twitter、News Break和Reddit在社交媒体推送新闻方面占有绝对的优势，而主打算法推荐的Flipboard、SmartNews以及调整修改后的TopBuzz排名也非常靠前。在德国，Twitter、Reddit以及Google News在苹果商店排名较高，但是在谷歌商店里，算法内容推荐的News Republic、Flipboard表现不俗。在日本，排名第一的SmartNews在算法上走得更远。在印度，除了Twitter外，在谷歌商店排名第一、苹果商店排名第二的Dailyhunt主打算法推荐，在2016年还获得了今日头条的投资。
2. 媒体依赖平台进行内容的个性化推送
随着社交媒体的普及，新闻机构也大量入主社交媒体平台，利用平台传播内容。对新闻机构和记者而言，社交平台能覆盖的受众数量级和针对性具有极大的价值。这些大型科技公司通过对于用户海量数据的挖掘，将媒体内容与用户偏好匹配起来，具有更为精细的颗粒度，进而有助于平台算法来同步适应用户行为，由此实现品牌内容的传播和内容效果的传播，随着用户黏性越来越大，潜在地增加了广告的收入。
3. 场景化工具入局内容推送寻求变现
内容是场景化工具变现的又一渠道。一段时间以来，大量本身属于互联网工具类的应用也开始进行内容化，比较典型的如浏览器新闻、电商新闻、地图新闻等等。对于这些工具性应用来说，首先，内容作为信息流呈现时，能增加原生广告的广告位，内容相同时，隐藏在其中的广告会获得更高的转化率；其次，用户在使用工具类应用时如果阅读了相应的内容，对应的数据标签也会形成，有助于进一步完整用户画像和精准广告投放；第三，当内容与用户产生了情感共鸣，用户会改变对工具冷冰冰的印象，对投放在工具的品牌广告认同感更加强烈。
个性化推荐类新闻客户端能够成为市场主力，因其可以很好地满足用户对信息的差异化需求，顺应了媒体细分化的潮流。而算法推荐对于既有的新闻传播最为重要的影响在于，它改变了之前机构、媒体、编辑对于信息的把关权力。
算法推荐作为新的过滤和把关方式，实际上是勾连聚合内容与渠道分发之间的逻辑机制。
一是用社交关系，二是用机器算法。这就将之前的由媒体、机构、编辑等换成了用户的个人属性、社交关系和机器算法。如果说用户的个人属性和社交关系是由用户自己决定的，那么算法就是由互联网公司的产品理念所决定的。
总体来说，算法接入内容对于信息传播的影响主要有：第一，
在信息分发层面，实现了内容的精准投递，降低了传播的颗粒度；
第二，
在信息接收层面，形成了基于用户画像的个性化内容推荐，即“千人千面”；
第三，
在数据流动层面，用户的使用惯习会形成新的数据反馈给系统和算法，由此进入下一轮的算法模型，推动模型的不断迭代。
算法新闻业的出现，对于信息传播格局的影响主要体现在：第一，
传统媒体时代媒体对于信息的把关权力被转移到算法或者平台媒体手里，传统媒体沦为算法或者平台的内容打工者；
第二，
传播渠道被整合在社交平台上，通过社交媒体的沉浸式传播和精准传播，用户被卷入更多的时间、金钱和数据；
第三，
新闻内容的核实越来越困难，由于缺乏传统媒体的信息核查机制，算法仅仅负责将信息高效地分发出去，并不对内容本身负责，而新闻本身的客观全面真实等要素由于并不会给流量带来太大效果而不被重视；
第四，
随着用户画像的不断完善，算法使其对内容的接收和匹配程度越来越高，用户被裹挟在基于自身属性、兴趣、社交关系的“过滤泡”中，对于外部客观世界越发不敏感；
第五，
人们满足于每天沉浸在相似类似的观点与意见的信息流中，对于相左和相反的意见不再关注和反思，长此以往将形成信息茧房和观念极化，弱化人类的知识和思想创新。
由于社交平台的介入，新闻业注重规模效应，催生了病毒式的内容传播和标题党。优质新闻生产成本高，而虚假、误导性内容却可以赚取高额利润。一般受到热捧的文章，往往有比文章暗示性更强的标题，有能吸引关注和引起争议的观点，或只是不断重复已经刷屏的热文。
总结而言，算法接入新闻业出现的问题主要有：
第一，算法将意义丰富的新闻“简单化”处理为信息。
新闻被简单化、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。
第二，个性化内容推送过程中存在算法黑箱。
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因此过程的不透明性故而难以监督。
第三，算法虽然没有善恶，但是也绝非中立。
说到底，算法依然是一种“人造物”，因此在其过程中无可避免地会带上人为的痕迹。宣称算法没有价值观或者“绝对中立”，实际上忽视了算法本身的来源以及所处的社会环境。
第四，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。
第五，精准推送会带来社交媒体操纵现象。
近期一系列的调查与报道显示，脸书、谷歌、推特、YouTube、Tumblr等平台曾经被有组织地利用来散布虚假新闻，扰乱信息秩序，造成信息污染。
如何加强对算法推荐的规范管理已成为世界范围内的一项重要挑战。尤瓦尔•赫拉利认为，未来的上帝将不再是客户，生态的顶端将是算法，算法将会帮我们做出越来越重要的决定，帮我们分析和解码。但是如果完全放手不对算法进行规范和规制，或许将来我们将无从做起。目前国内对于算法推荐的治理主要是从规范信息来源，监管流动过程，严惩违规行为，建立和完善各类平台算法推荐的科学、合理、长效治理机制入手，其指导思想和具体方式主要包括以下几个方面：
第一，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。
第二，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。
第三，建立稿源分级分类规范机制
。
进一步规范时政新闻稿源，依照《网络安全法》和《互联网新闻信息服务管理规定》等法律和规范性文件进行内容聚合；完善自媒体账号认证和信用管理制度，根据信用评级将自媒体内容分类归入等级，保证优质的自媒体内容得到优先推荐，对于未认证和信用评价不达标的自媒体实施内容监控。
第四，完善重要内容人工审核机制。
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。
第五，健全平台技术监测预警机制。
要求平台媒体需要加快升级内容监测技术系统，健全内容监测预警机制，强化对负面、有害信息的监测和识别能力，加强对行为主体和行为过程的监管，强化稿源、推荐规则、推荐举报的验证、核查和违规预警。
第六，建立优质正面内容激励机制。
扶持优质稿源，尤其是时政类新闻，对提供优质稿源的媒体给予政策和资金上的支持；建立算法推荐激励机制，在重大事件报道中，利用算法推荐发挥积极作用；平台也可出台内部管理措施和办法，鼓励自身平台上生产原创优质稿源。
第七，完善平台推荐外部监督机制。
国家和地方网信办负责监督平台媒体是否依照相关法律落实在线内容算法推荐治理机制，对违规从事新闻信息内容生产的网站和用户依法进行处理，平台用户也可以向网信办举报和提出各类违规问题。
第八，推动个人信息保护制度化。
进一步细化和明确平台媒体对于用户身份信息、通讯信息、交易信息、行为信息等个人信息的收集使用保护规范。督促平台在收集使用用户信息时，遵循合法正当、最少必要的原则，公开收集使用规则，明示收集使用信息的目的、方式和范围，并且获得用户同意。严禁平台在使用算法推荐时滥用用户个人信息、侵犯用户隐私。
（图片来自网络）
复旦发展研究院传播与国家治理研究中心 研究员
复旦大学新闻学博士、社会学博士后
上海社会科学院新闻研究所助理研究员
本文刊载于《
新闻与写作
》2018年第9期。
本文由作者授权发布，未经许可，请勿转载（个人转载不在版权限制之内）。如公开出版机构需转载使用，请联系刊发杂志及作者本人获得授权。
方师师.算法如何重塑新闻业：现状、问题与规制[J].新闻与写作,2018(09):11-19.
