| 标题 | 新闻个性化推荐的交互性策略分析 |
| 范文 | 姜霄晗 李烈鹏 摘 要 伴随着互联网的高速发展，新闻的人工智能个性化推荐俨然成为各大新闻资讯客户端的技术标配，更成为了一种大众化的阅读模式。新闻个性化推荐的分发模式给信息平台带来商业利益，为读者带来阅读便利，同时在用户媒介素养的培养等方面存在问题。文章审视当下新闻个性化推荐存在的“过滤气泡”效应问题，尝试从新闻的交互性推荐层面给出解决方案。 关键词 新闻个性化；交互性推荐；过滤气泡 中图分类号 G2 文献标识码 A 文章编号 2096-0360（2018）11-0091-03 1 新闻个性化推荐存在“过滤气泡”效应 “过滤气泡”这个词由互联网活动家埃利·帕里策提出来的。根据我们的个人信息和此前的阅读行为，社交媒体、搜索引擎或阅读类App会为我们过滤掉和我们意见不一致的信息，让人们活在一个个泡泡里面。 2010年4月，发生了举世震惊的英国石油公司墨西哥湾漏油事件，帕里策发现，在这之后，如果使用谷歌搜索“BP”（英国石油公司的简称），一个人可能看到的是有关该公司的投资新闻，而另一个人可能看到的是英国石油公司公司所租用的一个名为“深水地平线”的深海钻油平台发生井喷并爆炸、导致巨大的漏油事故的消息。这是由于某种推荐算法造成的结果，这种搜索引擎推荐算法阻碍了人们认识真实世界的某些层面，帕里策称之为“过滤气泡”。网络新闻信息平台会根据用戶的浏览历史和地址优先给用户推送算法所觉得的用户需要的新闻信息，它把用户可以看到的消息根据用户的“喜好”过滤了。 Facebook的数据泄露事件使人们重新讨论2016年11月备受争议的美国总统选举，美国传播学家研究发现，新媒体平台根据个性化历史行为为用户提供经过筛选的信息内容，毫无疑问，用户在大选期间搜索相关的政治新闻时，就不可避免地会被包裹在“过滤气泡”当中，这是缘于新媒体平台会根据对用户先前活动记录和搜索词条的统计结果对新的内容进行筛选，而用户会愈加看不到他们不同意的观点和资讯[1]。 新媒体平台的“过滤气泡”效应是2016年美国大选出现民众意想不到结果的一个推手，它轻易导致了大选中美国两党支持者的意识形态分化。“过滤气泡”效应的存在使得群体极化更为严重，不同候选人的支持者集体当中，这些支持者的观点非常一致并且集体成员之间还不断进行自我强化，这就使得集体成员错认为各州大部分人都与自身一样支持着己方所支持的候选人。 飞速发展的信息技术促使新闻信息的传播载体在种类和数量上有了很大的提升，这丰富了信息传播的途径，然而，日益庞大的新闻信息量让受众无法承受。精准化的新闻个性推荐也就有了产生的理由，这种新型的个性化推送模式借助于大数据抓取和智能算法技术，以特定的新闻信息平台为载体，依据个体的差异化需求，将特定的新闻信息推送给特定用户。新闻个性化推荐的模式降低了用户选择信息的时间成本，避免用户把大部分精力放在浏览无用的信息上，已经成为用户所喜爱的信息接收方式。 然而，这种以用户的“需求”或者“历史行为”为根据而进行个性化推送的模式，其产生的“过滤气泡”效应日益凸显，事实上它缩小了用户的视野，使得用户固执而不自知。 今日头条、一点资讯为代表的资讯聚合平台，聚合了大量传统媒体及自媒体的内容来源，这些在当下成为用户主要信息渠道的平台通过算法进行内容产生和传播，它们以用户的上网行为依据，通过精准分析用户的兴趣和需求，将信息精准推送给每个用户，增加用户黏度，带来流量经济。 互联网的发展，使得流量经济成为各大新闻媒体机构争夺的阵地，纷纷使用个性化的新闻算法推荐，诸如腾讯、网易、人民日报、新华网等为代表的新闻客户端相继推出个性化推荐功能。个性化新闻推荐使得用户生活在一个个的“信息气泡”当中，对于世界的认识是不全面的，甚至还不是真实的，他们所持有的只是算法推算出来的关于真实世界的狭隘观点。 2 新闻个性化的交互性策略 有人认为，“过滤气泡”效应的产生原因不在于个性化新闻推荐这个算法系统，而在于用户的信息选择行为上。其实这并不是非此即彼的关系，而是双方相互之间的关系，那么问题的解决就要从双方的关系上找到一个切口。笔者尝试从新闻个性化推荐的互动性层面做出分析，研究减少甚至解决“过滤气泡”效应的方法。 2.1 技术层面的解决方法存在缺陷 新闻应用“Read Across the Aisle（简称RAA）”正是为了帮助解决新闻媒体行业出现的“过滤气泡”效应而研发出来的。为了帮助用户把新闻消费习惯变得更多元，他们塑造了一个“意识形态波谱”，《赫芬顿邮报》为最左，福克斯新闻为最右，中间包括了诸如《纽约客》、NPR（国家公共电台）、《基督教科学箴言报》等20家新闻媒体，追踪并总结其用户的阅读习惯。RAA在新闻页面的底部设置了一个滑杆作为指示标，其所在的位置代表着对文章的意识形态倾向和用户阅读时长的总结。 在RAA上，如果一位用户阅读某一种倾向的文章太久，这个滑杆就会滑向一个极端，而且App也会自动通知用户，推荐他们观看其他观点的文章。这款应用的创造者尼克·鲁姆表示，他们在这个应用上所推荐的所有新闻媒体都是取向稳定的，他们在对意识形态等进行界定的时候也没有遇到太大的问题。这个App的设计初衷来源于过去一年时间里在Facebook和Twitter上发生的美国政治选举的事情[2]。这两个社交媒体平台上的用户分处意识形态的两端，而这些用户也困在了各自圈子的“气泡”里，他们很少会去反省自身的政治倾向，反而会去不断地攻击反对他们观点的用户，这正是由于他们对反对派极度缺乏了解而造成的。这样的行为，会让用户越来越贴近与他们观点相似的人群，从而让社会更加分裂和极端化。 RAA的研发与发行在一定程度上解决了“过滤气泡”的问题，也给新闻业界带来很大的借鉴意义。国外很多媒体就在致力解决“过滤气泡”问题上做出尝试，《卫报》设置了一个名为“戳破你的气泡”的专栏，主要推送一些保守派科普的文章，希望平衡左倾读者的立场；《华尔街日报》则做了一个名为“红派蓝派”的产品，把Facebook上关于自由派和保守派的内容都罗列到一起推送给用户；谷歌浏览器还开发了一个“逃离泡沫”的插件，旨在为用户提供一些内容积极、容易被接受的文章，尽力弥补因所接收的新闻信息不一致而导致的裂痕。然而，我们可以看出，这些解决“过滤气泡”问题的措施影响力并不大，属于小打小闹，并未能真正解决问题。 RAA在界定文章和媒体的意识形态就引来一些争议，业界和学界对他们的标准提出了质疑。尽管RAA官方称他们以皮尤发布的一项媒体与党派支持者关系的报告作为参考之一，同时也向一些早期用户和投资者进行咨询从而确定意识形态的范围，但是本质上还处于用户单一接受新闻信息的范畴内，在激活用户的阅读兴趣，并让用于利用自主能动性去阅读更多的内容方面缺乏有效的处理方案。 2.2 在技术的基础上增加交互性 从整个互联网大背景来讲，解决新闻个性化推荐产生的“过滤气泡”效应这个问题，从算法与用户之间的关系入手无疑是有效的解决方式。在互联网环境下，大多数情况下用户对多数新闻信息确实是懒得点击，但用户是具有能动性和好奇心的，这种能动性和好奇心并非一直处于活跃状态，这就需要新媒体平台，或者说新闻信息发布者来激活它们。美国新媒体Quartz的聊天机器人就是基于用户是具有能动性和好奇心的这个理念而设计出来的。 Quartz时大西洋传媒在2012年推出的数字商业新闻产品，它提供免费的24小时无间断全球商业新闻，以原创优质内容吸引优质用户，已经发展成为了美国时下最为流行的媒体应用之一。Quartz的模式就是以产品为中心，它们的产品包括网站、App、新闻信，以及聊天机器人。Quartz在2016年开发了一个新闻App，这个App以機器聊天的形式向用户推送新闻信息。Quartz的聊天机器人是基于Facebook的聊天App Messenger平台开发的，但为了适应对话的形式，Quartz团队也进行了很多探索。 Quartz的产品经理扎克·西沃德曾说，在发现聊天能够激起用户对新闻的兴趣之后，他们开始寻找什么样的新闻写作最适合这种对话模式。在经过不断的试验之后，他们最终确定了2016年的Quartz新产品手机新闻客户端App。跟传统的新闻App传播新闻、用户阅读新闻的模式不同，Quartz以聊天的方式来“聊新闻”，它的界面就只是个单纯的对话窗口，Quartz会用聊天方式向读者推荐新闻，当你看到感兴趣的新闻时，可以使用窗口底边的选项进行追问，Quartz会提供更详细的细节。在聊天过程中，Quartz常常会出现冷笑话，避免读者对于新闻过度疲劳，偶尔也配上有趣的图片，甚至是表情，增加聊天的互动感。扎克·西沃德说：“Quartz的界面很像一个机器助理，但是这个新闻机器人有个小秘密，他的新闻对话都是由人写出来的，我们汇集了全Quartz最好的作者和编辑，让他们赋予Quartz声音。” 用户并不是内容的被动接收者，他们是能够对内容产生情绪反应的。而如果能够激发他们的好奇心和情绪反应，引导他们做出更多的互动反馈就不是问题。据聊天机器人编辑介绍，他们在通过机器人介绍一则新闻后，用户提出的95%的问题都是：是什么导致这件事情发生的？之后会发生些什么？这表明用户并不是简单的单向信息接收者。聊天机器人通过他们的操作来让用户具备参与感，获得一种互动感，塑造一种情绪上的反应和共鸣，从而长期互动之后，建立起一种情感上的联结。这也在很大程度上为用户选择更多的新闻信息提供了有利的氛围，可以让用户接触多方面的新闻信息而不仅仅局限于单一的层面。 “过滤气泡”效应并不能仅仅归咎于新媒体技术，美国社会心理学家T.M.Newcomb就曾提出，人们为了消除自身内心的认知失衡有趋向于某一致性的倾向，因此，技术层面的解决方案应该考虑如何减少甚至是消除人们的这种认知倾向。为用户提供更多的选择，在用户与平台算法的互动之间了解新闻信息，这将是一个可以做出尝试，也将是有效的解决方法。 新媒体平台在提供个性化新闻推荐服务时，可以提供更多的情景互动方式，让新闻信息的传达显得更加灵活。现在的新媒体平台都可以利用技术，通过地理位置的信息，向用户推送其在此时此地最需要的新闻信息，然后在用户做出选择的基础上，推送不同观点和报道切入点的新闻信息。例如某一地方发生爆炸事件，而某人刚好在这个地方附近解决某件事情，新闻信息推送平台可以通过技术向该用户推送一条信息告知对方爆炸是否会影响该用户解决事情的进程，并在用户做出选择的基础上，新闻平台通过诸如聊天机器人等技术，在双方的互动当中，新闻平台提供关于该爆炸的具体新闻信息。 当然，新闻信息发布平台在推送新闻信息时也要防止所推送的信息再度给用户造成信息失衡。因此，在获取用户阅读新闻信息的时长与内容的基础之上，一方面平台可以提醒用户阅读其它内容的新闻信息，并提供相关的新闻报道；另一方面，平台可以为用户提供更多的选择按键，借鉴聊天机器人的方式，循序渐进地引导用户认识新闻所报道事件的全部信息，平台在于不同的用户交流过程中，表述的方式可以不同，但最终传递给所有用户的内容主题应该是相同的。平台所有的设计都是为了让用户获取更加全面的信息。 3 小结 新闻信息的个性化算法推荐是目前应用最广的满足个体新闻信息需求的方式，随之而来的“过滤气泡”效应是业界和学界亟需解决的问题。笔者在当前新媒体技术的基础之上，分析西方媒体的实践经验，从平台与用户之间的互动交流方面入手，尝试解决“过滤气泡”效应，为业界和学界提供借鉴。 但是，新闻信息的个性化推荐最终是为了适应个人的需求，而这种需求是丰富的，平台并不能仅仅从点击、点赞、停留时间上就判断出来用户的需求，因此，新媒体平台在所推送的新闻信息不能只为迎合用户需求而存在，新闻信息内容的决定，不能仅仅依赖所收集到的用户个人的偏好。用户所接收到的新闻信息，既要有针对个人需求情况的适应性改造，也要有媒体机构编辑统一施加的判断和影响。技术和用户需求应该支持新闻内容的个性化体验，但是不应该成为一切的决定者。 参考文献 [1]许志源，唐维庸.2016美国大选所透射的“过滤气泡”现象与启示[J].传媒，2017（16）：54-56. [2]如何解决“过滤气泡”造成的报道失衡？这款App操碎了心[EB/OL].[2017-03-12].http：//dy.163.com/v2/article/detail/CF6G3J6D05118VJ5.html. |
| 随便看 |
|
科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。