论文部分内容阅读
【摘要】作为一种日趋主流的信息分发模式，算法推荐机制实现了从“人找信息”到“信息找人”的信息传播智能化转向，为信息传播的圈层化提供了技术动因。本文从算法这一技术逻辑出发重新理解圈层化，发现算法驱动下的圈层化具有被动性、隐秘性等特征，算法推荐机制丰富了圈层化的维度，从用户圈层化延伸到平台、信息和传播圈层化。通过对算法、圈层化及二者之间深层关系的探讨，以期为算法更好地服务于圈层传播提供思路和启示。
【关键词】算法推荐机制;圈层化;技术逻辑
中图分类号：G212 文献标识码：A DOI：10.12246/j.issn.1673-0348.2020.24.055
作为大数据时代的核心技术之一，智能化算法推荐技术越来越广泛地应用于各类互联网平台中，成为内嵌其中的技术工具。从资讯平台今日头条最初的口号“你关心的，才是头条！”到电商平台拼多多一直倡导的“货找人”理念，皆体现出算法推荐机制下信息与人的精准匹配。
算法在互联网信息传播中发挥着日益显著的作用。“连接一切”的互联网为算法提供了数据资源和运作平台，基于特定分发逻辑的算法为优化互联网信息传播效果提供了技术可能，二者的关系可谓水乳交融。
在媒介智能化的传播背景下，算法的触角逐渐伸向信息传播的各个环节和各个领域，原有的大众传播模式被打破，新的传播规则与范式在算法这一技术的催化下悄然重塑。本文将日趋主流的算法推荐机制与当下传播学领域流行的圈层化现象联系起来，尝试探讨技术逻辑如何作用于传播模式？由算法驱动的圈层化有怎样的特征及表现？算法是否赋予了圈层化新的内涵？
1. 算法推荐机制：日趋主流的信息分发模式
喻国明教授将人类的信息分发模式归为三大类，即倚重人工编辑的媒体型分发、依托社交链传播的关系型分发、基于智能算法的算法型分发。这三种信息分发类型在传播领域作为主流模式依次出现。
算法型分发产生于互联网“信息爆炸”的大背景之中，严重的“信息过载”导致人们在不同程度上出现媒介倦怠和信息焦虑。于是，利用用户的相关行为，通过对海量数据的采集和分析，推测出用户可能感兴趣或符合用户需求的内容，并将信息与人进行有效适配的算法型分发应运而生，其最主要的表现形式即为算法推荐。自2012年起，以今日头条、一点资讯为代表的算法型应用软件陆续上线，开启了算法分发的潮流，同时也从技术层面证明了算法推荐替代人工编辑的可行性。此后的几年间，各大头部媒体纷纷加大算法投入，改变原有的信息分发方式，逐步实现媒体型应用软件的算法转向。例如，搜狐升级客户端，将人工和算法相结合，打造出智能混合推荐模式;腾讯上线天天快报（现已更名为看点快报），用户使用微信或QQ登录后，系统能即刻识别用户既有信息并进行个性化推荐。此外，微博、微信等典型的关系型信息分发企业也逐渐增加了算法的投入，算法分发的权重不断加大。有数据表明，移动资讯信息分发市场中算法推送的内容在2016年就已超过一半。可以说，当前的信息分发模式已经基本完成了从“人找信息”向“信息找人”的转变，算法取代了人，成为信息分发的行动主体。
由于信息和平台属性的差异，算法推荐具有不同的类型，其中运用最为广泛的是以下三种：（1）基于内容的推荐算法：向用户推荐与自己的历史数据相似的内容;（2）协同过滤推荐算法：向用户推荐相似用户喜好的信息或是通过复杂模型预测用户未来喜好的信息;（3）基于知识的推荐算法：通过在前置环节主动询问和收集用户的偏好需求，返回推荐结果。实际应用中的算法推荐机制往往并非某种单一类型，而是融合多种算法的组合推荐系统。
2. 算法逻辑下重新理解信息传播的圈层化
近年来学界所探讨的网络圈层化，通常是指个体行动者出于抱团取暖、利益交换、情感互联等因素的需要，主动在网络空间中寻找与自己兴趣、立场、情感、利益、价值取向等方面相似的其他个体，组成网络社群并在社群内交流对话的现象。在这一过程中，用户可以主动选择进入或是不进某一圈层，圈层内用户的连接和互动是显而易见的。而在算法推荐机制下，网络用户同样呈现圈层化，只不过这种圈层化具有被动性和隐秘性的特征，除了用户以外，圈层化也有了更多维度的体现。
2.1 被動的圈层化：算法的无形之手
从用户进入互联网平台的那一刻起，算法就开始进行数据的采集与分析，并为用户“精准投喂”相应的信息。彭兰教授曾指出，今天无论用户需要与否，内容都会通过各种渠道无孔不入地被推送到个体用户的空间里。这种算法推荐机制内嵌于平台中，无法由人主动进行控制——用户选择使用平台时，即默认其已经准许了平台的算法推荐机制作用于自身，即便用户并非抱着“寻找组织”的目的使用媒介，也会被一双名为“算法”的无形之手拉入由同类信息流构筑的圈层之中。
算法逻辑下用户圈层化的被动性体现为圈层的“进出无边界”，用户进入平台即意味着其已经进入了某个圈层，二者同时发生，无需通过特定的媒介行为来触发。换句话说，用户在平台中的每一个行为其实都在触发算法通过推荐机制将其聚集于特定的圈层之中。
这种“被动圈层化”包含着些许霸王条款的强制意味，不论主观上是否愿意，用户都需要归属于圈层，至于具体归属于哪个圈层，也并非用户自主挑选，而是由算法决定的。就好比一名玩家在开始游戏前被告知，玩这种游戏需要团队作战，而系统已经根据玩家的各项特征为其确定好了一支最相似、最适合的队伍，玩家需要做的仅仅是正常进行游戏。以短视频平台抖音为例，用户在浏览短视频的过程中，实际上被动地进入一个个以“萌娃”“舞蹈”“帅哥美女”等为标签的圈层，用户可以在不同的圈层之间游走，但无法脱离圈层独自活动。 2.2 隐性的圈层化：基于内容的隐性连接
传统意义上的用户圈层具有较为明确的边界和进出路径，用户很容易就能判断自己是否处于圈层之中以及处于何种圈层之中，如豆瓣小组和B站分区。人与人在圈层内部进行直接的交流互动。例如，豆瓣美食小组的成员们通过发帖和回应进行美食信息的交流分享，B站鬼畜区的鬼畜爱好者们通过投稿视频、“素质三连”（即对视频进行点赞、投币、收藏）、弹幕狂欢等方式实现人际沟通。
而在算法推荐机制下，算法给具有相似媒介使用行为或偏好特征的用户（下文简称为“相似用户”）推送相似的内容，表面上建立的是用户与信息之间的连接，实际上，相似用户被算法推荐的相似内容聚集到了一起，他们对内容的观看、点赞、评论等行为能被其他相似用户所看见，形成基于内容的潜在联系，并由此产生进一步的意见交换与互动，从而实现人与人的隐性连接。
以网络问答社区知乎为例，曾经浏览或搜索过“考研”相关信息的用户会被算法推送大量与之相关的信息，用户只是“刷刷首页”就能看到许多与“考研”相关的问答，他们的注意力不自觉地被这些内容所吸引，或浏览，或评论，或分享，不知不觉间进入了一个以“考研”为主题的用户圈层中。这种基于相似内容的隐性连接很容易被遮蔽，不易被察觉——个性化算法看似服务于单一个体，实则形塑着由相似用户群体构成的隐性圈层。
2.3 多维度的圈层化：平台、信息和传播
目前学界和业界对于圈层化这一概念尚未进行严格界定，但在谈及圈层化现象时，往往都是基于人的角度来考察，因为“圈层”所包含的“圈子”和“层级”皆产生于人类社会。随着算法推荐技术在信息分发领域被广泛使用，圈层化逐渐有了更为丰富的内涵。
平台圈层化。一方面，平台内部的信息呈现和页面布局具有日益明显的圈层属性，平台内的频道或分区越来越垂直、细致。以今日头条为例，目前的频道数量多达60个，除了一些常见类别，还能看到“国风”“钓鱼”“星座”等圈层特色鲜明的频道标签。另一方面，平台之间也开始形成一定的圈层关系，作为算法基础的用户数据能跨平台实现迁移和共享，尤其是对同一企业的不同平台产品而言。比如，用户在微信平台上的好友关系、公众号订阅情况等数据会被同步到“微信读书”平台上，实现平台与平台之间的连接，这两个平台从圈层视角便可归为同一“平台圈”。
信息圈层化。算法推荐机制的本质是将某一类信息推送给某一类用户，因此在运作过程中不仅会将信息接收端的用户划入特定圈层，同时也会对作为信息源的信息本身进行分类和聚合。于是，信息与信息之间的连接大大增强，涉及相同话题、事件或群体的信息往往被“打包”推送给用户，而并非单一孤立的。此时，信息也具有了圈层的特性。
传播圈层化。基于算法的信息传播通过对大数据的实时分析，将用户和信息都变得类型化，并促成用户和信息在无形的圈层场景中适配。正因如此，要使传播效果最大化，需要先让信息触达特定圈层的核心用户群，再不断向圈层外的广大用户辐射。与传统的大众传播不同，从“圈内”到“出圈”，这就是传播模式的圈层化。
算法驱动下的圈层化是广泛的、多维度的，从用户到平台、信息和传播，有算法的地方就有圈层。可以说，算法推动了圈层化，又或者说，算法本质上就是一种圈层化。
3. 结语
算法这一技术逻辑为我们理解圈层化提供了新的视角，也赋予了圈层化更为丰富的形态，圈层化的内涵从用户向平台、信息、传播等维度延伸。算法推荐是媒介技术进步的体现，然而其在现实应用中出现了信息茧房、隐私侵犯、主流价值观被解构等技术伦理风险。面对这些问题和隐忧，我们应当时刻保持警惕，从用户素养、传播机制、法律法规等层面进行合理规制，从而防范算法的潜在风险，让算法推荐技术更好地服务于互联网信息传播。
参考文献：
[1]喻国明，韩婷.算法型信息分发：技术原理、机制创新与未来发展[J].新闻爱好者，2018（04）：8-13.
[2]易观分析.中国移动资讯信息分发市场专题研究报告2016[EB/OL].https：//www.analysys.cn/article/detail/1000218/，2016-08-12.
[3]彭兰.连接与反连接：互联网法则的摇摆[J].国际新闻界，2019，41（02）：20-37.
[4]喻國明，曾佩佩，张雅丽，周杨.趣缘：互联网连接的新兴范式——试论算法逻辑下的隐性连接与隐性社群[J].新闻爱好者，2020（01）：9-13.
作者简介：蒋梦筱，女，浙江衢州人，中国传媒大学硕士，研究方向：广播电视学（新媒体传播）。
【关键词】算法推荐机制;圈层化;技术逻辑
中图分类号：G212 文献标识码：A DOI：10.12246/j.issn.1673-0348.2020.24.055
作为大数据时代的核心技术之一，智能化算法推荐技术越来越广泛地应用于各类互联网平台中，成为内嵌其中的技术工具。从资讯平台今日头条最初的口号“你关心的，才是头条！”到电商平台拼多多一直倡导的“货找人”理念，皆体现出算法推荐机制下信息与人的精准匹配。
算法在互联网信息传播中发挥着日益显著的作用。“连接一切”的互联网为算法提供了数据资源和运作平台，基于特定分发逻辑的算法为优化互联网信息传播效果提供了技术可能，二者的关系可谓水乳交融。
在媒介智能化的传播背景下，算法的触角逐渐伸向信息传播的各个环节和各个领域，原有的大众传播模式被打破，新的传播规则与范式在算法这一技术的催化下悄然重塑。本文将日趋主流的算法推荐机制与当下传播学领域流行的圈层化现象联系起来，尝试探讨技术逻辑如何作用于传播模式？由算法驱动的圈层化有怎样的特征及表现？算法是否赋予了圈层化新的内涵？
1. 算法推荐机制：日趋主流的信息分发模式
喻国明教授将人类的信息分发模式归为三大类，即倚重人工编辑的媒体型分发、依托社交链传播的关系型分发、基于智能算法的算法型分发。这三种信息分发类型在传播领域作为主流模式依次出现。
算法型分发产生于互联网“信息爆炸”的大背景之中，严重的“信息过载”导致人们在不同程度上出现媒介倦怠和信息焦虑。于是，利用用户的相关行为，通过对海量数据的采集和分析，推测出用户可能感兴趣或符合用户需求的内容，并将信息与人进行有效适配的算法型分发应运而生，其最主要的表现形式即为算法推荐。自2012年起，以今日头条、一点资讯为代表的算法型应用软件陆续上线，开启了算法分发的潮流，同时也从技术层面证明了算法推荐替代人工编辑的可行性。此后的几年间，各大头部媒体纷纷加大算法投入，改变原有的信息分发方式，逐步实现媒体型应用软件的算法转向。例如，搜狐升级客户端，将人工和算法相结合，打造出智能混合推荐模式;腾讯上线天天快报（现已更名为看点快报），用户使用微信或QQ登录后，系统能即刻识别用户既有信息并进行个性化推荐。此外，微博、微信等典型的关系型信息分发企业也逐渐增加了算法的投入，算法分发的权重不断加大。有数据表明，移动资讯信息分发市场中算法推送的内容在2016年就已超过一半。可以说，当前的信息分发模式已经基本完成了从“人找信息”向“信息找人”的转变，算法取代了人，成为信息分发的行动主体。
由于信息和平台属性的差异，算法推荐具有不同的类型，其中运用最为广泛的是以下三种：（1）基于内容的推荐算法：向用户推荐与自己的历史数据相似的内容;（2）协同过滤推荐算法：向用户推荐相似用户喜好的信息或是通过复杂模型预测用户未来喜好的信息;（3）基于知识的推荐算法：通过在前置环节主动询问和收集用户的偏好需求，返回推荐结果。实际应用中的算法推荐机制往往并非某种单一类型，而是融合多种算法的组合推荐系统。
2. 算法逻辑下重新理解信息传播的圈层化
近年来学界所探讨的网络圈层化，通常是指个体行动者出于抱团取暖、利益交换、情感互联等因素的需要，主动在网络空间中寻找与自己兴趣、立场、情感、利益、价值取向等方面相似的其他个体，组成网络社群并在社群内交流对话的现象。在这一过程中，用户可以主动选择进入或是不进某一圈层，圈层内用户的连接和互动是显而易见的。而在算法推荐机制下，网络用户同样呈现圈层化，只不过这种圈层化具有被动性和隐秘性的特征，除了用户以外，圈层化也有了更多维度的体现。
2.1 被動的圈层化：算法的无形之手
从用户进入互联网平台的那一刻起，算法就开始进行数据的采集与分析，并为用户“精准投喂”相应的信息。彭兰教授曾指出，今天无论用户需要与否，内容都会通过各种渠道无孔不入地被推送到个体用户的空间里。这种算法推荐机制内嵌于平台中，无法由人主动进行控制——用户选择使用平台时，即默认其已经准许了平台的算法推荐机制作用于自身，即便用户并非抱着“寻找组织”的目的使用媒介，也会被一双名为“算法”的无形之手拉入由同类信息流构筑的圈层之中。
算法逻辑下用户圈层化的被动性体现为圈层的“进出无边界”，用户进入平台即意味着其已经进入了某个圈层，二者同时发生，无需通过特定的媒介行为来触发。换句话说，用户在平台中的每一个行为其实都在触发算法通过推荐机制将其聚集于特定的圈层之中。
这种“被动圈层化”包含着些许霸王条款的强制意味，不论主观上是否愿意，用户都需要归属于圈层，至于具体归属于哪个圈层，也并非用户自主挑选，而是由算法决定的。就好比一名玩家在开始游戏前被告知，玩这种游戏需要团队作战，而系统已经根据玩家的各项特征为其确定好了一支最相似、最适合的队伍，玩家需要做的仅仅是正常进行游戏。以短视频平台抖音为例，用户在浏览短视频的过程中，实际上被动地进入一个个以“萌娃”“舞蹈”“帅哥美女”等为标签的圈层，用户可以在不同的圈层之间游走，但无法脱离圈层独自活动。 2.2 隐性的圈层化：基于内容的隐性连接
传统意义上的用户圈层具有较为明确的边界和进出路径，用户很容易就能判断自己是否处于圈层之中以及处于何种圈层之中，如豆瓣小组和B站分区。人与人在圈层内部进行直接的交流互动。例如，豆瓣美食小组的成员们通过发帖和回应进行美食信息的交流分享，B站鬼畜区的鬼畜爱好者们通过投稿视频、“素质三连”（即对视频进行点赞、投币、收藏）、弹幕狂欢等方式实现人际沟通。
而在算法推荐机制下，算法给具有相似媒介使用行为或偏好特征的用户（下文简称为“相似用户”）推送相似的内容，表面上建立的是用户与信息之间的连接，实际上，相似用户被算法推荐的相似内容聚集到了一起，他们对内容的观看、点赞、评论等行为能被其他相似用户所看见，形成基于内容的潜在联系，并由此产生进一步的意见交换与互动，从而实现人与人的隐性连接。
以网络问答社区知乎为例，曾经浏览或搜索过“考研”相关信息的用户会被算法推送大量与之相关的信息，用户只是“刷刷首页”就能看到许多与“考研”相关的问答，他们的注意力不自觉地被这些内容所吸引，或浏览，或评论，或分享，不知不觉间进入了一个以“考研”为主题的用户圈层中。这种基于相似内容的隐性连接很容易被遮蔽，不易被察觉——个性化算法看似服务于单一个体，实则形塑着由相似用户群体构成的隐性圈层。
2.3 多维度的圈层化：平台、信息和传播
目前学界和业界对于圈层化这一概念尚未进行严格界定，但在谈及圈层化现象时，往往都是基于人的角度来考察，因为“圈层”所包含的“圈子”和“层级”皆产生于人类社会。随着算法推荐技术在信息分发领域被广泛使用，圈层化逐渐有了更为丰富的内涵。
平台圈层化。一方面，平台内部的信息呈现和页面布局具有日益明显的圈层属性，平台内的频道或分区越来越垂直、细致。以今日头条为例，目前的频道数量多达60个，除了一些常见类别，还能看到“国风”“钓鱼”“星座”等圈层特色鲜明的频道标签。另一方面，平台之间也开始形成一定的圈层关系，作为算法基础的用户数据能跨平台实现迁移和共享，尤其是对同一企业的不同平台产品而言。比如，用户在微信平台上的好友关系、公众号订阅情况等数据会被同步到“微信读书”平台上，实现平台与平台之间的连接，这两个平台从圈层视角便可归为同一“平台圈”。
信息圈层化。算法推荐机制的本质是将某一类信息推送给某一类用户，因此在运作过程中不仅会将信息接收端的用户划入特定圈层，同时也会对作为信息源的信息本身进行分类和聚合。于是，信息与信息之间的连接大大增强，涉及相同话题、事件或群体的信息往往被“打包”推送给用户，而并非单一孤立的。此时，信息也具有了圈层的特性。
传播圈层化。基于算法的信息传播通过对大数据的实时分析，将用户和信息都变得类型化，并促成用户和信息在无形的圈层场景中适配。正因如此，要使传播效果最大化，需要先让信息触达特定圈层的核心用户群，再不断向圈层外的广大用户辐射。与传统的大众传播不同，从“圈内”到“出圈”，这就是传播模式的圈层化。
算法驱动下的圈层化是广泛的、多维度的，从用户到平台、信息和传播，有算法的地方就有圈层。可以说，算法推动了圈层化，又或者说，算法本质上就是一种圈层化。
3. 结语
算法这一技术逻辑为我们理解圈层化提供了新的视角，也赋予了圈层化更为丰富的形态，圈层化的内涵从用户向平台、信息、传播等维度延伸。算法推荐是媒介技术进步的体现，然而其在现实应用中出现了信息茧房、隐私侵犯、主流价值观被解构等技术伦理风险。面对这些问题和隐忧，我们应当时刻保持警惕，从用户素养、传播机制、法律法规等层面进行合理规制，从而防范算法的潜在风险，让算法推荐技术更好地服务于互联网信息传播。
参考文献：
[1]喻国明，韩婷.算法型信息分发：技术原理、机制创新与未来发展[J].新闻爱好者，2018（04）：8-13.
[2]易观分析.中国移动资讯信息分发市场专题研究报告2016[EB/OL].https：//www.analysys.cn/article/detail/1000218/，2016-08-12.
[3]彭兰.连接与反连接：互联网法则的摇摆[J].国际新闻界，2019，41（02）：20-37.
[4]喻國明，曾佩佩，张雅丽，周杨.趣缘：互联网连接的新兴范式——试论算法逻辑下的隐性连接与隐性社群[J].新闻爱好者，2020（01）：9-13.
作者简介：蒋梦筱，女，浙江衢州人，中国传媒大学硕士，研究方向：广播电视学（新媒体传播）。