从技术视角看算法推荐的认知困境

算法推荐被运用到信息生产、分发、反馈等环节,用户往往根据使用体验去获得认知,容易在信息接收过程中产生对算法推荐的误读.本文从技术视角入手,引导用户对算法推荐的结果进行客观理性的判断,避免陷入依赖与价值迷失的伦理困境中.     

凸显与遮蔽:个性化推荐算法下的信息茧房现象

个性化推荐系统的出现,可以让受众根据自己的兴趣、爱好选择信息。虽然它在一定程度上提高了信息的分发率,满足了受众的信息需求,但是另一方面,却造成了"信息茧房"现象。在"信息茧房"的影响下,易出现群体极化下的网络暴力,受众的全面发展和对现实社会的认知判断也受到一定程度的影响。     

算法推荐新闻的传播困境研究

快速推送信息的算法推荐技术的出现为新闻传播界注入了一波新的力量,但是,算法推荐容易导致受众被媒体推送的同质信息包围,面临着处于信息茧房的困境,算法推送的内容感官刺激、标题党盛行,缺乏深度和意义,一些媒体对它的不当使用,导致媒介之间恶性竞争,媒介生态环境也难免江河日下。怎样在最小的人工成本之下,给用户推送更加精准的高质量新闻信息,仍是新闻从业人员的努力方向。     

对新闻算法推荐的价值理念及风险的反思

算法推荐技术目前被广泛应用于新闻领域,有利于满足用户的个性化内容需求,然而新闻算法推荐技术在为用户提供便捷服务的同时,也引发了人们对信息茧房问题、隐私安全问题以及对其公共价值的讨论。当下经常使用的今日头条、抖音等都在采用算法推荐机制,是否真的会导致马尔库塞所指出的问题--丧失人的主体性和自主性,带来技术异化?本文对此进行了探讨。     

对新闻算法推荐的价值理念及风险的反思

算法推荐技术目前被广泛应用于新闻领域,有利于满足用户的个性化内容需求,然而新闻算法推荐技术在为用户提供便捷服务的同时,也引发了人们对信息茧房问题、隐私安全问题以及对其公共价值的讨论。当下经常使用的今日头条、抖音等都在采用算法推荐机制,是否真的会导致马尔库塞所指出的问题——丧失人的主体性和自主性,带来技术异化?本文对此进行了探讨。     

智慧图书馆应用算法推荐技术的风险及其规制

算法推荐技术的应用是智慧图书馆发展的重要组成部分,但算法推荐技术在为读者提供更精准优质文化服务的同时,也催生了信息茧房效应等风险。论文通过分析信息茧房效应对读者文化质量权的妨碍,并有悖于公共图书馆的使命价值,指出应采取措施对其进行规制。具体的规制方式包含进行符合公共图书馆自身特点的算法设计、在公共图书馆算法推荐的过程中进行双重监管和保障读者在图书馆应用算法推荐技术时的权利三个方面。     

针对信息异化的智能推荐技术应对策略

庞杂的信息量使受众对信息的辨识度变低,陷入“信息异化困境”。个性化智能推荐算法一定程度上解决了信息异化,但搁置了人的兴趣衰减问题,影响推荐结果的精准度。另外,算法中价值尺度的“正义性”通常被规避,易形成对受众的“精准伤害”。本文提出“技术+人文”的应对策略,在算法中引入综合价值权重,有效改进技术反低俗的手段,在为受众提供多元化信息的同时,保护健康人格的塑成。     

“信息茧房”在西方:似是而非的概念与算法的“破茧”求解

桑斯坦提出的"信息茧房",基于美国两党政治的语境对新技术降低政治信息多元化以及政治信息极化的忧虑,如今却被泛用于所有信息。但是西方学界尚无有力研究证实"信息茧房"的存在。事实上,造成"信息茧房"的单纯信息环境很难在现实中出现。Web2.0技术提供了与志同道合的人讨论问题的机会,也增加了与那些持不同观点的人讨论问题的可能性,很难形成信息茧房和回音室。本文也探讨了算法优化以降低信息茧房风险的可能性。算法技术对多样性的提升主要基于两种路径:第一种路径是使个性化推荐系统的使用者"意识到未知";第二种路径是通过加深"个性化"来有效增强"多样性"。本文分析了信息聚合及其积极意义,以及Web2.0技术条件下"积极的受众(用户)"的可能。文中讨论了一些"除茧""破茧"的可能途径。我们不认同桑斯坦提出的偶然性信息的解决方案,认为真正要解决"信息茧房"之忧的问题,不如回到问题提出的原点,将实验条件下的单纯信息环境还原到人们的真实信息环境中,反省"信息茧房"这个虽有衍生空间和警示价值,却仍似是而非、缺乏科学证据的概念。     

迈向信任的算法个性化推荐——“一键关闭”的法律反思

个性化推荐主要面临威胁人类主体自主性、“信息茧房”与“回音室”效应、大数据“杀熟”方面的质疑。“一键关闭”功能因能够实现隐私个人控制、促进信息自由流通和预防价格歧视而被推崇。然而,用户往往缺少隐私自治能力,个性化推荐造成群体极化之前首先具有议程凝聚、促进交往的价值,以关闭个性化推荐来解决价格歧视存在目标和手段的错位。“一键关闭”不仅难以符合规制预期,其自身还存在可操作度低和所承载公共价值模糊的弊端。个性化推荐的治理应以算法向善为方向,通过打造以信任为中心的透明可解释、用户交互友好的算法推荐,发挥个性化推荐的公共价值,增进社会福利。     

基于DKN算法的档案知识推荐系统模型构建

大数据发展背景下,档案知识服务面临着海量管理与精准投放的供需矛盾,因而需要档案馆方针对性匹配用户知识需求,破除服务方式桎梏。通过比较现有推荐算法类型,分析档案知识推荐系统运用DKN算法的技术适配和价值契合,阐明特征工程中档案知识图谱的建构及DKN算法模型建构,根据系统结构理论,设计出基于DKN推荐算法的档案知识推荐系统架构及其安全架构。     

个性化推荐算法下的“信息茧房”效应探析——以“今日头条”为例

个性化推荐算法技术在各大软件应用以来,用户在大量接收感兴趣信息的同时,也面临着信息窄化的问题,视野正逐步受制于兴趣主导的“信息茧房”之中。本文采用个案分析的方法,以“今日头条”为例,发现“信息茧房”效应在个性化推荐算法的加持下,用户深陷入个人日报、回音室效应和群体极化的困境,并对个人认知、新闻客户端发展、社会治理均带来不良影响。由此本文试图从用户、新闻客户端、政府三方面,提出削弱“信息茧房”影响的建议,促进个性化推荐算法更长远的发展。     

算法推荐的技术、伦理和科学之争

对于算法推荐,大致可以分为“积极乐观”“质疑批判”“需要检验”三种观点,笔者将其归纳为“技术派”“道德派”和“科学派”。“道德派”认为:失去了传统把关人的算法推荐在黑箱中完成信息分发,形成“信息茧房”“群体极化”等负面效果。对此,今日头条总编辑张辅评回应称“公众对新技术不了解,以讹传讹”,提出“信息茧房从一开始,质疑的就不是算法推荐,而是此前门户时代兴起的订阅模式”,那么,算法推荐和订阅模式之间的区别在哪里?算法推荐必然会引起“信息茧房”“群体极化”现象吗?针对算法推荐带来的社会效果,目前的实证研究有何发现?又存在哪些问题?本文从推荐算法的技术原理入手,对以上问题展开分析。     

智媒时代算法推荐的社会风险与协同治理北大核心

智媒时代的算法推荐技术有效解决了既往传播环境下的信息超载性危机,极大提升了信息生产、分发和管理的工作效能。但也在一定程度上放大了算法推荐语境下信息内容野蛮生长、信息传播自我封闭以及暗箱操作的潜在风险,容易引发价值观导向错乱、信息茧房与群体极化、算法垄断与算法歧视等诸多社会风险。为此,从加强政治引领、实施分级管理、强化协同治理和推动公开透明等维度,提出会同多方建立、健全智媒时代的算法推荐监管体系与协同治理策略。     

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

算法已成为当今数字媒体技术的决定性因素,新闻推荐平台借助算法技术连接人与信息,为人们提供个性化的新闻服务。本研究基于算法和用户互动的视角,采用问卷调查方法,以新闻算法推荐平台的使用者为研究对象,探讨算法推荐的信息可见性、用户主动性和信息茧房效应。结果显示,新闻算法推荐整体上以用户为中心,在新闻可见性上,用户对趣味新奇性价值的认知感最强,新闻个性化程度凸显;用户对新闻推荐的使用上,以被动浏览行为最为普遍,自主性总体不高;用户对推荐算法技术有一定了解,表现出一定的算法素养;算法推荐对用户并未造成单纯的信息茧房效应,它同样可扩大受众接触资讯的范围,将用户带入更广阔的世界。最后,本文讨论了用户和算法之间的关系,发现两者不是彼此孤立的存在,而是始终处于相互响应、相互发展的状态。     

算法视域下短视频信息茧房效应及反思——以抖音App为例

大数据时代,数据信息纷至沓来,算法技术逐渐被应用、深化于传播领域,使得基于个性化服务的算法推荐模式成为了新的信息发展方向。与此同时,算法推荐模式却导致了“信息茧房”效应的产生,并引发了一系列问题。本文以抖音的算法推荐为案例,总结了算法推荐的形式风格,对信息茧房的效应进行分析,明晰出抖音短视频中信息茧房的具体表征和产生诱因,并在此基础上对信息茧房产生的影响进行反思。