浅析 Facebook 算法机制背后美国新闻价值观的变迁.docxVIP

浅析 Facebook 算法机制背后美国新闻价值观的变迁 浅析facebook算法机制背后美国新闻价值观的变迁 　　摘要：媒介融合的时代人工智能、物联网等技术推陈出新，与媒体的迭代衍生出新的媒体形态与媒介环境。新闻推送智能算法是新媒体时代广泛应用于各类社交媒体的产物。本文以facebook动态新闻算法的浅析为例，探讨当前社交媒体动态新闻推送的算法机制背后所承载的当代社会新闻价值观，以及对社会造成的潜在影响。 　　关键词：社交媒体;新闻价值观;协同过滤机制 　　社交媒体的平台化已成为新媒体业界显著趋势。各类社交网站成为当今用户主要新闻信息来源，正潜移默化地重构着媒介生态。以facebook为代表的各类社交网站作为新闻媒体消息推送的“窗口”日益成为人们获取信息、了解新闻的主要渠道。根据美国皮尤调查研究中心发布的《2016美国媒体发展报告》数据显示，逾六成的美国成年人从社交媒体上获取新闻，其中通过facebook获取新闻的就占美国成年人口数的44%。facebook无疑是美国乃至世界上最大的新闻消息源。 　　数字化媒介融合的背景下，社交网站与传统新闻媒体之间的关系日益密切，甚至出现了相互交叉渗透的趋势。新闻网站和社交平台根据用户的历史操作痕迹，精密计算出用户偏好并推送感兴趣内容的算法操作，实现了用户体验的人性化与智能化。但由此也引发了一种思考：这种基于人为关系或个人偏好的新闻算法机制，是否能够真正符合用户的偏好或满足用户的求知需求？而这类通过程序化算法進行新闻信息推送甚至是新闻编辑的社交网站是否正向“社交新闻媒体”的性质过渡？假若facebook这类的社交网站真的成为新型“新闻媒体”，传统的新闻价值观对于它们而言是否适用？长期以来，新闻算法机制的支持者总是自诩“技术中立”，试图与传统新闻的编辑价值观划清界限。2016年美国大选期间，靠算法推送新闻资讯的facebook曾被诟病大面积传播假新闻，甚至被认定其影响了大选结果。虽然扎克伯格（facebook公司创立者）一度坚持facebook只是技术公司，但如今假新闻的泛滥似乎令这些社交网站左右为难，新闻事实是否需要审查？人工还是算法审查？因此，本文以facebook动态新闻算法的解析为切入点，试图探讨当前社交媒体动态新闻推送的算法机制对社会产生的潜在影响。 　　一、facebook的算法机制 　　什么是算法？简而言之，算法就是通过分类、关联、排序、过滤等步骤来解决一项既定任务的自主模式。虽然算法操作起来似乎只是一种计算机程式，但实际上多种主观因素都会内嵌其中，例如价值标准的选择、数据提取的依据以及结果分析量表的制定等。因此，针对算法机制的研究必须将算法视为含有主观因素的研究对象，并将其中主观意图以及创造者或团体纳入考察范围内。这也是本文选择研究对象要素分析的考量标准。 　　自2004年facebook诞生伊始，研发团队就遵循着“用户满足至上”为核心的设计框架，包括上传照片、标记好友、动态消息（newsfeed）等。动态消息不是指传统意义上的新闻消息，而是指用户看到的最近更新的照片、视频和信息流等。动态消息作为facebook新闻业务的核心，算法变迁经历了以下几个主要阶段： 　　（一）阶段一：边际排序算法 　　边际排序算法（edgerank）是facebook提出的动态消息推送排序的新算法，用于区别传统默认的时间逆序（timeline）排序方式。每一个用户页面内容之间的互动都可以被视作有一条“边”（edge），而每一个“边”都由3个要素构成，算法核心是每个事件对这个用户而言的权重e，其计算公式是e=u*w*d，其中u代表亲密度（affinity），指用户之间的互动情况，互动越频繁，权重越高;w代表生产成本（edgeweight），即边权重，主要受事件互动类型的影响，例如点赞、评论、收藏等;d代表新鲜程度（timedecay）：指“边”更新存在时间，往往经历时间越长，权重就越低。三个构成要素叠加在一起，就产生了边际排序。边际排序算法用于描述某信息对某观察者（用户）的重要性，考虑了信息生产者和观察者的亲密度，信息类型以及新鲜程度。 　　（二）阶段二：协同过滤机制 　　在进一步升级程序精准性的同时，研发团队又一次对动态消息算法做出调整，表明“流量黄金时代”可能很快就会成为过去。他们提出要把“用户真正关心的内容挖掘出来”，为此他们设置了一套协同过滤机制（luckerson，2015）。事实上，这套机制依然是一种带有人为主观因素的算法。“我们希望让你了解这项变化，它可能对发布商获得的推荐流量产生影响。”facebook产品经理麦克斯·尤仑斯坦在自己的博客中写道，“在某些情况下，帖子的落地率和推荐流量都有可