查看原文
其他

算法、可见性与注意力分配:智能时代舆论基础逻辑的历史转换

周葆华 学报后台4 2022-10-05
[提要]本文将舆论理解为公共议题、事件或人物可见性与注意力分配与竞争的社会及传播过程。可见性与注意力的分配与竞争具有媒介物质性的视角,与媒介技术架构密不可分。从大众传播发展到智能传播时代,舆论基础逻辑发生重要的历史转换,即算法成为可见性与注意力的新生产机制与逻辑。算法驱动的可见性包括个性化推荐与集体化热点两种方式,具有平台差异性和圈层差异性,并作为元逻辑在新传播生态体系中展开可见性的循环。在智能时代,我们需要高度关注算法可见性与注意力的分配正义问题。
[关键词]算法;可见性;注意力;智能传播;舆论;平台
 

基金项目:国家社会科学基金重大项目“智能时代重大舆情和突发事件舆论规律及治理研究”(20ZDA060)、国家自然科学基金重点项目“社会集群行为涌现与演化的机制分析及预测”(71731004)、复旦大学上海新媒体实验中心项目“基于计算的新媒体舆论过程研究”(2021)阶段性成果。
作者简介:周葆华,复旦大学新闻学院教授,博士生导师,复旦大学信息与传播研究中心、武汉大学媒体发展研究中心研究员,研究方向:新媒体传播、计算与智能传播。


 《西南民族大学学报》(人文社会科学版)
2022年第1期

让我们先从一个案例说起。2021年1月,40万人口左右的吉林通化市,确诊了200多例新冠肺炎病例,在封城情况下,该地生活保障出现物资配送、人手不足等问题,部分居民断粮断菜、老人断药、婴儿断奶粉等。但该地疫情与生活困难似乎并未得到社交媒体的充分注意。于是网上开始流传呼吁舆论关注的文章,其中一篇阅读量10万+的微信公众号文章《40万人口的东北城市确诊200+,紧急封城面临断粮,能给个热搜吗》(2021年1月24日),在叙述了通化当时面临的生活保障困难后提问:“魔幻的是,各大平台过去这么多天居然没有热搜”,质疑“为什么大城市里几例确诊就有了热搜,而通化200人却几乎没有报道,无人问津”,呼吁“在吉林人连续数日的紧急求救之后,舆论终于有了一点起色,也希望有更多人能够关注到这个疫情已经非常严重,却连基本报道都没有的小城”,文章最后结合当时网络热议的明星代孕、生子传闻等“吃瓜”背景感慨,“最后,我也理解大家爱吃瓜的心情……说真的,和明星那点破事相比,人命关天的事真的重要太多了!”①
该案例生动折射出社交与智能媒体时代公众舆论注意力的分配问题。上述微信公众号文章作者所不满的,是相对频频冲上“热搜”的其他事件,吉林通化的疫情未能得到充分的可见与关注,很多人无法“看到”通化,也就制约了对通化的关注。舆论关注既有扶危济困的社会正义,亦关涉社会资源与抗疫资源的调配,具有实质意义。在此呼吁中,“能给个热搜吗”成为题眼,体现出算法驱动的热搜正成为当代公众舆论注意力的重要载体与依托。在信息高度丰裕的时代,通化疫情并未赢得天然关注的背后,是智能时代获取可见性与注意力的新机制和新逻辑。
本文将从理论上阐释将舆论理解为可见性与注意力的分配与竞争过程,在新传播形态下,平台和算法正在重塑可见性实践的新机制,智能时代舆论的基础逻辑因此发生历史性转换,我们需要理解这一转换发生的媒介逻辑,并基于此重申智能时代的可见性与注意力正义。
 
一、作为可见性与注意力分配过程的舆论
舆论是公众对于公共议题、事件或人物的意见表达与讨论过程。这一界定隐含了一个习焉不察的前提:特定议题、事件或人物必须首先“被看见”,即具有在公共空间中的可见性。根据汤普森的界定,“可见”意味着“什么能被看见,什么能在视野中被感知”,不可见则意味着被隐匿。[1]从这个意义上说,“被看见”是舆论展开之基础。可见性与注意力一体两面,“被看见”需要以注意力为基础,亦需要赢得持续的注意。在公共议题的讨论上,只有从个体注意力汇聚成集体注意力,舆论才能形成,才真正具有公共空间的可见性。因此舆论可以被理解为可见性与注意力分配的社会过程,可见性与注意力本身构成一种极重要的社会资源。
正因为可见性关乎社会资源与利益的分配,它不是单纯的视觉展演过程,而是权力的实践过程,具有鲜明的政治性。根据戴扬的观点,可见与公民基本权利有关,包括被看见的权利、以公民自己的方式被看见的权利,以及赋予可见性的权力。[2]以中国社会场景中的农民工等弱势群体为例,他们需要得到更多社会舆论的关注,才能推动相应公共治理的进步与社会问题的解决。因此,农民工群体不但需要获得被看见的权利,而且应当以他们自己的方式被看见,表达他们自己的主体性,而不是仅作为关怀对象被外在化地看见,他们也因此需要自身能够参与传播、设置公共议题。如后文所述,这也与社会与媒介演进相伴共生,可见性曾经只是少数人享有的权利与权力,随着社会与媒介技术的进步,可见性成为普通公众可接近的权利。
可见性的前提预设是注意力资源的稀缺。无论在个体、群体还是社会层面,作为个体认知、行动与决策资源或社会公共资源,注意力容量都是有限的,不可能无限放大。因此初始的可见并不意味着注意,而不受注意也无法进入舆论过程,可见性存在竞争,核心是注意力竞争。“通化案例”所显示的,正是特定时空可见性与注意力的竞争。
可见性具有高度的中介化与媒介化特征。进入现代性,可见性的实践不再由身体在场的面对面展演主导(尽管身体始终未从可见性中退场),而成为中介化可见性(mediated visibility)与媒介化可见性(mediatized visibility),前者强调媒介成为可见性实践的载体与中介,后者强调可见性逻辑受到媒介逻辑的影响。尽管未必直接使用可见性的概念,但传播研究蕴藏的一条历史线索就是将分配可见性与协调集体注意力视为媒介的重要功能。在可见性与注意力的竞争中,传媒扮演核心的调配角色。从李普曼提出传媒可以构建“拟态环境”,到拉扎斯菲尔德与默顿的经典论文《大众传播、流行品味与组织化社会行为》中,就指出媒体的核心功能是赋予地位,也就是赋予可见性。新闻生产社会学的传统中,“把关”等理论揭示了传媒是如何从大千世界发生的事件中,基于新闻价值、生产常规、组织惯例、制度、文化等社会控制机制选择性地赋予其中特定的事件以“可见性”。议程设置理论进而聚焦认知效果,指出议题重要性排序从媒体向公众传递,其实就是指媒体具有对不同议题公众集体注意力的分配功能,并进而成为公众舆论中评判政治体系和人物的标准(引爆理论,Priming effects)。如果说议程设置主要聚焦特定议题“被看见”和“被注意”,架构理论则指向“以不同的方式”被看见(框架竞争),“沉默的螺旋”则意味着传媒赋予特定意见更大的可见性,而遮蔽另一些意见的可见性,由此造成意见气候的感知并进而影响表达行为和现实舆论生态。从这个角度看,舆论研究与大众传播效果的理论发展紧密勾连——其核心即阐释传媒如何组织、分配公共议题及其意见表达的可见性与集体注意力。
戴扬因此认为媒体的核心并非信息,而是“展示”(monstration),即关键是显示或不显示(隐藏),也正是在这个意义上可以说媒体是在实践仪式,并以宣称是信息或事实的形式出现(尽管可能是信息/事实,也可能不是)。[2]
舆论包括可见性与注意力的演化,至少涵盖三个主要过程:第一,从不可见到可见。特定议题、事件或人物首先需要赢得媒体和公众的关注,超越亲身自我可见的范畴,进入他人(从人际、到群体、到大众)视域。它本身体现为一个传播过程,或者说“传播可见性”(communication visibility),即特定传播可接近、可获取、被他人所感知和注意的过程。根据Treem等人的分析,传播可见性包括三个维度:行动者的行动(如向媒体投书、在网上发帖)、观察者的行动(如浏览媒体报道、点击网络帖子、参加讨论,或视而不见、沉默),以及传播发生的社会-物质情境(如媒体属性、平台、算法等)。[3]舆论是传播可见性三维度之间的互动演化,通过在特定社会物质情境中行动者与观察者的行动,使得特定的公共议题得以可见。
第二,获得注意。可见性需要注意力的竞争,从局部走向更大规模的可见,在主观上能被观察者注意而非忽视(所谓“视而不见”“熟视无睹”即代表着可见但不注意的可能),使个体注意力上升为集体注意力。现实中每天都在发生、甚至报道差不多的同类事件,但只有少数事件能从诸多同类事件中脱颖而出,获得大众的注意,从而达致真正意义上的“可见”。它们往往需要冲击力的符号、情感(“悲情与戏谑”)、戏剧性、独特性等,也依赖传播媒介的运作。
第三,持续注意及其消退。由于注意力竞争的存在,可见的公共议题往往面临被替代的风险,难以一直停留于公共视野中持续可见。从可见到不可见,可以是舆论的自然演化,也可能是权力实践的结果。尽管公共议题均有其生命周期,但从注意力正义而言,某些公共议题过早地退出可见的视野,可能有损于公共利益。
可见性与注意力的分配与竞争因此也需要考察不同的行动者。“传播可见性”中的广义行动者,既包括当事人,也包括“参与者”和“围观者”。特定舆论事件中,当事人主动争取可见,或与其他行动者共同行动,争取可见性;另一些事件则与此相反,当事人没有主动争取可见,甚至想遮蔽事件,其他行动者却将之推至公众可见的视域。表1列举了不同类型可见性行动机制的舆论事件。

该过程在同一个舆论事件中也可能位于不同阶段:以贺电《平安经》事件为例,官员贺电初始是主观期待可见性,曾调用媒体资源宣传报道;当事件成为“舆情”后,则希望转为不可见以求“平安”。权力之手有时能轻易“翻云覆雨”,有时则难抵网络行动者集体注意力之力量。
 
二、算法:可见性与注意力分配的新媒介物质性
注意(attention)具有个体微观认知、心理,甚至神经生理学的意涵,但注意力的分配不是简单的个体受众层面的心理运作过程,而是受到政经权力、事件特性、媒介平台等宏观结构与中观机制的影响。可见性自然与内容讯息有关,但本文主要强调的是,可见性与注意力的分配与竞争,具有物质性基础,受到传播技术架构的影响,具有媒介学视角。当福柯在权力运作视域下审视可见性问题时,他指出权力通过技术基础设施来实践不同的可见性模式,如构建“圆形监狱”所代表的是监视的永久可见性。[4](P.195-230)作为可见性与注意力分配过程的舆论,具有此种媒介物质性脉络。
在传统面对面的物理世界,我们只能看见时间与空间受限的存在——“此时此地”发生的事情,除极少数流言扩散事件外(如清代“叫魂”事件),难以看到远方。技术的变革带来可见性形态的改变,例如宋代苏轼“乌台诗案”,就与其诗作通过印刷术出版得以更大范围传播,被认为具有舆论影响有关。随着大众媒介兴起,媒介中介的可见性打破了物理性时空限制,将超越我们物理视域的人物、行动和事件带到我们眼前,这一过程通过大众传播的把关、议程设置与架构等过程完成。[1]不同大众媒介的物质性形塑与供给不同形态的可见性:如印刷媒介的版面排布(位置决定可见性与注意力)和便于控制(可以将细节隐匿于报道“后台”),广播的线性播出(错过即不可见)、现场感(如“火星人入侵地球”)与亲密性(如罗斯福“炉边谈话”),电视对新闻事件和人物的多符号的细节展演、视觉框架的直观呈现(电视镜头与剪辑可以直观地让一些人物或事件“可见”,而让另一些成为“小透明”),以及克服空间距离的同步性(电视直播)等。特别是那些经由政经精英精心策划、卫星电视现场直播的“媒介事件”更是如此,可以在短时间内聚集全球受众的关注焦点,成为中断日常的舆论中心。但无论是报纸、广播,还是电视,获得更大可见性的主要是精英,只不过所牵引的注意力指向不同——例如1960年尼克松vs.肯尼迪总统大选辩论中,广播听众更倾向于尼克松(更关注政见内容),电视观众则更倾向于肯尼迪(更看重镜头表现)。[5]大众媒介形塑“多数人看少数人”的可见与注意模式,使公众相对集中地看到特定议题、事件与人物,并有其固定的时间节奏(如报纸通常每天出版一次,电视新闻在每天特定的时刻出现)。
互联网带来了新的可见性逻辑。不但使得非精英群体具有更大的可见潜能,而且可见性的实践不再被大众传媒垄断,普通人也拥有了定义他人可见性的权力,成为可见性的组织者、赋予者。例如UGC(用户创造内容)、大众手机拍摄、视频直播等使得原本不可见的事件或群体在公共空间内可见,或使得超越重大突发事件的日常生活可见(例如短视频平台上的卡车司机)。在中国的历史场景中,网络事件或新媒体事件作为重要的舆论过程,很多起因恰是普通人运用互联网为武器,赢得可见性的过程,例如网络爆料与求助。2013年江西上访女孩钟如九在南昌机场被地方官员拦截,因新闻记者的网络直播得以可见;2016年,魏则西通过知乎记录自己的求医经历使其不幸遭遇受到集体注意。这些都呼应了戴扬所论述的“以自己的方式可见”,互联网社交媒体允许当事人或群体按照自己的意愿被看到,而不是服从媒体建构的框架,但个体是否能获得与媒体或精英一样的注意力则另当别论。在为普通主体赋予可见性的同时,互联网、特别是社交媒体也使传统可见性的主体——如政府和精英的可见性优势地位遭遇挑战,它们需要与海量的内容生产主体竞争信息和观点的可见性。例如各级政府的政务新媒体也需要通过人格化语言、“标题党”手段、视频直播等形式提升可见与被注意的机会。[6]互联网与社交媒体改变了舆论过程中可见与注意的时间节奏,打破了原本的固定周期,使得事件发生后的可见性瞬间发生与转换,不同主体争取可见性与注意力的竞争也日趋白热化,一旦错过最初的时间窗口就可能陷入舆论的被动境地。
而在当下,互联网的可见性逻辑正在发生重要的历史性转换。算法技术扮演着日益重要的角色,形成了新的可见性的技术架构,算法正取代媒体机构和社交好友,成为可见性的驱动逻辑,告诉我们应当“注意”什么。算法(algorithm)作为“组织和操作数据以快速达到特定结果的一套逻辑化的程序步骤”[7],往往并不直接生产内容(写作机器人除外),而恰是在生产内容的可见性——将新闻、信息和观点推荐至受众面前。无论是搜索类(如谷歌、百度),社交类(如脸书、微博),资讯类(如Reddit、今日头条),还是短视频类(如抖音、快手)数字平台,都在运用算法向用户推荐内容,使得特定内容被特定用户所见并引发关注。Bucher(2012)因此提出“算法可见性”(algorithmic visibility)概念,指出不同于福柯所论述的权力控制的“(永久)可见性威胁”的全景监狱,算法是制造“不可见”的压力,使得网络中的传播主体感受到不被他人所见的威胁。[8]举例来说,互联网虽然为弱势群体创造了可见的技术可能性,但在实际上,诸如卡车司机等群体的生活多大程度上在平台上被受众所见?如果用户并未关注(follow)特定卡车司机内容创作者,就依赖算法是否能将他们的生活推荐至可见视野。
本文将算法分为两类:个性化推荐算法与集体化热点算法。两类算法具有共性,即自动化(automation)和数据化(datafication)。与以往可见性逻辑由人类(媒体、编辑)实践不同,算法可见性由机器程序自动执行,正因如此,算法常被视为技术“黑箱”,难以廓清其内在逻辑与实际运作。但在机器执行的背后,既包括不同平台所制定的策略性目标(如热度指标),更包括用户的属性和行为数据(如关注、点击、转发、点赞或评论)的供给,它们和内容数据一起,经分类、排序、匹配等计算后形成对用户的内容推荐。
个性化算法具有三个显著特征:一是相关性,即算法认为特定用户会对特定内容感兴趣,与其相关;二是个性化,即基于个体用户的画像、所表达的显性兴趣、浏览与交互行为记录等进行计算,推荐个性化的内容,相对于大众传播时代的集体注意力,算法更多形塑个性化的注意力,即不同受众可能看到不同内容,关注不同议题;三是适时性。算法不仅提示我们该注意什么,更提醒我们何时注意。对于个人信息推荐流而言,不少平台已经改变了传统的“实时”(real-time)模式,而是根据双方交往密切程度等计算并“适时”(right-time)推荐,使得不同用户完全可能拥有不同的时间线。[9]
算法并不仅是分散受众的个性化推荐(尽管常有此误解,但实际上即便个性化算法中也包括对总体热度内容的权重分配),还包括另一类聚合受众的算法,其代表是热点算法(trending algorithm),即对网民集体关注焦点的计算——基于特定时间、特定群体,侦测并提取产生最大化交互行为(通常包括浏览、转发、点赞、评论等)的议题与事件,并以平台“热搜”“热榜”或“热门话题”等产品形态呈现。热点算法主要倾向高参与性(网民热议)、新颖性(非常态)、及时性的内容,也会排除政治不正确或违反法律、伦理原则的内容。与个性化算法不同,聚合化算法提供给公众一套标准的热点提示,暗示与该平台的所有用户相关,并以实时倒序的方式呈现。
这两种算法都提供了新的可见性与注意力分配机制。个性化推荐算法高度倚重个体兴趣与社交行为,形塑其相对独特的个体注意(但由于总体热度与协同过滤机制的介入,不意味着不能与其他个体共享议题),集体注意与公共舆论则生长于个体注意的交互、扩散与流动之间;集体热点算法则扮演社会风向标角色,直接告知受众当前什么内容正在“流行”,从而牵引公众的集体注意力,并形塑一个想象的共同体——通过阅读、参与当前社会的热点议题,感受自身属于这个社会的一份子,而非被排除在社群之外。[10]
随着数字平台对当代社会的全方位渗透,算法对可见性和注意力分配的影响开始受到高度关注。搜索引擎和网页排名算法被认为是数字时代可见性的关键来源,对搜索引擎排序结果的操纵会直接影响政治选举的结果[11]。在中国场景下,“范玮琪事件”被评论者视为“服务器改变舆论”的早期典型案例:2015年9月3日上午纪念抗战胜利70周年阅兵仪式直播过程中,台湾明星范玮琪在微博上“晒娃”,引发部分网友评论热议,随后被算法捕捉并推至微博热搜,由此被大规模网民“看见”,成为注意力分配的焦点,形成舆论事件。[12]
由此可见,尽管个性化推荐与集体化热点两种算法可见性逻辑不一,但两者之间也存在密切关联:当个性化推荐形成的个体注意达到一定规模,会被集体化热点算法捕捉,从而进入更大范围的可见与注意。这也提示在智能时代,可见性与注意力之间的关系发生变化:可见性不再仅是注意力的基础(先可见再被注意),而可能“可见”首先以“注意”为前提——个性化算法会计算用户之间投射注意的程度,越是经常关注和互动的用户,被“适时”推荐的可见性越高,反之则可能从你关注的朋友中“失踪”;而热点算法更是基于集体注意力的计算,被越多人关注和参与的议题,越有可能进入热点推荐,被公众所见。正是在这个意义上,“通化案例”中才有“能给(通化)个热搜吗”的呼吁,因为不被热点算法所捕捉,就无法被看到。
 
三、可见性和注意力算法逻辑的平台差异性
算法逻辑具有共性,也具有平台的差异性。这与不同平台所确立的基本定位、目标、企业文化与价值观、用户/内容供给特征、具体算法策略等因素均有关。由于目前这方面详细资料的欠缺,我们仅能做一些基础的描述性分析,但主要想强调:在智能时代的算法逻辑下,用户通过不同平台,完全可能看到不同的“世界”,形塑差异化的舆论。
以搜索类平台为例,谷歌和百度的搜索算法就不同。谷歌主要采取PageRank算法,即根据网页的链接度量来排序其质量和相关性。每个指向特定网页的链接相当于给该网页价值投了一票,通过这样的结构创建起网页的级别系统。[13]谷歌也是首个采用“个性化搜索”的搜索引擎,基于用户的个人信息、使用习惯、搜索历史与请求、搜索结果确认等因素,生成“个性化”搜索结果。同时,还加强了对社交媒体内容的收录,以及时效性权重。因此,目前的谷歌搜索算法是PageRank(代表内容质量)、个性化、社交性、时效性、体验性等多种因素综合作用的产物。[14]百度的搜索算法则不甚清晰。但已有研究指出,不同搜索引擎返回的搜索结果会提供不同的知识。以20个网络舆论事件的检索结果为例,百度搜索相对于谷歌在最前列提供了更多来自自身的搜索结果,以及更少的来自国际网站的搜索结果。[15]
在社交类平台中,脸书(Facebook)信息流的个性化推荐被认为以边际排名(EdgeRank)算法为基础,即将用户与内容的每次互动定义为Edge(边),计算EdgeRank的主要因素包括“亲密性”(affinity,指两个用户之间互动和关系的亲密程度),“权重”(weight,赋予不同的互动行为不同权重,例如评论的权重可能大于点赞),以及“时间衰退”(time decay,赋予越新的信息越高的权重),由此可见其算法是对互动行为的奖赏。[8]但脸书的推荐算法不断变化,有研究通过对其公开发布的专利、新闻稿、博客等进行内容分析,整理出脸书算法的九大价值要素:朋友关系、用户公开表达的兴趣、用户先前的参与、用户含蓄表达的偏好、发布时间、平台优先级、页面关系、用户的负面表达以及内容质量,并指出“朋友关系”是其中的首要因素。[16]还有研究认为脸书会通过算法隐藏负面事件的可见性,以促进正面情感的流通和平台活跃度。[17](P.132-163)
在国内社交平台中,根据《微博2020年度报告》显示,微博的关系信息流内容展示从过去按时间线的单一排序逻辑演变为多重因素共同作用的算法逻辑,这些因素包括内容相关性(content relevancy)、内容质量(content quality)、用户兴趣(user interest)、用户参与度(user engagement)和用户关系(user relationships)等。[18]由此可见用户显性或隐性表达的兴趣、用户关系(亲密度)是影响微博个性化推荐的重要因素。
微信的算法则与此不同。尽管目前的朋友圈仍采取倒序排列,未包括算法,但在订阅公众号的排序、“看一看”,以及视频号等新产品中,智能推荐算法已被广泛应用。2020年,微信表示主要基于订阅号的优质程度、用户对订阅号的喜爱程度以及群发文章的内容质量等综合因素动态排序用户所订阅的公众号内容。“看一看”则包括“朋友在看”和“热点广场”两种推荐方式:前者基于好友点击“在看”的行为进行推荐;后者则根据用户的行为、历史浏览记录判断其兴趣,通过协同过滤算法将符合相似用户偏好的内容、相似文章的内容、相似主题的内容、相似公众号的内容推荐给用户;同时也会考虑新闻的时效性和总体热度。[19]
在国内资讯类平台中,“今日头条”是进行个性化推荐的代表。根据其算法架构师的介绍,今日头条的推荐算法包括三个主要维度的变量:内容特征(包括主题分类、热度、时效性、文章质量等),用户特征(包括显性特征如兴趣标签、职业、性别、年龄等,以及隐性特征如基于用户行为计算的兴趣),环境特征(包括地理位置、时间等)。推荐特征则由相关性匹配、热度、协同过滤和环境四方面共同构成。[20]一项以健康知识为主题的经验研究表明,“今日头条”的算法可见性设计主要瞄准娱乐、体育,以及健康信息中的癌症等能够获取注意力经济的内容,是偏好热点的注意力分配机制。[21]
在短视频类平台中,“抖音”与“快手”被认为在推荐算法上存在差异:前者以“记录美好生活”为口号,偏好头部法则,更多推荐流行性视频,关注“网红”爆款;后者则以“拥抱每一种生活”为口号,相对更去中心化,注重扶持“长尾”的草根内容创作者,降低不同视频之间关注度的“基尼系数”。[22]
在热点算法方面,目前国内主要的数字平台都设置了自己的热搜或热榜类产品,使特定议题、事件或人物优先可见,引导公众的集体注意力。它们的算法也不尽相同,例如:微博热搜表示其排序原理为 “(搜索热度+传播热度)*话题因子*互动因子”,其中,搜索热度以搜索量为基础,反映用户对热点的关注和探索的程度;传播热度以热点相关博文阅读量为基础,反映热点触达人群的规模;话题因子以话题讨论量为基础,反映用户热议和参与的热情;互动因子以结果页转评赞互动率为基础,反映用户消费内容的意愿。[23]“百度热搜”说明“热搜指数结合了搜索指数、资讯指数及各榜单领域特有数据”,其中搜索指数“以用户在百度的搜索量为数据基础,以关键词为统计对象,将各个关键词在百度网页搜索中的搜索频次加权求和、指数化处理后得出”;资讯指数“以百度智能分发和推荐内容数据为基础,将用户的阅读、评论、转发、点赞、不喜欢等行为的数量加权求和、指数化处理后得出”;各榜单领域特有数据 “结合各领域特征,将用户的互动(热点榜)、播放(电影榜)、下载(游戏榜)等行为数据进行分析和计算,指数化处理后得出”。[24]“头条热榜” 所计算的信息热度(H)=信息的初始热度(H0)+信息的交互热度(H-user)-随时间递减的热度(H-time)。“知乎热榜”则受到“浏览量、互动量、专业加权、创作时间和在榜时间”等因素的综合影响。[25]
这些热点算法的基本介绍显示它们不同程度地包括了搜索量、阅读量、互动量、时间性以及专业性等因素,但因其权重不可知,我们无法了解其真正的逻辑倾向。但通过一个简单的经验测试,我们发现在同一时间(以2021年6月11日晚上10点为例),上述四个平台所提供的热点结果并不一致(见表2):只有甘肃白银“马拉松”事件在四家平台的热点榜前十中共同可见,短跑名将苏炳添、热依扎未获奖在两家平台共同可见,其余热点均不相同。当用户在这个时间打开不同平台时,他们根据热点榜所看到的“世界”迥然有异。

 
四、可见和注意的阶层、圈群差异性
个性化推荐并不意味着不具有群体性,类似文本意义解读中所说的“诠释社群”(interpretive community),智能时代的算法也可能带来“可见社群”(visible community)或“注意社群”(attentive community),即不同阶层、群体内部可能共享相同/相似的可见与注意的对象,但相互之间则存在不同的可见与注意的对象,从而形塑差异的舆论基础。一方面个性化推荐算法非常看重好友互动的质量,另一方面在更大范围内构造用户相似度的“协同过滤算法”都推动了舆论圈层的形成。如果说在大众传播时代,社会可以有很大可能共享特定的舆论议题(正如议程设置理论所强调的是其超越特定群体的整体性效果),那么在智能算法时代,可见的阶层与圈群差异性可能更为凸显。例如,2020年曾发生“假靳东事件”,江西一位六旬阿姨被短视频平台上的“靳东”假冒者欺骗。该事件不常见于其他阶层或圈群,是因为算法提供的个性化可见性基于该阿姨对“靳东”视频的点击而生产高频的可见与注意,由于情感、生活和审美特征的差异,它所折射的是不为一线城市居民和其他高教育高收入阶层所注意的三四线城市和农村地区中老年人群体的情感问题。
在不同数字平台上,我们都可能见到特定的舆论议题、事件或人物只在某个特定群体内流传,其他群体对此隔膜无知,造成所谓的“信息茧房”。即便议题/对象类似,所讨论角度、信念、观点与情绪等也可能南辕北辙,形成“意见茧房”“情感茧房”,或是“审美茧房”。当我们以为所“看见”的东西“刷屏”时,可能只是在自己的“茧房”内“刷屏”;而在隔壁“茧房”,可能另一个话题正在流行。正如“通化案例”,基于事件本身的地理接近性,可能通化本地的网民都通过亲身经验、媒体报道、社交转发和算法推荐感知疫情的严重性,但这一信息未能推荐至其他群体“可见”的范围。2020年的“南方暴雨”案例恐也与此有关,尽管网络与媒体不乏相关内容的报道,但算法并未将之推荐至公众可见,引发社会的关注。前述卡车司机的例子亦如是,虽然互联网与社交媒体提供了相关弱势群体“可见”的机会,但在智能时代的算法机制下,他们是否真的能被其他群体“看见”,恐怕是要打上一个大大的问号。
这其中,不仅是个性化算法的问题,热点算法亦有问题。与传统媒体人工判断与选择不同,热点算法往往基于热度基础——如前所述,先有注意,方能可见,一旦某个议题未能达到注意力的阈值,即便从公共利益意义上具有可见的正义性,亦没有通道实践此种正义。通化疫情的确严重,人命关天无分贵贱,不应比一线城市的疫情更不值得关注,因此如何能上“热搜”就的确值得拷问。反之,明星八卦绯闻,事实上的确没有那么重要,但当它获得足够的曝光与注意,突破热点算法的阈值,就能进入“热搜”获得更大的可见性。在注意力竞争的空间中,谁能赢得注意、谁该赢得注意,当由算法接手时,就承受此种道义的诘难。
不过,诸多实证研究都显示算法未必真的带来了意见与观点的“茧房”。②其间理由,一是算法是在诸多环节中起作用,个体本身的偏见(选择性接触与注意)、社交关系的影响等均应纳入考量,而非仅责难算法;二是算法本身也具有多样性和动态性,算法不仅有“投其所好”的个性化,亦有基于整体热度的“泛化”;三是不同社会阶层和圈群并非“老死不相往来”,经由交往互动或“偶然性接触”,特定圈层的话题完全可能“出圈”,包括通过跨阶层、群体的传播将之推向更开阔的可见空间。尽管如此,诸多经验事实依然提醒我们高度重视这一问题存在的可能。如果没有经由跨群交往或大众媒体帮助“出圈”,特定议题很可能会封闭于特定的阶层与圈群内部,形成“茧房”,甚至造成相互隔绝与对立冲突的“孤岛”。
 
五、可见性与注意力的循环:舆论生态体系元逻辑
强调算法可见性的历史性转换,并不意味着算法独立地发挥作用。恰如有学者指出,当代信息策展的行动者至少包括五类:新闻记者、广告营销者、个人兴趣、社交好友以及算法。[26]算法是在可见性与注意力的生态体系中运作,但它们并非各自独立运行,算法会影响并驱动其他策展行动者的行动逻辑,使其基于算法逻辑展开可见性与注意力的争夺。正如搜索引擎优化(SEO)已经成为一个常规实践,个人、机构、记者和广告营销者也会利用平台算法,让特定议题在社交媒体上可看见、可流传、可检索,乃至被热点算法所捕捉,上升为更大范围可见的“热搜”。从这个角度说,算法并不是一个与其他策展者并置的普通行动者,而是具有元逻辑力量的特殊行动者。
在算法驱动的可见性逻辑下,行动者同时面向社交媒体上的用户和平台算法“发言”,即一方面要让用户看到特定议题,另一方面“驯化”算法将之放入热搜或热门话题从而赢得更高的关注度,前者又构成后者之基础。在美国场景下,黑人等少数群体通过增加推特发布既提升自身话题和群体的可见性,又增加被热点算法所捕捉的机会;在社会运动中,行动者需要采取“标签行动主义”(hashtag activism)使特定标签成为流行的热搜,甚至不断修改新标签,以适合推特算法,使之认为这是一个新出现的热门话题,而非仅是一个陈旧话题的延续。正如Proferes & Summers(2019)所指出:数字平台上的议程设置已经不仅是内容产生的效果,而是需要通过面对平台算法的技术特征互动下完成,即通过满足算法机制达到进入热搜榜或热门话题的目的,从而得以设置议程。[27]无论是社会行动者(activists),还是政治力量、商业与营销力量,乃至社交机器人(social bots)等均可基于对算法的理解,展开竞争可见性与注意力的游戏。中国场景下,如“通化案例”所显示,“上热搜”也已成为诸多行动者的自觉意识,热搜榜的上与下、进与退、显与隐、真与伪,本身成为高度竞争的政治、文化与舆论现象。由于平台通常不会披露自身的热点算法机制,因此行动者只能通过猜测或逆向工程等方法尝试。
在社交媒体成为新闻机构重要来源的新传播生态下,社交媒体上的“可见”又会进入传统机构媒体的可见视域,从而产生可见性的循环。在注意力高度竞争的“度量社会”(metric society),注意力始终稀缺,存在高度竞争,因此需被度量进而数据化。[28](P.1-9)新闻媒体和记者在传统新闻价值之外,开始关注以数据化形态出现的集体注意力,会根据议题、事件或人物所吸引的公众关注与集体注意来作为新闻价值的重要参考因素。[29]例如在美国,特朗普所引发的媒体关注中,很多媒体会依赖热门标签来判断公众关注度并加以报道。[30]热门话题、热搜等算法形成的平台指标也因此成为新闻媒体判断新闻价值依赖的重要标准。[27]在注意力稀缺的时代,热点算法提供的集体注意力指标也简化了新闻从业者的题材选择,它“合法”地让新闻媒体告诉受众“其他”受众在关注什么,社会舆论焦点在关注什么。从网络可见性到热搜可见性,进而决定媒体可见性,再度回到各种数字平台,生产新的可见性,智能时代的舆论生态体系中构筑可见性与注意力的循环。
 
六、小结:迈向智能时代的可见性正义
本文主要阐释了智能时代舆论基础逻辑的历史转换:算法正取代人工,成为建构可见性与分配注意力的重要机制。算法作为新的媒介物质性,成为智能时代数字平台的基础性技术架构与核心逻辑,由此影响公众议题、事件与人物的可见性与注意力。本文提出,算法包括个性化推荐与集体化热点两类,它们有共性又有差异。算法逻辑通常包括个性兴趣、社交亲密性、交互性、时效性等因素,但它们彼此构成的权重藏于平台“黑箱”隐而不见,但可以观测到不同平台基于算法逻辑形成的可见性与注意力分配存在差异,在不同阶层、圈群之间也存在差异。在智能时代的新传播生态下,算法逻辑构成行动者展开可见性竞争行动的元逻辑,并经由传统机构媒体的吸纳,进入更大的可见性与注意力循环。
算法赋予新的可见性,但正如“技术无意识”(technological unconsciousness)[31]概念所指出,算法本身又是不可见的,算法以不可见、不可知的方式运作并影响日常生活和舆论生态,其间的逻辑机理和社会后果不可不察。恰如英谚有云“不入眼界不入心界”,在注意力高度竞争的当代社会,社会有限的可见性与注意力如何调度与组织,既影响社会资源的分配,更关乎基本的社会正义。本文因此提出“可见性正义”(visibility justice)概念,呼唤包括算法机制在内的社会机制维护和捍卫这一基本的社会正义。
所谓“可见性正义”,基本涵义是指以公共利益为依归,促进可见性与注意力分配的公正、公平、合理与德性。从柏拉图到罗尔斯,“应得”被理解为正义的基本内涵,即应得者得其所应得是谓正义。[32]问题是什么是“应得”?顺应算法元逻辑展开争取可见性的行动,代表的是以既存算法逻辑为前提展开程序化竞争的“正义性”;但这样的“应得”逻辑忽视了行动者本身包含的前提性不平等——如精英人士拥有更大的能力、资源和技术,娱乐明星拥有更多的粉丝、娱乐性和商业价值,因此他们也更容易获得可见性,如果我们仅认可算法逻辑的公平性,就忽视了这些前提性不平等所带来的可见性非公平;另一方面,也遮蔽了作为算法可见性与注意力分配机制背后的平台利益及其设定的算法目标(如为平台获取最大化的流量),它们并非“真的”公平。因此,如果从人类理想社会的“超越性正义”角度来思考正义概念,就不止于对既存算法逻辑的默认;而是否合乎公共利益,是否尊重人类的核心价值——如生命、健康、安全、自由,是否合乎人类的道义与良知,就成为可见性正义的重要内容。其实质是将人的发展、价值和尊严视为根本。恰如“通化疫情”与“南方洪水”,“困在系统里”的外卖员和“困在盒子里”的卡车司机,受到伤害与遭遇不公的个人与群体,都值得“热搜”、值得“被看见”。
仔细讨论如何在公共舆论中达到可见性正义已经超出本文的范畴,但借用前述“传播可见性”框架,或可提出三个思考方向:第一,行动者。遭遇不公、不平等、身处弱势的当事人和社会行动者需要在算法可见性框架内争取可见性,并以自己的方式可见;第二,观察者。在算法可见性框架内通过交互行动和兴趣表达为正义行动争取更大的可见性与集体注意力(包括推向热点算法),对抗试图让非正义“恶行”不可见的权力操纵,同时应主动跨出算法“茧房”,积极聆听差异性议题、信息和观点,让自己看到更大的世界;第三,社会-物质情境。平台需要审视自身的算法逻辑促进还是阻碍了社会正义(例如为何“通化疫情”不可见);大众媒体需要审视自身的新闻选择逻辑,不应简单地将算法推荐结果视为社会舆论注意力的天然“合法”来源,而应对之作出审议与校正;包括政府、公众、社会组织等在内的多元主体的社会治理者需要加强对于算法的审计(audit)和监督,推动更具正义的算法可见性框架,这其中尤其包括公民力量的参与——也就是说,行动者和观察者不仅可以利用现有算法框架争取可见性,而且可以积极发声与行动,参与创造一个更加符合可见性正义的算法框架。
除了分配的正义性,还须注意生产的正义性。因为分配与供给结构有关,“巧妇难为无米之炊”,算法推荐离不开信息源头的供给。社会是否能给不同阶层和群体发出声音的机会,鼓励多元信息和多样表达,才能增加可见的基础性供给,而避免被单向度信息操控。另外,本文探讨智能时代舆论基础逻辑的算法转换,并不意味着传统逻辑完全失效——特别是权力对于可见性的“人工”操控,在特定场景下并不亚于“机器”算法的力量。相反,无论是个性化推荐抑或集体化热点,算法背后的权力干预之手,及其对于社会正义的可能威胁,始终值得我们高度警惕。对于那些借批判算法试图导向权力操控的话语,也应保持警惕。可见性正义既是社会正义的重要构成,又建诸社会正义。
最后,本文仅提供一个关于算法、可见性与注意力分配的理论性讨论框架。在中国当代舆论中,算法究竟带来怎样的可见性?如何分配集体注意力?不同平台与圈层的共性与差异如何?算法可见性元逻辑如何在智能时代的舆论生态体系中发挥作用?这些都生发出更多值得深入研究的问题。
 
注释:
①文章详情可参见:Qingjia清嘉《40万人口的东北城市确诊200+,紧急封城面临断粮,能给个热搜吗》,“清醒派”微信公众号,https://mp.weixin.qq.com/s?__biz=MzIxMzU3NDEyNA==&mid =2247487554&idx=1&sn=b574532b5de3fdcae92790a2f6eada9b &chksm=97b598c1a0c211d79d459cf91e805dab0ee7ffde9afea125048 56218309f52abc3c5b192087b#rd,2021年1月24日。
②上述观点可参见:Bakshy E,Messing S,Adamic L A.Exposure to Ideologically Diverse News and Opinion on Facebook. In Science,Vol.348,No.6239,2015;Dubois E,Blank G.The Echo Chamber is Overstated:The Moderating Effect of Political Interest and Diverse Media. In Information,Communication & Society,Vol.21,No.5,2018;Mller J,Trilling D,Helberger N,van Es B. Do Not Blame it on the Algorithm:An Empirical Assessment of Multiple Recommender Systems and their Impact on Content Diversity. In Information,Communication & Society,Vol.21,No.7,2018;周葆华《算法推荐类APP的使用及其影响:基于全国受众调查的实证分析》,《新闻记者》,2019年第12期。
 
参考文献:
[1]Thompson J B.The New Visibility[J].Theory,Culture & Society,Vol.22,No.6,2005.
[2]Dayan D.Conquering Visibility,Conferring Visibility:Visibility Seekers and Media Performance [J].International Journal of Communication,Vol.7,2013.
[3]Treem J W,Leonardi P M,van den Hooff B.Computer-mediated Communication in the Age of Communication Visibility[J].Journal of Computer-Mediated Communication,Vol.25,No.1,2020.
[4]Foucault M.Discipline and Punish:The Birth of the Prison[M].London:Allen Lane,1977.
[5]Druckman J N.The Power of Television Images:The First Kennedy-Nixon Debate Revisited[J].The Journal of Politics,Vol.65,No.2,2003.
[6]Lu Y,Pan J.Capturing Clicks:How the Chinese Government Uses Clickbait to Compete for Visibility [J].Political Communication,Vol.38,No.1-2,2020.
[7]Gillespie T.The Relevance of Algorithms[A]// Gillespie T,Boczkowski P J,Foot K A(eds.).Media Technologies:Essays on Communication,Materality,and Society[C].MIT Press,2013.
[8]Bucher T.Want to Be on the Top? Algorithmic Power and the Threat of Invisibility on Facebook[J].New Media & Society,Vol.14,No.7,2002.
[9]Bucher T.The Right-time Web:Theorizing the Kairologic of Algorithmic Media [J].New Media & Society,Vol.22,No.9,2020.
[10]Gillespie T.#Trendingistrending:When Algorithms Become Culture[A]//Seyfert R,Roberge J(eds.).Algorithmic Cultures Essays on Meaning,Performance and New Technologies[C].NY:Routledge,2016.
[11]Epstein R,Robertson R E.The Search Engine Manipulation Effect(SEME)and its Possible Impact on the Outcomes of Elections[J].Proceedings of the National Academy of Sciences,Vol.112,No.33,2015.
[12]邹振东.范玮琪事件:服务器改变舆论[EB/OL].爱思想,http://www.aisixiang.com/data/92084.html,2015-09-09.
[13]Pasquinelli M.Googles PageRank algorithm:A Diagram of Cognitive Capitalism and the Rentier of the Common Intellect[A]// Becker K,Stalder F(eds.).Deep Search:The Politics of Search Beyond Google[C].London:Transaction Publishers,2009.
[14]How Search Algorithms Work[EB/OL].Google(谷歌),https://www.google.com/search/howsearchworks/algorithms/,2021-06-01.
[15]Jiang M.Search Concentration,Bias,and Parochialism:A Comparative Study of Google,Baidu,and Jikes Search Results From China [J].Journal of Communication,Vol.64,No.6,2014.
[16]DeVito M A.From Editors to Algorithms:A Values-based Approach to Understanding Story Selection in the Facebook News Feed[J].Digital Journalism,Vol.5,No.6,2017.
[17]Tufekci Z.Twitter and Tear Gas:The Power and Fragility of Networked Protest[M].Yale University Press,2017.
[18]Weibo Annual Report 2020[EB/OL]. Investor Relations,http://zh.ir.weibo.com/zh-hans#/AnnualReports,2021-04-22.
[19]微信“看一看”推荐排序技术揭秘[EB/OL].“腾讯技术工程”公号,https://mp.weixin.qq.com/s/_hGIdl9Y7 hWuRDeCmZUMmg,2020-07-10.
[20]曹欢欢.今日头条算法原理[EB/OL].今日头条,https://www.toutiao.com/a6511211182064402951/,2018-01-16.
[21]聂静虹,宋甲子.泛化与偏见:算法推荐与健康知识环境的构建研究.新闻与传播研究,2020(9).
[22]杨虎,郑路,蒋理慧.推动社会计算研究与社科理论结合[EB/OL].中国社会科学网,http://ex.cssn.cn/zx/bwyc/202011/t20201104_5211172.shtml,2020-11-04.
[23]微博MCN.黄远文:热搜和新话题的原理与技巧[EB/OL].新浪微博,https://weibo.com/6159353180/GwTCnmgyC,2018-08-29.
[24]百度热搜的计分规则[EB/OL].百度热搜,https://top.baidu.com/board?page=rule&tab=homepage,2021-06-01.
[25]Howyi.热榜推荐算法总结[EB/OL].简书,https://www.jianshu.com/p/88a2999c807d?share_token=AE489B1A-1EB2-48F8-A413-669EEFE4943F&tt_from=weixin&utm_source=weixin&utm_medium=toutiao_ios&utm_,2020-09-11.
[26]Thorson K, Wells C.Curated Flows:A Framework for Mapping Media Exposure in the Digital Age[J].Communication Theory,Vol.26,No.3,2016.
[27]Proferes N, Summers E. Algorithms and Agenda-setting in Wikileaks# Podestaemails Release[J].Information,Communication & Society,Vol.22,No.11,2019.
[28]Mau S.The Metric Society:On the Quantification of the Social[M].Cambridge:Polity,2019.
[29]Fürst S, Oehmer F.Attention for Attention Hotspots:Exploring the Newsworthiness of Public Response in the Metric Society[J].Journalism Studies,Vol.22,No.6,2021.
[30]McGregor S C.Social Media as Public Opinion:How Journalists Use Social Media to Represent Public Opinion[J].Journalism,Vol.20,No.8,2019.
[31]Beer D.Power Through the Algorithm? Participatory Web Cultures and the Technological Unconscious[J].New Media & Society,Vol.11,No.6,2009.
[32]王新生.马克思正义理论的四重辩护[J].中国社会科学,2014(4).
 
责任编辑:刘立策

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存