被塑造的共同体：个性化推荐算法若干问题审视

刘煜洲 仝泽宇

摘 要 通过算法进行的内容分发无疑提升了信息传播的效率，在有关个性化推荐算法的研究内容当中，学者们常常从“信息茧房”“认知窄化”“过滤气泡”等角度进行批判式研究。实际上，个性化推荐算法是否真的造成了使用者“故步自封”其实还是一个值得商榷的问题。文章提出在个性化推荐算法当中蕴含着共同体塑造的可能性，先提出个性化算法推送易造成全景敞视监狱与数字劳工这两个陷阱，再对个性化推荐算法是如何对共同体塑造构建了可能进行分析。

关键词 技术；共同体；个性化推荐；算法

中图分类号 G2 文献标识码 A 文章编号 2096-0360（2021）19-0072-03

早在1922年，李普曼（Walter Lippmann）在其所创作的《公众舆论》一书中就提出“拟态环境”（pseudo-environment）这一概念，意在强调新闻媒体机构具有对社会事实的“重塑”作用，即大众传媒通过对新闻事实的挑选、编辑、分发等隐藏在“黑箱”当中的操作，从而构建出大众传媒想要呈现给大众的“社会现实”。这一理论在20世纪初“魔弹论”盛行的那个时期，反映出新闻媒体机构在“建构社会现实”“凝聚社会合意”“指导大众生活”等方面的强大作用。

伴随信息技术的不断发展，人类从信息匮乏时代渐入到信息超载时代。如何进行高效率的内容分发，成为了所有信息技术公司孜孜追求的方向。起初，“分类目录”和“搜索引擎”的方式在互联网发展的初期为用户节约了一定的决策成本。然而，“分类目录”无法适应爆炸式的信息增长，也无法为用户提供引导服务；“搜索引擎”也只是一种被动的信息过滤机制，既无法实现主动为用户推送消息，亦无法挖掘用户的潜在需求、提供个性化的服务[1]。因此，如何在海量的信息面前实现信息与用户之间精准高效的匹配，这不仅对传统传媒业的发展提出了巨大挑战，同时也是数字媒体技术时代公众与信息技术公司共同关注的重要问题。

在此背景下，个性化推荐算法在海量数据的基础上应运而生。个性化推荐算法的运作机理即通过对用户行为和关系的分析，挖掘用户对内容的偏好和潜在需求，通过信息聚合，自动为其生成符合其需求的信息，从而实现内容推荐与信息发送的个性化[2]。也就是说，个性化推荐算法可以为用户精准“描摹画像”，从而实现多元信息的精准分类、匹配与推送。同时，社交媒体的发展为聚合用户使用数据、深入分析用户行为提供了更为便捷的平台。

有研究者对今日头条的新闻推送进行量化研究后发现，今日头条的算法分发实现了所谓“千人千面”的传播效果，即没有两个人收到完全相同的新闻推送[3]。然而，在这样一种所谓“千人千面”的个性化推送当中，是否可以将其理解为每位用户都作为一个“个体”在不同的时间、地点进行着信息的收受活动？个性化算法推送会不会将具有主动性与能动性的用户再次打散为大众社会论者眼中的原子化的大众？个性化推荐算法当中是否有着类似于大众传媒“凝聚社会共识”的作用？

在大数据的支持下，基于用户的使用习惯、兴趣爱好以及社交网络等进行信息推送的算法打着个性化的旗帜，表面上为用户提供更好的服务与更精准的内容推送，实质上则是将作为使用主体的用户推向了全景敞视监狱与网络时代的数字劳工的陷阱当中。

2.1 看不见的控制：全景敞视监狱

法国哲学家福柯的全景敞视监狱理论具有极强的启示意义。在全景敞视监狱中，象征权力的高塔是人们所“可见”的，似乎那里总是有人在监视周围“犯人们”的一举一动。但是对于“犯人们”而言，监视者是否正在监视着他是“不可见”的，甚至不确定高塔中是否存在所谓的监视者。“犯人们”在这种不确定性之下只能时刻规范自己的行动，以保证自己的行为不管监视者何时看到都是符合制度准则的。久而久之，这样一种心理就会内化为自身的一种规范，从而实现对于监视者而言，最低成本而又最高效益的“自我监视”。这与过去监狱中象征着权力的皮鞭、牢房的情况大有不同。这样一种隐性的权力在现代社会发挥着越来越重要的作用[4]。

个性化推荐算法实质上正是媒介技术营造全景敞视监狱的中介。在算法的个性化推送的逻辑当中，倘若没有对于每位用户隐私数据的收集，在爆炸式的信息面前是无法做到信息与用户的精准匹配的。而用户隐私数据的提供正是通过各种不得不点击的“我同意”“我接受”的条款。之所以说“不得不”，是因为假想拒绝或关闭这些条款和权限，那么现如今绝大多数的应用软件都是无法使用的。当你在接受这些条款并进行必要的实名认证或基本信息填写之后，你的个人信息、使用数据、浏览痕迹等都将一一上传到服务器当中。在商业公司的合谋之下，你刚在淘宝上浏览过的某个产品，就会出现在随后打开的抖音广告界面当中。

隐藏在所有应用软件背后的算法，静悄悄地源源不断地收集着你的个人数据，在越来越个性化的同时，不仅伴随着隐私泄露更大的可能性，在更无意识或有意识的层面上规范著使用者的行为。算法就像是一双看不见的眼睛，无形却持续监督着使用者的行为。你的网页浏览痕迹、点赞评论内容、LBS（移动定位服务）都将成为算法个性化推送的依据。

2.2 数字劳工：数字资本的免费劳动力

在算法源源不断地收集个人数据信息以便更精准地实现个性化服务的同时，每一位用户实际上又成为了数字资本的免费劳动力。互联网政治经济学研究领域的代表性学者克里斯蒂纳·富克斯教授根据马克思关于劳动的定义和媒介政治经济学派学者达拉斯·思迈兹的“受众商品论”，提出了更符合互联网时代的数字劳工理论。正如富克斯所总结的关于数字劳工在商业资本当中的劳动方式：

其一，劳动具有强迫性，在互联网时代的浪潮下，我们的生活日益变得网络化、全球化与数字化，人们越来越离不开互联网，越来越依赖于互联网，互联网的使用对于人们而言变成了一种必需品；其二，异化的劳动，本质上讲互联网的使用者是在为网络商业公司打工，而人们却几乎得不到任何实质性报酬，商业公司从中获取利润；其三，网络用户的双重商品化，使用者本身是一种商品，而使用者生产的信息也是一种商品[5]。

通过开启软件的各种权限，软件中的算法不断收集用户的使用数据、地理位置等信息，从而在大数据的支持下实现信息与用户之间的精准匹配。而用户在此过程当中恰恰充当了数字劳工的角色，不得不使用、接受算法的推荐；表面上自己获取了个性化的服务，实际上却是异化的劳动的表现；用户自己生产的数据源源不断被算法收集，成为商业公司合谋下的数字商品，同时再将其与新闻或其他信息进行匹配输出成另外一种商品销售给使用者。

作为网络社会研究领域的代表性学者，曼纽尔·卡斯特在其著作《认同的力量》一书中通过对原教旨主义、民族与民族国家的关系以及地方共同体等方面的讨论表述了共同体的概念与形成，他认为共同体“往往以历史、地理或生物学所清楚界定的、很容易就能分辨出抗拒边界的认同为基础，建构出集体的、抗拒那些不如此就无法承受的压迫力量的认同”[6]。

国内学者在研究个性化推荐算法时，往往将个性化推荐与信息茧房、知识窄化、过滤气泡等概念划等号。然而，正如学者喻国明所言，智能算法型信息分发所依赖的算法，不仅具有越来越多元的发展趋势，同时也处在不断优化和迭代的过程当中。算法平台虽然以个性化推荐、信息与用户的精准匹配为目的，但是算法平台并不希望用户的兴趣窄化，只有促使用户关注更多的内容种类，才能不断保持用户对该平台的兴趣与新鲜感，即算法平台“推荐内容的多样性越好，用户的信息依赖度及长期留存概率便越大”[7]。实际上，算法推荐平台中“同城”“可能认识的人” “附近的人”等基于LBS的内容推荐，以及通过协同过滤方式均在隐性的层面上有可能实现共同体意识。

3.1 基于LBS内容推荐的地方共同体的可能

卡斯特在其著作《认同的力量》一书中说“人们是在他们的地方环境中进行社会化和互动的”，与此同时，根据研究共同体问题的学者及卡斯特的跨文化观察，可以认为“人们将会抗拒个体化和社会原子化的过程，而更愿意在那些不断产生归属感、最终在许多情况下产生一种共同体的、文化的认同的共同体组织中聚集到一起”[6]。

在今日头条、一点资讯等新闻聚合平台，包括爱奇艺、腾讯视频等视频类平台均设有“同城”栏目，在基于LBS的内容推荐与新闻价值中地理上的接近性相契合的基础上，这样的设置不仅可以促进用户对所在地区信息的快速获取，也能够在一定程度上了解该地区的经济文化等相关信息，倘若该地区的文化符合用户的期待，或接近用户在自身社会化过程当中所接受到的文化背景，便容易对该地区产生共同体意识。

不仅如此，在许多应用软件当中都有“家乡”或“故乡”之类的个人信息填写，尽管用户可能身处他乡，但算法通过对用户个人信息的收集，依旧能够推送用户故乡的相关信息。由于故乡是几乎每个人社会化最重要也是影响最持久的场所，当算法对其相关信息进行推送的过程当中，便能够起到维系“乡愁”的重要作用。

3.2 协同过滤实现隐性共同体意识的可能

概言之，“协同过滤”即在海量数据面前，通过计算找到用户与用户之间的相似兴趣，并将此兴趣内容进行目标推荐。陈昌凤将协同过滤算法又分为“基于用户的协同过滤算法”和“基于物品的协同过滤算法”，前者的原理是“人以群分”，通过聚类分析若干用户的行为数据，将行为类似的用户编入一个隐形阅读小组，将目标用户推荐该小组中其他用户感兴趣但未被目标用户阅读过的新闻；后者的原理是“物以类聚”，如果某两则新闻总是被同一个用户阅读，则默认二者之间有更大的相关性，因而会给阅读过其中一则的用户推荐另外一则，该算法不直接计算两则新闻的相似度，而是通过用户对两则新闻交互行为的类似性，推断出两则新闻具有的相似程度。

在“协同过滤”机制运作的过程当中不难发现，无论是“人以群分”的隐形阅读小组，还是“物以类聚”的进行新闻配对推送，都在一种潜在的方式形成了某种不确定的、不易被察觉的共同体。

“用户”与“受众”比起来，前者的“用”代表着主动性，“户”代表着独特性与差异性，“受众”作为大众传播理论时代的名词，更多意义上是将人们视为被动信息接受的群体，缺乏主动性与独特性[8]。算法的衍生渐进了权力运作方式的转变，算法作为一种权力无情将用户抛入了全景敞视监狱和数字劳工的陷阱当中。用户不仅无时无刻被监视，更充当着商业公司“更好为你服务”承诺下的廉价劳动力。以此而言，在现有文献多从“信息茧房” “过滤气泡”等个性化的陷阱讨论的基础上，思考算法对社会的共同体塑造有着重要意义。

参考文献

[1]陈昌凤，师文.个性化新闻推荐算法的技术解读与价值探讨[J].中国编辑，2018（10）：9-14.

[2]喻国明，李慧娟.大数据时代传媒业的转型进路：试析定制内容、众包生产与跨界融合的实践模式[J].现代传播（中国传媒大学学报），2014，36（12）：1-5，11.

[3]王茜.打开算法分发的“黑箱”：基于今日头条新闻推送的量化研究[J].新闻记者，2017（9）：7-14.

[4]包亚明.福柯访谈录：权力的眼睛[M].嚴峰，译.上海：上海人民出版社，1997：158.

[5]Fuchs，Christian.Dallas Smythe today： the audience commodity，the digital labour debate，Marxist political economy and critical theory. Prolegomena to a digital labour theory of value[J].tripleC：Open Access Journal for a Global Sustainable Information Society，2012，10（2）：692-740.

[6]曼纽尔·卡斯特.认同的力量[M].2版.曹荣湘，译.北京：社会科学文献出版社，2006：8，64-65.

[7]喻国明.算法与“信息茧房”间不应画等号[N].环球时报，2019-12-17（14）.

[8]张小强，郭然浩.媒介传播从受众到用户模式的转变与媒介融合[J].科技与出版，2015（7）：123-128.

3347501908246