播播专题小课堂周六准时上线！
本期专题是咱们新传领域的老熟人——算法！
图片来源于网络，侵删
只要是准备报考新传的考研er，就没有人会忘了整理这个专题吧，从2015年左右开始，算法就开始逐渐走进新传研究之中，并且时至今日依旧热度不减。
对于这个专题，播播就不再浪费时间强调它的重要性啦，咱们直接上干货！
往期回顾：
考了200分的媒介融合万字解释pdf｜专题01
最难整理的马新观专题，这里有现成的框架｜专题02
考了30多分的「计算广告」知识点原来这么难 ｜ 专题03
考了又考的传媒生产与经营，用这几个模版一次搞定｜专题04
一篇捋清国际传播，这个必考专题就这几个出题方向｜专题保分计划05
01
算法相关概念
算法推荐（名词解释，上海大学440，2023）
算法新闻（名词解释，南京大学440，2023）
算法囚徒（名词解释，云南大学334，2023）
算法社会（名词解释，复旦大学334，2023）
平台算法（名词解释，苏州大学440，2023）
如何理解“算法即媒介”？结合具体案例说明（论述，中南财经政法大学334，2023）
02
算法对新闻业的影响
智能推送的基本保障是什么（简答，南昌大学440，2023）
如何应对技术带来的问题，真正做到技术向善（论述，北京交通大学440，2023）
网络内容分发如何提升算法落点的精准度（简答，四川大学334，2023）
论述数据和算法在新闻生产流程中的作用。（论述题，华中科技大学440，2022）
简述算法推荐在信息传播中的作用（简答题，陕西师范大学811，2022）
智能算法推荐在新闻生产传播过程中的作用（论述题，山东大学334，2022）
算法推荐对新闻传播的影响。（论述题，中南大学889，2022）
算法对新闻业的影响。（简答，西南大学629，2023）
谈谈算法推荐对新闻工作的影响（简答题，中山大学334，2022）
智能机器化与算法会对新闻业带来怎样的变化，你对此有什么看法（论述题，大连理工大学440，2022）
算法在新闻生产过程中的影响和治理（简答，长沙理工大学334，2023）
算法对新闻生产的影响，试用培养分析理论分析党媒算法的现实意义（人民号）（材料分析，长安大学334，2023）
在平台算法驱动下，新闻生产与分发有哪些变化（简答，苏州大学334，2023）
03
算法对社会的影响
算法新闻对社会的影响（简答，海南大学334，2023）
算法如何改变人类的生活，其影响与对策讨论（材料分析，长安大学334，2022）
04
对算法推荐的评价
算法推送机制满足人们个性化需求，但是也有诸多问题，谈谈对算法推荐新闻的看法。（论述题，上海外国语大学440.2022）
对网络时代下算法推荐技术的看法（论述题，苏州大学610，2022）
简述网络平台算法推荐的看法（简答题，苏州大学440,2022）
互联网平台算法的利与弊（论述，西南大学811，2023）
对算法推荐的看法 （简答，云南大学813，2023）
有学者在讨论算法在新闻生产和传播的过程中所发挥的作用中指出:在技术进步高昂凯歌时，人们愿意相信技术的进步有助于人类的解放，但技术比起解放人类更像使人类回归自然，导致人类的异化。”你同意这一观点么？说明理由。（论述题，复旦大学，440，2022）
推荐算法以市场为选择，以噱头为主流价值，有人认为这会造成主流价值的消极偏向（简答，湖北大学，2023）
算法是价值中立的吗？为什么？（论述，北京交通大学440，2023）
论述个人与算法的关系。（论述，西北政法大学334，2023）
05
算法推荐与信息茧房
智能算法新闻导致信息茧房，会降低人们的社交能力。（辨析题，湖北大学334，2022）
算法推荐技术一定会带来信息茧房效应吗？请结合实际谈谈你的认识。（论述，重庆大学440，2023）
新闻的算法推荐会导致信息茧房效应，设计研究来检验这一假设（论述题，四川大学636，2022）
网络媒体是否存在信息茧房，如何消除？（材料分析，陕西师范大学711，2023）
如何避免算法新闻推荐下的信息茧房？ （简答题，中国政法大学440，2022）
信息茧房，问题是让你自己亮观点论述。（材料，天津财经大学334，2023）
算法推荐
算法推荐是基于算法的个性化信息推送，即利用算法对用户行为和关系进行分析，挖掘用户对内容的偏好和潜在需求，以信息聚合的方式，自动为其生成符合其需求的信息，从而实现个性化推荐和定制新闻发送。
个性化信息推送的最大特点在于其抛弃了传统人工选择、推送新闻内容的方式。转而采用内容算法和协同过滤算法来进行信息的调取、过滤、聚合与分发。为用户过滤了大量无用信息，节省了用户的时间，大大提高了内容分发效率。目前个性化新闻推送客户端有今日头条、一点资讯等。
算法新闻
算法新闻是运用智能算法工具自动生产新闻并实现商业化运营的过程、方法或系统，它包括信息采集、储存、写作、编辑、展示、数据分析及营销等业务的自动化实现。广义算法新闻是指在新闻生产和分发的中运用算法的新闻作品：在生产环节运用算法工具自动生成新闻内容，在分发环节引入推荐算法，在销售环节实现了传者、受众和消费者的聚合，造就了流程更清晰、作业更高效、销售更精准、目标更明确、成本更低廉的业务链条。（还可称作个性化新闻、定制化新闻）
算法囚徒
算法下的个体成为了数据时代的 “囚徒”。个性化信息服务的出现，是信息过载时代的一个必然结果，也是尊重与满足个体的信息权利的一 种新手段。但在这一应用走向深层时，对它的争论 也越发激烈。伴随着个性化算法的一个常见话题是“信息茧房”，认为算法推荐会进一步加深“信息茧房”的现象。
算法的另一种风险，是对社会偏见的继承，以及这些偏见可能带来的文化或社会禁锢。算法不仅在归纳与 “同构”现有文化中存在偏见、歧视，还可能用某种方式将它们放大。除了偏见、歧视外，算法还可能会在一定程度上固化社会原有的结构，限制个体或资源在结构框架之外的流动。
算法社会
算法社会，这是一个由算法、机器人和人工智能体围绕社会和经济决策组成的社会。在算法社会中，规制的核心问题不是算法，而是使用算法的人，以及允许自己被算法支配的人。算法社会的梦想是对社会的无所不知的统治。而这种野心带来了伤害：除了可能造成身体伤害外，还包括侵犯隐私、曝光、名誉损害、歧视、严格控制（或标准化）以及操纵。从某种意义上来看算法社会是治理人口的一种方式，人们使用算法对整个人群进行分类、选择、理解和决策。
算法社会也涉及到信息权力的关系。人工智能很了解你，但你对人工智能知之甚少。在运行者和被治理者之间存在权力不对称和信息不对称，这种不对称是算法社会的核心特征。
在算法社会，我们需要控制和指导人类创造、设计以及使用机器人、人工智能体和算法的法则，而算法操作者是委托人及终端用户的信息受托人、算法操作者对公众负有责任、算法操作者负有不参与算法妨害的公共义务构成了算法社会中的三大法则。
以算法为核心的人工智能包括“智能体、机器学习与数据挖掘、语义网络、认知信息技术等非常丰富的内容”，而相关技术在新闻业中的应用便催生了各类智能媒体（简称“智媒”），进而促进了新闻业的智能化转型。
01
新闻采集
新闻采集即新闻线索的获取是新闻生产和分发的基础环节。
人工智能参与新闻线索获取主要是以智能化工具或机器人的形式实现，且新闻线索获取或是作为独立的流程，以为记者的后续报道提供素材，如通过机器学习和数据挖掘方法提升调查性新闻报道的质量，或是作为新闻自动化生成系统的基础部分而存在。有学者将此过程定义为 “计算性新闻发现”，即“在出版之前使用算法将编辑注意力定向到潜在的有新闻价值的事件或信息”。
国内外的媒体、通讯社和技术公司早已开发出相应的人工智能新闻采集工具并投入实践，且主要用于实现三种功能，包括大规模数据的挖掘、处理和分析，突发事件监测以及事件发展趋势预测。
02
新闻生产
人工智能软件平台和自然语言生成技术的结合，允许将原始数据转换成可理解的语言，而由此生成的新闻也被称为“自动化新闻”、“机器人新闻”、“计算新闻”或“算法新闻”。
目前，此类应用主要存在于财经、体育、政治和天气等主题的报道中，并且可以文字、视频和数据 可视化等不同形式展现。有学者认为，未来新闻的自动化生产可能实现大范围的个性化，每一用户可获取同一新闻的多个定制版本。
03
新闻分发
人工智能在新闻分发环节中的应用主要包括个性化新闻推荐、智能化新闻 播报以及智能化传播效果分析。
（1）个性化新闻推荐
基于决策流程的差异，推荐算法可分为基于内容的推荐算法、协同过滤推荐算法、基于知识 的推荐算法以及混合推荐算法。具体而言，其基本原理是算法会根据用户的个人特征、社会特征和历史足迹等信息建立多数据点的用户画像，同时也会对信息和用户的地理环境、技术环境等进行描摹，之后再将用户画像与标签化的信息产品适配，进而通过多种算法手段进行新闻分发。
（2）智能化新闻播报
智能化新闻播报主要是通过人工智能主播来实现的，在此方面，国内外都取得了一定进展，如 “新华社”联合“搜狗”公司发布的全球首个人工智能合成新闻主播、日本放送协会（ＮＨＫ）的Ｙｏｍｉｋｏ等。
（3）智能化传播效果分析
人工智能可被用于收集用户的新闻阅读情况及相关的体验，从而进一步作用于新闻分发策略的调整。“美联社”与 ＮｅｗｓＷｈｉｐ合作开发了一种新工具，可以帮助专业从业人员追踪“美联社”内容的使用情况，并分析这些内容如何推动了会员和客户的社交参与，从而进一步作用于内容的调整，以满足用户未来的数字需求。
04
新闻核查
新闻核查技术起源于计算机科学中的欺骗检测，从邮件过滤、简历过滤等应用场景中发展而来，能够在数据挖掘技术的基础上，根据准确性、确定性等指标，进行真假新闻的统计分析，计算未知新闻真实性的概率。
新闻核查一方面会嵌入新闻采集、生产和分发等诸多环节中，同时也可作为单独的过程而存在。近几年，各路媒体、公益和教育机构以及技术公司加快了开发、使用新闻核查算法的步伐，如美联社开发了内部验证工具，可帮助记者实时验证多媒体内容。
01
人的数据化、标签化与评分制
（1）人的数据化
在算法社会中，人的各个维度都在被数据化。包括画像数据化、身体数据化外、位置的数据化、行为的数据化、心理、情绪的数据化、评估的数据化等，外卖骑手、网约车司机、数字平台的内容生产者，都是典型的代表。
对个体来说，数据化生存也带来了数字化的“人格”。人与数据关系从表层走向深层，数据成为人及人格的一个必不可少的组成部分。个体要享受各种数字平台服务，都需要将自己进行某些维度的数据化，并将这些数据出让给平台。此外，数据化在帮助个体获得服务、利益的同时，也导致了个人权益被侵犯、占用。
（2）人的标签化
标签化是数据化的一个后续结果，往往也是算法应用的前提，推荐算法正是通过打标签来进行匹配和精准推送。算法计算后赋予人的标签，一方面描绘了某些个体特征，另一方面，也可能界定人们的社会属性或群体归属，这种标签也可能会固化人们的社会位置，尤其影响到社会底层人员的阶级流动。
在算法鼓励人们自我标签化的环境下，人们也会开始更多用标签化方式来看待自己，标签某些时候会成为“人设”的标志，它们反过来也会影响到人们的行为。在现实世界，将认识对象贴上标签以进行评价与站队的标签化思维也非常普遍，类似于我们常说的“刻板印象”。
（3）算法对人进行评分
评分机制代表了一种规则理性化的趋势，便利了现有法律（以及背后的公共权力）和平台私人权力的扩张和强制执行，同时也是对流动的社会规范进一步确认、固定化和再生产的过程。
评分制虽然有时过于简单，但它至少以可操作的方式推动了个体对公共规则的认识与遵从，也为人们的社会互动提供了一定的安全性保障。但是，当基于数据与算法的评分机制成为人的重要评价机制时，出于种种动因，在评分上造假、作弊也就难以避免。对评分权力的争夺与垄断，也会成为一些机构或平台的目标。
02
算法社会中的判断：依赖算法的思考
算法对于人类的影响不止于对世界的认知。在算法社会中，很多时候人们依赖算法做出判断，甚至将判断的权力交付于算法手中。例如，现在人们在规划出行路线时，依靠导航系统判断最佳出行路线甚至全权由系统决定出行路线。人类的判断模型不仅应建立在事实层面，还应包括情感、道德、伦理等层面，后三者是如今算法无法抵达的。
若人们将决策的权力交给算法，人们将逐渐被贴上“算法标签”，算法携带的偏见与歧视将优质资源更进一步倾斜给算法标记的社会优势人群，社会不平等将进一步扩大。
03
算法社会中的隐私：难逃的数据收集
算法对用户的数据收集的确带来了便利，但同时也对人们的隐私形成巨大威胁。社交平台收集用户数据，进而推荐个性化广告；在私人领域中，智能音箱、家庭摄像头等互联网家居无时无刻不在收集着信息，且将用户信息上传至平台。同时，用户有时甚至会向算法主动提供信息，以隐私换取便利，但却忽略了便利背后的风险。算法在收集用户数据后还会对用户数据进行处理，以描绘用户画像，进而控制用户行为。可见，用户的所有行为都将成为算法运行的基础，最终影响算法运行的结果。
算法推荐的利处
01
个人：搜索价值
进入互联网时代，社会信息开始呈几何倍递增，算法推荐大大降低了人们获取目的信息的难度。社交媒体平台中的算法推荐深度嵌入了用户日常信息获取、休闲娱乐、社会交往和消费等各种场景，提高了社交媒体平台信息服务与传播的精确性和效率，提高平台对于用户的预测能力，革新了信息服务方式。人们借助算法推荐的广泛应用提高了搜索效率，获得了更加优质的信息服务。
02
平台：商业价值
对社交媒体平台来说，数据化和算法推荐创造了新的商机，在一定程度上改变了现有的市场格局。
算法推荐在精准定位用户群体、精准到达目标受众、产品开发和信息服 务升级等方面有重要的作用。社交媒体平台利用日常收集到的数据对用户进行画像， 然后利用这些用户画像实现精准营销，商业目的也是数据收集和算法推荐的重要推动 力之一。同时，社交媒体平台还可以利用用户数据不断改变传播和营销策略，满足最新的用户需求。算法推荐和商业目的的结合，使得社交媒体平台以最小的成本实现利益最大化。
03
社会：文化价值
社交媒体算法推荐的文化逻辑首先体现在对于文化内容的算法推荐机制，以及利用圈层文化与趣缘群体相关数据进行内容推荐。除了新闻资讯等信息的内容推送，文化内容和用户生产内容的推送在社交媒体平台中也占据着重要的位置。尽管影响文化内容的创造和分配的因素是错综复杂的，但“算法转向”是目前影响平台文化生产的最显著的重大变革之一。
一方面可以通过算法将主流文化普及到更多的用户群体中，提高社会的凝聚力另一方面，算法通过曝光影响力激发创作，增加对文化类作品的曝光也会进一步提高文化作品的创作热情，形成正向循环，提高社会的凝聚力。
算法推荐的隐患
01
算法推荐侵权现象
社交媒体平台利用大数据技术对用户日常传播活动和社会交往等个人信息进行广泛收集和分析，这不仅是每天都会发生的情况，而且越来越被当作一种默许的规则。这种数据收集很容易侵犯用户的隐私权，而这些又恰好是算法推荐机制所需要的重要数据。由于数据收集无所不在，用户很难说明具体被侵权的情境，这就给用户维权带来了很多困难。此外，算法推荐还侵犯了一些日常容易被忽视的权利，例如被数据和算法遗忘的权利。
个人信息和行为数据在网络上长久留存可能带来不可控的预期损耗和风险，面对这种损耗和风险，人们或许会在互联网上选择“噤若寒蝉”，导致所谓的“寒蝉效应”。这更加不利于社交媒体的长远发展。
02
数字劳动伦理问题
在大数据与算法时代，数据成为重要的生产资料，因此产生了数字劳动这种全新的劳动形态，带来了劳动伦理问题。
算法不仅可以用来监视用户，也可以监视数字劳动者的劳动过程，因此社交媒体平台的工作人员不再像传统媒体中那样受到单方面有限的控制，而是因数字监视产生更强的压迫。在这种情况下，数字劳动者本身也会加强自我约束和自我控制，这种自我控制可能会超出本该有的范围，加深了数字劳动者的工具化。此外，数字平台中劳动的规范、奖惩都由算法来完成，数字劳动的成果由数据来体现，步入与劳动法规定相左的灰色地带。并且数字从业者多数无法参与算法规则的制定，甚至无法监督或提出意见，因此处于弱势地位。
03
技术黑箱与技术依赖
算法推荐在数据收集和数据分析运用阶段是不为人知的，这种不透明性造成了算法的技术黑箱问题。
这种不透明的算法黑箱决策会对用户的媒介使用造成困扰，用户对于算法何时进行了何种运算是浑然不知的。算法技术黑箱还导致了一定程度的技术依赖问题，人们完全依靠算法为社交平台中的用户提供信息服务，默认算法推荐的内容就是用户所需要的内容，用户也会对算法推荐产生内容依赖，如长时间沉浸在某一种偏好或语境当中，不再愿意去探索其他领域的内 容，或即使兴趣发生改变也无法立刻接触到新的推荐内容。
04
算法歧视与权力不平等
在算法决策中，个体被赋予一种新的身份，即“算法身份”。一旦将个体算法身份贴上某种易于被歧视的标签，就会产生双重累积劣势。
算法推荐在使用中不断进行学习，而学习过程中也可能造成对某些因素产生理解偏差与歧视，强化了社交媒体平台中的权力不平等现象。网络空间中本该平等的用户仍然被现实中身份地位所限制，本来在社交媒体中有机会接触到更高层次的人群与内容，却因为算法收集的数据而与更广泛或更高级的信息无缘。此外，算法推荐的创作者和平台管理者与用户也处于明显不同的地位，这也是一种算法推荐导致的权力 不平等现象。
05
商业性对公共性的取代
算法推荐的商业逻辑和流量逻辑决定了社交媒体平台逐利的特性，这种特性的发展导致媒体平台的公共性不断被商业性挤压甚至取代。
算法推荐鼓励和满足了以兴趣为导向的信息获取方式，因此更容易使大众忽视真正重要的公共议题。公共意见和公共利益被平台与商业公司的逐利目的所掩盖。此外，算法推荐流量逻辑所催生的各种榜单也是塑造网络舆论的重要场所，这些数据也可以直观影响用户对于 意见气候的感知和真实环境的塑造，因此算法推荐机制可以对主流意见的形成造成不良影响。
公众在社交媒体平台中越来越沉浸在算法推荐所构造的兴趣导向的信息茧房当中，一定程度上降低了参与讨论公众议题的热度，削弱了媒体平台的公共性和监督作用，取而代之的是算法推荐带来的商业逻辑。
信息茧房与信息过滤相关，理解信息茧房的发生机制，不仅需要理解人们信息获取路径是如何形成的，还需要理解在这些路径中哪些因素带来了哪些方面的信息过滤。算法并非形成信息茧房的唯一原因。
01
平台中的过滤机制
无论是专门的资讯客户端，还是社交平台， 或是其他的信息分发平台，平台本身都或明或暗地存在一定的信息过滤机制，例如，平台对哪些内容生产者开放，平台允许内容向哪些平台分享，或能接收哪些平台的分享，都对信息的过滤起着作用。
一些平台也仍然以人工编辑的形式在进行着信息的筛选，平台的界面也会给予不同的内容在呈现形式上不同的优先级别，一些平台也会用推送窗口、排行榜等方式来推荐重要或热门信息，这些手段在推荐某些信息的同时，也无形中使得其他一些信息被忽略。
02
社会关系网中的过滤机制
在社会关系网络中，人也是一种信息的“导体”。对不同的内容，他们有不同的传导性，在这背后的影响因素，与人们作为单纯的阅读者、观看者选择信息的心理动因也有些差异。作为单纯的信息消费者时，人们对内容的需求侧重于环境认知、社会归属、自我提升等方面的需求。但作为信息“导体”的人的需求，会更多地考虑“社交”情境。
社会关系这个过滤网，不仅会在内容的类型、主题等方面产生过滤，也会在内容特质上有所筛选。媒体平台的信息更强调新闻价值、公共价值，更注重客观性、准确性，而社交平台中 个体分享的信息更强调社交价值，更多与情绪、态度、立场等相关。在这种“人造”的过滤网中，意见领袖的作用也是明显的。当然，选择的便利性，使得人们也会趋向于选择与自己兴趣、立场相似的意见领袖。
03
算法的过滤机制
从目前的个性化信息推荐来看，基于内容的推荐和协同过滤推荐的算法更为普遍，这样的算法或者直接针对个体以往的行为偏好，或者基于同类人群的偏好，都在较大的程度上强调个体或群体的既有兴趣，这就可能形成对个体偏好的不断强化、放大，用户被同类信息包围的机率也会加大。
而基于知识的推荐算法等，则可能有利于打破用户的偏好与已有习惯，帮助他们发现更多有价值的、有助于拓展他们视野的信息。从分类的角度看，如果算法推荐机制做出调整，也可能会有助于茧房的破解。
04
个体自身的过滤
经过平台、社会关系、算法等重重因素过滤的信息，到达个体时，个体仍然还会有自己的过滤。在这种过滤机制中，选择性心理起到了很大作用。选择性心理包括选择性接触（含选择性注意）、选择性理解和选择性记忆等三个层面。
从各个不同层面看，人们在信息获取中的选择性心理都与人们已有的认知框架有关。人们并 不会仔细辨析他们遇到的大部分新信息，而只是将之与既有知识进行简单的比较后就决定 选择、接受和听信哪些信息。
人的选择性心理从来就存在，传统媒体时代它也会以各种形式存在，但也需要看到，社会化媒体、目前的个性化推荐算法与平台界面设计等也可能会在一定程度上强化这种心理。
从上文的分析中可以看到，虽然信息茧房的根源是个体的选择性心理，但今天的技术、平台及传播模式等，都有可能作用于个体的信息选择、过滤过程，信息茧房最终的形成，也是多重因素的共同作用。
福利时间！！！
想要进一步了解关于「算法社会」的内容，只需要在公众号内回复”算法社会“即可获得标注版论文包+pdf笔记领取方式哦~
参考文献
@爱传播新传考研
[1]彭兰.假象、算法囚徒与权利让渡:数据与算法时代的新风险[J].西北师大学报(社会科学版),2018,55(05):20-29.DOI:10.16783/j.cnki.nwnus.2018.05.003.
[2]彭兰.生存、认知、关系：算法将如何改变我们[J].新闻界,2021(03):45-53.DOI:10.15897/j.cnki.cn51-1046/g2.2021.03.002.
[3]彭兰.算法社会的“囚徒”风险[J].全球传媒学刊,2021,8(01):3-18.DOI:10.16602/j.gmj.20210001.
[4]彭兰.如何实现“与算法共存”——算法社会中的算法素养及其两大面向[J].探索与争鸣,2021,No.377(03):13-15+2.
[5]张梦,陈昌凤.智媒研究综述：人工智能在新闻业中的应用及其伦理反思[J].全球传媒学刊,2021,8(01):63-92.DOI:10.16602/j.gmj.20210004.
[6]彭兰.导致信息茧房的多重因素及“破茧”路径[J].新闻界,2020(01):30-38+73.DOI:10.15897/j.cnki.cn51-1046/g2.20191230.001.
[7]匡文波,王天娇.社交媒体算法推荐传播逻辑与平台社会责任[J].上海交通大学学报(哲学社会科学版),2023,31(05):1-12+21.DOI:10.13806/j.cnki.issn1008-7095.2023.05.001.
标签： 云师大客户端认证网址