行动者网络中的博弈：算法新闻价值观对受众影响的仿真研究
行动者网络中的博弈：算法新闻价值观对受众影响的仿真研究
张鸿茹 仇筠茜
【摘要】随着技术的进步和应用范畴的拓展，算法进入新闻传播领域，新兴技术的使用推动着新闻业态的革新。本研究以商业性与公共性这对算法新闻价值观为出发点，借助SIS模型及行动者模型完成新闻理论与实操的转化，使用仿真的方法就其对不同类型受众的影响进行模拟。研究发现，在算法新闻环境中，不同规模的受众分布调节着信息网络的反应，而且不同种类的算法新闻价值观可以加速传播进程。论文在行动者网络理论的视域下重新审视算法技术在新闻传播中的中介作用，得出提升受众的算法素养为应对由价值观博弈带来的困境的结论。
【关键词】新闻价值观 仿真 行动者网络理论 算法歧视 算法博弈
在信息传播的网络中，算法作为“非人类”的行动者[1]与其他环节共同构成影响传播进程的要素，在祛魅“算法神话”的视域下，人的主体性不可忽视，为避免落入技术决定论的窠臼，较为可靠的解决方案是提升算法素养。综合国外的相关研究可知，算法素养可界定为人们面对算法分发信息时的选择、理解、质疑、评估及思辨的反应能力。
一、研究缘起
算法新闻（algorithmic journalism）的理念发端于欧美，率先在发达国家得到应用，与之相似的概念还有机器人新闻（robot journalism）、自动化新闻（automated news）、数据驱动新闻（data-driven journalism）和计算新闻（computational journalism），上述五个概念分别从不同侧重点对技术为新闻传播领域带来的变革进行了概括。其中，算法新闻是指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。[2]
算法的应用使得新闻生产原有的编辑结构和新闻惯例发生了变化[3]，推荐机制引发的权力让渡挑战了新闻专业主义的权威[4]。与此同时，原有领域的传统特征也为技术的进化提供推动力量。
在生产、分发等各环节中，均有算法为新闻实践及传统角色（记者、编辑、受众）带来角色变迁和重新赋权。
“把关后移”是新闻业在数字环境下“后台前置”的下一个阶段[5]。较多研究者从“把关人”理论[6]出发，探讨算法新闻带给媒体从业人员的挑战和机遇。
部分研究者认为，在算法影响下，新闻把关的标准已经被那些创建和实施算法的人的标准所取代[7]，人工编辑从“把关人”（gatekeeper）变为“守望者”（gatewatcher）[8]，业务范畴为在保证不出错的同时，实现资讯内容的增值[9]。
与上述观点相对，有研究者对新闻工作者的发展前景持乐观态度。数据显示，算法只能代替编辑工作中的9%，在复杂沟通、专业思考、适应性及创造性方面，人工编辑具有明显优势。
与受众关系的改变被认为是新闻业面临的最大改变之一。一方面，受众不再是纯粹的接受者，早已演化为媒介的一部分，原来的单向垂直关系变成双向的水平关系[10]；另一方面，互联网语境下，原来被称为受众的人逐渐被“用户”这一概念替代[11]。还有研究者认为，在媒介高度嵌入人们生活的情况下，用户应当成为数字新闻研究的核心[12]。
在部分人畅谈技术为传统新闻业带来红利和生机的同时，对立观点应运而生，有学者表示新媒体主义高调地谈论平台的价值、技术的价值、算法的价值及技术决定论，会直接导致本来已很单薄的作为公共信息品的新闻越来越窄化[13]。
实际上，新闻业与算法技术是相互影响的一对要素，在算法为新闻业带来变革的同时，新闻行业多年累积的业务逻辑也为技术优化提供了保障。从技术和新兴参与者（算法工程师）的角度，亦可探索“闯入”新闻业的算法技术在发挥功能的同时，受到了哪些影响。
不同研究者为算法贴上各异的标签：独立个体[14]、辅助工具[15]、衍生物[16]……同时，也有研究者认为算法本身不足以确保语义的微妙呈现和心的意向性。[17]
对于参与主体——算法工程师来说，“专业鸿沟”使其直接与算法对接，对此，许多研究者也就算法新闻的问责机制展开讨论。而调查结果显示，算法工程师对新闻传播领域由算法引发的伦理问题并未有太多了解，同样也没有较高的改进积极性。
智能传播时代，新闻业正以前所未有的速度进行着变革，新闻业革新的个中细节同时也推动着技术的再发展。但在智能技术全程运用于新闻传播的背后，人类仍是实际的主导者，主导地位则通过价值注入来体现。[18]
在国内以新闻价值为主题的研究中，新闻价值、新闻价值观、新闻价值观念、新闻价值取向等概念常被混淆使用，仅有少数研究者将其进行区分。不同于前人所说的新闻价值观是对新闻价值的总体看法，综合对新闻价值和价值观的文献梳理，本研究所论述的算法新闻价值观是指体现了个人和社会价值观的算法新闻价值。
图1 算法新闻价值观概念界定示意图
“算法新闻运行机制和原理的研究”、“算法新闻引发的新闻实践和新闻理念的讨论与思考”和“关于受众对算法新闻的感知与评价的研究”是算法新闻研究的三个主要层面[19]。本研究以上述三个侧面为出发点，以仿真为方法、行动者网络理论为分析框架探讨算法新闻价值观对信息环境中受众的影响。
二、研究设计及仿真环境部署
仿真（simulation）是对依托系统设计的模型的操作化，被视作用于评估系统性能的工具[20]。将现实社会移至仿真平台中需要完成两步转化：一个是新闻与数理的转化，通过传染病模型中的易感-传染-易感模型（Susceptible-Infectious-Susceptible Model，以下简称SIS模型）实现；另一个是理论与实操的连接，通过行动者模型（Agent-Based Modeling，以下简称AB模型）来完成。
常见的传染病模型（mathematical models of epidemic diseases）有如下五种类型：SI模型（Susceptible-Infectious Model）、SIR模型（Susceptible-Infectious-Recovered Model）、SIS模型（Susceptible-Infectious-Susceptible Model）、SIRS模型（Susceptible-Infected-Recovered-Susceptible Model）、SEIR模型（Susceptible-Exposed-Infectious-Recovered Model），基于这些模型展开的网络群体性事件研究居多。
本研究选择使用SIS模型，设计的人口种类仅有易感者（susceptible）和染病者（infective）两类。该模型的基本假设为：染病后可以被治愈，治愈后重新变为易感者，在生物学领域通常用于通过细菌传播的传染病。
在真实世界与软件操作的转化中使用的模型是AB模型，AB模型由行动者及其行为构成，而不是由数学符号构建的等式模型，描述规律更加便捷[21]。所用工具为NetLogo，在仿真平台中，“海龟（turtle）”是行为主体，“瓦片（patch）”表示行为主体活动范围中所包含的事物。为便于描述，后文均使用具体的行动主体名称和设置的信息环境属性进行表达。
法国社会学家布鲁诺·拉图尔（Bruno Latour）、米歇尔·卡龙（Michel Callon）、约翰·劳（John Law）提出的行动者网络理论（Actor Network Theory，简称ANT）包含三个核心概念：行动者（actor）、网络（network）、转译（translation）。该理论表明，社会关系不应孤立地看待，而应始终存在于由人与非人组成的各种网络关系中。[22]
图2 ANT视域下算法新闻价值观对受众影响的仿真逻辑概览
对应到由算法新闻价值观对受众影响的仿真环境所构成的关系网络中，算法新闻价值观的各种属性、多种类型的受众可被视为行动者，搭建的信息环境即为网络，行动者之间的转译关系通过工程师与新闻工作者的价值观决定算法新闻的生产、分发逻辑，以及算法新闻价值观的分布对不同信念坚定程度的受众影响来体现。以下对仿真环境中涉及的行动者分类及其之间的互动方式进行说明。
（一）算法新闻的价值荷载
传媒业具有双重属性：形而上的意识形态属性和形而下的产业属性[23]，其中，公共性是基本属性之一[24]。如何应对商业营利与社会责任之间的矛盾，是中国新闻业改革的重点、难点所在[25]。
基于已有的理论成果，笔者将算法新闻中的商业性解读为一种不利于推动“公序良俗”发展的负面价值观，而公共性则为有利于社会公共利益达成的正面价值观，并将二者作为对立的属性部署于仿真平台当中。为研究商业性和公共性比例分布对受众的影响，将其加和设置为1，每次变动步长[26]为0.1。
（二）受众分类及价值更迭机理
信念是影响态度、行为改变的心理机制，本研究将其纳入变量体系，作为区分不同类型受众的指标。按照信念的坚定程度，将受众分为稳定型、普通型、即逝型[27]三种类别。稳定或即逝是相对于原有状态而言的，即接触新观点后态度是不易改变还是容易改变，而普通型受众的信念稳定性介于稳定型受众与即逝型受众之间。
表1 仿真环境中的三类受众及其特征
本研究认为信念越坚定越利于观点的表达，这一规律在仿真环境中反应在信念坚定程度高对信念坚定程度低的主体的观点输出和影响上。如此设定并非认为反方向的观点输出不存在，而是表述反方向的输出并不会影响信念更坚定一级群体的态度。
图3 仿真环境中三类受众相互影响的规则设置示意图
与SIS模型进行类比发现，个人信念的强弱在仿真设计中可以通过恢复到未受影响状态的时间（即治愈率的倒数）来设定，即经过某段时间，受到信念更坚定群体的观点的影响消散，而重新保持原来的态度。
受众所受影响的持续时间设置的参考依据为艾宾浩斯遗忘曲线（the Ebbinghaus Forgetting Curve）。有研究表明媒介对公众的影响与生理性的特征呈现出吻合趋势，基于此，本研究将艾宾浩斯遗忘曲线中剩余新知所占比例为1/3、1/4、1/5的三个拐点，作为从已受到算法新闻价值观或他人观点影响的状态变为暂未受到影响状态的周期。
图4 艾宾浩斯遗忘曲线
当将受众抽象为整体层面，可以用“场”这一概念对信息环境的稳定性进行解读。场域是皮埃尔·布尔迪厄（Pierre Bourdieu）社会学理论中的核心概念，一个场域可以被定义为在各种位置之间存在的客观关系的一个网络，或一个架构。皮埃尔·布尔迪厄所说的社会行动者一旦进入某个场域，必须表现出与该场域相符合的行为，以及使用该场域中特有的表达代码。反向来看，某一场域也体现着内部组成部分的同质化特征，在算法新闻传播的信息网络中，即为受众的信念分布，本研究将其称为“场”的稳定性。
（三）互动规律
对应到SIS模型中，受众受到影响后可以恢复至未受影响的状态，重新持有原初观点的受众也可以重新受到影响，再次发生态度改变，相当于感染无法产生抗体的传染病后，在特定环境中仍有再次感染的风险。
在仿真环境中，具体的规则如下：当两个受众处在同一位置（软件中的同一瓦片，语法为命令turtles-here），即相互接触时，信念强度低的受众会受到信念强度高一级受众的影响，而发生态度转变。
算法价值观与受众的互动体现在各类受众受到影响后恢复原初状态所需要的时间，具体规则为：当商业性>公共性时，观点恢复时间=商业性赋值×原本恢复初始状态时所需的时间；当商业性≤公共性时，观点恢复时间=公共性赋值×原本恢复初始状态所需的时间。计算公式中的赋值相当于权重，即信息环境中特征更突出的属性对受众的影响更为明显。
初始状态三类受众的人数分布以“幂律分布”为基础，该分布在网络舆情中表示能够产生巨大影响的是数量不足20%的意见领袖。但在实际情况中，并不能保证话语声量高的人掌握着绝对高质量的信息。因此，在不确定即逝型受众和普通型受众谁掌握的资源更优质的情况下，本研究将其人数分别确定为200（800）人、800（200）人，然后将稳定型受众的人数以步长为200的变化幅度加入其中，稳定型受众的递增式引入可以解读为信息环境整体信念坚定程度逐步提高。
最终观察的变量是信息环境中保持初始观点和改变初始观点的人数，以及细分后的每种类型受众的分布，主要是观点改变和未变的即逝型、普通型受众人数。
三、研究结果
仿真结果表明，分别将即逝型受众与普通型受众受到影响消散的时间确定为6天和30天更能拟合真实环境。
稳定型受众、即逝型受众与普通型受众分别设定为600人、200人和800人时，信息环境达到平衡状态所用时间最短，在该情形下，信念坚定程度居中的人最多、信念程度偏向两极的人相对更少，被认为最符合现实环境。同时，该信息网络中的两块“短板”也满足二八比例。
与此同时，商业性与公共性的博弈加速了信息环境达到平衡状态的进程。从商业性与公共性部署集中程度的角度出发，当二者均赋值0.5时，博弈最为激烈。
（一）信息网络中算法偏见随传播链条积累
将仿真环境中即逝型受众与普通型受众分别按照2：8和8：2的比例进行部署，通过等距引入稳定型受众，逐步提高“场”的稳定性。结果显示，无论何种设定，均呈现出“场”的稳定性越强，最终改变观点的受众人数越多这一趋势。
对应到不同类型的分布中来看，在即逝型受众与普通型受众分别为200人和800人的情况下，“场”内注入稳定性的速度比普通型受众改变观点的速度更快；在即逝型受众与普通型受众分别为800人和200人的情况下，观点发生变化的受众占比随“场”的稳定性增强而逐渐降低。从信息网络达到平衡状态的时间和速度来看，在“场”的稳定性一致的情形下，信息环境内达到平衡状态的速度在峰值出现后，不会再随稳定型受众的规模扩大而增加。
表2 即逝型受众与普通型受众按照二八比例分布时，在不同“场”稳定性的情况下信息环境的改变结果
极强的“场”稳定性并不能加快反应速率，但能影响最终改变态度的受众数量，可以与现实场景中微博平台的“置顶热搜”相类比。结合仿真数据可以看出，即便是在智能传播时代，可以借助新兴技术达到宣传目的，但输入式的宣传效果不甚理想，无法让其所蕴含的价值、观念等内核在短时间内被受众接受，不过从长远的角度去看，潜移默化地施加影响能够起到净化原初信息网络中受众陈旧观念的效果。
从另一角度出发，这种潜移默化的影响对应到算法中可能引起的弊端是所谓算法偏见的积累。算法背后往往蕴含着媒体平台的价值取向和政治立场，甚至是信息操控的意图，看似“技术中立”，实则很难做到真正的客观。针对偏见问题，算法会使其在个性化推荐等动态过程中不断加深、积累。算法偏见是社会偏见的延伸，即社会偏见以观念的形态被传播者接受，并被融入媒介产品，最终到达受众，并向其输出新的偏见，受众偏见有可能成为偏见传播的新起点[28]。歧视在深度学习的过程中被巩固并加强，形成“输入—歧视—输出”的恶性循环，放大弱势（缺陷）效应，加剧现存的不公平现象[29]。更近一步，算法新闻中蕴含的偏见会通过内容本身及观点重新返回到信息传播的网络中，随着传播链条不断延伸，最终形成恶性循环。
图5 算法偏见随传播链条积累的逻辑
以亚马逊公司2014年开发的算法筛选系统为例，该系统最初以帮助亚马逊在招聘时筛选简历为目的，开发小组共研发出500个模型，同时教算法识别50 000个曾经在简历中出现过的术语，从而使算法学习在不同能力分配的权重。随着使用频度的增加，开发团队发现算法对男性应聘者有着明显的偏好，当算法识别出与女性相关的词汇时，便会给简历打出较低的分数，甚至直接降级，由此引发的新的社会矛盾和冲突毋庸赘述。 [30]
实际上，算法偏见不仅会随着数据集的训练积累，还会随着社交网络的延伸愈演愈烈，如在上述算法筛选系统中，对性别问题敏感、个人信念较强的人群可能会做出抵制或反抗，但个人信念较弱的群体则会随着技术构建的动向改变自己的观念和行为，当机器的偏见转化成为人的价值观的时候，其带来的诸多负面影响值得警惕，尤其是对弱势一方的不公平对待及对信念较弱人群的价值误导。
（二）网络内转译祛魅算法神话
为研究算法新闻价值观在信息网络中的部署对受众的影响，将信息环境中的受众规模与信念强度设置为无关变量，设定商业性与公共性加和为1，以步长为0.1的幅度施加变化[31]，得到的仿真结果如下。
表3 算法新闻价值观的不同赋值对信息环境的改变
针对不同算法价值观的部署对信息网络的影响，可以分为两部分来分析：一种是商业性大于公共性的情况，另一种是公共性大于商业性的情况。这两部分分别对应算法新闻价值观的控制和调节功能。以追求“眼球效应”为目标的商业性的过多引入使得信息环境中负面、极端的内容及观点占比更高，从而增加诱发群体极化的可能性。但当商业性作为次要条件时，认为其是一种加入公共领域观点市场的调剂物，可以说在一定程度上以个人利益为核心的商业性促进了对公共性的反驱动。此前也有研究结论表明，基于算法的个性化推荐的负面影响通常小于预期，因此当将商业性置于信息网络整体的动态结构中时，将其视为绝对负面的算法新闻价值观有失偏颇。
在算法新闻传播网络中，行动者之间的转译通过两个步骤实现：第一，工程师与新闻工作者将人的价值逻辑嵌入算法新闻当中；第二，算法新闻通过不同比例的价值观分布对信念坚定程度各异的受众产生影响。
图6 信息网络中各行动者相互作用示意图
通过观察态度发生变化的普通型受众的人数可以看出算法新闻价值观对受众原初价值改变的影响程度。仿真结果显示，按照商业性与公共性的部署由分散到集中的六种情景，观点发生改变的普通型受众数量呈递减趋势。也就是说当商业性或公共性的某种特征极其鲜明的时候，受众会更容易受到该类观点的影响，态度从而发生变化。
图7 不同商业性与公共性赋值情况下，改变初始观点的普通型受众人数分布图
上述规律可以通过博弈论来解释。随着技术的发展，“算法博弈”（Algorithmic Game Theory，简称AGT）作为计算机领域的新概念被提出，AGT的研究主题共有三个[32]，算法新闻价值观的博弈在操作化层面可视为第二类，即具体问题的最优化求解，其中表现更为突出的特征可视为博弈胜利的结果。
四、结论与反思
算法仅为信息传播网络中的行动者之一，发挥调节功能，更为本质的影响信息环境的要素为受众本身。在算法新闻价值观的输出、传播过程中，稳定型受众的影响力受到整体规模的影响，普通型受众的信念起到决定作用，即逝型受众始终受到环境及其他类型受众的影响。在该过程中，算法新闻价值观中商业性与公共性的博弈也影响着对受众观念和态度的改变。对应到现实生活当中，受众同样不可忽视，他们可以影响自己所处环境的属性和特征。
心理层面的个人信念与实际行动的转化有赖于受众自身的媒介素养，智能传播时代，该素养进阶为算法素养，即媒介素养针对对象的具体化反应。对此，可以通过如下方式——提升公众的算法素养，从而促成信念与行动转化的良性走向。
本研究仿真模型的参数设置尚未面面俱到，仅是一个模拟现实世界的雏形，未来的研究有待进一步细化受众的分类、受众的属性特征，算法新闻价值观的类别有待进一步拓展，比如透明性与“黑箱”、集体主义与个人主义等也应当纳入讨论之中。
（作者张鸿茹系中国传媒大学新闻学院硕士研究生，仇筠茜系中国传媒大学新闻学院副教授）
［特约编辑：金梦玉］
[1]姜红，鲁曼. 重塑“媒介”：行动者网络中的新闻“算法”［J］. 新闻记者，2017（4）：26-32.
[2]吴锋. 发达国家“算法新闻”的理论缘起、最新进展及行业影响［J］. 编辑之友，2018（5）：48-54.
[3]PAVLIK J V. Trends in New Media Research: A Critical Review of Recent Scholarship［J］.Sociology Compass， 2013， 7（1）： 1-12.
[4]徐敬宏，王小龙，袁宇航. 算法推荐下虚假新闻的产生机制、危害及应对策略［J］. 中国编辑，2021（3）：22-26.
[5]方师师. 算法机制背后的新闻价值观——围绕“Facebook 偏见门”事件的研究［J］. 新闻记者，2016（9）：39-50.
[6]“把关人”理论最早由Kurt Lewin 提出，他认为在群体传播中，信源与接收者之间存在“门区”，“把关人（gatekeeper）”根据一定的价值标准判断、筛选信息，最终，符合价值标准的内容可以流向受众。
[7]PRESUEL R C，SIERRA J M M. Algorithms and the News: Social Media Platforms as News Publishers and Distributors［J］. Revista De Comunicación， 2019， 18（2）： 261-285.
[8]BRUNS A. Gatewatching，Not Gatekeeping: Collaborative Online News［J］. Media International Australia， 2003， 107（1）： 31-44.
[9]李唯嘉. 从“个性化”到“人性化”：智能算法时代新闻推送方式的发展演进［J］. 东南传播，2020（9）：9-13.
[10]张超.“ 后台” 前置： 新闻透明性的兴起、争议及其“ 适度” 标准［J］. 国际新闻界， 42（8）： 88-109.
[11]刘鹏.“ 全世界都在说”： 新冠疫情中的用户新闻生产研究［J］. 国际新闻界， 42（9）： 62-84.
[12]PICONE I. Grasping the Digital News User［J］. Digital Journalism，2016，4（1）.
[13]窦锋昌. 新闻价值是“父爱”，算法推送是“母爱”［J］. 青年记者，2017（4）：14-16.
[14]CARLSON M. Automating judgment? Algorithmic judgment， news knowledge， and journalistic professionalism［J］. New Media & Society， 2018， 20（5）： 1755-1772.
[15]李军，张香萍. 算法新闻生产语境下新闻编辑职能的再定位［J］. 新闻世界，2020（6）：51-54.
[16]许向东， 王怡溪. 智能传播中算法偏见的成因、影响与对策［J］. 国际新闻界， 2020，42（10）： 49.
[17]於春. 传播中的离身与具身： 人工智能新闻主播的认知交互［J］. 国际新闻界， 2020， 42（5）： 35-50.
[18]严三九，袁帆. 局内的外人：新闻传播领域算法工程师的伦理责任考察［J］. 现代传播（中国传媒大学学报），2019，41（9）：1-5+12.
[19]蒋忠波，师雪梅. 国外算法新闻研究的进展与思考［J］. 新闻界，2019（6）：87-100.
[20]MARIA A. Introduction to Modeling and Simulation［C］//Proceedings of the 29th Conference on Winter Simulation. Washington: IEEE Computer Society，1997： 7-13.
[21]WILENSKY U， RAND W. An Introduction to Agent-Based Modeling: Modeling Natural， Social，and Engineered Complex Systems with NetLogo［M］. London: MIT Press，2015：2-4.
[22]NIMMO R. Actor-network theory and methodology: Social research in a more-than-human world［J］. Methodological Innovations Online， 2011， 6（3）： 108-119.
[23]李良荣，戴苏苏. 新闻改革30 年：三次学术讨论引发三次思想解放［J］. 新闻大学，2008（4）：1-5.
[24]李良荣，张华. 参与社会治理：传媒公共性的实践逻辑［J］. 现代传播（中国传媒大学学报），2014，36（4）：31-34.
[25]潘忠党. 传媒的公共性与中国传媒改革的再起步［J］. 传播与社会学刊， 2008（6）： 1-16.
[26]每次运算时增加的数值。
[27]命名受到《微博意见领袖群体“肖像素描”——以40 个微博事件中的意见领袖为例》一文对意见领袖分类方式的启发。
[28]许向东， 王怡溪. 智能传播中算法偏见的成因、影响与对策［J］. 国际新闻界， 2020， 42（10）： 49.
[29]邵国松，黄琪. 算法伤害和解释权［J］. 国际新闻界，2019，41（12）：27-43.
[30]参见https://www.pingwest.com/a/178381。
[31]信息环境网络中，算法新闻价值观与受众之间的转译规则为受到异己影响的消散时间与强势价值观成正比，故以算法新闻价值观为自变量的仿真是围绕等比例分布的价值观对称位置结果一致的模式。
[32]ROUGHGARDEN T. Algorithmic Game Theory［J］. Communications of the ACM， 2010， 53（7）： 78-86.