武汉大学新闻与传播学院，湖北 武汉

收稿日期：2021年7月28日；录用日期：2021年9月22日；发布日期：2021年9月29日

摘要

随着互联网技术的进步、新媒体的不断发展，人们每天可以从多种渠道获取大量的信息，由于大数据算法及数据挖掘等技术，人们获取信息的针对性、精准度、维度都有了很大的提升，在这种情况下，人们获取的信息变多了，但人们的选择范围却变窄了，人们获取信息的主动性和对信息的敏感度下降了，大数据算法对传播者、受众、传播渠道、传播内容以及传播效果都产生了很大影响，这篇文章主要讨论了大数据算法对传播受众产生的影响。

关键词

大数据，算法，传播受众

Impact of Big Data Algorithm on Communication Audience

Siri Li

School of Journalism and Communication, Wuhan University, Wuhan Hubei

Received: Jul. 28^th, 2021; accepted: Sep. 22^nd, 2021; published: Sep. 29^th, 2021

ABSTRACT

With the progress of Internet technology and the continuous development of new media, people can obtain a large amount of information from various channels every day. Due to big data algorithms, data mining and other technologies, the pertinence, accuracy and dimension of people’s access to information have been greatly improved. In this case, people get more information, but people’s choice range has narrowed. People’s initiative to obtain information and sensitivity to information has decreased. Big data algorithms have a great impact on communicators, audiences, communication channels, communication contents and communication effects. This article mainly discusses the impact of big data algorithms on communication audiences.

Keywords:Big Data, Algorithm, Communication Audience

Copyright © 2021 by author(s) and Hans Publishers Inc.

This work is licensed under the Creative Commons Attribution International License (CC BY 4.0).

http://creativecommons.org/licenses/by/4.0/

1. 大数据算法

1.1. 大数据算法的概念

大数据是指以容量大、类型多、存取速度快、应用价值高为主要特征的数据集合，最早应用于IT行业，目前正快速发展为对数量巨大、来源分散、格式多样的数据进行采集、存储和关联分析，从中发现新知识、创造新价值、提升新能力的新一代信息技术和服务业态。

算法本义是指“解题方案的准确而完整的描述，是一系列解决问题的指令，算法代表着用系统的方法描述解决问题的策略机制”。在和大数据结合起来以后，算法更多的是指在大数据中通过统计、分析、建模等操作得出类型内容的一个做法。

1.2. 大数据算法在传播上的应用

大数据算法首先应用于社会科学领域，大数据进入社会科学研究带来的另一显著结果是将原本作为新闻传播学本体的信息网络及其相关内容，推向了各个学科共同关注的聚光灯下 [1]。随着大数据算法在各个领域的逐渐深入，传播与各行各业边界逐渐消融，大数据在传播领域的应用逐渐深入新闻传播生产全流程，由此也加快了新闻传播与其他行业进一步的融合发展，例如新华社与阿里巴巴共同建立新华智云，打破传统媒体体制机制局限，实现共同发展。

大数据算法应用于传播的影响深远而广泛，智能化技术使媒体信息采集延伸到了以往人力难以企及的新空间，信息类型及来源越来越广泛，也出现了一些新的信息维度 [2]。

首先，新闻生产方式有了很大改变。在新闻生产过程中，大数据将各类新闻线索汇聚成数据库，算法通过对数据库进行分析和筛选，得出新闻初稿，后再由记者进行深加工。在新闻分发过程中，大数据搜集用户搜索习惯和喜好，通过算法将用户喜爱的内容推送给用户，满足用户需求。

其次，新闻形态也更加多元化。数据新闻、机器人写作已经被很大程度的应用，使得媒介内容生产模式已经被改变，新闻呈现方式更加多元化，例如疫情期间新华社数据新闻就通过大数据为人们提供疫情数据、各地区数据分布等内容，客观展现疫情状况。

并且，大数据算法一定程度上改变了当前传播格局，大流量开放平台成为重要的传播渠道，一些互联网公司通过技术加入到传播的领域之中，北京字节跳动科技有限公司开发的今日头条就是一个个性化推荐引擎产品，其核心即为个性化推荐引擎技术，并以此为用户提供更加精准更加优质的服务，正如其工作人员对其产品的介绍“它本身没有任何采编人员，本身不生产任何内容，完全靠机器算法来运转”。这样一个以科技算法为核心的新闻软件，却成为新闻应用软件行业的龙头产品。依据大数据和算法为受众提供个性化、人性化的服务，从而获得较高的喜爱度和应用度，是一项现在被应用软件广泛应用的做法，一些传媒公司的产品虽然诞生时间较晚，但都在短短几年的快速发展中获得了巨大的关注度，有很大的使用量。

同时，大数据算法在传播中的应用也使工具理性盛行，在提高新闻生产效率的同时，减少新闻的人情味，内容生产同质化严重，缺乏个性，“数据中心主义”抬头对记者角色进行冲击，也对传媒行业未来发展方向产生巨大影响。

2. 大数据算法对传播受众产生的积极影响

首先，海量信息获取，便利信息查询。大数据通过大量获取信息建立信息库提供给用户，使用户能够从各类平台检索各类所需信息，各类平台设置搜索引擎功能，让用户可从其数据库中轻而易举的获得所需信息和内容。同时，微博、抖音、百度等各种类型的平台也会通过算法系统，根据用户以往的搜索时间、搜索地点、搜索习惯为用户推送其喜好的内容。

第二，紧贴用户需求，减少搜寻时间。算法的人性化和基于算法的数据挖掘，能使受众获取到更贴近自身需求的内容，信息提供的针对性、准确性更强，每一次的搜索都能让媒介提供方更了解受众的喜好，建立模版，为未来的信息提供建立基础。据官方描述，“今日头条可以在0.1秒内计算出推荐结果，3 s完成文章提取、挖掘、分类，5 s计算出新用户兴趣分配，10 s内更新用户模型。”如此快速而发达的技术，不但节省了用户搜寻信息的时间，并且可以使用户的需求得到最大限度的满足，自然而然的用户对媒介的使用程度和频次都用了很大程度的增加。

第三，满足受众主动性，积极参与信息生产。在这种情况下，大数据算法为用户推送其喜爱的内容，同时用这些内容吸引和鼓励着人们参与其中，一些平台甚至为用户讲解流量和算法的运作机制，来帮助用户了解算法机制，激励用户参与内容创作。例如抖音平台的“dou+计划”就旨在帮助用户制作精良内容，了解算法运作机制，吸引流量。同时，众多平台都发布了信息生产奖励机制，此时受众不再是被动接受者，而更是信息的消费者生产者，用户在平台自发地提供个人信息和信息内容生产，既满足了自身的信息生产意愿，也为平台提供内容，使平台内容更加丰富，平台互动更加活跃。例如视频剪辑软件剪映在人们制作视频完成后，会提示发表在西瓜视频有机会收获奖励，抖音的视频制作奖励活动等信息生产奖励机制。

3. 大数据算法对传播受众的消极影响

3.1. 就接受的信息而言

首先，大数据算法极易形成“信息茧房”。依据算法为用户建立的用户模版，会根据之前检索的内容推测出用户的喜好，并且以此为基础每天为用户推荐内容，但受众的需求是多变的，假如每天都重复一样或类似的内容，会使受众被类似信息包裹，只能被迫接受算法推送，在信息茧房中信息面越来越窄，可选择的维度和层面越来越少了。

第二，算法易使人陷入“流量陷阱”。在现在这个时代，流量和眼球成了许多市场追求的目标，一些软件将一些流量或娱乐新闻作为首页来吸引受众也可以理解，但是绝不能“娱乐至死”。人天然存在猎奇、懒惰等特性，一些娱乐化的、负面的甚至低俗的内容更容易在不经意间点进去，但是一次两次的点击，会引起更多的推荐，从而又陷入了信息茧房中流量的循环，跌入人性的陷阱。但其实，人们可能并不是对那些娱乐性的新闻真正感兴趣，当时的一次两次点击可能只是为了一时的放松或仅仅只是为了满足一时的好奇心，而不是受众真正关心的问题，这是人们的本能而不是智能。在这种算法下，“注意模式”变成了主要的受–传关系模式，这主要指的是信息源不是设法传递信息或信念，而是对传播效果不加以理会，只想抓住观众的注意力。此时的受众变为了参与者的存在，其“看客”式的关注只是暂时的，并不投入。

第三，重要内容边缘化。在信息茧房和流量中心化的双重作用下，重要内容会有边缘化的趋势。一些质量很高的内容会因为流量内容的恶性竞争而逐渐走出公众的视野，甚至这还会影响信息生产者对信息生产的选择，放弃精良内容产出从而去追求流量，改变媒介内容产出格局和模式，一些新闻媒体原本宏大的格局也变得越来越狭小。人民日报曾发表过一篇名为《新闻莫被算法“绑架”》的文章，其中指出，“依靠揣摩人们的点击量，反复推荐低质量内容，只能让人生厌” [3]。机器还没有办法突破人类非线性思维这个独特的模式，人们在那些有价值的新闻中经过自我思索或者与他人观点进行博弈以后，会得出只属于自己的经验与感悟，这才是对本能的一种自省和超越，这是一种进步，但重要内容一旦边缘化，那人们便失去了一个很重要的自我提升的渠道和社会认知的途径。

第四，算法“议程设置”存在不合理。大众传播会提供“议程设置”，但很多时候，受众没看过的甚至没出现在他的推荐版面里的内容才是受众真正感兴趣的，但是算法并不知情，依旧让受众去思考它以为受众喜欢的内容，长此以往受众没有选择只得被迫接受。并且，一些关系国民生活的国内外大事，一些政治经济政策，是需要受众了解的，但算法并不知情。

3.2. 就接受信息的主动性而言

在媒介传播还停留在电视报纸为主的年代，信息获取并不容易而且渠道有限。在获取了新闻以后，可以进行交谈的途径也大多是茶余饭后，口头的交谈为主，所以人们对新闻的获取兴趣很高参与度也很高。但在大数据时代，信息传播速度极快，人们可以从各个渠道获取相同的信息，甚至不用主动搜索，手机软件的推荐可以直接弹窗，只要打开手机屏幕亮起就能看得到，人们对事件的讨论也不仅仅局限于面对面交谈，网上交谈甚至更为主要，人们不经意间就被“卷入”。

正是这种长时间的大量信息的灌入，会使人们感觉到疲倦，对主动获取信息没有很大的兴趣，对新闻事件的思考和检验也会因此变得不那么深入了，也是为什么经常会有“舆论反转”的事件发生。同时，人们的目的性会变得模糊，抵制影响的能力会减弱。

人们的主动性不仅体现在获取信息也体现在对信息的分辨处理上，现代人经常会有一种感受，在刷了一阵抖音、微博，或看了一会儿微博后，可能就过去了几个小时甚至半天时光。在这种情况下，人们看似利用媒介的时间和频次更久了，但实际上人们主动去对信息进行分辨处理的能力大大减弱了，很容易“全盘接受”。

4. 反思与总结

麦奎尔在《受众分析》的《媒介到达问题》中提到，“主动性是一个非常模糊的概念，而选择性在某些情况下恰好能够解释大量的媒介选择行为。”在《受众的形成与保持原理》中也提到，“受众自我意识到的需求越多、越明显，他们使用媒介的可能性就越大” [4]。当受众习惯适应了大数据算法提供的信息环境，其主动搜索主动使用媒介的可能性就越大，但这种主动越多，其对大数据算法媒介的依赖性越强，媒介给予的信息越多受众受信息的影响就越大，那这种主动使用或许是另一种形式上的被动依赖的增强。

当前时代，大数据算法已被大量运用到传媒业，不论是传媒体公司、新媒体平台、自媒体，还是传统媒体转型过程中，大数据算法都被视作为重要工具和技术手段，大数据无时无刻不再搜索和吸收着个人信息，算法推荐被应用在各种APP和网站，由此，一方面人们的个人信息和隐私安全有很大风险，例如滴滴APP就因非法收集个人信息被下架，软件和平台对个人信息的搜索范围有待进一步细化和确定，互联网时代的个人隐私也亟待更清晰的法律法规进行规定；另一方面，算法推荐深入人们生活，人们的一切搜索动态都被捕捉，由此带来的“信息茧房”效应和软件平台的“监视感”让人们窒息，一些算法参与制作的产品也带有浓厚的工具理性，生产内容不能做到人性化，数据驱动一切，这种数据中心主义也逐渐在新闻传播行业中抬头，让新闻工作者成了数据的“搬运工”和盲从者 [5]。如何将算法更合理的应用与传媒业，如何将算法与人性化结合，实现工具理性和价值理性协同发展，也值得我们进一步反思。

麦奎尔认为，“新媒介孕育和催生出一些新受众的可能性很大，这些受众可能具有多种角色，没有任何单一分类方法能够恰如其分地对他们进行划分，但是，诸如主动性或被动性程度、互动性与可互换程度、群体特征、构成的异质性、传送者与接收者之间的社会关系等一些主要维度，仍然具有足够的张力” [4]。在大数据算法背景之下，受众受到很大的影响，尽管一些传统的特性并没有完全被改变，但我们的生活中发生的变化已经值得注意了。

在日常生活中，我们在潜移默化中被大数据算法影响了。作为受众，我们要明确大数据算法有优有劣，正确利用，不要被算法“绑架”陷入流量“陷阱”。作为新闻专业学生，我们应该认真分析大数据及算法对传媒领域的影响，在寻找新问题之后积极用专业知识解决新问题。

文章引用

李思睿. 大数据算法对传播受众产生的影响
Impact of Big Data Algorithm on Communication Audience[J]. 社会科学前沿, 2021, 10(09): 2705-2709. https://doi.org/10.12677/ASS.2021.109371

参考文献