于嚴(yán)舒 王鵬

摘要：文章應(yīng)用保羅·萊文森的媒介補(bǔ)償理論，站在社交補(bǔ)償?shù)囊暯?，發(fā)現(xiàn)算法推薦系統(tǒng)在不同時期以不同的媒介技術(shù)融入社交媒體，作為個體在線社交的橋梁，并在一定程度上對個體的社交進(jìn)行補(bǔ)償。文章采用文獻(xiàn)分析法與歷史觀察法，對新聞推薦算法的進(jìn)化路程進(jìn)行回溯與歸納得出：在算法1.0時代，基于內(nèi)容的推薦算法，對用戶的社交能力完善進(jìn)行生理上的補(bǔ)償；在算法2.0時代，基于協(xié)同過濾的算法，對用戶的社交孤獨趨避進(jìn)行心理上的補(bǔ)償；在算法3.0時代，基于隱私保護(hù)的推薦算法，可以對用戶的社交安全焦慮進(jìn)行防御型補(bǔ)償。文章以技術(shù)迭代為主要邏輯，闡述算法在技術(shù)迭代中對自身進(jìn)行補(bǔ)償，探討算法在進(jìn)化過程中是如何對用戶的社交進(jìn)行補(bǔ)償?shù)?，并對新聞推薦算法進(jìn)行理論上的補(bǔ)充。

關(guān)鍵詞：算法進(jìn)化；媒介補(bǔ)償；社交延伸；內(nèi)容推薦；協(xié)同過濾；隱私保護(hù)

中圖分類號：G206 文獻(xiàn)標(biāo)志碼：A 文章編號：1674-8883（2023）01-0015-04

一、引言

21世紀(jì)是信息化時代，每天都會產(chǎn)生海量信息，這造成了嚴(yán)重的信息過載與信息爆炸問題。學(xué)者詹姆斯·格雷克認(rèn)為，信息負(fù)載和信息處理之間的關(guān)系，在坐標(biāo)軸中呈現(xiàn)出一個倒寫“U”形的曲線。信息數(shù)量在人類信息處理范圍內(nèi)是有利于信息傳播以及能夠提升人類認(rèn)知的，但是隨著信息數(shù)量的持續(xù)增加，如果超出這個范圍，就會產(chǎn)生一定程度上的消極作用。所以要從龐雜的新聞信息中，獲取用戶真正想要了解和關(guān)注的信息是非常困難的，為了有效解決“信息過載”問題，讓用戶輕而易舉地獲取到對自己有價值的信息，啟動運用算法搭建的新聞推薦系統(tǒng)就成了解決這一問題的關(guān)鍵法寶。將算法機(jī)制巧妙而又有效地融入信息傳播中，提升整個信息在采集、生產(chǎn)、分發(fā)和反饋之間的流程運轉(zhuǎn)，全方位改變信息傳播生態(tài)圈，進(jìn)一步提升用戶接受信息的體驗。

人們對于信息傳播的積極探求，才是發(fā)展新信息媒介技術(shù)的主要原動力，故保羅·萊文森提出了關(guān)于“補(bǔ)償性媒介”的理念。

他認(rèn)為，媒介的發(fā)展是越來越人性化的過程，新媒介是對舊媒介的補(bǔ)償，補(bǔ)償性作用不僅僅只存在于一個媒介產(chǎn)品的生產(chǎn)本身，更存在于各種媒介產(chǎn)品與其他媒介組合之中，任何一種后繼發(fā)展的、新生的媒介都是對過去某一種媒介或某一種媒介的先天不足導(dǎo)致的某些功能缺憾的合理補(bǔ)償和補(bǔ)救[1]。在保羅·萊文森的“補(bǔ)償性媒介”這一理論的基礎(chǔ)上，學(xué)者羅杰·菲德勒提出新舊媒介之間存在一定的連貫性和繼承性，舊的媒介會在新媒介技術(shù)的輔助下繼續(xù)進(jìn)化和升級，以適應(yīng)人類的信息需求。

國內(nèi)的學(xué)者在梳理“補(bǔ)償性媒介”理論后則認(rèn)為，補(bǔ)償性媒介一方面是功能性的補(bǔ)償，另一方面是對人們生理需求和心理需求的補(bǔ)償。

在信息媒介方式的選擇上，個人的主觀能動性又有所提高。人們不僅在線下進(jìn)行面對面的溝通，在媒介技術(shù)驅(qū)動與互聯(lián)網(wǎng)的飛速發(fā)展下，還可以選擇在線上進(jìn)行交流互動，從而滿足在線下無法進(jìn)行“正?！鄙缃换顒拥男枨?。

“社交補(bǔ)償”假說認(rèn)為，在線下面對面交流中存在困難的人們會通過線上的方式彌補(bǔ)線下的缺失[2]。站在社交補(bǔ)償?shù)囊暯莵碚f，在面對面的社交活動中，人們的語言、語音、語調(diào)、身體語言和面部表情都會向外傳遞信息，由于不同個體在編碼、解碼與釋碼方式上有主觀上的不同認(rèn)知，就非常容易造成信息的誤讀。這對患有社交焦慮癥或者社交恐懼癥的人群來說，是非常不愿面對的社交問題。

所以研究者幾乎一致研究認(rèn)為，當(dāng)社交焦慮水平較高時，個體更容易選擇使用虛擬現(xiàn)實網(wǎng)絡(luò)信息工具去進(jìn)行主動交流，并建立親密情感紐帶和關(guān)系，試圖以此維持較穩(wěn)定的人際關(guān)系。

這樣的線上社交方式在虛擬現(xiàn)實網(wǎng)絡(luò)世界中，可以自覺避免諸如眼神上的肢體接觸、對話和肢體表情外露等社交符號特征，同時還可以主動控制發(fā)送的信息內(nèi)容，并可以用表情包、圖片、照片等表現(xiàn)形式去表達(dá)個體的內(nèi)心情感。這使用戶不再擔(dān)憂自己在行為舉止上的不合適，而造成對方的誤解。反過來也有助于緩解網(wǎng)絡(luò)個體的焦慮感，能夠有效營造出一種相對更健康自然、舒適而和諧有序的網(wǎng)絡(luò)社交環(huán)境。

與此同時，在信息媒介類型的選擇上，人們也具有主觀能動性。新媒介的誕生是為了能夠更好地滿足現(xiàn)代人的信息需求，用戶可以使用媒介來克服個人特質(zhì)、行為導(dǎo)向、時間和空間等現(xiàn)實，并彌補(bǔ)人們在現(xiàn)實世界與線下活動中難以被滿足的訴求。根據(jù)保羅·萊文森提出的“補(bǔ)償性媒介”相關(guān)理論，通過對算法變遷的研究發(fā)現(xiàn)，算法技術(shù)的每一次更新迭代都是基于現(xiàn)實需要對上一代的功能補(bǔ)償，是人類在媒介演化中不斷地理性選擇。算法推薦系統(tǒng)也在不同時期以不同的媒介技術(shù)融入社交媒體中，為個體在線社交的進(jìn)行提供了方法，對個體的社交進(jìn)行了補(bǔ)償。

由此，本文在過往的基礎(chǔ)上繼續(xù)研究，明確在算法發(fā)展的三個時間段中，分別給予了用戶怎樣的補(bǔ)償？以保羅·萊文森的媒介補(bǔ)償理論為理論支撐，站在社交補(bǔ)償?shù)囊暯?，結(jié)合算法推薦的進(jìn)化，深入探討在媒介補(bǔ)償機(jī)制中，人們?nèi)绾胃S算法的迭代進(jìn)行社交的延伸與對自我的社交行為進(jìn)行補(bǔ)償？

二、算法1.0基于內(nèi)容的推薦：社交能力完善的生理補(bǔ)償

在算法1.0時期，新聞傳播領(lǐng)域主要運用基于內(nèi)容推薦的算法?；趦?nèi)容推薦的算法是一種非常經(jīng)典且十分重要的推薦思路，也是在日常生活中最普及的推薦算法。簡單來說，基于內(nèi)容推薦的算法就是依據(jù)用戶過往喜好的內(nèi)容為參照系，為用戶推薦其喜歡的內(nèi)容。在這種以內(nèi)容相似度的度量為核心的算法類別中，如何進(jìn)行相似度計算是最重要的環(huán)節(jié)。主要經(jīng)過三個流程：第一步，提取文章內(nèi)容中能夠代表文章屬性的關(guān)鍵詞，從而使一篇抽象的文章被具體的一個向量所表示，即內(nèi)容的內(nèi)容向；第二步，提取用戶過往喜歡內(nèi)容的閱讀偏好，形成用戶喜好的特征向量；第三步，將內(nèi)容的特征向量與用戶喜好的特征向量進(jìn)行比較，再進(jìn)行相似度計算，然后取相似度最大的前多個內(nèi)容，作為推薦結(jié)果分發(fā)到用戶的推薦列表中去[3]。以上三個流程基本為物品表示、用戶偏好學(xué)習(xí)、生成推薦列表三個方面的實時操作。

如今新聞門類的線上版體現(xiàn)了基于內(nèi)容的推薦算法對用戶社交能力的補(bǔ)償。在過去，人們僅僅在線下閱讀報紙，對于閱讀到的內(nèi)容無法實時與他人分享與交流。但隨著互聯(lián)網(wǎng)傳播技術(shù)的發(fā)展，人們有了更多的消遣與閱讀新聞的方式，大眾傳播時代，傳統(tǒng)的報紙行業(yè)逐漸沒落，報紙行業(yè)必須對自身進(jìn)行革新，改變傳統(tǒng)報紙行業(yè)的新聞分發(fā)流程，在原本的新聞制作與分發(fā)上進(jìn)行創(chuàng)新，使新聞分布方式發(fā)生轉(zhuǎn)變。

例如，人民網(wǎng)、央視新聞、南方周末等都開發(fā)了線上閱讀模式?！赌戏街苣飞暇€了電子版，根據(jù)用戶過往瀏覽過的新聞內(nèi)容推送帶有相同標(biāo)簽的新的新聞內(nèi)容，并在新的新聞內(nèi)容的下方設(shè)置了評論區(qū)。這對因算法推薦系統(tǒng)而閱讀到同一條新聞的用戶來說，即使人分散在天南海北，互相見不到面，也可以就相同的、感興趣的新聞內(nèi)容進(jìn)行討論與交流。

新聞發(fā)布平臺不再只是單純地提供內(nèi)容，而是以基于內(nèi)容的新聞推薦算法為技術(shù)內(nèi)核，成長為以新聞內(nèi)容為核心的社交平臺。這在客觀上擴(kuò)大了用戶進(jìn)行社交活動時的渠道選擇，為用戶的社交行為提供了多樣化的場景。補(bǔ)償性地建立了用戶與其他主體社交的途徑，并使用戶能直接滿足自身的社交需求，對自我的社交能力完善進(jìn)行了生理上的補(bǔ)償。

三、算法2.0協(xié)同過濾：社交孤獨趨避的心理補(bǔ)償

在新聞推薦算法發(fā)展的2.0時代，從之前基于內(nèi)容的推薦算法轉(zhuǎn)換為完全以用戶行為為信息分析的協(xié)同過濾算法。簡單來說，協(xié)同信息過濾算法就是一種將群體智慧作為基本分析思想，即通過群體得到統(tǒng)計結(jié)果的結(jié)論。根據(jù)一些興趣相投、擁有共同使用經(jīng)驗的特定群體成員的行為喜好來預(yù)測下一個特定用戶最感興趣的內(nèi)容信息。群體是人類應(yīng)對自然和社會挑戰(zhàn)、推動社會發(fā)展與進(jìn)步的選擇，而群體的智慧也有著至關(guān)重要的作用。

隨著協(xié)同過濾算法的更新迭代，又可以拆分為基于用戶數(shù)據(jù)的協(xié)同過濾、基于項目信息的協(xié)同過濾以及基于模型信息的協(xié)同過濾。這種基于用戶數(shù)據(jù)的協(xié)同過濾算法框架，可以被簡單概括為“人以群分”，通過聚類分析找到與目標(biāo)用戶內(nèi)容消費行為相似度較高的一類用戶，將行為類似的用戶編為一個隱性閱讀興趣小組，并向目標(biāo)用戶推薦此類用戶感興趣但未被目標(biāo)用戶消費過的內(nèi)容。

基于物品的協(xié)同過濾算法，根據(jù)目標(biāo)用戶的內(nèi)容偏好去計算，即為“物以類聚”，自動推薦與之相似程度高的內(nèi)容[4]。內(nèi)容之間的相似性計算依據(jù)不再是內(nèi)容自身的特有屬性，而是用戶對其的反饋?；谀Ｐ托畔⒌膮f(xié)同算法推薦技術(shù)則是指利用用戶行為偏好的畫像來訓(xùn)練協(xié)同算法模型，以實現(xiàn)實時預(yù)測用戶點擊率行為的目的。

算法2.0時期，人們會基于自身的興趣愛好拓展自己的社交圈。線下社交用戶除了在互聯(lián)網(wǎng)上保持原有的熟人社交以外，同時還會以興趣為紐帶，在互聯(lián)網(wǎng)平臺與陌生人開展線上社交?！澳吧藗儭睉{借著相同喜好在以互聯(lián)網(wǎng)為媒介的平臺中建立“同好會”，因此，協(xié)同過濾算法在互聯(lián)網(wǎng)中就成了文化群體在社交網(wǎng)絡(luò)中找到彼此的橋梁。

有研究者在研究社交行為、孤獨感和現(xiàn)代大眾媒體使用等三個問題之間存在的復(fù)雜關(guān)系時，提出了所謂的“補(bǔ)償假說”。研究者認(rèn)為，媒介常常被人用來作為補(bǔ)償社會人際關(guān)系種種不足的工具，而媒介也更容易被獲得。所以該研究中媒介所能夠補(bǔ)償?shù)降闹饕侨祟惉F(xiàn)實生活場景中因為缺乏社交行為而產(chǎn)生的孤獨感。而另一些研究者則認(rèn)為用戶使用媒介克服時間、空間、個人特質(zhì)、行為傾向等限制，在線上彌補(bǔ)線下活動中個人難以滿足的交友訴求。

網(wǎng)易云音樂于2013年上線，是以歌單為核心結(jié)構(gòu)的音樂類應(yīng)用軟件。網(wǎng)易云音樂的“每日推薦”和“推薦歌單”中都運用了協(xié)同過濾推薦算法，給用戶推薦“下一首歌曲”。那么又是如何做到用戶社交的呢？

在網(wǎng)易云音樂初上線的時候，就提出了“音樂社交”的概念，將自己定位成具有社交媒體和音樂平臺雙重性質(zhì)的音樂類應(yīng)用軟件。網(wǎng)易云音樂在提供給用戶海量的高品質(zhì)音樂資源的同時，通過感性的包裝和情懷的渲染，引導(dǎo)用戶在音樂播放界面進(jìn)行評論。用戶在使用網(wǎng)易云音樂時，可以邊聽歌邊在界面中與其他用戶交流與討論，而這些用戶正是因為協(xié)同過濾的推薦算法而收聽了同一首歌，他們欣賞同一首歌就好比“志同道合”，這就像是將本應(yīng)該在線下互動的“音樂會”搬到了線上的音樂平臺。

“音樂會”中的成員因為相似的審美、興趣甚至價值觀而進(jìn)入同一個空間，進(jìn)行交流與自我表達(dá)。用戶在音樂社交模式下通過彼此的情感投射來完成自我身份認(rèn)同的構(gòu)建，并在音樂的情感連帶下實現(xiàn)了虛擬在場，與陌生人建立起非現(xiàn)實的“親密關(guān)系”。

網(wǎng)易云音樂在虛擬網(wǎng)絡(luò)空間中的社交功能很好地緩解了用戶的孤獨感和疏離感，讓更多的用戶在參與音樂欣賞和分享的同時，也因為該應(yīng)用軟件帶有社交屬性的互動功能，而在線上對線下的社交孤獨進(jìn)行了心理上的補(bǔ)償[5]。

四、算法3.0隱私保護(hù)：社交安全焦慮的防御型補(bǔ)償

到了算法3.0時期，由于以自動化、智能化、個性化為特點的推薦算法技術(shù)已經(jīng)滲透到傳播過程中的每一個環(huán)節(jié)中，整個虛擬網(wǎng)絡(luò)世界已經(jīng)成為由“數(shù)據(jù)+算法”驅(qū)動的算法環(huán)境。但是，在推薦算法技術(shù)為人們帶來生活便利與提升社會運轉(zhuǎn)速率的同時，問題也隨之而來，最為突出的表現(xiàn)就是給個人的信息安全和隱私保護(hù)帶來了一系列的挑戰(zhàn)。

算法公司在為特定的用戶免費提供滿足其隱私偏好需要的算法內(nèi)容時，過多地獲取了用戶個人的相關(guān)信息數(shù)據(jù)與個人隱私，導(dǎo)致一些用戶認(rèn)為，自己會在大數(shù)據(jù)技術(shù)和算法公司面前變成信息完全公開的透明人，毫無任何個人的隱私自由可言。用戶們更認(rèn)為，基于大數(shù)據(jù)和推薦算法技術(shù)的各種社交網(wǎng)絡(luò)、電商軟件、視頻平臺、搜索推薦引擎等，在為自己提供生活便利的同時，也把自己當(dāng)作流量，對作為用戶的自己有所訴求。在為自己提供便利服務(wù)的時候，獲取其他個人隱私信息。

而失去個人隱私這最后一片陣地，不僅給個人的生活造成干擾，還會給他人造成不良的影響。在電視劇《底線》的相關(guān)劇情中，麻醉科醫(yī)生畢良因被人傳播謠言，稱其在給當(dāng)紅演奏家辛承軒的麻醉手術(shù)時出現(xiàn)了技術(shù)上的失誤，導(dǎo)致辛承軒出現(xiàn)了嚴(yán)重的演出事故。瘋狂而憤怒的粉絲們認(rèn)為這是畢良的失職而造成的后果，就在網(wǎng)絡(luò)上對畢良進(jìn)行人肉搜索，導(dǎo)致畢良的個人隱私被泄露，個人生活和家庭不堪其擾，更有甚者到畢良的工作單位大吵大鬧，影響其他患者正常就醫(yī)。這一案例是根據(jù)真實事件改編，從中可以看出隱私泄露會給個人造成極大的負(fù)面影響。

也正因為個人隱私的重要性，所以用戶對平臺算法有了負(fù)面的看法，仿佛它永遠(yuǎn)帶著原罪。所以在新的時代就有新的問題產(chǎn)生，用戶如何在享受推薦算法帶來的便利的同時，還能夠讓自己的隱私受到保護(hù)？

算法3.0時代是移動大數(shù)據(jù)快速獲取的時代，人們往往需要更多有效的社交隱私保護(hù)措施，為個人社交網(wǎng)絡(luò)安全提供有力的防御和武器，所以現(xiàn)在也衍生出更多隱私保護(hù)規(guī)則與約束機(jī)制。我國目前正在完善電子法律，其中主要包括《中華人民共和國網(wǎng)絡(luò)安全法》《中華人民共和國個人信息保護(hù)法》《中華人民共和國數(shù)據(jù)安全法》等，明確出臺了關(guān)于個人隱私保護(hù)的法條[6]。這表明了在大數(shù)據(jù)搜集個人信息的問題上，任何組織與個人都戴上了法律的鐐銬，再也不能無所顧忌地隨意收集、處理或泄露用戶數(shù)據(jù)，否則將面臨巨額罰款以及更嚴(yán)重的處罰。

所以，算法3.0時代是一個算法、代碼與法律有序融合的時代。需要將現(xiàn)實的法律規(guī)范融入代碼之中，每一個代碼都帶有法律規(guī)范；而不是代碼只體現(xiàn)它的算法，代碼必須把法律原理體現(xiàn)出來，這是目前行業(yè)內(nèi)的首要任務(wù)。

當(dāng)然，正因為人們對個人隱私保護(hù)的重視，所以科技的發(fā)展產(chǎn)生了隱私保護(hù)算法。隱私保護(hù)算法是基于同態(tài)加密、差分隱私、不經(jīng)意傳輸三個底層密碼學(xué)算法而產(chǎn)生的交叉融合技術(shù)。以應(yīng)用領(lǐng)域的不同劃分為三大路徑，分別是以安全多方計算為代表的密碼學(xué)路徑、以可信任執(zhí)行環(huán)境為代表的硬件路徑和以聯(lián)邦學(xué)習(xí)為代表的人工智能路徑，其理念核心就在于有效管理隱私邊界。

在以安全多方計算為代表的密碼學(xué)路徑中，安全指一切行為必須由使用者本人實施，他人無法代替完成；多方則指一個行為必須多個參與人共同完成。在該路徑的運行流程中，用戶可以安全地實施行為，不會擔(dān)心他人冒充、代替和跨越自己，全方位地保護(hù)自己的信息安全不受侵犯。

在以可信任執(zhí)行環(huán)境為代表的硬件路徑中，采用軟件硬件相結(jié)合的方式在中央處理器中構(gòu)建安全區(qū)域，在本區(qū)域內(nèi)確保內(nèi)部加載的程序和數(shù)據(jù)得到保護(hù)，中央處理器則是可信執(zhí)行控制單元被預(yù)置集成的商用CPU計算芯片，可信執(zhí)行環(huán)境在基于硬件安全的CPU實現(xiàn)了基于內(nèi)存隔離的安全計算，在這種情況下既能夠保證計算效率也可以完成隱私保護(hù)的計算。聯(lián)邦機(jī)器學(xué)習(xí)技術(shù)是一種機(jī)器學(xué)習(xí)、分布式存儲和個人隱私數(shù)據(jù)保護(hù)三位一體的交叉整合技術(shù)，在目前以聯(lián)邦機(jī)器學(xué)習(xí)技術(shù)為核心代表技術(shù)的新的人工智能路徑指引下，原始的數(shù)據(jù)分布在全球不同規(guī)模的個人終端用戶和企業(yè)中，在調(diào)取數(shù)據(jù)時，隱私保護(hù)技術(shù)在對訓(xùn)練過程的中間結(jié)果進(jìn)行轉(zhuǎn)化，以掩蓋原始數(shù)據(jù)等方式防止數(shù)據(jù)泄露，增加安全性。

在如今的互聯(lián)網(wǎng)中，除了法律的有效監(jiān)管，各個互聯(lián)網(wǎng)公司自覺提高隱私算法技術(shù)和改變營運流程外，互聯(lián)網(wǎng)用戶對個人隱私的關(guān)注程度也影響著個人對各種類型應(yīng)用軟件的接納與持續(xù)使用的意愿，從心理和行為上都會強(qiáng)化對隱私風(fēng)險的評估和應(yīng)對。三方共同努力，對未來互聯(lián)網(wǎng)的隱私保護(hù)算法技術(shù)的提高與發(fā)展，以及整個互聯(lián)網(wǎng)生態(tài)都是百利而無一害的[7]。

五、結(jié)語

本研究站在社交補(bǔ)償?shù)囊暯?，以算法的進(jìn)化與更迭為技術(shù)背景，探討了用戶如何運用算法對自身進(jìn)行補(bǔ)償性的社交。算法1.0是基于內(nèi)容推薦，用戶通過該算法對自我進(jìn)行關(guān)于社交能力完善的生理補(bǔ)償，算法2.0是基于個人興趣愛好的協(xié)同過濾，因擁有相同的興趣愛好而形成群體，從而在用戶因線下的社交孤獨而趨避于線上的過程中對其心理進(jìn)行了補(bǔ)償。

因為之前的大數(shù)據(jù)獲取了太多用戶的個人信息以支持算法技術(shù)的運作，個人信息的泄露使得用戶提出了在社交活動中是否安全的疑問，并由此產(chǎn)生了個人隱私泄露焦慮。這使用戶對推薦算法技術(shù)產(chǎn)生了反抗情緒，做出了拒絕系統(tǒng)獲取自己的信息甚至是學(xué)習(xí)自己的行為，但因為中國市場以電商為代表的數(shù)字經(jīng)濟(jì)呈爆發(fā)式發(fā)展，人們的生活已經(jīng)無法避開大數(shù)據(jù)與互聯(lián)網(wǎng)科學(xué)技術(shù)的裹挾，所以在算法3.0時代，國內(nèi)外關(guān)于隱私保護(hù)的法規(guī)越發(fā)完善，互聯(lián)網(wǎng)企業(yè)的決策者們也自覺對企業(yè)走向與運作做了新的規(guī)劃與調(diào)整。

在技術(shù)層面，加強(qiáng)包括安全多方計算、可信任執(zhí)行環(huán)境以及聯(lián)邦學(xué)習(xí)等相關(guān)隱私保護(hù)技術(shù)，給予用戶對隱私保護(hù)算法的信心，使用戶在社交時不再擔(dān)憂個人的隱私泄露問題。

縱觀算法技術(shù)從1.0時期到3.0時期的變化，從對內(nèi)容的計算到對用戶的測量，再到對用戶體驗的關(guān)注，可以發(fā)現(xiàn)算法在進(jìn)化過程中越來越偏向人性化的考量，算法從冰冷的機(jī)器與代碼的產(chǎn)物，轉(zhuǎn)為更多為用戶的思考而思考。

在本身是代碼組成的高精度科學(xué)技術(shù)之外，更考慮到它所服務(wù)的對象，也就是用戶在使用算法時的真正需求到底是什么？用戶使用推薦算法在互聯(lián)網(wǎng)虛擬世界中進(jìn)行社交活動，滿足自我的需求，對自我情感進(jìn)行補(bǔ)償，所以無論技術(shù)如何進(jìn)步與變革，推薦算法都將成為人們社交的延伸，它的落腳點和關(guān)注點最終還是會回到人的身上。

參考文獻(xiàn)：

[1] 喻國明，徐子涵，李梓賓.“人體的延伸”：技術(shù)革命下身體的媒介化范式：基于補(bǔ)償性媒介理論的思考[J].新聞愛好者，2021（8）：11-13.

[2] 王可欣，史蒙蘇.媒介補(bǔ)償：理論溯源與研究路徑[J].全球傳媒學(xué)刊，2021，8（6）：69-84.

[3] 俱鶴飛.新聞算法的進(jìn)化與反思[J].青年記者，2019（3）：39-40.

[4] 劉總真，張瀟丹，郭濤，等.新聞推薦算法可信評價研究[J].信息安全學(xué)報，2021，6（5）：156-168.

[5] 高子倫.在線音樂平臺社交化研究[D].廣州：暨南大學(xué)，2017

[6] 張文祥，楊林.新聞聚合平臺的算法規(guī)制與隱私保護(hù)[J].現(xiàn)代傳播（中國傳媒大學(xué)報），2020，42（4）：140-144，154.

[7] 陳夢如，李曉云.隱私關(guān)注對算法推薦類新聞App用戶信息安全行為的影響研究[J].河南工業(yè)大學(xué)學(xué)報（社會科學(xué)版），2021，37（6）：15-23.

作者簡介 于嚴(yán)舒，碩士在讀，研究方向：新媒體、網(wǎng)絡(luò)輿情。 王鵬，博士在讀，副教授，研究方向：新媒體、網(wǎng)絡(luò)輿情。