来源：政治传播研究 

“现代社会中的意识形态分析，必须把大众传播的性质与影响放在核心位置，虽然大众传播不是意识形态运作的惟一场所。”[1]在社交网站、移动资讯客户端等成为人们获取新闻和资讯的主流渠道的当下，微博、微信、今日头条等社交媒体平台与资讯聚合平台，凭借基于大数据技术的算法推荐而成为具有强大影响力和竞争力的平台媒体，成为新闻生态系统中重要的媒体行动者。当算法推荐逐渐重构新闻分发机制并深刻影响传播效果，探讨这一深刻影响大众传播生态格局的技术实体对主流意识形态传播的影响，便是事关新闻舆论与意识形态工作的重要问题。

一 算法推荐：大数据背景下资讯分发的技术演进

探讨算法推荐技术如何影响主流意识形态的传播，前提是对算法推荐技术在当前新闻资讯生产、分发领域中的应用有基本把握，并厘清算法推荐作为一种资讯分发技术的内在逻辑。

1. 新闻生态系统中平台型媒体的崛起

据中国互联网络信息中心(CNNIC)发布的相关报告称，以今日头条等为代表的、利用大数据技术筛选用户感兴趣新闻资讯的“算法分发”，正在成为互联网新闻主要的分发方式。[2]易观的研究报告也显示，随着腾讯、网易、搜狐等众多头部信息分发企业加入算法推荐行列，以及微博、微信等信息分发类社交平台不断加大算法技术的研发投入，2016年通过算法推送的内容超过50%，算法推荐超过人工推送，已成为中国移动资讯的主要分发方式。[3]

算法推荐技术的运用，直接推动着新闻生态系统中平台媒体的崛起。2014年格里克(Jonathan Glick)在《平台媒体的崛起》一文中首次使用了platisher一词(platform+publisher)，并将平台媒体的特点概括为“不单靠自己的力量做内容和传播，而是打造一个良性的开放式平台，平台上有各种规则、服务和平衡的力量，并且向所有的内容提供者、服务提供者开放，无论是大机构还是个人，其各自独到的价值都能够在上面尽情地发挥”。[4]平台媒体建构起社会化的传播网络，依托个性化精准分发的效率，成为重塑新闻业生态的技术力量与基础设施。

当下，微博、微信等社交型平台媒体和今日头条、一点资讯等资讯聚合型平台媒体都在积极运用新闻算法推荐技术，并借此满足用户个性化定制信息的需求、增强用户对平台资讯的消费粘性。据极光大数据的研究报告显示，聚合型新闻资讯类客户端中已经形成今日头条和腾讯新闻两个头部产品，前者以20.7%的渗透率位列第一，后者渗透率也高达19.8%，[5]且渗透率排名前10的均为商业互联网公司及其新闻资讯产品，没有一家出自体制内的传统主流媒体。Quest Mobile发布的相关报告也显示，作为新闻资讯的重要分发渠道，微信、QQ和微博是国内前三强的社交产品，三者用户使用时长行业占比高达96.2%。[6]另据易观的数据监测显示，以社交功能为主的微信在用户覆盖和用户粘性方面具有优势，微博以及今日头条在用户粘性方面也整体领先，[7]平台媒体在渗透率与传播粘性方面居主导性地位，在媒介广告市场的占有率也越来越大。2017年，中国的广告市场约有57.2%的份额支出流向了互联网渠道，[8]其中仅百度、阿里巴巴以及腾讯(BAT)三家就占比达62%以上。[9]

平台媒体的崛起，与信息分发模式的技术升级密不可分，其中，算法推荐(algorithm recommendation)是非常重要的技术动力。依托机器算法，今日头条、一点资讯等聚合型平台媒体凭借其对用户兴趣的准确匹配与精准的个性化分发，迅速在资讯分发市场中建立领先优势，获得了远高于门户网站和主流媒体新闻客户端的用户规模和日均使用时长。此外，微博、微信等社交型媒体平台也积极运用算法技术，如微博上线的“头条文章”，给予其全站最高信息流权重进行信息分发，并不断加入兴趣内容分发功能；微信上线的“朋友圈热文”，利用海量用户数据资源，通过分析用户画像、用户阅读习惯和偏好进行内容推荐。[10]

2. 算法推荐：大数据驱动下资讯分发的模式进化

在互联网的海量信息中，如何向用户推送最具个性化需求的信息，是移动传播时代资讯聚合平台致胜的关键。算法推荐满足的正是这一需求“痛点”，它代表着媒介信息分发模式的最新演变，也是以大数据为核心的人工智能技术在资讯传播领域的前沿应用。

(1) 资讯分发的三种模式。从传统媒体到社交媒体，再到大数据时代算法主导资讯分发，媒介的技术进步让信息围绕人而实现更自由的流动，让人对信息的使用获得更灵活的掌控，从而尽可能满足每个人的价值与需求。目前，媒体对新闻与资讯的分发机制存在三种模式，按照顺序先后也经历了三个阶段，即：编辑筛选→社交过滤→算法推荐。

编辑分发模式——即传统媒体通过人工编辑来对新闻进行专业判断与把关。这种分发模式在本质上是种人工筛选，通过编辑的价值判断来对资讯产品进行组织、编排，最后以不同的版面、频道、栏目等形式进行编排展示。传统媒体的编辑分发模式，依托具有原创生产能力的记者编辑团队，对内容品质与价值更具有掌控感，但由于信息量有限、个性化不足、人工成本较高而成为资讯分发的传统模式乃至“落后产能”。

社交分发模式——即社交媒体兴起背景下，基于用户所嵌入的社会关系网络来实现资讯的分发与传播。这种模式在本质上是用户通过加好友、订阅或关注、“取关”或屏蔽的方式来建立自己的在线社交关系网，从而实现从自身偏好、属性和需求出发的资讯收取。这种基于社交网络关系的分发模式，是对编辑分发模式的巨大变革，越来越成为网民在社交平台上获取资讯的主导机制。不过，随着用户在微博、微信上关注的好友规模不断扩大，导致社交分发内容出现良莠不齐的现象，资讯过滤的效率和品质因内容混杂而下降，因此需要用户主动优化自己的社交关系网络。

算法分发模式——即运用算法技术，基于每个用户内容消费的行为数据（用户在app上的浏览、点击、停留时长、转发、评论，以及订阅、搜索等）、个体属性数据（用户性别、年龄、手机型号等）与社交关系数据（用户社交媒体帐号所关注的对象、所参与的话题和发表的内容等）进行大数据计算与分析，实现精准的用户“画像”，进而推送“懂你”的信息。除精准捕捉和识别用户的个性需求外，算法也会进一步洞察与用户相似的社群特征和需求，通过“模型泛化”来进一步强化推送效率。这种分发模式是基于人工智能的机器推荐，可有效解决社交过滤存在的不足，比如算法对流量的分配独立于社交关系而不受“大号”垄断的影响、算法能处理的信息量几乎没有上限、算法能对用户的社交分发进行二次过滤从而优化推荐结果。正是基于上述优势，算法推荐近年来逐渐成为资讯分发的主流模式。

(2) 算法推荐的内在逻辑。计算机学科认为，算法是逻辑与控制的综合(algorithm as a sum of logic and control)，是为有效解决问题而输入机器的一系列指令，也是为完成一项任务而被精确控制的一系列步骤。[11]广义上讲，算法是一种编码程序，通过特定的运算把输入数据转化为输出结果。[12]运用到传播领域的新闻分发环节，算法的技术本质是对资讯和人的精准匹配，平台媒体通过广泛抓取各种内容源生产的内容来聚合资讯，再借助大数据的用户“画像”分析来向用户推送符合其兴趣或需求偏好的特定信息，且通过不断的机器学习或算法改进逐步深化对用户的洞察，持续提升分发的精准性。

算法推荐让编辑筛选模式下的“人找信息”变为“信息找人”，用户成为了算法架构或程序编码的价值落点，其资讯分发的价值判断机制从由编辑判断转变为由机器来决定，由此把新闻内容的推送交给了“算法把关”。[13]目前，较常用的算法推荐包括基于内容的推荐和基于用户的协同过滤推荐，前者主要根据用户过去的内容浏览记录推荐用户没有接触过的推荐项，是目前使用最广泛的算法；后者主要依据“跟你喜好相似的人喜欢的东西你也很有可能喜欢”的假设、基于关联规则进行推荐，[14]这种推荐侧重寻找有相似偏好的用户、并推荐相似偏好用户接触过的内容给目标用户。[15]

算法推荐其实是对社交分发模式下关系型协同过滤的继承性进化，其中也包含了基于社交关系的关联规则。此外，编辑筛选模式下基于人工把关的专业价值判断也被同步运用在平台媒体的资讯推送中，与算法推送之间形成互为补充的关系。因此，算法推荐是诸种信息分发模式的集大成者，其最大优势在于对信息和人的精准与高效匹配，已经成为互联网信息流动的核心逻辑。甚至可以说，机器算法在一定程度上决定着信息的意义、信息的流向以及受众对信息感知的方式。[16]

当然，平台媒体的算法推荐作为一种人工智能并非只是一套计算代码或程序，而是包括算法、团队及其新闻价值观在内的一整套系统架构。算法推荐“不仅仅包括算法本身，还包括使之运转起来的一整套规则制度，而这些规则制度由于人工的参与，使得算法机制呈现出一种技术与人工的‘混合逻辑’”。[17]所以，算法绝非价值中立的技术，它由社会性的因素建构，必然也会产生相应的社会影响。

二 主流意识形态的形成机理

算法推荐对主流意识形态传播可能造成的影响，从传播过程看涉及主流意识形态自身的价值内涵和传播特点，从受众角度看也与算法推荐导致的用户信息需求偏好及其传播效果相关。

要理解主流意识形态如何成为“主流”，需要明确“意识形态”这一概念的内涵及其形成机制。法国大革命时期的哲学家托拉西(Tracy)第一次使用“意识形态”这一概念，他用这个概念来表征一门新兴学科——“观念科学”(science of ideas)，并慎重申明建立“意识形态”这门新兴学科的根本目的就是反形而上学和宗教偏见。[18]马克思真正将“意识形态”概念带入学术与思想史并产生深远影响，他虽然不是意识形态概念的首创者，但在整个意识形态理论史上的开创性地位是无可争议的，甚至任何有关意识形态理论的探讨必须“回到马克思”。[19]

威廉姆斯(R. Williams)认为，马克思的意识形态概念“动摇于‘一定阶级的信念特性体系’和‘能够与真理或科学知识形成对照的虚幻信念体系——虚假观念或虚假意识’之间”。[20]马克思主义的意识形态理论最初是在贬义上使用“意识形态”这一概念的，在《德意志意识形态》一书中，马克思、恩格斯以轻蔑的方式使用“意识形态”概念，把它当作“虚假的”、非科学的阶级观念。马克思将“意识形态”斥为“虚假意识”(false consciousness)，实际上是在批判资本主义，揭露颠倒了现实与意识关系的资本主义意识形态。之所以被称作“虚假意识”，是因为资本主义意识形态本质上是对资本主义“异化”了的社会关系所作的合理性论证：在阶级斗争与政权维护中，资产阶级为取得统治地位不得不把自己的利益说成是社会全体成员的共同利益，“这在观念上的表达就是：赋予自己的思想以普遍性的形式，把它们描绘成唯一合乎理性的、有普遍意义的思想”，[21]从而创立一整套意识形态的观念学说，以掩盖自身作为剥削阶级的事实。换句话说，“资产阶级内部的意识形态家们在生产思想和观念时，植根于唯心主义土壤，把人和社会关系割裂开来，从纯粹的思维材料出发，而不是从物质实践活动和实实在在的社会关系出发，脱离人们现实生活的历史过程就只可能产生颠倒的即虚假的意识”。[22]

随着历史唯物主义理论体系的创立以及之后列宁提出“科学的意识形态”学说，并经历两次重要嬗变，[23]马克思主义意识形态理论中的“意识形态”逐渐变成中性概念，作为“一定阶级的信念特性体系”，“意指系统地、自觉地、直接地反映社会经济形态和政治制度的思想体系，是社会意识诸形式中构成观念上层建筑的部分”。[24]这种将其与经济形态或阶级进行线性对应的、对“意识形态”内涵进行中性化界定的做法，主要发生在马克思主义的后现代转向之前。在意识形态理论最新发展的后马克思主义(post-Marxism)中，意识形态完全剥离了与经济基础、阶级因素的必然性联系，它的形成被认为是一种建构性(constructive)的话语接合实践(discourse articulation practice)，“意识形态‘要素’独立地看并没有必然的阶级内涵，这一内涵仅仅是这些‘要素’在一种具体的意识形态话语中接合的结果”。[25]可见，意识形态完全可以理解为一个脱出了经济决定论的建构过程，不是先验的阶级属性决定了特定意识形态诸要素的统一性，而是接合活动本身构造了它。[26]

从后马克思主义的理论视角看来，某种意识形态若要取得“主流”地位而成为“主流意识形态”，就要完成自身的霸权接合(hegemonic articulation)，即通过接合的过程取得对社会主流人群的意识形态领导权(ideological hegemony)。这里的主流人群绝非某个阶级或某一经济地位的群体，而是由占统治地位的阶级主导并尽可能多地包含进其他阶级与经济地位的社会成员，且并非只从经济基础与阶级地位的维度进行多样人群的囊括。在各种文化向度上对尽可能广泛的“异质性”人群进行其意识形态要素的“收编”(incorporation)与“接合”(articulation)，建构起他们对自己的认同，才能成为主流意识形态。“占统治地位的思想之所以占统治地位，不仅在于它能够召询本阶级的成员，而且也能召询被统治阶级的成员，长治久安的关键就在于统治阶级能够部分地吸收或中立化被统治阶级的意识形态内容”。[27]

无法实现多样意识形态要素接合与最广泛社会成员认同召询(interpellation)的“主流意识形态”，将始终面临被边缘化的风险。比如，西方资本主义意识形态的霸权之所以在世界共产主义革命浪潮中遭遇社会主义意识形态的消解，并在特定时期遭遇替代性的“现代性方案”的挑战，就是因为其“虚假性”被马克思主义揭穿以后，无法建构起作为社会主要群体的工农阶级对它的认同。在互联网勃兴与社交媒体发达的后现代社会，不同社会群体意识形态的形成并非仅仅取决于主体所处的经济结构与阶级地位，还源于文化的、性别的、种族的等多维度的差异性。反中心、飘移性与流动化的多样社会思潮与多元文化认同的兴起，给社会主流意识形态的传播、给主流意识形态对多样社会主体的整合性认同塑造带来了挑战，占据社会日常性意识形态运作与斗争场域中心位置的新闻舆论工作，必然要面对这种挑战。

从传播的角度来看，“反复、不断流动的政治信息、政治话语、政治符号等是意识形态的现实表征，意识形态的存在和功能发挥须依赖这些政治信息、话语、符号的不断流动，在流动中呈现出自身的特点与功能指向”。[28]一种意识形态要成为主流意识形态，必须在资讯的日常传播空间中实现主导性覆盖与到达。从认同的角度来看，主流意识形态的领导权(hegemony)无法脱离社会绝大多数人群价值“最大公约数”的整合性认同建构(identity construction)，它要求自己的符号内容或观念学说能最大程度地对社会各阶层的意识形态要素进行包容性整合，从而形成对他们价值认同的感召力。

三 算法推荐对主流意识形态的影响

当平台媒体成为新闻算法推荐模式的主流传播渠道，传统媒体的新闻生产、商业模式及传播效果都在发生深刻变化，平台媒体兴起、传统媒体衰落的趋势已然不可阻挡，以往主要通过传统媒体报道进行传播的主流意识形态面临渠道转移、话语更新、效果变化等一系列新的问题。

1. 算法推荐造成新闻的把关权转移和评价体系的透明化

算法推荐技术实现了信息与人的精准匹配，其价值集中于满足用户的信息偏好上。算法推荐作为信息分发机制的引入使得新闻生产的把关权力从新闻从业者位移到机器智能及其背后的用户需求，这将挑战职业化新闻生产的权威，使媒体与受众从以往的传者主导、受众接收的线性关系，转变为媒体——算法——用户三者之间复杂互动的循环关系，受众的主动地位愈发凸显。[29]

尼尔·瑟曼(Neil Thurman)把用户偏好分为两种类型：第一种是用户主动表达的偏好(explicit preference)，包括点赞、评论、收藏、关注、转发、搜索、屏蔽；第二种是指用户含蓄表现出的偏好(implicit preference)，主要是指媒介组织通过搜集和分析用户数据而推导出的偏好。[30]这些用户偏好成为算法推荐的首要价值要素。德维托(M. De Vito)通过对比传统媒体和算法机制两种不同的生产原则和价值取向，指出传统媒体具有公共属性，更关注异常、破坏现状的越轨行为，而算法新闻则主要受到商业利润的驱动，根据用户需求生产和传播相对个性化的信息。[31]这意味着，算法推荐驱动下的新闻价值将更多从用户角度出发而非从公共传播出发，把关权向受众转移的过程，既充分激发了用户的个人需求，也弱化了用户对公共议题的关注。

把关权向受众转移，还体现在新闻生产与内容呈现以“流行度”(popularity)作为价值指标。韦伯斯特(James G. Webster)的研究发现，搜索引擎、社交网络、协同过滤系统等在进行信息推荐时都倾向于把“流行度”作为消费指南。[32]这种偏向流行度的价值取向也影响到新闻生产，使得平台媒体利用信息储存和数据分析优势，可以向新闻媒体反馈受众的关注兴趣，以影响媒体的报道方向。一项以今日头条“媒体实验室”为个案的研究发现，技术型公司会对新闻热词进行分析，以可视化报告的形式反馈给新闻机构，帮助其开展后续报道时更精准地把握用户关注点，以促进和改善新闻生产。[33]微博等社交型平台媒体，开辟出“热搜榜”、“热门话题榜”等栏目，实际上也是以“流行度”作为价值标准来进行资讯呈现，也是建构网络舆论的重要手段。这种基于大数据计算与分析而进行的效果反馈与话题推荐，本质上是媒体议程设置意义上的“算法推荐”，从这个角度看，议程设置的主导权也一定程度上正在向受众转移。

此外，算法推荐对传播效果的量化采集和分析，也重构了新闻传播效果的评价体系，实现了用户点击、转发乃至评价行为的数据化和透明化。过去，传统主流新闻报道和正面宣传的评价主要由领导批示、同行赞誉和专业获奖来构成，传播效果的评估局限在行业中，评估结果是相对封闭的，效果评价的主导权主要掌握在宣传和意识形态管理部门手上。然而，算法推荐模式下的新闻传播，其影响力、传播力等舆论引导效果可以通过直观、精准的数据透明化地呈现。用户如果打开今日头条等聚合型资讯平台，头部位置的主流时政新闻，有多少点击、多少评论，都非常直接地呈现在标题下方。由此，主流意识形态传播效果评价的话语权因数据化、透明化的呈现也让渡给受众，新闻宣传的价值评价体系被重塑。

2. 算法推荐导致的“过滤气泡”效应加剧社群区隔与价值观分化

除了对新闻的把关权、对效果评价的主导权有所转移外，算法推荐导致的负面传播效果引起了诸多争议，其对不同社会群体意识形态的影响也值得反思。有学者指出，媒介技术的进步可能使受众更容易和兴趣相投的人产生联结，进而加剧社会价值观念和意识形态的分化。[34]实际上，从编辑筛选到社交过滤再到算法推荐，信息分发的效率固然在不断提高，但一部分受众的价值观却可能因此而更加倾向于偏激、固化，政治、社会和文化层面的社群区隔与意识形态分化可能会愈发严重。从传播学的角度来看，“过滤气泡”(filter bubble)、“信息茧房”(information cocoons)、“回音室效应”(echo chamber)等概念描述的便是这类负面效果。

传统媒体兴盛时期，媒体组织面向大众生产新闻，并通过人工编辑进行分发，尽管会考虑目标受众的需求，但无法做到针对每个个体的个性化定制服务，因而受众会接受到共同的信息，客观上有利于受众平衡地接收信息。在社交媒体协同过滤的机制中，依托关系链传播的社交型分发使用户容易沉浸在由自己和好友所组成的“回音室效应”中，很大程度上只接触到符合自身兴趣与价值倾向的信息。而算法推荐模式，以用户“画像”为基础进行更有针对性的信息“喂食”，使用户的新闻消费陷入“信息茧房”的困境中，即用户只注意自己选择的东西和使自己愉悦的资讯领域，久而久之会将自身桎梏于像蚕茧一般的“茧房”中。[35]帕里泽(E. Pariser)在《过滤气泡》一书中提出“过滤气泡”这一概念，意在描述网上的个性化推荐具有将人们从多样化观点或内容高效隔离的潜能：以机器算法推荐为代表的互联网技术正在使得用户获取的信息日益个人化(personalized)，个性化算法可能使得只有和用户的意识形态一致的信息才会被呈现，由此导致用户的视野越来越狭窄，接触到多元化信息的机会也越来越少。[36]

进一步的研究发现，算法导致的“过滤气泡”效应对用户的影响是相对复杂的。美国明尼苏达大学一项测量“过滤气泡”影响效果的研究中发现，随着时间的推移，推荐系统(recommender systems)确实会让用户所接触到内容条目的多样性变窄，不过这种窄化效果要轻于那些不“跟随”(follow)推荐系统而通过朋友间关系获知新闻与信息的情形，毕竟用户会根据近期看过的内容形成阅读习惯，且看得越多偏见就越发固化。该研究团队认为，如果用户本身就存在内容接触范围随时间推移而窄化的天然倾向，那么跟随算法推荐反倒有可能减轻遭遇“过滤气泡”的风险。[37]另外一项来自Facebook数据科学团队的研究也表明，尽管Facebook的新闻排名算法(News Feed ranking)导致了一定程度的“过滤气泡”，但人们对信息的选择更加制约了他们接受对立政治观点的可能性：“社交网络的组成是影响我们在社交媒体上所遇到内容多样性的最重要因素，个人的选择也发挥了很大作用，而新闻排名算法对我们所看到异质信息的多样性影响较小”。[38]对于上述研究得出的结论，一些批评者从样本体量与数据缺陷等角度有所质疑，还有观点认为Facebook团队的研究是在为自己“洗白”。不过，也有研究者从心理学的角度对上述研究发现加以解释，认为人“自我确证偏好”(confirmation bias)的心理机制，使得人有一种根据自己已有观点来接受和解释信息的倾向，这导致人们常常固守于已有的观点。[39]也就是说，相比于算法推荐在导致“过滤气泡”方面的负面影响，人们固有的心理倾向和社交关系也许作用更大。不管算法推荐是不是“过滤气泡”形成的罪魁祸首，可以肯定的是，人固有的“部落意识”和“自我确证偏好”的心理倾向在算法推荐盛行的信息传播格局下得到了强化，“在这样一个充满选择、包含无数小众市场和将个性化推崇到无以复加的时代，我们在用一种干脆利落到让人恐惧的效率进行自我分类，我们放弃了普遍适用的参照点”。[40]

“普遍适用的参照点”的丧失，意味着主流意识形态作为统合性价值体系面临消解和分化的风险，当下，这种风险已经真实呈现。比如，2016年的美国大选自始至终伴随着两党候选人支持者们的意识形态分化和对抗，双方在社交网络上都存在“过滤气泡”效应，滋生出极端主义情绪，甚至在多个州发生了通过社交媒体平台进行有组织政治暴乱和集体斗殴的恶性事件，由此加剧了社会的撕裂。[41]一项围绕“Facebook偏见门”事件的研究，[42]和德维托对Facebook算法推荐产品News Feed各项要素权重的研究，[43]均显示出亲密程度(对象之间的关系亲疏以及互动程度)、朋友关系超越了其他价值标准成为Facebook算法推荐的主导因子。对用户社交关系权重的倚重而造成的“过滤气泡”，给日常生活中主流意识形态的整合传播及其统合性的认同建构带来了巨大挑战。

3. 算法推荐加剧了传统主流媒体影响力被边缘化的风险

平台媒体凭借社交分发与算法分发的技术优势，在用户规模和广告份额方面迅速建立竞争优势，传统主流媒体面临着更加严重的生存危机。当然，这种危机不仅仅来自传播渠道和商业模式，某种程度上也来自品质内容的推送方式和价值变现困境。平台媒体对传统媒体的新闻生产及内容传播带来的另一个重大影响是众包新闻、草根新闻的兴起，“头条号”、微信公众号等对用户社会化生产内容(UGC)的激活，在各大平台媒体推出“内容扶持计划”的激励下，进一步让传统媒体的内容生产在供给量、鲜活度和生动性方面丧失了原先的垄断优势。

德维托的分析指出，平台优先级(platform priorities)是影响Facebook信息流呈现的因素之一，Facebook会在用户信息流中优先呈现自己平台上的视频而非YouTube上的视频。[44]另有研究发现，作为商业公司的今日头条，其“一套由代码搭建而成的算法”作为运转核心，会受到公司整体战略布局的导向和影响，而且，头条会优先推荐本平台生产的内容。[45]在聚合类平台媒体上，原创自媒体内容的数量尽管还没有超过传统媒体生产的报道，但正在逐渐获得与传统媒体相当乃至更多的受众。今日头条日均5.1亿次阅读数中，“头条号”贡献了3.7亿的阅读数，占比73%，但从数量上看，“头条号”每天的文章数量却仅占文章总数的30%-40%。[46]

从行业生态格局的角度看，平台媒体对传统媒体受众、收入与影响力的挤压效应已日益凸显，传统媒体因缺乏技术创新、资本驱动与新型盈利模式而面临更加边缘化的风险。过去，主流意识形态的大众传播主要依托于体制内的传统媒体来实施，如今，虽然主流媒体的发行渠道和经济来源受到国有体制的庇护和各级政府的资助，但多元媒体行动者之间激烈的受众争夺、社会意识形态的多元分化始终让其面临着双重挑战：一方面，如何持续维系、扩大受众规模和巩固生存基础，另一方面，如何针对年轻的网民群体进行有效的主流意识形态传播和建构。在西方国家，精英媒体要帮助人们走出“一个社会分裂与政治极化不断加剧的时代，一个持久的‘文化内战’(cultural civil war)时代……需要不同身份政治派别之间的对话与和解，需要政治文化的重建”，[47]同样面临着自身生存困境和来自平台媒体的挑战。

尽管算法推荐基于自身的技术逻辑，给主流意识形态的传播带来了上述影响和挑战，但作为一种人造规则和前沿技术，其同样可以为主流意识形态的传播所运用。实际上，“算法”技术仅仅是“算法机制”的一个重要组成部分，用户、互联网公司以及沉淀在整个社会规范中的价值观，最终将作为一种结构性的机制整体地决定经由平台媒体抵达用户的信息呈现。[48]只要技术背后的价值理性不屈从于工具理性，算法推荐技术也可以对主流意识形态的传播发挥积极作用。

参照创新扩散理论，算法推荐等人工智能技术正在逐渐从平台媒体扩展到传统主流媒体，被澎湃新闻、封面传媒、南方+等原创新闻客户端所积极运用。比如，作为传统媒体数字化转型典范的澎湃新闻，与今日头条签署视频战略合作伙伴协议，将新闻短视频与新闻直播等旗下所有原创视频内容都入驻“头条号”，通过今日头条的人工智能和算法技术进行分发；[49]新华社也同阿里巴巴合作上线发布了中国首个媒体人工智能平台“媒体大脑”，以提升媒体在智能时代的新闻生产、分发和监测能力。[50]此外，今日头条、一点资讯等占据用户规模和月活量头部位置的移动资讯终端，均已按照有关部门的规定开辟了“新时代”等服务于主流意识形态宣传的频道。

然而，技术的创新扩散固然有助于体制内主流媒体在用户争夺与信息分发方面缩小同平台媒体的差距，但算法推荐语境下的主流意识形态传播仍然面临着一定的应用困境：如果将算法推荐运用于主流意识形态的宣传或内容传播，以提升主流资讯的受众达到率与精准性，那么依然面临着相关内容如何创新形态和话语、增强吸引力的新挑战。同时，凭借算法技术的分析结果个性化地向受众精准推送与其立场、倾向一致的资讯，则又可能强化其固有偏见，延续“过滤气泡”的负面效应，从而满足不了主流意识形态统合性认同建构对“吹破”“过滤气泡”的需求。可以说，以用户偏好为导向的算法技术，造成了主流意识形态传播对这一技术采纳的悖论，毕竟算法体现着基于用户兴趣来进行资讯分发的客观性，而主流意识形态的建构必然隐含着从传者意图出发的主观性。

综上所述，在探讨主流意识形态的领导权建构时，既不可轻视传播技术变革带来的负面影响，又难以简单地通过技术采纳来完全找到趋利避害的对策。究其根本，主流意识形态的整合传播最终是在做有关“人心”的工作，而“人心”或意识形态的形成并非仅仅源自人们在资讯接受中的认知与思考，更形成于其在现实生活中的利益满足与情感结构。因此，在算法推荐主导的传播环境下，维护好主流意识形态对社会的整合力与领导权，不仅是新闻传播学的问题，更是政治学、社会学等多学科共同面对的课题。

【注释】：
[1] 约翰·B.汤普森：《意识形态与现代文化》，高銛等译，南京：译林出版社，2005年，第286页。
[2] 中国互联网信息中心(CNNIC)：《2016年中国互联网新闻市场研究报告》，CNNIC, http://www.cnnic.cn/hlwfzyj/hlwxzbg/mtbg/201701/P020170112309068736023.pdf, 2018年1月1日。
[3] 《中国移动资讯信息分发市场专题研究报告2016》，易观网，https://www.analysys.cn/artide/analysis/detail/1000218/, 2018年1月10日。
[4] Jonathan Glick, “Rise of the Platishers,” recode, http://www.recode.net/2014/2/7/11623214/rise－of－the－platishers, 2018年1月11日。
[5] 《极光大数据新闻类app报告》，199IT, http://www.199it.com/archives/577612.html, 2018年1月11日。
[6] Quest Mobile: 《2017年中国移动互联网年度报告》，新浪科技，http://tech.sina.com.cn/i/2018－01－17/doc-ifyqqieu7074004.shtml, 2018年3月11日。
[7] 《中国移动资讯信息分发市场专题研究报告2016》，易观网，https://www.analysys.cn/artide/artide/analysis/detail/1000218/, 2018年1月11日。
[8] 《今年中国数字广告将占广告支出57%》，新浪科技，http://tech.sina.com.cn/i/2017－05－17/doc－ifyfeius8030113.shtml, 2018年1月12日。
[9] 《今年中国数字广告市场规模将达500亿美元BAT占62%》，凤凰科技，http://tech.ifeng.com/a/20170619/44640258_0.shtml, 2018年1月12日。
[10] 《中国移动资讯信息分发市场专题研究报告2016》，易观网，https://www.analysys.cn/artide/analysis/detail/1000218/, 2018年1月10日。
[11] Andrew Goffey, “Algorithm,” in Matthew Fuller, ed., Software Studies: ALexicon, Cambridge, MA: MIT Press, 2008, p.16．
[12] 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》，《新闻记者》2017年第9期。
[13] Axel Bruns, “Gate keeping, Gate watching, Real Time Feedback: New Challenges for Journalism,” Brazilian Journalism Research, Vol.7, No.2, 2011, pp.117－136．
[14] 陈昌凤、王宇琦：《新闻聚合语境下新闻生产、分发渠道与内容消费的变革》，《中国出版》2017年第12期。
[15] 蔡磊平：《凸显与遮蔽：个性化推荐算法下的信息茧房现象》，《东南传播》2017年第7期。
[16] T. Gillespie, “The Relevance of Algorithms,”  in T. Gillespie, P. J. Boczkowski & K. A. Foot, eds., Media Technologies: Essays on Communication, Materiality and Society, Cambridge, MA: MIT Press, 2014, pp.167－194．
[17] 方师师：《双强寡头平台新闻推荐算法机制研究》，《传播与社会学刊》2018年第1期。
[18] 申小翠：《“意识形态”概念的历史流变》，《中国社会科学院研究生院学报》2006年第4期。
[19] 郁建兴、陈建海：《马克思主义意识形态理论的嬗变与转型》，《北方论丛》2008年第1期。
[20] R. Williams, Marxism and Literature, Oxford: Oxford University Press, 1977, p.66．
[21] 转引自郁建兴：《意识形态：一种政治分析——马克思意识形态概念新论稿》，《东南学术》2002年第3期。
[22] 申小翠：《“意识形态”概念的历史流变》，《中国社会科学院研究生院学报》2006年第4期。
[23] 第一次是始于卢卡奇、葛兰西，并在随后的法兰克福学派那里得到充分展开的西方马克思主义意识形态批判理论；第二次是以拉克劳、墨菲为代表的后马克思主义的“接合的意识形态”理论。参见郁建兴、陈建海：《马克思主义意识形态理论的嬗变与转型》，《北方论丛》2008年第1期。
[24] 申小翠：《“意识形态”概念的历史流变》，《中国社会科学院研究生院学报》2006年第4期。
[25] Ernesto Laclau, Politics and Ideology in Marxist Theory: Capitalism, Fascism, Populism, London: NLB, 1977, p.99．
[26] 周凡：《论拉克劳后马克思主义转向之前的接合概念》，《马克思主义与现实》2005年第2期。
[27] 同上。
[28] 施惠玲、杜欣：《政治传播与主流意识形态构建》，《社会科学战线》2016年第9期。
[29] 章震、周嘉琳：《新闻算法研究：议题综述与本土化展望》，《新闻与写作》2017年第11期。
[30] Neil Thurman, “Making ‘The Daily Me’: Technology, Economics and Habit in the Mainstream Assimilation of Personalized News,” Journalism: Theory, Practice ＆ Criticism, Vol.12, No.4, 2011, pp.395－415．
[31] Michael A．De Vito, “From Editors to Algorithms: A Values based Approach to Understanding Story Selection in the Facebook News Feed,” Digital Journalism, Vol.5, No.6, 2017, pp.753－773．
[32]James G. Webster,“ The Duality of Media: A Structurational Theory of Public Attention,” Communication Theory, Vol.21, No.1, 2001, pp.43－66．
[33] 方洁、高璐：《用户数据分析平台与计算机驱动新闻业——以“今日头条媒体实验室”为例》，《新闻与写作》2017年第1期。
[34] Seth Flaxman and Sharad Goel and Justin M. Rao, “Filter Bubbles, Echo Chambers, and Online New Consumption,” Public Opinion Quarterly, Vol.80, No.S1, 2016, pp.298－320．
[35] 转引自梁锋：《信息茧房》，《新闻前哨》2013年第1期。
[36] Eli Pariser, The Filter Bubble: How the New Personalized Web Is Changing What We Read and How We Think, New York: The Penguin Press, 2011.
[37] Tien T. Nguyen and Pik Mai Hui and F. Maxwell Harper and Loren Terveen and Joseph A. Konstan, “Exploring the Filter Bubble: The Effect of Using Recommender Systems on Content Diversity,” Published in WWW'14 Proceedings of the 23rd International  Conference on World Wide Web, pp．677－686．
[38] Eytan Bakshy and Lada Adamic and Solomon Messing, “Exposure to Diverse Information on Facebook,” Facebook, https://research.facebook.com/blog/1393382804322065/exposure－to－diverse－information－on－facebook/, 2018年1月20日。
[39] Cobblest:《限制你眼界的不是算法，而是你自己》，果壳网，https://www.guokr.com/article/440260/, 2018年1月22日。
[40] Frank Bruni, “How Facebook Warps Our Worlds,” NYTimes, https://www.nytimes.com/2016/05/22/opinion/sunday/how－face-book－warps－our－worlds.html? _ga=2.142734837.1399578935.1516949496－ 1692992334.1480332071, 2018年1月18日。
[41] 许志源、唐维庸：《2016美国大选所透射的“过滤气泡”现象与启示》，《传媒》2017年第16期。
[42] 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》，《新闻记者》2016年第9期。
[43] Michael A．De Vito, “From Editors to Algorithms: A Values based Approach to Understanding Story Selection in the Facebook News Feed,” Digital Journalism, Vol.5, No.6, 2017, pp.753－773．
[44] 同上。
[45] 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》，《新闻记者》2017年第9期。
[46] 徐宁：《从内容集散地到内容生产源，今日头条不再只是“搬运工”》，36氪，https://36kr.com/p/5037178.html, 2018年1月25日。
[47] 刘擎：《2017西方思想年度述评（上篇·政治与思想）》，腾讯微信，http://mp.weixin.qq.com/s/FAz7aTrsvg6Tpn_8r－ZJgw, 2018年1月31日。
[48] 方师师：《双强寡头平台新闻推荐算法机制研究》，《传播与社会学刊》2018年第1期。
[49] 《澎湃新闻与今日头条签署视频战略合作协议》，中国新闻出版广电网，http://www.chinaxwcb.com/2017－07/31/content_358852.htm, 2018年1月31日。
[50] 《“媒体大脑”上线，新闻生产搭上AI快车》，新华网，http://www.xinhuanet.com/tech/2017－12/27/c_1122170891.htm, 2018年1月31日。

本文作者：
张志安（中山大学传播与设计学院教授，广东省舆情大数据与仿真分析重点实验室、广州大数据与公共传播重点研究基地主任）、汤敏（中山大学传播与设计学院博士生）
文章来源：《社会科学战线》2018 年第 10 期