武汉大学机构用户，欢迎您！
基于大数据及算法技术的信息智能推送推动了信息传播业的深刻变革。其初衷是优化受众阅读体验、简化其信息检索与甄别流程，然而却有可能导致“信息茧房”，以及用户信息接收与观念表达极端化。传统新闻业构建社会共识的努力逐渐式微，网络用户政治极化趋势愈发明显。形态各异的全球民粹主义浪潮对世界和平发展造成威胁。被政治集团利用从而影响乃至控制公众观念的智能推送，打破了信息传递与接收的平衡，在一定程度上加速了民粹主义进程。从智能推送到信息茧房，再到群体极化与社会运动，算法对新媒介环境中的民粹主义起着推波助澜的作用。本文尝试从传播学角度阐释这一现象，提供一种新的解释路径。
图1 智能推送普及后给社会认知带来的影响 当前研究表明，信息的智能推送与受众观念的政治极化之间存在高度关联①。在互联网为主要交流场域的语境下，网络空间的意见聚集与观点极化成为某些民粹主义的基础。从认知到行动，智能推送的影响已突破虚拟网络延伸至社会现实，成为以激进化、极端化、情绪化为特征，以反精英、反理性、反智为属性的民粹主义思潮与行动的技术铺垫。民粹主义有深刻的社会根源，是政治、经济、社会、文化等方面因素高度关联与互动的结果。算法与智能推送技术并不是民粹主义的决定性动因，而是一种伴生性力量，潜移默化地影响公众的认知、观念、逻辑与思维；新媒介技术降低了普通用户参与政治讨论的准入门槛，为言论自由提供了基础和平台，但也在客观上导致了以观念、利益和爱好等为导向的社会化群体聚集与主体性崛起，从而为民粹主义提供基础。作为一种技术，算法本身无分好坏，然而却有可能在新媒介传播过程中受到传播者的意志左右，对受众产生影响，令社会进入一种动员“加速”和观念“极化”状态，加速民粹主义进程，并呈现新的特征。 本文结合政治学与传播学理论，从算法技术(algorithms)的方式和特征入手，分析受众的信息接收、理解与处理路径，通过剖析大量现实案例，探索智能推送与政治极化的关系，为新媒介环境下民粹主义的现实表现与特征寻求传播学解释路径。 二、智能推送的路径与特征 智能推送被各类互联网平台广泛使用，包括Facebook、Smart news、Twitter、YouTube等国际社交媒体，以及今日头条、网易新闻、新浪微博等国内资讯类媒体。该技术建立在对用户兴趣及媒介使用习惯的深度了解和全面掌握基础之上，因此对用户信息的搜集分析成为精准推送的首要前提。媒体或新闻平台服务商通过数据挖掘算法，追踪用户在“物联网”上的行为数据，通过分类算法对受众进行个人定位与分组分类，即“描绘相应的用户脸谱”，[1]继而根据脸谱精准推送信息。由于开发人员设定操作参数并根据用户想看到的结果进行配置，导致这些结果优先于价值观和道德要求等其他因素[2]。社会学功能主义的观点认为，媒体首要功能之一是信息发送功能。采用智能推送技术的媒体在很大程度上更新了用户信息接受的模式。这意味着用户的兴趣偏好被置于最重要的位置，算法技术的伦理受到挑战，甚至出现大量低俗报道、广告软文以及打着新闻幌子的不实信息，导致新媒体平台“内容下降的螺旋”。[3]更重要的是，智能推送的长期使用有可能导致社会共识的减少及偏执用户的形成，进一步的后果则看作是引发民粹主义浪潮的起点。 (一)精准描绘用户脸谱 大数据技术对海量受众信息的分类、筛选与甄别是智能推送的前提和基础。用户收入情况、婚姻状态、受教育程度、政治立场等信息被充分挖掘，商业公司对用户信息过度利用，使得隐私保护成为网络治理难题。 用户脸谱的精准描绘通常源于以下途径： 1.信息登记制度。使用某个应用程序展开浏览、评论、转发、付款等行为，用户会被要求登记个人真实信息，如果拒绝登记则无法使用。大量用户在缺乏深入考虑的情况下在应用程序里进行登记，有个别网络公司还需要拍摄照片、进行脸部识别。这样，后台数据就很可能掌握了用户的基础资料，包括姓名、性别、住址、出生年份、受教育程度、工作性质甚至相貌特征等内容。系统会根据这些变量的不同把用户进行基本分类，形成第一层级的分类系统。 2.网络行为搜集。当用户开始使用这个系统，他(她)的行为就会在网络上留下痕迹，并被网络储存为“个人使用记录”。用户的个人兴趣、偏好选择、消费能力、生活方式等，都能通过“个人使用记录”而计算出来。例如，一个男性用户喜欢进行网购，而75%的金钱都花费在书籍上，就可以得出“他喜欢书”这个初步结论。如果他消费总金额非常有限，那可以得出他“消费能力不高”这个初步结论。而另外一些变量则可以通过网络推导出来，比如分析他所处的社会阶层、他的工作性质、他的价值取向等等。系统可以根据用户的个体使用记录，逐渐丰富用户的各项信息。
