178-7104-0006

哈佛x路透社最新研究:网络过滤器泡沫背后的真相

2020-02-14 13:38:27

原文来自Reuters Institute;University of Oxford,作者Richard Fletcher

原文链接:

网络过滤器泡沫这一流行术语由埃利·帕雷瑟创造,指一种认知或意识形态的孤立状态:由网络算法通过用户过去的行为和搜索历史,提供其认同的信息结果。然而,我们的高级研究员理查德·弗莱彻发现,有关网络过滤泡沫的学术研究却讲述了一个完全不同的故事。

过滤器泡沫和回音室效应一样吗?

人们习惯使用Facebook、Twitter和Apple News等获取新闻,而新闻内容是由算法自动选取的。

算法通过平台的历史浏览数据和用户自愿提供给平台的偏好数据进行筛选。人们担心的是,这可能会进一步固化我们已有的浏览倾向。

回音室和过滤器泡沫略有不同。回音室是当我们过度暴露在喜欢或同意的新闻中时发生的情况,会扭曲我们对现实的看法,因为我们看到了太多片面的内容,忽视了其他的可能性,于是开始认为现实就是这样的。

过滤器泡沫描述的是:我们不喜欢或不同意的新闻被自动过滤,这会减少我们获取的信息量。这与回音室截然不同,因为回音室可能是过滤器的结果,也可能是其他因素的结果,但过滤器泡沫必然是算法过滤的结果。

为什么过滤器泡沫如此盛行?

过滤器泡沫是非常有力的描述,背后的机制似乎也说得通。每个人都能理解而且听起来不无道理。

理解过滤器泡沫非常重要,自特朗普当选以来,它甚至改变了我们理解政治的方式。《连线》杂志的一篇文章称,过滤器泡沫正在摧毁民主,这种说法相当大胆。

而就在2017年,比尔·盖茨还表示,过滤器泡沫是新闻业的重大问题。这两种说法表明了大家对过滤器泡沫的普遍态度,即便上述二者并非典型的科技怀疑论者。不过在许多领域,过滤器泡沫的存在已被广泛接受。

人们如何获取新闻?

追本溯源是很有用的方法。人们是否主要通过互联网看新闻?这个问题,在我看来是肯定的。

我和路透社研究所收集的大部分数据来自数字新闻报告Digital News Report),它调查了五大洲38个不同新闻市场的情况,主要集中在欧洲,约75,000人参与调查。调查由YouGov完成,我们负责设计问卷。

当问到人们主要的新闻来源是什么时,回答网络和电视的受访者大致相同。在一些国家,电视略微领先。在另一些国家,网络略占优势。但总的来说,人们获取新闻的方式非常相似:使用网络和电视获取新闻远远超过了报纸和广播。

对于45岁以上的人来说,电视更有可能是主要的新闻来源。45岁以下的人更有可能从网上获取新闻。

自2013年以来,我们一直在追踪不同国家对社交媒体新闻的获取情况。从2013年到2016年,社交媒体阅读新闻持续增长。每周使用社媒阅读新闻的人数从2013年的25%上升到2016年的超过50%。但在过去三年中,这一比例已经趋于平稳。

如果再深入研究各个社交平台,就会发现在大多数国家,Facebook是获取新闻的主导平台。

根据2014年不同国家用户的数据,Facebook的新闻用户徘徊在全国用户的35%左右。2016到2018年,这一比率略有减少。

同一时期,WhatsApp等其他社交网络在获取新闻方面变得越来越重要。这些不同类型的社交网络也被归在社交媒体的类别下。

在过去五年里,通过WhatsApp浏览新闻的人数从10%增长到16%,Instagram也出现了类似的增长。

还有哪些算法影响新闻浏览?

搜索引擎、电邮、手机推送和新闻平台在某种程度上也依赖算法传播新闻。

当我们问人们在网上获取新闻的主要方式是什么时,大约三分之一的人说是BBC新闻或《卫报》等新闻门户的网站和App。

另外三分之二的人获取新闻的主要方式是通过搜索引擎、社交媒体等,其中部分服务在不同程度上依赖算法。

当谈到过滤器泡沫时,我们应该关注其潜在的影响。算法和算法驱动的新闻服务非常重要,很多人借此获取在线新闻。

个性化如何运作?

我们应该区分自选个性化和预选个性化。

自选个性化指的是我们自愿的个性化处理,这一点特别重要。人们决定如何个性化新闻服务:买什么报纸、看什么频道,同时决定不看什么新闻。学者称之为选择性浏览。它受到一系列事物的影响,比如人们对新闻的兴趣政治信仰等等。

预选个性化是针对用户的个性化,有时通过算法进行,有时在人们不知情的情况下进行。这与过滤器泡沫直接相关,因为算法可能代替人们做出选择,而人们可能还没有意识到

弄清区别特别重要,因为我们不能将预选个性化及其影响与无自选个性化等同,不能假设人们在线下或者网上阅读新闻是完全随机的行为。

人们或多或少地参与了个性化,如果想了解预选个性化的程度,必须将其与现实情况,而不是理想模型进行对比。

不要浪漫化线下新闻的本质。我们做的第一批研究就是观察人们如何在线上和线下选择新闻。我们研究了英国的新闻媒体及其受众相互重叠的程度。

线下读者只会关注几个他们偏爱的新闻来源。线上情况则不同,单个新闻门户的受众较小,新闻浏览分散在许多不同的站点。

线上新闻通常是免费的,人们从不同的来源浏览新闻,我们发现,线下新闻自选个性化比线上更突出。这就是为什么将线上新闻与现实情况比较如此重要的原因。

社交媒体对浏览新闻有何影响?

社交媒体结合了自选和预选个性化。人们选择关注特定新闻机构,而放弃了其他新闻机构。

但还有一种可能:算法隐藏了人们不感兴趣的新闻,删去了人们不喜欢的新闻媒体。大家的时间有限,所以算法所做的决定将会影响人们在Facebook看到的内容。

为了理解社交媒体如何影响新闻,我们将不使用社交媒体的人群与另外两个群体比较:一组人称他们有目的地使用社交媒体获取新闻,另一组称当他们使用社交媒体时,无意浏览了新闻。我们比较了英国、美国、意大利和澳大利亚的数据,研究社交媒体对不同人群和不同社交网络的影响。

我们发现使用社交媒体的人总会顺便接触到新闻,与根本不使用社交媒体的人群相比,这显著增加了此类人群阅读新闻的数量。也就是说,使用社交媒体的人群拥有更多不同的在线新闻来源。

有趣的是,这种影响对年轻人来说尤为明显,也许是因为他们更善于使用社交媒体,在这些平台上更活跃。对于那些对新闻不感兴趣的人群来说,这种影响同样巨大。我们还发现YouTube和Twitter的新闻影响强于Facebook,这一点非常值得关注。

我们的研究表明大多数人,尤其是社交媒体用户,对新闻并不是很感兴趣。这在网上尤其明显,因为线上属于高度自由的媒体环境。

对新闻不感兴趣的人很容易完全忽视有关内容,但他们经常使用社交媒体,因此会偶然接触到新闻,即使他们没有搜索新闻。

搜索引擎会产生过滤器泡沫吗?

搜索引擎不同于社交媒体,当人们打开搜索引擎搜索新闻时,他们是在有意识地搜索。但是,当搜索特定的主题时,搜索引擎仍有可能基于过去的数据,进行算法选择。

当人们使用搜索引擎时,依然有可能被算法困在过滤器泡沫中。

我们比较了四个国家中搜索新闻和不用搜索引擎的数据,研究他们的新闻浏览习惯,我们称其为多样性均衡

我们发现算法有效地丰富了人们的新闻选择。使用搜索引擎的人会比不使用搜索引擎的人接触更多的新闻来源。更重要的是,他们很少只看到单一方面的偏激观点。

依靠自我选择的人往往有极度倾斜的阅读倾向使用搜索引擎的人通常更具有批判性。

其他研究怎么说?

我们的研究与同领域的其他研究结果一致,尽管看待问题的方式不尽相同。有研究比较了不同群体的搜索结果,比如美国共和党人和民主党人。

事实上,搜索政治话题时得到的结果或多或少有相同之处,也没有确凿的证据表明不同观点的人得到的搜索结果不同。

调查数据的问题是,人们不太善于记住他们获取新闻的来源。这是以往一直存在的问题。我们跟踪了一组英国人的网络使用情况,并将人们直接访问新闻来源的情况与通过Facebook、Twitter等门户浏览新闻的情况进行了比较。

我们发现,直接访问越多,新闻浏览的多样性就越低。在社交媒体上获取新闻时,人们不仅拥有更多的新闻来源,而且这些资源之间的平衡随着多样性的增加而改善。

有许多研究要么发现了过滤器泡沫的微弱影响,要么融合了其他干扰因素。几乎没有研究发现过滤器泡沫对新闻影响的有力证据。这是我们目前工作的总结,具有很高的代表性。

社交媒体会助长两极分化吗?

尽管使用社交媒体和搜索引擎时可能会丰富多样性,但这种多样性可能是由更多的党派或两极分化的新闻来源造成的。美国一组研究人员观察了人们在Twitter上浏览与自己观点相左的新闻所发生的情况。

如果他们是共和党人,他们会从Twitter上得到很多民主党人的信息,反之亦然。他们发现,当人们注意到来自反方的信息时,他们的态度开始分化,最初的想法变得更加根深蒂固。

我们采取了不同的研究方法:衡量不同国家不同新闻环境中两极分化的程度,研究特定新闻媒体的受众,查验这些受众所持观点的人群构成与整体人口有何不同。

不出所料,福克斯新闻在美国的受众比总体上更右倾。美国新闻环境是两极分化的,因为这里的过滤器泡沫效应比其他国家分布更为广泛。

我们还比较了线上和线下的新闻浏览情况。在12个国家中,有8个国家的线上新闻受众比线下受众的两极化程度要高,分散也更广。

其他国家的数据要么基本相同,要么线下的情况更加两极分化。不过,总的来说,网络新闻环境似乎更加两极分化或许是因为新闻媒体更有动机在线上制作专门的党派内容。

为什么不要关注过滤器泡沫?

专注于过滤器泡沫可能会导致我们误解新闻背后的机制,也可能会分散我们对更紧迫问题的注意力。在某种程度上,它与网络平台的使用有关。这并不是网络平台的问题,而是平台凸显了这个问题。

大多数已有的证据表明,线上新闻在搜索和社交媒体上的使用更多元。但这种多样性同样有可能造成态度的两极分化。这与过滤器泡沫假设的预测正好相反。我们没有因为过滤器泡沫导致多样性降低。这一假设未能抓住过滤器泡沫背后的原理。

我们知道平台一直在改变为用户提供新闻的方式,人们获取新闻的方式也在改变。因此,我们需要批判性地研究算法选择对新闻的影响,过去几年的情况也不一定会在未来成为现实。

最重要的一点,对过滤器泡沫的关注可能会妨碍我们正确地看待政治和社会分裂的深层次原因。

虽然我们一直在研究社交平台及其对阅读新闻的影响,但我们不能忽视更重要的潜在因素,它们才是现在社会问题的根本原因。

本文转载自网络,如有侵权,请联系删除.

武汉seo

关于我们
专业服务
友情链接
最新资讯
联系我们

178-7104-0006

建站服务热线

武汉漠漠网络工作室 Copyright © 2015-2017 版权所有 鄂ICP备18000247号