個性化推薦越來越多，會因此錯過不同意見嗎？

知識 10-18

Yiqin Fu，小說和數據都可以看一天

Facebook幾位數據科學家 2015 年在Science上發文，表示「用戶對信息的主動篩選是導致他們接收信息單一的主要原因，網站的新鮮事演算法排序對此影響較小」。文章遭到學術界的尖銳批評，被某些學者稱為「洗白」論文。爭議集中在該研究的樣本和結論兩方面。

目前我們對「演算法排序是否阻礙多元信息傳播」這個問題還沒有統一答案。但社交媒體普及不過才幾年時間，日後應該會有更多權威研究。

先來看 Facebook 的這項研究。研究分析了 2014/07/07 到 2015/01/07 半年來用戶在個人主頁上看到及點開的新聞鏈接。研究人員計算了每位用戶和每個新聞鏈接的「政治傾向分數」，由此判定哪些內容和用戶意見相左。（政治在這裡是一個非常廣泛的概念。總統競選是政治，墮胎、轉基因也是政治。）

文章的核心發現就是下面這幅圖：

個性化推薦越來越多，會因此錯過不同意見嗎？

可以看出，如果 Facebook 隨機向用戶展示全網正在被分享的內容（忽略好友關係），自由和保守派看到的內容有超過 40% 都來自對方陣營。好友關係（第二列）大幅減少了這個比例，讓信息變得更單一，因為保守派的朋友多是保守派，自由派的朋友多是自由派。

再看右邊兩列：演算法排序篩掉了 5% 與保守派意見相左的內容，8% 與自由派意見相左的內容。而用戶有選擇性的點擊進一步篩掉了與他們意見相左的內容，分別是保守派 17%，自由派 6%。

由此，研究人員得出如下結論：

我們毫無疑問地證明，在限制 Facebook 多元信息傳播這個問題上，個人選擇比演算法的影響更大。

文章發表後遭到學術界的尖銳批評。主要問題如下：

1. 該研究的樣本不是隨機選取的，而是限定在「一周登錄 4 - 7 次」且「在 Facebook 上標註了自己政治傾向」的用戶。雖然樣本數量很大，但並不具代表性，樣本選取極有可能對結果有影響。比如，Facebook 絕大多數用戶（91%）沒有標明政治傾向，對政治可能沒那麼關心，那麼演算法排序對他們的影響可能會更大。論文不該用「毫無疑問地證明 Facebook 上...」這種話來誤導讀者，讓大家以為論文的結論適用於所有 Facebook 用戶。

論文作者對此回應說，標註了政治傾向的用戶一般更積极參与政治，所以研究這些人也是很有價值的。以後當然也可以研究其他群體。

2. 不能因為「演算法」的影響比「個人選擇」的影響小，就給演算法「洗白」。學術界很早就發現「人們更可能選擇瀏覽和自己意見相似的內容」，這點沒有爭議。大家想知道的只是演算法排序有沒有加劇這一現象。

密歇根大學一學者批評說，這篇論文就好比煙草公司選擇對煤炭工人進行研究，發現吸煙給人帶來的危害不如比挖炭。正確的結論應該是「吸煙和挖炭都對人有害」，就好比 Facebook 這篇論文的結論應該是「演算法和人工選擇都限制了用戶接觸與他們意見相左的內容」。「演算法排序」和「人工選擇」在這裡是 and（和），不是 or（或）。

3. 就算我們來比較「演算法」和「個人選擇」哪個影響更大，論文的結論也只在保守派這裡成立。演算法篩掉了 8% 與自由派用戶意見相左的內容，而他們主動選擇只刪掉了 6%。

4. 因為只有 Facebook 內部有數據，所以其他人無法重複這個研究。如果另一組學者按照同樣的方法研究，會得到相同結論嗎？Facebook 的演算法每天都在變，我們可以確定今年的演算法和去年的演算法對信息的篩選效果一樣嗎？

其實解決這些問題最簡單的辦法就是 Facebook 自己做一個實驗，實驗組的新鮮事頁面經過演算法排序，對照組的沒有演算法參與，完全逆序排列。但 Facebook 前幾年因為在用戶身上做實驗已經遭到社會批評且涉嫌違法，所以再次大規模做實驗估計不太可能。更重要的是，Facebook 作為商業公司，對演算法排序是否加劇大眾意見兩極化也不太感興趣。

希望以後學者可以設計厲害的實驗來回答這個問題。不管是觀察還是做實驗，都要牽扯到數據科學、計算機、計量、心理學 / 社會學 / 傳播學 / 政治學理論，確實是有意思的跨學科問題。

相關研究：

超過半數用戶都不知道他們在 Facebook 看見的內容是經過演算法排序的；當他們看不見好友發的東西時，很多人以為是好友故意不讓他們看

我們在Facebook上互動最多的內容是「強關係」好友分享的，但我們看到的新鮮內容大都由「弱關係」分享

大眾媒體是否加劇民眾意見兩極化？答案也是「我們無法確定」（見 Prior, Gentzkow,Iyengar）

客官，這篇文章有意思嗎？

好玩！下載App接著看 (????) ?

再逛逛吧 ˊ_>ˋ

TAG:知乎日報 |

您可能感興趣