当代把关人理论的奠基者人也在发生变化地弱化

计算是当代新闻实践的一个重要特征。自本世纪初提出计算新闻的概念以来,随着新技术的出现,其理论和内涵不断发展和丰富。今天,它涵盖了新闻业使用的一系列信息技术如何用程序算矩阵,从聊天机器人和推荐系统到人工智能 (AI) 和原子化新闻。这些技术已被业界广泛应用于新闻的编辑、制作和发布。数据、算法和软件正在成为当代新闻业不可或缺的一部分,我们在这里统称为机器。毫无疑问,机器正在取代人类,至少部分是这样。与此同时,选择和控制新闻流的看门人也在发生变化。

当代看门人理论

所谓把关,是指传播过程中可能遇到的各种障碍、过滤和传递信息的过程。影响新闻把关的决策矩阵包括内部个体认知差异、新闻生产过程、组织特征、广告商、政府等外部社会制度,以及文化、意识形态等社会制度因素。守门人意味着有能力控制新闻信息内容的传播以及社会现实的构建方式。

看门人传统上主要与新闻有关。时至今日,虽然传统新闻业在信息环境建设中仍然发挥着重要作用,但随着社交媒体的兴起,这一作用与以前相比已大大削弱。

社交媒体中的看门人过程 由于用户的参与,看门人的定义变得普遍。守门人理论创始人帕梅拉·舒梅克指出,新媒体环境下“我们都是守门人”。在此基础上,有学者认为看门人理论已经过时,有学者将用户看门定义为“二级看门人”,也有学者指出新闻的作用正在从“社会现实的建设者”转变为“网络内容”。 “二次发布经理”,从看门人到“看门人”。

当代看门人理论将记者、专业意见领袖和在线影响者等人类角色以及算法等技术角色以及这些角色之间的相互作用视为更广泛的社会技术看门人实践的一部分。. 进入数字时代后,新闻学界逐渐注意到,搜索引擎、聚合器、评分系统、监管平台背后的算法,其实都在扮演守门人的角色,成为数字守门人。最初,数字看门人主要在新闻发布中发挥作用。后来,随着人工智能的发展,数字看门人已经渗透到新闻编辑、制作和发布的每一个环节。

计算新闻发现

计算新闻发现 (CND) 是指使用算法将记者的注意力引导到未发表的具有新闻价值的事件或信息上。CND有三种常见的应用形式。一是对社交媒体平台的海量内容进行监控,识别突发热点或经常性活动,识别并跟踪,然后向记者推荐有效的信息来源或证人。二是监控数字或文本等格式的数据源,通过设置规则或检测异常值来识别记者可能感兴趣的项目。三是利用机器学习技术从历史数据中学习规律进行报道价值判断,进而利用机器学习模型扩大新闻调查范围,帮助记者发现更多新闻线索。

CND 与记者合作,通过引导注意力来完成社会技术把关过程。CND 不会增加新闻编辑室的注意力总量,但会影响注意力的分布。一些研究发现,CND 与人工监控信息渠道争夺注意力,可能会增加记者的劳动强度。在某些应用程序中,CND 可以通过准确过滤否则会引起注意的内容来节省时间,而在其他情况下,它更多的是分散注意力而不是节省时间。提高内部注意力经济的关键是人机交互设计应该支持人类行为。例如,记者对不同类型的新闻线索有不同的期望,所以CND系统应该是灵活的,适用于广泛的应用场景。此外,CND系统应对推送内容的重要性进行初步评估,以有效引导用户注意力。

影响把关决策的因素非常复杂,容易产生个人偏见。虽然机器可以建立统一的价值标准,但它们对先验知识的限制也会导致算法偏差。不同的是,随着科技的进步如何用程序算矩阵,机器的偏差将无限接近于零。以人为本的社会和技术把关过程应提高CND系统的可配置性,从而发挥记者在新闻选择过程中的主导作用。但是,现代媒体的产业属性会带动资本不断提升CND系统的AI水平,以更大程度替代人力。

自动化新闻

自动化新闻是指由算法驱动的结构化数据到新闻文本的转换,强调除了初始编程之外几乎不需要人工干预。在体育和金融领域,自动化新闻得到了广泛的应用。它分析和组织稳定的数据流,将信息嵌入到预先定制的模板中,然后撰写发布在不同平台上的新闻稿。自动化新闻在有效性和效率方面远远优于人类。此外,自动化新闻体现了新闻价值中立的技术乌托邦愿景。相关研究表明,无法实现纯粹的价值中立,自动化新闻也离不开特定的社会、文化和政治背景,这主要取决于创作者的目标和技术。

除了“机器为人写作”之外,最近还出现了“人为机器写作”,即原子化新闻。这项技术诞生于自动化新闻越来越多地使用结构化数据的背景下。“人为机器写作”要求编辑将非结构化信息转换为结构化数据,以便自动重组和未来重用内容。原子新闻促进了新闻的个性化生产。它可以根据不同的阅读设备、受众年龄和教育程度等受众特征生成易于阅读和理解的故事。Atomic News 将编辑从日益苛刻和复杂的新闻制作过程中解放出来,让他们只关注新闻的核心,腾出时间和资源来创造更好的内容。

尽管人工智能在结构化新闻中得到了广泛的应用,但它目前在调查性新闻中的应用仍然非常有限。第一个原因是一些具有新闻价值的新闻包含深刻的社会政治因素,难以计算和编码。第二个原因是调查性新闻报道的独特性,训练数据难以获取,训练模型不通用,无法通过多次复用来分摊开发成本。但这并不意味着人工智能在调查性新闻中毫无用处。人工智能至少可以协助调查记者进行数据清理和组织,以及大规模结构化数据分析。早在1988年,《大西洋月刊》记者比尔·戴德曼(Bill Dedman)借助电脑检索和梳理海量住房抵押贷款数据,撰写了一系列揭露行业内无形种族歧视的报道。政策奖。相信随着技术的进步,人工智能将在调查性新闻中发挥更大的作用。

算法新闻推荐

算法新闻推荐器(ANR)采用推荐个性化新闻的分发方式,影响用户的在线新闻消费习惯。ANR 可以根据用户的特征和偏好预测用户对什么感兴趣,甚至可以帮助用户实现认知目标。目前,机器主导了ANR的把关过程,导致了个人层面的信息茧和社会层面的政治两极分化等一系列问题。一些学者将其归因于新闻价值的缺乏。问题在于,在 ANR 的背景下,由于新闻实践以及记者与观众之间关系的变化,新闻价值观也在发生变化。研究表明,媒体工作者大多将ANR视为新闻编辑室的延伸,认为应按照新闻套路坚持传统的新闻价值观。但当被问及如何设计一个成功的 ANR 时,受访者最强调的核心价值观是透明度、多样性、编辑自主权、信息的广度、个人相关性、使用的乐趣等,感觉像是客观、中立、公开服务等。传统新闻价值不那么重要。ANR的设计和实现涉及很多利益相关者,除了记者和观众,还包括数据科学家、产品负责人、用户体验工程师等。考虑到技术和功能的复杂性,要​​坚持传统的新闻价值观并不容易在 ANR 中。

记者、观众、媒体、社交平台、政府都应该积极参与ANR算法设计的多方博弈。面对复杂海量的网络信息,如果没有算法过滤,我们就会被海量的信息淹没。关键是我们希望机器成为什么样的新闻门?机器没有本能,机器背后是文化、政治和经济利益。正如人类的把关作用没有普遍接受的评价标准一样,机器作为这个角色的评价无疑是复杂的。只有利益相关者真正纳入把关决策矩阵,相互博弈,才能实现整体价值最大化。

新媒体的发展不仅带来了把关过程的去中心化,也导致把关权过度集中在少数人物或平台手中。当代看门人理论提出了一个解释框架,其核心是将更多的利益相关者纳入看门决策矩阵。分析计算新闻中的看门人,一方面需要了解社会技术实践背后的文化、政治和经济因素;计算新闻仍处于快速发展阶段,新闻聊天机器人、元界等推动了新闻的边界。未来对计算新闻看门人的研究需要将重点从人机协作转向人机通信。

(作者:西安交通大学新闻与新媒体学院)

© 版权声明
THE END
喜欢就支持一下吧
点赞0
分享
评论 抢沙发

请登录后发表评论