人們是如何瀏覽社交媒體的新聞的?_風聞
观察者网用户_241051-2019-10-05 09:32
摘要:本期推送的是牛津大學研究員Richard Fletcher和教授Rasmus Kleis Nielsen發表於Information, Community & Society的文章Generalised Scepticism: How People Navigate News on Social Media。社交媒體日漸成為一重要的新聞來源。社交媒體上的新聞同時經歷了記者、編輯和算法的多重篩選。本文關注了用户如何瀏覽新聞,以及其如何看待這些篩選方式的。
傳統上,編輯和記者從無數可獲得的信息中,生產出版有限數量的新聞以幫助人們理解世界,這些新聞實際上都受到了進一步的篩選。但很多人主張,數字媒體使得這“意見領袖”的第二輪的篩選尤為重要,因為一般用户羣體也可以提升線上內容的關注度,而“用户生產的可見性”也影響着新聞在新聞網站(如“最多點擊”)和社交媒體(如點贊、評論與分享)中流動。
社交媒體平台依賴於算法自動產生的展示決策,以確定展示給不同用户的不同內容。算法可以被寬泛地定義為“解決一個問題或者完成一個任務的指導”。在這個案例中,任務即是使用計算機方法來分類篩選線上信息,新聞即是其中的一類信息。在社會科學中,至少有三種可能分析算法的起點,(1) 對社會、政治和經濟的意義的理論分析,(2) 對算法使用及其效果的經驗案例研究,(3) 對人們如何經驗算法篩選的經驗研究。
目前,大家對人們如何看待算法篩選,只有一個十分寬泛的理解。現有研究關注了一般“算法意識 (algorithmic awareness)”。Eslami發現,多數臉書用户並未意識到對其提供的新聞受到算法管理 (algorithmic curation)。雖然有時人們認為算法篩選是有必要的,也十分讚賞它,但缺乏對其的意識會產生不滿。在後續跟進調查中,他們發現人們對算法篩選的滿意度或者上升了,或者保持不變,也就是説,提升算法意識可以產生一個更積極的態度。
另一個研究關注了,臉書用户對算法篩選的體驗(這種算法被稱作EdgeRank算法)。Bucher通過發展福柯的全景監獄 (Panopticon) 理論,來描述新聞投放如何使得用户彼此可見,同時卻又以不可見性 (invisibility) 威脅着彼此。基於這一點,Bucher採訪了二十五位受訪者,詢問他們關於每天臉書上新聞投放的體驗。受訪者表達了不同的體驗,有的積極,有的消極。這意味着臉書算法產生了一種情緒的泛濫,包括未得到足夠多的“贊”時的失落感與感到“這些人從哪裏蹦出來的?”的陌生感。就新聞而言,一位受訪者表示只有當新聞與其自身利益與信念不符時,她才會考慮臉書的算法。當然,反過來説,就是如果算法如預期般表現,算法就不會被注意到,也就不會有任何積極或消極的反應。
總言之,越來越多的社會科學研究關注了作為新聞源的社交媒體以及其算法。但很少有研究特別關注人們是如何在社交媒體上瀏覽新聞的,比如他們是如何看待編輯篩選與算法篩選兩者之間的關係的。本文將會關注討論這些問題。
定性研究
研究分為兩階段,分別採用定性和定量研究方法。在歸納定性階段,依賴於焦點小組 (focus group) 的材料,因為焦點小組方法可以提供一個更為靈活而開放的方式,來探索人們對世界的認知與闡釋。這種方法尤其有助於識別無先例的回應,以探究人們不同的看法,從而產生歸納性發現而為提出可定量研究的假設做準備。
通過和市場研究企業與地方學術機構的合作,於2016年二月在德、西、英、美開展了八次焦點小組討論。小組由專業項目主持人選擇組織。所有討論時長相同,且由主持人遵循討論指導進行。參與者先被要求進行一系列準備任務以提升其對新聞習慣的敏感度,並對其進行反思。準備任務包括新聞日記,這可以提升其對新聞及其平台、來源等的意識。除此之外,參與者還要進行剝奪訓練,即一天不接觸數字新聞,以通過打斷其日常習慣而揭示出其作用。 在每一個國家,兩個焦點小組分別由20至34歲和35歲至54歲的線上新聞用户組成,性別分佈平均。共有56人蔘與討論。小組並不旨在具有統計代表性,但希望呈現對數字新聞的不同態度觀點。
焦點小組歸納分析
此處的分析並非全面的,我們僅關注其對在社交媒體瀏覽新聞的態度。
首先,參與者對社交媒體何為新聞都有明確地界定,其定義與專業新聞的傳統形式緊密相連。一位參與者表示:“新聞是生產出來的。他們不會給我們些原材料。”(美國,35-54) 很多參與者讚賞職業記者的相對中立客觀的報道目標,但也對新聞中的偏見、新聞組織的商業影響和其它政治精英影響持批判態度。很多人對新聞媒體並不十分信任。
其次,多數參與者表示他們確實在社交媒體上遇到過新聞。他們表示,他們並不認為臉書是獲得新聞的途徑,但確實從中獲得了其它地方可能找不到的東西。“只要我無聊了,我就看臉書。我就是隨便翻翻,但意外地我被告知了些什麼,我也蠻喜歡這樣的。”(德國,20-34) 有的用了更強的語言:“我們並不找新聞,是它們向我們扔了過來。”(西班牙,20-34)
第三,基於其對新聞特徵的理解,多數參與者明確表示,臉書等社交網絡本身不是新聞出處 (news outlet)。美國近期的研究發現,10%的參與者將臉書視為一個新聞來源,但在我們的八個焦點小組中,無一如此。相反,受訪者都認為新聞源於新聞機構,即使是那些社交平台上的新聞也是如此。
一位德國的年輕參與者平時置身於多種不同的新聞篩選,他明確表示:“我不會説我比其它媒體更相信臉書。因為這些新聞背後並不是臉書本身,而是其它鏡報、時代報什麼的。臉書只是一個事物傳播分享的平台。”(20-34)
一位較為年長的英國參與者持有不同的觀點,“臉書本身只是一個數據庫。你的登錄信息引導你到你的頁面。其餘的就是由一系列不同資源連接起來的平台。”
應當注意,參與者對社交媒體如何篩選新聞內容的意識程度各有不同。比如,在西班牙的較年輕的焦點小組中,當被詢問到“是否所有媒體的新聞都在臉書上發佈,還是隻是部分?”兩位參與者表示未曾考慮過這個問題,另一個則表示“我認為是的,因為那是免費的。”
在英美的調查中,也表現出了有限的算法篩選意識。 “我並不曾意識到這個,你是説它們篩選出我們想讀的故事嗎?”(英國,20-34) 部分參與者有一個較為明確但基礎的理解。“基於你點讚的事和你的瀏覽記錄”(美國,20-34)“臉書依賴我投放的東西,而它(對我)的投放則基於我的興趣、點贊和活動。”(德國,20-34) 重要的是,不論其對算法篩選的理解如何,沒有一個參與者表達了類似於“我信任谷歌”這樣的態度,而這一態度曾在Hargittai等人在美國2009年的焦點小組研究中識別出來。沒有參與者表達了對算法或平台的這種天真信任,也沒有人表示因為不信任編輯篩選或新聞本身而認同算法篩選。
有時,參與者表示社交媒體的新聞“優劣和其它新聞來源相差無幾。”(美國,20-34) 但有時,參與者對此二者均有所保留。美國的一個小組討論到政治傾向會影響編輯篩選。如一位參與者所説:“只要是像選舉這樣政治的新聞,我就會離福克斯新聞 (Fox News) 遠遠的。……我想眾所周知,那完全是片面的。”(美國,20-34) 之後,當這個小組被要求用一個詞總結社交媒體上的新聞時,在考慮了身邊認識的人所投放的新聞後,一個人説“偏頗 (biased)”,而另一個隨即同意道“對,‘偏頗’是個好詞。”(美國,20-34) 而在對譁眾取寵(sensationalism) 普遍擔憂的英國也有類似的案例。當討論到電視新聞時,一位參與者表示“有時我真的感到很受挫,那些主流頭條故事不應是那樣的。”而新聞網站“有非常譁眾取寵的話題以提高點擊率。”(英國,20-34) 但他們也意識到,由算法篩選的內容,也可能有同樣的結果。
這表現出了一種普遍懷疑 (generalised scepticism),人們出於不同目的,使用各種不同渠道和平台,卻不相信任何一者。因此,雖然人們傾向於區分編輯篩選和算法篩選,但多數人以我們稱之為的“普遍懷疑”的方式,使用這些信息。
在這些定性材料中,有一個值得注意的差異,即年輕和年長的媒體使用者對算數篩選談論方式。年輕人中對此的討論,更為頻繁,也更為細緻。年輕用户雖非全知全能的“數字原住民 (digital natives)”,卻常常幻想如何通過挑選來源與調整設定來更主動地干預他們在社交媒體上看到的新聞。年長用户雖然有時注意到算法篩選,但他們很少提及。部分用户沒有注意到有可以干預算數篩選的選項。
最後,不論年齡,很多人都明確將社交媒體區分為一個“軟”新聞來源。一位西班牙的年輕參與者表示:“(社交媒體)是我看到更多國際性的奇怪故事的地方。你之所以會點擊是因為你會説‘看看那,多滑稽啊!’或者就是你根本就不相信它,你點它是因為‘那多奇怪啊!’”英國一位較年長的參與者表達了類似觀點:“我常看流行的東西,像那些名人、八卦啊。嚴格説來,嗯,那並非我想看的新聞,但有時我就陷進去了而不能自拔。”
定量研究
演繹假設
在此檢驗了三個基於前述材料的假設。
首先,參與者雖然明確區分編輯篩選與算法篩選,參與者都以不同程度的“普遍懷疑”來接觸使用兩者。他們並不認為算法篩選可以替代編輯篩選。由此,
HI:認為編輯篩選是新聞篩選好方法的人,更可能認為算法篩選是一個新聞篩選好方法。
第二,在年輕羣體中,參與者更常表現出對算法的更完備明確的意識,對平台也有更積極的態度,也明確表示他們如何幹預社交媒體提供給他們新聞。由此,預測年齡與接受算法篩選負相關。
H2:較年輕的人更可能接受算法篩選。
第三,不論年齡,在“軟”新聞方面,參與者均表示更偏好算法篩選的新聞,但他們也潛在意識到在“硬”新聞方面使用算法篩選的可能並暗示了其擔憂。由此,我們推測,對“軟”新聞的興趣程度與對算法篩選的承認正相關。
H3:對軟新聞更感興趣的人,更可能認可算法篩選。
定量數據
調查數據來自於路透數字新聞報告(Reuters Institute Digital News Report)來自二十六個國家的超過五萬名應答者參加了線上問卷調查。樣本依據人口普查數據加權以對應國家人口。表示自己使用新聞的頻率低於每月一次的應答者已被去除。
變量
在因變量方面,主要關注了兩個分別對應於不同類型的算法篩選的因變量:(1) 基於個人消費的對算法篩選的認可;(2) 基於社交推薦的對算法篩選的認可。實際上,此二者不必在實踐中有所不同,因為不同平台基於多種因子以不同的方式進行內容篩選。但由於用户對算法的意識差異很大,對技術預言和差異熟悉程度也有限,我們採取了更便於應答者理解的表述。
應答者對下述表述表達了其同意程度(用“非常不同意”到“非常同意”的五分制量表表示)(1)“基於過去我所瀏覽的新聞自動篩選給我新聞,是獲得新聞的一種好方式”;(2)“基於我朋友所瀏覽的新聞自動篩選給我新聞,是獲得新聞的一種好方式”。考慮到很多應答者對新聞生產瞭解有限,為提高數據質量,已嚮應答者澄清,所有的新聞總是某種意義上篩選得來的。
在自變量方面,為了檢驗假設,聚焦於三個自變量:(1) 對編輯篩選的認可;(2) 年齡;(3) 對軟/硬新聞的興趣。前兩者的調查方式十分相似。具體的表述是“由記者和編輯為我篩選新聞,是獲得新聞的一種好方式。”應答者作答前,同樣被告知,所有新聞總是某種意義上篩選的來。
對軟/硬新聞的興趣的衡量,由八個問題構成。應答者被要求對八個不同的新聞話題打分,用“毫無興趣”到“非常感興趣”的五分制量表表示。對軟新聞興趣的評測,基於四個話題(娛樂明星新聞、生活新聞、藝術文化新聞和體育新聞)興趣程度的平均值表示。對硬新聞興趣的評測,以同樣的方式基於另四個話題(國際新聞、政治新聞、商業經濟新聞和健康教育新聞)表示。
這項研究也使用了一系列控制變量,包括性別、政治傾向、教育程度、對新聞的信任程度和互聯網使用頻繁程度。
結論
描述性統計結果
表1顯示了本次分析的描述性統計數據。可以看到,除了德國,對基於個人行為的算法篩選的認可平均高於編輯篩選,而在所有國家,後者又高於基於社交推薦的算法篩選。對於所有類型的篩選認可,整體都較低,多數平均值低於3.0。
(温馨提示:點擊查看大圖)
同時可以簡要考慮一下編輯篩選和算法篩選之間的關係。圖1展示了各國對相關問題反應的熱圖。我們可以發現,多數人對兩者篩選都持有了相同(常較低)的認可程度。僅較少的人很認可編輯篩選而不怎麼認可基於行為的算法篩選,而不認可編輯篩選的人也不怎麼認可基於行為的算法篩選。
圖1:對編輯篩選和算法篩選的認可之關係的熱圖
(温馨提示:點擊查看大圖)
假設檢驗
通過一系列普通最小平方迴歸模型(OLS regression)檢驗各變量之間的關聯度。為使各項係數便於比較,所有非類別變量已標準化。
表2彙總了各個國家的模型,其中因變量為對基於個人行為的算法篩選的認可。假設1預測此與編輯篩選認可正相關。各個國家均顯示出了這種強正相關。假設2預測年齡與對基於個人行為的算法篩選的認可的負相關。除了德國,各國均顯示出此相關,但並不顯著。假設3預測對基於個人行為的算法篩選的認可,與對軟新聞的興趣正相關,與對硬新聞的負相關。然而,在多數國家,並未找到證據支持此假設。又一次,唯一的例外是德國,只有在德國,此二者表現出了正相關。
(温馨提示:點擊查看大圖)
表3彙總的模型,其因變量為對基於社交推薦的算法篩選的認同。在此,觀察到各國對此與對編輯篩選認同的顯著相關性。由此,可以説假設1被支持了。同時,除了德國,也發現年齡與之顯著負相關。由此,假設2也很大程度上被支持了。與表2不同,對軟新聞的興趣與對基於社交推薦的算法篩選的認可正相關,而除了英國,其它國家對硬新聞的興趣與之負相關。由此,假設3也被支持了,但僅對於一種算法篩選。
(温馨提示:點擊查看大圖)
總結
本研究檢驗了人們是如何在社交媒體上瀏覽新聞的,以及他們是如何理解他們所遇到的不同的新聞篩選的。基於焦點小組的歸納分析,發現多數人會區分新聞組織和平台。發現很多參與者以一種“普遍懷疑”的態度在社交平台上瀏覽新聞。基於定性研究提出了三個假設並通過定量研究檢驗。發現了證據支持:(1) 多數媒體使用者以“普遍懷疑”的態度使用新聞;(2) 認可算法篩選在年輕人中更普遍;(3) 對軟新聞有較大興趣的人,更認可基於社交的算法篩選。不論是定量還是定性研究,對新聞的態度、年齡和興趣的差異顯著於國際間差異。
文獻來源:
Fletcher, R.& Nielsen, R. K. (2019). Generalised Scepticism: How People Navigate News on Social Media.Information,Communication&Society, 22(12), 1751-1769.