人们是如何浏览社交媒体的新闻的？_风闻

摘要：本期推送的是牛津大学研究员Richard Fletcher和教授Rasmus Kleis Nielsen发表于Information, Community & Society的文章Generalised Scepticism: How People Navigate News on Social Media。社交媒体日渐成为一重要的新闻来源。社交媒体上的新闻同时经历了记者、编辑和算法的多重筛选。本文关注了用户如何浏览新闻，以及其如何看待这些筛选方式的。

传统上，编辑和记者从无数可获得的信息中，生产出版有限数量的新闻以帮助人们理解世界，这些新闻实际上都受到了进一步的筛选。但很多人主张，数字媒体使得这“意见领袖”的第二轮的筛选尤为重要，因为一般用户群体也可以提升线上内容的关注度，而“用户生产的可见性”也影响着新闻在新闻网站（如“最多点击”）和社交媒体（如点赞、评论与分享）中流动。

社交媒体平台依赖于算法自动产生的展示决策，以确定展示给不同用户的不同内容。算法可以被宽泛地定义为“解决一个问题或者完成一个任务的指导”。在这个案例中，任务即是使用计算机方法来分类筛选线上信息，新闻即是其中的一类信息。在社会科学中，至少有三种可能分析算法的起点，(1) 对社会、政治和经济的意义的理论分析，(2) 对算法使用及其效果的经验案例研究，(3) 对人们如何经验算法筛选的经验研究。

目前，大家对人们如何看待算法筛选，只有一个十分宽泛的理解。现有研究关注了一般“算法意识 (algorithmic awareness)”。Eslami发现，多数脸书用户并未意识到对其提供的新闻受到算法管理 (algorithmic curation)。虽然有时人们认为算法筛选是有必要的，也十分赞赏它，但缺乏对其的意识会产生不满。在后续跟进调查中，他们发现人们对算法筛选的满意度或者上升了，或者保持不变，也就是说，提升算法意识可以产生一个更积极的态度。

另一个研究关注了，脸书用户对算法筛选的体验（这种算法被称作EdgeRank算法）。Bucher通过发展福柯的全景监狱 (Panopticon) 理论，来描述新闻投放如何使得用户彼此可见，同时却又以不可见性 (invisibility) 威胁着彼此。基于这一点，Bucher采访了二十五位受访者，询问他们关于每天脸书上新闻投放的体验。受访者表达了不同的体验，有的积极，有的消极。这意味着脸书算法产生了一种情绪的泛滥，包括未得到足够多的“赞”时的失落感与感到“这些人从哪里蹦出来的？”的陌生感。就新闻而言，一位受访者表示只有当新闻与其自身利益与信念不符时，她才会考虑脸书的算法。当然，反过来说，就是如果算法如预期般表现，算法就不会被注意到，也就不会有任何积极或消极的反应。

总言之，越来越多的社会科学研究关注了作为新闻源的社交媒体以及其算法。但很少有研究特别关注人们是如何在社交媒体上浏览新闻的，比如他们是如何看待编辑筛选与算法筛选两者之间的关系的。本文将会关注讨论这些问题。

定性研究

研究分为两阶段，分别采用定性和定量研究方法。在归纳定性阶段，依赖于焦点小组 (focus group) 的材料，因为焦点小组方法可以提供一个更为灵活而开放的方式，来探索人们对世界的认知与阐释。这种方法尤其有助于识别无先例的回应，以探究人们不同的看法，从而产生归纳性发现而为提出可定量研究的假设做准备。

通过和市场研究企业与地方学术机构的合作，于2016年二月在德、西、英、美开展了八次焦点小组讨论。小组由专业项目主持人选择组织。所有讨论时长相同，且由主持人遵循讨论指导进行。参与者先被要求进行一系列准备任务以提升其对新闻习惯的敏感度，并对其进行反思。准备任务包括新闻日记，这可以提升其对新闻及其平台、来源等的意识。除此之外，参与者还要进行剥夺训练，即一天不接触数字新闻，以通过打断其日常习惯而揭示出其作用。 在每一个国家，两个焦点小组分别由20至34岁和35岁至54岁的线上新闻用户组成，性别分布平均。共有56人参与讨论。小组并不旨在具有统计代表性，但希望呈现对数字新闻的不同态度观点。

焦点小组归纳分析

此处的分析并非全面的，我们仅关注其对在社交媒体浏览新闻的态度。

首先，参与者对社交媒体何为新闻都有明确地界定，其定义与专业新闻的传统形式紧密相连。一位参与者表示：“新闻是生产出来的。他们不会给我们些原材料。”(美国，35-54) 很多参与者赞赏职业记者的相对中立客观的报道目标，但也对新闻中的偏见、新闻组织的商业影响和其它政治精英影响持批判态度。很多人对新闻媒体并不十分信任。

其次，多数参与者表示他们确实在社交媒体上遇到过新闻。他们表示，他们并不认为脸书是获得新闻的途径，但确实从中获得了其它地方可能找不到的东西。“只要我无聊了，我就看脸书。我就是随便翻翻，但意外地我被告知了些什么，我也蛮喜欢这样的。”(德国，20-34) 有的用了更强的语言：“我们并不找新闻，是它们向我们扔了过来。”(西班牙，20-34)

第三，基于其对新闻特征的理解，多数参与者明确表示，脸书等社交网络本身不是新闻出处 (news outlet)。美国近期的研究发现，10%的参与者将脸书视为一个新闻来源，但在我们的八个焦点小组中，无一如此。相反，受访者都认为新闻源于新闻机构，即使是那些社交平台上的新闻也是如此。

一位德国的年轻参与者平时置身于多种不同的新闻筛选，他明确表示：“我不会说我比其它媒体更相信脸书。因为这些新闻背后并不是脸书本身，而是其它镜报、时代报什么的。脸书只是一个事物传播分享的平台。”(20-34)

一位较为年长的英国参与者持有不同的观点，“脸书本身只是一个数据库。你的登录信息引导你到你的页面。其余的就是由一系列不同资源连接起来的平台。”

应当注意，参与者对社交媒体如何筛选新闻内容的意识程度各有不同。比如，在西班牙的较年轻的焦点小组中，当被询问到“是否所有媒体的新闻都在脸书上发布，还是只是部分？”两位参与者表示未曾考虑过这个问题，另一个则表示“我认为是的，因为那是免费的。”

在英美的调查中，也表现出了有限的算法筛选意识。 “我并不曾意识到这个，你是说它们筛选出我们想读的故事吗？”(英国，20-34) 部分参与者有一个较为明确但基础的理解。“基于你点赞的事和你的浏览记录”(美国，20-34)“脸书依赖我投放的东西，而它（对我）的投放则基于我的兴趣、点赞和活动。”(德国，20-34) 重要的是，不论其对算法筛选的理解如何，没有一个参与者表达了类似于“我信任谷歌”这样的态度，而这一态度曾在Hargittai等人在美国2009年的焦点小组研究中识别出来。没有参与者表达了对算法或平台的这种天真信任，也没有人表示因为不信任编辑筛选或新闻本身而认同算法筛选。

有时，参与者表示社交媒体的新闻“优劣和其它新闻来源相差无几。”(美国，20-34) 但有时，参与者对此二者均有所保留。美国的一个小组讨论到政治倾向会影响编辑筛选。如一位参与者所说：“只要是像选举这样政治的新闻，我就会离福克斯新闻 (Fox News) 远远的。……我想众所周知，那完全是片面的。”(美国，20-34) 之后，当这个小组被要求用一个词总结社交媒体上的新闻时，在考虑了身边认识的人所投放的新闻后，一个人说“偏颇 (biased)”，而另一个随即同意道“对，‘偏颇’是个好词。”(美国，20-34) 而在对哗众取宠(sensationalism) 普遍担忧的英国也有类似的案例。当讨论到电视新闻时，一位参与者表示“有时我真的感到很受挫，那些主流头条故事不应是那样的。”而新闻网站“有非常哗众取宠的话题以提高点击率。”(英国，20-34) 但他们也意识到，由算法筛选的内容，也可能有同样的结果。

这表现出了一种普遍怀疑 (generalised scepticism)，人们出于不同目的，使用各种不同渠道和平台，却不相信任何一者。因此，虽然人们倾向于区分编辑筛选和算法筛选，但多数人以我们称之为的“普遍怀疑”的方式，使用这些信息。

在这些定性材料中，有一个值得注意的差异，即年轻和年长的媒体使用者对算数筛选谈论方式。年轻人中对此的讨论，更为频繁，也更为细致。年轻用户虽非全知全能的“数字原住民 (digital natives)”，却常常幻想如何通过挑选来源与调整设定来更主动地干预他们在社交媒体上看到的新闻。年长用户虽然有时注意到算法筛选，但他们很少提及。部分用户没有注意到有可以干预算数筛选的选项。

最后，不论年龄，很多人都明确将社交媒体区分为一个“软”新闻来源。一位西班牙的年轻参与者表示：“（社交媒体）是我看到更多国际性的奇怪故事的地方。你之所以会点击是因为你会说‘看看那，多滑稽啊！’或者就是你根本就不相信它，你点它是因为‘那多奇怪啊！’”英国一位较年长的参与者表达了类似观点：“我常看流行的东西，像那些名人、八卦啊。严格说来，嗯，那并非我想看的新闻，但有时我就陷进去了而不能自拔。”

定量研究

演绎假设

在此检验了三个基于前述材料的假设。

首先，参与者虽然明确区分编辑筛选与算法筛选，参与者都以不同程度的“普遍怀疑”来接触使用两者。他们并不认为算法筛选可以替代编辑筛选。由此，

HI：认为编辑筛选是新闻筛选好方法的人，更可能认为算法筛选是一个新闻筛选好方法。

第二，在年轻群体中，参与者更常表现出对算法的更完备明确的意识，对平台也有更积极的态度，也明确表示他们如何干预社交媒体提供给他们新闻。由此，预测年龄与接受算法筛选负相关。

H2：较年轻的人更可能接受算法筛选。

第三，不论年龄，在“软”新闻方面，参与者均表示更偏好算法筛选的新闻，但他们也潜在意识到在“硬”新闻方面使用算法筛选的可能并暗示了其担忧。由此，我们推测，对“软”新闻的兴趣程度与对算法筛选的承认正相关。 

H3：对软新闻更感兴趣的人，更可能认可算法筛选。

定量数据

调查数据来自于路透数字新闻报告（Reuters Institute Digital News Report）来自二十六个国家的超过五万名应答者参加了线上问卷调查。样本依据人口普查数据加权以对应国家人口。表示自己使用新闻的频率低于每月一次的应答者已被去除。

变量

在因变量方面，主要关注了两个分别对应于不同类型的算法筛选的因变量：(1) 基于个人消费的对算法筛选的认可；(2) 基于社交推荐的对算法筛选的认可。实际上，此二者不必在实践中有所不同，因为不同平台基于多种因子以不同的方式进行内容筛选。但由于用户对算法的意识差异很大，对技术预言和差异熟悉程度也有限，我们采取了更便于应答者理解的表述。 

应答者对下述表述表达了其同意程度（用“非常不同意”到“非常同意”的五分制量表表示）(1)“基于过去我所浏览的新闻自动筛选给我新闻，是获得新闻的一种好方式”；(2)“基于我朋友所浏览的新闻自动筛选给我新闻，是获得新闻的一种好方式”。考虑到很多应答者对新闻生产了解有限，为提高数据质量，已向应答者澄清，所有的新闻总是某种意义上筛选得来的。

在自变量方面，为了检验假设，聚焦于三个自变量：(1) 对编辑筛选的认可；(2) 年龄；(3) 对软/硬新闻的兴趣。前两者的调查方式十分相似。具体的表述是“由记者和编辑为我筛选新闻，是获得新闻的一种好方式。”应答者作答前，同样被告知，所有新闻总是某种意义上筛选的来。

对软/硬新闻的兴趣的衡量，由八个问题构成。应答者被要求对八个不同的新闻话题打分，用“毫无兴趣”到“非常感兴趣”的五分制量表表示。对软新闻兴趣的评测，基于四个话题（娱乐明星新闻、生活新闻、艺术文化新闻和体育新闻）兴趣程度的平均值表示。对硬新闻兴趣的评测，以同样的方式基于另四个话题（国际新闻、政治新闻、商业经济新闻和健康教育新闻）表示。

这项研究也使用了一系列控制变量，包括性别、政治倾向、教育程度、对新闻的信任程度和互联网使用频繁程度。

结论

描述性统计结果

表1显示了本次分析的描述性统计数据。可以看到，除了德国，对基于个人行为的算法筛选的认可平均高于编辑筛选，而在所有国家，后者又高于基于社交推荐的算法筛选。对于所有类型的筛选认可，整体都较低，多数平均值低于3.0。

（温馨提示：点击查看大图）

同时可以简要考虑一下编辑筛选和算法筛选之间的关系。图1展示了各国对相关问题反应的热图。我们可以发现，多数人对两者筛选都持有了相同（常较低）的认可程度。仅较少的人很认可编辑筛选而不怎么认可基于行为的算法筛选，而不认可编辑筛选的人也不怎么认可基于行为的算法筛选。

图1：对编辑筛选和算法筛选的认可之关系的热图

（温馨提示：点击查看大图）

假设检验

通过一系列普通最小平方回归模型（OLS regression）检验各变量之间的关联度。为使各项系数便于比较，所有非类别变量已标准化。

表2汇总了各个国家的模型，其中因变量为对基于个人行为的算法筛选的认可。假设1预测此与编辑筛选认可正相关。各个国家均显示出了这种强正相关。假设2预测年龄与对基于个人行为的算法筛选的认可的负相关。除了德国，各国均显示出此相关，但并不显著。假设3预测对基于个人行为的算法筛选的认可，与对软新闻的兴趣正相关，与对硬新闻的负相关。然而，在多数国家，并未找到证据支持此假设。又一次，唯一的例外是德国，只有在德国，此二者表现出了正相关。

（温馨提示：点击查看大图）

表3汇总的模型，其因变量为对基于社交推荐的算法筛选的认同。在此，观察到各国对此与对编辑筛选认同的显著相关性。由此，可以说假设1被支持了。同时，除了德国，也发现年龄与之显著负相关。由此，假设2也很大程度上被支持了。与表2不同，对软新闻的兴趣与对基于社交推荐的算法筛选的认可正相关，而除了英国，其它国家对硬新闻的兴趣与之负相关。由此，假设3也被支持了，但仅对于一种算法筛选。

（温馨提示：点击查看大图）

总结

本研究检验了人们是如何在社交媒体上浏览新闻的，以及他们是如何理解他们所遇到的不同的新闻筛选的。基于焦点小组的归纳分析，发现多数人会区分新闻组织和平台。发现很多参与者以一种“普遍怀疑”的态度在社交平台上浏览新闻。基于定性研究提出了三个假设并通过定量研究检验。发现了证据支持：(1) 多数媒体使用者以“普遍怀疑”的态度使用新闻；(2) 认可算法筛选在年轻人中更普遍；(3) 对软新闻有较大兴趣的人，更认可基于社交的算法筛选。不论是定量还是定性研究，对新闻的态度、年龄和兴趣的差异显著于国际间差异。

文献来源：

Fletcher, R.& Nielsen, R. K. (2019). Generalised Scepticism: How People Navigate News on Social Media.Information,Communication&Society, 22(12), 1751-1769.