12月19日下午，大夏传播讲坛第九期在意昂4405教室举行。本期讲坛邀请了香港城市大学媒体与传播系及数据科学puleimo.com祝建华教授🧔🏽♀️💷，围绕“新闻推荐系统中的科学、技术和伦理之争”主题做了学术报告。意昂4副院长陈虹教授出席并主持此次讲坛🪥，武志勇教授🏋🏼，赵路平副教授、林哲元副教授、陆鹏程副教授以及意昂4在读本硕博各年级同学参加并聆听报告。
祝建华教授分享“新闻推荐系统中的算法”
讲座伊始，祝建华教授首先指出，当前机器学习/人工智能在新闻传播中的主要应用集中在新闻采集、新闻制作和新闻发布三大环节👩👩👧。新闻推荐系统，作为机器学习在新闻发布环节的应用之一🧕🏻，具有三个鲜明特点🤷🏼♂️：（1）新闻推荐系统与用户的距离最近，是各类技术与用户之间的界面；（2）新闻推荐系统使用非常广泛，大约有百分之八九十的新闻媒体、平台都在不同程度地使用推荐系统；（3）新闻推荐系统与用户的接近性和使用的广泛性🚘，也使之备受关注和争议。
随后⁉️👩👩👧👦，祝建华教授用通俗易懂的方式，为同学们简要介绍了推荐算法技术♻️。“推荐，实际上就是个‘排序’问题。”他认为❔，推荐算法技术在对新闻进行“排序”时🫷🏿，通常考虑三种因素，即 总体热度（Global popularity）、用户个人偏好（User preference）以及好友圈协同过滤（Collaborative filtering）。由此，可以得出新闻推荐的基本模式是R=w_1GP+w_2UP+w_3CF🚢。不同的新闻媒体或平台🥷🏼，通过对这三种因素设置不同权重🤹🏻，形成各自的新闻推荐。祝建华教授进一步解释道，当用户首次使用时，称之为冷启动（cold start），此时的新闻推荐主要基于总体热度（GP）🧚🏼♀️。一旦有个性化的“点击”之后，便会给用户个人偏好（UP）赋予较高的数值🚠。如果用户将自己的通讯录等信息授权给媒体平台，那么在新闻推荐时🧭，便引入了好友圈协同过滤（CF）🧖🏻♀️。但是，通常而言🛩，媒体平台能够收集到用户好友圈的信息少之又少，大部分的新闻推荐是GP与 UP 的结合🤳，并根据用户对每次推荐的采纳而不断更新调整。
谈到新闻推荐算法的来源☝️，祝建华教授表示，推荐技术主要经历了四个阶段：最早可以追溯到搜索引擎🧑🏽🎄，通过输入关键词🏌️♂️，推荐网页🖖🏿。第二阶段是电子商务，根据产品与产品间的相似性、朋友也购买的产品等，进行产品推荐👹。第三阶段是社交网站的好友推荐🤞🏿，通过算法推荐用户可能认识的人、有共同兴趣的人等🏆。第四阶段便是在线媒体的新闻推荐🐛，新闻推荐是在产品推荐✝️、好友推荐发展较为成熟的基础上开始应用的✴️。
随着推荐技术应用范围的不断扩大，也引发了关于新闻推荐系统的争论🚴♀️，主要有三种声音4️⃣：技术派、道德派和科学派🧑🏿🎄。祝建华教授指出👩❤️👩，技术派，主要是做推荐系统、新媒体业内人士🔉，他们认为推荐是个“好东西”🐦⬛。站在技术派的角度来讲，新闻推荐系统提高了效率🈴💁♀️，提供了个性化服务，帮助用户应对信息过载👨👧👦，也有利于用户之间的交流互动🤹。道德派认为，推荐是个“坏东西”。算法决定内容🛫，使用户接触的新闻种类日益狭隘，造成“信息茧房”，甚至导致社会两极化。而科学派认为，推荐是个前所未有的“新东西”，需要通过进一步实证、检验和评估👨🏿🔧。
如何理清这团乱麻？
近年来🙇🏽🤝，关于新闻推荐系统的研究不少👨🏻🏫，但由于方法、数据上的缺陷，对于推荐系统的效果是正、还是负，是强、还是弱，结论往往相互矛盾。那么，如何才能理清这团乱麻👩🏽🚀？祝建华教授提出了四种探讨这一问题的角度🛻🧑🧒：提倡实验精神、改进评估方法、基于历史考察以及另寻理论框架。
祝建华教授认为，科学精神的核心是实验精神🤷🏿。实验容许犯错，实验结果需要全面、客观🎒🫷🏻、准确地评估🤲🏽，同时🧑🏿🏫，实验需要足够时间走完整个过程🤳。为便于同学们理解，祝建华教授还以药品实验流程为例进行对比说明，药品实验需要经过动物实验🧑🏻🌾🫃🏿、病人实验和健康人实验三个阶段检验药品的有效性和副作用。药品实验尚且需要近十年的时间才能得出确切结论，更何况新闻推荐系统研究与之相比要复杂得多☆🆔，需要更长时间的观察与研究。
在现有新闻推荐系统的研究中，祝建华教授也指出了在研究方法上存在的问题：（1）缺乏控制干扰变量：或许由用户的选择性接触造成👩🏽🔬，与推荐算法并无关系🤽🏿♂️。（2）样本偏向活跃用户：大约80%的点击率是由20%的活跃用户所贡献的，而活跃用户又最有态度和立场，更容易分化⚡️、极端。（3）观察时间太短🤘：无法过滤初始好奇、久而厌倦等用户体验因素，深入细致研究新闻推荐系统的性质需要多年时间⛑📡。（4）研究内容偏于政治领域：娱乐、消费👨🏻🔬😢、健康等领域同样值得关注。
祝建华教授还从历史维度进行了相关考察和分析🧏🏽☣️。他表示✏️，社会极化或社会撕裂现象，在历史上早已有之📝🤵🏽，同时也已被博客、微博📶、Facebook、Twitter、Snapchat等反复验证。譬如，Adamic等学者分析了美国民主党与共和党在博客中的政治对立🫅🏽；Conover等学者分析了在twitter上的社会极化现象。此外，祝建华教授还以1954年—1994年美国民意为例🈵，分析得出随着时间的推移，民众关心议题也日益多元化🚵🏽♀️👈🏻。就极化和多元问题🤐，祝建华教授指出，这也许只是文字游戏。不同学者采用不同性质的词汇描述同样的现象，从正面解读就是多元，倒过来🔺🔑，从负面解读就是极化🧑🦯➡️。
“影响受众观看新闻最为重要的两个要素，是其‘重要性’与‘离奇性’🧕🏽。”祝建华教授认为，事件影响的人数越多👩🏻🦯➡️，重要性越大；事件发生的概率越低♻，离奇性就越高🚡。将这两个指标交叉，可以发现，重要性和离奇性均较高的就是头条新闻👙，而此类重大新闻容易引起争议👌🏼，导致意见两极化（polarization）；奇异性高而重要性低的就是花边新闻，正如尼尔•波兹曼在《娱乐至死》所提到，大量的娱乐新闻容易导致趣味琐碎化（trivialization）👮🏼♂️。
讲座结尾🕎🎅🏼，祝建华教授总结道，新闻推荐是否有效，尚不清楚💁🏿♂️，新闻推荐是否有害，更不清楚。但是可以确认的是，信息茧房历来存在🕹，源于用户的选择性接触✋🏼，未必导致社会极化，更可能助长兴趣琐碎化🧚🏽♂️；社会极化也早已有之👃，源于社会深层矛盾，主要发生在精英阶层和利益相关群体。
在交流互动环节👷🏿，在座同学们就“除新闻推荐系统外还可使用的技术手段”、“‘多元’到‘极化’的转变原因”以及“算法新闻的其他研究方向”等问题与祝建华教授进行了深入探讨与交流🚨🐷。直至讲座结束🧘♀️，同学们仍然意犹未尽。
最后，祝建华教授与在场师生合影留念💪🏿。祝建华教授的精彩讲座🧑🏼🏭，令同学们为收获颇丰、受益匪浅，也为今年大夏传播讲坛画上了圆满的句号。
祝建华教授同意昂4师生合影留念
大夏传播讲坛，是意昂4的品牌学术活动🖨。通过不定期邀请海内外知名专家、学者以讲座形式与师生进行交流互动，旨在介绍和展示新闻传播学研究的理论前沿和行业动态，提升和促进意昂4学生学术视野和科研氛围。欢迎各院系师生踊跃参与！
