推荐算法场域思想政治教育的危机与变革

李静辉

（甘肃广播电视大学 马克思主义学院，甘肃 兰州 730030）

推荐算法是传播领域应用最前沿、最广泛、最成功的信息匹配与分发技术，现如今，它正在通过主导信息生产、收集和分发的全流程而构筑起一个强大的推荐算法场域。这一算法场域借助全方位把控信息分发，对个体思维认知、价值观念及社会意识形态、精神文化强势介入和塑造，推动推荐算法与思想政治教育深度耦合，使推荐算法系统越来越显著地扮演起思想政治教育的功能。但随着算法“黑幕”被逐步揭开，推荐算法的技术黑箱和价值偏好对思想政治教育价值的遮蔽也成为人们越来越关注的问题。从推动思想政治教育价值实现的视角看，在反思推荐算法造成的危机基础上，理解算法、融入算法、拥抱算法，以推荐算法促动思想政治教育不断创新变革，实现“用主流价值导向驾驭‘算法’，”达致人与技术的共在发展，这不失为一个值得深度探讨的话题[1]。

一、耦合：推荐算法场域介入思想政治教育

毫无疑问，推荐算法是人工智能发展的必然结果，但基于快速延伸的应用场景看，其在建构个性化信息推荐系统的过程中已逐渐显现出作为权力手段的价值和伦理维度。事实上，推荐算法技术日益强大，不断行使对信息分发的主导权，甚至人类事务的参与权，使其愈发扮演起传播思想政治教育内容的关键渠道和新兴权力角色，并引致思想政治教育全面介入推荐算法所塑造的场域空间，这种介入不是二者的简单相加，而是一种相互统摄的深度耦合。

1.作为技术和权力的推荐算法

作为一种技术性解决方案，推荐算法是用于信息分发最快捷、最高效的计算机应用程序，它从用户在线行为的大数据出发，将收集到的数据输入到算法系统完成运算，分析出目标用户可能偏好的信息，并将与之对应的偏好信息主动推送给目标用户，实现信息的针对性分发。推荐算法借助深度学习和机器训练模拟人类思维与智能，能够快速对用户需求进行精准“画像”，以完成海量信息分发，最大限度满足了用户的个性化需求。这种算法加持的信息分发和推送方式，不仅有效解决了信息过载和场景适配难题，也使得推荐平台的用户黏性和用户拥趸们持续增加。

常用的推荐算法主要有协同过滤推荐、基于内容推荐和基于知识推荐。协同过滤推荐原理是假定与目标用户在线行为相类似的其他用户群偏好某一信息，或者目标用户曾经偏好某一信息，那么这一信息也可能是目标用户潜在的偏好对象。基于内容推荐通过评估目标用户尚未接触到的信息与该用户过去偏好或反感信息之间的相似程度，据此向目标用户推荐潜在偏好信息。基于知识推荐则从目标用户的已知偏好中抽取关键特征词，根据这些关键词与拟推荐信息之间的相似度向目标用户推荐偏好需求。在实际应用中，上述三类推荐算法各有利弊，为扬长避短，常常采用混合推荐的策略，即构建一种混合系统，既能结合不同推荐算法优点，又能克服各自的缺陷。

一个完整的推荐算法主要包含三个单元，分别是数据单元（推荐池），用以输入用户记录、上下文参数、群体数据、信息特征及知识模型等；计算单元（推荐系统），根据特定规则计算已知数据与潜在推荐信息之间的相似度；推荐单元（推荐列表），输出有相似度评分的推荐信息。从技术逻辑看，推荐算法仅仅是一种信息传播的工具，但随着应用范围不断拓展，它正在通过系统化运作全面接管人类各个领域的信息分发与推送工作，越来越显现出超脱技术属性的权力属性，这一权力就是推荐算法“干涉甚至主导人类社会事务的能力，即算法权力（algorithmic power）。”[2]质言之，推荐算法权力不仅能够主导个体接收信息，其对于企业发展、社会运转、国家治理同样表现出强大的影响力。

2.负载价值和伦理的推荐算法

既然推荐算法具有权力属性，那么它就必然附着价值和伦理的存在，且从其一出场，就内含“人设”价值指向。推荐算法主要由算法工程师等专业技术人员提出需求参数、完成程序设计、实现场景应用。在设计过程中，工程师们往往代替不同的使用者做出统一选择与决策，以便确定信息与用户匹配的最优算法。工程师自身的知识储备、价值信仰和思想观念，以及他们所处社会的伦理道德、意识形态和精神文化是影响算法设计的关键因素。尽管为了确保算法推荐的普适性，算法工程师尽可能地保持严谨客观的态度设计算法，但他们做出选择和设计的基础是自身素养与社会背景。即推荐算法本身体现设计者的价值观和对信息的偏好程度，这一点无可避免。

推荐算法在应用中的价值指向更加明确。算法的个性化推荐体现在从个体用户出发计算匹配信息，它关注的重点是一个个单独个体的偏好需求，对于整个社会共识价值的关注度并不高，以致用个体价值替代社会共识，形成了纷繁复杂的价值观。此外，在分发信息过程中，“算法根据个人的既往阅读轨迹与特性来挑选内容，进而‘编辑’个人信息系统。”[3]传统媒介对信息的“编辑”权让渡给推荐算法，算法行使了内容“把关人”角色，并以算法技术代替用户自主选择权，使得信息的客观真实性、价值导向性无法得到保证。推荐算法应用于不同场景也会表现出截然不同的价值取向，有时通过难以把控的算法复制、修改和出售，应用于设计者未曾设想过的场景，产生算法价值危机。

推荐算法应用结果也具有不确定性，深度学习和机器训练赋予了算法某种程度的自主性，这种自主性必然让算法输出的结果难以解释和预测。一旦算法运算出错或失败，其推荐的结果可能走向设计者和用户预想的反面，甚至引发社会伦理问题。况且推荐算法作为一种技术手段，本身并不具备反思功能，对它所输出结果的伦理倾向不承担任何纠偏职责，也不会依据伦理价值或意识形态要求对所推荐信息进行过滤和筛选，导致错误推荐长期持续下去，可能把用户引向歧途。譬如，在热点舆论事件传播中，协同过滤推荐因为冷启动差，仅依“热度”向新用户推荐事件负面信息，间接促成了舆论进一步发酵。

3.介入思想政治教育的推荐算法

将思想政治教育放置在网络海量信息中，就使教育双方面对面的互动关系转换为了一种“键对键”的交流。“键对键”交流的不足是，对于受教育者而言，从海量信息场域中找寻自己需要的信息常常“求而不得”，对于教育者而言，让自己生产的信息精准抵达目标用户又往往“供非所求”。推荐算法就是解决这一矛盾的关键技术。推荐算法通过聚合全网文本、有效抓取信息、快速分析数据、主动推送偏好需求，成为网络环境下思想政治教育内容的精准载体，勾连起了教育者和受教育者。换言之，精准“投喂”的推荐算法改变了传统思想政治教育以满足最大公约数用户需求的信息传播方式，实现了教育内容精准匹配和教育对象无缝对接。

推荐算法也通过规制个体认知习惯与行为方式介入思想政治教育。推荐算法改变了个体接收和认知信息的习惯，个体由主动搜寻信息转变为被动接受信息。通常来讲，个体找寻信息的过程，其实也是理解信息并将其转化为自身认知图式的过程，算法推荐通过规制这一信息接收程式，在所推荐信息中早已预设认知范式，实际上完全颠覆了传统媒介的信息传播范式，而“媒介的变化影响并改变了人们的认知能力以及思想结构”[4]。推荐算法也深刻改变个体行为习惯，算法推荐所追求的信息分发精准度和有效度，一般通过个体对其所推送信息的点击、收藏、关注、点赞、评论、转发等行为来判断，至于信息是否内化为个体的行动和思想，则始终不得而知。

而推荐算法通过对认知和行为的把控，最终不知不觉地形塑个体思想意识与价值观念，才是其介入思想政治教育的终极目标。具言之，推荐算法将用户的思想意识也视为一种算法，通过采集和分析用户在线行为产生的数据轨迹，实现对用户思想动态的全样本、全过程、跟踪式“画像”，也就是以大数据的方式挖掘和把握用户的思想动态与变化规律，切实减少了用户对推荐算法的疏离感与陌生感，进而将算法负载的价值观植入用户的思想意识中，造成用户潜移默化地接受并认可算法推荐所塑造的价值观。总之，推荐算法充当了算法场域的教育者和受教育者之中介角色，能够隐秘地施行引导受教育者价值倾向和意识观念的思想政治教育功能。

二、危机：推荐算法遮蔽思想政治教育价值

推荐算法场域思想政治教育的价值实现是指作为客体的算法本身及所推荐信息满足主体信息消费需求，完成客体主体化的过程。可推荐算法引发的“茧房效应”“回音室效应”“过滤气泡”等多重效应，不断窄化和固化人类认知图式，已开始遮蔽思想政治教育价值的实现。虽然可以通过算法优化与迭代一定程度上弱化和解决算法技术缺陷，但推荐算法自身的运作逻辑和背后潜藏的资本利益正在逐步僭越思想政治教育话语、内容和价值的充分表达。

1.算法黑箱稀释话语权威

控制论上通常把所不知的区域或系统隐喻为黑箱。推荐算法的计算单元是一种典型的黑箱。公众虽然可以观察到算法运行中的输入和输出，但因算法素养薄弱与技术鸿沟设限，其难以获悉算法训练数据和架构模型的流程，更难以理解算法设计、计算、运行的内部原理。也即推荐算法作为存在认知门槛的复杂性技术和专业性知识，在普通公众看来，它过于高深而成为不可理解的算法黑箱。而这一黑箱又常常在公众不知情的情况下，访问用户私密空间获取在线行为数据，且掌握算法技术的企业出于保护商业隐私的考虑，对其算法原理讳莫如深，这更加剧了推荐算法的黑箱属性。

思想政治教育话语的权威性体现在其建构的言语意义、表达技巧、解释框架等具有吸引力、说服力和感染力，并在其向受众展示和被受众接受过程中，准确而全面地表达话语所蕴含的思想理念和价值导向。话语所指的意义明晰是话语权威展现思想政治教育价值的基础。不过，推荐算法场域的思想政治教育话语权威正在显示出被算法黑箱所稀释的风险。

推荐算法作为黑箱首先缺乏透明性，“‘黑箱’的不透明与难以解释关涉人们的知情利益以及直接影响人们对算法的信任感与认同度。”[5]既然公众未获得关于推荐算法运作的充分知情权，那么由此算法推送的信息是否符合实际，是否逻辑自洽，就要大打折扣，算法推荐话语的真实性自然遭到质疑。算法黑箱不可观察、不可解释，公众就不知道其推荐过程中数据来源是否正当、运行结果是否合理，在此情境下，可能引发公众对于算法推送信息公平性与可责性的担忧，譬如，某些情况下，算法推送信息“无意为之”地造成种族歧视和性别歧视问题等，使公众开始不愿意承认算法推送话语的客观性。公众不自知、不可控的算法黑箱大力培育通俗娱乐的话语表达，这些话语虽能够满足感官愉悦、求知需要、社交需要等一般层次的需求，但难以为人们改造精神世界提供完备的解决方案，话语的可操作性也就受到了质疑。概而言之，算法黑箱一定程度上引发公众对其推荐话语的认同危机和信任焦虑，不断稀释思想政治教育的话语权。

2.流量至上操控内容供给

网络资讯分发行业是十足的“注意力经济”，用户注意力是平台运营方和内容提供方实现自身价值的基础，而用户群规模、点击率、转化率已成为衡量算法推荐优劣的标尺，由此导致推荐算法以“流量至上”为追求目标。“流量至上”的算法只对推荐内容的“热度”负责，并不认为自己对社会价值负有多么重要的责任。因此，为俘获最大公约数受众的普遍兴趣，所推荐内容的“趣味性”必然超越一切“重要性”。假如平台推送方基于这样的内容标尺去推荐，内容提供方基于这样的价值赋值去生产，推荐算法可以在短期内实现大规模的流量暴增，但长期的危机将不言而喻。

思想政治教育内容包括引导教育对象世界观、人生观、道德观、价值观、政治观等方面的内容，并由此延伸出理想信念、道德伦理、心理健康等教育内容。这些内容富有正当性、真理性、思想性，表现出叙事宏大、哲理丰富、实践性和综合性强的特点。但这些特点恰恰也是以拉动点击为目标的算法推荐内容所拒斥的，甚至于造成偏好的未必是应该的，有意思的未必是有意义的推送悖论。

流量至上实际上操控了网络空间的内容供给。推荐算法有力提升了用户获取信息的效率，但“在能够轻易获得信息的情况下，人们通常喜欢简短、支离破碎而又令人愉快的内容。”[6]流量拥趸们只向用户推荐轻松愉悦和可能感兴趣的内容，对推送内容的适宜度和尺度却没有严格规范，有时甚至利用色情、恐怖、暴力信息迎合用户的不良窥探心理，一旦这些信息被传播开来，用户的点击、评论和转发率会显著提升，推动了负面信息的二次扩散。一些自媒体平台服膺于流量至上的算法推荐模式，往往不惜利用“标题党”“做号党”做引流推广，生产低劣重复、复制拼接的内容来吸引受众并获得推荐，而富有深刻内涵、专注价值塑造的内容因识别门槛高，并不在其生产和推荐的范围之内。具有感官刺激的信息始终占据用户阅读世界，诱导“劣币驱逐良币”，进一步压缩严肃信息的受众空间，使思想政治教育内容难以及时回应批判错误思潮观点，并主动宣扬主流价值。长此以往，思想政治教育在推荐算法场域面临失语风险。

3.资本逻辑消解价值认同

科学技术的背后往往有强大的资本逻辑，这一点马克思早已指出，日益细化的社会分工和日益强大的资本力量，“把科学作为一种独立的生产能力与劳动分离开来，并迫使科学为资本服务。”[7]对用户进行信息推送的推荐算法不仅包含着满足用户需求的偏好，也涉及到经济利益，即维护和扩大市场的动机，它决定谁的信息能够被优先排序并推送给用户以获利。从推荐算法的价值逻辑展开来看，资本逻辑才是其根本价值逻辑。事实上，资本逻辑已成为推荐算法设计应用和信息算法化传播的重要驱动力，而资本以追求利润最大化为价值取向，这就必然与思想政治教育的价值相冲突。

价值认同是思想政治教育的精神内核，体现个体对所传递的社会规范、政治意志等进行体认，主动做出价值选择和价值判断的过程，它从根本上排斥计算、权衡与利益。思想政治教育的终极目的是通过信息传播，主动或被动地开展思想教育、道德教育、法治教育、伦理教育、心理教育等，培养个体满足主流意识形态的价值认同，引领人的全面发展。

资本逻辑拥有强大支配权和控制权，它引导众多拥有算法优势的市场化平台构成算法空间，牢牢把握信息生产和分发权力，由此造成不以牟利为唯一价值追求的主流媒体被挤出算法主导的舆论场，主流媒体的影响力在算法空间中“缺场”，难以发挥引领价值走向的思想政治教育功效。资本逻辑重构信息传播的评价体系，它强调内容变现能力，支配推荐算法的应用场景和应用强度，并在信息分发中承受最小的公开透明义务，以致通过算法推荐系统“绑架”内容生产方和内容接收者，导致虚拟、娱乐、多元、媚俗成为网络空生态倾向，造成人的精神荒芜和价值紊乱。同时，资本力量永无禁区，它主导推荐算法在信息场域横冲直撞，肆意进入个体私密空间，监视私密信息，严重侵扰了个体精神世界的丰富性与多样性存在。换言之，资本逻辑在推荐算法加持下，不断催生出“资本崇拜”和“工具崇拜”，让网民个体放弃自己价值观的养成，沉浸于算法推送的信息狂欢中，进一步消解了对主流意识形态的价值信仰。

三、变革：推荐算法促动思想政治教育创新

推荐算法虽然潜藏着技术异化所造成的风险与隐患，不过仅仅因为其异化风险就一味拒斥算法应用显然是不足取的。在思想政治教育中，应对推荐算法挑战的应有思路是，在反思算法风险的基础上，主动融入算法，拥抱算法，争取各方的双赢发展。思想政治教育在应对算法风险挑战的过程中必须对自身的结构内容、内在体系、运作逻辑等进行相应的调整和改变，要以推荐算法促动思想政治教育不断创新变革，实现人与技术的共在发展。

1.提升思想政治教育个体素养

第一，提升人文素养。借助算法迭代更新虽然可以部分修正推荐算法的技术缺陷，但算法运用中的价值偏差无法完全通过技术矫正来解决，还需要依托人文精神的内化与外化。从人机关系角度看，推荐算法的设计者是具有自主思想的人，算法推送内容的接收者也是一个个鲜活的人，人的健康发展始终决定算法应用的成效。人的健康发展离不开人文素养教育，引导个体正确认识人与技术的关系，培育独立的理性、情感和意志，鼓励对算法设计和内容推荐主动做出事实辨别与价值判断，进而保证个体接收的信息正面向上，对人的发展才是积极的。故应倡导更为生动、丰富、立体的人文精神在算法场域的彰显，及时弥补技术和人文的区隔，实现人主导下的推荐算法与思想政治教育深度融合。

第二，提升技术素养。推荐算法作为权力手段暗含意识形态因素，且“技术统治论的命题作为隐性意识形态，甚至可以渗透到非政治化的广大居民的意识中。”[8]思想政治教育应辩证认识推荐算法的意识形态属性，强化技术素养教育。技术素养是指对科学和技术进行评价与做出决定所必需的基本知识、能力，不仅有实践层面的技术操作能力，还有思维层面个体应用技术的活动能力。技术素养教育包括培养对技术的观察与认知能力、学习与理解能力、以及迁移运用能力，并科学客观地评判技术成效与价值，树立起正确的技术观，使个体客观自如地面对技术，既不惧怕技术也不沉迷技术。个体具有较高技术素养理应是推荐算法运用于思想政治教育实践并取得期望效果的良好支撑。

第三，提升法治素养。尽管承载推荐算法的网络平台具有虚拟性质，但在其中算法设计者、内容生产者以及普通网民的活动是现实的，如果不从法律角度对多方个体的行为进行保护和约束，算法系统的发展就会陷入一种更无序状态。所以，应强化个体的法治素养教育，确认个体行为的边界在哪里，超出边界将会产生怎样的行为后果，从而在个体心中划定行为底线，并使其对越线行为产生敬畏感。法治素养落到推荐算法场域中，就要使大家认识到法律既是保护自身合法权利的有效武器，也是必须遵守的行为规范，并在各方之间形成一种可持续的法治共识。当然，提升法治素养还要加大法律惩戒力度，不能让任何一条违法信息的制造者、推送者、转发者逃脱法治的“硬约束”。

2.优化思想政治教育议题设置

第一，重构算法推荐池的内容配比权重。推荐算法设计的第一步是，对可推荐的海量信息划分标签，将需要的信息注入推荐池，而后再从中优选内容予以推送。推荐池里的内容决定推荐的质量和价值。如果池里都是泛滥的悬念标题党和虚假媚俗的内容，那么算法也会将这些内容精准推送给用户。推荐算法场域的思想政治教育要实现价值引领目标，必须重构推荐池里的内容配比，将反映主流意识形态的内容注入推荐池，让马克思主义中国化时代化大众化的理论主导内容配比，以承载社会主义核心价值观、民族精神与时代精神，以及中华传统优秀文化的内容充盈整个算法推荐池，引导内容生产方更多产出包含主流价值导向和弘扬正能量的“热搜话题”，达到算法工具理性与价值理性的统一。

第二，推动公众参与推荐算法价值设计。既然推荐算法造成价值偏差的关键在于算法工程师常代替公众做出判断和抉择，那么就应该反向设计算法，引导普通大众参与算法推荐的价值与伦理设计，实现算法设计从“人机回圈”（human-inthe-loop）向“众机回圈”（society-in-the-loop）转变。通常，算法工程师等少数人通过理解公众的优先选项和价值观来主导机器学习、训练模型、做出决策并根据公众反馈修正算法模型，也就是所谓的“人机回圈”。但在关涉千万人的普遍性社会问题上，少数人的观念毕竟无法准确替代公众的共识认识，所以需要将公众对社会问题的共识融入算法之中，并确定为推荐算法必须遵守的基本准则，即依据社会普遍认可的价值和伦理规则编写与设计算法，进而实现“众机回圈”。

第三，推荐算法中嵌入关照现实的议题。“任何思想，如果不和客观的实际的事物相联系，如果没有客观存在的需要，如果不为人民群众所掌握，即使是最好的东西，即使是马克思列宁主义，也是不起作用的。”[9]推荐算法无论秉持什么样的流量逻辑和流量分配规则，都必须把关照现实作为核心法则。关照现实的算法推荐议题要积极展示中国特色社会主义理论与实践的强大社会存在，激发受众共鸣与体认，使其真正从思想上赞同中国特色社会主义的道路、理论、制度和文化。要通过内容分发主动发声，及时回应算法推荐场域的现实矛盾，理直气壮地批驳和旗帜鲜明地反对错误思潮，避免受众陷入群体性行为所引起的非理性困局，提升算法推送内容的理论回应力、解释力和批判力。

3.转换思想政治教育叙事范式

第一，升级叙事方式。根据网络叙事方式的分类，思想政治教育在推荐算法场域的叙事方式包括但不限于文本、图片、音频、视频、动画等。网络超文本作为一种非线性具有链接性的网状文本，是算法化内容分发的主要载体，也成为现时思想政治教育叙事的主要方式。但超文本的表现形式仍有教育双方互动不足的缺陷，推荐算法也正是抓住这一缺陷简单化处理思想政治教育的内容。为规避这一缺陷，应加大对视听型多媒体叙事方式和游戏型多媒体叙事方式的推广应用，他们最大的特点是能够以更加直观和清晰的方式向受众传递信息，便于理解和掌握，同时还能够营造出教育双方面对面交流学习的沉浸效果，从而调动受教育者更多感官体验，也强化了教育主客体的互动关系。

第二，丰富叙事内容。思想政治教育的叙事内容主要分为知识性和价值性两种形态，知识性的内容以理论形态存在，价值性的内容则注重精神培育。目前思想政治教育依旧更多地倾向于以知识型信息展开，尤其各类网络教育平台成为信息的堆砌场所，教育双方的信息错位是较普遍现象。推荐算法介入思想政治教育一定程度上解决了教育信息杂乱难以适配的问题，但算法追求“流量至上”和“眼球效益”的逻辑也限制了价值性信息的传播。因此，必须合理平衡知识性认识和价值性认知之间的关系，善于以知识教育为依托实现价值观教育。惟有深入探究推荐内容本身，并发掘内容背后的价值因素，通过内容分发春风化雨地影响个体的观念和思想，才能够促进思想政治教育的发展。

第三，转变叙事话语。传统思想政治教育话语在算法推送中存在感不足，这并不是因为思想政治教育不被大众所需要，而是因为严肃抽象的思想政治话语难以融入推荐算法主导的传播文化之中。既然推荐算法塑造的话语场难以逃避，就要积极应变，创新思想政治教育叙事话语，主动发掘并使用网民自发创造的使用频率高且具有正能量的网络用语，将意义浓厚和价值崇高的教育话题以诙谐幽默的语言表达出来，“让承载主流意识形态的场景‘动’起来，语境‘活’起来，增强马克思主义话语的吸引力和感召力。”[10]坚持创新表达方式与坚守教育内涵相结合才能筑牢思想政治教育话语根基，提升受众关注、转发、评论思想政治教育话题的意愿，从而借助算法推荐实现思想政治教育内容更加广泛的传播。