算法意识形态下舆论偏见的形成与治理

万欣荣，陈 珂

(中山大学 马克思主义学院，广东 广州 510275)

习近平在党的二十大报告中指出，要“牢牢掌握党对意识形态工作领导权，全面落实意识形态工作责任制，巩固壮大奋进新时代的主流思想舆论”[1]43，通过加强全媒体传播体系建设来推动形成良好网络生态，“坚定维护国家政权安全、制度安全、意识形态安全”[1]53。算法是全媒体传播体系建设的核心，其在促进信息传播便利化同时，也因受资本逻辑控制在网络舆论场中制造冲突与偏见，给意识形态安全带来了严峻挑战。算法是用系统计算的方法记录、描述、分析、解决问题的一系列步骤和策略机制，已广泛应用于互联网平台的数据信息生产、分发与反馈的流程中。“探索将人工智能运用在新闻采集、生产、分发、接收、反馈中，用主流价值导向驾驭‘算法’，全面提高舆论引导能力”[2]7是加强主流意识形态认同的重要路径。鉴于此，本文通过梳理算法、意识形态、舆论偏见的概念内涵及其相互关系，探究算法产生舆论偏见的过程，揭示舆论偏见影响主流意识形态的逻辑，并在此基础上提出消减舆论偏见的算法治理方向，以期提升社会主义意识形态“驾驭”算法的有效性。

一、算法意识形态与舆论偏见

算法意识形态特指在算法社会中狭义的意识形态概念。舆论偏见是人们根据错误或不完全信息概括而成的，对某一事物固有的、带有主观倾向性的评判。在当今智媒时代下，算法意识形态与舆论偏见有着密不可分的联系。

(一)算法意识形态的内核

从算法的意识形态属性确立来看，哈贝马斯的论断最为引人注目：技术在资本主义社会履行意识形态职能，是一种新的政治控制形式[3]69。近五年来，国内越来越多的学者将注意力集中到算法、意识形态、权力、资本之间的关系。张康之提出意识形态与科学技术互为包含，几乎每一项技术的产生都带来意识形态、权力关系等层面上社会风险的降临[4]119。胡泳等人以短视频平台为例，剖析了内容生产者是如何不断地在算法与资本的控制中被驯化的[5]156。沈江平认为以算法为特征的人工智能技术是一种隐性的意识形态，“所谓社会裂痕并不是人工智能所固有的本性,导致这种现象发生的恰恰是人工智能的资本化操控,是资本逻辑作用的表现而已”[6]73。张爱军对算法意识形态和意识形态算法这两个概念作了区分，指出算法是意识形态输出的承载者。资本权力注入算法后，其意识形态输出的核心目的是赚取利润，而公共权力主导下的算法，其意识形态输出的核心目的是维护社会稳定[7]22。以上论述的共识在于技术一旦受控于资本，技术逻辑便可以约束和规制个体意识，因此技术无可避免地具有意识形态性。算法作为技术本身，表面上并不直接承载意识，但当它与权力或资本相结合后，无论是否刻意植入价值倾向，都具有意识形态的样态与属性。

从算法意识形态的构成要素来看，它包括算法设计者、平台运营者与用户在问题理解、输入数据时的取舍，特征变量选择时带入的情感、语言、理想、价值观。马克思将语言视为意识形态的重要展现形式：“语言是一种实践的、既为别人存在因而也为我自身而存在的、现实的意识。”[8]533国内学者在对意识形态概念的描述中涉及情感、理想、价值观等要素，如俞吾金认为意识形态是指“在阶级社会中，适合一定的经济基础以及竖立在这一基础之上的法律的和政治的上层建筑而形成起来的，代表统治阶级根本利益的情感、表象和观念的总和”[9]131。石云霞提出“坚持远大理想和共同理想是意识形态建设的灵魂”[10]67。陈锡喜指出意识形态本质要素是“价值观的理论体系”[11]15。由此可见，意识形态更趋向是一个总体性概念，它反映的是社会空间中不同利益关系的价值判断和一定群体的共同诉求。

从算法意识形态的形成过程来看，多元主体在网络空间产生互动。算法根据用户在互联网上留下的身份信息、社交关系与行为记录，生产并向用户推送符合其喜好的讯息，并在此过程中持续挖掘和推演用户对内容的潜在需求。在这一过程中，传统媒体的中心化地位逐渐被打破，自媒体、专业媒体、机构媒体、媒体平台、社交媒体等媒介形态应运而生，共同构成反映社情民意的阵地，也丰富多元价值的意识形态主体。在算法的作用下，网民被划分为各类应用工具主导下的复杂社交群体，这种交互式的社交形态和信息获取特征，显著强化了互联网人群的权利意识和参与意识，多元意识形态主体的价值观在网络空间中交织，共同构成意识形态的输出。

综合已有研究，本文中“算法意识形态”的含义包括：算法是意识形态输出的载体；设计算法与操纵算法的人是算法意识形态主体；算法运行下的网络舆情即用户、公众表达出的所见所想，包括对新闻事件、国家政策制度的倾向性态度等则是算法意识形态本体。

(二)舆论偏见的时代镜像

媒介技术的革新为社会话语的释放提供巨大可能，媒介技术是社会舆论生态演变的最直接推动力[12]39。纵观大众传媒的更迭历史，舆论偏见的产生无不与媒介技术密切相关。

在报刊时代，马克思早已认识到大众传媒制造并传播偏见。马克思在《资本论》第一卷序言中写道：“任何的科学批评意见我都是欢迎的。而对于我从来就不让步的所谓舆论的偏见，我仍然遵守伟大的佛罗伦萨人的格言：走你的路，让人们去说罢!”[13]13可见，马克思认为应当尊重舆论中公正的批评部分，但对待偏见则要坚决抵抗。马克思和恩格斯认为舆论的走向与资本逐利性相关，他们指出：“英国统治阶级的舆论(大陆上只有它能够为人所知)如何随着时势和利益的变化而反复无常。”[14]549资产阶级通过报刊掌控舆论，获得权力与利益。在《资本论》中，马克思提及“《泰晤士报》的文章只不过是一种益智游戏”[13]665。文章所说的岛国“强大的舆论”其实是站在资本立场上对现实的歪曲。他们所批评的当权者几种控制舆论的做法包括：有意转移公众批判的焦点，减轻舆论中心所面对的压力；通过“造谣和隐瞒”迷惑舆论。

在传统媒体时代，新闻机构发布报道、意见领袖发表评论、传统媒体的议程设置共同构成以官方为主的舆论场。此时，报刊、广播、电视等媒介主体被视为信息源和传播者，受众是信息接受者，这一阶段的信息传播是单向传播的过程。虽然传播主体在政治、经济、文化上的差异性而体现出不同的偏向性，但是由于此时的舆论场具有中心化、强把关的特点，舆论偏见造成的负面导向总体上处于可控易引导的状态。

在当今智媒时代，信息内容的去中心化带来传播便利的同时，也更易造成舆论偏见的产生。网络空间中碎片化的叙事，比如语境缺失、文本零散、刻意突出或隐藏重要信息的事件描述共同构成了刻板印象，刻板印象直接影响舆论。沃尔特·李普曼(Walter Lippmann)指出刻板印象的问题在于，它往往是人们只凭一时偏见或别人添枝加叶的描述直接得出结论，而信息来源未必可靠[15]61。此外，新媒体技术通过频繁的场景营造与变换，在一定程度上左右着舆论关注点。受众对于一个问题持续关注度的周期越来越短，舆论热点尚未尘埃落定便被另一个所取代。网民的注意力被消耗，舆论热点中的诉求与问题也被频繁转移。

传媒时代的变迁并未改变传播主体利用技术影响舆论的本质。如同芒福德所说，技术“只是人类文化中的一个元素，它起作用的好坏，取决于社会集团对其利用的好坏”[16]9。舆论偏见由于技术的加持而更具隐秘性。“今日头条”等互联网平台曾因其在个性化推荐中存在用户身份歧视而受到诟病[17]18。作为智媒时代最为重要的技术之一，“算法程序在信息生产与分发过程中失去客观中立的立场，造成片面或者与客观实际不符的信息、观念的生产与传播，影响公众对信息的客观全面认知”[18]20，从而对社会公众的心理建构产生影响。

(三)算法意识形态与舆论偏见的相互作用

舆论偏见是算法意识形态的表现。算法作用下的网络舆论是意识形态的重要表现场域。算法运行的本质是对用户数据信息的获取、占有和处理，在此基础上产生新的数据和信息，并以此预测和引导用户的选择。公众在网络平台上获取信息资讯、产生观点、形成价值判断并制造舆论，这一过程不可避免地带有算法设计者和平台运营者的倾向与立场。林德宏对技术不涉及人的价值观念，无所谓善恶的“技术中立论”和推崇技术至上、不受任何约束的“技术自主论”提出了明确批判，认为应当“摈弃”[19]15。在信息中夹带偏见并通过算法进行传达正在成为现实，带有偏见的舆论成为算法意识形态的表现之一。

算法意识形态酿成并加固舆论偏见。算法在形态上是一种新兴传播技术，通过看似透明实则神秘的流量分配规则影响用户的价值观、造成偏见。李普曼在描述“信息茧房”的雏形时就已提到大众信息传播导致偏见的形成与加固：每个个体都在符号积累的过程中形成了“成见系统”，“来自外部的刺激，尤其是印刷品和口头语言发出的刺激，可以唤起一个成见系统的某个部分……如果我们看到的完全合乎我们的预想，成见就会进一步加强”[15]74-75。在智媒产业竞争环境下，算法通过对用户行为即时且精准的识别来实现信息服务的“投其所好”。这一过程的实质是不断“顺应人们的认知心理中惰性的一面”[20]5，如果人们总是依赖算法构建的界面去认识世界，“会失去对世界的完整把握能力”[20]6。在算法意识形态的作用下，舆论偏见的形成更为隐秘，那些看似个性化实则带有偏见的信息会影响人们对主流意识形态认同，固执的偏见会导致社会人心背散，进而引发意识形态安全风险。厘清算法如何制造偏见并影响主流意识形态认同的过程，有助于更有针对性地对其进行治理。

二、算法制造舆论偏见的过程

人的价值偏见不仅因为算法而沿袭下来，而且通过技术的更新迭代将偏见放大与强化。掌握算法的人可以在内容生产、信息分发、效果反馈的传播链条中利用不透明的算法规则分步骤地植入偏见、扩大偏见，强化偏见，隐秘地规训用户思维与行动，从而制造舆论偏见。

(一)内容生产环节：夹带主观偏好，植入偏见

算法在内容生产环节的设计初衷是追求产品增值与流量变现，在这一动机下平台选择必然带有价值偏好，通过内容生产程序开发、资源调配、结果呈现，“算法流水线”打造舆论偏见的孕育、运作、生成链条。

内容生产程序开发是舆论偏见的孕育开端。算法开发者在理解问题、选取数据、确定变量、建立模型、解读结果的过程中难免夹带主观偏好，植入偏见。算法理解问题的主观性使其夹带了设计者价值观。算法选取数据的局限性造成许多群体、地区的数据被忽略。算法建立模型的片面性导致开发者偏见转移到因果链条中。算法设置变量的偏向性使其无法捕捉复杂情境下的细微差别。算法解读结果的表面性导致结论偏颇。

内容生产资源调配是舆论偏见的运作方式。内容生产者是平台的核心生产资源，算法将内容生产者划分类别、赋予层级和组织培育，使其逐步顺应算法的调动和配置。具体而言，算法根据订阅、关注、阅读、评论、点赞、转发的内容发布数据，将内容生产者划分为草根、官方、意见领袖等类别。算法用从“新手”到“优质内容生产者”再到“大V”的晋升层级来调动生产积极性，选择性地对传播主体进行收益补贴和流量扶持来完成对内容生产的培育。以上规则的算法设计初衷是引导生产者一步步实现内容产品增值与流量变现，并暗中对内容的价格进行了标注。

内容生产结果呈现是舆论偏见的生成模态。顺应算法的内容生产最终呈现的是形塑真相而不是还原真相。例如，采用算法进行自动化新闻写作，设定报道模板时如果有价值观偏差，那么生成的报道内容就会带有成见。虽然互联网公司和各种信息平台表态会提升算法运行的透明度，重视人工审核的介入，但是在实践中，算法流水线下的内容呈现加剧了偏见的模态化生成。

(二)信息分发环节：削弱公共价值，强化偏见

算法在信息分发环节通过多种计算方法筛选、过滤和推送信息。现有的平台信息分发规则打破了传播渠道的专业壁垒，却也悄然削弱着信息传播的公共价值。无论是内容标签推荐、协同过滤推荐还是热点排行推荐，这些分发规则都可以在技术黑箱的遮蔽下带来社会共识弱化、认同窄化、议程设置耗散等问题。

内容标签推荐算法弱化社会共识。内容标签算法推荐通过对用户的浏览历史、搜索记录等进行标签化处理，测算与评估用户的接收兴趣和使用偏好，在此基础上持续为其推送相近相似的信息。千人千面的定制化推送看似满足了用户的个性化需求，实则这种裂变式的传播会消融主流意识形态的凝聚力作用。在流量至上的逐利目标驱使下，商业价值观的算法推荐可以通过这一过程将用户的信息偏好置于信息的公共价值之上。

协同过滤推荐算法造成认同窄化。协同过滤算法通过对用户的社交痕迹进行抓取，依据用户留下的位置、行业、年龄、圈层等信息，将用户划分为有着相似关注点和使用习惯的类别群体，然后向同类型用户进行相似的信息推荐。在具有商业属性的平台上，这样的信息分发规则贯穿着利益先行的商业价值观。公众接受的信息日益窄化，长期浸染在表层的、众声喧哗的热点信息中，缺乏对公共性信息的深度思考与判断，对主流意识形态的认同度相应下降。

热点排行推荐算法导致议程耗散。热点排行推荐是算法对浏览量、关注度、讨论量等体现议题热度的指标进行排序，通过动态更新的排行榜形式进行推荐。各个平台的热搜榜单就是这种推荐方式的典型代表。用户的关注点随着排行榜的动态更迭而耗散，主导意识形态的议程设置可以在这样的推送场景下被稀释。在这样的规则下，平台可以将用户欲知信息凌驾于应知信息的选择之上，即但凡是用户想知道的就是头条，而某些与公共利益密切相关的信息被后置或弱化。

(三)效果反馈环节：规训用户思维，放大偏见

效果反馈是媒介影响乃至隐秘地规训用户的终端体现，是算法放大偏见的实质性环节。从表面上来看，效果反馈环节使传受关系发生了变化，用户在接收信息的同时，还通过反馈与互动参与着信息内容把关、评价、传播环节，这使他们获得了一种虚假的权力感、自主感、沉浸感。

用户参与把关获得权力感，却对平台更为依赖。算法借助收集用户播放、点赞、收藏等终态数据，作为下一轮内容生产和分发的决策依据。从表面上看，用户的选择决定着内容的排序、呈现与推荐，这让用户获得了把关人的权力感。然而，算法通过计算用户的喜爱偏好，用数据拼接出一个比用户本身还要真实的“自我”，这样的“自我”反过来被用于“塑造”用户的偏好。如此一来，用户在被“投喂”的习惯中不知不觉失去主动获取多元信息的意识，对平台愈发依赖。

用户参与反馈获得自主感，却忽略了信息不对等的前提。精选用户留言、请用户打分、主动征询用户建议等方式使人们获得了在传统媒介生态下未曾有过的自主感。平台看似充分给予并尊重用户自主性，但其背后的前提依然是数据控制者与用户之间的信息不对等。对留言展示或置顶的筛选标准、反馈时对个人喜好的进一步收集，算法有计划、有目标地对引导用户进行反馈。大多数用户并不知道自己的反馈数据如何被使用，平台却已对用户了如指掌。

用户参与互动获得沉浸感，却让渡了部分自我意识。互联网以超链接激活了网络空间的交互性，“短视频+社交”的平台模式、虚拟现实技术的发展，使得用户很容易在沉浸式互动中流连忘返。但平台社交互动的本质是由算法牵引的互动，即算法开发者与用户的互动。现实世界的多重人际互动能够让人发现自我、接受自我，但若沉浸在算法营造的虚拟互动中，缺乏真实的自我实践与自我选择，用户的自我意识逐渐让渡出去。

综合以上对内容生产、信息分发、效果反馈的过程分析可见，算法在舆论偏见的建立过程中获得了行动者地位，悄然实现对用户的规训。根据布鲁诺·拉图尔(Bruno Latour)对行动者的定义，行动者的重要标志是能改变事物状态、能造成差异[21]80。对照算法，由于算法设计的方法不同，用户端接收的内容性质在算法运行过程中发生了改变，继而算法本身又随着用户行为的变化进行动态调整。如此看来，在信息网络中，算法是能够规训用户的非人类的网络行动者。

三、舆论偏见影响意识形态认同的算法逻辑

主流意识形态是在社会中占据支配和主导地位的思想观念和价值体系，认同感是主流意识形态是否安全的重要表现。在算法作用下，舆论偏见对主流意识形态的影响是一个复杂的过程，主要通过传播主体、传播符号、传播运营、传播场域发挥作用，并在无形之中削弱、阻碍、消解、稀释用户的情感认同、话语认同、理想认同、价值观认同。

(一)传播主体模糊化削弱情感认同

情感认同是主流意识形态的建设起点。情感认同体现社会公众对意识形态基本内涵的一致理解，既是个人情感的认知状态，也是群体情感的认知取向。我国主流意识形态的情感认同包括民族自豪感、社会责任感、集体荣誉感等，其强调社会和谐共处，倡导公众达成情感共识。然而，纷杂的算法路径导致传播链条上的传播主体日益多元，其面目也逐渐模糊，削弱了个体间的情感连接与认同。

传播主体模糊化导致舆论信息庞杂，引发情感焦虑。传播主体模糊化的体现是，网络空间中原本单一的关注点会迅速衍生出众多信息源，呈现复杂交叉的传播路径。算法推送逻辑混沌而隐秘，信息发布主体的真实性、客观性难以追溯，混乱且失实的信息加重公众对舆情事件的焦虑感，使之成为舆论场的普遍情绪。

传播主体模糊化弱化公众的舆论担当，产生情感隔阂。算法语境下的信息流通方式使传播者得以较为自由地表达自我，但这种自由表达也是产生社会隔阂的潜在因素。如前文所述，算法通过引导流量分配规则，小到可以改变用户个体的认知与选择，大到影响公众的判断和感觉。资本逻辑下，多元且模糊的发布主体往往追求“流量”与“热度”而导致行业内的恶性竞争，舆论场众声喧哗却缺乏担当与共情，导致情感认同淡漠，继而减弱社会凝聚力和共同行动力。

(二)传播符号碎片化阻碍话语认同

话语认同是主流意识形态的建设基础。话语是思想、价值观的体系化表述，也是意识形态获得公众认同的工具。算法情境下的传播符号大多以碎片化取代连贯性，对构建体系化的话语认同造成阻碍。

碎片化的传播符号缺乏深厚的文化根基，造成话语体系飘摇。资本主导下的算法推荐内容大多是基于对传播符号的数据解读，诸如图片、关键词、标题、热词等等。这些碎片化的符号信息往往呈现片段化的事实，在很大程度上弱化了公众深入认知、理性思考的能力。流量利益驱动下的传播符号大多以满足用户感官刺激为出发点，并以泛娱乐化的方式呈现，从而让公众淹没于海量的符号消费而缺失了深厚的精神文化土壤，动摇主流价值观中的话语认同的根基。

碎片化的传播符合缺乏理性的认知体系，造成话语表达片面。积极参与公共事件讨论可以促使人们反思与警惕，从而在社会整体风气、行政管理体制、个人思想品德等方面作出积极改变。但是，一旦舆论陷入传播符号碎片化的误区，多元但片面的文本、图片、视频等信息占领媒介空间，易降低公众理性思考的能力，易引发公众陷入过度困惑、不安的不良情绪中，当有敏感社会事件发生，公众焦虑被点燃，进而引发意识形态层面的危机。

(三)传播运营资本化消解理想认同

理想认同是主流意识形态的建设目标。理想认同指在全社会形成共同的理想信仰追求，凝聚社会共识，包括先进的思想理念，符合社会发展客观规律的意识思潮，以及在此基础上形成的与国家政治、经济相联系的理性价值观。处于算法语境下的网民，接触的是资本流量分配规则下的信息，很难构建系统化的知识体系和精神理念，社会主义共同的理想信念更是难以内化于心。

资本化运营催生信息传播流量导向，导致互联网乱象丛生，长期汹涌的负面舆论将消解公众的社会主义信心。资本化运营的媒介平台以算法为流量导向，易导致舆论审判、道德绑架、网络暴力等乱象，如果网民带着偏见来审视社会，对于官方制定的公共政策将形成条件反射式地漠视，进而质疑社会主义本质和理想目标。

资本化运营造成信息价值商品化，加剧权力结构不平等，加深公众对前途命运的忧虑。社会主义理想认同还包含对中国特色社会主义前途命运的信心。媒介的私有化使内容生产成为资本增值和扩大再生产的工具。随着信息数据与价值的商品化，媒介平台将走向具有垄断性质的平台资本主义之路。原本属于公众的信息资源被垄断，必然造就网络空间中新的权力结构产生，加剧社会不平等。不公正与不平等是对公众理想信念基石的最严重损害。

(四)传播场域去中心化稀释价值观认同

价值观认同是意识形态的建设途径。价值观认同的作用在于引导社会大众面对复杂多元的信息作出正确的判断与选择。在以平台化为特征的智媒传播模式下，传播场域的去中心化趋势愈发明显，每一个用户都成为信息传播链上的网络化节点。去中心化有一定的反权威意义，它使互联网更加扁平，让所有人都有机会参与互联网中的信息生产中，但需要警惕的是，去中心化对于形成符合主流意识形态的价值观认同可能构成危机。

传播场域的去中心化带来多元价值冲击。网络舆论中的激烈争议与交锋正是社会多元社会价值碰撞与撕裂的体现。多元价值呈现易让缺乏判断力和思考力的人产生迷失。在去中心化的放大效应下，算法设计与运行过程中植入的偏见得以迅速广泛传播，网络上不当言论一旦出现，把关人根本来不及作出反应，在猝不及防的情况下迅速传播，造成不良社会影响。此时平台的价值取向成为关键，其中资本利益与公共利益的冲突，技术理性与价值理性的博弈，为意识形态建设带来挑战。

传播场域去中心化解构主流媒体引导力。算法语境下由于技术对普通用户的赋权，使得传播链条上的各个节点具有了自治性，原本处于中心位置的主流媒体引导力被稀释。倘若算法逻辑任由商业利益驱动，过滤气泡带来的圈层传播壁垒将难以破除，主流媒体的话语权与权威性被削弱，公众对社会主义核心价值观的认同度减弱。

四、主流意识形态下舆论偏见的算法治理

算法在舆论偏见中并非只具有单向负面作用，算法推荐在主流意识形态中介环境变化下可以正向引导舆论。借助算法和大数据，平台可以成为公权力进行互联网治理的中介。基于主流价值观进行算法逻辑的顶层设计、清晰确立算法的根本属性、全面培育公众的算法素养，探寻行之有效的算法治理策略，将使算法在稳固意识形态安全中起到积极作用。

(一)算法逻辑的前提：以人民性驾驭算法的商业性

在算法逻辑的顶层设计理念上明确人民性高于商业性。作为承载信息传递与互动功能的大众传媒，互联网平台公共性的实质是“人民性”[22]75。在信息传播算法模型的设计之初，就要秉持主旋律和正能量更有生命力的理念。算法在权力体系、商业回报、政治参与上的功利性，决定了算法既是国家治理现代化过程中的治理对象，又是现代化国家治理应当科学运用的治理手段。

社会主义制度下的算法是人民的工具而不是资本的工具。建立在社会责任之上的算法，应把正确政治方向、舆论导向、价值取向细化为平台中具体可执行的规则与算法的逻辑。习近平指出，互联网治理“要以技术对技术，以技术管技术，做到魔高一尺、道高一丈”[23]95。在算法治理上尝试推动理念和制度机制的创新，从政府管控转向多元主体共治。《人民日报》新媒体中心首创加入主流媒体价值权重的“党媒算法”，并在“人民号”平台上运用，便是以主流价值驾驭算法的开拓性尝试。“党媒算法”不排斥算法逻辑，但完全不同于商业意义上的算法推荐。党媒算法将“算法”作为一种工具接受价值观指导，有效发挥主流媒体的“把关人”作用，筛除低质量、失序的流量，构建主流价值引领下的新媒体生态。例如人民日报社研发的iMonitor传播力分析系统，就是依据主流意识形态内涵而设计的模型来计算视频新闻的传播力指数，这也显示出“党媒算法”在新闻的生产与传播流程完成闭环，可以实现各个环节的覆盖。

新兴的媒体技术无论发展到何种程度，都应该是从人民立场出发，为满足人民美好生活需要服务。舆论要取得平衡，信息应该尽可能地完整、公正，不能失真。在这一前提下，应发挥网络平台的技术优势，在算法设计之初充分考量信息的平衡、评价的公正，审核内容的真实度，发挥其客观报道塑造理性价值观和健康世界观的功能。社会主义制度下要规范资本，完善数字化发展基础建设，打破数字平台的私人垄断，而不能用过于工具化和功利性的心态看待媒体的作用。

(二)算法属性的确立：以公共服务性抵制算法的混乱性

算法之于信息传播的属性应当是公共性，公共性是网络公共空间治理的目标[24]70。以提供公共服务为责任，抵制混乱、低级的算法，这是主流意识形态下媒介平台的应守住的底线。

在制度上，公共属性的确立来源于主流媒体性质的确认。坚持新闻媒体的事业性质，守住主流媒体的准入门槛，减少市场化因素对主流媒体驱动和干扰。打造内容风险控制平台，将党管媒体延伸发展为党监管数据，通过舆情监测，根据舆情发生、发酵、高潮、震荡、回落的发展周期进行科学引导，从源头把握社会舆论方向，确保主流意识形态的主体地位。为有创意的优质内容提供重点推荐和分发服务，为满足民众多元的资讯需求积极构建兼具主流价值和创新能力的新媒体内容生态；着力提升媒体为人民服务的水平，更好地为人民提供信息，提供反馈渠道，提供更好的媒介体验；着力提升主流媒体的传播力，大力建设新型主流媒体，构建主流媒体矩阵，增强主流媒体话语权和公信力，将舆论引导权牢牢把握在主流媒体手中。

在实践中，公共属性的直接体现是信息平等。平等是社会主义的本质要求，也是社会主义的理想价值，更是衡量人类文明进步的重要标准。平等既包括政治平等、经济平等，也包括权利平等、机会平等、身份平等、资源平等等不同内容。“算法黑箱”的存在构成了公众与平台之间的不对等。在公众看来，媒介平台的流量分配规则始终处于神秘和隐蔽状态，大部分用户只能看到数据输入的环节和最终的输出结果，这是数据处理和决策运行的“算法黑箱”。除此之外，即便将数据处理和运行过程和盘托出，由于自身算法素养和知识水平的限制，公众也不能完全理解算法的应用逻辑，这是认知上的“算法黑箱”。对用户进行算法解释及用户参与式同意是揭开程序黑箱和认知黑箱的有效措施，也可以保障公众获取信息的平等权利。平台对算法的解释，应建立在人力核实数据真实性的基础上，并在数据和传媒伦理两方面作出合理的取舍。需要注意的是，规范平台的同时也要与平台建立信任，才能实现良性循环。政府应与平台风险共担，以公共利益为出发点，共同推进有责任感的算法研发。

(三)算法素养的培育：以思辨意识替代对算法的依赖性

提升算法素养，培养用户对算法的理性认知，摆脱算法依赖是实现算法理性的路径。“算法素养是指用户在面对算法推荐信息时所表现出来的态度、知识、技巧以及能力的总和。”[25]187完全脱离算法是不现实的，但在接触算法之间保持理性的思辨意识尤为重要。应当培育用户的算法学习能力、趋避能力和辨识能力，以提升社会公众的算法素养。

培育公众的算法学习能力。通过发布知识文章、公开用户协议、拟定使用说明，颁布政策规范等方式，让用户了解算法相关知识、熟知各平台的服务功能及特性。只有基于对算法规律的了解，公众才能够认识算法可能带来的风险，提高防范、对抗风险的能力。凝聚有关算法的共同价值认同，对于违反伦理道德、法律法规的算法进行坚决抵制，避免算法对公共秩序带来危害。

培育公众的算法趋避能力。引导公众选择性地对信息进行趋近与回避，主动扩大对外界信息的接触面，可以有效帮助人们逃离窄化信息世界。在信息采集阶段，启发用户对个人信息收集产生敏感性，有选择地趋避算法画像的控制，主动对抗信息的窄化；在信息获取阶段，启发用户对事实的追求，避免为“情绪”所困；在信息判断与行动决策阶段，启发用户能动地使用媒介，学会在算法社会保持个人的尊严与价值。

培育公众的算法辨识能力。呼吁用户保持对技术热潮的“冷思考”，以科学理性的态度对待算法。算法问世之初人们的确感到惊喜与好奇，但伴随着算法植入社会的程度越来越深，人们逐渐感到疲惫并引发更理性的思考。启发用户不盲目崇拜数据，对数据的可信度和局限性有清醒认识。启发公众加强面对海量信息时的辨识能力，识别低质量内容，抵制不良信息，不为低俗、虚假信息贡献流量。

基于以上分析可知，出于意识形态安全建设的需要，国家和社会管理者应发挥社会主义制度的优越性，分析算法的双刃剑作用，在内容生产、信息分发、效果反馈的全流程中加强算法对主流意识形态的积极作用，规避负面影响。媒体与平台则应担负推行算法素养教育的责任，提升用户使用算法、驾驭算法的能力。

五、结语

网络平台的资本化给网络空间治理带来新的挑战。社会化媒体构建的传播平台导致新闻生产门槛被降低，专业新闻生产的壁垒被各种信息传播主体打破，形成万众皆媒的景象。以算法为技术支撑的网络平台日益成为重要的舆论场，也成为舆论偏见产生、发酵的主要源头，是当前算法治理的关键场域。

网络空间治理的目标之一是实现以人的价值与理性来规范约束机器的工具属性。本文梳理了算法作用下舆论偏见产生、扩大、强化的过程，分析算法偏见对主流意识形态构成的冲击，明确了在算法应用于信息生产、分发、反馈的全流程中确保人的主体性，才能修正算法偏见从而确保网络空间的公正与安全，并提出了针对性建议。网络安全意味着国家安全，习近平明确了“网络安全和信息化对一个国家很多领域都是牵一发而动全身的”[26]197。只有用主流价值观驾驭算法，才能减少算法带来的隐忧与负面效应。

发挥算法正向价值，取决于算法开发者、内容生产者、用户群体、平台管理者的共同作用。多元的价值判断共同作用于智媒时代，算法价值观的本质是人类之间的价值观博弈。规范信息的生产、分发模式，坚守信息传播中的公正性，切实保障用户的信息自决权。在具体的算法治理实践中，如何把握传播效率与公共价值、技术透明与数据安全的动态平衡，仍留下了许多研究空间。