@游识猷：读到一篇有意思的论文，讨论抖音上的新闻是不是够 “多样”，以及算法推荐到底是增加了内容多样性，还是削减了内容多样性？
结论是，
①算法本身其实倾向于增加 “新闻多样性”。
②但一旦用户开始强烈表达自己只喜欢少少的几类新闻，这种 “强个人偏好”，就会显著降低看到的内容多样性。
③如果要让算法帮你增加信息广度，是有办法的。
（信息茧房竟是我自己。[二哈]）
┈✧┈✧┈✧┈
暨南大学的研究者的实验方法是，使用一批电脑操控的虚拟用户，让这些 “假人” 像真人一样去刷抖音，模拟人类用户的各种行为，看看视频啦，点赞评论分享啦，关注某些频道 / 账号啦。
然后这些虚拟用户会有不同 “多样性广度” 的偏好，有的对所有新闻都 “没兴趣”（3 秒之内就划过）；有的则 “雨露均沾”， 对所有新闻都 “感兴趣”（认真看 15 秒）；还有的只对某几型的新闻 “感兴趣”，对其他类型 “没兴趣”。
至于算法这边，也分几种情况：
（1）无算法 + 随机推荐：关闭推荐算法，app 不追踪用户行为（浏览历史，观看时长，点赞，评论等），只进行随机推荐；
（2）有算法 + 用户躺平任算法推荐：用户不手动设置偏好或选择感兴趣的话题，算法自动完成内容的筛选和推荐。
（3）有算法 + 用户表达自己的某几类强烈偏好：用户表示出对某些类型新闻的明确兴趣偏好，算法根据用户的表达进行推荐。
从 “新闻多样性” 来说，大概是：
有算法 + 用户躺平任算法推荐 > 无算法 + 随机推荐 > 有算法 + 用户表达自己的某几类强烈偏好
从 “新闻多样性” 来说，“无算法 + 随机推荐” 并不是最多样的。
多样性最大的，最拓宽视角广度的，反而是 “有算法 + 用户躺平任算法推荐模式” 。
┈✧┈✧┈✧┈
算法之所以会 “暗自试图增加多样性” ，是因为算法开发者也知道，如果一直推同类内容，用户可能会觉得无聊，而减少使用甚至卸载。
而且平台从长期用户留存的角度，也希望自己内容丰富 ，所以会主动平衡推荐类型，比如娱乐新闻看多了也会腻，可以看点科技新闻平衡一下。
所以算法其实是会故意掺点不一样的， 去推荐用户可能感兴趣的内容，让用户觉得新鲜有意思。
但是，如果用户一直强烈表达自己偏好，比如对几类新闻基本上看都不看，那么陷入某种 “回音壁”，实在也不能完全归咎于算法。[允悲]
不论是主动探索，还是被动接受推荐，选择权始终掌握在每个人的手中，关键在于我们是否清楚自己在做什么，以及是否接受自己的选择。
至于在有算法的情况下，怎么训练算法推给你越来越大的世界呢？
一个是多 “随便看看”。
还有一个是如果算法推给你你平常不看的的东西，那么建议你 75% 的情况下点进去。
这样，算法就会开始拓宽推荐范围了。
（下次看到平台推送 “对方辩友” 的时候，建议咬咬牙，4 次里有 3 次点进去，而且至少坚持看个 3 秒以上……
长此以往，必成大器啊！
没有评论:
发表评论