起點課堂會員權益
職業體系課特權
線下行業大會特權
個人IP打造特權
30+門專項技能課
1300+專題課程
12場職場軟技能直播
12場求職輔導直播
12場專業技能直播
會員專屬社群
榮耀標識推薦算法應該向媒體記者學習的 5 個新聞業原則
媒體犯錯會道歉，為什么算法就不用呢？或許我們應該重新審視，被算法統治的資訊平臺和社交媒體平臺。一起來看，資訊推薦算法在這個時代，應該向媒體記者學習些什么。
本文根據Flipboard 聯合創始人兼 CEO Mike McCue 在 Web Summit 大會上的演講整理而成的文章。
資訊推薦算法，本意是幫人們找到可能感興趣的更多內容。但是，不管在專門的資訊推薦 App 還是社交媒體上，垃圾新聞、低俗資訊反而成為主力內容。本質上，這是因為投機者們、垃圾內容的制造者們很快找到了推薦算法天然的缺陷，學會如何利用它來迎合人性的弱點，煽動情緒，刺激欲望。
這就是現狀。比現狀更糟糕的是，推薦算法讓垃圾內容的制造者占了上風，而真正的新聞機構也不得不將自己的內容惡俗化，以迎合推薦算法。所以假新聞越來越多，真新聞越來越少；低俗內容越來越多，高品質內容越來越少。
這不是算法的錯，算法盡職盡責做了自己的工作，但算法的參數和控制指標需要重置，算法背后的人需要做出改變。
不要丟掉記者和編輯們的價值。新聞業的規矩告訴我們，「講故事」是要負責任的，傳播新聞需要保證完整性。我建議資訊平臺的推薦算法，向媒體記者學習，遵循五個新聞業原則：
一、真相和準確性
「造謠一張嘴，辟謠跑斷腿?！埂肝覀兪羌媛氃诒僦{，別人是全職在傳播偽科學?！?/p>
現在大家終于知道了謊言比真相更容易傳播，但資訊推薦算法更關心「相關性」而非信息本身是不是真相，怎么辦？
讓編輯負責辨別真相，編輯們可以區分出虛構的內容和事實，把他們的意見添加到推薦算法中。讓經過專業訓練的新聞從業者來決定什么是質量，什么是真相，什么是準確性。讓他們來監控和改進算法，防止算法被濫用。
二、獨立性
讓編輯來確保推薦算法是為讀者服務的，而不是為商業模式，為廣告主服務?，F在的推薦算法讓那些騙點擊的標題黨（clickbait）內容和廣告凸顯出來，正常的內容反而被打壓，這是現在網絡新聞最嚴重的問題——內容的權重，并不是根據內容是否對讀者有益來判斷的，而是為商業模型服務的，讓人們花更多時間沉浸在垃圾內容中，對這些公司的商業模型更有益。
三、公平和公正性
分歧和極端內容更受算法的青睞，也更容易引發讀者的對立。新聞從業者常說，在每個新聞事件至少有兩面，記者們的工作是發現和聽取多樣化的聲音。當編輯和工程師合作來調整算法，呈現多角度不同的觀點，才能加深我們對世界的理解和同情心。如果我們不理解為什么會有不同的意見，就不會真正團結。
四、人性
新聞事實必須被認真調查，有理有據，才能保證媒介是用來曝光或慶祝真相的，不是用來偽造事實傷害他人。這是職業操守，也是人性。算法不會對謊言泛濫負責任，但記者和編輯是需要對此負責的。所以編輯和工程師可以合作，一起設計算法，嚴格限制有害的內容被觀看，及時調整推薦給平臺上用戶的內容。
五、問責制
沒有什么系統是完美的。當錯誤出現，比如假新聞被炒作或者惡俗內容被推送給用戶，平臺方應該迅速糾正錯誤和調整算法。對于一家新聞機構而言，出現錯誤時一定會做立即做公開的勘誤和道歉，以保證機構的聲譽和讀者的信任。但是，算法和平臺方卻從來不會負同樣的責任。
算法是互聯網的基本組成，但算法并不是自己跑到服務器上的。是人創造了算法，所以人應該為算法的行為負責任。當算法像新聞記者一樣對事實敏感，也珍惜自己的聲譽，我們才有機會解決假新聞和惡俗內容泛濫的問題?，F在的情況是，人們已經不再相信在互聯網上看的所謂熱點內容。
事情不應該這樣發展。原本，互聯網是全世界的民眾分享信息，平等訪問全球信息的地方。但是今天，算法被投機者們挾持了，破壞了信息獲取的體驗，就像互聯網得了癌癥一樣。我們必須更快速地發現那些制造垃圾內容的投機者，必須最小化假新聞的傳播，從而讓高品質內容成為主流。
所以，當算法出現錯誤時，必須被追究責任。這需要勇氣，更需要形成一套基本原則。
原文：https://about.flipboard.com/inside-flipboard/what-algorithms-can-learn-from-journalism
標題：What Algorithms Can Learn from Journalism
作者：Mike McCue
編譯：郝曉茹/ 光澗實驗室（公眾號：lightstream0）
本文由 @郝曉茹 翻譯發布于人人都是產品經理。未經許可，禁止轉載
題圖來自Unsplash，基于CC0協議
- 目前還沒評論，等你發揮！
