摘要：推荐算法平台的算法迎合、物化计算和算法权力的背后,存在着能影响和引领其他用户兴趣走向的可称之为“兴趣领袖”的关键用户,其角色与作用易被忽视。推荐算法平台“兴趣领袖”体现着从内容传播到兴趣传播、从意见影响力到兴趣影响力、从网络平台到算法平台兴趣传播的面向,强调算法兴趣权力下的用户影响力、算法兴趣制造下的用户间兴趣关系、算法对用户“算计”下的用户反向驯化、算法数据主义中的计算非理性、趣缘社群之外的平台全局引领性。推荐算法平台中的“兴趣领袖”存在着高算法可见度兴趣领袖、高算法优势度兴趣领袖、高算法代表性兴趣领袖、高算法迎合度兴趣领袖、高算法活跃度兴趣领袖、高算法流行度兴趣领袖、高算法连接度兴趣领袖这些主要的角色模式。在推荐算法技术“装置”体系中,需要强调兴趣领袖的角色和传播功能,重视以算法为中介的人和人之间的社会兴趣再生产方式。

摘要：推送算法平台隐藏在个性化推荐机制下的是热门内容的同质化和封闭化,这种宏观性的“热趋同”效应将带来平台整体性的内容窄化,影响受众品味和平台中的共识生成演化。本研究结合结构方程模型,明确提出算法平台中各内容主题“热趋同”的生成路径与传导结构。在算法推荐平台中,内容类的热度与其在类相似度矩阵中的中心度之间存在正比关系,并由形成本研究的三个支撑假设及其作用结构。推送算法在打造以平台为边界的内容封闭结构时,有必要采取措施促使算法工具成为受众认知世界的良性渠道,对平台的信息趋同与封闭性演化进行有效调控。

摘要：对推荐算法带来的“各有所好”“千人千面”的信息茧房的判断需要慎思,重审智能时代信息异化的可能方式。推荐算法在个性化导向之下潜藏着推荐内容的有限性与同质性,在基于用户的兴趣与历史行为进行个性化排序的过程中潜藏着算法偏差,在表层多样化推荐之下生成着深层的内容集中和霸权,使用户信息茧房从趋异走向趋同,从“各有所好”走向“共同牢笼”的自我异化。平台推荐算法恰是从“各有所好”的个性化逻辑而自我异化为用户趋同化的反向演绎,从“个性化”投其所好的起点通向“反个性化”的自身对立面。