林爱珺，陈亦新| 信息熵、媒体算法与价值引领

欢迎关注“湖南师大社科学报”

作者简介

林爱珺

暨南大学新闻与传播学院教授,博士生导师。广东省新闻教育金钟奖。国家社会科学基金重大项目首席专家，全国新闻出版行业第三批领军人才，中国新闻史学会舆论学研究会副会长，中国新闻史学会传媒法规与伦理研究会副会长。广东省宣传思想战线“十百千工程”培养对象，中央电视台节目评审专家。曾获中国第六届吴玉章人文社会科学优秀成果奖、广东新闻奖三等奖、中国新闻史学会优秀论文奖。

主要研究传媒法与新闻伦理、风险沟通与应急管理。在法学和新闻学核心期刊发表学术论文100多篇，出版个人专著《知情权的法律保障》《舆论监督与法律保障》《舆情信息工作指南》。

陈亦新

暨南大学新闻与传播学院博士研究生。

信息熵、媒体算法与价值引领

核心提示

基于算法逻辑的个性化新闻生产与推送，大大提高了信息生产率、传播率，改变了用户体验。但同时，媒体算法背后多元的价值标准、平台逐利、流量至上和技术黑箱问题，也影响着人们接收信息的质量和价值观；标题党、假新闻、民意伪造现象频发，算法偏见、信息茧房、社群区隔等问题影响着网络信息传播生态。基于系统论引入熵定律研究网络信息传播治理，聚焦媒体算法带给信息系统“熵增”风险及其原因，通过价值负熵、技术负熵、用户负熵建立信息系统的“耗散结构”以实现“熵控”，以人为本、将法律伦理植入算法、让用户参与算法优化，去粗取精，去伪存真，对信息进行结构化处理，以保护新闻舆论环境的有序、准确、正能量，并以此提供一种信息生态治理的新方法论。

内容精选

“熵”最早是热力学第二定律中的概念，用来衡量系统中分子的无序程度。1948年香农将熵定律引入对信息传播的研究，提出了“信息熵”。信息熵是对信息“无序化”的测量，成为对信息进行量化分析、解决信息传播中不确定性问题的工具。信息熵对信息系统而言，可以激发信息系统的自组织性活力，推动信息系统从无序到有序。随着个性化推荐等以算法为核心的技术被广泛应用于新闻领域，算法技术已经成为影响信息系统发展的重要因素。信息熵是算法技术的基础，借助算法技术对人和事物相关信息的抓取和分析，可以消除对其的不确定性，实现信息系统的和谐发展。但现实中，机器人写作、传感器新闻、算法新闻所引发的信息茧房、社群区隔和媒介依赖等熵增现象，让我们不得不重新审视算法技术的“客观、中立、准确”及其带来的技术风险、认知风险和社会结构性风险。基于此，本文尝试从信息熵的视角来理解媒体算法，聚焦媒体算法带给信息系统“熵增”风险的原因，将信息熵的运作和控制作为媒体算法优化的方法论，实现算法“向善”。

一、媒体算法的技术逻辑与技术赋能

技术是改造社会的工具，技术的每次更新进化必然产生巨大的社会影响。美国哲学家伊德（Ihde）曾提出“技术意向性”（technological intentionality）的概念，表明技术具有朝向现实特定层面的定向性，这与媒介环境学派中“传播的偏向”观点类似，都旨在说明技术本身是带有目的、暗含逻辑的。算法技术是“有限、抽象、有规律并产生一定效果的复合控制结构，在具体的规则下实现特定的任务”。算法技术引入传媒业后，不仅具有智能化特征，而且具有媒体化倾向；不仅只是工具，而且变成了一种技术环境，这个环境将“运算”贯穿始终，构建了一个无所不包、没有边界和限制、相互关联的信息融合机制。

在信息生产阶段，传统的信息规模化生产模式结束，取而代之的是针对多维度信息需求下的精准个性化生产模式。媒体算法应用于海量信息的挖掘与筛选，目的在于帮助信息生产者检索有用信息、聚类同质化观点、辅助多元信息编码，从而提升信息生产的效率。在信息分发阶段，基于内容的推荐算法、基于协同过滤的推荐算法、基于知识的推荐算法以及混合算法等颠覆传统用户被动接收信息的模式，通过关联用户的兴趣喜好和社交图谱，实现信息个性化推荐。在信息效果与反馈阶段，媒体算法致力于信息核实、数据整合、舆情分析等工作，提高用户参与和互动的频率，增强用户黏性。从媒体算法应用信息生产、分发和效果反馈的整个过程来看，媒体算法已经成为连接用户和信息的基础设施，它利用预设好的算法模型关联不同信息，确立信息之间的相关性，在本质上解决了信息资源的分配问题，即分众化信息分发的实现和长尾信息的激活。通过对人与事物各种散乱信息的聚合归类，媒体算法将这些信息进行结构化，形成了微目标传播、数据驱动传播和参与式传播三种算法传播形态，以此实现信息的供需适配。

媒体算法是信息处理的技术，这种技术如何发挥作用在于使用技术的人。用户借助媒体算法对所处环境信息进行感知与获取，并对信息环境做出适应性反馈。在这一过程中，由于媒体算法存在隐秘性，新闻机构或互联网运营平台以外的人很难知晓算法的应用模型与操作程序，因而媒体算法的天然非对等性赋予了算法特殊的能力。

媒体算法的赋能，在信息的生产、分发和反馈中都有体现。首先，信息生产者和用户之间的二元关系减弱了，媒体算法解构了传统媒体和专业媒体对信息来源的垄断地位，新闻生产主体扩大，新闻生产机会变得均等。于是，所有的信息都能以同样的方式生产和获得，以同样的方式服从注意力市场和互联网市场的竞争机制，虽然不同的信息在价值上并不均等，但它们所受到的关注和获得的赋值却是势均力敌的。其次，以算法技术为主导的信息传播打破了公众与个人的界限，打破了媒体与现实的界限。从非结构性数据到结构性数据，再到声音、行为等身体数据，媒体上记录了越来越多的个人信息，无论你是否愿意，你都被限定在算法规则内，媒体算法控制着用户接收信息的视野和观看之道。另外，在媒体算法作用下，用户接收的信息不仅是自身感兴趣的信息，也是媒体算法背后利益者想让用户看到的信息，这种信息的输出本质上是算法背后利益者价值观的输出，具有较强的价值偏向，媒体算法已经成为带有巨大情感力量和社会动员的叙事载体。

对信息系统而言，当人们获得足够多的信息时，就可以消除信息系统中的一部分熵。随着媒体算法的赋能加强，信息系统中负熵的间断、高价值信息供给不足和加速熵增之间的矛盾得到了缓解，这是一种“归信息化”的解决路径。即通过技术手段扩大载荷在信息传播中的信息价值，减少资源的消耗，实现可持续的负熵供给。但同时，表面看似客观中立的媒体算法，实则背后包含着价值观念的引导和思想认知的外化，它体现着设计者和运行者的价值判断、利益需求和情感取舍。越来越多的研究表明，媒体算法正在引发诸多的社会风险和伦理问题，技术带来的熵增已经成为亟待解决的问题。

二、信息熵中的算法迷失与价值偏差

任何系统的进化必然伴随熵增问题，但信息系统中信息熵有高低之分，高熵对应无序，低熵带来有序，只有信息系统不断吸入低熵、消化低熵、排出高熵，通过负熵抑制熵增，才能促进信息系统形成具有“耗散结构”的有序环境。

在信息系统中，信息熵与信息内容、信息量和系统结构有关。香农在其信息论中指出了熵与信息的确定性具有反向关系，信息系统中的熵越大，系统的混乱度和自由度就越大，这时信息的接收者往往不能从信息系统中识别出确定且有价值的信息内容。香农将信息量作为衡量信息内容价值的依据，他认为信息量实质上表征了信息发生的概率，小概率信息对信息接收者而言更具价值。后来，弗洛里迪在香农的基础上提出小概率信息应该包含了更多的语义内容，即一条信息包含的信息量的量度是其语义内容的明晰性和准确性。信息语义越清晰，实际有价值的信息量最多，信息熵越低。信息熵还与影响系统结构的因素有关，著名的“麦克斯韦妖”假设讨论了在智能技术自发干预的情况下，系统中的信息熵是否还在增加的问题。随着媒体算法在信息传播中的强大赋能，算法技术已经成为智媒时代的“麦克斯韦妖”，尽管媒体算法的产生是对之前技术缺陷的补救，它在确定并满足用户对信息独特需求，实现信息供需稳定方面带给信息系统绝对的负熵，但一切技术都不完美，媒体算法背后价值标准的异化、数据主义至上和黑箱化问题正在成为信息系统中新的“高熵”，影响着人们接收信息的信息量、语义和价值。

（一）工具理性与价值理性的冲突与失衡

媒体算法暗含工具理性与价值理性，两种理性的冲突会带来熵增。当下媒体算法以一种基础设施的范式，为信息系统满足个性化需求提供便利。这种规范工具化的媒体算法，不仅通过信息的积聚支配着用户，而且在用户的迎合中自我优化，造成信息传播中的技术垄断，出现信息包装过度和价值标准异化的风险。媒体算法作为一种信息技术，本应有计划地遵循和信奉人类倡导的价值取向，但当它优先分析用户相关信息和网络行为，忽视信息背后是否具有正确的价值取向与价值选择时，工具理性便消解了价值理性并产生价值冲突。

一方面，算法平台在利益驱使和流量至上环境下，标题党、假新闻、民意伪造现象频发。由于传统主流媒体把关人地位的势弱，UGC、MGC的新闻生产模式缺乏主流价值观引导，内容生产过度娱乐化、低俗化，重情绪而轻事实，网络意识形态遭到挑战，舆论场一旦失控，就会积聚信息高熵。另一方面，媒体算法追求新闻个性化的同时，也强化了信息的排他性。同类观点和情绪信息的积聚，让用户封闭在自己的回音室中，当社会公共意见与个人看法发生冲突时，主流价值观并不能发挥导向作用。媒体算法对价值理性的忽视造成信息系统中交叉熵的不平衡，这使得在突发事件中，数据驱动的媒体算法推荐常常失效，出现“黑天鹅效应”。媒体算法使得文化形式失去了层级，换句话说，高雅文化、通俗文化和流行文化之间的层级被打破，所有文化元素都能以同样的方式被呈现，都服从注意力市场与赋值市场上的竞争机制，这就导致了恶俗文化不加剔除就肆意扩散的现象，造成一些媒体算法平台缺乏正能量内容，先进文化变得“曲高和寡”，主流思想无法渗透，熵的无序愈加明显，公权力的权威时常受到挑战。

（二）数据量化逻辑下的人文缺失与信息偏差

20世纪90年代，西方新闻理念进入中国，主张以“公正、公开、公平”为目标，新闻应具备社会性与公众性，新闻记者除了掌握专业知识和技能外，还应该具有人文精神和社会责任。随着媒体算法的发展，信息系统的耗散结构发生变化，表现在传统新闻理念的涵义正在被消解和重构。

传统新闻价值选择的主体是人工编辑，注重“大胆假设，小心求证”的因果论证思维；媒体算法下新闻选择的主体则是技术本身，强调“小心假设，数据求证”的相关数据思维。媒体算法的技术操作逻辑在于一切皆可量化，而数据量化逻辑追求相关关系和准确性，却经常忽视个人情感因素，无法兼具人的抽象思维和形象思维。依靠算法的新闻生产中关于场景、因果关系等具体细节的报道容易被遗漏，造成信息偏差，缺少人文价值。

根据最大熵原理，当我们要对未知的事物寻找概率模型时，这个模型应该满足我们所有已经看到的数据。媒体算法想要完整呈现某个事件，前提是取得足够多的数据，否则最大熵模型只能给出部分平均值，而不能给予对事件的完整描述和预测。然而，现实社会很多数据不公开或不真实，成为媒体算法取得数据全集的障碍。算法新闻和数据新闻追求高时效性和高准确性，对于调查、专访等更为复杂类型的新闻采写，媒体算法却经常不能对其进行全面解读，大量数据无法通过字面意义权衡利弊，成为低价值的信息。低价值的信息意味着信息的不确定性大，信息客观度低，信息系统中的有效能量减少，带给用户的帮助较小，熵增明显。

（三）算法黑箱中技术与伦理的博弈

信息系统既是自然系统，也是认知系统。人的主观意识和价值判断在信息传播中发挥不可或缺的作用，香农在提出信息熵的概念时正是从信宿观察者的视角来判断信息熵影响的。当前，算法技术的不透明、难理解，大大限制着非技术人员在参与技术优化时的主观能动性，难以对其进行监督，挑战着新闻伦理规范。传统新闻伦理是对新闻从业人员的规范，媒体算法属于智能技术，且植入算法程序的是算法工程师，他们并不属于新闻从业者，这由此增加了伦理问责的难度。随着信息技术逐渐向强人工智能方向发展，算法开始拥有智能化的判断。这也让人们开始重新思考人与技术的关系，有研究者担忧分类推荐所导致的“算法歧视”会使个体独立选择与思考的空间不断缩小，个体在算法的渗透下逐渐失去自我的决断权。同时，媒体算法自主控制新闻的生产和分发，出现把关缺位与监管缺失，技术虚无主义抬头，这是“技术无意识”的表现。但“技术无意识”并不能将媒体算法产生的负面影响放任于新闻伦理规范之外，目前算法规范的缺失在于现行法律没有及时应对技术的变化，没有完善规则和制度去引导媒体算法的良性发展，会导致信息生态的失序，信息熵增加。

三、算法中的熵增与信息的结构性鸿沟

技术作为整个信息生态系统中的子系统，不仅对宏观环境产生影响，对其他子系统也产生影响。香农在信息论中曾提出“互信息”的概念，指出人们获取的信息和想要的信息并不是一回事，只有当两者之间存在关联，获得的信息才能消除不确定性，否则会造成个体行为的失范。根据耗散结构理论的观点，人们获得信息的目的在于增强个人生存的能力，这也被看作是实现信息功能上的有序性。如果在媒体算法影响下，个人的信息输出只有相对于环境来讲的高熵而没有低熵，那么整个系统的有序性就会被破坏，形成一种负反馈。这种负反馈正是媒体算法给用户带来的困境。

（一）信息茧房与思想固化的风险

基于媒体算法的个性化推荐为用户量身打造了专属的文化环境，这个环境试图契合用户当前的所有的愿望和兴趣特点，造成用户较少接触到与自己观点截然不同的、偶然的或出乎意料的信息，用户长时间沉浸在自己的舒适区中，形成信息茧房，这会提高信息系统中的熵值。信息茧房是独异性社会的外在表现，是信息过剩时代的自我保护。这加剧着信息的窄化，用户面临思想固化的风险。一方面，媒体算法营造了“过滤气泡”式的信息接收环境，建构着用户对社会的想象，影响着用户的态度和情绪。Kramer通过实证研究的方法证明Facebook的算法推荐会影响人的态度和情绪，发现人们喜于在社交媒体上与自己志趣相投的人交流讨论，相似的观点会得到强化，并向极端的方向转移，最终形成群体极化，这不仅让社会共识难以形成，还可能会出现集体失范行为。另一方面，媒体算法运行逻辑中的数据思维、相关性思维影响着人们的创新意识和创新活动，算法时代的创新过程被分解成为单个的、可追溯的步骤，是在用户将单个选择拼插组合起来的过程中产生，是一种混搭（mash up）和再创造的过程。换言之，创新是使信息系统获得负熵的重要方式，当人们不仅把首次出现的事物看作是创新，而且将已有客体和元素的重新组合也视作创新时，这虽然符合算法时代的独特思维，但必然也会造成信息系统创新动力不足，个体信息价值开发能力势弱。

（二）社群区隔与群体性孤独

如果说信息茧房是个体在媒体算法影响下的自我束缚，那茧房与茧房间的对立与排斥会产生社群区隔。媒体算法高度分化的社群区隔，会造成社会共识达成困难，给社会凝聚力的增强带来挑战。“区隔”旨在形容不同社会阶级群体之间的观念、意识和行为等不相融现象，算法时代这种不相融扩展到了价值观、情感和文化的不相融。在媒体算法的作用下，舆论场中出现了很多数字化的新共同体。这些数字化新型共同体本质上是彼此不相见的人通过算法联系在一起，不同于传统的因出身而形成的社群，新型共同体中的成员是主动选择加入的，成员间都有着共同认可和喜欢的事物，例如，共同的崇拜对象、共同的审美活动或是共同的政治选择。社群中的个体得到身份认同与情感共鸣，形成社群优越感，产生强烈的群体认同感和排他感。每当媒体算法通过过滤机制，针对不同社群进行不同信息的分发时，社群与社群之间会形成空间区隔。就像大学生群体和老年人群体媒介使用程度不同，两者间具有天然的结构性鸿沟，媒体算法在弥合这样的鸿沟时显得无能为力，有时还加深了群体间的区隔。同时，不同社群有着对信息不同的编码方式，对一些社群而言，集体之外的文化环境，经常是陌生且无法兼容的，会出现冷漠和敌我思维。当某种编码方式处于优势地位时，其他社群多会陷入“群体性孤独”，社群区隔造成了信息系统的各子系统间缺少联系，不利于营造外放的耗散结构，长期下去信息熵便会积聚。

（三）媒介依赖与人的主体意识消解

人是技术发展与进化过程中的“自然环境”，历史上各种技术的产生与消亡都伴随着人类意志的选择，人类自身与社会的发展需求是推动技术不断进化的动力。人性化是技术进化的方向和尺度，但媒介形式的人性化回归，并不能改变媒介技术中介化的实质。在媒体算法把很多智能型问题转化为信息数据的处理问题的时候，出现了唯数据论、唯技术论的思维误区，其实质是人们过度依赖媒体算法技术，人们的主体意识被消解，从而松懈了对信息来源的准确性考量、对信息质量的真实性判断、对信息分析结果的合理性评估。根据熵定律，信息语义不详、信息价值不高都是信息系统能量的消耗，会让熵不断堆积，无处消散，导致用户变得从众和麻痹，失去理性。根据路透社研究所《2019数字新闻报告》显示，有28%的受访者认为算法新闻产生较多的冗余信息，48%的受访者认为算法新闻没有带给他们有价值的收获。可以看出，媒体算法以数据为导向的新闻生产和推荐机制，仍然不能完全满足用户信息需求，信息供需不对等，冗余信息熵增加，这时信息熵直接影响信息系统，可能对社会结构、社会文化和社会秩序造成负面影响。

四、赋权与赋责：媒体算法的价值引领

根据信息熵定律，信息系统在自发状态下趋向熵增，也就是在其发展进程中不可避免地会出现源源不断的问题，而建立耗散结构并实现信息负熵可以促进信息系统向有序、确定和组织规范的方向发展，实现信息系统的和谐稳定。可以说，从熵定律的视角研究网络治理，不仅是一种系统论的认知，帮助我们理解新技术熵增带来的风险，而且借助建立耗散结构实现“熵控”，提供了规避技术风险的新尝试，为我们提供了一种信息生态治理的新方法论。

信息系统从无序状态过渡到耗散结构需要三个必要条件：其一，信息系统必须开放，通过与外界交换信息获取负熵，达到减熵效果；其二，信息系统需要远离平衡态，只有信息系统内的信息能量运动不均匀、非线性时，才会产生外部信息能量交换时的突变；其三，信息系统内部应该具备自组织性，存在自组织结构关系才能在外部信息能量交换时发挥协同关系。媒体算法以量化数据逻辑，建立信息系统中各元素的链接，尤其是人与信息的连接，驱动信息系统的自组织性；基于媒体算法的个性化推荐满足个体差异化需求，长尾效应的实现持续保持着信息系统的非平衡态。媒体算法可以是负熵，造福整个信息系统，但媒体算法中的价值迷失，也在威胁着人的主体性。因此，社会要想和技术协调发展，其方法不应是让社会运行机制追赶工具发展步伐，而是要让技术的天性和特质与人类需求目标相匹配。面对媒体算法带来的社会风险熵增，需要从宏观、中观、微观的角度全面考量，需要价值负熵、技术负熵、用户负熵，使媒体算法真正成为促进信息系统有序发展的负熵。

（一）以人为本，实现信息“功能上的有序性”

香农认为，作为信息熵量化对象的信息，是一种形式上的本体化存在，信息的形式、逻辑和语义都会影响信息熵的确定性，信息系统的有序追求的是信息“功能上的有序性”,即信息可以增强人生存与发展的能力时，信息具有更高的价值、更低的熵。因此，媒体算法在信息生产和分发时，要有正确的价值引领方向，追求更高价值的信息，用主流价值导向驾驭算法。习近平在2019年1月中共中央政治局第十二次集体学习会议上也指出，要探索将人工智能运用在新闻采集、生产、分发、接收、反馈中，全面提高舆论引导能力……扩大主流价值影响力版图。

具体来说，要在信息的采集和分发环节，推进媒体算法透明与算法监查。算法透明度实现主要包括可得性和可理解性，其中可得性是数据持有者与使用者之间的权力博弈，可理解性是算法运行流程被用户理解的程度。基于此，在保护个人隐私、商业秘密和国家安全的基础上，要对媒体算法流程进行细节公开，尽可能降低其中的知识门槛和技术壁垒，减少由算法黑箱造成的高熵。其次，将“以人为本”贯穿于媒体算法的全流程，引导算法向善。无论是算法自身的价值迷失，还是由算法造成的信息熵增，核心原因都在于算法没有完全从为人服务的观念出发。“算法向善”，弗洛里迪认为任何维持或增加信息的行为都被视为善的，因为信息的增加有助于系统的稳定，使得系统更有秩序。“善”既包括算法应该做正确的事，事实先于流量，不损害人的核心利益，这需要建立尊重、安全、预防、透明和友好的算法伦理；也包括算法应该具有责任，对算法赋能的同时，算法也要负责，而算法的责任承担者应该包括技术设计者、技术平台和技术本身。

（二）将法律与伦理植入算法，实现算法的自我纠偏

根据熵定律，信息系统内外部的协同需要对进入系统中的低熵物进行分配，排出高熵物。每当媒体算法忽视价值理性而过度追求流量、唯数据至上时，信息系统中便会产生高熵物，这时媒体算法需要兼顾技术正义与向善理念，把公共性的价值追求作为媒体算法发展的底线。公共性是媒体服务公共利益形成与表达的逻辑实践，是新闻传播的本质属性。媒体算法要坚守公共性，就必须让信息系统足够开放，让涉及公共群体利益的信息得到充分传播，让不同价值取向与不同观点兼容并包。同时，要规范媒体算法的法律法规和权利细则，针对算法运行流程中可能出现的伦理法律问题制定完整的规范和引导策略。

随着智能化水平的提高，媒体算法将逐渐具备自净与伦理约束能力，让算法抑制自身熵增，以“价值的名义倡导”服务人性之所需，实现自我纠偏。阿西莫夫用伦理规则引导机器人的行为，提出了著名的机器人三大定律，这开启了将伦理植入机器的先河。瓦拉赫认为当前道德主体的圈子从人类已经扩展到了人工智能系统，要通过伦理子程序（ethical subroutines）来规范和引导智能系统。道德智能体可以通过对自身行为会引起的伤害和忽视的责任来监督和规范自己的行为。媒体算法经过自净和纠偏机制可以发现可能的伤害，并采取措施避免发生这样的结果。这样的理想状态有两个前提，一是算法设计者要预估事态，并将合适的伦理规则导入媒体算法，提供在算法自主决策环境中的期望结果；二是算法设计者要提供更加开放的系统，赋权与赋责兼顾，对于信息系统中的突发事件要让机器算法自主地应对。也就是说，要加速媒体算法的智能化和自主化，使媒体算法能够自动辨别不同观点和个人偏好，并依据一定的价值观进行分级，这些偏好可能无法以完全中立客观的方式呈现，但媒体算法可以判断哪些信息是高价值的信息，通过技术进化提升对信息语义的解读，最后也要对自主性的媒体算法进行问责。

（三）透明且交互，让用户参与算法优化

杰里米·里夫金和特德·霍华德曾揭示熵定律是世界发展的本质规律，我们每个人都无法摆脱熵定律的无形之手。熵定律是一种世界观，它让人类思考宇宙最终会走向“热寂”；熵定律亦是一种方法论，面对混沌的世界，个体不再是无能为力，只有处理好人与技术、人与信息、人与媒介的关系，才能找到生命稳定的意义。信息社会的文明史是有效信息积累的过程，是在众多原始、无序、语义不详和重复的信息中，通过技术对信息进行结构化处理，去粗取精、去伪存真的筛选，让信息最终变得有序、准确、有价值。

算法优化就是要降低信息熵，实现信息熵的最小化，减少信息熵的增量。第一，新闻从业者要具备社会责任与人文关怀，要坚守传统新闻价值，坚持新闻的客观性、真实性与准确性，将社会公众利益放在首位。同时，对媒体算法生产与推送的信息，要及时反馈与纠正，传统编辑与算法编辑在信息传播中要达成广泛共识，打破由算法黑箱造成的知识壁垒，及消除信息的结构性鸿沟。第二，用户要提高自己的算法素养，具体来说要提升以数据供给素养、资源获得素养、主体性反思素养为内容的算法规则素养。要主动突破媒体算法营造的信息茧房，积极参与媒体算法决策，让媒体算法为己所用，避免沦为媒体算法的奴隶。第三，处理好人与媒体算法的关系，就要正视其工具理性和价值理性。有学者提出“负责任创新”的理念，营造一个透明且交互的环境，创新者和社会行动者在这个过程中进行多方面关照，从而使技术进步融洽地融入人们的社会生活。人应坚守在技术发展中的主体意识，实现“公众理解科学”和构建民主、和谐、公平的技术与社会关系。

结语

媒体算法应用传媒业，提高了信息的供需平衡，提高了信息传播效率和用户体验。但同时，媒体算法冲击了传统的新闻价值观，引起算法偏见和算法黑箱，容易出现信息窄化、信息茧房、社群区隔，以及“唯技术论”等负面价值取向。信息熵作为一种世界观和方法论，阐释了信息系统只有保持开放、非线性的、自组织性的耗散结构才能获得信息熵带来的正能量，媒体算法作为智能时代的“麦克斯韦妖”，在实现信息供需稳定方面带给信息系统绝对的负熵。但一切技术都不完美，媒体算法背后价值标准的异化、数据主义至上和黑箱化问题成为信息系统中新的“高熵”，因此需要对媒体算法进行价值引领。未来，针对植入媒体算法哪些伦理和价值，仍然有很大的讨论空间。但无论如何，熵定律为解决媒体算法的价值选择问题提供了方法，其核心在于扩大负载在算法之上的信息价值，减少算法对信息能量的消耗，让算法实现可持续的负熵供给。

文献引用格式

林爱珺,陈亦新.信息熵、媒体算法与价值引领[J].湖南师范大学社会科学学报,2022(02):125-131.

本文刊发于《湖南师范大学社会科学学报》2022年第2期传播学栏目。参考文献从略。

欢迎投稿

《湖南师范大学社会科学学报》

http://hnss.cbpt.cnki.net

《湖南师范大学社会科学学报》

国家社会科学基金资助期刊

中文社会科学引文索引（CSSCl）来源期刊

国家期刊奖百种重点期刊

全国中文核心期刊

中国人文社会科学核心期刊

全国高校社科名刊

主编：李培超

副主编：尹金凤

本文责编：尹金凤

编辑部电话：[phone]

微信公众号编辑：李淑

相关阅读