能見度的支配與拼搏：Facebook動態消息演算法權力下的台灣新聞媒體

全文

(1)國立臺灣師範大學大眾傳播研究所碩士論文. 能見度的支配與拼搏： Facebook 動態消息演算法權力下的台灣新聞媒體 Dominance and Manipulation of Visibility: News Media in Taiwan Under the Power of the Facebook News Feed Algorithm. 指導教授：王維菁博士研究生：蕭維傑. 中華民國一百零六年二月.

(2) 致謝辭我的爸爸在 2013 年 7 月 15 日登出這個世界。他對我的碩士生涯充滿許多期待，卻沒機會看見我完成學位。現在這本論文的完成，希望他在雲端也能知道。. 本論文得以完成，特別感謝我的論文指導老師維菁，口試委員宇君、昭謀老師，尤其維菁老師更是我人生的重要導師；大傳所的學長姐、同學、學弟妹也是這篇論文的重要後盾，協助我接觸許多受訪者，不吝給予意見回饋；還有 Eva 老師、炳宏老師、Kelly 老師，以及張姐、郁凌都是我一路上的重要諮詢者。. 也想告訴我的家人和朋友們，特別是研所的「沒關係～就算是神經病」和「水水視訊」、RU RordTripGroup、大學的「佩姊生小孩大作戰」和 EnglishLand、高中的學弟妹和「YOYOYO」、MGBao。我的大半人生都有你們陪伴，當然以後也得是。. 此外，特別感謝中華扶輪教育基金會與台中北區社，對我研究所求學階段的支持。. 再次謝謝你們，人生下一個階段的開始，我也會全力以赴！. II.

(3) 摘要近期學術研究已將演算法描繪成力量強大卻又不可測知的權力。但國內新聞研究大致仍將社群媒體視為合於特定目的（通路平台、內容行銷、輔助報導、提升工作效率）之工具，缺乏對運算權力的關注。然而，Facebook 作為全球獨大之社群媒體，其動態消息演算法的排序、篩選與分類，替讀者裁決什麼樣的新聞得以被看見，全球新聞業對自身能見度的掌握，已面臨多重挑戰。於此，本研究焦點為動態消息演算法的能見度支配，以及台灣新聞業的策略行動所帶來的交互作用。研究目的有三：第一，了解動態消息演算法權力控制能見度的運作脈絡；第二，台灣新聞媒體如何實際回應此權力，又透過何種行動來博得能見度的機會；第三，媒體的回應偏向，產生何種經濟與文化的交互作用。本研究除分析動態消息演算法歷年官方資訊，也參照動態消息團隊接受外媒訪談之資料；同時，訪談第一線與演算法交手的國內新聞工作者，企圖從新聞業的行動實踐面，構連出演算法權力的運作。並輔以代表性媒體專頁之歷年貼文資料撈取，藉外部觀察實際表現與趨勢。研究發現，Facebook 普遍為國內新聞媒體貢獻超過五成以上的點閱流量，構成能見度的支配與從屬關係。演算法作為分配秩序，替媒體建構出能見度的差別待遇和不確定性；媒體為了爭取被看見的機會，則發展出看穿和拚搏的策略行動，企圖建立暫時的成功模式，以繼續維持流量換取廣告營收的舊有生存條件；最終，此等交互作用，形塑出組織經濟、新聞市場、新聞產品三個面向的矛盾糾結，過往由大眾媒體主導的利益分配、市場變化、品質產出已不復存在。文中並藉此討論，外部運算環境實已影響內部組織層級為能見度而行動的協力調度，新聞／社群媒體研究應邁向以運算權力為重心的新視角；同時，若要扭轉新聞業以能見度操弄取代內容經營的惡性循環，應同時檢討演算法的運算基準、網路新聞的廣告計價與可行的商業模式；最終，本研究仍要指出動態消息在能見度空間、市場、文本間交錯形塑的複雜多重面向。. 關鍵詞：Facebook、動態消息、演算法、能見度、運算權力、新聞媒體、臉書專頁. III.

(4) 論文目次第壹章、緒論 .................................................................................................................... 1 第一節、研究背景.................................................................................................. 1 第二節、研究目的.................................................................................................. 4 第貳章、文獻探討 ............................................................................................................ 5 第一節、演算法權力與政經脈絡......................................................................... 5 第二節、社群媒體、演算法與新聞研究 .......................................................... 14 第三節、演算法與能見度的控制....................................................................... 20 第參章、研究方法 .......................................................................................................... 28 第一節、研究問題................................................................................................ 28 第二節、文獻分析法 ........................................................................................... 29 第三節、深度訪談法 ........................................................................................... 32 第肆章、研究分析 .......................................................................................................... 38 第一節、新聞媒體對能見度支配的詮釋 .......................................................... 38 第二節、新聞媒體的能見度看穿與拼搏策略 .................................................. 49 第三節、新聞媒體行動與能見度結構之交互作用 ......................................... 74 第伍章、研究發現與討論 ........................................................................................... 118 第一節、研究發現.............................................................................................. 118 第二節、研究討論.............................................................................................. 123 第三節、研究限制.............................................................................................. 133 參考文獻......................................................................................................................... 134. IV.

(5) 第壹章、緒論第一節、研究背景一、社群媒體中介新聞業與讀者的關係台灣新聞業在網路時代已無法迴避讀者「觸及」的危機，從整體廣告量、媒體涵蓋率、民眾主要新聞來源的變化，可看出傳統與網路媒體間的興衰。台灣整體廣告量中，報紙、電視（無線、有線）都呈現負成長，唯有 2014 年網路廣告量較 2013 年成長 18.3%；媒體涵蓋率上，2014 年網路媒體的昨日閱聽率（68.5%）逐漸與電視（88.3%）拉平距離，與報紙（33.1%）的差距則逐年拉大（北市媒體代理商協會，2015）；民眾的主要新聞來源，也反映在媒體使用習慣的改變上， 2010 年起，網路（14.7%）作為新聞來源的比率首度超越報紙（10.1%）。2015 年，報紙已跌到 7.6%，網路則上升至 28.6%（世新大學，2013；世新大學，2015）。不斷浮現的新媒體不僅瓜廣告預算，也中介讀者能夠接收到的新聞資訊。尤其，社群媒體對當今的新聞生產、傳遞及使用上已造成可觀改變，改變閱聽眾與新聞工作者的關係，重塑公眾在新聞流程中之角色，已成為新聞研究重點。相較傳統媒體發行量急速下滑，新聞網站的成長未能持續，許多實證研究顯示，社群媒體在當今已經比傳統主流媒體更有效地接觸到閱聽眾，成為各大新聞網站門戶的入口（Newman, 2011；Newman, 2009；Newman, Dutton & Blank, 2011）。擁有全球 16 億用戶的 Facebook 已成為新聞媒體的媒體，中介新聞網站與讀者的關係。以美國為例，Facebook 為最大的新聞閱讀網絡，傳統新聞媒體得仰賴該平台獲得讀者點閱流量（呂紹煒，2015；Murthy, 2011）。同樣，在加拿大，2012 年就有五分之二的社群媒體使用者透過 Facebook 上追蹤的朋友來取得新聞，而五分之一的人透過 Facebook 追蹤新聞組織和新聞記者來獲取新聞（Hermida, Fletcher, Korell, & Logan, 2012）。台灣的社群媒體也是 Facebook 獨大，戶數直逼兩千萬人，高達總人口數的 84.5%（Internet World Stats, 2015.11.30），成為最高使用率的網站（81.9%）（北市媒體代理商協會，2015）；此外，民眾使用社群媒體的黏著度也高，近 6 成每 3 小時內至少關注 1 次，其中 33.8%的使用者隨時都在使用（國家發展委員會，2015a）；智慧型手機持有者甚至更加熱衷於社群媒體，以及新聞與資訊收集。42.2%的手機使用時間都花在 line 或 Facebook 上。從事活動類型中，還包含找資訊（每百人次 88 人）、參與 Facebook 等社群網站（每百人次 86 人）、看新聞（每百人次 65 人）等（國家發展委員會，2015b）。主流媒體確實也利用社群媒體匯集讀者的優點，期望讓讀者曝露在廣泛的新聞和資訊當中。但另一方面，社群媒體也顯著地對新聞媒體施加強大壓力。如同 Medium 創辦人 Ev Williams 疾呼當讀者日漸習慣從 Facebook 獲取新聞，媒體建置網站愈來愈失去意義（Inside，2016.05.16）。新聞研究也對社群媒體支配新聞 1.

(6) 業的現象感到焦慮，認為社群媒體對既存媒體生態與新聞業帶來的劇烈變遷，將更甚過去網路的出現。同時擔憂紙媒在商業策略上依靠社群媒體傳遞新聞內容、吸引讀者眼球，可能只是重蹈網路新聞的覆轍，將內容免費斷送，同時也將閱聽眾白白送給社群媒體等內容聚合平台（Franklin, 2014）。. 二、演算法掌握能見度控制的權力哥倫比亞新聞大學院數位新聞中心主任 Emily Bell（2016.03.07）對於社群媒體不只併吞新聞業，更併吞政治、經濟系統與社會生活感到擔憂，她指出：「當前有兩項尚未獲得足夠關注的重大變遷正在發生：新聞發佈者已經失去它們對新聞流通的掌控；而這樣的結果不可避免地壯大社群媒體公司的權力」。大型社群媒體與平台公司如 Google、Apple、Facebook、Amazon，以及 Twitter、Snapchat，在新聞流通與發布經濟上擁有極端的權力。全球新聞業正被不透明且無法預測的演算法過濾篩選，新聞商業模式不得不順應此潮流也無法抗拒。尤其，Facebook 透過動態消息演算法打造個人化報紙，宣稱「將對的內容在對的時間展示給對的人」，並確保「最高品質的內容」被生產、被露出、被分享，好讓使用者對動態消息的內容感興趣（Frantz, 2015.07.09；Kacholia, 2013.08.23）。值得關注的是，此自動推薦機制塑造著全球五分之一成年人口的社交生活和閱讀習慣，卻又同時涉及商業機密而產生透明度上的質疑，因此它最具影響力卻也最具爭議（Oremus, 2016.01.03）。同時，動態消息演算法也控制新聞資訊的流向，不僅打破媒體對訊息的壟斷，更讓新聞業逐漸向報紙、螢幕、網站等「靜態」新聞載體告別，成為在動態消息上「流動」的貼文，等待演算法將新聞送到讀者眼前。因此，Facebook 只要略微調整演算法就能顛覆整個媒體業，它能將病毒行銷網路媒體 BuzzFeed 和 Vox 的影響力推到新的高度；也能將許多不擅適應演算法機制的傳統媒體逐漸失去影響力 Oremus, 2016.01.03）。演算法控制參與主體的能見度，建構主體不被看見的威脅（Bucher, 2012）。當前媒體競爭態勢已顯示，新聞媒體接觸讀者的能力已大不如前，卻又無法坐視網路廣告被急速吞食，Facebook 就成為眾多媒體對流量、觸及率競爭的主戰場。也更加深演算法對媒體市場的主控：調降專頁貼文觸及、提高原生影片曝光等，都影響媒體的社群成長、導引流量，以及收益與虧損的平衡（張約翰，2016.02.25；張約翰，2015.02.12）。隨著 Facebook 逐漸主宰新聞通路，新聞媒體急切地尋找方法回應當下的挑戰，並開始摸索演算法的規則。根據美國科技新聞網站 TechCrunch 整理，動態消息演算法如何決定內容的優先呈現似乎有跡可循，這些因素包含：使用者對本身對該專頁的互動、該則貼文獲得互動程度表現、該專頁的熱門程度、使用者較常互動的貼文類型（文字、連結、圖片或影片）、發布貼文時間，都可能影響著貼文能夠在動態消息上被看見的機率（新媒體世代，2015.04.23）。 2.

(7) 這些對運算邏輯的摸索，也反映在媒體的創新實驗上。新聞網站 Storyful 被喻為社群媒體時代的通訊社，透過研發 Newswire 運算法程式，得以預測在社群媒體上具新聞潛力的熱門訊息。同時透過編輯人力的「人工運算」交叉比對訊息真偽，提供《紐約時報》、《華爾街日報》、《路透社》等媒體報導素材（黃哲斌， 2015.12.04）；網路媒體 Upworthy 對抗演算法的目標在於創造「有意義的病毒式網站」，擅長以「誘餌式標題（Click-baiting Headlines）」標題吸引點閱、獲取流量和廣告（黃哲斌，2015.07.17）。然而，標題操作上的浮濫現象，也讓 Facebook 對此類型內容開刀，降低能見度（El-Arini & Tang, 2014.08.25）。彰顯演算法對於媒體能見度、讀者新聞消費所掌控的權力。此外，新聞業與讀者的連結被高度中介，帶來的另一挑戰在於動態消息演算法以提升使用者經驗之名，控制讀者所能接收的新聞資訊。《華盛頓郵報》記者 Gail Sullivan（2014.08.19）指出，「演算法審查」操控動態消息的內容，關乎人權議題。尤其，演算法以相關性、偏好度、參與度等指標，放大相對熱門、討好、能吸引社群互動的訊息。反之，強調公民意識、社會責任與挑戰性觀點的嚴肅新聞，可能被排拒在外；新聞媒體《Wired》網站編輯同樣警告，過去的媒體「守門」已轉移到社群媒體上，而社群的守門人機制即在於演算法機器人（黃哲斌， 2014.09.10）。演算法更主動為讀者濾除可能的重要訊息，強化使用者原本的立場，讓人錯估情勢的真實判斷，將新聞消費禁錮在泡沫化的意識形態裡面（Pariser, 2011／宋瑛堂譯，2013；Oremus, 2016.01.03）。也因此演算法不僅是新聞研究值得關注的議題，新聞組織和記者也應該共同審視 Facebook 透過演算法進行權力的滲透。Columbia Journalism Review 刊登評論，呼籲記者不該隨網路使用者順從這些運算的宰制者們（algorithmic overlords）。演算法的每個部分都是記者一直以來所關注的議題：它們具有權力、機密，又宰制社會的形構。那麼演算法該如何被調查？此三部分都可以是分析重點：輸入演算法中的資料、黑盒子或稱為確實的演算程序、演算法的輸出結果或演算法得出的預測、分數或價格等數值。藉由分析輸入的資料、評估資料得出的結果，或檢視演算法架構（architecture）本身以查看其中涉入的價值判斷（Gourarie, 2016.04.14）。正如 Crawford（2016）所言，演算法在高度競爭的網路公共論域空間運作，其設計卻是用來在資訊競賽中生產出明確的「勝者（winners）」。演算法既是資訊競賽當中的仲裁者，但遊戲規則的設計卻幾乎沒有透明度與問責性可言。Bell （2016.03.07）也憂慮，社群媒體的權力集中更甚以往，衝擊著媒體市場裡的多元策展。何況軟體／演算法與人之間的直接與常規連結是如此緊密，我們需要理解有關日常生活的資訊是如何被即時串流傳輸乘載，演算法又如何藉著排序篩選構連物質基礎的利益（Berry, 2014；Beer, 2009）。. 3.

(8) 第二節、研究目的近期學術研究對於演算法在公共生活中的角色，多跟隨著一種引人注目的劇本來討論，將演算法描繪成力量強大卻又不可測知的權力（Ziewitz, 2016）。正如 Diakopoulos（2015: 398）在談論演算法與問責（accountability）時指出：我們正生活在一個資料所餵養的演算法世界，演算法大幅地裁決（adjudicate）我們生活上的決策：不僅是在搜尋引擎與個人化網路新聞系統上，也作用在教學評量、市場操作、政治競選、都市公共空間設計、社會福利與公共安全管理當中，但演算法可能產生錯誤或操作偏誤，科技上的複雜演算和其難解的運作，使得演算法難以被推敲，導致它如何運作其權力與影響力上，缺乏對公眾的澄清。目前新聞研究領域對運算邏輯如演算法的著墨較少，缺乏對演算法作為浮現權力的關注，多將焦點置於新聞如何管理社群媒體，以及如何將其納入新聞常規當中（Hedman, 2015）。這也反映當下新聞媒體急於擁抱社群媒體的態度，依循國內外社群媒體的新聞研究，可發現社群媒體大致上仍被視為合於特定目的之新聞工具。例如，全球性的新聞媒體對社群媒體經營皆強調專業的編輯守門，設有專職管理社群媒體，並檢驗使用者所提供之新聞訊息的真實性（林照真，2014a）。編輯和記者們正接受訓練並被任命於社群媒體相關的工作與任務，以理解如何使用社群媒體（Newman, 2009）。社群媒體不僅替代記者與消息來源如政治人物的接觸，既節省記者的時間，也提供記者新聞題材的選擇（Broersma & Graham, 2012）。相較之下，華人媒體雖不在意社群媒體是否可以發掘新聞，卻也相信其有一定提供即時報導，連結主網站資訊，或是商業行銷的功能（林照真，2014b）。然而，社群媒體透過演算法而來的可運算性（Berry, 2014），也使其有別於過去的科技與新聞研究，新的權力形式正在浮現（Beer, 2009），逐漸佔據研究的主體位置（Ziewitz, 2016）。我們無法再將其單純視為新工具的管理或採納，而忽略科技與新聞的交互作用（Lewise & Westlund, 2015）。於此，本研究焦點為 Facebook 動態消息演算法的能見度支配，以及台灣新聞媒體在能見度上的策略行動所帶來的交互作用。研究目的有三：第一，了解動態消息演算法權力對能見度的運作背景與脈絡；第二，台灣新聞媒體如何實際回應動態消息演算法權力，又透過何種行動來博得能見度的機會；第三，台灣新聞媒體的回應偏向，產生何種經濟與文化的交互作用。. 4.

(9) 第貳章、文獻探討第一節、演算法權力與政經脈絡一、演算法的概念與發展早在「演算法（algorithm）」的名詞尚未浮現前，人類就不斷在設計、更改和分享各種演算法，演算法的概念也早在幾千年前，就被用在法律、教學、醫學等領域上。追溯「演算法」一詞的歷史，來自西元九世紀的波斯數學家「花拉子米（Al-Khwarizmi）」的英文譯名「algorism」，演算法成為描述所有系統性或自動計算的方法（Steiner, 2012／陳正芬譯，2014：83）。現代演算法的教主萊布尼茲（Gottfried Leibniz）是第一位孕育人工智慧雛形的哲學兼數學家。他最早提出人類思維可經拆解，被簡化成一系列的二元表現，並交疊形成思想和演算法。思想越複雜，就越需要以簡單的概念敘述，而複雜的演算法則即是一長串簡單的演算法所構成。其後，數學家布林（George Boole）的計算系統和代數的創新形式，將演算法的概念推展成可以被使用的媒介，他透過布林代數將內容賦予電腦電路板來執行演算法。1930 年代末，麻省理工研究生夏南（Chaulde Shannon），再將這樣的表達方式建構到電路系統，解決所有數學問題、儲存資料，編輯影像乃至文字等任何資訊。電腦的電路系統和語言從此誕生，帶來現代的演算法，模仿人類的機器也從此成形（Steiner, 2012／陳正芬譯， 2014）。演算法可以被理解為一種技術，仰賴活動設計者以電腦能理解的語言告訴它怎麼做，取代人力無法負擔的連續勞動，例如處理、提取資料並在大量資料中比較、匹配。MIT 出版社的經典教材《Introduction to Algorithm》將演算法描述為定義良好的計算過程，它取一個或一組值作為輸入，並產生一個或一組值作為輸出（王曉華，2015：2-3）。因此，就電腦科學上的應用而言，演算法是一個定義明確的計算過程。它的核心就是一組具體的指令，用以完成某項任務的步驟；按表操課地執行來達到理想的結果，或用來解決特定問題，使資訊進入一個特定的演算法後得出答案來（Oremus, 2016.01.03；Steiner, 2012／陳正芬譯，2014）演算法也需要數學基礎，但不限定於解決數學問題。同樣，電腦程式只是演算法的一種存在形式，虛擬程式碼、流程圖、各種符號和控制表格也是常見的演算法展示形式。而循序執行、並存執行、遞迴方法和反覆運算方法則是常見的演算法實作方法（王曉華，2015：2）。有人說：「程式等於演算法加上資料結構」。雖然不完全正確，但也提到電腦程式最重要的兩點：演算法和資料結構，兩者永遠緊密連在一起。演算法可以理解為解決問題的思維，這是程式中最具有創造性的部分，也是一個程式有別於另一個程式的關鍵點，而資料結構就是這種思維的載體（王曉華，2015：3-4）。最終，演算法作為一門科學是歸納尋求解法的思維，演算法的開發與演化， 5.

(10) 就軟體程序觀之，即先有工程問題需要解決，而演算法作為解決方法，設計演算法則是尋求解法的過程（王曉華，2015）。然而，唯有當人類知道哪些變數需要被檢視或操縱，演算法才發揮得了作用。有時候，弄清楚這些關係中的重要變數，就跟建構一個能自動利用這些發現的演算法一樣困難，因為大部分的資料只是無意義的噪音，要梳理重要的因素就需要分析、篩選大量的資料，以建立模型、確立造成影響的真正要素（Steiner, 2012／陳正芬譯，2014）。過去我們學習如何用人腦尋求解法，然而把解法寫成程式，讓電腦照著執行去解決問題，這是「經典演算法」，最近十年網路不斷取代原本由人提供的服務，這需要機器擁有一定程度上能取代人的「智慧」。在搜尋引擎、推薦系統、廣告系統等領域，人工智慧和機器學習的應用越來越深入我們的生活。機器學習演算法的設計目標和「經典演算法」不同，不是讓人來想辦法，而是讓電腦從資料歸納知識，有了這些知識，電腦就能自己想辦法（王曉華，2015）。學者早前所預言的電腦與傳播的匯流：「運算傳播（compunication）」如今已正式到來，我們生活在運算傳播無所不在，成為生活日常經驗的世界（Berry, 2014:16）。Steiner 斷言，演算法的滲透與無所不在，控制了貨幣市場基金、股票和退休帳戶；將決定誰接你的電話、控制你音樂的傳送、決定你獲得器官移植的機率，甚至判斷個人影響力與社會位階。由演算法歷史演變可得知，其核心存在著一個永不停止的目標，那就是「預測」。甚至直覺地認為，每個人的行為在先天上具備某種可被預測的方式（Steiner, 2012／陳正芬譯，2014）。搜尋引擎龍頭 Google 也使用演算法，其演算法 PageRank 以影響力排名的計算方式，來決定搜尋結果的展示和排序，導引使用者前往具權威性的網站。由於 Google 認為經常被有影響力的網站連結的網站有較高的可信度，而這些網站很可能就被 PageRank 演算法排序到搜尋結果頂端。Google 對使用者分類的方式也依據此模式（Steiner, 2012／陳正芬譯，2014：306）。交友軟體 Tinder 同樣透過演算法為使用者的迷人程度評分，讓使用者找到排序相近的配對。該排序系統被稱為 Elo score，也就是西洋棋當中的等級分。Tinder 資料分析師 Chris Dumler 解釋，排序系統納入許多因素考量，系統資料則來自使用者對其他使用者的反應，有如投票機制，工程師只是利用這些資訊來研究誰的照片才是最吸引人的（陳翊煊，2016.01.18）。. 6.

(11) 二、Facebook 動態消息演算法與相關性排序 Facebook 由祖克柏（Mark Zuckerberg）在 2004 年所創辦，原初的主要目的在於借用網路模式替代傳統的通訊錄。早在 2013 年，該社群媒體的使用者就超過 10 億，並且以超過千億美元的估值上市。Facebook 的行動應用程式也很快就超越 Google Search、Google Maps 成為全美最流行的應用程式（Oremus, 2016.01.03）。社群王國被成功打造的背後，來自一群編寫程式和建構演算法的設計團隊，替 Facebook 挖掘數位和電腦世界大量製造的資料。由於使用者每日花在該網站的時間超過 100 分鐘，每日產生 30 兆位元的資料。這些鉅量資料需要儲存、分類、清洗，並需要在資料中尋找商業模式和商機。Facebook 也擴增對數學與程式撰寫等量化分析人才的需求（Steiner, 2012／陳正芬譯，2014）。 Facebook 不斷致力於了解什麼是安排網頁的最佳方式、如何讓人保持聯繫，以及如何讓使用者停留在該網站（Steiner, 2012／陳正芬譯，2014）。如今它不僅只是社交渠道，更發展成「全球性報紙」：有即時的新聞串流、娛樂消息、好友的狀態更新，而這些資訊流都是 Facebook 透過演算法，為每位使用者自動推薦而打造（Oremus, 2016.01.03）。 Facebook 將為每位使用者展示內容的任務交由動態消息演算法（Newsfeed Algorithm）完成。Facebook 於 2006 年推出動態消息；2009 年再推出新的首頁，動態消息不再依時間排序，而是透過預設篩選從好友與專頁而來的大量貼文、照片、故事等動態，目的在於向使用者展示有趣且願意互動的內容。因此，Facebook 動態消息團隊工程總監 Tom Alison 表示，演算法要能夠在第一時間衡量所有貼文價值，因此設計一個能夠替任何特定用戶，賦予所有貼文相關性分數的系統，就是動態消息團隊的工作（Oremus, 2016.01.03）。至於動態消息演算法的作用時機為何？Facebook 表示，每當使用者登入時，演算法便掃描並收集使用者過去一周的每位朋友、追蹤過的每個人、所屬社團中發布的貼文，還有按讚過的每個專頁。之後，動態消息便依照貼文的價值程度進行排序。使用者的每次造訪，就至少有 1500 則貼文等待被演算法篩選，僅有部分得以被顯示在使用者的動態消息上（Oremus, 2016.01.03）。動態消息演算法最原始的排序系統為 EdgeRank（邊際排名），此系統主要關注三項貼文排序上的權衡因素：親近度（affinity）、加權（weight）、時間衰變（time decay）（Bucher, 2012）。如今此排序系統已成為過去，Facebook 透過「機器學習系統（machine learning system）」，尋找使用者的使用行為樣態（pattern），企圖在眾多各異的行為找出近似的法則，並融入演算法當中，使動態消息演算法成為機器學習為基礎的演算法。Facebook 動態消息排名工程部經理 Lars Backstrom 估計，目前產出動態消息的演算法已包含約 10 萬項獨立的權衡因素。過去邊際排名關注的三項最原始的權衡因素，仍然包含在現今的動態消息演算法內，但其它更多權衡因素也同樣重要（McGee, 2013.08.16；Kacholia, 2013.08.23）。動態消息演算法預測每一則貼文的運算結果，並確保結果的確信度，然後再 7.

(12) 產生使用者與貼文之間的相關性分數，最後為每位使用者動態消息中的貼文排序。目前已知的 Facebook 的動態消息演算法主要根據以下幾個關鍵權衡因素決定（Bucher, 2012: 4；Al-Greene, 2013.05.08；McGee, 2013.08.16）： (一) 親近度、加權、時間衰變：親近度為使用者彼此之間的關聯與互動率，涉及發文者和觀看貼文的其他使用者之間的關係，互動數量與本質都在衡量範圍之內。頻繁地寄送私人訊息或造訪特定使用者的專頁，都會加強使用者們對特定朋友的親近度分數；加權則視貼文性質而異，如附有照片的內容比純文字內容加權指數較高。每個邊際排名都會依據 Facebook 所認定的熱門或重要情況，而被賦予特定加權。評論（Comment）可能比讚（Like）更被視為重要的加權因素；時間衰變則為貼文時間遠近，直接關乎新舊程度，較舊的訊息會被視為較不重要的。 (二) 關係的設定（Relationship Settings）：指 Facebook 用戶可以應用的關係設定功能。針對朋友，用戶可以把他／她標籤為「密友」或「相識的人」；針對已按讚的專頁，用戶可以選擇「接收通知」或「顯示在動態消息中」。Facebook 想藉此用自然的方式取得親近度的值，透過用戶自身關係的揭露，得知用戶與各個朋友、專頁關係的細節，並納入考量因素中。 (三) 貼文種類（Post Types）：考量每個用戶所傾向喜歡的貼文種類。經常對圖片有互動的用戶，在動態中看到更多的圖片貼文的機率會較高；而傾向點擊連結的用戶則會看到更多附連結的貼文。即參考用戶與每個朋友之間互動最多的貼文類型。因此一直發佈同樣類型的 Facebook 專頁主，其貼文很可能不會被喜歡其它類型的粉絲看到。 (四) 隱藏貼文／檢舉粉絲專頁（Hide Post／Spam Reporting）：貼文是否能見還是會受到用戶是否隱藏貼文或檢舉的影響。此因素考量一個動態更新與用戶的使用習慣，來計算用戶可能喜歡或隱藏這個動態的機率有多高。然而，在計算被隱藏的貼文時，衰變的因素也會被納入考量。所以近期被隱藏的貼文會背負較多的權重，但也隨著時間衰退而減弱。 (五) 點擊廣告和觀看其它時間軸（Clicking On Ads, Viewing Other Timelines）：動態消息演算法與展示廣告的演算法（包括展示甚麼廣告、何時展示、在哪裡展示）是完全分開的。但是用戶與廣告如何互動卻可以影響在動態消息上的展示。 (六) 裝置和科技方面的考量（Device & Technical Considerations）：考量用戶使用甚麼裝置，和用戶的網路連結速度等，用以決定要展示甚麼在動態消息中。特定內容在特定裝置上的呈現效果未必理想，且若用戶的網路連結弱，也會傾向展示較多文字動態。 (七) 舊文新推和最近互動（Story Bumping & Last Actor）：舊文新推使因時間衰變而變舊或用戶尚未看到的內容，得以因持續得到互動而再次出現在用戶的動態消息上。最近互動將用戶最近的 50 個互動（包括個人和專頁）納入考量，給予更多權重。 8.

(13) 三、演算法權力與政經脈絡構連（一）演算法的科技本質與權力形式就演算法演變的歷史看來，人類多將演算法視為工具，期望藉著工具的使用來全面地改善生活，甚至預測未來與決策（Steiner, 2012／陳正芬譯，2014）。然而這樣的工具論觀點使演算法作為一科技，象徵著技術和現代性，被認作是合於目的之手段或工具，符合中立性和科技規律的自主性，可能讓我們忽略演算法神秘而又強大的權力。科技記者 Oremus（2016.01.03）實地採訪 Facebook 總部動態消息團隊也指出，演算法基於商業秘密而被嚴密保護，仍有太多動態消息演算法程式碼的構成無法被得知。但瞭解演算法控制了什麼 Facebook 的動態消息，以及演算法的不斷改變，仍是理解其作用的重要關鍵。許多科技社會研究社群已指出，演算法作為一種新的權力形式所帶來的憂慮。 Beer（2009: 994）認為：「演算法被認為是具有型塑社會和文化型構的能力，並對個人直接產生衝擊」。Lash（2007: 71）也認為，演算法不只是一般意義的規則而已，更是構成性與規範性之外的新規則：「在一個到處都是媒體與程式碼（code）的社會中，關鍵是演算法的、生產性（generative rules）的規則」。「生產性」規則是虛擬真實，但產生了整體多樣性的實際真實。生產性規則被壓縮與被隱藏，並在後霸權秩序的社會與文化中越來越普遍。因此，一個媒體無所不在的社會意味著一個演算法逐漸具有權力的社會。而對媒介研究者而言，則必須對那些日常生活刻記賦予更多注意，更政治地進行分析。對於演算法被描繪為一權力的實體（powerful entities），統治、分類、治理、形塑，甚至控制著我們的生活。Ziewitz（2016）認為，演算法如同亞當斯密（Adam Smith）的看不見的手，或達爾文（Charles Darwin）的物競天擇等長久以來所建立的神話，發展成一種現代迷思。至於演算法迷思從何而來？Ziewitz 認為主要來自兩齣引起注目的不同戲碼（drama）：第一，演算法被視為各種領域中，具有權力（powerful）並作為決定結果的行動者（actor），如搜尋引擎、網路新聞、教育、市場、政治競選、都市計畫、福利，以及公共安全；其他還有股市、諜報、電影排行、醫藥診斷、音樂推薦、博弈等。演算法可能等同於裁決、產生錯誤、偏誤的操作、權力與影響力的行使，各方對演算法的憂慮包含偏誤、歧視、公平性、能見度的分配、監視，以及問責。這些演算法進一步佔據主體位置，以代理（agency）和影響（imapct）滲透。這些將演算法視為代理人（agential）的角色，呼應探討程式碼（computer code）政治的相關研究，表現在其主流口號：程式碼即律法（code is law）（Ziewitz, 2016）。第二，演算法也被指控其「權力和影響力運作」難以被闡述。演算法被聲稱為難解（obscurity）、難測（inscrutability），難以了解它們到底為何，同時也難以預料。演算法成為複雜、以數學為基礎的社會物質化（sociomaterial）黑盒子，演算法似乎遠超過單純地聚合使用偏好。在「黑盒社會」（black box society）裡，理解演算法與其言外之意成為重要的方法與政治考量。這些廣泛的解方目的是為 9.

(14) 了達到理解與透明（Ziewitz, 2016）。Bucher（2012）同樣指出，分析演算法的問題之一即在於它們的黑箱的本質（black-boxed nature），除了極少部分的演算法原則或組成元素外，其它多數仍成待解的謎。演算法的「本質」為何引起許多研究者的辯論。Lash（2007）對於新興的軟體演算法（software algorithms）其決策力量如何挑戰了人類能動性，提出新的「新媒體」本體論（new new media ontology），以描繪資訊在當前生活方式與環境中所扮演的形構角色。Ziewitz（2016）認為，即使演算法的「本質」究竟為何仍然待解，但明確的是演算法已經觸動一連串對於問責（accountability）、公平性（fairness）、偏誤（bias）、自主性（autonomy）預期處理（due process）的憂慮，甚至因為運算系統的難解與難測，而使得這樣的擔憂加倍加深。如同 Ziewitz（2016）所言，對於演算法雖然「我們不全然理解，但它的確非常具有力量」。他以批判的取徑，不僅視演算法為運算的人造物（computational artifact），它同時也是敏化的設備（sensitizing devices）。究竟是什麼維持著演算法具有力量卻難以預料的形象，以及對如此難以理解的它，該如何考量其政治與治理，都是值得探討的主題。因此，比起追問演算法究竟是什麼，他認為，演算法的代理（agency）、透明度（transparency）、規範性（normativity）三個分析主題顯得更急迫地需要回答：首先，是對演算法在代理上的擔憂，我們應該審問軟體邏輯，這也使得軟體與科技研究即使面對「代理」在傳統概念上的挑戰，依然有豐碩穩固的基礎。同樣地，這樣的關注也將研究導向檢視供養演算法的資料（data）、資料庫的組織（organization of databases）、軟體工程師的程式碼工作（codework）（Ziewitz, 2016）。其次，對演算法是不可測知的這種假定，也使得這樣的擔憂廣泛擴散，進而開始對演算法的研究：檢視原始碼（pseudocode/source code）、反身性的生產性程式碼（reflexively producing code）、翻轉工程（reverse engineering）、訪問設計師和程式團隊的人類學研究、解開社會科技的演算法裝配，以及檢視演算法是如何在世界裡運作的。對於搜尋引擎這種複雜的系統，可知性（knowability）成為有趣的謎題，藉由社會學理論的構聯來質問演算法，來幫助達到透明度（Ziewitz, 2016）。最後，是對規範性的關注，認為演算法可被視為政治的、倫理的、可問責的參與。但規範性的關注也曾面臨過挑戰，尤其當「演算法」本身難以經驗實證，該如何將演算法直接的後果歸因，再構連到規範上。但有研究者反駁，演算法本身就是重要價值判斷的構成，因此真實（truthfulness）或事實（factuality）判斷的客觀性，本該就是可觀察的、可評論的、可問責的實踐（Ziewitz, 2016）。至於演算法的「黑盒」特質是否仍是一研究問題，Bucher（2012）認為應該有所妥協，通常研究者應該積極去打開任何被發現的黑盒子，如同科技與社會研究（STS）和行動者網絡理論（Actor Network Theory）所倡議的策略。然而，即使我們無法了解軟體，也不必因為黑盒子總是無法被解開，就放下防衛，這敦促我們去檢視演算法能動條件（enabling condition）的問題，最終目的不在於必須了 10.

(15) 解所有關於系統如何運作的科技細節，而是有能力去理解它們的作用的原則，以致於能夠在理論層次上進行批判的參與。（二）演算法的資本邏輯歷史演進顯示，演算法本身是權力的實體，人類的決策過程也因此讓渡到人類與演算法分享決策者的角色，這些機器腦袋正在改變人類生活（Steiner, 2012 ／陳正芬譯，2014）。同時，軟體也是檢視資本實踐的基礎（Berry, 2014）。演算法不只開啟創造發明的機會，也被理解成資本家權力運作的途徑（Lash 2007: 71）。動態消息演算法的設計與開發同樣不能置外於經濟體系運作，經濟力量同時也左右 Facebook 程式開發者與使用者經驗研究者的選擇，如同 Facebook 的功能與服務的提供亦受經濟影響一般。正如 Berry（2014:69）認為，軟體同時是商品（Commodity），也是機制（Mechanism），產生兩種分析面向：第一，軟體藉由介面／表徵以及軟體所提供的商品／服務／功能，進入商品化的過程，軟體為終端消費提供相對的穩定性，通常以視覺的方式被構連至互動的層次；第二，軟體透過文本源始碼進入機制的運作，源始碼包含「隱蔽」在軟體（工具）中的機制與功能，可從商品與消費交疊的次結構來思考。此層次通常被委任（delegated）在程式碼層級內，因而得以被隱蔽在互動之中。同理，動態消息演算法需要物質基礎，藉由平台實現運作，因此對於工程問題的建構，當然來自 Facebook 和動態消息團隊，更涉及運作平台的商業策略與目標。那麼，我們該如何從批判的角度觀之？Berry（2014: 56）強調，演算法之所以成為研究對象，與其下層基礎之特殊平台的可運算性（computability）相關，也因此，指出軟體需要平台來進行運作是很重要的。平台可以是硬體或是以軟體為基底，平台提供了條件和環境使軟體能夠正確地發揮功能。演算法作為一程式語言，它像語言一樣具有文法結構的文本（context），卻也像是科技物做為完成任務的機制（mechanism）。就演算法的程式碼層次而言，演算法的實質是為了解決問題，程式設計師的任務就是設計這些解決問題的演算法。過程涉入開發團隊對問題的認識，列出解決方案。據此，首先需要觀察，列出定義，再列出演算法（王曉華，2015：6-7）。例如，動態消息工程經理 Kacholia（2013.08.23）指出，Facebook 為了對高品質做出定義而決定開發新的演算法，拆解（factor into）決定動態消息的各項預測因素。並依使用者調查建造新的「機器學習系統（machine learning system）」來偵測內容是否被認可為高品質。因此演算法不是魔術，是人類想像力的產品，演算法的建造、維護、更新、監控都是由人所為，不可避免地涉及人為的主觀價值判斷，不僅和人一樣具有缺陷，更重要的是「演算法被建造來為人類的企圖服務」。動態消息演算法更是用來替 Facebook 執行其目標，最大化使用者的參與，增長使用者在動態消息上的勞動與時間（Oremus, 2016.05.10；Gourarie, 2016.04.14）。過去的研究同樣指出， 11.

(16) Facebook 營運的核心目標除了提升服務留住既有用戶外，最重要的是擴展營收管道並增加利潤，發展走向及決策勢必由此驅動（劉佩綺，2014）。就整體演算法變遷脈絡來看，Facebook 透過演算法權力的掌握，以增進使用者經驗為由，行使用者勞動控制與市場利益分配之實。尤其是在使用者、專頁或內容發布者，以及廣告主之間進行調和。因此，動態消息演算法並非一成不變，而是隨著 Facebook 的商業策略不斷演進，在使用者、內容發布者，以及廣告主（Turizin, 2014.01.21;；Ge, 2013.09.27；Facebook Newsroom, 2013.08.06），甚至在社群媒體競爭市場中不斷變動以回應需求和市場變化（Facebook Newsroom, 2014.05.27）。例如，Facebook 在 2013 年設立針對動態消息發布公告的部落格「News Feed FYI」中，最初始前三篇公告即揭示：決定貼文排序的動態消息將不斷變動，並隱含 Facebook 背後考量的意圖（Facebook newsroom, 2013.08.06）；動態消息演算法將為使用者篩選和排序由專頁而來的大量貼文，以確保內容具備 Facebook 所定義的「高品質」（Kacholia, 2013.08.23）；動態消息也包含廣告，並同時考量使用者的興趣與行銷者的需求，來挑選適合的廣告投放（Ge, 2013.09.27）。 Berry（2014: 66）企圖將軟體構連至批判理論，他指出任何的電腦程式碼研究（study of computer code）都並須承認軟體效能（performativity）多少與資本主義經濟相連。程式碼的成本（cost）就是資金（money）與勞動（labour），以進行生產。一旦程式碼被寫出，需要能源（energy）、維護（maintenance）、勞動（labour）來持續它的功能。因此程式碼是社會創造、歷史的特殊（historically specific），以及在社會關係網路與制度集合（institutional ensembles）中，或多或少的社會嵌入（socially embedded）。藉由對 Facebook 經濟分析即可看出端倪，劉佩綺（2014）也指出，該平台商業化過程如同典型的 Web2.0 策略，以軟體提供的免費服務讓使用者生產可交換的商品形式，來獲取營運的資本。同時，從改變廣告形式和增加廣告效果著手，藉不斷更新服務與優化廣告工具擴增營收。因此，當 Facebook 此類社群媒體臣服於運算邏輯，演算法的程序化（programmatic）讓媒體變形為軟體，為連續的資料流所打造，並逐漸受制於規律且反覆的運算所操弄。如同遊戲機制（game mechanics），創造具上癮性的環境來操弄使用者，成為商業利益打造的平台，為其最大收益服務（Berry, 2014）。例如，Facebook 創造的遊戲機制成功讓半數用戶每天至少登入一次，如同「充滿藍色液體的皮下注射器」，讓 16 億使用者難以抗拒，不僅追蹤使用者行為（瀏覽、點擊、停留）、對貼文產生的反應，這些資料經過濾、篩檢和檢視，再度用以引誘更多的使用者停留時間（Steiner, 2012／陳正芬譯，2014；Oremus, 2016.01.03）。使用者的反應和勞動正是驅動 Facebook 經濟的燃料：正是因為這些點擊、按讚、分享、評論，才讓貼文在人際間病毒流竄（go viral），把使用者從個體變成社群，並替 Facebook 導引流量給廣告主，維繫其營收模式（Oremus, 2016.01.03）。目標明確的精確廣告已成為推動 Facebook 業務的引擎，藉著活躍的用戶群，使其更容易根據性別、收入、地理位置，以及傾向、人際關係、需求和嗜好，來銷 12.

(17) 售廣告，因此「大部分的網站只能給廣告主一根鈍棒子，而 Facebook 則是給他們一支銳利的手術刀」（Steiner, 2012／陳正芬譯，2014）。最終，Facebook 藉由提供讓使用者想看的內容，來最大化公司的廣告收益，演變至今更成為由媒體公司來決定我們的內容消費（Green, 2011.08.29）。循此脈絡檢視 Facebook 動態消息演算法嵌入的經濟意圖，如同 Berry（2014）所提醒，軟體／演算法機器的複雜度都被軟體本身的介面表徵所模糊，我們更需要對演算前置處理（algorithmic pre-processing）創造的個人化的內容所進行資本主義的剝削，進行批判的參與。採訪 Facebook 動態消息團隊的科技記者 Oremus （2016.01.03）同樣指出：「Facebook 演算法背後的智慧其實還是人，而不是像科幻小說迷所幻想的，完美實現的、有意識的演算法。是人類決定著放哪些資料進去，如何處置這些資料，以及另一頭出來的是什麼東西」。Facebook 總部動態消息工程與設計團隊的組成，牽涉不同部門的組織與分工，至少包含：資料科學家、知識架構師、軟體工程師、常駐哲學家，以及產品經理團隊、使用者體驗研究人員等，不可忽略背後的人為操作因素。演算法內部工作不僅顯示出 Facebook 動態消息的機制，以及機器學習的局限性與資料驅動決策的陷阱，更構連出 Facebook 不斷強化收集和處理用戶行為資料的政策，如何受商業利益所驅使。因此，動態消息演算法的缺陷不在於系統故障，而是背後該被問責的平台；演算法為使用者進行的變動與更新，不僅只代表軟體運作上的改善，也意味著演算法再度對使用者強加其意志，不但企圖影響媒體市場走勢，並遂行媒體公司的目的，同時也是 Facebook 為商業利益不斷試驗後的決策結果（Oremus, 2016.01.03；Oremus, 2014.04.24）。. 13.

(18) 第二節、社群媒體、演算法與新聞研究. 一、社群媒體與新聞研究新興媒體不斷浮現，已經影響新聞業與科技的關係。Steensen & Ahva（2015）認為，科技對新聞業而言，實際上已超越僅作為下層基礎（substratum）的關係。然而，早期新聞研究將資通科技（ICTs）與新聞業連接在效率上，新科技被視為外援，取代傳統的面對面傳播實踐，表彰作為電腦輔助報導的潛力。也因此對數位人造物（digital artifacts）的研究取徑被限縮在工具觀點上。例如，當前從新聞媒體的角度來理解數位化，多指陳新媒體可能帶來報導形式的改變，即運用數位技術來拓展報導的更多可能性，這些科技作為報導工具的結合，例如《紐約時報》的「NYT VR：虛擬實境報導」、《尼曼新聞實驗室》的「Journalism GIF」、《彭博新聞社》的互動式報導，以及眾多新聞 App、即時通訊群組以及社群媒體專頁（吳泰輝，2015.12.24）。許多將社群媒體作為探討主題的新聞研究，聚焦在社群媒體帶來新聞產製流程的改變，首當其衝的是新聞產製的加速。Fass & Main（2014）研究指出，社群媒體的即時串流創造出與以往傳統媒體不同的時間感。新聞本身已經不再是時間的「快照（snapshot）」，明確的新聞時間序已經消失，並且變得難以判斷一個新聞是如何開展，以及事實是如何開始被揭發。Newman（2009）也指出，當社群媒體成為新聞載體，也在根本上使得新聞幾乎都成為即時新聞，形成即時新聞的壓縮與循環。Willnat & Weaver（2014）同樣指出，高達八成的美國記者藉由社群媒體來追蹤突發新聞，當突發新聞發生時，記者會隨時追蹤社群媒體上相關帳號的動向，這已經是大部分美國記者的例行工作流程之一。再者，社群媒體帶來的資訊流動，也將新聞變得無所不在，無處不是新聞。 Bruns & Burgess（2012: 803）指出，對許多新聞工作者而言，工作環境已成為社交渠道與資訊串流的交織。社群媒體既是社群網絡，同時也是無所不在（ambient）的資訊串流，所有個人單一的資訊看似都是不太關鍵（insignificant），但整體來說這樣的傳播和流動，卻又帶給使用者有效性（validity）與顯著性（significance）。 Hermida（2010）同樣主張新聞已變得無所不在，而社群媒體對記者、類閱聽眾（audience alike）而言，則總是以非同步的意識系統（always-on asynchronous awareness system）來發揮功能，創造了新形態的新聞互動。對記者來說，這樣的無所不在反而加乘，許多記者反而得一直掛在網路上，追蹤新聞、謠言和記者自身網絡內的閒聊（chit-chatting）的混合流（mixed flow）。另一方面，社群媒體也改變新聞媒體與讀者的關係。Hedman（2015）認為，新聞媒體在社群媒體上的意義，趨同於網路新聞中的閱聽人導向（audience orientation）。社群媒體的一項關鍵特徵是互動，助長新聞室、記者、閱聽眾之間立即且直接的對話，閱聽人導向更是超越互動和對話，並包含了使用者產製內容 14.

(19) 的元素，如眾包（crowdsourcing）與內容傳遞（distribution of content, UGD）。對媒體組織而言，策略性的社群媒體活動常被視為是生存之道、增強與閱聽眾既存關係，以及尋找新的閱聽眾的必要工具。許多在社群媒體上活躍的記者，甚至認為閱聽眾導向是新聞的共識與記者們共享的看法。Loosen（2015）也指出，.許多記者承認，提供參與形式的需求必須更進一步地被納進記者與編輯的工作中，此需求與生產的過程也將改變新聞的根本方式。如同《紐約時報》已撤銷先前社群編輯（social media editor）的職務，理由是基於不該有專職社群編輯，因為所有記者都應該是社群的新聞記者，社群媒體更該被整合進既存的新聞生產與編輯程序，更相信這是提供參與的重要方法。同時，Lichterman（2015.12.09）從新聞教育的觀點指出，社群媒體開創新的新聞商業時代，使新聞組織著重閱聽眾在各個平台的體驗，直接為社群媒體平台產製新聞，並實驗新的新聞格式與新的新聞敘事方法。數位新聞教育更是跟隨閱聽眾的需要，開始回應專為社群媒體與行動裝置產製新聞內容的需求，將注意力放在各個平台上的閱聽眾。社群媒體也開始主導新聞產製，帶來新聞價值的改變。Fass & Main（2014）認為，社群媒體導向的（Social media-led）新聞產製過程，讓新聞由「推特來編輯（editing by Twitter）」。新聞媒體在新聞產製過程不斷監看社群媒體，對新聞內容回應，並依此作為修正依據，因此網路上的新聞發布常是「神祕地更新」。意味著社群媒體成為主流新聞產製的驅動者，編輯的決策也因此建立在對社群媒體回應的基礎上。不同版本的相同新聞也被發布在多個媒體管道，對新聞記者已成為負擔和問題。Bro & Wallberg（2014）針對新聞守門和新聞價值的研究指出，隨著社群媒體崛起成為新形態的守門人，建議一些新聞價值合併的重要，以幫助我們理解閱聽眾所接收的新聞，成為社群互動的關鍵。新聞業同時也正對步調快速的數位媒體做出回應。例如，《英國廣播公司》（BBC）、《衛報》（The Guardian）、《每日郵報》（Daily Mail）、《金融時報》（Financial Times）等新聞網站都對特定新聞使用每分鐘更新的部落格形式，將新聞發布以時間順序排列，並標示時間，在無限地垂直欄位中滾動。此外，隨著平面與電視新聞產製的典範已在網路上匯流，新的混合格式與標準將需要考量新聞的採集速度、網絡效應、確證、可信度，編輯處理已經被需要大量檢證的額外網路資料來源所制約，因此英國廣播公司就有一支 20 人組成的強大社群媒體團隊來確證這些社群媒體上的內容（Fass & Main, 2014）。新聞業也透過經營社群來接觸閱聽眾或發掘新聞，例如《紐約時報》、《衛報》、《美國有線電視新聞網》（CNN）、《英國廣播公司》、《半島電視台》等全球性媒體，皆強調社群網站上的專業編輯守門，同時檢驗訊息真實性，有助新聞產製，爭取新聞時效、設法從社群網站開發更多新聞來源，讓媒體與民眾互為主體，發揮更大新聞效果。這些社群網站與主流媒體間的多重形式聚合，鼓勵民眾產製更多新聞；在災難與重大事件發生時，增強新聞報導功能（林照真，2014a）。這些以社群媒體為主題的新聞研究顯示，新聞業確實將社群媒體視為具有強大的影響力科技，同時也是新聞業的援助。因此，新聞媒體多將社群媒體視為工 15.

(20) 具，或是通路的採納與管理，在功能上除了擴大影響力，還包含傳遞、推廣促進新聞、行銷新聞故事，以及幫助傳統主流媒體面對公民社會之問責，建立社會信任以及品牌忠誠等目的。新聞記者同樣也使用社群媒體與閱聽眾展開互動與溝通，其目的包含：提升工作表現、促進工作內容、發布突發事件，以及讓新聞更直接且具互動性；宣傳個人意見、推廣傳統媒體的工作情形、推廣其他媒體形式、發表突發大事、摘要最近的議題、更新資訊，或是與閱聽人互動提問等（Broersma & Graham, 2012；Scheffer & Schultz, 2010；Canter, 2013）。華人新聞媒體更是相信社群網站有一定的行銷功能（林照真，2014b）。. 16.

(21) 二、演算法與新聞研究隨著社群媒體，以及行動載具、應用程式等智慧運算技術的中介，新聞業適應科技環境的變革更新，明顯地實踐在媒體與科技的互相吸納（Hess, 2014）。傳統媒體數位轉型的過程，同時也不得不斷面臨新興傳播科技與媒體的競爭挑戰（Newman, 2011；吳泰輝，2015.12.24）。數位化看似為新聞業帶來終結，卻也是新的破曉，Picard（2014）認為，新聞產業在發生中的歷史、社會、經濟改變脈絡，正顯示我們這在經歷一過渡轉型，而非新聞業的黃昏。因此，科技本質不斷變遷，探究數位化是否對新聞業帶來基進的改變，又或者僅是帶來少部分的變數，似乎不足以回應當前的挑戰。如同，Steensen & Ahva （2015）指出，新聞學研究早期的討論主要圍繞在數位化如何改變新聞實踐、文化，以及制度，然而新一波的研究已超越新聞業危機的討論，朝向數位新聞學更根本的議題：科技物件其本身不斷變遷的本質。那麼，新聞業正處在什麼樣的科技環境脈絡，新聞研究又該如何重新思考「科技」？Berry（2014: 51-56）針對無所不在的運算滲透各個媒體，試圖為「數位化」帶來再思考。他認為，比起資訊社會，更正確而言，我們應該是生活在軟體化社會（softwarized society），由程式碼、軟體、演算法作為運算的關鍵基礎設施。軟體化（softwarization）過程中，媒體產業也再格式化（reconfigured）和再組織化（reorganized）其本身，以符合軟體系統朝向經濟、結構形式以及數位邏輯，導致其透過數位的再構聯（re-articulation）。將產業試圖融入軟體化社會的脈絡來檢視新聞業，可發現「數位化」確實沒有帶領媒體脫離困境，新聞業為了擺脫數位化下的不利局面，只有積極地融合新興媒體，來維持競爭優勢。Hess（2014）就指出，媒體與科技公司的界線漸趨模糊，過去依不同型態媒體組織的價值鏈，可區隔出傳統模式「出版─廣播取徑（publish-broadcasting approach）」與新媒體模式「平台取徑（platform approach）」。然而現實世界中，這兩種模式已經混合出現，即同時結合使用者產製內容與生產者產製內容，例如影音平台 YouTube、Netflix 或新聞入口網站（news portals）等。新聞業也從過去單純的出版、廣播取徑，加入平台取徑的思維與實踐，匯流而成新形態的經營模式。Ju, Jeong & Chyi （2014）也指出，隨著眾多媒體已經成為多平台的企業（multiplatform enterprises），紙媒的生產線已從平面（print edition）拓展至網路（web edition）、社群媒體平台（Facebook、Twitter），以便讀者能透過這三方平台接觸平面新聞內容，這也顯示紙媒和多方需求產品（multiple demand-related products）間的關係。由於 Facebook、Twitter 等連結性媒體，不僅轉變成可程式化的媒體，其運算傳播（compunication）的方式不同於傳統媒體，傳統的訊息內容的生產、傳遞、消費可以想見無法直接適用網路上的連續流動與傳播。因此當傳統媒體如電視、報紙被數位化時，為呈現最佳的媒體內容給予使用者，程式與設計者需要進行試驗，尋求最佳獲利模式，同時符合運算法則的實踐。傳統媒體在這過程中被軟體 17.

(22) 化（softwarized），內容則被軟體介面所中介（mediated）。因此，即便是紙媒也被相當程度的軟體化，使其能夠符合軟體的特定知識邏輯、架構、層級，並在過程中完成產製過程。尤其，隨著數位廣播系統、智慧電視、即時串流媒體的出現，軟體化的結果更是明顯（Berry, 2014）。由此可知，整個新聞業和新聞工作實務在社群媒體上，其實高度受到軟體／演算法中介，新聞業顯然也隨著社會軟體化來調整適應。Picard（2014）指出新聞產製的結構、工作分配與焦點正在變遷，新的新聞生態系統正浮現。大規模、缺乏效率、移動緩慢的新聞組織，正轉往小規模、更靈活、新的新聞產製與取徑；新聞組織變得更加網絡化，能夠和訊息提供者、產製者、公眾參與合作；這也產生與專業新聞、商業模式、參與邏輯的競爭與衝擊，也導致價值、規範與實務的協商。各種規模的新聞提供者已經開始利用多個平台與公眾接觸、互動，也再思索閱聽眾的本質、再思考公眾所需要的資訊，以多樣的方法在不同地點、時間傳遞資訊，這些都是新的新聞關係與實務出現的指標。對照過去的社群媒體與新聞研究，雖未直接點出社群媒體內的軟體與運算邏輯的特性，以及科技物與新聞業的「交互作用」，卻也明確指出社群媒體對媒體造成的重大改變。這反映出 Steensen & Ahva （2015）所主張的問題，科技一直被描繪為影響人類和人類生產的外力或影響力，例如描繪科技與新聞業的相對面（oppositions）和對比，以依附（populate）新聞學理論。因此，Steensen & Ahva（2015）主張非人類（non-humans）的行動體事實上也是新聞的共同創造者。演算法在選擇與新聞產製上的參與，帶來新聞室的基進形變，尤其由行動者網絡理論（ANT）的視角來檢視這些實踐時，可觀察到演算法在複合網絡（hybrid networks）中，以中介變項（mediators）在其中作用。例如，演算法在新聞業裡被用來處理豐富的資訊，並也可在新聞業實踐中被意識到。如同行動應用程式 Flipboard 和 Facebook 專頁將新聞內容從各個網站與社群網路服務中策展（curate），又或者如 Google News 利用 Google 搜尋演算法自動聚合新聞。這樣的關係強化了人類與非人類行動體在新聞共創（co-creation of journalism）上的關聯。新聞消費也因此被策展的演算法（curation algorithms）所變形，演算法的積極參與也因此在新聞業中影響每個階段的新聞產製。 Lewis & Westlund（2015）也指出，新聞研究應朝向科技─社會（sociotechnical）為重心，來檢視制度化的新聞產製，並透過跨媒介新聞工作活動中的行動者、行動體、閱聽眾的全觀架構（holistic framework）來賦予研究意義。諸如新聞產製活動、傳遞與詮釋行動中所牽涉的行動者、行動體、閱聽眾的角色，其實是交互關係的（inter-related）。這樣的取向點出新聞研究中，對以下兩點的文獻長久忽視：第一，人與科技的交互作用（interplay），或人為與運算模式的偏向與操作。第二，編輯室、商業與科技在新聞組織的交互作用（interplay）。過去二十年間，新聞學者都將注意放在科技在新聞工作中的角色，而這些研究也特別建立理論和概念，以解釋科技的各式元素是如何被新聞專業文化和組織脈絡收編或抵制。這些研究對於有助於釐清變化中的數位新聞產品，以及記者與 18.

(23) 讀者間不斷進化的關係。但是這些研究多將重心放在「以人為中心（human-centric）」的考量，例如個人的角色認知、組織限制、專業規範、國族文化或意識形態，以及其他社會-文化因素，而欠缺對特異的科技角色，以及人與機器間先天張力（inherent tension）的足夠認識（Lewis & Westlund, 2015）。回到新聞的生產實踐上，新聞工作的形式與科技本身難分難解，記者長久以來一直與機器、科技，以及機器操作者或科技人員共事：從版畫、打字機、新聞紙、早期網路新聞，再到網路管理系統（content management systems, CMS）；新聞編輯在產製新聞的時候，也離不開科技所決定的行動可能性。尤其傳統上，以內容為中心的編輯工作視角，說明記者和編輯是在操作相對「不會思考（dumb）」的科技工具來產製新聞資訊。然而，數位化帶來各式以科技上的工作特殊形式，邁入社群媒體當道的現在，社群媒體的策展（social media curation）、網路聚合（online aggregation）以及「智慧（smart）」的演算，以及已在某種程度浮現的「機器新聞學（robot journalism）」，替代過往人力活動的自動處理（automated processes）過程（Lewis & Westlund, 2015）。因此專業的記者並不孤單，也不全然如他們所願的完全掌握新聞業。如同演算法等科技人造物（technological artifacts）與其它物件（objects）也同時在做新聞（do journalism），因此除了問「誰」，我們也應該要問「什麼」在改變新聞業，考量「它」在其中的積極參與。然而，應該提醒的是，將注意力放到參與新聞共創的物件（objects）參與，不代表該被無限上綱到成為某種數位人造物的崇拜（fetishism of digital artifacts），避免成為科技決定論的新形式（Steensen & Ahva, 2015）正如 Berry （2014）以批判理論檢視社群媒體與軟體／演算法的依附主控關係，我們在重新審視當前的社群媒體，應再思考其跟隨運算邏輯的變形，軟體權力使得新的新媒體客體，受控於運算的操控。同時，點出社會的軟體化，目的不在指出科技變遷全然被經濟力量所驅使，而是要特別強調這些新的生產性權力已成為經濟與社會勞動（social labor）重要的中介條件。例如，當媒體被收編（incorporated）為軟體，其本身就被轉變為文件檔案（files）─媒體內容。也讓我們隨著新一波典範轉移，重新思考新聞媒體在科技與社會形塑下的轉型與變化。. 19.

(24) 第三節、演算法與能見度的控制. 一、動態消息演算法與能見度 Facebook 的主要特色為「動態消息（News Feed）」，它更是使用者登入時的第一個頁面。從 2011 年 8 月開始，動態消息更被置中在首頁的中間欄位，再現使用者關係網絡中的「好友（friend）」和「專頁（page）」產生的連續更新資訊。動態消息更以「人氣動態（Top News）」做為預設，聚合使用者所認為最有趣內容，取代以時間順序展示的「最新動態（Most Recent）」。被隱蔽其中的演算邏輯，以其自動（automated）與先決（predetermined）的選擇機制，為個別使用者和貼文間建立相關性（relevancy），決定人氣動態的排序（Bucher, 2012）。然而，演算法的排序、篩選和分類，其實決定了什麼樣的內容得以「被看見」， Facebook 從未保證貼文的能見度與觸及率。國內外社群行銷相關單位，依自身測試結果指出，如果不付費推廣專頁的貼文，以後只有約 10%的粉絲可以在動態消息上看到其貼文，換言之，每篇貼文平均觸及到的粉絲將僅有其整體的粉絲數的 10%。相關消息經負責 Facebook 台灣行銷服務的公司 cacaFly 澄清：「看不見訊息」其實一直發生，因為使用者訂閱的專頁越多，動態消息的版面卻有限，因此使用者與專頁的互動頻率高低，將決定哪些訊息應該被看見（鄒家彥，2012.10.18）。過去針對 Facebook 商業化歷程的研究，已指出 Facebook 控制著資訊如何被瀏覽，編排網頁欄位，並決定展現形式與位置順序的權力，並且將此權力「合理化」運用於商業利益（劉佩綺、王維菁，2015）。然而，隨著 Facebook 透過機器學習軟體引導或根本誘導著使用者決策，甚至無關意志，不斷重新定義使用者的各種「好友」，再現我們最想要的資訊（Steiner, 2012／陳正芬譯，2014）。媒體平台內的軟體基礎設施（software infrastructures）在學術圈卻缺乏足夠的關注，也很少在軟體分析中出現（Bucher, 2012）。如同 Beer（2009: 999）指出，我們應該探索與描繪「透過演算法而來的權力」並更仔細的剖析。多數研究者的擔憂在於演算法如何影響我們「所能看見」的資訊，主要可分為兩項討論：第一，演算法為我們建構資訊濾罩（bubble filter），不斷過濾我們的選擇，主要關注演算法對使用者建構真實的效果；第二，演算法實質上正是分配能見度的權力，因此對演算法採取批判角度來檢視權力的行使。然而兩者其實共同指向演算法的編輯再現所造成的結果。其中，最大爭議在於 Facebook 以預設的過濾機制執行篩選，這些預設甚至在不知情的情況下被隱藏，讓眾多使用者看不到所有應該看到的訊息（Pariser, 2012／宋瑛堂譯，2013；Bucher, 2012）。這些運算工具藉由提供「中介」（mediation）與推薦（advising），提供架構給充滿著資料、即時串流、複雜計算的世界。而無所不在的運算裝置使無所不在的運算成為可能，運算協助（computational assistance）與監視（monitoring）成為生活世界的背景，並被隱藏，協助軟體殖民（colonization of code）進入生活世界（Berry, 20.

(25) 2014）。我們甚至很少察覺演算法對參與主體的監視與剖析，因為演算法對我們進行觀察時，很少會明確示警（Steiner, 2012／陳正芬譯，2014：239）。最終，不僅塑造使用者所能閱讀和接觸的內容，也同時塑造媒體如何「框架（frame）」新聞來吸引使用者的注意力（Oremus, 2016.01.08）。首先，關於動態消息演算法可能造成能見度的遮蔽，如何替使用者形成「資訊濾泡」？Pariser 指出（2012／宋瑛堂譯，2013：210）指出，資訊濾泡如頭相機鏡頭，能控制我們看見什麼，無形中轉換我們經驗的世界，干擾人類心智與外在環境的互動。甚至具有放大的作用，限制所能接觸到的事物，影響思考學習。當使用者依據個人習慣選用投合興趣和嗜好的媒體，可能使得演算法構成資訊濾泡，可能帶來三種面向的扭曲效應：第一，過濾罩讓人自我孤立，拆散共享資訊和共同經驗；第二，過濾罩無影隨形，容易讓使用者誤認演算法篩選後的資訊為公正、客觀、真實；第三，資訊濾泡的構成無關個人意志，決定權握在過濾程的手上，甚至當演算法與網站的營收構連，將更加防不勝防。資訊濾泡效應將關注放置在演算法遂行篩選的個人化結果。不可否認，資訊海嘯可能無可避免地導致「注意力當機」（Pariser, 2012／宋瑛堂譯，2013：16）。然而，個人化的結果是來自網站收集的大量使用者資訊，為監控（surveillance）創造類似老大哥的基礎設施（Big Brother-like infrastructure），成為隱私的噩夢。在威權國家（authoritarian states），個人化甚至可能增強審查制度（censorship）：由演算法決定所展示的廣告，也可能預測了不對你展示的新聞；另一方面，演算法不同於新聞編輯（editors）的人為過濾，因為演算法並不「思考（think）」但它運算。然而運算的「實然（is）」如相關性（relevance）是可達成的，但運算的「應然（ought）」如作為公民的資訊責任，卻是一個更具爭議與價值負載的過程，也並非能由人工智慧達成（Morozov, 2011.06.10）。當演算工具成為參與世界的途徑，使用者個人在演算法提供的中介與推薦過程中扮演什麼角色？Beer（2009）認為，使用者在社群媒體或網路平台活動所產生之資料，已經在自我組織、俗世生活與發明中扮演重要角色。它是 Web2.0 的重要特色，也是我們的資訊、活動、品味、偏好得以被收集的地方。而 Web 2.0 的應用，經常來自使用者所提供的自身資訊，幫助媒體公司完成個人資料的蒐集。例如，演算法產製的音樂清單，不只是預測，更是根據使用者足跡來執行；因此，這也關乎系統資訊供應的治理與自我組織。對 Berry（20144: 68）而言，演算法對世界所能接收的資訊傳遞的高度中介，已成為操控真實的運算機器。隨著軟體和運算法在日常生活中的滲透，運算實體機器（physical machinery）提供中介（mediation）與世界參與互動的途徑，已產生運算的真實（truth）與錯誤（falsity）概念，成為值得被審視和問責的議題。尤其，使用者和軟體互動的表徵介面（surface interface）上產生「能見到的」真實（visible truth），是被掌握權力和知識網絡的「真實機器」（truth machine）所傳遞（Berry, 2014: 70）。Pariser 同樣指出（2012／宋瑛堂譯，2013：210）科技介面是人的終點和科技的起點，它的權力能扭曲你對世界的觀感，手法是層出不窮。 21.

(26) 此外，若將研究焦點放置在科技權力的行使，可發現演算法權力直接影響能見度的分配。Bucher（2012）認為，運算的最終目的是為了替媒體空間劃分能見（visibility）度的領域。媒體的核心功能之一在於使特定的事件或人物被看見（visible），個人在社群媒體上的能見度是根本地被中介的（mediated）且被媒介（medium）本身所影響，媒介在其中更是扮演關鍵的角色。而能見度也是高度競爭的權力賽局。因此，即便無所不在的運算（ubiquitous computing）總是令我們負面地聯想到新媒體科技的潛在監視，但是相較於檢視科技在新客體／物件（object）上的監視，我們更應特別關注 Web 2.0 和賦權下的能見度建制。因此，她以過往研究概念化的中介的能見度（mediated visibilities），重新檢視傅柯（Foucault）對能見度的分析，檢視目前已知的動態消息演算法原則，試圖描繪社群媒體如何建構能見度。尤其，Facebook 動態消息政策不斷自主地替使用者進行優化，絕大多數的使用者相信動態以即時串流（real-time stream）的方式，展示每一位朋友的每一次更新。這也導致至少兩個有趣的假設：第一，確實有個什麼應該是能見的概念存在。第二，Facebook 在平台上有意識形態的行動，隱藏人們的一些觀點。但什麼是你應該所要看見的？確實在使用者所認為他們所應該看見的與，Facebook 認為使用者應該要看見的，存在著不一致（Bucher, 2012: 6）。 Crawford（2016）也持相似觀點，她認為演算法在高度競爭的網路公共論域空間運作，這些場域例如視頻網站 YouTube 或社群媒體 Facebook 內的論述各自都是不相容觀點的共存（incompatible perspectives coexist）。然而，演算法的設計，即是被用來在資訊競賽中生產出明確的「勝者（winners）」。許多演算法似乎是和爭勝（agonistic）對立，因演算法的搜尋、排序、推薦皆無法協商，且演算法受嚴加保密，成為不對外公開的黑盒子。因此，她援引爭勝的多元主義（agonistic pluralism）理論，建議以此做為演算法的設計理想（design ideal），呼籲公眾在更遼闊的社會情境中理解演算法在此競賽空間的運作，而並非只是聚焦在單獨的計算方法（calculations）。在所有社群媒體之中，Facebook 的「預設霸權」更讓動態消息與能見度的問題受到關注。相較 Twitter 簡單易懂的運行規則，Facebook 更應當背負透明與問責性的檢視。例如，Twitter 的政策只有幾條非常簡單、大致上透明的規則，使用者在 Twitter 上的所有活動皆對外界公開；使用者也不必徵求新聞媒體或公眾人物的允許，就可訂閱其消息；近況更新更是以「時間順序」排列。相較之下， Facebook 管制資訊的政策則不斷透過測試改變，動態消息演算法的運作原則模糊的難以預測，動態消息並非涵蓋所有好友，不同型態的資訊出現的機率各有高下（Pariser, 2012／宋瑛堂譯，2013：210）。網際網路被預期的偉大承諾之一，在於它能讓使用者獲取超越地理與個人生活圈的資訊與觀點，以拓展其視野。但研究顯示的恰好相反：我們的數位世界大多是我們線下經驗的鏡射，我們傾向使用網路來尋找和我們相似的人們，並和他們談論我們所感興趣的事物。於此，社群媒體公司也得做出抉擇，其中介的資訊 22.