■周葆华
　　【本文提要】算法推荐类客户端（APP）已成为中国网民获取信息、娱乐和展开交往的重要平台，其使用状况与社会影响引发社会和学界关注，也需要更多的实证研究。本研究基于2019年完成的全国随机抽样调查数据（其中网民样本N=5177），选择五个主要的算法推荐类APP（今日头条、天天快报、趣头条、抖音、快手），分析其使用状况、影响使用的因素，以及它们对新闻信息获取渠道的多样性、新闻信息的积极处理、公民参与（包括公共事务知识、意见表达、社会参与三个维度）的影响。研究发现：至少使用过一种算法推荐类APP的网民逾九成，使用比例和频率最高的是抖音；算法推荐类APP的使用不仅受到个体人口学变量、地区变量的影响，还受到其他媒介使用因素的影响；在控制其他变量后，算法推荐类APP中的新闻资讯类APP（今日头条、天天快报）与新闻信息渠道多样性、新闻信息的积极处理存在正向关系，抖音使用也与新闻信息渠道多样性正相关，不同的算法推荐类APP与公民参与的三个维度之间存在不同形态的关联，与对公共事务知识水平的影响相比，它们对意见表达和社会参与的正向影响更为明显。
　　【关键词】算法推荐 APP 今日头条 抖音 快手 过滤气泡
　　【中图分类号】G206
　　随着移动互联网的崛起，移动客户端应用（APP）正成为受众获取信息、娱乐和展开社会交往的重要平台。就中国场景而言，微信是首屈一指的“国民级”移动互联网应用，被认为正从“平台”（platform）迈向社会“基础设施”（infrastructure）；①微博尽管不再具备其“黄金时代”对舆论的“呼风唤雨”能力，但在大事发生时，仍是重要的信息传播和公共讨论平台；与“双微”共同构成传播格局“三驾马车”的是新闻资讯类、娱乐类客户端，形成“两微一端”之说。其中，算法推荐类APP的异军突起，是近年来颇受关注的传播现象。它改变了信息生产、发布与传播的传统规则：一方面，与组织化、职业化、以内容生产为中心的机构媒体不同，它自己不生产内容，而主要依赖聚合不同新闻媒体、社会机构和个人所生产的内容形成“内容池”，扮演平台角色；另一方面，它在内容分发机制上有根本性的突破，从以传统媒体为代表的专业化分发模式（由编辑进行专业筛选与内容分发），到以社会化媒体为代表的社交分发模式，向以计算机算法为中心的机器分发模式转移。基于对一系列数据的采集与计算——包括网民整体的点击热度、用户画像的个性化标签（如人口学属性）、用户对内容的浏览行为、用户所处的地理位置、用户社交关系、用户之间的相似性（协同过滤）等，算法推荐类APP形成了不同的推荐算法及其组合，从而得以自动化地向不同用户推荐个性化的内容，产生“千人千面”的分发与推送效果。
　　算法推荐类APP所采用的推荐算法，极大地改变了千篇一律、从传者出发的中心化分发方式，重构了客户端（平台方）、内容生产者，以及用户三者之间的关系，不但让用户得以获取符合其兴趣与口味的个性化内容，而且让不同细分内容的生产者（包括“长尾”内容）都获得被推荐的机会，为作者“赋权”，从而提供了在海量内容、信息过载时代的新的解决方案。算法推荐技术催生了一系列新的新媒体产品，例如今日头条、抖音、快手等，其发展速度令人瞩目。以今日头条和抖音为例，根据其公司（字节跳动）宣布的数据，截至2019年7月，字节跳动旗下产品全球总DAU（日活跃用户）超过7亿，总MAU（月活跃用户）超过15亿，其中抖音DAU超过3.2亿。②
　　与此同时，算法推荐技术所带来的潜在负面影响也受到社会与学界重视。算法推荐的个性化分发技术，较多地依赖总体热度、个体兴趣、朋友关系等数据，一方面可能因总体热度指标的高权重，形成对内容价值观的忽视（如推荐“低俗化”内容）；另一方面可能因对个性化兴趣和朋友关系的计算，形成信息推送与观点供给的“过滤气泡”（filter bubble）与“回音室”（echo chamber）效应，从而将用户窄化在信息与意见“茧房”（cocoon）之中，难以获取多样信息和多元观点，也使得不同群体之间缺乏共同关注的公共议题，信息日益琐碎分割（fragmentation），而意见与观点则有极化（polarization）之虞。③在理论思辩的同时，实证与计算研究也已经展开，其中有的倾向于支持，有的则认为“茧房效应”被人为夸大。④就国际学界而言，对算法推荐技术影响利弊的科学研究尚在进行之中，还有待更多的研究、更充分的证据加以检验、比较和综合。
　　因此，算法推荐技术及其产品无疑值得传播研究高度重视，就国内状况来看，在已有一定理论探讨的同时，实证研究需要同步发展。⑤但目前一方面由于数据主要掌握在互联网企业手中，基于数据挖掘的计算研究数量稀缺；另一方面即便是为数很少的调查研究，也存在非随机样本、聚焦单一平台等问题。因此，本研究利用一项全国随机抽样的受众调查数据，来探索算法推荐类APP的使用及其影响，重点回答三个问题：
　　第一，目前主要算法推荐类APP的使用现状如何？
　　第二，哪些因素影响算法推荐类APP的使用程度？
　　第三，算法推荐类APP使用的社会影响如何？
　　研究理论和设计上的出发点有三：其一，希望超越只考察单一算法推荐类APP（通常为今日头条）的研究局限，纳入不同类型（如新闻资讯类与短视频类APP）分析其异同，因此本文将考察今日头条、天天快报、趣头条、抖音、快手等五个当下主要的算法推荐类APP；⑥其二，在考察算法推荐类APP的影响时，希望聚焦社会和学界关心的关键议题与概念——如信息环境多样性、对新闻信息的积极处理，以及公民参与等，对之作出探索回答；最后，在考察算法推荐类APP的社会影响时，将控制其他干扰变量（如心理变量和其他新闻媒体使用）的影响，以更有信心地解读数据结果。
　　本次调查采取分层多阶段概率与规模成比例（PPS）的随机抽样方法。全国受众总体划分为25层，即四个特大一线城市（北京、上海、广州、深圳）、按照七个经济地理区域划分⑦的大城市（含其他直辖市、省会城市和计划单列市）市辖区、其他地级市市辖区，以及县和县级市（除四个特大城市之外的三类各有7层，共21层）。对北上广深四个城市，分别按照PPS方式抽取出16-50个居委会（共100个）；⑧对大城市、其他地级市市辖区，以及县和县级市各层，则分别根据其人口比例首先按PPS方式抽取3-11个区（县），再在所抽中的区（县）级单位（共100个）中分别抽取4个居（村）委会。然后，根据所抽中的居（村）委会并实地绘制的辖区地图，采用等距原则在居（村）委会中分别抽取出16户，再采用Kish表在所抽中的居民户中随机选择一位年龄在18周岁以上的常住居民作为访问对象。央视市场研究股份有限公司（CTR）负责了本次调查的现场执行，调查采用面访方式，于2018年12月-2019年3月进行，完成问卷总量为8206（根据AAPOR公式1计算的回应率为28.2%），经过对上海样本进行二次抽样后形成用于全国受众分析的样本总量为7705。经与全国人口统计数据比较，本次调查偏向年龄较低、教育程度较高的受众，故在计算总体结果时运用性别、年龄、教育程度和各层人口比重的统计数据进行多重加权（raking），加权后的样本中女性占比49.5%，平均年龄42.3周岁，平均受教育8.9年，特大城市、大城市市区、地级市地区，以及县和县级市的样本分别占比5.8%、11.1%、21.2%、61.9%。全部样本中拥有手机且上网的为N=5177（占比67.2%），构成本研究分析的样本。下面逐一报告本研究的主要发现。
　　
一、中国网民使用算法推荐类APP的基本现状
　　调查发现：在所询问的五种主要算法推荐类APP中，使用比例最高的是抖音，其在网民中的使用比例为76.0%，紧随其后的是今日头条（74.2%），再次是快手（63.0%）、趣头条（51.5%）和天天快报（49.6%），网民中逾九成（91.8%）至少使用过上述一种算法推荐类APP（表1　表1见本期第29页）。在至少使用一种算法推荐类APP的用户中（N=4752），14.6%只使用其中一种APP，17.4%使用两种，使用三种和四种的均占15.6%，36.7%会使用全部五种，可见复合性使用算法推荐类APP的占绝大多数（85.4%）。
　　就用户的使用频率来看，以五级量表衡量（1=极少，5=经常），这五种算法推荐类APP用户对之的使用频率均未达到五级量表的中值3，其中频率均值最高的是抖音（均值M=2.91），其使用频率较高（选择五级量表的4和5）的选择比例为35.3%；随后依次是今日头条（M=2.71）、快手（M=2.46）、趣头条（M=2.13）和天天快报（M =2.07）。
　　作为参照，本次调查也测量了其他新闻客户端的使用情况，结果发现：除腾讯新闻客户端的网民使用比例（74.6%）和用户使用频率（M=2.74）较高外（腾讯新闻也运用了较高比例的算法推荐），其余传统媒体和商业门户网站主办的新闻客户端的使用比例均低于本研究考察的五个算法推荐类APP，用户使用频率也低于除天天快报外的四个算法推荐类APP。由此可见，算法推荐类APP无论是用户规模还是使用程度，均在客户端市场上占有重要位置，其对受众的影响也更值得考察。
　　
二、算法推荐类APP使用的影响因素
　　本研究考察算法推荐类APP使用的两个维度：第一是每个算法推荐类APP的使用程度（0=不使用，1=极少，5=经常）；第二是算法推荐类APP的复合使用程度，由是否使用每个APP的值（0=不使用，1=使用）加总构成（均值M=3.14，标准差S.D.=1.71）。
　　用以解释和预测算法推荐类APP使用状况的影响因素包括：第一，个体人口学变量。与其他媒介使用一样，算法推荐类APP镶嵌于受众日常生活之中，与受众背景息息相关，特别是年龄、教育、收入等，是媒介使用与新闻获取的重要资源；第二，地区层面变量。地方经济发展水平与城乡归属，可能影响算法推荐类APP的使用；第三，心理变量——政治与公共事务兴趣。我们假设它可以显著影响新闻资讯类算法推荐APP（如今日头条、天天快报）的使用，却未必能显著影响娱乐为主型算法推荐APP（如抖音、快手）的使用；第四，媒介使用变量。算法推荐类APP作为新型媒介的使用，会受到其他媒介使用的影响，具体地，我们假设其他媒介的新闻性使用会显著影响新闻资讯类算法推荐APP的使用，而娱乐性使用会显著影响娱乐为主型算法推荐APP的使用。
　　主要自变量的测量方式如下：“政治与公共事务兴趣”由三个采用五级量表衡量（1=非常不赞同，5=非常赞同）的条目计算均值构成，包括“我对政治和公共事务很有兴趣”、“我会经常思考国家大事”、“我非常关心政府的各项政策”（均值M=3.02，标准差S.D.=.98，信度系数Cronbach's α=.832）；“报纸新闻关注度”、“电视新闻关注度”分别各由三个测量使用该媒介关注本地新闻、其他国内新闻、国际新闻程度的条目（0=不使用该媒介，1=几乎不关注，5=非常关注）计算均值组成（网民报纸新闻关注度M=.35，S.D.=1.11，α=.728；网民电视新闻关注度M=2.47，S.D.=1.64，α=.740）；“报纸娱乐关注度”、“电视娱乐关注度”分别用同样的量表测量受众对报纸娱乐内容和电视娱乐内容的关注程度（网民报纸娱乐关注度M=.35，S.D.=1.11；网民电视娱乐关注度M=2.47，S.D.=1.64）；“社交媒体新闻关注度”和“社交媒体娱乐关注度”分别测量（1=从不，5=每天很多次）在使用社交媒体或消息应用软件时关注新闻时事（M=2.99，S.D.=1.11）或娱乐类内容（M=2.86，S.D.=1.08）更新的频率。
　　（一）算法推荐类APP的用户特征与使用影响因素
　　本研究首先考察算法推荐类APP用户构成的基本特点。由（表2　表2见本期第30页）可见：五个算法推荐类APP用户的性别构成均以男性为主，但与网民性别构成的基准相比，抖音的用户构成相对偏向女性（网民中男性比例为52.5%，而抖音用户中男性比例为51.9%）；其平均年龄在34.4-36.2周岁之间（抖音用户相对最年轻，今日头条用户相对稍年长），均低于网民的平均年龄；平均受教育年限在10.6-10.8年之间，略高于网民的平均受教育时间。⑨
　　在进行自变量相互控制的OLS回归分析后，研究发现（表3　表3见本期第31页）：自变量在解释不同算法推荐类APP的使用方面既存在一致的模式，也存在差异。
　　首先，就个体人口学变量来看，男性网民对今日头条和快手的使用程度显著高于女性；越年轻，对几乎所有算法推荐类APP的使用程度更高（尽管年龄对今日头条使用的负向影响未达统计上的显著程度）；教育程度正向影响天天快报和趣头条的使用；单身网民对抖音的使用更高，对趣头条的使用则更低；在职业方面，学生更少使用今日头条和快手，党政机关人员更多使用天天快报，企业管理人员和一般职员更多使用抖音，企业一般职员也更多使用今日头条，工人对天天快报、趣头条和快手的使用程度都低于其他群体，农民对天天快报和抖音的使用程度低于其他群体。
　　其次，在地区层面，在控制其他变量后，城乡网民在使用算法推荐类APP方面无显著差异；相比于“北上广深”四个特大城市，省会城市网民对算法推荐类APP的使用无显著差异，地级市网民对天天快报、趣头条和快手的使用程度显著更高，县级及以下地区的网民对今日头条的使用程度更低，但对抖音和快手的使用显著更高。
　　第三，政治与公共事务兴趣与四个算法推荐类APP使用之间均呈现正相关关系，但与抖音的使用无显著关系。
　　最后，在其他媒体使用的影响方面，报纸新闻、电视新闻和社交媒体新闻的使用与今日头条、天天快报的使用之间均呈现显著正相关关系，但只有报纸新闻的关注度可以正向影响趣头条的使用；值得注意的是，对社交媒体娱乐信息的关注度负向影响今日头条的使用，却与天天快报和趣头条的使用呈现正相关；电视娱乐内容、社交媒体新闻和娱乐信息的关注度均与抖音使用之间呈正相关关系，但对快手使用无显著影响。
　　总体上，上述发现反映了影响算法推荐类APP使用因素方面的某些共性特征——如年龄与四种算法推荐类APP（除今日头条）使用之间存在负相关，属于工人群体与三种算法推荐类APP使用之间存在负相关，政治与公共事务兴趣与四种算法推荐类APP（除了抖音）使用之间存在正相关，报纸新闻关注度与三种新闻资讯类算法推荐APP使用之间存在正相关，提示了算法推荐类APP在年轻网民中使用更为活跃，而政治与公共事务兴趣、其他媒体新闻关注度是驱动新闻资讯类算法推荐APP使用的重要因素；与此同时，研究也证实算法推荐类APP之间存在差异——一方面，在新闻资讯类算法推荐APP内部，地级市网民对天天快报、趣头条的使用程度显著高于超大城市，显示它们（与今日头条相比）具有更强的“下沉”特征；它们与社交媒体娱乐信息关注度之间的正相关关系，也反映它们（与今日头条相比）似具有更强的娱乐属性；另一方面，快手与抖音相比，在地级市和县级及以下地区的使用程度都显著高于特大城市，其“下沉”特征更明显，与抖音使用和政治与公共事务兴趣无关不同，快手的使用与政治与公共事务兴趣呈现显著正相关关系，却与其他媒体新闻和娱乐性使用均无显著关联，说明尽管两者均为算法推荐类短视频APP，其内容特征与使用形态存在差异，其所具有的社会影响也因此可能不同。
　　（二）算法推荐类APP复合性使用的影响因素
　　研究同时发现（表3　表3见本期第31页）：在影响网民对算法推荐类APP复合性使用方面，越年轻、教育程度越高、收入越高、非单身、是企业一般职员、非工人职业，使用的复合性程度越高；地级市的网民使用算法推荐类APP的程度都显著高于特大城市；政治与公共事务兴趣、社交媒体新闻和社交媒体娱乐信息的关注度，对算法推荐类APP使用的复合性程度均呈现显著的正相关，而传统媒体使用则对算法推荐类APP的复合性使用没有显著影响。
　　
三、算法推荐类APP使用的影响：从信息渠道多样性到公民参与
　　本研究检视算法推荐类APP使用与三组因变量之间的关系，包括：对新闻与公共事务信息获取渠道的多样性、对新闻信息的积极处理，以及公民参与（包括公共事务知识、意见表达、社会参与三个维度）。
　　（一）算法推荐类APP使用对新闻和公共事务信息获取渠道多样性的影响
　　如前文所述，算法推荐类APP对公民新闻使用视野宽窄的影响是社会和学界关心的话题。作为对该问题的一种探索，本研究考察算法推荐类APP使用对新闻和公共事务信息获取渠道多样性的影响。其基本假设是：假如算法推荐类APP的使用并未负向影响信息渠道多样化，我们就可以在一定程度上缓释对于算法造成“过滤气泡”和“回音室”的担忧（尽管这两者还包括其他诸多可能的测量维度和方式）。本研究因此询问被访者是否采用15种信息渠道（包括人际、报纸、广播、电视、门户网站、新闻客户端、新闻媒体微博、其他个人或机构微博、新闻媒体微信公号、其他个人或机构微信公号、微信群、朋友圈、QQ弹窗、QQ群、QQ空间）作为新闻和公共事务信息的来源（0=否，1=是），将之加总组合测量信息渠道多样化的程度（M=3.64，S.D.=1.90）。
　　结果显示（表4　表4见本期第33页）：在控制人口变量、地区变量、心理变量后，媒体使用变量对新闻和公共事务信息获取渠道多样性具有显著影响。其中，报纸新闻、电视新闻、社交媒体新闻、社交媒体娱乐关注与信息渠道多样性之间均具有显著的正向关系；在控制这些媒体使用变量后，今日头条、天天快报、以及抖音的使用仍对信息渠道多样性程度具有显著的正向影响（标准化回归系数分别为β今日头条=.090，p<.001；β天天快报=.044，p<.01；β抖音=.035，p<.05），趣头条、快手的使用则对信息渠道多样性无显著影响。这表明算法推荐类APP的使用总体上并未与新闻和公共事务获取信息渠道上的窄化相关联。
　　（二）算法推荐类APP使用对新闻信息积极处理的影响
　　考察算法推荐类APP使用对网民信息接触环境造成影响的另一个维度是聚焦对新闻的信息处理（information-processing），该概念强调受众在关注新闻时所采取的积极处理（active processing）和思考整合（reflective integration）策略，代表着对新闻报道的主动、积极的加工处理，⑩也可被视为受众媒介素养的重要组成部分。[11]我们的假设是：如果受众在接触新闻时能够积极处理信息和展开思考，其陷入“信息茧房”的可能性应该也会降低。因此，本研究借鉴Eveland （2005）的研究，采用一组五个问题衡量它们在多大程度上符合自身在接触所关注的新闻报道时采取的策略，包括：“回忆、思考所接触到的新闻内容”、“由新闻内容联想到从其他地方了解的相关问题”、“由新闻内容联想到自己的相关经历”、“试着去读出新闻报道字里行间的真实意义”、“挖掘隐含在新闻报道背后的‘真实’故事”（均用五级量表测量，1=非常不符合，5=非常符合），并取均值构成代表新闻信息积极处理的变量（M=3.21，S.D.=.91，α=.879）。
　　结果显示（见表4）：在控制人口变量、地区变量、心理变量后，媒体使用变量对新闻信息的积极处理具有显著影响。其中，除报纸新闻外，电视新闻、社交媒体新闻、社交媒体娱乐关注与新闻信息的积极处理之间均具有显著的正向关系；在控制这些媒体使用变量后，今日头条、天天快报的使用仍对新闻信息的积极处理具有显著的正向影响（标准化回归系数分别为β今日头条=.074，p<.001；β天天快报=.097，p<.001），快手使用则与新闻信息的积极处理呈现显著的负向关系（β=-.039，p<.01），趣头条、抖音的使用对新闻信息的积极处理无显著影响。
　　（三）算法推荐类APP使用对公民参与的影响
　　人们关心算法推荐系统潜在的“过滤气泡”与“回音室”风险，主要是基于对社会民主运行的担心——如果人们的视野日渐狭窄、意见日趋极化，则很难形成理想的公共信息流动与意见讨论交流，也就可能对公民的政治和社会参与造成负面影响。基于此，本研究考察算法推荐类APP使用对公民参与的影响。借鉴以往的研究，[12]本研究将公民参与概念化为三个维度——公共事务知识、意见表达、社会参与，分别代表对政治和公共事务相关知识的拥有水平、通过不同渠道对新闻时事发表意见的程度，以及参与社区和社会组织活动的程度。其中，公共事务知识由一组8个问题构成，包括所在省（市、区）省长（市长、主席）的姓名、美国总统名字、2018年是改革开放多少周年、“一带一路”中的“一路”含义、“问题疫苗”事件生产企业长生生物总部所在省份、“MeToo”或“米兔”运动反对的是什么等。对每道题的编码原则是正确答案为1，不正确或不知道为0。每位被访者的知识水平为得分总和（M=2.94，S.D.=2.21，α=.766）。
　　意见表达由一组9个问题测量，它们分别要求被访者用6点量表（0=从不，1=很少，5=经常）估测他们是否经常与家人面对面谈论新闻和社会时事，与朋友面对面谈论新闻和社会时事，与同学或同事面对面讨论新闻和社会时事，在新闻网站或客户端上对新闻时事发表评论，在网络论坛／社区上发贴或跟贴对新闻时事进行评论，在微博、微信、QQ等社交媒体上发表对新闻时事的看法，给报社电台电视台写信、打电话等表达自己的想法，向各级政府的信访部门反映情况，以及向商业机构、服务行业投诉。由于这些行为中有些出现频率非常低，所以在本研究中，我们将每个测量编码为0（从不）或1（至少有“很少”），然后将9项加总构成一个综合指数（M=5.81，S.D.=2.98，α=.904）。
　　社会参与的测量包括了一组13个问题，每个问题询问被访者在过去一年中是否参与了同学会或同乡会组织的活动、业余爱好团体的活动、单位组织的活动、邻里之间的文娱或公益活动、业主委员会会议、网上或网下的明星支持活动、网友线下的聚会活动等不同类型的社会活动（0=否，1=是）。参与程度为参与活动相加的总数（M=1.84，S.D.=2.06，α=.718）。
　　由于公民参与还可能受到其他变量的影响，我们在分析时也包括并控制了更多的心理变量（政治效能）和媒介使用变量（新闻信息处理策略）。政治效能包括两个维度——内部效能（internal efficacy，即人们对自身理解和参与政治能力的信念）和外部效能（external efficacy，即人们对政治体制回应公众意见的信念），六个采用五级量表测量（1=非常不赞同，5=非常赞同）的条目经因子分析区分为两个负载明晰的因子，故对之取均值形成内部效能（M=3.07，S.D.=.92，α=.740）和外部效能（M=2.66，S.D.=.88，α=.786）。[13]结果显示（表4　表4见本期第33页）：在控制人口变量、地区变量、心理变量后，媒体使用变量对公民参与的三个维度均具有显著影响。其中，就影响公共事务知识而言，关注报纸新闻（β=.032，p<.05）和新闻信息积极处理（β=.063，p<.001）具有显著的正向影响；在控制这些媒体使用变量后，仅有趣头条的使用对公共事务知识具有显著的正向影响（β=.100，p<.001），而其他APP对公共事务知识则无显著影响。在影响意见表达方面，关注电视新闻负向影响意见表达（β=-.071，p<.001），关注社交媒体新闻（β=.078，p<.001）、社交媒体娱乐（β=.035，p<.05），以及对新闻信息的积极处理（β=.169，p<.001）均能显著正向促进意见表达；在控制上述变量后，天天快报、抖音，以及快手的使用均对意见表达具有显著的正向影响（标准化回归系数分别为β天天快报=.151，p<.001；β抖音=.037，p<.05；β今日头条=.044，p<.01）。在影响社会参与方面，关注报纸新闻（β=.036，p<.05）和新闻信息积极处理（β=.037，p<.05）具有显著的正向影响；在控制这些媒体使用变量后，除抖音外，今日头条、天天快报、趣头条、以及快手的使用均对社会参与具有显著的正向影响（标准化回归系数分别为β今日头条=.039，p<.05；β天天快报=.046，p<.05；β趣头条=.067，p<.001；β快手=.032，p<.05）。表5汇总整理了算法推荐类APP使用对五个因变量的影响结果。
　　
四、总结与讨论
　　综上，本文运用一个最新的全国受众随机抽样调查数据，描述了当前中国网民对五个算法推荐类APP的使用状况，影响其使用的主要因素，以及算法推荐类APP使用对新闻信息渠道多样性、新闻信息积极处理、以及公民参与的影响。从这些实证分析中，我们可以得出如下初步结论：
　　第一，算法推荐类APP已经成为网民广泛使用的移动互联网应用，其使用的复合性程度较高，特别是抖音和今日头条，使用比例和频率都居于算法推荐类APP前列，其社会影响无疑值得深入研究。
　　第二，算法推荐类APP的使用受到一系列个体、地区、心理，以及媒介使用因素的影响。算法推荐类APP的使用在不同群体中并非均匀分布，以往影响互联网普及的人口学变量——如年龄、教育程度依然对算法推荐类APP的使用具有显著影响（其中年龄对除今日头条外的四个APP使用均有影响，而教育影响两个新闻资讯类APP的使用），特定的职业群体（如工人）在使用算法推荐类APP方面相对其他职业群体存在显著滞后；与此同时，值得注意的是，就地区变量而言，与“北上广深”相比，地级市与县级及以下地区在使用算法推荐类APP（尤其是天天快报、趣头条、快手与抖音）方面反而具有更高的程度，体现了算法推荐类APP的用户“下沉”特征，这一点在中国移动互联网的发展轨迹中格外值得关注——算法推荐类APP在相当程度上影响着地级市以下城乡网民的媒介消费习惯和生活形态，他们如何在生活场景中使用算法推荐类APP、如何展开创造性的文化实践、如何受其影响又与之互动，这些问题需要我们更多的深度考察；政治与公共事务兴趣被证实是驱动算法推荐类APP，特别是新闻资讯类APP，以及快手使用的重要因素，尽管它不能影响抖音的使用；研究证实了其他媒介使用变量对算法推荐类APP使用的显著影响，对传统媒体新闻、社交媒体新闻的关注会影响对新闻资讯类算法推荐APP的使用，对电视娱乐、社交媒体娱乐的关注会影响对抖音的使用，同时，对社交媒体娱乐内容的关注也会正向影响天天快报和趣头条的使用（尽管与今日头条使用之间呈现负向关系）。对社交媒体新闻的关注也正向影响抖音的使用。这说明对新闻资讯类APP或娱乐类APP也不应做过于机械的划分，新闻资讯类APP的使用完全可能受到以往娱乐内容消费习惯的驱使，抖音的使用也受到新闻使用习惯的影响，算法推荐类APP的使用呈现多元而非单一的特征。上述发现综合起来也进一步彰显了本研究综合考察多个算法推荐类APP的意义：研究展现了算法推荐类APP存在的内部差异——不仅是新闻资讯类APP与娱乐类APP之间的差异，在其各自内部，相对于今日头条，天天快报和趣头条呈现更明显的“下沉”与娱乐特征，快手相对于抖音也更趋“下沉”，能解释抖音使用的因素则未必能解释快手的使用。算法推荐类APP不仅内部多元，其本身也在不断发展演化的动态过程中，值得我们继续跟踪比较研究。
　　第三，基于对算法推荐类APP社会影响的初步分析，研究发现：算法推荐类APP的使用并未与更窄化的新闻信息渠道相互关联（相反，部分APP的使用与之呈正向关系），尽管娱乐类算法推荐APP对新闻信息的积极处理缺乏显著影响或呈现负向影响，新闻资讯类算法推荐APP对新闻信息的积极处理存在显著的正向影响。这一方面继续说明应对算法推荐类APP作比较分析，另一方面则说明对算法推荐类APP的“过滤气泡”和“回音室”效应假设至少需要更多的实证研究加以考察，而不应简单做出定论。后续研究也可在渠道之外测量实际接触内容多样性的程度。值得指出的是，除个别例外，在控制其他变量后，算法推荐类APP使用总体上对公共事务知识水平并无显著的独立影响，但对意见表达和社会参与的正向效应殊为显著（天天快报、抖音、快手的使用显著影响意见表达，除抖音外四个APP的使用均正向影响社会参与），这应当与算法推荐类APP本身很强的交互性、参与性、表达性“可供性”（affordance）及实践形态有关。如果算法推荐类APP可以激发更多的公民表达和参与，可以为中国社会治理与公共建设贡献更大积极力量。
　　作为一个带有探索色彩的实证研究，本文呼吁更多对于算法推荐类APP及其影响的经验研究。未来研究至少可以在三方面继续努力：第一，需要深化、细化对于算法推荐类APP使用的研究维度及其测量。在基本的使用行为测量之外，可以对算法推荐类APP的具体使用内容、互动方式（如选择性关注）、丰富多样的实践形态（如算法反馈），以及感知评价等进行实证考察。第二，需要对“算法推荐”进行更好的概念化与操作化。“算法推荐类APP”严格来讲不等于“算法推荐（技术）”概念，因其混杂了其他媒介属性（如内容偏好、界面设计等）和推荐方式（如社交推荐、搜索引擎等），[14]需要做更多的厘清与变量操控，以更精确地测量算法推荐技术的社会影响。[15]在“算法推荐”技术内部，也需要测量和比较不同的算法模型所产生的不同影响（如算法本身追求推荐结果多样性、新颖性、惊喜性的程度）。第三，在方法上，未来研究可运用计算方法（computational methods），从而基于真实行为数据而非自我报告数据，对算法推荐技术的社会效果进行更加精确、科学的评估。■
　　
①Plantin, J. C.& de Seta, G. (2019). WeChat as infrastructure: the techno-nationalist shaping of Chinese digital platforms.Chinese Journal of Communication1-17.
②搜狐网：《字节跳动宣布旗下产品7月份全球总月活超过15亿，抖音占五分之一》，http://www.sohu.com/a/325710940_114837，2019年7月9日。
③如Pariser, E. The filter bubble: How the new personalized web is changing what we read and how we think. Penguin2011. Sunstein, C. R. Republic.com 2.0. Princeton University Press2007. Sunstein, C. R.#Republic: Divided democracy in the age of social media. Princeton University Press2018.
④如BakshyE.MessingS.& Adamic, L. A. (2015). Exposure to ideologically diverse news and opinion on Facebook. Science348(6239)1130-1132. Dubois, E.& BlankG. (2018). The echo chamber is overstated: the moderating effect of political interest and diverse media. InformationCommunication & Society21(5)729-745. MOller, J.Trilling, D.HelbergerN.& van Es, B. (2018). Do not blame it on the algorithm: an empirical assessment of multiple recommender systems and their impact on content diversity. InformationCommunication & Society21(7)959-977.
⑤喻国明、杨莹莹、闫巧姝：《算法即权力：算法范式在新闻传播中的权力革命》，《编辑之友》2018年第5期；陈昌凤、石泽：《技术与价值的理性交往：人工智能时代信息传播》，《新闻战线》2017年第9期；彭兰：《假象、算法囚徒与权利让渡：数据与算法时代的新风险》，《西北师范大学学报》2018年第9期；王茜：《打开算法分发的“黑箱”——基于今日头条新闻推送的量化研究》，《新闻记者》2017年第9期；崔迪、吴舫：《算法推送新闻的知识效果——以今日头条为例》，《新闻记者》2019年第2期
⑥本研究所定义和重点考察的算法推荐类APP以算法推荐为其内容分发的主要技术。值得指出的是，算法推荐作为一种新的内容分发技术已经比较广泛地存在于各类新闻资讯和娱乐类客户端中，未在本研究中作为主要分析对象的其他新闻客户端（如传统媒体主办的客户端、商业门户网站主办的客户端）或多或少也在信息分发中采用了算法推荐技术，只是算法在其内容分发中的比重不及本研究重点考察的这些算法推荐类APP。
⑦根据国家统计局的划分标准，全国（除港澳台）分为东北（黑龙江、吉林、辽宁）、华北（北京、天津、河北、山西、内蒙古）、西北（陕西、甘肃、宁夏、青海、新疆）、华东（山东、江苏、安徽、上海、浙江、福建、江西）、华中（河南、湖南、湖北）、华南（广东、广西、海南）、西南（云南、贵州、四川、重庆、西藏）七个经济地理区域。
⑧根据人口比例，北京和广州分别抽取17个居委会，深圳抽取16个居委会，为满足本研究所需要的对上海进行独立推断分析之需要，对上海抽取50个居委会，后在形成全国样本时，对上海进行二次抽样出18个居委会。
⑨此处并无严格的统计检验。
⑩Eveland, W. P.Jr. Information-processing strategies in mass communication research. In S. Dunwoody, L. B. Becker, G. M. Kosickiand D. M. McLeod (Eds.). The evolution of key communication concepts: Honoring Jack M. McLeod (pp. 218-248). CresskillNJ: Hampton Press2005.
[11]周葆华：《从媒介使用到媒介参与：中国公众媒介素养的基本现状》，《新闻大学》2008年第4期
[12]潘忠党：《互联网使用和公民参与：地域和群体之间的差异以及其中的普遍性》，《新闻大学》2012年第6期
[13]“内部效能”的三个测量条目包括“包括我在内的每个公民都可能对政府政策和行为产生影响”、“我对目前需要政府政策来解决的问题有比较清晰的了解”、以及“我有能力对政府的政策和行为提出建设性的意见”；“外部效能”测量条目包括“各级政府领导基本上不会在意普通老百姓的看法”、“无论老百姓怎么做，都很难对政府政策或行为有什么影响”和“如今的各级领导干部基本上是只顾自己，而不是老百姓的利益”（均反向编码）。
[14] 例如今日头条副总编徐一龙在头条号文章《把今日头条等同于算法推荐，是四五年前的认知了》中强调：“今日头条的推荐策略，早已不依赖于‘算法’，而是一个囊括了‘算法+热点+关注+搜索’等多种功能的通用信息平台。”参见：https://www.toutiao.com/i6760562128932831757/，2019年11月18日。
[15]需要指出的是，也正因为此，本研究在测量“社交媒体新闻”和“社交媒体娱乐”使用时，这两个变量本身也可能包含算法推荐技术的成分。
　　
周葆华系复旦大学新闻学院教授、副院长，武汉大学媒体发展研究中心研究员。本文为教育部重点研究基地重大项目“移动互联网使用与城市公众的生活方式”（15JJD860001），复旦大学上海新媒体实验中心项目“数据传播与计算传播研究”，国家自然科学基金项目“社会集群行为涌现与演化的机制分析及预测”（71731004），上海市科委项目“基于类脑智能的舆情系统研究”（17JC1420200）的阶段性成果。