計算是當代新聞實踐的重要特徵。計算新聞這一概念自本世紀初被提出以來，其理論和內涵伴隨新技術的出現一直處於不斷髮展和豐富之中。如今它涵蓋了從聊天機器人和推薦系統，到人工智慧（AI）和原子化新聞等一系列應用在新聞業中的資訊科技。這些技術已被業界廣泛應用於新聞的採編、製作和分發。資料、演算法和軟體正在成為當代新聞的重要組成部分，這裡我們統稱它們為機器。毫無疑問，機器正在取代人力，至少是部分取代。與此同時，選擇和控制新聞傳播的把關人也在發生變化。
當代把關人理論
所謂把關（gatekeeping），是指資訊在傳播中可能受到的各種阻礙、過濾和傳遞的過程。影響新聞把關的決策矩陣包括內部的個體認知差異、新聞製作流程、組織特徵，以及外部的社會機構參與者，如廣告商和政府，還有文化和意識形態等社會體系因素。成為把關人（gatekeeper）意味著有權控制新聞資訊內容傳播以及如何構建社會現實。
傳統上，把關人主要與新聞業相關。而今天，雖然傳統新聞業仍是構建資訊環境的重要角色，但是隨著社交媒體的崛起，這一角色相較之前已極大地弱化。
社交媒體中的把關過程由於使用者的參與，把關人這一定義變得泛化。把關人理論的奠基者休梅克（Pamela Shoemaker）指出，在新媒體環境下“我們都是把關人”。在此基礎上，有學者認為把關人理論已經過時，有學者將使用者的把關定義為“二次把關”，還有學者指出新聞業的角色正在從“社會現實的構建者”轉變為“網路內容的二次釋出管理者”，由把關人變為“守望人”（gatewatchers）。
當代把關人理論將新聞工作者、專業意見領袖、網路大V等人類角色，還有演算法這樣的技術角色，以及各角色之間的相互作用，都看作是更廣義的社會技術把關實踐的一部分。進入數字時代後，逐漸有新聞傳播學者注意到，像搜尋引擎、聚合器、評分系統、監管平臺等背後的演算法事實上也在扮演著把關人的角色，成為數字把關人。一開始，數字把關人主要在新聞的分發中發揮作用，後來隨著人工智慧的發展，數字把關人已經滲透進新聞採編、製作、分發的每一個環節。
計算新聞發現
計算新聞發現（computational news discovery，CND），指利用演算法引導記者注意到尚未釋出的具有報道價值的事件或資訊。CND有三種常見的應用形式。一是監控社交媒體平臺上的海量內容，鎖定突發熱點或者定期活動，並識別、追蹤，然後向記者推薦有效的資訊源或目擊者。二是監控數字或文字等格式的資料來源，透過設定規則或檢測異常值來識別出記者可能感興趣的專案。三是利用機器學習技術從報道價值判定的歷史資料中學習規律，然後用機器學習模型擴大新聞調查範圍，幫助記者發現更多的新聞線索。CND系統可以推送通告和摘要給記者，以供深入發掘或繼續完善，評估報道價值，確保新聞質量。
CND透過引導注意力，與記者共同完成了社會技術把關過程。CND不會增加新聞編輯室內部注意力總額，但會影響注意力的分配。有研究發現，CND存在與人力監控資訊渠道競爭注意力的情況，潛在加劇了新聞工作者的勞動強度。在某些應用中，CND可以透過準確過濾掉原本會引起注意的內容來節省時間，而在其他場景下，更多的是轉移注意力而非節省注意力。提升內部注意力經濟效應的關鍵在於人機互動設計應該支援人的行為。比如，記者對不同型別新聞線索的努力預期是不同的，因此CND系統應該靈活適用於廣泛的應用場景。還有，CND系統應該對推送內容的重要程度有一個初步評估，才能高效地引導使用者的注意力。
影響把關決策的因素非常複雜，容易產生個體偏差。機器雖然可以建立統一的價值標準，但其受限於先驗知識也會導致演算法偏差。不同的是，隨著技術的進步，機器的偏差會無限趨近於零。以人為本的社會技術把關過程，應該提升CND系統的可配置性，以發揮記者在新聞選擇過程中的主導作用。但是現代媒體的工業屬性會驅使資本不斷提升CND系統的AI水平，以期更大程度取代人力。
自動化新聞
自動化新聞（automated journalism），指演算法驅動下的結構化資料向新聞文字的轉換，強調除了初始程式設計外幾乎無需人為干預。在體育和財經領域，自動化新聞已得到廣泛應用。它對源源不斷的資料進行分析整理，把資訊嵌入事先定製的模板裡，然後組成新聞稿，發表在不同的平臺。自動化新聞在實效性和效率方面遠勝人類。此外，自動化新聞還寄託了技術烏托邦對新聞價值中立的願景。有關研究表明，純粹的價值中立是無法實現的，自動化新聞無法脫離特定的社會、文化和政治背景，這主要取決於創造者的目標和技術。也就是說，雖然製作新聞的是機器，但實質的把關者仍然是人。
除了“機器為人寫作”， 最近又出現了“人為機器寫作”，即原子化新聞（atomised journalism）。這一技術誕生的背景正是自動化新聞對結構化資料的使用增長。“人為機器寫作”要求編輯將非結構化資訊轉換為結構化資料，以實現自動重組和未來對內容的複用。原子化新聞有利於新聞的個性化生產。它可以根據受眾特徵，例如不同的閱讀裝置、受眾年齡和文化程度，生成易於閱讀和理解的故事。原子化新聞將編輯從日益苛刻和複雜的新聞生產流程中解放出來，讓他們只需關注新聞的核心，騰出時間和資源來創作更好的內容。但代價是，編輯不得不放棄一部分把關權，將責任授權給演算法或受眾。
雖然AI在結構化新聞中已得到廣泛應用，但是目前在調查性新聞中的應用仍然十分有限。第一個原因是某些有報道價值的新聞含有深刻的社會政治因素，難以計算編碼。第二個原因是調查性新聞的故事有其獨特性，訓練資料難以取得，訓練模型也不具備通用性，無法透過多次複用來分攤開發成本。但是這不意味著AI在調查性新聞中無用武之地。AI至少可以輔助調查記者進行資料清洗和整理，以及大規模的結構化資料分析。早在1988年，《大西洋月刊》記者比爾·戴德曼（Bill Dedman）就在計算機幫助下檢索梳理了海量的住房按揭資料，寫出系列報道揭露該行業的隱形種族歧視，作品獲得當年普利策獎。相信隨著技術進步，AI在調查性新聞中將發揮更大作用。
演算法新聞推薦
演算法新聞推薦（algorithmic news recommender，ANR）採用推薦個性化新聞的分發方式，影響了使用者的線上新聞消費習慣。ANR可以根據使用者的特徵和偏好，預測他們感興趣的內容，甚至幫助使用者實現認知目標。目前機器主導了ANR的把關過程，這導致了個人層面的資訊繭房以及社會層面的政治極化等一系列問題。有學者將之歸咎為新聞價值觀的缺失。問題是，在ANR語境下，由於新聞實踐及記者和受眾關係的轉變，新聞價值觀也在改變。有研究表明，媒體工作者大多將ANR視為新聞編輯室的延伸活動，認為應該按照新聞常規遵守傳統新聞價值。但當被問及如何設計成功ANR時，受訪者強調最多的核心價值卻是透明度、多元化、編輯自主權、資訊廣度、個人相關性、使用愉悅等，覺得像客觀、中立、公共服務等傳統新聞價值反而不太重要。ANR的設計與實現牽扯眾多的利益相關者，除了記者和受眾，還包括資料科學家、產品負責人、使用者體驗師等。再考慮到技術與功能的複雜性，導致在ANR中堅持傳統新聞價值觀絕非易事。
新聞工作者、受眾、媒體、社交平臺、政府都應該積極參與到ANR演算法設計的多方博弈之中。面對紛繁複雜的海量網路資訊，沒有演算法的過濾，我們就會被資訊洪流所淹沒。關鍵是我們希望機器成為什麼樣的新聞把關人？機器沒有本能，機器的背後是文化、政治和經濟利益。就像人的把關效果沒有公認的評價標準，機器作為這一角色的評價無疑也是複雜的。只有把利益相關者真正納入把關決策矩陣，相互博弈，方能實現總體價值最大化。
新媒體的發展既帶來了把關過程的去中心化，又導致把關權力過度集中在少數角色或平臺手裡。當代把關人理論對此提出了一種解釋框架，其核心是將更多的利益相關者納入把關決策矩陣。分析計算新聞中的把關人，一方面要理解社會技術實踐背後的文化、政治和經濟因素；另一方面要看到新技術帶來傳播方式的變革。計算新聞仍處於快速發展之中，如新聞聊天機器人、元宇宙等在不斷拓寬新聞業的邊界。未來計算新聞把關人的研究，需要將關注重點從人機協作轉向人機傳播。
（作者單位：西安交通大學新聞與新媒體學院）
來源：中國社會科學網-中國社會科學報 作者：楊帆
