{"resolved":true,"match_type":"uuid","source_type":"original_book","book_id":"00b53386-166c-4d03-bcf3-987d55c93423","title":"算法权力与政治","author":null,"edition":null,"publisher":null,"year":null,"isbn":"9780190493042","requested_by":"printed_page","book":{"source_type":"original_book","book_id":"00b53386-166c-4d03-bcf3-987d55c93423","id":"00b53386-166c-4d03-bcf3-987d55c93423","uuid":"00b53386-166c-4d03-bcf3-987d55c93423","title":"算法权力与政治","normalized_title":"算法权力与政治","author":null,"edition":null,"publisher":null,"year":null,"isbn":"9780190493042","isbns":["9780190493042","9780190493059"],"parsed":true,"ai_readable":true,"document_type":"book","page_count":200,"navigation_url":"https://workshop.closeclaw.top/ai/book/00b53386-166c-4d03-bcf3-987d55c93423","title_url":"https://workshop.closeclaw.top/ai/title/%E7%AE%97%E6%B3%95%E6%9D%83%E5%8A%9B%E4%B8%8E%E6%94%BF%E6%B2%BB","fixed_page_url_template":"https://workshop.closeclaw.top/ai/book/00b53386-166c-4d03-bcf3-987d55c93423/page/{printed_page}","path_api_url_template":"https://workshop.closeclaw.top/api/ai/book/00b53386-166c-4d03-bcf3-987d55c93423/page/{printed_page}","read_url":"https://workshop.closeclaw.top/api/ai/read/00b53386-166c-4d03-bcf3-987d55c93423","page_url":"https://workshop.closeclaw.top/api/ai/books/00b53386-166c-4d03-bcf3-987d55c93423/page","search_url":"https://workshop.closeclaw.top/api/ai/books/00b53386-166c-4d03-bcf3-987d55c93423/search"},"page":{"printed_page":87,"pdf_page":97,"physical_index":97,"physical_index_base":0,"printed_page_status":"recognized","page_sha256":"e7f69317ba55abe8293009fa8b0038bf91db4a1061d3b3bf0f439be5d1411ed0"},"chapter":"牛津数字政治研究","content":"他认为新兴类型的活动——具体来说，是来自“群组”的内容(King,2013)。事实上，当我在2015年初撰写本文时查看新闻提要上显示的内容时，来自不同群体的故事比以前更加突出，我是其中的成员。现在，来自不同房源搜索群、本地买卖群或社区群的更新，都在与朋友和“页面”的更新竞争新闻推送的关注度。\n\n从某种意义上说，算法基本上是关系型的，它们依赖于某种外部输入(数据)才能发挥作用。算法不只是代表一种严格的、预先编程的结构，被理解为“流程图、代码或伪代码中表达的食谱或步骤集”(麦肯齐,2006:43)。它们也是流动的、适应性强的、易变的。这意味着Facebook的算法不仅仅是从上面作用于用户。相反，Facebook算法的力量来自于它与用户的相互关系。例如，正如“NewsFeedFYI”博客系列中所举的例子，“倾向于在NewsFeed中观看更多视频的人应该期望在其Feed顶部附近看到更多视频”(Welch和Zhang,2014)。这种显示更多或相同内容的逻辑不仅存在明显的循环性，算法的代理一一它们的行动能力—一最终也被交到用户手中。因此，Facebook的动态消息算法将如何处理我提供的数据，也从根本上取决于我以及我与“朋友”的关系。这也是机器学习的原理，当代计算文化的风气。例如，热门新闻是动态更新的，这取决于我访间问Facebook的次数，这使得很难对成为热门新闻的故事的百分比做出一般声明。在2011年9月的某一天，我随机比较了相同的热门新闻源在查看最新消息源之前和之后的情况，当时该消息源有300多个新帖子我发现，在两次查看热门新闻的实例之间，显示的故事变化了约34%在我查看了最近的动态消息后，47条动态消息中有16条立即发生了变化。故事显示的显著变化可以通过回顾Facebook算法的工作原理来解释。在第一轮查看我的热门新闻时，算法似乎更强调“时间衰减”机制，因为我知道我已经有一段时间没有登录Facebook了。然而，在查看了最近的动态后，Facebook“知道”我再次“更新”了，它将之前的16条帖子替换为系统显然认为我更“感兴趣”的帖子。在第二轮检查中显示的所有16个新故事都是在检查时间之后的12到23小时内发布的，要么是“交流故事”类型的故事，要么是产生了大量点赞和评论的故事。除了用户查看Facebook的频率外，使用时间也有影响。也就是说，动态变化的信息流还考虑了用户花在故事上的时间，而不仅仅是他们查看故事的频率。虽然算法架构是动态工作的，因此很难分析其工作原理，但我们可以将它们视为一种特定的方式\n\nLife at the Top\n\n87","previous_page":86,"next_page":88}