-沙龙简讯-
2023年12月5日下午，由复旦大学信息与传播研究中心和复旦大学新闻学院共同主办的“切问近思半月谈”学术沙龙暨“世界与中国·全球讲堂”第十六期围绕“社交媒介与城市传播”的主题，举办第一场讲座。保罗·杰博多教授（Prof. Paolo Gerbaudo）发表题为“从社交网络到兴趣簇群：抖音/TikTok推荐系统与数字媒介逻辑转型”的讲座，讲座由中心副主任潘霁教授主持。
杰博多教授系伦敦国王学院数字文化研究中心创始主任、现为马德里康普顿斯（Complutense）大学社会学与政治科学学院教授。此次报告内容，为由复旦大学信息与传播研究中心作为学术合作方，支持杰博多教授申报的欧盟个人科研最高奖项——“玛丽居里学者”项目“抖音海外版和Z世代：在中意两国的线上参与和身份认同”的阶段性研究成果。
图为沙龙现场，杰博多教授演讲中
当前对于抖音/TikTok平台的讨论大多仍停留在表征层面，如关注TikTok上怪异或极端的内容，而没有考虑其背后根本性的传播与技术创新逻辑。Paolo教授认为，TikTok真正具有创新性、颠覆性和预测性的地方，并不是视频分享元素（不管它有多重要），而是推荐系统（recommender systems）的推广和普及。他从重构TikTok在传播与技术层面带来的创新和重点关注推荐系统带来的影响来展开论述。
Paolo教授首先介绍了抖音/TikTok的诞生及发展历程，并将其称为第二代社交媒体的“旗手”。与大致被划为第一代社交媒体平台（Facebook、Twitter、Instagram）相比，TikTok有两个主要区别：第一是视频分享，第一代社交媒体内容以图文为主，而TikTok以视频的普及而闻名，尤其是5秒到2分钟的短视频。第二是推荐系统，早期社交媒体主要围绕联系网络及其用户生成的内容来组织安排，而现在个人观看的内容由推荐系统决定。
通过一系列视频分享的案例，Paolo教授向大家呈现了TikTok独特的主导审美。其视频内容在新手看来，大多浮夸、俗气、露骨、过火，与Instagram等其他社交网络相比，显得不那么“精心策划”，更“真实”但也更“低俗”，偏向于流行或大众文化。TikTok视频以风格怪诞闻名，内容具有奇异、令人兴奋和充满肾上腺素等特点，虽然视频内容种类繁多，但大部分都面向娱乐。
当然TikTok的成功不只是“视频”这一基本要素，关键在于这些视频被混合在一起并为用户提供精准的、动态的、无休止的视频流，又称看似势不可挡的“内容柠檬水”（content lemonade），这是“TikTok体验”的核心。它创造了一种除观看之外不需要用户做太多事情的新体验，从而让用户有时间休息和放松，摆脱了第一代社交媒体需要关注内容选择的过程。TikTok开发的决定性因素是消除应用程序中常见的所有交互功能：点击按钮、搜索栏等。在需要用户进行选择时，TikTok背后的技术会根据用户以往行为提供的信息来决定，这就是推荐系统发挥作用的地方。
推荐系统是一种复杂算法，以信息过滤的方式来减少用户选择的数量，帮助其应对信息过载，根据用户的反应来推测这一选择是否准确，并提供更多的个性化内容。而对于第一次使用TikTok的用户，平台会面临冷启动（cold start）问题，在这种情况下平台尚未生成关于用户的数据，只能根据接入时的元数据如手机品牌、WiFi、所在地等，来推断用户可能感兴趣的内容。所以归根结底，推荐系统是一种预测系统，在最初预测时也存在非常不准确的情况。
图为潘霁教授正在主持沙龙
目前主要有三种类型的推荐系统：一是协同过滤，推荐相似用户可能喜欢的内容，包括不同类型，如用户之间或项目之间的关联。二是基于内容的过滤，专注于特定内容，如电影中反复出现的演员、相似类型的影片等。三是混合过滤系统，结合前两种的元素，抖音算法就是如此。TikTok“为你”（for you）算法被《连线》杂志描述为“世界上最有价值的数字资产之一”，它结合了用户-用户和项目-项目的协作特征，对以往所有浏览视频的信号进行处理，包括强信号和弱信号。强信号（strong signals）指，“是否看完视频及看了多少遍”即循环函数（looping function）、“是否分享创作者及分享过视频”，表明用户对此信息感兴趣。弱信号（weak signals）包括设备和原产国等算法的力量，平台仍能“监视”用户的浏览情况。所以该算法的强大之处在于，它不需要用户以真正的交互来掌握信息，用户不需要主动关注或搜索内容，内容就已默认被提供了，这对TikTok平台上的用户参与体验有着重要影响。此外，虽然不同用户可能会看到一些相同的出色视频，但每个用户的信息供给是独一无二的，Tiktok会为特定的个体量身定制内容。
为何以Tiktok为代表的社交媒体体验在当下尤为重要？Paolo教授通过与第一代社交媒体的比较来展开论述。Boyd和Ellison（2007：211）把“社交网站”定义为基于网络的服务，允许个人：在有界系统内构建公开或半公开的个人资料；列出与他们共享连接的其他用户的列表；查看和浏览这些联系列表以及系统内其他人建立的列表。社交媒体一直深受社交网络逻辑的影响，将每个用户视为与其他人相连的节点，而社交网络最初是用来表达将个人联系在一起的纽带。此外，社交网络也逐渐呈现出一种“网络个人主义”（networked individualism）的趋势（Wellman等人，2012）：人们之间的联系更加紧密，同时也更加个性化。人成为“门户”，经营着独特的个人社区，甚至创造出“人，简单”的类似表达。当然随着个人观点对广大公众可见，社交网络也潜在极端个人暴露的时刻。
图为沙龙现场，杰博多教授正在与听众互动
早期这种社交网络范式，使人们变得更依赖在线联结来获取信息，个人联系成为中介，带来信息访问更加个性化或更“人际化”。换句话说，个体所阅读、观看的内容取决于与谁有联系。这是一个不同于前数字媒介的逻辑，也不同于将相同信息集中打包给公众的广播、电视等大众媒介的逻辑。它促成了一种过滤泡沫（filter bubbles）效应：我们不断从相似的人那里接收信息，我们最终与社会脱节。在社交网站上，个体的信息访问带有“以人为中心”的强烈色彩，它取决于个体所连接的其他个体，社交网络关系更加横向、更加互惠。
然而随着媒介技术的发展，社交网络上一对一的对称连接，正逐渐让位于一个不对称的互动的世界。根据牛津大学人类学家罗宾·邓巴提出的邓巴数（Dunbar's number），从作为群体成员时起，个体就承受着非常沉重的认知限制。而TikTok推荐系统的有效性恰恰在于，能减轻用户主动搜索信息所带来的认知负担，减少其寻找相关内容所花费的精力。不同于社交网络“以人为中心”，推荐系统是以“项目为中心”（item-centric）的，这意味着用户平均花费在寻找感兴趣项目上的时间更少，所以TikTok用户参与度也比其他社交媒体高得多。其次，推荐系统的另一重要影响在于社交媒体的逻辑正在发生巨大变化：从社交网络（social networks）走向社交簇群（social clusters）。用户在线体验不再受限于人际关系网络，而是可能受素未谋面的人所分享的、基于共同兴趣的特定话题的影响。所以TikTok正在推动社交媒体传播逻辑的重大转变，也可称为“内容平台”和“社交兴趣簇群”。最后，推荐算法对用户体验和传播逻辑也有着重要影响。TikTok自动化了搜索和选择内容的大部分工作，而这些工作以前在社交网络的逻辑下由用户单独完成。
与第一代社交媒体相比，TikTok似乎将用户置于一个更被动的位置，其背后的逻辑是用户需要更少的选择，需要更悠闲、更放松的社交媒体体验，而不断选择会耗费大量精力。所以面对新的“社交簇群”，我们还能谈“社交媒体”吗？这种从社交网络逻辑到内容平台逻辑的转变，对“社交”一词本身的理解也有着重要影响。第二代社交媒体对“社交”的定义也与第一代社交媒体截然不同。