/ 用心耕田 水到渠成 /
九层之台
起于垒土
pic from oamul
聚沙成塔·背书打卡
2025·灰词季
今日学习
Day187 媒介偏见
相关知识
01
媒介偏见
媒介偏见至今没有一个确切的定义，我们可以将其理解为媒介在传播中没有保持平衡和公正的立场，传播了武断或错误观念，发挥了不恰当的负功能，影响了社会心理的客观认知，严重时会引发受众的偏见态度或歧视行为等社会性后果。
有西方学者通过分析美国总统大选中的媒介偏见，将其划分为三类：守门的偏见，即记者编辑在新闻事实的选择上有明显的偏好；报道的偏见，即在新闻报道量上存在明显差异；陈述的偏见，即在新闻报道的语言陈述中存在倾向性。
传统媒体时代，新闻工作者可以自主地把控新闻信息的生产和发布，如今互联网平台以及智能算法逐渐改变着新闻生产和发布的传统逻辑，媒介偏见问题也有了新样式，如出现了算法偏见等问题。
（1）媒介偏见的消极影响
首先对于社会来说，媒介偏见无法客观呈现社会现实，妨碍了受众对社会现实的了解，并且具有顽固性的特点；在某些情况下，媒介偏见导致社会某一群体在社会中孤立或受到不公正待遇，继而使得这一团体产生抵触情绪，造成社会冲突，形成社会团体、族群、民族隔阂，甚至产生社会动荡。
对新闻媒体来，有偏见的报道会动摇媒体公信力，进而影响传播的顺利完成和接受。
（2）媒介偏见在新闻报道中如何体现
①报道选题
媒介偏见在跨文化国际新闻传播中表现得十分明显。西方媒体的新闻往往把发展中国家与混乱、战争、落后、专制等消极概念联系在一起。报道题材多集中在政治、社会等问题。领土问题、人权问题、民主问题、宗教自由、人口问题等也是他们关注的焦点，因此报道的基调呈现出负面大于正面的现象。
②报道中用词及图片的选择
新闻报道中的偏见常常体现为记者、编辑使用带有感情色彩的词句，或者含有个人观点的表达，起到一定的暗示意味；而图片能直观地体现报道的意图，选择一些具有暗示意味的图片则更能加深读者受到偏见报道的负面影响。
③报道手法
英文中有个说法叫“spin or slanting”（构饰），意思是媒体报道为了吸引更多读者的眼球，用一种夸张的方式，编造一个故事或者在报道中只采用能支撑作者偏见观点的信息，以达到以偏概全的效果。有些西方媒体根据自己的报道立场和意识框架，主观重构客观事实，甚至会在报道中出现严重的失实。
02
算法偏见
算法的有效性建基于大量数据材料分析，而这些材料大多都源自社会现实，所以说，算法偏见是社会偏见的延伸，也是媒介偏见在人工智能时代的“升级版”，本质上是在新闻选题、新闻报道中所体现出的价值判断的不客观、不公正，它存在于算法设计和运行的每一个环节。我们过于担心人类的偏见与自相矛盾，同时又过于相信计算机的客观公正性。我们的错误在于我们信任算法，因为我们认为算法非常客观。但事实上，这些算法都是人编写出来的，人们可以把所有的偏见与观点植入其中。换言之，计算机在运行算法时可能是不带有任何偏见的，但是，我们已经发现，这并不意味着算法在编写过程中没有受到人类偏见的影响。
（1）产生算法偏见的重要环节
①运算规则设计中的算法偏见
通过大数据分析来研究受众的阅读偏好或者搜寻热点新闻的传播情况时，就需要编写一定的算法，在这个过程中就要预设一定的“标准”来对信息类型或受众偏好进行归类。从拟解决问题的定义到运算模型的选择，算法设计者的个人主观色彩，包括个人偏见，也在不断融入算法的生产过程。
②数据收集、处理及运用中所隐含的偏见
数据从来都不可能是原始存在的，而是依照一个人的倾向和价值观念而被建构出来的。我们最初定下的采集数据的办法已经决定了数据将以何种面貌呈现出来。数据分析的结果貌似客观公正，但其实如同所有新闻报道一样，价值选择早已贯穿了从构建到解读的全过程。最终的结果看起来很无私，但实际上从构建到演绎的整个过程一直伴随着价值选择。
③运算过程中的算法偏见
算法的运行是按照既定的程序输入数据，依据计算法则对数据进行解读，最后输出运算的结果。从表面上看，算法的运行过程不太可能产生偏见，但事实上并非如此。高效、精准的信息推送靠的是算法推荐系统对用户需求和兴趣的认知来实现的，而这里的“认知”则是指推荐系统的智能处理和深度学习能力。深度学习就是通过“学习”大体量的用户行为数据，来把握数据特征以及数据特征之间的关系，进而建立数据模型，实现优质推荐。算法系统进行深度学习的开端是严格按照事先设定的原则来运行，而且数据的筛选、供给是由人工实施的，如果用于训练的数据存在某种倾向性的话，经过一段时间的学习，所形成的算法推荐模型也就会产生偏见。
（2）算法偏见对新闻信息传播的影响
①背离了公平公正的新闻职业规范
②挑战了用户知情权和信息选择权
③易于解构社会共识，引发舆论风险
（3）新闻传播中算法偏见的应对策略
①从法律法规层面规约算法设计者和使用者
②以“技术之力”消除“技术风险”
③建立第三方审核机构，强化行业自律
④构建公平公正的算法价值观
03
新闻偏见
在已有的研究成果中，“媒介偏见”（Media Bias）和“新闻偏见”（News Bias）被视为同义语而交替使用。如果“新闻偏见”中的“新闻”仍约定俗成为大众新闻媒体所生产的新闻，那么在网络时代，“媒介偏见”概念的外延应宽于“新闻偏见”，媒介不仅应该包括传统意义上的大众新闻媒体，还应该包括作为传播变革力量的社交媒体和自媒体。
新闻偏见有时还与“新闻倾向性”（News Slant）混合使用。新闻偏见是新闻中持有缺乏充分事实依据的否定性的消极的认识和态度，从而贬义甚至丑化了客体，影响了受众对客体的认知和判断，使得大众对客体的认知偏离了客观存在的正确方向而心存偏见，这一点在已有的研究中已达成共识。“新闻倾向性”是另外一个概念，它与“新闻偏见”并不同义。存在偏见的报道一定带有倾向性，但带倾向性的报道并不一定就存有偏见；存在偏见的报道有意或无意地贬低甚至丑化了相关客体，而含倾向性的报道较少用贬低或丑化的方式去表达倾向性诉求；新闻带有倾向性往往被认为是允许的，但报道含有偏见却往往被严厉指责。
刻板印象是另一个常与新闻偏见相联系的概念。有学者认为，刻板印象和基模是认知特点，但新闻偏见可分为无意的偏见和有意的偏见，无意的偏见与刻板印象以及基模非常类似。
◐◑◒◓◔◕
欢迎大家参加「院校课程」
一起学习更多内容！
目前小田心上线了川大、西政、川社科、成理的「冲刺课程」，欢迎大家私戳小田心了解、试听（下方二维码可联系上小田心哦~）。也可以点击下方对应院校划线文字，查看详细介绍。
冲刺课程
▽
模考课程
▽
点击图片即可了解喜报详情
祝好
你可能错过了
/针对2025级/
模考课程
冲刺课程
公益公开课
院校真题解读
（24级真题解读陆续更新中）
院校参考书解读
院校常见问题答疑
考研经验贴
近期热点分析
近期专题笔记
喜报
23级
24级
