■ ■ ■ Платформы и алгоритмизация в медиа: содержание и социальные следствия
Назаров М.М.
Институт социально-политических исследований Федерального научно-исследовательского социологического центра Российской академии наук, Москва, Российская Федерация.
Аннотация. Рассматриваются новые особенности цифровой медиасреды, связанные с широким внедрением платформ и алгоритмов в управление массовыми информационными процессами. Обсуждаются технологические, бизнес и социальные предпосылки медиа инноваций. Показано, что широкое внедрение платформ и алгоритмизация является эффективным инструментом реализации коммерческого императива в деятельности медиа. В целом эти инновации отражают важную особенность развития современного общества - тренд к всеобъемлющей метризации. Наряду с преимуществами, использование предиктивных алгоритмов, персонализация контента, основанные на отслеживании прошлого коммуникативного поведения имеет ряд негативных социальных следствий. Формируются «пузыри фильтров», способствующих формированию замкнутых информационных сегментов аудитории. Лежащая в основе рекомендательных сервисов модель социального бихевиоризма способствует модификации информационного поведения людей. Алгоритмизация ме-диапространства усиливает тренды предложения контента индивидуальным потребителям, а не гражданам, склонным принимать солидарные решения относительно общих интересов жизни сообщества.
Ключевые слова: технологии медиа, интернет, телевидение, медиапотребление, медиа платформы, алгоритмизация, предиктивная аналитика
Для цитирования: Назаров М.М. Платформы и алгоритмизация в медиа: содержание и социальные следствия // Коммуникология. 2020. Том 8. №2. С. 108-124. DOI: 10.21453/2311-3065-2020-8-2-108-124.
Сведения об авторе: Назаров Михаил Михайлович, доктор политических наук, главный научный сотрудник Института социально-политических исследований Федерального научно-исследовательского социологического центра Российской академии наук. Адрес: 119333, Россия, г. Москва, ул. Фотиевой, д. 6, к. 1. E-mail: vy175867@yandex.ru.
Статья поступила в редакцию: 17.05.2020. Принята к печати: 01.06.2020.
Переход современной цивилизации к новому технологическому укладу имеет следствием трансформацию коммуникационных практик. Основу этого составляет доминирование платформ и алгоритмических решений - некоторой коммуникационной «машинерии», предполагающей принципиально иную работу с информационными и более широко - социальными процессами. В статье рассматриваются следующие вопросы. В чем состоят основные предпосылки, которые привели к внедрению принципов алгоритмического управления? В чем со-
стоит содержание и функционирование платформ и алгоритмов применительно к современному медиаландшафту? Каковы социальные следствия использования алгоритмического управления в медиа - в чем их положительные и негативные составляющие?
Технологические инновации и конвергенция медиа
Начнем анализ с определения центрального понятия работы. Платформа может рассматриваться в разных смыслах, например, как некое основание, для размещения каких-либо предметов; как программа действия, базовая идея политической, рекламной или маркетинговой кампании. В области вычислительной техники это понятие связывают с аппаратными средствами, операционными системами, для которых необходимо создавать разные версии программного обеспечения. В области массовой коммуникации платформа рассматривается как та или иная форма медиа, которая используется для целей коммуникации [Chandler, Munday]. Применительно к области медиа существует и иная интерпретация платформы, идущая из области бизнеса и менеджмента. Это обусловлено тем, что платформы стали представлять собой доминирующую инфраструктурную и экономическую модель в связанных между собой областях -средств массовой коммуникации, связи, компьютерных технологий. «В рамках платформ организации, используя цифровые технологии, создают сети, соединяющие продавцов и покупателей широкого ассортимента товаров и услуг, повышая доходы за счет эффекта масштаба» [Шваб: 27-28].
Как известно, технологии ориентированы на практическое применение научных знаний в целях преобразования и создания элементов материальной и духовной культуры. К ним, среди прочего, относятся коммуникационные или медийные технологии, использование которых кардинально изменяют социальную среду современного общества. Эта проблематика имеет глубокие традиции изучения в рамках коммуникологии, социологии медиа и смежных дисциплин. Достаточно упомянуть таких авторов как М. Маклюэн, Х. Иннес, Т. Адорно, Ж. Эллюль, В. Беньямин, Д. Белл и многих других. Применительно к нашему анализу выделим несколько ключевых моментов.
Важнейший является идея Маклюэна и ряда других авторов, что тип коммуникационных технологий соотносится с организацией жизнедеятельности и устройством общества. Маклюэн утверждал, что технология коммуникаций является своеобразным продолжением сознания людей. Поэтому, каждый новый этап развития средств коммуникации серьезно влияет на характер отображения и, соответственно, восприятия реальности, сложившийся ранее. Одновременно, влиянию подвергаются также образ жизни, ценности людей.
С целью различения типов коммуникации, доминирующих в современном обществе была предложено дифференцировать временные этапы, на которых те или иные медиа являются преобладающими. Как известно, в конце прошлого века М. Постером была опубликована книга с характерным названием - «Вто-
рой возраст медиа» («The Second Media Age") [Poster]. Впоследствии метафора «второго» возраста медиа получила достаточно широкое распространение в профессиональной литературе. Говоря о втором возрасте медиа, автор делает акцент на принципиальных различиях между «вещательными» медиа, которые были тогда мейнстримом - телевидением, радио, прессой, с одной стороны, и находящемся в тот период в стадии начала широкого проникновения в массовую медийную среду интернета (интерактивными медиа) - с другой.
Приведем далее важные для последующего анализа черты вещательных медиа, которые обусловлены их коммуникационной природой и социальными функциями. Медиа этого типа изначально имеют централизованный характер распространения; реализуют модель коммуникации «от одного ко многим»; находятся в рамках той или иной степени контроля со стороны национальных государств; ориентированы на поддержание сложившегося статус-кво и режимов неравенства; аудитория представляет собой атомизированную массу индивидов, имеющую слабую обратную связь с медиа. Для интернета, знаменующим собой переход ко второму возрасту медиа, ситуация казалась тогда принципиально другой. Коммуникация здесь является децентрализованной - технологии и практики использования таковы, что обеспечивается двух- или многосторонний информационный обмен, когда «многие говорят со многими»; происходит минимизация или уклонение от государственного контроля; повышается уровень демократизации социального участия, зачастую минуя национальные границы; коммуникация здесь способствует обогащению идентичностей, индивидуального опыта и практик.
Изначально идея новых интерактивных медиа несла на себе ореол технологического и социального оптимизма, присущего разработке и внедрению интернета и, шире, информационных и компьютерных технологий в последние два десятилетия прошлого века. Здесь подчеркивались возможности технологий в плане развития творческого потенциала индивидов, обогащению коммуникации в сообществах. Об этом, каждый по-своему, писали, например, Дж. Гилдер, Н. Негропонте, Г. Рейнгольд. Ключевой посыл этих работ состоял в том, что интернет и опосредованная компьютерной средой коммуникация (computer-mediated-communication) кардинальным образом преобразуют практики традиционных медиа. Показательными в этой связи являются названия работ, получивших известность в тот период: «Жизнь после телевидения» [Gilder], «Быть цифровым» [Negroponte], «Виртуальное сообщество» [Rheingold]. Причем в основе многих построений лежит феномен конвергенции медиа, который также целесообразно иметь в виду в ходе нашего анализа.
В самом общем плане конвергенция медиа представляет собой сближение средств и процессов коммуникации, обусловленное технологическими инновациями. Если раньше медиа обращались к аудитории преимущественно в качестве отдельного канала или коммуникационного средства, то теперь - в значительной степени благодаря цифровизации, границы между ними постепенно стираются. Очевидно, что конвергенция медиа накладывает свой отпечаток на
разные области: политику и идеологию; медиабизнес и медиаменеджмент; культуру в целом и коммуникативное поведение аудитории, в частности.
Конвергенция медиа находит свое отражение в состоянии современной ме-диасреды. Одной из важнейших предпосылок этого является массовое проникновение домашнего и мобильного интернета. В течение последнего десятилетия наблюдался многократный рост средней длительности использования интернета, причем это было глобальным явлением. Это взаимосвязано с таким проявлением конвергенции, как формирование мультимедийных цифровых платформ, обогащающих коммуникационные возможности. Соответственно, в практику повседневной жизни людей вошло массовое использование социальных сетей, видеохостингов, мессенджеров - систем быстрого обмена сообщениями. Появились цифровые / интернет версии телевидения, печатных изданий, радио.
Осмысление медиа конвергенции проходило в разных плоскостях. В частности, применительно к изучению медиапотребления, подчеркивалось возрастание степеней свободы в выборе контента, уход от унифицированных потребительских практик, фрагментация и повышение активности аудитории в целом [Jenkins]. Отмечалось, что конвергенция медиа сопряжена с рождением изменениями в жанров-тематической структуре медиаконтента, трансформацией традиционных функций журналистики, появлением новых моделей медиапроизводства [Вартанова]. Конвергенция медиа оказалась неразрывно связанной со структурной перестройкой рынков медиа, формированием новых бизнес-стратегий, а также тенденциями к концентрации в этой области [Jones, Holmes: 28-32]. Все это в своей совокупности приводит к реализации новой медийной логики субъектов рынка - на стороне производителей медийных услуг, с одной стороны, и потребителей этих услуг - с другой. В значительной своей степени это детерминировано нарастающим использованием т.н. медийных платформ и алгоритмизации медийных процессов.
Особенности платформ и алгоритмов в медиасреде
Для понимания того, почему феномен платформ приобрел широкое распространение в сфере медиа в последнее 5-10 лет нам необходимо обратиться к области экономики медиа. Это тем более важно потому, что медиа представляет собой интегральную часть политико-экономической и социо-культурной системы общества. Причем особая роль экономической компоненты в деятельности медиа определяется тем, что они в своем подавляющем большинстве являются бизнес-организациями, функционирующими на рыночных основаниях.
Заметим, что переход к платформизации и алгоритмизации управления в медиа в более широком плане обусловлен кардинальными сдвигами, которые происходили в экономике и обществах индустриально развитых стран. Для капитализма первой половины XX века наиболее распространенными были механизированные формы стандартизированного промышленного производства, формирование массовых потребительских рынков. Для пост-индустриальной
или пост-фордистской экономики характерны существенные трансформации в сферах производства и потребления. Массовые производства стали приобретать качества динамичности и гибкости, что позволяло максимизировать прибыль через формирование и удовлетворение разнообразных потребительских стилей и идентичностей. Важно, что эти тренды оказались присущими не только развитым, но и развивающимся экономикам, благодаря повсеместным процессам глобализации.
Новое качество рынков предполагало повышение роли маркетинговых коммуникаций и медиа, как важнейших инструментов успешного бизнеса. Идеи «работы с правильными» в маркетинговом смысле слова целевыми группами, идеи сегментирования потребителей являются одними из центральных в современном маркетинге. Существенным обстоятельством было и то, что рынок во всевозрастающем масштабе охватывал сферы духовного производства и культуры, образа жизни и свободного времени людей. В этой связи были востребованы новые возможности, связанные с формированием нового технологического уклада, в который в начале XXI века вступила современная цивилизация.
При всех отличиях в приоритете тех или иных факторов, определяющих этот уклад, не вызывает сомнения значимость собственно информационных технологий [Шваб; Глазьев]. В этой связи, Д. Харви, один из наиболее проницательных исследователей и критиков сложившегося социально-экономического порядка, справедливо заметил: «Согласно неолиберальной теории, социальные блага можно максимизировать путем максимизации объема и частоты рыночных трансакций. Более того: любые проявления человеческой деятельности могут быть вовлечены в рыночные отношения. Такой подход требует принципиально новых технологий для создания, хранения, накопления, передачи, анализа и использования информации - накопление и применение больших баз данных для принятия глобальных решений на рынках. Именно в эпоху неолиберализма начали бурно развиваться информационные технологии, а сам неолиберализм стали даже называть «информационным обществом» [Харви: 12].
Немаловажно, что именно в последнее десятилетие в медиаландшафтах практически всех стран мира доминируют по значимости два медиа - телевидение и интернет. Это касается как охвата, так и влияния на аудиторию. Причем в ряде случаев, например, в плане влияния на молодежную аудиторию интернет преобладает. Успешности массового распространения интернет не в последнюю очередь способствовали новая технологическая база и новая (по сравнению с телевидением) бизнес модель, лежащая в его основе.
Как известно, в основе традиционного ТВ бизнеса лежит линейная цепочка стоимости, которая состоит из нескольких ключевых составляющих или субъектов. К ним относятся: производитель - кампания, создающая содержание (контент); вещатель или агрегатор - «упаковывающий» контент в привлекательную и доступную для аудиторию форму; дистрибьютер или распространитель контента, доводящий его аудитории; конечные потребители - представители аудитории, получающие соответствующие информационные услуги - новости, развле-
чение, спорт и т.д. Реализуемая в рамках взаимоотношения этих субъектов цепочка ценностей предполагает, что медиа производят два типа продуктов - контент и аудиторию. Медиа компании могут продавать контент аудитории напрямую или косвенно. В первом случае осуществляется платная подписка на тот или иной набор ресурсов. Второй случай - это рекламная бизнес-модель. Здесь внимание аудитории к содержанию также оказывается продуктом, поскольку он интересен для рекламодателей.
Цифровизация и распространение инфраструктуры интернет привело к изменениям во взаимоотношениях ключевых субъектов медиабизнеса. При этом цепочка создания ценности - т.е. видов деятельности, посредством которой товары или услуги в сфере медиа производятся, распространяются и продаются -претерпела серьезные трансформации. Не случайным стало введение в профессиональный язык понятия экосистемы медиа, которое подразумевает некоторое пространство синхронной организации взаимодействия субъектов сложной системы. Цифровые экосистемы медиа рассматривают как некоторый аналог биологических экосистем в цифровом мире - устойчивых, самоорганизующихся, масштабируемых и способных автоматически справляться со сложными и динамическими задачами.
Выше отмечалось, что интернет принес новые степени свободы для поведения аудитории в сети. Благодаря интерактивности или обратной связи коммуникативное взаимодействие в сети существенно обогатилось. Вместе с тем, у этого обстоятельства имеется и другая сторона, связанная с технологической спецификой интернет, как коммуникативного пространства.
Использование интернет предполагает, что все действия потребителя, имеющие как вспомогательный, так и содержательный характер находятся в единой интерактивной среде и вольно или невольно получают свое отражение или фиксируются в этой технологической среде. Это является основанием т.н. «больших данных», правильный сбор и обработка которых позволяет делать выводы о потребителе. Другими словами, действия индивидов в интернет среде становятся все более заметными, прозрачными, «гласными». Таким, образом, цифровые технологии открыли принципиально иные возможности производителям товаров и услуг для адресного обращения к целевым аудиториям. Причем происходить это может в массовом масштабе в режиме реального времени.
Для реализации этих возможностей потребовалась как новая функциональность от уже существующих, так и участие новых субъектов рынка. В интернете рыночной ценностью обладают контакты с контентом и рекламой нужных для рекламодателя сегментов аудитории. В этой связи интернете появились такие новые субъекты, как рекламнообменные сети или поставщики рекламного инвентаря; поставщики и агрегаторы данных об аудитории, платформы управления данными; платформы на стороне покупки и продажи рекламного инвентаря, которые создают условия для биржевой торговли рекламой для самых разных целевых групп; а также многие другие субъекты, обеспечивающие сложный автоматизированный процесс гибкой продажи и покупки рекламы [МеОоппе!!].
Именно в этой связи на первый план управления выходят медиаплатформы, взаимодействие которых в рамках единой экосистемы позволяют сделать максимально эффективным участие всех субъектов цепочки стоимости.
Будем учитывать, что платформенное управление в современных медиа компаниях касается не только рекламы, но и других процессов, включая производство и планирование контента. Например, «детальное понимание поведения зрителей является важнейшим условием снижения финансовых рисков, связанных с высокими затратами на создание и производство высококачественных программ, которые ожидают потребители, оплачивающие подписку на телеканалы. Аналитика данных является также основанием для принятия корпоративных решений и практик управления медиапроизводством» [Evens, Donders: 75].
Стержневым элементом применения платформ в сфере медиа является алгоритмическое управление. Алгоритм представляет собой точное предписание о порядке выполнения некоторой системы операций над исходными данными для получения желаемого результата, которое выполняется индивидом или машиной [Энциклопедия эпистемологии]. В сфере нашего внимания будут находиться те области применения алгоритмов в медиа, где они применяются к данным, характеризующим коммуникативное поведение аудитории; имеют в качестве своих результатов те или иные социальные следствия. Напомним, что медиа (по крайней мере коммерческие) ориентированы на достижение максимальной популярности предлагаемого контента у целевой аудитории. Именно это обстоятельство предопределяет различные варианты использования алгоритмов для работы с различными по интересам аудиториями.
Алгоритмы работают с данными, которые являются ресурсом для выполнения операций, направленных на обеспечение эффективности и коммерческого успеха медиа. Заметим, что данные, например, об аудитории всегда активно использовались в работе средств массовой коммуникации. Отличие нынешней ситуации от прошлого состоит в качественно ином масштабе, глубине и разнообразии данных, которые используются в практике медиа. Это не только данные о социально-демогрифческих, ценностно-психологических и потребительстких профилях, основанием которых служили результаты выборочных исследований населения.
В современной цифровой медиасреде данными становится практически все действия пользователей - как те, что собираются посредством исследований, так и те, которые являются артефактами их коммуникативного поведения: лайки; твиты; посты и репосты; факт захода на ту или иную площадку; включения приложения; регистрация в социальной сети; участие в онлайн-играх; оставления данных о себе при покупках, получение онлайн услуг; информация и местоположении за счет геолокации и многое другое. Алгоритмическое использование разных по своей природе данных предполагает также еще одно важное условие - все эти данные должны быть стандартизированными. Это означает, что используемые здесь метрики (т.е. «перевод» информации качественной природы в количественной выражение) должны быть пригодными для работы сложных алгоритмов.
С какой целью алгоритмы используют данные? Одной из наиболее широко распространенных является обеспечение обоснованной персонализации при предложении как контента, так и товаров и услуг Именно понимание того, к какой аудитории - в персональном плане или в плане того или иного потребительского профиля направляется реклама или рекомендация маркетингового характера - составляет задачу применения алгоритмов работы с данными. Одним из широко распространенных алгоритмов является т.н. предиктивная аналитика - технология, которая изучает разнообразный опыт (зафиксированный в данных) для того, чтобы прогнозировать будущее поведение индивидов и на этой основе осуществлять более качественные решения [Siegel: 11]. Предиктивная аналитика работает с большими массивами сложных данных для поиска взаимосвязей между их составляющими, что, в свою очередь, позволяет выявлять инсайты об индивидуальных предпочтениях и прогнозировать поведение индивидов в рамках тех или иных сценариев.
Надо сказать, что предиктивная аналитика не является чем-то абсолютно новым для прикладной науки. Считается, что одной из первых областей использования являются финансы, где эта технология способствовала оптимизации процесса составления кредитного рейтинга заемщика посредством автоматического анализа большого числа переменных, характеризующих индивида, обратившегося за соответствующей услугой. В этой области используются как известные статистические процедуры - регрессии, кластеризация, факторный анализ, с одной стороны; так и более современные подходы, связанные с искусственным интеллектом (машинным обучением), когнитивные вычисления и др. - с другой. К преимуществам предиктивной аналитики относят скорость и устойчивость автоматических решений, их слабая зависимость от человеческого фактора [Finlay: 2-8].
Одним из ярких примеров приложения алгоритмов в области медиа являются широко распространенные рекомендательные сервисы. Здесь, среди прочего, реализуется идея того, что пользователю предлагается контент, с которым он еще не знаком (в техническом плане, например, не сделал на него клик), но, одновременно, этот контент был интересен другим индивидами со сходными с ним интересами, поскольку они уже продемонстрировали поведение, подтверждающее этот интерес. Это подход получил название «look alike» - работы с «похожими» индивидами или эфирными событиями. Причем во внимание здесь принимается большой спектр параметров контента, включая его тематическую направленность, форму, графику, продолжительность и т.п.
Предметом рекомендаций могут быть новые, ожидаемые, прогнозируемые действия индивидов, которые формируются на основе прошлых его интересов, оценок, действий и т.п. В значительной своей части это касается как художественного, так и информационно-политичекого содержания медиа - тех областей, в которых алгоритмы в прошлом не играли решающей роли в формировании трендов массового поведения. Ранее эти области представляли собой зоны доминирования компетенций экспертного сообщества.
Как отмечалась выше, коммерческий императив является решающим в деятельности современных медиа. В этой связи применение алгоритмов является оправданным с точки зрения бизнеса - создание алгоритмически обоснованных рекомендаций приводит к большей удовлетворенности клиентов. Это, в свою очередь, приводит к следующему циклу в потреблении рекомендуемого контента. Кроме того, это способствует включению в анализ все большего объема данных о клиентах, что, в свою очередь, позволяет перейти к созданию еще более продвинутых рекомендательных сервисов. В этом проявляются фундаментальные изменения в «форматировании» поля культуры, когда вопросы обоснования приоритетов сдвигаются в область техники и инженерии, когда суждения людей становятся все более опосредованными и взаимосвязанными с алгоритмами [Hallinan, Striphas].
Социальные следствия алгоритмизации
Очевидно, что технологические инновации сами по себе нейтральны. Однако их воплощение неизбежно отражает существующие политико-экономические и социо-культурные условия, борьбу интересов ведущих акторов, многие другие обстоятельства. Практика показывает, что социальные следствия распространения платформ и алгоритмизации в медиасреде не являются однозначно положительными. В этой связи остановимся на ключевых моментах критики. Этому посвящены работы таких авторов, как М. Постер, Ш. Теркл, Э.Паризер, Дж. Ланье, Н.Коулдри, М. Андреевич, Д. Беер и ряда других.
Начнем обсуждение с феномена «пузыря фильтров», которое вошло в широкий оборот благодаря книге Э. Паризера «За стеной фильтров: что скрывает от вас Интернет», опубликованной в 2011 году [Pariser]. Текст завоевал популярность и стал предметом дискуссий в медиа и профессиональной среде. Новое качество информационной среды обусловлено технологиями персонализации подбора контента, которая сейчас достигла беспрецедентных масштабов. При этом технологии устроены так, что набор в поисковой системе одного и того же явления различными пользователями предполагает максимально адресную выдачу - согласно прошлым преференциям и интересам пользователя. В результате, зачастую, сама интерпретация явления может оказаться принципиально различной. По мнению Паризера, это отражает несколько фундаментальных обстоятельств.
Алгоритмизация приводит к слабому пересечению контента, в том числе новостного характера, который доступен для различных по своим профилям групп пользователей. Наличие фильтрующих пузырей создает условия, когда информация, обсуждаемая в одной группе, оказывается слабо или совсем незнакомой другой группе. Для разных групп становится проблематичным доступ к контенту с разной политической направленностью и акцентами в оценках. Фактически наблюдается изоляция от других источников информации. В результате доминирования в группе политически однородных оценок и взглядов редко обращаются к другим источникам. Если это и происходят, то индивиды вновь оказываются
в фильтрующих пузырях, сходных с теми, в которых они пребывали ранее. Другими словами, традиционная сбалансированная медиасреда уходит на второй план. Люди оказываются погруженными в информационную среду, которая отвечает сложившимися интересам и закрепляет мировоззренческие предпочтения.
Фильтрующие пузыри «незримо преобразуют мир, который мы воспринимаем, контролируя то, что мы видим и чего не видим. Они вмешиваются во взаимодействие между нашими мыслительными процессами и окружающей средой. В некоторых случаях они могут действовать как увеличительное стекло, помогая нам расширить представление о какой-то небольшой области знаний. Но в то же время персонализированные фильтры ограничивают те факторы, воздействию которых мы подвергаемся, а следовательно, и наши процессы мышления и познания нового» [Паризер: 70-71].
Заметим, что концепция «пузыря фильтров» или «эхо-камеры» получила неоднозначную реакцию в среде специалистов. Существуют публикации, ставящие под сомнение справедливость идеи пузыря фильтров. Так, говорится о том, что существует мало эмпирических данных, фиксирующих наличие этого явления. В реальности пользователи интернета, осуществляя поисковые запросы или общаясь в социальных сетях, как правило, находятся в пространстве мейнстримных информационных источников. Причем набор контента, которые они потребляют является более разнообразным, чем у тех, кто интернет не использует [Bruns]. Исследования фиксируют существенное пересечение контента различной направленности, находящегося в репертуаре информационного потребления различных аудиторий. Алгоритмически созданные пузыри фильтров, способствующие росту изоляции на практике не наблюдаются [Krafft, Gamer, Zweig]. В результате исследований также было выявлено, что собственно стратегии навигации индивидов по сложному информационному пространству способствуют поляризации дебатов. В частности, это связано с их стремлением к минимизации конфликта с членами своей группы в сети [Seargeant, Tagg].
Вместе с тем, на целом ряде эмпирических примеров было показано, что рекомендательные сервисы в сети действительно ведут к поляризации и, зачастую, популяризации мнений, причем, радикального характера. Причем в этом солидарны исследователи, представляющие гуманитарные, компьютерные и другие смежные дисциплины.
Характерным в этой связи является пример, который приводит известный в мире эксперт в области маркетинга С. Скотт в своей статье, посвященной алгоритмам Youtube: «Печально, что в 2019 году я должен напомнить всем, что нацисты были ультраправыми ультранационалистами, проповедающими геноцид. ... Их противники? Центристские демократии и коммунистический Советский Союз. Серьезно - школы перестали учить этому в какой-то момент? ... Скажем, вы школьник, который с полным на то основанием хочет узнать о нацизме. Как и многие другие молодые люди сегодня, вы можете сначала исследоватьYouTube. Так поступил и я - начал там искать «нацизм». Первым результатом было заслуживающее доверие видео с Яд Вашем, это официальный мемориал Израи-
ля жертвам Холокоста. ... Но второй результат - второй! - была крайне правая либертарианская лекция, описывающая, как нацизм был «социалистическим». Платформа «может быть одним из самых мощных инструментов радикализации в 21 веке». Скажем, человек смотрит случайное видео на какую-то тему. Алгоритм рекомендаций заставляет его продолжать смотреть - и видеть больше рекламы - предлагая чуть более провокационное видео на ту же тему. И затем все больше и больше, пока кто-то, заинтересованный в более здоровом питании, не стал воинствующим веганом (наиболее строгая форма вегетарианства). Следуя этой логике другое исследование иммиграции «покажет», что все коричневые люди плохие» [Scott].
Одна из принципиальных линий алгоритмизации медиа связана с позицией Дж. Ланье - видного специалиста в области информационных технологий, активно выступающего за возвращение к изначально гуманистической направленности интернета [Lanier]. По его мнению, идеи социального бихевиоризма, лежащие в основе алгоритмов медиа, не являются адекватной основой здоровой информационной среды и социума в целом. Напомним, что в рамках этой концепции утверждается, что существует сходство между коллективным поведением животных и людей.
Согласно Ланье, в условиях цифровой медиасреды фундаментальную роль в регуляции поведения играет механизм подкрепления. Этот механизм применительно к цифровому ландшафту реализуется через применение алгоритмов, которые обеспечивают подкрепление на базе персонализации медиа контента. Причем алгоритмы персонализации направлены на формирование все большей включенности индивида - с точки зрения времени потребления и последующих действий - в «интересный» для него контент. Таким образом, действия индивида становятся все более интересными для рекламодателей и бизнеса медиаплат-форм в целом. Однако, при этом, сознание индивида претерпевает изменения -происходит модификация поведения людей и привыкание к принципиально иной среде. Проблема в том, что стимулы от алгоритма отражают лишь популярные, привлекающие сиюминутное внимание информационные символы. Фактически, эти стимулы, будучи, зачастую, случайными - мало что значат. Поэтому мозг людей адаптируется ни к чему-то реальному, а к вымыслу [Lanier: 8-9].
Этому в немалой степени способствуют отличия традиционного и цифрового медиаландшафтов. Ранее информационная среда была такова, что охват людей медиа не был столь всеобъемлющим. Более того, в условиях массовых медиа, индивиды зачастую видели один и тот же контент и рекламу - это не имело адресной направленности. Однако важнейшим отличием было то, что массовые медиа не обладали возможностями по отслеживанию коммуникативного поведения людей в режиме реального времени. Благодаря технологиям интернет теперь стало возможным тарегитированно направлять потребителям динамически оптимизированные стимулы - контент или рекламу - чтобы привлечь их внимание и способствовать изменению поведения. В целом, по мнению автора, бизнес
модель современных медиа в соединении с возможностями технологий в сфере интернет приводят к всеобъемлющему наблюдению и тонким (но не являющимися от этого менее опасными для общества) манипуляциям.
Другое направление критики связано с тем, что алгоритмизация медиа привносит серьезные риски для базовых оснований жизни социума, тех констант, которые, пусть в идеале задавали ориентиры развития гражданского общества. По мнению ряда критиков, исключительный фокус на технологических артефактах функционирования алгоритмических медиа (типа пузыря фильтров) оставляет в стороне более важные вопросы о связи деятельности медиа и социально-политическими условиями их функционирования. В системно разработанном виде эти идеи содержатся в работах М. Андреевича [АпЬ^еую 2013; Andrejevic 2020]. Вопрос ставится таким образом: в какой степени в условиях информационного переполнения и получения кастомизированной адресной информации индивиды оказываются готовыми участвовать в жизни сообщества?
Опасность алгоритмизации медиапространства как раз и состоит в том, что во все большей степени суверенитет потребителя оказывается преобладающим по отношению суверенитета гражданского общества. С точки зрения логики рынка знакомство с информацией социально-политического характера мало чем отличается от приобретения потребительских товаров. При этом автоматизированный подбор контента под интересы потребителя фактически предполагает, что информация гражданского характера и ее использование есть вопрос личных предпочтений или идеологических ориентаций. В этой модели тема общего пространства обсуждений и солидарных общегражданских действий как бы не существует. Более того, возникает парадокс, когда в условиях информационного переполнения люди оказываются не склонными понимать и принимать задачи сообщества, членами которого они являются [Andrejevic: 46-47].
По мнению автора, суверенная позиция индивида, как гражданина - члена общества совсем другая. Исходной здесь является не абсолютизация личных приоритетов, а признание права на наличие альтернативной точки зрения, умение услышать другого. Фундаментальной при этом является посылка о том, что индивидуальные предпочтения находятся в пространстве базовых ценностных констант. Именно это служит основой общности интересов граждан как таковых. Таким образом, алгоритмы медиа «реконфигурируют» условия для практик публичного обсуждения [Andrejevic: 52, 60].
Еще один момент связан с тем, что алгоритмизированная медиасреда по своей сути строится на основе преобразования живого языка человеческого общения в некоторое коммуникативное пространство, тщательно опосредованное формальными правилами и процедурами. Автоматизированная социальность, которая формируется за счет использования алгоритмов и является - в более широком плане - отражением моделей современного менеджмента, как такового.
Применительно к области медиа здесь лежит довольно простая идея. Для современного медиаландшафта свойственно практически безграничное количество источников и сопряженное с этим информационное «переполнение». Поэ-
тому, вполне естественным выглядит приложение управленческих идей для помощи индивидам в части оптимизации их информационного выбора. В качестве такого «менеджера» как раз и выступают рекомендательные сервисы, алгоритмы которых имеют машинную природу. Основанные на квантификации оценок пользователей, а также их прошлого коммуникативного поведения алгоритмы неизбежно «переводят» сложный язык человеческого общения в некоторые метрики и ключевые показатели эффективности (KPI - Key Performance Indicator). Вместе с тем, надо учитывать, что алгоритмизация медиасреды является одним из проявлений более широкого тренда - движения к всеобъемлющей метризации.
По справедливому замечанию Д. Беер, системы измерения лежат в основе функционирования современного социального мира как такового: «В последние два десятилетия требования к подотчетности, прозрачности и эффективности вызвали поток социальных метрик, разработанных для оценки деятельности отдельных лиц и организаций» [Beer: 5]. Это происходит повсеместно, начиная, например, от использования приложений для фиксации качества сна и параметров состояния организма до организации учебного процесса и оценки успешности его осуществления онлайн; использования метрик индивидуальной производительности в рабочие часы до осуществления финансовых трансакций в сети.
Причем технологии и алгоритмы привносят в образ жизни такие черты, когда всеобщая коммуникационная связанность далеко не всегда способствует самосовершенствованию и обогащения индивидуального опыта. Фактически, рост систем измерения является маркером неолиберальной рациональности - механизмы измерения оказываются встроенными конкуренцию между экономическими субъектами, которые охватывают, фактически, все проявления социальной жизни. Не менее важно и то, что метрики, включены в процесс обратной связи в системе и, если не в прямом, то в косвенном виде через них осуществляется управление состоянием ее элементов, в качестве которых, зачастую, выступают индивиды. В более широком смысле всеобъемлющее использование метрик соотносится с темой политики и власти - стремлением измерять, дифференцировать и оценивать. При этом метрики власти оказываются укоренными в самых разнообразных контурах обратной связи - инфраструктурных, организационных, корпоративных и правительственных и др. [Beer: 32].
Заключение
Активное использование платформ и алгоритмизация медиасреды обусловлено новым технологическим укладом, который стал присущим современной цивилизации начала XXI века. Массовое распространение информационно-коммуникационных технологий, цифровизация, конвергенция медиа, использование «больших данных» неразрывно связаны с текущим этапом развития капитализма. Сопряженным с этим является последовательное развитие менеджмента, где всеобъемлющим стал подход, согласно которому, вне количественных, измеряемых показателей эффективное управление невозможно. В основе этого лежит бизнес-логика, которая в условиях доминирования современной нео-
либеральной идеологии распространена практически на все сферы жизни - политики, экономики, культуры. Не является исключением область медиа. Здесь широкое внедрение платформ и алгоритмизация является мощным инструментом реализации коммерческого императива в деятельности медиа. Фактически, предметная область медиа отражает на себе в полной мере один из трендов развития современного общества - движения к всеобъемлющей метризации.
Очевидно, что использование предиктивных алгоритмов позволяет решать сложные технологические задачи, которые были привнесены кардинальными изменениями медиаландшафта - формированием интерактивной коммуникационной среды и трансформацией традиционных моделей массовой коммуникации; резким ростом числа информационных источников; фрагментацией аудитории и др. Вместе с тем, новые технологические решения в медиа оказались несвободны от негативных социальных следствий.
Серьезные вопросы вызывают целый ряд моментов. Алгоритмы способствуют появлению феномена т.н. фильтрующих пузырей: персонализация контента на принципе «подобия» - когда пользователю предлагаются материалы, которые были интересны индивидам со сходными интересами и действиями, ведет к формированию замкнутых информационных пространств. Более того, лежащая в основе рекомендательных сервисов модель социального бихевиоризма способствует модификации информационного поведения людей - фактически формируя личностное восприятие. Среди прочего, это приводит к тому, что ал-гориты стали важным элементом формирования медийной идентичности людей. Алгоритмы строятся на упрощенных, отражающих популярные, привлекающие сиюминутное внимание информационных символах. Это, зачастую, становится основой для активизации реакций по привлечению внимания к своей персоне в сети, обеспечению собственной видимости и демонстрации «эффективности».
Наряду с этим, выясняется, что первоначальные ожидания от новой информационной среды как пространства демократического обсуждения и формирования гражданской активности, если и реализуются, то в весьма минимальном объеме. Алгоритмизация медиапространства усиливает тренды предложения контента индивидуальным потребителям, а не гражданам - склонным принимать солидарные решения относительно общих интересов жизни сообщества. Алгоритмы, будучи инструментами бизнеса, оказываются закрытыми от граждан на предмет анализа целевых функций, заложенных в их практику. Никуда не ушел и традиционный для исследователей медиа вопрос об информационной власти собственности. Оказалось, что уровень концентрации на рынках новых медиа - интернета и социальных сетей оказывается еще более высоким, нежели, чем в случае телевидения.
Источники
Вартанова Е.Л. (1999). К чему ведетконвергенция СМИ? // Информационное общество. N0 5. С. 11-14.
Глазьев С.Ю. (2013). О политике опережающего развития в условиях смены технологических укладов // Вестник РАЕН. №1. С. 29-35.
Паризер Э. (2012). За стеной фильтров. Что интернет скрывает от вас. М.: Альпина Бизнес Букс.
Харви Д. (2007). Краткая история неолиберализма. Актуальное прочтение. М.: «Поколение».
Шваб К. (2018.) Четвертая промышленная революция. М.: Эксмо.
Энциклопедия эпистемологии и философии науки (2009). М.: Канон+.
Andrejevic M. (2013). Infoglut: How Too Much Information is Changing the Way We Think And Know. London, New York: Routledge.
Andrejevic M. (2020). Automated Media. London, New York: Routledge.
Beer D. (2016). Metric Power. London: Palgrave Macmillan.
Bruns A. (2019). Filter bubble. In: Internet Policy Review. Journal on internet regulation. November 2019. Volume 8. Issue 4 [access]: http://policyreview.info/concepts/filter-bubble.
Chandler D., Munday R. (2020). A Dictionary of Media and Communication (3 ed.). Oxford University Press.
Evens T., Donders K. (2018). Platform Power and Policy in Transforming Television Markets. New York: Palgrave Macmillan.
Finlay S. (2014). Predictive analytics, big data and data mining: myths, misconceptions and methods. New York: Palgrave Macmillan.
Gilder G. (1994). Life After Television. New York: Norton.
Hallinan D., Striphas T. (2016). Recommended for you: The Netflix Prize and the production of algorithmic culture // New media & society. Vol. 18 (1). P. 117-137.
Jenkins H. (2006) Convergence Culture: Where Old and New Media Collide. New York: New York University Press.
Jones P., Holmes D. (2011). Key concepts in media and communications. London: Sage.
Krafft T., Gamer M., Zweig K. (2017). What did you see? Personalization, regionalization and the question of the filter bubble in Google's search engine // Computer Science. Cornell University. Conference'17, July 2017, Washington, DC, USA [el. source]: https://arxiv.org/abs/1812.10943.
Lanier J. (2018). Ten arguments for deleting your social media accounts right now. New York: Henry Holt & Company.
McConnell T. (2014). The Programmatic Primer. A marketer's guide to the online advertising ecosystem. London: WARC.
Negroponte N. (1999). Being Digital. New York: Knopf.
Pariser E. (2011). The Filter Bubble: What the Internet is Hiding from You. London: Penguin.
Poster M. (1995). The Second Media Age. London: Polity Press.
Rheingold H. (2000). The Virtual Community. Mass: The MIT Press.
Scott S. (2019).YouTube's algorithm is spreading a series of unfortunate far-right events. The Drum. 14 May: https://www.thedrum.com/opinion/2019/05/14/youtube-s-algorithm-spreading-series-unfortunate-far-right-events.
Seargeant P., Tagg C. (2019). Social media and the future of open debate: A user-oriented approach to Facebook's filter bubble conundrum // Discourse, Context & Media. No.27. P. 41-48.
Siegel E. (2013). Predictive analytics: the power to predict who will click, buy, lie or die. New Jersey: John Wiley & Sons.
■ ■ ■ Media Platforms and Algorithms: content and social implications
Nazarov M.M.
Institute of Social and Political Studies of the Russian Academy of Sciences, Moscow, Russia.
Abstract. The paper considers the new features of the digital media environment associated with the widespread introduction of platforms and algorithms in media practices and reveals the technological, business and social background of these innovations. The application of platforms and algorithms is a powerful tool for implementing the commercial imperative in the media. In general, this is a characteristic feature of the development of modern society - a trend towards comprehensive metrization. Along with the advantages, the use of predictive algorithms, personalization of content based on tracking of past communicative behavior has a number of negative social consequences. E.g., 'filter bubbles' contribute to the formation of closed information segments. The model of social behaviorism underlying the recommendation services contributes to the modification of people's informational behavior. Algorithmization of media landscape strengthens the trends of content delivery to individual consumers, and not to citizens inclined to make joint decisions regarding the common interests of social life.
Keywords: media technologies, Internet, television, media consumption, media platforms, algorithmization, predictive analytics
For citation: Nazarov M.M. (2020). Media Platforms and Algorithms: content and social implications. Communicology (Russia). Vol. 8. No.2. P. 108-124. DOI: 10.21453/23113065-2020-8-2-108-124.
Inf. about the author: Nazarov Mikhail Mikhailovich, Dr.Sc. (Polit.), chief researcher at the Institute of Social and Political Studies of the Russian Academy of Sciences. Address: 119333, Russia, Moscow, ul. Fotieva, 6/1. E-mail: vy175867@yandex.ru.
Received: 17.05.2020. Accepted: 01.06.2020.
References
Andrejevic M. (2013). Infoglut: How Too Much Information is Changing the Way We Think And Know. London, New York: Routledge.
Andrejevic M. (2020). Automated Media. London, New York: Routledge. Beer D. (2016). Metric Power. London: Palgrave Macmillan.
Bruns A. (2019). Filter bubble. In: Internet Policy Review. Journal on internet regulation. November 2019. Volume 8. Issue 4 [access]: http://policyreview.info/concepts/filter-bubble.
Chandler D., Munday R. (2020). A Dictionary of Media and Communication (3 ed.). Oxford University Press.
Encyclopedia of Epistemology and Philosophy of Science (2009). M.: Canon + (In Rus.). Evens T., Donders K. (2018). Platform Power and Policy in Transforming Television Markets. New York: Palgrave Macmillan.
Finlay S. (2014). Predictive analytics, big data and data mining: myths, misconceptions and methods. New York: Palgrave Macmillan.
Gilder G. (1994). Life After Television. New York: Norton.
Glazyev S.Yu. (2013). About the policy of accelerated development in the conditions of a change in technological structures. Bulletin of the Russian Academy of Natural Sciences. No.1. P 29-35 (In Rus.).
Hallinan D., Striphas T. (2016). Recommended for you: The Netflix Prize and the production of algorithmic culture. New media & society. Vol. 18 (1). P. 117-137.
Harvey D. (2007). A brief history of neoliberalism. Current reading. M.: Generation (In Rus.).
Jenkins H. (2006) Convergence Culture: Where Old and New Media Collide. New York: New York University Press.
Jones P., Holmes D. (2011). Key concepts in media and communications. London: Sage.
Krafft T., Gamer M., Zweig K. (2017). What did you see? Personalization, regionalization and the question of the filter bubble in Google's search engine. Computer Science. Cornell University. Conference'17, July 2017, Washington, DC, USA [el. source]: https://arxiv.org/abs/1812.10943.
Lanier J. (2018). Ten arguments for deleting your social media accounts right now. New York: Henry Holt & Company.
McConnell T. (2014). The Programmatic Primer. A marketer's guide to the online advertising ecosystem. London: WARC.
Negroponte N. (1999). Being Digital. New York: Knopf.
Pariser E. (2011). The Filter Bubble: What the Internet is Hiding from You. London: Penguin.
Pariser E. (2012). Behind the wall of filters. What the internet is hiding from you. M.: Alpina Business Books (In Rus.).
Poster M. (1995). The Second Media Age. London: Polity Press.
Rheingold H. (2000). The Virtual Community. Mass: The MIT Press.
Schwab K. (2018). Fourth Industrial Revolution. M.: Eksmo (In Rus.).
Scott S. (2019).YouTube's algorithm is spreading a series of unfortunate far-right events. The Drum. 14 May [el. source]: https://www.thedrum.com/opinion/2019/05/14/youtube-s-algorithm-spreading-series-unfortunate-far-right-events.
Seargeant P., Tagg C. (2019). Social media and the future of open debate: A user-oriented approach to Facebook's filter bubble conundrum. Discourse, Context & Media. No.27. P. 41-48.
Siegel E. (2013). Predictive analytics: the power to predict who will click, buy, lie or die. New Jersey: John Wiley & Sons.
Vartanova E.L. (1999). What does media convergence lead to? Information society. No 5. P. 11-14 (In Rus.).