Алгоритм подмены: как сервисы рекомендации новостного контента меняют восприятие экономических проблем
Ключевые слова:
сервисы рекомендаций, думскроллинг, блайндспоттинг, экономическое мышление, новостной агрегатор, массовая коммуникацияАннотация
В статье на примере алгоритмов рекомендации
контента, используемых в сервисах Google: YouTube и Google
News прослеживаются две основных коммуникативных стратегии,
применяемых для удержания внимания пользователей и в конечном
итоге ведущих к искаженному восприятиюновостной информации,
в частности относящейся к экономической тематике. В качестве
двух таких стратегий автором рассматриваются думскроллинг,
мотивирующий аудиторию к активному потреблению негативных
новостей, и блайндспоттинг выстроенный на обратной логике
максимального дистанцирования от негативных новостей
и распространяющих их источников. Используя методики
лексического анализа (контент-анализ и анализ тональности
текста) и статистического анализа (функциональный и
собственно статистический анализ) автор приходит к выводу о
172
распространенности пяти основных стратегий представления
соответствующего новостного контента на цифровых платформах.
Библиографические ссылки
Baloria, V. & Heese, J. (2018). The effects of media slant on firm behavior. Journal of Financial Economics, 129 (1), 184–202.
Dixon, M. (2019). Media modelling effects. The Essential Revision Guide. Routledge.
Druckman, J. (2001). Using credible advice to overcome framing effects. The Journal of Law, Economics, and Organization, 17, 62–82.
Entman, R. (2007). Framing Bias: Media in the Distribution of Power. Journal of Communication, 57 (1), 163–173.
Shrum, L. (1996). Psychological processes underlying cultivation effects: Further tests of construct accessibility. Human Communication Research, 22 (4), 482–509.
Van Gorp, B. (2007). The Constructionist Approach to Framing: Bringing Culture Back In. Journal of Communication, 57 (1), 60–78.
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Лицензия
Copyright (c) 2023 Дмитрий Коноплев
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.
