掘客的把关模式及其特性——以digg.com为例，本文主要内容关键词为：为例论文,特性论文,模式论文,digg论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
互联网技术正在改变由新闻机构主导的大众传播环境，网络平民化的传播已经影响到传统把关人的信息垄断地位。从新闻媒体网站看，其把关行为已由个体网络传播者、网络传播机构和政府机构共同完成①；而随着博客(Blog)、维基(Wiki)和掘客(Digg)等Web 2.0媒体的涌现，新媒体的去中心化趋势加快，用户不仅可以选择不同的新闻信息的表现形式、互动方式和阅读终端，而且可以选择特定的技术来生产内容、组织内容以及传播内容。这些媒体的传播过程已经不需要传统大众媒体那样的编辑来把关，甚至也不需要新闻门户网站那样的网络编辑来把关。
1 Web 2.0新媒体对把关理论的挑战
我们知道，库尔特·勒温在1947年最早提出“把关”的概念时，指出传播者对于一切由他传递的信息都要进行筛选和过滤②。后续的研究把视角转向新闻媒体，不仅证实了“把关人”的存在，而且揭示出在信源与信宿、新闻事件与受众之间存在着一系列的把关环节；随着社会学应用于传播学的研究，“把关理论”的研究视野也随之拓展，可从个人层次、行业常规层次、组织层次、媒介制度层次和社会系统层次等五个层次来研究把关③。尽管把关理论在不断发展，把关人范围也在不断扩大，但媒介组织始终是把关理论的研究核心，这是由媒介组织在新闻传播中的垄断地位决定的。
然而，Web 2.0新媒体是以一种对等网络(Peer to Peer)的形态在演绎发展的社会性网络，网络用户的分布不仅是分散的，而且对网络的使用更加自由。这些新媒体不仅赋予用户更多信息传播的权利，而且把用户个体视为信息传播的主体，这时网络用户既是消费者，又是潜在的信息生产者、信息评论者和信息传播者。与组织有序的传统媒体相比，Web 2.0新媒体的把关方式难以继续用以媒介组织为核心的把关理论来解释，掘客的把关模式是Web 2.0新媒体把关中的典型形式，当传统大众媒体把关依赖媒介组织时，当新闻媒体网站的把关引入网民个体的参与时，掘客的把关已经开始利用群体智慧和协同机制了。
2 以Digg.Com为例的掘客新媒体
掘客一词源于英语中的“dig”(挖掘)，并以2004年底凯文·罗斯(Kevin Rose)推出的Digg.com网站而闻名，是指由用户提交互联网上的新闻链接，并由其他用户以投票的方式来决定该新闻链接在网页上显示位置的新闻聚合网站。其中，Digg(本文指digg.com网站)在短短的三年内在互联网上创造了让人叹为观止的流量：目前网站获得每天2000万的网页浏览(PageView)、每天400万的独立IP地址访问量④，而每天提交到Digg上的新闻总数超过10000条。在Digg的成功激励下，以及DiggClone、Pligg等开源软件的出现，国内外涌现了大量模仿者，如国外的Betamaker(www.betamarker.com)、Dzone(www.dzone.com)和国内的网友媒体与言论平台(www.cnbeta.com)、挖客网(www.waakee.com)等。
Digg页面由“首页”(Popular)页面和“缓冲”(Upcoming)页面构成，其中“首页”页面是默认的浏览页面，显示最受欢迎的新闻；而“缓冲”页面则显示用户最新提交的新闻，众多的缓冲页面构成缓冲区。用户提交的新闻首先进入缓冲区，如果在一定时间内它得到足够多用户的投票支持，那么它就会从缓冲区中脱颖而出，被系统自动推荐到首页；否则一直停留在缓冲区，逐渐被新提交的新闻挤到缓冲区后面。
笔者利用Digg提供的应用编程接口(API)，通过Java编程获得以下数据：在2008年3月27日，Digg注册用户共向Digg系统提交了13044条新闻，其中有128条新闻被推荐到首页。利用SPSS统计软件，按新闻所得投票数排序并做散点图(见图1)。在图1中，获得较高投票数的点分布在垂直虚线左侧较窄的区域，被推荐到首页的128条新闻都落在该区域，而停留在缓冲区的新闻则落在虚线右侧并形成一条长长的尾部。用平滑曲线将图1中所有点连接得到一条曲线，其外形与长尾理论的长尾曲线很相似。不过长尾理论强调的是文化或经济重心正在从需求曲线头部的少数大热门转向需求曲线尾部的大量利基(niche)产品⑤。Digg系统与长尾理论所关注的尾部利基产品不同，它注重的是快速、动态地在众多的新闻中筛选出多数人认为有推荐价值的新闻并将它们推荐到首页，以此构建长尾曲线的头部。像这样从1万多条新闻中挑选出其中100多条，即挑选出其中的1％，并尽可能保证所挑选的质量，这对传统媒体的编辑来说无疑是一项艰巨的任务；而对Digg而言，它利用用户群体协作机制自动、快速、有效地完成把关任务。
3 掘客的多级把关模式
与传统媒体把关相比，掘客把关具有以下明显的优势：对最新的网络信息反应迅速；信息的采集效率高；体现网站用户的责任感和互动性；体现用户的成就感，防止提交同质化内容。掘客把关行为由提交者的个人把关、投票者的协同把关和网站把关共同构成。“个人把关”是指在掘客系统中，每个用户独立地搜集、整理、过滤、提交新闻链接并对新闻进行投票，这些单个用户提交的新闻链接构成了掘客的新闻源。“协同把关”是将掘客网站的不同用户对某新闻的投票意见汇聚成该新闻的把关意见，以此决定新闻在网站的显示位置。“网站把关”主要是将掘客首页上与网站服务宗旨不符的新闻(如垃圾信息、色情信息等)删除，这与传统的把关一致，本文不再赘述。个人把关决定了新闻是否能进入掘客系统，而协同把关决定了新闻是否能被推荐进入首页或首页的相关栏目。可见，掘客把关是一个三级把关的模式(见图2)。
在图2中，N代表新闻的信息源；N1，a表示用户a向掘客网站提交的新闻N1，数字表示新闻提交顺序；C1，a表示用户a提交的新闻进入缓冲队列；M1，a表示用户a提交的新闻被推荐至首页；首页M上删除违反网站宗旨的新闻后形成首页M’；N6，f、N7，g被用户舍弃的新闻；C5，e、C4，d被用户群体协同把关过滤的新闻，没有进人首页；M3，c被网站负责人直接删除的与网站宗旨不符的新闻。
图1 Digg投票排序分布图
图2 掘客的多级把关模式示意图
大众媒体也会采取多人形式把关，但是参与到新闻的把关过程中成员数量一般不多，使得把关决策集中在少数人手中，容易忽视多数人的意见。在这些媒介组织中，把关的成员对新闻的判断依赖于传媒行业的新闻价值标准。这些标准使把关人筛选出符合传媒组织要求的新闻，而过滤一些有价值但不符合标准的新闻。因此，大众媒体的多人把关效果受到其组织把关标准和把关人数的影响，而掘客则可通过其把关特性避免这些因素的影响。
4 掘客的把关特性
掘客的四个重要把关特性是：参与的群体智慧、协同的网络效应、汇聚的马太效应和发布的多样性，这也是掘客新媒体与传统把关的主要区别。
4.1 参与的群体智慧
参与的群体智慧是指建立在对掘客的发展目标、理念认识一致的基础上，众多用户参与到掘客新闻把关过程中所显现出的克服个人认知偏差的智慧。掘客用户参与的群体智慧主要体现在掘客的用户浏览、投票和评论等功能上。
用户浏览的新闻来自于经过其他用户把关后的首页及缓冲页所显示的新闻。除此之外，用户还会通过其好友网络浏览新闻，包括好友最近提交、投票和评论的新闻。若新闻被多数人忽视而被挤到缓冲区的后面，用户也可以通过好友网络来浏览该新闻。因此，个人用户可以通过其他用户，尤其是好友网络的群体智慧来克服个人认知的偏差。
掘客系统将把关权力分散给每一个注册的用户，以构建一个体现群体智慧的投票系统。其中，每一位用户对新闻的决策权力是一样的，即他(她)的投票对新闻把关的影响程度也是一样的。因此，掘客中的新闻被某个用户投反对票，还可以得到其他用户的支持投票，一旦得到足够多的用户支持就可以进入首页。而传统媒体新闻的把关要经过组织的层层审批，可能对新闻的价值取向形成系统性的偏差。
用户对新闻的评论是个人意见的直接体现，掘客还允许用户对新闻的评论进行进一步的投票和评论。对新闻的评论以及其他用户对该评论的意见和判断，用户都可以在新闻链接的紧邻区域进行浏览，掘客用户利用这种群体智慧可以对新闻做出更为综合、更为平衡的判断。
掘客用户参与的群体智慧对其提交的新闻把关至关重要，其核心思想是：在一个自治、分散和多元化的群体中，与实际相偏离的个人误差基本互相抵消，因此群体决策信息的集合比每一个成员单独所做的决定要好得多⑥。掘客所提供的不同功能在不同程度上运用着群体智慧，从而形成一个复合的社会性信息过滤系统。
4.2 协同的网络效应
协同的网络效应是指在掘客协同把关中个人构建的好友网络对把关的影响遵循梅特卡夫法则，即其网络价值与网络用户数的平方成正比⑦，此时用户提交的新闻所具有的网络价值，跟用户本人在这一网络中好友的多寡成正相关；就掘客而言，其好友网络的数目越是众多，好友网络的结构越是复杂，其协同的网络效应就更加明显，其自身的价值也会更快地显现出来。
克里斯蒂纳·里尔曼(Kristina Lerman)对Digg网站的分析不仅指出掘客的好友网络在新闻的推荐过程中扮演了重要的角色，而且证实用户倾向于对好友提交和投票的新闻进行投票⑧。
笔者利用第三方网站socialblade.com网站所提供的数据⑨，得知在2008年3月Digg用户共提交了380571条新闻，其中共有3 103条新闻被推荐到首页。略去收集数据时刻滞后推荐时刻超过120秒的96条新闻，以剩下的3017条新闻为样本，对提交者好友投票所占比重(提交者的好友投票数与新闻被推荐首页时所得投票数的比值)与新闻等待时间(新闻被推荐时刻与新闻提交时刻的差值)做散点图(见图3)。从图3可以看出：在提交者好友投票所占比重大于50％时，新闻等待时间和提交者好友的投票率呈现明显的负相关。提交者好友投票所占比重越大，新闻进入首页所需时间越短。而在提交者好友投票比重小于50％的情况下，两者之间没有明显的关系，这是因为除了协同的网络效应外，还有其他的因素影响新闻的把关，如新闻本身的价值、每个掘客用户的个人价值判断等。
4.3 汇聚的马太效应
汇聚的马太效应是指掘客把分散的用户投票意见汇聚起来形成掘客系统把关，使那些已获得多数投票的新闻得到更多的投票。分散的投票意见是如何转化为掘客系统的把关呢？答案就是掘客的推荐系统，通过特定的算法将投票意见自下而上汇聚的过程。虽然Digg的推荐算法是保密的，但利用它所提供的API所收集的数据中，我们可以反向推导其近似的推荐策略：如果缓冲区中的新闻所得投票数与所用时间(新闻获得投票时刻减去提交时刻)的比值超过某给定值时，那么这条新闻将被系统推荐到首页。
笔者利用Digg系统提供的API对2008年4月3日用户提交的18条新闻进行持续追踪，每隔5分钟获取一次数据，并用SPSS将这些新闻所得投票数和所用时间做散点图(见图4)。图4中，编号为@5970641，@5970581，@5970465和@5970485共4条新闻被推荐到首页，它们所对应的曲线呈“S”型。这四条曲线上都有一个明显的拐点，拐点表明新闻在这之前刚刚被推荐到首页。在拐点之后四条曲线都有一个迅速上升阶段，之后渐趋平稳。而剩下的14条新闻没有得到足够多的投票，未能进入首页，对应的曲线紧靠横坐标，放大之后如图5所示。掘客通过汇聚用户意见将新闻浏览者的注意力集中到了那些已获得较高投票的新闻上，并使这些新闻比其他新闻更容易获得用户的投票。
图3 提交者好友和等待时间图
图4 Digg数与时间图
图5 Digg数与时间底部放大图
4.4 发布的多样性
掘客的把关使其新闻发布形成多样性。掘客的发布多样性包括三个层次：掘客用户的多样性、新闻的多样性和新闻价值判断的多样性。
掘客用户群体是来自世界各地，由不同知识结构，不同文化背景，掌握着不同信息的人构成分散的、无组织的群体。目前，Digg的注册用户数已经超过了270万，这些用户的文化背景、价值观、兴趣爱好和掌握信息等方面的差异构成用户的多样性。用户的多样性为新闻多样性和新闻价值判断的多样性提供了必要的前提。
掘客用户的多样性和掘客的新闻类别决定了新闻的多样性。用户数的快速增长为Digg带来了庞大的新闻来源，从2005年初平均每天提交900多条新闻到现在平均每天10000多条新闻。Digg的新闻类别从刚开始的四类：技术、科学、游戏和娱乐扩展到现在的七类：技术、世界和商业、科学、游戏、生活方式、娱乐、体育和趣闻，2005年到2007年Digg各类新闻平均分布比例见表1。与此同时，掘客用户的新闻来源不仅仅来自新闻媒体网站，还可以来自其他垂直型门户网站和数字内容链接，以及包括博客、维基、图片共享(如Flickr)、视频分享(如Youtube)等Web 2.0媒体上用户生成的内容，这些也极大地拓展了掘客网站新闻的来源。
新闻价值判断的多样性通过用户提交、评论、投票等形式综合地表现出来，源于不同的用户对同一条新闻可能会做出不同的价值判断，反映了用户和新闻之间关联性。
5 掘客把关的问题及发展趋势
由于权利的分散，对用户新闻提交和投票不做限制，并且缺少事后评估机制，掘客网站容易出现一些与其宗旨不符的新闻。如2007年5月1日，一条关于当前HD-DVD加密程序破解密码的新闻被提交到Digg系统上，并且迅速得到众多用户的投票，进入了首页。考虑到此新闻可能会给网站带来法律纠纷，Digg网站删掉了这条新闻。随后，Digg用户采用拆解、加词等手段在Digg上发布这个密码，并以此抗议Digg的做法。最后，凯文·罗斯在其Digg上的博客发表了一篇关于破解密码的简短文章并由用户对其把关⑩，以Digg最终向用户妥协告一段落。但是这一现象揭示了掘客把关所存在的问题。
伴随着网络媒体的发展以及网民信息消费方式的改变，掘客这种新媒体把关模式也将得到越来越多的应用。新媒体把关模式对去中心化的新媒体是高效可行的，但并不意味着所有媒体都应该采用它。传统把关模式是在传统媒体的实践基础上总结出来的，符合自身的发展，新媒体的把关模式是对它的补充和拓展。传统媒体具有可靠的信息源，而掘客拥有众多的热心用户，两者的结合将给掘客带来丰富可靠的新闻源，也将给传统媒体带来可观的用户数作为回报。目前已经出现了掘客和传统媒体融合的迹象，如华尔街日报在线版和Digg已经建立合作关系(11)。随着掘客和传统媒体的发展，传统把关和掘客把关融合的趋势将进一步加强。
注释：
①谢新洲：《网络传播理论与实践》，北京大学出版社，2004年，102-104页。
②黄旦：《“把关人”研究及其演变》，《国际新闻界》1996年第4期。
③Pamela J.Shoemaker:Media Gatekeeping,Lawrence Erlbaum Associates.Inc,1996,P.79～91.
④数据来源：http://www.alexa.com/(Accessed 2008-4-12)。
⑤[美]克里斯·安德森：《长尾理论》，乔江涛译，中信出版社，2006年，35-40页。
⑥[美]詹姆斯·索诺维尔基：《百万大决定》，孟永彪译，中国社会科学出版社，2007年，3-9页。
⑦周荣庭：《网络出版》，科学出版社，2004年，302页。
⑧Kristina Lerman:Social information processing in News aggregation,IEEE Computer Society,Volume 11,Issue 6.Nov.-Dec.2007,P.16-28.
⑨数据来源：http://socialblade.com/digg/diggfpdata.php，提供5000条最近被推荐到Popular页面的新闻数据(Accessed 2008-4-10)。
⑩Doctor Tiki:Kevin Rose and the Digg "Riot",2007-5-2,http://www.tikibartv.com/forum/viewtopic.php?id=1078(Accessed 2008-6-3)
(11)金戈：《华尔街日报网站携手Digg曲线走上免费之路》，2007-11-15，http://tech.qq.com/a/20071115/000003.htm(Accessed 2008-6-3)