算法推荐类新闻App用户间歇性中辍行为研究

采用“压力源—压力—结果”分析框架及双视角分析法,构建算法推荐类新闻App用户间歇性中辍行为研究模型,通过问卷调查获取531份有效样本数据,利用SPSSAU、AMOS24.0软件验证假设和模型。研究发现,新闻倦怠是造成用户间歇性中辍行为的重要原因,而信息同质化、信息过载、沉浸觉醒及隐私担忧正向影响新闻倦怠的形成,其中沉浸觉醒是引起用户产生新闻倦怠的最主要原因。

论视频智能推荐的算法模型设计

本文分析了常见的网络视频的智能推荐算法,如:协同过滤的推荐算法、基于内容的推荐算法、基于知识的推荐算法,基于热度的推荐算法,等,并提出了自己的视频智能推荐算法设计原则。

算法推荐类APP用户流失行为影响因素研究

[目的/意义]算法推荐类APP吸引了大量用户使用,提高用户留存率一直是各类应用关注的重点。文章探索了用户流失行为的影响因素,为减少用户流失、提升用户使用体验提供建议和对策。[方法/过程]文章采集算法推荐类APP用户评论9772条,采用扎根理论对数据进行编码,以此厘清用户流失行为影响因素,构建算法推荐类APP用户流失行为影响因素模型。[结果/结论]信息因素、环境因素、系统因素、网络社群通过影响用户的控制感间接影响用户流失行为,用户的信息素养在控制感和用户流失行为中起调节作用。

聚合类新闻客户端的传播伦理失范现象研究

从受众、媒体平台不同角度进行关于聚合类新闻客户端的失范现象的归因和探析。研究发现,聚合类新闻客户端通过算法推算技术向社会受众根据自身议程设置内容来进行个性化专属推送,但在其发展过程中出现“信息茧房”“娱乐化”以及社会价值体系误导等问题。提出平衡用户“应知道”与“想知道”的信息推荐内容为主要应对策略。

新闻APP今日头条案例研究

随着互联网技术的日益普及,人们的信息获取方式逐渐向移动端迁移,新闻类APP成了人们获取新闻资讯的主要渠道。在这一背景下,今日头条凭借个性化推荐这一模式成功突围。本文首先从今日头条的介绍说起,着重分析其成功的原因,紧接着指出其不足之处,最后就如何改善提出建议。

“把关人”理论视角下的短视频App新闻传播问题及措施———以“快手”为例

随着媒介融合的不断加深,愈来愈多的短视频 App兴起,正逐渐改变着人们获取信息的方式与习惯.以“快手”为例的短视频 App,在把关机制中也发生了新变化,如把关人身份多元、把关内容复杂,“算法把关”俨然已成为重要的把关方式.本文将整合短视频发展现状以及发展困境,探讨短视频 App新闻在当前“把关”过程中的改善措施,以期促进短视频 App新闻内容的蓬勃发展,同时也为清朗网络环境提供新的思路和启发.

论智能把关模式在新闻聚合类平台中的应用与优化

以技术、算法、数据为特点的智能把关模式对越来越多的社会科学领域造成了冲击,新闻传播领域也不例外。智能把关模式逐渐"入驻"新闻生产与分发过程,贯穿在新闻聚合类平台的新闻内容创作、新闻内容审核、新闻内容分发三个主要环节中,表现出算法式指导、精准化识别、个性化推荐三种不同的把关形态,也暴露出消磨新闻内容的个性和专业、增加决策失误、限制用户的接触视野等问题。在新闻内容创作上,应弱化智能,增强个性;在新闻内容审核上,应人机协同,合理分工;在新闻内容分发上,应多维衡量,扩大范围。

算法推荐模式下媒介伦理失范研究

作为新闻聚合类平台核心竞争力的算法推荐模式,既促进了平台发展,也带来了伦理失范问题。本文在分析算法推荐模式下新闻传播特点的同时,重点对其带来的伦理失范问题进行研究,并提出改进建议。

美国新闻客户端的发展趋势

以Flipboard、News Republic为代表的新闻聚合App依靠更好的用户体验和更精准的算法推送在全球范围广受用户追捧,也改变着美国用户的阅读习惯。总体来看,美国新闻App市场尚未成熟,但是用户的阅读习惯越来越向聚合类新闻App倾斜,版权将成为聚合类新闻App下一阶段的核心竞争力。