卢嘉辉：面向算法推荐及其传播效应的实验平台建设与应用

6月27日，“智媒时代国际传播的范式调整与治理挑战暨第二届天津市新闻传播学研究生学术论坛”在天津师范大学会议中心举行。在主旨报告环节，天津大学新媒体与传播学院新闻传播系主任、特聘研究员卢嘉辉围绕“TRACE：面向算法推荐策展流及其传播效应的可控实验平台建设与应用”作主题发言，系统介绍了团队自建的TRACE实验平台在算法推荐、智能传播与国际传播研究交叉领域的建设思路、应用场景与未来方向。

卢嘉辉指出，新闻传播研究需要系统性回答算法推荐是否、如何、何时及在多大程度上影响受众认知与行为这一关键因果性问题。当前，智能传播正全链条塑造受众对新闻舆论的注意、理解、记忆及其对相关议题的情感态度与传播行为，个体特质、社会环境与算法机制在此影响过程中交互耦合。由于现实平台中的算法推荐机制难以被直接观测和操纵，观察性研究面临内生性限制，难以清晰剥离算法、内容和用户之间的效应，因而无法精准识别各因素与传播效果的因果关系。

基于这一问题意识，卢嘉辉的研究团队系统性建设了TRACE实验平台，以实验法为核心路径，将算法推荐过程中的关键变量转化为可操控、可测量、可复用的实验条件，为算法推荐传播效果研究提供体系化的方法支撑。卢嘉辉在报告时提到TRACE这一平台名字的含义，是“溯源”、“循迹”与将潜藏的因果关系“显影”，希望能够将算法推荐的传播效果追溯到具体的可控因素。

据介绍，TRACE实验平台将完整的算法推荐流程拆解为内容库、推荐机制、标签提示和用户交互四个可控环节，全面覆盖实验配置、任务呈现和数据输出等核心功能。围绕实验研究需求，平台支持研究者自主构建推荐内容池，精准控制主题、来源、立场、情绪、框架、质量等内容变量；灵活配置不同推荐算法，实现不同推荐逻辑的效果对照；设置推荐来源标签的呈现规则，观察算法外显线索的作用；调整推荐列表交互界面，高度模拟真实平台的互动过程。由此，TRACE实验平台将算法推荐的过程性因素拆解为可操纵的实验单元。卢嘉辉教授在汇报时指出，希望TRACE平台能够成为智能传播的算法推荐实验基础设施。

卢嘉辉结合团队关于人-算法匹配的研究实践，展示了TRACE平台在算法推荐策展流用户接受机制研究中的应用价值。该研究将推荐机制和推荐标签拆分为独立实验变量，进而精准识别推荐机制效果、推荐标签效果、人格差异的调节效果和心理机制的中介路径。这一案例印证，TRACE实验平台不仅能够还原各类算法推荐情境，也能够支撑研究者分析用户对算法策展流的理解、评价与接受过程及其后续影响。

围绕智媒时代的国际传播研究，卢嘉辉进一步提出TRACE实验平台的应用方向。当前，智能传播与国际传播两个二级学科正走向进一步交叉、集成与融合的“智能国际传播”。在此研究场景下，平台至少可支撑三类研究方向：一是算法行为研究，考察不同推荐算法对国际传播内容的把关逻辑；二是策展流接受研究，分析受众如何理解、评价和阐释算法所策展的国际传播信息流；三是传播效果研究，探讨推荐机制如何影响受众对国际议题的情绪、态度、信任和行为意向。通过完整的实验研究链条，TRACE实验平台能将算法机制、心理认知过程与传播效果纳入统一分析框架，为智能国际传播研究提供了标准化的可控实验工具。

面向未来，卢嘉辉团队将继续深化TRACE平台的建设。包括：优化实验交互界面，强化对真实平台交互过程的模拟；扩充可对照的推荐算法库，开发模拟真实平台推荐逻辑的算法类型；探索基于用户交互行为的实时推荐功能，并融合算法审计模块。随着平台持续迭代，TRACE实验平台将持续为智能传播与国际传播研究赋能，推动算法推荐的国际传播研究从现象描述向机制与效果检验深化，使得算法推荐成为在国际传播研究和实践中更加可控。

据悉，TRACE平台建设获得国社科一般项目“网络舆论中经济不确定性预期的传导机制与干预策略研究（24BX060）”支持，预期于2026年暑期正式上线。参与平台建设的主要成员为天津大学区域国别学博士生杨锐熹同学。欢迎同行垂询合作。