推荐系统是在线平台上的机器学习应用程序，可以自动完成以前由人完成的任务。在新闻行业，推荐算法可以承担编辑的任务，选择人们在网上看到的新闻报道，目的是增加用户的点击次数，但很少有研究对两者进行比较。

一项新的研究调查了德国一家在线新闻媒体的用户对自动推荐和人工编辑的选择的反应。平均而言，算法的表现优于人，但在某些情况下，人的表现更好。该研究的作者认为，人工管理和自动推荐技术的结合可能是最好的。

这项研究是由卡内基梅隆大学(CMU)、洛桑大学(University of Lausanne)和Ludwig-Maximilians-Universität (LMU) m nchen的研究人员进行的。该研究发表在《管理科学》杂志上。

“我们的工作强调了算法可获得的详细但可能狭窄的信息与人类可获得的广泛但通常不可扩展的信息之间的关键紧张关系，”CMU海因茨学院信息系统和经济学助理教授Ananya Sen解释说，他是该研究的合著者。“算法推荐使用的信息往往很详细，但在时间上往往很狭隘，而且是针对具体情况的，而人类专家的推荐基于在职业生涯中积累的广泛知识，但无法大规模地提出个人建议。”

为了量化公司应该如何使用算法推荐技术相对于人工推荐，研究人员研究了用户对自动推荐的反应，并将其与2017年12月至2018年5月在德国一家主要在线新闻媒体上对人工推荐的反应进行了比较。该网站是一家靠广告支撑的出版商，月访问量超过2000万，月页面展示量接近1.2亿。

平均而言，在用户点击次数方面，算法推荐的表现优于人工编辑推荐。但这个结果取决于人类编辑的经验(经验丰富的编辑比经验不足的编辑做得更好)，算法可用的个人数据量(算法需要足够的数据量才能表现良好)，以及导致文章需求变化的外部环境的变化(在有更多引人注目的新闻的日子里，人类做得更好)。

作者说，研究结果表明，回归人工管理可以减轻个性化算法推荐的缺点。他们还建议，在缺乏用户特定个人数据的情况下，平台应该听从人类的专业知识。人工管理和自动推荐技术的最佳组合可以使点击量增加13%。

洛桑大学(University of Lausanne)商学院战略、全球化和社会教授克里斯蒂安•佩克特(Christian Peukert)表示:“根据我们的实验，我们建议管理者将人力和自动推荐结合起来，而不是将管理视为人类专家与算法对抗的问题。”佩克特是这项研究的合著者之一。

在这项研究的局限性中，作者说他们的实验只测试了一种算法相对于人类编辑的表现，所以他们的发现可能只适用于广告支持的新闻媒体。