鮑立泉 趙雨柔

內(nèi)容摘要：在信息技術(shù)高度發(fā)展的當(dāng)下，算法深度嵌入人們的日常生活。用戶(hù)從原來(lái)“技術(shù)無(wú)意識(shí)”狀態(tài)中逐漸體現(xiàn)出主體性和能動(dòng)性，用戶(hù)對(duì)算法的能動(dòng)性實(shí)踐及其影響因素成為算法研究新的關(guān)注點(diǎn)。聚焦表征用戶(hù)試圖改變算法運(yùn)作結(jié)果的“算法操縱”行為，發(fā)現(xiàn)了認(rèn)同（identity）在用戶(hù)算法實(shí)踐中的重要性，將信息技術(shù)認(rèn)同（Information Technology Identity）作為考察短視頻用戶(hù)算法操縱新的理論視角，以對(duì)算法有所意識(shí)的短視頻用戶(hù)作為研究對(duì)象，考察信息技術(shù)認(rèn)同對(duì)短視頻用戶(hù)算法操縱的影響及其前因。結(jié)果顯示：（1）信息技術(shù)認(rèn)同正向影響短視頻用戶(hù)的合作型算法操縱，負(fù)向影響短視頻用戶(hù)的反抗型算法操縱；（2）感知可解釋性、感知公平、感知回應(yīng)、算法自我效能正向影響短視頻用戶(hù)對(duì)算法的信息技術(shù)認(rèn)同，并通過(guò)信息技術(shù)認(rèn)同的中介作用影響合作型算法操縱和反抗型算法操縱；（3）感知平臺(tái)監(jiān)視負(fù)向影響短視頻用戶(hù)對(duì)算法的信息技術(shù)認(rèn)同，并通過(guò)信息技術(shù)認(rèn)同的中介作用影響合作型算法操縱和反抗型算法操縱；（4）感知自由威脅負(fù)向影響短視頻用戶(hù)對(duì)算法的信息技術(shù)認(rèn)同，并通過(guò)信息技術(shù)認(rèn)同的中介作用影響反抗型算法操縱。

關(guān)鍵詞： 算法操縱；算法抵抗；短視頻算法；信息技術(shù)認(rèn)同

DOI：10.3969/j.issn.2095-0330.2023.05.005

引 言

由于算法的“黑箱”屬性，通常認(rèn)為大部分用戶(hù)在與算法的互動(dòng)中處于一種“技術(shù)無(wú)意識(shí)”狀態(tài)。但這種算法無(wú)意識(shí)狀態(tài)并非無(wú)法被打破，隨著對(duì)算法系統(tǒng)的深入體驗(yàn)，用戶(hù)開(kāi)始有能力通過(guò)多種線(xiàn)索或途徑感知算法帶來(lái)的諸多風(fēng)險(xiǎn)與不良體驗(yàn)，因而形成對(duì)算法的情感性態(tài)度，諸如“算法焦慮”“算法厭惡”等。這些情緒在一定程度上可以看作用戶(hù)主體性的初步覺(jué)醒，嚴(yán)重者甚至能影響對(duì)算法平臺(tái)的逃離或中輟行為。隨著算法研究的深入，研究者發(fā)現(xiàn)用戶(hù)通過(guò)日常算法實(shí)踐會(huì)形成算法想象或算法民間理論，并以此為指導(dǎo)對(duì)算法進(jìn)行“抵抗”或“操縱”，以改變算法的輸出結(jié)果。這一過(guò)程充分體現(xiàn)了用戶(hù)在算法實(shí)踐過(guò)程中的主體性和能動(dòng)性，表明了用戶(hù)算法合作或反抗的可能性。

那么，用戶(hù)在與算法互動(dòng)時(shí)，出于主體性和能動(dòng)性會(huì)產(chǎn)生什么樣的算法實(shí)踐行為？當(dāng)下研究已經(jīng)開(kāi)始關(guān)注用戶(hù)與算法互動(dòng)過(guò)程中的能動(dòng)性實(shí)踐，包括“算法抵抗”“算法再馴化”“算法操縱”等，但主要是圍繞著“是什么”并用質(zhì)性研究的方法探討進(jìn)行抵抗或再馴化的方式或戰(zhàn)術(shù)， 而較少有關(guān)于“為什么”的研究。因此，我們還需要思考這些算法實(shí)踐行為又受到什么因素的影響。為尋求上述問(wèn)題的答案，本研究聚焦與算法關(guān)系特殊且緊密的短視頻App，以對(duì)算法有所意識(shí)的短視頻用戶(hù)作為研究對(duì)象，探索短視頻用戶(hù)算法實(shí)踐行為的影響因素。

一、研究假設(shè)的提出

（一）用戶(hù)算法實(shí)踐行為

用戶(hù)能動(dòng)性算法實(shí)踐研究按觀察對(duì)象可分為生產(chǎn)型用戶(hù)與消費(fèi)型用戶(hù)。對(duì)于內(nèi)容平臺(tái)中的內(nèi)容消費(fèi)用戶(hù)，一類(lèi)研究者試圖通過(guò)“馴化”（domestication）理論在探討算法如何被納入人們的日常生活的同時(shí)，去挖掘用戶(hù)對(duì)算法的“反馴化”或“再馴化”；另一類(lèi)關(guān)于“抵抗”（resistance）或稱(chēng)“算法抵抗”（algorithmicresistance）的研究重點(diǎn)關(guān)注用戶(hù)對(duì)算法的干預(yù)性實(shí)踐。當(dāng)人們?cè)谌粘Ｉ钪忻鎸?duì)算法“策略”支配時(shí)，可能因?yàn)楫a(chǎn)生了較差的用戶(hù)體驗(yàn)或者足夠的算法知識(shí)而發(fā)現(xiàn)了算法的存在。此時(shí)，反霸權(quán)者（用戶(hù)）在算法“策略”學(xué)習(xí)基礎(chǔ)上試圖實(shí)施特定“戰(zhàn)術(shù)”——在特定空間進(jìn)行各種游擊式抵抗行為——以完成對(duì)算法文本的逃離、重組、嵌入、反噬等相關(guān)“底層運(yùn)作”，最終從原始的算法設(shè)定邏輯中“逃逸”，使算法在經(jīng)過(guò)訓(xùn)練后變得更符合自我偏好。

不同研究者歸納總結(jié)出不同的算法抵抗行為類(lèi)型。 然而，對(duì)算法抵抗行為進(jìn)行絕對(duì)的區(qū)分是非常困難的，行為之間存在交叉點(diǎn)。同時(shí)， 算法抵抗戰(zhàn)術(shù)通常是非普遍性、私人化的，有一些形式可能尚未被發(fā)現(xiàn)或者難以分類(lèi)?！八惴ú倏v”用以表征用戶(hù)試圖改變算法運(yùn)作結(jié)果的行為，并按用戶(hù)與算法的互動(dòng)關(guān)系分為兩個(gè)維度：其一為“合作型操縱”，指用戶(hù)積極利用算法規(guī)則，故意改變輸入值，以實(shí)現(xiàn)對(duì)算法的操縱，獲得更滿(mǎn)意的輸出結(jié)果；其二為“反抗型操縱”， 指用戶(hù)拒絕與算法規(guī)則合作，直接反抗算法，包括故意擾亂、試圖關(guān)閉算法系統(tǒng)等。

不論是馴化、抵抗還是算法操縱的解釋框架，都體現(xiàn)了用戶(hù)與算法互動(dòng)的三個(gè)特征：首先，用戶(hù)與算法的互動(dòng)具有復(fù)雜的情境與背景；其次，用戶(hù)在算法系統(tǒng)中雖然屬于數(shù)據(jù)接收者，但并不只是 “無(wú)意識(shí)”地全盤(pán)接受，需要重視用戶(hù)在算法實(shí)踐過(guò)程中的自主性和能動(dòng)性；最后，算法在社會(huì)生產(chǎn)中影響越廣泛，考慮用戶(hù)如何以及在多大程度上可以利用算法規(guī)則來(lái)抵制其權(quán)力就變得越重要。對(duì)此類(lèi)用戶(hù)能動(dòng)性算法實(shí)踐的考察，可以幫助我們進(jìn)一步了解用戶(hù)與算法之間的動(dòng)態(tài)權(quán)力關(guān)系。

算法抵抗重點(diǎn)關(guān)注用戶(hù)對(duì)算法進(jìn)行反抗的行為，馴化將用戶(hù)與算法的互動(dòng)只當(dāng)作一個(gè)整體來(lái)考察，算法操縱則區(qū)分了“合作型”和“反抗型”兩個(gè)維度，可以幫助我們從意愿、態(tài)度、目的上更全面清晰地考察用戶(hù)與算法的互動(dòng)行為。因此，本研究采用“算法操縱”概念作為用戶(hù)能動(dòng)性算法實(shí)踐的表征并進(jìn)行影響因素的考察。

（二）算法操縱與信息技術(shù)認(rèn)同

各研究者在研究用戶(hù)對(duì)算法的馴化、抵抗、操縱的過(guò)程中，揭示了用戶(hù)對(duì)算法進(jìn)行能動(dòng)性實(shí)踐的底層基礎(chǔ)是具有算法意識(shí)并形成相關(guān)的算法知識(shí)或算法民間理論。算法民間理論的研究強(qiáng)調(diào)了人與算法互動(dòng)的一個(gè)重要原則——人們?cè)噲D根據(jù)自己的身份認(rèn)同來(lái)理解算法。算法與身份認(rèn)同之間的關(guān)系可視為一種共同生產(chǎn)（co-produce），人們的身份認(rèn)同會(huì)影響算法管理，反過(guò)來(lái)算法管理也會(huì)影響其認(rèn)同發(fā)展。如在使用搜索引擎時(shí)，用戶(hù)為了與之前的信念保持一致，會(huì)調(diào)整對(duì)搜索結(jié)果的接觸順序，實(shí)現(xiàn)對(duì)算法的影響。對(duì)于邊緣群體，算法既為他們的社群聯(lián)結(jié)帶來(lái)方便，又因?yàn)楦擦爽F(xiàn)實(shí)世界的偏見(jiàn)造成了對(duì)他們的算法排斥，迫使他們利用點(diǎn)贊或發(fā)布重復(fù)內(nèi)容來(lái)玩弄或規(guī)避算法審查。此時(shí)，算法成為一種身份過(guò)濾器，積極地壓抑了邊緣化社會(huì)身份的相關(guān)內(nèi)容。為了與這種算法特權(quán)和算法表征性傷害進(jìn)行抗?fàn)帲脩?hù)會(huì)發(fā)起群體化或個(gè)人化的抵抗行為。DeVito也同樣揭示了算法與邊緣化身份的相互作用。這啟示我們從認(rèn)同的角度對(duì)用戶(hù)能動(dòng)性算法實(shí)踐進(jìn)行考察，尤其是在短視頻平臺(tái)上。信息技術(shù)認(rèn)同發(fā)展自認(rèn)同理論，指?jìng)€(gè)體將信息技術(shù)的使用視為其自我意識(shí)的組成部分的程度。它認(rèn)為現(xiàn)存 信息技術(shù)使用模型根植于態(tài)度理論，在很大程度上忽視了做出繼續(xù)使用信息技術(shù)決定的個(gè)體嵌入的角色和關(guān)系網(wǎng)絡(luò)（社會(huì)結(jié)構(gòu)）。缺少這一決策制定的關(guān)鍵要素將無(wú)法準(zhǔn)確預(yù)測(cè)持續(xù)的信息技術(shù)使用：因?yàn)閭€(gè)人的自我概念是態(tài)度和長(zhǎng)期行為的關(guān)鍵決定因素。信息技術(shù)認(rèn)同代表了用戶(hù)在與信息技術(shù)互動(dòng)過(guò)程中的自我意識(shí)，可以誘發(fā)各種IT行為，包括功能使用、強(qiáng)化使用、多樣性使用和抵制行為。當(dāng)用戶(hù)對(duì)信息技術(shù)持認(rèn)同態(tài)度時(shí)，會(huì)加強(qiáng)對(duì)它的重復(fù)使用或多樣性使用；反之，則會(huì)減少使用甚至抵制使用。因此，本研究假設(shè)：

H1：信息技術(shù)認(rèn)同正向影響短視頻用戶(hù)對(duì)算法的合作型操縱。

H2：信息技術(shù)認(rèn)同負(fù)向影響短視頻用戶(hù)對(duì)算法的反抗型操縱。

Carter（2012）在提出信息技術(shù)認(rèn)同概念的同時(shí)，指出其強(qiáng)度取決于用戶(hù)的三個(gè)體驗(yàn)：IT嵌入性、計(jì)算機(jī)自我效能和實(shí)際獎(jiǎng)勵(lì)，而用戶(hù)體驗(yàn)受到功能、可塑性、帶寬、移動(dòng)性這四個(gè)技術(shù)特征的影響。后續(xù)也有研究者發(fā)現(xiàn)技術(shù)特征可以直接影響用戶(hù)的信息技術(shù)認(rèn)同?？偟膩?lái)說(shuō)，信息技術(shù)認(rèn)同的前因可分為技術(shù)特征感知、用戶(hù)體驗(yàn)感知兩個(gè)維度。

在技術(shù)特征感知維度，可供性（affordances）提供了一個(gè)框架，描述了技術(shù)允許或限制在特定環(huán)境下的可能行為結(jié)果，它與技術(shù)功能 的特征相關(guān)，并與用戶(hù)的意圖、感知和理解相關(guān)聯(lián)。Shin等（2019）提出了“算法可供性”概念的操作性定義，分為公平性（fairness）、可問(wèn)責(zé)性（accountability）、透明度（transparency）和可解釋性（explainability）四個(gè)維度。他們認(rèn)為算法通常是“黑盒式”的，不具備允許被用戶(hù)理解或者更好地利用它們來(lái)實(shí)現(xiàn)目標(biāo)的能力，但算法公司必須將可供性嵌入算法中以促進(jìn)用戶(hù)對(duì)算法的充分利用。如果用戶(hù)無(wú)法感知算法的可供性，有效使用它的可能性會(huì)大大降低。因?yàn)楹苌儆衅脚_(tái)正式披露關(guān)于推薦算法的訓(xùn)練集和模型信息，用戶(hù)掌握的可問(wèn)責(zé)性、透明度的直接證據(jù)有限，所以在算法的感知可供性上一般重點(diǎn)關(guān)注感知可解釋性與感知公平。算法的可解釋性指算法解釋它如何工作以及提供潛在結(jié)果范圍的能力。當(dāng)人們了解系統(tǒng)如何工作時(shí)，他們更有可能正確使用系統(tǒng)并信任設(shè)計(jì)者和開(kāi)發(fā)者，提高對(duì)系統(tǒng)的滿(mǎn)意度。具體到短視頻APP的使用，Xie已通過(guò)實(shí)證研究證明算法的感知可解釋性會(huì)對(duì)短視頻用戶(hù)的回避抵抗和混淆抵抗產(chǎn)生積極作用。算法環(huán)境中的公平性意味著算法決策不應(yīng)產(chǎn)生歧視性或不公正的后果，通過(guò)提高用戶(hù)對(duì)算法的信任度正面影響用戶(hù)對(duì)算法的滿(mǎn)意度和可持續(xù)使用。反之，用戶(hù)面對(duì)算法在內(nèi)容分發(fā)上的不公正時(shí)會(huì)產(chǎn)生強(qiáng)烈的憤怒或者不安等負(fù)面情緒，從而開(kāi)始實(shí)施對(duì)算法的抵抗。因此，本研究提出以下假設(shè)：

H3：算法的感知可解釋性正向影響短視頻用戶(hù)對(duì)算法的信息技術(shù)認(rèn)同。

H4：算法的感知公平正向影響短視頻用戶(hù)對(duì)算法的信息技術(shù)認(rèn)同。

信息技術(shù)認(rèn)同理論模型指出，用戶(hù)體驗(yàn)感知有IT嵌入性、實(shí)際獎(jiǎng)勵(lì)和計(jì)算機(jī)自我效能三個(gè)影響因素。IT嵌入性指用 戶(hù)感受到信息技術(shù)與特定交互的關(guān)聯(lián)程度，而研究調(diào)查對(duì)象只包括對(duì)短視頻算法有意識(shí)的用戶(hù)，故不在此考察IT嵌入性變量。

實(shí)際獎(jiǎng)勵(lì)指使用信息技術(shù)后的實(shí)際回報(bào)，包括物質(zhì)和精神方面。短視頻算法的核心是通過(guò)用戶(hù)歷史數(shù)據(jù)分析提供“千人千面”的個(gè)性化推薦服務(wù)，一方面滿(mǎn)足了用戶(hù)的個(gè)性化需求，另一方面涉及了對(duì)個(gè)人喜好數(shù)據(jù)的披露，故在考察實(shí)際獎(jiǎng)勵(lì)時(shí)引入隱私計(jì)算理論。隱私計(jì)算理論認(rèn)為用戶(hù)披露私人信息的意愿和行為取決于感知隱私風(fēng)險(xiǎn)和感知隱私利益之間的權(quán)衡。個(gè)性化收益可用來(lái)衡量感知隱私收益，因?yàn)閭€(gè)性化既是推薦算法的核心，又是激勵(lì)用戶(hù)參與信息披露的最有效方法。算法的個(gè)性化推薦涉及對(duì)用戶(hù)身份的生成，是算法與用戶(hù)的共同生產(chǎn)。這一過(guò)程可視為人際互動(dòng)，Taylor等將人際交流理論與算法研究相銜接，提出感知算法回應(yīng)概念，即人們相信社交 媒體算法理解、驗(yàn)證和支持自我的核心定義特征的程度，已被證明正向影響用戶(hù)的媒體享樂(lè)。在隱私風(fēng)險(xiǎn)方面考慮監(jiān)視這一種對(duì)隱私的新威脅，感知平臺(tái)監(jiān)視 被定義為對(duì)平臺(tái)主動(dòng)收集和處理個(gè)人信息以及監(jiān)控在線(xiàn)行為的消極信念。由于推薦算法的結(jié)果和用戶(hù)相關(guān)程度過(guò)高，用戶(hù)會(huì)懷疑自己在被跨平臺(tái)監(jiān)控或者日常對(duì)話(huà)被竊聽(tīng)。在這種監(jiān)控服務(wù)場(chǎng)景下，個(gè)人容易減少與平臺(tái)的互動(dòng)頻率以減少隱私泄露。因此，本研究提出以下假設(shè)：

H5：感知回應(yīng)正向影響短視頻用戶(hù)對(duì)算法的信息技術(shù)認(rèn)同。

H6：感知平臺(tái)監(jiān)視負(fù)向影響短視頻用戶(hù)對(duì)算法的信息技術(shù)認(rèn)同。

計(jì)算機(jī)自我效能是個(gè)人對(duì)其使用計(jì)算機(jī)能力的信念。具體到短視頻算法操縱情境，算法自我效能考察了用戶(hù)對(duì)自身算法知識(shí)能力的主觀評(píng)價(jià)。Karizat等指出用戶(hù)是在形成了與算法生產(chǎn)身份相關(guān)的民間理論的基礎(chǔ)上，采取相關(guān)行動(dòng)反抗算法對(duì)邊緣身份的壓制。洪杰文等通過(guò)質(zhì)性研究發(fā)現(xiàn)算法意識(shí)和相關(guān)算法想象是激發(fā)特定情境下算法抵抗的重要因素。陳陽(yáng)等通過(guò)實(shí)證研究發(fā)現(xiàn)算法素養(yǎng)會(huì)影響用戶(hù)對(duì)短視頻算法的抵抗意愿和意圖，從而影響其抵抗行為。因此，本研究提出以下假設(shè)：

H7：算法自我效能正向影響短視頻用戶(hù)對(duì)算法的信息技術(shù)認(rèn)同。

此外，算法不僅控制著信息分發(fā)的可見(jiàn)性，還通過(guò)提供高度個(gè)性化的內(nèi)容誘使用戶(hù)不停地進(jìn)行著“刷”這個(gè)動(dòng)作，因此用戶(hù)很容易產(chǎn)生一種被控制感或者不自由感。無(wú)論推薦平臺(tái)是否有意操縱用戶(hù)，僅僅是被操縱的感覺(jué)就會(huì)讓用戶(hù)產(chǎn)生算法焦慮。感知自由威脅從心理逆反理論發(fā)展而來(lái)，指?jìng)€(gè)體的自由權(quán)利受到破壞和威脅，感到難以施展自己的能力。因此，本研究提出以下假設(shè)：

H8：感知自由威脅負(fù)向影響短視頻用戶(hù)對(duì)算法的信息技術(shù)認(rèn)同。

綜上所述，本研究以對(duì)算法有所意識(shí)的短視頻用戶(hù)作為研究對(duì)象，將信息技術(shù)認(rèn)同作為考察短視頻用戶(hù)算法操縱（合作型操縱和反抗型操縱）的理論視角，構(gòu)建理論模型如圖1所示。

二、研究設(shè)計(jì)

（一）研究方法

本研究使用了問(wèn)卷調(diào)查法與深度訪(fǎng)談法結(jié)合的研究方法。

問(wèn)卷調(diào)查法覆蓋面廣泛，可以通過(guò)大量樣本數(shù)據(jù)驗(yàn)證研究假設(shè)的準(zhǔn)確性和普遍性。調(diào)查問(wèn)卷分為三部分：第一，甄別題兩道。由于本研究關(guān)注的是短視頻用戶(hù)算法操縱，只有使用過(guò)短視頻App且對(duì)短視頻算法有所意識(shí)的用戶(hù)才能被納入研究對(duì)象，即需要在“您是否使用過(guò)短視頻App”選擇答案“是”，以及在李克特五級(jí)量表題“您在多大程度上知道短視頻App的內(nèi)容推薦由算法決定”中選擇“4”或“5”。第二，用戶(hù)的人口統(tǒng)計(jì)學(xué)屬性和短視頻App使用情況調(diào)查。第三，借鑒國(guó)內(nèi)外成熟量表的變量測(cè)量題項(xiàng)。各題項(xiàng)采用李克特五級(jí)量表，使用“非常不同意”“不同意”“中立”“同意”“非常同意”作為各題項(xiàng)的選擇。

深度訪(fǎng)談法可以對(duì)問(wèn)卷結(jié)論的分析進(jìn)行必要補(bǔ)充，從而更全面立體地了解研究對(duì)象進(jìn)行算法操縱的“情境性”和“具體性”。訪(fǎng)談內(nèi)容主要包括三點(diǎn)：第一，人口統(tǒng)計(jì)信息、短視頻使用年限與每日使用時(shí)長(zhǎng)等基礎(chǔ)信息；第二，測(cè)量對(duì)短視頻算法的信息技術(shù)認(rèn)同，并談?wù)勏嚓P(guān)感受；第三，對(duì)短視頻算法進(jìn)行合作型或反抗型操縱時(shí)的態(tài)度、原因、意義等。

（二）變量操作化與測(cè)量

本研究變量測(cè)量的題項(xiàng)借鑒國(guó)內(nèi)外成熟量表，并根據(jù)用戶(hù)與短視頻算法互動(dòng)的特征在表述方式上進(jìn)行適當(dāng)調(diào)整與修改得出。所有變量Cronbachα系數(shù)均大于0.7，所有題項(xiàng)CITC大于0.4，且刪除題項(xiàng)后的Cronbachα均小于維度Cronbachα值，說(shuō)明各變量量表信度良好。具體情況見(jiàn)表1。

（三）數(shù)據(jù)收集

問(wèn)卷發(fā)放主要通過(guò)兩個(gè)途徑：第一，通過(guò)滾雪球的方式在各社交平臺(tái)發(fā)放問(wèn)卷；第二，通過(guò)問(wèn)卷星平臺(tái)的樣本服務(wù)，獲取更大范圍內(nèi)更多用戶(hù)數(shù)據(jù)。最終，共回收問(wèn)卷564份，其中有效樣本438份。隨后，使用SPSS和AMOS對(duì)問(wèn)卷數(shù)據(jù)進(jìn)行分析檢驗(yàn)。

綜合考慮招募對(duì)象的算法信息技術(shù)認(rèn)同和算法操縱傾向，最后確定8名訪(fǎng)談對(duì)象，基本信息見(jiàn)表2。其中女性5人，男性3人，學(xué)歷均為本科及以上，短視頻使用年限均超過(guò)一年；對(duì)算法的信息技術(shù)認(rèn)同平均分2人在3分以下，6人在3分以上。

三、數(shù)據(jù)分析

（一）描述性統(tǒng)計(jì)

參與調(diào)研的用戶(hù)在性別方面，男女?dāng)?shù)量比較平均，其中女性占比52.1%，男性占比47.9%。在年齡方面，占比比較高的是18歲—25歲、26歲—35歲年齡段，分別達(dá)到38.8%、47.9%；調(diào)查用戶(hù)整體較年輕，這與短視頻App以年輕用戶(hù)為主的用戶(hù)畫(huà)像相匹配。在學(xué)歷方面，本科及以上占比86%；算法意識(shí)在一定程度上受學(xué)歷影響，所以符合本次算法操縱研究條件的用戶(hù)也偏向擁有高學(xué)歷。在短視頻App使用年限上，91.1%的用戶(hù)使用短視頻App超過(guò)一年。在短視頻App每日使用時(shí)長(zhǎng)上，比較集中的是每天1小時(shí)—3小時(shí)，占比57.5%；其次是不到1小時(shí)，占比23.5%（上述數(shù)據(jù)采用四舍五入保留一位小數(shù)計(jì)算得出）。具體情況見(jiàn)表3。

（二）效度檢驗(yàn)

本研究用AMOS進(jìn)行驗(yàn)證性因子分析，x2/df、RMSEA、RMR、GFI、CFI、IFI、PNFI均滿(mǎn)足理想值，因此測(cè)量模型擬合度較好。同時(shí)，用AVE進(jìn)行收斂效度和區(qū)分效度的檢驗(yàn)。各題項(xiàng)標(biāo)準(zhǔn)化因素負(fù)荷量均高于建議值0.6且達(dá)到顯著性水平，所有潛變量組合信度（CR）均大于建議值0.7，平均方差抽取量 AVE 值均大于建議值0.5，說(shuō)明本研究量表收斂效度良好。對(duì)角線(xiàn)數(shù)字即各變量平均抽取變異量（AVE）平方根均大于與其他變量之間的相關(guān)系數(shù)，因此本研究測(cè)量模型區(qū)分效度良好。具體情況見(jiàn)表4。

（三）結(jié)構(gòu)方程模型分析

本研究使用AMOS軟件進(jìn)行結(jié)構(gòu)方程分析，x2/df、RMSEA、RMR、GFI、CFI、IFI、PNFI均滿(mǎn)足理想值，說(shuō)明本研究結(jié)構(gòu)模型適配度和整體擬合效果良好，結(jié)構(gòu)方程模型結(jié)果如圖2所示。

本研究使用AMO S軟件得到研究模型的標(biāo)準(zhǔn)路徑系數(shù)（具體情況見(jiàn)表5），感知解釋性（β=0.139，p＜0.05）、感知公平（β=0.229，p＜0.001）、感知回應(yīng)（β=0.309，p＜0.001）、算法自我效能（β=0.147，p＜0.01）被驗(yàn)證正向影響短視頻用戶(hù)對(duì)算法的信息技術(shù)認(rèn)同，即H3、H4、H5、H7成立。感知平臺(tái)監(jiān)視（β=-0.128，p＜0.05）、感知自由威脅（β=0.118，p＜0.05）被驗(yàn)證負(fù)向影響短視頻用戶(hù)對(duì)算法的信息技術(shù)認(rèn)同，即H6、H8成立。信息技術(shù)認(rèn)同（β=0.479，p＜0.001）正向影響短視頻用戶(hù)對(duì)算法的合作型操縱，信息技術(shù)認(rèn)同（β=-0.331，p＜0.001）負(fù)向影響短視頻用戶(hù)對(duì)算法的反抗型操縱，即H1、H2成立。

（四）中介效應(yīng)檢驗(yàn)

本研究使用AMOS來(lái)操作偏差校正置信區(qū)間Bootstrap法進(jìn)行中介效應(yīng)檢驗(yàn)，如表6所示，除感知自由威脅→信息技術(shù)認(rèn)同→合作型操縱之外，中介路徑的置信區(qū)間上下限之間均不包含0，中介效應(yīng)成立。中介路徑感知自由威脅→信息技術(shù)認(rèn)同→合作型操縱的置信區(qū)間為（-0.125，0），上下限之間包含0，中介效應(yīng)不成立。其緣由在于感知自由威脅對(duì)信息技術(shù)認(rèn)同顯著性系數(shù)不高，而信息技術(shù)認(rèn)同對(duì)算法合作型操縱顯著性系數(shù)較高，導(dǎo)致整體中介效應(yīng)不成立。

四、結(jié)論與討論

（一）“算法可用”：規(guī)則認(rèn)知與情感認(rèn)同的交織

假設(shè)H3、H4被證實(shí)，說(shuō)明感知可解釋性、感知公平的“算法可供性”讓用戶(hù)在“知道該怎么用”和“對(duì)我是有用的”的基礎(chǔ)上認(rèn)知到算法是可以被我使用的，從而影響了用戶(hù)對(duì)短視頻算法的信息技術(shù)認(rèn)同，并影響到用戶(hù)的算法操縱行為。具體而言，感知可解釋性和感知公平則通過(guò)規(guī)則認(rèn)知和情感認(rèn)同的雙重作用對(duì)用戶(hù)的算法操縱行為產(chǎn)生影響。

算法的感知可解釋性通常發(fā)生在算法輸出結(jié)果對(duì)用戶(hù)的“算法想象”或“算法民間理論”的驗(yàn)證中，“過(guò)年回老家，我發(fā)現(xiàn)短視頻App給我推送一些唱歌視頻，但我從來(lái)不喜歡看這些。我仔細(xì)看了一下，發(fā)現(xiàn)很多視頻帶著我老家附近的定位，我就明白了，原來(lái)是根據(jù)我的地理位置推送的，而不是亂來(lái)的”（M2）。算法對(duì)用戶(hù)的使用痕跡反饋越即時(shí)，用戶(hù)的感知可解釋性越強(qiáng)，“我對(duì)某個(gè)短視頻很喜歡就點(diǎn)了贊，沒(méi)刷幾個(gè)馬上看到了同類(lèi)型的內(nèi)容，就覺(jué)得算法真的挺厲害的”（F1）。感知可解釋性讓用戶(hù)對(duì)算法規(guī)則有一定把握，一方面讓用戶(hù)看到利用規(guī)則的可能性，“我用得多了，大概明白算法規(guī)律了，就知道我可以去調(diào)教它，讓它為我所用”（F4）；另一方面能加深用戶(hù)對(duì)算法的信任，“我越熟悉算法模型的輸出原理，我就越知道它給我提供的東西對(duì)我到底有沒(méi)有益處”（M3）。

用戶(hù)對(duì)短視頻的感知公平主要體現(xiàn)在兩個(gè)方面：其一，算法出于商業(yè)邏輯或者移植了現(xiàn)實(shí)社會(huì)價(jià)值觀導(dǎo)致對(duì)某些“非主流”內(nèi)容的可見(jiàn)性壓抑?！拔抑瓣P(guān)注了一個(gè)性少數(shù)博主，她說(shuō)自己如果發(fā)性少數(shù)相關(guān)的視頻，流量就會(huì)特別差。我這才知道原來(lái)算法分發(fā)并不是完全技術(shù)中立的，感覺(jué)有點(diǎn)生氣。”（F2）其二，對(duì)特定身份用戶(hù)推送特定刻板印象內(nèi)容?！拔宜⒍桃曨l的時(shí)候總會(huì)刷到婚戀相關(guān)內(nèi)容，屏蔽了也沒(méi)用，但我男朋友卻沒(méi)有（這種情況）。感覺(jué)所謂的算法就是對(duì)女人施加性騷擾和婚姻焦慮壓力，無(wú)論在現(xiàn)實(shí)還是在虛擬世界中，好像只有偽裝成男人才能舒服一點(diǎn)。”（F3）對(duì)算法的感知不公平，讓用戶(hù)感到算法對(duì)其身份與自我認(rèn)同的冒犯，這種價(jià)值型算法態(tài)度將對(duì)算法產(chǎn)生不信任的感覺(jué)，讓用戶(hù)傾向于反抗平臺(tái)算法。

（二）“算法懂我”：人格化下的類(lèi)人際互動(dòng)

感知回應(yīng)正向影響用戶(hù)信息技術(shù)認(rèn)同并產(chǎn)生算法操作行為（H5），人機(jī)互動(dòng)變成了一種“類(lèi)人際互動(dòng)”，要求算法“懂我”并“對(duì)我的需求做出反應(yīng)”。在情感共鳴、意外發(fā)現(xiàn)兩種情境下，用戶(hù)會(huì)產(chǎn)生“算法懂我”的強(qiáng)烈感受。情感共鳴即算法推送的內(nèi)容恰恰符合用戶(hù)當(dāng)下的心情，“有一天做夢(mèng)夢(mèng)到了已經(jīng)絕交的朋友，醒來(lái)刷短視頻刷到‘怎么寫(xiě)友情更刀，一時(shí)間感觸很多”（F1）。意外發(fā)現(xiàn)指用戶(hù)發(fā)現(xiàn)算法提供超出最初意圖與預(yù)期的有用內(nèi)容或服務(wù)，“有一天，我發(fā)現(xiàn)算法開(kāi)始給我推我沒(méi)關(guān)注過(guò)的玄學(xué)，我竟然還很喜歡”（F4）?！坝袝r(shí)候會(huì)覺(jué)得算法會(huì)預(yù)知我這段時(shí)間的喜好?！保‵1）“算法不懂我”的強(qiáng)烈情緒通常產(chǎn)生于關(guān)聯(lián)失敗、情境沖突、同質(zhì)化三種情境中。關(guān)聯(lián)失敗即內(nèi)容細(xì)分顆粒度不夠?qū)е碌钠ヅ涫。笆澜绫臅r(shí)候我支持某隊(duì)，有時(shí)候算法給我推了競(jìng)爭(zhēng)對(duì)手的內(nèi)容，我覺(jué)得很掃興”（M2）；或同一內(nèi)容顆粒度下正負(fù)信息的沖突，“我經(jīng)常在短視頻上點(diǎn)贊我愛(ài)豆的視頻，有時(shí)候竟然給我推黑他的內(nèi)容，真的氣死我了”（F4）。情境沖突即推送內(nèi)容與用戶(hù)所處現(xiàn)實(shí)情境的不匹配，“過(guò)年的時(shí)候打開(kāi)短視頻打算快樂(lè)一下，結(jié)果它給我推找工作、寫(xiě)論文什么的，整得我特別崩潰”（F1）。同質(zhì)化即相同類(lèi)型內(nèi)容推送頻次過(guò)高，讓感興趣的內(nèi)容變得“索然無(wú)味”（M3）或“重復(fù)性信息轟炸導(dǎo)致倦怠或焦慮”（F5）。“算法對(duì)我的需求做出反應(yīng)”則特別體現(xiàn)在用戶(hù)對(duì)不喜歡的內(nèi)容點(diǎn)擊“不感興趣”后，算法不應(yīng)再推送相關(guān)信息，“有時(shí)候有些內(nèi)容我點(diǎn)了無(wú)數(shù)次不感興趣了還推給我，感覺(jué)特別煩，算法跟個(gè)智障一樣”（M2）。

感知回應(yīng)表現(xiàn)了用戶(hù)在不同程度上會(huì)將算法人格化， 當(dāng)算法認(rèn)知到用戶(hù)“自我”的多面性和動(dòng)態(tài)性時(shí)，用戶(hù)會(huì)產(chǎn)生“算法懂我”甚至“算法比我更懂我”的感受。多面性是對(duì)用戶(hù)不同身份和興趣的整合，對(duì)不同類(lèi)型內(nèi)容、不同類(lèi)型的發(fā)布風(fēng)格或不同趨勢(shì)的更廣泛選擇，即“ 仿佛在展示我腦海中的一切” （ F 3 ） 。動(dòng)態(tài)性體現(xiàn)在算法能夠快速響應(yīng)并更新其記錄的用戶(hù)特征，即“幾乎立即捕捉到我喜歡的東西” （ F 5 ） 。此時(shí)， 用戶(hù)對(duì)算法持有更積極的態(tài)度， 將其作為構(gòu)建和培養(yǎng)自我的輔助工具，甚至可能會(huì)形成強(qiáng)烈的情感關(guān)系，“有時(shí)候覺(jué)得算法好懂我，要是能和算法談戀愛(ài)就好了”（F1），最終影響到用戶(hù)與算法的合作或?qū)λ惴ǖ姆纯埂?/p>

（三）“算法失控”：平臺(tái)監(jiān)視與隱私邊界溢出

感知平臺(tái)監(jiān)視通常發(fā)生在察覺(jué)算法推薦內(nèi)容與用戶(hù)喜好高度匹配時(shí)，對(duì)用戶(hù)的信息技術(shù)認(rèn)同產(chǎn)生負(fù)向影響（H6），“我和朋友談?wù)摿四硺訓(xùn)|西，馬上我發(fā)現(xiàn)算法就會(huì)給我推”（M1）。用戶(hù)發(fā)現(xiàn)不僅平臺(tái)內(nèi)行為數(shù)據(jù)被監(jiān)視，跨平臺(tái)行為數(shù)據(jù)也被監(jiān)視，“有一次我在微信上和人聊了要去哪里玩，很快就在短視頻上刷到了跟它相關(guān)的視頻”（F2）。由此，用戶(hù)產(chǎn)生了一種擔(dān)憂(yōu)與被威脅感，“算法總讓我感覺(jué)自己無(wú)處遁形”（M1）。

通過(guò)用戶(hù)訪(fǎng)談，本研究發(fā)現(xiàn)用戶(hù)對(duì)隱私風(fēng)險(xiǎn)的關(guān)注還包括溢出隱私邊界的傳播失控和線(xiàn)上線(xiàn)下形象沖突。“隱私邊界”（boundary ofprivacy）指人際傳播中個(gè)體所能控制的個(gè)人信息范圍。個(gè)體會(huì)對(duì)其信息傳播劃定公私、群體、代際的界限，以此打造個(gè)人形象、維系關(guān)系等。而算法對(duì)用戶(hù)個(gè)人信息的全時(shí)空采集、多鏈條式分發(fā)連接，不僅使用戶(hù)的隱私信息披露內(nèi)容失控，也導(dǎo)致隱私信息披露對(duì)象失控，進(jìn)而讓用戶(hù)無(wú)法對(duì)自己的“算法人設(shè)”進(jìn)行管理?！八惴ㄗ屌笥芽吹搅宋以邳c(diǎn)贊什么，我覺(jué)得特別特別尷尬，導(dǎo)致我有時(shí)候點(diǎn)贊的時(shí)候會(huì)猶豫?！保‵5）線(xiàn)上線(xiàn)下形象沖突指算法記錄的愛(ài)好與用戶(hù)線(xiàn)下形象不相符合，由此導(dǎo)致對(duì)算法操縱的規(guī)避以免被線(xiàn)下關(guān)系發(fā)現(xiàn)自己的某些興趣愛(ài)好。

平臺(tái)監(jiān)視與隱私邊界溢出，給用戶(hù)帶來(lái)對(duì)隱私風(fēng)險(xiǎn)的擔(dān)憂(yōu)；風(fēng)險(xiǎn)成本高于用戶(hù)所能感知的收益則會(huì)導(dǎo)致用戶(hù)對(duì)“自我的隱藏”，進(jìn)而影響對(duì)算法的操縱行為。

（四）“自由在我”：多樣性與自主性的追求

短視頻用戶(hù)在與算法互動(dòng)的過(guò)程中，算法自我效能正向影響用戶(hù)對(duì)算法的信息技術(shù)認(rèn)同，并通過(guò)算法信息技術(shù)認(rèn)同影響用戶(hù)的合作型算法操縱和反抗型算法操縱（H7）；感知自由威脅負(fù)向影響用戶(hù)對(duì)算法的信息技術(shù)認(rèn)同，并通過(guò)算法信息技術(shù)認(rèn)同影響用戶(hù)的反抗型算法操縱（H8）。

算法自我效能是用戶(hù)對(duì)算法實(shí)現(xiàn)控制與自主權(quán)的基礎(chǔ)，而感知自由威脅則是對(duì)自主權(quán)的破壞。感知自由威脅體現(xiàn)在信息繭房、自我管理失控、強(qiáng)行植入三個(gè)方面，體現(xiàn)了用戶(hù)對(duì)多樣性與自主性的追求。信息繭房即個(gè)體處于同質(zhì)化、單一化和狹窄化的信息環(huán)境之中，“算法推送的都是我喜歡看的，而不是我需要看的、更多樣化的，很難突破我自身的局限”（F2）。還有可能帶來(lái)“回音室”效應(yīng)，導(dǎo)致群體思想的同化與強(qiáng)化，“算法挺容易激發(fā)人的劣根性，抱著一種不好的想法只會(huì)刷到和你一樣想法的人，久而久之就會(huì)把這種壞想法合理化”（M2）。自我管理失控即沉溺于算法的投喂忘記了時(shí)間、空間的存在，甚至感受不到對(duì)自身的控制，“我常常覺(jué)得是短視頻在刷我而不是我在刷它”（M1），“我覺(jué)得我是算法的電子寵物”（F5）。強(qiáng)行植入指短視頻平臺(tái)的信息呈現(xiàn)方式使用戶(hù)有些時(shí)候無(wú)法選擇觀看哪些內(nèi)容，只能被動(dòng)接收平臺(tái)需要用戶(hù)看到的內(nèi)容，如“廣告推廣”或某些“響應(yīng)號(hào)召推廣的內(nèi)容”，“哪怕我點(diǎn)了不感興趣也沒(méi)有用”（F5）。當(dāng)用戶(hù)感知自由威脅，其選擇權(quán)和自主性受到破壞，從而產(chǎn)生一種抗拒心理，負(fù)向影響了對(duì)算法的信息技術(shù)認(rèn)同和算法操縱行為。

（五）“超越工具”：自我避風(fēng)港的可能性

用戶(hù)對(duì)算法的信息技術(shù)認(rèn)同正向影響合作型算法操縱，反向影響反抗型算法操縱（H1、H2）。中介效應(yīng)檢驗(yàn)結(jié)合深度訪(fǎng)談發(fā)現(xiàn)用戶(hù)對(duì)算法的信息技術(shù)認(rèn)同體現(xiàn)在工具性和親密性?xún)蓚€(gè)維度。在工具性上，算法可作為自我的娛樂(lè)工具、效率工具、自我拓展工具。算法提供的高度個(gè)性化的內(nèi)容和感知回應(yīng)給用戶(hù)帶來(lái)了媒體享樂(lè)，甚至成了疲憊沉重的學(xué)習(xí)工作生活之余的“補(bǔ)償性?shī)蕵?lè)”，“下了班好累，什么都不想做，就想刷刷短視頻放松一下”（F4），“我曾經(jīng)嘗試過(guò)關(guān)閉短視頻的推薦算法，推的內(nèi)容太可怕了，我都刷不下去，立馬又打開(kāi)算法開(kāi)始快樂(lè)”（F2）。

算法對(duì)各種資源要素強(qiáng)大的集納、整合以及分配能力，能幫助用戶(hù)快速獲取、縱深挖掘信息，被用戶(hù)當(dāng)作學(xué)習(xí)、查找的有力效率工具，“認(rèn)識(shí)一個(gè)卷王，天天利用算法在短視頻平臺(tái)學(xué)習(xí)專(zhuān)業(yè)知識(shí)，實(shí)在是太佩服了”（F3）。自我拓展即利用算法獲得了新角色或身份、新體驗(yàn)，增加了知識(shí)、資源、能力感、新視角，促進(jìn)了個(gè)人成長(zhǎng)，“過(guò)年回家強(qiáng)行讓不善社交的父母接受了智能手機(jī)和短視頻，我相信某種程度上，大數(shù)據(jù)和算法會(huì)更懂他們。希望他們從虛擬世界得到情感慰藉和共鳴，希望新鮮的事物能使他們不孤單、不寂寞”（F4）。算法給自我?guī)?lái)的高效率、高度連接性、自我驗(yàn)證與拓展，提高了用戶(hù)對(duì)算法的認(rèn)同，從而在有些時(shí)候促進(jìn)對(duì)算法的合作型操縱，以配合算法更“懂我”。反之，如果用戶(hù)在算法互動(dòng)中有自由威脅、自我能力下降等負(fù)面感受，則傾向于反抗算法。

在親密性上，算法可能與用戶(hù)培養(yǎng)起一種日益密切和基于情感的關(guān)系，如“信任”“慰藉”等。通過(guò)用戶(hù)對(duì)算法的“精心調(diào)教”，算法為用戶(hù)提供了一個(gè)源源不斷“投喂”無(wú)限接近個(gè)人喜好的信息空間，讓用戶(hù)在沉重焦慮的現(xiàn)實(shí)空間中享受著“符合自己需求的快樂(lè)”，即“用算法打造一片避風(fēng)港”（F4）。反之，如果用戶(hù)享受不到“同溫層”的愉悅，而是陷入了同質(zhì)化、互相比較的焦慮、倦怠之中，用戶(hù)則傾向于反抗算法。

（六）研究啟示

基于研究發(fā)現(xiàn)，本文在實(shí)踐方面為短視頻算法的發(fā)展提出以下幾點(diǎn)建議：

1. 提高算法可解釋性和公平性，增加用戶(hù)信任

短視頻App的信息呈現(xiàn)方式使算法推薦內(nèi)容直接鋪陳在用戶(hù)面前，而沒(méi)有選擇性點(diǎn)開(kāi)的空間。當(dāng)用戶(hù)不能理解算法輸出結(jié)果或感受到偏見(jiàn)負(fù)載時(shí)，對(duì)算法的信任感則較弱。算法可解釋性的提高不僅依賴(lài)技術(shù)人員對(duì)算法模型的優(yōu)化，在產(chǎn)品設(shè)計(jì)上也可以對(duì)算法輸出結(jié)果適當(dāng)增加說(shuō)明。算法公平性受有偏數(shù)據(jù)、算法設(shè)計(jì)和社會(huì)價(jià)值觀三個(gè)方面的影響，因此從技術(shù)路徑進(jìn)行修正的同時(shí)，還應(yīng)當(dāng)引入非技術(shù)手段，通過(guò)多學(xué)科專(zhuān)家、利益相關(guān)者與技術(shù)人員的交流來(lái)優(yōu)化算法模型。

2. 以人為中心，優(yōu)化算法多樣性和動(dòng)態(tài)性

當(dāng)個(gè)性化內(nèi)容代表了自我的多面性、動(dòng)態(tài)性時(shí)，人們往往會(huì)對(duì)算法持有更積極的態(tài)度。算法對(duì)用戶(hù)多面性的把握應(yīng)當(dāng)體現(xiàn)在兩個(gè)方面：其一，給用戶(hù)推送多樣化內(nèi)容，而非某一類(lèi)型的重復(fù)轟炸；其二，精細(xì)內(nèi)容分類(lèi)顆粒度，避免推送信息間的沖突。算法對(duì)用戶(hù)動(dòng)態(tài)性的把握體現(xiàn)在三個(gè)方面：第一，對(duì)用戶(hù)反饋的即時(shí)響應(yīng)，特別是當(dāng)用戶(hù)點(diǎn)擊了“不感興趣”之后應(yīng)當(dāng)立即減少相關(guān)內(nèi)容推薦；第二，及時(shí)更新用戶(hù)畫(huà)像，根據(jù)新信息進(jìn)行個(gè)性化定制和預(yù)測(cè)，避免信息滯后；第三，當(dāng)平臺(tái)商業(yè)或其他目標(biāo)與用戶(hù)需求不匹配時(shí)，應(yīng)當(dāng)采取更柔性、更動(dòng)態(tài)的手段，而不是強(qiáng)行讓用戶(hù)接收。

3. 完善隱私保護(hù)設(shè)計(jì)，注意隱私邊界

當(dāng)用戶(hù)感受到隱私風(fēng)險(xiǎn)時(shí)會(huì)減少對(duì)個(gè)人信息的披露，不僅不利于算法對(duì)用戶(hù)喜好的把握，甚至?xí)?dǎo)致用戶(hù)對(duì)算法的放棄。平臺(tái)需要嚴(yán)格執(zhí)行《互聯(lián)網(wǎng)信息服務(wù)算法推薦管理規(guī)定》，在保護(hù)用戶(hù)隱私數(shù)據(jù)的同時(shí)加強(qiáng)宣傳，讓用戶(hù)看到平臺(tái)的努力和決心。在隱私保護(hù)方面需要格外注意的是算法強(qiáng)大的關(guān)系鏈接和分發(fā)機(jī)制導(dǎo)致的隱私邊界外溢。平臺(tái)應(yīng)當(dāng)根據(jù)用戶(hù)反饋，將用戶(hù)強(qiáng)烈反感的功能下線(xiàn)，對(duì)其他敏感功能加強(qiáng)提示和引導(dǎo)，讓用戶(hù)可以自由控制隱私邊界。

4. 增加用戶(hù)控制或代理，減少用戶(hù)抵抗心理

當(dāng)用戶(hù)缺乏對(duì)“算法”的控制或代理時(shí)，可能會(huì)產(chǎn)生算法焦慮或者算法厭惡等抵抗情緒，用戶(hù)需要在斷開(kāi)和調(diào)整算法系統(tǒng)上有足夠的自主性。短視頻App現(xiàn)階段已提供了“使用管理助手”等類(lèi)似功能，在一定程度上可以幫助用戶(hù)在使用時(shí)間和推薦內(nèi)容類(lèi)型上對(duì)算法系統(tǒng)進(jìn)行管理。平臺(tái)還需要加強(qiáng)對(duì)這些功能的宣傳，或通過(guò)分析用戶(hù)數(shù)據(jù)動(dòng)態(tài)提示用戶(hù)使用這些功能。

（作者鮑立泉系華中科技大學(xué)新聞與信息傳播學(xué)院副教授；趙雨柔系華中科技大學(xué)新聞與信息傳播學(xué)院2019 級(jí)碩士研究生）

* 華中科技大學(xué)新聞與信息傳播學(xué)院2022 級(jí)碩士研究生熊馨怡對(duì)本文亦有貢獻(xiàn)，特此致謝！