Grounded Study of Internet Addiction Behavior in the Context of Mobile Intelligent Recommendation

AbstractAI-driven recommendation algorithms have been widely deployedacross mobilesocial media platforms， enablingpersonalized informationdeliverythrough learning fromusers'historical behaviorsand interestpreferences. Theresultingmobile inteligentrecommendationecosystemunderscoresthedisruptiveapplicationsofAIintherecommendation domain.While mobile inteligentrecommendationsbettersatisfyusers'information needs，theyalso exacerbateaddictiveonlinebehaviors.This study employs grounded theory to explore theunderlying mechanisms influencing userinternetaddictionwithinmobileinteligentrecommendationcontexts.First，aninterviewprotocolwasdesigned，nd data werecollected through semi-structured interviews.Three-tiercoding Was thenconducted： during open coding，l32 initialconceptsand33basiccategories wereextracted;throughaxialcoding，lOprincipalcategories wereidentified;and duringselectivecoding，atheoreticalmodelofinternetaddictionmechanismsinmobileinteligentrecommendationscenarios wasconstructed.Tefindingsrevealthatpersonaliteracyehavioralbeliefs，exteralifluences，egativemotions， andreal-worldconditions exertdirectimpactsoninternetaddictionbehaviors.Meanwhile，theinformationqualitysystem quality，andservicequalityofintellgentrecommendations indirectlyinfluencebehavioralbeliefs throughmediatingeffectsof usersatisfaction，therebyaectingaddictivebehaviors.Thisresearch，toacertainextent，elucidates thesocietal impactsofAI'sdisruptiveapplicationsinrecommendationsystems，providing theoreticalreferencesforinterventionsand governance strategies addressing user internet addiction within mobile intelligent recommendation environments.

/wordsmobilesocialmedia;inteligent recommendation;disruptive application;internetaddiction; grounded th

隨著人工智能（ArtificialIntelligence，AI）技術(shù)的快速發(fā)展和移動(dòng)社交媒體的廣泛使用，算法驅(qū)動(dòng)的智能推薦系統(tǒng)已深度嵌入移動(dòng)社交媒體平臺，對人們獲取信息的方式產(chǎn)生了顛覆性影響[1]。傳統(tǒng)的信息獲取依賴于用戶主動(dòng)檢索和篩選，而AI驅(qū)動(dòng)的智能推薦則通過對用戶歷史行為和興趣偏好的深度學(xué)習(xí)，實(shí)現(xiàn)高度個(gè)性化與自動(dòng)化的信息推送[2。這一變革打破了信息單向流動(dòng)的被動(dòng)局面，使用戶在移動(dòng)社交媒體環(huán)境下逐步從主動(dòng)搜尋轉(zhuǎn)向被動(dòng)接收，用戶在不知不覺中被引導(dǎo)進(jìn)入高度定制化的信息環(huán)境。這不僅重構(gòu)了個(gè)人的信息邊界和認(rèn)知反饋回路，也在社會層面推動(dòng)了知識分布、輿論生成和社交結(jié)構(gòu)的深刻變革，形成了具有鮮明顛覆性特征的移動(dòng)智能推薦情境[3]。

然而，智能推薦在帶來便利和高效的同時(shí)，也引發(fā)了新的社會行為問題。其高度個(gè)性化和持續(xù)推送機(jī)制容易導(dǎo)致用戶產(chǎn)生過度依賴，誘發(fā)網(wǎng)絡(luò)成癮行為。網(wǎng)絡(luò)成癮表現(xiàn)為個(gè)體因長時(shí)間、持續(xù)性地沉迷于平臺內(nèi)容，出現(xiàn)的注意力分散、時(shí)間管理失控、社交退縮及身心健康受損等負(fù)面表現(xiàn)[4-5]。移動(dòng)智能推薦情境凸顯了人工智能在推薦領(lǐng)域的顛覆性應(yīng)用，本研究系統(tǒng)探究了移動(dòng)智能推薦情境下用戶網(wǎng)絡(luò)成癮行為的影響機(jī)理，為移動(dòng)智能推薦情境下網(wǎng)絡(luò)成癮行為的干預(yù)與治理提供理論參考。

1文獻(xiàn)綜述

1.1人工智能在推薦領(lǐng)域的顛覆性應(yīng)用

人工智能技術(shù)已深度融入移動(dòng)互聯(lián)網(wǎng)用戶的日常生活。根據(jù)中國互聯(lián)網(wǎng)絡(luò)信息中心（CNNIC）最新發(fā)布的《第55次中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告》顯示，截至2024年12月，我國手機(jī)網(wǎng)民規(guī)模已達(dá)11.05億，其中使用人工智能產(chǎn)品的用戶規(guī)模達(dá)到2.49億，滲透率為 22.5%^[6] 。

智能推薦系統(tǒng)作為人工智能技術(shù)在信息分發(fā)領(lǐng)域的重要應(yīng)用，已經(jīng)成為提升內(nèi)容個(gè)性化和用戶體驗(yàn)的核心手段[3]。這種技術(shù)范式依托移動(dòng)社交媒體特有的便攜性、實(shí)時(shí)性和交互性特征[7-8]，通過深度學(xué)習(xí)算法對用戶時(shí)空情境、行為軌跡和社交關(guān)系進(jìn)行多維度建模，實(shí)現(xiàn)了從“人找信息\"到“信息找人”的根本性轉(zhuǎn)變。根據(jù)顛覆性技術(shù)理論，移動(dòng)智能推薦的顛覆性主要體現(xiàn)在三個(gè)維度：在技術(shù)層面，基于Transformer架構(gòu)的大語言模型能夠?qū)崟r(shí)生成不存在于原始數(shù)據(jù)集的個(gè)性化推薦內(nèi)容，這種生成能力遠(yuǎn)超傳統(tǒng)協(xié)同過濾技術(shù)的篩選范圍[11；在行為層面，移動(dòng)端的多傳感器融合使推薦系統(tǒng)能夠?qū)崟r(shí)感知用戶的地理位置、時(shí)間、社交關(guān)系并捕捉用戶的滑動(dòng)速度、設(shè)備傾斜角度等無意識行為特征，形成\"算法比用戶更了解自己\"的認(rèn)知替代效應(yīng)[12]；在社會影響層面，這種技術(shù)重構(gòu)了信息傳播的權(quán)力結(jié)構(gòu)，平臺通過推薦算法隱性地塑造著公眾的信息邊界和認(rèn)知框架[11]。

1.2 網(wǎng)絡(luò)成癮行為

網(wǎng)絡(luò)成癮行為（InternetAddiction，IA）作為數(shù)字社會背景下突出的心理與社會現(xiàn)象，已成為全球?qū)W術(shù)界廣泛關(guān)注的重要領(lǐng)域。在研究方法方面，問卷調(diào)查、結(jié)構(gòu)方程模型、回歸分析等方法被廣泛應(yīng)用于網(wǎng)絡(luò)成癮的影響因素分析及其作用機(jī)制的探討。如朱克京和吳漢榮通過回歸分析發(fā)現(xiàn)，大學(xué)生的焦慮和抑郁心理顯著影響其網(wǎng)絡(luò)成癮行為[13]；史華偉等采用問卷調(diào)查探討了基本心理需求在壓力性生活事件與大學(xué)生網(wǎng)絡(luò)成癮之間的中介作用[14]；Lemmens等基于結(jié)構(gòu)方程模型，分析了荷蘭青少年網(wǎng)絡(luò)游戲成癮的社會心理成因[15]。與此同時(shí)，神經(jīng)科學(xué)與病理學(xué)方法也被引入網(wǎng)絡(luò)成癮的研究。如Brand等通過采集用戶前額葉皮層的神經(jīng)影像，探討了前額葉控制功能與網(wǎng)絡(luò)成癮行為之間的關(guān)系；Han等則發(fā)現(xiàn)，藥物安非他酮的緩釋治療能夠有效減少網(wǎng)絡(luò)電子游戲成癮患者對游戲的渴求[17]。

在研究對象方面，青少年和大學(xué)生由于互聯(lián)網(wǎng)使用頻率高、自控能力尚未完全成熟，成為網(wǎng)絡(luò)成癮行為研究的核心群體。如馮金鑫從個(gè)體心理和社會環(huán)境因素出發(fā)，系統(tǒng)分析了大學(xué)生網(wǎng)絡(luò)成癮的影響因素[18]；Ahmadi等對伊朗高中生的研究表明，年級和性別在網(wǎng)絡(luò)成癮與抑郁、焦慮之間起到顯著的調(diào)節(jié)作用[19]；Pawan等通過對泰國社區(qū)中學(xué)生的調(diào)查，發(fā)現(xiàn)校園欺凌行為與網(wǎng)絡(luò)成癮顯著相關(guān)[20]。隨著移動(dòng)社交媒體的普及，低齡兒童和老年人等群體的網(wǎng)絡(luò)成癮現(xiàn)象也逐漸受到關(guān)注，研究對象呈現(xiàn)出全齡化的發(fā)展趨勢[21-22]。此外，部分研究還關(guān)注具有心理障礙或社會適應(yīng)困難的特殊群體，發(fā)現(xiàn)抑郁癥或精神疾病患者的網(wǎng)絡(luò)成癮風(fēng)險(xiǎn)顯著高于普通人群[23-24]。

1.3 研究的切人點(diǎn)

綜上所述，移動(dòng)智能推薦技術(shù)憑借其顛覆性的技術(shù)特征和社會影響，正在深刻改變用戶的信息接觸模式與行為習(xí)慣，并引發(fā)網(wǎng)絡(luò)成癮行為的新變化。然而，現(xiàn)有研究多聚焦于傳統(tǒng)互聯(lián)網(wǎng)環(huán)境下的用戶心理和社會影響，缺乏對移動(dòng)智能推薦情境中網(wǎng)絡(luò)成癮行為的探索。本研究以移動(dòng)智能推薦情境為切入點(diǎn)，采用扎根理論，通過半結(jié)構(gòu)化訪談和三級編碼，構(gòu)建移動(dòng)智能推薦情境下用戶網(wǎng)絡(luò)成癮行為影響機(jī)理的理論模型，系統(tǒng)揭示智能推薦主導(dǎo)下用戶網(wǎng)絡(luò)成癮行為的形成邏輯，為移動(dòng)智能推薦情境下網(wǎng)絡(luò)成癮行為的防范以及智能推薦系統(tǒng)的社會治理與風(fēng)險(xiǎn)防控，提供理論支持和實(shí)踐參考。

2研究方法與數(shù)據(jù)搜集

2.1扎根理論

扎根理論由Strauss和Glaser共同提出，其核心原則是基于原始數(shù)據(jù)構(gòu)建理論[25]。該質(zhì)性研究方法要求研究者在開始研究時(shí)不預(yù)先設(shè)定理論假設(shè)，而是直接從實(shí)際觀察人手，“自下而上”地從原始數(shù)據(jù)中提煉出經(jīng)驗(yàn)性概括進(jìn)而建構(gòu)理論。目前扎根理論已在諸多研究中得到應(yīng)用，并受到大量研究者的認(rèn)可[26-28]。由于移動(dòng)智能推薦情境下用戶的網(wǎng)絡(luò)成癮行為是復(fù)雜且不斷變化的，而扎根理論能夠適應(yīng)這種動(dòng)態(tài)環(huán)境，通過用戶的訪談數(shù)據(jù)敏銳捕捉移動(dòng)社交媒體智能推薦情境下用戶網(wǎng)絡(luò)成癮行為的新趨勢和變化，因此本研究采用扎根理論方法，并采用質(zhì)性數(shù)據(jù)分析軟件Nvivo14進(jìn)行編碼分析。

2.2數(shù)據(jù)搜集

2.2.1訪談提綱設(shè)計(jì)

本研究采用半結(jié)構(gòu)化一對一訪談方式。根據(jù)現(xiàn)有文獻(xiàn)和研究經(jīng)驗(yàn)[29]制定初始訪談提綱，邀請三名受訪者進(jìn)行預(yù)訪談并依次對初始提綱進(jìn)行修正，形成正式訪談提綱（見表1）。

2.2.2訪談過程

根據(jù)訪談提綱，本研究明確了受訪對象需滿足的條件：（1）有移動(dòng)社交媒體智能推薦服務(wù)的使用體驗(yàn)；（2）存在網(wǎng)絡(luò)成癮行為；（3）能夠理解訪談問題，并能全面清晰地表達(dá)個(gè)人觀點(diǎn)；（4）以積極認(rèn)真的態(tài)度參與訪談，并同意訪談全程錄音。其中，條件（2）的確認(rèn)方式為：讓訪談對象填寫網(wǎng)絡(luò)成癮問卷[30]，得分大于及等于40分則判定為網(wǎng)絡(luò)成癮。

鑒于大學(xué)生群體是人工智能技術(shù)的主要受眾[31]，該群體對移動(dòng)社交媒體智能推薦服務(wù)的體驗(yàn)具有較強(qiáng)的代表性，此外大學(xué)生群體便于數(shù)據(jù)獲取，且能夠?yàn)樵L談提供豐富的信息，因此本研究將具有網(wǎng)絡(luò)成癮行為的大學(xué)生作為主要訪談對象，并在樣本選擇時(shí)綜合考慮性別、學(xué)歷和專業(yè)等因素。

數(shù)據(jù)搜集歷時(shí)8周。在正式訪談階段，根據(jù)受訪者意愿選擇面對面或線上訪談形式。在獲得同意后，對訪談全程錄音，并對受訪者表達(dá)不明確之處進(jìn)行追問和確認(rèn)。訪談結(jié)束后，利用音頻轉(zhuǎn)文字軟件進(jìn)行初步轉(zhuǎn)錄，然后進(jìn)行人工校對和修訂，形成規(guī)范化轉(zhuǎn)錄文檔，隨后發(fā)給受訪者進(jìn)行二次確認(rèn)。最終，按照訪談順序以字母A至U命名，獲得21份總字?jǐn)?shù)為80749字的規(guī)范化轉(zhuǎn)錄文本。

3扎根分析

3.1開放編碼

在開放編碼階段，本研究對規(guī)范化轉(zhuǎn)錄文本逐句分析編碼，提煉初始概念，共提取了825條初始語句作為原始參考點(diǎn)。通過對其進(jìn)行概念的本土化后，共提煉出個(gè)性化服務(wù)、使用時(shí)間失控、信息過載等132個(gè)初始概念（開放編碼示例見表2）。

結(jié)合現(xiàn)有文獻(xiàn)和理論，將初始概念范疇化，最終形成智能推薦滿意度、個(gè)人素養(yǎng)、智能推薦信息質(zhì)量等33個(gè)基本范疇，其中，身體不適、寬松氛圍和外部干擾是本研究提煉出的3個(gè)基本范疇（基本范疇和包含的所有初始概念見表3），這些概念為本研究提供了數(shù)據(jù)支持。基本范疇內(nèi)涵和范疇命名依據(jù)則為研究提供了文獻(xiàn)支持（見表4）。

3.2主軸編碼

在主軸編碼階段，本研究對33個(gè)基礎(chǔ)范疇進(jìn)行整合，提煉出10個(gè)主范疇：個(gè)人素養(yǎng)、行為信念、智能推薦滿意度、負(fù)面感受、現(xiàn)實(shí)世界狀態(tài)、外界影響、智能推薦信息質(zhì)量、智能推薦系統(tǒng)質(zhì)量、智能推薦服務(wù)質(zhì)量、智能推薦網(wǎng)絡(luò)成癮行為（具體過程和結(jié)果見表5）。

3.3選擇編碼

在選擇編碼階段，通過分析比較主范疇之間的關(guān)系發(fā)現(xiàn)：個(gè)人素養(yǎng)、行為信念、外界影響、負(fù)面感受和現(xiàn)實(shí)世界狀態(tài)直接影響智能推薦網(wǎng)絡(luò)成癮行為；智能推薦信息質(zhì)量、智能推薦系統(tǒng)質(zhì)量和智能推薦服務(wù)質(zhì)量通過滿意度的中介作用間接影響行為信念，進(jìn)而影響智能推薦網(wǎng)絡(luò)成癮行為（對主范疇的典型關(guān)系描述見表6）。依據(jù)主范疇的典型關(guān)系，本文將\"智能推薦網(wǎng)絡(luò)成癮行為\"確定為核心范疇，并構(gòu)建了移動(dòng)社交媒體智能推薦網(wǎng)絡(luò)成癮影響機(jī)理理論模型（見圖1）。

3.4理論飽和度檢驗(yàn)

Francis等指出，在訪談未發(fā)現(xiàn)新觀點(diǎn)后，應(yīng)繼續(xù)對至少三份訪談資料進(jìn)行檢驗(yàn)，以確認(rèn)理論是否達(dá)到飽和[45]。本研究遵循該標(biāo)準(zhǔn)，在每次新增受訪者訪談的同時(shí)，持續(xù)對現(xiàn)有訪談資料進(jìn)行初始概念的提取與分析。當(dāng)分析至第16位受訪者時(shí)，未再出現(xiàn)新的觀點(diǎn)和概念。隨后又對5位受訪者進(jìn)行了補(bǔ)充訪談，結(jié)果同樣未發(fā)現(xiàn)新的范疇或關(guān)系。由此可判斷，本研究的理論已達(dá)到飽和。

4研究結(jié)果討論

4.1個(gè)人素養(yǎng)對智能推薦網(wǎng)絡(luò)成癮行為的影響

在移動(dòng)智能推薦這一顛覆性應(yīng)用背景下，個(gè)人素養(yǎng)中的自我管理能力對網(wǎng)絡(luò)成癮行為具有顯著的負(fù)向影響。具備較強(qiáng)自我控制能力的用戶，能夠有效管理自身行為和時(shí)間分配，在智能推薦內(nèi)容的持續(xù)刺激下依然能夠保持理性，合理平衡虛擬與現(xiàn)實(shí)生活，從而降低網(wǎng)絡(luò)成癮的風(fēng)險(xiǎn)。相反，自我管理能力較弱的用戶則更容易受到智能推薦內(nèi)容的吸引，逐漸形成對推薦內(nèi)容的過度依賴，陷入網(wǎng)絡(luò)成癮

4.2行為信念對智能推薦網(wǎng)絡(luò)成癮行為的影響

行為信念通過感知有用性、感知易用性和感知愉悅性三個(gè)維度影響用戶的網(wǎng)絡(luò)成癮行為。首先，用戶普遍認(rèn)為移動(dòng)智能推薦能夠顯著提升學(xué)習(xí)、工作和生活的效率，這種對智能推薦有用性的高度認(rèn)同使用戶更傾向于長時(shí)間依賴該功能，從而增加網(wǎng)絡(luò)成癮的風(fēng)險(xiǎn)；其次，用戶因移動(dòng)智能推薦易于使用而頻繁使用該服務(wù)，這進(jìn)一步加劇了成癮傾向；最后，移動(dòng)智能推薦通過精準(zhǔn)推送個(gè)性化內(nèi)容，為用戶帶來持續(xù)的愉悅和滿足感，這種積極體驗(yàn)促使用戶不斷重復(fù)使用，顯著提升了網(wǎng)絡(luò)成癮的可能性。

4.3外界影響對智能推薦網(wǎng)絡(luò)成癮行為的影響

外界影響主要體現(xiàn)在寬松氛圍和外部干擾兩個(gè)方面。寬松氛圍正向影響智能推薦網(wǎng)絡(luò)成癮行為，當(dāng)用戶處于無壓力、無緊急事務(wù)的環(huán)境中，更容易沉浸于移動(dòng)智能推薦內(nèi)容，從而增加網(wǎng)絡(luò)成癮的可能。相反，外部干擾負(fù)向影響網(wǎng)絡(luò)成癮行為，當(dāng)用戶在使用智能推薦功能時(shí)受到外部事件的干擾，往往會中斷使用過程，從而降低成癮風(fēng)險(xiǎn)。

4.4負(fù)面感受對智能推薦網(wǎng)絡(luò)成癮行為的影響

負(fù)面感受負(fù)向影響智能推薦網(wǎng)絡(luò)成癮行為。在移動(dòng)智能推薦這一顛覆性技術(shù)應(yīng)用場景下，負(fù)面感受主要通過認(rèn)知失調(diào)、認(rèn)知負(fù)荷和身體不適三個(gè)方面體現(xiàn)。首先，當(dāng)推薦內(nèi)容與用戶認(rèn)知產(chǎn)生沖突，帶來不適感時(shí)，用戶的沉浸感會降低，減少成癮傾向；其次，當(dāng)用戶面對海量推送信息感到過載時(shí)，會減少對智能推薦的依賴；最后，若用戶在使用智能推薦時(shí)出現(xiàn)身體不適的情況，用戶通常會立即中斷使用，將注意力轉(zhuǎn)回現(xiàn)實(shí)生活。

4.5滿意度對智能推薦行為信念的影響

滿意度正向影響行為信念。在移動(dòng)智能推薦這一顛覆性應(yīng)用場景下，滿意度主要體現(xiàn)在信息滿意、系統(tǒng)滿意和服務(wù)滿意三個(gè)方面。首先，當(dāng)用戶對智能推薦的信息感到滿意時(shí)，更能體會到智能推薦在提升工作效率方面的價(jià)值；其次，若用戶對推薦系統(tǒng)的使用體驗(yàn)超出預(yù)期，更容易感受到系統(tǒng)的便捷與易用；最后，當(dāng)用戶對推薦服務(wù)感到滿意時(shí)，更容易在使用過程中獲得愉悅和放松的體驗(yàn)。

4.6個(gè)人素養(yǎng)對行為信念的影響

在移動(dòng)智能推薦這一顛覆性應(yīng)用場景下，個(gè)人素養(yǎng)通過信息素養(yǎng)、算法素養(yǎng)、隱私素養(yǎng)和自我管理四個(gè)方面體現(xiàn)。首先，信息素養(yǎng)負(fù)向影響行為信念中的感知有用性。信息素養(yǎng)較高的用戶對推薦內(nèi)容要求更高，反而可能降低對推薦有用性的感知。其次，算法素養(yǎng)正向影響行為信念中的感知有用性和感知愉悅性。算法素養(yǎng)高的用戶能夠理解和利用推薦算法，更易獲得符合需求的信息，提升有用性和愉悅感。再次，隱私素養(yǎng)正向影響行為信念中的感知有用性和感知愉悅性。隱私素養(yǎng)強(qiáng)的用戶能夠更好地保護(hù)個(gè)人隱私，使用過程更安心，從而增強(qiáng)對推薦內(nèi)容的有用性和愉悅性體驗(yàn)。最后，自我管理正向影響行為信念中的感知有用性和感知愉悅性。自我管理能力強(qiáng)的用戶能合理安排使用時(shí)間，高效滿足娛樂和知識需求，也有助于提升對智能推薦的有用性和愉悅性的感知。

4.7現(xiàn)實(shí)世界狀態(tài)對行為信念的影響

在移動(dòng)智能推薦這一顛覆性應(yīng)用場景下，現(xiàn)實(shí)世界狀態(tài)主要包括家庭親密度、現(xiàn)實(shí)社交退縮和領(lǐng)悟社會支持。家庭親密度高的用戶在現(xiàn)實(shí)中獲得足夠的情感支持，對智能推薦的愉悅性感知較低；現(xiàn)實(shí)社交退縮的用戶則更傾向于在網(wǎng)絡(luò)中尋求情感寄托，因此更容易從個(gè)性化推薦中獲得愉悅體驗(yàn)；領(lǐng)悟社會支持強(qiáng)的用戶在現(xiàn)實(shí)中已獲得滿足，對智能推薦的有用性感知相對較低。

4.8智能推薦信息質(zhì)量、系統(tǒng)質(zhì)量和服務(wù)質(zhì)量對滿意度的影響

在移動(dòng)智能推薦這一顛覆性應(yīng)用場景下，信息質(zhì)量、系統(tǒng)質(zhì)量和服務(wù)質(zhì)量均正向影響用戶滿意度。

智能推薦信息質(zhì)量主要包括信息的準(zhǔn)確性、及時(shí)性、內(nèi)容和形式。推薦的內(nèi)容越準(zhǔn)確、及時(shí)，用戶越能獲得有價(jià)值的信息，滿意度隨之提升。同時(shí)，豐富多樣、呈現(xiàn)清晰明了的推薦內(nèi)容也能增強(qiáng)用戶的滿意度。

智能推薦系統(tǒng)質(zhì)量主要體現(xiàn)在系統(tǒng)靈活性、可訪問性和及時(shí)性三個(gè)方面。首先，推薦系統(tǒng)能夠及時(shí)捕捉用戶興趣變化并調(diào)整推薦內(nèi)容，有助于持續(xù)滿足用戶需求，提升系統(tǒng)滿意度；其次，系統(tǒng)操作的便捷性和高可訪問性使用戶能夠快速、順暢地使用推薦功能，進(jìn)一步增強(qiáng)其使用體驗(yàn)；最后，系統(tǒng)能及時(shí)響應(yīng)用戶的行為并迅速調(diào)整推薦內(nèi)容，也進(jìn)一步提升了用戶的滿意度。

智能推薦服務(wù)質(zhì)量主要體現(xiàn)在服務(wù)有形性、響應(yīng)性、移情性和安全性四個(gè)方面。布局整潔、界面美觀的推薦內(nèi)容可以優(yōu)化用戶的滿意體驗(yàn)；推薦服務(wù)能夠快速響應(yīng)用戶需求并及時(shí)提供幫助，有助于增強(qiáng)用戶的滿意度；智能推薦通過個(gè)性化服務(wù)使用戶感受到系統(tǒng)的關(guān)懷與重視，進(jìn)一步提升其滿意感；推薦服務(wù)的安全穩(wěn)定為用戶帶來信任與安心，整體上提高了用戶對服務(wù)的滿意度。

5結(jié)語

移動(dòng)智能推薦情境凸顯了人工智能在推薦領(lǐng)域的顛覆性應(yīng)用，本研究立足于人工智能技術(shù)深度重構(gòu)信息生態(tài)的顛覆性變革背景，聚焦移動(dòng)智能推薦對用戶行為模式的革命性重塑。運(yùn)用扎根理論的三級編碼方法，系統(tǒng)揭示了智能推薦情境下網(wǎng)絡(luò)成癮行為的影響機(jī)制。研究結(jié)果發(fā)現(xiàn)：個(gè)人素養(yǎng)、行為信念、外界影響、負(fù)面感受和現(xiàn)實(shí)世界狀態(tài)直接影響智能推薦網(wǎng)絡(luò)成癮行為；智能推薦信息質(zhì)量、智能推薦系統(tǒng)質(zhì)量和智能推薦服務(wù)質(zhì)量通過滿意度的中介作用影響行為信念，進(jìn)而影響智能推薦網(wǎng)絡(luò)成癮行為。本研究在一定程度上揭示了人工智能在推薦領(lǐng)域的顛覆性應(yīng)用所帶來的社會影響，為移動(dòng)智能推薦情境下用戶網(wǎng)絡(luò)成癮行為的干預(yù)與治理提供了參考。

未來可利用實(shí)證研究范式更多考察移動(dòng)智能推薦情境下網(wǎng)絡(luò)成癮行為的定量影響關(guān)系，識別關(guān)鍵影響因子以及中介、弱化等關(guān)系，還可結(jié)合人工智能在更多領(lǐng)域的顛覆性應(yīng)用開展研究。相信這些研究與本研究一起，能夠推動(dòng)人工智能在推薦、醫(yī)療健康、文化、金融等行業(yè)和領(lǐng)域顛覆性應(yīng)用的健康和可持續(xù)發(fā)展。

參考文獻(xiàn)：

[1]HuY.Leveraging inteligentrecommendersystemasafirst stepresilience measure：Adata-drivensupplychaindisruptionresponse framework[J].arXiv preprint arXiv：2404.00306，2024.

[2]梅瀟，查先進(jìn)，嚴(yán)亞蘭.智能推薦環(huán)境下移動(dòng)社交媒體用戶隱私風(fēng)險(xiǎn)感知影響機(jī)理研究[J].情報(bào)理論與實(shí)踐，2024，47 （1）：57-64.

[3]P?vloaiaVD，NeculaSCArtificialintellgenceasadisruptivetechnology：AsystematicliteraturereviewJ].lectronics， 2023，12（5）：1102.

[4]朱克京，吳漢榮，田書桐.大學(xué)生網(wǎng)絡(luò)成癮的成因及干預(yù)[J].國外醫(yī)學(xué)（社會醫(yī)學(xué)分冊），2003（1）：15-19.

[5」辭中國，楊秀蓮.\"網(wǎng)絡(luò)成癮\"對大學(xué)生人格發(fā)展的不艮影啊及對策[J].中國電化教育，2009（6）：49-52.

[6]中國互聯(lián)網(wǎng)絡(luò)信息中心.第55次中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告[R/OL].[2025-01-17].ttps：//ww.cnic.net.cn/n4/ 2025/0117/c88-11229.html.

[7]陸澤宇，查先進(jìn)，嚴(yán)亞蘭.社交媒體環(huán)境下智能推薦內(nèi)容點(diǎn)贊行為影響機(jī)理研究[J].現(xiàn)代情報(bào)，2023，43（2）：42-55.

[8]張喆勤.社交媒體信息過載對用戶數(shù)字囤積行為的影響機(jī)制研究[J].新媒體研究，2024，10（14）：41-46.

[9]KingBA，HammondT，aringtonJDisuptivetchnologyEonomiconsequencsofrtificialintelligencendhebotic revolution[J].Journalof Strategic Innovationand Sustainability，2O17，12（2）：53-67.

[10]DaneelsE.Disruptivetechnologyreconsidered：Acritiqueandresearchagenda[J].JournalofProduct InnovationManagement，2004，21（4）：246-258.

[11]AchiamJ，AdlerS，AgarwalS，etal.Gpt-4technicalreport[J].arXiv preprintarXiv：33.087743.

[12]ChristensenCM，DonaldR，lmanEJ，etalDisruptiveinnovation：Anintelectualhistorynddirectionsforfuture search[J].Journal of Management Studies，2018，55（7）：1043-1078.

[13]朱克京，吳漢榮.大學(xué)生網(wǎng)絡(luò)成癮的心理社會因素[J].中國心理衛(wèi)生雜志，2004（11）：796-798.

[14]史華偉，鄧嶸，王鳳霞.基本心理需求的中介作用和感恩的調(diào)節(jié)作用在壓力性生活事件中對大學(xué)生網(wǎng)絡(luò)成癮的影 響[J].中國健康教育，2025，41（1）：29-33.

[15]LemmensJS，ValkenburgPM，PeterJPsychosocialcausesandconsequencesof pathologicalgamingJ].Computers inHuman Behavior，2011，27（1）：144-152.

[16]BrandM，YoungK，LaierCPrefrontalcontrolandInteretadiction：Atheoreticalmodelandreviewofneuropsychological and neuroimaging findings[J].Frontiers in Human Neuroscience，2O14（8）：375.

[17]Han DH，Hwang JW，Renshaw PF.Bupropionsustainedrelease treatment decreases craving forvideogames andcue-inducedbrainactivityinpatientswithInteretvideogameaddictionJ].ExperimentalandClincalsychopharmacology，010， 18（4）：297-304.

[18]馮金鑫.大學(xué)生網(wǎng)絡(luò)成癮的心理干預(yù)研究[J].心理學(xué)進(jìn)展，2025（15）：567.

[19]AhmadiJ，AmiiAGanzadehA，ealrevaleneofdictintoheInteret，omputergames，Dndeodisela tionship toanxietyanddepresioninasampleofIranianhighschoolstudentsJ].IranianJournalofPsychatryandBehavior al Sciences，2014，8（2）：75-80.

[20]PawanT，PutipunT，anawatT，etalPrevalenceandassciatedfactorsofInteretgamingdisoderamongsecondarysool students in rural community，Thailand：A cross-sectional study[J].BMC Research Notes，2O2O（13）：11.

[21]SemizS.DigitalgameandtechnologyaddictioninearlychildhoodJ].DigitalSecurityand Media，2O24，1（1）：30-44.

[22]WangD，LiuX，ChenK，etalRisksandprotetion：AqualitativesudyonthefactorsforInteretaddictionamongelderlysidents in Southwest China communities[J].BMC Public Health，2024，24（1）：531.

[23]ZhongY，iY，HuA，etalPrevalence，emgapcsndclincalaracteristicsofInteeadictionmongCiedol cents with schizophrenia[J].Frontiers in Psychiatry，2024（15）：1398479.

[24]Herández C，F(xiàn)errad M，CiarochiJ，etal.Thecycleofsolitudeandavoidance：Adailylifeevaluationoftherelatioshipbetween Internet addiction and symptoms of social anxiety[J].Frontiers inPsychology，2024（15）：1337834.

[25]GlaserBG，StraussAL，StrutzelE.Thediscoveryof groundedtheory：StrategforqualitativeresearchJ].Nursingeearh， 1968，17（4）：364.

[26] 黃偉鑫，畢達(dá)天，朱梓萌，等.用戶跨社交媒體信息行為的形成機(jī)理研究——基于扎根理論的探索[J].情報(bào)理論與實(shí) 踐，2025，48（5）：80-90.

[27]查先進(jìn)，黃程松，嚴(yán)亞蘭.從眾信息搜索驅(qū)動(dòng)因素的扎根分析——以微博熱搜為例[J].圖書與情報(bào)，2022（2）：1-9.

[28]嚴(yán)亞蘭，韓秋月，查先進(jìn).交流可見度調(diào)節(jié)下知識分享影響因素扎根研究[J].圖書與情報(bào)，2022（2）：38-47.

[29]費(fèi)小冬.扎根理論研究方法論：要素、研究程序和評判標(biāo)準(zhǔn)[J].公共行政評論，2008（3）：23-43，197.

[30]Young KS.Caughtinthenet：HowtorecognizethesignsofInternetaddictionanda wining strategyforrecoveryM]New York：John Wiley and Sons，1998.

[31]吳飛，李艷，陳靜遠(yuǎn)，等.大學(xué)生人工智能素養(yǎng)紅皮書（2024版）[J].科教發(fā)展研究，2024，4（2）：71-96

[32]劉星，侯征，臧志棟，等.歷史制度主義視野下我國信息素養(yǎng)教育政策的變遷邏輯[J].圖書與情報(bào)，2024（3）：40-47.

[33]ShinD，RasulA，F(xiàn)otiadisA.WhyamIseingtisDeconstructingalgoritliteracytroughthelensofusersJ]tetResearch：Electronic Networking Applications andPolicy，2022，32（4）：1214-1234.

[34]林碧烽，范五三.從媒介本位到用戶至上：智媒時(shí)代隱私素養(yǎng)研究綜述[J].編輯學(xué)刊，2021（1）：36-42.

[35]王益明，金瑜.自我管理研究述評[J].心理科學(xué)，2002（4）：453-456，464.

[36]DavisFD.Perceivedusefulness，perceivedeaseofuse，anduseracceptanceofinformationtechnology[J].MSQuarterly， 1989，13（3）：319-340.

[37]郭海玲，趙穎，史海燕.電商平臺短視頻信息展示對消費(fèi)者購買意愿的影響研究[J].情報(bào)理論與實(shí)踐，2019，42（5）： 141-147.

[38]XuJJ，BenbasatICenfeteliRTIntegratingservicequalitywithsystemandinformationquality：Anempiricaltesthe service context[J].MISQuarterly，2013，37（3）：777-794.

[39]FestingerL.A theory of cognitive dissonance[M].Stanford：Stanford UniversityPress，1957：1-297.

[40]SwellerJ.Cognitiveloadduringproblemsolving：Effctsonlearing[J].CognitiveScience，1988，12（2）：257-285.

[41]馮現(xiàn)剛，王青.大學(xué)生家庭親密度、適應(yīng)性與人際信任的關(guān)系[J].醫(yī)學(xué)與社會，2011，24（7）：75-78.

[42]韓鳴曉，劉伍穎.新媒體話語表達(dá)的逆回——群體社交退縮現(xiàn)象分析[J].東南傳播，2023（9）：138-140.

[43]林靜，涂巍.大學(xué)生積極心理品質(zhì)與應(yīng)對方式、領(lǐng)悟社會支持的關(guān)系[J].中國健康心理學(xué)雜志，2015，23（2）：225-228.

[44]MooresTTTowardsaninegratedmodelofIcceptanceinalthcareJ]DecisionSpportSystems，02，53（3）：0516.

[45]FrancisJJ，JohstonM，RobertsonC，etal.Whatisandequatesamplesze？Operationalisingatasaturationfor based interview studies[J].Psychologyamp;Health，2010，25（10）：1229-1245.

作者簡介：危馨嵐，女，武漢大學(xué)信息管理學(xué)院、武漢大學(xué)圖書情報(bào)國家級實(shí)驗(yàn)教學(xué)示范中心碩士研究生；查先進(jìn)，男，武漢大學(xué)信息管理學(xué)院教授，博士生導(dǎo)師。