□ 趙龍軒 林 聰

一、研究緣起

隨著大數(shù)據(jù)技術(shù)以及智能手機(jī)的發(fā)展與推廣，算法逐漸融入我們的日常生活中，例如知識(shí)搜索、路線導(dǎo)航、資訊瀏覽等行為，越來越多地被人們委托于算法，通過算法的中介而實(shí)現(xiàn)［1］。由于大學(xué)生群體是最常使用新媒體平臺(tái)的用戶群體之一，充當(dāng)諸多平臺(tái)功能代理的算法機(jī)制，對(duì)大學(xué)生群體產(chǎn)生著深刻影響。栗蕊蕊指出，算法推薦正在不斷地形塑著大學(xué)生群體的價(jià)值觀，大學(xué)生群體在隱形數(shù)字控制之下逐漸喪失主體性，被動(dòng)接收算法所灌輸?shù)膬?nèi)容與價(jià)值導(dǎo)向，成為資本發(fā)展與壯大的營(yíng)養(yǎng)［2］。類似地，張楊和高德毅提出推薦算法是改變大學(xué)生群體價(jià)值觀的“軟性權(quán)力”，給高校的思政教育帶來了如信息繭房、過度娛樂化、假新聞泛濫等挑戰(zhàn)［3］。李偉也發(fā)現(xiàn)，平臺(tái)通過算法推薦機(jī)制，精準(zhǔn)投放廣告，為大學(xué)生群體制造欲望，刺激他們的消費(fèi)主義，扭曲了大學(xué)生群體的消費(fèi)觀［4］。

針對(duì)平臺(tái)算法給大學(xué)生群體帶來的負(fù)面影響，研究者提出了一系列應(yīng)對(duì)措施。楊元與楊昌斌指出，針對(duì)大學(xué)生群體的個(gè)性化推薦系統(tǒng)需要得到優(yōu)化，以防止價(jià)值觀塑造關(guān)鍵期的青年群體被資本與平臺(tái)所控制［5］。郎捷與王軍則從信息繭房角度出發(fā)，提出學(xué)校教育應(yīng)當(dāng)關(guān)注破解學(xué)生信息窄化、媒介素養(yǎng)過低等問題，平臺(tái)也應(yīng)當(dāng)主動(dòng)傳播正能量?jī)?nèi)容，幫助青年用戶樹立正確價(jià)值觀［6］。

然而，正如Christin所指出的，已有研究大多從宏觀的理論視角出發(fā)，探討與算法相關(guān)的“空想實(shí)踐”（aspirational practices），缺乏微觀的經(jīng)驗(yàn)數(shù)據(jù)以及對(duì)算法相關(guān)“實(shí)際實(shí)踐”（actual practices）的關(guān)注［7］。大學(xué)生用戶自身的主觀能動(dòng)性，似乎在已有研究中被忽略了，他們究竟是如何認(rèn)識(shí)正在實(shí)踐著的切實(shí)影響他們的算法、如何面對(duì)算法影響以及如何與算法互動(dòng)的問題被懸置了。由此，本研究將基于北京地區(qū)高校在讀大學(xué)生群體，調(diào)查他們?cè)谛旅襟w實(shí)踐中所生成的算法意識(shí)、算法態(tài)度以及算法操縱行為，以期基于用戶視角，呈現(xiàn)大學(xué)生群體與平臺(tái)算法之間博弈的情景。

二、文獻(xiàn)綜述

1.算法意識(shí)與算法態(tài)度：用戶對(duì)于平臺(tái)算法的感知

作為算法的使用者，用戶在使用算法的過程中，會(huì)通過自身經(jīng)驗(yàn)以及對(duì)算法的了解，形成學(xué)者所謂的“民間理論”（folk theory）［8］。這些民間理論或許并不正確，但卻對(duì)指導(dǎo)用戶在算法中介下的互聯(lián)網(wǎng)平臺(tái)中進(jìn)行新媒體實(shí)踐至關(guān)重要。DeVito等人明確地定義了民間理論，她們認(rèn)為:“民間理論是一種直觀的、非正式的理論，包括關(guān)于算法如何工作的因果模型，以及關(guān)于算法運(yùn)行后可能產(chǎn)生的后果的觀點(diǎn)和態(tài)度”［9］。類似地，Bucher提出了“算法想象”的概念，她認(rèn)為算法想象不僅僅是用戶對(duì)于算法的感知，還應(yīng)該被理解成“一種具有生產(chǎn)力的強(qiáng)有力的識(shí)別”［10］?；谒惴耖g理論以及算法想象的理論基礎(chǔ)，研究者開始調(diào)查用戶對(duì)于平臺(tái)算法的意識(shí)與態(tài)度。

根據(jù)Gran等人在挪威進(jìn)行的針對(duì)用戶算法意識(shí)和算法態(tài)度的調(diào)查，算法意識(shí)（algorithmic awareness）程度被定義為人們對(duì)于算法機(jī)制存在于各個(gè)互聯(lián)網(wǎng)平臺(tái)中的基本了解程度，而之所以調(diào)查用戶的算法意識(shí)與算法知識(shí)，是因?yàn)椤八惴ú粌H遠(yuǎn)非中立設(shè)備，而且往往會(huì)以晦澀的方式使得結(jié)構(gòu)性的不平等與歷史偏見永久化”［11］。

Eslami等人發(fā)現(xiàn)，雖然被調(diào)查者日?；钴S在臉書（Facebook）平臺(tái)中，但是超過一半的人們不了解臉書信息流中策劃算法（curation algorithm）的存在，而在研究者進(jìn)行提示之后，他們對(duì)算法操控信息源的事實(shí)表達(dá)了強(qiáng)烈的負(fù)面態(tài)度。她們也指出，由于用戶對(duì)算法存在缺乏意識(shí)，使得用戶在使用媒體平臺(tái)時(shí)可能產(chǎn)生一系列嚴(yán)重的現(xiàn)實(shí)后果，例如，由于算法操控信息流而造成親友間互動(dòng)機(jī)會(huì)的減少，使得用戶誤判各類社會(huì)關(guān)系，導(dǎo)致了關(guān)系的疏遠(yuǎn)甚至破裂［12］。隨后，Eslami等人進(jìn)一步的研究調(diào)查了知曉臉書信息流中策劃算法存在的用戶，識(shí)別出了如個(gè)人密友理論（the personal engagement theory）、格式理論（the format theory）、新鮮血液理論（the fresh blood theory）等十種民間理論，展示了臉書用戶是如何感知首頁推薦信息流的生成模型的［13］。推特（Twitter）也引起了許多研究者的關(guān)注。DeVito等人通過對(duì)帶有#RIPTwitter標(biāo)簽的推文進(jìn)行內(nèi)容分析，揭示了擁有不同民間理論的用戶對(duì)于推特算法策劃的反應(yīng)與態(tài)度，指出當(dāng)設(shè)計(jì)者和用戶意圖不匹配時(shí)，用戶民間理論的豐富和準(zhǔn)確程度，是他們表達(dá)對(duì)平臺(tái)算法變化的反抗態(tài)度的知識(shí)來源［14］。

生成算法意識(shí)是用戶感知算法的第一步，在此基礎(chǔ)上，用戶則可能會(huì)進(jìn)一步探索算法系統(tǒng)，通過已有算法知識(shí)基礎(chǔ)，產(chǎn)生對(duì)于算法機(jī)制的評(píng)價(jià)與反思。他們可能會(huì)憤怒于算法的黑箱操作而進(jìn)行反抗，也可能會(huì)欣喜于算法的高效便捷而參與其中。Gran等人將用戶對(duì)于算法驅(qū)動(dòng)函數(shù)的積極或消極的情緒作為用戶的算法態(tài)度來測(cè)量，分別詢問了被調(diào)查者對(duì)于算法驅(qū)動(dòng)的娛樂內(nèi)容、資訊內(nèi)容和廣告內(nèi)容的態(tài)度；根據(jù)調(diào)查結(jié)果，他們指出不同年齡、地區(qū)、性別，以及不同學(xué)歷的人們對(duì)于平臺(tái)算法具有不同的算法意識(shí)與算法態(tài)度，具有不同算法意識(shí)的用戶也會(huì)持有不同的算法態(tài)度［15］。黃忻淵的研究與Gran等人類似，呈現(xiàn)出了中國(guó)情境下，城鄉(xiāng)差異、教育背景差異、媒體素養(yǎng)差異以及媒體使用時(shí)長(zhǎng)等都在影響著被調(diào)查者的算法感知［16］。本研究借鑒于此，將以積極與消極來評(píng)測(cè)的用戶算法態(tài)度稱為“情感型態(tài)度”，并將青年群體樣本的性別、學(xué)歷、專業(yè)三個(gè)人口統(tǒng)計(jì)學(xué)變量納入測(cè)量，首先提出了以下研究問題與研究假設(shè):

問題1:不同性別、學(xué)歷、專業(yè)的在讀大學(xué)生在算法意識(shí)和算法態(tài)度上是否存在差異？

假設(shè)1:具有不同算法意識(shí)程度的在讀大學(xué)生會(huì)持有不同的算法情感型態(tài)度。

除了“情感型態(tài)度”，本研究認(rèn)為，用戶的算法態(tài)度還應(yīng)包含他們對(duì)于算法機(jī)制中內(nèi)嵌價(jià)值的感知與評(píng)判。Lee的研究發(fā)現(xiàn)，被調(diào)查者會(huì)對(duì)算法中介下所作出的決策，例如招聘過程中的算法篩選，或者工作考核中的算法評(píng)估，產(chǎn)生信任與否、公平與否或者偏見與否的感知，以及憤怒、無奈等情緒反應(yīng)［17］。由此，本研究提出用戶的算法“價(jià)值型態(tài)度”，這一概念旨在關(guān)注用戶對(duì)于算法可靠性的判斷，對(duì)于算法客觀性和價(jià)值無偏的評(píng)估，以及對(duì)于算法角色及功能性的感知。本研究提出以下研究問題:

問題2:在讀大學(xué)生的算法意識(shí)程度與他們對(duì)于算法的價(jià)值型態(tài)度之間存在怎樣的關(guān)系？

2.算法操縱：用戶對(duì)于算法控制的反擊

需要指出的是，雖然用戶在算法的運(yùn)作系統(tǒng)中屬于運(yùn)算終端的數(shù)據(jù)接收者，但是這并不代表用戶只能全盤接收算法所輸出的結(jié)果。已有研究在調(diào)查用戶對(duì)于平臺(tái)算法感知的基礎(chǔ)上，已經(jīng)證實(shí)了用戶會(huì)發(fā)揮主觀能動(dòng)性，應(yīng)用自身發(fā)展的民間理論而采取某些具體手段，嘗試操縱算法而進(jìn)行反擊，從而在與算法的博弈中獲取更多的主動(dòng)權(quán)。

陳龍與孫萍的研究便展示了外賣員在數(shù)字控制情境之下與平臺(tái)算法之間的博弈，他們發(fā)現(xiàn)基于日常對(duì)平臺(tái)算法的了解，外賣員會(huì)通過“報(bào)備”等方式誤導(dǎo)算法以獲取更多送餐時(shí)間，也會(huì)尋找系統(tǒng)的漏洞以進(jìn)行“逆算法”的實(shí)踐，維護(hù)自身的權(quán)益［18］［19］。而對(duì)于平臺(tái)的大眾用戶，西方學(xué)者也進(jìn)行了多元的調(diào)查。Eslami等人設(shè)計(jì)了一個(gè)跨平臺(tái)的審計(jì)技術(shù)，通過對(duì)三個(gè)酒店評(píng)級(jí)系統(tǒng)中803家酒店的用戶評(píng)論進(jìn)行分析，指出了繽客（Booking.com）通過算法系統(tǒng)提高酒店評(píng)分使酒店受益的算法偏見；她們同時(shí)也發(fā)現(xiàn)，用戶能夠感知到這一偏見并開始尋找操縱算法系統(tǒng)的手段，包括直接討論評(píng)級(jí)系統(tǒng)本身而非入住酒店以提升其他用戶對(duì)于算法偏見的認(rèn)識(shí)，或者輸入更低分?jǐn)?shù)以影響算法輸出結(jié)果等［20］。Bishop也發(fā)現(xiàn)，在YouTube網(wǎng)站中，博主會(huì)通過閑聊（gossip）的方式互換自身對(duì)于算法系統(tǒng)的理解與認(rèn)知，并分享自己嘗試操控算法的手段及結(jié)果，以此來提升用戶群體整體對(duì)于算法黑箱的感知與認(rèn)識(shí)［21］。Christin將這樣的行為稱為“公開批評(píng)”，加之故意拖延（foot-dragging）以及玩弄（gaming）兩個(gè)手段，她揭示了網(wǎng)絡(luò)記者和法律專業(yè)人士以此操縱算法并減少算法在其日常工作中的影響［22］。

除了算法意識(shí)程度，算法態(tài)度也已經(jīng)被研究者證實(shí)了會(huì)導(dǎo)致用戶的算法操縱。在抖音（TikTok）平臺(tái)中，Simpson與Semaan發(fā)現(xiàn)邊緣群體對(duì)平臺(tái)算法持有一種矛盾態(tài)度，既感激于平臺(tái)算法給予了他們社群聯(lián)結(jié)，讓他們能找到彼此，又苦惱于平臺(tái)算法的偏見所帶來的算法排斥，導(dǎo)致他們既會(huì)不斷利用算法推薦系統(tǒng)中的“喜歡”按鈕，也會(huì)不斷發(fā)布同樣內(nèi)容以戲弄算法審查［23］。同樣，基于對(duì)抖音的調(diào)查，Karizat等人發(fā)現(xiàn)用戶已經(jīng)意識(shí)到了平臺(tái)算法中所存在的偏見，正在給予部分用戶以算法特權(quán)，而同時(shí)壓抑邊緣群體的身份表達(dá)，抹滅了邊緣用戶的敘事，由此引發(fā)了邊緣用戶對(duì)于平臺(tái)算法的抗?fàn)帲ń栌盟速~戶、規(guī)避關(guān)鍵詞等行為，以抵抗平臺(tái)算法對(duì)他們的清理［24］。而在臉書平臺(tái)中，研究者發(fā)現(xiàn)部分用戶由于厭惡平臺(tái)算法所嵌入的默認(rèn)公開性（default publicness），不信任平臺(tái)算法能夠保障他們的身份安全，而不斷尋找改變?cè)撍惴C(jī)制的途徑，甚至直接離開臉書［25］。

由此，本研究將用戶試圖改變算法運(yùn)作結(jié)果的“算法操縱”納入測(cè)量，并通過用戶與算法系統(tǒng)之間的互動(dòng)關(guān)系將其分為兩個(gè)維度:一類稱之為“合作型操縱”，強(qiáng)調(diào)用戶主動(dòng)利用算法推薦、算法決策、算法評(píng)級(jí)等算法自身的機(jī)制，通過有意改變自己在算法機(jī)制中輸入的值，而實(shí)現(xiàn)對(duì)算法的操縱，達(dá)到自己滿意的輸出效果；另一類稱之為“反抗型操縱”，強(qiáng)調(diào)用戶拒絕與算法機(jī)制合作，而與算法機(jī)制進(jìn)行直接的抗?fàn)?，包括故意擾亂算法系統(tǒng)以及嘗試關(guān)閉算法中介機(jī)制等。由此，結(jié)合上文所提出的算法意識(shí)、算法態(tài)度及有針對(duì)性的人口統(tǒng)計(jì)學(xué)變量，本研究提出以下研究問題:

問題3:在讀大學(xué)生的算法意識(shí)程度與他們的算法操縱行為之間存在怎樣的關(guān)系？

問題4:在讀大學(xué)生積極或者消極的算法情感型態(tài)度是否會(huì)影響他們對(duì)于算法的合作型操縱以及反抗型操縱？

問題5:在讀大學(xué)生的算法價(jià)值型態(tài)度是否會(huì)影響他們對(duì)于算法的合作型操縱以及反抗型操縱？

問題6:不同性別、學(xué)歷、專業(yè)的在讀大學(xué)生是否具有不同的算法操縱行為？

三、研究方法

1.變量測(cè)量與問卷設(shè)計(jì)

本研究從青年群體用戶的視角出發(fā)，探索他們?cè)谌粘Ｉ钪械乃惴ㄒ庾R(shí)、算法態(tài)度及算法操縱行為。問卷設(shè)計(jì)分為四個(gè)部分，分別對(duì)應(yīng)以上三個(gè)維度以及人口統(tǒng)計(jì)學(xué)變量。

（1）算法意識(shí)

本研究借鑒了Gran等人所使用的問題以及量表［26］，在算法意識(shí)部分，通過詢問被調(diào)查者“在多大程度上能夠意識(shí)到算法正在被互聯(lián)網(wǎng)平臺(tái)用于推薦娛樂、資訊和廣告內(nèi)容”來測(cè)量，選項(xiàng)基于李克特量表中的五等選項(xiàng)設(shè)置（1=幾乎無意識(shí)，5=非常有意識(shí)）。同時(shí)，本研究設(shè)置了一個(gè)選填的填空題，請(qǐng)求被調(diào)查者簡(jiǎn)述自己對(duì)算法機(jī)制存在于各個(gè)互聯(lián)網(wǎng)平臺(tái)的意識(shí)程度，以探索青年群體是如何意識(shí)到平臺(tái)算法存在的。

（2）算法態(tài)度

本研究將用戶感知的算法態(tài)度分為“情感型態(tài)度”與“價(jià)值型態(tài)度”。在“情感型態(tài)度”上，借鑒Gran等人的量表，使用被調(diào)查者對(duì)于算法驅(qū)動(dòng)所輸出的娛樂內(nèi)容、資訊內(nèi)容以及廣告內(nèi)容的情感態(tài)度來測(cè)度［27］；將以上三種類別分別設(shè)置為3個(gè)問題，以五級(jí)態(tài)度與“不知道”（賦值為0）選項(xiàng)來測(cè)度；經(jīng)檢驗(yàn)該量表整體克朗巴哈系數(shù)為0.713，符合信度要求。同樣在此設(shè)置選填填空題，詢問被調(diào)查者對(duì)算法驅(qū)動(dòng)內(nèi)容持此態(tài)度的原因，以期解讀影響青年群體算法情感型態(tài)度的因素。

“價(jià)值型態(tài)度”的測(cè)量借鑒了Lee研究中所使用的“公平性”以及“信任度”的理論維度［28］，設(shè)置5個(gè)題項(xiàng)，包括“我信任算法運(yùn)作所輸出的結(jié)果”“我認(rèn)為算法運(yùn)作的結(jié)果是價(jià)值中立且客觀的”“我會(huì)抗拒算法運(yùn)作所輸出的結(jié)果”“我認(rèn)為算法運(yùn)作對(duì)我的生活是有用的”“我認(rèn)為算法運(yùn)作的結(jié)果給我?guī)砹素?fù)面影響”，經(jīng)檢驗(yàn)該量表的克朗巴哈系數(shù)為0.734。

（3）算法操縱

通過詢問被調(diào)查者進(jìn)行各類行為的頻率，本研究測(cè)量了青年用戶的算法操縱行為。

基于Simpson與Semaan以及Karizat等人的研究［29］［30］，并結(jié)合中國(guó)的互聯(lián)網(wǎng)語境，本研究在測(cè)度用戶的“合作型操縱”時(shí)，設(shè)置了被調(diào)查者主動(dòng)利用算法獲取個(gè)人期望信息的相關(guān)陳述，包括“新注冊(cè)平臺(tái)時(shí)主動(dòng)勾選算法所推薦的興趣類別”“故意實(shí)施點(diǎn)贊、關(guān)注等行為以增加類似推薦”，以及“主動(dòng)勾選‘不感興趣’等按鈕以減少推薦”，3個(gè)題項(xiàng)的克朗巴哈系數(shù)為0.762；而“反抗型操縱”的測(cè)量則基于設(shè)置被調(diào)查者反抗算法機(jī)制行為的相關(guān)陳述，包括“主動(dòng)探索屏蔽推薦算法”和“有故意擾亂算法系統(tǒng)的事實(shí)行為”，2個(gè)題項(xiàng)的克朗巴哈系數(shù)為0.702。

（4）人口統(tǒng)計(jì)學(xué)變量

由于研究對(duì)象為在讀大學(xué)生，借鑒已有研究［31］［32］，本研究依據(jù)其特點(diǎn)提出需專門檢驗(yàn)的人口統(tǒng)計(jì)學(xué)變量，包括:“性別”（男=1，女=2），“學(xué)歷”（專科=1，本科=2，碩士=3，博士=4），以及“所學(xué)專業(yè)”（共計(jì)12個(gè)學(xué)科門類選項(xiàng)，1個(gè)其他選項(xiàng)）。

2.數(shù)據(jù)收集與分析方法

受到新冠肺炎疫情的影響，本研究采取在線網(wǎng)絡(luò)調(diào)查問卷收集數(shù)據(jù)。作為一項(xiàng)探索性研究，本研究主要通過滾雪球抽樣技術(shù)招募被調(diào)查者。具體來說，本研究使用問卷網(wǎng)平臺(tái)設(shè)計(jì)在線問卷，通過社交媒體（如微博、微信等）尋找被調(diào)查者，并請(qǐng)求他們分享給通訊錄好友中符合條件的潛在被調(diào)查者以擴(kuò)大樣本量。另外，問卷中設(shè)置了兩道反向問題以輔助剔除無效應(yīng)答樣本。

本研究共發(fā)放問卷615份，回收問卷577份，問卷回收率為93.8%。經(jīng)過清洗掉部分答題時(shí)長(zhǎng)過短、選項(xiàng)重復(fù)率過高以及異常樣本問卷后，最終獲得有效問卷515份。其中，女性樣本63.6%，男性樣本35.7%；學(xué)歷層次分別為?？?.8%，本科57.7%，碩士29.5%，博士6%；專業(yè)主要集中在文學(xué)類（18.8%），法學(xué)類（16.8%），經(jīng)濟(jì)學(xué)類（15.1%）以及工學(xué)類（11.2%）。

在數(shù)據(jù)分析方法上，本研究主要使用方差分析（ANOVA analysis）、相關(guān)性分析（analysis of correlation）以及分層回歸（hierarchical multiple regression）進(jìn)行相關(guān)假設(shè)的檢驗(yàn)和研究問題的探索。

對(duì)于收集的文本數(shù)據(jù)，本研究期望了解青年群體算法意識(shí)所聚焦的主題面向，使用計(jì)算機(jī)輔助主題建模的方法進(jìn)行聚類分析。本研究使用CorEx半監(jiān)督主題模型，該模型允許添加預(yù)先設(shè)定的錨定詞匯（anchor words），通過關(guān)聯(lián)解釋（correlation explanation）尋找到高貢獻(xiàn)度主題詞匯，較好地解決了文本稀疏和發(fā)散的問題［33］。針對(duì)青年群體算法態(tài)度的原因文本，本研究主要采用詞頻分析，通過辨析高頻詞匯以探索影響用戶算法態(tài)度的緣由。

四、研究發(fā)現(xiàn)

在數(shù)據(jù)分析前，首先檢驗(yàn)本研究多變量可能導(dǎo)致的共同方法偏差（common method bias），使用哈曼單因子檢驗(yàn)（Harman’s single factor test）對(duì)被調(diào)查者的算法意識(shí)、算法情感型態(tài)度與價(jià)值型態(tài)度，以及算法合作型操縱與反抗型操縱多變量進(jìn)行驗(yàn)證，結(jié)果顯示主成分單因素方差為25.73%，未超過50%，證明共同方法偏差并未影響樣本數(shù)據(jù)。

1.變量的描述性統(tǒng)計(jì)

將變量所呈現(xiàn)的均值與中位數(shù)值進(jìn)行t檢驗(yàn)，本研究發(fā)現(xiàn)被調(diào)查者所報(bào)告的對(duì)算法機(jī)制存在于互聯(lián)網(wǎng)平臺(tái)的意識(shí)程度較高（t=32.262，p<0.01）；在剔除“不知道”所代表的0值選項(xiàng)樣本后，用戶的算法情感型態(tài)度整體中立偏消極（t=-12.334，p<0.01）；在剔除“不知道”所代表的0值選項(xiàng)樣本后，用戶的算法價(jià)值型態(tài)度值整體中立，與中立值差異不顯著（t=0.657，p>0.05）；在被調(diào)查者的算法操縱行為上，針對(duì)算法的合作型操縱頻次略高于中間值（t=3.3，p<0.01），而反抗型操縱頻次較少，整體差異度也較大（t=-8.192，p<0.01）。

表1 變量的t檢驗(yàn)結(jié)果

2.對(duì)性別、學(xué)歷、專業(yè)變量的差異檢驗(yàn)

為檢驗(yàn)人口統(tǒng)計(jì)學(xué)變量與算法意識(shí)、算法態(tài)度和算法操縱行為之間的關(guān)系，使用方差分析分別對(duì)性別、學(xué)歷和專業(yè)進(jìn)行差異檢驗(yàn)（見表2）。

表2 基于性別、學(xué)歷與專業(yè)的方差分析

研究發(fā)現(xiàn)不同性別的被調(diào)查者在算法意識(shí)程度、算法態(tài)度以及算法行為上不存在顯著差異性。不同學(xué)歷的被調(diào)查者在算法意識(shí)（F=9.935，p<0.01）上存在顯著差異，他們的算法情感型態(tài)度（F=21.233，p<0.01）也表現(xiàn)出明顯不同。學(xué)歷程度越高的在讀大學(xué)生算法意識(shí)程度越高，針對(duì)算法的情感型態(tài)度也越消極。但不同學(xué)歷的學(xué)生在算法價(jià)值型態(tài)度、算法行為上不存在顯著差異。不同專業(yè)的被調(diào)查者在算法意識(shí)、算法價(jià)值型態(tài)度、算法行為上不存在差別，但在算法的情感型態(tài)度（F=3.023，p<0.05）上存在一定差異，其中教育學(xué)類與其他類別專業(yè)學(xué)生對(duì)算法情感型態(tài)度平均得分高于其他專業(yè)學(xué)生。通過內(nèi)部數(shù)據(jù)分析，這部分差異主要受?？茖W(xué)生樣本集中于這兩學(xué)科類別的影響。因此整體來看不同專業(yè)學(xué)科門類的學(xué)生在算法態(tài)度上不存在明顯差異。

3.算法意識(shí)、算法態(tài)度與算法操縱的關(guān)系分析

關(guān)于被調(diào)查者算法意識(shí)、算法態(tài)度以及算法操縱行為之間的變量相關(guān)性結(jié)果見表3。

表3 雙變量相關(guān)分析

分析發(fā)現(xiàn)，被調(diào)查者的算法意識(shí)與算法情感型態(tài)度、價(jià)值型態(tài)度、算法行為不相關(guān)，由此說明:被調(diào)查者是否對(duì)算法存在于互聯(lián)網(wǎng)平臺(tái)的意識(shí)并不會(huì)影響他們關(guān)于算法的情感態(tài)度以及價(jià)值看法，也不會(huì)對(duì)他們的相關(guān)算法行為產(chǎn)生作用。

在被調(diào)查者算法態(tài)度與算法操縱行為的相關(guān)關(guān)系上，情感型態(tài)度與算法合作型操縱正向相關(guān)（p<0.01），與反抗型操縱負(fù)向相關(guān)（p<0.05）；價(jià)值型態(tài)度與算法合作型操縱正向相關(guān)（p<0.01），與反抗型操縱負(fù)向相關(guān)（p<0.01）。

通過使用分層線性回歸分析，本研究將算法合作型操縱以及算法反抗型操縱作為被解釋變量，研究算法情感型態(tài)度和算法價(jià)值型態(tài)度作為解釋變量的影響作用。在分層模型中，本研究將人口統(tǒng)計(jì)學(xué)變量加入模型1，將算法意識(shí)變量加入模型2，加入情感型態(tài)度作為模型3，加入價(jià)值型態(tài)度作為模型4。

表4呈現(xiàn)了被調(diào)查者合作型操縱與情感型態(tài)度、價(jià)值型態(tài)度之間的關(guān)系。從結(jié)果看，模型1“人口統(tǒng)計(jì)學(xué)變量”的解釋度較低（R2=0.01），算法意識(shí)加入模型后沒有解釋度增量，而模型3加入情感型態(tài)度變量后對(duì)合作型操縱解釋度的提升在統(tǒng)計(jì)意義上顯著（△R2=0.032，β=0.182，p<0.01），說明被調(diào)查者對(duì)于算法的情感型態(tài)度顯著正向預(yù)測(cè)在讀大學(xué)生對(duì)算法的合作型操縱行為。模型4反映了情感型態(tài)度（β=0.118，p<0.05）與價(jià)值型態(tài)度（β=0.147，p<0.01）顯著正向預(yù)測(cè)在讀大學(xué)生對(duì)算法的合作型操縱行為（R2=0.06）。

表4 算法合作型操縱分層回歸分析

表5呈現(xiàn)了被調(diào)查者反抗型操縱行為與情感型態(tài)度、價(jià)值型態(tài)度之間的關(guān)系。從結(jié)果看，被調(diào)查者的人口統(tǒng)計(jì)學(xué)變量、算法意識(shí)以及針對(duì)算法的情感型態(tài)度都沒有顯著解釋力，模型4加入價(jià)值型態(tài)度后解釋度的提升顯著（△R2=0.046，β=-0.241，p<0.01），說明被調(diào)查者是否會(huì)進(jìn)行反抗型算法操縱并不受其對(duì)算法的情感態(tài)度影響，而主要受其對(duì)算法價(jià)值認(rèn)可態(tài)度的影響，價(jià)值型態(tài)度越消極的被調(diào)查者越可能實(shí)施反抗型的算法操縱行為。

表5 算法反抗型操縱分層回歸分析

4.關(guān)于算法意識(shí)程度與算法情感型態(tài)度原因的文本數(shù)據(jù)解讀

為了探索在讀大學(xué)生群體對(duì)算法機(jī)制存在的意識(shí)程度的具體認(rèn)知，本研究通過問卷中的開放式問題進(jìn)行文本型數(shù)據(jù)的收集，使用預(yù)先設(shè)定錨定詞匯的CorEx半監(jiān)督模型進(jìn)行主題建模，結(jié)果見表6。

表6 關(guān)于算法意識(shí)的認(rèn)知文本數(shù)據(jù)主題建模

從中可以看出，被調(diào)查的青年用戶能夠意識(shí)到算法機(jī)制存在于互聯(lián)網(wǎng)平臺(tái)中，主要來源于以下方面的感知:媒體平臺(tái)的日常使用，算法的專業(yè)知識(shí)，算法的運(yùn)作機(jī)制，以及算法機(jī)制的影響。

具體地說，首先，被調(diào)查者的算法意識(shí)主要來源于其個(gè)人的日常經(jīng)驗(yàn)。娛樂軟件、社交媒體以及購物平臺(tái)組成了他們感知到算法機(jī)制存在的主要基礎(chǔ)設(shè)施，“廣告”“個(gè)性化”“精準(zhǔn)投放”等運(yùn)作影響也是他們高頻提及的算法意識(shí)來源。其次，被調(diào)查者所使用的詞匯也暗示了他們對(duì)于算法的批判理性態(tài)度，他們能夠意識(shí)到算法“精準(zhǔn)”“投放”的“個(gè)性化”內(nèi)容而導(dǎo)致的個(gè)人的“信息壁壘”，以及觀點(diǎn)的“一致化”，也能夠意識(shí)到算法通過“偷窺”“竊聽”等途徑對(duì)個(gè)人“隱私”的侵犯，以及算法中介下的新型數(shù)字“監(jiān)控”。最后，被調(diào)查者能夠在感知算法機(jī)制存在的基礎(chǔ)上探索算法的運(yùn)作機(jī)制。例如他們能夠指出“監(jiān)控”“偷聽”“瀏覽記錄”等與算法機(jī)制運(yùn)作有關(guān)的步驟，也能夠提及“大數(shù)據(jù)”“信息繭房”“殺熟”等與算法相關(guān)的專業(yè)術(shù)語，但是算法深層邏輯類關(guān)鍵詞，例如“流量池”“深度學(xué)習(xí)”等僅有較低的出現(xiàn)頻率，他們提及的算法機(jī)制運(yùn)作的相關(guān)描述也較為日常，意味著他們對(duì)于算法的整體認(rèn)知仍然相對(duì)表層與有限。

（續(xù)表）

為探究在讀大學(xué)生關(guān)于3類算法所驅(qū)動(dòng)的互聯(lián)網(wǎng)內(nèi)容產(chǎn)生相應(yīng)情感型態(tài)度的原因，本研究分別對(duì)算法驅(qū)動(dòng)的娛樂內(nèi)容、資訊內(nèi)容和廣告內(nèi)容進(jìn)行了高頻詞統(tǒng)計(jì)（見表7）。在讀大學(xué)生對(duì)算法驅(qū)動(dòng)的娛樂內(nèi)容的情感型態(tài)度中立偏積極（M=3.155，SD=0.829，t=4.22，p<0.01），但被調(diào)查者態(tài)度相對(duì)多樣，整體認(rèn)為其“有利有弊”。態(tài)度積極者認(rèn)為娛樂內(nèi)容滿足了個(gè)人需求，根據(jù)個(gè)人興趣精準(zhǔn)推薦，為購物、娛樂等帶來了生活的便利；態(tài)度消極者認(rèn)為其存在信息與隱私泄露的風(fēng)險(xiǎn)，軟件和平臺(tái)有“窺探”個(gè)人生活的嫌疑，同時(shí)其投其所好的機(jī)制也讓受眾的時(shí)間被浪費(fèi)。

表7 針對(duì)三類內(nèi)容情感態(tài)度原因高頻詞分析

針對(duì)資訊內(nèi)容，他們的情感型態(tài)度中立偏向消極（M=2.858，SD=0.945，t=-3.384，p<0.01）。在原因闡述中，除關(guān)注到隱私泄露問題外，多數(shù)在讀大學(xué)生認(rèn)為算法驅(qū)動(dòng)的資訊或新聞帶來了信息繭房，高度同質(zhì)化的內(nèi)容會(huì)局限個(gè)人的視野，會(huì)影響看待事物的客觀性和情緒。

針對(duì)廣告內(nèi)容，他們的情感型態(tài)度整體偏負(fù)面（M=2.151，SD=0.966，t=-19.708，p<0.01），主要受被調(diào)查者對(duì)廣告本身的厭惡影響，大多數(shù)人提到“厭煩”廣告本身，精準(zhǔn)推薦誘導(dǎo)購物會(huì)讓人感覺受到監(jiān)視。

（續(xù)表）

五、結(jié)論與討論

自2022年3月1日起，由國(guó)家互聯(lián)網(wǎng)信息辦公室，中華人民共和國(guó)工業(yè)和信息化部，中華人民共和國(guó)公安部，以及國(guó)家市場(chǎng)監(jiān)督管理總局聯(lián)合發(fā)布的《互聯(lián)網(wǎng)信息服務(wù)算法推薦管理規(guī)定》開始正式施行［34］。根據(jù)該項(xiàng)規(guī)定，以算法推薦為代表的算法技術(shù)，將受到官方的規(guī)制與管控，曾經(jīng)晦澀且封閉的算法黑箱，或許也將由此向公眾與社會(huì)讓渡一部分權(quán)力。算法權(quán)力已逐漸成為對(duì)個(gè)體和社會(huì)的新型數(shù)字威脅，而探索用戶對(duì)于算法的意識(shí)、態(tài)度以及互動(dòng)情況，并由此幫助用戶在與算法的博弈中賦權(quán)，是配合國(guó)家政策以實(shí)現(xiàn)對(duì)推薦等算法技術(shù)進(jìn)行規(guī)制和管控的另一條有效路徑。通過調(diào)查北京地區(qū)在讀大學(xué)生群體的算法意識(shí)、算法態(tài)度以及算法操縱行為，從理論視角來看，本研究在已有研究關(guān)于算法意識(shí)與算法態(tài)度的關(guān)系調(diào)查中加入了“算法價(jià)值型態(tài)度”的新維度，也加入了算法操縱行為的新視角，強(qiáng)調(diào)了用戶的主觀能動(dòng)性；而同時(shí)，在實(shí)際層面中，本研究呈現(xiàn)了中國(guó)情境下，青年群體與平臺(tái)算法互動(dòng)的經(jīng)驗(yàn)數(shù)據(jù)。本文的主要結(jié)論如下:

第一，數(shù)字鴻溝在算法中介下的互聯(lián)網(wǎng)情境中，有了新的呈現(xiàn)形式。其中，學(xué)歷越高的用戶，越能夠意識(shí)到算法在互聯(lián)網(wǎng)平臺(tái)中的存在，越對(duì)算法所驅(qū)動(dòng)的內(nèi)容產(chǎn)生消極態(tài)度。這一結(jié)論發(fā)展了黃忻淵的研究結(jié)論，她指出了用戶的教育背景差異對(duì)于算法新聞態(tài)度的影響［35］，也呼應(yīng)了Gran等人的研究，她們發(fā)現(xiàn)在挪威受過三年以及四年大學(xué)以上高等教育的被調(diào)查者擁有更高的算法意識(shí)，且對(duì)算法所驅(qū)動(dòng)的內(nèi)容持更加消極的態(tài)度［36］。本研究則在中國(guó)的語境中本土化了她們的結(jié)論，指出?？茖W(xué)生對(duì)于算法機(jī)制存在于互聯(lián)網(wǎng)平臺(tái)的意識(shí)程度明顯較低，也更傾向于對(duì)算法驅(qū)動(dòng)所輸出的內(nèi)容持有積極態(tài)度；這可能意味著他們更加難以識(shí)別以內(nèi)容推薦為形式的算法控制，從而陷入信息繭房的困境中。隨著學(xué)歷的增長(zhǎng)，青年群體更加能夠感知到信息繭房等算法中介下負(fù)面影響的控制，而對(duì)算法所驅(qū)動(dòng)的內(nèi)容也更能保持一個(gè)警醒而批判的態(tài)度。

由此，算法意識(shí)程度更高且更能客觀看待算法推薦內(nèi)容的高學(xué)歷群體，更能夠?qū)λ惴ū举|(zhì)與程序產(chǎn)生準(zhǔn)確的想象，而根據(jù)Bucher以及Christin的研究，這樣的想象不僅是一種感知，更是一種具有生產(chǎn)力的識(shí)別，能夠賦予高學(xué)歷群體在算法時(shí)代中以“象征性資源”［37］［38］，幫助他們?cè)谌粘Ｉ钜约熬蜆I(yè)市場(chǎng)中掌握更多的主動(dòng)權(quán)。郭哲也指出，算法系統(tǒng)的流行所帶來的數(shù)字鴻溝使得貧富差距的擴(kuò)大有了新的來源［39］。

但是需要注意的是，本研究同樣發(fā)現(xiàn)，雖然高學(xué)歷群體具有更高的算法意識(shí)與更加消極的算法情感型態(tài)度，但不同學(xué)歷的青年用戶在算法價(jià)值型態(tài)度與算法操縱行為上不存在顯著差異。這也就意味著，高學(xué)歷群體并不一定對(duì)算法價(jià)值具有高敏感度，他們也不一定會(huì)嘗試與算法進(jìn)行更加積極的博弈。

第二，青年群體用戶能夠理性看待算法神話。學(xué)者已經(jīng)指出，算法晦澀的運(yùn)作流程神秘化了它的本質(zhì)，引起了用戶對(duì)于其中介作用下計(jì)算機(jī)能力的幻想，導(dǎo)致了對(duì)算法的盲目崇拜［40］。這些盲目崇拜，源自人們所賦予算法在日常生活中各個(gè)方面的代理權(quán)，使得更多的人對(duì)技術(shù)產(chǎn)生了有效的誤解，而進(jìn)一步邀請(qǐng)它們參與更多的日常行為［41］。而本研究發(fā)現(xiàn)，被調(diào)查的青年用戶的算法情感型態(tài)度整體趨于中立偏消極，這意味著他們并未盲目地沉浸在算法所帶來的便利中，仍然能夠較為清醒地認(rèn)識(shí)到算法在互聯(lián)網(wǎng)平臺(tái)中作為中介的弊端。從主題建模的結(jié)果以及詞頻分析中也可以得知，他們能夠意識(shí)到算法代理下平臺(tái)利益追求的優(yōu)先性，以及其所導(dǎo)致的對(duì)個(gè)人隱私的侵犯、引導(dǎo)觀點(diǎn)的同質(zhì)化與極端化、個(gè)人時(shí)間的占據(jù)等，同時(shí)也在質(zhì)疑算法推薦下內(nèi)容的客觀性與真實(shí)性。

第三，算法仍以黑箱的形式，困擾著青年用戶群體。算法已經(jīng)被諸多學(xué)者證明嵌有潛在的歧視與偏見［42］［43］，但是本研究發(fā)現(xiàn)，青年群體對(duì)于算法價(jià)值的感知呈現(xiàn)鈍感，整體對(duì)算法的價(jià)值型內(nèi)涵持有趨向中立的態(tài)度，并不太能感知到算法中隱藏的帶有偏見的價(jià)值導(dǎo)向。同時(shí)，本研究還發(fā)現(xiàn)，雖然青年群體傾向于報(bào)告較高的算法意識(shí)，也就是說，大部分的青年能夠較好地意識(shí)到平臺(tái)算法的存在，但這并沒有與他們對(duì)算法的情感型態(tài)度、價(jià)值型態(tài)度以及算法操縱行為產(chǎn)生連帶的相關(guān)效應(yīng)。

這兩點(diǎn)發(fā)現(xiàn)也印證了Pasquale所提出的算法黑箱的本質(zhì)［44］:正如主題建模中所呈現(xiàn)的，即使青年群體能夠持有較高的算法意識(shí)，這種意識(shí)也趨于表層，難以幫助他們?cè)谒惴ê谙浒愕倪\(yùn)作中深入剖析算法的底層邏輯，從而降低了他們對(duì)于算法情感型態(tài)度與價(jià)值型態(tài)度的評(píng)估敏感性，也沒能刺激他們進(jìn)一步進(jìn)行操縱算法的實(shí)踐。他們并不能對(duì)算法中內(nèi)嵌的歧視與偏見產(chǎn)生準(zhǔn)確的感知，而對(duì)算法價(jià)值取向，例如公平性與客觀性等不置可否。

第四，在與算法的互動(dòng)博弈中，青年用戶仍處于被動(dòng)。雖然絕大多數(shù)被調(diào)查的青年用戶都能夠意識(shí)到平臺(tái)算法的存在，但他們的合作型操縱算法行為頻次中等，而反抗型操縱算法的行為更是偏少。也就是說，青年用戶一般不會(huì)嘗試影響算法的運(yùn)作，也不會(huì)挑戰(zhàn)算法的輸出，大多數(shù)情況下僅在旁觀算法的自主運(yùn)作，等待算法的運(yùn)作結(jié)果。需要注意的是，算法隨著在更多的平臺(tái)中成為中介，已逐漸成為具有權(quán)力的行動(dòng)者，影響著用戶的日常生活［45］。而在與算法的博弈中，青年用戶對(duì)操縱算法的鈍感，很有可能給予平臺(tái)算法壓制他們的權(quán)力而獲取更大權(quán)力的空間，導(dǎo)致他們?cè)诿鎸?duì)算法時(shí)，面臨更加嚴(yán)重的數(shù)字控制。孫萍的研究便證明了，在與平臺(tái)算法的博弈中，外賣員只有積極進(jìn)行“逆算法”的實(shí)踐，尋找算法漏洞而嘗試操縱算法的演化與輸出，才能夠更好地維護(hù)自己的權(quán)益，減少算法對(duì)自身的數(shù)字控制［46］。

本研究進(jìn)一步發(fā)現(xiàn)，青年用戶的算法態(tài)度直接影響了他們對(duì)算法的操縱行為:被調(diào)查的青年用戶對(duì)于算法的情感型態(tài)度與價(jià)值型態(tài)度均直接影響了他們對(duì)于算法的合作型操縱行為，而他們的算法價(jià)值型態(tài)度直接影響了他們對(duì)于算法的反抗型操縱行為。具體地說，當(dāng)他們認(rèn)可算法驅(qū)動(dòng)所輸出的內(nèi)容且信任算法的公平與效用時(shí)，會(huì)更加傾向于順從平臺(tái)算法的規(guī)則，參與算法的運(yùn)作而影響算法輸出的結(jié)果；而就反抗型操縱而言，當(dāng)他們不認(rèn)同平臺(tái)算法的價(jià)值取向，尤其是對(duì)其產(chǎn)生不信任的感知時(shí)，更加傾向于尋找擾亂或移除算法機(jī)制的途徑以反抗平臺(tái)算法。這一結(jié)論也在一定程度上發(fā)展了Lee的研究，她通過調(diào)查人們對(duì)于算法中介的決策，呈現(xiàn)了用戶信任或不信任算法決策的情境［47］，而本研究則為探明用戶信任或不信任算法系統(tǒng)之后的行為提供了一定的數(shù)據(jù)。

基于以上結(jié)論，本研究認(rèn)為，在規(guī)制與管控算法的努力中，除了采取自上而下的手段，完善相關(guān)規(guī)章制度，限制算法的權(quán)力外，仍然需要有針對(duì)性地加強(qiáng)訓(xùn)練用戶對(duì)于算法的感知，以期待自下而上地協(xié)助進(jìn)行對(duì)于算法的限制與平衡。首先，應(yīng)當(dāng)通過開設(shè)講座等方式，在學(xué)校內(nèi)加強(qiáng)青年群體，尤其是專科學(xué)生對(duì)于算法的了解與認(rèn)識(shí)，幫助他們形成除算法推薦存在感知以外的更深層次的、對(duì)于算法內(nèi)涵及偏見的感知與認(rèn)識(shí)。其次，利用主題建模中所呈現(xiàn)的被調(diào)查者多次提及的算法意識(shí)的來源途徑，即各類互聯(lián)網(wǎng)平臺(tái)，例如微信、微博、淘寶、抖音等，以短視頻等通俗易懂的方式普及算法的基本知識(shí)以及如何保護(hù)自己的權(quán)益等信息，幫助用戶自身以更科學(xué)、更系統(tǒng)的方式生成能夠與算法博弈的民間理論。

最后，本研究仍存在一些局限。一方面，由于整體樣本僅局限于北京地區(qū)高校在讀大學(xué)生，且通過網(wǎng)絡(luò)滾雪球抽樣以及受限于疫情校園封控而難以結(jié)合線下推廣問卷收集樣本等因素的影響，樣本的代表性和可推廣性受到一定影響；未來的研究可以在有能力的情況下，采取更結(jié)構(gòu)化的抽樣方法聚焦更加多元的群體，平衡家庭背景、城鄉(xiāng)差異、地區(qū)、學(xué)習(xí)層次、性別等多方面要素。另一方面，用戶對(duì)算法的操縱行為可能受到更加多元復(fù)雜因素的影響，本研究在分析中納入的用戶的算法意識(shí)以及算法態(tài)度等變量在解釋力上仍然存在不足，存在繼續(xù)探索的空間，例如，未來研究可以將用戶算法知識(shí)豐富與準(zhǔn)確程度作為變量納入測(cè)度。再一方面，關(guān)于用戶對(duì)于算法價(jià)值取向的探索以及操縱算法的嘗試，量化方法或許難以檢驗(yàn)態(tài)度原因以及展現(xiàn)多元操縱途徑，未來研究可以采用深度訪談等質(zhì)化方法來補(bǔ)充用戶的了解和看法?！?/p>