趙世調(diào) 周陽(yáng)

（云南師范大學(xué)，云南 昆明 650500）

平臺(tái)社會(huì)的興起使得算法推薦信息成為數(shù)字平臺(tái)與用戶展開互動(dòng)的關(guān)鍵基礎(chǔ)設(shè)施。作為一種高效的信息分發(fā)形式，算法推薦通過大數(shù)據(jù)及用戶畫像進(jìn)行海量推送，完成“人找信息”到“信息找人”，實(shí)現(xiàn)信息與需求的高度匹配，抓住用戶眼球，增強(qiáng)用戶黏性。然而，算法在提高信息分發(fā)效率的同時(shí)，也可能導(dǎo)致算法黑箱、偏見與歧視、信息過載等，進(jìn)而導(dǎo)致用戶產(chǎn)生社交媒體倦怠、被迫斷聯(lián)等主動(dòng)遠(yuǎn)離算法推薦平臺(tái)的行為。

將算法作為研究對(duì)象，實(shí)則是一種“算法中心主義”的表現(xiàn)，忽略了算法實(shí)踐中“被寫作者”與“特定寫作者”的隱匿。在實(shí)際使用中，平臺(tái)用戶作為連接和體驗(yàn)算法的重要一端，往往會(huì)根據(jù)體驗(yàn)做出互動(dòng)實(shí)踐反饋，基于個(gè)體體驗(yàn)與主觀能動(dòng)性進(jìn)行算法抵抗或算法馴化，在算法－平臺(tái)－用戶的互構(gòu)過程中養(yǎng)成適合自身需求的賬號(hào)，促使個(gè)性化推薦內(nèi)容最大化滿足自身需求。本文將目光聚焦于用戶，針對(duì)大學(xué)生群體在小紅書平臺(tái)使用過程中對(duì)于個(gè)性化推薦信息的看法及是否采取相關(guān)行動(dòng)，如：關(guān)閉個(gè)性化推薦，以及使用過程中對(duì)用戶畫像的感知、是否有渴望增強(qiáng)某類信息的主體意識(shí)等，探索用戶對(duì)信息推薦-算法馴化-平臺(tái)搖擺等鏈條的傳導(dǎo)路徑，由此拓寬社會(huì)技術(shù)語(yǔ)境下算法的相關(guān)研究，具有一定的研究意義。

1.文獻(xiàn)回顧及概念界定

1.1 從技術(shù)嵌入到文化邏輯

算法的英文單詞algorithm 來(lái)源于希臘語(yǔ)中的“數(shù)字”（arithmos）和阿拉伯語(yǔ)中的“計(jì)算”（al-jabr）。[1]隨著人工智能、人機(jī)交互等的飛速發(fā)展，以算法為代表的計(jì)算機(jī)技術(shù)正迅速將技術(shù)一人－社會(huì)三者勾連成為一體。算法系統(tǒng)作為是一個(gè)復(fù)雜網(wǎng)絡(luò)系統(tǒng)，就像是“數(shù)百只手伸進(jìn)其中，調(diào)整和優(yōu)化，交換部件，并試驗(yàn)新的安排”。[2]其高度復(fù)雜的構(gòu)成及深度學(xué)習(xí)能力使得普通用戶幾乎不可能掌握算法處理的技術(shù)特征。同時(shí)在資本加持、商業(yè)競(jìng)爭(zhēng)的背景下，算法成為一種非公開的計(jì)算程序以維持平臺(tái)的獨(dú)特性，與平臺(tái)一同嵌入人類生活的各個(gè)方面。

隨著平臺(tái)社會(huì)與技術(shù)嵌入的深化，算法嵌入了網(wǎng)絡(luò)社會(huì)的各個(gè)領(lǐng)域，參與構(gòu)建了理解傳播實(shí)踐和社會(huì)生活的基礎(chǔ)性框架。[3]在各類研究紛紛開始講述用戶“個(gè)人算法故事”時(shí)，忽略了算法對(duì)于社會(huì)文化邏輯的改寫，缺乏更為宏觀層面對(duì)算法轉(zhuǎn)換為社會(huì)知識(shí)的過程描繪與傳播。[4]在浩如煙海的信息海洋中，算法需要根據(jù)用戶興趣習(xí)慣和社會(huì)特征進(jìn)行內(nèi)容篩選匹配，呈現(xiàn)在用戶信息流中，滿足其信息需求。內(nèi)置于信息終端的算法技術(shù)顯然成為把關(guān)人，正如英國(guó)文化研究專家拉什（Scott Lash）所說(shuō)，“在一個(gè)媒體和代碼無(wú)處不在的社會(huì)，權(quán)力越來(lái)越存在于算法之中?！盵5]算法成為支配信息呈現(xiàn)秩序、決定信息重要程度的隱性邏輯，影響著政治、經(jīng)濟(jì)、文化等生活的各方面。由于其對(duì)社會(huì)的深遠(yuǎn)影響，疊加普遍認(rèn)可的“黑箱”隱喻，算法正被形塑為一個(gè)不透明的、抽象的技術(shù)范疇。

1.2 從算法投喂到內(nèi)容重組

國(guó)內(nèi)對(duì)算法的研究主要始于以個(gè)性化推薦為主的今日頭條平臺(tái)，其由算法決策進(jìn)行信息投喂，始終保持信息更新頻率，并依據(jù)用戶需求實(shí)現(xiàn)信息的精準(zhǔn)分發(fā)，沉浸式進(jìn)行信息喂養(yǎng)。張瀟瀟認(rèn)為，算法新聞個(gè)性化推薦改變了用戶傳統(tǒng)信息行為模式、實(shí)現(xiàn)了內(nèi)容的精準(zhǔn)分發(fā)、促進(jìn)了新聞生產(chǎn)場(chǎng)域的擴(kuò)張；但同時(shí)也面臨著用戶信息繭房、主流價(jià)值導(dǎo)向的缺乏、算法審查對(duì)用戶知情權(quán)的控制等。[6]徐敬宏認(rèn)為在工具理性的主導(dǎo)下，新聞信息的分發(fā)和編審權(quán)逐漸轉(zhuǎn)移到算法手中。算法平臺(tái)上的“五毛貼”和“流量號(hào)”等能夠引起感官刺激的內(nèi)容成為最吸引眼球的核心內(nèi)容，并且這些內(nèi)容能夠?qū)崿F(xiàn)隱蔽性、精準(zhǔn)性和長(zhǎng)期存在性的“信息喂養(yǎng)”。這種情況如果一直持續(xù)下去，將會(huì)導(dǎo)致低質(zhì)量?jī)?nèi)容驅(qū)逐高質(zhì)量?jī)?nèi)容的現(xiàn)象，進(jìn)而導(dǎo)致優(yōu)質(zhì)內(nèi)容被邊緣化，甚至無(wú)法在公共空間進(jìn)行理性討論。[7]

隨著研究深入，學(xué)界逐漸認(rèn)識(shí)到算法推薦信息由“投喂”到“重組”的轉(zhuǎn)向，用戶的主體性逐漸凸顯。在對(duì)“算法—用戶”關(guān)系中用戶主體性與能動(dòng)性重新思考的基礎(chǔ)上， Couldry 和 Powell（2014）認(rèn)為，目前算法研究的重心應(yīng)該從“算法中心”轉(zhuǎn)向“算法用戶互動(dòng)”，即：由探討算法的單向結(jié)構(gòu)性霸權(quán)，轉(zhuǎn)向日常社交媒體使用中用戶與算法的雙向博弈實(shí)踐。[8]作為直面算法的使用者，用戶在與算法互動(dòng)的過程中呈現(xiàn)出兩面性，一方面表現(xiàn)為對(duì)算法的積極配合，如：為擴(kuò)大信息范圍而根據(jù)設(shè)定規(guī)則使用，另一方面則對(duì)算法輸出結(jié)果的“改寫”和“顛覆”。[9]張萌則通過訪談法對(duì)用戶算法抵抗行為進(jìn)行了分類：（1）對(duì)算法產(chǎn)品的空間隔絕；（2）對(duì)算法規(guī)則的自我重組；（3）對(duì)算法規(guī)則的主動(dòng)嵌入；（4）對(duì)算法邏輯的反向規(guī)訓(xùn)與控制， 最典型的就是用戶通過有意識(shí)地“投喂自身偏好”來(lái)訓(xùn)練算法。[10]用戶視角的引入，極大改變了以算法為元結(jié)構(gòu)的研究，從算法無(wú)限投喂信息到用戶自主重組信息，對(duì)其重要程度進(jìn)行自我甄別，也是從消極受眾觀向主動(dòng)用戶觀的轉(zhuǎn)向。

1.3 從消極受眾到主動(dòng)用戶

“受眾”，詞義為大眾傳播的信息接收者，與之相近的有大眾、人民、群體等詞，其核心在于其內(nèi)涵的主動(dòng)性與被動(dòng)性的博弈?！澳椪摗薄翱贪逵∠蟆薄笆鼙娚唐氛摗钡染鶎⑹鼙娨暈楸粍?dòng)消極的存在。既往研究或多或少繼承了這一觀點(diǎn)，將算法推薦下的受眾視為沉迷在信息流中，接受訊息不斷窄化，扮演算法“受害者”的角色。學(xué)者匡文波指出，用戶必須讓渡一部分個(gè)人隱私才能獲得信息的精準(zhǔn)匹配，并在此過程中受到算法黑箱、用戶標(biāo)簽等的限制難以實(shí)現(xiàn)真正意義上的信息世界全貌，成為單向度被投喂的“信宿”，始終面臨著隱私讓渡與全景監(jiān)獄、自主讓渡與規(guī)訓(xùn)操縱、平等讓渡與算法歧視、知情讓渡與技術(shù)黑箱、被遺忘讓渡與永久記錄這幾對(duì)矛盾。[11]不少學(xué)者將用戶的點(diǎn)擊、瀏覽、分享等行為視為替平臺(tái)進(jìn)行數(shù)字勞動(dòng)，在進(jìn)行情感勞動(dòng)的同時(shí)容易遭到算法和平臺(tái)的情感剝削和價(jià)值壓榨。

隨著用戶視角的引入，不少學(xué)者開始認(rèn)識(shí)到用戶的主觀能動(dòng)性，甘險(xiǎn)峰等認(rèn)為在新媒體語(yǔ)境下，被動(dòng)的受眾應(yīng)該改為主動(dòng)的用戶。[12]回顧西方“受眾主動(dòng)性”的研究，拜歐卡將學(xué)界關(guān)于主動(dòng)性的論述分為五種，即選擇性、功利主義、目的性、抵制影響、卷入或參與。[13]不少研究對(duì)社交媒體用戶使用算法的行為進(jìn)行研究，如：“順從”算法內(nèi)容推薦規(guī)則來(lái)馴化算法；利用“算法想象”中的排名規(guī)則使自己想要展示的內(nèi)容權(quán)重上升，達(dá)到信息“可見”；通過更改個(gè)人偏好設(shè)置來(lái)“戲弄”“迷惑”算法達(dá)到“意外”的推薦可見性效果、通過變更用戶身份權(quán)限設(shè)置來(lái)對(duì)抗推薦算法對(duì)邊緣群體的歧視 等。[14]諸如此類在算法推薦的給定框架下，利用其深度學(xué)習(xí)能力，進(jìn)行信息喂養(yǎng)，進(jìn)而實(shí)現(xiàn)算法馴化，“養(yǎng)成”屬于自己的賬號(hào)，滿足其信息獲取需求，形成屬于自己的個(gè)性化推薦體系。

1.4 概念界定

綜上所述，本文將個(gè)性化推薦界定為：用戶在使用小紅書時(shí)，基于平臺(tái)屬性，如：內(nèi)容偏好、頁(yè)面設(shè)計(jì)和推薦方式，如：基于好友關(guān)系的社交推薦、熱搜榜設(shè)置，在其綜合算法推薦技術(shù)的基礎(chǔ)上，瀏覽推送信息、輸入需求信息、滋養(yǎng)算法、并逐漸適應(yīng)自身需求的推薦機(jī)制。通過對(duì)內(nèi)容權(quán)重的排序和重組，實(shí)現(xiàn)信息與用戶需求的高度匹配，使平臺(tái)更好地為用戶服務(wù)。在對(duì)其概念化和操作化后，提出以下三個(gè)研究問題。

（1）大學(xué)生用戶在小紅書平臺(tái)的使用情況？具體包括是否使用、使用年限、每天使用時(shí)長(zhǎng)及瀏覽偏好等。

（2）在使用過程中對(duì)個(gè)性化推薦信息的態(tài)度及具有算法馴化意識(shí)？如：是否意識(shí)到平臺(tái)內(nèi)容由算法推薦生成、是否享受個(gè)性化推薦算法、是否主動(dòng)進(jìn)行算法調(diào)試等。

（3）如何看待個(gè)性化推薦信息與信息繭房的關(guān)系？具體包括個(gè)性化推薦信息是否對(duì)其信息選擇造成影響、是否滿足各方面需求及是否認(rèn)為平臺(tái)算法導(dǎo)致信息過濾、信息繭房等。

2.研究設(shè)計(jì)

本文從用戶視角切入，以大學(xué)生用戶對(duì)小紅書平臺(tái)的個(gè)性化推薦信息的態(tài)度研究為研究目的，通過問卷調(diào)查與深度訪談兩種方式，重點(diǎn)對(duì)用戶畫像感知程度、平臺(tái)信息同質(zhì)化、個(gè)性化推薦機(jī)制生成依據(jù)及算法馴化意識(shí)等問題展開探討。調(diào)查問卷在發(fā)放前先進(jìn)行小范圍前測(cè)，針對(duì)出現(xiàn)問題進(jìn)行修正，重新發(fā)放，并在問卷末尾根據(jù)填寫對(duì)象意愿展開深度訪談，對(duì)自愿接受訪談的對(duì)象進(jìn)行抽樣，選取部分調(diào)查對(duì)象展開進(jìn)一步深度訪談，為結(jié)論提供進(jìn)一步質(zhì)化文本支撐。其中，調(diào)查問卷主要分為使用情況、對(duì)個(gè)性化推薦信息的看法、算法意識(shí)及基本信息四部分。共發(fā)放并回收221 份調(diào)查問卷，有效問卷205 份，有效回收率為92.7%。在問卷中內(nèi)嵌測(cè)謊題正確填寫人數(shù)198 人，自愿填寫接受深度訪談24 人，隨機(jī)抽樣選取6 人展開進(jìn)一步訪談，與調(diào)查問卷互為補(bǔ)充。人均訪談時(shí)間約為30 分鐘，重點(diǎn)了解小紅書的使用情況、使用過程中是否有意識(shí)到算法的存在，如何看待個(gè)性化推薦信息與信息繭房的關(guān)系，在使用時(shí)是否參與互動(dòng)，對(duì)小紅書的改進(jìn)建議等。上述訪談均在征得訪談對(duì)象同意后全程錄音，轉(zhuǎn)錄整理為文字訪談材料留存，遵守保密原則根據(jù)訪談順序進(jìn)行編號(hào)并進(jìn)一步針對(duì)訪談材料總結(jié)進(jìn)行研究（具體如表1 所示）。

表1 本文中出現(xiàn)的研究對(duì)象基本情況一覽表

2.1 數(shù)據(jù)與樣本

本文的數(shù)據(jù)來(lái)源于網(wǎng)絡(luò)調(diào)查平臺(tái)問卷星，總填寫人數(shù)221 人，排除未使用小紅書平臺(tái)16 人，內(nèi)嵌測(cè)謊題有效填寫人數(shù)198 人，有效率為96.5%。在所有受訪者中，男性占11.71%，女生占87.8%，第三性別占0.49%。受訪者年齡段集中在18-25 歲，學(xué)歷集中在大學(xué)（含大專及碩士生及以上），符合大學(xué)生用戶這一研究樣本的人口學(xué)特征，接近日常話語(yǔ)中“5G沖浪”“互聯(lián)網(wǎng)原住民”的群體想象，其對(duì)互聯(lián)網(wǎng)技術(shù)掌握較好，對(duì)新興技術(shù)接受程度高且敏感性強(qiáng)，且性別上與小紅書定位為相符合，是其主流用戶與市場(chǎng)目標(biāo)。

2.2 信效度檢驗(yàn)

通過SPSS 軟件對(duì)問卷結(jié)果進(jìn)行導(dǎo)入分析，檢測(cè)信度系數(shù)值為0.974，大于0.9，信度較高。在對(duì)算法推薦滿意度、使用體驗(yàn)、個(gè)性化推薦信息、算法意識(shí)及算法馴化五個(gè)方面進(jìn)行測(cè)量時(shí)，采用了李克特五級(jí)量表，并使用KMO 和 Bartlett 檢驗(yàn)進(jìn)行效度驗(yàn)證，KMO值為0.899，大于0.8，數(shù)據(jù)可以被有效提取信息。

3.研究過程

3.1 決策的基礎(chǔ)：算法想象

算法想象意指“思考算法是什么，它們應(yīng)該是什么，它們?nèi)绾芜\(yùn)作的，以及這些想象反過來(lái)又使什么成為可能”等相關(guān)問題。[15]其前身是用戶意識(shí)到算法的存在及其潛在影響，即算法意識(shí)。個(gè)性化推薦信息是以平臺(tái)算法推薦為前提，進(jìn)行個(gè)性化、定制化推薦機(jī)制訓(xùn)練，使得信息滿足自身需求，逐漸養(yǎng)成屬于自己的賬號(hào)。本文針對(duì)用戶是否存在明確的算法意識(shí)進(jìn)行測(cè)量，86.83%的受訪者表示能夠意識(shí)到是平臺(tái)算法在進(jìn)行內(nèi)容推薦；71.7%認(rèn)為小紅書平臺(tái)算法優(yōu)于其他平臺(tái)；69.26%的受訪者認(rèn)為算法推薦內(nèi)容是為其量身定制的；74.64%認(rèn)為算法自動(dòng)決定了其能看到什么內(nèi)容；84.88 的受訪者認(rèn)為算法推薦基于其在平臺(tái)上的使用行為；78.05 的受訪者認(rèn)為算法推薦并不透明。

由此看出，對(duì)推薦算法的認(rèn)知是進(jìn)一步展開個(gè)性化推薦算法馴化的決策基礎(chǔ)?；趥€(gè)體經(jīng)驗(yàn)想象出的算法推薦規(guī)則，如：使用行為、在線行為、隱私數(shù)據(jù)等將成為其改寫算法規(guī)則的重要參考依據(jù)。如：認(rèn)為小紅書平臺(tái)算法由于其他平臺(tái)的用戶有較大可能繼續(xù)使用小紅書，對(duì)其投入較多時(shí)間精力，并通過該改編其使用行為對(duì)平臺(tái)算法推薦產(chǎn)生影響，滋養(yǎng)算法等。

3.2 猶豫的行動(dòng)：算法抵抗

算法抵抗主要指社交媒體平臺(tái)用戶對(duì)其推薦算法的一種干預(yù)性數(shù)字實(shí)踐，即利用其自身對(duì)算法的認(rèn)知和實(shí)踐行動(dòng)展開積極抵抗。[16]本文對(duì)抵抗算法的態(tài)度進(jìn)行測(cè)量，并將其具體界定為：抵抗算法帶來(lái)的益處，如：獲取更多信息、發(fā)掘興趣愛好、提高瀏覽效率及促進(jìn)信息分享。其中分別有65.36%、70.71%、56.1%、49.46%的受訪者在以上方面表示認(rèn)同。結(jié)合訪談，受訪者對(duì)于算法抵抗行動(dòng)本身及帶來(lái)的益處分化明顯。

“比如高頻率地刷到同樣的內(nèi)容，我就會(huì)趕緊點(diǎn)了不感興趣或者是不喜歡該博主?！保ㄔL談?wù)? 號(hào)）；

“我不參與互動(dòng)，我不評(píng)論，不點(diǎn)贊也不轉(zhuǎn)發(fā)，但是我會(huì)點(diǎn)擊不感興趣的標(biāo)簽。（我會(huì)）盡量屏蔽這些東西，不要再出現(xiàn)在我的推送里”（訪談?wù)? 號(hào)）；

“我一般不會(huì)點(diǎn)不感興趣，因?yàn)樗@個(gè)算法我也搞不清楚他是怎么運(yùn)作的，我覺得它可能會(huì)把一些我感興趣的也弄掉。所以我就我一般不會(huì)去點(diǎn)那個(gè)東西?！保ㄔL談?wù)? 號(hào)）；

“我一般不會(huì)點(diǎn)那個(gè)感興趣，因?yàn)槲矣X得他的那個(gè)入口有點(diǎn)麻煩，一般就劃走?！保ㄔL談?wù)? 號(hào)）。

由此看出，算法抵抗對(duì)于用戶而言是一個(gè)猶豫的行為，一面是反饋后算法規(guī)則不透明帶來(lái)的不確定性，一面是對(duì)現(xiàn)有內(nèi)容的無(wú)法忍受，兩者相互博弈。本文將算法抵抗具體定義為對(duì)不感興趣的內(nèi)容進(jìn)行標(biāo)記，點(diǎn)擊“不感興趣”標(biāo)簽等直面平臺(tái)算法的行動(dòng)。少部分用戶享受標(biāo)記內(nèi)容、定制個(gè)性化推薦算法的過程，并認(rèn)為這一行動(dòng)能獲取更多的信息、發(fā)掘更多興趣愛好及提高信息瀏覽效率等。而更多受訪者則保持中立，較少進(jìn)行內(nèi)容標(biāo)記。

3.3 稱手的工具：算法馴化

本文將算法馴化定義為：用戶基于個(gè)人需求對(duì)算法規(guī)則進(jìn)行改寫，重構(gòu)，并與算法相互構(gòu)建、影響及消費(fèi)的長(zhǎng)期過程，包括：算法馴化意識(shí)、行動(dòng)及其過程中的心理表現(xiàn)（愉悅或厭惡）。對(duì)其進(jìn)行操作化后具體表現(xiàn)為：是否主動(dòng)訓(xùn)練算法，訓(xùn)練算法是否受朋輩、媒體影響，訓(xùn)練算法所花費(fèi)的時(shí)間精力，是否享受訓(xùn)練算法，是否選擇直接關(guān)閉算法推薦五個(gè)方面。其中對(duì)前兩個(gè)因素進(jìn)行頻數(shù)分析。

對(duì)訓(xùn)練算法所花費(fèi)的時(shí)間精力、是否享受訓(xùn)練算法、是否選擇直接關(guān)閉算法推薦三個(gè)因素進(jìn)行分析得出，56.56%的受訪者認(rèn)為其在訓(xùn)練算法上花費(fèi)的時(shí)間精力是值得的；43.93%的受訪者享受算法馴化過程，35.35%的受訪者持中立態(tài)度；34.34%的受訪者表示不會(huì)直接關(guān)閉個(gè)性化推薦。

訪談過程中，受訪者多次提及將小紅書平臺(tái)定位為工具，即解決生活小事、搜集旅游攻略、種草美妝產(chǎn)品等，都與小紅書slogan“兩億人的生活經(jīng)驗(yàn)”不謀而合。

“我當(dāng)它是娛樂工具，做題工具，我唯一沒當(dāng)它是一個(gè)信息獲取的一個(gè)方式。”（訪談?wù)? 號(hào)）。

“我覺得他的工具屬性還是蠻強(qiáng)的。就比如說(shuō)你去搜索引擎肯定是搜不到這些東西，但是你在小紅書就可以搜到。（訪談?wù)? 號(hào)）。

“比如出去逛街買東西吃，或者去看某一家店的評(píng)論，這種會(huì)專門搜索關(guān)鍵詞去使用小紅書?！保ㄔL談?wù)? 號(hào)）。

對(duì)于用戶而言，發(fā)揮平臺(tái)價(jià)值、獲取所需信息成為使用其的主要目的。小紅書作為工具屬性極強(qiáng)的算法推薦平臺(tái)，無(wú)論用戶是否選擇馴化算法、定制個(gè)性化推薦內(nèi)容，其終極目標(biāo)都是使其發(fā)揮價(jià)值，為我所用。在算法馴化與個(gè)體需要的二元關(guān)系中，用戶占據(jù)主導(dǎo)地位，擁有著較大的主動(dòng)權(quán)，因而能夠抵抗算法在其中的負(fù)面影響，消解其可能帶來(lái)的信息繭房。除按照自身需要對(duì)內(nèi)容重要程度等進(jìn)行重組外，部分用戶還會(huì)“戲弄算法”，使其難以分辨用戶的真實(shí)身份，因而避開精準(zhǔn)投送，豐富其信息供給。

“我覺得我不會(huì)讓那種個(gè)性化推進(jìn)信息陷入這種信息繭房，因?yàn)槲冶容^反信息繭房，因?yàn)槲冶旧硪彩菍W(xué)新傳的，然后我就覺得這種信息繭房的弊端。然后我就在搜索和瀏覽的時(shí)候，會(huì)故意避開它想給我塑造成的那個(gè)用戶的畫像，然后我就像剛剛說(shuō)的，他可有時(shí)候會(huì)把我識(shí)別成寶媽，有時(shí)候會(huì)把我識(shí)別成家庭主婦，也就是我在反這種信息繭房的一個(gè)行為。我會(huì)因?yàn)橐恍┧阉髯屗麑?duì)我產(chǎn)生一些畫像的認(rèn)知，然后我又不去瀏覽那些信息，反而去點(diǎn)擊，不感興趣。然后我就避開了一些推薦但是不想關(guān)注的一些東西，比如說(shuō)我喜歡美妝，喜歡護(hù)膚，然后美食那方面我還是會(huì)有所保留，并且我也希望他多給我推送相關(guān)的信息?！保ㄔL談?wù)? 號(hào)）。

3.4 個(gè)體的選擇：主觀能動(dòng)性

在用戶與算法、平臺(tái)接觸日益密切的今天，人們已不可避免地與其正面交鋒。與最初假設(shè)一致，60.4%的受訪者認(rèn)為長(zhǎng)期接觸算法過濾后的信息將導(dǎo)致信息封閉，形成信息繭房。但在與訪談?wù)咴L談后，個(gè)性化推薦與信息繭房關(guān)聯(lián)并不如此密切，其中與用戶媒介素養(yǎng)、算法知識(shí)水平等密切相關(guān)。在使用小紅書時(shí)，用戶往往會(huì)發(fā)揮其主觀能動(dòng)性進(jìn)行算法馴化，尋求適合自己的內(nèi)容，而這也正是平臺(tái)“千人千面”的來(lái)源。而除信息繭房外，用戶更為擔(dān)心的是大數(shù)據(jù)時(shí)代個(gè)人隱私泄露、內(nèi)容版權(quán)、平臺(tái)職責(zé)履行等問題。

結(jié)語(yǔ)

本文以大學(xué)生用戶的平臺(tái)使用、算法相遇實(shí)踐作為分析對(duì)象，對(duì)其基于小紅書使用過程中的個(gè)性化推薦信息的態(tài)度進(jìn)行調(diào)查分析，并選取部分用戶進(jìn)行線上線下訪談，總結(jié)其算法意識(shí)、算法抵抗、算法馴化等相關(guān)實(shí)踐，進(jìn)一步對(duì)個(gè)性化推薦信息接觸與是否產(chǎn)生信息繭房的相關(guān)性進(jìn)行證偽。本文認(rèn)為，用戶對(duì)于個(gè)性化推薦信息的態(tài)度與其媒介素養(yǎng)、算法意識(shí)等因素高度相關(guān)，個(gè)性化推薦信息本質(zhì)上是用戶定制化內(nèi)容與算法推薦機(jī)制相互融合的結(jié)果。大學(xué)生用戶作為“互聯(lián)網(wǎng)原住民”，對(duì)新技術(shù)、新平臺(tái)習(xí)得能力較強(qiáng)，較其他群體有較高的媒介素養(yǎng)與較為豐富的平臺(tái)選擇。其對(duì)于個(gè)性化推薦信息的態(tài)度總體呈現(xiàn)發(fā)揮平臺(tái)工具屬性、有意識(shí)地進(jìn)行算法抵抗與算法馴化，達(dá)成內(nèi)容重組、信息優(yōu)化排序等，最大化實(shí)現(xiàn)平臺(tái)為“我”所用?；谟脩糁黧w驅(qū)動(dòng)的平臺(tái)使用行為，對(duì)算法推薦本身的繭房構(gòu)建具有一定的消解。

但同時(shí)，本文在以下幾方面亦存在一定的局限性。一是線上問卷發(fā)放可能導(dǎo)致填寫過程不規(guī)范、缺乏樣本代表性；二是深度訪談對(duì)象選擇相對(duì)隨機(jī)，共性提取不足?？傮w而言，本文遵循科學(xué)規(guī)范的數(shù)據(jù)收集步驟，采用質(zhì)化與量化相互結(jié)合的研究方法，對(duì)上述缺陷有所彌補(bǔ)。