基于眼動實驗的網站個性化推薦系統信息偶遇特征的實證研究

劉春茂 張學佳 周悅

摘 要：[目的/意義]本研究以具有代表性的在校大學生為實驗對象，試圖探索用戶在不同邏輯的個性化信息推薦系統中信息偶遇的差異。[方法/過程]本研究將信息偶遇和心理學領域的眼動實驗相結合，以及定量定性分析相結合，驗證了所提出的研究假設。[結論/發現]得到了以下個性化認識：類“知網節”用戶維度的推薦系統在網站中信息偶遇效果更明顯;用戶的信息偶遇行為是一個復雜性系統的黑箱過程，可以通過調試網站的信息構建來提供更好的偶遇機會;揭示出規范算法推薦，避免過度與無序推薦而造成的“信息焦慮與信息繭房”雙向疊加“過濾泡”效應的必要性。

關鍵詞：信息偶遇;信息推薦;眼動實驗;信息構建;信息繭房

DOI：10.3969/j.issn.1008-0821.2022.05.003

〔中圖分類號〕G252.0 〔文獻標識碼〕A 〔文章編號〕1008-0821（2022）05-0026-12

Abstract：[Objective/Meaning]The representative college students are taken as testees to explore the significant differences of information encounter among the users in different logics of personalized information recommendation systems.[Method/Process]Based on interdisciplinary research of encountering information and eye movement experiment，combined with quantitative and qualitative analysis，hypothesis was verified.[Conclusion/Discovery]The recommendation system derived from user behaviors like“CNKI Nodes”gets more web IE results;Although IE behaviour of users is a black box process of complex system，reasonable information architecture can increase the effectiveness of it;Is is essential to standard the algorithm recommendation to avert“the filter bubble”effect of superimposed“information anxiety and information cocoons”result ?in ?excessive disorder recommendations.

Key words：information encountering;information recommendation;eye movement experiment;information architecture;information cocoons

網站個性化推薦已成為網站信息服務的主流，其目的在于關聯用戶的認識，并連帶地獲得更多的信息及商品的選購。推薦系統的激勵需求、擴大消費的目的所產生的效果如何？在信息不對稱的前提下，用戶端的“不期而遇”的偶遇效果怎樣？尚缺乏用戶端的“信息偶遇”視角的實證支持。特別是，2021年9月9日，在國家網信辦《互聯網信息服務算法推薦管理規定（意見稿）》已公開向社會征求意見的背景下，“去用戶選擇化”的個性化推薦的用戶認知層面的偶遇效果研究就尤為必要了。

1 文獻回顧

隨著對“偶然發現有用或有趣信息的難忘經歷”[1]的信息偶遇的研究不斷深入，其研究的內涵與外延不斷擴張。相關研究結果表明：“信息偶遇”的本質是“用戶在低參與、低預期狀態下的一種非線性、被動的信息行為，一般存在于物理環境、虛擬環境和日常生活信息搜索中”[2]，而且具有“他目的或無目的、低期望、意外、不可預知等”的特征[3]。顯然，造成上述本質與特征的信息偶遇的因素是多方面的，如：個人因素、信息因素、情境因素、環境因素[4-5]。在學者注重相關因素研究的同時，也對包含偶遇在內的用戶信息行為進行交叉學科的研究，所得到的模型、環境因素及行為的量表提供了一些可借鑒的經驗[6]，如：通過心理實驗的方法探討社交媒體環境中的刺激物對偶遇行為的觸發機制，旨在揭示刺激物特征與交互行為之間的關系[6]。這些研究對于進一步理解信息偶遇行為、改進信息偶遇研究方法具有重要意義[7-8]。

推薦系統的研究也是隨著網站廣泛應用后不斷發展的持續性的研究，它是信息過濾系統的一種特殊形式，通過分析用戶的歷史興趣和偏好信息，推薦系統可以確定用戶在項目空間中當前和未來可能喜歡的項目，然后積極為用戶提供相應的項目推薦服務[9-10]。目前，該領域的研究主要針對個性化推薦系統的諸多不足，眾多學者從當前個性化推薦算法的弊端入手，進行深入的算法研究[11]。

總之，通過以上簡潔的文獻梳理，可以發現：在對信息偶遇概念及產生情境方面的研究相對成熟，而對信息偶遇的研究方法、工具與手段相對單一;信息偶遇體現了信息與用戶關聯的效果，是一種客觀化的趨勢，而研究微觀信息組織旨在為信息偶遇找到客觀基礎的研究尚顯不足;與此同時，對個性化信息推薦系統的研究多關注于基于算法及其優化的技術層面上，很少從推薦系統的用戶偶遇效果的視角進行交叉學科的綜合研究。特別是隨著國家對基于算法推薦的網絡信息治理的加強，從用戶偶遇信息效果的視角進行探索就尤為必要了。2705A005-E220-4297-A60B-57E281FD5708

2 實驗研究與設計

2.1 實驗目的

本文主要的研究目的即在前期系統研究的基礎上，利用眼動可視化（心理學實驗中的可視化指標，如：熱點圖等）的手段對現有的推薦信息系統中的信息偶遇行為效果進行研究。該研究將有助于以實證研究的客觀結果支持網絡治理及避免盲目的算法推薦的誤區，更好地提升用戶偶遇信息的體驗。

2.2 實驗材料及儀器

由于本研究的研究對象為在校大學生群體，選擇“知網（CNKI）”“當當網”為實驗材料。本研究使用Tobii TX300屏幕式眼動儀。

2.3 實驗對象的選擇

選擇40名被試，其中18～25歲的男、女學生各20名，均為右利手，具有正常的視力（或矯正視力），每位被試每周上網時間超過30小時，“知網”年齡3年以上。而且通過實驗的前測，證明所選擇被試信息素養的水平無顯著差異。

2.4 實驗設計及實施過程

2.4.1 實驗設計

實驗準備階段：對實驗過程及對被試的坐姿、眼部校準等進行說明、示范。

正式測試階段：以PPT展示指導語，當被試報告他們已完成檢索任務并能夠回答結構化訪談問題時，眼動儀將結束記錄（訪談提綱略）。

2.4.2 實驗任務

任務1：假定要完成一個文獻總結性的作業任務，要求首先檢索西南大學潘曙光的論文《信息偶遇研究》，并隨后檢索與該論文有關的具有一定擴展性的相關文獻。

任務2：假設給定300元現金要求在當當網上購買若干本書，要求首先購入《三體》一書，隨后再按照自己的興趣選擇若干本書。

研究假設：不同維度（內容、用戶）的推薦系統對用戶的網站信息偶遇效果存在差異。

2.5 眼動數據的收集與分析

2.5.1 網站信息偶遇行為的實驗數據的指標選擇

本實驗將規范的眼動實驗數據與信息偶遇的行為特征相結合，選擇了如下實驗數據的指標：

1）注視次數（FC，Fixation Count）[單位：次]：注視次數越多，證明被試對興趣區內的信息越感興趣，信息越重要。

2）總注視時間（TFD，Total Fixation Duration）[單位：s]：一個興趣區（或屬于一個興趣區組中的所有興趣區）中所有注視點的持續時間之和。總注視時間反映了用戶對信息的興趣程度。

3）視線軌跡圖：處于眼動實驗過程中，通過眼動儀器完整地記錄被試視線運動軌跡的快照，能充分解讀被試的行為模式以助于探索用戶的心理活動。

4）熱點圖：形象地通過顏色來反映被試對目標材料的關注程度，直觀地觀察到被試感興趣的區域和不感興趣的區域。紅色越深，表示被試在該區域注視的時間越長，興趣越大，屬于熱門區域;綠色越淺，則被試注視點個數越少，注視時間也越少，屬于冷門區域。

2.5.2 眼動實驗的結果與分析

1）基本狀況統計：首先通過實驗的前測，測試被試信息素養的水平（因篇幅省略）;其次，利用眼動追蹤技術研究被試分別在兩個不同網站上的信息搜索過程;最后，在前續的基礎上，采用實驗后訪談法，探討被試對信息偶遇的態度。對于被試偶遇程度的評分，標準如下：如被試僅注視時間超過平均注視時間則記為★;如被試注視時間與注視次數均超過平均數，則記為★★;如被試不僅注視時間與注視次數超過平均數，且在實驗后訪談也認為自己發生了信息偶遇，則記為★★★，若不符合上述條件，則記為☆。研究假設（用戶維度的推薦系統的信息偶遇效果更明顯）通過實驗數據得到證實，整理結果如表1所示。

從表2可以看出，實驗一、實驗二的20名被試中，表面化的組內數據表明兩組均較好地體現了偶遇效果。然而，兩個不同邏輯算法的同質性被試的內在比較結果如何？哪種推薦方式更利于引起被試的注意以及其顯著性差異的因素有哪些？通過眼動實驗儀所獲得被試的基礎數據后，利用SPSS 25.0對收集到的數據做出獨立樣本T檢驗。

2）SPSS分析：表3顯示了所有被試的基礎數據的獨立樣本T檢驗結果（只列出存在顯著性差異的項目）。

其中，總注視時間和注視次數的F值未達到顯著水平（Sig.>0.05），接受兩總體方差相等的假設，選擇“假設方差相等”的Sig.（雙側）值。此時，總注視時間和注視次數的Sig.（雙側）值均小于0.05，存在顯著性差異。因此，本實驗著重選擇總注視時間和注視次數這兩個指標進行研究。兩組各20名被試的實驗結果表明：從最大值上來看，知網注視時間（413.93秒）高于當當網的總體注視時間（219.5秒），且注視次數（1 503次）高于當當網（932次）;從均值上來看，知網的注視時間（162.954秒）高于當當網的注視時間（100.574秒），并且注視次數（660.5次）明顯比當當網的注視次數（427次）高。上述數據說明，在線用戶對當當網的整體注視度低于對知網的整體平均水平。

總注視時間與注視次數反映了被試對內容的關注程度，也是后續挖掘偶遇效果的切入點。結果表明：被試用戶在不同類型的網站上的信息偶遇行為存在差異。從總注視時間和注視次數來看，同質性被試的學術網站的注視度均超過電商網站的注視度。這說明不同的個性化推薦算法及邏輯對用戶的信息關注度有不同的影響，基于“知網節”的信息組織方法有其內在優勢。基于臨近算法的電商類網站個性化推薦的相似信息的過度發散容易造成用戶注意力的弱化。網絡信息構建的形式及要素也會造成用戶信息瀏覽行為及軌跡的變化。眼動追蹤技術的方法有助于客觀地描述用戶信息瀏覽行為的過程，以進一步探索形成關注與偶遇結果的信息構建維度的因素。

3）軌跡圖和熱點圖分析：

①軌跡圖分析：

實驗一的眼動軌跡圖集成了4名具有代表性的被試的眼動軌跡路線。每種顏色分別代表1名被試。圖1揭示了4名被試不同的行為模式：藍色被試的視線首先集中于檢索出來的文章上，視線很快轉移到頁面下方的、從中外文題錄數據庫中選取的與本文相關的參考文獻部分（推薦系統），長時間的視線駐留說明進行了詳細的閱讀，但對于頁面左側的推薦系統只是一掃而過，并未給予充分的注視;紫色被試最開始大量的視線集中于所搜索文章的摘要部分，隨后視線轉移到頁面左側的知識網絡推薦系統（該系統可提供與所檢索的文章相似的文獻以及該文章作者的其他文獻），而該被試對于頁面下方的推薦系統幾乎沒有關注，與藍色被試剛好相反;黃色和綠色被試行為模式基本相同：這兩名被試與前兩名被試最重要的區別就是他們完全沒有注意到該頁面上的推薦系統，視線范圍較狹窄，主要圍繞著所檢索文章的文字進行注視。縱觀4名被試的視線軌跡圖可以發現：總體呈現出“上下”“左右”“右左”交替的規律性掃視軌跡，推薦系統一定程度上發揮了作用，且值得注意的是：在所檢索出的文章右側的圖片部分，4名被試均很少注視，這說明在學術類型的網站中，圖片的出現并不能吸引用戶的注意力，這是學術網站的性質以及用戶的檢索目的所導致的。2705A005-E220-4297-A60B-57E281FD5708

實驗二的眼動軌跡圖整合了4名具有代表性被試的眼動軌跡。每種顏色代表1個被試。總共有4個對象的眼動軌跡圖（藍色、紫色、紅色和黃色）。可以看出4名被試的行為模式不同：藍色被試視線

首先集中在頁面頂部顏色鮮艷的大幅圖片上，隨后回歸了檢索任務，視線轉移到了檢索框上之后并注意到了頁面左側的推薦系統中科幻小說一欄，最后視線在頁面中央的主編推薦部分來回快速地跳視。紫色被試與藍色被試最大的區別是：沒有一開始就直奔檢索欄，而是注視了主編推薦的東野圭吾的一本小說良久，隨后看到了右側的精彩專題推薦部分，在簡單地瀏覽主編推薦內容后，最后視線在左側的分面分類欄中一掃而過卻沒有點擊進入;紅色被試是4名被試中信息偶遇效果最明顯的一位，首先該被試是總注視時長最高的一位。其次，頁面中所有的推薦系統該被試均注意到了并且停留了一段時間，這一行為正是網站設計者所希冀的，可以說該被試某種意義上來說是超級信息偶遇者。該被試除了完成檢索任務之外最后還購買了20本書，在所有被試中的購買數量處于前列;黃色被試在4名被試中總瀏覽時間最短，視線范圍較狹窄，主要集中于主編推薦部分的最后一行。通過結合后期訪談得知，該被試平時對散文抒情類書籍感興趣，而實驗網站主編推薦最后一行恰好是散文抒情類書籍，故駐留時間較長。除此之外，該被試對頁面中的各部分推薦系統均未充分注視。

可以發現4名被試對網頁中出現的圖片或多或少均有關注。這說明，在電商網站中，圖片的作用很重要，會吸引用戶的注意力，刺激用戶發生信息偶遇從而增加網站銷量。同時，4名被試中只有1人注意到了左側的分面分類導航系統，或許說明電商網站中的導航系統不是主流查詢渠道。

兩組實驗的軌跡圖整體上表明：①“知網”推薦系統的作用明顯大于“當當網”的作用，電商網站的圖片等視覺效果的元素更為有利;②用戶注視網頁的軌跡有其習慣性特征，對網站的導航系統等信息構建的布局有一定的指導意義。

②熱點圖分析

熱點圖主要以綠色、黃色、紅色3種顏色為主，紅色越深，表示被試在該區域注視的時間越長，興趣越大，屬于熱門區域;黃色、綠色越淺，則被試注視點個數越少，注視時間也越少，屬于冷門區域。

圖3中實驗一被試注視的區域從多到少依次分別是紅色區域、黃色區域和綠色區域。從該熱點圖中可以看到：搜索頁面的熱點分布主要偏向于界面上部文章簡介以及左側知識網絡中的相關作者、相關文章等推薦內容，頁面底部的視線熱點也屬于系統推薦內容，只不過與所檢索的文章沒有關系，屬于系統廣告。搜索區間出現的熱點區域較集中，該現象與任務主導的操作行為有關（被試由于任務會急于尋求目標而減少對界面其他區域的關注）。

圖4中實驗二被試注視的區域從多到少分別是紅色區域、黃色區域和綠色區域。該被試的熱點圖與相關的視線軌跡圖相互支撐。從該熱點圖中可以看到：該被試主要注視區域為頁面中主編推薦部分的書籍，尤其是最后一行同時在新書上架推薦部分和最下面的超值推薦部分都有較長時間的關注。值得注意的是，由于右部多為文字，所以自然沒有圖片更能吸引用戶注意力。

兩組實驗的典型性熱點圖表明：①任務驅動了關注熱點，“知網”更利于激活用戶的認識而發現新內容;②“當當網”基于內容關聯的“過度擬合”的推薦容易對用戶造成一定的“刻板印象”[12]，不利于用戶的偶遇。

4）實驗結果的認識

①同質性的信息用戶在不同類型的網站上的信息偶遇行為差異顯著。從總注視時間和注視次數來看，“知網”的注視度均超過“當當網”的注視度;②推薦系統所處的位置在兩種類型的網站中均會造成顯著影響。位于電商網站上方位置的橫幅圖片比位于下方的橫幅圖片更容易吸引人，而位于學術網站左上方的推薦系統也更容易吸引檢索用戶的注意;③盡管“當當網”推薦系統及圖示所占頁面較多，但被試注視時長及次數未超過知網，基于過濾技術的推薦偶遇效果值得進一步思考，“知網節”的“用戶+內容”的維度應引起重視。該實驗結果也逆向表明了一味追求“過度擬合”的電商平臺算法推薦結果的過度發散的現實。

為了進一步對上述實驗數據進行驗證并深度探究隱性的微觀個體因素，本研究做了實驗后訪談，旨在挖掘客觀的眼動實驗所未能體現的個體特征部分，以做到客觀和主觀相結合，從而使研究結果更有說服力。

3 被試實驗中信息偶遇狀況的深度訪談

每次實驗結束后，在精心布置的訪談環境中，對每位被試者進行約10分鐘的正式訪談，全程錄音，后期整理。

3.1 用戶信息偶遇行為的研究對象

本次訪談為眼動實驗后訪談，訪談對象和實驗對象是完全一致的，如表1、表2所示，既復驗了被試的眼動數據，又可微觀挖掘被試行為的個性因素。

3.2 用戶信息偶遇行為訪談結果的整理與分析

平均每名受訪者的訪談時間約為10分鐘，獲取錄音音頻共計230分鐘，轉換文字后最終形成38 785字的訪談資料。將整理好的文本資料按照訪談回答格式規范化處理后導入NVivo12軟件中，并基于扎根理論的研究，對原始數據的文本進行編碼和分析，編碼結果如表4所示。

利用Nvivo12對訪談資料進行逐級編碼與分析，提煉出個體認知、信息特征、信息構建。其對應的各子節點情況，如表4所示，（（A-Y）表示“當當網”實驗中訪談對象，（a-w）表示“知網”實驗中訪談對象）。

3.3 訪談結果的認識

通過對40名實驗對象的實驗后訪談和數據的規范梳理，如表4所示，研究發現：信息偶遇行為受到個體認知、信息特征、信息構建3個核心范疇、6大類型、20余項相關因素的共同影響。而且上述因素在不同類型網站中表現出明顯的差異，呈現出非線性復雜系統的特征。作為用戶自適應的信息偶遇的行為受表現為復合的相關關系和因果關系的多維因素的約束。本研究的結果表明，不同邏輯的推薦方式及信息構建的形式對用戶的偶遇效果具有差異性。這種顯性因果關系的揭示表明：優化網站推薦系統及信息構建也是提升用戶偶遇機會的合理選擇。2705A005-E220-4297-A60B-57E281FD5708

4 研究結果與討論

4.1 推薦系統系信息生態系統中的重要組成部分

信息生態強調“用戶、內容、環境”的整體平衡，推薦系統的導航鏈接是將信息生態整合的顯性形式。用戶使用導航系統的視覺軌跡也是有章可循的。用戶在瀏覽推薦系統顯著的電商類網頁時，注視時間遞增至中上區域，出現明顯的跳視現象，跳至中部區域，并滾動鼠標在中下區域瀏覽完信息主體，用遞減的注視時間瀏覽完整個網頁;在瀏覽學術型網頁時，在中上區域出現屏幕熱區，用戶滾動鼠標，瀏覽完一部分信息后，跳視到中部區域，可能是從一篇論文跳到另一篇論文，在屏幕下方則出現掃視行為。

4.2 頁面上部與頁面中部為屏幕注視熱區集中位置

通過前面的熱點圖和軌跡圖以及屏幕注視數據可以看出，無論是當當網還是知網，被試的視線始終集中于網頁中上部分。即使網頁下部或中下部分存在推薦系統，也得不到有效的關注，這在知網中表現尤為顯著。究其原因，它或許與心理學中的注意力限制理論有關。頁面中上部的內容耗費了被試大部分的專注力，被試無暇顧及頁面下部的內容，前面提到了在知網中這一點比當當網表現顯著，這是因為知網專業性、學術性強，被試加工信息要耗費更多注意力。因此，網站構建者在設計推薦系統時，應把重要的內容放在頁面上中部才能做到事半功倍。

4.3 用戶的個性特征對信息偶遇影響顯著

在被試年齡、教育程度、信息素養基本保持一致的情況下，被試的個性特征（如自身認知、自我需求、情感因素）等主觀因素也非線性地影響著信息偶遇的發生。本實證研究也證明了對于同類用戶，個性化信息推薦系統的效果在不同類型網站上存在顯著差異。

4.4 綜合性研究方法的必要性

就信息偶遇的研究方法而言，僅根據眼動實驗判斷是否發生信息偶遇是不完整的。包含質性研究方法的綜合性研究在信息偶遇研究中十分重要，能保證既有客觀數據又有主觀認識的挖掘。

4.5 個性化推薦系統亟需偶遇的目標定位

目前網絡平臺的個性化推薦系統的現實邏輯強調基于用戶的歷史行為界定用戶的個性特征，利用關聯性的算法去整合推薦內容，強調了所推薦內容的收斂，給用戶提供“未知的已知”。信息偶遇強調的是發展邏輯的異質關聯，追求內容的發散性的“未知的未知”。在現有推薦系統的框架下，體現利于用戶以創新為導向的異質性的思維及內容的發現，則需要個性化推薦系統以實現偶遇效果為其目標定位。

5 研究結論

1）知網的總注視時間、總注視次數、平均注視時間、平均注視次數均大于當當網。驗證了所提出的研究假設，即：類“知網節”用戶維度的推薦系統在網站中信息偶遇效果更明顯。

2）用戶的信息偶遇行為是一個復雜性系統的黑箱過程，可以通過調試網站的信息構建來提供更好的偶遇機會。對于學術型信息服務的網站應特別加強知識組織基礎上的內容的供給。以異質信息關聯為導向的服務對知識創新具有標本兼治之效。

3）受檢索效率的約束，用戶的信息利用遵循“適度滿足法則”。信息提供方需要處理“復雜度”與“準確度”平衡的“信息瓶頸”，用戶的信息利用要解決“信息焦慮”與“信息繭房”的“信息悖論”。在供給與需求不甚對稱的條件下，本研究結果表明，似“知網節”內容與用戶維度的兼顧的“社會語義”推薦理念是面向用戶的優化策略。

4）本研究也揭示出優化算法推薦，打破因信息窄化而形成的“認知偏見”，避免過度同質信息獲取而造成的“信息焦慮與信息繭房”雙向疊加的“過濾泡”效應。

參考文獻

[1]劉春茂，袁敬蕓，杜雪.信息偶遇研究綜述[J].情報學進展，2018，12：248-270.

[2]田梅.移動互聯網信息偶遇過程及影響因素研究[D].南京：南京大學，2018.

[3]Erdelez S.Towards Understanding Information Encountering on the Web[C]//Proceedings of the ASIS Annual Meeting，2000，37：363-371.

[4]楊雨琪，劉雙燕，尹靜，等.在線信息偶遇影響因素模型構建及科學性分析[J].現代情報，2021，41（3）：69-80.

[5]杜雪，劉春茂.網絡信息偶遇影響因素個性特征的調查實驗研究[J].圖書情報工作，2015，59（11）：119-126.

[6]Makri S，Blandford A，Woods M，et al.“Making My Own Luck”：Serendipity Strategies and How to Support Them in Digital Information Environments[J].Journal of the Association for Information Science and Technology，2014，65（11）：2179-2194.

[7]Cole M J，Gwizdka J，Liu C，et al.Inferring User Knowledge Level from Eye Movement Patterns[J].Information Processing & Management，2013，49（5）：1075-1091.

[8]劉春茂.網絡情報學理論與實踐（第1版）[M].北京：中國社會科學出版社，2018：207-247.

[9]Al-Samarraie H，Eldenfria A，Dawoud H.The Impact of Personality Traits on Users Information-seeking Behavior[J].Information Processing & Management，2017，53（1）：237-247.

[10]趙鵬，耿煥同，王清毅，等.基于聚類和分類的個性化文章自動推薦系統的研究[J].南京大學學報：自然科學版，2006，（5）：512-518.

[11]趙學健，張雨豪，陳昊，等.基于FCM用戶聚類的協同過濾推薦算法[J].計算機技術與發展，2021，31（8）：6-12.

[12]（美）伊萊·帕里澤.過濾泡：互聯網對我們的隱秘操縱（第1版）[M].方師師，楊媛，譯.北京：中國人民大學出版社，2020：84-100.

（責任編輯：郭沫含）2705A005-E220-4297-A60B-57E281FD5708