短視頻推薦系統的算法感知與互動
——一項基于對大學生的訪談研究

◎季 穎

(華南理工大學，廣東 廣州 510006)

一、引言

傳統的傳播以人為起點，然而隨著顛覆性技術的入侵，機器開始動搖人類主體位置，人與機器的關系發生變化，人機傳播成為新型傳播領域。算法作為宏觀的機器范疇中的一員引起了學者的關注。喻國明提出算法成為當今互聯網連接萬物的媒介[1]，全燕提出算法是技術奇點，認為算法嵌入的人機關系越來越少地需要人為設定，也越來越多地表現出自組織性、自適應性[2]。

不可否認的是，算法與人類的融合將在技術助力下呈現出更多形態。目前現實中算法的應用極大提升了人們的生活效率，包括推薦算法、商務算法、算法新聞、算法優化和預測。推薦系統作為其中的一種應用，主要通過依靠機器學習算法，能夠通過分析用戶的行為或其他相似用戶的行為來“猜測”用戶的喜好和興趣，為用戶提供量身定制的、經過篩選的信息，從而使其更有效地應對海量數據，減少信息過載[3]。推薦系統已經在新聞、營銷、娛樂、社交媒體多個領域為用戶解決選擇難題，增加應用程序的附加值，增強用戶黏性。

然而在國內2021年360 發布的一項推薦系統調研數據報告《感覺被算法算計了》中，當要求給推薦系統選擇形容詞，“精準的”“有用的”“高效的”“讓人驚嘆的”成為高頻詞，也有部分認為推薦系統是“討厭的”或“讓人苦惱的”。

因此，用戶對于算法推薦系統產生感知，而這種感知會影響用戶與推薦系統之間的關系。人對算法的感知在近年來已經逐漸成為研究的重點，用戶對于機器技術的感知會塑造人與機器技術的關系。基于此，本文以短視頻內容推薦為研究對象，采用半結構訪談法選取大學生群體，探究用戶對于算法的認知、感知及其產生的互動行為，以期豐富現有的人與算法關系領域的研究。

二、研究意義

從理論上來講，算法塑造了數字環境和社交互動的個人體驗[4]，未來算法的推薦將融入更多的社會場景。因此，了解人們的感知和態度有助于提升人與算法的關系。同時，因為算法本身的技術黑箱，了解算法機制也是一件相對復雜的事情。因此，從用戶角度去收集日常生活對算法運行機制的理解，也可以作為算法機制的一種補充。此外，人與算法關系的探索有助于人機關系理論的補充。

從實踐上來講，由于研究會涉及到一些短視頻內容推薦APP 為實例進行舉證，因此了解用戶的算法實踐可以為短視頻APP 提供者、技術人員提供優化算法體驗的本土化建議，增強算法應用的廣泛性和日常性。

三、文獻綜述

(一)短視頻推薦系統相關研究

短視頻近年來呈現快速增長，短視頻的內容推薦是屬于算法推薦的應用之一。有關短視頻內容推薦的研究可以分為從技術角度研究算法優化和探討倫理法律問題。目前對于算法的研究主要從算法技術和算法倫理角度以接受和批判視角進行[5-6]，對于算法感知的研究較少。算法感知視角下的研究正處于發展期，本文擬通過定性方法來探索研究擴大用戶視角下的算法。

(二)人與算法關系相關研究

在人與推薦系統的關系研究中，國內學者主要研究針對短視頻推薦內容相似性帶來的負面響應[7]，還有以今日頭條推薦為例介紹用戶與算法之間基于可見性的威脅問題[8]。這其中的研究部分對于基于特征的用戶響應機制進行了解釋，但是都是主要站在技術接受角度，忽視了人們對于算法的態度。

國外學者研究了政治[9]、社交[10]、娛樂[11]領域的個人算法民間理論，從研究結果可以看出學者們傾向于用深度訪談的方法來挖掘用戶的看法。Torkamaan 討論了推薦系統感知精確性產生的恐懼[12]。這些研究以人與算法的關系為理論視角，在該領域作出了貢獻。

然而國內針對人與算法關系的研究較少。同時，在國內背景下對于算法的感知研究、態度研究還處于發展期。截至2022年6月，我國短視頻的用戶規模增長最為明顯，達9.62億，占網民整體的91.5%[13]。因此，在短視頻成為新賽道的背景下，本研究試圖選取短視頻推薦系統為研究對象帶來的態度感知進行補充。

四、研究內容

本研究選取不同專業背景、有短視頻推薦使用經驗的12位大學生作為訪談對象，進行40 分鐘以上的訪談。訪談中涉及的短視頻平臺主要是嗶哩嗶哩動畫、抖音、小紅書、微博。現將內容總結如下。

(一)算法的認知——“大數據推薦”的技術想象

算法的認知主要是用戶對于算法的認識和理解。本文研究發現，當算法推薦的內容出現用戶并不滿意的情況，用戶對于算法的感知才會比較明顯。首先，訪談對象在討論到算法推薦選取的場景時，都出現了自己并不滿意算法推薦時的情境。其次，對于算法這個詞語大部分人并沒有過接觸，理解程度并不高。最后，對于算法的機制的了解，用戶也并不會聯系到該機制屬于算法，而是從自己的角度去理解機制的作用。

本次采訪對象中，只有計算機專業背景的訪談者對于算法一詞并不陌生，也能夠將個性化推薦與算法聯系在一起，其他采訪者沒有相關學術背景，對于算法比較陌生，而對于大數據相對熟悉一些，認為算法推薦與大數據相關。小G和小Y 表示“在XX 平臺上會看見/平時有的帖子會說請大數據把我推給喜歡XX 的人”。小T 表示，“大數據可以追蹤到很多我的信息，根據我看過的和與我可能相關的一些內容推給我，比如別人給我B 站分享的內容，我看了以后就會一直給我推這個方面的內容”。

有關于算法的運作機制，當談及個性化推薦中會出現的一些標簽，訪談者認為標簽的作用是細化分類，其次就是一些熱度標簽可以增加流量。小G 表示，“比如我發一個健身的視頻，我就會帶上運動、健身這樣的標簽，因為首先是一個分門別類的作用，再就是前段時間劉畊宏很火的時候，我帶上這個相關的標簽就會有更多的流量，因為是熱點，所以視頻的點擊量一下子就上去了”。所以用戶雖然無法將推薦標簽聯系到算法的運行機制上，但是對于標簽的作用有自己的認識和理解，也會去運用自己的對標簽的理解從而增加曝光度。

對技術展開想象，即是為作為物理實體的技術賦予社會意義的過程，它期望為技術在社會中尋找到一個特定的“文化位置”，而這種文化定位會影響到相應社會環境下技術實踐展開的具體方式[14]。“想象”讓技術本身在社會中變成了“容易理解的”對象。在當今數字文化背景下，對算法“大數據推薦”“標簽作用”等一系列技術想象，其實就是用戶對于算法技術的一種民間建構理論。這種對算法的技術想象構成了用戶對算法的文化定位，從而影響算法與用戶之間的關系。

(二)算法的感知——功能與身份

算法的感知會涉及到用戶對算法的一個態度和情感。而用戶對算法的態度形成會來源于用戶對算法推薦表層功能層面的質量感知，以及背后的深層身份定義。

1.功能使用

對于不同平臺的個性化推薦的算法感知用戶可以分為正面和負面。持正面看法的用戶認為某平臺的算法邏輯以高質量產品為主，同時對興趣的把握比較準確。持負面看法的用戶則認為算法不夠準確，出現了重復推薦、質量良莠不齊、商業化推薦等現象。

訪談者小L 表示，“像我之前會發一些彈吉他的視頻，平臺會給我推類似的人的視頻，比較小眾，我就覺得挺合我胃口的。平時平臺火爆的視頻也都是很有水準的視頻，我就覺得這個推薦我很喜歡”。

訪談者小S 表示，“平臺每次推薦的內容都是上次看過的，都沒有新的東西，我也不是一直只看這個，除此之外就是推薦的點贊量高的視頻，雖然屬于熱點內容，但是我覺得對我而言質量比較低，沒有什么內涵”。訪談者小Y 表示，“每次看著就出現廣告，總是給我推廣告，我不想用這個平臺了”。

2.身份定義

用戶對于算法的感知的負面內容，還有一部分來源于用戶認為算法推薦的內容所反映出來的身份定義與自己不匹配。對于一些用戶并不滿意的推薦，用戶會對此進行戲謔。如訪談者小Q 認為平臺推薦內容的層次并不屬于自己的網絡身份時會發表言論“養了這么久的號，最終還是養廢了”，以此來表達自己對于算法推薦定義的身份的不滿。關于算法形成的身份，其他學者也有過類似的研究。John Cheney-Lippold[15]曾發表過《一個新的算法身份》的文章，被理解為“通過數學算法來推斷身份類別的身份形成”。

人際傳播領域中的鏡中我理論指出，用戶會通過他人的認識、評價以及自己對評價的情感來認識自己，而未來當算法作為傳播對象，作為一個無形但是互動的存在時，算法機制對我們的評價也將成為我們認識自我的來源。訪談中用戶認為算法推薦呈現出來的“自我”形象與自己認為的自我形象存在偏差，就會產生抵抗心理，這其實是用戶對此評價產生的情感，由此可見算法作為機器中的一員形成的人機傳播已經模糊了人際傳播領域的邊界。

(三)算法的互動——算法話語

算法話語即算法權力。以往的研究以批判算法權力中心為主，而當今用戶也具有算法話語時權力也會得到轉移。算法話語的建構會塑造人們的形象、感知、體驗算法的方式。這一個過程是雙向的過程，個體在理解算法的過程中，也被算法通過場景形塑著物質和精神生活[16]。算法想象會調節用戶個體與算法的互動程度，在與算法斗智斗勇中，用戶不斷以自己的方式生產關于算法的話語，用戶的反應對于算法來說也發揮著一種生成性的作用。

1.主動和被動交互的算法交互

我們可以將人與算法的互動主要分為主動和被動的算法交互行為。積極的算法交互表現在用戶主動根據自己的理解，對自己形成的算法實踐進行驗證，比如說點贊讓算法知道自己的偏好、主動搜索細化算法的推薦等日常算法互動。而被動的算法互動表現在用戶會選擇間斷性使用某平臺的推薦系統，或者出現一個平臺遷移的狀況。

2.主動和被動的算法抵抗

當遇到算法的錯誤推薦，用戶會進行主動或者被動抵抗，比如，會進行身份的注銷回避算法已經固化的標簽推薦、點擊反饋界面選擇不感興趣改變算法推薦的內容、通過主動搜索其他詞語進行實時互動等行為。比如，訪談者小Y表示，“我曾經嘗試注銷XX 平臺的賬號，因為它推薦的內容總是刷新不到新鮮的內容、我感興趣的內容、高質量的內容”。訪談者小T 對于平臺出現的內容會及時進行反饋，“我基本每次都會對視頻進行一個評估，我想讓它明確知道我的喜好，減少出現我不喜歡的內容”。訪談者小Z 表示“在XX 平臺上，看到我不感興趣的內容，我就直接搜索或者一直出現同一類型視頻我就會輸入一個或幾個完全不相同的內容，這樣它就不會給我再推這個內容，推薦的內容也會變得更加廣泛”。

算法互動中的用戶主動性正在逐漸增強，算法雖然不可見，但是其互動方式正在逐漸被用戶內化為一套自己的算法實踐體系，由此可以去協調自己與算法之間的關系。在這其中，算法不再只是傳播鏈條中的發射器，同時也作為信息接受者，算法也被用戶納為傳播對象之一，用戶通過界面設置等舉措來達到與算法互動，實現協調共生。

五、結語

算法作為傳播對象所塑造出來的算法文化為算法研究帶來新的視角。總體而言，用戶對于短視頻算法的感知會有自己的理解輪廓，但是對于算法這個名詞的認識視學術背景而定，而關于算法的態度取決于用戶的表層功能接受與內層身份定義，最后關于算法的互動體現了用戶具有一定的主動性，并不是完全被動的存在。由于時間原因，本文對于訪談的內容挖掘還不夠深，例如,特定的用戶群體已經擁有較高的算法素養，因此在與算法互動上可以利用算法數據實現反向的馴化，未來可以針對不同的用戶群體進行深度訪談，了解特定群體更高層次的算法實踐。其次，關于算法定義身份的研究還可以進行更多理論與現實的聯系，去挖掘在算法推薦視角下用戶的身份形成過程等。雖然本文還有許多不足，但是站在用戶角度剖析算法的視角，將有助于對人與機器關系形成領域的補充。