內(nèi)容平臺個性化推薦合理性：構(gòu)念與效應(yīng)

關(guān)鍵詞：內(nèi)容平臺；個性化推薦；合理性：用戶滿意度；持續(xù)使用意愿

個性化推薦算法已成為支撐互聯(lián)網(wǎng)內(nèi)容平臺服務(wù)開展的技術(shù)基礎(chǔ)。基于個性化推薦算法，互聯(lián)網(wǎng)內(nèi)容平臺一方面利用所掌握的用戶搜索興趣、瀏覽行為等數(shù)據(jù)評估和量化受眾對內(nèi)容的偏好，再從各種內(nèi)外部信息源中篩選匹配的內(nèi)容推送給受眾，緩解用戶的信息過載；另一方面，通過分析用戶偏好、構(gòu)建用戶畫像、關(guān)聯(lián)分析等實(shí)現(xiàn)精準(zhǔn)營銷，提升用戶體驗，為自身的商業(yè)化運(yùn)作創(chuàng)造了豐富的機(jī)會。但是，具有商業(yè)目的的推薦也引發(fā)一系列倫理風(fēng)險，如可能會給用戶信息活動造成一定干擾，導(dǎo)致用戶感到自己的隱私被侵犯等；同時，內(nèi)容平臺持續(xù)推送精準(zhǔn)匹配喜好的個性化內(nèi)容，可能導(dǎo)致用戶過度依賴推送的內(nèi)容，甚至沉迷其中，喪失獨(dú)立思考能力。這些負(fù)面現(xiàn)象已引起社會的廣泛關(guān)注。

隨著用戶信息素養(yǎng)的普遍提升，用戶對個性化推薦內(nèi)容的自主選擇權(quán)、算法邏輯的知情權(quán)和個人隱私保護(hù)等方面都已產(chǎn)生更高期望，這與內(nèi)容平臺個性化推薦日益突出的商業(yè)追求產(chǎn)生矛盾。互聯(lián)網(wǎng)內(nèi)容平臺要實(shí)現(xiàn)持續(xù)發(fā)展，必須兼顧用戶利益和商業(yè)利益，推動商業(yè)價值和社會價值的動態(tài)互促，形成良性循環(huán)圈。而當(dāng)前關(guān)于個性化推薦的研究雖然已經(jīng)從平臺視角向用戶視角轉(zhuǎn)變，但仍缺乏對道德感知維度方面的探討。為此，本研究對用戶的個性化推薦合理性感知進(jìn)行構(gòu)念，并探索其對用戶持續(xù)使用意愿的可能影響，以促進(jìn)內(nèi)容平臺自發(fā)推進(jìn)商業(yè)價值和社會價值的平衡。

1個性化推薦相關(guān)研究

1.1個性化推薦評價研究

目前，國內(nèi)外關(guān)于個性化推薦的研究主要聚焦于推薦算法本身的進(jìn)一步優(yōu)化，以實(shí)現(xiàn)對用戶偏好更深入的理解和更精準(zhǔn)的內(nèi)容匹配。而推薦算法的評價機(jī)制在其中同樣扮演著關(guān)鍵角色，通過對算法性能的不斷評估再改進(jìn)，提升推薦系統(tǒng)的整體效能。傳統(tǒng)個性化推薦評價研究主要站在平臺視角，以創(chuàng)造商業(yè)價值為取向，重點(diǎn)關(guān)注推薦準(zhǔn)確率和覆蓋率等指標(biāo)。但近年隨著平臺競爭加劇，從服務(wù)視角聚焦用戶體驗的個性化推薦評價研究開始出現(xiàn)。有學(xué)者指出，準(zhǔn)確的預(yù)測并不一定代表好的推薦，在設(shè)計推薦系統(tǒng)的評估指標(biāo)時，應(yīng)以用戶為中心。為此，相關(guān)研究對用戶主觀評價指標(biāo)開始重視，著手研究推薦系統(tǒng)的用戶心理體驗問題。部分學(xué)者將用戶體驗與個性化推薦系統(tǒng)算法相結(jié)合，對個性化推薦系統(tǒng)的評價指標(biāo)進(jìn)行綜合性研究。如Swear-ingen K等專注于用戶與推薦系統(tǒng)的互動，制定出通用的推薦系統(tǒng)設(shè)計準(zhǔn)則，構(gòu)建了包括透明度、熟悉度和推薦解釋等指標(biāo)的推薦系統(tǒng)評價體系。McNee S M等研究顯示，用戶對推薦系統(tǒng)的滿意度受到感知新穎性、感知可用性、感知個性化等多種因素影響。Pu P等認(rèn)為，推薦系統(tǒng)應(yīng)該從用戶滿意度、預(yù)測準(zhǔn)確度、多樣性、新穎性、驚喜度和實(shí)時性等多方面進(jìn)行評價。Ricci F等歸納了包括信任度、新穎度、驚喜度、多樣性、隱私等14個指標(biāo)的推薦系統(tǒng)評價體系。曾秀芹等進(jìn)一步提出包括互動評價、社會臨場感、界面設(shè)計等11個指標(biāo)的音樂個性化推薦系統(tǒng)評價指標(biāo)體系。

但內(nèi)容平臺個性化推薦的評價仍然主要圍繞算法、系統(tǒng)和服務(wù)的角度，并未出現(xiàn)道德倫理維度的詳細(xì)探討。近年來人工智能的倫理研究已經(jīng)取得初步進(jìn)展，道德約束也已被嵌入相關(guān)法律法規(guī)中付諸實(shí)踐。2022年，我國的《互聯(lián)網(wǎng)信息服務(wù)算法推薦管理規(guī)定》明確了對互聯(lián)網(wǎng)平臺中算法機(jī)制和原理進(jìn)行定期審核、評估和驗證的要求，旨在預(yù)防可能引發(fā)的倫理問題。在中國電子技術(shù)標(biāo)準(zhǔn)化研究院發(fā)布的《可信賴人工智能標(biāo)準(zhǔn)化白皮書（2022版）》的基礎(chǔ)上，馬珊珊等從功能安全或無害、倫理符合性兩個維度分析并構(gòu)建了人工智能可信賴框架。Huang C W等對146份人工智能倫理相關(guān)文獻(xiàn)進(jìn)行了調(diào)查，發(fā)現(xiàn)研究主要圍繞5個核心道德原則：透明、公平、正義、責(zé)任、非惡意和隱私展開討論，進(jìn)而提出11項具體的道德準(zhǔn)則。技術(shù)屬性視角下，余雅風(fēng)等認(rèn)為，人工智能應(yīng)遵循多元性、道德性、公平性、透明性、可解釋性和安全性等原則。Koniakou V對人工智能治理領(lǐng)域相關(guān)文獻(xiàn)進(jìn)行了系統(tǒng)梳理，認(rèn)為應(yīng)重點(diǎn)關(guān)注AI是否“合乎道德倫理”。Verma S等通過對技術(shù)倫理研究相關(guān)文獻(xiàn)指標(biāo)的分析，揭示目前學(xué)術(shù)界對技術(shù)倫理這一新興主題的理解仍存在知識碎片化的問題。

雖然當(dāng)前人工智能倫理領(lǐng)域在法規(guī)制定、道德原則界定及實(shí)踐應(yīng)用方面已取得顯著進(jìn)展，但由于該領(lǐng)域仍處于發(fā)展階段，不僅需關(guān)注倫理原則的制定和實(shí)施，還應(yīng)著重構(gòu)建更加系統(tǒng)化的理論框架和評價體系。內(nèi)容平臺個性化推薦雖然也歸屬于人工智能范疇，但其具有自身特點(diǎn)，而當(dāng)前對于內(nèi)容平臺個性化推薦的針對性道德評價仍然非常欠缺，更缺乏相關(guān)實(shí)證研究。

1.2個性化推薦與用戶持續(xù)使用意愿關(guān)系的研究

個性化推薦的主要價值在于促進(jìn)用戶對系統(tǒng)的持續(xù)使用意愿，對這一作用路徑的探索主要從兩方面展開：第一，著重研究個性化推薦對用戶持續(xù)使用意愿的影響路徑。如Bharati P等對基于網(wǎng)絡(luò)的決策支持系統(tǒng)的實(shí)證研究發(fā)現(xiàn)，推薦信息質(zhì)量能通過影響滿意度進(jìn)而影響用戶做出決策。Liang T P等指出，用戶對推薦系統(tǒng)的使用意愿會受到推薦信息結(jié)果準(zhǔn)確性的影響，其影響程度隨用戶獲取信息動機(jī)的變化而有所差異。張兀對平臺個性化推薦相關(guān)研究進(jìn)行了評述，總結(jié)發(fā)現(xiàn)個性化推薦本身特征會影響用戶的使用意愿和行為，并在有限的時間里更好地提升用戶使用體驗。第二，著重研究個性化推薦能夠影響用戶使用意愿的特定屬性。如陳海華等驗證了文獻(xiàn)推薦的推薦內(nèi)容質(zhì)量、服務(wù)質(zhì)量和技術(shù)能力對用戶持續(xù)使用意愿的間接影響。王虹證明個性化推薦系統(tǒng)的信息編排、推薦方式、信息價值、價值時效和用戶信任均對消費(fèi)者意愿有顯著影響。Ye Q W等發(fā)現(xiàn)，移動新聞持續(xù)使用意愿的影響因素包含信息質(zhì)量、系統(tǒng)質(zhì)量和服務(wù)質(zhì)量。

綜上，關(guān)于平臺個性化推薦與用戶間關(guān)系的研究不斷涌現(xiàn)，但側(cè)重于從服務(wù)提供者角度探索信息推薦系統(tǒng)和推薦算法的效率效果，尤其是從技術(shù)角度關(guān)注改進(jìn)推薦算法、提高消費(fèi)者決策質(zhì)量、創(chuàng)造商業(yè)價值等經(jīng)濟(jì)作用，而從用戶角度評價信息推薦服務(wù)的研究甚少，且集中于電商平臺領(lǐng)域，缺少針對網(wǎng)絡(luò)內(nèi)容平臺中的推薦評價對用戶影響的相關(guān)研究。因此，本研究試圖從用戶和公共利益角度出發(fā)，研究用戶對個性化推薦合理性的感知同內(nèi)容平臺持續(xù)使用意愿的影響關(guān)系，并揭示其影響機(jī)制。

2個性化推薦合理性概念構(gòu)建

2.1個性化推薦合理性概念的提出

為了尋求個性化推薦工具價值與人文價值、平臺利益與公共利益的和諧統(tǒng)一發(fā)展，本研究聚焦內(nèi)容平臺個性化推薦合理性這一道德維度的用戶評價指標(biāo)。在探討這一概念之前，首先需對“合理性”這一基礎(chǔ)詞匯進(jìn)行明確定義。雖然“合理性”一詞在不同字典中的定義存在差異，但普遍認(rèn)為其核心在于合乎道理或事理。

學(xué)術(shù)界對合理性的理解更為深入和多樣。王樹松認(rèn)為，合理性作為一個評價性概念，其本質(zhì)在于對事物存在或人的行為及其結(jié)果是否“應(yīng)當(dāng)”的認(rèn)識和評價，給出了合理性的評價論本質(zhì)。亨特·克勞瑟一海克將合理性與用戶滿意度聯(lián)系起來，主張在許多情況下令人滿意的即為有道理的。在這一基礎(chǔ)上，李德順和歐陽康進(jìn)一步深化了對合理性的理解，將其視為一種評價論概念，強(qiáng)調(diào)其在價值主體視角下對對象的價值和意義的深刻理解，即不僅關(guān)注推薦結(jié)果的滿意度，更關(guān)注推薦系統(tǒng)是否符合社會價值和用戶期望。顧頡認(rèn)為，合理性實(shí)際上可以看作是一種主觀真理，即集體主觀性共享一種價值解讀，并形成解釋概率的大趨勢，從而使解釋和認(rèn)知具有有效性與合理性。阿拉斯戴爾·麥金太爾則揭示了合理性的多維性和衡量標(biāo)準(zhǔn)的復(fù)雜性，表明在不同情境下存在不同的合理性解釋。

基于上述理解，本研究將內(nèi)容平臺個性化推薦的合理性進(jìn)一步界定為用戶對互聯(lián)網(wǎng)內(nèi)容平臺所提供的個性化推薦做出的集體主觀性價值解讀，亦是對內(nèi)容平臺個性化推薦的價值和意義的一種反思、評價和規(guī)范。也就是說，如果某內(nèi)容平臺的個性化推薦是用戶普遍認(rèn)同的、符合用戶心目中的“應(yīng)然”，那么內(nèi)容平臺的個性化推薦就具備合理性。同時，本研究認(rèn)為，只有將用戶的合理性評價標(biāo)準(zhǔn)內(nèi)植于個性化推薦的發(fā)展進(jìn)程，才能發(fā)揮合理性規(guī)范和引領(lǐng)作用，推進(jìn)個性化推薦的積極革新，從而更好地滿足用戶的信息需求。

2.2個性化推薦合理性的維度

本文的個性化推薦合理性是用戶方對個性化推薦是否符合心目中“應(yīng)然”的一種感知，因此認(rèn)為其具有3個維度，即技術(shù)合理性、內(nèi)容合理性、倫理合理性。首先，由于個性化推薦是一種技術(shù)應(yīng)用，用戶會在長期使用過程中感受其技術(shù)邏輯，將其作為技術(shù)產(chǎn)品衡量其合理性：其次，個性化推薦主要通過為用戶提供內(nèi)容完成，用戶也會從其所提供的內(nèi)容的質(zhì)量來感知其合理性；最后，用戶通常了解個性化推薦背后是平臺服務(wù)方意志，會將其視為一種有主觀意志的主體做倫理要求，因此，也存在對倫理合理性的感知。根據(jù)對現(xiàn)有個性化推薦評價的文獻(xiàn)梳理，通常也涉及這3個方面的評價，如表1所示。然而，其在評價范圍和側(cè)重點(diǎn)上存在差異。個性化推薦的評價維度側(cè)重于系統(tǒng)的性能和效果，而個性化推薦合理性的評價維度則更側(cè)重于從用戶感知的角度，評估推薦系統(tǒng)是否符合用戶的期望和價值觀。

技術(shù)維度。個性化推薦的概念定義起源于技術(shù)角度，具有工具技術(shù)的本質(zhì)。技術(shù)水平直接影響著用戶的體驗，這就要求內(nèi)容平臺的推薦對象所涉鏈接不會有木馬、病毒等安全風(fēng)險，能夠穩(wěn)定、流暢運(yùn)行平臺。用戶可以通過一定的渠道對推薦信息進(jìn)行針對性反饋，幫助用戶理解系統(tǒng)內(nèi)在的推薦邏輯。例如，以用戶的搜索記錄、心愿單等為基礎(chǔ)的推薦建議，會讓用戶感到推薦邏輯清晰且具有說服力：界面設(shè)計規(guī)范、結(jié)構(gòu)清晰，項目預(yù)覽信息充分，可以幫助用戶直觀便捷地瀏覽所需內(nèi)容，具有視覺上的吸引力。因此，本研究提出內(nèi)容平臺個性化推薦合理性的第一個維度——技術(shù)合理性，是對內(nèi)容平臺個性化推薦算法和系統(tǒng)本身的技術(shù)水平評估，涉及安全性、穩(wěn)定性、反饋性、透明性和有形性。

內(nèi)容維度。互聯(lián)網(wǎng)內(nèi)容平臺作為信息內(nèi)容提供者，其核心就是內(nèi)容本身，故保障個性化推薦信息的高品質(zhì)、高質(zhì)量是在線內(nèi)容平臺的本職責(zé)任。用戶獲取信息是為了消除其信息欠缺感，所以優(yōu)秀的推薦對象其內(nèi)容應(yīng)該做到相對新穎。內(nèi)容平臺應(yīng)實(shí)時分析用戶需求并給出相應(yīng)推薦，在某些信息還具有時效性時及時推薦給用戶。要提高用戶的滿意度，推薦算法生成的推薦列表應(yīng)能夠滿足用戶的多個興趣點(diǎn)，推薦的內(nèi)容與用戶需求相關(guān)聯(lián)相契合，推薦結(jié)果應(yīng)該符合用戶的喜好和需要，推薦的信息應(yīng)該與實(shí)際相符合，且不具有商業(yè)引導(dǎo)性。因此，本研究提出內(nèi)容平臺個性化推薦合理性的第二個維度——內(nèi)容合理性，是指對內(nèi)容平臺個性化推薦的信息內(nèi)容進(jìn)行質(zhì)量評估，涉及新穎性、時效性、多樣性、精準(zhǔn)性和真實(shí)性。

倫理維度。在算法和系統(tǒng)的評價中多次出現(xiàn)了隱私性、透明性、歸責(zé)性、可解釋性和可控性等指標(biāo)，但其分散在各個維度中。為了有效防范科技飛速發(fā)展帶來的風(fēng)險，內(nèi)容平臺應(yīng)該建立清晰有效的問責(zé)機(jī)制。例如，應(yīng)予以全體公眾以均等的服務(wù)，不論年齡、殘障情況或社會地位如何，應(yīng)保障所有人都能公平地接觸和積極參與現(xiàn)有和正在出現(xiàn)的信息。必須公正、公平，以免對個人、社區(qū)或群體造成歧視或偏見，確保個性化推薦算法不會帶來歧視和不公平。應(yīng)積極引導(dǎo)網(wǎng)絡(luò)輿論，倡導(dǎo)主流價值導(dǎo)向信息發(fā)布，引領(lǐng)正確價值觀導(dǎo)向；數(shù)據(jù)收集、使用和存儲必須遵守與隱私和數(shù)據(jù)保護(hù)相關(guān)的法律法規(guī)，保護(hù)數(shù)據(jù)安全，防止用戶隱私信息泄露，當(dāng)出現(xiàn)侵害用戶權(quán)益情況時，用戶應(yīng)當(dāng)有渠道追究平臺的相關(guān)責(zé)任。因此，以《歐盟可信人工智能的倫理指南（草案）介紹》為基本原則，并借鑒相關(guān)研究成果，本研究提出內(nèi)容平臺個性化推薦合理性的第三個維度——倫理合理性，是指對內(nèi)容平臺個性化推薦道德倫理的評估，涉及可追責(zé)性、設(shè)計普惠性、公平性、正面性和隱私性。

因此，本研究將內(nèi)容平臺個性化推薦合理性表征歸納為技術(shù)合理性、內(nèi)容合理性、倫理合理性3個維度。進(jìn)一步，本研究結(jié)合前文對3個維度的具體闡釋和更多研究個性化推薦評價指標(biāo)的文獻(xiàn)，最終提取出如表2所示的15個可借鑒指標(biāo)，并形成如圖1所示的個性化推薦合理性構(gòu)念模型圖。

3個性化推薦合理性對用戶持續(xù)意愿的影響

本研究提出的個性化推薦合理性指標(biāo)為用戶視角的評價指標(biāo)，為進(jìn)一步檢驗指標(biāo)的必要性和構(gòu)念的科學(xué)性，本研究以信息系統(tǒng)持續(xù)使用行為的期望確認(rèn)模型（ECM）為基礎(chǔ)模型，針對個性化推薦合理性對用戶持續(xù)使用意愿的影響展開了實(shí)證研究。

3.1研究假設(shè)

依據(jù)期望確認(rèn)理論，用戶會對個性化推薦信息內(nèi)容產(chǎn)生基本的預(yù)期，在接受個性化推薦服務(wù)后再對實(shí)際體驗進(jìn)行評價。如果實(shí)際感知超出預(yù)期，就意味著用戶持有滿意的態(tài)度，而該滿意度能夠直接影響用戶持續(xù)使用意愿。合理的個性化推薦會引起積極的用戶感知，提高用戶滿意度，進(jìn)而增強(qiáng)繼續(xù)使用該平臺的意愿。

在個性化推薦系統(tǒng)中，本文進(jìn)一步將推薦合理性細(xì)分為3個維度：技術(shù)合理性、內(nèi)容合理性和倫理合理性。已有大量研究證明了技術(shù)、內(nèi)容、倫理評價對用戶滿意度和信息系統(tǒng)持續(xù)使用行為的影響。

一個具有技術(shù)合理性的推薦系統(tǒng)能夠確保用戶在使用過程中的安全性，減少技術(shù)障礙，提供流暢的用戶體驗，從而提升用戶滿意度和持續(xù)使用意愿。如Davis F D在其技術(shù)接受模型（The TechnologyAcceptance Model，TAM）中提出，系統(tǒng)技術(shù)是影響用戶接受和使用的關(guān)鍵因素。劉蓓琳研究發(fā)現(xiàn)，個性化推薦技術(shù)是否合理直接影響用戶滿意度。Hayajneh S等基于ECM和IS成功理論，提出了一個綜合模型來研究約旦的商業(yè)智能系統(tǒng)持續(xù)使用情況，結(jié)果表明，系統(tǒng)質(zhì)量因素與BI的持續(xù)使用意愿之間存在重要的關(guān)系。因此，本文提出假設(shè)：

H1a：技術(shù)合理性對用戶滿意度有顯著正向影響

H2a：技術(shù)合理性對用戶持續(xù)使用意愿有顯著正向影響

內(nèi)容合理性關(guān)注推薦內(nèi)容的相關(guān)性、多樣性和新穎性。當(dāng)推薦內(nèi)容與用戶的興趣和需求高度匹配時，用戶更可能感到滿意，并愿意繼續(xù)使用該服務(wù)。如Meng Y等發(fā)現(xiàn)，信息質(zhì)量對微信公眾平臺用戶滿意度和持續(xù)使用意向的影響最為明顯。因此，本文提出假設(shè)：

H1b：內(nèi)容合理性對用戶滿意度有顯著正向影響

H2b：內(nèi)容合理性對用戶持續(xù)使用意愿有顯著正向影響

倫理合理性則涉及推薦服務(wù)在處理用戶數(shù)據(jù)時的隱私保護(hù)、透明度和公平性。用戶期望其個人信息得到妥善處理和保護(hù)，且系統(tǒng)行為符合道德和法律規(guī)定，這種期望的滿足直接轉(zhuǎn)化為用戶對推薦系統(tǒng)的正面評價，并減少了對潛在風(fēng)險的擔(dān)憂，使用戶更愿意持續(xù)使用推薦服務(wù)，因為他們相信系統(tǒng)會持續(xù)以負(fù)責(zé)任的方式運(yùn)作。如Cocosila M等認(rèn)為，隱私風(fēng)險等會對用戶的使用意愿產(chǎn)生負(fù)面影響。Juliarta M D等認(rèn)為，感知公平會正向影響持續(xù)使用意愿。因此，本文提出假設(shè)：

H1c：倫理合理性對用戶滿意度有顯著正向影響

H2c：倫理合理性對用戶持續(xù)使用意愿有顯著正向影響

此外，用戶滿意度是用戶對內(nèi)容平臺個性化推薦服務(wù)的感知及其整體滿意程度評價，有助于解釋用戶在使用品牌后的忠誠與重復(fù)使用等現(xiàn)象，是用戶決定是否繼續(xù)使用內(nèi)容平臺的重要指標(biāo)。Lee I等在信息系統(tǒng)用戶行為領(lǐng)域的研究中均證明了用戶滿意是影響用戶持續(xù)使用意愿的重要因素。KuoCS等通過實(shí)證研究發(fā)現(xiàn)，用戶對流媒體平臺的滿意度顯著影響持續(xù)使用平臺的意愿，意味著用戶滿意度是連接用戶感知和意愿的基礎(chǔ)。Huang L等基于信息系統(tǒng)連續(xù)性模型和認(rèn)知負(fù)荷理論，驗證了滿意度對短視頻App持續(xù)使用意愿的促進(jìn)作用。因此，本文提出假設(shè)：

H3：用戶滿意度對用戶持續(xù)使用意愿有顯著正向影響

現(xiàn)有研究表明，用戶滿意度是連接用戶對信息系統(tǒng)的感知和行為意愿的橋梁，即個性化推薦系統(tǒng)的合理性可以通過提升用戶滿意度，間接地正向影響用戶的持續(xù)使用意愿。如Bharati P等認(rèn)為．推薦信息質(zhì)量會影響該推薦系統(tǒng)的滿意度，進(jìn)而影響用戶做出決策。Cheng Y M深入探討了MOOC持續(xù)意愿領(lǐng)域的質(zhì)量因素，指出學(xué)生在MOOC中感知的知識信息質(zhì)量和系統(tǒng)質(zhì)量等共同解釋了學(xué)生對MOOC的滿意度，進(jìn)而促進(jìn)其持續(xù)使用意愿。Yin L X等對影響用戶手機(jī)銀行App持續(xù)使用意愿的關(guān)鍵因素進(jìn)行了檢驗，發(fā)現(xiàn)感知隱私安全通過用戶滿意度對用戶持續(xù)使用意愿有顯著影響。因此，本文進(jìn)一步提出假設(shè)：

H4：用戶滿意度在個性化推薦合理性和用戶持續(xù)使用意愿中發(fā)揮中介作用

H4a：技術(shù)合理性通過用戶滿意度對用戶持續(xù)使用意愿有顯著正向影響

H4b：內(nèi)容合理性通過用戶滿意度對用戶持續(xù)使用意愿有顯著正向影響

H4c：倫理合理性通過用戶滿意度對用戶持續(xù)使用意愿有顯著正向影響

基于以上假設(shè)，本文將內(nèi)容平臺個性化推薦合理性分為內(nèi)容合理性、技術(shù)合理性和倫理合理性3個維度并將其作為前因變量，用戶滿意度作為中介變量，平臺持續(xù)使用意愿作為結(jié)果變量構(gòu)建理論模型，如圖2所示。

3.2量表設(shè)計與數(shù)據(jù)采集

為確保量表的科學(xué)性和準(zhǔn)確性，本研究以成熟的量表為基礎(chǔ)，并結(jié)合互聯(lián)網(wǎng)內(nèi)容平臺研究背景構(gòu)建量表。隨機(jī)選取四川大學(xué)來自多個學(xué)科領(lǐng)域的32位研究生進(jìn)行預(yù)調(diào)查，根據(jù)被調(diào)查對象的意見反饋，刪除易造成歧義的題項，最終形成了包括5個維度39個測量題項的量表，具體如表3所示。

為提高調(diào)查的有效性與可信度，正式調(diào)研階段本研究通過網(wǎng)絡(luò)調(diào)查平臺采用有償樣本服務(wù)方式收集數(shù)據(jù)，收回問卷387份，獲得有效問卷317份。其中，男性占52.05%，女性占47.95%，性別分布較均衡：45歲及以下的人數(shù)占比82.33%，顯示受訪者以青年人為主，基本符合內(nèi)容平臺受眾人群特點(diǎn)。從被調(diào)研人群的受教育程度來看，高中及以下學(xué)歷約占35.65%；大學(xué)在讀（含大專）的人數(shù)最多，占比54.26%；人數(shù)最少的學(xué)歷是研究生及以上的人群，約占10.09%。從受訪者的職業(yè)分布來看，學(xué)生數(shù)量最多，約占60.88%；其次是企業(yè)工作人員，占比17.35%；事業(yè)單位工作人員和自由工作者人數(shù)相同，分別占據(jù)6.62%。總體來看，調(diào)查對象分布也符合內(nèi)容平臺對目標(biāo)用戶的選擇。

3.3數(shù)據(jù)分析

3.3.1信效度分析

通過SPSS27.0對構(gòu)成問卷的全部量表進(jìn)行檢驗，檢測出a值為0.971gt;0.9。可見問卷整體信度優(yōu)秀，如表4所示。

內(nèi)容平臺個性化推薦合理性量表共有33個題項，對其進(jìn)行檢驗可知a值為0.965gt;0.9，說明數(shù)據(jù)信度質(zhì)量很高，如表5所示。各維度上，技術(shù)合理維度題項的信度檢測a值為0.913;內(nèi)容合理維度題項信度檢測a值為0.913;倫理合理維度題項信度檢測a值為0.911，顯示3個維度的可靠性都很高。效度方面，如表6所示，KMO值為0.961，巴特利特球形檢驗達(dá)到0.000的顯著性水平，顯示該量表的樣本數(shù)據(jù)適合做因子分析。

3.3.2共同方法偏差

同樣的數(shù)據(jù)來源、測量環(huán)境等因素可能會導(dǎo)致預(yù)測變量與效標(biāo)變量間的共變異，本文采用兩種方法進(jìn)行共同方法偏差（Common Method Bias，CMV）檢驗。首先，采用Harman的單因子檢驗方法，用SPSS27.0進(jìn)行探索性因子分析，得到第一個因子的方差解釋率為47.674%，低于50%的閾值，表明沒有單一因子可以解釋大部分的方差。此外，將所有測度項加載到一個單因子上做驗證性因子分析，結(jié)果表明模型的擬合度較差（如擬合優(yōu)度指數(shù)GFI=0.778（lt;0.90），調(diào)整后的擬合優(yōu)度指數(shù)AGFI=0.748（lt;0.80）），進(jìn)一步證實(shí)了CMV問題不嚴(yán)重。

3.3.3探索性因子分析

本研究采用主成分分析法，在進(jìn)行因子抽取時設(shè)置特征值大于1，旋轉(zhuǎn)方式采用最大方差法提取因子。39個題項共提取出4個因子，旋轉(zhuǎn)后的累計方差解釋貢獻(xiàn)率為58.172%，表明可以高效地提取所研究文章的信息量，因子載荷系數(shù)均大于0.6，如表7所示，量表效度良好。同時，這一結(jié)果也表明，盡管量表中的理論構(gòu)建基于5個維度，但數(shù)據(jù)中的統(tǒng)計結(jié)構(gòu)可能只支持4個主要因子，量表的結(jié)構(gòu)需進(jìn)一步修正。

3.3.4驗證性因子分析

本研究利用Amos26.0軟件進(jìn)行驗證性因子分析（CFA），用標(biāo)準(zhǔn)化負(fù)荷和平均方差提取量（AVE）評價測量變量收斂效度，初始模型的擬合效果不理想。依據(jù)模型修正指數(shù)（MI）刪除測量項TC1、TC2、TTr2、CA1、CF2、CT1和CT3，并在TF4和CF3、CF3和MA1、MPo1和MPo3之間建立誤差相關(guān)，如圖3所示。如表8所示，修正后的各項指數(shù)符合統(tǒng)計要求，且各題項在相應(yīng)潛變量上的標(biāo)準(zhǔn)化載荷均高于0.5，模型可分析。其中，SRMR和RMSEA分別為0.429和0.068，小于判定標(biāo)準(zhǔn)0.08，說明模型適配度較好；AGFI為0.819，大于判定標(biāo)準(zhǔn)0.08，說明模型簡潔性較好：TLI、IFI和CFI分別為0.906、0.916和0.916，均大于判定標(biāo)準(zhǔn)0.9，說明修正模型的各個變量之間具有較高的獨(dú)立性。

如表9所示，修正后的模型3個因子對應(yīng)的均方差萃取值（AVE）均大于0.5，說明修正模型的內(nèi)在質(zhì)量較好；組合信度（CR）均大于0.7，說明修正模型的問項收斂度較高，能有效反映出共同因子的潛在特質(zhì)，內(nèi)容平臺個性化推薦合理性量表信效度得到了驗證。

3.3.5主效應(yīng)檢驗

采用回歸分析法檢驗個性化推薦合理性、用戶滿意度和用戶持續(xù)使用意愿之間的定量關(guān)系。

個性化推薦合理性對用戶滿意度的影響。以個性化推薦合理性為自變量進(jìn)行回歸分析，各回歸模型中變量的VIF值最大為2.967，小于5，說明兩個變量之間不存在多重共線性問題，且個性化推薦合理性對用戶滿意度的正向影響顯著（B=0. 852，P=0.000lt;0.001）。假設(shè)H1得到驗證。

將個性化推薦合理性的3個維度分別與因變量進(jìn)行回歸檢驗，數(shù)據(jù)顯示，技術(shù)合理性（B=0.780，P=0.000lt;0.001）、內(nèi)容合理性（B=0.795，P=0.000lt;0.001）和倫理合理性（B=0.793，P=0.000lt;0.001）均對用戶滿意度存在極其顯著的正向影響。

個性化推薦合理性對用戶持續(xù)使用意愿的影響。以個性化推薦合理性為自變量進(jìn)行回歸分析，變量的VIF值最大為2.961，說明兩個變量之間不存在多重共線性問題，個性化推薦合理性對用戶持續(xù)使用意愿存在極其顯著的正向影響（B=0.790，P=0.000lt;0.001），表明個性化推薦合理性對用戶持續(xù)使用意愿存在正向影響，假設(shè)H2得到驗證。

將個性化推薦合理性的3個維度分別與因變量進(jìn)行回歸檢驗，技術(shù)合理性（B=0.747，P=0.000lt;0.001）、內(nèi)容合理性（B=0.727，P=0.000lt;0.001）和倫理合理性（B=0.718，P=0.000lt;0.001）均對用戶持續(xù)使用意愿存在極其顯著的正向影響。

3.3.6中介效應(yīng)檢驗

用戶滿意度的中介效應(yīng)檢驗按照溫忠麟等提出的程序分3個步驟完成。如圖4所示，以技術(shù)合理性為例，技術(shù)合理性對內(nèi)容平臺持續(xù)使用意愿的總效應(yīng)顯著（B1=0.754，P1lt;0.001），技術(shù)合理性對用戶滿意度和用戶滿意度對內(nèi)容平臺持續(xù)使用意愿的直接效應(yīng)a（B2=0.778，P2lt;0.001）和b（B2=0.329，P3lt;0.001）均顯著；技術(shù)合理性對內(nèi)容平臺持續(xù)使用意愿的直接效應(yīng)c顯著（B4=0.498，P4lt;0.001），且3條路徑的間接效應(yīng)的置信區(qū)間皆不包括O。說明用戶滿意度在技術(shù)合理性和用戶持續(xù)使用意愿之間呈顯著的部分中介作用。假設(shè)H3～H4c得到驗證。

4研究結(jié)論和研究展望

4.1研究結(jié)論

本文在梳理相關(guān)研究成果的基礎(chǔ)上，提出內(nèi)容平臺個性化推薦合理性這一新概念并對其進(jìn)行構(gòu)念，后通過實(shí)證研究證實(shí)了內(nèi)容平臺個性化推薦合理性會影響用戶的持續(xù)使用意愿。

首先，本研究創(chuàng)新性地提出內(nèi)容平臺個性化推薦合理性這一概念作為個性化推薦評價的新維度，并將其表征為技術(shù)合理性、內(nèi)容合理性和倫理合理性3個面向，從理論上豐富了個性化推薦評價研究成果。內(nèi)容平臺個性化推薦合理性是在互聯(lián)網(wǎng)內(nèi)容平臺的語境下，對其個性化推薦做出的集體主觀性價值解讀。由于內(nèi)容平臺的個性化推薦合理性是一種評價論概念，作為評價對象，將個性化推薦視為算法、系統(tǒng)、服務(wù)和人工智能具有合理性。為此，本研究綜合相關(guān)認(rèn)識，將內(nèi)容平臺個性化推薦合理性表征為技術(shù)合理性、內(nèi)容合理性和倫理合理性3個面向，為評估內(nèi)容平臺推薦系統(tǒng)提供了一個更具整體性的觀察角度。

其次，本研究基于對內(nèi)容平臺個性化推薦合理性維度的闡釋，進(jìn)一步梳理出安全性、反饋性、透明性和有形性等14個指標(biāo)，并使用滿意度測量的方式建構(gòu)了具有較好的穩(wěn)定性和有效性的個性化推薦合理性評價量表。該量表彌補(bǔ)了當(dāng)前以推薦系統(tǒng)角度和推薦服務(wù)角度的評價無法涵蓋道德倫理要求的缺陷，為個性化推薦合理性的具體指標(biāo)測量提供了重要參考依據(jù)。

最后，本研究通過實(shí)證研究對所提出的個性化推薦合理性構(gòu)念進(jìn)行了應(yīng)用和效應(yīng)檢驗，證實(shí)個性化推薦合理性對用戶持續(xù)使用意愿存在顯著正向影響。第一，個性化推薦合理性及其3個維度均對用戶滿意度存在顯著的正向影響，其中影響強(qiáng)度依次為內(nèi)容合理性、倫理合理性和技術(shù)合理性。第二，個性化推薦合理性及其3個維度也均對用戶持續(xù)使用意愿存在顯著的正向影響，其中影響強(qiáng)度依次為技術(shù)合理性、內(nèi)容合理性和倫理合理性。第三，用戶滿意度顯著正向影響用戶持續(xù)使用意愿。第四，用戶滿意度在個性化推薦合理性及其3個維度與用戶持續(xù)使用意愿之間均起到部分中介作用。可知，本研究提出的13個假設(shè)均得到了驗證，可為內(nèi)容平臺優(yōu)化推薦系統(tǒng)、提升用戶體驗提供有效的理論依據(jù)和實(shí)踐指導(dǎo)。

雖已有較多研究提出需增加對人工智能、推薦算法等技術(shù)倫理的考量，但將這種觀念轉(zhuǎn)化為具體工具的研究較為缺乏，僅停留在提出理念的階段。而本研究提出內(nèi)容平臺個性化推薦合理性這一新概念并構(gòu)建其可操作性評價指標(biāo)，進(jìn)而通過實(shí)證研究將理念轉(zhuǎn)化為可操作工具，為內(nèi)容平臺提供了優(yōu)化推薦系統(tǒng)的理論依據(jù)和實(shí)踐指導(dǎo)，有助于推動技術(shù)進(jìn)步背后的倫理責(zé)任的社會共識和實(shí)踐落地。同時，本研究也為互聯(lián)網(wǎng)內(nèi)容平臺治理的相關(guān)社會倫理原則、法規(guī)制定以及公共政策的制訂提供了參考。

4.2研究啟示

根據(jù)以上結(jié)論，本研究認(rèn)為平臺、政府監(jiān)管部門、用戶都應(yīng)致力于提升內(nèi)容平臺個性化推薦合理性。

第一，平臺主體自治。內(nèi)容平臺作為現(xiàn)代信息社會的重要組成部分，其個性化推薦的決策直接影響著廣大用戶的信息接收和行為模式，在塑造公眾觀念、引導(dǎo)社會輿論以及傳播文化價值方面扮演著關(guān)鍵角色，具有深遠(yuǎn)的社會影響。從實(shí)證研究的結(jié)論來看，內(nèi)容平臺方應(yīng)依照合理性指標(biāo)積極推進(jìn)個性化推薦合理性的落實(shí)，堅持用戶為中心的原則，強(qiáng)化社會力量參與，提供優(yōu)質(zhì)的個性化推薦信息服務(wù)以提高用戶滿意度，長此以往才能建立穩(wěn)定的用戶關(guān)系。如提供用戶推薦選擇或推薦評價渠道，用戶可以選擇或刪除相應(yīng)的個性化推薦內(nèi)容并進(jìn)行點(diǎn)評：識別出有標(biāo)注權(quán)威來源出處或被大量用戶認(rèn)可其可信度的信息，并將其作為重點(diǎn)進(jìn)行推薦：積極完善隱私政策框架與內(nèi)容，將用戶信息授權(quán)及使用途徑、有效日期等一系列相關(guān)內(nèi)容細(xì)致化、透明化，從而提升用戶對平臺的信任。

第二，監(jiān)管部門協(xié)力。現(xiàn)階段算法推薦技術(shù)的監(jiān)督機(jī)制和法律還不夠健全。《互聯(lián)網(wǎng)信息服務(wù)算法推薦管理規(guī)定》的出臺，在一定程度上對算法推薦的研發(fā)和使用進(jìn)行了約束，但相關(guān)規(guī)定仍滯后于技術(shù)發(fā)展和用戶需求。特別是相關(guān)法律在算法推薦技術(shù)的責(zé)任主體、算法推薦的責(zé)任范圍和領(lǐng)域等方面也沒有做出進(jìn)一步明確。為進(jìn)一步推進(jìn)平臺算法治理，應(yīng)采取基于場景和行業(yè)的分級分類監(jiān)管方式，形成靈活準(zhǔn)確的長期監(jiān)管和治理機(jī)制，探索政策、標(biāo)準(zhǔn)認(rèn)證和后續(xù)問責(zé)指引等多元化監(jiān)管方式。

第三，公眾參與。在技術(shù)設(shè)計與應(yīng)用的過程中必須體現(xiàn)社會的價值，這就需要廣泛的公眾參與從而對技術(shù)進(jìn)行規(guī)范。公眾可以通過內(nèi)容平臺或政府部門提供的反饋渠道表達(dá)自己的利益訴求和價值需求，幫助決策者傾聽公眾的呼聲，把握所追求的價值。推進(jìn)個性化推薦公共利益優(yōu)先原則的落實(shí)，彰顯公眾素質(zhì)。另外，可通過公眾參與的方式，拉近公眾與現(xiàn)代技術(shù)的距離，降低或消除算法不信任帶來的“技術(shù)黑箱”現(xiàn)象，提高技術(shù)成果轉(zhuǎn)化被接受的可能性。

4.3研究展望

本研究也存在一定的局限性，有待未來研究補(bǔ)充完善。第一，本研究僅基于規(guī)范分析和對已有文獻(xiàn)的梳理構(gòu)建指標(biāo)，所得指標(biāo)可能并不全面。后續(xù)進(jìn)一步研究可以通過對用戶的深入訪談等方式對本研究的指標(biāo)體系進(jìn)行優(yōu)化。第二，內(nèi)容平臺個性化推薦合理性是道德維度的一種主觀評價，而信息環(huán)境一直在持續(xù)而快速地改變，特別是人工智能技術(shù)不斷迭代，未來可能出現(xiàn)在弱化用戶主體意識方面更具能力的顛覆性技術(shù)，導(dǎo)致用戶對內(nèi)容平臺個性化推薦合理性的認(rèn)知發(fā)生較大變遷，所以當(dāng)個性化推薦技術(shù)有較大進(jìn)步時，就需要對本研究所提出的結(jié)論進(jìn)行驗證和進(jìn)一步完善。