想象的中介：大学生用户对小红书个性化推荐算法的态度研究

【目的】平台社会逐渐兴起,用户-算法-平台三者的关系成为研究热点本文聚焦于大学生群体的平台使用实践,探讨其如何看待个性化推荐信息、通过改变算法推送、感知自身画像等主动打造个性化信息流,以及其主体意识的强烈程度等。【方法】采用问卷调查与深度访谈结合的方法探索其在平台使用、算法相遇实践等进行研究。【结果】用户对于个性化推荐信息的态度与其媒介素养、算法意识等因素高度相关,个性化推荐信息本质上是用户定制化内容与算法推荐机制相互融合的结果。【结论】大学生用户较其他群体有较高的媒介素养与较为丰富的平台选择。其对于个性化推荐信息的态度总体呈现发挥平台工具属性、有意识地进行算法抵抗与算法驯化,达成内容重组、信息优化排序等,最大化实现平台为“我”所用。基于用户主体驱动的平台使用行为,对算法推荐本身的茧房构建具有一定的消解。     

逃离、嵌入与反噬：抖音青年用户的算法抵抗策略

当算法成为控制社会的结构性力量并出现“副作用”和“阴暗面”时,个体开始发挥自身能动从依赖算法走向抵抗算法。既有研究往往借用驯化理论这一概念,聚焦于数字劳工和数字灵工等附有经济利益动机的个体如何进行算法抵抗,缺乏对无经济利益动机的普通用户“如何进行算法抵抗”以及“算法抵抗策略制定背后深层原因”等问题的系统考察。因此,基于深度访谈和网络文本分析,以“日常抵抗”为研究视角,考察了抖音平台中的青年用户,研究得出:抖音青年用户的算法抵抗策略具体表现为对算法的逃离、嵌入和反噬,而无法真正实现“逃离算法”。自身“算法技术意识”“算法素养”的不断增强,则是抖音青年用户算法抵抗策略制定和选择的多维深层原因。     

控制的辩证法：农村青少年的短视频平台推荐算法抵抗——基于“理性—非理性”双重中介路径的考察

在数字时代,青少年已经逐渐成为与平台算法互动的重要群体。既往研究很少关注到青少年用户在日常“遭遇”算法时发挥自身能动性所做出的抵抗。本研究聚焦作为干预性数字能动实践的“算法抵抗”,通过整合心理状态、个人能力与人际互动等影响因素,提出了基于“理性—非理性”二分处理路径的双重中介路径模型,并用于考察河南农村青少年（N=3573）在短视频平台的日常使用过程中对于推荐算法的抵抗心理与行为反应。结果表明,感知自由威胁、算法素养和同伴影响显著增强了青少年的算法抵抗意愿与抵抗意图;而孤独感、对算法机制的依赖性心理则产生了削弱作用;抵抗意愿与抵抗意图在上述影响因素与抵抗行为之间存在不同的中介效应;同时,作为控制变量的媒介使用时间、年龄在青少年的算法抵抗路径中呈现出显著差异。本研究为进一步理解青少年与算法互动过程中的能动性提供了量化实证证据。     

算法推荐的实践与认知研究北大核心

互联网带来的大量用户数据和用户面对海量网络信息时的选择障碍,共同推动了算法推荐的产生。算法推荐在市场营销中大获成功后,迅速被引入新闻传播行业,不仅引发新的传播革命,也带来一系列伦理和社会治理问题,学术界对其研究从技术范式转向哲学社会科学范式,对算法推荐的批判被迅速接纳,推动了相关政策和实践的发展。     

基于用户画像的图书推荐算法实证研究

个性化推荐算法能够帮助读者从图书馆海量馆藏中发现所需图书,有助于提高馆藏利用率和读者服务效率。文章以高校图书馆图书数据、读者数据和借阅数据为数据源,从中抽取关键词构建图书画像和读者画像;利用向量空间模型计算图书与读者之间的相似度,向读者推荐与其相似度排名靠前的图书;并进行推荐算法效果实证分析,揭示著录数据、读者类型、推荐窗口等变量对推荐准确率的影响。     

浅析篮球战术意识的培养和提高

本文采用文献资料法,查阅相关的文章和书籍以及笔者在具体比赛实践活动中的体会,对战术意识的概念、内容、培养形成、影响因素等问题进行了探讨。     

算法推荐新闻的政治经济学分析：生产关系的变革与风险

新闻分发经历了三种模式——依靠人工编辑的媒体型分发模式、依托社交链传播的关系型分发模式和依靠算法推荐的算法型分发模式。与前两种模式相比,算法推荐新闻在生产、分配、交换、消费环节呈现了新样态。程序代替人工,重置产品的生产过程与社会关系;多种分配并行,推动生产的高效率和低成本;交换过程简化,扩大交换活动范围和对象;定向推送消费,实现个性化消费体验和产品再生产。但是,这种生产关系的变革也暗含了风险,生产私有化带来了网络安全风险与资本积累,分配不均等与交换扩大化导致用户劳工化和社会阶层重塑,消费非自主化造成信息茧房与人的异化。对算法推荐新闻的政治经济学解读可以帮助我们理解隐藏在技术发展背后的生产关系和社会关系的变化,思考如何重塑算法的公共性。     

关系主义视角下我国算法风险的治理路径

当前以算法为代表的人工智能,对传媒业行动者即主流媒体、商业平台及用户之间的关系进行了重构.具体体现在算法导致主流媒体的传播权力发生转移,传统新闻生态受到挑战;算法使商业平台的商业模式得以优化,但算法黑箱凸显社会负面影响;算法在提升用户地位的同时,也使用户处于随时可被监控的"圆形监狱"里.在算法风险治理方面,主流媒体应以主流价值观引领算法,实施平衡社会信息的党媒算法;商业平台要提升技术的价值理性,推进算法分发的公共性;用户要提高算法素养,警惕信息窄化和算法拟态环境.     

推荐与匹配：移动阅读中算法逻辑及运用

移动终端的普及重塑人们的阅读空间和方式,而智能算法也成为移动阅读平台为用户提供个性化服务的重要工具。文章主要介绍基于内容的算法推荐、协同过滤的算法推荐、关联规则的算法推荐以及混合算法推荐等主要算法推荐技术及其在移动阅读领域的应用逻辑,从而揭示算法推荐给移动阅读带来的影响。     

“非联”与“去联”朋友圈：微信用户“去驯化”的媒介抵抗实践

社交媒体全方位渗透人们的日常生活,其隐私泄露、社交困扰、情境崩塌等弊端迫使用户纷纷寻求对社交媒介的“去驯化”,主要包括“去想象”“去挪用”“去整合”和“去转化”环节。行动者通过关闭或忽略朋友圈实现对朋友圈的去联接;通过迁徙社交场、量化朋友圈在现实时空中的使用、降低或转移分享欲、操纵可见性维持对朋友圈的非联接。由此,个体在主观层面深化了对自我、对生命的认知;在客观层面窥见了置身其中的宏大社会制度,发出了“去制度化”的呐喊,并更加重视人与人之间直接特质的勾连。     

发送者和接受者能力的二分网络推荐算法研究

在大数据时代,推荐系统在电子商务等领域中发挥着越来越重要的作用.本文通过对现有的基于二分网络推荐算法进行分析总结,提出了TAA算法,并将该算法同物质扩散算法、热传导算法、偏热传导算法、混合算法和接收者能力算法在Movielens数据集上进行对比实验,实验结果表明该算法推荐结果的准确率和召回率均优于现有的5种算法.     

基于K-means算法的Ｗeb访问用户关联规则挖掘算法

针对传统关联规则算法中事务扫描的重复性以及最小支持度设定的不确定性,导致关联规则挖掘算法扫描事务数据库运行效率低下的问题,提出一种基于K-means的Web访问用户关联规则挖掘算法,该算法利用K-means算法聚类的效果,将Web访问用户数据集聚类为不同的小数据集,采用不同的最小支持度,分别对Web访问用户聚类小数据集进行关联规则挖掘。分析和实验结果证明,该算法可有效提高传统关联规则挖掘算法的效率,同时也可有效避免传统关联算法中扫描中的重复性。     

基于改进用户兴趣点度量方式的推荐算法研究

推荐算法是个性化推荐系统中最为核心的一部分.文本通过给出产品流行性定义,提出了一种改进的用户兴趣点度量方法,进而将用户的兴趣点嵌入到基于物质扩散原理的推荐算法中.新算法引入参数β度量产品的推荐权重与用户兴趣点之间的关系.MovieLens数据集上的数值结果表明新的用户兴趣点定义方法可以同时改进推荐算法的准确度和推荐列表多样性,当采用60%的数据作为训练集时,多样性可以提高13.15%.进一步的结果表明当训练集很稀疏的时候,应当赋予与用户兴趣点不同的产品更高的推荐能力,随着稀疏度增加,赋予与用户兴趣点相近的产品更多推荐能力可以大幅度提高算法的表现.     

网络用户算法推荐服务接受意愿与使用行为背离研究

[目的 /意义]从用户行为视角探究算法推荐服务应用过程中存在的问题,可为应对算法推荐乱象提供指引和规范。[方法 /过程]采用条件价值法量化网络用户算法推荐服务接受意愿,并对其接受意愿与使用行为是否背离进行验证,最后基于感知价值与风险理论分析该现象产生的影响因素。[结果 /结论 ]网络用户在算法推荐服务使用过程中,存在接受意愿与使用行为的背离现象,即用户持续使用但接受意愿不高。用户感知价值对接受意愿与行为背离产生负向作用且用户的感知愉悦性影响最为显著;感知风险正向影响背离现象产生,其中经济损失程度影响最大,信息过载程度影响最小。     

新闻推荐算法的局限与优化

新闻推荐算法是网络媒体时代新兴的新闻编辑技术,通过分析用户行为特征,推测用户的喜好和需求,目前备受互联网公司青睐.但实践积累发现,新闻推荐算法存在很多弊端,本文就其局限性展开分析,提出智能全面化用户数据采集、 人工推荐与智能筛选结合、 开辟与细化用户设置渠道三方面的优化策略.     

算法实践下公民媒介素养的延伸与培养

媒介素养的发展是当今学术界一直关注的问题,任何一种新媒介技术的出现都会给媒介素养的发展带来不同程度的影响。本文将从技术发展与媒介素养发展的关系出发,探讨当下算法技术的发展为媒介素养培养创造的新生态,并对该生态下的媒介素养进一步的延伸和培养做出阐述。