短视频推荐系统的算法感知与互动——一项基于对大学生的访谈研究

◎季 颖

(华南理工大学，广东 广州 510006)

一、引言

传统的传播以人为起点，然而随着颠覆性技术的入侵，机器开始动摇人类主体位置，人与机器的关系发生变化，人机传播成为新型传播领域。算法作为宏观的机器范畴中的一员引起了学者的关注。喻国明提出算法成为当今互联网连接万物的媒介[1]，全燕提出算法是技术奇点，认为算法嵌入的人机关系越来越少地需要人为设定，也越来越多地表现出自组织性、自适应性[2]。

不可否认的是，算法与人类的融合将在技术助力下呈现出更多形态。目前现实中算法的应用极大提升了人们的生活效率，包括推荐算法、商务算法、算法新闻、算法优化和预测。推荐系统作为其中的一种应用，主要通过依靠机器学习算法，能够通过分析用户的行为或其他相似用户的行为来“猜测”用户的喜好和兴趣，为用户提供量身定制的、经过筛选的信息，从而使其更有效地应对海量数据，减少信息过载[3]。推荐系统已经在新闻、营销、娱乐、社交媒体多个领域为用户解决选择难题，增加应用程序的附加值，增强用户黏性。

然而在国内2021年360 发布的一项推荐系统调研数据报告《感觉被算法算计了》中，当要求给推荐系统选择形容词，“精准的”“有用的”“高效的”“让人惊叹的”成为高频词，也有部分认为推荐系统是“讨厌的”或“让人苦恼的”。

因此，用户对于算法推荐系统产生感知，而这种感知会影响用户与推荐系统之间的关系。人对算法的感知在近年来已经逐渐成为研究的重点，用户对于机器技术的感知会塑造人与机器技术的关系。基于此，本文以短视频内容推荐为研究对象，采用半结构访谈法选取大学生群体，探究用户对于算法的认知、感知及其产生的互动行为，以期丰富现有的人与算法关系领域的研究。

二、研究意义

从理论上来讲，算法塑造了数字环境和社交互动的个人体验[4]，未来算法的推荐将融入更多的社会场景。因此，了解人们的感知和态度有助于提升人与算法的关系。同时，因为算法本身的技术黑箱，了解算法机制也是一件相对复杂的事情。因此，从用户角度去收集日常生活对算法运行机制的理解，也可以作为算法机制的一种补充。此外，人与算法关系的探索有助于人机关系理论的补充。

从实践上来讲，由于研究会涉及到一些短视频内容推荐APP 为实例进行举证，因此了解用户的算法实践可以为短视频APP 提供者、技术人员提供优化算法体验的本土化建议，增强算法应用的广泛性和日常性。

三、文献综述

(一)短视频推荐系统相关研究

短视频近年来呈现快速增长，短视频的内容推荐是属于算法推荐的应用之一。有关短视频内容推荐的研究可以分为从技术角度研究算法优化和探讨伦理法律问题。目前对于算法的研究主要从算法技术和算法伦理角度以接受和批判视角进行[5-6]，对于算法感知的研究较少。算法感知视角下的研究正处于发展期，本文拟通过定性方法来探索研究扩大用户视角下的算法。

(二)人与算法关系相关研究

在人与推荐系统的关系研究中，国内学者主要研究针对短视频推荐内容相似性带来的负面响应[7]，还有以今日头条推荐为例介绍用户与算法之间基于可见性的威胁问题[8]。这其中的研究部分对于基于特征的用户响应机制进行了解释，但是都是主要站在技术接受角度，忽视了人们对于算法的态度。

国外学者研究了政治[9]、社交[10]、娱乐[11]领域的个人算法民间理论，从研究结果可以看出学者们倾向于用深度访谈的方法来挖掘用户的看法。Torkamaan 讨论了推荐系统感知精确性产生的恐惧[12]。这些研究以人与算法的关系为理论视角，在该领域作出了贡献。

然而国内针对人与算法关系的研究较少。同时，在国内背景下对于算法的感知研究、态度研究还处于发展期。截至2022年6月，我国短视频的用户规模增长最为明显，达9.62亿，占网民整体的91.5%[13]。因此，在短视频成为新赛道的背景下，本研究试图选取短视频推荐系统为研究对象带来的态度感知进行补充。

四、研究内容

本研究选取不同专业背景、有短视频推荐使用经验的12位大学生作为访谈对象，进行40 分钟以上的访谈。访谈中涉及的短视频平台主要是哔哩哔哩动画、抖音、小红书、微博。现将内容总结如下。

(一)算法的认知——“大数据推荐”的技术想象

算法的认知主要是用户对于算法的认识和理解。本文研究发现，当算法推荐的内容出现用户并不满意的情况，用户对于算法的感知才会比较明显。首先，访谈对象在讨论到算法推荐选取的场景时，都出现了自己并不满意算法推荐时的情境。其次，对于算法这个词语大部分人并没有过接触，理解程度并不高。最后，对于算法的机制的了解，用户也并不会联系到该机制属于算法，而是从自己的角度去理解机制的作用。

本次采访对象中，只有计算机专业背景的访谈者对于算法一词并不陌生，也能够将个性化推荐与算法联系在一起，其他采访者没有相关学术背景，对于算法比较陌生，而对于大数据相对熟悉一些，认为算法推荐与大数据相关。小G和小Y 表示“在XX 平台上会看见/平时有的帖子会说请大数据把我推给喜欢XX 的人”。小T 表示，“大数据可以追踪到很多我的信息，根据我看过的和与我可能相关的一些内容推给我，比如别人给我B 站分享的内容，我看了以后就会一直给我推这个方面的内容”。

有关于算法的运作机制，当谈及个性化推荐中会出现的一些标签，访谈者认为标签的作用是细化分类，其次就是一些热度标签可以增加流量。小G 表示，“比如我发一个健身的视频，我就会带上运动、健身这样的标签，因为首先是一个分门别类的作用，再就是前段时间刘畊宏很火的时候，我带上这个相关的标签就会有更多的流量，因为是热点，所以视频的点击量一下子就上去了”。所以用户虽然无法将推荐标签联系到算法的运行机制上，但是对于标签的作用有自己的认识和理解，也会去运用自己的对标签的理解从而增加曝光度。

对技术展开想象，即是为作为物理实体的技术赋予社会意义的过程，它期望为技术在社会中寻找到一个特定的“文化位置”，而这种文化定位会影响到相应社会环境下技术实践展开的具体方式[14]。“想象”让技术本身在社会中变成了“容易理解的”对象。在当今数字文化背景下，对算法“大数据推荐”“标签作用”等一系列技术想象，其实就是用户对于算法技术的一种民间建构理论。这种对算法的技术想象构成了用户对算法的文化定位，从而影响算法与用户之间的关系。

(二)算法的感知——功能与身份

算法的感知会涉及到用户对算法的一个态度和情感。而用户对算法的态度形成会来源于用户对算法推荐表层功能层面的质量感知，以及背后的深层身份定义。

1.功能使用

对于不同平台的个性化推荐的算法感知用户可以分为正面和负面。持正面看法的用户认为某平台的算法逻辑以高质量产品为主，同时对兴趣的把握比较准确。持负面看法的用户则认为算法不够准确，出现了重复推荐、质量良莠不齐、商业化推荐等现象。

访谈者小L 表示，“像我之前会发一些弹吉他的视频，平台会给我推类似的人的视频，比较小众，我就觉得挺合我胃口的。平时平台火爆的视频也都是很有水准的视频，我就觉得这个推荐我很喜欢”。

访谈者小S 表示，“平台每次推荐的内容都是上次看过的，都没有新的东西，我也不是一直只看这个，除此之外就是推荐的点赞量高的视频，虽然属于热点内容，但是我觉得对我而言质量比较低，没有什么内涵”。访谈者小Y 表示，“每次看着就出现广告，总是给我推广告，我不想用这个平台了”。

2.身份定义

用户对于算法的感知的负面内容，还有一部分来源于用户认为算法推荐的内容所反映出来的身份定义与自己不匹配。对于一些用户并不满意的推荐，用户会对此进行戏谑。如访谈者小Q 认为平台推荐内容的层次并不属于自己的网络身份时会发表言论“养了这么久的号，最终还是养废了”，以此来表达自己对于算法推荐定义的身份的不满。关于算法形成的身份，其他学者也有过类似的研究。John Cheney-Lippold[15]曾发表过《一个新的算法身份》的文章，被理解为“通过数学算法来推断身份类别的身份形成”。

人际传播领域中的镜中我理论指出，用户会通过他人的认识、评价以及自己对评价的情感来认识自己，而未来当算法作为传播对象，作为一个无形但是互动的存在时，算法机制对我们的评价也将成为我们认识自我的来源。访谈中用户认为算法推荐呈现出来的“自我”形象与自己认为的自我形象存在偏差，就会产生抵抗心理，这其实是用户对此评价产生的情感，由此可见算法作为机器中的一员形成的人机传播已经模糊了人际传播领域的边界。

(三)算法的互动——算法话语

算法话语即算法权力。以往的研究以批判算法权力中心为主，而当今用户也具有算法话语时权力也会得到转移。算法话语的建构会塑造人们的形象、感知、体验算法的方式。这一个过程是双向的过程，个体在理解算法的过程中，也被算法通过场景形塑着物质和精神生活[16]。算法想象会调节用户个体与算法的互动程度，在与算法斗智斗勇中，用户不断以自己的方式生产关于算法的话语，用户的反应对于算法来说也发挥着一种生成性的作用。

1.主动和被动交互的算法交互

我们可以将人与算法的互动主要分为主动和被动的算法交互行为。积极的算法交互表现在用户主动根据自己的理解，对自己形成的算法实践进行验证，比如说点赞让算法知道自己的偏好、主动搜索细化算法的推荐等日常算法互动。而被动的算法互动表现在用户会选择间断性使用某平台的推荐系统，或者出现一个平台迁移的状况。

2.主动和被动的算法抵抗

当遇到算法的错误推荐，用户会进行主动或者被动抵抗，比如，会进行身份的注销回避算法已经固化的标签推荐、点击反馈界面选择不感兴趣改变算法推荐的内容、通过主动搜索其他词语进行实时互动等行为。比如，访谈者小Y表示，“我曾经尝试注销XX 平台的账号，因为它推荐的内容总是刷新不到新鲜的内容、我感兴趣的内容、高质量的内容”。访谈者小T 对于平台出现的内容会及时进行反馈，“我基本每次都会对视频进行一个评估，我想让它明确知道我的喜好，减少出现我不喜欢的内容”。访谈者小Z 表示“在XX 平台上，看到我不感兴趣的内容，我就直接搜索或者一直出现同一类型视频我就会输入一个或几个完全不相同的内容，这样它就不会给我再推这个内容，推荐的内容也会变得更加广泛”。

算法互动中的用户主动性正在逐渐增强，算法虽然不可见，但是其互动方式正在逐渐被用户内化为一套自己的算法实践体系，由此可以去协调自己与算法之间的关系。在这其中，算法不再只是传播链条中的发射器，同时也作为信息接受者，算法也被用户纳为传播对象之一，用户通过界面设置等举措来达到与算法互动，实现协调共生。

五、结语

算法作为传播对象所塑造出来的算法文化为算法研究带来新的视角。总体而言，用户对于短视频算法的感知会有自己的理解轮廓，但是对于算法这个名词的认识视学术背景而定，而关于算法的态度取决于用户的表层功能接受与内层身份定义，最后关于算法的互动体现了用户具有一定的主动性，并不是完全被动的存在。由于时间原因，本文对于访谈的内容挖掘还不够深，例如,特定的用户群体已经拥有较高的算法素养，因此在与算法互动上可以利用算法数据实现反向的驯化，未来可以针对不同的用户群体进行深度访谈，了解特定群体更高层次的算法实践。其次，关于算法定义身份的研究还可以进行更多理论与现实的联系，去挖掘在算法推荐视角下用户的身份形成过程等。虽然本文还有许多不足，但是站在用户角度剖析算法的视角，将有助于对人与机器关系形成领域的补充。