随着用户日常使用的互联网平台广泛应用算法技术，探索用户对算法的认识成为一项关键议题，也能为配合国家政策以实现规制算法技术提供经验数据。通过实施问卷调查，本研究调查了北京地区高校在读大学生的算法意识、算法态度及其与算法的操纵行为之间的关系。
研究发现，在读大学生对算法机制存在的意识程度并不对其算法态度以及算法操纵产生直接影响，而他们生成的算法态度则显著影响了其合作型及反抗型的算法操纵。在算法黑箱的背景下，大学生群体能够理性看待算法神话，但是在与算法的博弈中，他们仍处于被动地位，数字鸿沟也在大学生群体中有了新的具现形态。
一、研究缘起
随着大数据技术以及智能手机的发展与推广，算法逐渐融入我们的日常生活中，例如知识搜索、路线导航、资讯浏览等行为，越来越多地被人们委托于算法，通过算法的中介而实现[1]。由于大学生群体是最常使用新媒体平台的用户群体之一，充当诸多平台功能代理的算法机制，对大学生群体产生着深刻影响。
二、文献综述
1.算法意识与算法态度：用户对于平台算法的感知
作为算法的使用者，用户在使用算法的过程中，会通过自身经验以及对算法的了解，形成学者所谓的“民间理论”(folktheory)[8]。这些民间理论或许并不正确，但却对指导用户在算法中介下的互联网平台中进行新媒体实践至关重要。DeVito等人明确地定义了民间理论，她们认为：“民间理论是一种直观的、非正式的理论，包括关于算法如何工作的因果模型，以及关于算法运行后可能产生的后果的观点和态度”[9]。
类似地，Bucher提出了“算法想象”的概念，她认为算法想象不仅仅是用户对于算法的感知，还应该被理解成“一种具有生产力的强有力的识别”[10]。基于算法民间理论以及算法想象的理论基础，研究者开始调查用户对于平台算法的意识与态度。
根据Gran等人在挪威进行的针对用户算法意识和算法态度的调查，算法意识(algorithmicawareness)程度被定义为人们对于算法机制存在于各个互联网平台中的基本了解程度，而之所以调查用户的算法意识与算法知识，是因为“算法不仅远非中立设备，而且往往会以晦涩的方式使得结构性的不平等与历史偏见永久化”[11]。
Eslami等人发现，虽然被调查者日常活跃在脸书(Facebook)平台中，但是超过一半的人们不了解脸书信息流中策划算法(curationalgorithm)的存在，而在研究者进行提示之后，他们对算法操控信息源的事实表达了强烈的负面态度。她们也指出，由于用户对算法存在缺乏意识，使得用户在使用媒体平台时可能产生一系列严重的现实后果，例如，由于算法操控信息流而造成亲友间互动机会的减少，使得用户误判各类社会关系，导致了关系的疏远甚至破裂[12]。
生成算法意识是用户感知算法的第一步，在此基础上，用户则可能会进一步探索算法系统，通过已有算法知识基础，产生对于算法机制的评价与反思。他们可能会愤怒于算法的黑箱操作而进行反抗，也可能会欣喜于算法的高效便捷而参与其中。
本研究借鉴于此，将以积极与消极来评测的用户算法态度称为“情感型态度”，并将青年群体样本的性别、学历、专业三个人口统计学变量纳入测量，首先提出了以下研究问题与研究假设：
问题1：不同性别、学历、专业的在读大学生在算法意识和算法态度上是否存在差异
假设1：具有不同算法意识程度的在读大学生会持有不同的算法情感型态度。
问题2：在读大学生的算法意识程度与他们对于算法的价值型态度之间存在怎样的关系
2.算法操纵：用户对于算法控制的反击
需要指出的是，虽然用户在算法的运作系统中属于运算终端的数据接收者，但是这并不代表用户只能全盘接收算法所输出的结果。已有研究在调查用户对于平台算法感知的基础上，已经证实了用户会发挥主观能动性，应用自身发展的民间理论而采取某些具体手段，尝试操纵算法而进行反击，从而在与算法的博弈中获取更多的主动权。
除了算法意识程度，算法态度也已经被研究者证实了会导致用户的算法操纵。在抖音平台中，Simpson与Semaan发现边缘群体对平台算法持有一种矛盾态度，既感激于平台算法给予了他们社群联结，让他们能找到彼此，又苦恼于平台算法的偏见所带来的算法排斥，导致他们既会不断利用算法推荐系统中的“喜欢”按钮，也会不断发布同样内容以戏弄算法审查[23]。
同样，基于对抖音的调查，Karizat等人发现用户已经意识到了平台算法中所存在的偏见，正在给予部分用户以算法特权，而同时压抑边缘群体的身份表达，抹灭了边缘用户的叙事，由此引发了边缘用户对于平台算法的抗争，包括借用他人账户、规避关键词等行为，以抵抗平台算法对他们的清理[24]。而在脸书平台中，研究者发现部分用户由于厌恶平台算法所嵌入的默认公开性(defaultpublicness)，不信任平台算法能够保障他们的身份安全，而不断寻找改变该算法机制的途径，甚至直接离开脸书[25]。
由此，本研究将用户试图改变算法运作结果的“算法操纵”纳入测量，并通过用户与算法系统之间的互动关系将其分为两个维度：
一类称之为“合作型操纵”，强调用户主动利用算法推荐、算法决策、算法评级等算法自身的机制，通过有意改变自己在算法机制中输入的值，而实现对算法的操纵，达到自己满意的输出效果；
另一类称之为“反抗型操纵”，强调用户拒绝与算法机制合作，而与算法机制进行直接的抗争，包括故意扰乱算法系统以及尝试关闭算法中介机制等。由此，结合上文所提出的算法意识、算法态度及有针对性的人口统计学变量，本研究提出以下研究问题：
问题3：在读大学生的算法意识程度与他们的算法操纵行为之间存在怎样的关系
问题4：在读大学生积极或者消极的算法情感型态度是否会影响他们对于算法的合作型操纵以及反抗型操纵
问题5：在读大学生的算法价值型态度是否会影响他们对于算法的合作型操纵以及反抗型操纵
问题6：不同性别、学历、专业的在读大学生是否具有不同的算法操纵行为
三、研究方法
1.变量测量与问卷设计
本研究从青年群体用户的视角出发，探索他们在日常生活中的算法意识、算法态度及算法操纵行为。问卷设计分为四个部分，分别对应以上三个维度以及人口统计学变量。
(1)算法意识
(2)算法态度
“价值型态度”的测量借鉴了Lee研究中所使用的“公平性”以及“信任度”的理论维度[28]，设置5个题项，包括“我信任算法运作所输出的结果”“我认为算法运作的结果是价值中立且客观的”“我会抗拒算法运作所输出的结果”“我认为算法运作对我的生活是有用的”“我认为算法运作的结果给我带来了负面影响”，经检验该量表的克朗巴哈系数为0.734。
(3)算法操纵
通过询问被调查者进行各类行为的频率，本研究测量了青年用户的算法操纵行为。
(4)人口统计学变量
由于研究对象为在读大学生，借鉴已有研究[31][32]，本研究依据其特点提出需专门检验的人口统计学变量，包括：“性别”(男=1，女=2)，“学历”(专科=1，本科=2，硕士=3，博士=4)，以及“所学专业”(共计12个学科门类选项，1个其他选项)。
2.数据收集与分析方法
对于收集的文本数据，本研究期望了解青年群体算法意识所聚焦的主题面向，使用计算机辅助主题建模的方法进行聚类分析。本研究使用CorEx半监督主题模型，该模型允许添加预先设定的锚定词汇(anchorwords)，通过关联解释(correlationexplanation)寻找到高贡献度主题词汇，较好地解决了文本稀疏和发散的问题[33]。针对青年群体算法态度的原因文本，本研究主要采用词频分析，通过辨析高频词汇以探索影响用户算法态度的缘由。
四、研究发现
在数据分析前，首先检验本研究多变量可能导致的共同方法偏差(commonmethodbias)，使用哈曼单因子检验(Harman’ssinglefactortest)对被调查者的算法意识、算法情感型态度与价值型态度，以及算法合作型操纵与反抗型操纵多变量进行验证，结果显示主成分单因素方差为25.73%，未超过50%，证明共同方法偏差并未影响样本数据。
1.变量的描述性统计
将变量所呈现的均值与中位数值进行t检验，本研究发现被调查者所报告的对算法机制存在于互联网平台的意识程度较高(t=32.262，p<0.01)；在剔除“不知道”所代表的0值选项样本后，用户的算法情感型态度整体中立偏消极(t=-12.334，p<0.01)；在剔除“不知道”所代表的0值选项样本后，用户的算法价值型态度值整体中立，与中立值差异不显著(t=0.657，p>0.05)；在被调查者的算法操纵行为上，针对算法的合作型操纵频次略高于中间值(t=3.3，p<0.01)，而反抗型操纵频次较少，整体差异度也较大(t=-8.192，p<0.01)。
2.对性别、学历、专业变量的差异检验
为检验人口统计学变量与算法意识、算法态度和算法操纵行为之间的关系，使用方差分析分别对性别、学历和专业进行差异检验(见表2)。
研究发现不同性别的被调查者在算法意识程度、算法态度以及算法行为上不存在显著差异性。不同学历的被调查者在算法意识(F=9.935，p<0.01)上存在显著差异，他们的算法情感型态度(F=21.233，<0.01)也表现出明显不同。学历程度越高的在读大学生算法意识程度越高，针对算法的情感型态度也越消极。但不同学历的学生在算法价值型态度、算法行为上不存在显著差异。
不同专业的被调查者在算法意识、算法价值型态度、算法行为上不存在差别，但在算法的情感型态度(F=3.023，p<0.05)上存在一定差异，其中教育学类与其他类别专业学生对算法情感型态度平均得分高于其他专业学生。通过内部数据分析，这部分差异主要受专科学生样本集中于这两学科类别的影响。因此整体来看不同专业学科门类的学生在算法态度上不存在明显差异。
3.算法意识、算法态度与算法操纵的关系分析
通过使用分层线性回归分析，本研究将算法合作型操纵以及算法反抗型操纵作为被解释变量，研究算法情感型态度和算法价值型态度作为解释变量的影响作用。在分层模型中，本研究将人口统计学变量加入模型1，将算法意识变量加入模型2，加入情感型态度作为模型3，加入价值型态度作为模型4。
表4呈现了被调查者合作型操纵与情感型态度、价值型态度之间的关系。从结果看，模型1“人口统计学变量”的解释度较低(R2=0.01)，算法意识加入模型后没有解释度增量，而模型3加入情感型态度变量后对合作型操纵解释度的提升在统计意义上显著(△R2=0.032，β=0.182，p<0.01)，说明被调查者对于算法的情感型态度显著正向预测在读大学生对算法的合作型操纵行为。
模型4反映了情感型态度(β=0.118，p<0.05)与价值型态度(β=0.147，p<0.01)显著正向预测在读大学生对算法的合作型操纵行为(R2=0.06)。
表5呈现了被调查者反抗型操纵行为与情感型态度、价值型态度之间的关系。从结果看，被调查者的人口统计学变量、算法意识以及针对算法的情感型态度都没有显著解释力，模型4加入价值型态度后解释度的提升显著(△R2=0.046，β=-0.241，p<0.01)，说明被调查者是否会进行反抗型算法操纵并不受其对算法的情感态度影响，而主要受其对算法价值认可态度的影响，价值型态度越消极的被调查者越可能实施反抗型的算法操纵行为。
4.关于算法意识程度与算法情感型态度原因的文本数据解读
为了探索在读大学生群体对算法机制存在的意识程度的具体认知，本研究通过问卷中的开放式问题进行文本型数据的收集，使用预先设定锚定词汇的CorEx半监督模型进行主题建模，结果见表6。
其次，被调查者所使用的词汇也暗示了他们对于算法的批判理性态度，他们能够意识到算法“精准”“投放”的“个性化”内容而导致的个人的“信息壁垒”，以及观点的“一致化”，也能够意识到算法通过“偷窥”“窃听”等途径对个人“隐私”的侵犯，以及算法中介下的新型数字“监控”。
五、结论与讨论
自2022年3月1日起，由国家互联网信息办公室，中华人民共和国工业和信息化部，中华人民共和国公安部，以及国家市场监督管理总局联合发布的《互联网信息服务算法推荐管理规定》开始正式施行[34]。
根据该项规定，以算法推荐为代表的算法技术，将受到官方的规制与管控，曾经晦涩且封闭的算法黑箱，或许也将由此向公众与社会让渡一部分权力。算法权力已逐渐成为对个体和社会的新型数字威胁，而探索用户对于算法的意识、态度以及互动情况，并由此帮助用户在与算法的博弈中赋权，是配合国家政策以实现对推荐等算法技术进行规制和管控的另一条有效路径。
通过调查北京地区在读大学生群体的算法意识、算法态度以及算法操纵行为，从理论视角来看，本研究在已有研究关于算法意识与算法态度的关系调查中加入了“算法价值型态度”的新维度，也加入了算法操纵行为的新视角，强调了用户的主观能动性；而同时，在实际层面中，本研究呈现了中国情境下，青年群体与平台算法互动的经验数据。本文的主要结论如下：
第一，数字鸿沟在算法中介下的互联网情境中，有了新的呈现形式。
其中，学历越高的用户，越能够意识到算法在互联网平台中的存在，越对算法所驱动的内容产生消极态度。这一结论发展了黄忻渊的研究结论，她指出了用户的教育背景差异对于算法新闻态度的影响[35]，也呼应了Gran等人的研究，她们发现在挪威受过三年以及四年大学以上高等教育的被调查者拥有更高的算法意识，且对算法所驱动的内容持更加消极的态度[36]。
本研究则在中国的语境中本土化了她们的结论，指出专科学生对于算法机制存在于互联网平台的意识程度明显较低，也更倾向于对算法驱动所输出的内容持有积极态度；这可能意味着他们更加难以识别以内容推荐为形式的算法控制，从而陷入信息茧房的困境中。随着学历的增长，青年群体更加能够感知到信息茧房等算法中介下负面影响的控制，而对算法所驱动的内容也更能保持一个警醒而批判的态度。
但是需要注意的是，本研究同样发现，虽然高学历群体具有更高的算法意识与更加消极的算法情感型态度，但不同学历的青年用户在算法价值型态度与算法操纵行为上不存在显著差异。这也就意味着，高学历群体并不一定对算法价值具有高敏感度，他们也不一定会尝试与算法进行更加积极的博弈。
第二，青年群体用户能够理性看待算法神话。
学者已经指出，算法晦涩的运作流程神秘化了它的本质，引起了用户对于其中介作用下计算机能力的幻想，导致了对算法的盲目崇拜[40]。这些盲目崇拜，源自人们所赋予算法在日常生活中各个方面的代理权，使得更多的人对技术产生了有效的误解，而进一步邀请它们参与更多的日常行为[41]。
第三，算法仍以黑箱的形式，困扰着青年用户群体。
算法已经被诸多学者证明嵌有潜在的歧视与偏见[42][43]，但是本研究发现，青年群体对于算法价值的感知呈现钝感，整体对算法的价值型内涵持有趋向中立的态度，并不太能感知到算法中隐藏的带有偏见的价值导向。
这两点发现也印证了Pasquale所提出的算法黑箱的本质[44]：正如主题建模中所呈现的，即使青年群体能够持有较高的算法意识，这种意识也趋于表层，难以帮助他们在算法黑箱般的运作中深入剖析算法的底层逻辑，从而降低了他们对于算法情感型态度与价值型态度的评估敏感性，也没能刺激他们进一步进行操纵算法的实践。他们并不能对算法中内嵌的歧视与偏见产生准确的感知，而对算法价值取向，例如公平性与客观性等不置可否。
第四，在与算法的互动博弈中，青年用户仍处于被动。
虽然绝大多数被调查的青年用户都能够意识到平台算法的存在，但他们的合作型操纵算法行为频次中等，而反抗型操纵算法的行为更是偏少。也就是说，青年用户一般不会尝试影响算法的运作，也不会挑战算法的输出，大多数情况下仅在旁观算法的自主运作，等待算法的运作结果。需要注意的是，算法随着在更多的平台中成为中介，已逐渐成为具有权力的行动者，影响着用户的日常生活[45]。
而在与算法的博弈中，青年用户对操纵算法的钝感，很有可能给予平台算法压制他们的权力而获取更大权力的空间，导致他们在面对算法时，面临更加严重的数字控制。孙萍的研究便证明了，在与平台算法的博弈中，外卖员只有积极进行“逆算法”的实践，寻找算法漏洞而尝试操纵算法的演化与输出，才能够更好地维护自己的权益，减少算法对自身的数字控制[46]。
本研究进一步发现，青年用户的算法态度直接影响了他们对算法的操纵行为：被调查的青年用户对于算法的情感型态度与价值型态度均直接影响了他们对于算法的合作型操纵行为，而他们的算法价值型态度直接影响了他们对于算法的反抗型操纵行为。具体地说，当他们认可算法驱动所输出的内容且信任算法的公平与效用时，会更加倾向于顺从平台算法的规则，参与算法的运作而影响算法输出的结果；而就反抗型操纵而言，当他们不认同平台算法的价值取向，尤其是对其产生不信任的感知时，更加倾向于寻找扰乱或移除算法机制的途径以反抗平台算法。这一结论也在一定程度上发展了Lee的研究，她通过调查人们对于算法中介的决策，呈现了用户信任或不信任算法决策的情境[47]，而本研究则为探明用户信任或不信任算法系统之后的行为提供了一定的数据。
最后，本研究仍存在一些局限。一方面，由于整体样本仅局限于北京地区高校在读大学生，且通过网络滚雪球抽样以及受限于疫情校园封控而难以结合线下推广问卷收集样本等因素的影响，样本的代表性和可推广性受到一定影响；未来的研究可以在有能力的情况下，采取更结构化的抽样方法聚焦更加多元的群体，平衡家庭背景、城乡差异、地区、学习层次、性别等多方面要素。
另一方面，用户对算法的操纵行为可能受到更加多元复杂因素的影响，本研究在分析中纳入的用户的算法意识以及算法态度等变量在解释力上仍然存在不足，存在继续探索的空间，例如，未来研究可以将用户算法知识丰富与准确程度作为变量纳入测度。再一方面，关于用户对于算法价值取向的探索以及操纵算法的尝试，量化方法或许难以检验态度原因以及展现多元操纵途径，未来研究可以采用深度访谈等质化方法来补充用户的了解和看法。
赵龙轩：华东师范大学社会发展学院博士研究
生林聪：中国人民大学新闻学院硕士研究生
参考文献：
[1]WilliamsonM.Algorithms（andthe）everyday[J].Information，Communication&Society，2017，20（1）：137-150.
[2]栗蕊蕊.推荐算法影响大学生价值观的内在逻辑与引导策略[J].思想理论教育，2021（12）：91-95.
[3]张杨，高德毅.算法推荐时代高校网络思想政治教育面临的挑战与应对[J].思想理论教育，2021（7）：91-96.
[4]李伟.消费主义对大学生社会心态的影响及其应对[J].河南社会科学，2021，29（11）：10-18.
[5]杨元，杨昌斌.大学生个性化需求的新媒体信息推荐策略[J].学校党建与思想教育，2019（24）：74-75.
[6]郎捷，王军.“信息茧房”对大学生思想政治教育的挑战及应对分析[J].学校党建与思想教育，2020（20）：13-15.
[7][22][38]ChristinA.Algorithmsinpractice：Comparingwebjournalismandcriminaljustice[J].BigData&Society，2017，4（2）：1-14.
[8][12]EslamiM，RickmanA，VaccaroK，etal.“IalwaysassumedthatIwasn’treallythatcloseto[her]”：ReasoningaboutInvisibleAlgorithmsinNewsFeeds[C]//Proceedingsofthe33rdannualACMconferenceonhumanfactorsincomputingsystems.2015：153-162.
[9]DeVitoMA，GergleD，BirnholtzJ.“Algorithmsruineverything”：#RIPTwitter，FolkTheories，andResistancetoAlgorithmicChangeinSocialMedia[C]//Proceedingsofthe2017CHIconferenceonhumanfactorsincomputingsystems.2017：3165.
[10][37]BucherT.Thealgorithmicimaginary：exploringtheordinaryaffectsofFacebookalgorithms[J].Information，communication&society，2017，20（1）：30-44.
[11][15][26][27][31][36]GranAB，BoothP，BucherT.Tobeornottobealgorithmaware：aquestionofanewdigitaldivide？[J].Information，Communication&Society，2021，24（12）：1779-1796.
[13]EslamiM，KarahaliosK，SandvigC，etal.FirstI“like”it，thenIhideit：FolkTheoriesofSocialFeeds[C]//Proceedingsofthe2016CHIconferenceonhumanfactorsincomputingsystems.2016：2371-2382.
[14]DeVitoMA，BirnholtzJ，HancockJT，etal.Howpeopleformfolktheoriesofsocialmediafeedsandwhatitmeansforhowwestudyself-presentation[C]//Proceedingsofthe2018CHIconferenceonhumanfactorsincomputingsystems.2018：1-12.
[16][32][35]黄忻渊.用户对于算法新闻的认知与态度研究—基于1075名算法推荐资讯平台使用者的实证调查[J].编中国青年研究07/202230TeBieQiHua特别企划辑之友，2019（6）：63-68.
[17][28][47]LeeMK.Understandingperceptionofalgorithmicdecisions：Fairness，trust，andemotioninresponsetoalgorithmicmanagement[J].BigData&Society，2018，5（1）：1-16.
[18]陈龙.“数字控制”下的劳动秩序—外卖骑手的劳动控制研究[J].社会学研究，2020，35（6）：113-135+244.
[19][46]孙萍.“算法逻辑”下的数字劳动：一项对平台经济下外卖送餐员的研究[J].思想战线，2019，45（6）：50-57.
[20]EslamiM，VaccaroK，KarahaliosK，etal.“Becareful；thingscanbeworsethantheyappear”：UnderstandingBiasedAlgorithmsandUsers’BehavioraroundTheminRatingPlatforms[C]//ProceedingsoftheinternationalAAAIconferenceonwebandsocialmedia.2017，11（1）：62-71.
[21]BishopS.ManagingvisibilityonYouTubethroughalgorithmicgossip[J].Newmedia&society，201921（11-12）：2589-2606.
[23][29]SimpsonE，SemaanB.ForYou，orFor“You”？EverydayLGBTQ+EncounterswithTikTok[J].ProceedingsoftheACMonhuman-computerinteraction，2021，4（CSCW3）：1-34.
[24][30]KarizatN，DelmonacoD，EslamiM，etal.Algorithmicfolktheoriesandidentity：HowTikTokuserscoproduceKnowledgeofidentityandengageinalgorithmicresistance[J].ProceedingsoftheACMonHumanComputerInteraction，2021，5（CSCW2）：1-44.
[25]ChoA.Defaultpublicness：Queeryouthofcolor，socialmedia，andbeingoutedbythemachine[J].NewMedia&Society，2018，20（9）：3183-3200.
[33]GallagherRJ，ReingK，KaleD，etal.Anchoredcorrelationexplanation：Topicmodelingwithminimaldomainknowledge[J].TransactionsoftheAssociationforComputationalLinguistics，2017，（5）：529-542.
[40]ChunWHK.On“sourcery，”orcodeasfetish[J].Configurations，2008，16（3）：299-324.
[41]ThomasSL，NafusD，ShermanJ.Algorithmsasfetish：Faithandpossibilityinalgorithmicwork[J].BigData&Society，2018，5（1）：1-11.
[42]刘培，池忠军.算法歧视的伦理反思[J].自然辩证法通讯，2019，41（10）：16-23.
[43]汪怀君，汝绪华.人工智能算法歧视及其治理[J].科学技术哲学研究，2020，37（2）：101-106.
[44]PasqualeF.Theblackboxsociety[M].HarvardUniversityPress，2015.
[45]喻国明，杨莹莹，闫巧妹.算法即权力：算法范式在新闻传播中的权力革命[J].编辑之友，2018（5）：5-12.