用戶感知模式中的算法認識論*

晏齊宏

一、問題提出

從莫雷利(Morelli)、弗洛伊德(Freud)、福爾摩斯(Sherlock Holmes)開始,通過表面的線索來診斷深層的問題,成為認識事物、解決問題的重要路徑。莫雷利用畫作的細節(jié)特征來判斷其出自誰之手并對其進行歸類；弗洛伊德通過病人的癥狀來判斷病人可能遭受的生理和心理創(chuàng)傷；福爾摩斯通過常人可能忽略的、不起眼的線索來破解懸疑大案。他們都采用了診斷的方法,即從顯而易見的、常被忽略的、可觀察到的細節(jié),跳躍到較為復雜的現(xiàn)實層面。觀察者將這些細節(jié)以特定的敘事方式排列,敘事順序也反映了其思考模式或者推理模式。①這種認識事物、解決問題的方式,不同于傳統(tǒng)基于專業(yè)知識的科學范式。它是通過日常經(jīng)驗(包括前人積累的經(jīng)驗),以仔細觀察為基礎,使觀察者從表象切入到更深層的東西,這就是推測的知識。

基于跡象和零碎的證據(jù)來還原歷史過程,在歷史學中較為常見。針對算法這一黑箱技術,近來新聞傳播學研究者也提出了類似的分析路徑。研究者將普通人通過日常經(jīng)驗認識和感知算法運作及其影響的方式,稱為算法感知。②例如,普通人可以通過素描、類比、提供假設和結(jié)果等方式來推測、猜想算法系統(tǒng)的運作邏輯。③這些感知模式,構成了人們理解算法的民間理論。人們在形成民間理論時,會從不同的信息來源或者線索中獲取信息,并將其排列、序化、梳理、組織等,由此民間理論也比之前認為的簡單線索更加復雜,具有多面性和可塑性等特征。④在民間理論中,重要的不是知識的專業(yè)性、正確性、科學性,而是實用性。⑤

隨著以專業(yè)知識來破解算法黑箱的分析路徑遭到批判⑥,并且很難為算法研究貢獻更多的人類知識和智慧,民間理論這種分析方法悄然出現(xiàn)。近年來國外涌現(xiàn)出了一批基于民間理論開展的算法的相關研究,但是國內(nèi)的實證研究還非常缺乏。基于此,本研究嘗試從民間理論的視角,探討普通用戶在算法實踐中所形成的民間知識,這也是對算法技術認識論的實證探索。本研究關注的是人們?nèi)绾位诂嵥榈?、顯現(xiàn)的線索而將其“排列”“組織”起來,從而呈現(xiàn)出對算法運作過程及其社會影響的理解。這些排列、組織模式,實際上就是人們的感知模式或思考模式。

二、算法感知中的感知線索和感知模式

算法民間理論的形成主要包括兩方面內(nèi)容:激發(fā)用戶推測算法系統(tǒng)的感知線索(外顯線索、內(nèi)隱線索)和感知模式。

(一)算法系統(tǒng)的感知線索

人們決定依賴何種線索展開推測,取決于這些信息或線索在實現(xiàn)目標方面的潛在效用。⑦整體來看,在算法感知中,主要依賴的線索包括外顯的和內(nèi)隱的線索。

第一,外顯線索激發(fā)算法感知。外顯線索指那些外在的、明顯能夠激發(fā)人們感知的信號(signal)。從已有研究來看,系統(tǒng)設計或界面中的元素會激發(fā)用戶的算法感知和推測,如技術系統(tǒng)中呈現(xiàn)的文章、廣告、軟件界面等。⑧除此之外,外顯線索也包括用戶的個人偏好和使用行為等。研究者通過民間理論發(fā)現(xiàn),用戶認為Spotify(音樂服務平臺)之所以推薦特定內(nèi)容,除音樂本身的特征(如音樂類型、風格、節(jié)奏等)外,還因為用戶的使用習慣(如頻率和收聽習慣)。⑨Eslami等分析了Facebook Newsfeed的民間理論并發(fā)現(xiàn),用戶會以自己的方式推測和揣摩算法。例如,在用戶的理解中,算法會基于個人與其他賬號的互動、與內(nèi)容的互動、朋友關系等而進行相應的信息推送。⑩同時,那些顯要的系統(tǒng)功能及設置也會激發(fā)算法感知,如隱私設置、發(fā)帖時間、平臺設置和定位等。

第二,內(nèi)隱線索激發(fā)算法感知。內(nèi)隱線索指的是用戶個人的心理和狀態(tài),如個人對風險的感知、對技術系統(tǒng)的信任等。研究發(fā)現(xiàn),對事物的態(tài)度和看法會影響對算法的感知。針對音樂平臺,人們在使用實踐中的情感體驗也會激發(fā)算法感知。有研究從感知的角度分析用戶對Facebook好友信息呈現(xiàn)背后算法邏輯的推測和猜想,提出了幾種直覺理論,如被動消費、隱私感知、消費者偏好、錯失帖子、期望違背。例如,期望違背指人們基于與結(jié)果(所接收信息)相關的假設及期待,來推理和理解技術系統(tǒng)。特別是,如果結(jié)果與自己的期待相違背,更可能激發(fā)人們的猜測和揣摩。例如,有研究對來自#RIPTwitter的推文進行分析發(fā)現(xiàn),基于違背期望的算法輸出結(jié)果,人們或多或少能夠感受到隱性算法的存在,大多感受是直覺性的、瑣碎的；當然也有一些理解確實上升到了專業(yè)層次,有些也的確與算法實際運作的邏輯相一致。

整體來看,激發(fā)人們進行算法感知的線索包括外顯線索(如文本特征、用戶特征、系統(tǒng)特征)和內(nèi)隱線索(態(tài)度、情感、心理),具體有文本類、用戶類(外在特征、內(nèi)在心理)、行為類、系統(tǒng)類等線索。

(二)算法系統(tǒng)的感知模式

感知模式指的是,當用戶注意到外顯線索或內(nèi)隱線索時,基于此而思考技術邏輯的方式或模式。較為常見的感知模式包括社交關系、因果推理、用戶參與等。

第一,社交關系模式。Twitter、Facebook、微信等大多通過好友或社交關系進行系統(tǒng)功能設置。實證研究也發(fā)現(xiàn),用戶對這些平臺算法運作的假設、期望等大多與群體、社交關系等有關,用戶關系、用戶與系統(tǒng)的交互等成為其思考算法運作的重要模式。第二,因果推理模式。從技術邏輯來看,算法是將以語言或者代碼形式的輸入進行運算而輸出特定結(jié)果的程序。那么基于輸出結(jié)果來反推輸入及其過程也是最可行的理解模式。第三,用戶參與模式。用戶參與模式大多指用戶及他人與系統(tǒng)的互動行為模式,如圍繞信息瀏覽、轉(zhuǎn)發(fā)、點贊和評論等展開的思考和推理。值得注意的是,這里的互動行為,不僅包括用戶個人的,還包括其朋友的,甚至不認識的其他人的。

本質(zhì)上看,技術系統(tǒng)的民間理論是一種意義構建框架,用戶會調(diào)取某些線索來進行直覺的、非正式的技術推測,該想法可以用來解釋技術系統(tǒng)的運作機制及其結(jié)果或影響。普通人將各種細碎線索進行排序、組織的邏輯結(jié)構,構成和反映了人們的思考路徑,即感知模式。在算法問題中,目前國外研究對此給予關注,但國內(nèi)實證研究較為缺乏?；诖?本研究嘗試分析用戶算法感知中的感知模式。

三、研究方法

本研究采用深度訪談的方法展開,訪談分為三個階段。第一階段招募北京某高校大學生25名,這些學生分布在各個學院和專業(yè)。第二階段通過微博、微信招募職場從業(yè)者,17位被訪者接受了我們的訪談,這些從業(yè)者涉及文化、政府、醫(yī)療、工程、媒體等行業(yè)。第三階段通過微博、微信招募11位算法相關從業(yè)者,包括計算機教師、業(yè)界的計算機工程師、新媒體運營人員等(被訪者信息表1)。每次訪談約40分鐘—90分鐘。獲得訪談材料后,研究者側(cè)重于通過尋找被訪者提到的線索以及依據(jù)于此展開回憶、敘述的方式,從而獲得人們的感知模式。在本研究中,感知模式主要指的是,用戶在算法感知過程中形成的對系統(tǒng)如何運用算法推薦信息,以及算法推薦社會影響的理解和思考模式。值得注意的是,這里側(cè)重于思考方式而非算法運作本身。而這種感知模式很大程度上依賴于感知線索。

表1 本研究被訪者信息

四、數(shù)據(jù)分析結(jié)果

實證分析發(fā)現(xiàn),對于不同的感知模式,可以依據(jù)感知線索來進行歸類。具體包括文本類線索、用戶類線索、行為類線索、系統(tǒng)類線索等。相應的,感知線索與感知模式具有一定的對應關系(見圖1)。

圖1 用戶算法感知中的感知模式

(一)文本類線索:個性化與多元化模式

針對文本類線索,人們會從發(fā)展和抑制的角度進行思考,發(fā)展即順應人類的需求、人性化體驗等；抑制即在滿足人類最低層次需求的基礎上,從更高層次拓展多元內(nèi)容,并且從技術可操作性方面給予更加理性的解釋。這可以稱為個性化與多元化模式。

第一,個性化滿足模式。針對接收到的同質(zhì)化信息,用戶大多從該信息與個人的關系展開論述,特別從該信息是否能滿足個人需求、是否能避開風險的角度進行思考。有被訪者談到:“我理想中應該是55開,50%是通過推薦算法構造自己喜歡的內(nèi)容,剩下50%可能是熱點內(nèi)容,或者是隨機推送的?！锌赡艽蠖鄶?shù)人覺得全部是自己喜歡的這樣比較好,算法可能更偏向于這么做。”(ST11)人們也會以自我為中心,依據(jù)心理距離的遠近來思考算法推薦。一般來講,那些與自己相關的信息大多被認為是算法推薦的?！耙敲朗?我覺得基本上是通過算法推薦的,因為我喜歡呀。如果跟我遠點的,如神州十三號載人飛船發(fā)射、中美對話或中外關系,這些應該是硬性傳播的,國家重大事件嘛,自動置頂。”(CS2)反過來,人們也會從更廣闊的視角思考不圍繞個人興趣進行推薦可能帶來的問題?！拔矣X得現(xiàn)在的平臺對探索新內(nèi)容這方面不太重視,做得很差。于情于理,算法不喜歡探索新的興趣點,因為探索本身存在很大風險?！?ST12)除了正反兩方面的思考外,人們也會將同類內(nèi)容歸結(jié)為個人因素。(ST9)可以發(fā)現(xiàn),無論是從正面還是反面,還是問題歸因,人們對同質(zhì)化信息引發(fā)的算法推測邏輯,均遵循了個性化需求是否得到滿足這一規(guī)則。

第二,多元化探索模式。針對接收到的異常信息,用戶會從系統(tǒng)試探以擴大視野的角度進行推理。當個性化需求理念深入人心,人們對于接收到的異常信息會感到驚訝,并基于已有社會經(jīng)驗進行推理?！坝袝r候算法確實很匪夷所思,我從來不喜歡這個東西,但就給我推了。一是背后有人為操作；還有可能是它想探索我新的興趣點。用已知的興趣點探索其他興趣點?！?ST7)從技術發(fā)展本身來看,在起初冷啟動階段,算法系統(tǒng)的確需要反復探索興趣點。同時,系統(tǒng)也會從用戶體驗出發(fā)來進行推薦,人們除了具有個人偏好,也喜歡多元化內(nèi)容,這是算法系統(tǒng)開發(fā)的重要標準之一。(ST2)針對內(nèi)容異常情況,被訪者認為可能存在更高一級的算法程序?！氨热鏐站每天晚上推恐怖片和美食。因為我特別膽小,我有一次把所有恐怖片全都點了不感興趣。但是過了一天之后,它依然每天都在推,它這個始終推的算法程序優(yōu)先級應該比特定算法高。”(ST14)這是用戶從技術必要性和可操作性角度進行的推理。

第三,人性化體驗模式。針對接收信息的呈現(xiàn)方式等,人們從人性需求、人機互動、用戶體驗等角度推測算法?！八惴ㄍ扑]的信息是比較類似的,抖音上我愛看的是搞笑的和顏值類視頻。很神奇奧,這兩類不是說它一股腦兒全部給你推,而是那種交叉的,它不會讓你有視覺疲勞,讓你感覺刷不完?！?ST16)算法運行所需數(shù)據(jù),取之于用戶,也用之于用戶,算法與用戶的人性貼合,是用戶推測的重要邏輯。同城熱搜等也是順應人們需求的一種算法存在形態(tài)?！拔移鋵嵅⒉粫貏e在意同城(熱搜),同城相當于新聞的接近性,大家可能天然地對比較接近的事物感興趣?！?TM1)人們天生喜歡新奇的事物,對未知充滿好奇和幻想。依賴于此,不確定性、隨機性也是重要推薦機制。“抖音上刷視頻是隨機的,雖然大部分是根據(jù)個人偏好推,但你不知道下一條跟上一條是什么關系,特別是下一個具體推哪個是很隨機的,你也不知道。”(C1)不同平臺的平臺基因以及對人性的理解有所不同,算法推薦模式也不一樣。一位新媒體從業(yè)者談到：“比如抖音把很多資源集中在非常頭部的內(nèi)容,高質(zhì)量的信息就會被強推。但是快手不一樣,快手不會強制推給你,只有你喜歡了才推給你。當然,現(xiàn)在各家算法推薦慢慢趨向于共同的邏輯,即摸索用戶的偏好?！?NM6)如果說個性化滿足和多元化探索,更偏向于硬性指標和客觀指標,那么人性化體驗更偏向于軟性指標和主觀指標。

(二)用戶類線索:多利益主體模式

針對用戶類線索,人們會將用戶特征作為算法運作的基本物料,將其與信息、服務提供方直接相連；更進一步,也會基于個體的深層利益、個體與他人利益關系進行推理。這可以稱為多利益主體模式。

第一,用戶畫像的物料化匹配模式。用戶會將個人特征與所接收信息進行關聯(lián),以解釋算法邏輯。人們感知到的用戶特征線索,在計算機系統(tǒng)里是作為用戶畫像存在的。用戶畫像包括很多特征,如姓名(賬號名稱)、性別、購物記錄、評論信息,還可能有地址、電話號碼、工作單位、消費習慣、收入和支出等。(NM7)當獲得這些個人信息后,后臺會進行相應的匹配和推薦?！氨热缬脩裘刻斓南M數(shù)據(jù),也要對文章、內(nèi)容等打一些標簽,然后內(nèi)容標簽跟你的個人信息匹配,覺得這個比較像你,應該你會喜歡,就推給你?！?ST22、ST23、ST24)一位有過互聯(lián)網(wǎng)公司實習經(jīng)歷的學生談到：“我們在發(fā)微博以及做宣傳工作的時候,得給內(nèi)容打上標簽,如職業(yè)、女生、未婚、喜歡買包,這樣它就可以判斷你的特征。如果不打標簽,B站是不會推薦到首頁的?！?ST13)另一位被訪者談到,熱搜也與人物畫像相關?！盁崴训年P鍵也是人物畫像,它統(tǒng)計了大部分人的關注點,然后去迎合大部分人。你關注科技,我關注民生,他關注體育,但是如果有80%的人都更愛看體育,那么熱搜最開始最熱的地方就是體育,它的引流機制就是把更多人關注的話題往前頂?！?ST25)基于這些數(shù)據(jù),后臺程序會進行模型建構和演算,以及進行不同設備的對比。技術從業(yè)者談到：“模型演算,可能就是兩個相近的用戶模型,或者同一個人在兩個不同設備上的用戶模型,后臺會進行篩選比對,得到的(用戶畫像)就更加精準了。”(NM3、NM4)當然在匹配中也會出現(xiàn)偏差?！皬V告等內(nèi)容與用戶特征的擬合度越高越好,另外一個(參數(shù))好像是與偏差有關。這個值好像是為了保證信息檢索的準確性,糾正偏差?！?BE3)這些用戶特征就像物料一樣,被不同的平臺在不同情境下進行調(diào)取并分析。一位在外企電商網(wǎng)站從事數(shù)據(jù)分析工作的被訪者談到：“這些用戶數(shù)據(jù)給到我們數(shù)據(jù)分析部門,我們根據(jù)這些數(shù)據(jù)計算出哪類人群可能喜歡看什么樣的廣告。有人(廣告商)找我們投廣告,我們就根據(jù)這些分析結(jié)論,覺得哪部分人需要這個廣告,就把廣告推給他們。我們相當于信息中介,用戶就是我們的資源,廣告商可以利用我們對資源的分析與挖掘來投放廣告?！?C4)可以發(fā)現(xiàn),算法系統(tǒng)的運作就像傳統(tǒng)的企業(yè)工廠作坊一樣,進行分工、合作、生產(chǎn)。在算法系統(tǒng)中,用戶畫像是原料,企業(yè)和技術人員是加工者,最終生產(chǎn)出面向消費者的產(chǎn)品或信息。

第二,用戶直接利益相關模式。App使用是為了滿足人們工作生活所需,這就非常有可能因算法而引發(fā)利益方面的獲得和受損。被訪者認為大數(shù)據(jù)殺熟主要是商業(yè)利益主導下的算法操作,為了企業(yè)利益而犧牲用戶利益?！按髷?shù)據(jù)殺熟,滴滴利用了用戶對平臺的依賴,知道你使用次數(shù)多了,對App產(chǎn)生了一定的依賴,它就用算法系統(tǒng)來抬高價格,獲取更多利益?！?ST3、PI2)這種殺熟現(xiàn)象也存在于機票價格方面。“如果說你之前都沒有搜過這個,你點進去可能價格是一樣的,但是你搜過一回,下次這個價格就會變,這機票特別神奇。它覺得你想買,你已經(jīng)再次逛回來了,說明你的需求比第一次搜的人高,它就會顯示較高的價格。”(BE1)與此類似的還有外賣行業(yè)。(CE1)基于對新手的鼓勵或者對老手依賴性的“拿捏”,平臺運用這些獲客、留存、轉(zhuǎn)化的策略,并通過算法逐漸培養(yǎng)人們對平臺的依賴,從而獲取更多利益?！岸兑艨焓值乃惴ň褪菫榱肆糇∧?你要花費沉沒成本在上面,才會對它的依賴度進一步提升。這樣它才會有流量,才會有更多的合作?！?NM1)隨著算法深入日常生活,特別是伴隨著商業(yè)產(chǎn)品、服務、活動等悄無聲息的進入各個領域,人們的商業(yè)思維和理念也逐漸形成。(ST18、PI1)用戶會從個人信息的商業(yè)化運作角度進行思考,這也成為用戶算法解釋的“法寶”。(CE2)

第三,用戶個體與利益群體的區(qū)隔模式。有些消費場景中,人們會基于個人與利益群體的區(qū)隔性關系來理解算法。在這方面,最有代表性的是算法廣告?！霸谌绾螢槲姨峁└玫姆辗矫?系統(tǒng)可能比較關注我的一些特征和興趣。但一旦涉及從流量轉(zhuǎn)化到盈利、推銷廣告時,它并不在乎我的個人特征和興趣,而是它該推什么還是推什么,就是為了賺錢?！?ST1)由于廣告這類產(chǎn)品在一定程度上離用戶比較遠,或者用戶對其天生具有厭惡感,人們更可能從利益角度思考?！拔矣X得朋友圈有些廣告位,是這樣的,今天誰花錢了,就放誰家的廣告?！?BE1、PI3)之所以經(jīng)常收到與自己無關的廣告,“比如汽車,跟我完全沒關系呀,可能是廣告商給微信太多錢了,他就是用來刷熱度的,沒有根據(jù)某些群體特征,直接向全部用戶都推了?！?BE2)一位技術從業(yè)者談到,從廣告投放的角度來看,“在你點開(廣告)的那一刻,廣告商會有一個競價,它會有一個算法在里邊,誰的出價高,就會顯示誰的廣告?！?C2)同時,“不同廣告位有不同的計算規(guī)則,有的只要點進去就算廣告投放,有的只是瀏覽了就算一次廣告投放。不可能只有購買了才算投放有效。”(C4)也就是說,人們會從個體以及個體與其他利益群體(如企業(yè)、廣告商)等的關系,特別是區(qū)隔性關系來理解算法。區(qū)隔性關系,指的是在那些不順應用戶意愿,或者可能與其他利益群體產(chǎn)生物質(zhì)、精神層面不協(xié)同、矛盾、沖突等現(xiàn)象的關系。

(三)行為類線索:輸入—輸出關聯(lián)模式

算法系統(tǒng)的運作是技術系統(tǒng)與用戶互動的結(jié)果,大數(shù)據(jù)和代碼要起到作用,還需要人類從外部施加“輸入”行為。這些輸入行為也是人們感知算法的重要線索。針對行為類線索,人們會采用回溯和歸因的方式來理解算法。這可以稱為輸入—輸出關聯(lián)模式。

第一,刺激—反應模式。用戶的使用行為或者點擊行為屬于對系統(tǒng)的“輸入”,系統(tǒng)會對其進行處理進而“輸出”結(jié)果,即用戶接收的信息。被訪者也是這么理解算法運作邏輯的。如果用戶點擊某個內(nèi)容較為頻繁,或者在某個視頻中停留時間越長,就越可能收到類似的信息。其背后的邏輯是,點擊頻繁或者停留時間長,可能代表用戶對此類信息感興趣。(CS3)針對哪個平臺的算法依賴性較強這一問題,人們會從使用體驗方面給出自己的回答,即抖音、B站、小紅書、淘寶。“B站的算法還是挺強烈的,假如點擊了一個東西或搜了一個東西,它推的非常精準,而且反饋非常明顯。一刷就會刷出6、7張圖片,點進去看了一會兒之后退出來,再重新刷新一下,會發(fā)現(xiàn)后面的東西都是與前邊相似的。而且立竿見影,就是前一分鐘和后一分鐘的關系?！赡苁且驗榍捌谝呀?jīng)有你的數(shù)據(jù),你前一分鐘刷的那個視頻,相當于給系統(tǒng)一個刺激；實際上可能最后依據(jù)的并不只是那一個視頻,可能是你之前幾年都在點擊的那些東西?！?ST5)這種邏輯也進一步被運用于針對不理想內(nèi)容的“抵抗”方面,即采用特定的行為以達到理想的接收效果。有被訪者提及,“我之前看過考研視頻,但是現(xiàn)在考研結(jié)束了,并不需要太多(信息),但它始終推這些,那我就在我想看的美食或者娛樂信息中頻繁點擊,或者停留較長時間?！@個還是很有效的,幾天之內(nèi)就可以立馬調(diào)整過來?！?ST20)

第二,多主體行為類比模式。刺激—反應是從單個個體的行為因果關系來展開的推理,除此之外,朋友的行為和其他人的行為也是人們進行推理的切入點?！帮@然我和父母收到的信息完全不一樣,我爸媽整天關注的是怎么健身、怎么養(yǎng)生、怎么健康,還有導彈發(fā)射了、稅務局發(fā)布了什么信息、國家出臺了什么政策。我從來不會看這些。我的話,B站上也沒有什么國家大事,有一些知識類的。因為我睡眠有點問題,我的B站上大部分是助眠的東西?！?ST15)當談及為什么朋友圈會收到比較奇怪的廣告,如日本、韓國旅游廣告等,被訪者認為可能與好友關注相關。(TM4)“我微信朋友圈收到的廣告有美團優(yōu)選、算法課程。我猜是不是我朋友圈有一些計算機專業(yè)的同事或同學,他們肯定經(jīng)常關注這些,我也就收到了?！?CE3)一位被訪者談到：“類似于你的好友之間形成了一個信息網(wǎng)絡,每個人都有自己的檔案,計算機里應該叫數(shù)據(jù)庫,它通過數(shù)據(jù)庫(里面也有關鍵字)中的菜單列表,比如你們兩個人的菜單列表里有相同項或者相似度很高,通過你們倆之間的好友關系,認為好友關注的或者感興趣的,你可能也感興趣從而推薦給你。”(NM2)也就是說,不同于傳統(tǒng)的群體劃分方式(如人口特征),算法語境下,App使用慢慢培養(yǎng)了同類群體相同的關注和瀏覽行為,培養(yǎng)了不同群體的不同習慣,這也成為劃分群體的重要方式。在訪談中,人們經(jīng)常以這種類比的方式來說明不同用戶由于特定的使用、互動行為而接收到不同的信息,并基于此來思考算法運作邏輯。

第三,優(yōu)先級及賦權模式。用戶的多種互動行為,如點贊、轉(zhuǎn)發(fā)、評論、搜索等,被賦予不同的地位。被訪者普遍認為,搜索處于最優(yōu)先的地位,被賦予最大的權重。只要用戶主動搜索某個信息或人物,系統(tǒng)就會給予推薦等。同時,這種主動行為對算法的影響不容忽視。目前很多App都有搜索的功能。特別是對于有文化的用戶,他們更可能直接搜索某類信息。搜索行為中,算法對不同的內(nèi)容/信息會有不同的容忍度?！疤詫毟杏X比較智能,之前網(wǎng)上說,搜一個東西,后續(xù)它會推薦一堆這些東西,但我真的搜過不相關、我不太感興趣的東西,它也沒有推薦后續(xù)的東西,所以我感覺它會容忍(感興趣)領域之外的一些東西,它了解你有時會有特殊需求。”(ST19)從信息接收者來看,用戶針對不同推薦內(nèi)容也有不同的容忍度?！氨热缥宜褗蕵返?它就老愛推王者榮耀那些,還有其他的。但是我搜政治或者經(jīng)濟類的,它推的比較少,基本上我得重新再去搜一遍,而且沒有相關問題的推送。可能像政治經(jīng)濟類的比較偏敏感、嚴肅話題,人們的容忍度不高,推送就少?！?CS1)這也得到了新媒體從業(yè)者的證實,“一般來講,越小眾的東西,(算法推薦)會越加謹慎。大家對娛樂內(nèi)容的容忍度、接受度會比較高,所以系統(tǒng)推薦一些本來沒有涉獵過的娛樂信息,用戶也是比較能夠接受的?！?NM6)除了搜索之外,對于其他的互動(如轉(zhuǎn)贊評)行為,人們也會從優(yōu)先級方面進行理解?！皩ξ叶?‘喜歡’應該權重更大一點。我一般會把一些有用的、看著比較好的,或者是有收藏價值的視頻收藏起來,以后會翻出來看。但是評論的話,看到想評論的才會評論。所以我覺得收藏的權重應該比評論大一點,評論稍微低一點,瀏覽的權重應該是更低。算法會根據(jù)我不同類型的使用行為進行不同程度的推薦?！?C4)也就是說,當多個行為并存時,人們會想到行為之間的優(yōu)先性,從算法系統(tǒng)來說則是秉持了差異化的賦權原則。

(四)系統(tǒng)類線索:啟發(fā)式及系統(tǒng)式信息處理模式

針對系統(tǒng)類線索,用戶大多通過日常經(jīng)驗、平臺基因、功能知識等進行思考,特別是針對系統(tǒng)中的不同類型信息,會運用不同的信息處理模式。這可以稱為啟發(fā)式及系統(tǒng)式信息處理模式。

第一,基于日常經(jīng)驗的啟發(fā)式信息處理模式。目前較多平臺推出了專門的算法推薦版塊,如猜你喜歡、每日推薦、本地熱搜等。這些版塊字樣已經(jīng)表明內(nèi)容是基于算法推薦的?！拔液髞戆l(fā)現(xiàn)抖音很神奇,它有幾個版塊,比如說本地、關注、推薦這三類,你可以選擇這三類視頻去刷。比如我連續(xù)幾天都刷到這個人,自從我關注他之后,我就刷不到他了。我發(fā)現(xiàn)這個的時候也很震驚?？赡苁且驗槲乙呀?jīng)關注這個人了,它覺得我可能后續(xù)會持續(xù)關注?；蛘呶抑苯釉陉P注列表里就可以看到這個人,它就不會給我推薦這個人了?！?ST8)也就是說,用戶在長期使用中,已經(jīng)具有一些約定俗成的經(jīng)驗,針對于此,人們更會采用啟發(fā)式信息處理方式,來解釋算法邏輯。除此之外,算法App界面也會有一些設計元素,這些較為熟悉的邊緣信號也會激發(fā)人們的思考?！癇站首頁以長視頻、搜索為主,它雖然有一些推薦,但是會把搜索(框)放得很顯眼,就是為了讓人們?nèi)ニ阉?它在召喚你。相比之下,抖音是短視頻、豎屏的方式,它以信息流的方式呈現(xiàn)。它基本都是自己推薦,不會讓用戶有太多的選擇空間,會弱化搜索?！?NM6)從交互設計的角度來看,界面上的按鈕等配件,會召喚人們的相應行為。

第二,基于平臺基因的系統(tǒng)式信息處理模式。對于特定的算法推薦場景,用戶會從平臺的發(fā)展歷史、平臺文化、平臺基因等方面進行深度思考,這是系統(tǒng)性的信息處理。就平臺邏輯來看,被訪者大多認為微信視頻號運用的是社交算法推薦的方式,依托于微信的熟人社交資源?！耙曨l號的邏輯就是社交加算法的推薦,首先假如你的朋友點贊了這個視頻,他的所有朋友都會看到該視頻,包括你也會看到?！?ST4)“……為什么這么說呢,感覺微信算是熟人社交的一個巔峰,它借助了熟人社交這一資源?！?TM2、TM3)當談到B站是否也采用基于社交關系的推薦,被訪者認為：“應該是沒有的,因為B站不像微博或者微信,它不是把現(xiàn)實生活中的社會關系轉(zhuǎn)移過去的。B站上是一些不認識的網(wǎng)友,而且B站是粉絲導向的,用戶關注的是內(nèi)容生產(chǎn)者?！?NM4)同時,用戶依賴媒介基因推理不同平臺的算法邏輯。當談及微博本地熱搜,被訪者認為：“本地熱搜與地理信息系統(tǒng)相關,地理信息系統(tǒng)會采集用戶的地理位置,然后根據(jù)點擊量、討論量等進行排序,排序高的就在熱搜最頂部……這也傳承了以往互聯(lián)網(wǎng)的樣態(tài),傳統(tǒng)門戶網(wǎng)站,像網(wǎng)易、新浪等,它也有同城的部分,比如新浪云南、新浪四川等?！?ST2)

第三,基于功能知識的系統(tǒng)式處理模式。針對跨平臺推薦問題,多數(shù)被訪者直接從商業(yè)利益的角度,認為是監(jiān)聽或者平臺販賣數(shù)據(jù)造成的。(ST21)但個別被訪者也提到了輸入行為。背后的邏輯在于“我覺得這是唯一會關聯(lián)上的、擺在明面上的東西。為什么微信里聊到的東西會在淘寶上推,我明面上能看到的微信跟淘寶關聯(lián)的地方,就在于打字的鍵盤輸入法(輸入行為),輸入法/行為從頭貫穿到尾。里面可能會有什么關聯(lián),但是我看不到?！?BE1)這也得到了新媒體從業(yè)者的證實。(NM7)除此之外,很多平臺開發(fā)了特定功能模塊進行推薦。抖音平臺會顯示朋友的朋友的帖子,對于這種功能設置,被訪者認為背后的邏輯可能是社交關系?！皯撌嵌兑舨榭戳送ㄓ嶄浕蛘呤裁吹?它覺得可能是熟人,就推薦了?！?ST6)針對微信視頻號,點贊相關視頻,朋友也會看到該視頻?！斑@個應該是好友聯(lián)系表起了作用,只要它檢測到你發(fā)了一個喜歡的視頻,它就會把這條視頻推薦給你所有的好友?！?C4)這種關系也可以是家庭關系或者親屬關系?！昂笈_數(shù)據(jù)庫可以監(jiān)控家庭關系,比如通過IP地址等,找到家人的共同愛好,再推薦一些東西?！?C3)

(五)多類線索:統(tǒng)合性模式

除了四個感知線索分別主導誘發(fā)了特定的理解方式和感知模式之外,在特定情境下,用戶也會調(diào)取多個線索進行推理。例如,文本線索與用戶線索在很大程度上是關聯(lián)的,因為文本不僅有客觀的,還有主觀的,主觀類文本線索因用戶而有差異,二者具有非常強的協(xié)同性。

第一,整體性思考模式。除了以個人接收到的信息為圓心或原點來由近及遠地理解算法推薦邏輯之外,用戶也會從宏觀的、整體的、結(jié)構性的角度考慮。“我覺得抖音做的很好,但很初級,因為它的用戶群體太廣了,在年齡段、受教育程度方面要做到全覆蓋,所以它推送的東西比較淺薄。比如我看一個影視剪輯,兩三分鐘講完一個電影之類的,它瘋狂地在每天這個時間段推送一堆。但是偏內(nèi)容一點的平臺,比如B站,我想學一下視頻剪輯,我在B站點開達芬奇相關基礎教程,等我下次再打開B站的時候,它給我推送了進階的東西?！?NM4)也就是說,人們會將平臺調(diào)性、平臺用戶、內(nèi)容風格進行系統(tǒng)性、統(tǒng)合性的思考。針對不同平臺算法推薦的內(nèi)容有很大差異,被訪者認為與平臺調(diào)性有關。比如,“微信視頻號,我看到正能量的東西比較多一點,搞笑的視頻也多一點。抖音就是大家純屬的娛樂那種感覺。”(NM5)這種差異的原因可能在于兩個平臺的用戶群體完全不一樣。平臺、內(nèi)容、用戶行為和動機等構成了一個連續(xù)系統(tǒng),其起作用的方式是協(xié)同性的。

第二,平臺管理模式。依托宏觀平臺、中觀內(nèi)容、微觀行為和動機等之間的關系,平臺運作實際上遵循了管理的思維,即進行資源的最佳優(yōu)化配置和組合。隨著UGC的崛起,普通用戶也可能進行內(nèi)容生產(chǎn)或者平臺運營相關實踐,他們也會以平臺管理思維來理解算法?！拔易约褐鞍l(fā)過一個關于古箏的短視頻,它(系統(tǒng))會把這個視頻推薦給100個對音樂感興趣或者經(jīng)常看音樂視頻的人。如果這些人看的時間超過多少秒,這個視頻會被往外擴散。比如說先推送給1000個人,如果超過百分之多少的人看完了并且點贊了,就推給10000人。反過來,可能最開始 90% 就推給這些(愛看的)人,10%推給其他人,它(系統(tǒng))認為說不定其他人也會喜歡。然后看哪個群體點贊多,就會往那個方向擴大投放量。”(CE3)這種思考邏輯在內(nèi)容生產(chǎn)者中更為常見?！拔易约喊l(fā)視頻,算法會幫助視頻增加一些曝光……比如我在B站上發(fā)一個視頻,如果在一定時間得到了一些點贊,系統(tǒng)會將這些內(nèi)容推向更大規(guī)模的群體。它可能覺得我的內(nèi)容比較好,就會給更多的曝光機會……這里算法的作用可能在于它根據(jù)已經(jīng)點贊的用戶畫像,再去找那些比較類似的用戶,讓更多的人知道這個視頻?！?ST10)平臺管理思維最為關鍵的在于將不同線索或者資源進行有效整合。

可以發(fā)現(xiàn),在四個感知線索分別誘發(fā)人們推測算法邏輯方面,用戶大多采用順應型、違背型的思考模式。而當四個感知線索合作誘發(fā)算法感知,用戶大多采用協(xié)同型、整體型的思考模式。同時,用戶在不具備專業(yè)知識的情況下,對算法邏輯的理解并不在于算法黑箱本身,而是從外部封裝的角度,結(jié)合可見信息(如感知線索)以及非可見信息、個體及他人信息(如企業(yè))、系統(tǒng)內(nèi)要素(算法使用)和系統(tǒng)外要素(平臺發(fā)展基因等)等來做出解釋。這啟示我們,在未來關于算法的研究中,破解算法黑箱并非唯一路徑,而是可以從其他多重維度和方面來展開分析,對于算法的社會影響等議題,更是應該如此。

五、總結(jié)

對算法邏輯及其社會影響的理解或解釋過程,實際上反映了人們認識事物的方式?！坝嘘P認識論的討論必然會涉及知識的獲得、檢驗、改進和傳播,而這又進一步牽涉到個體的心理、行為、語言、邏輯乃至社會性。由此延伸開來,認識不僅是一個信息范圍的拓展或擴容,而是一種對認知的結(jié)果及其規(guī)范所提供的某種擔保?！庇纱?對于用戶算法感知中感知模式的探索,本研究著重于分析用戶的心理、語言、行為、社會性之間的連接、編排方式。

本研究針對普通用戶算法感知中的感知模式這一問題,采用了不同于科學知識的民間路徑展開分析。研究發(fā)現(xiàn),用戶針對不同線索會采用不同的感知模式。針對文本類線索,用戶會從該信息是否滿足個體需求、是否具有較好的用戶體驗,以及廣義上該信息是否能夠滿足多元化的價值追求等角度進行思考。針對用戶類線索,用戶會將個人特征與商業(yè)運作的基本邏輯相勾連。同時,用戶也會從利益角度進行思考,這種利益邏輯包括用戶直接利益、用戶利益和其他群體利益關系。特別是,不同利益者存在沖突或矛盾的思考邏輯,是較為常見的思考模式。針對行為類線索,用戶會采用輸入—輸出的推理邏輯,與算法技術的“如果……那么……”的技術邏輯相一致。具體來看,用戶會采用單個個體的刺激—反應模式、多主體的行為類比模式以及不同行為之間的優(yōu)先級及賦權模式進行推理。針對系統(tǒng)類線索,用戶通過兩種信息處理方式來進行思考。一是啟發(fā)式信息處理,即通過日常熟悉的、邊緣信號等自然地認為信息是算法推薦的。二是系統(tǒng)式信息處理,即通過深度的思考和信息加工,甚至從歷史、主體關系、功能設計及行為互動等來詳細推理算法運作邏輯。用戶也會基于以上的多種線索來感知算法,采用統(tǒng)合式的感知模式。人們對算法的解釋邏輯具有一定的流轉(zhuǎn)性。在特定情境下,基于不同感知線索,人們對算法的理解模式或感知模式有所不同。當然這也不是絕對的,在特定條件下,人們對算法的某種理解會弱化,而其他理解會強化。

算法是一種黑箱技術,其引發(fā)了人們應該如何認識新技術這一元問題,也對傳統(tǒng)認識事物的方式提出了一定的挑戰(zhàn)。研究者認為,對于計算為基礎的智能傳播活動的認識,應該力圖闡釋由問題本身所引發(fā)的實踐戰(zhàn)略與策略,探討其意義的解讀和做的方式。本研究通過用戶在具體算法實踐中的感知,將個人作為具有能動性主體這一方式,來更深入地探索用戶認識這項技術的模式。本研究是一項探索性研究,研究也發(fā)現(xiàn),普通用戶能夠基于特定線索建構出對算法的認識,這是一種新的建構知識的方法論機制,其中蘊含著人們在新技術環(huán)境下所生發(fā)的社會心理秩序。研究中所發(fā)現(xiàn)的不同感知模式,可以作為具體分析算法及其社會影響中用戶認知和心理層面的思想資源。同時,該研究有助于建構算法技術語境下的用戶主體性,也有助于為未來算法研究提供用戶方面的探索維度和可能性。

注釋:

① Carlo G.Morelli,FreudandSherlockHolmes:CluesandScientificMethod.History Workshop Journal,vol.9,no.1,1980.pp.7-10.

② Hargittai E.,Gruber J.,Djukaric T.,Fuchs J.,Brombach L.BlackBoxMeasures?HowtoStudyPeople′sAlgorithmSkills.Information,Communication & Society,2020.pp.8-10.

⑤ Keil F.C.TheFeasibilityofFolkScience.Cognitive Science,vol.34,no.5,2010.pp.834-837.

⑥ Kitchin R.ThinkingCriticallyAboutandResearchingAlgorithms.SSRN Electronic Journal,2014.pp.20-26.

⑦ Pirolli P.,Card S.InformationForaging.Psychology Review,vol.106,no.4,1999.p.643.