信息質(zhì)量視角下算法分發(fā)與編輯分發(fā)的對比研究

劉坤鋒 李靜雨 李廣

摘 要：【目的】了解用戶當(dāng)前對算法分發(fā)與編輯分發(fā)的信息質(zhì)量感知及差異，為相關(guān)理論研究和實踐活動提供借鑒。【方法】參考已有文獻(xiàn)，設(shè)計包含算法分發(fā)的信息質(zhì)量和編輯分發(fā)的信息質(zhì)量兩個潛在變量的測量量表。采用問卷調(diào)查法，獲取273份有效樣本，利用描述性統(tǒng)計和配對樣本t-檢驗方法進(jìn)行數(shù)據(jù)分析?！窘Y(jié)果】相比于編輯分發(fā)，用戶當(dāng)前整體上更認(rèn)可算法分發(fā)具備的信息質(zhì)量。具體而言，用戶認(rèn)為在全面性、準(zhǔn)確性、新穎性和符合需求等信息質(zhì)量維度上，算法分發(fā)均優(yōu)于編輯分發(fā)；算法分發(fā)在準(zhǔn)確性維度的優(yōu)勢不顯著，在其他3個維度的優(yōu)勢均顯著?！窘Y(jié)論】算法分發(fā)用戶應(yīng)注重提升算法素養(yǎng)，編輯分發(fā)亟須提升顯示度和影響力。

關(guān)鍵詞：算法分發(fā)；編輯分發(fā)；信息質(zhì)量；信息分發(fā)；信息用戶

中圖分類號：G206；TP301.6? ? 文獻(xiàn)標(biāo)志碼：A? ?文章編號：1003-5168（2024）06-0139-06

DOI：10.19968/j.cnki.hnkj.1003-5168.2024.06.027

A Comparative Study of Algorithm-Based Distribution and Editor-Based Distribution from the Perspective of Information Quality

LIU Kunfeng LI Jingyu LI Guang

（School of Information Management， Zhengzhou University of Aeronautics， Zhengzhou 450046， China）

Abstract： [Purposes] This article aims to understand users' current perception of information quality of algorithm-based distribution and editor-based distribution， as well as their differences， and then provide insights for relevant theoretical research and practical activities. [Methods] Based on existing literature， a measurement scale including two latent variables was designed， namely information quality of algorithm-based distribution and information quality of editor-based distribution. A questionnaire survey was conducted to collect 273 valid samples， and descriptive statistics and paired sample t-tests were employed for data analysis. [Findings] Compared to editor-based distribution， users currently generally recognize that algorithm-based distribution has higher information quality. Specifically， in terms of comprehensiveness， accuracy， novelty， and meeting user needs， users believe that algorithm-based distribution is superior to editor-based distribution; algorithm-based distribution doesn't have significant advantages in terms of accuracy， but have significant advantages in the other three dimensions. [Conclusions] This article suggests that the users of algorithm-based distribution should focus on improving their algorithm literacy， while editor-based distribution urgently needs to increase visibility and influence.

Keywords：algorithm-based distribution; editor-based distribution; information quality; information distribution; information user

0 引言

迄今為止，人類社會相繼出現(xiàn)了編輯分發(fā)、社交分發(fā)和算法分發(fā)等3種信息分發(fā)模式［1］?？v觀信息傳播發(fā)展史，編輯分發(fā)曾長期占據(jù)主導(dǎo)地位，社交分發(fā)出現(xiàn)后也曾受到關(guān)注，而如今算法分發(fā)成為主流。光明網(wǎng)報道稱，基于算法的內(nèi)容分發(fā)已占整個互聯(lián)網(wǎng)信息內(nèi)容分發(fā)的70%左右［2］。為跟上時代潮流，社交分發(fā)緊密結(jié)合算法分發(fā)，如微博開通推薦欄目、微信視頻號和公眾號開通推薦功能［3］。相比之下，編輯分發(fā)依然堅守本色，是社會性、共性信息需求領(lǐng)域的“方向盤”。

算法分發(fā)以智能算法為中心，由“機器智慧”驅(qū)動，包括短視頻類、頭條類等新興信息源；編輯分發(fā)以人工編輯為中心，依賴“人類智慧”，包括報紙、雜志、廣播電視和門戶網(wǎng)站等傳統(tǒng)信息源?？梢钥闯?，算法分發(fā)與編輯分發(fā)的驅(qū)動方式截然不同，且都在信息傳播活動中發(fā)揮著重要作用。然而，如今編輯分發(fā)逐漸受到用戶冷落，大量用戶不斷轉(zhuǎn)向算法分發(fā)，并對其產(chǎn)生強烈依賴。

學(xué)者們已意識到算法分發(fā)給編輯分發(fā)帶來的沖擊，圍繞兩者的優(yōu)缺點展開了廣泛討論。然而，現(xiàn)有研究以定性分析為主，多基于學(xué)者自身的經(jīng)驗或認(rèn)知，難以做到客觀準(zhǔn)確。本文認(rèn)為，暫不論算法分發(fā)與編輯分發(fā)的優(yōu)缺點，有必要了解用戶對兩者的真實體驗和感受。信息質(zhì)量是特定信息源的關(guān)鍵屬性，本文采用實證研究方法，對比用戶對算法分發(fā)與編輯分發(fā)的信息質(zhì)量感知及差異，為算法分發(fā)與編輯分發(fā)的未來發(fā)展提供借鑒。

1 文獻(xiàn)回顧

1.1 算法分發(fā)與編輯分發(fā)的對比研究

算法分發(fā)是運用機器指令對信息進(jìn)行處理、分析和分配的技術(shù)手段，即在強大算力的支持下，算法通過識別用戶個體興趣和特征，將海量、異構(gòu)和分散的信息進(jìn)行過濾、篩選和整序，并以用戶喜歡的方式送達(dá)［4］。編輯分發(fā)是編輯運用自身的專業(yè)知識和經(jīng)驗，按照具有普遍意義的原則，對信息進(jìn)行把關(guān)、篩選和整合，并以點對面的方式傳播［1］。自算法分發(fā)出現(xiàn)以來，海量用戶群體被吸引，這對編輯分發(fā)提出了嚴(yán)峻挑戰(zhàn)，不少學(xué)者開始比較兩者的優(yōu)劣。

相比于編輯分發(fā)，學(xué)者們一致認(rèn)為算法分發(fā)的優(yōu)點在于算法分發(fā)提高了信息分發(fā)速度和效率［5］。具體而言，一是算法分發(fā)可快速處理大量信息。面對信息超載環(huán)境，編輯受限于時間和精力，僅能按部就班地處理部分“頭部信息”，而算法技術(shù)可快速處理海量用戶感興趣的信息［1，6］。二是算法分發(fā)的信息更精準(zhǔn)、更個性化。編輯分發(fā)的信息“千人一面”，難以滿足用戶個性化信息需求，而算法分發(fā)實現(xiàn)了“千人千面”的精準(zhǔn)信息分發(fā)，用戶與信息之間高效匹配［7-8］。基于上述優(yōu)點，學(xué)者認(rèn)為相比于編輯分發(fā)，算法分發(fā)用戶可以更加便捷地獲取信息［4］。

同時，相比于編輯分發(fā)，學(xué)者認(rèn)為算法分發(fā)也存在較多缺陷。一是信息繭房問題。編輯分發(fā)的信息兼具廣度與深度，注重受眾對社會的全面認(rèn)知，而算法分發(fā)的個性化推薦機制更側(cè)重于挖掘用戶感興趣的某一點，并進(jìn)行持續(xù)推送，這容易形成信息繭房，造成認(rèn)知偏差和群體沖突［9］。二是信息內(nèi)容質(zhì)量問題。編輯專業(yè)背景強，對信息的篩選和核查能力強于算法，可對關(guān)鍵信息進(jìn)行把關(guān)，在很大程度上保證了信息內(nèi)容的質(zhì)量，而算法分發(fā)為了迎合用戶喜好，會向其推薦低俗內(nèi)容和虛假信息［10-11］。三是信息價值觀問題?；诰庉嫹职l(fā)的信息媒介多具有公益性，其提供的信息透明可信，價值標(biāo)準(zhǔn)明確，而算法分發(fā)相關(guān)平臺或機構(gòu)多具有逐利性，其提供的信息是商業(yè)鏡像的數(shù)字化反應(yīng)，其真實性和價值觀存疑［12］。四是信息呈現(xiàn)問題。編輯的信息聚合重組能力，以及對重要信息的敏感性，是尚屬于弱人工智能的算法所不具備的［5］，算法難以對重要信息進(jìn)行自動置頂、加權(quán)和排序［13-14］。五是隱私侵犯問題。面向大眾，編輯分發(fā)無須了解個體情況，而算法分發(fā)為了實現(xiàn)個性化、精準(zhǔn)化推薦，往往會過度搜集用戶個人信息，侵犯用戶隱私［8，15］。

可以看出，相比于編輯分發(fā)，學(xué)者認(rèn)為算法分發(fā)既有明顯優(yōu)勢，也存在突出問題。本文根據(jù)文獻(xiàn)調(diào)研發(fā)現(xiàn)，當(dāng)前關(guān)于算法分發(fā)與編輯分發(fā)的比較，多是學(xué)者基于自身經(jīng)驗而進(jìn)行的邏輯推演，或?qū)Ρ硐蟮臍w納總結(jié)，相關(guān)結(jié)論較為宏觀和主觀。有必要采用實證研究方法，從微觀視角出發(fā)，客觀對比算法分發(fā)與編輯分發(fā)哪個更受用戶青睞或能帶來更好的體驗［16］。

1.2 信息源的信息質(zhì)量研究

信息質(zhì)量是衡量信息源優(yōu)劣的關(guān)鍵指標(biāo)，信息源的信息質(zhì)量研究也一直是研究熱點。近年來，相關(guān)研究主要圍繞信息源的信息質(zhì)量評價、信息質(zhì)量治理、信息質(zhì)量對用戶行為的影響等方面展開。值得注意的是，以用戶為中心是現(xiàn)有研究的顯著趨勢。例如，基于用戶感知和體驗構(gòu)建信息源的信息質(zhì)量評價模型［17］，探索用戶參與的信息質(zhì)量治理策略［18］，揭示信息質(zhì)量對特定用戶群體的信息行為影響［19］等?，F(xiàn)有研究表明，用戶認(rèn)為信息源的信息質(zhì)量越高，其越傾向于使用、采納該信息源［20］。

本研究中，算法分發(fā)、編輯分發(fā)分別代表了“機智”“人智”驅(qū)動的信息源。用戶選擇使用算法分發(fā)或編輯分發(fā)獲取信息，必然會對兩者的信息質(zhì)量進(jìn)行衡量。有理由認(rèn)為，用戶更可能使用信息質(zhì)量較高的信息源獲取信息?，F(xiàn)有研究多關(guān)注單一信息源的信息質(zhì)量問題，卻忽視了對比用戶對兩類特色鮮明、卻又存在競爭關(guān)系的信息源的信息質(zhì)量感知。本文在信息質(zhì)量視角下，基于用戶感知，對比算法分發(fā)與編輯分發(fā)的信息質(zhì)量及差異，為相關(guān)研究和實踐提供一定啟示。

2 研究方法

2.1 問卷設(shè)計

本文設(shè)計兩個潛在變量：算法分發(fā)的信息質(zhì)量（Information quality of algorithm-based distribution，IQAD）、編輯分發(fā)的信息質(zhì)量（Information quality of editor-based distribution，IQED）。潛在變量的設(shè)計參考已有文獻(xiàn)，并結(jié)合本研究進(jìn)行改編。其中，信息質(zhì)量的量表設(shè)計改編自Zhou［21］和查先進(jìn)等［22］的研究，包含全面性、準(zhǔn)確性、新穎性和符合需求4個維度。問卷初稿設(shè)計完成后，邀請15名本科生、研究生進(jìn)行預(yù)調(diào)查，根據(jù)反饋意見完善問卷的語言表述，以提升可理解性。最終量表見表1，所有題項均采用李克特7級量表（1代表“強烈不同意”、4代表“不確定”、7代表“強烈同意”）進(jìn)行測量。

2.2 數(shù)據(jù)搜集

算法分發(fā)與編輯分發(fā)的受眾廣泛，網(wǎng)絡(luò)用戶基本上都有使用經(jīng)驗，因此采用網(wǎng)絡(luò)調(diào)查形式搜集數(shù)據(jù)。使用問卷星平臺制作問卷，通過微信群、QQ、朋友圈和貼吧等網(wǎng)絡(luò)平臺發(fā)放問卷。為確保受訪者理解調(diào)查目的，問卷介紹了算法分發(fā)和編輯分發(fā)的概念，并列舉了一些常見應(yīng)用。調(diào)查歷時一周，共回收問卷491份，根據(jù)對作答時間的預(yù)估，刪除填寫時間少于50秒的問卷，同時，刪除所有題項答案一樣的無效問卷，得到有效問卷273份。問卷的樣本人口統(tǒng)計信息見表2。

3 數(shù)據(jù)分析與結(jié)果

本文圍繞以下問題進(jìn)行數(shù)據(jù)分析：①在信息質(zhì)量方面，算法分發(fā)與編輯分發(fā)精確的數(shù)據(jù)分布；②用戶認(rèn)為哪種信息分發(fā)模式的信息質(zhì)量更高；③用戶對算法分發(fā)與編輯分發(fā)信息質(zhì)量感知的準(zhǔn)確差異。

3.1 測量模型檢驗

數(shù)據(jù)分析前，需要進(jìn)行測量模型檢驗，涉及信度、內(nèi)容效度、收斂效度和區(qū)分效度。本文的量表改編自已有文獻(xiàn)，并根據(jù)預(yù)調(diào)查反饋進(jìn)行完善，可認(rèn)為測量模型具備內(nèi)容效度。表3是測量模型概述，從表3可看出，潛在變量的組合信度（Composite Reliability，CR）和內(nèi)部一致性系數(shù)（Cronbach's α）均大于0.7，說明測量模型的信度良好。潛在變量的平均抽取方差（Average Variance Extracted，AVE）均大于0.5，說明測量模型具備收斂效度。根據(jù)表3中潛在變量的AVE平方根和相關(guān)系數(shù)可以看出，兩個潛在變量的AVE平方根明顯大于它們之間的相關(guān)系數(shù)，說明測量模型具備區(qū)分效度［23］。

本文的測量模型具備良好的信度和效度，可用于進(jìn)一步的數(shù)據(jù)分析。具體而言，測量模型具備區(qū)分效度，說明兩個潛在變量相互獨立，用于比較用戶對算法分發(fā)與編輯分發(fā)的信息質(zhì)量感知差異是有意義的。同時，測量模型具備信度和收斂效度，保證了下文結(jié)構(gòu)和維度層面的數(shù)據(jù)分析具有可行性。

3.2 算法分發(fā)與編輯分發(fā)的信息質(zhì)量對比

信息質(zhì)量是用戶使用、采納特定信息源的重要前提。若用戶認(rèn)為某種信息分發(fā)模式可提供高質(zhì)量的信息，則容易產(chǎn)生積極態(tài)度，繼而傾向于選擇這種信息分發(fā)模式獲取信息。對于變量IQAD，需要受訪者評定以下問題：①算法分發(fā)的信息是全面的；②算法分發(fā)的信息是準(zhǔn)確的；③算法分發(fā)的信息是新穎的；④算法分發(fā)的信息符合我的需求。

本文采用李克特7級量表測量上述問題。對于273份樣本數(shù)據(jù)，首先，對于每個問題，分別計算選擇1、2、3、4、5、6和7的個數(shù)；其次，由于測量模型具備良好的信度和效度，計算4個問題中分別選擇1、2、3、4、5、6和7的總數(shù)，得到變量IQAD在每個得分項上的小計。變量IQAD的得分總個數(shù)為1 092（273*4）。

對于變量IQED，需要受訪者評定以下問題：①編輯分發(fā)的信息是全面的；②編輯分發(fā)的信息是準(zhǔn)確的；③編輯分發(fā)的信息是新穎的；④編輯分發(fā)的信息符合我的需求。使用同樣的方法計算變量IQED在每個得分項上的小計。圖1展示了用戶對算法分發(fā)與編輯分發(fā)的信息質(zhì)量感知對比。

從圖1可看出，61.45%（671/1092）的受訪者同意算法分發(fā)具備信息質(zhì)量，而48.53%（530/1092）的受訪者同意編輯分發(fā)具備信息質(zhì)量。同時，20.6%（225/1092）的受訪者不同意算法分發(fā)具備信息質(zhì)量，27.56%（301/1092）的受訪者不同意編輯分發(fā)具備信息質(zhì)量。對于算法分發(fā)與編輯分發(fā)，選擇4的比例分別為17.95%（196/1092）、23.9%（261/1092），說明這些受訪者不確定算法分發(fā)、編輯分發(fā)是否具備信息質(zhì)量。

3.3 配對樣本t-檢驗

為準(zhǔn)確展示算法分發(fā)與編輯分發(fā)在信息質(zhì)量方面的差異，采用配對樣本t-檢驗比較樣本的均值（見表4）。

表4展示了變量層面的配對樣本t-檢驗，可以看出，算法分發(fā)與編輯分發(fā)的信息質(zhì)量存在顯著差異。具體而言，算法分發(fā)與編輯分發(fā)的信息質(zhì)量均值分別為4.721、4.343，均值差異為0.378，P<0.001，說明用戶整體上認(rèn)為算法分發(fā)的信息質(zhì)量顯著高于編輯分發(fā)。為進(jìn)一步揭示算法分發(fā)與編輯分發(fā)在信息質(zhì)量構(gòu)成維度層面的差異，采用配對樣本t-檢驗比較各維度均值，見表5。

從表5可以看出，算法分發(fā)在全面性、準(zhǔn)確性、新穎性和符合需求等維度的均值均大于編輯分發(fā)。其中，只有準(zhǔn)確性維度的均值差異不顯著，其余3個維度的均值差異顯著。說明用戶認(rèn)為算法分發(fā)的信息在全面性、新穎性和符合需求等方面顯著優(yōu)于編輯分發(fā)，而在準(zhǔn)確性方面的優(yōu)勢不明顯。

4 討論

算法分發(fā)的信息，是算法根據(jù)用戶的興趣或偏好推薦來的，特點是具有個性化和針對性；編輯分發(fā)的信息，是編輯對信息本身的價值或優(yōu)劣評價后篩選而來，特點是具有全局性和普遍價值。當(dāng)前，用戶如何看待算法分發(fā)與編輯分發(fā)提供的信息，是值得討論的話題。本文從信息質(zhì)量視角，對比用戶對算法分發(fā)與編輯分發(fā)的信息質(zhì)量感知。

算法分發(fā)的出現(xiàn)，對編輯分發(fā)提出了嚴(yán)峻挑戰(zhàn)。如今，算法分發(fā)不僅擁有龐大的用戶群體，用戶黏性也持續(xù)增強。算法分發(fā)可提升信息傳播效率、滿足用戶個性化信息需求，而編輯分發(fā)效率較低、難以適應(yīng)受眾個體的信息需求。從圖1可以看出，相比于編輯分發(fā)，更多用戶認(rèn)為算法分發(fā)具備信息質(zhì)量。從表4可以看出，用戶整體上認(rèn)為算法分發(fā)的信息質(zhì)量顯著高于編輯分發(fā)。從表5可以看出，用戶認(rèn)為算法分發(fā)在信息全面性、準(zhǔn)確性維度優(yōu)于編輯分發(fā)，且在全面性維度的優(yōu)勢顯著，這與現(xiàn)實情況和學(xué)者觀點相悖。此外，在全面性、準(zhǔn)確性維度，算法分發(fā)與編輯分發(fā)的均值差異分別為0.264、0.216，而在新穎性、符合需求維度，兩者的均值差異分別達(dá)到0.549、0.484，說明算法分發(fā)在信息新穎性和符合需求方面更受用戶認(rèn)可，這與已有研究觀點相符，也解釋了用戶為何偏愛算法分發(fā)。

4.1 理論啟示

社交網(wǎng)絡(luò)、大數(shù)據(jù)和人工智能等技術(shù)的普及應(yīng)用，為信息的生產(chǎn)和傳播帶來了創(chuàng)新和變革，但也加劇了信息過載和混亂，造就了空前復(fù)雜的信息環(huán)境。信息質(zhì)量成為人們選擇信息源時必須考慮的關(guān)鍵因素。不少學(xué)者探討了信息源的信息質(zhì)量問題，但多數(shù)研究關(guān)注的是單一信息源的信息質(zhì)量評價、治理以及對用戶行為的影響等。鮮有研究在信息質(zhì)量視角下，比較用戶對不同信息源的感知差異。本文對比用戶對算法分發(fā)與編輯分發(fā)的信息質(zhì)量感知差異，拓展了信息源的信息質(zhì)量研究范疇，也為信息質(zhì)量理論的應(yīng)用提供了新思路。

長期以來，編輯分發(fā)是人們獲取信息的重要渠道，如今雖面臨用戶流失和影響力下降的窘境，但仍是未來社會中必不可少的信息分發(fā)模式之一。相比之下，算法分發(fā)是新興的信息分發(fā)模式，雖發(fā)展迅速、用戶規(guī)模龐大，但其價值仍有待于在更多人類信息活動中得到驗證。圍繞算法分發(fā)與編輯分發(fā)的討論和實證研究，是今后值得重點關(guān)注的方向。本文發(fā)現(xiàn)，當(dāng)前用戶認(rèn)為算法分發(fā)的信息質(zhì)量顯著高于編輯分發(fā)，這將為未來的研究提供新思路。例如，后續(xù)研究可探索用戶因何更認(rèn)可算法分發(fā)的信息質(zhì)量，如何提升用戶對編輯分發(fā)的信息質(zhì)量感知，也可從更多視角出發(fā)對比算法分發(fā)與編輯分發(fā)，進(jìn)一步揭示用戶對兩者的感知與體驗。

4.2 實踐啟示

4.2.1 算法分發(fā)用戶應(yīng)注重提升算法素養(yǎng)。用戶在信息全面性和準(zhǔn)確性維度，對算法分發(fā)與編輯分發(fā)的差異存在誤判，這反映了用戶的算法素養(yǎng)不高。因此，用戶有必要提升算法素養(yǎng)，重新審視、謹(jǐn)慎使用算法分發(fā)提供的信息。本文建議用戶可從4個方面著手提升算法素養(yǎng)：一是了解算法及其用途；二是了解算法驅(qū)動信息傳播的技術(shù)原理、運行邏輯；三是了解算法分發(fā)供應(yīng)商的真實意圖、價值取向；四是了解算法分發(fā)平臺中信息生產(chǎn)者的構(gòu)成、專業(yè)素養(yǎng)和價值觀。

4.2.2 亟須提升編輯分發(fā)的影響力和顯示度。編輯分發(fā)模式由來已久，其科學(xué)性、嚴(yán)謹(jǐn)性和重要性無須證實。盡管關(guān)于規(guī)范互聯(lián)網(wǎng)信息服務(wù)算法的政策已出臺［24］，但算法分發(fā)模式仍不成熟，若任由其搶奪用戶及其注意力，可能危害社會信息傳播活動、擾亂信息資源有序流動、不利于公眾形成對社會的全面認(rèn)知。因此，亟須提升編輯分發(fā)的影響力和顯示度，主動吸引用戶，讓優(yōu)質(zhì)的、全局性的和具有普遍意義的信息得到充分傳播。本文建議：政府主管部門應(yīng)適時出臺針對性政策，支持編輯分發(fā)模式在信息分發(fā)洪流中占據(jù)主動；編輯分發(fā)行業(yè)應(yīng)直面挑戰(zhàn)、尋求變革與突破，提升信息分發(fā)效率和能力；學(xué)術(shù)界、相關(guān)從業(yè)者應(yīng)加大宣傳力度，讓編輯分發(fā)的優(yōu)勢深入人心。

4.3 局限與展望

本研究的局限有以下兩個方面：第一，本文試圖從整體上把握用戶對算法分發(fā)與編輯分發(fā)的信息質(zhì)量感知差異，未限定信息類型，可能導(dǎo)致研究結(jié)果針對性不足。后續(xù)研究可提升針對性，如對比用戶對算法分發(fā)與編輯分發(fā)不同類型信息的質(zhì)量感知差異。第二，本文從信息質(zhì)量視角出發(fā)，對比用戶對算法分發(fā)與編輯分發(fā)的感知差異，信息質(zhì)量雖是各類信息源的重要屬性，但還有其他屬性值得關(guān)注，如可信度、有用性和滿意度等。后續(xù)研究可從更多視角展開，進(jìn)一步揭示用戶對算法分發(fā)與編輯分發(fā)的感知差異。

參考文獻(xiàn)：

［1］師文，陳昌鳳.社交機器人在新聞擴散中的角色和行為模式研究：基于《紐約時報》“修例”風(fēng)波報道在Twitter上擴散的分析［J］.新聞與傳播研究，2020，27（5）：5-20，126.

［2］“70%網(wǎng)絡(luò)信息內(nèi)容由算法推薦” ［EB/OL］. （2020-11-17）［2023-10-03］. https：//m.gmw.cn/baijia/2020-11-17/1301806457.html.

［3］李彪，張雪，高琳軒.從管理新聞到回避新聞：社交分發(fā)環(huán)境下新聞消費方式的轉(zhuǎn)向［J］.新聞與傳播研究，2021，28（9）：23-38，126.

［4］潘云寬，申小蓉.網(wǎng)絡(luò)算法分發(fā)視域下大學(xué)生價值觀引導(dǎo)面臨的挑戰(zhàn)和應(yīng)對策略［J］.思想教育研究，2022（7）：150-154.

［5］汪永安.網(wǎng)絡(luò)輿論場“流量至上”的生成邏輯與矯治策略［J］.探索，2023（5）：177-188.

［6］李龍飛，張國良.算法時代“信息繭房”效應(yīng)生成機理與治理路徑：基于信息生態(tài)理論視角［J］.電子政務(wù)，2022（9）：51-62.

［7］劉德寰，朱琦.顛覆與重塑：下一代人工智能的傳播學(xué)意義［J］.新聞愛好者，2023（9）：4-10.

［8］胡江偉，周云倩.新聞算法分發(fā)的技術(shù)倫理沖突及其規(guī)制［J］.青年記者，2020（3）：29-30.

［9］張香萍，李軍.新聞算法推送的困境、出路與展望［J］.編輯之友，2019（4）：86-90.

［10］殷俊，余夢瓏.新聞資訊APP發(fā)展動態(tài)、創(chuàng)新與趨勢研究［J］.中國編輯，2018（11）：46-50.

［11］劉純怡，李昌.豎屏短視頻傳播熱中的冷思考［J］.編輯學(xué)刊，2022（4）：106-110.

［12］胡泳，年欣.自由與馴化：流量、算法與資本控制下的短視頻創(chuàng)作［J］.社會科學(xué)戰(zhàn)線，2022（6）：144-165，282.

［13］張帆.權(quán)威與角色：智媒時代的新聞職業(yè)話語研究［J］.湖北大學(xué)學(xué)報（哲學(xué)社會科學(xué)版），2021，48（4）：140-147，177.

［14］劉沫瀟.從“把關(guān)人”到“守望人”：算法式新聞分發(fā)下人工編輯的功能角色定位［J］.電視研究，2019（2）：63-65.

［15］林洹民.個性化推薦算法的多維治理［J］.法制與社會發(fā)展，2022，28（4）：162-179.

［16］熊敏，肖燕雄.內(nèi)容·渠道·用戶：內(nèi)容分發(fā)平臺媒體的內(nèi)容運營體系構(gòu)建［J］.中國編輯，2021（10）：33-37.

［17］尤瑾，朱學(xué)芳.用戶視角下知識類微博信息質(zhì)量評價模型構(gòu)建及實證研究［J］.圖書情報工作，2023，67（13）：122-132.

［18］金燕，韓二瑩，畢崇武.面向在線健康信息質(zhì)量治理的群體動力系統(tǒng)構(gòu)建及優(yōu)化研究［J］.情報科學(xué)，2022，40（8）：76-84.

［19］盧恒，李文潔，石劍蘭.基于扎根理論的圖文社區(qū)老年用戶信息交流行為影響因素研究［J］.數(shù)字圖書館論壇，2023，19（8）：77-86.

［20］陳旖旎，周曉英，岳麗欣，等.移動UGC社區(qū)用戶健康信息采納行為意愿的影響因素［J］.圖書情報知識，2022，39（5）：82-95.

［21］ZHOU T. Examining the critical success factors of mobile website adoption［J］. Online Information Review， 2011， 35（4）： 636-652.

［22］查先進(jìn)，張晉朝，嚴(yán)亞蘭. 微博環(huán)境下用戶學(xué)術(shù)信息搜尋行為影響因素研究：信息質(zhì)量和信源可信度雙路徑視角 ［J］. 中國圖書館學(xué)報， 2015， 41 （3）： 71-86.

［23］STRAUB D， BOUDREAU M C， GEFEN D. Validation guidelines for IS positivist research［J］. Communications of the Association for Information systems， 2004， 13（1）： 380-427.

［24］中華人民共和國國家互聯(lián)網(wǎng)信息辦公室.《互聯(lián)網(wǎng)信息服務(wù)算法推薦管理規(guī)定》［EB/OL］. （2022-01-04）［2023-11-8］. https：//www.gov.cn/zhengce/2022-11/26/content_5728941.htm.