高校大學(xué)生算法素養(yǎng)形成機(jī)理與培育策略研究

摘 要：文章采用扎根理論方法，對(duì)大學(xué)生進(jìn)行半結(jié)構(gòu)化訪談，將獲取的原始資料進(jìn)行編碼分析，提煉出31個(gè)初始概念、19個(gè)初始范疇和8個(gè)主范疇?；诖耸崂砀鱾€(gè)范疇之間的內(nèi)在邏輯，構(gòu)建高校大學(xué)生算法素養(yǎng)形成機(jī)理模型。研究發(fā)現(xiàn)，大學(xué)生算法素養(yǎng)形成機(jī)理包括意識(shí)觸發(fā)、認(rèn)知形成、態(tài)度形成、應(yīng)對(duì)行為四個(gè)階段，梳理算法素養(yǎng)各要素之間的內(nèi)在關(guān)系，提出大學(xué)生算法素養(yǎng)的培育策略。

關(guān)鍵詞：大學(xué)生群體；算法素養(yǎng)；算法應(yīng)對(duì)行為；形成機(jī)理

中圖分類號(hào)：G252 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1003-7136（2025）01-0055-10

Research on the Formation Mechanism and Cultivation Strategies of Algorithmic Literacy of University Students

SHI Xuan，TAN Luxing

Abstract：This paper adopts the grounded theory method to conduct semi-structured interviews with university students，and encodes and analyzes the original data obtained，and conducts coding analysis to extract 31 initial concepts，19 initial categories and 8 main categories.Based on this，the internal logic between various categories is sorted out，and the formation mechanism model of university students′ algorithmic literacy is constructed.It is found that the formation mechanism of university students′ algorithmic literacy includes four stages：consciousness triggering，cognition formation，attitude formation and coping behavior.This paper combs the internal relationship between the elements of algorithmic literacy，and puts forward the cultivation strategies of university students′ algorithmic literacy.

Keywords：university students；algorithmic literacy；algorithmic coping behavior；formation mechanism

0 引言

人工智能（AI）是歷史上最具顛覆性的技術(shù)之一，主要?dú)w功于大數(shù)據(jù)和先進(jìn)算法的結(jié)合^［1］。算法可以被視為計(jì)算機(jī)使用數(shù)據(jù)來(lái)完成任務(wù)的指令集或邏輯步驟序列^［2］。人工智能時(shí)代，算法的重要性不言而喻，算法幾乎決定了我們?cè)诨ヂ?lián)網(wǎng)上所做的一切，從搜索引擎到社交媒體平臺(tái)再到電商購(gòu)物平臺(tái)等，算法在背后發(fā)揮著重要的技術(shù)支撐作用。在用戶與這些網(wǎng)站、應(yīng)用程序、社交媒體平臺(tái)交互的過(guò)程中，大量的個(gè)人數(shù)據(jù)被收集使用，通過(guò)搜索、排序、分類、過(guò)濾等算法形式讓用戶生活更輕松、工作更高效^［3］。與此同時(shí)，諸如信息繭房、算法歧視等算法應(yīng)用的負(fù)面效應(yīng)也受到越來(lái)越多的關(guān)注，用戶應(yīng)當(dāng)了解算法及其工作機(jī)制已成為一項(xiàng)共識(shí)^［4］。在此背景下，算法素養(yǎng)作為一項(xiàng)實(shí)用準(zhǔn)則應(yīng)運(yùn)而生。盡管人們認(rèn)為算法素養(yǎng)會(huì)成為21世紀(jì)一項(xiàng)關(guān)鍵技能，但關(guān)于大學(xué)生對(duì)算法理解程度的實(shí)證研究仍然有限。大學(xué)生群體作為最常使用社交媒體平臺(tái)的用戶群體之一，平臺(tái)背后的算法機(jī)制對(duì)大學(xué)生群體產(chǎn)生著深遠(yuǎn)影響。因此，研究大學(xué)生群體如何認(rèn)識(shí)算法、如何與算法互動(dòng)、如何應(yīng)對(duì)算法以及如何形成算法態(tài)度顯得尤為重要。鑒于此，本文利用扎根理論研究方法主要解決以下三個(gè)問(wèn)題：①大學(xué)生與社交媒體平臺(tái)交互中算法素養(yǎng)結(jié)構(gòu)要素有哪些？②大學(xué)生與社交媒體平臺(tái)交互中算法素養(yǎng)的形成機(jī)理是什么？③算法素養(yǎng)各要素之間的內(nèi)在關(guān)系是怎么樣的？

1 相關(guān)研究/2025年第1期總第263期史玄等：高校大學(xué)生算法素養(yǎng)形成機(jī)理與培育策略研究

1.1 算法素養(yǎng)相關(guān)研究

算法素養(yǎng)作為新興領(lǐng)域，對(duì)于如何定義算法素養(yǎng)尚未達(dá)成普遍共識(shí)。但它通常描述為與信息素養(yǎng)、數(shù)字素養(yǎng)、媒介素養(yǎng)等素養(yǎng)相互交叉，從這些素養(yǎng)中衍生出來(lái)^［5］。當(dāng)前學(xué)界對(duì)算法素養(yǎng)內(nèi)涵的界定有兩種：一種以工具性的方式定義，主要從意識(shí)、知識(shí)、技能、評(píng)價(jià)四個(gè)方面進(jìn)行，包括能夠意識(shí)到算法的存在，并在此基礎(chǔ)上擴(kuò)展到對(duì)算法的技術(shù)理解和對(duì)其社會(huì)影響的批判性分析^［6-7］；另一種是從用戶視角出發(fā)，基于用戶與算法的關(guān)系建立算法素養(yǎng)框架，形成人與算法交互的初步化理論。部分學(xué)者在用戶與平臺(tái)進(jìn)行交互的過(guò)程中使用民間理論、算法想象^［8］來(lái)解釋用戶如何理解算法及其運(yùn)作方式。Swart J將算法素養(yǎng)概念化為一種知識(shí)形式，借助于算法體驗(yàn)的概念，將其分為認(rèn)知、情感和行為三個(gè)維度，其中理解算法指對(duì)算法存在和運(yùn)作的認(rèn)知維度，感知算法指算法對(duì)用戶的情感維度，而參與算法指與算法互動(dòng)的行為維度^［9］。本文采用其定義，從用戶視角將其定義為：在認(rèn)知層面能夠感知到算法的存在并理解平臺(tái)背后的算法運(yùn)行規(guī)則，在情感層面能夠批判性評(píng)價(jià)算法對(duì)用戶的影響，在行為層面能夠基于算法采取相應(yīng)行為應(yīng)對(duì)策略。

目前算法素養(yǎng)的研究方法有定性（如焦點(diǎn)小組、半結(jié)構(gòu)化訪談^［10］）和定量（如量表開(kāi)發(fā)^［11］、問(wèn)卷調(diào)查）兩種。雖然所有研究方法都存在優(yōu)缺點(diǎn)，但這一問(wèn)題在算法素養(yǎng)方面尤為突出，因?yàn)樗惴ǖ牟煌该餍允沟弥苯釉u(píng)估用戶的算法素養(yǎng)水平不太可行。相反，更深入地討論他們使用算法的經(jīng)驗(yàn)可能更容易評(píng)估其算法素養(yǎng)水平。越來(lái)越多的研究者從用戶視角研究，形成了有關(guān) Facebook^［8］、Google News^［12］、Spotify^［13］和 TikTok^［14］的民間理論。這些民間理論體現(xiàn)用戶在日常使用算法驅(qū)動(dòng)平臺(tái)的過(guò)程中形成的非學(xué)術(shù)性的算法知識(shí)和理解。

1.2 大學(xué)生算法素養(yǎng)相關(guān)研究

目前，國(guó)外學(xué)者針對(duì)學(xué)生和年輕人算法素養(yǎng)的實(shí)證研究聚焦于其對(duì)算法驅(qū)動(dòng)平臺(tái)的算法意識(shí)、算法理解和行為應(yīng)對(duì)策略方面，該部分的研究涉及搜索引擎、新聞媒體、短視頻平臺(tái)等互聯(lián)網(wǎng)使用場(chǎng)景。研究發(fā)現(xiàn)，大學(xué)生并不是被動(dòng)的接受者，他們會(huì)產(chǎn)生對(duì)算法驅(qū)動(dòng)平臺(tái)的認(rèn)識(shí)和看法，以及會(huì)采取措施保護(hù)自己的隱私^［7］。年輕人在社交媒體平臺(tái)中對(duì)算法的感知和理解存在很大的差異，這些差異會(huì)影響他們對(duì)算法系統(tǒng)的參與行為。不是所有的用戶都會(huì)積極地采取主動(dòng)措施參與算法決策，部分用戶認(rèn)為自己在塑造算法方面的作用有限，并且他們對(duì)參與在線新聞很被動(dòng)。即使他們擁有算法知識(shí)，也不一定會(huì)影響他們的行為^［15］。還有一些研究者討論如何提高大學(xué)生對(duì)算法的理解和認(rèn)識(shí)。例如Brodsky J E等發(fā)現(xiàn)通過(guò)介紹算法視頻的干預(yù)能有效提高學(xué)生對(duì)搜索算法的理解^［16］。 Kapsch P H發(fā)現(xiàn)日常算法跟蹤和自我反思增加了學(xué)生的理解和批判性參與^［17］。國(guó)內(nèi)學(xué)者針對(duì)大學(xué)生算法素養(yǎng)的實(shí)證研究更多關(guān)注算法素養(yǎng)各組成部分之間的相互關(guān)系。趙龍軒等發(fā)現(xiàn)大學(xué)生對(duì)算法機(jī)制存在的意識(shí)程度并不對(duì)其算法態(tài)度以及算法操縱產(chǎn)生直接影響，而他們生成的算法態(tài)度則顯著影響了其合作型及反抗型的算法操縱^［18］。劉靜等發(fā)現(xiàn)算法感知是其算法態(tài)度的來(lái)源，與算法態(tài)度共同作用影響數(shù)字原住民的算法管理行為^［19］。

綜上所述，國(guó)外學(xué)者對(duì)算法素養(yǎng)的實(shí)證研究相對(duì)較多，主要集中在算法意識(shí)和理解的認(rèn)知維度，對(duì)情感和行為維度的研究相對(duì)較少。同時(shí)考慮到文化差異，國(guó)外的研究結(jié)論是否適用于國(guó)內(nèi)還有待進(jìn)一步探索。國(guó)內(nèi)大部分學(xué)者對(duì)算法素養(yǎng)的研究集中在算法素養(yǎng)的概念、內(nèi)涵界定^［20-21］以及各組成部分之間的相互關(guān)系，也有一部分學(xué)者開(kāi)始研究算法素養(yǎng)的評(píng)價(jià)指標(biāo)體系構(gòu)建^［22-23］，探索算法意識(shí)和知識(shí)水平測(cè)量等^［24-25］，但算法素養(yǎng)的相關(guān)實(shí)證研究仍然有待豐富?；诖?，本文針對(duì)大學(xué)生進(jìn)行了算法素養(yǎng)的本土化例證研究，深入挖掘大學(xué)生算法素養(yǎng)的結(jié)構(gòu)要素和形成機(jī)理以及各要素之間的內(nèi)在關(guān)系。

2 研究設(shè)計(jì)

2.1 研究方法

扎根理論于1965年被提出，是一種對(duì)原始資料進(jìn)行編碼分析、構(gòu)建理論模型的研究方法^［26］，適用于在研究課題尚不成熟的情況下進(jìn)行理論探索與模型構(gòu)建?；仡櫖F(xiàn)有文獻(xiàn)后發(fā)現(xiàn)，目前對(duì)于大學(xué)生算法素養(yǎng)形成機(jī)理的研究尚未形成成熟的研究框架，同時(shí)考慮到算法交互具有不透明性、復(fù)雜性以及動(dòng)態(tài)變化性，這些客觀因素導(dǎo)致使用定量的研究方法可行性不大，故本文采用扎根理論這種探索性的質(zhì)性研究方法。

2.2 訪談提綱設(shè)計(jì)

本文采用半結(jié)構(gòu)化訪談獲取原始資料。通過(guò)文獻(xiàn)調(diào)研和社交媒體平臺(tái)的親身體驗(yàn)設(shè)計(jì)訪談提綱，首先界定核心問(wèn)題，即“大學(xué)生與社交媒體平臺(tái)進(jìn)行交互的過(guò)程中算法素養(yǎng)是如何形成的？”，確定訪談提綱需要包括以下內(nèi)容：①受訪者個(gè)人信息以及社交媒體使用情況；②受訪者在與社交媒體平臺(tái)互動(dòng)過(guò)程中的算法體驗(yàn)。其次，基于這個(gè)核心問(wèn)題及預(yù)訪談結(jié)果進(jìn)行半結(jié)構(gòu)化訪談提綱的修正，經(jīng)過(guò)兩 輪修改后最終確定了訪談提綱。在預(yù)訪談的過(guò)程中，根據(jù)受訪者的描述可知目前大學(xué)生使用比較多的社交媒體平臺(tái)是微博、小紅書(shū)、抖音、嗶哩嗶哩，因此后續(xù)在進(jìn)行術(shù)語(yǔ)介紹和提問(wèn)的過(guò)程中，主要圍繞以上4個(gè)平臺(tái)的相關(guān)功能和使用體驗(yàn)進(jìn)行解釋和提問(wèn)。最后的訪談提綱包括導(dǎo)語(yǔ)、術(shù)語(yǔ)介紹、受訪者基本信息、核心問(wèn)題四個(gè)部分，見(jiàn)表1。

2.3 樣本選擇

本文所指的大學(xué)生是具備全日制學(xué)籍的在校生，具體包括?？粕⒈究粕?、研究生。本研究通過(guò)目的性抽樣和滾雪球抽樣方法進(jìn)行樣本選擇。根據(jù)目的性抽樣原則，受訪者需滿足以下條件：①熟悉互聯(lián)網(wǎng)并經(jīng)常使用社交媒體平臺(tái)，平均每日使用社交媒體時(shí)間不少于2～3小時(shí)；②訪談的學(xué)生均為非計(jì)算機(jī)專業(yè)的學(xué)生，考慮到計(jì)算機(jī)專業(yè)的學(xué)生具有一定的專業(yè)知識(shí)，并不能完全視為“普通人”；③可以理解訪談問(wèn)題并能夠清晰表達(dá)自己的觀點(diǎn)；④同意對(duì)訪談過(guò)程全程錄音。首先通過(guò)目的性抽樣原則選取少量的訪談對(duì)象，然后采用滾雪球抽樣的方法，讓他們推薦符合上述條件的其他訪談對(duì)象，在推薦的過(guò)程中會(huì)引導(dǎo)推薦者盡可能照顧到不同專業(yè)、不同學(xué)習(xí)階段、不同性別等因素，以獲取豐富的信息量來(lái)達(dá)到理論飽和。最終選擇訪談對(duì)象18人，訪談對(duì)象的基本信息見(jiàn)表2。

2.4 數(shù)據(jù)收集與編碼

本次訪談歷時(shí)一個(gè)月，正式訪談采用線上與線下相結(jié)合的方式，每次訪談時(shí)間在20～45分鐘，訪談內(nèi)容主要圍繞訪談提綱的核心問(wèn)題進(jìn)行，中間順序會(huì)打亂，也會(huì)根據(jù)受訪者的回答來(lái)相應(yīng)調(diào)整問(wèn)題或者即興提出訪談提綱之外的新問(wèn)題，以確保數(shù)據(jù)收集的全面性和豐富性。在征得受訪者同意的情況下，對(duì)訪談過(guò)程全程錄音，并進(jìn)行及時(shí)的轉(zhuǎn)錄，共獲取10萬(wàn)余字的訪談資料。為了保證編碼的可信性和有效性，訪談資料由兩名研究人員分別編碼，編碼一致的予以保留（經(jīng)過(guò)計(jì)算編碼一致性在80%結(jié)果

以內(nèi)的可以接受），不一致的由同行專家對(duì)兩名研究人員的編碼結(jié)果進(jìn)行綜合對(duì)比評(píng)判，確定一致性和差異性，給出編碼意見(jiàn)，最終形成統(tǒng)一的編碼結(jié)果。

3 編碼過(guò)程

3.1 開(kāi)放編碼

在開(kāi)放編碼階段，通過(guò)對(duì)原始數(shù)據(jù)進(jìn)行逐行編碼使其概念化和抽象化，逐步得出初始概念和范疇。開(kāi)放編碼階段的原則是貼近數(shù)據(jù)，不發(fā)生概念的跳躍，秉承開(kāi)放的心態(tài)，不放過(guò)任何一個(gè)可能的理論方向。據(jù)此，本研究選取14份原始資料進(jìn)行編碼整理分析，對(duì)原始語(yǔ)句中的150條記錄進(jìn)行提煉、比較、篩選，剔除掉重復(fù)的之后，得到31個(gè)初始概念，將初始概念進(jìn)行比較、聚類、綜合歸納得到19個(gè)初始范疇。部分開(kāi)放編碼示例如表3所示。

3.2 主軸編碼

主軸編碼是對(duì)開(kāi)放編碼階段形成的初始范疇進(jìn)行屬性與內(nèi)涵的剖析，尋找數(shù)據(jù)之間的核心性與相關(guān)性，進(jìn)一步提煉出更高抽象程度的主范疇。在開(kāi)放式編碼形成的19個(gè)范疇的基礎(chǔ)上進(jìn)一步抽象化，得到8個(gè)主范疇，見(jiàn)表4。

3.3 選擇性編碼

選擇性編碼是為了分析主范疇之間的聯(lián)系，以故事線的形式構(gòu)建一個(gè)能夠體現(xiàn)原始資料的理論模型。本研究圍繞“大學(xué)生與社交媒體平臺(tái)互動(dòng)過(guò)程中算法素養(yǎng)的結(jié)構(gòu)要素”和“大學(xué)生與社交媒體平臺(tái)互動(dòng)中算法素養(yǎng)形成機(jī)理”兩條故事線，研究典型范疇之間的關(guān)系結(jié)構(gòu)，對(duì)關(guān)系結(jié)構(gòu)內(nèi)涵進(jìn)行揭示。選擇性編碼見(jiàn)表5。

3.4 理論飽和度檢驗(yàn)

一般認(rèn)為，當(dāng)原始資料不再提供新的范疇和關(guān)系時(shí)，再進(jìn)行3份及以上資料的驗(yàn)證，如依然無(wú)法發(fā)現(xiàn)新的范疇和關(guān)系，則表示研究所得到的理論達(dá)到飽和^［27］。 本研究以理論飽和度原則為訪談樣本選擇標(biāo)準(zhǔn)，在訪談至14人時(shí)未能發(fā)現(xiàn)新的范疇和關(guān)系，隨后又選擇4人進(jìn)行理論飽和度驗(yàn)證，仍未發(fā)現(xiàn)新的范疇和關(guān)系，故認(rèn)為本研究所構(gòu)建的理論已達(dá)到飽和。

4 研究發(fā)現(xiàn)

4.1 高校大學(xué)生算法素養(yǎng)形成機(jī)理研究

通過(guò)三級(jí)編碼，本研究提取了算法感知、算法理解、算法態(tài)度、算法應(yīng)對(duì)行為、內(nèi)生因素、外生因素、用戶個(gè)體化差異、平臺(tái)比較8個(gè)主范疇，剖析范疇間的作用關(guān)系，發(fā)現(xiàn)了大學(xué)生算法素養(yǎng)的形成機(jī)理（如圖1）。

圖1從左至右分為四個(gè)階段，分別為意識(shí)、認(rèn)知、態(tài)度、行為，分別對(duì)應(yīng)算法素養(yǎng)的意識(shí)觸發(fā)、認(rèn)知形成、態(tài)度形成、應(yīng)對(duì)行為的形成。大學(xué)生算法素養(yǎng)的意識(shí)觸發(fā)過(guò)程主要由內(nèi)生因素和外生因素觸發(fā)導(dǎo)致，其中大學(xué)生自身的需求為主要觸發(fā)點(diǎn)，包括信息需求、娛樂(lè)需求、社交需求、使用經(jīng)驗(yàn)、課程學(xué)習(xí)等。外生因素包括媒體報(bào)道、與人溝通等。大學(xué)生算法素養(yǎng)認(rèn)知形成過(guò)程由算法感知、算法理解、用戶、算法系統(tǒng)、社交媒體平臺(tái)共同構(gòu)建而成，用戶以社交媒體平臺(tái)為載體，通過(guò)算法系統(tǒng)形成交互，產(chǎn)生對(duì)算法的感知和理解。用戶個(gè)體化差異、平臺(tái)比較會(huì)影響用戶的算法感知和理解。用戶個(gè)體化差異指算法交互過(guò)程中經(jīng)驗(yàn)?zāi)芰?、個(gè)性行為等層面的屬性特征。用戶算法感知和理解水平受多平臺(tái)比較的影響，使用多平臺(tái)的用戶會(huì)比使用單一平臺(tái)的用戶具有更高的算法感知和理解能力。大學(xué)生的算法態(tài)度，主要由算法交互過(guò)程中的決策結(jié)果所決定。而應(yīng)對(duì)行為的形成則受到感知、理解和態(tài)度的共同作用。

4.1.1 意識(shí)觸發(fā)

編碼結(jié)果顯示，大學(xué)生算法感知主要來(lái)源于內(nèi)生因素和外生因素?！白约号昧司蜁?huì)找出規(guī)律，抖音我會(huì)搜一些作文優(yōu)美語(yǔ)段，之后就都是這些，快手點(diǎn)開(kāi)就是娛樂(lè)的東西”（P09）。與他人溝通也是觸發(fā)算法感知的來(lái)源，“我知道算法，因?yàn)槲业艿苁菍W(xué)這個(gè)（計(jì)算機(jī)）的，他幫麥當(dāng)勞的平臺(tái)編程，給潛在的用戶配送一些優(yōu)惠券，或者是去發(fā)掘潛在客戶”（P08）。還有大部分的受訪者表示其算法感知來(lái)源于媒體報(bào)道，“我是刷到了這類視頻講解告訴我（算法）的”（P04）。少部分受訪者表示對(duì)算法的感知來(lái)源于課程學(xué)習(xí)，“有選修過(guò)人工智能、媒介素養(yǎng)等相關(guān)課程”（P05）。

4.1.2 認(rèn)知形成

生成算法感知是用戶理解算法的第一步，在此基礎(chǔ)上，用戶則可能會(huì)進(jìn)一步探索算法系統(tǒng)，通過(guò)與算法系統(tǒng)的交互，產(chǎn)生對(duì)于算法機(jī)制的理解與反思。用戶對(duì)算法的感知主要體現(xiàn)在對(duì)人與算法交互過(guò)程的感知、算法風(fēng)險(xiǎn)的感知。算法感知讓用戶會(huì)評(píng)估自己的角色以及算法的角色來(lái)形成對(duì)算法推薦內(nèi)容依據(jù)、邏輯和運(yùn)行規(guī)則的理解，構(gòu)成認(rèn)知形成機(jī)理。訪談發(fā)現(xiàn)，幾乎所有受訪者都能明確知道社交媒體平臺(tái)上人與算法互動(dòng)（如點(diǎn)贊、評(píng)論、轉(zhuǎn)發(fā)、停留時(shí)長(zhǎng)等）會(huì)影響后續(xù)的內(nèi)容推送，他們會(huì)通過(guò)改變行為，不斷重塑算法結(jié)果。少部分受訪者表現(xiàn)出對(duì)算法導(dǎo)致的隱私泄露、設(shè)備監(jiān)聽(tīng)、算法偏見(jiàn)、信息繭房、浪費(fèi)時(shí)間等問(wèn)題的擔(dān)憂。由于用戶個(gè)體化差異、平臺(tái)使用等的影響，用戶產(chǎn)生的算法感知和理解存在差異。多平臺(tái)使用的受訪者提供了關(guān)于算法如何運(yùn)作的相對(duì)更詳細(xì)的解釋?！拔矣X(jué)得微博推薦的都是你關(guān)注的，抖音、小紅書(shū)推薦的都是它覺(jué)得你會(huì)喜歡的內(nèi)容。因?yàn)樗竺嬗幸惶子?jì)算機(jī)的算法，通過(guò)大數(shù)據(jù)就可以篩選出你感興趣的，再根據(jù)你文章的點(diǎn)擊量，就會(huì)篩選出你喜歡的內(nèi)容，也會(huì)篩選差不多類型的內(nèi)容推送”（P16）。對(duì)算法有強(qiáng)烈好奇心的受訪者更可能投入時(shí)間和精力去深入理解算法。“我會(huì)關(guān)注平臺(tái)上面的社會(huì)熱點(diǎn)事件的發(fā)展，看底下的評(píng)論和觀點(diǎn)，我發(fā)現(xiàn)男生和女生的評(píng)論區(qū)是不一樣的。它不是按照時(shí)間和熱度排序的，是算法定制的”（P02）。擁有自我反思能力的受訪者對(duì)算法推送邏輯有更清晰的認(rèn)識(shí)。“我平時(shí)接觸過(guò)一點(diǎn)淺顯的知識(shí)，但大部分是自己使用過(guò)程中長(zhǎng)期的觀察。我會(huì)思考它為什么就能給我這么精準(zhǔn)的推薦之類的。我覺(jué)得它背后有套算法會(huì)分析每個(gè)用戶的行為，比如瀏覽的時(shí)長(zhǎng)，點(diǎn)擊量，收藏、點(diǎn)贊、評(píng)論的次數(shù)，每個(gè)用戶都有畫(huà)像。然后對(duì)每個(gè)用戶進(jìn)行分類，比如可能我分到女性大學(xué)生這一類，然后它就會(huì)給你推送一些相關(guān)的內(nèi)容”（P15）。

4.1.3 態(tài)度形成

隨著用戶與算法系統(tǒng)的交互，用戶觀察和認(rèn)知到算法決策的實(shí)際效果和表現(xiàn)，根據(jù)不同的決策結(jié)果，用戶會(huì)形成對(duì)決策內(nèi)容準(zhǔn)確性的認(rèn)知、風(fēng)險(xiǎn)性認(rèn)知、公平性認(rèn)知，并對(duì)算法產(chǎn)生信任與否、公平與否、偏見(jiàn)與否的評(píng)價(jià)，進(jìn)而會(huì)影響用戶對(duì)算法決策的預(yù)期的改變，最終形成用戶的態(tài)度和行為。通過(guò)質(zhì)性分析，大學(xué)生對(duì)算法決策的態(tài)度可歸納為三種，即積極認(rèn)可、消極負(fù)面和中立型。表現(xiàn)出積極認(rèn)可的受訪者對(duì)算法的普遍感受是喜歡算法推薦的內(nèi)容，認(rèn)為算法方便獲取知識(shí)、提高日常生活效率?！拔腋杏X(jué)它給我推薦的都是我比較喜歡看的，它數(shù)據(jù)很多，所以你要是想獲取一些自己想了解的知識(shí)還挺方便，就是你搜啥就給你啥，這樣挺高效的”（P06）。持消極負(fù)面態(tài)度的受訪者通常具有較高風(fēng)險(xiǎn)感知力或?qū)Q策結(jié)果不滿意，他們對(duì)算法的感知更敏銳，有些甚至?xí)x擇減少使用或拒絕使用算法平臺(tái)?！跋裼嗁e館的那種殺熟就很無(wú)語(yǔ)，對(duì)這種算法就很惱火”（P09）?！靶〖t書(shū)我覺(jué)得比百度好用。現(xiàn)在的百度它自帶了個(gè)AI 引擎，有時(shí)候你提問(wèn)之后，它AI生成的東西完全不對(duì)。我在外網(wǎng)上找的原文和百度上搜的結(jié)果完全不一樣，拒絕使用百度”（P10）。持有中立型態(tài)度的受訪者往往認(rèn)為平臺(tái)背后的算法有助于獲取信息和推送個(gè)性化內(nèi)容，但推送內(nèi)容的不準(zhǔn)確性、信息繭房、隱私泄露等問(wèn)題會(huì)影響他們的使用體驗(yàn)感。“算法推薦好處就是能夠更快讓大家看到自己想看的東西，壞處的話也就是相當(dāng)于局限在一個(gè)思維里面吧”（P11）。

4.1.4 應(yīng)對(duì)行為

大學(xué)生算法應(yīng)對(duì)行為受認(rèn)知和態(tài)度的影響。大學(xué)生會(huì)基于與算法系統(tǒng)的互動(dòng)來(lái)推測(cè)算法運(yùn)行規(guī)則和邏輯，并做出相應(yīng)的應(yīng)對(duì)行為。根據(jù)訪談結(jié)果，用戶的應(yīng)對(duì)行為分為三類：控制式應(yīng)對(duì)行為、被動(dòng)式應(yīng)對(duì)行為、對(duì)抗式應(yīng)對(duì)行為?！拔抑朗俏乙郧霸谶@些類似的視頻上停留的時(shí)間比較長(zhǎng)，點(diǎn)贊收藏的這類視頻比較多。還有我自己主動(dòng)搜索過(guò)，我的朋友點(diǎn)贊過(guò)的，它就會(huì)給我推送”（P04、P03、P12）。因此，受訪者會(huì)采取主動(dòng)搜索、完整觀看喜歡的視頻、點(diǎn)贊、收藏等控制式應(yīng)對(duì)行為來(lái)獲取自己感興趣的內(nèi)容。相反，對(duì)于那些不感興趣的內(nèi)容，受訪者會(huì)采取諸如點(diǎn)擊不感興趣、更換平臺(tái)、刪除發(fā)布內(nèi)容等控制式和對(duì)抗式相結(jié)合的行為來(lái)調(diào)整?！拔宜⒌竭@些視頻的時(shí)候，對(duì)我感興趣的我就會(huì)看得更久一些，如果不感興趣我可能就直接劃掉或者點(diǎn)擊不感興趣，它就會(huì)推送更多我感興趣的”（P13、P01、P03、P05）。同時(shí)，算法態(tài)度直接影響算法的應(yīng)對(duì)行為。持積極認(rèn)可態(tài)度的受訪者通常采取控制式應(yīng)對(duì)行為?！拔矣X(jué)得挺合理的，它推的都是我想要看的。它推送以后，如果不感興趣就直接劃走，點(diǎn)不感興趣”（P05）。持消極負(fù)面態(tài)度的受訪者通常選擇對(duì)抗式應(yīng)對(duì)行為或被動(dòng)式應(yīng)對(duì)行為?！半m然我對(duì)這方面的內(nèi)容很感興趣，但隔段時(shí)間再點(diǎn)進(jìn)去，它又是一樣的。這就讓人很煩。我會(huì)換軟件或者是把舊賬號(hào)注銷，再注冊(cè)新的賬號(hào)。但像訂賓館的那種殺熟就很無(wú)語(yǔ)，對(duì)這種算法就很惱火，但是又無(wú)能為力”（P09）。持中立型態(tài)度的受訪者往往采取控制式應(yīng)對(duì)行為或被動(dòng)式應(yīng)對(duì)行為?！八€是會(huì)給你推一些你喜歡的，這樣你就不用特意去搜，節(jié)省時(shí)間。比較不好的就是有時(shí)候推的不準(zhǔn)確，還有點(diǎn)了不感興趣后還是會(huì)出現(xiàn)。我感覺(jué)算法它不可能完善的。用戶的喜好它不會(huì)完全掌握，而且用戶展示的信息還是太少了，不能夠根據(jù)這些就推斷出一個(gè)人的偏好。我倒是沒(méi)有對(duì)抗過(guò)算法，就是順其自然，反正不感興趣，我就點(diǎn)不感興趣了”（P14）。

4.2 高校大學(xué)生算法素養(yǎng)各要素之間關(guān)系分析

（1） 驅(qū)動(dòng)作用：意識(shí)觸發(fā)→認(rèn)知形成。高校大學(xué)生對(duì)社交媒體平臺(tái)算法認(rèn)知的形成受到意識(shí)觸發(fā)的驅(qū)動(dòng)。大學(xué)生多樣性需求和內(nèi)外部因素刺激從量的積累達(dá)到質(zhì)變臨界值，觸發(fā)大學(xué)生產(chǎn)生算法意識(shí)，經(jīng)過(guò)反思、學(xué)習(xí)和應(yīng)用，便會(huì)驅(qū)動(dòng)其算法認(rèn)知形成。認(rèn)知形成過(guò)程是在意識(shí)觸發(fā)基礎(chǔ)上通過(guò)與算法系統(tǒng)交互，從而形成對(duì)算法理解的過(guò)程。但由于用戶個(gè)體化差異和平臺(tái)使用經(jīng)驗(yàn)的不同，大學(xué)生群體之間算法感知和理解能力存在差異。

（2） 決定作用：認(rèn)知形成→態(tài)度形成。大學(xué)生對(duì)平臺(tái)算法的認(rèn)知決定著其對(duì)算法的態(tài)度和評(píng)價(jià)。認(rèn)知形成影響大學(xué)生對(duì)算法決策結(jié)果的認(rèn)知，通過(guò)對(duì)算法決策結(jié)果進(jìn)行評(píng)估，產(chǎn)生相應(yīng)的算法態(tài)度。若認(rèn)為算法決策結(jié)果符合預(yù)期，則會(huì)對(duì)算法產(chǎn)生信任，進(jìn)而產(chǎn)生積極認(rèn)可的態(tài)度；否則，將會(huì)產(chǎn)生消極負(fù)面的態(tài)度或者是中立型態(tài)度。

（3） 關(guān)鍵作用：認(rèn)知形成+態(tài)度形成→應(yīng)對(duì)行為。認(rèn)知形成同樣影響著大學(xué)生的算法應(yīng)對(duì)行為。每位受訪者都以自己的方式感知和理解算法及其運(yùn)作方式，并基于認(rèn)知采取相應(yīng)的算法應(yīng)對(duì)行為。同時(shí)，大學(xué)生對(duì)算法的態(tài)度決定著其采取相應(yīng)的算法應(yīng)對(duì)行為。當(dāng)對(duì)算法的態(tài)度是積極肯定時(shí)，會(huì)采取主動(dòng)的控制式應(yīng)對(duì)行為；而當(dāng)產(chǎn)生消極或中立的態(tài)度時(shí)，會(huì)采取被動(dòng)式或?qū)故降膽?yīng)對(duì)行為。應(yīng)對(duì)行為是大學(xué)生算法素養(yǎng)形成的內(nèi)在驅(qū)動(dòng)力，通過(guò)認(rèn)知形成和態(tài)度形成采取不同的應(yīng)對(duì)行為。

5 高校大學(xué)生算法素養(yǎng)培育策略研究

5.1 加強(qiáng)算法基礎(chǔ)知識(shí)學(xué)習(xí)：跨學(xué)科教學(xué)與AI通識(shí)教育

本文是以非計(jì)算機(jī)專業(yè)的學(xué)生為研究對(duì)象，證實(shí)了有選修過(guò)人工智能、媒介素養(yǎng)等課程的學(xué)生對(duì)算法感知和理解有更深入的認(rèn)知。根據(jù)受訪者的陳述，大學(xué)階段并未有專門教授算法素養(yǎng)的課程，大多是以信息素養(yǎng)、媒介素養(yǎng)、大數(shù)據(jù)管理、人工智能等與算法素養(yǎng)相關(guān)的選修課形式讓學(xué)生參與。因此，一方面可以開(kāi)設(shè)專門的人工智能或算法素養(yǎng)通識(shí)課程，將AI課程作為基礎(chǔ)教育，對(duì)大學(xué)生進(jìn)行AI通識(shí)教育。另一方面也可以進(jìn)行跨學(xué)科教學(xué)融入，在現(xiàn)有課程體系基礎(chǔ)上將算法素養(yǎng)主題領(lǐng)域的信息素養(yǎng)、人工智能技術(shù)、數(shù)據(jù)素養(yǎng)、數(shù)字素養(yǎng)和隱私素養(yǎng)等與特定領(lǐng)域的課程進(jìn)行融合。例如，市場(chǎng)營(yíng)銷教師可以通過(guò)讓學(xué)生批判性地分析定向廣告的相關(guān)數(shù)據(jù)透明度工具來(lái)鼓勵(lì)個(gè)人數(shù)據(jù)的隱私保護(hù)。地理學(xué)教師在討論地圖軟件如何對(duì)地理特征進(jìn)行分類時(shí)，可以對(duì)比機(jī)器學(xué)習(xí)和基于規(guī)則的算法^［28］?；蛘唛_(kāi)設(shè)一門新的課程，進(jìn)行跨學(xué)科教學(xué)。例如，英語(yǔ)教師可以與計(jì)算機(jī)教師合作，共同開(kāi)發(fā)一門分析文學(xué)中算法隱喻的課程。通過(guò)跨學(xué)科的教學(xué)，幫助學(xué)生適應(yīng)算法環(huán)境，提升算法素養(yǎng)能力。

5.2 提升算法應(yīng)用技能水平：從被動(dòng)接受到主動(dòng)駕馭

算法和用戶之間并非單向影響關(guān)系，而是緊密交織、相互交融的關(guān)系。用戶通過(guò)算法平臺(tái)進(jìn)入算法環(huán)境，實(shí)現(xiàn)算法交互，算法利用規(guī)則“結(jié)構(gòu)化”用戶，用戶也在利用作為“資源”的算法規(guī)則重塑算法的邏輯。通過(guò)實(shí)證研究發(fā)現(xiàn)大學(xué)生與算法的關(guān)系是被動(dòng)的，采取的應(yīng)對(duì)行為相對(duì)單一，因此高校在算法素養(yǎng)培育的實(shí)踐過(guò)程中應(yīng)增強(qiáng)大學(xué)生的算法技能，使其從被動(dòng)接受者轉(zhuǎn)為主動(dòng)駕馭者。一方面，普及社交媒體平臺(tái)常用的幾個(gè)核心算法機(jī)制（如協(xié)同過(guò)濾、內(nèi)容過(guò)濾、深度學(xué)習(xí)模型等），幫助大學(xué)生理解推薦系統(tǒng)背后的邏輯與技術(shù)原理，更好地駕馭算法。另一方面，大學(xué)生要善用平臺(tái)提供的“關(guān)閉算法推薦服務(wù)”選項(xiàng)，同時(shí)可以通過(guò)有意識(shí)地與平臺(tái)互動(dòng)（如有意點(diǎn)擊、主動(dòng)搜索、定期清理關(guān)注和興趣點(diǎn)等）、使用技術(shù)輔助（如使用瀏覽器插件）等提升算法應(yīng)對(duì)能力。無(wú)論是通過(guò)理解算法原理還是通過(guò)有意互動(dòng)引導(dǎo)、使用技術(shù)手段，大學(xué)生都能從被動(dòng)的算法接受者轉(zhuǎn)為主動(dòng)的算法駕馭者，從而更好地利用平臺(tái)獲取有價(jià)值的信息。

5.3 強(qiáng)化算法倫理風(fēng)險(xiǎn)意識(shí)：算法實(shí)踐與批判性思維

隨著算法越來(lái)越融入決策，可能會(huì)出現(xiàn)與隱私、算法偏見(jiàn)、信息繭房等問(wèn)題相關(guān)的倫理風(fēng)險(xiǎn)。本研究識(shí)別出對(duì)大部分大學(xué)生而言，他們能夠感知算法要采集什么信息、實(shí)現(xiàn)什么功能、存在哪些可能的風(fēng)險(xiǎn)，并且可以采取一定的行為來(lái)應(yīng)對(duì)風(fēng)險(xiǎn)。但同時(shí)也發(fā)現(xiàn)，他們?nèi)狈ι钊雽W(xué)習(xí)和實(shí)踐算法的機(jī)會(huì)，對(duì)算法的運(yùn)行機(jī)制和算法決策結(jié)果的認(rèn)知不夠深入，如何開(kāi)展算法實(shí)踐是提高算法素養(yǎng)必須解決的問(wèn)題。借鑒國(guó)外的實(shí)踐經(jīng)驗(yàn)，定期開(kāi)展算法素養(yǎng)研討會(huì)、參與算法知識(shí)實(shí)踐平臺(tái)是提高算法素養(yǎng)的有效途徑。慕尼黑大學(xué)圖書(shū)館以開(kāi)展研討會(huì)的形式讓學(xué)生反思算法在日常生活中的作用，識(shí)別產(chǎn)生算法偏見(jiàn)的潛在原因和預(yù)防策略，認(rèn)識(shí)算法如何塑造算法決策結(jié)果^［29］。Archambault S G利用算法知識(shí)實(shí)踐平臺(tái)讓學(xué)生來(lái)質(zhì)疑算法權(quán)威^［30］。通過(guò)Myth of the Impartial Machine^［31］平臺(tái)幫助學(xué)生理解為什么算法不是中立的，即它們受到人類決策和有針對(duì)性數(shù)據(jù)的影響，從而消除學(xué)生對(duì)算法是價(jià)值中立的想法的誤解。Survival of the Best Fit^［32］是一款在線游戲，可幫助學(xué)生更好地理解訓(xùn)練數(shù)據(jù)如何產(chǎn)生偏差，學(xué)生使用招聘算法進(jìn)行角色扮演來(lái)幫助做出招聘決策，但他們很快意識(shí)到該算法正在學(xué)習(xí)有偏見(jiàn)的模式。通過(guò)這些算法實(shí)踐可以讓學(xué)生批判性地評(píng)估算法設(shè)計(jì)和決策。

6 結(jié)語(yǔ)

本文著眼于人工智能時(shí)代下大學(xué)生如何適應(yīng)算法環(huán)境、高校如何進(jìn)行算法素養(yǎng)培育問(wèn)題，探究高校大學(xué)生算法素養(yǎng)的形成機(jī)理和培育策略。運(yùn)用扎根理論對(duì)在校大學(xué)生進(jìn)行深度訪談，構(gòu)建包括意識(shí)觸發(fā)、認(rèn)知形成、態(tài)度形成、應(yīng)對(duì)行為四個(gè)階段的大學(xué)生算法素養(yǎng)形成機(jī)理模型，分析了算法素養(yǎng)各要素之間的內(nèi)在關(guān)系并給出了相應(yīng)的培育策略。但本研究同樣存在一定的局限性。首先，本文選取的樣本量有限，后續(xù)可以讓樣本更多樣化，豐富現(xiàn)有的研究模型。其次，本研究?jī)H通過(guò)質(zhì)性分析進(jìn)行了探索性研究，研究結(jié)論缺乏嚴(yán)格的數(shù)據(jù)論證，未來(lái)研究可考慮采用定量的方法對(duì)本文研究結(jié)論進(jìn)行實(shí)證檢驗(yàn)。未來(lái)研究既可以進(jìn)行定量的數(shù)據(jù)采集與分析，在現(xiàn)有算法素養(yǎng)維度的基礎(chǔ)上構(gòu)建算法素養(yǎng)的評(píng)價(jià)指標(biāo)體系，也可以從算法素養(yǎng)教學(xué)實(shí)踐的角度，探討大學(xué)生算法素養(yǎng)實(shí)踐內(nèi)容與模式。

參考文獻(xiàn)：

［1］ARCHAMBAULT S G.Toward a new framework for teaching algorithmic literacy［J］.Information and learning sciences，2024，125（1/2）：44-67.

［2］GILLESPIE T，BOCZKOWSKI P J，F(xiàn)OOT K A.Media technologies：essays on communication，materiality，and society［M］.Cambridge，Mass：MIT Press，2014：167-193.

［3］LOMBORG S，KAPSCH P H.Decoding algorithms［J］.Media，culture amp; society，2019，42（5）：745-761.

［4］HAMILTON K，KARAHALIOS K，SANDVIG C，et al.A path to understanding the effects of algorithm awareness［M］//CHI EA′14：CHI′14 extended abstracts on human factors in computing systems.New York：Association for Computing Machinery，2014：631-642.

［5］DOGRUEL L.What is algorithm literacy？ A conceptualization and challenges regarding its empirical measurement

［EB/OL］.［2024-09-01］.https：//www.ssoar.info/ssoar/bitstream/handle/document/75897/ssoar-2021-dogruel-What_is_Algorithm_Literacy_A.pdf？.

［6］RIDLEY M，PAWLICK-POTTS D.Algorithmic literacy and the role for libraries［J］.Information technology and libraries，2021，40（2）：1-15.

［7］HEAD A J，F(xiàn)ISTER B，MACMILLAN M.Information literacy in the age of algorithms：student experiences with news and information，and the need for change［R/OL］.［2024-09-01］.https：//projectinfolit.org/pubs/algorithm-study/pil_algorithm-study_2020-01-15.pdf.

［8］BUCHER T.The algorithmic imaginary：exploring the ordinary affects of Facebook algorithms［J］.Information，communication amp; society，2017，20（1）：30-44.

［9］SWART J.Experiencing algorithms：how young people understand，feel about，and engage with algorithmic news selection on social media［EB/OL］.［2024-09-01］.https：//www.researchgate.net/publication/350827693_Experiencin

g_Algorithms_How_Young_People_Understand_Feel_About_and_Engage_With_Algorithmic_News_Selection_on_Social_Media.

［10］

SILES I，MELéNDEZ-MORAN A.“The most aggressive of algorithms”：user awareness of and attachment to TikTok′s content personalization［EB/OL］.［2024-09-01］.https：//core.ac.uk/download/489439918.pdf.

［11］DOGRUEL L，MASUR P，JOECKEL S.Development and validation of an algorithm literacy scale for internet users［J］.Communication methods and measures，2022，16（2）：115-133.

［12］POWERS E.My news feed is filtered？：awareness of news personalization among college students［J］.Digital journalism，2017，5（10）：1315-1335.

［13］

SILES I，SEGURA-CASTILLO A，SOLíS R，et al.Folk theories of algorithmic recommendations on Spotify：enacting data assemblages in the global South［EB/OL］.［2024-09-01］.https：//www.researchgate.net/publication/341062979_Folk_theories_of_algorithmic_recommendations_on_Spotify_Enacting_data_assemblages_in_the_global_South.

［14］KARIZAT N，DELMONACO D，ESLAMI M，et al.Algorithmic folk theories and identity：how TikTok users co-produce knowledge of identity and engage in algorithmic resistance［J］.Proceedings of the ACM on human-computer interaction，2021，5（CSCW2）：1-44.

［15］SWART J.Tactics of news literacy：how young people access，evaluate，and engage with news on social media［J］.New media amp; society，2023，25（3）：505-521.

［16］BRODSKY J E，ZOMBERG D，POWERS K L，et al.Assessing and fostering college students′ algorithm awareness across online contexts［J］.Journal of media literacy education，2020，12（3）：43-57.

［17］KAPSCH P H.Exploring user agency and small acts of algorithm engagement in everyday media use［J］.Media international Australia，2022，183（1）：16-29.

［18］趙龍軒，林聰.“黑箱”中的青年：大學(xué)生群體的算法意識(shí)、算法態(tài)度與算法操縱［J］.中國(guó)青年研究，2022（7）：20-30.

［19］劉靜，孫國(guó)燁，吳丹.數(shù)字原住民算法感知及作用機(jī)制研究［J］.情報(bào)資料工作，2023，44（3）：80-87.

［20］吳丹，劉靜.人工智能時(shí)代的算法素養(yǎng)：內(nèi)涵剖析與能力框架構(gòu)建［J］.中國(guó)圖書(shū)館學(xué)報(bào)，2022，48（6）：43-56.

［21］夏蘇迪，鄧勝利，付少雄，等.數(shù)智時(shí)代的算法素養(yǎng)：內(nèi)涵、范疇及未來(lái)展望［J］.圖書(shū)情報(bào)知識(shí)，2023，40（1）：23-34.

［22］張濤，汪穎，馬海群，等.數(shù)智環(huán)境下社交媒體用戶算法素養(yǎng)評(píng)價(jià)指標(biāo)體系構(gòu)建研究［J］.情報(bào)理論與實(shí)踐，2024，47（2）：29-35.

［23］鄧勝利，許家輝，夏蘇迪.數(shù)字環(huán)境下大學(xué)生算法素養(yǎng)評(píng)價(jià)體系及實(shí)證研究［J］.圖書(shū)情報(bào)工作，2023，67（2）：23-32.

［24］陳逸君，崔迪.用戶的算法知識(shí)水平及其影響因素分析：基于視頻類、新聞?lì)惡唾?gòu)物類算法應(yīng)用的實(shí)證研究［J］.新聞?dòng)浾撸?022（9）：70-85.

［25］賈詩(shī)威.我國(guó)網(wǎng)絡(luò)用戶算法意識(shí)量表的開(kāi)發(fā)與適用性探討［J］.情報(bào)理論與實(shí)踐，2023，46（11）：20-26.

［26］賈旭東，衡量.扎根理論的“叢林”、過(guò)往與進(jìn)路［J］.科研管理，2020，41（5）：151-163.

［27］FRANCIS J J，JOHNSTON M，ROBERTSON C，et al.What is an adequate sample size？ Operationalising data saturation for theory-based interview studies［J］.Psychology amp; health，2010，25（10）：1229-1245.

［28］ARCHAMBAULT S G.Toward a new framework for teaching algorithmic literacy［J］.Information and learning sciences，2024，125（1/2）：44-67.

［29］ARCHAMBAULT S G，RAMACHANDRAN S，ACOSTA E，et al.Ethical dimensions of algorithmic literacy for college students：case studies and cross-disciplinary connections［J］.The journal of academic librarianship，2024，50（3）：102865.

［30］ARCHAMBAULT S G.Expanding on the frames：making a case for algorithmic literacy［J］.communications in information literacy，2023，17（2）：530-553.

［31］The Myth of the Impartial Machine［EB/OL］.（2019-05-01）［2024-05-31］.https：//parametric.press/issue-01/the-myth-of-the-impartial-machine/.

［32］Survival of the Best Fit［EB/OL］.［2024-05-31］.https：//www.survivalofthebestfit.com.

作者簡(jiǎn)介：

史玄（1990—），女，碩士，館員，任職于湖南工商大學(xué)讀者與服務(wù)部。研究方向：信息素養(yǎng)、信息用戶與行為。

譚璐星（1984—），女，碩士，館員，任職于湖南工商大學(xué)讀者與服務(wù)部。研究方向：閱讀推廣、信息素養(yǎng)。