內容平臺個性化推薦合理性：構念與效應

關鍵詞：內容平臺；個性化推薦；合理性：用戶滿意度；持續(xù)使用意愿

個性化推薦算法已成為支撐互聯(lián)網(wǎng)內容平臺服務開展的技術基礎。基于個性化推薦算法，互聯(lián)網(wǎng)內容平臺一方面利用所掌握的用戶搜索興趣、瀏覽行為等數(shù)據(jù)評估和量化受眾對內容的偏好，再從各種內外部信息源中篩選匹配的內容推送給受眾，緩解用戶的信息過載；另一方面，通過分析用戶偏好、構建用戶畫像、關聯(lián)分析等實現(xiàn)精準營銷，提升用戶體驗，為自身的商業(yè)化運作創(chuàng)造了豐富的機會。但是，具有商業(yè)目的的推薦也引發(fā)一系列倫理風險，如可能會給用戶信息活動造成一定干擾，導致用戶感到自己的隱私被侵犯等；同時，內容平臺持續(xù)推送精準匹配喜好的個性化內容，可能導致用戶過度依賴推送的內容，甚至沉迷其中，喪失獨立思考能力。這些負面現(xiàn)象已引起社會的廣泛關注。

隨著用戶信息素養(yǎng)的普遍提升，用戶對個性化推薦內容的自主選擇權、算法邏輯的知情權和個人隱私保護等方面都已產生更高期望，這與內容平臺個性化推薦日益突出的商業(yè)追求產生矛盾?；ヂ?lián)網(wǎng)內容平臺要實現(xiàn)持續(xù)發(fā)展，必須兼顧用戶利益和商業(yè)利益，推動商業(yè)價值和社會價值的動態(tài)互促，形成良性循環(huán)圈。而當前關于個性化推薦的研究雖然已經從平臺視角向用戶視角轉變，但仍缺乏對道德感知維度方面的探討。為此，本研究對用戶的個性化推薦合理性感知進行構念，并探索其對用戶持續(xù)使用意愿的可能影響，以促進內容平臺自發(fā)推進商業(yè)價值和社會價值的平衡。

1個性化推薦相關研究

1.1個性化推薦評價研究

目前，國內外關于個性化推薦的研究主要聚焦于推薦算法本身的進一步優(yōu)化，以實現(xiàn)對用戶偏好更深入的理解和更精準的內容匹配。而推薦算法的評價機制在其中同樣扮演著關鍵角色，通過對算法性能的不斷評估再改進，提升推薦系統(tǒng)的整體效能。傳統(tǒng)個性化推薦評價研究主要站在平臺視角，以創(chuàng)造商業(yè)價值為取向，重點關注推薦準確率和覆蓋率等指標。但近年隨著平臺競爭加劇，從服務視角聚焦用戶體驗的個性化推薦評價研究開始出現(xiàn)。有學者指出，準確的預測并不一定代表好的推薦，在設計推薦系統(tǒng)的評估指標時，應以用戶為中心。為此，相關研究對用戶主觀評價指標開始重視，著手研究推薦系統(tǒng)的用戶心理體驗問題。部分學者將用戶體驗與個性化推薦系統(tǒng)算法相結合，對個性化推薦系統(tǒng)的評價指標進行綜合性研究。如Swear-ingen K等專注于用戶與推薦系統(tǒng)的互動，制定出通用的推薦系統(tǒng)設計準則，構建了包括透明度、熟悉度和推薦解釋等指標的推薦系統(tǒng)評價體系。McNee S M等研究顯示，用戶對推薦系統(tǒng)的滿意度受到感知新穎性、感知可用性、感知個性化等多種因素影響。Pu P等認為，推薦系統(tǒng)應該從用戶滿意度、預測準確度、多樣性、新穎性、驚喜度和實時性等多方面進行評價。Ricci F等歸納了包括信任度、新穎度、驚喜度、多樣性、隱私等14個指標的推薦系統(tǒng)評價體系。曾秀芹等進一步提出包括互動評價、社會臨場感、界面設計等11個指標的音樂個性化推薦系統(tǒng)評價指標體系。

但內容平臺個性化推薦的評價仍然主要圍繞算法、系統(tǒng)和服務的角度，并未出現(xiàn)道德倫理維度的詳細探討。近年來人工智能的倫理研究已經取得初步進展，道德約束也已被嵌入相關法律法規(guī)中付諸實踐。2022年，我國的《互聯(lián)網(wǎng)信息服務算法推薦管理規(guī)定》明確了對互聯(lián)網(wǎng)平臺中算法機制和原理進行定期審核、評估和驗證的要求，旨在預防可能引發(fā)的倫理問題。在中國電子技術標準化研究院發(fā)布的《可信賴人工智能標準化白皮書（2022版）》的基礎上，馬珊珊等從功能安全或無害、倫理符合性兩個維度分析并構建了人工智能可信賴框架。Huang C W等對146份人工智能倫理相關文獻進行了調查，發(fā)現(xiàn)研究主要圍繞5個核心道德原則：透明、公平、正義、責任、非惡意和隱私展開討論，進而提出11項具體的道德準則。技術屬性視角下，余雅風等認為，人工智能應遵循多元性、道德性、公平性、透明性、可解釋性和安全性等原則。Koniakou V對人工智能治理領域相關文獻進行了系統(tǒng)梳理，認為應重點關注AI是否“合乎道德倫理”。Verma S等通過對技術倫理研究相關文獻指標的分析，揭示目前學術界對技術倫理這一新興主題的理解仍存在知識碎片化的問題。

雖然當前人工智能倫理領域在法規(guī)制定、道德原則界定及實踐應用方面已取得顯著進展，但由于該領域仍處于發(fā)展階段，不僅需關注倫理原則的制定和實施，還應著重構建更加系統(tǒng)化的理論框架和評價體系。內容平臺個性化推薦雖然也歸屬于人工智能范疇，但其具有自身特點，而當前對于內容平臺個性化推薦的針對性道德評價仍然非常欠缺，更缺乏相關實證研究。

1.2個性化推薦與用戶持續(xù)使用意愿關系的研究

個性化推薦的主要價值在于促進用戶對系統(tǒng)的持續(xù)使用意愿，對這一作用路徑的探索主要從兩方面展開：第一，著重研究個性化推薦對用戶持續(xù)使用意愿的影響路徑。如Bharati P等對基于網(wǎng)絡的決策支持系統(tǒng)的實證研究發(fā)現(xiàn)，推薦信息質量能通過影響滿意度進而影響用戶做出決策。Liang T P等指出，用戶對推薦系統(tǒng)的使用意愿會受到推薦信息結果準確性的影響，其影響程度隨用戶獲取信息動機的變化而有所差異。張兀對平臺個性化推薦相關研究進行了評述，總結發(fā)現(xiàn)個性化推薦本身特征會影響用戶的使用意愿和行為，并在有限的時間里更好地提升用戶使用體驗。第二，著重研究個性化推薦能夠影響用戶使用意愿的特定屬性。如陳海華等驗證了文獻推薦的推薦內容質量、服務質量和技術能力對用戶持續(xù)使用意愿的間接影響。王虹證明個性化推薦系統(tǒng)的信息編排、推薦方式、信息價值、價值時效和用戶信任均對消費者意愿有顯著影響。Ye Q W等發(fā)現(xiàn)，移動新聞持續(xù)使用意愿的影響因素包含信息質量、系統(tǒng)質量和服務質量。

綜上，關于平臺個性化推薦與用戶間關系的研究不斷涌現(xiàn)，但側重于從服務提供者角度探索信息推薦系統(tǒng)和推薦算法的效率效果，尤其是從技術角度關注改進推薦算法、提高消費者決策質量、創(chuàng)造商業(yè)價值等經濟作用，而從用戶角度評價信息推薦服務的研究甚少，且集中于電商平臺領域，缺少針對網(wǎng)絡內容平臺中的推薦評價對用戶影響的相關研究。因此，本研究試圖從用戶和公共利益角度出發(fā)，研究用戶對個性化推薦合理性的感知同內容平臺持續(xù)使用意愿的影響關系，并揭示其影響機制。

2個性化推薦合理性概念構建

2.1個性化推薦合理性概念的提出

為了尋求個性化推薦工具價值與人文價值、平臺利益與公共利益的和諧統(tǒng)一發(fā)展，本研究聚焦內容平臺個性化推薦合理性這一道德維度的用戶評價指標。在探討這一概念之前，首先需對“合理性”這一基礎詞匯進行明確定義。雖然“合理性”一詞在不同字典中的定義存在差異，但普遍認為其核心在于合乎道理或事理。

學術界對合理性的理解更為深入和多樣。王樹松認為，合理性作為一個評價性概念，其本質在于對事物存在或人的行為及其結果是否“應當”的認識和評價，給出了合理性的評價論本質。亨特·克勞瑟一海克將合理性與用戶滿意度聯(lián)系起來，主張在許多情況下令人滿意的即為有道理的。在這一基礎上，李德順和歐陽康進一步深化了對合理性的理解，將其視為一種評價論概念，強調其在價值主體視角下對對象的價值和意義的深刻理解，即不僅關注推薦結果的滿意度，更關注推薦系統(tǒng)是否符合社會價值和用戶期望。顧頡認為，合理性實際上可以看作是一種主觀真理，即集體主觀性共享一種價值解讀，并形成解釋概率的大趨勢，從而使解釋和認知具有有效性與合理性。阿拉斯戴爾·麥金太爾則揭示了合理性的多維性和衡量標準的復雜性，表明在不同情境下存在不同的合理性解釋。

基于上述理解，本研究將內容平臺個性化推薦的合理性進一步界定為用戶對互聯(lián)網(wǎng)內容平臺所提供的個性化推薦做出的集體主觀性價值解讀，亦是對內容平臺個性化推薦的價值和意義的一種反思、評價和規(guī)范。也就是說，如果某內容平臺的個性化推薦是用戶普遍認同的、符合用戶心目中的“應然”，那么內容平臺的個性化推薦就具備合理性。同時，本研究認為，只有將用戶的合理性評價標準內植于個性化推薦的發(fā)展進程，才能發(fā)揮合理性規(guī)范和引領作用，推進個性化推薦的積極革新，從而更好地滿足用戶的信息需求。

2.2個性化推薦合理性的維度

本文的個性化推薦合理性是用戶方對個性化推薦是否符合心目中“應然”的一種感知，因此認為其具有3個維度，即技術合理性、內容合理性、倫理合理性。首先，由于個性化推薦是一種技術應用，用戶會在長期使用過程中感受其技術邏輯，將其作為技術產品衡量其合理性：其次，個性化推薦主要通過為用戶提供內容完成，用戶也會從其所提供的內容的質量來感知其合理性；最后，用戶通常了解個性化推薦背后是平臺服務方意志，會將其視為一種有主觀意志的主體做倫理要求，因此，也存在對倫理合理性的感知。根據(jù)對現(xiàn)有個性化推薦評價的文獻梳理，通常也涉及這3個方面的評價，如表1所示。然而，其在評價范圍和側重點上存在差異。個性化推薦的評價維度側重于系統(tǒng)的性能和效果，而個性化推薦合理性的評價維度則更側重于從用戶感知的角度，評估推薦系統(tǒng)是否符合用戶的期望和價值觀。

技術維度。個性化推薦的概念定義起源于技術角度，具有工具技術的本質。技術水平直接影響著用戶的體驗，這就要求內容平臺的推薦對象所涉鏈接不會有木馬、病毒等安全風險，能夠穩(wěn)定、流暢運行平臺。用戶可以通過一定的渠道對推薦信息進行針對性反饋，幫助用戶理解系統(tǒng)內在的推薦邏輯。例如，以用戶的搜索記錄、心愿單等為基礎的推薦建議，會讓用戶感到推薦邏輯清晰且具有說服力：界面設計規(guī)范、結構清晰，項目預覽信息充分，可以幫助用戶直觀便捷地瀏覽所需內容，具有視覺上的吸引力。因此，本研究提出內容平臺個性化推薦合理性的第一個維度——技術合理性，是對內容平臺個性化推薦算法和系統(tǒng)本身的技術水平評估，涉及安全性、穩(wěn)定性、反饋性、透明性和有形性。

內容維度?；ヂ?lián)網(wǎng)內容平臺作為信息內容提供者，其核心就是內容本身，故保障個性化推薦信息的高品質、高質量是在線內容平臺的本職責任。用戶獲取信息是為了消除其信息欠缺感，所以優(yōu)秀的推薦對象其內容應該做到相對新穎。內容平臺應實時分析用戶需求并給出相應推薦，在某些信息還具有時效性時及時推薦給用戶。要提高用戶的滿意度，推薦算法生成的推薦列表應能夠滿足用戶的多個興趣點，推薦的內容與用戶需求相關聯(lián)相契合，推薦結果應該符合用戶的喜好和需要，推薦的信息應該與實際相符合，且不具有商業(yè)引導性。因此，本研究提出內容平臺個性化推薦合理性的第二個維度——內容合理性，是指對內容平臺個性化推薦的信息內容進行質量評估，涉及新穎性、時效性、多樣性、精準性和真實性。

倫理維度。在算法和系統(tǒng)的評價中多次出現(xiàn)了隱私性、透明性、歸責性、可解釋性和可控性等指標，但其分散在各個維度中。為了有效防范科技飛速發(fā)展帶來的風險，內容平臺應該建立清晰有效的問責機制。例如，應予以全體公眾以均等的服務，不論年齡、殘障情況或社會地位如何，應保障所有人都能公平地接觸和積極參與現(xiàn)有和正在出現(xiàn)的信息。必須公正、公平，以免對個人、社區(qū)或群體造成歧視或偏見，確保個性化推薦算法不會帶來歧視和不公平。應積極引導網(wǎng)絡輿論，倡導主流價值導向信息發(fā)布，引領正確價值觀導向；數(shù)據(jù)收集、使用和存儲必須遵守與隱私和數(shù)據(jù)保護相關的法律法規(guī)，保護數(shù)據(jù)安全，防止用戶隱私信息泄露，當出現(xiàn)侵害用戶權益情況時，用戶應當有渠道追究平臺的相關責任。因此，以《歐盟可信人工智能的倫理指南（草案）介紹》為基本原則，并借鑒相關研究成果，本研究提出內容平臺個性化推薦合理性的第三個維度——倫理合理性，是指對內容平臺個性化推薦道德倫理的評估，涉及可追責性、設計普惠性、公平性、正面性和隱私性。

因此，本研究將內容平臺個性化推薦合理性表征歸納為技術合理性、內容合理性、倫理合理性3個維度。進一步，本研究結合前文對3個維度的具體闡釋和更多研究個性化推薦評價指標的文獻，最終提取出如表2所示的15個可借鑒指標，并形成如圖1所示的個性化推薦合理性構念模型圖。

3個性化推薦合理性對用戶持續(xù)意愿的影響

本研究提出的個性化推薦合理性指標為用戶視角的評價指標，為進一步檢驗指標的必要性和構念的科學性，本研究以信息系統(tǒng)持續(xù)使用行為的期望確認模型（ECM）為基礎模型，針對個性化推薦合理性對用戶持續(xù)使用意愿的影響展開了實證研究。

3.1研究假設

依據(jù)期望確認理論，用戶會對個性化推薦信息內容產生基本的預期，在接受個性化推薦服務后再對實際體驗進行評價。如果實際感知超出預期，就意味著用戶持有滿意的態(tài)度，而該滿意度能夠直接影響用戶持續(xù)使用意愿。合理的個性化推薦會引起積極的用戶感知，提高用戶滿意度，進而增強繼續(xù)使用該平臺的意愿。

在個性化推薦系統(tǒng)中，本文進一步將推薦合理性細分為3個維度：技術合理性、內容合理性和倫理合理性。已有大量研究證明了技術、內容、倫理評價對用戶滿意度和信息系統(tǒng)持續(xù)使用行為的影響。

一個具有技術合理性的推薦系統(tǒng)能夠確保用戶在使用過程中的安全性，減少技術障礙，提供流暢的用戶體驗，從而提升用戶滿意度和持續(xù)使用意愿。如Davis F D在其技術接受模型（The TechnologyAcceptance Model，TAM）中提出，系統(tǒng)技術是影響用戶接受和使用的關鍵因素。劉蓓琳研究發(fā)現(xiàn)，個性化推薦技術是否合理直接影響用戶滿意度。Hayajneh S等基于ECM和IS成功理論，提出了一個綜合模型來研究約旦的商業(yè)智能系統(tǒng)持續(xù)使用情況，結果表明，系統(tǒng)質量因素與BI的持續(xù)使用意愿之間存在重要的關系。因此，本文提出假設：

H1a：技術合理性對用戶滿意度有顯著正向影響

H2a：技術合理性對用戶持續(xù)使用意愿有顯著正向影響

內容合理性關注推薦內容的相關性、多樣性和新穎性。當推薦內容與用戶的興趣和需求高度匹配時，用戶更可能感到滿意，并愿意繼續(xù)使用該服務。如Meng Y等發(fā)現(xiàn)，信息質量對微信公眾平臺用戶滿意度和持續(xù)使用意向的影響最為明顯。因此，本文提出假設：

H1b：內容合理性對用戶滿意度有顯著正向影響

H2b：內容合理性對用戶持續(xù)使用意愿有顯著正向影響

倫理合理性則涉及推薦服務在處理用戶數(shù)據(jù)時的隱私保護、透明度和公平性。用戶期望其個人信息得到妥善處理和保護，且系統(tǒng)行為符合道德和法律規(guī)定，這種期望的滿足直接轉化為用戶對推薦系統(tǒng)的正面評價，并減少了對潛在風險的擔憂，使用戶更愿意持續(xù)使用推薦服務，因為他們相信系統(tǒng)會持續(xù)以負責任的方式運作。如Cocosila M等認為，隱私風險等會對用戶的使用意愿產生負面影響。Juliarta M D等認為，感知公平會正向影響持續(xù)使用意愿。因此，本文提出假設：

H1c：倫理合理性對用戶滿意度有顯著正向影響

H2c：倫理合理性對用戶持續(xù)使用意愿有顯著正向影響

此外，用戶滿意度是用戶對內容平臺個性化推薦服務的感知及其整體滿意程度評價，有助于解釋用戶在使用品牌后的忠誠與重復使用等現(xiàn)象，是用戶決定是否繼續(xù)使用內容平臺的重要指標。Lee I等在信息系統(tǒng)用戶行為領域的研究中均證明了用戶滿意是影響用戶持續(xù)使用意愿的重要因素。KuoCS等通過實證研究發(fā)現(xiàn)，用戶對流媒體平臺的滿意度顯著影響持續(xù)使用平臺的意愿，意味著用戶滿意度是連接用戶感知和意愿的基礎。Huang L等基于信息系統(tǒng)連續(xù)性模型和認知負荷理論，驗證了滿意度對短視頻App持續(xù)使用意愿的促進作用。因此，本文提出假設：

H3：用戶滿意度對用戶持續(xù)使用意愿有顯著正向影響

現(xiàn)有研究表明，用戶滿意度是連接用戶對信息系統(tǒng)的感知和行為意愿的橋梁，即個性化推薦系統(tǒng)的合理性可以通過提升用戶滿意度，間接地正向影響用戶的持續(xù)使用意愿。如Bharati P等認為．推薦信息質量會影響該推薦系統(tǒng)的滿意度，進而影響用戶做出決策。Cheng Y M深入探討了MOOC持續(xù)意愿領域的質量因素，指出學生在MOOC中感知的知識信息質量和系統(tǒng)質量等共同解釋了學生對MOOC的滿意度，進而促進其持續(xù)使用意愿。Yin L X等對影響用戶手機銀行App持續(xù)使用意愿的關鍵因素進行了檢驗，發(fā)現(xiàn)感知隱私安全通過用戶滿意度對用戶持續(xù)使用意愿有顯著影響。因此，本文進一步提出假設：

H4：用戶滿意度在個性化推薦合理性和用戶持續(xù)使用意愿中發(fā)揮中介作用

H4a：技術合理性通過用戶滿意度對用戶持續(xù)使用意愿有顯著正向影響

H4b：內容合理性通過用戶滿意度對用戶持續(xù)使用意愿有顯著正向影響

H4c：倫理合理性通過用戶滿意度對用戶持續(xù)使用意愿有顯著正向影響

基于以上假設，本文將內容平臺個性化推薦合理性分為內容合理性、技術合理性和倫理合理性3個維度并將其作為前因變量，用戶滿意度作為中介變量，平臺持續(xù)使用意愿作為結果變量構建理論模型，如圖2所示。

3.2量表設計與數(shù)據(jù)采集

為確保量表的科學性和準確性，本研究以成熟的量表為基礎，并結合互聯(lián)網(wǎng)內容平臺研究背景構建量表。隨機選取四川大學來自多個學科領域的32位研究生進行預調查，根據(jù)被調查對象的意見反饋，刪除易造成歧義的題項，最終形成了包括5個維度39個測量題項的量表，具體如表3所示。

為提高調查的有效性與可信度，正式調研階段本研究通過網(wǎng)絡調查平臺采用有償樣本服務方式收集數(shù)據(jù)，收回問卷387份，獲得有效問卷317份。其中，男性占52.05%，女性占47.95%，性別分布較均衡：45歲及以下的人數(shù)占比82.33%，顯示受訪者以青年人為主，基本符合內容平臺受眾人群特點。從被調研人群的受教育程度來看，高中及以下學歷約占35.65%；大學在讀（含大專）的人數(shù)最多，占比54.26%；人數(shù)最少的學歷是研究生及以上的人群，約占10.09%。從受訪者的職業(yè)分布來看，學生數(shù)量最多，約占60.88%；其次是企業(yè)工作人員，占比17.35%；事業(yè)單位工作人員和自由工作者人數(shù)相同，分別占據(jù)6.62%?？傮w來看，調查對象分布也符合內容平臺對目標用戶的選擇。

3.3數(shù)據(jù)分析

3.3.1信效度分析

通過SPSS27.0對構成問卷的全部量表進行檢驗，檢測出a值為0.971gt;0.9?？梢妴柧碚w信度優(yōu)秀，如表4所示。

內容平臺個性化推薦合理性量表共有33個題項，對其進行檢驗可知a值為0.965gt;0.9，說明數(shù)據(jù)信度質量很高，如表5所示。各維度上，技術合理維度題項的信度檢測a值為0.913;內容合理維度題項信度檢測a值為0.913;倫理合理維度題項信度檢測a值為0.911，顯示3個維度的可靠性都很高。效度方面，如表6所示，KMO值為0.961，巴特利特球形檢驗達到0.000的顯著性水平，顯示該量表的樣本數(shù)據(jù)適合做因子分析。

3.3.2共同方法偏差

同樣的數(shù)據(jù)來源、測量環(huán)境等因素可能會導致預測變量與效標變量間的共變異，本文采用兩種方法進行共同方法偏差（Common Method Bias，CMV）檢驗。首先，采用Harman的單因子檢驗方法，用SPSS27.0進行探索性因子分析，得到第一個因子的方差解釋率為47.674%，低于50%的閾值，表明沒有單一因子可以解釋大部分的方差。此外，將所有測度項加載到一個單因子上做驗證性因子分析，結果表明模型的擬合度較差（如擬合優(yōu)度指數(shù)GFI=0.778（lt;0.90），調整后的擬合優(yōu)度指數(shù)AGFI=0.748（lt;0.80）），進一步證實了CMV問題不嚴重。

3.3.3探索性因子分析

本研究采用主成分分析法，在進行因子抽取時設置特征值大于1，旋轉方式采用最大方差法提取因子。39個題項共提取出4個因子，旋轉后的累計方差解釋貢獻率為58.172%，表明可以高效地提取所研究文章的信息量，因子載荷系數(shù)均大于0.6，如表7所示，量表效度良好。同時，這一結果也表明，盡管量表中的理論構建基于5個維度，但數(shù)據(jù)中的統(tǒng)計結構可能只支持4個主要因子，量表的結構需進一步修正。

3.3.4驗證性因子分析

本研究利用Amos26.0軟件進行驗證性因子分析（CFA），用標準化負荷和平均方差提取量（AVE）評價測量變量收斂效度，初始模型的擬合效果不理想。依據(jù)模型修正指數(shù)（MI）刪除測量項TC1、TC2、TTr2、CA1、CF2、CT1和CT3，并在TF4和CF3、CF3和MA1、MPo1和MPo3之間建立誤差相關，如圖3所示。如表8所示，修正后的各項指數(shù)符合統(tǒng)計要求，且各題項在相應潛變量上的標準化載荷均高于0.5，模型可分析。其中，SRMR和RMSEA分別為0.429和0.068，小于判定標準0.08，說明模型適配度較好；AGFI為0.819，大于判定標準0.08，說明模型簡潔性較好：TLI、IFI和CFI分別為0.906、0.916和0.916，均大于判定標準0.9，說明修正模型的各個變量之間具有較高的獨立性。

如表9所示，修正后的模型3個因子對應的均方差萃取值（AVE）均大于0.5，說明修正模型的內在質量較好；組合信度（CR）均大于0.7，說明修正模型的問項收斂度較高，能有效反映出共同因子的潛在特質，內容平臺個性化推薦合理性量表信效度得到了驗證。

3.3.5主效應檢驗

采用回歸分析法檢驗個性化推薦合理性、用戶滿意度和用戶持續(xù)使用意愿之間的定量關系。

個性化推薦合理性對用戶滿意度的影響。以個性化推薦合理性為自變量進行回歸分析，各回歸模型中變量的VIF值最大為2.967，小于5，說明兩個變量之間不存在多重共線性問題，且個性化推薦合理性對用戶滿意度的正向影響顯著（B=0. 852，P=0.000lt;0.001）。假設H1得到驗證。

將個性化推薦合理性的3個維度分別與因變量進行回歸檢驗，數(shù)據(jù)顯示，技術合理性（B=0.780，P=0.000lt;0.001）、內容合理性（B=0.795，P=0.000lt;0.001）和倫理合理性（B=0.793，P=0.000lt;0.001）均對用戶滿意度存在極其顯著的正向影響。

個性化推薦合理性對用戶持續(xù)使用意愿的影響。以個性化推薦合理性為自變量進行回歸分析，變量的VIF值最大為2.961，說明兩個變量之間不存在多重共線性問題，個性化推薦合理性對用戶持續(xù)使用意愿存在極其顯著的正向影響（B=0.790，P=0.000lt;0.001），表明個性化推薦合理性對用戶持續(xù)使用意愿存在正向影響，假設H2得到驗證。

將個性化推薦合理性的3個維度分別與因變量進行回歸檢驗，技術合理性（B=0.747，P=0.000lt;0.001）、內容合理性（B=0.727，P=0.000lt;0.001）和倫理合理性（B=0.718，P=0.000lt;0.001）均對用戶持續(xù)使用意愿存在極其顯著的正向影響。

3.3.6中介效應檢驗

用戶滿意度的中介效應檢驗按照溫忠麟等提出的程序分3個步驟完成。如圖4所示，以技術合理性為例，技術合理性對內容平臺持續(xù)使用意愿的總效應顯著（B1=0.754，P1lt;0.001），技術合理性對用戶滿意度和用戶滿意度對內容平臺持續(xù)使用意愿的直接效應a（B2=0.778，P2lt;0.001）和b（B2=0.329，P3lt;0.001）均顯著；技術合理性對內容平臺持續(xù)使用意愿的直接效應c顯著（B4=0.498，P4lt;0.001），且3條路徑的間接效應的置信區(qū)間皆不包括O。說明用戶滿意度在技術合理性和用戶持續(xù)使用意愿之間呈顯著的部分中介作用。假設H3～H4c得到驗證。

4研究結論和研究展望

4.1研究結論

本文在梳理相關研究成果的基礎上，提出內容平臺個性化推薦合理性這一新概念并對其進行構念，后通過實證研究證實了內容平臺個性化推薦合理性會影響用戶的持續(xù)使用意愿。

首先，本研究創(chuàng)新性地提出內容平臺個性化推薦合理性這一概念作為個性化推薦評價的新維度，并將其表征為技術合理性、內容合理性和倫理合理性3個面向，從理論上豐富了個性化推薦評價研究成果。內容平臺個性化推薦合理性是在互聯(lián)網(wǎng)內容平臺的語境下，對其個性化推薦做出的集體主觀性價值解讀。由于內容平臺的個性化推薦合理性是一種評價論概念，作為評價對象，將個性化推薦視為算法、系統(tǒng)、服務和人工智能具有合理性。為此，本研究綜合相關認識，將內容平臺個性化推薦合理性表征為技術合理性、內容合理性和倫理合理性3個面向，為評估內容平臺推薦系統(tǒng)提供了一個更具整體性的觀察角度。

其次，本研究基于對內容平臺個性化推薦合理性維度的闡釋，進一步梳理出安全性、反饋性、透明性和有形性等14個指標，并使用滿意度測量的方式建構了具有較好的穩(wěn)定性和有效性的個性化推薦合理性評價量表。該量表彌補了當前以推薦系統(tǒng)角度和推薦服務角度的評價無法涵蓋道德倫理要求的缺陷，為個性化推薦合理性的具體指標測量提供了重要參考依據(jù)。

最后，本研究通過實證研究對所提出的個性化推薦合理性構念進行了應用和效應檢驗，證實個性化推薦合理性對用戶持續(xù)使用意愿存在顯著正向影響。第一，個性化推薦合理性及其3個維度均對用戶滿意度存在顯著的正向影響，其中影響強度依次為內容合理性、倫理合理性和技術合理性。第二，個性化推薦合理性及其3個維度也均對用戶持續(xù)使用意愿存在顯著的正向影響，其中影響強度依次為技術合理性、內容合理性和倫理合理性。第三，用戶滿意度顯著正向影響用戶持續(xù)使用意愿。第四，用戶滿意度在個性化推薦合理性及其3個維度與用戶持續(xù)使用意愿之間均起到部分中介作用?？芍?，本研究提出的13個假設均得到了驗證，可為內容平臺優(yōu)化推薦系統(tǒng)、提升用戶體驗提供有效的理論依據(jù)和實踐指導。

雖已有較多研究提出需增加對人工智能、推薦算法等技術倫理的考量，但將這種觀念轉化為具體工具的研究較為缺乏，僅停留在提出理念的階段。而本研究提出內容平臺個性化推薦合理性這一新概念并構建其可操作性評價指標，進而通過實證研究將理念轉化為可操作工具，為內容平臺提供了優(yōu)化推薦系統(tǒng)的理論依據(jù)和實踐指導，有助于推動技術進步背后的倫理責任的社會共識和實踐落地。同時，本研究也為互聯(lián)網(wǎng)內容平臺治理的相關社會倫理原則、法規(guī)制定以及公共政策的制訂提供了參考。

4.2研究啟示

根據(jù)以上結論，本研究認為平臺、政府監(jiān)管部門、用戶都應致力于提升內容平臺個性化推薦合理性。

第一，平臺主體自治。內容平臺作為現(xiàn)代信息社會的重要組成部分，其個性化推薦的決策直接影響著廣大用戶的信息接收和行為模式，在塑造公眾觀念、引導社會輿論以及傳播文化價值方面扮演著關鍵角色，具有深遠的社會影響。從實證研究的結論來看，內容平臺方應依照合理性指標積極推進個性化推薦合理性的落實，堅持用戶為中心的原則，強化社會力量參與，提供優(yōu)質的個性化推薦信息服務以提高用戶滿意度，長此以往才能建立穩(wěn)定的用戶關系。如提供用戶推薦選擇或推薦評價渠道，用戶可以選擇或刪除相應的個性化推薦內容并進行點評：識別出有標注權威來源出處或被大量用戶認可其可信度的信息，并將其作為重點進行推薦：積極完善隱私政策框架與內容，將用戶信息授權及使用途徑、有效日期等一系列相關內容細致化、透明化，從而提升用戶對平臺的信任。

第二，監(jiān)管部門協(xié)力?，F(xiàn)階段算法推薦技術的監(jiān)督機制和法律還不夠健全?！痘ヂ?lián)網(wǎng)信息服務算法推薦管理規(guī)定》的出臺，在一定程度上對算法推薦的研發(fā)和使用進行了約束，但相關規(guī)定仍滯后于技術發(fā)展和用戶需求。特別是相關法律在算法推薦技術的責任主體、算法推薦的責任范圍和領域等方面也沒有做出進一步明確。為進一步推進平臺算法治理，應采取基于場景和行業(yè)的分級分類監(jiān)管方式，形成靈活準確的長期監(jiān)管和治理機制，探索政策、標準認證和后續(xù)問責指引等多元化監(jiān)管方式。

第三，公眾參與。在技術設計與應用的過程中必須體現(xiàn)社會的價值，這就需要廣泛的公眾參與從而對技術進行規(guī)范。公眾可以通過內容平臺或政府部門提供的反饋渠道表達自己的利益訴求和價值需求，幫助決策者傾聽公眾的呼聲，把握所追求的價值。推進個性化推薦公共利益優(yōu)先原則的落實，彰顯公眾素質。另外，可通過公眾參與的方式，拉近公眾與現(xiàn)代技術的距離，降低或消除算法不信任帶來的“技術黑箱”現(xiàn)象，提高技術成果轉化被接受的可能性。

4.3研究展望

本研究也存在一定的局限性，有待未來研究補充完善。第一，本研究僅基于規(guī)范分析和對已有文獻的梳理構建指標，所得指標可能并不全面。后續(xù)進一步研究可以通過對用戶的深入訪談等方式對本研究的指標體系進行優(yōu)化。第二，內容平臺個性化推薦合理性是道德維度的一種主觀評價，而信息環(huán)境一直在持續(xù)而快速地改變，特別是人工智能技術不斷迭代，未來可能出現(xiàn)在弱化用戶主體意識方面更具能力的顛覆性技術，導致用戶對內容平臺個性化推薦合理性的認知發(fā)生較大變遷，所以當個性化推薦技術有較大進步時，就需要對本研究所提出的結論進行驗證和進一步完善。