@TuTouSuo™️
*小红书账号：秃头研究所新传考研/秃头研究所Monsters
*如果你觉得自己读论文太过于盲目，不知道从哪里开始；如果你也想要通过碎片化的时间来补充和拓展知识储备；如果你想要一份直接简单的论文带读指南…那么一定要关注秃头研究所的论文带读栏目！每天都有热门事件、热门考点、有趣选题，通过标注考点、知识点和可学习案例，帮助我们实现「无痛阅读」！
*推文内容同步小红书/息流更新，也欢迎大家关注我们的小红书账号鸭！来和秃头所在小红书见面吧！
后台回复「论文带读」
获得所有论文带读PDF
添加打工人晨晨tts-chenchen
进入2025论文带读群
用户算法应对
@TuTouSuo™️
✍️ 《 接受、回避与适应： 社交媒体用户的算法应对研究 》
文： 谢精忠 张明阳
社交媒体用户算法应对策略答题框架（⭐️⭐️⭐️⭐️⭐️）
一、算法接受：积极参与、主动采纳
二、算法回避：物理隔绝、脱离控制
三、算法适应：放弃抵抗、被动应对
论文观点（⭐️⭐️⭐️⭐️）
▪ 【算法接受】
算法接受指用户积极参与算法规则，足特定的信息需求。这是一种主动采纳的应对策略，旨在直接应对算法压力源并解决实际问题，属于以问题为导向的算法应对行为。实施算法接受的用户基于前期经验和信息素养，对社交媒体的算法推荐机制进行个性化理解，积极利用算法原理，以规避风险并享受便利收益。此策略强调用户的主观能动性，例如，通过搜索、设置兴趣话题等方式刺激算法推荐，以高效获取所需信息。
▪ 【算法回避】
算法回避指用户通过空间和物理上的隔绝，弃用算法产品，以脱离
算法控制。这种消极应对策略旨在通过拒绝和疏远等方式消除因算法压力带来的情绪困扰，属于情绪导向的算法应对行为。实施算法回避的用户通常采用关闭推荐服务、拒绝访问授权和卸载应用等方式，以规避算法带来的不利后果和负面影响。这种行为往往源于用户对过往算法使用的负面体验 （如信息过载） 和情绪 （如算法焦虑和厌恶），作为对个人隐私窥探和媒介规训的短暂逃避。
▪ 【算法适应】
算法适应介于算法接受和算法回避之间，属于一种被动的应对策略。与主动应对的算法接受（以问题为导向） 和算法回避 （以情绪为导向） 不同，算法适应表现为用户屈从于社交媒体的算法控制，放弃抵抗，接受算法推荐的内容。这种策略可能源于抵抗成本的考量或抵抗效果的不足。
答题语料积累+案例（⭐️⭐️⭐️）
▪ 在移动互联网环境下，信息量呈指数增长。尽管算法推荐技术已经基于用户画像对信息进行了初步过滤和个性化推送，用户仍然面临信息过载的挑战。当信息量超出用户的处理能力时，他们需要付出额外的成本来进行信息 “二次筛选”。这不仅使用户感到从算法推荐中获得的信息收益远低于投入的时间和精力，还可能引发认知紧张，降低其自我效能感。长期的认知负担促使用户采取应对行为，以减少信息过载带来的不适。
▪ 研究发现，当用户对算法运行机制有更多了解时，他们更倾向于认为算法推荐结果是可信和科学的，从而继续使用该服务；反之，算法透明度低会导致用户对算法缺乏信任，并可能引发算法厌恶等情绪，最终导致用户回避算法。此外，用户对算法推荐的评价和应对行为也受到算法可信度的影响。在社交媒体使用过程中，用户若认为 “算法能精准把握自己的兴趣爱好，个性化推荐感兴趣的内容” ，通常会认可算法推荐的可靠性，给予高度评价，并乐于继续接受算法推荐。
▪ 首先是隐私边界，即用户在社交媒体中能够控制的私人信息范围。在社交媒体使用过程中，用户有意或无意地暴露了诸如兴趣爱好、历史搜索记录、点赞收藏、关注和被关注等私人信息，这些信息被算法实时采集。在用户不知情的情况下，算法可能将用户试图隐藏的媒介形象或隐私信息暴露于 “非意愿观众” 面前，从而在无形中实现对用户隐私边界的控制。当用户意识到隐私边界被算法突破，即隐私信息流动范围无法完全掌控时，往往会产生隐私担忧和算法厌恶等负面情绪，从而拒绝算法推荐服务。
⛄️
ꕤ⋆⸝⸝Idealism
「去更大的世界 做更有趣的人」
小破所常驻广子
热门跟贴