康婉莹  侯少杰  董开栋

【关键词】算法推荐   新闻客户端   媒介信任   用户

一 、研究背景

目前的算法推荐类型主要有协同过滤算法推荐、基于内容的算法推荐、基于图结构的算法推荐等。在中国最大的移动互联网大数据监测平台Trustdata发布的《中国移动互联网新闻资讯行业发展分析报告》中，今日头条、腾讯新闻、新浪新闻以月活量前三占据新闻资讯应用前三位，所有应用均公开表示使用算法推荐系统以满足用户需求。算法推荐系统已经广泛进入了新闻客户端的应用建构体系中。随之而来的是，算法推荐机制的弊端开始显现，信息茧房、信息同质化、内容质量良莠不齐等问题引发广泛热议。

目前，学界关于信任的成因较为成熟，算法推荐类新闻客户端也有学者涉猎，但关于算法推荐类新闻客户端信任的研究还较为缺乏。鉴于此，本文以信任成因为背景，分析算法推荐类新闻客户端用户的不信任成因，探讨算法推荐类新闻APP的运营策略，为主流媒体更好地应用算法提供参考。

二 、文献综述与假设提出

（一）信任研究

心理学、社会学、经济学等多个学科都开展了对于“信任”的研究，关于“信任”的定义及阐释根据学科特点各有侧重，尚未统一。已有的研究成果表明，从人际关系层面上研究信任的学者，认为信任是人际关系的产物，是基于人际关系的理性计算和情感关联而产生的信任，是基于信任主体对信任客体的行为可预见的期望和信心；从社会层面上的研究看，信任被看作是社会制度的产物，是文化规范的产物。[1]即使对于信任及其内涵的定义未见统一说法，但信任对于行为的影响研究已有成果。理性行为理论（TRA）认为信念影响态度，最终影响个体的自愿行为。态度是对行为可能导致的结果的主观判断，由信念决定。基于该框架的互联网信任研究，进一步形成了用户对于网站的看法决定用户的信任信念，影响了用户的信任意愿，最终作用于与信任相关的行为的研究框架。[2]

（二）媒介可信度研究

伴随移动手机端及移动网络的发展与普及，信息的生产、传播渠道更加多元，数字化媒体时代的信息获取方式不断丰富。“媒介可信度”的研究最早出现在Hovland（1953）的“来源可信度”及其劝服效果实验中，研究发现内容相似的信息在不同渠道中传播时，受传者会因渠道不同产生不同的信任。[3] Mayer（1995）关于媒介可信度的研究获得了较多的认可，他将媒介可信度分为能力信任、正直信任和善意信任三个维度。[4]具体来看，能力信任事关媒介在该事件报道领域中是否具有丰富的报道经验，在该事件报道领域是否具有权威地位，是否能够向公众传递快速及时、准确详尽的信息与事件真相。[5]正直信任涉及信息传播媒介是否以公正、诚实等公共道德品质为标准，是否公正平衡、不进行选择性报道、以事实为依据，是否信息透明度高、敢于报道负面信息、是否不被商业力量所操纵。[6]善意信任媒介在进行信息传播时，是否以公众利益为导向，是否存有特定传播动机，是否散布虚假信息及借机恶意炒作等。[7 ]

在信源具有模糊性和复杂性的新媒体时代，人们将对于信源的信任转嫁为对渠道的偏好和信任。[8]新闻客户端快速发展背景下，用户对于渠道的选择先于对信源的选择。

（三）信任前因研究

1.受众的人口学因素

Westley和Severin首次将受众的人口学特征引入媒介信任度研究中，研究发现受众的年龄、性别、受教育程度等属性对其媒体信任度存在显著影响。在此基础上，格林伯格进一步考察了受众的性别、年龄、受教育程度与“媒介可信度”的相关关系，证实了Westley和Severin的研究结果。[9]因此，本文提出如下假设：

研究假设1：人口学特征对算法推荐类新闻APP用户的不信任度存在影响。

2.个人信任倾向

个体的信任倾向受多种因素共同作用，在生活中乐于信任他人的人往往具有高信任度。在面对陌生环境或情况时，个体的信任倾向很大程度上会影响到信任主体对信任客体的初始信任。随着对新事物的熟悉度越高，信任倾向的重要性随之减弱。因此，本文提出如下假设：

研究假设2：个体信任倾向对算法推荐类新闻客户端用户的不信任度存在负向影响。

3.感知社会支持

杨洸与佘佳玲在关于算法新闻用户的数字鸿沟研究中提出并证实了用户的使用沟理论，认为感知社会支持度不同，用户在算法新闻平台的使用行为存在显著差异[10]。亲友的私人支持态度将会有效鼓励个体对新技术的使用[11]，而用户对于互联网的感知流行心理能够有效预测其对互联网的使用行为。[12]因此，本文提出如下假设：

研究假设3：用户对算法推荐类新闻客户端的感知社会支持负向影响其不信任度。

4.隐私关注及保护意识

大数据时代，用户的行为数据和私人信息都面临被收集、分析的可能，因此，在使用移动应用时，用户都需要面临对个人信息的关注及保护。已有的研究成果表明，网络隐私保护行为受隐私关注意识的重要影响[13]，而隐私保护在网络使用行为中的表现形式主要有伪造、保护和抑制，保护主要通过设置密码以及阅读网站隐私协议等方式完成，抑制则是通过拒绝提供个人信息或终止在线行为实现的。[14]在一定程度上可以认为当用户选择通过保护或抑制手段进行隐私保护时，往往反映了用户的风险偏好。Das对信任和风险的研究结果表明信任与风险之间存在负相关关系[15]，而用户对于隐私的关注和保护正是出于避免风险的需要。因此，本文提出如下假设：

研究假设4：算法推荐类新闻客户端用户的隐私关注及保护意识对其不信任度具有正向影响。

5.感知有用性

感知有用性是Davis提出的技术接受模型中用户采纳行为的重要影响因素之一，显著影响着人们对于信息系统的使用意向和使用态度[16]，被广泛运用于电子政务信任等研究中。[17]因此，本文提出如下假设：

研究假设5：用户对算法推荐类新闻客户端的感知有用性负向影响其不信任度。

此外，在用户访谈的基础上，我们发现商业推广内容数量与运营方的声誉也会影响用户对算法推荐类新闻APP的不信任度。因此，本文提出以下假设：

研究假设6：算法推荐类新闻客户端的商业推广内容数量对用户的不信任度具有负向影响。

研究假设7：算法推荐类新闻客户端运营方的声誉对用户的不信任度具有负向影响。

三 、研究方法与变量测量

本文数据收集主要采用问卷调查法，通过问卷收集网民关于对算法类APP态度的数据。主要在微信朋友圈、百度贴吧、留学生贴吧以及新浪微博等网络社区发布问卷链接，邀请网友进行答题。

获得数据后，使用SPSS进行数据分析。本研究主要关注各类变量与用户对算法类新闻APP的关系，其中因存在人口学变量，故不对年龄进行限制。经过前后三次收集，共获得有效样本270份。

在进行研究之前，我们对算法类新闻APP概念进行界定：算法推荐类应用是指使用算法技术对数字信息进行个性化生产和分发以达到个性化服务目的的新闻客户端应用。

（一）因变量：用户的不信任度

对算法类新闻APP的不信任度测量主要通过用户对其内容的基本态度进行测量。故而问卷中以“我感到算法推荐类新闻APP是可靠的”“我相信算法推荐类新闻APP会履行他们的承诺”“我认为算法推荐类新闻APP中的新闻内容不会传播虚假信息”“我认为算法推荐类新闻APP不存在恶意炒作成分”这四个问题测量用户对算法推荐类新闻APP的不信任度，选项分别为“非常反对”“反对”“中立”“比较赞成”和“非常赞成”，取值范围为1~5，不信任倾向得分取以上四道题目结果反向计分，并取加总平均数。

（二）自变量：人口学特征

本研究的基本人口学变量分别设置为：性别，男性为1，女性为0；学历，问卷中选项为“初中”“高中”“专科”“本科”“硕士”“博士”，对应值为1~6；年龄分为“0~20”“21~30”“31~40”“41~50”“51~60”“60岁以上”，对应值为1~6。

（三）自变量：个人信任倾向

问卷中以“我觉得大多数人是值得信任的”“我总是相信他人”“我相信人性是善良的”三个问题衡量用户的个人信任倾向，为“非常反对”至“非常赞成”，对应值1~5，信任倾向为以上三道题目的加总平均。

（四）自变量：感知社会支持

问卷中以“您认为家人对算法推荐类新闻APP的态度如何”“朋友对算法推荐类新闻APP的态度如何”“社会对于算法推荐类新闻APP的态度如何”三个问题对其进行衡量，选项均为“非常不认可”“比较不认可”“中立”“比较认可”“非常认可”，对应值为1~5，得分取以上三题加总平均。

（五）自变量：用户隐私关注与保护意识

问卷中以“您担心注册应用会泄露个人隐私吗”“您担心使用应用会泄露个人隐私吗”“您安装应用时会了解它请求的权限吗”“您是否了解应用对于用户隐私保护的相关条款”四个问题对其进行衡量，选项分别为“非常担心”至“非常放心”“非常不了解”到“非常了解”，对应值均为1~5，得分取以上四题加总平均。

（六）自变量：感知有用性

问卷中以“算法推荐类新闻APP中的信息内容对我的工作或生活是有用的”“能够提高了解新闻事件的效率”“能够提高认知新闻的水平”“使自己了解新闻事件的时间被缩短”“使自己了解更多的新闻事件信息”五道题对其进行衡量，选项为“非常反对”至“非常赞同”，对应值为1~5，得分取以上五题加总平均。

（七）自变量：商业推广内容数量

问卷中以“算法推荐类新闻APP的商业推广内容很多”对其进行衡量，选项为“非常反对”至“非常赞同”，对应值为1~5。

（八）自变量：运营方声誉

问卷中以“认为算法推荐类新闻APP的运营方知名度较高”“认为算法推荐类新闻APP的出品公司提供的产品名副其实”两个问题对其进行衡量，选项均为“非常反对”至“非常赞同”，对应值为1~5，得分为两题的加总平均。

（九）控制变量说明

本研究未设计控制变量，通过数据处理，对数据进行多重共线性诊断，结果表明解释变量之间不存在相关关系，各变量相互独立。

四 、数据分析结果与研究结论

（一）回归结果分析

利用SPSS软件对数据进行多元线性回归分析。

表一模型给出了基于多元线性回归模型的对算法推荐类新闻APP不信任倾向的影响因素分析结果。由模型可知，性别、年龄、学历等基础人口学因素对于算法推荐类新闻APP的不信任倾向没有显著影响；用户个人信任倾向对算法推荐类新闻APP的不信任倾向没有显著影响。

感知社会支持负向影响算法推荐类新闻APP的不信任度，即感知社会对算法推荐类新闻APP评价越高，用户对算法推荐类新闻APP的不信任度越低；个人隐私关注与保护意识负向影响对算法推荐类新闻APP的不信任度，即个人隐私意识越高，对算法推荐类新闻APP的不信任度越低；感知有用性得分负向影响算法推荐类新闻APP的不信任度，即用户认为算法推荐类新闻APP对自己有用，则对其不信任度越低；商业推广信息数量正向影响算法推荐类新闻APP的不信任度，即商业推广信息越多，则用户对其算法推荐类新闻APP不信任度越高；运营方声誉负向影响算法推荐类新闻APP不信任度，即对APP出品公司的声誉评价越高，对算法推荐类新闻APP的不信任度越低。

五 、结论与讨论

结果首先颠覆了我们的一些常规认知，即是否信任算法类新闻APP与学历并无关系，并非低学历者更信任算法推荐类新闻APP，而高学历者更加疏远算法新闻，信任度的关键在于是否真正“有用”，即是否满足了用户对信息的需求。

另一值得讨论的结论是，算法推荐类新闻APP必须基于个人数据方能进行内容分发，这意味着使用算法推荐类新闻APP将让渡个人隐私，将个人信息提供给平台方。然而为何用户隐私意识越高，反而对算法推荐类新闻APP的不信任度越低？可能的原因是，由于隐私条款已经十分明晰，因此在使用过程中处于一种对“信息泄露”的已知状态，因此并不会过度考虑隐私问题。

商业推广内容数量与对运营方声誉显著影响用户的不信任度。商业信息并非用户所需求的有效信息，商业推广信息的混杂降低了算法推荐类新闻APP内容环境的质量，降低了APP内信息纯度，且目前多数商业推广信息以软文为主，且多“标题党”，大有博人眼球之嫌，故往往引起用户对软件信息的不信任；而用户对运营方声誉与算法推荐类新闻APP的不信任度之间的关联则预示了一种可能，即倘若权威的传统主流媒体进军算法领域，可将因其自身长期积累的信誉口碑而能够在行业内占据有利地位。

六 、反思与不足

经以上分析可知，对算法推荐类新闻APP的不信任主要受到内容、用户、社会与企业方四大层面的共同影响。与普通互联网企业相比，传统的官方主流媒体在此四大层面上均占据优势地位。在微观上，主流媒体的内容拥有绝对权威，在中观上，主流媒体拥有固定用户，且用户对其信任度相对较高；在宏观上，主流媒体依托政府，拥有绝对政治优势，主导社会意识形态。因此，官方主流媒体在算法市场大有可为。

（作者康婉莹系广州大学新闻与传播学院本科生；作者侯少杰系广州大学新闻与传播学院本科生；作者董开栋系广州大学新闻与传播学院讲师、博士）