让我们一起影响算法:数以百万计的粉丝如何建立对算法的集体理解并组织协调算法行动

算法透明度与可审计性在线骚扰与反制工具内容审核与平台治理

研究背景与问题

  • 发现的问题或挑战:

    • 先前的研究主要关注用户如何在个人层面理解和与算法互动,而对于社区如何集体理解算法并组织针对算法的集体行动,相关研究较少。
    • 当前存在大规模的粉丝驱动的集体算法行动,这种行为对平台和社会产生了深远的影响,例如挑战平台的算法完整性、扭曲算法产出,并引发公众对平台信任危机。
    • 此类集体行动展现了用户群体如何主动重新塑造算法,使之达到特定目标的潜力,但也带来平台治理和公平性的挑战。
  • 研究的重要性:

    • 理解此类大规模粉丝集体行动对于改进平台治理、增强透明度和抵抗算法滥用具有重要意义。
    • 它也为讨论算法问责制及伦理问题提供了新视角。
  • 研究动机与相关工作:

    • 现有的用户驱动算法研究大多探讨个体层面的“算法民间理论”及小规模算法抵抗行为。
    • 本研究扩展这一视角,探讨粉丝社区如何以大规模的方式进行跨平台及跨文化的集体行动以及相关组织机制。

解决方案

  • 提出的解决方法:

    • 本研究通过两年的人种学水平的研究(2021-2023),探讨粉丝群体如何形成集体算法理解、动员数百万用户,并组织跨平台的粉丝算法行动。
    • 作者分析了43名核心粉(其领导力至关重要)和15名普通粉对算法行动的理解与参与过程。
  • 创新点:

    • 首次将算法民间理论从个人视角扩展到集体层面,揭示了如何通过社区协作将理论概念转化为实践行动。
    • 展现了粉丝社群如何克服大规模参与的“集体行动困境”,如说服普通粉投入时间与精力,及提供易理解的参与操作。
    • 结合了情感动员与技术策略的双重动力,为解析群体数字干预提供了新范式。
  • 实施步骤与关键技术:

    1. 核心粉通过反复的试验和观察,逐步解码平台算法,形成民间理解作为策略基础。
    2. 利用情感化的宣传策略(如“情感劝说”或“愧疚型动员”)激励普通粉丝参与。
    3. 设计简单易操作的“算法教程”,降低参与门槛(如通过图文或小工具的方式),引导普通用户进行大规模数据操作(例如点赞、评论、转发)。
    4. 针对不同国家和平台的算法特性调整操控策略,如针对YouTube和微博采用不同重复观看或评论排名策略。

研究成果

  • 具体成果:

    • 揭示了粉丝通过民间理论形成多平台算法理解并在行动中测试与调整的过程。
    • 系统分析了核心粉的动员策略,包括如何化解普通粉的怀疑态度(如通过简化操作说明)及通过“情绪化叙事”维持参与者忠诚度。
    • 初步探索了粉丝社群如何利用半自动化工具(如安卓自动化点击器)减少操作复杂性。
  • 与现有解决方案的优势:

    • 相较个人维度的算法研究,本研究提供了大规模数字集体行动的新视角,展示了从理解到实践的完整转化过程。
    • 引入了情感与技术结合的驱动机制,为大型群体如何组织有效的计算机支持集体行动提供了理论支持。
  • 实验或评估结果:

    • 核心粉报告了成功的操作案例,如通过优化操作将特定话题推升至微博热搜。
    • 粉丝成功适应不同平台算法的不透明性,并在经验积累中迭代形成有效的行动模式。
  • 局限性与未来方向:

    • 研究仅关注粉丝群体,其对其他用户群体的推广需进一步探索。
    • 研究中多数分析成功案例,缺乏对集体行动失败因素的细致观察。
    • 未来可以扩展至其他非粉丝社群的集体行为,或者探讨集体行动的伦理及治理策略。

通过此研究,作者不仅深化了对算法民间理解的认识,还为平台设计及算法透明性提供了重要的实践性建议。这些洞察具有广泛的学术及实际应用价值,尤其是在社交媒体复杂生态中平衡用户主动性与平台规范之间的张力。

快捷操作

分享

分享当前页面

ios_share

https://hci.top/zh/papers/chi/189341/2025

广告推荐

学习 AI 编程到 CodeNow

open_in_new打开DOI链接
DOI: https://dl.acm.org/doi/10.1145/3706598.3713279
一眼看懂

论文快照

fact_check
dataset
来源
CHI
calendar_month
年份
2025
emoji_events
奖项
未标记奖项
group
作者
5 位作者
sell
研究子方向
算法透明度与可审计性、在线骚扰与反制工具、内容审核与平台治理
work
职业/产业
—
article
内容状态
已索引正文
hub
相关论文
1 篇相关论文