解构纠缠的动态信息流：重新思考社交媒体设计以提升用户幸福感

文献标题

Unraveling Entangled Feeds: Rethinking Social Media Design to Enhance User Well-being

出版信息

• 主题领域: 社交媒体设计及其对心理健康的影响
• 关键词: 社交媒体、算法推荐、心理健康、用户体验、推荐系统、纠缠、设计工作坊、民间理论、情感错配、用户控制

背景与问题

• 问题/挑战: 社交媒体平台中的算法推荐导致用户在情感和心理健康方面面临挑战，尤其是患有心理疾病的用户。这些用户难以理解和控制与这些系统交互的结果。
• 重要性: 社交媒体是心理疾病患者的重要资源，为他们提供社区支持和信息。然而，其算法设计可能加剧心理健康问题，因此需要设计更好地支持情感健康的系统。
• 动机与相关研究: 先前研究强调了社交媒体对心理健康的益处和风险，包括验证性支持和有害内容传播。研究表明，用户对缺乏透明度和控制机制的算法推荐感到无力。本文基于这些发现，聚焦于心理疾病用户的体验以识别设计机会。

解决方案

• 提出的方法: 作者提出了*纠缠（entanglement）*框架，用以解释用户行为与算法推荐系统响应之间的脱节，并提出设计干预措施以解决这些问题，支持心理健康。
• 创新点:
  1. 开发纠缠框架，将Norman的行动循环扩展至用户交互中的情感维度。
  2. 确定六种具体纠缠问题，这些问题影响了用户交互中的执行和评估阶段。
  3. 提出设计建议以缓解纠缠问题，包括情境化交互、消费控制和明确的用户输入机制。
• 程序与关键技术:
  • 进行了七场设计工作坊，参与者包括21名被诊断为抑郁症、焦虑症或创伤后应激障碍（PTSD）的用户。
  • 参与者完成了两项任务：探索他们与算法推荐系统交互的体验，以及原型设计理想的平台。
  • 使用归纳主题分析识别模式并开发纠缠框架。

结果

• 具体发现:
  • 参与者发展了民间理论以解释算法推荐导致的情感和心理挑战，例如情感错配、算法泄漏和利用。
  • 确定了六种纠缠问题：隐藏、猜测、扁平化（执行阶段），以及悬挂、过载、失能（评估阶段）。
  • 参与者提出了设计解决方案，包括模块化信息流、实时交互控制和个性化干预措施。
• 相较基线的优势: 纠缠框架为理解用户在算法推荐系统中的挑战提供了新视角，强调情感和心理健康，而非传统的准确性或参与度指标。
• 实验/评估: 工作坊包括来自不同人口统计背景的参与者，这些参与者自我认定为心理疾病患者。活动旨在引出用户体验的洞察并生成可操作的设计理念。
• 局限性与未来工作:
  • 参与者人口统计特征偏向白人、女性和大学受教育群体，限制了研究的普适性。
  • 出于隐私考虑未收集详细的诊断信息。
  • 未来研究应扩大研究范围以涵盖多样化群体，并探索纠缠框架在其他联合系统（如生成式人工智能）中的影响。

摘要

本文研究了社交媒体平台中的算法推荐如何影响用户的心理健康，重点关注患有抑郁症、焦虑症或PTSD的个体。通过设计工作坊，作者识别了用户发展出的民间理论，并提出纠缠框架以解释用户行为与系统响应之间的脱节。他们提出了设计干预措施，包括模块化信息流、实时交互控制和个性化保护措施，以缓解纠缠问题并支持心理健康。研究结果通过扩展Norman的行动循环丰富了理论，并为设计情感感知的算法系统提供了实践启示。