社会技术审计：拓展算法审计视角以研究定向广告

算法审计是在不了解系统内部工作机制的情况下研究黑盒系统的有力工具。尽管在检查技术组件方面非常有效，但这种方法缺乏社会技术框架，而该框架会将用户本身视为系统中不可分割且动态的一部分。为解决这一局限性，我们提出社会技术审计概念：在社会技术层面评估算法系统的方法，关注算法与用户之间的相互影响。正如算法审计用不同输入探测算法并观察输出，社会技术审计（STA）还探测用户，让他们暴露于不同算法行为中，测量其态度和行为的变化。作为方法示例，我们开发了Intervenr平台，用于与知情、获得补偿的参与者进行基于浏览器的纵向社会技术审计。Intervenr研究用户在线遇到的算法内容，并协调系统性客户端干预以理解用户的变化。我们以在线广告的两周社会技术审计（N=244）作为案例研究，调查个性化广告定向对用户更有效的核心假设。第一周，我们观察并收集用户浏览器中的所有广告；第二周，我们部署消融式干预，通过随机配对参与者并交换所有广告来破坏正常定向。我们全程收集用户导向指标（自我报告的广告兴趣和代表感）和广告主导向指标（广告浏览量、点击量和识别度），共收集超过50万条广告。我们的社会技术审计发现定向广告确实对用户效果更好，但也发现用户仅在一周内就开始适应不同广告，鉴于重复曝光的影响，这质疑了个性化广告定向的首要地位。与其他仅研究技术组件或仅在用户身上进行实验的评估方法相比，社会技术审计通过技术组件与人类组件的相互作用来评估社会技术系统。