算法民间理论与身份：TikTok用户如何共同生产身份知识并参与算法抵抗

DOI

在线平台中的算法以不同方式与用户身份相互作用。然而，人们对用户如何理解这些平台上身份与算法过程的相互作用，以及这种理解如何反过来塑造他们在这些平台上的行为，目前知之甚少。通过对15名美国TikTok用户进行半结构化访谈，我们详细说明了用户关于"为你页面"算法的算法民间理论，涉及两种相互关联的身份类型：个人身份和社会身份。参与者识别了算法根据其个人身份定制内容可能带来的伤害。此外，他们认为算法积极压制与边缘化社会身份相关的内容，这些身份基于种族和族裔、体型和身体外貌、能力状态、阶级地位、LGBTQ身份以及政治和社会正义团体成员身份。我们提出了一个新的社交信息流算法民间理论——身份过滤器理论——来描述用户认为算法过滤和压制某些社会身份的情况。在发展这一理论的过程中，我们引入了算法特权的概念，即基于其身份而从算法中受益的用户身份。我们进一步提出了算法代表性伤害的概念，指的是用户缺乏算法特权并遭受算法象征性消灭时所经历的伤害。此外，我们描述了参与者如何改变行为以塑造其算法身份，使其与自我认知一致，以及如何通过个人行动、集体行动和改变表现来抵抗边缘化社会身份的压制和缺乏算法特权。我们将发现理论化，详细说明平台算法及其用户如何在平台上共同生产身份知识。我们认为，用户算法民间理论与身份之间的关系对社会媒体平台具有重要意义，因为它影响用户体验、行为、归属感以及通过算法系统感知被倾听、被看见和被重视的能力。