信息窄化對用戶信息采納意愿的影響機制

摘 要：隨著大數據時代的到來和短視頻內容的爆炸式增長，短視頻平臺越來越重視用戶的個性化需求，算法推薦服務成為主要的市場推廣手段，導致信息窄化現象日益突出。本研究以抖音為例，基于技術接受模型（TAM）探討信息窄化對用戶信息采納意愿的影響。研究發現，短視頻平臺的信息窄化對用戶信息采納意愿有正向影響，信息有用性和易用性在這一過程中起中介作用，用戶算法素養起調節作用。本研究擴展了TAM的應用范圍，深化了對信息窄化問題的理解，為后續研究提供了參考。

關鍵詞：信息窄化；信息有用性；信息易用性；技術接受模型；用戶算法素養

中圖分類號：G252.0 文獻標識碼：A

The Influence Mechanism of Information Narrowing on Users' Willingness to Adopt Information： A Moderating Effect of User Algorithm Literacy

Abstract With the advent of the big data era and the explosive growth of short video content， short video platforms increasingly prioritize users' personalized needs. Algorithmic recommendation services have become a primary marketing strategy， exacerbating the phenomenon of information narrowing. This study， using Douyin as a case study and based on the Technology Acceptance Model （TAM）， examines the impact of information narrowing on users' willingness to adopt information. The findings reveal that information narrowing on short video platforms positively influences users' willingness to adopt information， with information usefulness and usability playing mediating roles and user algorithm literacy serving as a moderating factor. This research expands the application of TAM， enhances understanding of the information narrowing phenomenon， and provides a reference for future studies.

Key words information narrowing; information usefulness; information usability; technology acceptance model; user algorithm literacy

1 引言

隨著大數據、人工智能、云計算和區塊鏈等技術的廣泛應用，消費者面臨的信息過載和選擇困難問題日益突出。為了應對這一挑戰，人工智能推薦技術應運而生。算法作為這一領域的核心技術，發揮著至關重要的作用。它通過分析用戶行為和偏好，為用戶提供個性化的內容推薦，同時推動了人工智能技術的持續進步和實際應用[1]。互聯網企業能夠利用人工智能算法，有效地捕捉、挖掘和分析社會化媒體平臺上的大量用戶數據，精確地了解他們的興趣愛好、行為習慣和所處環境等方面的信息，從而為用戶提供更準確的推薦和個性化的服務，提升用戶的滿意度和使用體驗[2]。在智能化推薦技術的支持下，短視頻平臺利用人工智能算法，依據用戶的個性特征和偏好，實施精準的推薦策略，處理著巨大的信息流量，這樣的服務使得用戶能夠更加便捷地獲取他們感興趣的內容，提升了信息獲取的效率和滿意度[3]。

作為一個熱門的短視頻社會化平臺，抖音憑借其獨有的特性和豐富的內容，獲得了大批用戶。當用戶使用抖音時，算法會根據用戶的興趣、喜好推薦那些被認為是用戶可能感興趣的信息。隨著信息技術與算法推薦技術的迅速發展，平臺已經能夠有效地將用戶的需求與個性化的信息進行精確的匹配[4]。例如，100個抖音用戶同時打開抖音，很可能會看到100個不同的視頻或直播推薦。然而，這種平臺推薦機制可能會減少用戶接觸到多樣化的信息，導致用戶在不知不覺中陷入信息窄化的境地[5]。信息窄化指的是用戶在接收信息時，由于推薦系統或算法的作用，逐漸傾向于僅接觸與自身興趣、偏好或過往行為高度相關的信息，從而導致所接收信息的多樣性和探索深度不斷受到限制和縮減的現象[4]。但在實際應用過程中，用戶常常難以察覺到算法的存在，即便有些用戶能夠意識到算法在幕后起著某種作用，他們也往往難以充分理解其復雜的工作機理和決策過程[5]。算法如同一個隱形的“把關人”，默默地篩選、排序和推薦著信息，而用戶卻很少有機會深入了解其背后的邏輯和規則。

學者們日益關注信息窄化對用戶需求的影響，尤其聚焦于其負面效應。普遍觀點認為，信息窄化不僅會導致用戶自我封閉[6]，還可能引發從眾行為和群體極化現象[7]。然而，隨著信息技術的進步和用戶需求的演變，信息窄化也開始被認為不僅不會降低用戶的信息采納意愿，反而會提高用戶滿意度，帶來積極影響[8]。但現有研究多側重于平臺或用戶單方面，忽視了平臺信息屬性與用戶互動的復雜性，使得對信息窄化正面作用的理解尚不全面。同時，我國對用戶算法素養（User Algorithm Literacy）的研究尚處于起步階段，主要圍繞算法溯源、概念及內涵的界定，且多采用定性分析，缺乏實證研究[9]。目前有關用戶算法素養的研究開始關注用戶對社會平臺算法的感知、理解和應對[10]，涉及搜索引擎[11]、新聞算法平臺、短視頻平臺等應用場景[12]，但針對信息窄化如何影響用戶信息采納意愿的研究仍然不足。信息窄化對用戶信息采納意愿的影響是多因素交互作用的結果，需要構建多變量模型來全面探究其作用機制。

基于此，本文將回答以下問題：第一，用戶在使用抖音等短視頻平臺時是否會陷入信息窄化的現象中？這種現象對用戶的信息采納意愿是否是積極的？第二，信息窄化是怎樣從信息屬性角度影響用戶信息采納意愿的？第三，用戶算法素養是否在信息窄化對用戶信息采納意愿的影響中起調節作用？針對上述問題，本文構建了基于技術接受模型（Technology Acceptance Model，TAM）的研究模型，考慮了信息窄化、信息有用性、信息易用性以及算法素養等多個因素，并探討了它們之間的相互關系和作用機制。實證分析方法的應用進一步驗證了這些因素如何共同影響用戶的信息采納意愿，為理解信息窄化現象提供了新的視角和方法論基礎。同時，研究結果對算法開發者設計個性化推薦系統以及平臺提高用戶黏性也提供了實踐上的啟示。

2 理論基礎和研究假設

2.1 理論基礎

技術接受模型是Davis在1989年提出的模型，主要目的是解釋用戶對信息系統接受的決策過程。該模型假設了感知有用性和感知易用性兩種概念，認為這兩個維度是影響用戶對新技術接受程度的關鍵因素[13]。隨著新技術與新應用系統的出現和發展，TAM已被廣泛應用。在用戶意愿及行為研究方面，鄒凱等人以TAM為理論基礎，對移動圖書館用戶采納行為的影響因素進行探索[14]；覃紅霞等人基于TAM探討了不同科目線上教學滿意度與師生持續使用意愿之間的關系[15]；鐘葳等人認為，只有在用戶感覺到信息系統的有用性與易用性時，他們對新興的信息系統的態度才會發生變化，進而將觀念轉化成實際的行為[16]。本文旨在通過整合TAM，構建研究信息窄化如何影響用戶信息采納意愿的綜合性模型，更深入地揭示信息窄化對用戶采納意愿的影響機制，同時擴展TAM的應用范疇。

2.2 研究假設

2.2.1 信息窄化對用戶信息采納意愿的影響

在信息個性化推薦的廣泛背景下，信息窄化成為一個備受關注的話題。目前，有關信息窄化能否影響用戶的信息需求與信息采納意愿，已成為許多學者研究的焦點。但是，現有文獻多以質性分析為主，定量研究較少，且大多數研究都認為信息窄化是負向影響用戶信息行為的。比如，杜娟等人通過問卷調查的方式發現，在線上購物環境中，信息窄化會負向影響用戶的信息采納意愿[17]。然而，認知失調理論認為，用戶會對獲得的信息內容進行選擇性暴露，以緩解因認知失調而產生的心理不適。依照一致性理論，當個人獲得的信息與自己的意見不一致時，個人就會調整自己的意見，加強自己的內在一致性，減少不一致，以實現精神上的和諧[18]。因此，用戶在接受信息的過程中，會根據自己的需要和意愿作出選擇，甚至根據自己的意見曲解所獲取的信息，這樣所接收到的信息就會符合自己原本的價值觀和思維模式[19]，其所接受的信息也是經過“窄化”的。在短視頻平臺中，推薦的內容均符合用戶的知識和觀點，可以避免用戶產生認知失衡，更符合用戶的選擇接觸心理[20]。故本文認為信息窄化不僅不會降低使用者的接收意愿，反而會提高使用者的滿意度與使用意愿，具有積極的影響。基于此，本研究提出假設：

H1：信息窄化對用戶信息采納意愿具有顯著的正向影響。

2.2.2 信息有用性的中介作用

技術接受模型強調感知有用性和感知易用性是影響用戶采納信息技術的關鍵因素。于是本文提出假設：用戶對信息的感知有用性和感知易用性將直接影響他們在短視頻社交平臺上的信息采納意愿。因此，本研究將信息的有用性和易用性作為關鍵信息屬性，探討它們對用戶信息采納意愿的作用。信息有用性是指信息對于用戶滿足其需求、解決問題或作出決策的有益程度[21]。有用的信息能夠幫助用戶減少不確定性，增加知識，改善決策質量，或實現特定的目標。當用戶只對某一特定領域或主題感興趣時，信息窄化可以提供更精確、更相關的信息，從而滿足他們的需求。這有助于減少不必要的信息干擾，提高信息的有用性。已有研究顯示，用戶最初使用互聯網的目的是尋找他們所需的信息[22]，在社交平臺上，用戶對于自己需要的信息，更容易產生喜歡、評論、轉發等信息行為。王少劍指出，社交媒體用戶對信息內容質量的感知會正向影響其信息采納意愿[23]。當用戶從信息中得到滿意的答案，并相信信息的內容會對自身有所助益時，就會更愿意投入信息接受的過程。基于此，本研究提出假設：

H2：信息有用性在信息窄化對用戶信息采納意愿的正向影響中起中介作用。

2.2.3 信息易用性的中介作用

信息易用性是指用戶訪問、理解、使用信息系統的容易程度[24]。一個易用的信息系統能夠降低用戶的學習成本，提高用戶的工作效率，并減少用戶在使用過程中的挫敗感。信息過載時，信息窄化能協助用戶迅速篩選出高度相關的信息，簡化決策過程。這對于時間有限或專業知識不足的用戶極為關鍵。在向非專業或初學者傳遞復雜信息時，信息窄化通過推薦簡化內容和易懂語言，增強了信息的易讀性。這有助于降低信息理解的門檻，使更多人能夠輕松地使用這些信息。一些學者在研究中發現，信息的易用性可以提高用戶在社會化平臺上接受信息的意愿[25]。蔣知義等人認為，通過對信息表達方式的拓展，可以提高信息使用的易用性，進而推動用戶的信息接受行為[26]。肖強等人對用戶生成內容（User Generated Content， UGC）共享意愿進行研究后發現，易于使用的信息將導致更多的用戶共享信息[27]。基于此，本研究提出假設：

H3：信息易用性在信息窄化對用戶信息采納意愿的正向影響中起中介作用。

2.2.4 用戶算法素養的調節作用

用戶算法素養是指用戶理解和參與算法決策過程的能力，主要包括理解算法應用、掌握算法原理、對算法進行批判性評估等[5]。它可以被拆分為兩個維度：算法使用意識和算法專業知識。前者主要關注用戶是否意識到算法的存在，即便他們可能并不真正了解算法的具體運作機制；后者側重于考察用戶對于算法系統的實際工作方式，以及對其可能帶來的問題和影響的專業理解程度。這兩個維度共同構成了算法素養的完整框架，既涵蓋了用戶對算法的基本認知，也涉及了他們對算法深層次運作機制的理解能力[12]。算法素養可以有效地幫助用戶了解算法內部的邏輯，認識到其可能存在的風險，從而采取有效的措施來規避該風險[28]。已有研究顯示，用戶能夠通過積極的行為模式來影響算法的選擇，而這種影響是基于用戶對算法的某種認識與了解的。不同群體的算法素養是有差異的，而提高他們的算法素養，可以幫助他們規避信息窄化帶來的不利影響[7]，更好地調節信息窄化對用戶信息采納意愿的影響。高算法素養用戶比低算法素養用戶更能理解算法的機制，顯示出更高的認知度，因此能夠更精確地對推薦內容進行判定和篩選，并對其進行評價和考慮[29]。也就是說，具有較高算法素養的用戶對于信息窄化現象的理解程度更高，他們可以在與算法進行互動時展現出較好的自主能力，合理地利用信息窄化帶來的積極影響[30]。綜合以上分析，本文認為不同算法素養水平的用戶對窄化后的信息有不同的采納差異，基于此，本研究提出假設：

H4：用戶算法素養在信息窄化對用戶信息采納意愿的正向影響中起調節作用；用戶算法素養越高，信息窄化對用戶信息采納意愿的正向影響越大。

綜上所述，本研究構建的理論模型如圖１所示。

3 研究方法與數據收集

3.1 研究樣本

本研究在2024年4月至5月期間，通過問卷網平臺采用問卷調查法收集數據。問卷通過QQ空間和朋友圈等社交平臺發放，并采用滾雪球抽樣方法擴大樣本范圍。調查主要關注抖音平臺，調查對象涵蓋企事業單位工作人員和在校學生等。為保證問卷質量和可信度，在正式調查前進行了預調查，對問卷進行前測，并根據前測結果對正式調查的問卷進行了修改完善。

本次調查共回收問卷415份，刪除無效問卷后，獲得有效問卷398份，有效回收率為95.9％。所有樣本均為抖音短視頻平臺用戶。其中，男性占比42.4％，女性占比57.6％，男女比例均衡；以20—40歲之內的青年為主，占比95%，20歲及以下、41歲及以上占比分別為1.8%、3.2%；專科及以下學歷占比10.1%，本科學歷占比78.1%，碩士研究生及以上學歷占比11.8%；私企人員占比32.4%，國企人員占比28.6%，政府、事業單位人員占比11.3%，在校學生占比18.8%，自由職業者占比8.8%；每日使用抖音時長少于30分鐘、31—60分鐘、61—90分鐘、91分鐘及以上的用戶占比分別為11.5%、37.2%、37.2%、14.1%；每周使用抖音天數在1—2天、3—4天、5—6天、7天的用戶，占比分別為8.5%、27.9%、24.9%、38.7%（選項百分比結果采用四舍五入計算，存在一定誤差）。

3.2 測量工具

為確保測驗結果的信效度標準，本文以現有的成熟量表來衡量有關變量，并選擇常用的心理測量工具——Likert 7級量表作為本研究的測量工具，來測量調查對象對某一陳述的認同程度。其中，１表示“非常不同意”，2表示“不同意”，3表示“比較不同意”，4表示“不確定”，5表示“比較同意”，6表示“同意”，7表示“非常同意”。

信息窄化的測量借助了張生太等人關于信息窄化的量表，共有３個題項[8]；信息有用性和信息易用性的測量借助了陳家鑫等人對于信息分享行為研究中的量表，其中，信息有用性有3個題項，信息易用性有4個題項[31]；算法素養的測量借助了Zarouali等人基于內容過濾、自動決策、人機交互、道德考慮四個基本維度的量表[32]，以及Dogruel等人將“算法素養”進一步細分為算法使用感知和算法專業知識兩個測度所修改的量表，共計16個題項[12]；用戶信息采納意愿的測量借助了Venkatesh等人的相關量表，共有４個題項[33]。本研究的測量量表如表1所示。

4 數據分析與研究結果

4.1 信效度檢驗

本研究使用軟件AMOS 26和SPSS 27檢驗測量量表的信效度。首先，采用最常見的衡量量表信度的方法——Cronbach's α系數來檢驗該量表的內部一致性，該系數的取值范圍是0到1，值越大表明量表內部一致性越好，測量結果的可靠性和穩定性越高。檢驗結果顯示，信息窄化、信息有用性、信息易用性、用戶算法素養、用戶信息采納意愿的α系數分別為0.895、0.853、0.823、0.867、0.851，均大于0.8，說明該量表具有較高的信度。

其次，本文通過平均方差提取量（Average Variance Extracted， AVE）評估各潛變量的收斂效度，通常認為AVE值大于0.5就表示具有良好的有效性。經檢驗，信息窄化、信息有用性、信息易用性、用戶算法素養、用戶信息采納意愿的AVE值分別為0.515、0.647、0.6、0.516、0.589，均大于0.5，說明該量表的收斂效度較為理想。此外，本文還利用皮爾遜相關系數來判斷各變量之間的關聯屬性，結果顯示，每個變量之間的相關系數均小于AVE的平方根，表明各變量之間擁有良好的區分效度，相關性顯著。

4.2 假設檢驗

層次回歸法?，也稱為?分層回歸?或?層級回歸?，是一種統計方法，主要用于分析多個回歸模型之間的差異。它通過將數據分為多個層次，逐步引入變量，以考察不同變量對因變量的貢獻。其核心在于通過比較不同模型所解釋的變異量差異，確定哪些變量對因變量的影響更為顯著。?本研究采用層次回歸法對假設進行檢驗，建立4個模型，若回歸系數β＞0，說明變量之間存在正相關關系；若β＜0，則為負相關關系。若顯著性值即p值＜0.05，證明變量之間顯著相關，假設成立。

（1）信息窄化與用戶信息采納意愿

在模型1中，僅放入年齡、學歷、職業等控制變量作自變量，考察它們對用戶信息采納意愿的影響，此時可決系數R2=0.022，解釋水平為2.2%，p值＞0.05，沒有顯著性。模型2在模型1的基礎上，加入自變量信息窄化，R2上升到0.217，表明信息窄化對用戶信息采納意愿產生了21.7%的解釋力，模型的擬合程度得到了提高。回歸系數β為0.561，存在正相關關系，p值＜0.001，在0.001水平上顯著，說明信息窄化對用戶信息采納意愿存在顯著正向影響，H1得到驗證。

（2）用戶算法素養的調節作用

模型3在模型2的基礎上加入了調節變量——用戶算法素養的測量，其回歸系數β為0.705，說明用戶算法素養和用戶信息采納意愿存在正相關關系，p值＜0.001，在0.001水平上顯著。模型4在模型3的基礎上加入信息窄化和用戶算法素養的交乘項，可決系數R2上升到0.421，即交乘項對用戶信息采納意愿產生了42.1%的解釋力，模型的擬合程度得到了整體提高，回歸系數β為0.237，存在正相關關系，p值＜0.001，在0.001水平上顯著，回歸結果證明用戶算法素養調節了信息窄化對用戶信息采納意愿的影響，H4得到驗證。

為進一步檢驗用戶算法素養對信息窄化與用戶信息采納意愿關系的調節作用，本研究分別以高于一個標準差（+1SD）和低于一個標準差（-1SD）來表示不同的用戶算法素養水平，利用調節效應圖深入探討信息窄化對用戶信息采納意愿的影響。如圖2所示，高算法素養斜線的斜率更高，說明用戶算法素養正向調節信息窄化對用戶信息采納意愿的積極影響，即用戶算法素養越高，信息窄化對用戶信息采納意愿的正向影響越大，H4再次得到驗證。

（3）信息有用性和信息易用性的中介作用

本研究采用Hayes編制的Bootstrap法檢驗信息有用性和信息易用性的中介作用，設置Bootstrap次數為5 000次，置信區間為95%。若間接效應95%的置信區間內不包含0，說明中介作用存在。檢驗結果表示，信息有用性的95%置信區間[0.060，0.261]不包含0，說明中介作用存在，即信息有用性在信息窄化對用戶信息采納意愿的影響中起中介作用，H2得到驗證。同樣，信息易用性的95%置信區間[0.251，0.515]不包含0，說明中介作用存在，即信息易用性在信息窄化對用戶信息采納意愿的影響中起中介作用，H3得到驗證。這表明，短視頻平臺的信息窄化可以提高信息的有用性和易用性，進而促進用戶信息采納意愿的發生。

5 結論與啟示

5.1 研究結論

（1）短視頻平臺信息窄化顯著正向影響用戶信息采納意愿。在社交媒體信息爆炸的背景下，用戶更傾向于瀏覽和采納那些符合自身認知的“窄化”信息。這一發現推翻了傳統觀念所認為的信息窄化僅會導致用戶視野局限與網絡空間的狹隘化[34-35]。通過實證分析，本文不僅確認了信息窄化現象的存在，還發現其對用戶信息采納意愿具有正面影響，為后續研究提供了理論基礎。

（2）信息有用性和信息易用性在信息窄化對用戶信息采納意愿的影響中起到了中介作用。用戶在短視頻平臺上表現出明顯的主動性和目標導向性，會促使他們積極尋找并選擇那些能滿足個人特定需求的信息[36]。信息窄化通過分析用戶的歷史數據，能夠篩選出更貼合用戶需求的信息，從而增強信息的有用性和易用性[37]，這不僅促進了用戶信息采納意愿的形成，也為深入理解數字媒體環境中用戶行為提供了新的理論視角。

（3）用戶算法素養顯著地調節了信息窄化對用戶信息采納意愿的正向影響。高算法素養的用戶能夠基于個人的實際需求和偏好，靈活調整算法推薦設置或選擇更合適的信息來源，優化自己的信息獲取環境。本研究通過定量研究，證實了用戶算法素養的調節作用，加深了對算法素養與信息窄化之間關系的認識，也為算法素養在算法推薦領域的研究提供了新的見解。

5.2 管理啟示

（1）從短視頻平臺層面看，應加強信息推薦技術。信息窄化現象的出現證明用戶更偏向與自己認知匹配的信息，平臺的個性化推薦剛好滿足用戶的信息需求。因此，短視頻平臺應該采用先進的推薦算法，結合用戶的歷史行為、興趣偏好以及實時需求，為用戶推送個性化的信息，并定期對推薦算法進行更新和優化，以適應不斷變化的市場需求和用戶行為。同時，平臺可以設立用戶反饋渠道，如在線客服、用戶論壇等，以便及時收集和處理用戶的意見和建議，對用戶的反饋進行定期分析和總結，以便不斷優化平臺的信息推送和服務質量。

（2）從信息推薦質量層面看，平臺應實時提升信息內容的有用性和易用性。用戶尋求信息的出發點反映了用戶的不同需求和目標，信息的準確性和真實性是用戶采納信息的基礎。企業或平臺應確保提供的信息經過嚴格審核，避免虛假或誤導性信息的傳播，及時更新信息內容。信息的呈現方式直接影響用戶的閱讀體驗和理解程度，企業或平臺應采用直觀、易理解的形式呈現信息，如圖片、視頻、直播等多媒體形式，確保用戶能夠輕松訪問和獲取所需信息，同時提供簡潔明了的操作指南和說明。

（3）從用戶層面看，應提高用戶算法素養水平。用戶應先了解算法的基本原理和運作方式，認識到算法推薦并非絕對客觀和全面，學會利用算法優勢，培養對信息的真實性和客觀性進行辨別的能力，對信息的來源、證據以及背后的意圖有所思考和關注。同時警惕算法可能帶來的偏見和誤導，拓寬信息獲取渠道，避免信息偏食。平臺可以通過設置引導語、教程或活動等方式，教育用戶如何識別和篩選有價值的信息，并提供用戶反饋渠道，鼓勵用戶提出意見和建議，以便不斷優化平臺的信息服務。

6 結語

本研究集中于特定地區或文化背景的用戶，可能限制了結果的普遍適用性。不同地區和文化的用戶在信息采納意愿上可能存在顯著差異。未來的研究應考慮跨文化和地域的比較，以探索信息窄化對用戶信息采納意愿的影響及其普遍性和差異性。信息窄化的影響是多變量相互作用的復雜過程。未來的研究可以通過構建包含多個變量的模型來全面揭示信息窄化與用戶信息采納意愿之間的關系。用戶的心理抗拒、認知偏差和情感因素對信息采納意愿有影響，但這些因素難以量化。未來的研究可以采用心理學和行為學等跨學科方法來深入研究這些因素。本研究通過問卷法分析了算法素養在信息窄化與用戶信息采納意愿中的調節效應，未來研究可以采用實驗法等其他方法進行更深入的測量。由于不同短視頻平臺在算法推薦機制、內容生態和用戶群體方面存在差異，這些差異可能影響研究結果的跨平臺適用性。本研究僅探討了抖音平臺，未來的研究可以擴展到其他平臺，如小紅書、淘寶等，以研究不同類型平臺上用戶的信息采納意愿。

參考文獻：

[1] 羅映宇，朱國瑋，錢無忌，等.人工智能時代的算法厭惡：研究框架與未來展望[J].管理世界，2023，39（10）：205-233.

[2] 李迎迎，陳婷婷，孫玉琦.社交媒體智能推薦中用戶隱私風險感知的影響因素研究[J].情報雜志，2023，42（2）：151-157.

[3] DAVENPORT T，GUHA A，GREWAL D，et al.How artificial intelligence will change the future of marketing[J].Journal of the Academy of Marketing Science，2020，48（1）：24-42.

[4] 張海.網絡用戶信息繭房成因及影響因素維度研究[J].情報雜志，2021，40（10）：166-170，185.

[5] 鮑立泉，呂心田.主動行為與自我效能感的雙中介：算法素養對算法滿意度的影響[J].新媒體與社會，2023（2）：71-91.

[6] 蘇穎.傳播的權力偏向[D].北京：中國政法大學，2011.

[7] 劉輝.大數據時代思想政治教育的微傳播化[J].思想理論教育，2014（6）：81-85.

[8] 張生太，楊陽，袁藝瑋，等.短視頻個性化推薦對用戶信息采納意愿的影響[J].科研管理，2024，45（4）：175-184.

[9] 張惠舒，趙宇翔，宋士杰.信息弱勢群體算法素養的形成機理與影響因素：以短視頻平臺為例[J].圖書情報知識，2024，41（2）： 127-137.

[10] LLU J，WU D，GUO QY.Are we different？ Analyzing the role of algorithmic curation and algorithmic literacy during online shopping from a gender differences perspective[J].Behaviour amp; Information Technology，2024，43（10）：1990-2006.

[11] 楊洸，李東陽，宋旭.淺析大數據技術在公共信息安全領域的應用與發展趨勢[J].信息安全與通信保密，2020（12）：93-102.

[12] DOGRUEL L，MASUR P，JOECKEL S.Development and validation of an algorithm literacy scale for internet users[J].Communication Methods and Measures，2022，16（2）：115-133.

[13] 黃怡菲，楊蘭蓉.移動圖書館用戶采納模型及實證研究[J].現代情報，2013，33（11）：172-177.

[14] 鄒凱，高凱，劉釗.基于TAM的移動圖書館用戶采納行為影響因素研究綜述[J].圖書館，2018（6）：93-100.

[15] 覃紅霞，周建華，李政.高校師生在線教學持續使用意愿的差異研究[J].高等教育研究，2021，42（1）：83-93.

[16] 鐘葳，梁麗芝，張運.基于用戶技術接受模型的政府數據開放平臺研究：以深圳政府數據開放平臺為例[J].湖南工業大學學報（社會科學版），2022，27（6）：47-54.

[17] 杜娟，游靜.“信息繭房”效應下消費者對個性化推送的采納意愿研究：心理抗拒視角[J].企業經濟，2019（1）：103-110.

[18] 吳丹，樊舒.信息行為領域選擇性暴露研究：視角、方法、動向[J].圖書情報知識，2020（1）：32-41.

[19] 朱宏淼.在線社交網絡與人員流動對組織隱性知識共享影響研究[D].北京：北京郵電大學，2018.

[20] 聶津君，范鈞.創新服務開發中企業-顧客在線知識共創過程機制的案例研究[J].江蘇商論，2020（1）：67-73，76.

[21] 陳憶金，潘沛.健康類短視頻信息有用性感知的影響因素研究[J].現代情報，2021，41（11）：43-56.

[22] RUBIN D T，SIEGEL C A，KANE S V，et al.Impact of ulcerative colitis from patients' and physicians' perspectives： Results from the UC： NORMAL survey[J].Inflammatory Bowel Diseases，2009，15（4）：581-588.

[23] 王少劍，汪玥琦.社會化媒體內容分享意愿的影響因素研究：以微博用戶轉發行為為例[J].西安電子科技大學學報（社會科學版），2015，25（1）：19-26.

[24] 高陽輝，李沛.網絡直播信息質量對服裝消費者購買行為意向的影響[J].浙江紡織服裝職業技術學院學報，2022，21（3）：24-30.

[25] HANSEN J M，SARIDAKIS G，BENSON V.Risk，trust，and the interaction of perceived ease of use and behavioral control in predicting consumers’ use of social media for transactions[J].Computers in Human Behavior，2018，80：197-206.

[26] 蔣知義，曹丹，謝偉亞.信息生態視角下在線健康社區用戶信息共享行為影響因素研究[J].圖書館學研究，2020（21）：32-44.

[27] 肖強，朱慶華.用戶生成內容共享意愿的影響因素實證性研究[J].情報雜志，2012，31（4）：138-142，111.

[28] 彭蘭.如何實現“與算法共存”：算法社會中的算法素養及其兩大面向[J].探索與爭鳴，2021（3）：13-15，2.

[29] GRAN A B，BOOTH P，BUCHER T.To be or not to be algorithm aware： A question of a new digital divide？[J].Information， Communication amp; Society，2021，24（12）：1779-1796.

[30] COTTER K，REISDORF B C.Algorithmic knowledge gaps： A new horizon of （digital） inequality[J].International Journal of Communication，2020（14）：21.

[31] 陳家鑫，董堅峰.信息生態視角下社會化媒體用戶信息分享行為影響因素研究[J].高校圖書館工作，2023，43（4）：54-66.

[32] ZAROUALI B，BOERMAN S，VREESE C D.Is this recommended by an algorithm？ The development and validation of the algorithmic media content awareness scale（AMCA-scale）[J].Telematics and Informatics，2021（2）：101607.

[33] VENKATSH V，DAVIS F.A theoretical extension to the technology acceptance model： Four longitudinal field studies[J].Management Science，2000，46（2）：186-204.

[34] 孫瑞英.網絡信息窄化的心理學解析[J].情報科學，2010，28（11）：1625-1629.

[35] 胡志海.網民信息加工的幾個主要誤區[J].長春理工大學學報（社會科學版），2012，25（6）：57-58，65.

[36] 陳憶金，潘沛.健康類短視頻信息有用性感知的影響因素研究[J].現代情報，2021，41（11）：43-56.

[37] YADA N，HEAD M.Attitudes toward health care virtual communities of practice： Survey among health care workers[J/OL].Journal of Medical Internet Research，2019，21（12）：e15176[2024-05-14].Jmir.org/2019/12/e15176.

作者簡介：李霞，新疆財經大學工商管理學院（MBA學院）副教授，研究方向為電子商務與信息經濟；王月，新疆財經大學工商管理學院（MBA學院）碩士研究生，研究方向為電子商務與信息經濟。

收稿日期：2024-07-14編校：李萍 鄭秀花