edtechsocial mediaalgorithmsrluser experience

「別搞亂我的演算法」：迷因分享中的社交互動與演算法傳染

arXiv - Human-Computer InteractionJi Eun Song, Hyunsoo Jang, Juhee Im, Joongseek Lee

本研究探討使用者在 Instagram 上分享迷因時，如何看待社交互動與演算法推薦之間的關係，以及這如何影響他們對個人控制權的感受。

AI 幫你先抓重點

AI 重點 1

DM 迷因分享與演算法推薦的關聯性。

滑鼠懸停看 AI 判斷理由
此研究揭示了使用者如何將社交互動解讀為影響演算法的訊號，這對於理解社交媒體平台上的使用者行為至關重要，並有助於設計更符合使用者期望的演算法。
AI 重點 2

「演算法傳染」的概念。

滑鼠懸停看 AI 判斷理由
使用者對分享內容可能影響推薦結果的擔憂，反映了演算法透明度不足的問題，以及使用者對個人控制權的渴望，這對於提升使用者信任度具有重要意義。

核心研究發現

  1. 1

    使用者會根據迷因與接收者的關係，將其分類為「適合接收者」或「不適合接收者」，並以此作為分享依據。

  2. 2

    使用者認為分享「不適合接收者」的迷因可能導致「演算法傳染」，進而影響個人化的推薦結果。

  3. 3

    使用者在分享迷因時，受到社交規範的約束，認為難以控制演算法的影響。

  4. 4

    使用者對回饋工具的效用感到低落，認為無法有效影響演算法的運作。

  5. 5

    使用者普遍認為，直接訊息（DM）與推薦系統之間的連結缺乏透明度，導致他們感到無力控制個人化的演算法。

對教育工作者的啟發

此研究建議社交媒體平台應提升演算法透明度，讓使用者了解 DM 互動如何影響推薦結果。同時，平台應提供使用者更精細的控制選項，例如針對特定對話的選擇性退出，以及採用更保守的學習策略，降低 DM 訊息對推薦結果的影響。這有助於平衡社交互動與演算法控制，提升使用者體驗。

原始文獻資訊

英文標題：
"Don't Mess Up My Algorithm": Phatic Communication and Algorithmic Contagion in Meme Sharing
作者：
Ji Eun Song, Hyunsoo Jang, Juhee Im, Joongseek Lee
來源：
arXiv - Human-Computer Interaction
AI 摘要模型：
ISTA-DASLab/gemma-3-27b-it-GPTQ-4b-128g
閱讀原文

每週精選研究電子報

每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。