近段時間以來，生活狀態似乎被算法摸透，想你所想，個性化推薦......這篇文章從用戶感知算法、規訓算法兩個大的方面專業性的分析了技術與人類生活之間的科技效應。推薦對用戶體驗、算法感知、個性化推薦等感興趣的童鞋閱讀。

01 用戶對算法的感知

從貨幣市場基金、股票、退休賬戶到我們收聽的音樂，無不受到算法技術的影響，它甚至可以決定我們能否獲得器官移植和配偶選擇。這表明算法已愈來愈深地嵌入到我們的日常生活中。

以往研究認為，由于知識和技術的門檻，算法技術的程序和原理被技術開發者和設計者置于某種框架的同時，也對用戶形成了“黑箱”，而算法編碼所制定的價值觀及特權也被納入“黑箱”。

由此，算法成為了用戶的“控制者”而不是“代理人”。然而，近年來有研究發現，用戶對算法具有一定的感知能力并可以據此調整自己的行為，從而對算法進行規訓，使算法為我所用。

如有用戶在社交媒體上表示“近期生活狀態被各個APP的算法吃透?！薄癚Q音樂的算法越來越差了，怎么調教過還給我推難聽的歌??？”“我愛看，抖音記住多給我推帥哥”……

這表明部分用戶不僅感知到了算法推薦的存在而且可以根據自己的需求調整社交媒體的使用行為。那么，用戶是如何感知到算法的存在的呢？

首先，在用戶面對個性化推薦內容時，他們較為容易感知到算法的存在，如有用戶在抖音視頻評論區下發表評論：“不過就是多看了一會兒，就一直給我推他了?！边@表明用戶可以根據推薦的內容追溯自己的使用行為，進而依據自己的經驗來理解算法的運作機制。

除發現曾看過的同類內容又被推送到自己的手機頁面時以外，用戶在購物平臺發現自己和朋友聊天時所涉及的商品會被立馬推送至購物平臺的首頁時，也可以明顯地感知到算法的存在。

（圖片來源于抖音截圖）

其次，在用戶發現推薦的內容與自己的興趣相關程度較低，且自己無法很好地控制推薦的內容時，他們會明顯感知到算法的存在。

例如，當用戶在進行有目的的網購時，盡管用戶清楚地知道自己想要購買什么商品，但由于一些商品推送信息的突然出現，部分用戶在最終還是會購買一些與自己真正需求無關的商品。

這時他們會發現平臺并不像往常一樣全部推薦他們感興趣的內容，而自己也并不能有效地控制這類內容的推薦，這種與以往不同的體驗會使他們較為清晰地意識到算法的存在。但這并不與算法的智能推薦功能相矛盾。推送與用戶興趣相關程度較低的內容并不是算法“失靈”，而是算法通過排序、排除等實際操作使商品信息流入用戶界面，從而促使用戶購買的另一種手段，在一定程度上也使得資本變得可見。

在這種情況下，用戶往往會認為算法的效用較大，自己并不能對其進行有效的控制，由此產生規訓算法的想法。

02 基于認知和體驗的算法規訓行為

用戶對算法的認知和體驗，便是用戶對算法進行規訓的前提和動力源。這種對算法的感知、體驗以及由此產生的情感可能會引起用戶對算法的反思，并有助于加深用戶對算法規則和功能的理解，由此指導用戶的媒介使用行為。

因此，部分用戶可以根據以往經驗明確地知道采取何種個性化策略來使算法變得真正“個性化”。通過這些策略，他們可以干預界面內容推送的組成，實現對算法的規訓。

然而，由于不同的用戶對算法推薦的認知、體驗及評價不同，其規訓算法的策略也有所不同。部分用戶較為接受并贊揚算法的智能性及其給日常生活帶來的便利性，相信如果用戶與算法系統按照技術開發者和設計者的意圖進行交互，那么算法就能進行最佳的工作，從而增強用戶搜索引擎、社交媒體和智能助手等的使用體驗。

因此，這些用戶會積極地與算法進行互動，向系統輸入盡可能多的相關數據，以優化其內容推送，如有用戶坦稱：“我把自己的生活交給了一個圖像識別算法，因為它聰明得多?！?strong>盡管這在一定程度上體現了算法對用戶的控制，但這并不意味著用戶處于“技術無意識”的狀態。

部分用戶認為，以同意被算法監控來換取好的服務與產品，是一場公平的交易，他們通過向算法系統提供更多的用戶信息和行為數據推動算法更加精準，從而達到了規訓的目的，加強了與算法系統的交互。然而，并不是所有用戶都采用上述積極的方式來進行算法實踐并規訓算法，部分用戶對算法摻雜著負面和正面的評價，因此在規訓算法使之為我所用時會采取更謹慎的方法。

有用戶認為算法的推薦內容多是主流的、規范化的，而這種“主流”與“規范”實際上壓制了用戶基于種族、性取向和階級地位等的社會身份。

這類用戶會通過改變個人參與來規訓算法以重塑算法身份，使之與用戶的自我概念保持一致，如有意地給予來自具有同樣社會身份的創作者的內容以熱度，如點贊、評論和轉發等，希望這些被算法壓制的內容可以反過來被算法放大。

除重塑算法身份以外，還有用戶會廣泛收集和分析數據，使算法能在特定的環境中提供更好的服務。例如，由于算法具有根據用戶識別的系統內置的個性化定價機制，有用戶便采用無痕瀏覽模式與戲弄定位的方式來選購機票，以防止在系統識別的基礎上為自己的旅行支付更多費用。

此外，有部分用戶基于對算法的負面評價，與算法進行了積極的斗爭，這涉及到利用顛覆戰術來規避、操縱甚至破壞算法系統。如有用戶會采用取消關注賬號和話題標簽、故意不點擊某類帖子等方法來規避某些內容的推送。

有用戶認為，算法對用戶信息的收集與識別會被極少數人用來創造利潤，蘊藏著極大的隱私風險，同時還會通過內容推送來傳遞不符合道德的價值觀，因此部分用戶采取了較為激進的戰術來規訓算法系統，如安裝廣告攔截器、使用虛擬專用網絡（VPN）等。但在實踐中，用戶很少采用這類激進的策略。

03 用戶規訓算法的意義

用戶對算法的規訓是用戶基于自己的感知、理解和體驗等對算法進行的調適、規避和抵抗，但它并不否認算法的力量，而是在算法的框架內進行運作，以利用算法達到不同的目的，從而加強了人與算法技術的交互。

這表明人與媒介技術二者相互建構，而這種互構是一種持續不斷的復雜過程，這也在一定程度上回應了以往技術決定論者對算法技術的強大效果觀點。

實際上，用戶對算法的規訓不僅倒逼算法技術迭代，也推動了平臺組織的制度重塑。這表現在，一方面，重塑了組織平臺的技術規范，如已有平臺開始對用戶反饋系統的流程進行閉環管理，并更新升級用戶體驗界面的技術配置，這在一定程度上為在算法系統中增加用戶話語權提供了通路；另一方面，也重塑了平臺的組織文化——如今已有越來越多的平臺組織從以往的“以用戶為中心”轉變到“癡迷客戶”，客戶包括了內容生產者和消費者、B端客戶和C端客戶等，在重視用戶對算法系統的建構能力的基礎上加強對客戶的理解與服務意識。

同時，用戶利用一系列底層運作規訓算法，促使算法身份與個人的自我概念保持一致，也在一定程度上削弱了算法規則對社會特定群體的偏見。

研究表明，算法對用戶是否屬于某個社交類別的評估不是固定的，而是動態的，平臺算法與其用戶共同生成了關于種族、身材外貌、能力狀況、階級地位、LGBTQ身份等社會身份及從屬關系的定義，它們將平臺的用戶分類為上述不同的社會身份，并闡明具有某種社會身份的含義。

因此，用戶對算法的規訓促使其算法身份不再單方面由算法和算法設計者決定，用戶可以通過規訓使特定社會身份的相關內容在平臺算法中的排序上升，進而在一定程度上削弱了社交媒體中對某些社會群體的偏見。

當然，盡管用戶對算法的規訓可以帶來一系列積極效應，但我們仍需看到，算法技術在為我們帶來智能化和便利性的生活的同時，我們的個人需求也被代碼運作事無巨細的過問并被一一滿足，這使得用戶在身體內部產生了順從的愿望，成為“被控制者”——

我們享受獲得信息的便利性，但卻以自己的隱私信息和行為數據為代價；我們享受內容的精準推送，但卻對損耗的時間、碎片化的注意力和繭房效應無動于衷。因此，無論何時，我們都應對媒介技術保持理性的態度，正視技術給人類社會帶來的雙重效應。

參考文獻：

Pasquale, F.(2015).The Black Box Society, Cambridge Massachusetts: Harvard University Press.

Bucher, T. (2017). The algorithmic imaginary: Exploring the ordinary affects of Facebook algorithms.Information, Communication & Society,20(1), 30-44.

Gran, A. B., Booth, P., & Bucher, T.(2021). To be or not to be algorithm aware: a question of a new digital divide?.Information, Communication & Society,24(12), 1779-1796.

Cotter, K. (2019). Playing the visibility game: How digital influencers and algorithms negotiate influence on Instagram. .New Media & Society,21(4), 895-913.

Dogruel, L., Facciorusso, D.& Stark, B.(2022).‘I’m still the master of the machine.’ Internet users’ awareness of algorithmic decision-making and their perception of its effect on their autonomy,Information, Communication & Society,25(9),1311-1332.

Velkova, J., & Kaun, A. (2021). Algorithmic resistance:Media practices and the politics of repair.Information, Communication & Society,24(4), 523-540.

Lomborg, S., & Kapsch, P. H. (2020). Decoding algorithms.Media, Culture & Society,42(5), 745-761.

Swart, J. (2021). Experiencing algorithms: How young people understand, feel about, and engage with algorithmic news selection on social media.Social Media + Society,7(2), 1-11.

Bucher, T. (2018).If…then: Algorithmic power and politics. Oxford University Press.

Beer，D.(2009).“Power Through the Algorithm? Participatory Web Cultures and the Technological Unconscious”,New Media ＆Society,11(6),985-1002.

Karizat, N., Delmonaco, D., Eslami, M., & Andalibi, N. (2021). Algorithmic folk theories and identity: How TikTok users co-produce Knowledge of identity and engage in algorithmic resistance.Proceedings of the ACM on Human-Computer Interaction,5(CSCW2), 1-44.

Milan S.(2018). Political agency, digital traces, and bottom-up data practices.International Journal of Communication,12,507–527.

Brunton F and Nissenbaum H.(2016).Obfuscation: A User’s Guide for Privacy and Protest.Cambridge, MA: MIT Press.

Silverstone, R.(2005).“Domesticating Domestication. Reflections on the Life of a Concept.”Domestication of Media and Technology. Eds. Berker, T. et al. New York, NY: Open University Press.

Geiger, R. S. (2017). Beyond opening up the black box: investigating the role of algorithmic systems in Wikipedian organizational culture.Big Data & Society,4(2), 1-14.

Haim, M., Graefe, A., & Brosius, H. (2018). Burst of the filter bubble? Effects of personalization on the diversity of Google News.Digital Journalism,6(3), 330–343.

克里斯托弗?斯坦納.(2012).算法帝國.北京: 人民郵電出版社.

張超.(2018).新聞生產中的算法風險:成因、類型與對策.中國出版(13),38-42.

陳陽 &呂行.(2022).控制的辯證法：農村青少年的短視頻平臺推薦算法抵抗——基于“理性—非理性”雙重中介路徑的考察. 新聞記者(07),71-87.

張萌.(2022).從規訓到控制：算法社會的技術幽靈與底層戰術. 國際新聞界(01),156-173.

趙璐.(2022).制約還是馴化：算法想象、可見性管理策略與制度再生產. 當代傳播(04),53-58.

唐錚,段景文 & 嚴云依.(2022).雙重馴化與人技混合：馴化視角下的算法再定義. 學術研究(04),56-60.