从算法到自我：理解数字时代中的算法异化现象

《BMC Psychology》：From algorithms to the self: understanding algorithmic alienation in the digital age

　　

摘要

背景

本研究探讨了算法系统在数字环境中对个人产生的心理社会影响，并将“算法异化”（Algorithmic Alienation）作为一个框架来理解这些影响。

方法

本研究采用了定性研究方法，通过四个焦点小组（N = 20人）进行数据收集，参与者年龄范围为18–30岁和31–50岁。数据通过土耳其语进行的半结构化访谈收集，访谈内容被逐字记录下来，然后采用解释主义范式（interpretivist paradigm）和反思性主题分析（reflective thematic analysis）进行编码和分析。分析的严谨性通过研究者的自我反思（researcher reflexivity）和迭代编码（iterative coding）得到保障，主题的确立是在研究团队之间的分析讨论指导下完成的，目的是为了增强解释的深度，而非为了建立编码者间的可靠性（inter-coder reliability），这符合COREQ标准。

结果

研究发现共涉及五个核心主题，反映了参与者的体验。参与者表示能够察觉到算法的引导作用，同时也感受到一种虚假的选择感；他们的决策能力逐渐减弱，对自动化内容消费的依赖性逐渐增加。频繁接触算法环境导致兴趣发生变化，身份认知变得模糊，伴随着疏离感和情绪不适。一些参与者报告采取了抵抗策略，例如有意识地筛选内容或减少平台使用。总体而言，研究结果表明，在感知到的自主性和意识到个人偏好受到外部算法机制塑造之间存在持续的压力。

结论

研究结果表明，参与者认为算法环境不仅影响了他们的消费行为，还影响了他们对自我和能动性的认知。为更全面地理解这一复杂过程，本研究将“算法异化”定义为一种主观体验，其特征包括自主性下降、身份边界模糊以及情感上的疏离。研究结果强调了提高算法透明度、提升数字素养的必要性，并呼吁进一步探讨不同年龄组、文化背景和平台类型下此类体验的差异。