如今一提到“算法”，似乎很難避開“黑箱”“歧視”等負面詞匯。但與此同時，算法的普遍應用對提升生產(chǎn)效率和社會福利的貢獻有目共睹。為探究用戶對算法的態(tài)度，近日，對外經(jīng)濟貿(mào)易大學數(shù)字經(jīng)濟與法律創(chuàng)新研究中心、中國人民大學數(shù)字經(jīng)濟研究中心和螞蟻研究院共同發(fā)布《算法應用的用戶感知調(diào)查與分析報告》(下稱《報告》)。

《報告》顯示，雖然超八成受訪者希望企業(yè)提供個性化推薦服務，但是超半數(shù)受訪者對企業(yè)是否使用算法不清楚，六成不了解企業(yè)使用算法的內(nèi)容和目的。另外，近八成受訪者認為算法應用可能損害消費者權益，超六成認為會侵犯隱私。

超八成受訪者接受精準推送，同時近八成“不信任”算法

據(jù)了解，課題組在線上多個渠道發(fā)放問卷，調(diào)查時間為2021年12月中旬，收到有效問卷6941份。受訪者男女比例約為2:1，93%受訪者的年齡在18-60歲之間，90%左右年收入在20萬元以下。

網(wǎng)絡空間中的算法，一般特別指通過代碼設置、數(shù)據(jù)運算與機器自動化判斷進行的計算機算法，通常被用于基于用戶畫像的廣告或商品推薦，以改善用戶體驗，或被用于語音助手、智能輸入的數(shù)據(jù)訓練，以增強服務的準確性等場景。

不過，當算法被不當使用，可能會損害用戶的合法權益。今年3月起施行的《互聯(lián)網(wǎng)信息服務算法推薦管理規(guī)定》(下稱《規(guī)定》)明確，算法推薦服務提供者應當以顯著方式告知用戶其提供算法推薦服務的情況，并以適當方式公示算法推薦服務的基本原理、目的意圖和主要運行機制等。

《報告》顯示，超半數(shù)受訪者對企業(yè)是否使用算法不清楚，六成受訪者不了解企業(yè)使用算法的內(nèi)容和目的。同時，只有7.22%的受訪者認為企業(yè)不需要對算法進行解釋，54.28%認為企業(yè)需要對用戶詳盡解釋算法，38.49%認為簡單解釋即可。對算法結果有異議時，大多數(shù)(76.48%)受訪者希望人工介入。

對算法和人工的信任度

此外，受訪者對算法表現(xiàn)出普遍的“不信任”——近八成受訪者認為算法應用存在損害消費者權益的可能性：20.28%認為風險很高，近60%認為存在一定風險，只有不到5%認為不存在風險。受訪者中，超過六成認為個性化推薦會侵犯隱私。

用戶的算法風險感知情況

盡管大多數(shù)受訪者對算法的內(nèi)容和目的并不了解，也明顯表現(xiàn)出對算法的不信任，調(diào)查結果仍顯示，絕大多數(shù)受訪者享受算法帶來的便利和優(yōu)惠。

具體來說，超八成受訪者希望有個性化推薦，但其中只有25.71%希望接收“千人千面”的精準推送，剩下55.43%不希望達到這么高的精準度，只需大致分類后推送。

對推薦算法的接受度

根據(jù)《規(guī)定》，算法推薦服務提供者應當向戶提供選擇或者刪除用于算法推薦服務的針對其個人特征的用戶標簽的功能。

《報告》顯示，只有5.57%的受訪者接受由企業(yè)自主確定標簽，28.99%希望自己設置標簽組合，25.82%希望可以自行排除某些標簽，還有27.87%希望關閉精準推送功能。

基于個人信息標簽對算法的接受度

對于用戶對算法應用的心里感知和實際行為偏好之間的悖論，《報告》認為有三方面原因。

首先，用戶對算法的排斥實質(zhì)上是對企業(yè)過度利用算法行為的排斥，而并非排斥算法技術和算法應用本身;其次，信息不對稱和羊群效應導致用戶對算法應用存在錯誤認知和抵觸傾向;最后，由于用戶學歷背景、成長環(huán)境、收入水平等存在差異，用戶對待算法的感受分化明顯，防范相關風險的能力也存在差異。

超七成受訪者表示從未或偶爾遭受差別定價

流量造假在網(wǎng)絡世界屢見不鮮。據(jù)南都記者此前報道，國內(nèi)有超過一千多家的各類刷量平臺，其中頭部的100家每月流水超百萬元?？梢哉f，有榜單、受關注的地方，數(shù)據(jù)造假都可能出現(xiàn)。

《報告》提到，超過80%的受訪者認為企業(yè)利用算法進行人為信息扭曲(比如操縱榜單、流量造假、信息屏蔽)的情況很多或比較多。為規(guī)避算法帶來的不利影響，受訪者最常采取的應對是主動管理企業(yè)數(shù)據(jù)收集請求和選擇關閉個性化推薦，比例分別為47.27%和45.3%。

用戶針對算法風險的應對之策

針對算法風險的治理，大多數(shù)受訪者提倡在發(fā)展中解決問題，并不認可限制算法應用這樣的消極對策。受訪者認為，企業(yè)自我主動管理行為被認為是避免算法安全隱患最有效的方式，選擇比例超過6成(60.12%)。

用戶期待的針對算法風險的治理之策

在算法公平方面，22.16%的受訪者表示沒有經(jīng)歷過差別化定價，51.46%表示偶爾經(jīng)歷差別定價，只有26.38%表示經(jīng)常經(jīng)歷差別定價。在經(jīng)歷過差別定價的受訪者中，因新老客戶、消費頻次、會員與否三種原因遭受差別定價的受訪者均超半數(shù)。

差別定價的用戶感知

在算法向善方面，算法推薦下的過度消費問題并不突出，85%受訪者沒有或很少在推薦算法的引導下購買不必要的產(chǎn)品或服務，也并未發(fā)現(xiàn)年輕人、學生、低收入群體容易被引導過度消費的證據(jù)。

關于算法引導下的過度消費問題

在獲取知識和信息方面的感受上，持不同態(tài)度的受訪者分布較為平均，其中25%認為推薦算法的信息較為同質(zhì)，容易造成“信息繭房”。所推薦的內(nèi)容最符合自己興趣的是視頻媒體平臺、音樂娛樂平臺和電商平臺。

算法推薦的精準度

不過，《報告》指出，企業(yè)在不良信息治理、“適老化”“未成年人模式”設計方面不盡如人意。35.18% 以上的用戶認為所有行業(yè)做得都不夠好。其中，視頻媒體行業(yè)和社交平臺評價 相對較高，而在線旅游平臺和搜索平臺評價相對最低。

關于平臺人性化設計的用戶感知

《報告》總結認為，分組交叉分析顯示，不同群體的算法感知和算法風險防范能力差異較大。因此，政、產(chǎn)、學、研、行業(yè)組織協(xié)會等多方有必要加強協(xié)作，增強用戶教育，開展廣泛、持續(xù)的日常性算法教育，幫助用戶提高對算法服務的認知能力和自我保護能力，不斷提升用戶算法素養(yǎng)。

關鍵詞： 互聯(lián)網(wǎng)算法推薦 個性化推薦服務 算法泄漏隱私 什么是信息繭房