原文标题： “I must have clicked on something” – Users´ Experiences and Evaluations of News Recommender Systems
一、研究对象与核心研究问题
本文以AI驱动的新闻推荐系统为研究对象，核心研究问题是：用户在日常新闻使用中，如何体验和评价个性化新闻推荐？ 研究将用户视角置于首位，主张理解用户对推荐系统的体验，对于评估人工智能与自动化对新闻媒体在民主社会中感知合法性的影响至关重要。研究通过检验用户如何理解NRS捕获的个人数据，如何推断NRS在后端的运作机制，来探讨他们与新闻媒体的互动方式、意义建构过程及其感知到的双方关系变化。
二、研究背景
随着AI系统越来越多地应用于新闻生产与分发领域，学者和业界人士开始重新审视媒体与民主关系中的历史性角色和价值。在新闻推荐系统这一具体案例中，其潜在影响涉及新闻工作流程、新闻曝光的偏差审计以及与编辑立场和价值观的协调。然而，现有研究多从规范性民主理想出发，将新闻阅读视为纯粹的信息获取活动，忽略了新闻作为消遣或社交谈资的功能。这种过度强调机构价值的倾向，可能忽视用户的具体体验。因此，本研究响应“新闻学的受众转向”号召，将焦点从依赖点击量等可测量指标的行业性“参与理论”，转移到受众如何多元且复杂地解码算法过滤的新闻上。理解用户对这些系统的反应，对于评估AI对新闻媒体民主合法性的影响至关重要。本研究通过与一家丹麦小报合作，开展一系列实验性工作坊，旨在探索用户在个人、组织和社会三个层面如何体验与评价NRS。
三、理论背景
本研究建立在新闻学研究的“受众转向”之上，该理论将新闻用户的能动性置于中心优先地位，挑战了新闻必然对用户有意义、有价值的前提。研究借鉴了伦博格和卡普施改编自斯图尔特·霍尔的编码/解码符号学模型，将用户与算法呈现内容的互动理解为：一个需要不断进行解释和评估工作的过程，这个过程会反作用于用户对算法系统的进一步校准。这意味着研究NRS体验，必须关注推荐是如何由用户的站内历史交互和偏好所构成的；用户如何调动对推荐系统的既有知识与期望；他们如何评价新闻网站上个性化内容的算法编排；以及他们的后续行为如何持续重构推荐系统。此外，由于推荐系统同时调节个体沟通和集体偏好，实证研究应同时包含个体和集体两个层面。最后，研究必须通过让用户置身于与算法新闻推荐的实际、具体情境中，来使NRS变得“可感知”。
四、研究设计
本研究采用了一种新颖的实验性工作坊设计，以定性方法为核心，旨在捕捉用户的个体体验与集体反思。
- 样本与招募：研究共招募了24名参与者，通过外部小组采用分层抽样方法，唯一条件是必须是一家丹麦小报《Ekstra Bladet》的读者。参与者覆盖了不同年龄和性别群体，被分为6个焦点小组。
- 数据来源与步骤：
- 第一步：用户画像训练。在参加工作坊前两周，参与者获得新的测试账户并被告知用于阅读EB新闻，目的是捕获其真实行为数据，为后续生成个性化推荐打下基础。
- 第二步：个体访谈。参与者受邀参加工作坊，首先进行个人深度访谈。他们被要求在台式电脑上展示其典型的新闻浏览方式，并进行“出声思考”，以此揭示其阅读习惯、偏好以及对网站个性化板块的识别。随后，他们通过一个特别设计的可视化工具，观看并评估基于其自身行为数据生成的六组文章推荐列表。这些列表分别采用协同过滤、内容过滤和“最多阅读”等三种算法，部分还带有主题色标，以检验不同算法的影响。
- 第三步：焦点小组讨论。在个人访谈结束后，参与者被召集起来进行小组讨论。他们被引导比较各自收到的推荐有何异同，并以此为切入点，共同探讨个性化推荐的社会与民主影响。整个过程包含屏幕录制和音频录制。
- 数据分析：对访谈与小组讨论的录音进行转录和定性分析。经过三轮迭代分析：第一轮是开放式编码，由不同作者独立完成并汇总成主题；第二轮形成编码手册并进行测试，调整编码者间一致性；第三轮是轴向编码，探寻主题间的关联、重叠与共现。屏幕录像用于在必要时补充上下文。通过分析，最终归纳出个人、组织和社会三个层面的主要发现。
五、主要发现
研究从个人、媒体组织和社会三个层面揭示了用户如何体验和评价个性化新闻推荐：
个人层面：个人相关性与推荐准确性的高要求
- 用户普遍对基于先前行为的个性化新闻持积极预期，认为能提高阅读效率、提升小众内容可见度并增强消费粘性。“符合个人兴趣”和“新闻相关性”是评价效用的核心标准。
- 然而，个人相关性是动态、情境化的，不仅关乎长期话题偏好，还受事件的地理邻近性、使用场景、并行的社会议程等因素影响。微妙的兴趣层次（如喜欢某项运动但厌恶某支特定球队）也可能导致推荐失效。用户对NRS捕获其复杂且多变兴趣的能力抱有极高、甚至有时不切实际的期望。
组织层面：编辑品牌与商业模式框架下的解读
- 用户对《Ekstra Bladet》作为一家以冲突性报道、耸动标题和点击驱动商业模式著称的小报有既定的认知。这些认知深刻影响了对NRS的评价。
- “标题党”现象在NRS语境下面临双重困境：模糊标题可能阻碍用户点击相关文章，使得NRS无法学习到真实偏好；诱导点击非相关文章，又会导致更多无关推荐，从而引发用户对NRS背后纯商业化动机的质疑。用户会警惕系统推送有“特定议程”的内容。
- 由于该报的“软性”新闻定位，用户对在此平台上的个性化推荐表现出更大的容忍度，认为其民主风险低于严肃媒体。他们期望编辑推荐提供“广览要闻”，而个性化推荐则服务于小报式的细分兴趣。
社会层面：作为算法过滤生态一部分的反思与自我归咎
- 用户对NRS的理解深受其他数字平台（如社交媒体）算法体验的影响，普遍意识到了“信息茧房”和“回音室”等民主风险，担心个性化会限制内容和观点多样性。
- 面对不精确或错误的推荐时，用户倾向于进行“算法想象”，推测系统输入了地理定位、个人特征等数据，并内化责任，进行自我归咎（如“我一定无意间点过什么”），而非首先质疑系统本身。
- 这一过程标志着一个关键转变：用户不仅将自己视为可以塑造个人新闻体验的参与者，更觉得自己成为了所接触内容的共同责任人。这模糊了传统新闻传播中编辑（编码者）与受众（解码者）的角色分界。
六、研究结论与讨论
本研究通过新颖的方法论，使NRS对用户变得具体可感，从而揭示了用户从个人相关性、组织语境和宏观算法生态三个维度来“解码”个性化推荐。
- 理论贡献：论文的核心理论贡献在于揭示了个性化新闻带来的用户角色转变：从被动的接收者转变为自身新闻内容的共同策展者，甚至共责者。
- 用户能动性与算法幻象：研究发现用户具有显著的算法素养和能动性，他们会主动解读、评估甚至试图“玩弄”系统。然而，这种能动性也伴随着因系统不透明而产生的自我规训与责任内化，当推荐出错时，他们倾向于责怪自己。
- 对业界与民主影响的警示：
- 点击的不可靠性：研究挑战了仅依赖行为数据（点击、停留时间）来衡量新闻参与和偏好的做法，指出这些指标是复杂的“个人相关性”概念的脆弱代理变量，容易被标题党、好奇心和情境因素干扰，因此NRS未必能推动向订阅模式的转变。
- 合法性与责任转移：随着信息流的引导任务越来越多地委托给机器学习模型，新闻媒体作为民主传播机构的责任可能出现真空。用户在没有充分知情和操作透明度的前提下，被要求承担内容管理的共同责任。这种将责任悄然让渡给用户的趋势，对新闻业的未来合法性构成潜在挑战。
- 研究展望：研究强调，在开发和设计负责任的、以人为本的AI新闻系统时，纳入用户的真实体验和批判性视角至关重要。未来研究需长期追踪用户与NRS的关系变化，并理论化生成式AI等新技术如何进一步重塑受众与新闻媒体的关系。