智能推荐对用户负面情绪的影响因素研究_居晓媛.pdf
《智能推荐对用户负面情绪的影响因素研究_居晓媛.pdf》由会员分享,可在线阅读,更多相关《智能推荐对用户负面情绪的影响因素研究_居晓媛.pdf(8页珍藏版)》请在咨信网上搜索。
1、2023年第2期/经 营JINGYING一、引言2021年11月1日,中华人民共和国个人信息保护法(以下简称个人信息保护法)开始施行。该法规定,APP不得强制推送个性化广告,不得非法收集、使用、加工、传输他人个人信息,不得因用户不同意提供信息拒绝提供服务等,将智能推荐相关问题纳入法律范畴。智能推荐是以大数据为依托,采用人工智能和机器学习等方法,以用户行为为对象,精准分析用户的浏览习惯、偏好,有针对性地为用户推荐符合其喜好的内容。比如,淘宝、京东等购物网站运用智能推荐算法,分析用户搜索、浏览、购买记录,为用户推荐商品信息以激发用户购买动机。多位学者的研究证实了智能推荐的正向效应。Cho等(202
2、0)认为,智能推荐通过个性化服务提高用户的体验价值,其为用户提供的信息内容越符合用户的偏好,用户对平台的信任度就越高,用户的情绪也越愉悦1。张伟等(2020)认为,移动情境下的智能推荐,提高了用户购物的便携性,唤醒了用户的积极购物情绪,从而产生愉悦感2。推荐的准确性会提高用户的满意度,但也存在着精确度和多样性的困境,推荐的精确度越高,内容的多样性就越低3。此外,部分文献表明了人们对算法输出的不信任:尽管算法判断比人类更加准确,但人们可能对算法持怀疑态度,这一现象被称为“算法厌恶”。由于这种“算法厌恶”,部分学者开始研究用户的采纳意愿。吴继飞等(2020)探讨了智能推荐的不同产品类型对用户采纳意
3、愿的影响,其结果表明,在高创造性产品的推荐中,用户对智能推荐的采纳意愿更低4。王家玮等(2021)考虑隐私关注,探究感知价值对采纳意愿影响的结果表明,用户更加看重智能推荐的产品是否有助于其决策5。综上所述,目前已有的智能推荐研究主要集中在算法层面和用户采纳意愿,即如何提高智能推荐算法的准确度,以及用户是否愿意接纳智能推荐。大多数学者认为,智能推荐对用户有积极作用而忽略了其消极作用。实际上,这种消极作用是影响智能推荐营销的重要指标。本研究从智能推荐的负面效应出发,研究用户在智能推荐的使用过程中产生的负面情绪及其影响因素。二、理论基础与研究假设(一)理论基础1.效价理论效价理论(valence t
4、heory)是一种用户决策理论,它基于理性认知,从积极和消极两个方面关注用户决策行为6。该理论感知收益和感知风险是用户决策的两个基本特征。用户的感知收益是指,在购买过程中感受到的便利、选择多样性及成本节约;感知风险是指,未来的不确定性及后果的严重性。感知收益和感知风险影响用户感知价值,并决定了其行为动机。基于这一理论,本研究认为,用户对智能推荐的感知能够影响用户的情绪。智能推荐对用户负面情绪的影响因素研究 居晓媛汪明艳(通讯作者)摘要:从智能推荐的负面效应出发,以效价理论为基础、智能推荐平台用户为对象,从隐私风险、操纵意图、信息单一化、个性化推荐及不信任五个方面,构建了用户负面情绪影响因素模型
5、,利用结构方程模型进行拟合分析。研究表明:隐私风险、操纵意图和信息单一化对不信任和负面情绪有显著正向影响,个性化特征对不信任的影响不显著,但通过信息单一化正向影响不信任进而影响负面情绪;不信任对负面情绪有显著正向影响。关键词:智能推荐;负面情绪;信任;效价理论42DOI:10.16517/12-1034/f.2023.02.0102023年第2期/2.负面情绪负面情绪会影响信息处理过程。Slovic等(2002)提出一种“情绪启发法”(Affect heuristic)认为,人们在做出判断和决定时,快速参考自己的情绪感受7。已有研究表明,情绪是重要变量,在用户行为中起决定性作用。Lerner等
6、(2000)研究发现,恐惧和焦虑的人对未来的事会作出更加悲观的判断并主动回避风险8。不同情绪对决策影响不同,焦虑的个体会偏好低风险低回报的选择。当人们产生负面情绪时,其担忧、厌恶、无助的情绪会放大对风险的感知,进而回避风险。(二)研究假设1.基于不信任的假设智能推荐背景下,信任是指用户相信供应商提供的服务,即对推荐内容的准确性和推荐系统功能可靠性的肯定。McAllister(1995)认为,信任关系可从情感(affect)和认知(cognition)两个维度来进行度量9。Mayer等(1999)认为,信任由三个因素组成,即能力信任、仁爱信任和正直信任10。能力是一种技能在某一领域的影响力,在智
7、能推荐中表现为用户感知到的智能推荐准确性;仁爱是指除了自身利益之外的动机,智能推荐平台关注用户的利益;正直是指智能推荐平台所信奉的价值观与其行为方式一致,并且与用户认为积极的价值观一致。本研究借鉴学者的已有研究,从智能推荐的负面角度切入,将不信任分为能力不信任和诚实不信任。能力不信任是指用户对智能推荐的准确性、隐私保护功能、智能性的不信任;诚实不信任是指用户对智能推荐平台正义感的不信任。基于此,提出假设:H1:不信任对负面情绪有正向影响作用。H1a:能力不信任对负面情绪有正向影响。H1b:诚实不信任对负面情绪有正向影响。2.基于智能推荐的假设(1)隐私风险。随着大数据的发展,信息安全问题的重要
8、性日益凸显,隐私风险得到了越来越广泛的关注。智能推荐算法,主要是通过收集用户以往的浏览记录、页面停留时间及购买信息等数据,通过大数据算法,为用户做出符合其偏好的内容推荐。这一过程中,用户不可避免地被收集信息,无法得知这些信息将会被用往何处,由此产生隐私侵犯风险。王家玮等(2021)将隐私关注作为调节变量,认为隐私风险会对智能推荐的感知价值和采纳意愿产生负向的影响5。朱强等(2018)认为,隐私关注对网络精准广告的点击意愿有显著的负向影响,是网络精准广告失效的主要因素之一11。基于此,提出假设:H2:隐私风险对不信任有正向影响。H2a:隐私风险对能力不信任有正向影响。H2b:隐私风险对诚实不信任
9、有正向影响。(2)操纵意图。操纵意图可以视为对个体自由的威胁,当自由受到威胁或限制时,人们通常会产生一种试图恢复自由的抗拒心理12,这种抗拒的心理会对用户认知、态度和行为产生重要的影响。智能推荐未经过用户同意,收集用户数据并为之推荐内容,用户无法选择不接受此推荐,这在一定程度上干扰了用户的浏览选择自由。此外,当用户推断平台智能推荐的目的,如诱导用户持续使用进行商品广告推销诱导购买,从而感受到平台的操纵意图,用户会尽可能避免或抵制这种操控。当用户察觉到平台试图通过智能推荐算法来影响自己的选择时,用户感知到的这种操纵意图会对营销效果产生负面影响,甚至会降低对平台的信任及喜好程度13。基于此,提出假
10、设:H3:操纵意图对诚实不信任正向影响。(3)信息单一化。用户的个体差异决定了用户会关注自己喜好的内容,而智能推荐根据用户喜好推送信息,加剧了这种信息的单一化。Sunstein(2008)认为,人们只会关注和获取自己感兴趣的信息,而忽略其他信息14,从而将自己桎梏在“信息茧房”中,其本质是人们对信息进行选择的结果。智能推荐算法在满足用户的现实需求、实现信息精准对接的同时,造成了用户信息获取面临窄化风险,加剧了群体认知差异15。在智能推荐过程中,平台算法会根据用户以往的信息不断改进推荐内容,提高推荐精确度,长此以往,将会导致用户接收到的内容越来越狭隘。“信息茧房”作为智能推荐的特征之一,对用户的
11、不信任和负面情绪有一定的影响。基于此,提出假设:H4:信息单一化对能力不信任有正向影响。(4)个性化特征。智能推荐会根据用户以往的浏览数据,为用户推荐符合其偏好的内容,既能够满足用户的个性化需求,还可以提高用户好感度,增强用户黏性。Chen等(2012)认为,个性化能够提高广告效果,通过智能推荐为用户提供感兴趣的产品信息,会增加用户购买产品的欲望16。个性化推荐能够让用户产生专属定制感,从而促进用户的积极情绪反应。然而,过于准确的个性化推荐也会产生负面效应。范钧等(2020)认为,当智能推荐与用户的个性化需求契合度越高时,用户会认为平台对他们的偏好了如指掌,过于精确的个性化推荐会造成信息单一化
12、,从而带来负面影响17。基于此,提出假设:H5a:个性化特征越强,信息单一化越明显。H5b:个性化特征正向影响能力不信任。H5c:个性化特征正向影响诚实不信任。基于以上假设,构建上述所涉及理论概念的研究模型,如图1所示。432023年第2期/图 1研究模型(二)问卷收集问卷调查主要从线上平台展开,通过问卷星、微信、微博等平台调查,共收集问卷404份。在数据录入和整理时,对问卷的有效性进行检验,剔除不合格问卷后,剩余有效样本382份,有效率为94.5。有效样本中,男性占47.09,女性占52.91,性别比较均衡;年龄层面上,30岁以下的占比69.25,以青年人群为主;学历层面上,本科及以上占比6
13、9.33,专科及以上的占88.64,三、研究设计(一)问卷设计与变量测量根据量表设计原则,采用李克特五级量表,所有测量问题均在参考相关文献的基础上,结合研究对象特点进行了修改。问卷由两部分组成,第一部分是基本人口信息统计,包括性别、年龄、学历、互联网使用频率等;第二部分是对潜变量隐私风险、操纵意图、信息单一化、个性化特征、不信任和负面情绪的测量。以大数据时代智能推荐为背景,首先对用户负面情绪的影响因素进行调查分析,潜变量的各题项经过修正之后再进入正式的问卷的收集,最终潜变量的各题项,如表1所示:表 1潜变量测量指标以及来源智能推荐隐私风险操纵意图信息单一化个性化特征不信任能力不信任诚实不信任负
14、面情绪变量题项测量指标指标来源隐私风险PR1我认为个人隐私信息可能会被平台不恰当使用Laufer等(1977)18PR2我认为智能推荐可能会导致个人隐私泄漏PR3我认为智能推荐会存在潜在的隐私风险PR4由于平台的某些推荐行为,我觉得手机被监听了操纵意图MI1平台没有经过我的同意给我推荐信息,我不得不接受这些推荐信息MI2我认为智能推荐的内容是平台强制推送给我的,我无法选择MI3我认为平台智能推荐试图影响我的信息浏览选择与行为习惯MI4我认为智能推荐试图诱导我持续使用,容易使我上瘾信息单一化IN1平台向我推荐的信息种类相对较少,这使我错过了其他方面感兴趣的内容IN2我觉得平台给我推荐的内容只能满
15、足我某一方面的需求,不能满足我多样性的需求IN3平台给我推荐的信息多为相似内容,点开看浪费时间IN4长期看平台推荐的信息会使得我的选择越来越少个性化特征PC1我觉得平台推荐的内容符合我的个性化喜好PC2我觉得平台了解我对信息的需求和偏好PC3智能推荐平台能够为我量身定制推荐相关内容或服务PC4智能推荐让我觉得我是一个独特的客户能力不信任ADT1我认为智能推荐没有能力为我推荐符合我需求的内容或产品Liang等(2018)22ADT2我对智能推荐能够保护好我的隐私不被泄露持怀疑态度ADT3我认为智能推荐算法不够智能、安全、高效诚实不信任IDT1我认为智能推荐平台不能很好地遵守保护个人隐私的协议Su
16、h等(2003)23IDT2我认为智能推荐首要目的是盈利,而不是从用户角度出发考虑用户利益IDT3我认为智能推荐试图影响我的选择达到自己营销目的负面情绪NE1智能推荐对我的偏好了如指掌,使我为隐私感到担忧王艳萍等(2013)19NE2我担心智能推荐平台掌握了我太多信息NE3我担心我的个人信息可能会以无法预见的方式被使用智能推荐试图影响我的选择,让我感到反感平台不断给我推荐符合我喜好的内容,试图诱导我持续使用从而上瘾,让我感到反感厌恶NE7用户只能选择接受隐私协议或者不使用该软件,我觉得不公平王艳萍等(2013)19杜娟等(2019)20Lee(2005)21、杜娟等(2019)20NE4NE5
17、NE6经 营JINGYING442023年第2期/由表3可知,研究各变量测项数据的信度Cron-bachs Alpha系数均大于0.7,表明问卷具有较高信度。(三)收敛效度和区别效度1.收敛效度研究针对所有的潜变量进行验证性因子分析,模型的7个潜变量为隐私风险、操纵意图、信息单一化、个性化特征、能力不信任、诚实不信任及负面情绪。标准化因子负荷量大于0.6时显著,并且保留该测项;多元相关系数平方(SMC)大于0.5,组成信度(CR)大于0.7,以及平均变异数抽取方差(AVE)大于0.5时,表明具有收敛效度,如表4所示。且所试人群均接触互联网频繁。四、实证结果分析(一)因子分析利用SPSS26.0
18、软件对收集的数据进行KMO和巴特利特球形检验,结果显示,KMO值为0.939,巴特利特球形检验的显著性为0.000,表明适合进行因子分析。利用主成分分析法对公因子进行提取,利用最大方差法对提取的公因子进行正交旋转,得到旋转成分矩阵。其中,题项NE5、NE7、PC4、IN2的因子载荷小于0.6,故删去以上题项。将剩余题项再次进行因子分析,得到旋转成分矩阵,如表2所示:由表2可以看出,各题项的因子载荷均大于0.6,题项ADT3的因子载荷为0.592,认为可以接受;特征值大于或接近于1,累计方差贡献率达到74.259,效果较理想;组成信度CR均大于0.7,平均变异量AVE均大于0.5,其中,隐私风险
19、的平均变异量为0.498,认为可以接受,表明调查的问卷具有较高的效度。(二)信度检验信度指量表的可靠程度。信度指标主要是通过Cronbachs Alpha系数进行判断,当Cronbachs Alpha系数大于0.7时,说明数据具有较高信度,可以进行下一步分析。如表3所示:表 2旋转成分矩阵表变量题项因子载荷特征值累计方差()CRAVE负面情绪NE10.71310.80814.2660.8400.512NE20.747NE30.705NE40.723NE60.688隐私风险PR10.7261.71125.9530.7980.498PR20.710PR30.762PR40.618操纵意图MI10.
20、8601.50537.5310.8480.583MI20.723MI30.738MI40.725个性化特征PC10.8431.38947.7750.8530.659PC20.823PC30.767信息单一化IN10.7971.22756.9370.7950.564IN30.725IN40.729诚实不信任IDT10.8311.04765.6810.8100.593IDT20.848IDT30.607能力不信任ADT10.8590.87674.2590.7890.560ADT20.770ADT30.592表 3测量变量的信度分析变量PRMIINPCADTIDTNE项数4433335Cronbac
21、hs Alpha0.8890.8490.8090.8790.8290.8190.874452023年第2期/由表4可知,因子负荷量在0.6840.932之间,均大于0.6;题目信度最低为0.468,稍低于0.5的标准,但认为可以接受;组成信度均大于0.8,收敛效度均大于0.5,表明该模型的7个变量均具有收敛效度。2.区别效度通过比较AVE的开根号值与变量相关系数大小进行验证,区别效度如表5所示:由表5可知,对角线为平均方差抽取量(AVE)的平方根均大于该变量与其他变量之间的相关,说明不同维度之间可以有效区分,表明各变量之间具有较好的区分效度。(四)假设检验利用Amos27.0软件对研究假设模型
22、进行拟合,拟合结果如表6所示:表6中,拟合指标CMINDF3,相对拟合指数CFI0.9,增值适配度指数IFI0.9,拟合结果非常好;拟合优表 4验证性因子分析注:*表示 p0.001。表 5区别效度注:对角线粗体数字表示各变量 AVE 平方根值;左下三角区域内的数字表示各变量间相关系数。表 6拟合优度分析变量题项参数显著性估计因素负荷量题目信度组成信度收敛效度Unstd.S.E.t-valuePStd.SMCCRAVE隐私风险PR110.8270.6840.8950.683PR21.0890.05519.706*0.8440.712PR30.9880.04522.025*0.9320.869P
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 智能 推荐 用户 负面 情绪 影响 因素 研究 居晓媛
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。