这篇文档属于类型a，即报告了一项原创性研究。以下是针对该研究的学术报告：
作者及机构
Sarah Jerasa（美国克莱姆森大学教育与人类发展系）与Sarah K. Burriss（美国范德堡大学计算机科学系）合作完成的研究，发表于期刊 English Teaching: Practice & Critique 2024年第23卷第1期（118-134页）。
研究领域与动机
本研究属于数字素养（digital literacies）与批判性后人类主义（critical posthumanism）的交叉领域，聚焦社交媒体平台TikTok中用户与AI算法的互动关系。研究背景基于两大趋势：
1. AI在读写实践中的渗透：从语法检查工具（如Grammarly）到生成式AI（如ChatGPT），AI已深度介入人类写作过程，但算法如何影响创作决策尚不明确。
2. TikTok的算法特殊性：其推荐算法通过用户行为数据动态调整内容分发，形成独特的“算法想象（algorithmic imaginaries）”，但创作者如何主动适应或对抗算法仍待探索。
研究目标
探讨#BookTok（TikTok读书社区）的内容创作者如何通过为算法写作（writing for）、与算法协作写作（writing with）和对抗算法写作（writing against）三种策略，将AI算法视为“受众”“合著者”或“审查者”，并分析这种互动对多模态写作实践的影响。
1. 数据收集
- 研究对象：5名活跃的#BookTok创作者，通过数字民族志（digital ethnography）方法从42名受访者中筛选，覆盖不同种族、性别和性取向（如拉丁裔、伊朗裔、LGBTQ+群体）。
- 方法：
- 半结构化访谈：60分钟/人，包含视频启发（video elicitation），即受访者回顾并分析自己发布的视频。
- 筛选标准：创作者需展示对算法影响的明确认知，且内容涉及阅读动机变化。
2. 数据分析
- 理论框架：基于批判性后人类主义素养（critical posthumanist literacy），强调人类与机器的共同写作（joint accomplishment）。
- 编码方法：
- 开放式编码：识别创作者对算法的描述（如“算法偏好”“审查机制”）。
- 轴向编码：归纳为三大主题——为算法写作、与算法协作写作、对抗算法写作（见表2）。
- 工具：人工转录与NVivo辅助分析，确保编码一致性。
1. 为算法写作（Writing for the Algorithm）
- 策略：创作者通过研究“TikTok传言”（如最佳发布时间、热门音频）优化内容分发。例如，Ashley选择周四下午4点发布以迎合算法流量高峰。
- 数据支持：Belinda提到“即使视频静音，添加趋势音频也能提升曝光”，反映算法对多模态元素（如声音）的偏好。
- 逻辑衔接：此类策略显示算法被视作“首要受众”，其反馈（如浏览量）直接影响后续创作。
2. 与算法协作写作（Writing with the Algorithm）
- 策略：创作者利用算法工具（如趋势标签、推荐音频）精准触达#BookTok细分社群。例如，Deborah优先使用#BookTok社区热门音频而非全网流行音乐。
- 数据支持：Ahmar观察到“书架背景”是头部创作者的共性特征，主动模仿以融入社群。
- 逻辑衔接：算法成为“合著者”，帮助创作者定位理想读者，但需牺牲部分自主性。
3. 对抗算法写作（Writing against the Algorithm）
- 策略：边缘群体（如LGBTQ+创作者Karter）通过词汇替换（如用“queer”替代“gay”）规避审查。伊朗裔Ahmar因非英语母语被限流，转而使用AI配音。
- 数据支持：Karter指出“提及‘毒品’的书籍警告视频会被屏蔽”，揭示算法的内容偏见。
- 逻辑衔接：此类抵抗凸显算法作为“审查者”的社会不公，迫使创作者自我审查。
理论贡献
1. 扩展写作定义：提出“后人类写作”（posthuman writing）模型，强调人类与算法的共生关系。
2. 批判性视角：揭示算法背后的资本逻辑（如流量变现）如何塑造“公正表象”，实则强化白人异性恋霸权。
应用价值
- 教育领域：建议将“批判性AI素养”（critical AI literacy）纳入教学，帮助学生识别算法偏见。
- 平台设计：呼吁TikTok提高算法透明度，减少对边缘群体的系统性排斥。
（全文约2000字）