关于人类与人工智能机构性互动的研究报告：以TikTok为例对用户参与度的影响

本研究报告旨在向学界同仁介绍一项关于人工智能（AI）与人类机构性（Agency）在社交媒体平台上互动关系的原创性实证研究。该研究由新加坡南洋理工大学Wee Kim Wee传播与信息学院的Hyunjin Kang（通讯作者）和Chen Lou共同完成，研究成果以题为《ai agency vs. human agency: understanding human–ai interactions on tiktok and their implications for user engagement》的论文形式，发表于《Journal of Computer-Mediated Communication》2022年第27卷第5期。以下将对该研究的背景、方法、发现、结论及价值进行详细阐述。

一、 研究背景与目的

本研究植根于计算机媒介传播（CMC）与人类-计算机交互（HCI）交叉领域，并紧密关联人工智能社会学与媒介效果研究。随着人工智能技术深度融入社交媒体平台的核心功能（如内容推荐、创作辅助、网络构建），传统的以“用户主动性”为核心的社会媒体体验模型正面临深刻变革。AI驱动的算法不仅被动响应用户指令，更展现出一种“机器机构性”（machine agency），能够主动学习、决策并影响用户的信息环境，从而在人类用户与机器系统之间形成了复杂的机构性互动关系。

然而，现有关于AI赋能的社交媒体的实证研究，大多聚焦于用户对算法生成信息的信任度、隐私担忧等作为结果变量的感知与体验，缺乏对人类机构性（human agency）与机器机构性如何在互动过程中相互协商、协作，并最终塑造用户体验这一中间过程的理论化理解。研究空白在于：当用户与具备机构性的AI系统共同进行内容消费、创作和社交时，两者的权力关系是此消彼长的“机构性权衡”（agency trade-off），还是相辅相成的“机构性协同增效”（agency augmentation）？这种动态关系又如何具体影响用户在平台上的整体参与度（user engagement）？

为此，本研究以全球流行的短视频社交平台TikTok为具体情境，旨在通过深入的定性探索，回答两个核心研究问题：RQ1：在TikTok上进行内容消费、内容创作和在线社交时，用户与AI如何通过机构性协商和/或相互增进来实现协作？ RQ2：TikTok上AI机构性与人类机构性之间的动态关系如何塑造用户参与度，具体包括（a）对平台的参与度和（b）社交互动参与度？

二、 研究设计与执行流程

本研究采用了深度访谈的定性研究方法，旨在获取用户与TikTok AI互动的丰富、细致的描述性数据，从而深入理解其背后的心理过程和行为逻辑。整个研究流程严谨，遵循了定性研究的标准化步骤。

第一步：参与者招募与样本确定。 研究团队在新加坡招募了25名活跃的TikTok用户作为访谈对象。招募标准旨在覆盖TikTok的主要用户群体：年龄介于21至26岁之间（平均年龄22.64岁）。参与者通过研究人员的个人网络和滚雪球抽样方式招募。样本包括15名女性和10名男性，族裔以华裔为主（60%），其余为马来裔和印度裔。其中，14人为主要以浏览为主的用户，11人为同时进行浏览和内容创作的“创作者型”用户。此样本规模依据理论饱和原则确定，即当新增访谈无法再提供关于核心解释性问题（即“如何”与“为何”）的新见解时，即停止招募。

第二步：数据收集——深度访谈执行。 两名经过培训的研究助理通过Zoom平台独立进行了一对一的半结构式访谈。每次访谈时长约40至60分钟，并使用英文进行（符合新加坡本地情况）。访谈过程全程录音以备转录。访谈提纲围绕研究问题设计，主要涵盖三大板块：1）了解受访者使用TikTok及其他社交媒体的基本模式和动机；2）深入探究他们在内容浏览、内容创建、社交互动等核心活动中如何感知并应对TikTok的算法（例如，“你在浏览TikTok时是否会刻意想到算法？”“你如何尝试影响‘为你推荐’页面的内容？”）；3）探讨这些互动体验如何影响他们的使用频率、沉浸感以及与他人的连接感。

第三步：数据处理与分析——系统化的编码与主题提炼。 所有访谈录音被逐字转录成文本后，研究团队遵循Tracy（2013）的三步协议进行数据分析，并采用了扎根理论中的持续比较法。 1. 开放编码：两位编码员独立阅读所有转录文本，逐行进行初始编码，生成诸如“浏览习惯”、“沉迷性使用”、“尝试训练算法”、“隐私担忧”等初始代码。 2. 轴心/层级编码：两位具备理论知识的研究人员对初始代码进行讨论、合并与归类，将它们整合到更抽象的第二级主题中。这一过程受到有关可供性、用户/机器机构性及用户参与度文献的指导。形成的二级主题包括“使用模式”、“用户机构性的行使”、“机器机构性的接受”、“机构性紧张”、“人机协同效应”、“平台参与度”、“社交互动参与度”等。 3. 理论化与整合：研究人员进一步讨论二级主题，并依据Sundar（2020）提出的人类-人工智能交互（HAII）理论框架（特别是其中的“行动路径”与机构性配置类型），将这些主题理论化，以系统性地回答两个研究问题。他们合并重叠主题，剔除罕见提及的主题，最终构建出一个能够解释TikTok上人机机构性互动及其对用户参与度影响的概念模型。

三、 主要研究发现与结果阐述

通过对访谈资料的细致分析，研究揭示了TikTok用户与AI算法之间复杂而动态的协作关系，以及这种关系对用户参与度的深刻影响。

（一） RQ1的发现：人机机构性的协作模式——从接受到协同 研究发现，用户与AI的协作并非单一的支配或服从关系，而是一种融合了机构性接受、有限行使与相互增强的混合模式。

1. 内容消费：对AI算法策展的高度依赖与“驯化”尝试。 几乎所有受访者都表示，他们主要依赖基于AI算法的“为你推荐”（For You Page, FYP）页面进行内容浏览。用户普遍接受并乐于被机器机构性引导，原因在于FYP提供了高度个性化、便捷且充满惊喜的体验。用户将其描述为“私密的小空间”、“直观省力”，并能快速学习其兴趣。这体现了用户为了获得个性化便利，愿意在内容选择上让渡部分控制权给算法。

然而，这种接受并非毫无保留。研究发现了显著的机构性紧张和用户反向塑造算法的努力。用户对数据隐私存在担忧，但更关键的是对自主性丧失的警惕。他们担心算法不仅呈现喜好，也可能屏蔽信息，从而影响其世界观。为了重获控制感，用户积极构建“算法想象”（algorithmic imaginary），并通过具体行为“训练”算法：例如快速划过不感兴趣的视频以发送负面信号，刻意关注特定创作者以引导内容方向，甚至有人通过创建多个账号来“重置”和培养一个符合心意的FYP。这展现了用户机构性对机器机构性的反向塑造，是协同效应的开端。

2. 内容创作与社交：用户机构性的有限行使与AI的赋能。 与内容消费中的主动性不同，用户在创作和直接社交互动中行使的机构性相对有限。许多受访者表示很少点赞或评论，因为FYP推荐的内容多来自陌生人，缺乏社交义务感。点赞功能常被用作“书签”而非情感表达。更值得注意的是，尽管TikTok提供了强大的AI视频编辑工具（如自动同步、丰富滤镜），但过多的定制化选项反而为部分用户设置了心理和技能门槛，被视为“创作障碍”，抑制了他们的创作意愿。

与此同时，AI却在另一方面增强和赋能了用户机构性。AI编辑工具（如自动同步音乐、面部识别滤镜）极大降低了视频创作的技术难度和精力消耗，使普通用户也能轻松生产内容。更重要的是，在社交网络构建上，AI算法扮演了关键的中介角色。用户通过FYP发现兴趣相投的创作者并关注，从而形成基于共同兴趣而非现实社会关系的“利基社群”。AI在此主动促成了用户的连接行为，减少了用户主动搜寻同好的努力，实现了机器机构性对用户社交机构性的增强。

小结： 人机协作并非简单的零和博弈。在内容消费端，用户接受AI引导，同时积极“驯化”算法，形成双向影响；在创作与社交端，用户主动行为有限，但AI通过降低行使机构性的成本，赋能用户进行创作和构建兴趣网络。这共同构成了人机协同效应——双方机构性相互增强，共同塑造了TikTok的独特体验。

（二） RQ2的发现：人机互动对用户参与度的塑造 研究从平台参与度和社交互动参与度两个维度，探讨了上述人机协作模式的影响。

1. 对平台的参与度：高度沉浸与跨平台分享。 由AI驱动的、个性化且不可完全预测的FYP，显著提升了用户的行为参与和认知参与。用户描述TikTok具有“令人上瘾”、“时间不知不觉流逝”的特性。这种沉浸感源于算法的“胡萝卜诱饵”效应——用户无法预知下一个视频，但确信它会符合兴趣，从而产生持续的期待和愉悦的惊喜感。这导致用户使用频率更高、单次使用时间更长。此外，由于算法推荐内容具有个体独特性，用户常将在TikTok上发现的有趣视频通过WhatsApp、Telegram等外部平台分享给朋友，促进了内容的外向传播，这也是平台参与度的一种延伸。

2. 社交互动参与度：利基社群归属感与行为参与的复杂性。 AI对社交互动参与度的影响呈现出看似矛盾实则深刻的图景。一方面，在行为层面，如前所述，用户较少进行点赞、评论等直接的平台内社交互动。另一方面，在认知和情感层面，AI却极大地培养了用户的社群归属感和社会连接感。算法能够精准地将用户与散布在全球、分享相同小众兴趣（如LGBTQ+、特定粉丝文化、手工等）的创作者连接起来，形成“志同道合”的利基社群。用户感到在TikTok上可以“做自己”，分享真实兴趣，并能找到理解和接纳的社区。同时，算法快速捕捉和传播趋势的能力，使TikTok成为青年文化的“潮流引领者”，用户通过讨论共同看到的流行内容，在现实社交中加强了联系。

小结： AI机构性塑造了一种独特的参与度模式：它通过创造高度沉浸的个性化内容流提升平台参与，并通过构建基于兴趣的、动态的社群网络来增强用户的社交归属感和连接感，尽管这种连接感不一定直接体现为平台内的互动行为指标（如点赞、评论）。这挑战了仅以可见互动行为来衡量社交媒体参与度的传统做法。

四、 研究结论与价值

本研究通过深度访谈，系统揭示了在TikTok这一AI赋能的社交媒体平台上，人类机构性与机器机构性之间复杂的协作动态及其对用户参与度的多层次影响。研究结论可概括为以下几点：

1. 人机协作的混合模式：用户并非被动接受算法支配，也非完全掌控平台。相反，存在一种动态的协商与协同：用户在内容消费上接受算法引导并尝试反向训练它；在创作与社交上，AI通过降低用户行使机构性的成本来赋能用户。这验证并丰富了Sundar（2020）HAII-TIME框架中关于机构性权衡与协同增效的论述。
2. 代理机构性（Proxy Agency）的体现：用户通过影响和“训练”拥有强大资源和能力的算法（AI），来间接实现自己的目标（获得更精准的个性化内容），这体现了Bandura提出的“代理机构性”概念。
3. 对用户参与度概念的重构：研究发现，AI驱动的社交媒体体验催生了一种新型的用户参与度。它强调基于算法中介的、以兴趣为中心的社群归属感，以及由不可预测的个性化推荐带来的认知沉浸和行为习惯。这要求未来研究超越简单的行为计数（如点赞数），采用更多维度的视角来测量和理解用户参与度。
4. 平台体验的二元性：AI在提供高度便利、个性化和归属感的同时，也伴随着用户对自主性丧失、隐私泄露以及可能被算法操控的持续焦虑和警惕。这种矛盾心理是人机关系中的常态。

本研究的科学价值在于：它超越了将AI视为单纯工具或威胁的二元视角，提供了一个基于“机构性互动”的理论透镜，来理解AI如何与用户共同建构社交媒体体验。研究提出的概念模型（参见原文图1）为后续量化研究、跨平台比较研究奠定了基础。其实践价值则在于：为社交媒体平台设计者提供了平衡算法智能与用户控制的启示；提醒内容创作者可以利用算法逻辑来扩大影响力；警示政策制定者需关注算法在塑造文化趋势和潜在信息管控中的巨大权力，并思考如何通过提升算法透明度和用户可控性来促进更健康的人机关系。

五、 研究亮点

1. 理论视角新颖：将“机构性”作为核心分析概念，深入探讨人机之间的权力互动与协作，填补了AI社交媒体研究中对互动过程机制理论化不足的空白。
2. 研究方法适配：采用深度访谈的定性方法，成功地捕捉了用户与AI互动中微妙、复杂且动态的心理过程和行为策略，这是定量方法难以触及的。
3. 研究发现深刻且具启发性：提出的“用户驯化算法”、“AI赋能用户有限机构性”、“基于算法的利基社群归属感”以及“参与度行为与情感维度分离”等发现，极具洞察力，挑战了传统观念。
4. 研究情境具有典型性：选择以算法为核心驱动力的TikTok作为研究场域，使其发现对其他AI赋能的娱乐或社交平台（如Spotify, Netflix）也具有重要的借鉴意义。

这项研究为我们理解人工智能时代社交媒体上正在发生的人类行为与机器逻辑的深度融合，提供了宝贵而深刻的理论与实证洞见。