学术研究报告：TikTok平台中人类与AI代理的互动机制及其对用户参与度的影响

一、作者与发表信息
本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）与Chen Lou合作完成，发表于Journal of Computer-Mediated Communication 2022年第27卷第5期，标题为《AI Agency vs. Human Agency: Understanding Human–AI Interactions on TikTok and Their Implications for User Engagement》。

二、学术背景与研究目标
科学领域：本研究属于人机交互（Human-Computer Interaction, HCI）与社交媒体研究的交叉领域，聚焦人工智能（AI）代理（machine agency）与人类代理（human agency）的协同机制。
研究动机：随着AI技术深度渗透社交媒体（如TikTok的推荐算法），用户与算法的互动模式显著影响平台体验。然而，现有研究多关注算法结果（如用户信任或隐私问题），缺乏对“人类-AI代理动态关系”的理论探讨。本研究旨在填补这一空白，揭示TikTok用户如何与AI协作，以及这种协作如何塑造用户参与度（user engagement）。
理论基础：
1. 代理理论：Sundar (2020)提出的“人类-AI交互理论框架”（HAII-TIME）区分了两种互动路径——基于线索的启发式处理（cue route）与基于行动的深度处理（action route），本研究聚焦后者。
2. 算法想象（algorithmic imaginary）：Bucher (2017)提出用户会通过日常交互推测算法逻辑，本研究验证了这一现象在TikTok中的表现。

三、研究流程与方法
研究设计：采用定性研究方法，通过深度访谈探索用户与AI的协作模式。
1. 参与者招募：
- 样本量：25名活跃TikTok用户（年龄21-26岁，15名女性，10名男性），覆盖浏览者（14人）和内容创作者（11人）。
- 抽样方法：通过研究者人际网络与滚雪球抽样（snowball sampling）招募，受访者获15美元报酬。
2. 数据收集：
- 访谈方式：通过Zoom进行40-60分钟的半结构化访谈，问题涵盖内容消费、创作、社交互动三方面（附录B示例）。
- 终止标准：达到理论饱和（theoretical saturation），即无新主题涌现。
3. 数据分析：
- 开放式编码：两名研究员独立逐行编码，生成初始标签（如“浏览习惯”“成瘾性使用”）。
- 轴向编码：基于代理理论、媒介效果文献，将初始标签归类为二级主题（如“用户代理”“机器代理”）。
- 理论化：通过讨论合并重叠主题，排除低频主题，最终形成解释性框架。

四、主要研究结果
1. 内容消费：算法主导与用户驯化
- 依赖算法推荐：所有受访者主要浏览“For You Page (FYP)”，认为其个性化推荐高效且省力（如用户Linda称TikTok为“私人空间”）。
- 算法驯化行为：用户通过主动行为（如快速滑动不感兴趣内容）训练算法。例如，Joyce创建三个账号以优化FYP推荐，体现“算法想象”。
- 代理矛盾：用户虽享受个性化，但担忧算法对隐私（如数据收集透明度）和意识形态（如政治观点过滤）的控制。

1. 内容创作：AI赋能与心理障碍

   • AI工具降低创作门槛：如自动同步（auto-sync）功能简化视频剪辑（Lisa称20分钟可完成创作）。
     
   • 定制化障碍：复杂编辑功能（如转场特效）反而抑制创作意愿（Kyle提到朋友因操作复杂放弃创作）。
     

2. 社交互动：算法中介的弱连接社区

   • 弱互动行为：用户较少点赞或评论，因推荐内容多来自陌生人（David认为“关注是一种承诺”）。
     
   • 兴趣社群形成：算法推荐促成基于共同兴趣的弱连接网络（如LGBTQ+、K-pop社群），用户感知归属感但行为参与度低。
     

3. 用户参与度的双重影响

   • 平台沉浸：算法驱动的“惊喜效应”导致长时间使用（Sarah描述“忘记时间流逝”）。
     
   • 跨平台分享：用户通过WhatsApp等转发TikTok内容，反映算法个性化削弱了平台内社交互动。
     

五、结论与价值
1. 理论贡献：
- 提出“代理协同”模型，揭示人类与AI通过谈判（如算法驯化）和相互增强（如AI简化创作）动态协作。
- 扩展用户参与度维度，指出非点击行为（如浏览时长）同样是重要指标。
2. 实践意义：
- 平台设计：需平衡算法透明度与用户控制权（如提供个性化调整选项）。
- 内容创作者：可借助AI工具扩大传播，但需优化易用性。

六、研究亮点
1. 方法论创新：首次通过深度访谈揭示TikTok用户与算法的微观互动机制。
2. 理论突破：将“算法想象”实证化，并整合至HAII-TIME框架的行动路径。
3. 应用前瞻：为AI驱动的社交媒体设计提供“用户代理保护”原则。

七、其他价值
研究揭示了算法推荐可能加剧“信息茧房”，但用户通过跨平台分享部分抵消了这一效应，这对社交媒体治理具有政策启示。