算法推荐类新闻App用户间歇性中辍行为研究.pdf

2022年第22期NEWMEDIARESEARCH

算法推荐类新闻App用户间歇性中辍行为研究

朱睿

摘要采用“压力源—压力—结果”分析框架及双视角分析法，构建算法推荐类新闻App用户间歇性中辍行

为研究模型，通过问卷调查获取531份有效样本数据，利用SPSSAU、AMOS24.0软件验证假设和模型。研究发现，

新闻倦怠是造成用户间歇性中辍行为的重要原因，而信息同质化、信息过载、沉浸觉醒及隐私担忧正向影响新

闻倦怠的形成，其中沉浸觉醒是引起用户产生新闻倦怠的最主要原因。

关键词算法推荐类新闻App；间歇性中辍行为；新闻倦怠

中图分类号  G2     文献标识码 A     文章编号 2096-0360（2022）22-0046-06

DOI:10.16604/ki.issn2096-0360.2022.22.021

随着算法类新闻推荐App日渐发展和新闻推荐种创新后，在数周以上但少于半年内中止了使用，

功能不断完善，其应用效果也受到越来越多学者和但后来再次使用该项创新，甚至在反复循环中止后

业界人士的关注。然而，从实际情况来看，不少用再采纳的行为[1]。甘春梅在研究中发现，消极社会

户在其使用过程中逐渐丧失兴趣，产生了倦怠、间比较、过载感知和服务质量会引发用户负面情绪体

歇性中辍、转移等消极使用行为倾向。间歇性中辍验，而这些情绪体验又会影响用户的间歇性中辍行

是消极使用行为中非常重要的一类，即用户在使用为，从而导致用户在社交、行为和情绪三个层面的

某一技术产品时发生停滞不前或者中止使用行为。改变[2]。Crandell观察到Facebook用户会因为厌

间歇性中辍作为一种非积极使用行为，通常被认为倦或信息过载而停止使用Facebook，但经过一段时

与用户对新技术的态度有关。在算法类新闻推荐平间之后，这部分用户发现自己的生活早已经无法脱

台的使用中，用户间歇性中辍现象表现明显且不容离Facebook，于是又开始使用Facebook，他称这种

忽视。用户由于新闻推荐平台信息质量差、内容同现象为“Facebook假期”[3]。

质化、过度个人化和商业化，出现间歇性中辍使用1.2“压力源—压力—结果”模型

现象。间歇性中辍行为的出现对算法类新闻推荐“压力源—压力—结果”（S-S-O）模型由

App的可持续运营提出严峻的考验，从短期来看，Koeske首先提出，他根据个体面临刺激时所进行的

会导致用户失去兴趣或继续保持原有兴趣，从而降心理与行为两个层面的反馈调节，将压力加工过程

低其满意度；而从长远来看，会导致用户流失，造划分为三个步骤：发现压力源、面临压力刺激形成

成广告收入下降。因此采取有效措施防止用户间歇相应负担以及采取对应行为。由于其详细解释了个

性中辍行为的发生对保证算法类新闻推荐系统健康体从接触刺激到最后的行为表现，近来被应用在技

发展是十分必要的。本文以今日头条为研究对象，术压力、感知过载、社交媒体倦怠、社交媒体不连

采用“压力源—压力—结果”分析框架及双视角分续使用等变量相关关系的研究中[4]。算法类新闻推

析法构建研究模型，结合文献分析法及问卷调查法荐App情境下的间歇性中辍行为相关实证研究较少，

进行实证分析，并基于结论提出相应对策建议。缺少系统而全面地阐述其影响因素以及产生机制方

面的研究成果。因此，本文选择使用较为成熟的“压

1文献回顾与研究假设力源—负担—结果”分析框架进行本研究。