算法透明性对消费者算法厌恶的缓解机制：解释性与控制感的双重路径 .docxVIP

PAGE2

算法透明性对消费者算法厌恶的缓解机制：解释性与控制感的双重路径

摘要

算法推荐系统在数字化消费场景中日益普及，但消费者对算法的抵触情绪（即“算法厌恶”）持续凸显，成为制约AI管理效能的关键障碍。本文聚焦算法透明性如何通过解释性与控制感双重路径缓解该问题，采用文献分析与逻辑推演方法构建理论框架。研究发现，算法厌恶源于认知不确定性与自主权剥夺的双重矛盾，而解释性通过降低信息不对称增强理解，控制感通过赋权机制提升用户能动性，二者协同作用可显著弱化抵触情绪。

第一章绪论阐明研究背景源于算法决策黑箱化与消费者信任危机，界定以电商平台为典型场景的研究边界。第二章文献综述揭示国外侧重心理机制研究而国内关注本土化应用的差异，指出现有理论对双重路径交互作用的忽视。第三章界定核心概念并整合信任理论与认知负荷理论，构建“输入-过程-输出”分析框架。第四章解析算法厌恶的历史生成、结构性矛盾及本质属性。第五章系统阐释解释性与控制感的作用逻辑、条件边界及演变规律。第六章提出“透明性双轨模型”，论证其对算法厌恶的动态调节机制。

本研究理论贡献在于突破单维度干预局限，实践价值体现为为平台设计提供可操作路径。全文遵循“问题识别-机制解析-理论建构”逻辑，核心在于揭示透明性并非简单信息披露，而是通过认知与情感双通道重构人机信任关系，为数字化管理提供新范式。

第一章绪论

1.1研究背景

数字化浪潮