中国人民大学：2021年算法应用的用户感知调查与分析报告_37页_10mb

算法应用的用户感知调查与分析报告总结

核心内容

本次调研由对外经济贸易大学数字经济与法律创新研究中心、中国人民大学数字经济研究中心和蚂蚁集团研究院联合开展，旨在了解用户对算法应用的感知与评价，以及其改进诉求。调研通过问卷形式收集了6941份有效数据，涵盖了算法透明、安全、公平、向善等多个维度。

主要观点

算法透明

• 用户认知不足：超过半数受访者对企业是否使用算法不清楚，60%不了解其内容和目的。
• 个性化推荐需求高：超8成受访者希望有个性化推荐，但对过度精准推荐存在担忧，希望可以控制推荐依据的标签组合。
• 人工介入诉求强：76.48%的受访者希望在对算法结果有异议时有人工介入核查。

算法安全

• 普遍不信任：近8成受访者认为算法应用存在损害消费者权益的风险，其中20.28%认为风险很高。
• 隐私担忧明显：超过60%的受访者认为个性化推荐侵犯了个人隐私。
• 自我保护意识强：47.27%的受访者主动管理数据请求，45.3%关闭个性化推荐。
• 企业自律最受期待：60.12%的受访者认为应加强企业自律以治理算法风险。

算法公平

• 差别定价感知不普遍：仅26.38%的受访者表示经常经历差别定价。
• 用户维护自身权益积极：超过一半的受访者在察觉到差别定价后会选择“用脚投票”或进行举报。
• 差别定价依据不明确：用户对差别定价的认同与不认同比例接近，表明其依据条件不足以判断合理性。

算法向善

• 过度消费问题不突出：仅15%的受访者表示算法引导可能造成过度消费。
• 信息茧房与沉迷问题存在：43%的受访者认为推荐内容同质化，容易导致沉迷或信息茧房。
• 不良信息治理不足：多数受访者在使用过程中收到不良信息，且举报后效果不明显。
• 人性化设计待改善：超过三分之一的受访者认为所有行业在“适老化”和“未成年人模式”设计方面做得不够好。

关键信息

• 用户认知差异显著：年轻、高学历、高收入群体对算法认知更深入，对隐私风险更敏感，更倾向于采取主动防范措施。
• 行为与认知存在悖论：用户普遍对算法不信任，但又乐于接受个性化推荐，表现出对算法便利性的依赖。
• 信息不对称与羊群效应：多数用户不了解算法的具体内容和目的，对算法风险存在误解，容易受到舆论影响。
• 企业与用户期待不同：企业倾向于利用算法提升用户体验，而用户更关注隐私保护和公平性。

诉求与建议

1. 加强算法透明度：提高算法的可解释性，让用户清楚算法如何运作及依据。
2. 提升用户算法素养：通过教育和宣传，帮助用户更好地理解算法及其影响。
3. 强化企业自律：鼓励企业主动进行算法安全评估和规则透明化。
4. 完善用户反馈机制：建立有效的投诉举报渠道，提高用户参与度。
5. 加强内容治理：优化推荐算法，减少不良信息传播，提升“适老化”和“未成年人模式”的设计水平。

结构化总结

算法透明

• 认知不足：多数用户不了解算法内容和目的。
• 诉求强烈：用户希望提高算法透明度，有选择权。
• 人工介入需求：76.48%的受访者希望在有异议时有人工核查。

算法安全

• 不信任普遍存在：80%的受访者认为算法可能造成信息扭曲。
• 自我保护意识强：多数用户采取关闭推荐、管理数据等措施。
• 企业自律最受期待：60.12%的受访者支持企业加强自律治理。

算法公平

• 差别定价感知不普遍：仅26.38%的受访者经常经历差别定价。
• 用户维权意识强：多数用户会采取行动维护自身权益。
• 定价依据不明确：用户对差别定价的合理性判断存在较大分歧。

算法向善

• 过度消费问题不显著：仅15%的受访者表示存在过度消费风险。
• 信息茧房与沉迷问题存在：部分用户认为推荐内容单一，容易导致沉迷。
• 不良信息治理不足：多数用户收到不良信息，且举报效果不明显。
• 人性化设计待完善：超过三分之一的受访者认为“适老化”和“未成年人模式”设计不佳。

群体差异分析

• 年龄差异：年轻人对算法认知度高，更倾向于主动管理；年长者对算法认知浅显，防范意识弱。
• 学历差异：高学历群体对算法内容和隐私风险更敏感，更倾向于采取主动防范措施。
• 性别差异：男性更倾向需要详尽解释，女性更倾向简单解释，但整体差异不大。

总结

本次调研揭示了用户对算法应用的复杂态度和行为模式，反映出用户在享受算法带来的便利的同时，也存在对隐私、安全和公平的担忧。提升算法透明度、加强用户教育、推动企业自律和优化算法设计是改善用户感知的关键。未来应在《个人信息保护法》《互联网信息服务算法推荐管理规定》等基础上，推动算法治理的规范化和透明化，实现算法向善。