原文刊载于《全球传媒学刊》2026年第2期“智能传播”专栏

付缦：杭州师范大学文化创意与传媒学院讲师。

【摘  要】算法民间理论是普通人对平台系统及其算法机制的理解，充当着用户对待算法态度和行为的认知框架。作为一种实践知识，算法民间理论是用户算法意识的深化，形成于基于社会情景的人机交互体验中。这种用户自持的理论不是严格的技术知识，而是普通人面对技术未知的经验直觉，以及对算法进行意义解释的日常方式。本研究从意识、知识、态度和行为四个维度梳理了2015年以来的相关研究，归纳了其理论基础、研究问题和方法以及发展脉络。以上研究经历了从单一社交媒体向跨平台、人工智能算法，从消息推送到内容审核、数据监视、算法抵抗等多种议题推进的新兴态势；并回应了算法社会权力关系和人机能动性问题。探究算法民间理论对态度、行为的影响，以及用户与算法之间的协同、对抗关系是值得关注的方向。算法民间理论为分析我国多种算法平台和智能体发展的传播现象提供了一种基于用户视角的实证研究思路。

【关键词】民间理论；算法；算法知识；算法意识；人工智能

作为技术和物质性存在，算法被建构为一种普适理性，它影响社会秩序的形成，并体现潜在权力关系（Beer，2017）。从技术角度看，算法是将输入数据转换成期望输出的编码过程（Gillespie，2014），是由数据工程师、数学家和程序员创建的技术处方和逻辑指令（Gran et al.，2021）。对普通用户而言，这是一种“神秘技术”，“能观察它的输入和输出，却无法分辨前者是如何变成后者的” （Pasquale，2015）。算法逻辑和原理的技术门槛，及其分析、决策运行过程的不可见是造成黑箱效应的主要原因。“野生”算法往往非常复杂，汇集了大量变量和计算技术，商业机密保护条款允许算法服务商刻意将代码保密（Burrell，2016）。算法系统是人类和非人类行动者的集合，理解算法需了解它作为一个系统是如何工作的（Ananny & Crawford，2018）。

无论有意识还是无意识，人们都已被卷入算法构建的“计算权力结构”（Diakopoulos，2015）之中。资本逻辑通过技术的社会建构被镌刻到算法中，形成算法意识形态（Mager，2012）。算法筛选、排序和预测的政治性（Beer，2017）影响每一位普通用户。算法嵌入在更广泛的系统中，在特定上下文情境下展开工作，应采用各种方法加强算法实证研究（Kitchin，2017），强调“实践中算法”的意义（Christin，2017）。

算法本身作为一种文化（Seaver，2017）塑造人的日常实践，关注算法和用户在真实“日常”中的互动（Willson，2017），有助于推动算法研究。算法民间理论（Algorithmic Folk Theories）就提供了这样一种通过实践和想象来实证评估基于算法的机器行动者如何运行的研究方式（Siles et al.，2020）。关注普通人在特定社会情景中“对算法的特征，及其选择、策划和信息呈现能力的解释方式”（Eslami et al.，2016），既是算法素养研究向细致化、日常化阐释方向发展的体现，也是以用户实践打开算法黑箱的新尝试。

算法意识、算法知识和算法想象为算法民间理论研究奠定了基础。算法意识关注用户在线上活动时是否意识到算法在背后发挥作用（Hamilton et al.，2014），算法知识指用户对算法的运行方式和作用机制的理解（Hargittai et al.，2020）。意识和知识是算法素养的重要构成。算法想象关注用户在人机交互中的情动体验和社交想象（Bucher，2017）。算法民间理论研究在一定程度上承袭了素养研究对意识和知识的关注；同时类似于“想象”，算法民间理论着重强调人对算法的想法和感受，以及这如何导致特定的行为方式（Siles et al.，2020）.

一、算法民间理论：人类对技术未知的经验本能与直觉

民间理论是人们为解释和干预周围世界而构建的直觉因果解释理论（Gelman & Legare，2011）。不同于严谨的科学知识，民间理论是普通人对世界进行意义解释的日常方式，强调人面对技术未知时的经验本能和直觉。作为直觉理论，它构成、制约和引导人类认知发展，尽管可能存在认知偏差（Gelman & Legare，2011）。民间科学是一种非专业人士甚至孩童都具有的对世界现象原理的解释，常常是粗糙的、充满空白或前后矛盾的（Keil，2010）。这反映了一种对理论、假设和证据没有明确区分的天真认识论（Carey & Smith，1993）。同样地，关注非专业人士对算法感知的算法民间理论是普通人用来解释算法系统的产出、影响或结果的直觉的、非正式理论（DeVito et al.，2017）。它代表用户对整个网络社会系统及其制度的思考（French & Hancock，2017）。表1对算法民间理论相关的概念进行了辨析，以便理解其内涵。

民间理论概念根植于社会心理学和认知科学。人的行为基于他们对世界的解释，并在行为发生的过程中创造特定社会现实，赋予其意义。这种解释和意义赋予基于人们共享的认知结构（Orlikowski & Gash，1994），或称“框架”。对技术的认知框架不仅涉及技术知识，还与人们的假设和期待相关。算法是体验科技，通过使用更易被理解（Cotter & Reisdorf，2020）。算法民间理论就充当了这样一种用户面对算法技术的解释框架（Ytre-Arne & Moe，2020；Cruz，2024），指导人们对算法系统的反应和行为（DeVito et al.，2017）。它和民间科学都属于常人理论，即普通人对某一对象或问题的因果解释，并形成一种意义系统，影响人的情境归因、个人记忆等认知过程（Plaks et al.，2009）。

民俗的含义如其词根的组成，“一个群体或日常生活”和“文化或口头学习和表达”（Bronner，2016），随着语境和叙述者的变化不断被重塑。Savolainen（2022）用“算法民俗”概括用户对平台影子禁令的民间看法，并强调其与平台官方解释的差异与冲突。民俗研究范式关心讲故事及其言说的内容、形式和传递（Flinterud，2023），而民间理论更关注人对算法的认知框架和心理模式。算法民间理论是用户基于人机交互实践的知识生产，充满了不确定性和用户猜测（Ngo & Krämer，2022）。人们可能持两种以上互补甚至冲突的民间理论（Toff & Nielsen，2018），这些民间理论可能不严谨也不一定正确，却指导着人们的平台交往行为（Dogruel et al.，2022）。

二、打开黑箱的用户经验视角：算法民间理论实证研究

算法民间理论是用户基于平台使用经验及其他相关实践所形成的对算法的理解。以用户实践开启黑箱的方式强调关注普通人在人机交互中的体验、感受和直觉。研究者不对用户进行技术维度的知识水平评测，而是调研分析用户对于算法是否存在、如何运行、有何种影响等方面的看法，并归纳出其解释算法的理论。这里的理论是指用户自己对算法的理解，一种在行动中凭直觉表达的、可操作的实践知识（Cotter，2024），而非研究者对算法的技术解释。

调研和整理用户对算法的看法、基于内容分析再归纳总结是民间理论研究的基本思路。通常采用访谈（深度访谈、焦点小组、情景访谈）与问卷调研相结合的质性实证方法，以及质性实验法、数字人类学的观察法和工作坊任务活动等。具体使用到卡片分拣（通过排列卡片展示对算法逻辑的理解）、用户日志（被访者记录自己每日媒介使用情况和心得）、丰富图（用绘图视觉化呈现自己对算法的理解）、出声思考（让受访者将解决问题的思考过程大声说出来，使其内心活动外显化）等多种技巧方法（参见表2）。

2015年Eslami等人，Rader和Gray在国际计算学会（Association for Computing Machinery，ACM）的人机交互会议——计算系统中的人的因素（CHI Conference on Human Factors in Computing Systems）上各自发表了两篇用户对Facebook算法策展的看法和推断的论文。Eslami又在2016年的ACMCHI会议上发表了后续研究《起初，我点赞它，然后我隐藏它：社交动态信息的民间理论》。Eslami的两篇论文都采取了质性实验法，分为前测、实验中和后测三个阶段，研究者全程坐在受访者身旁观察与交谈。前测通过访谈了解用户是否具有算法意识，超一半受访者对Facebook隐藏部分消息这一事实毫不知情。实验中研究者为了解用户反映展示两种不同内容视窗：一个是Facebook的显示界面；另一个是自研开发的FeedVis，展示用户好友所有消息内容。通过对比，用户意识到算法策展的存在。后测阶段研究者让受试者拖动和更改好友列表和可见故事，使其符合自身意愿（Eslami et al.，2015）。Eslami等（2016）明确使用了民间理论的概念，归纳了十项用户对Facebook算法策展的理论，即个人参与理论、格式理论、控制面板理论、发帖量理论、上帝之眼理论、自恋者理论、原创内容理论、全球流行理论、新鲜血液理论以及随机理论。

早期研究如上所述，以社交媒体单一平台为主要对象，侧重对用户算法意识的揭示。DeVito等（2017）聚焦于用户对算法变化的觉察、感受、解释及抵抗，并提出抽象和操作性两类算法民间理论类型的划分。2017—2018年期间还有三篇重要文献推动跨平台研究，扩展了分析对象、研究问题和研究方法。French和Hancock（2017）对比用户对不同社交媒体平台（Facebook和Twitter）算法策展的理解。DeVito等（2018）以Facebook、Instagram、Twitter三个平台的用户为对象，归纳其基于自我呈现目标的算法民间理论。Toff和Nielsen（2018）通过对43名新闻回避者^①的半结构深度访谈，归纳了有关算法新闻分发服务的用户理论。

方法上，DeVito等（2017）对#RIPTwitter 主题标签下数量超十万条的推文进行内容分析。French和Hancock（2017）采用了两阶段大样本调研，并将隐喻法引入研究。一阶段调研（样本数N=3375）发现和收集用户对算法的比喻；二阶段调研以新样本（N=1597）为对象检验用户对一阶段算法隐喻的认同程度论。DeVito等（2018）将卡片分拣与深度访谈结合，受访者通过卡片摆放展示自己对算法推送如何进行受众选择的理解。卡片视觉展示有利于更好地理解访谈内容。

如表2所示，2020年后研究数量增多，涉及平台更广，研究问题更多样。涉及平台除了拥有海量用户的社交媒体和搜索引擎、门户网站，还关注各种细分垂类新媒体，包括性格评测平台Crystal（Liao & Tyson，2021），约会软件（Huang et al.，2022；Nader & Lee，2022；Alizadeh et al.，2024）、音乐软件Spotify（Siles et al.，2020；Ridley，2024），以及购物平台和视频网站如YouTube（Wu et al.，2019；Choi et al.，2023）等。近年来有关短视频平台TikTok的算法研究成为热门，相关成果集中涌现（Karizat et al.，2021；DeVito，2022；Williams et al.，2025；Lin，2025）。访谈对象群体的社会人口统计特征也更多样，有青少年对商业数据收集的理解（Holvoet et al.，2022）、青年对社交媒体伤害的看法（Young et al.，2023）、儿童对平台算法与隐私（Starks & Reich，2024）和对人工智能的理解（Cai，2024）、老年人群体对线上服务的期待转移（Sakariassen & Ytre-Arne，2025）以及对大语言模型的理解（Enam et al.，2025）等，其他研究对象还包括少数族裔（Williams et al.，2025）、天主教徒（Sierocki，2024）、新闻专业人员（Peterson-Salahuddin & Diakopoulos，2020）和心理疾病患者（Wang et al.，2023）等。

随着研究深入和发展，除了算法策展这一常见议题，研究逐渐聚焦各种算法中介下的传播问题，如数字激怒（Ytre-Arne & Moe，2020）、内容审核（Moran et al.，2022；Shen & Haimson，2025）、数据监视（Zhang et al.，2024）、算法抵抗（DeVito et al.，2017；Karizat et al.，2021；Zhao，2025；Lin，2025）、隐私悖论（Holvoet et al.，2022）、算法伤害（Young et al.，2023；Alizadeh et al.，2024；Shelby et al.，2024）、自我披露（Wang et al.，2023）、人机信任（Choi et al.，2023；Lpez et al.，2025）、身份与算法偏见（Karizat et al.，2021；Williams et al.，2025）、人工智能及AI机器人（Obreja，2024；Enam et al.，2025；Zhang & Zhang，2025；Bien-Aimé et al.，2025）、影子禁令与平台治理（Riedl et al.，2024；Delmonaco et al.，2024）、人机自主性和能动性（Peterson-Salahuddin & Diakopoulos，2020；Grill & Andalibi，2022）以及道德评价（Haapoja et al.，2024）等各类主题。民间理论为从用户实践切入的算法研究提供了丰富的实证成果和打开黑箱的新视角。

三、意识的深入：算法民间理论的形成

（一）基于算法素养维度的民间理论研究梳理

算法素养是用户对算法的认知、理解、想象和应对策略的综合体现（Swart，2021），包含认知、行为以及态度多个维度，其中，认知维度的意识是核心（Dogruel et al.，2022）。意识子维度关注人们多大程度上觉察和知晓算法存在（Hamilton et al.，2014）；知识子维度是对算法系统实际工作方式的深入理解（Hargittai et al.，2020；Cotter & Reisdorf，2020），如对其运行逻辑的解释和对结果的判断。除了意识和知识这两类认知子维度，行为维度的应对策略也是算法素养的重要构成（Dogruel et al.，2022）。态度维度是指人们对各种网络系统的感觉（Hargittai et al.，2020），涉及情绪、情感和评价。算法民间理论可理解为用户算法意识的深入，从觉察的算法意识到理解、阐释的算法知识层层递进，是对用户持有的算法知识的分析和归纳。以下将基于意识、知识、态度和行为四个维度对算法民间理论研究进行文献梳理与分析。

以algorithm（或algorithmic）和/或folk theory（或theories）为关键词进行数据库检索，剔除重复文献，获得71篇论文。阅读摘要初步排除非相关内容，如艺术的民俗研究，再阅读正文确认。为避免遗漏，再以folk theory（或theories）为关键词获得2018篇英文文献，经过标题和摘要审读，增补了未直接使用“算法”一词、但研究问题（如数据监视、AI等）属于算法范畴的论文。另以持续关注该议题的ACM会议作为检索来源，提取会议论文16篇。排除重复文献，整理出56篇符合条件的文献（截至2025年5月）。这些文献主要来自New Media & Society，Social Media & Society，Big Data & Society，Journal of Computer-mediated Communication等传播学、信息科学以及人机交互相关跨学科头部期刊。

算法民间理论近三年开始有国内学者关注，成果数量较少，主要视其为一种“知识”的归纳，态度和行为维度尚存研究空间。赖楚谣（2022）论述了算法民间理论作为“实践性知识”的生成和社会建构，王大丽（2022）认为算法民间理论开辟了受众研究新思路，黄小莉、周懿瑾（2023）视算法民间理论为算法想象的关联概念。两篇严格意义上的算法民间理论研究文献关注对聊天机器人算法机制的理解（匡文波、姜泽玮，2024）和对AI算法的情感隐喻（王冠群、赵鹿鸣，2023）。从研究问题上看，这与智能传播从“算法”转向“人工智能”的全球趋势（陈昌凤、袁雨晴，2025）一致。研究方法主要为深度访谈和内容分析。更多形式的实证研究方法设计有待拓展。本研究着力分析算法民间理论研究（英文文献）的成果与发展，为未来研究提供参考。

从图1基于算法素养框架的文献整理（按照论文首发时间排列）可看到，算法意识是大多数早期研究共同关注的问题；算法知识直观呈现人们对算法的理解，是体现用户所持理论的核心，几乎为所有文献的研究重点。2017年态度维度开始受到关注，DeVito等（2017）探讨了包括12种情绪和态度在内的用户反应和他们持有的算法民间理论之间的关系。Ytre-Arne和Moe（2020）提出数字激怒概念，聚焦用户对算法的不适、不满、愤怒、沮丧或懊恼等负面情绪反应。Siles等（2020）关注用户行为与其算法民间理论之间的关系，人们根据自持的理论启动屈服或抵抗等不同的行动策略。DeVito（2021）分析了不同算法民间理论复杂度水平的用户在面对算法变化时的适应、限制、离开和抵抗等应对行为。

（二）算法意识及知识水平

算法意识差异（Gran et al.，2021）、算法知识水平（Cotter & Reisdorf，2020）导致产生新的数字鸿沟。Gran等（2021）大样本调研显示对算法毫不知情的用户占到40.6%。用户的算法意识亦为民间理论关注的首要问题。不同于传统素养研究的自测法和标准化量表，算法民间理论研究不作意识水平的测评，而是在日常使用的真实情境中探究用户对算法的具体理解，以及这种理解在人机交互过程中如何形成，并进一步构成用户所持算法民间理论。早期对算法意识的关注，主要在于探究非特定人群（即一般用户）对算法策展的认知程度。Eslami（2016）实验的参与者不到一半对Facebook算法策展有意识；Rader和Gray（2015）问卷显示，有72%的受访者察觉到Facebook不是无差别呈现所有信息。

后续研究逐渐锚定特定细分人群（如不同年龄和职业身份等）对各类算法决策和运行机制的意识，如：Youtube儿童用户对使用登录隐私条款的错误意识（Starks & Reich，2024）；青少年对自己的在线行为被追踪监测的意识（Holvoet et al.，2022）；老年人将日常使用的手机软件理解为人工处理，对算法存在毫不知情（Sakariassen & Ytre-Arne，2023）；新闻记者对新闻写作辅助AI工具的运行机制和使用方法意识不足（DeHaan et al.，2022）等。除了意识的有无及其程度，研究还揭示了不同用户之间的算法意识水平的差异。即使在同样都不具备专业知识的儿童群体中，不同个体对算法和AI的意识水平也差距明显（Cai，2024）。从最基础的标签法到体现批判意识的AB测试，不同意识水平的TikTok用户“做”算法策略差异明显（Issar，2024）。

算法意识是用户构建起阐释算法的民间理论的前提。但具备一定的算法意识并不一定可以发展出自己的算法民间理论。算法常给人一种随机和不可预测的感觉（Register et al.，2023），人们表达了对算法游戏的陌生感（Eslami et al.，2016）。用户对算法新闻策展的理论假设非常零碎且不统一（Ngo & Krämer，2022）。新闻从业者虽意识到参与度影响新闻可见性，但对于参与度为什么以及如何被算法测量并不明了（Peterson-Salahuddin & Diakopoulos，2020）。在用户对网络交友的算法隐喻（Huang et al.，2022）、对社交媒体伤害的原因识别（Young et al.，2023）、非专业人士对影响数字新闻信任度因素的理解（Liu et al.，2023）等研究中，受访者的回应都鲜有与算法直接相关的内容。

（三）算法民间理论的形成及其影响因素

算法意识不是静态的，而是在不同时间点变化，用户的理论也一直处于生成和动态变化中。从时间性切入来关注作为过程的意识，Siles等（2024）通过对TikTok用户日志的分析归纳出算法意识形成的五个阶段：算法期待、训练、定制化、震荡和拒绝。DeVito（2021）认为用户自我修正和持续理论化的过程是一种形成算法素养的途径。对于接触过的已知平台，以新的方式揭示算法输出，有助于低意识水平的参与者发展出算法民间理论（Eslami et al.，2016）。面对未知算法，Liao和Tyson（2021）从数据来源和范围、收集过程和定制化结果四方面考察了用户对Crystal平台算法的推测，形成“快照民间理论”。

最初连基本意识都没有的用户通过平台使用和交互实践，可能逐渐形成自己的算法知识。算法民间理论的形成有赖于内生和外在两类信息源（DeVito et al.，2018），前者来自用户自己对平台的观察、采取行动和对结果的判断。如Williams等（2025）分析了黑人女性创作者基于亲身遭遇的平台审核，形成对算法规则和偏好的理解。外部信息源是指借助平台指南和他人提供的消息等外部资料理解算法，形成算法民间理论。集体行动（Xiao et al.，2025）帮助用户理解算法和发展算法民间理论，尤其是边缘群体，常常相互协作、共同试探和验证算法逻辑，形成算法民间理论并发展出应对策略（Delmonaco et al.，2024）。用户理解文生图AI算法存在两种算法理论形成过程，即一步步具体化的“确认加成法”和反复确认、评估和更正的“循环迭代演绎”（Di Lodovico et al.，2025）。

总结起来，影响算法民间理论形成的因素主要可分为线上网络使用实践，以及线下社会生活与文化两方面。文化是人们认知世界的工具箱（Swidler，1986），特定的文化环境与需求产生不同算法民间理论和差异化的交互行为（Siles et al.，2020）。用户将个人经历和预先就有的假设结合起来理解算法画像的内部运作（Büchi et al.，2023）。人们基于线下对社会互动过程的理解来看待网络约会算法（Huang et al.，2022），老年人把生活经验复制到线上活动中（Sakariasse & Ytre-Arne，2025）。

面对更为复杂的人工智能，人们更是带着个人政治、文化身份探索对算法的理解。用户将AI机器人比作类人属性社会实体，如服务专家、同伴（Xu et al.，2024）；带着政治态度评价生成式AI为“法西斯主义”“无政府主义”（Di Lodovico et al.，2025）。新闻受众创造和补充故事以解释AI辅助新闻写作中的算法角色（Bien-Aimé et al.，2025）。天主教徒对AI的理解充满有神论叙事，将算法社会化视作威胁，因为碎片化决策和分散的因果关系会破坏对神圣因果的感知，引发权力和权威问题（Sierocki，2024）。

四、从态度到行为：作为人机交互中介的算法民间理论

（一）算法民间理论影响用户的态度与行为

算法民间理论充当着人们对算法的态度、感知和行为反应的重要中介（DeVito et al.，2017；Toff & Nielsen，2018），可用于解释用户理性和行为意图 （Liao & Tyson，2021）。不同的算法民间理论体现用户对待算法的态度差异。相较于“理性助手”和“透明平台”反映出的肯定态度，“不受欢迎的观察者”和“企业黑箱”流露出对算法的负面评价（French & Hancock，2017）。新闻记者对AI看法不一，有的认为AI可进行大量数据分析，辅助完成苦活累活；而有的视之为新闻功能的威胁（deHaan et al.，2022）。对于内容生产者取悦算法的道德评价，存在正当的、应受谴责的和受迫于平台的三种不同理论（Haapoja et al.，2024）。对数据监视背后算法机制的解释决定用户态度积极与否（Zhang et al.，2024）。

通过影响态度，算法民间理论进一步造成用户应对算法的行为差异。同样面对算法推荐，用户表现出积极的风险趋避和消极的自我回避两种不同策略（Wang et al.，2023；Chen，2024）。为实现“顶热度”的可见性竞争目标，网民基于数据数量还是质量更重要两种不同看法来制定回帖和评论策略（Zhao，2025）。信任和不信任YouTube算法的创意工作者的创作流程和策略不同，前者从算法规则中寻求机会，后者无视或对抗算法，专注于内容和创意本身（Choi et al.，2023）。人力专家对AI招聘工具存在两种相反态度的算法民间理论：“互补盟友”和“挑战性对手”。前者肯定AI决策的效率；后者对其存疑，拒绝或改换算法筛选出的候选人（Cruz，2024）。市民对公共服务中的AI存在“功能性信任”“有限信任”等四种不同的态度（López et al.，2025）。将用户归类筛选和标签化是平台算法的基本逻辑之一，人们对算法身份识别和归类机制有自己的解释理论，这直接影响人机交互行为。Karizat等（2021）总结了一种身份过滤器理论，用户认为平台赋予偏好身份以算法特权和更多可见性。对此，他们采取共用热门账号，刻意增加内容互动等抵抗方式，以影响算法对身份价值的评估。

（二）消极态度的产生及其与算法民间理论的关系

用户在与算法交互中产生的不悦情绪和消极态度尤其受到研究关注。用户对数据监视会产生被冒犯的负面情绪（Zhang et al.，2024），曾遭受内容审核或影子禁令的人易对平台抱持负面态度（Delmonaco et al.，2024）。不同的态度在用户持有的特定算法民间理论中有所体现。持“还原论”和“剥削性”理论的人质疑平台权力结构；而认为算法是“实践性”的用户将可见性差异归因于自身行为（Ytre-Arne & Moe，2020）。

算法意识和算法知识影响用户对算法的态度。新手内容创作者在难以建立起应对策略时，常流露出孤独、沮丧和焦虑情绪（Choi et al.，2023）。人们对算法剖析表现出恐惧、愤怒、冷漠和疑惑等负面情绪（Büchi et al.，2023），面对生成式人工智能时，更是因为不熟悉算法输出而感到沮丧、不安（Di Lodovico et al.，2025）。情绪识别算法的不可知让用户感到无助（Grill & Andalibi，2022）。在算法素养较低的情况下，用户对算法存在性别偏见的感受更易被触发（Zhang & Zhang，2025）。用户弄不清楚算法决策机制时还可能质疑平台意识形态，产生被边缘化的不安和对算法的不信任（Riedl et al.，2024）。美国民众认为Twitter机器人支持政敌、加剧两极分化，反映出人们与这些计算实体进行权力抵抗的过程（Obreja，2024）。

对于如何避免负面态度产生，研究者认为提供更多上下文情景信息，提升算法透明度可减少不确定感（Register et al.，2023；Delmonaco et al.，2024），并提升个体能动性感知（Grill & Andalibi，2022），激励用户从消极态度转向积极应对（DeVito，2022）。提高人在AI工具使用中的控制力、责任分摊也有利于降低算法伤害（Shelby et al.，2024）。

（三）基于理论的高阶素养：应对算法黑箱的策略和行为

算法的应对策略与行为关注人们如何更加胜任使用算法（Dogruel，2022）。作为高阶算法素养的体现，用户必须具备敏锐的算法意识和一定的算法知识，才能在评估行为后果的基础上采取合适的应对方法。应对行为可分为消极和积极两大类。

消极应对行为主要包括听天由命、减少使用和离开平台三种。积极应对行为的类型更多，包括运用策略提升匹配度和可见性，以及采取行动规避不利影响如设置标签、特定关键词、主动评论和浏览（Siles，2020），或刻意忽略、避免检索和删除负面评论（Wang et al.，2023），以及探索平台规则和推流机制（DeVito et al.，2018）等。面对有害内容传播，年轻用户提到标记不良信息和平台申诉等措施；对于算法错配，交友软件用户通过创建新简历、放宽筛选条件、改变滑动策略以提升匹配率（Nader & Lee，2022）；用户甚至还发展出一系列背离平台算法规则的反向操作（Alizadeh et al.，2024）。

面对数据收集、隐私信息要求和内容审核等平台措施，用户积极采取策略以避免遭受不利影响。“社会隐写术”是对抗内容审核的常用策略。疫苗反对者在Instagram上采用词汇变形与编码语言避开审核（Moran et al.，2022）；TikTok市民记者使用暗语、更改标题躲过敏感内容审查，并通过含蓄的语言和表明信息源等方法避免虚假新闻的嫌疑（Peterson-Salahuddin，2024）。除了通过使用谐音等方式规避敏感词，抖音酷儿用户还与审核者直接沟通以避免违规（Shen & Haimson，2025）。青少年通过选择性填写信息、区分私人和公共账号等方法保护隐私（Holvoet et al.，2022）。儿童故意填报虚假生日隐瞒年龄，还会使用关闭地点显示和告诉手机不要偷听等方法避免隐私泄露（Starks & Reich，2024）。

用户对待算法的应对策略和行为受到态度和情感的影响，并基于其所持有的算法民间理论采取具体措施。Martens等（2022）认为行为是由个体知识模型构建的情感表现，研究表明，经历倾慕、冷漠和挫折感等不同情绪的用户表现出积极或消极地对待算法新闻的行为。即使同样是负面情绪，不同算法民间理论持有者的应对行为也不尽相同。都对算法变化不满，功能理论者^②选择离开或减少参与，结构理论者会调整自我呈现策略，如改变策略优先级、调整社交网络等（DeVito，2021）。不同心理依恋类型的用户对待算法的行为差异明显：焦虑型用户警惕地迎合算法，回避型用户无视算法，矛盾型用户则时常表现出愤怒情绪和过激言论（Register et al.，2023）。

五、结语

民间理论为探视算法黑箱提供了一种用户实践视角的研究范式，也为算法素养补充了一种更深入的日常描述方式。算法民间理论是普通用户在人机交互实践中形成的对算法的认识和理解，影响人的态度和行为。这种用户自持的理论不是科学意义上的技术知识，它更多是社会性而非认知性的，具有解释灵活性（Cotter，2024）和视情况调整的可塑性（DeVito et al.，2018；Di Lodovico et al.，2025）。作为一种实践知识，算法民间理论与主体的文化特征和交往行为相关，使用体验和外部信息是其形成理论的基础。

相关研究经历了从关注算法意识的有无和程度、知识的形成及其影响因素，再到关注态度和行动策略的递进式演进脉络。在归纳用户持有怎样的理论的基础上，推进到态度反应的呈现以及应对算法的行为，并尝试探讨民间理论与态度和行为的关系。理论充当着用户对待平台系统和算法机制的态度与情感的媒介，并指导人们具体的应对策略和行为。态度在人们解释算法的理论中有所体现，同时也作为理论和行为之间的中间因素发挥作用。应对策略是用户行为意向性的体现，即用户认为应该采取何种措施；实际发生的行为指用户切实做了什么和如何做的。从算法素养角度来看，用户如何在与算法交互中提升素养水平，在动态过程中调整理论并向高阶水平行为维度发展值得关注。更多日常使用场景、不同人口统计特征的群体以及更多态度维度细分情景下的算法研究有待实证分析的推进。

算法民间理论与用户对算法的态度和行为之间的关系值得进一步探究。态度可以有多种定义方式，如积极与否、信任程度或明确程度等。针对算法不同功能和具体问题的态度分析尚存在研究空间，如对算法决策专业性的态度、对算法体现的平台精神的态度、对算法工具效率的态度、对算法透明度的态度。态度和行为之间的区别和关系有待厘清，既有文献常将态度甚至意向性行为并归为用户感觉和反应笼统阐述。此外应注意，态度和行为积极与否并非一致的顺接关系。不满、难过、沮丧、愤怒等是消极情绪，可能伴随消极态度，但并不必然导致用户对算法的负面评价或消极行为的产生。经历不悦情感体验的用户可能积极行动规避算法伤害，或消极离开平台。

最新研究从关注社交平台算法转向人工智能AI交互新现象，如算法机器人、生成式AI等。同时回应了内容审核、数据监视、数字不平等、算法偏见等算法与社会的核心议题，以及人与AI作为行动者的关系等问题。算法民间理论研究（国际英文文献）从关注平台用户作为整体的“常人”对算法的理解，到聚焦于特定群体的交互实践与体验，尤其关注不同族裔、性别、年龄的人群和边缘群体在算法社会的权力关系。国内庞大的社交媒体平台用户群体，以及各类新兴软件、智能体应用为算法民间理论研究提供了丰富的分析对象。算法民间理论提供了一种可循路径，使我们能够从用户使用情境出发，分析算法权力结构下人与算法的能动性，及其协调与对抗的互动关系。算法交互中的人机情感、算法伤害和协同决策等问题及用户应对有待深入探究。

注释：

①新闻回避者对应新闻搜寻者，指那些不直接接触新闻媒介获取信息的网络用户。

②功能理论和结构理论是DeVito（2021）归纳的两种算法民间理论的类型。前者主要指用户的基础算法意识和因果力，后者侧重于机制和排序。从算法素养来看，结构理论者能力水平更高，他们能够分析算法和计算效应背后的原因，并尝试解释是什么因素影响了结果。

本文引文格式：付缦：《 从意识到行为：以用户实践打开黑箱的算法民间理论研究》，全球传媒学刊，2026年第2期，142-164页。