关键词： 用户控制
在每个推荐的TikTok视频、每个显示的YouTube帖子或每个社交媒体推荐的内容背后，隐藏着一个自动选择系统。这些算法旨在个性化用户体验并促进他们的参与，如今已成为关于其影响及潜在成瘾效应的政治和科学辩论的核心。 根据每个用户选择的内容 算法可以定义为一组规则，允许计算机系统处理信息并做出某些决策。在社交媒体上，它主要用于确定可能引起每个用户兴趣的内容。 为了建立推荐，系统分析大量信号：查看的帖子、观看的视频、喜欢或评论的内容，以及与用户个人资料相关的一些信息。 其目标是预测什么可能引发新的互动。一段有趣的视频、与用户兴趣相关的主题，甚至可能引发负面反应的内容都可以被突出显示。 平台的战略技术 大型科技平台将其推荐系统视为其商业模式的核心要素。它们能够实时选择大量内容，并根据每个人的需求调整新闻推送。 这些系统的确切运作方式通常较难了解。企业对其内部机制的沟通较少，这也构成了竞争优势。 然而，这种不透明性引发了当局和研究人员对推荐是如何构建的及其后果的质疑。 为什么关闭应用程序如此困难？ 社交媒体的运作不仅仅依赖于内容的个性化。多个功能也被设计用来鼓励用户反复访问平台。 无尽的滚动，让用户可以无缝浏览帖子就是一个例子。通知、不可预测的奖励和不断更新的内容也有助于保持用户的注意力。 这一现象很常见：原本计划几分钟的连接可能会轻易延长得多。 奖励系统的作用 研究人员特别关注这些机制如何影响与预期和奖励相关的脑电路。 根据悉尼麦考瑞大学的认知神经科学名誉教授马克·威廉姆斯（Mark......
-
17:30
-
17:00
-
13:30
-
13:15
-
13:00
-
12:45
-
12:30
-
12:15
-
12:00
-
11:45
-
11:15
-
11:00
-
10:45
-
10:30
-
10:15
-
10:00
-
10:00
-
10:00
-
09:45
-
09:15
-
09:00
-
09:00
-
08:45
-
22:30
-
22:00
-
21:30
-
21:00
-
20:00
