摘要：短视频平台的智能算法推荐服务越来越多地影响着人们的日常生活和行为决策，然而，鲜有研究探讨关于推荐算法的负面体验及用户算法应对行为。本研究基于压力源-压力反应-结果（SSO）模型，探究短视频用户算法应对行为的影响因素和内在机理，采用偏最小二乘结构方程模型（PLS-SEM）进行实证研究。研究结果发现，算法功能感知、信息交互质量和感知算法威胁正向影响负面情感反应和算法心理抗拒，进而影响用户的算法操纵行为和算法抵抗行为，用户的负面情感反应和算法心理抗拒在其中同时起到并行和链式的中介作用，并且不同短视频平台类型的差异化作用不显著；ANN分析补充验证了研究结果的稳健性，并进一步揭示感知算法威胁和信息交互质量是引发用户压力反应的主要因素，算法心理抗拒在用户算法应对行为的形成中也发挥了至关重要的作用。研究结果为短视频智能推荐下的用户算法应对行为研究提供了新的理论视角，为短视频平台优化算法推荐服务及可持续发展提供实践参考和借鉴。
文章目录
0 引 言
1 文献综述
1.1 人工智能算法推荐下用户算法应对行为
1.1.1 人工智能算法推荐服务
1.1.2 算法应对行为的概念及划分
1.1.3 算法应对行为的相关研究
1.2 压力源-压力反应-结果模型
2 研究假设与理论模型
2.1 压力源和压力反应
2.2 压力反应和算法应对行为
3 研究设计
3.1 研究设计
3.2 数据收集
4 实证分析
4.1 信度和效度分析
4.2 共同方法偏差分析
4.3 假设检验结果
4.3.1 总效应检验
4.3.2 并行中介和链式中介效应检验
4.3.3 不同平台类型的多群组分析
4.4 稳健性检验
5 结果与讨论
