算法透明度如何影响用户信任？——基于新闻聚合平台的在线情境实验研究

【本科论文研究方案】
题目：算法透明度如何影响用户信任？——基于新闻聚合平台的在线情境实验研究
学科 / 专业：文学 / 新闻传播学
研究方向：算法透明度对用户信任的影响及算法素养的调节效应
适用层次：普通本科
研究类型：实证研究（实验法）
建议方法：在线情境实验，采用单因素三水平被试间设计，通过随机分配至不同透明度条件，再测量信任、算法素养等变量。
研究目标：探究新闻聚合平台算法透明度（标签披露与原理说明）对用户信任度的影响，并检验算法素养的调节作用及感知控制与感知公平的中介机制。

【核心研究问题】
- 算法透明度（无提示 vs. 标签提示 vs. 详细说明）是否显著提升用户对新闻推荐系统的信任？
- 用户的算法素养水平是否调节透明度对信任的影响？
- 感知控制与感知公平是否中介透明度对信任的影响？

【核心变量或分析维度】
- 自变量：算法透明度（操作为三个水平：无透明度提示、简单提示算法存在、展示算法运作原理）
- 因变量：用户信任（信任量表，含能力、善意、正直维度）
- 调节变量：算法素养（用户对算法理解与评价能力的量表）
- 中介变量：感知控制（用户认为能掌控算法推荐的程度）、感知公平（算法过程与结果公平感知）

【数据来源】
- 在线问卷平台（如问卷星、Credamo）招募被试
- 实验情境依据主流新闻聚合平台的界面设计进行改造
- 算法素养量表改编自已有成熟量表（如Algo-literacy Scale）

【备选方法】
- 问卷调查法（大样本横截面调查，验证透明度感知与信任的关系）
- 内容分析法（分析主流新闻聚合平台的实际透明度披露现状）
- 在线情境实验，采用单因素三水平被试间设计，通过随机分配至不同透明度条件，再测量信任、算法素养等变量。

【论文结构建议】
绪论：问题、范围与研究价值
传播语境、平台规则与相关研究
样本边界、内容编码与研究设计（实验与干预研究）
内容样本、平台数据与多源核验
传播特征、受众或机制分析
结论、内容治理建议与版权边界

【可提炼的创新点】
- 从用户心理层面实证检验算法透明度的效果，弥补了以往伦理讨论或技术层面的不足
- 引入算法素养作为调节变量，揭示个体差异在透明度效果中的作用
- 通过在线实验建立变量间的因果关系，提供可靠实证证据

【可行性建议】
- 实验材料（模拟新闻界面）制作简单，可借助在线设计工具
- 在线问卷平台能便捷招募异质性被试，满足统计需要
- 测量量表均有成熟来源，可保证信效度
- 数据分析方法为本科课程所覆盖，学生可独立完成

【开题风险提醒】
- 虚拟实验平台可能影响外部效度，需在讨论中说明局限
- 被试主要为在线样本，可能偏年轻化，需注意人口学代表性
- 研究涉及用户对算法的主观评价，不采集敏感个人信息，但需获得被试知情同意
- 研究成果形式应符合“学位论文、毕业设计、实验报告或创作说明”的培养要求，并以学校最新规定为准。
- 不得虚构数据、访谈、实验、项目过程、参考文献或伦理审批。

【开题前质量检查】
- 使用一种主要方法，把研究问题、样本或材料、分析步骤和结论逐项对应，形成适度且真实的研究增量。
- 区分法规标准、平台或组织自述、媒体报道和学术资料的证据等级。
- 涉及内容生产时核验版权、素材来源、平台规则和内容安全边界。
【培养层次要求】
成果形式：学位论文、毕业设计、实验报告或创作说明
创新要求：在具体对象、情境、资料或方法应用上形成清晰增量，不追求脱离能力边界的理论突破。
方法要求：选择一种主方法并说明样本、变量、材料或评价过程，保证问题、方法与证据一致。
证据要求：具有可追溯的数据、文本、实验、案例或作品评价材料。
文献目标：建议30—50篇相关文献，其中包含近五年研究和必要的经典文献。