要点总结 #
研究背景和问题：随着人工智能技术的快速发展，算法逐渐渗透到社会的各个领域，成为推动企业数字化转型和国家治理现代化的重要力量。然而，企业在利用算法推进数字化转型的过程中，面临着用户对算法的拒绝和回避，即算法厌恶现象。算法厌恶不仅影响了企业的数字化转型，还对社会稳定和国家安全产生了潜在威胁。因此，理解算法厌恶的成因和边界，对于有效应对算法管理挑战、推动人工智能健康发展和数字社会建设具有重要意义。
方法论和贡献：本文采用系统文献综述法，对2015年至2023年间发表的与算法厌恶相关的核心文献进行了系统梳理和总结。首先，本文界定了算法厌恶的定义，明确了算法、人工智能和机器人之间的关系。其次，本文从算法视角和人类视角双维度提炼出算法厌恶的六种成因机制，并从个体、情境和算法三个维度阐述了算法厌恶的十二种理论边界。最后，本文提出了六大未来研究方向，为深化算法厌恶理论和实践研究提供了理论指南。本文的研究不仅拓展了算法厌恶理论体系的认知边界，还为促进中国企业有效应对算法管理挑战、推动中国人工智能健康发展和数字社会建设提供了重要启示。
关键要点 #
论文重要性 #
这项研究对于理解和管理算法厌恶现象具有重要意义。随着人工智能技术的广泛应用，算法厌恶现象逐渐成为企业和社会面临的重大挑战。本文通过系统梳理算法厌恶的成因和边界，为企业提供了应对算法管理挑战的理论框架和实践指导。同时，本文提出的六大未来研究方向，为学术界进一步深化算法厌恶研究提供了新的思路。研究不仅有助于推动人工智能技术的健康发展，还为数字社会的建设提供了理论支持。未来研究可以在此基础上，进一步探索算法厌恶的量化模型、算法角色的理论框架以及中国背景下的算法厌恶理论体系，为全球范围内的算法管理实践提供更多借鉴。
深度解读 #
算法厌恶定义 #
本文提出了人工智能时代算法厌恶的明确定义，即人类对嵌入式算法以及算法赋能的虚拟和实体机器人提供的建议和服务展示出的负面情绪、消极态度和回避倾向。这一定义突破了传统算法厌恶的局限，涵盖了更广泛的人工智能表现形式，如虚拟机器人和实体机器人。传统算法厌恶主要关注嵌入式算法，而人工智能时代的算法厌恶则扩展到了更多样化的算法表现形式。这一扩展不仅丰富了算法厌恶的研究范畴，还为未来的研究提供了更全面的理论框架。此外，本文还强调了算法厌恶的主观性，指出它不仅与客观的算法风险有关，还受到个体对算法的主观心理感知的影响。这种双重视角为理解算法厌恶的复杂性提供了新的思路。
算法厌恶成因 #
本文从算法视角和人类视角两个维度提炼出算法厌恶的六大成因机制。算法视角包括朴素信念、算法错误和隐私担忧，而人类视角则包括过度自信、错误归因和自我效能感。朴素信念是指人们基于自身经验或社会环境对算法形成的刻板印象，如认为算法是刻板、无法学习的。算法错误则指出，即使算法在大多数情况下表现优异，一旦出现错误，人们会对其失去信任。隐私担忧则源于算法对用户隐私的持续收集和使用，导致用户对算法产生不信任。人类视角的成因则更多关注个体对自身的认知，如过度自信导致人们更倾向于依赖自身决策，而非算法建议。这种双重视角的分析不仅揭示了算法厌恶的多重驱动因素，还为未来的干预策略提供了理论依据。
算法厌恶边界 #
本文从个体、情境和算法三个维度阐述了算法厌恶的边界条件。个体因素包括性别、年龄、大五人格和职业，这些因素会影响个体对算法的接受程度。例如，研究发现女性在某些情境下更倾向于依赖算法，而男性则更自信于自身决策。情境因素则涉及行业特性、任务难度等，如在高机械化行业中，算法更容易引发消极反应。算法因素则包括算法拟人化、算法角色和算法可解释性等。算法拟人化可以增强用户对算法的信任，但也可能在某些情境下加剧负面反应。算法可解释性则通过提升算法透明度来削弱算法厌恶。这些边界条件的识别为企业在不同情境下应对算法厌恶提供了实践指导。
未来研究方向 #
本文提出了六大未来研究方向，旨在深化算法厌恶的理论研究和实践应用。首先，未来研究可以进一步探索算法厌恶的成因，特别是从经济学视角构建算法风险决策框架。其次，研究者应关注算法决策的“黑箱”问题，提出有效的解释方案，以削弱算法厌恶。第三，算法厌恶的量化研究亟待推进，构建算法厌恶程度指数将有助于更精确地测量和管理算法厌恶。第四，算法角色理论框架的发展将为理解算法厌恶提供新的视角，特别是在人力资源和市场营销领域的应用。第五，算法青睐（Algorithm Appreciation）作为算法厌恶的姊妹现象，值得进一步研究，以形成更全面的算法决策研究框架。最后，结合中国背景的特殊性，未来研究可以探索中国数字经济中的算法厌恶问题，特别是零工经济和文化差异对算法厌恶的影响。这些研究方向不仅具有理论价值，还为实践提供了重要的指导。
算法角色理论 #
本文基于解释水平理论和行为动机理论，提出了算法厌恶背景下的算法角色理论框架。算法角色被划分为控制者、推荐者、协助者、指导者、功能替代者和功能互补者六种类型。控制者通常指企业算法平台，通过算法对个体行为进行控制，容易引发算法厌恶。协助者和指导者则通过算法帮助用户完成任务，通常更容易被接受。功能替代者和功能互补者则分别指算法替代或补充人类工作的角色，前者容易引发身份威胁感知，后者则可能优化工作流程。这一理论框架不仅为理解算法厌恶提供了新的视角，还为未来的研究提供了丰富的探索空间。例如，未来研究可以探讨如何通过转变算法角色来削弱算法厌恶，特别是在人力资源和市场营销领域的应用。
完整论文 #
