發(fā)布時(shí)間：2023-04-01 01:39

　　隨著互聯(lián)網(wǎng)通信技術(shù)的發(fā)展,各種內(nèi)容信息呈現(xiàn)出指數(shù)增長(zhǎng)的趨勢(shì),人們逐漸從信息匱乏的盲區(qū)過(guò)渡到信息過(guò)載(information overload)的矛盾之中。由于人的時(shí)間成本是有限的,面對(duì)海量信息的時(shí)候往往處理效率會(huì)大大減弱,推薦算法的出現(xiàn)有效地緩解了該問(wèn)題。算法推薦系統(tǒng)(recommender system)是人工智能數(shù)據(jù)挖掘的分支領(lǐng)域,它可以根據(jù)用戶的興趣偏好向用戶推薦其感興趣的信息內(nèi)容。短視頻作為一種運(yùn)用算法推薦進(jìn)行內(nèi)容分發(fā)的平臺(tái),用戶常常表示該類平臺(tái)的使用經(jīng)歷為“刷視頻一時(shí)爽,一直刷一直爽”,而學(xué)術(shù)界對(duì)用戶視角的算法推薦系統(tǒng)智能化水平的科學(xué)評(píng)估缺乏研究,算法推薦技術(shù)如何促進(jìn)用戶沉浸式體驗(yàn)的機(jī)制尚不明朗。本研究基于心流理論,以抖音App為研究對(duì)象,通過(guò)30個(gè)訪談樣本以及405個(gè)問(wèn)卷調(diào)查樣本的實(shí)證研究,運(yùn)用關(guān)鍵事件法、德爾菲法以及結(jié)構(gòu)方程模型分析等統(tǒng)計(jì)方法,原創(chuàng)開發(fā)基于用戶視角的算法推薦智能化評(píng)估模型,解析其內(nèi)涵特征,并探究了其對(duì)心流體驗(yàn)的影響機(jī)制。為了提高研究的規(guī)范性和嚴(yán)謹(jǐn)性,本研究將運(yùn)用質(zhì)化與量化結(jié)合的研究方法,研究過(guò)程分為三個(gè)部分,研究一為探索性質(zhì)化研究,立足于現(xiàn)實(shí)情境分析短視頻...

【文章頁(yè)數(shù)】：108 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
術(shù)語(yǔ)縮寫頁(yè)
第一章 緒論
    1.1 研究背景
        1.1.1 智能算法推薦
        1.1.2 智能算法推薦產(chǎn)品應(yīng)用現(xiàn)狀
    1.2 研究問(wèn)題
    1.3 研究目的與意義
        1.3.1 研究目的
        1.3.2 研究意義
    1.4 研究?jī)?nèi)容和研究方法
        1.4.1 研究思路
        1.4.2 研究方法
        1.4.3 研究技術(shù)路線
第二章 文獻(xiàn)綜述
    2.1 智能算法推薦
    2.2 用戶生成內(nèi)容
    2.3 心流理論
    2.4 本章小結(jié)
第三章 基于關(guān)鍵事件法的短視頻APP用戶心流體驗(yàn)影響因素分析
    3.1 訪談提綱設(shè)計(jì)
    3.2 訪談內(nèi)容編碼
    3.3 關(guān)鍵影響因素的內(nèi)涵闡述
    3.4 本章小結(jié)
第四章 用戶視角的算法推薦智能化量表開發(fā)
    4.1 算法推薦智能化的定義
    4.2 算法推薦智能化初始量表編制
        4.2.1 初始題庫(kù)預(yù)測(cè)試
        4.2.2 德爾菲法
        4.2.3 探索性因子分析
        4.2.4 驗(yàn)證性因子分析
        4.2.5 算法推薦智能化的內(nèi)涵闡釋
    4.3 本章小結(jié)
第五章 算法推薦智能化對(duì)用戶心流體驗(yàn)的影響及其作用機(jī)制
    5.1 研究模型與假設(shè)
        5.1.1 研究假設(shè)推導(dǎo)
        5.1.2 研究假設(shè)模型
        5.1.3 研究量表設(shè)計(jì)
    5.2 研究預(yù)調(diào)查檢驗(yàn)
    5.3 研究分析與發(fā)現(xiàn)
        5.3.1 描述性統(tǒng)計(jì)分析
        5.3.2 信度與效度的檢驗(yàn)
        5.3.3 探索性因子分析
        5.3.4 驗(yàn)證性因子分析
        5.3.5 潛變量判別效度檢驗(yàn)
        5.3.6 算法推薦智能化維度的人口統(tǒng)計(jì)特征差異
        5.3.7 結(jié)構(gòu)方程模型擬合度檢驗(yàn)
        5.3.8 結(jié)構(gòu)方程模型路徑檢驗(yàn)
        5.3.9 UGC感知質(zhì)量的中介效應(yīng)檢驗(yàn)
    5.4 本章小結(jié)
第六章 結(jié)論與討論
    6.1 研究結(jié)論
        6.1.1 算法推薦智能化與用戶心流體驗(yàn)的關(guān)系
        6.1.2 算法推薦智能化與用戶生成內(nèi)容感知質(zhì)量的關(guān)系
        6.1.3 UGC感知質(zhì)量在算法推薦智能化與心流體驗(yàn)間的中介效應(yīng)
    6.2 理論貢獻(xiàn)
    6.3 管理啟示
        6.3.1 優(yōu)化用戶數(shù)據(jù)分析模型,智能挖掘用戶隱性需求
        6.3.2 弱化碎片娛樂(lè)信息內(nèi)容,構(gòu)建深度價(jià)值合力矩陣
        6.3.3 及時(shí)搜集用戶反饋意見,注重人機(jī)交互心流體驗(yàn)
        6.3.4 深化內(nèi)容平臺(tái)人文價(jià)值,關(guān)注推薦算法社會(huì)影響
    6.4 研究局限與展望
        6.4.1 研究局限
        6.4.2 未來(lái)展望
參考文獻(xiàn)
致謝
附錄



本文編號(hào)：3776202