将调查与数字痕迹结合研究行为成瘾：TikTok 的案例研究

不透明的算法在在线社交媒体平台上分发和中介用户所消费的内容。这种算法中介会为用户提供其喜欢的内容，另一方面也可能对社会规模造成若干意外风险。虽然某些风险（如滤镜气泡或仇恨内容的传播）在学界已受良好研究，但行为成瘾（被《数字服务法》指定为潜在系统性风险）尚未受到充分关注。在本工作中，我们旨在研究是否可有效地使用社交媒体平台的数字数据痕迹诊断行为成瘾。我们聚焦于短片视频平台 TikTok 作为案例，采用一种新型混合方法，将调查响应与行为痕迹的数据捐赠相结合。我们对 1590 名 TikTok 用户进行调查并将其分为三个成瘾群（即较少/中度/高度可能沉迷）。随后，我们获取来自 107 名调查参与者的数据捐赠。通过分析用户数据，我们发现高度可能沉迷的用户在观看 TikTok 视频方面花费更多时间，并且在一天中反复返回 TikTok，这表明他们对该平台有强迫性使用行为。最后，我们通过基本的用户参与特征训练分类模型，以 $F_1 \geq 0.55$ 识别高度可能沉迷的用户。分类模型的性能表明，仅凭用户使用情况难以预测沉迷用户。