论文基本信息

• 研究主题：短视频平台推荐算法对青年政治参与意愿的影响：基于多城市问卷与使用日志的实证研究
• 目标读者：公共管理与传播学研究生、期刊审稿人与导师
• 研究类型：IMRaD（引言-方法-结果-讨论）+ 稳健性检验与附录
• 核心研究问题：RQ1：推荐强度是否提升参与意愿？RQ2：信息多样性在其中是否起调节作用？RQ3：个体政治效能感是否作为中介机制连接算法接触与参与行为？
• 创新价值说明：以自愿采集的行为日志与感知量表双源数据进行因果识别，结合工具变量与断点回归，提出“算法接触—效能—参与”的机制路径，并提供可复核的数据与代码。
• 研究方法：多阶段设计：1）分层抽样收集18–25岁样本的问卷与政治效能量表；2）获得受试者7日应用使用日志并哈希匿名化；3）以推荐刷新频次作为工具变量；4）在阈值处进行断点回归；5）稳健性检验包含替代指标、异质性与安慰剂测试。
• 预期成果指标：形成可复用数据字典与预注册文档；产出机制图1幅、主回归表3张、稳健性图5张；完成期刊初稿并开源模拟数据与分析脚本。

论文整体结构

一、引言部分

• 研究背景与意义
  • 短视频平台的算法推荐在青年信息接触中的主导地位与公共参与的潜在影响
  • “算法接触—态度—行为”的理论与政策讨论场景及实证检验需求
  • 数据可复核、因果识别与可复制研究在该领域的规范化价值
• 研究问题提出
  • RQ1：推荐强度是否提升参与意愿？
  • RQ2：信息多样性是否对“推荐强度—参与意愿”的关系起调节作用？
  • RQ3：政治效能感是否作为中介机制连接算法接触与参与行为？
• 研究目标与内容
  • 构建算法接触强度、信息多样性、政治效能与参与意愿的操作化指标与测量框架
  • 采用双源数据与准实验方法开展因果识别与机制检验
  • 提供可复核的代码与数据字典，形成对平台治理与青年培育的可操作建议
• 论文结构说明
  • 简述IMRaD主线、稳健性检验模块与附录内容组织

二、文献综述

• 理论基础
  • 算法推荐与信息分配机制（算法门控、选择性接触、偶然接触）
  • 信息多样性与认知加工（多元暴露、议题广度、来源多样性）
  • 政治效能感的结构（内在效能、外在效能）与参与意愿的形成路径
• 研究现状
  • 青年社媒环境下的政治信息接触与参与行为的相关性证据与方法局限
  • 行为日志与自陈数据的互补性及既有研究的测量与识别不足
• 研究空白
  • 缺乏结合日志与量表的因果识别与机制检验
  • 信息多样性在算法接触到参与之间的边界条件未被系统评估
• 理论框架
  • 机制路径：推荐强度 → 政治效能感（中介） → 参与意愿
  • 调节效应：信息多样性增强或削弱推荐强度对参与意愿的影响
  • 命题与假设：H1（主效应）、H2（调节）、H3（中介）

三、研究方法

• 研究设计
  • 研究类型：观察性准实验（工具变量与断点回归），横截面为主、短期日志跟踪
  • 采样策略：多城市分层抽样，18–25岁青年样本，城市与院校/社区双层分层
  • 时间线：预注册→问卷与量表→7日日志采集→清洗与匹配→分析与复核
• 数据来源
  • 问卷与量表：参与意愿（多维度场景意图项）、政治效能（内外在效能维度）、政治兴趣与媒体使用、人口学与社会经济背景
  • 使用日志：应用会话起止、刷新事件计数、推荐流与关注流曝光、内容主题标签、停留时长、交互事件；哈希匿名化与ID匹配流程
• 变量与测量
  • 关键自变量：推荐强度指数（基于单位时间刷新频次、推荐流占比、政治内容曝光比的加权综合）
  • 调节变量：信息多样性指数（主题熵/来源Herfindahl反指数/议题覆盖度）
  • 中介变量：政治效能感（内在与外在效能子量表得分）
  • 因变量：政治参与意愿综合指数（线上/线下参与意图的加总或因子得分）
  • 控制变量：城市固定效应、社会经济地位、政治兴趣、总体使用时长、基线参与经历等
• 因果识别策略
  • 工具变量（IV）：推荐刷新频次作为工具变量识别推荐强度的外生变异
    • 第一阶段：推荐强度对刷新频次的回归，检验相关性与强度（F统计）
    • 外生性与排除限制的论证：平台机制与网络条件的技术性来源、控制并验证替代路径
    • 第二阶段：2SLS估计推荐强度对参与意愿的因果效应
  • 断点回归（RDD）：在预定阈值处（如推荐强度指数触发高强度档位的规则阈）进行局部线性估计
    • 带宽选择与稳健估计（三角核、数据驱动带宽）
    • 连续性检验（协变量、潜在操纵性检测）
• 分析方法
  • 基准模型：OLS与分层固定效应模型
  • 2SLS与IV-中介分析（中介路径的工具变量扩展或控制函数法）
  • 交互项检验：推荐强度 × 信息多样性
  • RDD本地平均处理效应估计与图形化检验
  • 标准误处理：聚类于受试者或城市层级、稳健标准误
  • 多重检验校正与敏感性分析
• 研究工具
  • 量表编制与信度效度检验（内部一致性、结构效度）
  • 日志解析与主题分类流程（标签映射与质量控制）
  • 代码与复现资源结构（数据字典、分析脚本、预注册文档）
• 伦理与合规
  • 知情同意、数据最小化与去标识化
  • 存储与访问权限管理、伦理审批与合规声明

四、研究结果

• 结果呈现
  • 样本特征与描述统计（城市分布、人口学与使用概况）
  • 量表信度效度与构念验证（参与意愿与效能量表）
  • 工具变量第一阶段与强度检验
  • 主回归结果（OLS与2SLS对比）
  • 调节效应与中介效应估计
  • RDD图形与局部估计结果
• 数据分析
  • 效应方向与规模的比较、模型稳定性与解释度
  • 交互项边际效应与条件效应解读
  • 中介路径的间接效应与总效应分解
• 图表说明
  • 机制路径图（算法接触—效能—参与）
  • 主回归表（基准、IV、交互）
  • RDD局部拟合图与带宽稳健图
  • 边际效应图与多样性分位组对比图

五、讨论分析

• 结果解释
  • 推荐强度与参与意愿的因果关系及其边界条件
  • 信息多样性的调节作用与可能机制（认知负荷、议题广度）
  • 政治效能中介路径的理论含义（内外在效能的异质影响）
• 理论贡献
  • 双源数据与准实验识别在传播与公共管理交叉领域的应用推进
  • 信息多样性与算法接触的整合框架对青年政治动员研究的拓展
• 实践意义
  • 平台治理：信息多样性提升与推荐强度的平衡配置
  • 公民培育：提升政治效能的内容与触达策略建议
  • 研究规范：可复核与开源实践的推广价值
• 可能的替代解释与反事实讨论
  • 自选择与未观测偏误的残留可能性
  • 平台外部事件与短期冲击的影响

六、结论建议

• 主要结论
  • 对RQ1、RQ2、RQ3的综合回答（基于因果识别与机制检验的证据框架）
• 研究局限
  • 日志时间窗限制、阈值设定的外部效度
  • 指标操作化的敏感性与测量误差
• 未来展望
  • 更长周期追踪与跨平台比较
  • 因果机制的实验性干预与多层网络数据融合
  • 多样性度量的精细化与算法透明度研究

七、稳健性检验

• 替代指标
  • 推荐强度（以停留时长权重/互动密度为替代）
  • 信息多样性（主题熵、来源多样性、议题覆盖的不同度量）
  • 参与意愿（分维度与二分类阈值的替代构造）
• 异质性分析
  • 城市层级、性别、社会经济地位、政治兴趣分组
  • 使用强度分位与平台类型差异
• 安慰剂与伪阈值测试
  • 非政治内容上的“虚拟参与”意愿
  • RDD伪阈值与带宽扰动稳健性
• 工具变量有效性与敏感性
  • 弱工具检验与过度识别检验（如有）
  • 排除限制的情景分析与偏误界限评估
• 额外稳健检验
  • 协变量平衡与密度检验（McCrary）
  • 不同函数形式与聚类层级的稳健性
  • 多重比较校正后的结果稳定性

八、附录与补充材料

• 预注册文档摘要与分析计划细节
• 数据字典与变量构造说明（问卷、量表、日志字段）
• 量表条目与评分规则
• 日志解析与主题分类流程图与质控标准
• 代码与复现资源索引（文件结构、运行说明、输出清单）
• 伦理审批文件与同意书模板
• 城市与抽样框信息、加权方案与缺失处理细节

写作建议

• 各章节写作要点
  • 引言：明确问题与贡献，突出双源数据与因果识别的必要性与增量价值
  • 文献综述：围绕“推荐强度—多样性—效能—参与”主线，形成清晰的概念与假设链条
  • 方法：先述设计与数据，再述变量操作化与识别策略，确保可复制性与合规性
  • 结果：按“描述→主效应→机制→断点→图表”递进呈现，避免过度解释
  • 讨论：从理论、实践与规范三维展开，回应可能的替代解释与审稿关注点
  • 结论：凝练回答RQ与贡献，明确局限与未来计划，保持可执行建议
  • 稳健性：以策略组块化呈现，图表与文本相互印证，减少技术细节冗余
  • 附录：保证复现所需信息完整、结构清晰、可直接运行
• 逻辑衔接建议
  • RQ→假设→操作化→识别策略→估计结果→机制检验→稳健性→讨论与建议的闭环
  • 将信息多样性作为边界条件贯穿模型设定、结果呈现与讨论
  • 中介与调节的区分与层级安排，避免模型混杂与解释重叠
• 常见问题提醒
  • 工具变量的排除限制与弱工具风险需提前论证并提供敏感性分析
  • RDD阈值设定与带宽选择要透明，操纵性与协变量连续性检测必须完备
  • 量表信度效度与日志分类准确率需报告并进行误差敏感性检验
  • 缺失数据处理与加权方案要在附录详述，主文简洁呈现
  • 图表与代码命名一致、可复现性测试通过后再提交初稿
  • 避免将相关性误述为因果，严格区分识别条件与外部效度范围