English(EN) Quantifying the Engagement Trap: Impact of Short-form Video Recommender Systems on Users with ADHD

研究：短视频AI对ADHD用户造成不成比例的伤害

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-10 04:00

一项新近发表在arXiv上的研究探讨了短视频推荐系统对ADHD（注意力缺陷多动障碍）患者的有害影响。该研究招募了302名通过Prolific招募的参与者，提出了“参与陷阱”的概念，用以描述这些为最大化参与度而设计的系统如何不成比例地伤害ADHD用户。尽管ADHD参与者发现推荐内容相关，但他们报告了更严重的时间盲区、使用后懊悔和情绪困扰。研究主张采用神经多样性意识设计原则，以减轻算法的危害并促进更公平的用户体验。 AI

影响强调了AI系统需要考虑神经多样性，并减轻由优化参与度的算法可能造成的潜在危害。

排序理由学术论文，详细阐述了关于AI推荐系统的新概念和实证研究结果。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 13 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 学术论文，详细阐述了关于AI推荐系统的新概念和实证研究结果。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, safety; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Vedad Misirlic, Gregor Mayr, Elisabeth Lex · 2026-09-10 04:00

量化参与陷阱：短视频推荐系统对ADHD用户的影响

arXiv:2609.07795v1 Announce Type: cross Abstract: Short-form video platforms use recommender systems to maximize engagement through highly efficient personalized recommendations. However, the impact of these recommendations on users with ADHD compared to users without ADHD remain…

本文如何被排名

报道来源 [1]

量化参与陷阱：短视频推荐系统对ADHD用户的影响

相关实体

相关话题