《Frontiers in Psychology》：Does transparency matter? The moderating effect of algorithm transparency on social influence in investment decisions
编辑推荐：
本文探讨智能投顾平台中算法透明性如何调节社会信息对投资意愿的影响。研究人员基于自我决定理论，通过两项在线实验（N=400）发现，社会信息显著提升投资意愿，而算法透明性可削弱该效应约34.7%，其机制部分通过提升感知自主性实现。研究为金融科技平台透明度设计与监管政策提供了实证依据。
在金融科技飞速发展的今天，智能投顾平台正深刻改变着普通人的投资方式。截至2024年，全球机器人投顾管理资产已达1.8万亿美元。与此同时，投资平台的社交属性日益凸显，诸如“好友持仓”、“跟投”、“投资社区”等社交功能日益普及，通过同伴效应对参与者的投资决策产生着潜移默化的影响。当算法推荐的“理性”逻辑与朋友们“感性”的选择同时摆在投资者面前，一个关键问题浮出水面：我们究竟在多大程度上依靠自己，又在多大程度上跟随他人？而平台算法的“透明度”——即其解释自身推荐逻辑的程度——会如何影响这种“跟随”的倾向？这个问题不仅关乎个人财富，也关系到金融市场的稳定与效率。
目前，学术界对于“社会影响”和“算法透明性”两大主题已有不少探索。一方面，研究发现，朋友的投资选择能通过“社会学习”（从他人行为中推断资产质量）和“社会效用”（通过协同投资获得社交满足感）两种机制显著影响个体投资意愿。另一方面，监管机构（如欧盟的《人工智能法案》）和学术界都越来越强调算法透明性的重要性，认为它是建立用户信任、促进技术采纳的关键。然而，当这两股力量在投资决策场景中相遇时，它们如何互动？更高的算法透明性，是会增强还是会削弱社会信息的影响力？这其中的心理机制又是什么？现有研究对此鲜有关注。为了填补这一理论空白，并为金融科技平台的“透明度”设计提供科学依据，这项研究应运而生。
该研究发表在国际知名期刊《Frontiers in Psychology》上。研究人员采用了两项逐步推进的在线实验。研究1采用2（社会信息：有/无）×2（算法透明性：高/低）的组间设计，招募了240名通过Credamo平台招募的、有投资经验的中国参与者。研究2在此基础上增加了对中介变量“感知自主性”的测量，补充招募了160名参与者。实验通过模拟投资平台界面进行操纵：社会信息条件显示“您的3位好友已投资此基金”，而算法透明性条件则通过是否提供详细的推荐理由（如基于用户风险承受能力、基金历史回报率、夏普比率等）来区分高低。参与者阅读材料后，测量其投资意愿、感知自主性（研究2）及一系列控制变量（如人口学信息、风险态度、金融素养等）。数据分析主要采用双因素方差分析（ANOVA）和基于Bootstrap法的中介效应检验（Hayes’ PROCESS宏程序，Model 8）。
4.1 样本特征与操纵检验
两项研究的参与者样本在人口统计学特征上相似，随机分组有效，各组间在关键控制变量上无显著差异。操纵检验证实，参与者能有效识别社会信息和算法透明性的不同操纵条件。
4.2 社会影响主效应检验（H1）
分析结果显示，社会信息的存在对投资意愿有显著的正向主效应。与没有社会信息的条件相比，有社会信息时参与者的投资意愿平均高出0.88个单位。这支持了假设1，即朋友的投资选择正向影响个体投资意愿。
4.3 算法透明性的调节效应检验（H2, H3）
核心发现显示，算法透明性对社会信息的影响起到了显著的负向调节作用。具体而言，在算法透明性低的情况下，社会信息带来的投资意愿提升效应（1.24个单位）显著强于算法透明性高的情况（0.81个单位），效应减弱了约34.7%。这表明，更高的算法透明度削弱了社会信息（尤其是其社会学习机制）对投资决策的影响，支持了假设2。进一步的探索性异质性分析为假设3提供了初步证据：对于决策动机更偏向“信息获取”的投资者，透明度的调节效应更强；而对于动机更偏向“社交维系”的投资者，该调节效应则较弱且不显著。这说明透明度主要调节的是信息驱动的“社会学习”，而对关系驱动的“社会效用”影响有限。
4.4 感知自主性的中介效应检验（H4）
研究2的中介分析揭示了调节效应背后的心理机制。结果表明，算法透明性与社会信息的交互项显著负向预测感知自主性，而感知自主性又显著正向预测投资意愿。Bootstrap检验显示，通过感知自主性的间接效应显著，中介比例为34.8%。这意味着，算法透明性正是通过增强用户在决策过程中的自主感和控制感，从而降低了对社会信息的依赖。假设4得到部分支持。
4.5 稳健性检验
一系列敏感性分析证实了核心结果的稳健性。在控制了金融素养、风险偏好和投资经验等变量后，交互效应依然显著。此外，研究还发现一个重要的边界条件：对于金融素养高的投资者，透明度的调节效应变得不显著。这表明，本研究的结论更适用于金融素养中低的非专业零售投资者。
结论与讨论 本研究基于自我决定理论，系统揭示了算法透明性在投资决策场景中扮演的“调节者”角色。主要结论是：社会信息（朋友投资行为）能显著提升投资意愿；而算法透明性能有效削弱这种社会影响，其核心心理机制在于通过提升用户的感知自主性，使其减少对外部社会信息的依赖。值得注意的是，这种调节作用具有选择性，它主要针对基于信息获取的“社会学习”机制，而对基于社交关系的“社会效用”机制影响较弱。
这项研究的理论意义在于，它成功地将算法透明性研究与社会影响理论整合进统一框架，并运用自我决定理论清晰阐明了“感知自主性”这一关键中介路径，为理解人机交互决策中的心理过程提供了新视角。在实践层面，研究为金融科技平台的设计者和政策监管者提供了直接启示：首先，提高算法透明度是一种有效的“助推”工具，可以帮助投资者，特别是非专业投资者，变得更加独立和理性，减少盲从行为。其次，平台可考虑针对不同动机的用户（信息寻求型 vs. 社交维系型）设计差异化的透明度展示方案。最后，监管机构在推行透明度政策时，需认识到其效果的边界——它无法完全消除基于社交需求的“跟投”行为，且需在信息充分与信息过载之间找到平衡。
当然，研究也存在局限，如采用线上情境实验、样本来自单一文化背景、未直接操纵两种社会影响机制等。未来研究可通过与真实平台合作的田野实验、跨文化比较、引入对“感知能力”等更多心理路径的测量，以及探索透明度的长期效应，来进一步深化我们对这一复杂议题的理解。无论如何，这项研究无疑为我们照亮了数字投资世界中，算法“黑箱”与社会“纽带”交织之地的关键一角。
