随着互联网通信技术的发展,各种内容信息呈现出指数增长的趋势,人们逐渐从信息匮乏的盲区过渡到信息过载(information overload)的矛盾之中。由于人的时间成本是有限的,面对海量信息的时候往往处理效率会大大减弱,推荐算法的出现有效地缓解了该问题。算法推荐系统(recommender system)是人工智能数据挖掘的分支领域,它可以根据用户的兴趣偏好向用户推荐其感兴趣的信息内容。短视频作为一种运用算法推荐进行内容分发的平台,用户常常表示该类平台的使用经历为“刷视频一时爽,一直刷一直爽”,而学术界对用户视角的算法推荐系统智能化水平的科学评估缺乏研究,算法推荐技术如何促进用户沉浸式体验的机制尚不明朗。本研究基于心流理论,以抖音App为研究对象,通过30个访谈样本以及405个问卷调查样本的实证研究,运用关键事件法、德尔菲法以及结构方程模型分析等统计方法,原创开发基于用户视角的算法推荐智能化评估模型,解析其内涵特征,并探究了其对心流体验的影响机制。为了提高研究的规范性和严谨性,本研究将运用质化与量化结合的研究方法,研究过程分为三个部分,研究一为探索性质化研究,立足于现实情境分析短视频App心流体验可能存在的影响因素,指出了算法推荐智能化是重要的影响因素之一;研究二则是通过规范的程序开发了关于算法推荐智能化的测量工具;研究三为主研究,基于两个子研究的成果,针对本文的主要研究问题,构建并检验了理论模型,阐明了中介机制。研究结果显示:首先,用户视角的算法推荐智能化评估AVNS模型由4个维度构成,即准确性(accuracy)、多样性(variety)、新颖性(novelty)、惊喜性(serendipity)。AVNS模型具有理想的信度与效度,参数估计检验还发现:性别对算法推荐智能化评估存在一定的显著差异,而年龄、学历、月消费对AVNS模型感知均未体现出显著性差异。其次,算法推荐智能化是通过UGC感知质量的中介作用对心流体验产生正向影响的。具体而言,其四个维度的因子均对UGC感知质量有显著正向影响,两个维度(多样性与惊喜性)则对用户的心流体验有显著正向影响,UGC感知质量在两者的影响关系间起到中介效应。本研究的理论贡献有二:其一,通过一套规范的量表开发程序,为短视频App等内容分发平台从用户视角出发的算法推荐智能化评估提供了新的视角与工具,其二,丰富了心流理论的相关研究成果,探寻了算法推荐智能化对心流体验的路径机制。此外,本研究有一定实践价值,为短视频App的推荐技术应用和用户留存策略提供了管理启示与建议。