🧒 初中生也能看懂的版本
① 研究背景（为什么要做？）
欧盟的《数字服务法》明文禁止平台用画像向未成年人投放广告，但这条禁令保护的范围可能比想象中窄得多。
先想一个场景。一个十六岁的女孩打开短视频软件，首页推荐流里不是朋友发的内容，而是算法根据她看过什么、在哪儿停留过、点过哪些赞挑出来的。刷着刷着，一条美妆博主的视频出现了，博主笑着说这支口红多好用、链接在下面。这是广告吗？按常识当然是。但按法律定义，可能不是。
《数字服务法》第 3 条 r 项把「广告」定义成：平台收了钱、替别人推广、并由平台呈现的信息。也就是说，判定标准是钱有没有付给平台。博主自己接的商单、品牌用自己账号发的推广、干脆没打标签的软广，这些钱都没经过平台，于是统统不算「广告」，也就不受第 28 条第 2 款那条禁令的约束。
这个缺口有多大？该平台在欧盟有 1.69 亿月活用户，2024 年营收约 210 亿欧元，绝大部分来自广告；而欧盟层面只有 20% 的网红会系统性地标明自己内容的商业性质。与此同时，心理学研究早就发现：未成年人的大脑对社交奖赏格外敏感，自控力却发育更晚；他们能看出广告想卖东西，却看不出广告想改变自己的态度；更麻烦的是，面对被定向投放的广告，他们的识别率和面对普通广告没有差别——也就是说，他们根本察觉不到自己正在被定向。
于是问题变成：法条写得挺好，但平台到底做到了没有？谁去查？拿什么查？
② 研究问题（要回答什么？）
研究者想弄清楚，短视频平台在形式上遵守禁令的同时，未成年人是否仍在通过别的渠道被精准投放商业内容。
把它拆开，是三个层层递进的问题。
- 一、平台守法了吗？对于法律明确管得着的那类「正式广告」，平台有没有真的不对未成年人做画像投放？
- 二、法律管不着的地方在发生什么？博主接的商单、品牌的自推广、根本没打标签的软广，这些内容对未成年人有没有做画像？强度跟成年人比怎么样？
- 三、这个缺口是偶然还是结构性的？如果未成年人受到的定向强度反而更高，那问题就不在平台有没有守法，而在法条自己把范围划错了。
要回答这些问题，有个绕不开的难处：推荐算法是个黑箱。你没法像检查一台机器那样把它拆开看一眼就下结论，也不能只读平台交上来的合规文件——那只能告诉你平台声称自己做了什么，不能告诉你算法实际做了什么。所以只剩一条路：从外面造一批身份可控的假用户，让它们在平台上真刷一段时间，然后看平台喂给它们什么。
③ 研究方法（怎么做的？）
研究者的办法可以叫「双胞胎实验」：造一对除了年龄什么都一样的假用户，同时上线、同时刷，看平台有没有区别对待。
具体怎么造：
- 配对：每一对里，一个是 16–17 岁的未成年账号，一个是 20–21 岁的成年账号。故意避开 18 岁这个临界点，好让平台收到一个毫无争议的信号；两个年龄又贴得很近，是为了排掉「代沟导致口味不同」这种干扰——这样推荐结果的差异就只能归因于法律身份。
- 把其它变量按住：同一对里性别相同（随机分配）、兴趣相同、地域相同、上线时段相同。全部流量走德国的住宅代理，确保落在欧盟管辖范围内；全部用桌面版浏览器。年龄只通过注册时填的出生日期告诉平台，不做别的验证。审计在 2025 年 12 月执行。
- 兴趣：原本设了美妆、健身、游戏、政治四对（八个账号）。后来政治那一对被整体剔除了，因为两个账号都掉进了很特殊的信息茧房（大量人工智能生成的讽刺内容、还有巴基斯坦时政），机器和人工都标不准。最终进入分析的是 3 对共 6 个账号。
- 养号：新账号是「白纸」，得先培养口味。研究者让机器人按关键词搜索（美妆就搜彩妆、护肤、化妆品），再用一个大语言模型判断视频是否切题（准确率 95%–98%）；切题就看完、点赞、收藏，直到看满 25 条相关视频、或者评估过 51 条候选为止。这一步花一天。
- 正式采集：之后连续 10 天，每个机器人每天刷 1 小时（约等于真实用户的日均使用时长），配对的两个账号同时运行，避免时段差异造成偏差。刷的时候，切题的就看完点赞收藏，不切题的立刻划走；但不管看没看，推荐流里出现过的每一条视频都被记录下来，包括文字描述、话题标签和画面截图。这样拿到的是算法未经过滤的原始推荐流，而不是用户的观看记录。
怎么判断一条视频是不是广告：用一个视觉语言模型，取每条视频开头、中间、结尾三帧画面来看，按严格的优先级分成四类——平台自己打了「Sponsored」或「Ad」标的叫正式广告；创作者用平台工具打了「付费合作」或「推广内容」标的叫已披露广告；没有任何平台标签、但画面或口播里有明显商业意图（口头带货、露出折扣码、品牌话题标签）的叫未披露广告；其余是非广告。之所以非要看画面，是因为这些标签是叠在视频画面上的，只读文字描述会全部漏掉。
怎么确认机器没标错：两位作者各自独立人工标注了 113 条抽样视频。机器与人工在广告类型上的吻合率分别是 90.3% 和 88.5%；广告主题上是 94.9% 和 85.1%；两位标注者之间的一致率是广告类型 94.7%、广告主题 89.2%。主题的一致率低一些，是因为「时尚」和「美妆」本来就有重叠，两人处理方式略有不同。另外，错分在各个标签对之间大致均匀分布，说明没有系统性偏向某一类。
④ 结果（发现了什么？）
审计结果呈现出一个刺眼的反差，正式广告这一块平台确实守住了规矩，未成年人几乎没有被画像投放。
10 天里 6 个账号一共刷到 7095 条视频，其中 1346 条（18.97%）含广告。先说好消息：成年账号收到的正式广告远多于未成年账号——健身成年 301 条对未成年 0 条，游戏成年 208 条对未成年 7 条。而且成年人的正式广告明显是按兴趣投的（健身成年 +10.39 个百分点、游戏成年 +14.44 个百分点，都统计显著），未成年人的正式广告却没有这种规律，大多被归到「其它」主题里去了。单看这一项，平台确实合规。
坏消息在另外两类内容上。
三类广告里最大的一类。创作者不打标签，平台也不去纠正。
美妆未成年 91.89%（136/148）、健身未成年 88.89%（40/45）、游戏未成年 93.18%（41/44）。
三个未成年账号全部 p < 0.001。而作为对照的成年人正式广告只有 +10.39 至 +16.43 个百分点。
把这两个区间一比，就是论文里那句「高出 5–8 倍」的来历：未成年人在已披露和未披露广告上受到的画像强度，大约是成年人在正式广告上所受强度的五到八倍——而后者恰恰是法律允许的那一档。
还有一个细节值得单独拎出来：打了标签的广告少得可怜。三个未成年账号收到的创作者商业内容里，真正打了标签的分别只占 5.4%（148 条里 8 条）、2.2%（45 条里 1 条）、11.4%（44 条里 5 条）。少，不是因为商单少，而是因为没人打标签。
⑤ 讨论（这些发现说明什么？）
这项研究真正有意思的地方，是它抓到了一种「合规但无效」的状态。
平台没有违法。第 28 条第 2 款说不能用画像给未成年人投广告，平台就把正式广告这条管道对未成年人关上了，数据显示它确实关上了。第 26 条第 2 款说要给创作者提供自我披露的工具，平台也提供了。两条都做到了。可结果呢？未成年人照样在被算法精准投喂商业内容，强度还比成年人受到的、法律允许的那一档高出好几倍。
为什么会这样？因为法条把「广告」的定义挂在了钱怎么流动上，而不是内容想干什么上。钱付给平台，算广告；钱付给博主，不算。可对着屏幕的那个十六岁孩子来说，这两者没有任何区别——甚至后者更难防，因为它披着日常内容的外衣，由一个她觉得像朋友、像姐姐的人说出来。传播学里管这叫「准社会关系」：关系一旦建立，就会盖过怀疑。研究还发现，哪怕标签就在那儿、孩子也看见了，只要这层关系足够强，识别也变不成抵抗。
研究者特别点名了美妆这个方向。已有大量文献表明，反复接触与外貌有关的商业内容会损害青少年女孩的身体意象和自尊。而在这次审计里，一个十六岁女孩的账号收到的未披露美妆广告有 92.1% 命中她的兴趣。这就不是一个抽象的合规瑕疵了，这是一条有文献支撑的具体伤害路径。
还有一层是责任归属。现在的制度安排是：平台提供工具，创作者负责打标签，创作者不打，平台没有义务去发现和纠正。于是「没人打标签」成了一个所有人都不必负责的结果。研究者对此的回应很直接——他们自己用一个不大的开源模型、只看公开可见的画面和文字，识别准确率就到了 88.5%–90.3%；平台手里握着全部内部数据，没有理由做不到更好。做不到，不是能力问题，是义务问题。
⑥ 结论（最终结论 + 启示）
这项研究给出的结论很直接，把广告定义绑在付费结构上，就等于给未成年人保护留了一个可以绕开的后门。
作者提了四条修补建议：第一，把《数字服务法》里「广告」的定义从「谁付的钱」改成「有没有商业目的」，这样网红商单和品牌自推广就都被囊括进来；第二，加重平台的标注义务，平台不能只提供工具，还要主动检测和纠正漏标的商业内容；第三，把第 28 条第 2 款那条禁令扩展到新定义覆盖的全部内容；第四，年度合规审计必须引入这种行为式的算法审计方法，因为传统的文件审查对一个天天在变的算法系统根本查不出什么。
作者最后一句话说得挺重：法律先例已经有了，检验方法也已经有了，剩下的只是监管者愿不愿意把这两样对上。
🎓 专业 IRMaD 结构解读
I. Introduction（引言）
议题源流。青少年广告素养研究（Rozendaal et al., 2011；Packer et al., 2022）、说服知识模型（Friestad & Wright, 1994）与食品营销防御模型（Harris et al., 2009）共同确立了一个判断：未成年人即便能识别广告存在，也难以识别其改变态度与行为的说服意图；而定向投放会绕过「识别」这一前提。Van Reijmersdal 等（2017a, 2017b）发现未成年人对定向广告与非定向广告的识别率没有差异，其加工路径是情感性而非认知性的：定向仅因「匹配兴趣」便提升广告好感度，并迁移为品牌态度而不经意识察觉。影响者营销则借准社会关系（Horton & Wohl, 1956）进一步削弱批判距离——即便披露标签触发了广告识别，准社会关系强的未成年人也不会转化为抵抗（Boerman & Van Reijmersdal, 2020）。
规制回应及其缺口。DSA 第 28 条第 2 款禁止平台在「有合理把握」知悉接收者为未成年人时，基于 GDPR 第 4 条第 4 款意义上的画像呈现广告。但第 3 条 r 项将「广告」限定为平台因推广而获得报酬并由平台呈现的信息——这一支付结构导向的定义排除了影响者营销、品牌自推广、联盟内容与未标注商业帖，恰是主导未成年人实际所见的那些形态。作者指出该定义显著窄于 Directive 2006/114/EC（以「商业目的」界定广告）与 Directive 2000/31/EC 的「商业通讯」概念；隐性广告转由 UCPD 规制（Husovec, 2024），造成规范分散。
文献空白。算法审计文献（Sandvig et al., 2014；Tomlein et al., 2021；Srba et al., 2023）已证明行为式黑箱审计可揭示有害内容放大、政治偏误与不公平曝光，并可作为验证 DSA 合规的独立机制；但针对未成年人保护条款的合规审计「有限乃至完全缺失」。既有的广告投放审计（Imana et al., 2025）采用paired ads 方法论——以一对广告为单位，故意植入假设性偏误，再测量其沿人口学属性的相对投放差异。这种以广告为中心的路径无法回答「某一类用户收到了什么」，因而不适用于未成年人保护的合规评估。
本文贡献。其一，提出与 paired ads 相对的 paired user study design（配对用户研究设计），以用户为中心，在兴趣、时段、性别、地域全部对齐的条件下分离年龄（法律身份）的净效应；其二，在 3 对用户、10 天周期内采集并自动标注 7095 条视频（其中 1346 条含所研究的广告类型），首次提供第 3 条 r 项定义缺口在实践中如何运作的经验证据；其三，据此提出四项可操作的立法与执法修补建议。论文已被 ACM FAccT 2026 接收。
I. Theoretical Framework & Hypotheses（理论框架与假设）
本研究不设可证伪的因果假设，而以法律条文—平台行为的对照结构组织分析：将 DSA 的三类规范客体（第 3 条 r 项定义内的正式广告、第 26 条第 2 款下由创作者自我披露的商业内容、完全未标注的商业内容）分别映射为可观测的推荐流类别，再检验画像是否跨越定义边界发生。
| 编号 | 审计命题 | 对应规范 / 理论 |
|---|---|---|
| RQ1 | 正式广告是否对未成年人呈现基于兴趣的画像投放 | DSA 第 28 条第 2 款 + GDPR 第 4 条第 4 款「画像」定义 |
| RQ2 | 已披露的创作者商业内容占比多少、是否被画像投放 | DSA 第 26 条第 2 款自我标注；平台义务止于「提供功能」 |
| RQ3 | 未披露商业内容的画像强度如何，与成年人正式广告相比如何 | DSA 第 3 条 r 项定义之外延；UCPD 附件一第 11、22、28 点 |
| RQ4 | 该定义缺口是偶发现象还是结构性缺陷 | Directive 2006/114/EC 的商业目的标准 vs DSA 的支付结构标准 |
受众脆弱性的理论支撑：青少年腹侧纹状体、杏仁核与脑岛在奖赏与显著性加工上过度活跃，而自我调节能力发育滞后（Steinberg, 2004；Crone & Konijn, 2018；Maza et al., 2023），构成对社交奖赏的结构性易感；无限滚动构成类赌博的部分强化程式（Rixen et al., 2023）。
法律解释上的关键争点：Wolters & Borgesius（2025）主张数据由数据主体主动披露时，其后续使用不落入画像范畴。作者明确反对，理由有三：（一）法定定义指向对数据的使用方式而非取得方式；（二）GDPR 所保护的隐私、数据保护与尊严利益可被自动化推断与分类所侵害，与收集手段无关；（三）EDPB 一贯将画像视为自动化使用或处理逻辑的函数、而非数据来源的函数（WP251rev.01），并在 2025 年年龄确认声明中警告控制者不得借年龄验证「了解超出必要范围的信息」进而对未成年人做画像。这一解释立场决定了「由用户自己点赞、搜索而形成的兴趣画像」仍属第 28 条第 2 款所禁之画像。
M. Materials & Methods（材料与方法）
- 审计范式：sock-puppet（傀儡账号）黑箱算法审计，采用配对用户研究设计（paired user study design）。受控变量：年龄、兴趣、性别、地域、活动时段。
- 账号配置：原设 4 对（8 账号），兴趣取自平台 Explore 主题分组中商业沟通足量者：美妆、健身、游戏、政治。未成年 16–17 岁、成年 20–21 岁，刻意回避 18 岁临界（除苏格兰外欧盟成员国成年年龄均为 18 岁），以向平台发出无争议信号；窄年龄差用于排除世代偏好混淆，使差异可归因于法律身份。性别按对随机分配且对内一致。政治对整体剔除——两账号均陷入特殊话题过滤气泡（AI 生成讽刺内容、巴基斯坦时政），机器与人工标注均不可靠。最终分析样本为 3 对 6 账号：美妆（女 16 / 女 21）、健身（男 17 / 男 20）、游戏（女 16 / 女 21）。
- 环境控制：桌面网页端 Google Chrome；全流量经德国静态住宅代理以确立 DSA 管辖地信号；年龄仅通过注册出生日期传递，不附加行为式年龄验证信号。审计执行期为 2025 年 12 月。
- 种子阶段（1 天）：按兴趣设定领域检索词（如美妆对应 makeup / skincare / cosmetics）；由 GPT-4.1 构成的 user interaction predictor 依视频标题与描述判定主题匹配（沿用作者前作、经充分评估，准确率 95%–98%，随主题而异）。匹配即执行强兴趣例程（看完 + 点赞 + 收藏），直至看满 25 条相关视频或评估满 51 条候选，以保证各账号兴趣历史基线一致。
- 采集阶段（10 天纵向）：每账号每日 1 场会话、时长 1 小时（对齐平台用户日均时长）；配对账号并行运行以消除时段效应。对 For You 流中每条视频实时判定相关性，匹配则互动、不匹配则立即划走；无论是否观看，全量捕获描述、话题标签与画面帧，以取得未经用户行为过滤的原始推荐流与投放逻辑。
- 广告检测与分类：量化 LVLM Qwen3-VL-4B-Instruct，取每条视频首 / 中 / 尾三帧，按严格决策层级归入互斥类别——正式广告（平台注入 Sponsored / Ad 覆盖标签）、已披露广告（创作者使用披露工具生成 Paid partnership / Promotional content 灰色标签）、未披露广告（无平台标签但具强商业意图的语义或视觉指征：口播带货、可见折扣码、品牌话题标签）、非广告；另标注广告主题（beauty / fitness / gaming / politics / other）。采用视觉优先路径，以捕获仅在界面层渲染、文本元数据中缺失的覆盖标签。该管线在事后批处理阶段执行，故可使用比实时预测器更大的模型。
- 人工验证与编码信度：分层抽样——对 8 个账号各随机抽取正式 / 已披露 / 未披露 / 非广告各 5 条（该类不足 5 条则全取）；两位作者使用自研工具独立标注。剔除政治后计 113 条：广告类型自动标注正确 102（90.3%） 与 100（88.5%）；在含广告的 78 / 74 条中，主题正确 74（94.9%） 与 63（85.1%）。标注者间一致率：广告类型 94.7%、广告主题 89.2%（主题偏低源于时尚与美妆的语义重叠）。混淆矩阵显示误分在各预测—真实标签对间近似均匀分布，未引入系统性偏误。
- 核心指标与统计检验：
个性化率 = 主题命中该用户兴趣的广告数 / 该用户广告总数基线率 = 同龄但不同兴趣用户中该主题广告数 / 其广告总数画像效应 Δ = 个性化率 − 基线率（单位：百分点 pp）
显著性采用两比例 z 检验（proportions z-test）的 p 值。设置基线率的目的是剔除某主题内容在平台上天然流行度所造成的偏差。因已披露广告数量过少，多数分析将已披露与未披露合并处理——二者在 DSA 下待遇相同（同样落在第 28 条第 2 款射程之外，仅标签有别）。 - 伦理与法律合规：机构伦理委员会批准（2024 年 12 月 17 日决定），四场伦理评估工作坊，法律与伦理专家全程参与；违反平台服务条款之处由 DSA 第 40 条第 12 款及序言第 83 条关于系统性风险研究的豁免覆盖；仅采集公开元数据并最小化机器人数量与平台扰动。数据经 Zenodo（
10.5281/zenodo.18879043）按需向研究用途开放，分析代码于 GitHub 开源。生成式 AI 未用于成文，仅用于语法与文风修订。
R. Results（结果）
数据概览：10 天主采集期内 6 个账号共遭遇 7095 条视频，其中 1346 条（18.97%）含所研究三类广告之一。按类型计：正式广告 543 条、已披露 52 条、未披露 751 条（占全部广告 55.8%，为最大类别）。成年账号视频观看量更大，主因是推荐给他们的内容平均短约 10 秒。
| 账号 | 性别 / 年龄 | 视频数 | 广告数（占比） | 正式 / 已披露 / 未披露 | 平均时长 |
|---|---|---|---|---|---|
| BeautyMinor | 女 / 16 | 651 | 169（25.96%） | 21 / 8 / 140 | 54.8 秒 |
| BeautyAdult | 女 / 21 | 1088 | 246（22.61%） | 6 / 8 / 232 | 35.6 秒 |
| FitnessMinor | 男 / 17 | 876 | 45（5.14%） | 0 / 1 / 44 | 35.8 秒 |
| FitnessAdult | 男 / 20 | 2341 | 534（22.81%） | 301 / 10 / 223 | 14 秒 |
| GamingMinor | 女 / 16 | 868 | 51（5.88%） | 7 / 5 / 39 | 30 秒 |
| GamingAdult | 女 / 21 | 1271 | 301（23.68%） | 208 / 20 / 73 | 30 秒 |
一、正式广告（DSA 明文覆盖的类别）：成年账号收到的正式广告数量远高于配对未成年账号（健身 301 : 0；游戏 208 : 7）；美妆是例外，两者均低且未成年反而更多（21 : 6）。主题对角命中率成年最高 21.2%、未成年仅 14.3%，未成年的正式广告大量落入 other 主题。
| 账号 | 个性化率 | 基线率 | 画像效应 Δ | 显著性 |
|---|---|---|---|---|
| BeautyMinor | 4.76%（1/21） | 28.57%（2/7） | −23.81 pp | n.s. |
| BeautyAdult | 33.33%（2/6） | 16.90%（86/509） | +16.43 pp | n.s. |
| FitnessMinor | 0.00%（0/0） | 3.57%（1/28） | −3.57 pp | n.s. |
| FitnessAdult | 19.27%（58/301） | 8.88%（19/214） | +10.39 pp | p < 0.01 |
| GamingMinor | 42.86%（3/7） | 9.52%（2/21） | +33.34 pp | p < 0.05 |
| GamingAdult | 23.56%（49/208） | 9.12%（28/307） | +14.44 pp | p < 0.001 |
作者据此判定正式广告投放符合第 28 条第 2 款：未成年账号无一致的兴趣导向画像（BeautyMinor 为负效应，FitnessMinor 零正式广告）；GamingMinor 的 +33.34 pp 虽达 p < 0.05，但分母仅 7 条，作者明示样本过小、不足以推断。
二、已披露 + 未披露广告（DSA 定义之外）：未成年账号的兴趣命中高度集中——合并对角命中率 91.6%（217/237），而其正式广告仅 14.3%；单看未披露为 91.5%（204/223），说明合并处理未掩盖类别特异模式。
| 账号 | 个性化率 | 基线率 | 画像效应 Δ | 显著性 |
|---|---|---|---|---|
| BeautyMinor | 91.89%（136/148） | 5.62%（5/89） | +86.27 pp | p < 0.001 |
| BeautyAdult | 64.17%（154/240） | 3.68%（12/326） | +60.49 pp | p < 0.001 |
| FitnessMinor | 88.89%（40/45） | 5.21%（10/192） | +83.68 pp | p < 0.001 |
| FitnessAdult | 91.85%（214/233） | 24.62%（82/333） | +67.23 pp | p < 0.001 |
| GamingMinor | 93.18%（41/44） | 0.00%（0/193） | +93.18 pp | p < 0.001 |
| GamingAdult | 88.17%（82/93） | 0.85%（4/473） | +87.32 pp | p < 0.001 |
- 「高出 5–8 倍」的确切口径：分子为三个未成年账号在已披露 + 未披露广告上的画像效应区间+83.68 ~ +93.18 pp；分母为三个成年账号在正式广告上的画像效应区间 +10.39 ~ +16.43 pp（即第 28 条第 2 款允许的那一档）。比较对象是百分点形式的画像效应（个性化率 − 基线率），不是个性化率本身。按两区间端点实算，倍数跨度约为 5.1 倍至 9.0 倍，论文归约表述为「5–8 倍」。
- 对应的统计检验：每个 Δ 各自以两比例 z 检验对照其自身基线率；三个未成年账号在合并类广告上的画像效应均 p < 0.001。需注意：倍数本身未经检验——论文未做跨类别交互项或比率的显著性检验；且构成 5 倍下界的分母 BeautyAdult（+16.43 pp）在原表中并不显著（仅 2/6 与 86/509）。
- 披露率（已披露 / 全部创作者驱动商业内容）：BeautyMinor 5.4%（8/148）、FitnessMinor 2.2%（1/45）、GamingMinor 11.4%（5/44），成年账号同样低迷。这为 Auer et al.（2025）关于披露工具被创作者严重弃用的定性结论提供了定量证据。即便在这一极小类别内个性化仍然明显：BeautyMinor 的 8 条已披露广告中 7 条为美妆，GamingMinor 的 5 条全部为游戏。
- 未披露占全部广告 55.8%，与 Ershov et al.（2025）在 Twitter 上报告的未披露商业沟通比例最高达 96% 的发现方向一致。
a / D. Discussion & Conclusion（讨论与结论）
- 核心论断：形式合规与实质失效并存。平台同时满足了两项义务——对未成年人屏蔽了受画像驱动的正式广告（第 28 条第 2 款），并为创作者提供了自我披露功能（第 26 条第 2 款）——却仍使未成年人暴露在强度更高的定向商业内容之下。义务在「提供功能」处终止：创作者不标注时，平台既无检测义务也无纠正义务，平台亦不阻止此类内容的个性化投递。
- 缺口的结构性质。第 3 条 r 项以支付结构而非商业目的界定广告，故影响者营销与品牌自推广落在第 28 条第 2 款射程之外。该标准窄于 Directive 2006/114/EC（「以促进商品或服务之供给为目的、与贸易、商业、工艺或职业相关的任何形式的陈述」），亦窄于 Directive 2000/31/EC 的「商业通讯」（任何以商业获益为目的的推广性沟通）。规范因此碎片化：隐性广告转由 UCPD 承接（附件一第 11 点「隐性营销」、第 22 点冒充消费者、第 28 点禁止对未成年人的直接购买劝诱；第 5 条第 3 款脆弱消费者条款），而 UCPD 并不提供 DSA 那样的平台系统性义务与审计机制。
- 传播学意涵：伤害路径已被文献定位。准社会关系使披露标签即便存在也难以转化为抵抗；未标注内容则连「识别」这一前提都被结构性剥夺——防御模型的第一个条件被前置地取消。作者特别指出，一个 16 岁女性账号以 92.1% 的个性化率被投喂未披露美妆广告，对照 Choukas-Bradley 等（2022）与 Blackburn & Hogg（2024）关于外貌相关内容损害身体意象与自尊的证据，构成一条有文献支撑的具体伤害路径，而非抽象的合规瑕疵。
- 四项政策建议。（1）将 DSA 广告定义改为以商业目的为准，纳入影响者与品牌推广内容，与欧盟法既有的广告/商业通讯定义精神一致；（2）强化标注义务，令平台直接负责检测与纠正漏标——作者以自身分类器仅凭公开可见特征即达 88.5% / 90.3% 准确率论证平台内部模型理应更优，并指出虽然 VLOP 本应通过风险评估义务发现此问题，但其履行依赖审计与执法，而这一环尚未落地；（3）将第 28 条第 2 款禁令扩展至新定义所覆盖的全部内容，确保已披露与未披露广告亦不得对未成年人画像；（4）年度独立 DSA 审计应纳入算法审计机制——脱胎于财务报告与 IT 控制传统的合规审计方法论面向静态系统设计，不足以评估与用户动态交互的 AI 系统（Solarova et al., 2026）。
- 对平台问责与欧盟执法的意涵。DSA 第 37 条要求的年度外部审计目前主要依赖传统审计方法论；本研究显示，独立研究者以有限资源（6 个账号、10 天）即可产出可诉诸执法的行为证据，且第 40 条第 12 款与序言第 83 条为突破平台服务条款提供了法律空间——这意味着审计方法论本身可以成为执法基础设施的一部分，而非仅是学术产出。考虑到 TikTok 已因成瘾性设计与未成年人默认设置而面临多起 DSA 执法程序，它构成关键检验案例。
- 局限。（1）规模受限：4 个主题、1 个地域（德国）、10 天主采集期，政治主题因过滤气泡与标注困难被整体剔除；（2）傀儡账号审计在技术（防封号、地域与浏览器仿真、交互仿真）、成本（实时视频分析所需 GPU 算力）与人力（全程人工监控）上代价高昂，限制了可及规模；（3）自动标注天然不完美，部分样本的类型与主题判定具主观性——作者主张未成年与成年之间的差异幅度过大，不可能由假阳性解释，并据此主张结论可外推至其它主题与地域，此外推主张缺乏直接检验；（4）为单平台、单时点审计，而既有文献已指出 TikTok 算法审计存在可复现性差与结论短期失效的问题（Mosnar et al., 2025）；（5）跨类别「5–8 倍」的比较未做正式统计检验。
- 资助与后续。由欧盟 NextGenerationEU 经斯洛伐克复苏与韧性计划资助，项目 AI-Auditology（No. 09I03-03-V03-00020）。后续计划扩展至更多 DSA 义务、跨时间复现审计，并扩大至更多国家与社交平台。
🧠 IRMaD 思维导图
mindmap
root((未成年人广告画像审计))
I 引言
未成年人认知未成熟
平台广告收入驱动
第28条2款禁画像
第3条r定义过窄
影响者营销被漏掉
R 问题
形式合规是否真保护
三类广告谁被画像
未成年与成年差多少
定义缺口如何运作
M 方法
配对傀儡账号审计
三对六账号十天
德国住宅代理桌面端
七千余条视频
视觉语言模型三帧
两人复核一致九成
R 结果
正式广告未成年无画像
未披露占全部五成六
未成年命中九成以上
效应八十三至九十三
差距约五到八倍
a 讨论
形式合规实质落空
美妆画像伤害路径
漏标平台无义务纠正
定义窄于旧指令
D 结论
按商业目的定义广告
平台须主动纠正标注
禁令扩及影响者内容
年度审计引入算法审计
图：本研究的 IRMaD 思维导图。蓝色 I 引言；橙色 R 研究问题；绿色 M 方法； 橙色 R 结果；紫色 a 讨论；红色 D 结论。