近日，纽卡斯尔大学Dr. Justin Ellis团队在《Gender, Place & Culture》发表研究，揭示社交媒体算法正频繁在用户自我认同前推断并推送其LGBTQ+相关身份内容，学界将此命名为算法性出柜。研究基于对二十名十八至六十岁相关成年人的访谈发现，平台主要依赖点赞、关注及浏览停留等交互信号构建用户画像，并在TikTok等应用中快速生成个性化信息流。该机制虽为部分用户提供了私密探索渠道，却在咖啡馆、通勤等线上线下重叠的混合空间中暴露出严峻的隐私与安全隐忧。受访者指出，算法无法识别物理环境的风险等级与个人出柜意愿，导致用户在公开场合面临被动曝光的焦虑，不得不依靠隐私设置、多账号隔离及被动浏览等技术手段进行自我审查。研究强调，自动化分类系统易固化社会偏见，迫使少数群体在技术使用中持续进行安全博弈。为此，团队呼吁科技平台履行透明度与安全责任，落实隐私保护设计原则，完善用户授权机制，并开发敏感内容快速退出工具，以确保身份披露过程完全由用户自主掌控。