2015年8月3日

何者該為臉書用戶看到的同質化內容負責?

作者/鄭宇君(玄奘大學大眾傳播學系助理教授,國立政治大學新聞系博士。研究興趣:社交媒體研究、科學傳播、風險與危機傳播、科技文化研究)

究竟是個人的交友選擇或是臉書的演算法,造成臉書用戶看到同質化內容的影響較大呢?

Science期刊五月份登出一篇臉書研究的論文,主要目的是探討用戶曝露在同質或異質意識型態內容之情況,進而比較前述兩者的效應。這是少數能刊登在Science上的社會科學研究結果,特別是使用了一般研究者難以取得的臉書大數據(big data),因而引起許多人關注與討論。本文主要是說明這類研究的困難與研究發現之價值。

社群媒體大數據研究的價值
對人文社會學者而言,進行社群媒體大數據的研究,最困難的是研究者不容易取得大量的資料,因這些資料皆由Facebook、Twitter、Google等大公司所擁有, 即便這些公司透過應用程式介面(API)釋出部分資料給開發者及學術研究者利用,但能取得的數據仍是有限、不完整的資料。相較之下,本篇論文第一作者任職於臉書公司,可取得臉書的大量使用者資料及用戶行為記錄(user log),包括用戶塗鴉牆上出現的動態消息,哪幾則消息用戶會實際點閱,哪些不會等等。這些用戶行為記錄是一般研究者無法透過臉書API獲取的資料,只有臉書公司本身擁有這些記錄,這是本研究的價值所在。

本篇論文作者主要透過臉書的大數據驗證「迴聲室」(echo chambers)與「過濾泡泡」(filter bubbles)這二個概念,何者在臉書的用戶行為中較具影響力。用淺白的話來說,「迴聲室效應」的重點在於用戶的個人選擇,個體會選擇與自己立場相近的人成為好友,所以看到的朋友分享訊息跟自己立場相近;或是反過來,個體從臉書朋友中看到的立場來決定自己的立場。無論是哪一種,當個人從臉書好友分享訊息中所見的都是相似立場,他便以為社會上的主流意見皆是如此。

另一個重要概念「過濾泡泡」,則意指臉書演算法如何影響用戶所觀看到的訊息。臉書經由演算法先篩選出他們認為用戶「想看」的動態消息,接著這些訊息才會出現在用戶的動態消息上。演算法計算基礎來自於用戶先前的行為,包括用戶訂閱專頁、友人互動的頻率(按讚、分享、留言)及是否點閱內容觀看。

無論是迴聲室效應或過濾泡泡,儘管成因不同,但造成的共同結果是——用戶沉浸在一個同質性非常高的內容群體中,甚至誤認為這就是社會上的主流意見。這是批評者經常抨擊社交媒體的負面效應,這篇論文想要證明的就是迴聲室效應(個人選擇)或過濾泡泡(演算法過濾),何者該負起較大責任?......【更多內容請閱讀科學月刊第548期】

沒有留言: