Exposure to ideologically diverse news and opinion on Facebook

水火計畫讀書會書目摘要單

書名（以學術體例詳填資料，網路來源提供超連結及檢索日）：

Bakshy, E., Messing, S. & Adamic, L. (2015.5). Exposure to ideologically diverse news and opinion on Facebook. Science.Published Online May 7 2015 Science, 5 June 2015: Vol. 348 no. 6239 pp. 1130-1132 

DOI: 10.1126/science.aaa1160

導讀者： 鄭宇君                         

原作摘要：

由於愈來愈多用戶透過社群媒體來接收新聞、意見、與公民資訊，研究主要探討線上網絡如何影響用戶的意識型態曝露，研究者使用了去除個人資料的1010萬臉書用戶資料，測量他們的社交分享新聞行為。研究問題: (1)測量朋友網絡中意識型態的同質性；(2)測量異質朋友可以看到不同內容的程度；(3)測量FB演算法排序可以讓用戶看到比較多或少的異質內容；(4)比較用戶選擇/演算法排序，何者比較強烈影響用戶對於不同意識型態內容的曝露程度。

關鍵字：Facebook, echo chambers, polarization, filter bubbles, big data

重點整理：

先前的社交媒體與部落格研究提出了幾個理論概念，一是「迴聲室」（echo chambers）效念：個人傾向接受那些心態相近的個體之訊息，因而在政治事件或爭議立場中，用戶所看到的是那些與個人立場相近的訊息，而不能反映現實世界的真正立場。另一個概念則是「過濾泡泡」（filter bubbles）: 意指社交媒體內容是由演算法基於用戶先前行為所選擇的。

    本研究使用的資料集是1010萬美國臉書的活躍用戶，這些用戶在他們的個人檔案中自我揭露其意識型態傾向（註：意指政治立場傾向保守派或自由派），以及在資料收集的六個月期間中（2014.7.7-2015.1.7），被這些用戶所分享的700萬的網頁超連結URL。研究者透過機器學習區分這些大量超連結內容是否為硬內容（如：全國新聞、政治、世界大事）或軟內容（娛樂、運動、旅遊）。結果發現，700萬URL中有13%為硬內容，研究者進一步將資料集限縮於其中的22.6萬硬新聞內容，這些內容至少被20個以上有標示意識型態傾向的用戶分享，接下來進行校準測量。這些資料集包含了38億的不重複潛在曝光（註：分享者的朋友數加總），9.03億曝光（實際出現在用戶動態消息），0.59億的不重複點閱。

對內容校準（content alignment）的測量:

根據分享這則硬新聞的用戶之意識型態平均，給這篇新聞評分（註：先將用戶分為保守vs.自由派，各為正負一分，再把某則新聞的所有分享人數之分數平均計算，則為該則新聞）。所以重點不是測量新聞媒體的傾斜程度，而是捕捉一群人所分享的內容差異，包括主題、框架、傾斜，如:福斯電視網偏向保守派（+0.8）、Huffington Post傾向自由派（-0.65）。我們觀察到在用戶分享的硬內容裡有某種極化，最多被分享的連結來自大部分的保守派或自由派，也就是中立很少。(Fig 1)

臉書與政治部落格的連結很不相同，臉書是以友誼網路建立的人際網絡，雖然很多友誼會被政治意識型態打斷，但朋友當中還是有保守及自由派，在個人檔案中有標示自己是自由派的，朋友中大約有0.2是保守派，反之，標示自己為保守派的，朋友約有0.18是自由派。

因此透過他們的朋友分享內容，用戶有多少比例會看到相反陣營的內容？假如個人是隨機獲得資訊，大約有40%-45%會接受到另一端資訊（fig3B），但多數人獲得資訊是受朋友圈影響，保守派比自由派獲得更多另一陣營的訊息（35%: 24%），意指自由派較少保守派的朋友。

另一個影響個人接收資訊的是臉書動態消息（news feed）排序的演算法，當中涉及因素包含用戶到訪臉書的頻率、與他們朋友互動頻率、過去點了那些臉書動態連結。研究者發現經過臉書排序，保守派看到比平均略少5%的相對內容、自由派則是少了8%

    「個人選擇」是限制用戶曝露在相反意識型態內容的較主要角色：在調整立場（註：position在此意指政治立場）的效應之後（點擊連結率與臉書動態消息的立場是負相關），我們估計這個因素在相似性中削減—對保守派而言，個人點擊相對立場的文章是17%，而自由派是6%。儘管如此，個人還是有相當的空間去看那些相反立場的文章，平均而言，用戶看了牆上7%的硬內容。

  我們分析的限制。儘管有非常大量美國社交媒體用戶在臉書上，但我們研究僅限臉書。相較於全國人口狀況，臉書用戶傾向為年輕、受教育、女性多，部落格、Twitter等其他社交媒體平台展現了不同模式的政治同質性，很大原因是形成了基於共同議題興趣或特殊內容，臉書則是維繫在許多線下社會情境：學校、親人、社交活動、工作等，這些地方則是孕育混雜社會連帶的沃土（註：指意識型態不同的人較多）。此外，我們區分了曝露與消費是不夠完美：個體也許已經在動態消息中看到內容摘要，儘管他沒點進去，所以仍然暴露在某些內容下。

   本研究主要針對的問題：當黨派人想要維持心靈相近的關係時，多少媒體暴露是由社交網絡所形成。（平均而言，臉書上個人的朋友有20%跟你立場不同，這讓你有空間暴露在不同立場的觀點下）。進一步來看，當個人在線上只想與相近心靈的人進行聽與說，儘管人們在線上有機會暴露在相反內容，但結果不令人意外的，我們的社交網絡組成是限制我們在社交媒體遭遇混合內容的最重要因素。

    結論，個人選擇比演算法更限制了暴露在相對立場的內容，但我們不擬提出規範性的判準—規範性學者認為暴露在愈多元立場的內容市場愈是健康的民主。