Interpretative Polarization across Platforms: How Political Disagreement Develops Over Time on Facebook, Twitter, and WhatsApp

書名（以學術體例詳填資料，網路來源提供超連結及檢索日）：

Kligler-Vilenchik, N., Baden, C., & Yarchi, M. (2020). Interpretative Polarization across Platforms: How Political Disagreement Develops Over Time on Facebook, Twitter, and WhatsApp. Social Media + Society. 

跨平台的解釋兩極分化：Facebook、Twitter 和 WhatsApp 上的政治分歧如何隨著時間的推移而發展

全文連結：https://doi.org/10.1177/2056305120944393

導讀者：周孟瑤

原作摘要：

• 研究目的與背景：政治兩極分化被視為當代民主的主要威脅，與數位社交媒體的興起有關。然而，這一過程如何在以多種平台為特徵的社交媒體環境中發展，具有不同的規範、內容和符擔性，尚未得到充分探索。在本文中，提出了位置極化（即人們對政治問題的看法）和解釋性極化（即如何將政治問題置於語境和理解的角度）之間的區別。使用這種區別來研究以色列的一個政治爭議問題，研究兩極分化如何隨著時間的推移在三個社交媒體平台Facebook、Twitter 和 WhatsApp 上發展。

• 研究方法：使用混合內容分析法，將每個文檔建模為由多個主題組成，擷取三個社交媒體的資料進行編碼。

• 研究結果：研究發現對比的立場與相互矛盾的解釋密切相關，這兩者從一開始就很清楚，只有輕微的跨時變化。此外，雖然具有廣泛的相似性，但三個平台在位置和解釋方面都表現出一些獨特的兩極分化動態，這可以與其不同的社會技術符擔性聯結起來。 

• 結論：研究通過研究不同的社交媒體平台如何隨著時間的推移形成不同的兩極分化動態，對民主辯論具有不同的影響，從而推進了對兩極分化的理論理解。

一、文獻檢閱：

（一）極化——立場、解釋和隨時間變化

大多數經典的極化研究都集中在某些政治問題上問題立場或態度的靜態分佈上，極化通常通過偏好的雙峰分佈來衡量。（Abramowitz, 2015; DiMaggio et al., 1996)

1. 立場極化：對某個政治問題的立場的極化，分化意味著極端偏好彼此不相容，因此滿足一方將不可避免地挫敗另一方。(Fiorina & Abrams, 2008; Lelkes, 2016)

相對較少的研究明確闡述了政治極化作為一個動態過程的解釋機制是什麼。為了理解為什麼不同的人對一個特定的政治話題採取越來越不同的觀點，關於框架的政治傳播學研究表明，同一問題的不同情境化如何導致人們應用不同的考慮並因此對其進行不同的評估。（Chong, 1996; Stroud & Curry, 2015)

2. 解釋性極化：社會中的不同群體以截然不同的方式將共同話題置於語境中的過程（Baden，2015）。

解釋兩極分化可能會強化立場兩極分化，因為不同的解釋使得採納一個陣營提出的觀點越來越難而不詆毀另一陣營（Baden & David，2018；Hyde & Bineham，2000）。 先前的研究表明，對比問題解釋的顯著性可能是立場極化的關鍵驅動因素。(Hetherington & Weiler, 2015; Shmueli et al., 2006)。

（二）政治極化與社交媒體

由於政治觀點是在自然發生的背景下有機地表達出來的，尤其是社交媒體上的大量政治話語促成了研究政治兩極分化的新方法。（Barber. et al., 2015; Bruns, 2019; Himelboim et al., 2013) 在過去十年中，主要趨勢是公眾對社交媒體的擔憂加劇了政治兩極分化，這種方法得到了學術研究的普遍支持。許多學者提出，社交媒體可能在結構上傾向於政治兩極化。(J. K. Lee et al., 2014; Settle, 2018; Tucker et al., 2018; van Aelst et al., 2017; Yardi & boyd, 2010)

「同溫層」：在合適的同溫層內選擇性暴露可能會導致用戶錯誤地感知可用訊息和多數意見，以支持他們先前存在的解釋和立場。(Müller et al., 2017; Wojcieszak, 2011)

然而，近期的一些研究反對這一假設，認為大多數社交媒體用戶實際上仍然經常接觸對立的觀點（Bruns,2019;Gentzkow,2016）。 儘管以強關係（如家庭和友誼關係）為中心的社交網絡大多是同性的，但一些也考慮弱關係的研究認為，隨著社交媒體的出現，跨領域的曝光可能實際上增加了（Barberá，2015；Bruns , 2019; Yardi & Boyd, 2010)。 因此，社交媒體上的政治訊息流動主要是促進還是抵消政治兩極分化仍然是一個激烈爭論的話題。

（三）平台內容、規範、符擔性如何形塑極化動態

1. 規範：塑造兩極分化動態的第一個方面可能是社會使用，哪些人群傾向於使用某個平台，以及該平台如何被感知，尤其是它是否被視為政治討論的合適空間。關注新聞 WhatsApp 團體，在這些團體中，對政治感興趣的個人聚集在一起進行政治討論。Facebook被稱為個人、社區和基於興趣的網絡平台；然而，特別是在其公共頁面和討論中，它也具有更加激進的性質，旨在形成政治身份並試圖影響更廣泛的政治辯論。Twitter主要由政治精英、記者和活動家使用，用於專業交流和公共競選。

2. 內容：Facebook 使用演算法來策劃個性化新聞源，主要由與自己有密切聯繫的人的貼文組成。朋友之間的政治討論可能主要涉及志同道合的立場和解釋，而平台的算法可能進一步傾向於向用戶展示與他們相似的觀點（Settle，2018）。在Twitter上，所有內容都可以公開訪問，儘管個性化的新聞源是由每個用戶選擇關注的人塑造的。同時，用戶還可以通過標籤檢索內容，這可能會跨越不同的政治觀點。在WhatsApp上，內容由對話或群組的成員塑造，這可能或多或少是異類的。在這裡研究的WhatsApp群組包括政治上相對異質的成員。

3. 政治談話的符擔性：連接性（構建聯繫的能力）Facebook很可能主要與持有類似立場和解釋的其他人進行互動。 Twitter網絡應該更加多樣化。WhatsApp群組可能會讓用戶接觸到各種各樣的聲音。表現力（構建內容的能力）Twitter推文的鬆散組織導致討論的碎片化。Facebook承載複雜多媒體信息的能力促進了更多實質性的貼文和對話。WhatsApp的順序結構支持正在進行的討論，但重點放在近乎同時的對話上，而過去的內容會迅速從視圖中消失。

• 研究問題：隨著時間的推移，不同社交媒體平台上的兩極分化（立場和解釋）如何發揮作用？

二、研究方法

（一）案例選擇

2016年3月發生的希伯倫槍擊事件-以色列士兵 Elor Azaria被拍到殺死一名喪失能力的巴勒斯坦襲擊者。這一事件引發了激烈的爭論，許多人稱讚其行為是英勇的，而另一些人則譴責他是可惡的兇手。

（二）數據收集

Twitter公共頁面和 Facebook 上的公開討論，以及兩個致力於政治討論的大型WhatsApp群組，從槍擊事件發生之日（2016年3月24日）到 Azaria 的審判和定罪，直到2017年7月30日，他對判決提出上訴被駁回。

使用推特API。對於 Facebook，專注於公共 Facebook 頁面和公開討論，並使用相同的程序從中檢索所有相關貼文和相關評論。對於封閉平台WhatsApp，徵得了群主和參與者的同意，以觀察員身份加入政治討論群，下載並分析對話。

使用關鍵字來確定討論的潛在部分，然後手動編碼所有貢獻以與案例相關。所有內容都進行了去標識化以供使用。

樣本包含 29,250 條推文（包含 61,772 條評論）、6,508 條 Facebook 貼文（包含145,542條評論）和 6,245條WhatsApp訊息。因此，整個語料庫包含不到 100 萬條文本的四分之一，從簡短的（只有一個詞）WhatsApp 消息到140個字符的推文，再到詳盡的 Facebook 貼文。

數據分為四個主要階段：第一階段從槍擊事件延伸到2016年5月9日審判開始；第二階段延伸到審判期間； 第三階段從2017年1月4日宣布判決開始，到2017年2月21日宣判結束；第四階段最終以他的上訴於 2017年7月30日被駁回而告終。

（三）研究方法

使用混合內容分析法，將每個文檔建模為由多個主題組成，每個主題都通過一組最獨特的詞（包括非詞表情，例如表情符號）。選擇特定算法是因為可以將主題流行度建模為依賴於子語料庫所源自的平台，從而實現跨平台比較。使用包的內置工具進行模型評估，估計了廣泛的模型（K = 30, 40, . ., 200, 250）。在排他性和語義連貫性（K = 70, . ., 120）方面表現最好的模型中，手動驗證了關於編碼類別的估計主題的可解釋性和單價性，選擇具有K = 100個主題的模型來提供最佳擬合和可解釋性。

每個主題都根據編碼手冊手動分類，對Elor Azaria 行為的立場（支持：美化他的行為或要求他無罪；反對：譴責他的行為或要求他定罪；矛盾：表達相互矛盾但不相互排斥的考慮; 中立/不相關）。區分了七個廣泛的主題領域（射擊、軍事、執法/法律程序、政治、媒體、社會、其他），這些領域將適合評估的不同考慮因素分組爭議。最後，我們對情緒表達的強度（情緒化，未情緒化）和情緒（積極、混合、消極、中性/無關）進行編碼。 每個原始貼文都會根據其包含的編碼主題自動分類。

三、結果與討論

（一）描述性發現

對Azaria的立場，所有三個社交媒體平台的貼文都壓倒性地支持Azaria。在表達明確立場的 38.7% 的貼文中，87.6% 表示支持，10.3%綜合意見，只有少數 (2.1%) 明確反對 Azaria。

45,093 (79.7%) 個用戶的貼文主要是支持性的，9,351 (16.5%) 個反對，2,162 (3.8%) 個批評。此外，支持者的發文頻率比其他組要高一些。

雖然Azaria的右翼支持者在人數上占主導地位，但反對槍手的人包括眾多公眾人物。Azaria的支持者包括很多公眾知名度相對較低的人，他們貢獻了不成比例的許多貼文；但在知名度方面，Azaria的反對者在公開辯論中保持著強大的發言權。

用戶的貼文最常在社會團結和共享價值觀的背景下解釋此案（佔投稿的25.3%），其次是法律程序和刑事起訴的背景（22.1%）以及軍隊的作用（7.5%）解讀較少提及槍擊事件本身 (4.8%)、媒體的作用 (4.6%) 和政治 (4.5%)。幾乎三分之一的解釋被歸類為混合解釋。

（二）跨平台的解釋性與立場極化

按照支持者、反對者和矛盾者的立場劃分了社交媒體貼文，考察了每個群體如何將案件置於情境中。

支持Azaria的貼文主要通過提及社會團結和共享價值觀來解釋此案，同時也強調了軍隊的作用。反對Azaria的貼文沒有考慮這兩種情況，而是專注於槍擊事件-反對者和支持者之間的這些差異在各個平台上都是顯著且一致的。

唯一解釋性上下文包括對法律起訴和審判的引用，支持者呼籲立即無罪釋放Azaria，反對者要求將他作為兇手予以懲罰。

在反對者中，除了法律內文之外，平台之間沒有顯著差異，這在Facebook上不那麼突出。在支持者中，與 Twitter、WhatsApp 相比，Facebook上的社會背景更為突出，而對軍事和法律事務的提及則較少見。

雖然反對者和支持者由於不同的解釋而實際上似乎不可調和，但矛盾的貢獻部分彌合了這種脫節。矛盾的貼文分享了反對者對槍擊事件的擔憂，但也提到了軍隊的作用，並在一定程度上考慮了Azaria 在以色列社會中的嵌入（支持者採用的主要框架）有趣的是，矛盾的貼文是唯一將政治領域提升為解釋的顯著背景的貼文，將案例置於以色列左右政治的背景下。

（三）立場極化——跨平台和隨著時間的推移

每個平台的跨時變化都相對較小；相反，反對者與支持者的分佈從一開始就是兩極分化的，並且隨著時間的推移保持相當穩定。在Facebook 和WhatsApp上，發現以支持性貼文為代價，矛盾貼文的比例出現了小幅但顯著的增長，這表明存在輕微的去極化。在任何平台上，都沒有發現反對貼文的比例發生了重大變化。

進一步研究立場極化動態，分析每個平台上不同立場的發文人隨時間推移所表達的情緒（積極、消極或混合）。隨著時間的推移，情緒可能會變得更加極端，因為情緒惡化的人可能會使用越來越多的負面情緒。

負面情緒在話語中占主導地位。積極情緒相當罕見——它主要由 Azaria 的支持者使用，尤其是在Facebook上。在跨時趨勢方面，推特上的負面情緒上升，尤其是在大多數支持者中；而矛盾的貢獻相反地變得不那麼消極。在Facebook上，負面情緒全面上升，尤其是在反對者中，而正面情緒下降。在WhatsApp上，負面情緒會隨著時間的推移而減弱，有利於混合和積極的情緒。

（四）解釋性極化——跨平台和隨著時間的推移

整體情況基本保持穩定，在不同解釋上下文的比重中觀察到一些細微的變化。

Facebook上，對社會價值觀的不成比例的關注隨著時間的推移有所減少，略微緩解了支持和反對解釋之間的嚴重分歧。

在Facebook和WhatsApp上，反對者對槍擊的關注在最後階段略有減少。

與兩極分化加劇的假設相反，對分裂支持者和反對者的背景（分別是社會團結和槍擊）的強調逐漸減少，而法律解釋的作用更大，這是一個共同的背景。同時，在任何一個陣營中，沒有對對立陣營的解釋語境的重大接受：雖然雙方逐漸提及法律糾紛，但他們的極端解釋仍然不協調。

（五）討論

研究結果幾乎沒有理由說兩極分化（立場或解釋性）隨著時間的推移而增加。關於Azaria的爭議從一開始就兩極化。利用以色列公共話語和文化中已經牢固確立的意識形態先入之見，每個陣營都在其價值觀和熟悉的敘述的背景下迅速解釋了這些事件。

一個重要部分與那些持有矛盾觀點的人有關。表達矛盾觀點的用戶使用了他們獨有的一個框架：政治。通過從政治考量的角度閱讀事件，矛盾的用戶可以在兩個陣營原本不相容的解釋之間進行協商，承認任一陣營的考量的相關性，而不接受他們的結論。

Facebook：極分化動態方面的兩個相互矛盾的趨勢：表明輕微去極化的矛盾貼文數量雖小但顯著增加；隨著時間的推移，負面情緒會增加。對社區的定位似乎符合用戶對強調社會團結的解釋的關注。然而，社會團結不一定是針對政治對手的；大多數支持者的積極情緒似乎都是針對Azaria本人的。

Twitter : 就立場兩極分化而言，負面情緒隨時間而上升，而矛盾的群體在某種程度上與這樣的趨勢背道而馳。

WhatsApp : 矛盾的聲音略有增加，負面情緒有所減弱。這些去極化的動態表明了共同目標和相互尊重在辯論中的重要作用。在 WhatsApp 的推動下持續互動，可能有助於他們越來越熟悉和容忍其他用戶的觀點，這可能解釋了辯論中消極情緒的下降。

四、限制與貢獻

（一）限制

以色列公開辯論的案例和背景都有些特殊。基於與以巴衝突相關的兩極分化爭端的悠久歷史，以色列公眾可能比對不太確定的問題所必然預期的更快地解釋和判斷Azaria的行為。 

研究中的分析單位是投稿，因此多次發文的用戶自然會過多，而非發文者則被忽略。雖然可以就辯論中明顯的兩極分化得出結論，但不能說觀察到的模式是否反映了整個以色列社會的解釋和偏好分佈。

（二）貢獻

強調理論澄清的必要性，將政治極化概念化為兩個相互依存的方面的動態相互作用：立場極化和解釋極化。

區分發生極化過程的不同線上環境的重要性。

與本研究問題意識相關的概念與延伸對話：無

延伸閱讀：(請用學術體例將參考文獻中值得延伸閱讀之文章、書籍或網址列於此處) 

Baden, C., Kligler-Vilenchik, N., & Yarchi, M. (2019, May 24–28).Hybrid content analysis: Toward a strategy for the computerassisted classification of large text corpora using topic modeling [Conference session]. 69th ICA Annual Conference, Washington,DC, United States.

Baldassarri, D., & Bearman, P. (2007). Dynamics of political polarization. American Sociological Review, 72(5), 784–811.

資料狀況：

■ 電子檔（摘要／全文）:     全文      

□ 紙本（摘要／全文）:           

□ 其他狀況：           

如有重要相關圖表及附件請附在本頁後面，並在「其他狀況」項目內註明，如：附表四張。