观点极化是FB的错吗？--浅谈社交媒体的过滤泡现象
社交媒体在走入2018之时，开始越来越多的遭到行业内外的质疑。不论是去年脸书被疑人为操纵trending板块的内容，还是在大选后脸书被爆出被俄国利用干预竞选结果，最后导致对扎克伯格本人影响选举结果的猜测。还有今年年中美国媒体衰退趋势开始明显，美国新闻媒体联盟联合纽约时报，华盛顿邮报等多家传统媒体，向国会寻求反垄断豁免，允许他们与谷歌和脸书展开谈判。除去商业生存上的考虑，这些媒体人最担心的就是脸书等社交媒体会加剧回音室效应和过滤泡现象，导致人们观点极化（polarization），违背新闻从业者的价值观。尤其因为美国大选，种种对于社交媒体对人们信息处理和产生观点的影响的学术和民间研究开始出现。其中，许多学者都对回音室效应和过滤泡是否存在和其影响很感兴趣。
回音室效应（echo chamber），指的是在一个相对封闭的环境中，一些意见相近的声音不断重复，并以夸张或其他扭曲形式重复，令处于相对封闭环境中的大多数人认为这些扭曲的故事就是事实的全部。进一步的，Eli Praiser在2011年提出的过滤泡沫（filter bubble）则指向在互联网智能推荐技术层面上所遇到的问题，指的是一种网站针对个人化搜寻而提供筛选后内容的结果。网站内嵌的算法会透过使用者的地区、先前活动纪录或是搜寻结果来给予使用者想要的或是观点一致的结果。这种结果可能会导致使用者越来越看不到他们不同意的观点或资讯，使得认知过于单向，并处于他们的文化、意识形态气泡之中。
面对质疑，脸书自己的研究中心也在积极运作找出是否存在问题，早在2015年5月的一份论文中，facebook研究中心的学者就当时新上线的newsfeed产品做了数据研究，得出了与回音室效应不一致的研究结果，该论文指出：（1）在社交网络中，人们会接收到一定量的与自己政见相反的信息。研究并没有支持“只获得与自己相近信息”的假说。（2）个人选择也在接受信息中扮演了重要角色。（3）News Feed产品在信息获取多样化中扮演了相对较小的角色。但这并未消除人们的疑虑。现实情况是，随着facebook的壮大，人们沉溺其中的时间越来越长，美国政局也越来越“魔幻”，加上其对于其他国家人民社交生活的渗透所导致的对于当地政局无可避免的影响（比如其与菲律宾总统杜特尔特的合作）被相继爆出，facebook在主流舆论中的评价日趋走低。
在学术研究领域，就facebook等社交媒体影响人们价值判断的议题则被放置在相对客观的研究角度审视，在社会学和心理学领域，由于条件限制，研究者们多利用对照组个案分析或非概率性抽样研究社交媒体对特定行为的影响。就2014年的泰国大选，就有学者研究得出facebook对于观点极化的确有作用，但观点的不同并非facebook造成，是泰国的国家政治生态造就的，facebook对观点的分裂有加剧作用。但该学者同时指出，由于泰国的特殊性，这样的结论不适于推广到其他地区。与之相似的，一份2017年的研究指出，回音室效应在现实中并没有人们想的作用这么大，人们在社交媒体上不仅接触对立信息或观点，甚至与之论辩，且无论其支持或反对，最后都会指向强化自身观点，在这些研究者们看来，整个社交媒体更像是一场大型选择性曝光（“confirmation bias”）的秀场，最终达到一个“战壕对垒”（trench warfare dynamics）的局面，但可惜的是，该研究使用的是问卷调查研究，可推广性有疑问，且缺乏长期效应的研究支持。
不仅是facebook，也有学者研究了其他社交平台的相似效应，也未得出智能推荐系统会造成回音室效应或过滤泡沫的明确结论。在一份2017年对Google News产品的研究中，研究者分别分对照组饲养了一批Google News账号，结果并未发现智能推荐系统对新闻来源，尤其是政治类新闻的多样性造成很大的影响，事实上，经过算法推荐的新闻和未经算法推荐的并没有太大差别。但该研究缺乏对于算法本身的调查（事实上也无法从外部调查），只能从饲养账号并观察其推送的新闻来总结规律，也无可避免的缺少推广价值。在一份对于Twitter的研究中，研究者指出Twitter在德语与意大利语使用者中确实造成了政治观点集中化的倾向，人们会倾向于集结在相类似的政治观点旗下。但与回音室效应不同的是，研究者发现这一结果更集中于线下本就倾向于与同类交流者，对于大多数人群来说，社交媒体提供的观点多样性比起线下面对面交流不仅没有窄化，反而提供了更多的信源。
除了社科专业，计算机科学的研究者也加入到这场明显需要跨学科研究的议题中来，明尼苏达大学的研究者通过对一家电影评分网站MovieLens的数据调查得出了一些有趣的结论。在这个拥有近两万部电影，两千万评价的数据库中，研究者发现该网站于2007年推出的智能推荐系统的确造成了用户观影习惯的窄化，但就系统推荐的电影来说，推荐组比对照组的多样性更广泛。在用户体验方面，在三个月内，两组用户对于推荐电影的评价都类似，随着时间推移，对照组的电影多样性降低更快，且对于观看的电影评分也更低。所以事实上，在此研究中，推荐系统不仅没有增加过滤泡沫现象，反而减轻了该现象的产生。
这就使得情况变得吊诡，Facebook肯定是人们观点极化的推手，因为美国人阅读信息（包括新闻）的习惯已经从报纸电视彻底转向了Facebook，社交网络上阅读新闻的风潮只会越来越明显。但是，在有明确数据支持之前，我们不能草率得出结论说Facebook造成了这个结果。Facebook已经太庞大了，无论扎克伯格和他的技术团队是偏向左派还是右派，甚至保持中立，都不能避免对其掌控信息入口的批评。
2018年初，facebook首席执行官马克扎克伯格宣布调整NewsFeed算法。在对外的解释中，扎克伯格认为问题出在商业广告过多植入时间流。正如Quartz指出的，Facebook这可谓是招好棋，顺应舆论的批评表示悔过，却偷梁换柱的只调整商业广告的出现频率，避开了关键的假新闻和观点极化的讨论，使得Facebook在可预期的将来能留存更多用户。毕竟，他只是一家商业公司，盈利是最主要，最迫切的问题。
参考资料：
https://hk.news.yahoo.com/facebook-血汗工廠-趨勢話題的背後操作-090057317.html
http://menclub.hk/powerandmoney/6829
https://gizmodo.com/former-facebook-workers-we-routinely-suppressed-conser-1775461006
http://economy.china.com/news/11173316/20170711/30952987.html
https://zh.wikipedia.org/wiki/迴聲室效應
https://zh.wikipedia.org/wiki/過濾氣泡
https://research.fb.com/exposure-to-diverse-information-on-facebook-2/
Max G. (2014) ‘Echo Chambers’ Partisan Facebook Groups during the 2014 Thai Election. Asia Pacific Media Educator, 24(1) 39–59. DOI: 10.1177/1326365X14539185
Rune K., Kari S-J., Dag W. and Bernard E. (2017), Echo chamber and trench warfare dynamics in online debates. European Journal of Communication, 2017, Vol. 32(3) 257–273, DOI: 10.1177/0267323117695734.
Mario H., Andreas G. & Hans-Bernd B. (2017): Burst of the Filter Bubble?, Digital Journalism, DOI: 10.1080/21670811.2017.1338145
Cristian V., Augusto V., Pablo B., John T. J., Jonathan N., & Joshua A. T., (2016): Of echo chambers and contrarian clubs: Exposure to political disagreement among German and Italian users of Twitter. Social Media + Society
Tien T. N., Pik-Mai Hui, F. Maxwell H., Loren T., Joseph. A. K., (2017): Exploring the Filter Bubble: The Effect of Using Recommender Systems on Content Diversity, GroupLens Research