Facebook沒有告訴你的事
從2008年6月Facebook來台至今,Facebook這個字已逐漸變成了大學生網路生活的代名詞。舉凡日常聊天、相約吃飯、分享照片、轉貼文章、宣傳活動甚至關心時事,學生族群都離不開Facebook。隨著使用的普及度與頻率日增,Facebook逐漸成為大多數人線上人際互動和接收資訊的第一平台。在去年反媒體壟斷議題發燒期間(註1),更有不少人認為網路比起傳統媒體,是更客觀中立的訊息管道,不受特定政黨、財團或利益團體的影響(註2),而他們之中大多數實際上使用的訊息管道,可能就是Facebook。
從眾多社群網站中脫穎而出的Facebook,除了容易上手、跨平台整合等優點外,最大的特色就是能替使用者篩選動態,藉由分析使用者過去的使用歷史推測個人的喜好,優先呈現出用戶可能最感興趣的訊息(註3)。作為社交平台,這個特色可圈可點,能貼近使用者的需求,呈現最親近朋友的動態;然而如果作為接收資訊的單一管道,Facebook的動態篩選特性卻可能從優點變成缺點。因為使用者看到的都是較親近朋友的意見,或立場和自己較相近的言論,彷彿透過有色眼鏡觀看世界,而造成只接觸片面資訊的結果。現在先讓我們來看看,Facebook是如何替使用者篩選優先閱讀的動態。
Facebook如何決定讓我們看到什麼?
現在Facebook如此普及,每個人的好友動輒數百個,再加上社團、粉絲頁、應用程式更新等訊息,每天可能有數以千計的動態是和使用者有關的。想當然爾,使用者沒時間也沒興趣把這些動態全都看完,因此Facebook勢必得透過某種方式決定,哪些動態要優先呈現,哪些則放在後面一點的順位。而這個決定的方式,就是EdgeRank演算法(註4)。
演算法中的Edge,指的其實就是任何一則發在Facebook上的動態,包括來自朋友、社團或粉絲頁的訊息。Facebook會為每則動態計算出一個排序積分(EdgeRank),積分高低由三個因素決定。首先是親近度(Affinity),代表發動態者和自己的關係密切程度,一般的情況下是家人或情侶>朋友>點頭之交。同時,親近度也會受到過去互動狀況的影響,意味著如果你和某個朋友互相按讚、留言或分享的次數越多,你們的動態也會越優先出現在對方的Facebook頁面上。
第二個因素是動態本身的權重(Weight),不同種類貼文間的優先順序是影片>照片>近況更新>連結,而動態收到的不同回應也有所影響,依序是分享>留言>按讚>點擊。舉例來說,一個有10則留言的動態會優先於有10個讚的,而有10個讚的又會優先於有5個讚的。最後則是時間差(Time decay),即動態從貼出到被閱讀之間經過的時間長短,越新近的動態會越優先出現。必須注意的是,這三個因素是交疊在一起計算的,綜合積分最高的會最先被看到。因此使用者最容易看到的往往是較新的、由自己平常關注的朋友所發的、有很多朋友回應的動態,而那些較久之前的、由比較不熟的朋友發的、或沒有什麼人回應的動態,使用者能看到的機會就大大減少。
但這到底意味著什麼呢?一個最顯而易見的結果是,我們可能很容易只看到那些我們偏好的動態。對於我們喜歡的訊息,我們每次的按讚、回應或分享都是在告訴Facebook,以後要更增加這個發文者的動態出現的機會,而我們不喜歡的訊息,Facebook就會漸漸降低它們的能見度,而我們也更沒有機會看到或回應它們。久而久之,我們對喜好內容的反應與Facebook呈現資料的排序方式交互作用而產生正向回饋,讓我們看到的頁面漸漸更趨同質,和好友看到的內容也越來越像。最後,就在較親近的朋友間塑造出了一個同質性高、資訊彼此流通的封閉小圈圈,我們看到的大多都是小圈圈裡的訊息,結果就是看起來好像Facebook上每個人的想法都跟自己差不多,然而這個表象可能和現實相去甚遠。
只看到我想看的,有什麼不好?
看到這裡的你可能想問,即使Facebook讓使用者只看到他想看的,這又會有什麼負面影響呢?這時候,我們所學的心理學知識就該派上用場了。心理學中的Mere-exposure effect (重複曝光效應),指的是對於特定刺激接觸的次數越多,就越容易對其產生喜好 (Zajonc, 1968)。在廣告行銷界,這個概念的應用早已行之有年。而在Facebook上,也很可能因為使用者本身偏好,或是周圍較親近朋友的立場使然,而讓支持特定立場的資訊曝光的次數,比反對立場的資訊多得多,此時曝光量較高的立場便可能獲得較正面的評價。舉例來說,如果周遭朋友轉貼的大多是支持核電的文章,你對核電議題的態度,很可能因為支持立場資訊量較多的影響,而傾向產生對核電的正面印象。
標題決定一切
除了資訊量不對等的影響以外,透過Facebook接收資訊,也可能充滿許多其他的疑慮。舉例來說,在閱讀Facebook動態時,不時可以看到朋友轉貼文章,並且加上自己的意見或評論。這樣子的貼文形式,其實很容易產生認知心理學中的框架效應 (Framing effect)。閱聽者最先看到的標題或簡述,可能會成為一個先入為主的解釋性架構(框架),我們透過框架來組織和理解事件,彷彿透過選擇性的濾鏡吸收資訊 (Tversky & Kahneman, 1981)。框架效應最具震撼力的例子,就是聳動的新聞標題,對讀者理解內文方式的影響 (見邊欄:Innuendo effect)。而在Facebook上,透過朋友的轉貼和評論來閱讀各類文章,自然可能受到轉文者的影響,而在某種程度上不自覺的接受了他人的立場和邏輯。
理性的閱聽者?
此外,也讓我們來看看社心的研究,對於說服技巧和態度轉變的關係是怎麼說的。研究態度的心理學家,將說服的策略分為中央說服路徑和周邊說服路徑 (Petty & Cacioppo, 1986),大致上分別代表透過內容論述來說服和透過表面線索來說服的差別 (詳見邊欄)。
如何才能得到更中立客觀的資訊?
讀到這裡的你,現在會不會對於網路作為中立資訊管道的想像感到有點失望呢?先別急著灰心,其實網路也好,電視、報紙、廣播也好,所有的傳播媒體都不可能是完全中立的。即使網路相對較不受政商勢力掌控,也仍然受到置入性行銷、花錢買部落客評論、匿名言論暴力和沉默螺旋等問題的影響,更不用說前文討論到的,在透過任何管道接收資訊時都可能發生的偏誤。
而我們能做的是什麼呢?最好的應對之道,就是建立多元而平衡的資訊來源,養成定期閱讀國內外新聞、社論、獨立部落格評論、以及各色非主流媒體的習慣。透過主動收集更多元的資訊,我們才得以避免視野受限於主流媒體的觀點,或受到交友圈的人際因素影響。為了便利大家坐而言不如起而行,逆光編輯團隊特別推薦了以下的多元資訊管道,讓大家擁有更豐富的資訊來源。當然,如果你也認識其他的優良媒體希望推薦給大家,或者你對於媒體議題有任何意見想要表達,隨時歡迎你上逆光的部落格http://enlightingpsy.blogspot.tw 回應與分享!
多元資訊管道推薦分享
非主流媒體
公民媒體
公視製作
獨立評論
校園聲音
註解
註1:參見反媒體壟斷懶人包:http://goo.gl/6DAz3
註2:參見陳為廷事件相關文章:http://goo.gl/kKrxx
註3:參見Facebook相關文章:http://goo.gl/g7ou3、http://goo.gl/3fVEF
註4:可參考EdgeRank相關文章的更詳細介紹:http://goo.gl/nBBZo、http://goo.gl/rNzUm、
、http://goo.gl/ZTmXh、http://goo.gl/w5MpI
註5:參見http://goo.gl/mp0cP
註6:更詳細的概念定義,可參見維基百科的整理:http://goo.gl/fzMIb
參考文獻
Druckman, J. N. (2001). Evaluating framing effects. Journal of Economic Psychology, 22(1), 91-101. doi: http://dx.doi.org/10.1016/S0167-4870(00)00032-5
不愧是心理系學生的文,很有深度。
回覆刪除美中不足的是,「多元資訊管道推薦分享」大部份是網路世界的主流媒體。從邏輯來說,當這些「多元資訊管道」繼續放任自己的支持者使用臉書替自己衝高人氣的時候,當人們持續接觸這些「多元資訊管道」的時候,不也是會落入臉書演算法的陷阱?更何況其中有不少都在經營臉書粉絲頁?
臉書的問題國外已經有人在關心,最有名的大概是上過TED的伊拉巴拉瑞,這裡有篇文提供參考:http://thisblogexist.pixnet.net/blog/post/95259608
您好,很感謝您的留言指教。我們在文末推薦的非主流媒體,之所以清一色都是網路媒體,事實上和現代商業化的媒體生態很有關係。傳統的平面、影音等主流的大眾傳媒管道,往往需要一定程度的資本實力才能夠經營,對於難以與強勢主流媒體競逐的小眾媒體來說,網路幾乎就成了發聲的唯一出路,因此我們希望推薦的非主流媒體才會以網路媒體為主。
刪除而您所提到的可能性,其實也正是我們想要提醒讀者的。在社群網站演算法的篩選之下,無論是閱讀傳統媒體的電子報,還是新興的網路媒體,都同樣會受到閱聽者個人使用習慣和交友圈的影響,而彷彿透過有色眼鏡在接觸媒體。就連我們在文末推薦媒體連結的動作,某種程度上也是在透過編輯群自身的立場影響讀者的視角。因此我們想要強調的,是我們每個人「積極主動建立多元資訊來源」的重要性。當我們能夠決定自己接收資訊的方式,以主動吸收取代被動跟隨時,才有可能跳脫社群網站演算機制的自我篩選黑洞,主宰自己接收訊息的管道。這時候,「理性的閱聽者」才成為可能。
另外也很感謝您提供的文章連結。
伊拉•巴拉瑞: 當心網上的「過濾氣泡」
回覆刪除May, 2012
http://www.ted.com/talks/eli_pariser_beware_online_filter_bubbles.html