刷着手机的你，是否偶尔会想到，微信之类的社交媒体，究竟是让我们接收到更多元的信息，变得思想更开放包容，还是会让我们变得更狭隘呢？

今天这期推文，就带你一起了解社交媒体这些“小妖精”是让我们对各种信息变得更“雨露均沾“，还是更“独宠一人”。

01 过滤气泡与回音室效应

过往文献里研究社交媒体对用户信息获取的影响主要是从算法与在线社交网络两个角度出发：

算法过滤：推荐算法通过跟用户的交互，有可能让用户只看到他/她所愿意看的，从而陷在自己的小小世界里：这种情况被形象称为过滤气泡(filter bubble)；

社交网络同质性（homophily）：同质性代表着用户喜欢只跟与自己观点相似的人交互，那么在社交媒体上传来的声音就都是相似的观点，从而用户无法接收到挑战自己观点的信息，会变得越来越偏激，这被称为回音室效应（echo chamber）。

过滤气泡

回音室效应

这两种现象都可能让用户变得观点更极端化，甚至导致人群的对立与分裂。不过它们是否真的存在，学者们并没有达成一致。作者历数了导致文献中相互矛盾结论的6个原因：

1.不同研究对过滤气泡跟回音室效应的定义不同；

2.文献里很少进行跨平台研究；

3.不同学者关注点不同，内容推荐、分享或生成都有人关心，但内容消费其实是最重要的；

4.研究样本不具有代表性，如只关注高活用户；

5.如果只在群体层面分析，可能没法得出像个体层面那么微观准确的结果；

6.社交媒体经常更新算法但不披露细节，这也会影响研究结果的可推广性。

为了避免上面提到的这些问题，本文不再简单地探讨过滤气泡或回音室效应是否存在，而是更系统、多维度地探究Facebook、Reddit、Twitter三大平台的使用会如何影响用户信息消费的多样性(diversity)与政治倾向(partisan shifts)，从而让我们更加理解社交平台会如何塑造我们的信息环境。

02 背景介绍

首先，作者指出了三大社交平台的区别：

Facebook允许用户互相成为好友，也就意味着社交网络会呈现成相似的人相互聚集，同时Facebook的算法推荐高度定制化，推荐顺序会根据用户过往的点击历史及内容的受欢迎程度来决定，所以Facebook代表了那些兼具高社交网络同质性跟高算法过滤的社交平台；

Twitter允许用户关注他人，也具备高社交网络同质性，但在本文采集数据期间，Twitter在给用户展示他人发送的Tweet时直接按发表时间先后顺序倒序排列，并未引入算法推荐，所以其具有低算法过滤；

Reddit则是按话题组成不同社区（subreddit），具有低社交网络同质性，以及低算法过滤，除非用户选择按时间或人气排序。

03 数据与假设

然后作者利用将近20万美国用户在PC端的浏览数据，来分析各个平台对用户新闻消费多样与政治倾向的影响。作者基于各种相互矛盾的理论与实证结果，给出了相互竞争的两个假设：

假设H1是关于消费多样性：

H1A：社交媒体让用户信息消费更多样化；

H1B：社交媒体让用户信息消费更单一。

假设H2是关于政治倾向：

H2A：社交媒体让用户信息消费的政治倾向更明显；

H2B则是让用户消费的政治倾向更不明显。

更具体而言，作者首先根据文献定义了常见的177个新闻网站的政治倾向得分，在美国政治光谱上偏左为保守派（conservatives），得分为负，偏右为自由派（liberals），得分为正），然后对各个新闻网站的得分按消费时长加权，以指代消费新闻的政治倾向。而消费新闻的多样性则用四类指标来衡量：

观看的新闻网站数量（quantity）

观看的新闻网站政治倾向的分散程度（dispersion）

对不同政治倾向来源的新闻网站消费的时长是否均匀（parity）

消费的新闻网站之间的受众重合率是否高（variety）

04 结果

基于这些，作者收集了这些用户按周聚合，共计4周的数据，利用固定效应的面板模型来估计用户对三大平台的使用，会如何影响新闻消费。由于作者认为无论是从社交平台上跳转到新闻网站还是对社交平台的总体使用，都可能影响新闻的消费，所以作者关注的自变量同时包含从平台上点击链接跳转到新闻网站的次数（Referral）与在平台上花费的时间（Time）。同时作者也控制了其他常见的信息消费的途径，如搜索（Search）和邮件（Email）。最终结果总结于表9与表10，显著的系数才记录且被高亮：在表9中绿色代表显著为正，橙色代表显著为负，而表10中红色代表显著为正，蓝色代表显著为负。可以看到：

Facebook跟Reddit的使用，在各个指标上都与新闻源的多样性增加正相关，Reddit的系数显著更大，而Twitter的使用与多样性的相关较小，且无法得到一致的结论；

Facebook的使用与用户新闻消费变得更有政治偏向正相关，且保守派的相关系数大于自由派。而Reddit的使用则是与政治倾向负相关，Twitter则没有显著相关性。

05 总结

本文探究了不同平台的使用对用户新闻消费多样性及政治倾向的影响，主要有以下几个发现：

Facebook的使用增加，与新闻消费变得更多样、更有政治倾向都相关；

Reddit的使用增加时，用户会同时表现出新闻消费多样性的增加，以及消费新闻的政治倾向更温和；

Twitter的使用增加，则不会在任何一类消费特征上体现出相关改变。

需要说明的是，这篇文章的结论主要是相关性，而不包含社交媒体与新闻消费情况之间的因果影响。但它在多个维度上定义了过滤气泡与回音室效应，同时进行跨平台衡量，并尝试给出了不同平台结果不同的背后原因：

像Facebook此类注重社交的平台可能会通过社交渠道强化用户的政治倾向；

像Reddit此类推荐算法基于用户兴趣的平台，则可能拓宽用户消费的多样性。

这些启示都有助于我们理解社交平台会如何塑造我们的信息消费，同时也提示我们在使用不同平台时所各自需要注意的地方。

参考文献:

Kitchens, B., Johnson, S. L., & Gray, P. (2020). Understanding Echo Chambers and Filter Bubbles: The Impact of Social Media on Diversification and Partisan Shifts in News Consumption. MIS Quarterly, 44(4).

文献链接：

http://doi.org/10.25300/MISQ/2020/16371

作者介绍:

Brent Kitchens

Position: Assistant professor, McIntire School of Commerce, University of Virginia

Area: 商业分析、文本挖掘、信息系统经济学

Site: https://www.commerce.virginia.edu/faculty/bmk2a

Email: bkitchens@virginia.edu

Steven L. Johnson

Position: Associate professor, McIntire School of Commerce, University of Virginia

Area: 在线社区、社交媒体和开放式创新、社交网络分析

Site: https://www.commerce.virginia.edu/faculty/slj6e

Email: steven@virginia.edu

Peter Gray

Position: Professor, McIntire School of Commerce, University of Virginia

Area: 信息技术、社交网络、社交媒体/社交技术、IT战略

Site: https://www.commerce.virginia.edu/faculty/phg4c

Email: peter@virginia.edu