时事分析 | 创新及科技发展 | 2014-10-15 | 《经济日报》

为何他会unfriend你



过去数星期,港九各区出现的占领运动引起全港市民关注。连日来,亲朋戚友以至在公众场所遇见的陌生人,无不谈论这场运动对社会的影响。社交媒体亦充斥着相关新闻。部分是转发自传统媒体的消息,更多的是现场人士拍下的图片和影片。

今年年头,香港有市场调查公司就市民使用电子平台的习惯进行调查[1] ,发现Facebook是91%受访者最为常用的电子平台。另外,41%受访者表示Facebook是他们首先接触突发新闻的地方。调查发现传统媒体的吸引力逐步下降,受访者平均打算将读报及看电视的时间减少15%。

社交媒体信息传播 快慢不一

此消彼长,除因为本地互联网及流动科技发展成熟,社交媒体能够高速传播消息,并容纳各种议题和意见,均让传统媒体难以企及──至少我们以为如此。然而,社交媒体是否如此包容,信息是否真的能在其中自由流动?在美国密苏里州的小镇费格逊(Ferguson),早前因警察开枪射杀黑人青年,引发骚乱。事件在社交媒体的发酵过程,正好对应了上述疑问。

事件发生伊始,社交媒体Twitter上已有相关的影片和照片转发。然而社会学家Zeynep Tufekci发现,在相关信息于Twitter广传当晚,其个人Facebook却波澜不惊,直至次晨才被有关讨论淹没。奇怪的是,原来早在前一晚,Facebook上已出现费格逊事件的信息。[2]

计算机演算 代你筛选

为什么理应可实时发布的突发消息,要到第二朝才见天日呢?Tufekci认为这是Facebook以演算筛选(Algorithmic Filtering)取舍不同信息的结果[3]。 Facebook使用演算,根据用户的互动纪录及喜好,安排类近的信息呈现。虽然Twitter亦有使用演算,但其演算侧重呈现短时间内受到大量关注的信息,因此在费格逊事件中,Twitter成为了突发消息的主要来源,而Facebook不能。[4]

演算筛选并不是新事物,Google亦会根据用家喜恶,为搜寻项目排出优次,或称为Filter Bubble。演算筛选能为用家带来更贴身的使用体验,本来是一个进步,但当信息发布因演算而被改变,便不只是方便与否的问题,更是价值形塑的问题。Tufekci指出,当主流媒体不及或不愿关注费格逊之时,社交媒体提供了一个重要途径让社会了解事态发展,但演算筛选影响了网络信息公平流通的机会。[5]

 

「呃like」炼成的偏听

社交媒体曾被视为突破传统媒体信息审查的一条血路,但当群众脱离了传统的人为制肘后,却可能跌入一条但求「呃like」的筛选程序。

Facebook的营运模式,是透过搜集用户习惯、兴趣及网上活动等等大资料后,针对不同地区不同的客户,安排个人化的市场推广服务。[6] 演算筛选的作用,就是用户可能有兴趣的信息呈现,吸引其持续使用Facebook,从而提高广告收益,原理跟电视台希望观众「唔转台」大同小异。

不过,这种筛选方式为Facebook带来一种副作用。这从杂志Wired刊登的一个实验,或可略窥一二。[7] 实验由Wired的其中一位作者进行,实验期间,他将个人Facebook出现的所有消息,一律赞好(like),以了解动态消息的变化。

实验持续两天,两天下来,作者的Facebook出现了一个两极化现象:动态消息中同时显示极左及极右政治立场的消息。 [8]这不禁令人疑问,一个用户对其认同的动态消息赞好,会否成为Facebook将立场不够鲜明的信息筛走的依据。

物以类聚 社会二分

政见两极化导致社会撕裂,是不少论者对香港现时的看法。从上述实验看来,这可能也是Facebook演算筛选的副作用。美国有大学对社交媒体中出现的不同政见作出分析,提出人类有一种「物以类聚」(Homophilly)的心态,喜欢与其有相同理念及兴趣的人亲近。[9] 研究透过访问及调查,发现与朋友政治立场相左的用家,比起与朋友志同道合的用家,会较少使用Facebook;研究亦发现,Facebook用家较少与不相熟的朋友(weak ties)讨论政治,因政治立场不同而与不相熟朋友断绝交流的机会甚大。 [10]香港的Facebook用家早前出现的一阵unfriend潮 [11],可谓印证了上述研究的分析。

以上的研究为社交媒体言论两极化下了一个极佳脚注,甚至可以凭此约略勾勒出演算筛选的运作。社交媒体要赚钱,就必须吸引用户持续使用,以获得广告利益。要吸引使用者,便需要发放与他们想法相近的信息,并避免其讨厌的信息出现,以促进互动。[12]

但我们不得不承认,那些与自己意见相左,以至不太相熟的朋友,其实是我们从不同角度认识世界的信息来源。若社交媒体将他们的动态消息筛走,长此下去,用户或会堕入恶性循环,立场愈走极端,看不到平衡的意见与声音。演算筛选煽风点火,造就了真实世界的社会撕裂。

在言论自由的理想国,所有信息的流通应该都是平等的,只不过有些信息的流通「更加平等」。那些「更加平等」的信息,你很想要的吧,但这却可能把你推到一个不想见到的结局。

 

 

1 Lana Lam, “Facebook poll finds it is HK’s top digital platform,” South China Morning Post, August 22, 2014. 
2 Zeynep Tufekci , “What Happens to #Ferguson Affects Ferguson: Net Neutrality, Algorithmic Filtering and Ferguson,” accessed September 19, 2014, https://medium.com/message/ferguson-is-also-a-net-neutrality-issue-6d2f3db51eb0
3 同2
4 Mathew Ingram, “Twitter vs. Facebook as a news source: Ferguson shows the downsides of an algorithmic filter,” Gigaom, accessed September 19, 2014, https://gigaom.com/2014/08/18/twitter-vs-facebook-as-a-news-source-ferguson-shows-the-downsides-of-an-algorithmic-filter/
5 同2
6 Vindu Goel, “How Facebook Sold You Krill Oil,” The New York Times, August 2, 2014. 
7 Mat Honan, “I Liked Everything I Saw on Facebook for Two Days. Here’s What It Did to Me,” Wired, August 11, 2014. 
8 同7
9 Grevet, Catherine, Loren G. Terveen, and Eric Gilbert. "Managing political differences in social media," In Proceedings of the 17th ACM conference on Computer supported cooperative work & social computing, pp. 1400-1408. ACM, 2014. 
10 同9
11 「『unfriend』潮蔓延 医学界盼冷静」,《香港经济日报》,2014年10月7日。 
12 Casey Johnston, “Facebook’s route to becoming a reassurance machine,” Arstechnica, accessed September 19, 2014, http://arstechnica.com/business/2014/08/how-facebook-might-fix-its-trivial-viral-content-glut/.