時事分析 | 創新及科技發展 | 2014-10-15 | 《經濟日報》

為何他會unfriend你



過去數星期,港九各區出現的佔領運動引起全港市民關注。連日來,親朋戚友以至在公眾場所遇見的陌生人,無不談論這場運動對社會的影響。社交媒體亦充斥着相關新聞。部分是轉發自傳統媒體的消息,更多的是現場人士拍下的圖片和影片。

今年年頭,香港有市場調查公司就市民使用電子平台的習慣進行調查[1] ,發現Facebook是91%受訪者最為常用的電子平台。另外,41%受訪者表示Facebook是他們首先接觸突發新聞的地方。調查發現傳統媒體的吸引力逐步下降,受訪者平均打算將讀報及看電視的時間減少15%。

社交媒體資訊傳播 快慢不一

此消彼長,除因為本地互聯網及流動科技發展成熟,社交媒體能夠高速傳播消息,並容納各種議題和意見,均讓傳統媒體難以企及──至少我們以為如此。然而,社交媒體是否如此包容,資訊是否真的能在其中自由流動?在美國密蘇里州的小鎮費格遜(Ferguson),早前因警察開槍射殺黑人青年,引發騷亂。事件在社交媒體的發酵過程,正好對應了上述疑問。

事件發生伊始,社交媒體Twitter上已有相關的影片和照片轉發。然而社會學家Zeynep Tufekci發現,在相關資訊於Twitter廣傳當晚,其個人Facebook卻波瀾不驚,直至次晨才被有關討論淹沒。奇怪的是,原來早在前一晚,Facebook上已出現費格遜事件的資訊[2]

電腦演算 代你篩選

為什麼理應可即時發佈的突發消息,要到第二朝才見天日呢?Tufekci認為這是Facebook以演算篩選(Algorithmic Filtering)取捨不同資訊的結果。[3] Facebook使用演算,根據用戶的互動紀錄及喜好,安排類近的資訊呈現。雖然Twitter亦有使用演算,但其演算側重呈現短時間內受到大量關注的資訊,因此在費格遜事件中,Twitter成為了突發消息的主要來源,而Facebook不能。[4]

演算篩選並不是新事物,Google亦會根據用家喜惡,為搜尋項目排出優次,或稱為Filter Bubble。演算篩選能為用家帶來更貼身的使用體驗,本來是一個進步,但當資訊發佈因演算而被改變,便不只是方便與否的問題,更是價值形塑的問題。Tufekci指出,當主流媒體不及或不願關注費格遜之時,社交媒體提供了一個重要途徑讓社會了解事態發展,但演算篩選影響了網絡資訊公平流通的機會。[5] 

  

「呃like」煉成的偏聽

社交媒體曾被視為突破傳統媒體資訊審查的一條血路,但當群眾脫離了傳統的人為制肘後,卻可能跌入一條但求「呃like」的篩選程式。

Facebook的營運模式,是透過搜集用戶習慣、興趣及網上活動等等大數據後,針對不同地區不同的客戶,安排個人化的市場推廣服務。[6]演算篩選的作用,就是用戶可能有興趣的資訊呈現,吸引其持續使用Facebook,從而提高廣告收益,原理跟電視台希望觀眾「唔轉台」大同小異。

不過,這種篩選方式為Facebook帶來一種副作用。這從雜誌Wired刊登的一個實驗,或可略窺一二。[7]實驗由Wired的其中一位作者進行,實驗期間,他將個人Facebook出現的所有消息,一律讚好(like),以了解動態消息的變化。

實驗持續兩天,兩天下來,作者的Facebook出現了一個兩極化現象:動態消息中同時顯示極左及極右政治立場的消息。[8]這不禁令人疑問,一個用戶對其認同的動態消息讚好,會否成為Facebook將立場不夠鮮明的資訊篩走的依據。 

物以類聚 社會二分

政見兩極化導致社會撕裂,是不少論者對香港現時的看法。從上述實驗看來,這可能也是Facebook演算篩選的副作用。美國有大學對社交媒體中出現的不同政見作出分析,提出人類有一種「物以類聚」(Homophilly)的心態,喜歡與其有相同理念及興趣的人親近。[9] 研究透過訪問及調查,發現與朋友政治立場相左的用家,比起與朋友志同道合的用家,會較少使用Facebook;研究亦發現,Facebook用家較少與不相熟的朋友(weak ties)討論政治,因政治立場不同而與不相熟朋友斷絕交流的機會甚大。 [10]香港的Facebook用家早前出現的一陣unfriend潮 [11],可謂印證了上述研究的分析。

以上的研究為社交媒體言論兩極化下了一個極佳註腳,甚至可以憑此約略勾勒出演算篩選的運作。社交媒體要賺錢,就必須吸引用戶持續使用,以獲得廣告利益。要吸引用戶,便需要發放與他們想法相近的資訊,並避免其討厭的資訊出現,以促進互動。[12]

但我們不得不承認,那些與自己意見相左,以至不太相熟的朋友,其實是我們從不同角度認識世界的資訊來源。若社交媒體將他們的動態消息篩走,長此下去,用戶或會墮入惡性循環,立場愈走極端,看不到平衡的意見與聲音。演算篩選煽風點火,造就了真實世界的社會撕裂。

在言論自由的理想國,所有資訊的流通應該都是平等的,只不過有些資訊的流通「更加平等」。那些「更加平等」的資訊,你很想要的吧,但這卻可能把你推到一個不想見到的結局。

 

 

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 醫學界盼冷靜」,《香港經濟日報》,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/.