顯示具有 social media 標籤的文章。 顯示所有文章
顯示具有 social media 標籤的文章。 顯示所有文章

2025年9月24日 星期三

丞相,起風了!什麼言論最容易帶風向?

自新冠疫情開始以來,美國公共衛生和科學機構的公信力持續下降,尤其在共和黨支持者中,信任度下降特別明顯。

面對這種公信力危機,美國 CDC、HHS、FDA 和 NIH 等機構正在想要怎麼重建公眾信任,但是如果不清楚原因,也不好找到解決方法。

目前的共識是社交媒體在其中扮演重要角色,因為在現在的社會中,社群媒體已經不再只是朋友之間分享生活的地方,很多人都從社交平台上獲取新聞,追時事、動態,或是吸收知識,有的人甚至不同的平台有不同的用途,例如我自己的話 X 是用來看新聞,Threads 用來追台灣時事,臉書以朋友和看科技醫藥類新聞為主,IG 則是追一些 YTer 或日韓網紅、餐廳和旅遊相關。

不過也由於社群媒體的開放性、即時性,以及演算法的特性,各種批評、錯誤資訊和陰謀論等等都可以快速散播出去,以往只有傳統媒體或專家才能發聲,現在人人都有可能成為網紅,素人也可以因為一篇廢文在 Threads 上飄出去而一夜爆紅。

常在網路上混的人,可能注意到:

▫️ 網路上很容易有情緒:不管你的文字是怎麼描述的,帶不帶有情緒,有的人就是很容易把自己的情緒帶進去,回的東西也會把情緒放大。我自己最常看到的現象是替別人生氣或覺得委屈,有的文我怎麼看都覺得原 po 不帶情緒或不覺得自己委屈,下面一堆人替他生氣,然後留言就開始互吵。

▫️ 同溫層效應:演算法會根據你的喜好和互動,不斷推播你可能喜歡的內容,這導致我們更容易看到與自己觀點一致的資訊,形成同溫層。在同溫層內,對公共衛生機構的批評可能會被不斷強化,而對機構有利的資訊則可能被忽略。

▫️ 任何事都有人批評:不管是政府的宣導、公告,還是民間團體發起的活動,或是素人分享生活,都會有人批評。舉一個和美國新冠疫情時,CDC 的公信力危機,台灣也是,不管是防疫政策還是疫苗政策,都有人不滿和反對,近期一點的例子,大概就是大罷免。

如果有人注意到,對政府或團體的批評、攻擊或抹黑,大概可以分為幾種:
  • 針對他的專業能力:夠不夠專業?
  • 針對他的信用:可不可信任?之前是否有過背信棄義的行為?
  • 針對他的形象:人品、道德是否有問題?是否言行不一?
  • 針對他的背景:是否有財團、政黨撐腰?

哪一種的攻擊的殺傷力最大?

之前的研究發現

  • 誠信 vs. 專業能力:雖然有理論認為攻擊機構的誠信(integrity)會比攻擊其專業能力(competence)更能傷害其公信力,但實驗證據相互矛盾:有些研究支持此論點,有些則發現沒有效果,甚至有研究發現攻擊專業能力的傷害反而更大。
  • 形象:有研究顯示攻擊他人的誠信,可能會讓攻擊的人顯得更具道德高度,也就是道德作秀(moral grandstanding),但也有研究顯示,這會讓攻擊者被認為是霸凌者。
  • 黨派因素:大家更傾向於相信和自己立場一致的資訊,但還需釐清信任和不同批評之間的交互作用。

研究缺口

  • 缺乏針對性:現有的研究大多不是在公共衛生與科學機構的背景下進行的。
  • 缺乏真實世界情境:缺乏同時存在攻擊與反擊資訊環境中的研究,而這其實更貼近社群媒體的環境。
  • 之前研究的局限性:雖然也發現帶有道德或情緒性內容的貼文更容易被分享,但這些研究幾乎完全是基於觀察性的相關分析。

不同類型的批評如何影響公眾信任,之前的研究發現彼此矛盾,而且也無法釐清「內容 → 情緒 → 互動」這個完整的因果鏈。

研究目的


隨著人們越來越依賴從社交媒體中獲得新聞和各種資訊,不管是有意還是無意,批評公共機構的內容也隨之增加,包括從善意的糾正或是惡次散佈錯誤信息、虛假信息或陰謀論。

這篇研究主要想知道攻擊公衛機構的「專業能力不足」和攻擊其「信用不佳」,哪一種說法對公眾信任的打擊更大?而攻擊誠信的言論中,黨派性指控和非黨派性指控的效果又有何不同?

這篇研究的作者認為攻擊公衛機構誠信的言論會比攻擊其專業能力更能激發民眾的憤怒感,也就是道德義憤(moral outrage)。人類似乎更會因為道德議題帶入自己的情緒,進而轉化成在社群平台中進行互動,而這篇研究中:
  • 分析了矛盾陳述(contradictions)和破壞信任敘事(trust-undermining narratives)如何影響公眾對公共衛生機構的信任。
  • 比較攻擊機構誠信和能力對機構可信度會有怎樣不同的影響
  • 探討黨派立場如何影響民眾接受資訊上的矛盾之處。

道德義憤假說:心理學文獻顯示當人們目睹道德越軌(moral transgressions)行為時,會產生憤怒的情緒。

社交媒體上的批評模式


社交媒體上的機構批評模式包括矛盾陳述(contradicting statement)和信任破壞敘事(trust-undermining narrative),其理論框架為:

批評 = 矛盾陳述 ± 破壞信任的敘事

Criticism = Contradiction ± Trust-Undermining Narrative

◻️ 矛盾陳述(Contradiction):指直接反駁機構主張或建議的言論,例如:CDC 的建議與最新科學證據不符。

◻️ 破壞信任的敘事 (Trust-Undermining Narrative):也就是除了反駁,還進一步解釋為何該機構是錯的,進而攻擊其可信度。
  • 攻擊專業能力:非道德相關,主要質疑機構是否具備足夠的專業知識、能力或資源,例如:將黨派利益置於公眾利益之上,指控機構受特定黨派利益影響。
  • 攻擊誠信:道德相關,質疑機構的道德原則、誠信或動機、意圖,例如:將製藥業利益置於公眾利益之上,指控機構受藥廠利益等非黨派因素影響。

實驗方式


主要是透過線上調查,受試者為近 7000 名的美國成年人,隨機分成兩組:AHRQ 和 CDC。這些受試者會看到一則模擬的社群貼文,內容是某位「匿名用戶」對一則關於「阻塞性睡眠呼吸中止症篩檢」的公衛建議發表評論。

會選擇這個主題是因為較為中立,可避免受訪者將內容與疫情聯想在一起,加上美國 USPSTF 最近公佈沒有足夠證據支持或反對這項建議,不管信或不信,都不會有太大影響。

◻️ AHRQ (Agency for Healthcare Research & Quality):3,389 人,因為知道的人較少,比較沒有預設立場,可以用來了解最開始是怎麼喪失公信力的。

◻️ CDC:3,411 人,幾乎大家都知道,而且大概對其已有預設立場,可以用來了解在既有政治化背景下,各種批評對其公信力的影響。

什麼言論最容易帶風向?

1. 不同類型的批評
  • 對照組:僅是提醒大眾注意該公衛建議。
  • 無敘事批評組:僅是反駁該建議的真實性,沒給反駁的原因。
  • 專業能力攻擊組:反駁建議,並將其歸咎於該機構能力不足。
  • 非黨派誠信攻擊組:反駁建議,並將其歸因於該機構受「藥廠利益」等非黨派因素影響。
  • 黨派誠信攻擊組:反駁建議,並將其歸因於該機構受「黨派利益」影響。
    • 如果是共和黨人:會看到一個批評版本,聲稱 AHRQ/CDC 不值得信任,因為它們有親民主黨的偏見。
    • 如果是民主黨人:會看到一個批評版本,聲稱 AHRQ/CDC 不值得信任,因為他們有親共和黨的偏見。

2. 階段一測量:參與者在看完第一則貼文後,需回報他們對該機構的信任度、情緒反應,以及社群媒體互動偏好。
  • 對公衛機構的看法:對該機構的建議真實性、總體可信度、誠實度與意圖的評價。
  • 對批評者(匿名用戶)的看法:對該批評言論的真實性,以及對該匿名用戶本人的可信度、誠實度與意圖的評價。
  • 情緒反應:參與者被激發的情緒,包括憤怒、擔憂、驚訝、幽默等。
  • 社群媒體互動偏好:參與者想要對該批評貼文採取的行動,如下投票 vs. 讚、檢舉 vs. 分享、封鎖 vs. 追蹤。

3. 階段二測量:參與者會看到一則由公衛機構發布的、格式化的反駁貼文,並再次回報他們的反應。

4. 階段三測量:在實驗結束時
  • 測量行為意圖:詢問參與者之後是否會遵循實驗中所討論的健康建議。
  • 測量外溢效應(Spillover Effects):為了評估影響是否擴散,還會詢問他們之後是否會遵循其他的健康建議,例如 C 肝篩檢、新冠疫苗等等,以及他們對其他政府機構和聯邦政府整體的信任度。

研究結果


攻擊誠信的言論對公信力的損害最大


任何形式的社群媒體批評都會嚴重損害大眾對衛生機構的信任,其中又以攻擊其誠信的言論最具殺傷力,而且官方發布的反駁內容只能稍微提升大眾對它的信任度。

1. 所有類型的批評都有害:無論是哪種類型的批評,哪怕只是簡單地反駁其建議,都會大幅地降低民眾對公衛機構的信任度及其建議的真實性。有趣的是雖然民眾同時也對匿名批評者抱持懷疑態度,但對公衛機構的信任度還是降低了。

2. 官方反駁的效果有限:公衛機構發布的官方反駁內容只能稍微挽回這些負面影響。雖然看了官方的反駁,但因為批評言論而降低的信任感仍低於沒看評論的群體,表示官方反駁的效果有限。

3. 攻擊誠信的傷害最大:攻擊機構誠信的言論比單純反駁或攻擊其專業能力的言論造成的信任損害更大,不管是基於黨派利益或非黨派利益的指控。

4. 行為影響:所有類型的批評都降低了民眾遵循該項健康建議的意願。

5. 外溢效應:對特定議題的批評並沒有影響民眾遵循其他類的健康建議的意願,其他該做的檢驗還是會願意做。

引起憤怒情緒是關鍵


在社群媒體上,攻擊公衛機構誠信問題的言論比攻擊其專業能力更能引起憤怒的情緒,也許是為什麼攻擊誠信的殺傷力更大,傳播更廣。

1. 誠信攻擊引發劇烈憤怒:比起攻擊專業能力,攻擊誠信的言論更能引起憤怒的情緒。而在誠信攻擊中,「黨派性」誠信攻擊所引發的憤怒感又略高於「非黨派性」誠信攻擊。

2. 擔憂情緒也增加,但程度較輕:誠信攻擊同樣也會增加民眾的擔憂情緒,但其效果遠不如引發憤怒的效果那麼顯著。

3. 其他情緒未受顯著影響:對於驚訝(surprise) 和幽默(humor)等其他情緒,則沒有觀察到顯著的影響。

4. 官方反駁對情緒影響不大:在參與者看到官方的反駁內容後,基本上就沒什麼情緒上的差別。

5. 情緒反應無黨派差異:共和黨與民主黨支持者在面對這些批評時,情緒上的反應並沒有什麼差別。

攻擊公衛機構誠信的言論之所以殺傷力很大,是因為它能夠有效引起人類的道德義憤(moral outrage),激起強烈的憤怒情緒,也是為什麼這類言論比單純質疑專業能力的言論更具煽動力。

憤怒更能促進社群互動


因為攻擊公衛機構誠信的言論能引起憤怒情緒,使讀者更願意在社群平台上轉發、按讚或評論,這些互動進而促使這些言論被散播地更廣。

1. 誠信攻擊能促使社群互動:實驗結果顯示比起攻擊專業能力,攻擊誠信的言論更能引發讀者互動,例如轉發或留言。

2. 黨派差異只在高度政治化的情境中出現:黨派差異只在針對高度政治化的 CDC 時才出現,誠信攻擊會使民主黨人更傾向於與「批評 CDC 的貼文」互動,而共和黨人則更傾向於「不理會 CDC 的反駁貼文」。

3. 憤怒情緒是關鍵:民眾之所以會更願意在社群平台上戶度,是因為誠信攻擊所引發的憤怒情緒,憤怒是轉化為互動行為的因素。

4. 互動分析:誠信攻擊會讓讀者更傾向於對公衛機構的反駁貼文進行負面互動,像是檢舉和封鎖,而這些互動是有黨派差異的,例如在 CDC 的情境下,民主黨人更傾向對批評貼文進行負面互動,共和黨人則更傾向對 CDC 的反駁進行負面互動。

結論


雖然任何社群媒體上的批評都會損害公眾對衛生機構的信任,但因為攻擊誠信的言論可以引發憤怒情緒,增加大家在社群上轉發、評論的意願,加上演算法的催化,更助長了傳播與政治極化。

◻️ 傳播鏈:誠信攻擊 → 憤怒 → 互動 → 演算法放大 → 同溫層極化

作者建議公衛機構應:
  1. 持續反駁:應繼續對批評提出反駁,因為它部分有效且不會引起反效果(backfire effect)
  2. 提升媒體素養:讓公眾意識到有人會策略性地利用「道德義憤」敘事來操縱輿論
  3. 提高自身透明度:盡力清除任何可能被解讀為誠信受損的結構性或程序性問題(如利益衝突)

除此之外,最好也避免由上而下的內容審查,並盡可能的打破同溫層,平台應考慮讓使用者能接觸到和自己立場不一樣的內容,促進雙方的溝通。



☕️ 如果你喜歡這篇內容,歡迎賞一杯咖啡。😊

合作邀約: nonproscience@gmail.com
📍文稿:科普文、公司文、產業文等等
📍諮詢:實驗設計、加拿大研究所、生科產業



Articles:

Social media attacks on public health agencies are eroding trust | Science | AAAS


Publications:

JY Lee. The effects of social media criticism against public health institutions on trust, emotions, and social media engagement. PNAS (2025) DOI: 10.1073/pnas.2422890122










2023年8月18日 星期五

社群媒體真的會影響選舉嗎?

臉書演算法推給人們的內容,到底會不會影響使用的立場和投票意願?它形成的同溫層效應,是否真的會讓人越來越對立呢?

社交媒體影響使用者的政治觀點並引發分歧一直是人們長期以來的擔憂,尤其是造成得同溫層會讓人看不到其他的觀點,還有令人無法理解的演算法。先前有研究顯示,這些功能會加劇兩極分化,並有助於假訊息和仇恨內容更快更廣泛地傳播。

為了要知道臉書的演算法是否真的造成了不好的影響,Meta 於 2020 年初開始向外尋求合作以進行研究,目的是探討改變推給使用閱讀的動態牆幾個月,是否真的會影響他們的態度和行為,以及投票意願。合作的 17 位外部科學家沒有拿 Meta 的酬勞,但可以自由決定進行哪些分析,且可以決定研究論文的內容,但為了保護臉書和 IG 用戶的隱私,外部研究人員不能處理原始數據。


Data source: Kaggle - US Election 2020

Meta 這幾個研究的目標群體都不一樣,每個群體約 23,000 使用者,時間挑在 2020 年九月底到十二月底,美國大選期間的那三個月。研究結果也於最近發表在 Science 和 Nature,目前共有四篇,其中三篇研究都在某方面改變使用者看到的內容。

降低政治文的轉發不會影響政治立場


第一篇刊在 Science 上的研究是讓美國臉書使用者在三個月內,其動態牆不會出現轉發內容,以降低他們看到政治新聞,以及內容來源不可靠的文章的機率。他們發現,移除轉發內容顯著減少了使用者接觸的政治新聞數量,包括內容來源不可信的 po 文,減少了總點擊數和反應數,也減少了黨派新聞的點擊數。不過,與預期相反,移除所有轉發內容並沒有影響他們的政治立場或減少觀點的兩極化。

依時序出現的動態牆降低用戶的使用意願


第二篇也是刊在 Science,是將臉書和 IG 使用者的動態牆改成依時間序出現,而不是原本的演算法,結果使用者在這些平台上的時間和活動顯著減少。除此之外,依時間序排列的動態牆也影響了使用者接觸的內容,他們在這兩個平台上看到的政治和內容來源不可靠的 po 文增加了,在臉書上看到的含辱罵、毀謗字句的內容減少了,而非同溫層的的內容則增加了。雖然在這三個月的研究期間,使用者在平台上的體驗有顯著的改變,但按時間順序排列的動態牆並沒有改變議題兩極化、情感兩極化,以及政治上的態度。

降低同溫層並沒有改變使用者行為


第三篇刊在 Nautre,是降低臉書使用者看到同溫層 po 文的三分之一,以增加他們接觸來非同溫層的內容,但最後的問卷結果顯示,這些改變並沒有影響使用者的行為,在各種議題上,包括移民、新冠疫情的限制,以及種族議題上,他們和其他人一樣,還是相信他們想相信的媒體,以及自身的信仰,會投票的還是會投,不投的還是不投。也就是說,雖然在社交媒體上同溫層的內容很常見,但減少這種現象並未相應地減少信仰或態度上的極化。

在另一篇 Science 的研究裡,他們分析了美國臉書使用者看到的新聞和政治傾向的關係,發現自由派和保守派使用者熱衷的新聞不一樣,有些政治新聞只會被自由派或保守派使用者看見,而這個情況在右派群眾中最為明顯。另外,大多數被第三方事實認證為假訊息的內容都是被保守派使用者看見,只有少數被評為錯誤資訊的內容集中在左派群眾中。

雖然這四篇研究顯示,改變使用者看見的內容並沒有影響到他們的態度,Dartmouth College 的政治學家 Brendan Nyhan 認為,這並不表示社群平台沒有負面影響,而是告訴我們改變餵給使用者內容並不是解法,我們應該要找出是什麼造成使用者極端的態度,才知道怎麼對症下藥。英國 University of Bristol 的心理學家 Stephan Lewandowsky 則表示他對這個結果有點意外,因為這是說就算你餵給使用者不同的資訊,並不會看到立即效果,要改變人們的態度可能需要更長的時間。

三個月也許不足以改變一個人的觀點和立場,但足以惹怒一個人,讓他賭爛不投票,還是只有台灣人會這樣?他們應該研究一下台灣的臉書使用者行為。XD(可能在台灣,也需要研究抖音對政治立場和智商的影響?😂)

大家覺得自己有因為臉書的分享文而影響自己的政治立場,或是投票意願嗎?



Article:

Science | Does social media polarize voters? Unprecedented experiments on Facebook users reveal surprises


Papers:

AM Guess, N Malhotra, J Pan et al. Reshares on social media amplify political news but do not detectably affect beliefs or opinions. Science (2023) DOI: 10.1126/science.add8424

AM Guess, N Malhotra, J Pan et al. How do social media feed algorithms affect attitudes and behaviour in an election campaign? Science (2023) DOI: 10.1126/science.abp9364

B Nyhan, J Settle, E Thorson et al. Like-minded sources on Facebook are prevalent but not polarizing. Nature (2023) DOI: 10.1038/s41586-023-06297-w

S González-Bailón, D Lazer, P Barberá et al. Asymmetric ideological segregation in exposure to political news on Facebook. Science (2023) DOI: 10.1126/science.ade7138