Skip to main content
類別: 效應
類型: 圈子把一邊反覆放大、把另一邊壓低的社會封閉
來源: Kathleen Hall Jamieson 與 Joseph N. Cappella，《Echo Chamber》（牛津大學出版社，2008）。該書沒有重讀。被計數的檢驗是 Bakshy、Messing 與 Adamic，《Science》，2015年6月5日；以及 Dubois 與 Blank，《Information, Communication & Society》，2018年1月29日
別名: echo chamber（回音室）。Bakshy、Messing 與 Adamic 把它和過濾氣泡並列。本頁之後不再把兩個名稱換著用
快速回答 — 回音室效應（Echo Chamber Effect）在本頁是一種社會封閉：一邊被反覆放大，另一邊被壓低。Bakshy、Messing 與 Adamic 印出的強說法，是只接觸志同道合者的資訊。在他們的臉書視窗裡，這個“只”並不成立。朋友分享的硬新聞裡，自由派一側有 24% 是跨立場的，保守派一側是 35%。這兩個份額不是點擊率，也不是該視窗以外的媒介食譜。

​
什麼是回音室效應？

回音室效應是一種社會封閉。一個人真正遇見的聲音，把一邊留得很響，把另一邊留得很薄。
“與演算法排序相比，個人的選擇在限制跨立場內容的接觸上扮演了更強的角色。”
這一句是 Eytan Bakshy、Solomon Messing 與 Lada A. Adamic 論文的摘要。期刊是《Science》第 348 卷，第 6239 期，第 1130–1132 頁，2015 年 6 月 5 日。引言裡，他們用 echo chambers 指“個人只接觸來自志同道合者的資訊”的環境。旁邊的 filter bubbles，指“演算法按瀏覽者先前的行為來挑選內容”的環境。本頁保留前一個說法。後一個說法是排序規則，不是回音室效應的另一個名字。Confirmation Bias是去找已經相信的證據。群體極化是志同道合的討論之後意見發生移動。這兩種機制都不繼承下面的臉書數字。

​
回音室效應的三層理解

  • 入門: 如果聽得見的只有一邊，先寫下這個房間以外的一個來源，再把房間當成公眾。強說法是“只”。房間裡仍然帶著另一邊，就還沒有達到這個說法。
  • 實踐: 在一條資訊流上，把三筆賬分開：朋友分享了什麼，排序放到螢幕上的是什麼，點擊了什麼。在 2015 年的這個視窗裡，這三筆不是同一個百分比。
  • 深入: 5% 和 8% 是排序的風險比，是很小的相對削減。17% 和 6% 是調整位置之後的點擊風險比。24% 和 35% 是朋友所分享硬新聞中的跨立場份額。不要把它們平均成一個數。

​
起源

把這個說法安到一簇媒介上的書，是 Kathleen Hall Jamieson 與 Joseph N. Cappella 的《Echo Chamber: Rush Limbaugh and the Conservative Media Establishment》（牛津大學出版社，2008）。本頁沒有重讀這本書。這裡沒有它的受眾規模，也沒有它的表格。出版社的介紹說，Limbaugh、Fox News 和《華爾街日報》言論版製造了一個保護保守派的飛地，把他們和其他資訊來源隔開，並對保守主義的政治對手推廣高度負面的看法。這一句是出版社對書的概述。目錄裡有一章題為 “Effects of an Echo Chamber”。這段概述不是下面被計數的結果。 對“只”這個字的計數檢驗，是 2015 年的論文。Bakshy 與 Messing 當時在門洛帕克的臉書。Adamic 同時在密歇根大學資訊學院。作者寫明，他們受僱於臉書並由臉書資助；除了資料政策和研究倫理審查，臉書沒有限制設計或發表。樣本是在資料裡填寫了意識形態歸屬的活躍美國使用者。 後來的一項調查問的是：一塊螢幕是不是全部媒介食譜。Elizabeth Dubois 與 Grant Blank 的 “The echo chamber is overstated”，刊於《Information, Communication & Society》第 21 卷第 5 期，第 729–745 頁，2018 年 1 月 29 日線上發表。他們使用英國成年網際網路使用者的全國代表性調查，N = 2000。回音室用五個變數來測量。這五個變數的名稱，這裡沒有抽出。對政治有興趣的人，以及媒介食譜更多樣的人，傾向於避開回音室。摘要自己的限度是一小段人。作者認為，單一媒介的研究是有缺陷的，因為一個人並不只活在一種媒介裡。

​
核心要點

四種讀法把封閉房間的說法、朋友名單、排序，以及其餘的媒介食譜分開。
1

被檢驗的是“只”

引言裡的回音室，是只接觸志同道合的資訊。臉書這項研究要看的是，空房間是否描述該服務上的硬新聞。他們的分類裡，硬內容是全國新聞、政治或國際事務，對照的是體育、娛樂或旅行。對齊分數是分享這篇報道的人的平均歸屬，不是給媒體偏向打的機構分。FoxNews.com 的平均是 +0.80，與保守派對齊。HuffingtonPost.com 的平均是 −0.65，與自由派對齊。論文接著顯示，樣本裡存在跨立場的硬新聞。強說法裡的“只”，描述不了這個視窗。
2

朋友先把組合收窄

在雙方都報告了歸屬的友誼裡，自由派朋友中保守派所佔的中位數是 0.20，四分位距 0.09 到 0.36。保守派朋友中自由派所佔的中位數是 0.18，四分位距 0.09 到 0.30。討論寫道，平均而言，一個人那些報告了歸屬的臉書朋友裡，超過 20% 來自對立黨派。這個平均不是每一個朋友裡的 20%，中位數也不是這個平均。如果硬內容來自隨機的其他人，自由派會見到的內容裡約有 45% 是跨立場的，保守派是 40%。朋友不是隨機抽取。自由派的朋友所分享的硬新聞裡，24% 是跨立場的。保守派的這一份額是 35%。在這個樣本裡，自由派連到的、會分享保守派內容的朋友更少；保守派連到的、會分享自由派內容的朋友更多。
3

排序和點擊是兩刀不同的削減

新聞流排序之後，論文發現跨立場內容平均而言略少。比較看見跨立場內容與看見意識形態一致內容的機率，風險比在保守派是 5%，在自由派是 8%。論文指向補充材料 S1.7。該補充材料對風險比的示例是：一，減去跨立場機率相對於一致機率的比。所以這兩個數字是很小的相對削減，不是資訊流裡的份額。調整位置之後——因為資訊流裡更靠下的連結更少被點擊——點擊的風險比在保守派是 17%，在自由派是 6%。平均而言，瀏覽者點擊了資訊流裡可得硬內容的 7%。這 7% 是可得硬連結上的點擊率，不是跨立場份額。作者對這一人群的結論是：限制態度挑戰性內容的，更多是個人選擇，而不是演算法排序；朋友網路是最大的因素。
4

一塊螢幕不是全部食譜

Dubois 與 Blank 認為，單一媒介的研究漏掉了一個人其餘的閱讀、觀看和收聽。他們的討論裡，148 名受訪者，約為調查的 8%，媒介多樣分數在 10 分或以下，滿分是 48，並且說自己對政治沒有興趣。討論說，這一組人可能更容易被關進回音室，同時仍可能從食譜更寬的親友那裡聽到別的內容。約 8% 是這個網際網路使用者樣本裡低多樣、低興趣的一角。它不是從未遇見異議的英國人數，其餘受訪者也沒有被證明免於每一條一邊倒的資訊流。

​
應用場景

四次核對，避免把反覆出現的意見記成密封的房間，也避免把一個平臺的百分比帶出那個平臺。

寫下房間裡已經有的另一邊

在把一個網路稱為封閉之前，先數報告了另一邊歸屬的朋友。臉書視窗裡的中位數是 0.20 和 0.18，物件是自己也報告了歸屬的朋友，四分位距見上文。這兩個中位數不是辦公室、家庭或後來某一年的目標。

把排序的削減和點擊分開

5% 或 8% 的排序風險比，是相對於一致內容的很小相對削減。它不是與瀏覽者意見不同的帖子份額。調整位置後的點擊風險比是 17% 和 6%，回答的是另一個問題。記下你量的是哪一刀。

數食譜，不要只數一塊螢幕

Dubois 與 Blank 把單一媒介的快照看成對全部食譜的弱檢驗。如果說法是一個人只遇見一邊，就列出這個人已經獲取新聞的其他地方。在他們的英國調查裡，與避開回音室綁在一起的，是政治興趣和更寬的媒介食譜。

把 2014–2015 的視窗留在原地

這些份額、風險比和 7% 的點擊率，屬於 2014 年 7 月 7 日至 2015 年 1 月 7 日、自願填寫歸屬的活躍美國臉書使用者的硬新聞。它們不是 Slack 的比率，不是微博的比率，不是家庭的比率，也不是軟新聞的比率。

​
經典案例

2014 年 7 月 7 日至 2015 年 1 月 7 日，Bakshy、Messing 與 Adamic 建立了一套去標識資料：1,010 萬在資料中自我報告意識形態歸屬的活躍美國臉書使用者，以及美國使用者分享的 700 萬條不同網址。這些網址裡約 13% 被分成硬內容。隨後的測量使用 22.6 萬條不同的硬網址，每條至少被 20 名自願填寫歸屬的使用者分享過。這一片包含約 38 億次潛在曝光，意思是朋友分享了連結，無論它有沒有出現在新聞流裡；9.03 億次連結出現在螢幕上的曝光；以及 5900 萬次點擊。 這個漏斗不是同一個百分比重複五次。潛在曝光寬於排序放到螢幕上的部分。螢幕上的內容寬於被點擊的內容。24% 和 35% 描述的是朋友分享的硬新聞。5% 和 8% 描述的是排序比較。17% 和 6% 描述的是計入位置之後的點擊，而且保守派和自由派的大小並不相同。7% 是可得硬內容裡被點擊的平均份額。作者仍然在這條路徑上找到跨立場內容，並寫道，研究中的人接觸到的跨立場論述，多於某些敘述所設想的密封數字房間。他們也寫道，在這項服務上遇見另一邊的力量，首先在個人。他們並不評判跨立場接觸本身是不是一件好事。 同一段結尾寫明了把這些數字留在視窗裡的限度。研究的是自願填寫歸屬的活躍使用者。論文說，臉書使用者往往比美國人口整體更年輕、受教育程度更高、也更常為女性，所引文獻本頁沒有重讀。論文說，部落格和 Twitter 可以不同，因為那裡的關係常常圍繞話題形成，而臉書的關係也來自學校、家庭、活動和工作。人可以讀新聞流裡的摘要而從不點擊，所以曝光和消費不是同一個動作。作者 2015 年 5 月的研究部落格印了另一組平均。那些部落格平均不是上面這些句子。

​
邊界與失效場景

回音室效應並不發放一個“有多少人被鎖在一個房間裡”的普遍份額。它也不說排序毫無作用。在這套資料裡，排序讓跨立場硬新聞略少，收窄得更多的是選擇和朋友名單。它同樣不說回音室不存在。Dubois 與 Blank 的標題說，回音室被誇大了。他們的討論仍然點出一個小角落：148 人，極低的多樣分數，以及本人說對政治沒有興趣。 不要把 24%、35%、5%、8%、17%、6% 或 7% 貼到另一個平臺、一家公司、一間教室或一個家庭上。不要把中位數讀成“每個人都有五分之一的朋友在另一邊”。不要把約 8% 的那個角落變成“8% 的英國人生活在回音室裡”。他們句子裡的多樣分數滿分是 48。本頁沒有重建一分是怎麼得到的。Jamieson 與 Cappella 的書沒有重讀，所以這裡也沒有可以外推的 Limbaugh 受眾數字。 虛假共識效應是把自己的圈子誤當成公眾。團體偏見是偏向自己人一邊。從眾效應是因為一個看法看起來已經很普遍而跟上去。一個很響的房間可以餵養這三樣。它們都不是上面測量的那種封閉，也都不攜帶這些百分比。

​
常見誤區

排序之後，相對於一致的硬新聞，跨立場硬新聞只是略少：保守派的風險比是 5%，自由派是 8%。朋友構成，以及調整位置之後的點擊，對另一邊的限制更大。略少不是零。論文自己的結果是，強說法裡的“只”描述不了這個樣本。
約 8% 是英國 2000 名成年網際網路使用者調查裡的 148 名受訪者。他們在媒介多樣測量上得了 10 分或更低，論文裡的滿分是 48，並且說自己對政治沒有興趣。討論把他們看作更可能處於風險中，並指出食譜更寬的親友仍可能觸及他們。它沒有去數從未見過一句異議的人。
在 2015 年的引言裡，回音室是志同道合的接觸，過濾氣泡是按先前行為做的挑選。確認偏誤是尋找相合的證據，在另一頁上，來自不同的任務。本站該頁的標題仍是 Confirmation Bias。群體極化是志同道合的討論中的意見移動。用一個名字蓋住這四樣，就會藏起量到的是哪一刀。

​
相關概念

回音室效應旁邊，是尋找相合證據，是志同道合群體裡的意見移動，是把自己的圈子誤當成公眾，是偏向自己人，以及一個看起來已經很普遍的看法所產生的拉力。臉書視窗留在本頁。

Confirmation Bias

尋找並閱讀證據，使它符合已經持有的信念。這裡的封閉是誰、以及什麼，真正到達這個人。在一個混合的房間裡，確認性的尋找仍然可以發生。

群體極化

已經傾向同一邊的人討論之後，意見移向更極端的位置。房間裡的重複本身還不是那種移動。

虛假共識效應

把自己的圈子當成公眾。重複一邊的房間會讓這個錯誤更容易。錯誤在於那個推斷，不在於朋友名單。

團體偏見

偏向被標成自己人的那一邊。2015 年的對齊分數是誰分享了網址。它不是實驗室任務裡對內群體的偏好測量。

從眾效應

因為一個看法看起來已經被廣泛持有而採納它。封閉可以讓一邊看起來像人群。表面上的普遍是另一種機制。

​
一句話總結

在把一條資訊流稱為密封之前，寫下另一邊已經分享了什麼、排序顯示了什麼、點擊了什麼。這三筆不是同一個百分比。