> ## Documentation Index
> Fetch the complete documentation index at: https://meta.niceshare.site/llms.txt
> Use this file to discover all available pages before exploring further.

# 斯大林格勒效應

> 斯大林格勒效應（資訊飽和攻擊）是指不刪除負面新聞，而是用大量真假難辨的資訊淹沒公眾注意力，讓核心事件不了了之。本文講清它的機制、證據與邊界。

<Info>
  **類別**: 效應<br />
  **類型**: 一種傳播與危機公關手法。它不刪除負面新聞，而是用數量更大、更吸睛、更廉價也更難核實的資訊，淹沒同一塊注意力空間<br />
  **來源**: 這個標籤是描述性的。「資訊飽和」在英文裡是鬆散用語，沒有可追溯的命名者；「斯大林格勒效應」與「資訊飽和攻擊」在本次查閱的同行評議文獻中也沒有找到明確定義出處。它所指的機制有實證研究：政府水軍帳號的「戰略性轉移話題」（King、Pan、Roberts，2017）、俄羅斯的「虛假資訊消防水龍」（蘭德公司，2016），以及用推特資料測量的政治轉移（Lewandowsky、Jetter、Ecker，2020）<br />
  **別名**: Information Saturation（英文）、資訊飽和攻擊、資訊淹沒；英文同類說法還有 flood the zone、firehose of falsehood
</Info>

<Note>
  **快速回答** — **斯大林格勒效應**（Information Saturation）指的是：面對一條負面新聞，不去壓制它，而是同時放出大量其他資訊，讓公眾有限的注意力在核心事實被看清之前就被花光。這個標籤是描述性的，但機制已被量化：研究者估算，某類政府水軍帳號每年發布約 4.48 億則評論，目的是轉移話題而不是辯論；另一項同行評議研究發現，總統發文談無關話題的次日，對某項調查的報導量會下降。它消耗的是注意力，不是信念；當核心事實足夠短、足夠具體、又容易被重新找到時，它的效果就會變差。
</Note>

## 什麼是斯大林格勒效應？

**斯大林格勒效應**（Information Saturation，又稱資訊飽和攻擊）是指不刪除那條負面新聞，而是用數量遠超它的、更吸睛、更廉價、更難核實的資訊淹沒同一塊注意力空間，讓核心事實在本來還有精力查看之前就被擠走。

> 這場龐大而隱祕的行動，真正的目標是轉移公眾的注意力、換掉話題。

這句話出自 Gary King、Jennifer Pan 與 Margaret Roberts 在 2017 年的研究。他們系統分析了中國政府操控的社交帳號，發現這些帳號幾乎不與批評者爭論，而是發布關於國家與執政黨的正面內容；作者估算其規模約為每年 4.48 億則評論。目的不是贏下一場辯論，而是把受眾帶到另一個話題上。

機制的底層是一條硬約束：稀缺的不是資訊，而是注意力。Herbert Simon 在 1971 年就指出，資訊的富有會帶來注意力的貧困。每一則新資訊都在爭奪同樣有限的幾分鐘，還自帶一筆核實成本。超過某個量之後，更多的資訊讓判斷更差而不是更好，而這正是「淹沒」要利用的地方。[布蘭多里尼定律](/zh-hant/laws/brandolinis-law)從另一面描述了同一種不對稱：製造一個說法，比核實它便宜得多。

這和「刪帖」不是一回事。審查是拿走一條新聞，淹沒是加進噪音，直到那條新聞很難再被找到。[史翠珊效應](/zh-hant/effects/streisand-effect)是它的鏡像：想藏住一條消息，往往反而讓它出名。淹沒追求的是相反的結果：沒有任何一條消息足夠醒目，能撐住一整個新聞週期。

它也和「資訊繭房」不同。[資訊繭房](/zh-hant/effects/information-cocoons)透過拿走其他資訊來收窄注意力，讓同一個版本反覆到來；而淹沒從相反的方向收窄注意力：一次塞進太多，什麼都來不及沉澱。

### 斯大林格勒效應的三層理解

* **入門**: 留意「話題消失」的那一天。當一件醜聞爆出、資訊流突然被三條無關的娛樂八卦填滿時，值得問的不是哪條八卦是真的，而是這堆噪音擋在什麼東西前面。
* **實踐**: 為那件核心事實建一頁帶日期的台帳：誰做了什麼、什麼時候、現有證據是什麼、什麼證據會推翻它。淹沒期間，只拿新消息跟這頁台帳核對，絕大多數條目一條都對不上，你就能用一句話說明，而不必追十條。
* **進階**: 淹沒攻擊的是搜尋成本，不是信念。所以它故意做得很便宜：一個謠言不需要說服任何人，只要佔住介面。防守也要同樣降低搜尋成本——把一條簡短、帶日期、容易重新找到的聲明放在穩定頁面上，勝過一篇要在同一個資訊流裡競爭的長篇反駁。

## 起源

被淹沒利用的那種稀缺，比這種手法本身更早被命名。Herbert A. Simon 在 1971 年的《Designing Organizations for an Information-Rich World》中寫道：資訊消耗的是接收者的注意力，因此資訊的富有會造成注意力的貧困。Martin Eppler 與 Jeanne Mengis 後來在 2004 年的《The Information Society》上綜述了管理學、行銷學與資訊系統領域的「資訊過載」研究，結論是：超過某個閾值後，更多輸入會抬高處理成本、拉低決策品質。

軍事版本更早，也更直白。「飽和攻擊」指的是用超過防禦方處理能力的來襲目標壓垮防線。最清楚的技術祖先是「干擾箔」，英國在 1942 年研發時稱之為 Window，並於 1943 年 7 月在轟炸漢堡的「蛾摩拉行動」中首次實戰使用。轟炸機投下的鋁箔條形成大片虛假雷達回波，德國夜間戰鬥機再也分不清飛機與噪音。按 R. V. Jones 在《Most Secret War》中的記錄，這個手段並沒有把轟炸機藏起來，它只是把雷達螢幕淹了。

當代的版本由兩支研究團隊在 2010 年代命名。蘭德公司的 Christopher Paul 與 Miriam Matthews 在 2016 年把俄羅斯國家宣傳描述為「虛假資訊消防水龍」，並列出四個特徵：數量巨大、管道眾多；快速、連續、重複；不承諾符合客觀事實；不承諾前後一致。2017 年，King、Pan 與 Roberts 發表了第一份關於中國政府偽造社交評論的大規模實證研究，估算其規模約為每年 4.48 億則，並得出結論：這個行動是為「戰略性轉移話題」而建，而不是為了參與辯論。三年後，Stephan Lewandowsky、Michael Jetter 與 Ullrich Ecker 在《Nature Communications》上檢驗了其中的「轉移」環節，用的是 2017 至 2019 年圍繞「穆勒調查」的新聞週期。

命名本身需要說明。「資訊飽和」是一個鬆散的英文說法，沒有單一命名者；「斯大林格勒效應」與「資訊飽和攻擊」在本次查閱的同行評議文獻中也沒有明確的定義出處。中文標籤裡的歷史影子是斯大林格勒戰役：一波波兵力與砲火砸向同一點，直到防守方沒有餘力可花。請把它當作一個形象的比喻，而不是一個專業術語。

## 核心要點

四個部分支撐起這套手法：它花掉的是什麼資源、它利用的是什麼速度差、它瞄準的是什麼、以及它搶跑的是哪一個時鐘。

<Steps>
  <Step title="它花掉的是注意力，不是信念">
    Simon 在 1971 年的那句話就是全部引擎：資訊消耗注意力，而注意力不會隨資訊一起膨脹。Eppler 與 Mengis 發現，超過閾值後，更多輸入讓決策更慢、更差。所以淹沒不需要被相信，它只要被讀到、被權衡、被放到一邊。每一步都花掉幾分鐘，而這幾分鐘核心新聞再也拿不回來。剩下的交給[可得性啟發](/zh-hant/effects/availability-heuristic)：最近、最鮮明的東西，直接決定人對重要性和風險的判斷。
  </Step>

  <Step title="編造比核實快">
    蘭德公司的研究把這種不對稱講得很直白：編一個「事實」花的時間，比核實一個事實要少。Paul 與 Matthews 還把「重複」列為特徵，因為反覆出現的說法會變得熟悉，而熟悉很容易被讀成真實，這正是[錯覺真實效應](/zh-hant/effects/illusory-truth-effect)在規模化運轉。一次淹沒，就是一場放大到整個新聞週期尺度的[吉什疾馳](/zh-hant/fallacies/gish-gallop)，而那份報告也明確提醒了最自然的應對方式為什麼無效。
  </Step>

  <Step title="它瞄準的是搜尋成本">
    King、Pan 與 Roberts 發現，那些偽造評論並不與批評者爭論，而是發布擁護性的內容與黨史，堵在讀者本來該找到原新聞的位置上。Lewandowsky 與同事在美國測到了同一種形狀：ABC 新聞每多一條含「俄羅斯」或「穆勒」的報導，總統推文裡提到無關話題的次數就多出約 0.2 次；而這樣的每一次提及，都與次日《紐約時報》中「俄羅斯」或「穆勒」報導量減少近半則相關。
  </Step>

  <Step title="注意力本來就會自己衰減">
    Anthony Downs 在 1972 年描述了「議題—注意力週期」：對一個問題，公眾的關注會上升、見頂、然後回落，常常遠早於問題解決，留下一個更安靜的「問題後階段」。這條基準線很重要，因為它意味著：沒有人推，一件醜聞也會淡下去。淹沒並不是創造了這種淡出，它只是把窗口縮短，再把窗口填滿。
  </Step>
</Steps>

## 應用場景

下面四個動作，給處在一次淹沒之中的人用——無論你是在圍觀，還是正站在水中央。

<CardGroup cols={2}>
  <Card title="先寫那一頁台帳" icon="list-check">
    在下一波到來之前，把核心事實寫成五行的一頁紙：誰做了什麼、什麼時候、現有證據是什麼、證據不能說明什麼、什麼證據會改變判斷。淹沒期間，只拿新消息跟這一頁核對。絕大多數條目一條都對不上。用一句話說清這一點，比追每一個新版本更能省下你自己的注意力預算。
  </Card>

  <Card title="只發一條帶日期、找得到的聲明" icon="shield-halved">
    如果這件事就是關於你的，不要對每條謠言都發一次新回應。把你控制的穩定頁面放上一條帶日期的聲明，附上證據，之後用更新日期的方式補充。提前準備好的事實比遲到的反駁更有用，這也是蘭德公司那句「水槍」警告在操作層面的含義。一個容易找到的頁面，同時也降低了淹沒所依賴的搜尋成本。
  </Card>

  <Card title="數來源，不數聲勢" icon="magnifying-glass">
    淹沒讓人把「聲勢」誤當成「證據」。改問一句：這個說法有多少個彼此獨立、可以具名的來源？一百則貼文常常都指向同一個出處。再問一句：如果這個說法最後被證明是錯的，誰會為此負責？願意為錯誤說法負責的來源，比那些消失在下一個資訊流裡的來源更值得看。
  </Card>

  <Card title="注意第二波" icon="newspaper">
    淹沒通常分波次，而第二波往往把核心事件重新框定成「太複雜、太久遠、太累人」。把這種重新框定當成一個信號，而不是結論。檢驗標準只有一個：你那一頁台帳上，有沒有任何一條事實被改變了；而不是這個話題還熱不熱。
  </Card>
</CardGroup>

## 經典案例

2014 年 8 月 3 日，中國雲南省魯甸縣發生 6.5 級地震，造成 617 人死亡、3000 多人受傷。幾小時之內，資訊流被另一個故事佔據：一位網路紅人疑似承認參與賭博與賣淫。地震的報導被擠到邊緣，以至於中國紅十字會公開呼籲公眾不要再轉發那位網紅的八卦，轉而關注災情。

這個片段，是 Stephan Lewandowsky、Michael Jetter 與 Ullrich Ecker 在 2020 年《Nature Communications》論文開頭提到的場景。它是他們提出問題的理由，而不是他們的證據。他們的檢驗是可測量的：把 2017 年 1 月到 2019 年 1 月之間美國總統的全部推文，與《ABC World News Tonight》和《紐約時報》的每日報導放在一起，問兩件事——對穆勒調查的報導之後，是否跟著更多談其他話題的推文；這些推文之後，對穆勒調查的報導是否變少。兩個關聯都出現了。ABC 新聞每多一條含「俄羅斯」或「穆勒」的報導，推文中提到總統偏好話題的次數就多出約 0.2 次；這樣的每一次提及，又與次日《紐約時報》中「俄羅斯」或「穆勒」報導量減少近半則相關。用對總統沒有政治風險的「英國脫歐」報導做安慰劑檢驗，則沒有出現這種模式。

這項實踐的規模另有一個估算：King、Pan 與 Roberts 認為相關政府帳號每年發布約 4.48 億則評論，並且發現其內容瞄準的是轉移話題，而不是辯論。兩項研究合起來給出的教訓很窄，但很有用：一次淹沒不是「辯論已經贏了」，而是一場想把時鐘跑完的下注。而這場下注可以按同樣的口徑被衡量——只看核心話題的報導量，在事件前後如何變化。邊界由作者自己寫出：他們的資料是觀察性的，無法完全排除隱藏變數；他們把「報導被壓低」那一半的證據強度，描述為弱於「轉向無關話題」那一半。帳號的目的，是從內容和模式推斷出來的，而不是從一份指令文件裡讀出來的。淹沒更像是可以被證明的一種模式，而不是可以被證明的一道命令。

## 邊界與失效場景

這個效應真實存在，但有條件。它在三個可預料的地方失效，而每一處也解釋了一種常見誤讀。

它依賴一個關於意圖的推斷。Lewandowsky 與同事明確寫道，觀察性資料無法完全排除隱藏變數，而報導量下降那一半的證據，比「無關話題發文增多」那一半更弱。新聞很多的一週，不構成一項計畫的證據。在給某次事件貼上「淹沒」的標籤之前，先立好基準：一週前這件事有多醒目、當時還有哪些事在爭奪同樣的幾分鐘、核心事實有沒有發生變化。

它挪動注意力，卻不改變信念，而且可能反噬。如果這堆噪音本身變成了新聞，就等於給核心事件送來一批新讀者，這正是[史翠珊效應](/zh-hant/effects/streisand-effect)的機制。它還會在核心事實又短又硬的時候失效，比如一份帶日期的文件、一項法院認定、一條簡短的時間線。這類東西重新找到的成本很低，而「讓人重新找不到」恰恰是淹沒要防的事。蘭德公司給出的結論，就是防守方該用的操作規則。

> 不要指望用水槍去對抗虛假資訊的消防水龍。

鏡像式的失敗，是把自然衰減誤當成有人進攻。Downs 的議題—注意力週期預測注意力會自行回落，所以每一件慢慢變淡的醜聞，看上去都有點像被淹沒。用一條簡單檢驗就能分開兩者：淹沒是無關資訊量的驟增，衰減是整體資訊量的下降。連續幾天數一數新條目和新來源，就能知道你看的是哪一種。

還有一個對比值得分清。製造懷疑，比如菸草業 1969 年那句「懷疑就是我們的產品」，目標是讓一個爭議持續幾十年。淹沒的目標正相反：用噪音盡快結束這個新聞週期。懷疑想要一場持久的辯論，淹沒想要一個短暫的注意力，兩者的防守方式也因此不同。

## 常見誤區

關於資訊飽和，有三種常見信念，而它們都被同一批證據糾正。

<AccordionGroup>
  <Accordion title="這不就是換了個說法的審查嗎">
    審查作用於說話的人，拿走文本；淹沒作用於讀者，文本留在原地。King、Pan 與 Roberts 直接描述了這種轉變：這種更新形式的控制，干擾的是資訊的消費者，而不是生產者。他們給出的證據就是內容本身——那些偽造帳號沒有刪掉異議，而是用讚美與歷史把讓人不安的話題埋住。
  </Accordion>

  <Accordion title="它只能騙到輕信的人">
    它作用於有限的注意力，而每個人都是有限的。Simon 在 1971 年的論點就是資訊消耗注意力，Eppler 與 Mengis 則記錄了輸入越過閾值後決策品質會下降。淹沒的要害在於，它不需要騙過一個仔細的人，它只需要把這個人耗盡。所以最強的防守是一頁能在噪音中活下來的台帳，而不是更會識破謊言的能力。
  </Accordion>

  <Accordion title="一件事消失了，就是被人淹了">
    注意力本來就會衰減。Downs 在 1972 年就說明，公眾對一個問題興趣見頂之後往往會在問題解決之前回落，這也是「問題後階段」有專門名字的原因。要歸因於一次淹沒，需要基準：事件之前的醒目程度、期間無關資訊的量、以及核心事實有沒有變過。
  </Accordion>
</AccordionGroup>

## 相關概念

這些鄰居都關於同一件事：當說法的供給超過了時間的供給，注意力會發生什麼。

<CardGroup cols={3}>
  <Card title="布蘭多里尼定律" icon="razor" href="/zh-hant/laws/brandolinis-law">
    反駁一個說法要付出的代價，遠高於製造一個說法。這種不對稱，是淹沒之所以便宜的原因。
  </Card>

  <Card title="吉什疾馳" icon="comment-dots" href="/zh-hant/fallacies/gish-gallop">
    一種把對手埋在「來不及答完」的大量論點裡的辯論手法。它是會話尺度的淹沒。
  </Card>

  <Card title="史翠珊效應" icon="eye-slash" href="/zh-hant/effects/streisand-effect">
    試圖隱藏一件事，往往讓它更出名。淹沒是相反的做法，也會以相反的方式失敗。
  </Card>

  <Card title="錯覺真實效應" icon="repeat" href="/zh-hant/effects/illusory-truth-effect">
    重複會抬高「感覺上是真的」。數量與重複，是淹沒同時拉動的兩根槓。
  </Card>

  <Card title="資訊繭房" icon="circle-nodes" href="/zh-hant/effects/information-cocoons">
    過濾會收窄資訊流，直到世界只剩一個版本。淹沒從另一個方向收窄注意力：一次塞進太多。
  </Card>

  <Card title="可得性啟發" icon="bolt" href="/zh-hant/effects/availability-heuristic">
    最鮮明、最近的東西決定對頻率與風險的判斷。淹沒靠的正是控制「最近」。
  </Card>
</CardGroup>

## 一句話總結

<Tip>
  當一件事被一堆更響的聲音埋掉時，別去讀那堆聲音，回到那一頁帶日期的、已知事實的台帳上。
</Tip>


This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.