維基百科

使用者:Idlcn/過濾氣泡

< User:Idlcn
根據網路活動家艾利·帕里澤（Eli Pariser）的說法，社交媒體無意中將使用者隔離在各自的意識形態過濾泡泡中

過濾氣泡（英語：filter bubble），又稱為同溫層、個人化資料過濾[1]、篩選小圈圈、資訊繭房、信息繭房 (information coccons)等[2][3]，是一種網站針對個人化搜尋、推薦系統和算法管理篩選後內容的結果所造成的現象。搜尋結果根據用戶信息，例如其位置、過去的點擊行為和搜索歷史記錄。 [4]因此，這種結果可能會導致使用者越來越看不到他們不同意的觀點或資訊，使得認知過於單向，並處於他們的文化、意識形態氣泡之中，最終形成一種有限的、個人化的世界觀。 [5]這些算法做出的選擇只有有時是透明的。 [6]主要的例子包括Google搜尋的個人化搜尋結果以及Facebook的個人化動態消息、亞馬遜與Netflix的過濾性推薦系統。這個詞彙被網路活動家艾利·帕里澤提出。

然而，關於個性化過濾的發生程度以及此類活動是否有益或有害，存在相互矛盾的報告，且各項研究的結果並未得出明確結論。

「過濾氣泡」一詞由網路活動家艾利·帕里澤於2010年左右提出。在帕里澤於2011年出版的書籍《搜尋引擎沒告訴你的事》中預測 ，透過算法過濾進行的個性化定製的內容將導致智力孤立與社會分化。 [7]帕里澤認為，過濾氣泡效應可能對公民討論產生負面影響，但也有觀點認為其影響有限且可解決。 [8][9]根據帕里瑟的觀點，使用者接觸到的對立觀點較少，思想被孤立在自己的過濾氣泡中。 [10]他舉例說明，一位使用者在Google搜尋「BP」時，獲得的內容是關於英國石油公司的投資新聞，而另一位搜尋者則得到了有關深水地平線漏油事件的資訊，並指出儘管使用相同關鍵字，兩個搜尋結果頁面「截然不同」。 [10] [11] [12] [8] 2016 年美國總統大選的結果與社交媒體平台如Twitter和Facebook的影響有關， 這引發了對「過濾泡泡」現象是否會影響用戶接觸假新聞和回音室效應的質疑， 並引起了對該術語的新興關注， [13]許多人擔心這一現象可能通過加劇錯誤信息的影響來損害民主與福祉。 [14] [15] [13] [16] [17] [18]

概念

 
「過濾氣泡」一詞由網路活動家艾利·帕里澤於2010年左右提出

帕里澤（Pariser）將「過濾氣泡」的概念正式定義為「由這些算法所構建的個人資訊生態系統」。 [10]網路使用者的過去瀏覽與搜尋紀錄，會隨著時間累積，當他們透過「點擊連結、查看朋友、將電影加入觀片清單、閱讀新聞報導」等行為表達對特定議題的興趣時，這些資訊會被收集。 [19] 隨後，網路公司會利用這些資料針對使用者投放目標式廣告，或使某些類型的資訊在搜尋結果頁面中更加突出地顯示。 [19]

這個過程並非隨機，而是遵循帕里澤的三個步驟進行的，他表示：「首先，你需要了解使用者是誰以及他們的興趣。接著，你提供最適合他們的內容和服務。最後，進行調整，你需要確保適配更為精確。使用者的身份會影響他們接觸到的媒體。」 [20] 帕里澤報告道：

根據《華爾街日報》的一項研究，從CNN到Yahoo，再到MSN，前50大網站平均安裝64個含有大量數據的Cookie和個人追蹤信標。在Dictionary.com搜尋「抑鬱」這個詞時，該網站會在你的電腦上安裝多達223個追蹤Cookie和信標，讓其他網站可以針對你推送抗抑鬱藥物的廣告。若在ABC News分享一篇關於烹飪的文章，你可能會在網路上被特氟龍鍋具的廣告所追蹤。即使只是短暫打開一個顯示配偶可能作弊徵兆的頁面，你也可能會被DNA親子鑑定廣告困擾。 [21]

根據網站流量測量顯示的連結點擊數據，過濾氣泡可以是集體的，也可以是個人化的。 [22]


2011年，一位工程師告訴帕里澤，Google會根據57個不同的數據項目來個性化使用者的搜尋結果，其中包括非Cookie類型的資訊，例如使用的電腦類型及使用者的實際位置。 [23]

帕里澤的過濾氣泡概念在2011年5月的TED 演講後廣為流傳。在演講中，他舉例說明了過濾氣泡的運作方式以及其可見的地方。在一項旨在展示過濾氣泡效應的實驗中，帕里澤要求幾位朋友在Google搜尋「埃及」一詞並將結果發送給他。比較其中兩位朋友的搜尋結果頁面時，雖然他們在新聞和旅遊等主題上有重疊，但其中一位朋友的結果頁面顯示了有關當時進行中的2011 年埃及革命的資訊連結，而另一位朋友的結果頁面則未顯示這些連結。[24]

在《搜尋引擎沒告訴你的事》一書中，帕里澤警告過濾搜尋可能帶來的負面影響，指出它使我們遠離新的想法、議題和重要資訊， [25]並創造出一種錯覺，讓我們認為狹隘的自我利益即是唯一存在的事物。 [11]他認為，過濾氣泡可能對個人及社會造成傷害。他批評 Google和Facebook為使用者提供「過多的糖果而不足夠的胡蘿蔔」。 [26]他還警告，「無形的算法編輯」可能會限制我們接觸新資訊的機會，並縮小我們的視野。[26]根據帕里澤的觀點，過濾氣泡的負面影響之一是可能對社會造成危害，因為它們有可能「削弱公民話語」，並使人們更易受到「宣傳與操控」的影響。 [11]他寫道：

A world constructed from the familiar is a world in which there's nothing to learn ... (since there is) invisible autopropaganda, indoctrinating us with our own ideas.

——Eli Pariser in The Economist, 2011[27]

許多人並未察覺過濾氣泡的存在。這可以從《衛報》的一篇文章中得知，文章提到「超過60%的Facebook使用者完全不知Facebook存在任何內容策展，而是認為每一則來自朋友和關注頁面的故事都會出現在他們的新聞動態中。」[28] 簡單來說，Facebook會決定哪些內容應該出現在使用者的新聞動態中，依賴的是一種演算法，該算法會考量「使用者過去如何與類似的帖子互動」。 [28]

概念的延伸

過濾氣泡被形容為加劇了一種現象，稱為「網路分裂」或「網路巴爾幹化」， [Note 1]這種現象發生於網際網路被劃分為由志同道合的人組成的子群體時，這些群體在自己的線上社群中相互隔離，無法接觸到不同的觀點。這一擔憂可追溯至網際網路的早期，「網路巴爾幹化」這一術語於1996年首次提出 [29] [30] [31]其他術語也被用來描述此現象，包括「意識形態框架」 [11]和「你在搜尋網路上時所處的比喻性領域」。 [19]


過濾氣泡的概念已被擴展至其他領域，用來描述那些根據政治觀點、經濟、社會和文化情況而自我隔離的社會。 [32]這種現象導致了廣泛社群的喪失，並創造出一種感覺，例如，孩子們似乎不適合參加社交活動，除非這些活動特別為孩子設計，且對沒有孩子的成年人缺乏吸引力 [32]

歐巴馬在告別演說中提到了一個與過濾氣泡相似的概念，並將其視為對「美國民主的威脅」，即「我們退縮進自己的氣泡中，...特別是在我們的社交媒體動態中，周圍都是與我們相似的人，擁有相同的政治觀點，並且從不挑戰我們的假設...而且，隨著時間推移，我們變得如此安於自己的氣泡，以至於只接受符合我們觀點的信息，無論其真偽，而不是根據現有的證據來形成我們的看法。」[33]

與回音室效應的比較

「回音室」與「過濾氣泡」都描述了個體暴露於狹窄範圍的觀點和立場，這些觀點和立場加強了他們既有的信念與偏見，但兩者之間存在一些微妙的區別，特別是在社交媒體的使用方式上[34] [35]


在新聞媒體中，回音室是用來比喻一種情況，其中信念在封閉系統內通過溝通和重複而被放大或強化。[36] [37]該這個術語源自社會學中的選擇性接觸理論，並以聲音在空心回音室中反射的現象作為比喻。關於社交媒體，這種情況促進了自我選擇的個性化機制，該機制指的是用戶在特定平台上可以主動選擇進入或退出資訊消費的過程，例如用戶能夠關注其他用戶或加入群組。 [38]


在回音室中，人們可以尋找強化自己既有觀點的信息，這可能無意中成為確認偏差的一種表現。這種反饋機制可能會加劇政治與社會的兩極分化和極端主義。並促使用戶在社交網絡中形成同質性群體，進而加劇群體極化。 [39] 「回音室」強化了個人的信念，卻缺乏事實支持。個體被認同並遵循相同觀點的人圍繞，但他們同時也有能力突破回音室的限制。 [40]


另一方面，過濾氣泡是隱性預設的個性化機制，使用者的媒體消費由個性化算法所塑造；用戶看到的內容會經由人工智慧驅動的算法過濾，進一步強化他們既有的信念和偏好，並可能排除相對或多元的觀點。在在這種情況下，使用者扮演的是較為被動的角色，被視為技術的受害者，因為這項技術自動限制了他們接觸那些可能挑戰其世界觀的信息。 [38]然而，部分研究者認為，因為使用者仍然透過與搜尋引擎和社交媒體網絡的互動，積極選擇性地策劃自己的新聞源和資訊來源，這使得他們實際上直接協助了由人工智慧驅動的過濾過程，進而有效參與了自我隔離的過濾氣泡[41]

儘管這些術語有所不同，但在學術界與平台研究中，它們的使用是密切相關的。在社交網絡研究中，由於過濾算法的可存取性有限，往往難以區分這兩個概念，這可能會限制研究者比較和對比這兩個概念的作用 [42]隨著許多社交媒體平台也開始限制學術研究所需的API存取，這類研究將變得越來越難以進行。 [43]

反應和研究

媒體反應

有關個性化過濾的發生程度以及這種行為是否有益或有害，存在相互矛盾的報告。分析師雅各布·韋斯伯格（Jacob Weisberg）於2011年6月為Slate撰文，撰文，進行了一項小型非科學實驗來測試帕里澤的理論，實驗中五名具有不同意識形態背景的同事進行了一系列搜尋，「約翰·博納」、「巴尼·弗蘭克」、「瑞安計劃」和「 患者保護與平價醫療法案 」，並將他們的搜尋結果截圖發送給韋斯伯格。結果顯示，從人到人之間的差異僅限於些微之處，且任何差異似乎與意識形態無關，這讓韋斯伯格得出結論，過濾氣泡並未生效，並表示，大多數網路使用者「在每日的資訊流中餵食自己」的說法被過度誇大。 [11]韋斯伯格向Google詢問回應，Google的發言人表示，該公司設有算法故意「限制個性化，並促進多樣性」 [11]書評人保羅·布廷（Paul Boutin）對擁有不同搜尋歷史的人進行了類似的實驗，結果發現不同的搜尋者幾乎得到了相同的搜尋結果 [8]記者佩爾·格蘭克維斯特（Per Grankvist​（瑞典語））私下訪問了Google的程序員，發現用戶數據對決定搜尋結果的作用較大，但經過測試，Google認為搜尋查詢無疑是決定顯示結果的最佳依據 [44]

有報導指出，Google 和其他網站會維護龐大的「檔案」，這些檔案包含用戶的資訊，並且如果選擇這麼做，這些資訊可能會讓它們進一步個性化使用者的網路體驗。例如，Google 具備追蹤用戶歷史紀錄的技術，即使使用者沒有 Google 帳號或未登入，仍然能夠實現。 [8]有報導提到，Google 收集了來自各種來源的「10 年資料」，例如Gmail 、谷歌地圖以及搜尋引擎等服務， [12]美國有線電視新聞網 (CNN)分析師道格·格羅斯（Doug Gross）認為，過濾搜尋對消費者的幫助大於對公民的影響，並指出它能幫助尋找「披薩」的消費者根據個性化搜尋找到當地的外送選項，並過濾掉遙遠的披薩店 [12]《華盛頓郵報》、 《紐約時報》等媒體機構也曾試驗創建新的個性化資訊服務，旨在量身定製搜尋結果，以符合使用者的喜好或立場[11]

平台研究

 
2019年微博研究中，兩個社交媒體機器人的過程和增長的可視化。根據該研究，這些圖表展示了過濾氣泡結構的兩個方面：圍繞單一主題的大量用戶集群，以及影響關鍵信息流的單向、星狀結構。

對策

個人

媒體公司

倫理影響

過濾氣泡的危害

過濾氣泡源自於媒體個性化的興起，這種現象可能會將使用者困在其中。人工智慧用於個性化推送的方式，可能會導致使用者只看到強化其既有觀點的內容，而不會挑戰這些觀點。像是 Facebook 等社交媒體網站，也可能以使使用者難以判斷內容來源的方式呈現內容，迫使他們自行決定該來源是否可靠或是否為假訊息。 [45]這可能使人們習慣聽取自己想聽的內容，進而在看到相對立的觀點時反應更為激烈。過濾氣泡可能會使個人將任何反對的觀點視為錯誤，從而使媒體能夠將觀點強加於消費者。 [46] [45] [47]

研究指出，過濾氣泡會加強個人已經持有的想法[48]。因此，利用提供多元觀點的資源變得極為重要。 [48]

參見

 

參考資料

  1. ^ Filter Bubble是甚麼?. 台灣搜尋引擎優化與行銷研究院:SEO:SEM. 2012-05-29 [2017-07-04]. （原始內容存檔於2016-11-22） （中文（臺灣））. 
  2. ^ 許竹. 微博的“信息繭房”效應及其思考. 人民網. 2018-09-27 [2022-04-23]. （原始內容存檔於2022-04-23）. 
  3. ^ Technopedia, Definition – What does Filter Bubble mean? 網際網路檔案館的存檔，存檔日期2017-10-10., Retrieved October 10, 2017, "....A filter bubble is the intellectual isolation, that can occur when websites make use of algorithms to selectively assume the information a user would want to see, and then give information to the user according to this assumption ... A filter bubble, therefore, can cause users to get significantly less contact with contradicting viewpoints, causing the user to become intellectually isolated...."
  4. ^ Bozdag, Engin. Bias in algorithmic filtering and personalization. Ethics and Information Technology. September 2013, 15 (3): 209–227. S2CID 14970635. doi:10.1007/s10676-013-9321-6. 
  5. ^ Huffington Post, The Huffington Post "Are Filter-bubbles Shrinking Our Minds?" 網際網路檔案館的存檔，存檔日期2016-11-03.
  6. ^ Encrypt, Search. What Are Filter Bubbles & How To Avoid Them. Search Encrypt Blog. 2019-02-26 [2019-03-19]. （原始內容存檔於2019-02-25）. 
  7. ^ Kitchens, Brent; Johnson, Steve L.; Gray, Peter. Understanding Echo Chambers and Filter Bubbles: The Impact of Social Media on Diversification and Partisan Shifts in News Consumption. MIS Quarterly. 2020-12-01, 44 (4): 1619–1649. S2CID 229294134. doi:10.25300/MISQ/2020/16371. 
  8. ^ 8.0 8.1 8.2 8.3 Boutin, Paul. Your Results May Vary: Will the information superhighway turn into a cul-de-sac because of automated filters?. The Wall Street Journal. May 20, 2011 [August 15, 2011]. （原始內容存檔於April 5, 2015）. By tracking individual Web browsers with cookies, Google has been able to personalize results even for users who don't create a personal Google account or are not logged into one. ...  引用錯誤：帶有name屬性「twsO13」的<ref>標籤用不同內容定義了多次
  9. ^ Zhang, Yuan Cao; Séaghdha, Diarmuid Ó; Quercia, Daniele; Jambor, Tamas. Auralist: Introducing serendipity into music recommendation. 2012: 13–22. ISBN 9781450307475. doi:10.1145/2124295.2124300. 
  10. ^ 10.0 10.1 10.2 Parramore, Lynn. The Filter Bubble. The Atlantic. October 10, 2010 [April 20, 2011]. （原始內容存檔於August 22, 2017）. Since December 4, 2009, Google has been personalized for everyone. So when I had two friends this spring Google "BP," one of them got a set of links that was about investment opportunities in BP. The other one got information about the oil spill.... 
  11. ^ 11.0 11.1 11.2 11.3 11.4 11.5 11.6 Weisberg, Jacob. Bubble Trouble: Is Web personalization turning us into solipsistic twits?. Slate. June 10, 2011 [August 15, 2011]. （原始內容存檔於June 12, 2011）.  引用錯誤：帶有name屬性「twsO11」的<ref>標籤用不同內容定義了多次
  12. ^ 12.0 12.1 12.2 Gross, Doug. What the Internet is hiding from you. CNN. May 19, 2011 [August 15, 2011]. （原始內容存檔於April 9, 2016）. I had friends Google BP when the oil spill was happening. These are two women who were quite similar in a lot of ways. One got a lot of results about the environmental consequences of what was happening and the spill. The other one just got investment information and nothing about the spill at all.  引用錯誤：帶有name屬性「twsO14」的<ref>標籤用不同內容定義了多次
  13. ^ 13.0 13.1 Jasper Jackson. Eli Pariser: activist whose filter bubble warnings presaged Trump and Brexit: Upworthy chief warned about dangers of the internet's echo chambers five years before 2016's votes. The Guardian. 8 January 2017 [March 3, 2017]. （原始內容存檔於7 March 2017）. ..."If you only see posts from folks who are like you, you're going to be surprised when someone very unlike you wins the presidency," Pariser tells The Guardian.... 
  14. ^ Mostafa M. El-Bermawy. Your Filter Bubble is Destroying Democracy. Wired. November 18, 2016 [March 3, 2017]. （原始內容存檔於March 9, 2017）. ...The global village that was once the internet ... digital islands of isolation that are drifting further apart each day ... your experience online grows increasingly personalized ... 
  15. ^ Drake Baer. The 'Filter Bubble' Explains Why Trump Won and You Didn't See It Coming. New York Magazine. November 9, 2016 [March 3, 2017]. （原始內容存檔於February 26, 2017）. ...Trump's victory is blindsiding ... because, as media scholars understand it, we increasingly live in a "filter bubble": The information we take in is so personalized that we're blind to other perspectives.... 
  16. ^ Holone, Harald. The filter bubble and its effect on online personal health information. Croatian Medical Journal. June 2016, 57 (3): 298–301. PMC 4937233  . PMID 27374832. doi:10.3325/cmj.2016.57.298. 
  17. ^ Haim, Mario; Arendt, Florian; Scherr, Sebastian. Abyss or Shelter? On the Relevance of Web Search Engines' Search Results When People Google for Suicide. Health Communication. February 2017, 32 (2): 253–258. PMID 27196394. S2CID 3399012. doi:10.1080/10410236.2015.1113484. 
  18. ^ Medical Misinformation and Social Harm in Non-Science Based Health Practices: A Multidisciplinary Perspective. CRC Press. [2020-04-22]. （原始內容存檔於2020-08-04） （英語）. 
  19. ^ 19.0 19.1 19.2 Lazar, Shira. Algorithms and the Filter Bubble Ruining Your Online Experience?. Huffington Post. June 1, 2011 [August 15, 2011]. （原始內容存檔於April 13, 2016）. a filter bubble is the figurative sphere surrounding you as you search the Internet.  引用錯誤：帶有name屬性「twsO15」的<ref>標籤用不同內容定義了多次
  20. ^ Pariser, Eli. The Filter Bubble: How the New Personalized Web Is Changing What We Read and How We Think. Penguin. 2011-05-12 [2020-10-11]. ISBN 9781101515129. （原始內容存檔於2021-01-19）. 
  21. ^ How Filter Bubbles Distort Reality: Everything You Need to Know. 2017-07-31 [2019-06-23]. （原始內容存檔於2019-07-03）. 
  22. ^ Nikolov, Dimitar; Oliveira, Diego F.M.; Flammini, Alessandro; Menczer, Filippo. Measuring online social bubbles. PeerJ Computer Science. 2 December 2015, 1: e38. Bibcode:2015arXiv150207162N. arXiv:1502.07162  . doi:10.7717/peerj-cs.38  . 
  23. ^ Pariser, Eli. Beware online "filter bubbles". March 2011 [2018-05-30]. （原始內容存檔於2018-05-28）. 
  24. ^ Pariser, Eli. Beware online 'filter bubbles'. TED.com. March 2011 [2017-09-24]. （原始內容存檔於2017-09-22）. 
  25. ^ First Monday: What's on tap this month on TV and in movies and books: The Filter Bubble by Eli Pariser. USA Today. 2011 [April 20, 2011]. （原始內容存檔於2011-05-03）. Pariser explains that feeding us only what is familiar and comfortable to us closes us off to new ideas, subjects and important information. 
  26. ^ 26.0 26.1 Bosker, Bianca. Facebook, Google Giving Us Information Junk Food, Eli Pariser Warns. Huffington Post. March 7, 2011 [April 20, 2011]. （原始內容存檔於March 13, 2011）. When it comes to content, Google and Facebook are offering us too much candy, and not enough carrots. 
  27. ^ Invisible sieve: Hidden, specially for you. The Economist. 30 June 2011 [June 27, 2011]. （原始內容存檔於3 July 2011）. Mr Pariser's book provides a survey of the internet's evolution towards personalisation, examines how presenting information alters the way in which it is perceived and concludes with prescriptions for bursting the filter bubble that surrounds each user. 
  28. ^ 28.0 28.1 Hern. How social media filter bubbles and algorithms influence the election. The Guardian. 2017-05-22 [2018-05-30]. （原始內容存檔於2018-05-31）. 
  29. ^ Van Alstyne, Marshall; Brynjolfsson, Erik. Electronic Communities: Global Village or Cyberbalkans? (PDF). March 1997 [Copyright 1996] [2017-09-24]. （原始內容存檔 (PDF)於2016-04-05）. 
  30. ^ Van Alstyne, Marshall; Brynjolfsson, Erik. Could the Internet Balkanize Science?. Science. November 1996, 274 (5292): 1479–1480. Bibcode:1996Sci...274.1479V. S2CID 62546078. doi:10.1126/science.274.5292.1479. 
  31. ^ Alex Pham; Jon Healey. Systems hope to tell you what you'd like: 'Preference engines' guide users through the flood of content. Chicago Tribune. September 24, 2005 [December 4, 2015]. （原始內容存檔於December 8, 2015）. ...if recommenders were perfect, I can have the option of talking to only people who are just like me....Cyber-balkanization, as Brynjolfsson coined the scenario, is not an inevitable effect of recommendation tools. 
  32. ^ 32.0 32.1 Menkedick, Sarah. Why are American kids treated as a different species from adults?. Aeon. 14 May 2020 [2020-05-15]. （原始內容存檔於2020-05-15） （英語）. 
  33. ^ Obama, Barack. President Obama's Farewell Address (演講). Washington, D.C. 10 January 2017 [24 January 2017]. （原始內容存檔於24 January 2017）. 
  34. ^ Hosanagar, Kartik. Blame the Echo Chamber on Facebook. But Blame Yourself, Too. Wired. 2016-11-25 [2017-09-24]. （原始內容存檔於2017-09-25）. 
  35. ^ DiFonzo, Nicholas. The Echo-Chamber Effect. The New York Times. 2011-04-21 [2017-09-24]. （原始內容存檔於2017-06-13）. 
  36. ^ sdf. John Gorenfeld, Moon the Messiah, and the Media Echo Chamber. Daily Kos. 2004-06-23 [2017-09-24]. （原始內容存檔於2016-05-02）. 
  37. ^ Jamieson, Kathleen Hall; Cappella, Joseph N. Echo Chamber: Rush Limbaugh and the Conservative Media Establishment . Oxford University Press. 2008-07-22 [2017-09-24]. ISBN 978-0-19-536682-2. 
  38. ^ 38.0 38.1 What are Filter Bubbles and Digital Echo Chambers? | Heinrich-Böll-Stiftung | Tel Aviv - Israel. Heinrich-Böll-Stiftung. [2023-03-08] （英語）.  引用錯誤：帶有name屬性「il.boell.org」的<ref>標籤用不同內容定義了多次
  39. ^ Cinelli, Matteo; De Francisci Morales, Gianmarco; Galeazzi, Alessandro; Quattrociocchi, Walter; Starnini, Michele. The echo chamber effect on social media. Proceedings of the National Academy of Sciences. 2021-03-02, 118 (9): e2023301118. Bibcode:2021PNAS..11823301C. ISSN 0027-8424. PMC 7936330  . PMID 33622786. doi:10.1073/pnas.2023301118   （英語）. 
  40. ^ Elanor Colleoni; Alessandro Rozza; Adam Arvidsson. Echo Chamber or Public Sphere? Predicting Political Orientation and Measuring Political Homophily in Twitter Using Big Data. Journal of Communication. April 2014, 64 (2): 317–332. doi:10.1111/jcom.12084. hdl:10281/66011  . 
  41. ^ Ekström, Axel G.; Niehorster, Diederick C.; Olsson, Erik J. Self-imposed filter bubbles: Selective attention and exposure in online search. Computers in Human Behavior Reports. 2022-08-01, 7: 100226. ISSN 2451-9588. S2CID 251434172. doi:10.1016/j.chbr.2022.100226   （英語）. 
  42. ^ Reviglio, Urbano; Agosti, Claudio. Thinking Outside the Black-Box: The Case for "Algorithmic Sovereignty" in Social Media. Social Media + Society. April 2020, 6 (2): 205630512091561. ISSN 2056-3051. S2CID 219019544. doi:10.1177/2056305120915613. hdl:2434/840214   （英語）. 
  43. ^ Twitter's plan to cut off free data access evokes 'fair amount of panic' among scientists. www.science.org. [2023-03-08] （英語）. 
  44. ^ Grankvist, Per. The Big Bubble: How Technology Makes It Harder to Understand the World. United Stories Publishing. 2018-02-08: 179. ISBN 978-91-639-5990-5. 
  45. ^ 45.0 45.1 Gross, Michael. The dangers of a post-truth world. Current Biology. January 2017, 27 (1): R1–R4. Bibcode:2017CBio...27...R1G. doi:10.1016/j.cub.2016.12.034  . 
  46. ^ How Filter Bubbles Distort Reality: Everything You Need to Know. Farnam Street. 2017-07-31 [2019-05-21]. （原始內容存檔於2019-05-20）. 
  47. ^ Dish, The Daily. The Filter Bubble. The Atlantic. 2010-10-10 [2019-05-21]. （原始內容存檔於2017-08-22）. 
  48. ^ 48.0 48.1 Filter Bubbles & Confirmation Bias - Fake News (And how to fight it) - LibGuides at Miami Dade College Learning Resources. [2020-10-22]. （原始內容存檔於2020-10-23）. 
  • 帕里瑟．伊萊。 《搜尋引擎沒告訴你的事》 ，企鵝出版社（紐約，2011 年）ISBN 978-1-59420-300-8

外部連結

訊息誤導與造謠
 
條目
種類
相關模板


引用錯誤：頁面中存在<ref group="Note">標籤，但沒有找到相應的<references group="Note" />標籤

取自「https://zh.wikipedia.org/w/index.php?title=User:Idlcn/過濾氣泡&oldid=84567365」