Moats 與 Tseng 以台灣 vTaiwan 的 Uber 合法化討論為案例,分析 Pol.is 的意見分群、使用者留言、主持與演算法如何共同塑造公共議題。研究指出,平台透過量化排序將意見分成相對的支持與反對群組,但留言文本和發言順序仍顯示比二分分類更細緻的立場與對話可能。作者也提醒,若平台過度依賴正負票或分群結果,可能犧牲參與者細節與意見脈絡。
思與行
- 評估數位審議工具時,檢查分類方式、排序規則、匿名性、主持流程與原始討論文本是否可檢視。
- 不把平台顯示的群體共識直接等同於社會共識;確認少數意見是否仍被看見。
- 與把平台演算法視為公共討論制度而非中性工具連結。
參考
- David Moats & Yu-Shan Tseng, “Sorting a Public? Using Quali-Quantitative Methods to Interrogate the Role of Algorithms in Digital Democracy Platforms”,Information, Communication & Society 27(5), 973–1007(2024)。https://doi.org/10.1080/1369118X.2023.2230286
- 相關概念:Algorithmic_Public_Sphere、Public_Sphere、Deliberative_System。