Srba 等人（2023）以「sock puppet」稽核方法，讓預先設定的測試帳號在 YouTube 觀看特定錯假資訊內容，再觀看反駁或澄清內容，觀察搜尋結果、首頁與影片推薦如何變化。研究收集 17,405 部獨特影片，並對其中 2,914 部進行人工標註。結果顯示，錯假資訊推薦氣泡並非在所有主題都會出現；在形成氣泡的主題中，觀看澄清與反證內容有時能改變推薦，呈現高度議題依賴與脈絡依賴。
此研究不表示一般使用者只要看幾支反駁影片就必然能離開資訊氣泡。測試帳號採用預先設計的觀看序列，與真實使用者長期混合使用平台的情況不同；推薦模型也可能隨時間、地區、登入狀態與平台更新而變動。
思與行
- 用這篇研究建立一個重要問題：推薦系統的「可逆性」如何測量？是推薦清單改變，還是使用者真的找到可信來源？
- 對自己而言，可刻意加入可信的查核、背景說明與不同論證方式，而不只按下「不感興趣」。
- 與推薦系統稽核必須公開情境與可重現步驟一起閱讀，留意測試帳號不等於一般人。
參考
- 研究原文：Auditing YouTube’s Recommendation Algorithm for Misinformation Filter Bubbles，Ivan Srba 等，ACM Transactions on Recommender Systems，1(1)，2023，Article 6。
- 延伸脈絡：閱讀中的偶遇可以被設計但不必被強迫、資訊多樣性至少包含主題來源觀點與接觸層次。