Kwak、Lee 與 Lee（2021）以南韓 Naver News 與 Kakao News 為案例，比較個人化與非個人化新聞推薦。研究發現，個人化推薦的新聞來源相對多樣，但新聞主題與使用者特徵之間存在差異；使用者的年齡、收入、婚姻狀態、新聞使用量與政治傾向，都可能與推薦內容的相似程度相關。研究因此顯示，將「多樣性」簡化成單一分數會忽略不同層次的變化：來源可以更分散，主題卻可能更集中。
這項研究聚焦南韓新聞聚合器，不代表其他國家的平台必然呈現相同模式。它也提醒研究者必須說明「多樣性」究竟是新聞來源、議題、政治立場、文章新近程度，還是使用者之間的差異。
思與行
- 在評估資訊多樣性時，至少分開統計主題、來源與觀點，而非只數不同媒體名稱。
- 可在個人資訊盤點中記錄「每天看見多少不同主題」與「每個主題來自多少來源」。
- 與資訊多樣性至少包含主題來源觀點與接觸層次交叉閱讀，建立多維度評估表。
參考
- 研究原文：News and user characteristics used by personalized algorithms: The case of Korea’s news aggregators, Naver News and Kakao News，Kyu Tae Kwak、Seung Yeop Lee、Sang Woo Lee，Technological Forecasting and Social Change，171，2021，120940。
- 延伸脈絡：個人化可能增加來源廣度同時減少主題廣度、南韓 2025 研究未發現個人化新聞必然放大政治偏見。