Garimella 與 Eckles（2020）研究印度 2019 年全國大選前、具有政治取向的 WhatsApp 群組影像訊息。研究者標註隨機抽樣與熱門影像，發現約一成被分享的影像屬於已知錯誤資訊，並指出機器學習辨識模型會受到內容隨時間變化的影響而變得脆弱。
這篇研究並非直接證明 WhatsApp 形成了「演算法過濾氣泡」。WhatsApp 群組的資訊流動較仰賴群組成員、信任關係、轉傳行為與封閉式對話，而不是公開推薦首頁。它的價值在於提醒：在全球不同平台上，資訊封閉也可能透過人際網絡與社會信任形成，不能一律歸因於推薦系統。
思與行
- 研究封閉群組時，應分析誰把訊息傳給誰、群組邊界如何形成、糾錯資訊是否能進入，而不只分析推薦排序。
- 將「演算法氣泡」與「社會關係造成的迴聲室」分開編碼。
- 與印度與巴西案例顯示封閉傳播不一定由推薦演算法造成交叉閱讀。
參考
- 研究原文：Images and misinformation in political groups: Evidence from WhatsApp in India，Kiran Garimella、Dean Eckles，Harvard Kennedy School Misinformation Review，2020-07-07。
- 延伸脈絡：印度與巴西案例顯示封閉傳播不一定由推薦演算法造成、降低資訊泡泡需要個人實踐與制度改變共同作用。