不同地區的資訊封閉與平台案例

不同地區的案例不能只用同一個「演算法泡泡」解釋。美國 Facebook 研究分析新聞接觸、排序與點擊；南韓研究聚焦新聞聚合器個人化；印度與巴西案例凸顯私人通訊中的人際傳播；台灣研究則同時涉及新聞市場與 PTT 論壇；中國 Bilibili 研究分析國家來源內容在推薦系統中的可見度。

graph TD
  A[全球比較] --> B[美國：Facebook／搜尋]
  A --> C[南韓：Naver／Kakao]
  A --> D[印度：WhatsApp 群組]
  A --> E[巴西：WhatsApp／Twitter]
  A --> F[台灣：PTT／新聞市場]
  A --> G[中國：Bilibili]
  B --> H[演算法排序與點擊]
  C --> I[主題與來源多樣性]
  D --> J[社會信任與轉傳]
  E --> J
  F --> K[影響者與媒體脈絡]
  G --> L[國家內容可見度]

區域文獻：印度 WhatsApp 政治群組的錯誤資訊需要從社會傳播理解、巴西 WhatsApp 與 Twitter 的錯誤資訊各自運用不同修辭策略、台灣 PTT 疫苗錯誤資訊研究發現影響者與網絡位置值得關注、2026 台灣新聞使用報告顯示社群平台化改變新聞可見性與產業結構、中國 Bilibili 研究顯示推薦系統也可能放大國家來源內容。

相關概念：Socially_Mediated_Echo_Chamber、Homophily、Algorithmic_Curation、Platform_Governance。

延伸想法：為 Flyism 建立可追溯的多來源閱讀路徑。