「演算法策展」不只是把使用者喜歡的內容排在前面。推薦系統也可能因商業目標、平台政策、內容供應者策略、政府壓力或合作關係，而使特定來源與內容類型取得更多可見度。這讓過濾氣泡的研究從「個人是否只看到自己喜歡的東西」擴展到「哪些人、機構與知識有能力進入公共視野」。
Safiya Noble 對搜尋引擎偏見的研究，以及 2026 年 Bilibili 推薦系統對國家來源內容放大的研究，呈現了不同形式的可見性權力。它們不是同一個因果機制，卻都提醒研究者不能把推薦系統當成完全中性的個人偏好鏡子。
思與行
- 將平台的排序目標與可見性分配列入分析，不只研究使用者的心理偏誤。
- 在研究報告中追問內容來源是否有不對稱的曝光機會。