不實資訊如何趁我們線上購物時被散播開來?

自新冠肺炎爆發開始,各種關於到底要怎麼戴口罩、判斷症狀的依據或是接種疫苗到底有沒有幫助的資訊紛紛在社群網絡上散播開來,不實資訊在社群媒體上散播已不是新鮮事。不實資訊除了透過社群媒體散播開來之外,在現今幾乎成為我們生活中不可或缺的線上購物平台上,有沒有可能是另一個加速散播不實資訊的溫床?

撰文/楊期蘭

自新冠肺炎爆發開始,各種關於到底要怎麼戴口罩、判斷症狀的依據或是接種疫苗到底有沒有幫助的資訊紛紛在社群網絡上散播開來,不實資訊在社群媒體上散播已不是新鮮事 [2],新冠疫情這波影響讓各大社群媒體不得不積極在任何與新冠肺炎相關的內容上加上特別的標記,或是提供事實查核的連結,讓大家更容易得知目前對於新冠肺炎的「科學事實」。

例如臉書或Instagram上,如果貼文內容跟疫苗接種有關,貼文底下就會出現了解新冠肺炎的連結,YouTube首頁也在疫情開始後特別留下一個空位讓被審核過的新冠肺炎相關影片有更高的曝光度。當社群媒體們透過不同的設計積極對抗不實資訊的傳播時,研究者們卻發現電商購物平台也是另一個加速不實資訊快速散播的管道。

當政府建議大家減少不必要外出之後,每個人對網路購物的需求大增,我們在電商不僅購買生活與工作各種必備品,也在上面買食物。但在這過程中我們有可能不知不覺中讓自己落入未經事實查核的商品所形成的同溫層嗎?

來自Instagram截圖

●產品推薦演算法會擴大不實資訊的散播嗎?

來自美國華盛頓大學的人機互動研究者們在亞馬遜(Amazon)這個電子購物平台上進行為期15天的調查 [1],首先,他們想了解電子購物平台的推薦演算法有多大的程度會讓不實資訊更容易被使用者搜尋到。

以接種疫苗相關的搜尋為例,當使用者在商品搜尋欄輸入各種與疫苗接種相關的關鍵字,像是「疫苗 hpv」、「反疫苗」、「免疫 書籍」,研究者發現當摒除個人搜尋紀錄帶來的影響之後,如果使用者選擇呈現「特色 (featured)」的產品搜尋結果,會有很高的比例在搜尋結果中出現不實資訊,像是反對疫苗接種的T恤或是倡導疫苗有害的書籍;而且如果讓商品根據「平均客戶評價」或是「價錢由低至高」排序,不實資訊也會被排得比較前面。

圖片來自透過無痕視窗在Amazon.com搜尋的截圖。以關鍵字hpv vaccine搜尋,接著以「平均客戶評價」排序商品的前三個推薦結果。

●購物平台上數位足跡形成的「同溫層」

接著,研究者們想了解使用者在電商平台上的瀏覽以及點擊紀錄會不會影響他看到不實資訊的可能性。

在為期7天的實驗中,透過分析使用者點擊各種與疫苗相關的搜尋結果以及模擬使用者在電商平台瀏覽會出現的行為,像是搜尋、點擊、加入購物車、標記所有高評分的review是有幫助的等等,分析結果發現如果使用者曾經點擊一個含有不實資訊的商品(例如反對接種疫苗的書籍、服飾),並且把它加入購物車中的話,接下來他的首頁就會出現更多其他類似含有不實資訊的商品。也就是說當今天電商平台的推薦演算法判斷一個使用者對反疫苗的商品可能有興趣之後,接著就會推薦他看到更多反疫苗的產品。

圖片來自透過無痕視窗在Amazon.com搜尋的截圖。當筆者把其中一本透過倡導透過飲食來對抗HPV病毒的書籍後,電商推介給筆者的相關產品。

●針對特定商品設計推薦演算法

產品推薦演算法是個雙面刃,在大部分的商品推薦中,它可以帶領使用者發現自己感興趣但以前未曾發現的好物,但是當面對的是跟健康有關的不實資訊,像是未經認證的營養食品或是反對接種疫苗的相關書籍等,如果使用者並不了解新冠肺炎相關的科學事實的話,就很有可能因為誤點了包含不實資訊的商品後,讓自己進入一個充滿各種不實資訊的同溫層中而不自知,也無法看到帶有其他觀點商品的可能性。

Photo by Campaign Creators on Unsplash

電商購物平台像是PChome、蝦皮、奇摩購物等平台為使用者們提供方便迅速的管道購買商品,身為電商購物平台的使用者,我們能做的是時時覺察平台推薦給我們的任何商品,包含關鍵字的自動補字推薦、首頁看到的商品推薦,不要完全信賴平台的推薦,可以的話也可以偶爾嘗試用無痕視窗不登入帳號的方式瀏覽商品,比較看看登入跟沒登入帳號時被推薦的商品有什麼差異。

而身為設計電商平台的開發者或設計師,我們可以思考如何讓推薦演算法針對比較敏感與具有爭議性的商品採用特別設計的推薦演算法,而不把鼓勵使用者購物的演算法無差別的應用在推薦可能加速傳播不實資訊或是有害身心健康的商品中。

 

*備註:本文目的並非指責任何一個電子購物平台的設計不良,而是透過分享實證研究的結果讓讀者們對平時線上購物的行為有更多覺察,降低這些未經驗證的科學事實所帶來負面的影響;各電商平台也正持續解決推薦演算法如何加速不實訊息擴散的問題,在找到最適合的解決方法之前,身為個人能做的便是意識到自己的判斷無時無刻都可能被推薦演算法影響,並對各種訊息保持一定程度的懷疑。

 

作者:東京大學 學際情報學 楊期蘭 (搜尋「人機共生你我它」了解更多)

 

參考資料:

  1. Juneja, P., & Mitra, T. (2021, May). Auditing e-commerce platforms for algorithmically curated vaccine misinformation. In Proceedings of the 2021 CHI conference on human factors in computing systems (pp. 1-27).
  2. Geeng, C., Yee, S., & Roesner, F. (2020, April). Fake News on Facebook and Twitter: Investigating How People (Don't) Investigate. In Proceedings of the 2020 CHI conference on human factors in computing systems (pp. 1-14).
(Visited 1 times, 1 visits today)
views