YouTube 暴露中的性別偏見：政治資訊環境的分配與結構性不平等
arXiv - Computers and SocietyJipeng Tan, Weifeng Zhang, Ye Wu, Jialin Guo, Yong Min
研究發現 YouTube 演算法在政治內容分配與社群結構上存在顯著的性別偏見，強化了社會不平等。
AI 幫你先抓重點
AI 重點 1
演算法偏見不僅是內容分配問題，更是結構性的社群隔離。
滑鼠懸停看 AI 判斷理由
這點至關重要，因為它揭示了偏見不只是「看到不同內容」，而是將用戶封閉在不同的資訊結構中，這種結構性的隔離比單純的內容差異更難以打破。
AI 重點 2
性別特徵會透過演算法路徑產生長期的路徑依賴效應。
滑鼠懸停看 AI 判斷理由
這說明了數位環境中的不平等具有累積性，早期的演算法推薦會形塑後續的資訊軌跡，這對於理解數位公民素養與資訊繭房的形成具有深遠意義。
核心研究發現
- 1
研究發現男性與女性特徵的帳號在政治議題分佈、意識形態傾向及政治實體暴露上，存在統計學上顯著的分配偏見。
- 2
政治資訊環境展現出結構性偏見，不同性別特徵的帳號會被引導至截然不同的社群聚類模式中。
- 3
時間序列分析顯示，暴露路徑會隨著時間推移，受到社群共現網絡與個人帳號動態特徵的持續塑造。
- 4
研究透過建立簡單的協同過濾模型，成功重現了實驗中觀察到的性別偏見現象。
對教育工作者的啟發
對於教育工作者而言，此研究強調了在數位素養（Digital Literacy）教學中，不應僅教導如何辨識假新聞，更應引導學生理解「演算法中介」的本質。建議在課程設計中加入「演算法覺察」環節，讓學生理解平台如何根據其個人特徵（如性別、興趣）建構資訊環境，並討論這種結構性偏見如何影響其政治觀點與社會認知。此外，教育者應鼓勵學生主動打破資訊繭房，透過多元化的搜尋行為來對抗演算法的自動化分類。
原始文獻資訊
- 英文標題：
- Gender Bias in YouTube Exposure: Allocative and Structural Inequalities in Political Information Environments
- 作者：
- Jipeng Tan, Weifeng Zhang, Ye Wu, Jialin Guo, Yong Min
- 來源：
- arXiv - Computers and Society
- AI 摘要模型：
- /models/gemma-4-26B-A4B-it
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。