Appearance
Users choose to engage with more partisan news than they are exposed to on Google Search
Summary
Problem: 关于“回音室”和“过滤气泡”的争论长期存在，但以往研究多依赖参与数据（如点击日志）或假设性接触（如算法审计），缺乏对真实用户在搜索引擎上实际接触内容的生态效度测量。因此，Google Search在引导用户接触党派性和不可靠新闻中的角色尚不明确。 Approach: 作者在2018年和2020年美国选举期间开展两波研究，通过自定义浏览器扩展收集参与者的Google Search结果页面快照（接触）、搜索后点击（follows）及整体浏览历史（参与），并将这些数据与新闻域名的党派性和可靠性评分合并，结合调查问卷和查询文本分析进行量化。 Finding: 在两波研究中，参与者在Google Search上的接触中党派性和不可靠新闻的比例较低且与党派身份关系不大，但他们的follows和整体参与中这类新闻的比例显著更高。党派差距在接触中最小、在follows中较大、在整体参与中最大，表明用户选择而非算法策展是主要驱动因素。 Significance: 该研究为“回音室”与“过滤气泡”之争提供了关键的实证证据，表明在搜索引擎情境下，用户自身的选择行为比算法策展更能解释党派性和不可靠新闻的接触与参与，对平台治理和媒体素养干预具有重要启示。
Theoretical Framework
- Theoretical tradition: 政治传播与计算社会科学交叉领域，聚焦选择性接触理论及其在数字平台上的应用。
- Prior theories built upon: 选择性接触理论（selective exposure）、回音室（echo chambers）、过滤气泡（filter bubbles）、算法策展与用户选择二分框架。
- Causal mechanism: 用户基于既有政治信念选择点击和参与与其身份一致的内容（选择性接触），而算法策展（如搜索排名）对接触内容的党派性影响较小；因此，参与中的党派性差异主要由用户选择驱动。
- Key assumptions: 假设用户的政治身份（党派认同）是影响其信息选择的主要动机；假设搜索查询内容反映用户主动的信息寻求意图；假设新闻域名的党派性评分（基于Twitter分享模式）能有效代表其政治倾向。
- Theoretical move: 该论文应用并挑战了回音室与过滤气泡理论，通过区分接触与参与，实证表明在Google Search中用户选择（回音室机制）比算法策展（过滤气泡机制）更能解释党派性新闻的参与，从而对算法决定论提出质疑。
- Scope conditions: 研究限于美国选举期间、Google Search平台、新闻类域名，且参与者为自愿安装扩展的网民，结果可能不适用于其他平台、非选举时期或非美国情境。
Research Design
本研究为观察性纵向研究（两波设计），结合调查问卷与数字追踪数据。分析单元为参与者个体及其在Google Search上的搜索会话。关键自变量为参与者的党派认同（7点量表）和年龄组；因变量为三类新闻接触/参与指标：(1) 接触（exposure）——Google Search结果页面中出现的新闻域名党派性得分（按排名加权）及不可靠新闻比例；(2) follows——搜索后60秒内点击的、出现在结果页中的URL；(3) 整体参与（overall engagement）——浏览器历史中所有URL访问。党派性得分基于Twitter分享模式（-1至1），不可靠新闻基于同行评审列表和NewsGuard评分。
Data & Sample
2018年：275名参与者提供102,114个Google Search结果页面接触数据，262人提供279,680次follows，333人提供14,677,297个URL的整体参与数据。2020年：459人提供226,035个结果页面，418人提供69,023次follows，688人提供31,202,830个URL。参与者通过调查招募并自愿安装Chrome/Firefox扩展，数据收集时间为2018年10-12月和2020年4-12月。样本为美国网民，党派认同和年龄通过调查自报。
Analytical Strategy
主要分析方法包括：(1) 描述性统计——使用Kruskal-Wallis H检验比较不同党派身份组在接触、follows和整体参与中的党派性及不可靠新闻差异；(2) 相关性分析——使用Spearman秩相关系数检验党派性与不可靠新闻的关系；(3) 多元回归——以党派认同和年龄为主要预测变量，控制种族、性别、教育、新闻兴趣等人口学变量，对接触和follows还控制查询文本特征（通过pivoted text scaling提取的潜在维度）。未提及明确的稳健性检验，但两波独立研究提供了复制验证。
Results & Findings
- 接触中的党派差距较小：在2018和2020年，强共和党与强民主党在Google Search接触中的党派性差距仅为0.062和0.037，相当于MSNBC与Mother Jones（2018）或华盛顿邮报与纽约时报（2020）之间的差距，表明算法策展并未显著放大党派性接触。
- follows和整体参与中的党派差距更大：follows的差距为0.106（2018）和0.125（2020），相当于Newsmax与InfoWars之间的差距；整体参与的差距为0.206（2018）和0.134（2020），相当于Salon与Jacobin（2018）或Fox News与Breitbart（2020）之间的差距。这表明用户选择显著增加了身份一致新闻的参与。
- 不可靠新闻的接触率低于参与率：平均而言，接触中不可靠新闻比例（2018年2.05%，2020年0.72%）低于follows（2.36%，0.93%）和整体参与（3.03%，1.86%）。强共和党在参与中接触更多不可靠新闻，但接触中无显著差异。
- 不可靠新闻高度集中：少数参与者贡献了大部分不可靠新闻接触和参与，例如2018年31.3%的参与者占90%的不可靠新闻接触，而整体参与中仅12.0%的参与者占90%。
- 党派性与不可靠新闻的正相关仅存在于整体参与：强共和党在2018年整体参与中呈正相关（ρ=0.336），强民主党在2018和2020年呈负相关（ρ=-0.380和-0.237），但接触和follows中无显著相关。
- 回归结果：控制人口学和查询特征后，党派身份对接触无显著影响；强共和党在follows中显著更多右倾新闻（2018和2020），但强民主党无此模式；整体参与中，两党强党派者均显著更多参与身份一致新闻。年龄（65+）与更多右倾新闻参与显著相关。
- 零结果：党派身份对不可靠新闻的接触和follows无显著差异；强民主党在2020年整体参与中的左倾新闻差异不显著。
Limitations
作者承认的局限包括：样本为自愿安装扩展的网民，可能存在自选偏差；研究限于美国选举期间，外部效度有限；党派性评分基于Twitter分享模式，可能不全面；不可靠新闻分类依赖外部列表，可能存在误分类；2020年follows数据收集方法改变（从Google History改为Tab Activity），可能影响可比性；未测量其他平台（如社交媒体）的接触与参与，无法全面评估跨平台影响。
Key Contributions
- 首次在Google Search上同时测量生态效度高的接触与参与数据，填补了搜索引擎情境下“过滤气泡”研究的空白。
- 实证区分了算法策展与用户选择在党派性和不可靠新闻接触/参与中的相对作用，表明用户选择是主要驱动因素。
- 发现不可靠新闻的参与高度集中于少数用户，为针对性干预提供了依据。
- 揭示了党派性新闻参与中的不对称性（右翼用户更显著），丰富了选择性接触理论的应用。
- 方法上创新性地结合浏览器扩展、查询文本分析和域名评分，为未来平台研究提供了可复制的框架。
Key Claims
"These results indicate that exposure to and engagement with partisan or unreliable news on Google Search are driven not primarily by algorithmic curation but by users’ own choices." (Abstract) "Results from both study waves show that participants’ partisan identification had a small and inconsistent relationship with the amount of partisan and unreliable news they were exposed to on Google Search, and a more consistent relationship with the search results they chose to follow and their overall engagement." (Results section) "These findings shed light on the role of Google Search in leading its users to partisan and unreliable news, highlight the importance of measuring both user choice and algorithmic curation when studying online platforms and are consistent with previous work on general web browsing and Facebook’s News Feed." (Results section) "For exposure, the partisan gap was comparable to the gap in scores between MSNBC (−0.624) and Mother Jones (−0.697) for 2018, and the gap between The Washington Post (−0.234) and The New York Times (−0.260) for 2020." (Partisan news section) "These results indicate that Google Search’s algorithmic curation can be a conduit for exposure to unreliable news, but not to the degree that users’ engagement choices are, especially among strong Republicans." (Unreliable news section)