教育程度是否影響民眾對於TikTok平台上關於中國資訊的辨識？

(一)研究問題

教育程度是否影響民眾對於TikTok平台上關於中國資訊的辨識？

隨著中國社群媒體在台灣的滲透與普及，TikTok已不僅是娛樂平台，也成為資訊與輿論傳遞的重要管道，越來越多民眾是透過此平台去接收政治與社會的相關資訊。由於該平台的演算法具有強大的推薦機制，使用者所接觸的內容往往經由演算法過濾與推播，可能混雜政治訊息或影響對中國的態度與認知。因此，教育程度作為個體媒體識讀能力與批判性思考的重要指標，可能影響使用者在面對中國相關資訊時的判斷與辨識能力，本研究欲透過此分析，來揭示不同教育層級在資訊接受與判斷上的差異。

(二)資料描述

本研究欲使用《民主實驗室TikTok使用者網路調查》的資料，而在此份調查問卷中有詢問並統計出受訪者的教育程度，以及有些問題是可以推斷出使用者是否能對於中國相關資訊有基本的判別能力和信任態度等，如:Q32與Q35。

自變項(IV):教育程度(以受訪者最高學歷為基準，問題EDU)；依變項(DV):能辨識中國相關資訊；控制變項（CVs）:使用TikTok的時間長度(S2)、對中國政府的印象(Q24)

library(readxl)
library(sjlabelled)
tiktok_raw <- read_excel("D:/Users/USER/Desktop/碩二上 民意/HW1_files/解壓縮抖音資料/民主實驗室TikTok使用者網路調查_資料檔0326.xlsx")

Warning: Expecting logical in AD1361 / R1361C30: got '社會民主黨'

Warning: Expecting logical in AD1975 / R1975C30: got '不一定'

Warning: Expecting logical in AD2298 / R2298C30: got '勞工黨'

codebook <- read_excel("D:/Users/USER/Desktop/碩二上 民意/HW1_files/解壓縮抖音資料/民主實驗室TikTok使用者網路調查_譯碼簿0326.xlsx")
head(tiktok_raw)

# A tibble: 6 × 77
  編號  抖音活躍使用者    S0 S0_AGE    S1    S2  Q1_1  Q1_2  Q1_3  Q1_4  Q1_5
  <chr>          <dbl> <dbl>  <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
1 A0001              1     8     21     4     4     1    10     3     9    NA
2 A0002              1    27     40     5     3    11    10     5    12     9
3 A0003              1    14     27     4     4    10    13    NA    NA    NA
4 A0004              1    23     36     4     3     2     9    NA    NA    NA
5 A0005              1    21     34     5     3     7     6     1     4     9
6 A0006              1    39     52     5     2     6    10     5     9     2
# ℹ 66 more variables: Q1_O <chr>, Q2_1 <dbl>, Q2_2 <dbl>, Q2_3 <dbl>,
#   Q2_O <chr>, Q3_1 <dbl>, Q3_2 <dbl>, Q3_3 <dbl>, Q3_O <chr>, Q4 <dbl>,
#   Q4_O <chr>, Q5 <dbl>, Q6 <dbl>, Q7 <dbl>, Q8 <dbl>, Q9 <dbl>, Q9_O <chr>,
#   Q10 <dbl>, Q10_O <lgl>, Q11 <dbl>, Q11_O <chr>, Q12 <dbl>, Q13 <dbl>,
#   Q13_O <chr>, Q14 <dbl>, Q15 <dbl>, Q16 <dbl>, Q17 <dbl>, Q18 <dbl>,
#   Q19 <dbl>, Q20 <dbl>, Q21 <dbl>, Q22 <dbl>, Q23 <dbl>, Q23_O <chr>,
#   Q24 <dbl>, Q25 <dbl>, Q26 <dbl>, Q27 <dbl>, Q28 <dbl>, Q29 <dbl>, …

head(codebook)

# A tibble: 6 × 2
  題號           題目                                           
  <chr>          <chr>                                          
1 編號           <無>                                           
2 抖音活躍使用者 抖音活躍使用者                                 
3 S0             S0.請問您的西元出生年次？                      
4 S0_AGE         S0.請問您的年齡                                
5 S1             S1.請問您最近一年有多常使用TikTok抖音？        
6 S2             S2.請問您平常單次使用TikTok抖音大概的時間長度？

研究問題:教育程度是否影響民眾對於TikTok平台上關於中國資訊的辨識？

本次研究的IV是教育程度，所以變數一選擇的問題為題號EDU，欲了解各個階段的受訪者是否能辨識出中國資訊，對於中國資訊的敏感度如何。因此將教育程度分為高教育程度(大學及以上)、中等教育程度(高中職與專科)、低教育程度(國/初中以下)

EDU:(1)國小及以下(2)國(初)中(3)高級中學(高中、高職)(4)專科(5)大學及以上

table(tiktok_raw$EDU)

   1    2    3    4    5 
  18   42  274  325 1953 

library(sjmisc)
tiktok_raw$EDUr <- rec(tiktok_raw$EDU, rec = "5=3; 3:4=2; 1:2=1", as.num = TRUE)
tiktok_raw$EDUr <- set_labels(tiktok_raw$EDUr,labels = c("低教育（國中以下）" = 1,"中等教育（高中職/專科）" = 2,"高教育（大學以上）" = 3))
set_label(tiktok_raw$EDUr) <- "教育程度（重編碼）"
frq(tiktok_raw$EDUr)

教育程度（重編碼） (x) <numeric> 
# total N=2612 valid N=2612 mean=2.72 sd=0.50

Value |                   Label |    N | Raw % | Valid % | Cum. %
-----------------------------------------------------------------
    1 |      低教育（國中以下） |   60 |  2.30 |    2.30 |   2.30
    2 | 中等教育（高中職/專科） |  599 | 22.93 |   22.93 |  25.23
    3 |      高教育（大學以上） | 1953 | 74.77 |   74.77 | 100.00
 <NA> |                    <NA> |    0 |  0.00 |    <NA> |   <NA>

變數二選擇的是DV所需要的問題，Q9的題目與選項對於我的研究問題有最直接的相關，可以直接挑出選擇關於中華人民共和國/ 中國共產黨的回答

Q9:有人說台灣的假訊息跟網軍操作很普遍又很嚴重，您認為台灣現在的假訊息跟網軍操作主要來自哪個陣營？

(1)民進黨(2)國民黨(3)民眾黨(4)時代力量(5)親民黨(6)台灣基進(7)綠黨(8)小民參政歐巴桑聯盟(9)新黨(10)中華人民共和國/ 中國共產黨(11)美國(12)日本(13)都沒有假訊息(14)不知道/ 不清楚(90)其他國家：______

tiktok_raw$Q9r<-rec(tiktok_raw$Q9,rec="10=1; else=0",as.num= TRUE)
tiktok_raw$Q9r <- set_labels(tiktok_raw$Q9r,labels = c("其他/非中共" = 0,"中共/PRC" = 1))
set_label(tiktok_raw$Q9r) <- "認為假訊息主要來源：中共/PRC？"
frq(tiktok_raw$Q9r)

認為假訊息主要來源：中共/PRC？ (x) <numeric> 
# total N=2612 valid N=2612 mean=0.18 sd=0.38

Value |       Label |    N | Raw % | Valid % | Cum. %
-----------------------------------------------------
    0 | 其他/非中共 | 2150 | 82.31 |   82.31 |  82.31
    1 |    中共/PRC |  462 | 17.69 |   17.69 | 100.00
 <NA> |        <NA> |    0 |  0.00 |    <NA> |   <NA>

第三個變數選擇的是Q35新疆地區風景美麗，人民幸福快樂，中國政府也在當地文化保存上做了很多努力請問您同不同意這樣的說法(中國新疆的人權問題一直被討論，那這題所要挑選出的回答就必須是支持Q35說法的選項)

(1)非常不同意(2)還滿不同意(3)有點不同意(4)有點同意(5)還滿同意(6)非常同意

tiktok_raw$Q35r<-rec(tiktok_raw$Q35,rec="4:6=1; else=0",as.num=TRUE)
tiktok_raw$Q35r <- set_labels(tiktok_raw$Q35r,labels = c("不同意(1–3)" = 0, "同意(4–6)" = 1))
set_label(tiktok_raw$Q35r) <- "同意新疆地區正向敘事？（4–6=同意）"
frq(tiktok_raw$Q35r)

同意新疆地區正向敘事？（4–6=同意） (x) <numeric> 
# total N=2612 valid N=2612 mean=0.31 sd=0.46

Value |       Label |    N | Raw % | Valid % | Cum. %
-----------------------------------------------------
    0 | 不同意(1–3) | 1802 | 68.99 |   68.99 |  68.99
    1 |   同意(4–6) |  810 | 31.01 |   31.01 | 100.00
 <NA> |        <NA> |    0 |  0.00 |    <NA> |   <NA>

我將使用S2.請問您平常單次使用TikTok抖音大概的時間長度？這個題目來探討受訪者的使用習慣，使用時間較長的受訪者，會更頻繁的接觸到平台上的各類資訊，可能會對平台上的中國相關資訊更敏感，因此這可作為一個控制變數。而選擇3~4這三個選項可以控制過度短暫使用者（選項1和2）可能造成的偏誤。

(1)10分鐘以內(2)10-30分鐘以內(3)30分鐘至1小時以內(4)1-3小時以內(5)3小時(含)以上

將原本的選項一和二清除後，將選項三到五重新編碼為一二三

S2_tmp <- set_na(tiktok_raw$S2, na = c(1, 2))  # 1,2 當作缺失
tiktok_raw$S2r <- rec(S2_tmp, rec = "3=1; 4=2; 5=3", as.num = TRUE)
tiktok_raw$S2r <- set_labels(tiktok_raw$S2r,labels = c("30分鐘–1小時" = 1,"1–3小時" = 2,"3小時以上"= 3))
set_label(tiktok_raw$S2r) <- "單次使用 TikTok 時長（重編碼，剔除短時段）"
frq(tiktok_raw$S2r)

單次使用 TikTok 時長（重編碼，剔除短時段） (x) <numeric> 
# total N=2612 valid N=917 mean=1.46 sd=0.66

Value |        Label |    N | Raw % | Valid % | Cum. %
------------------------------------------------------
    1 | 30分鐘–1小時 |  579 | 22.17 |   63.14 |  63.14
    2 |      1–3小時 |  255 |  9.76 |   27.81 |  90.95
    3 |    3小時以上 |   83 |  3.18 |    9.05 | 100.00
 <NA> |         <NA> | 1695 | 64.89 |    <NA> |   <NA>

CV:Q24.請問整體而言您對於中國政府印象如何？##將非常、還滿、有點都分別歸類於喜歡或不喜歡，並將喜歡中國政府的選項設定為0

(1)非常不喜歡(2)還滿不喜歡(3)有點不喜歡(4)有點喜歡(5)還滿喜歡(6)非常喜歡

tiktok_raw$Q24r <- rec(tiktok_raw$Q24, rec = "4:6=0; else=1", as.num = TRUE)
tiktok_raw$Q24r <- set_labels(tiktok_raw$Q24r,labels = c("喜歡（4–6）" = 0, "不喜歡（1–3）" = 1))
set_label(tiktok_raw$Q24r) <- "對中國政府的整體印象（喜歡=0／不喜歡=1）"
frq(tiktok_raw$Q24r)

對中國政府的整體印象（喜歡=0／不喜歡=1） (x) <numeric> 
# total N=2612 valid N=2612 mean=0.90 sd=0.31

Value |         Label |    N | Raw % | Valid % | Cum. %
-------------------------------------------------------
    0 |   喜歡（4–6） |  273 | 10.45 |   10.45 |  10.45
    1 | 不喜歡（1–3） | 2339 | 89.55 |   89.55 | 100.00
 <NA> |          <NA> |    0 |  0.00 |    <NA> |   <NA>