近年來，社群媒體在政治傳播中的角色愈發重要，其中以短影音平台「抖音（TikTok）」尤為突出。抖音透過高度個人化的演算法推薦系統，使使用者在觀看短影音時，頻繁接觸到與自身興趣、價值觀相近的內容，進而可能形成「回音室效應」（echo chamber）或「過濾氣泡」（filter bubble）現象。此一資訊環境的自我強化過程，可能促使使用者的政治態度更加極端化，導致政治立場的分化與社會整體的極化傾向。 然而，媒體使用與政治極化之間的關係並非直接發生，而是可能透過心理層面的中介機制運作。本研究主張，「網路依賴」（Internet dependency）與「政治效能感」（political efficacy）是其中兩個關鍵心理變項。當個體過度依賴抖音等網路媒體作為主要資訊來源時，可能對平台內容的信任度與情緒投入程度提升，進而影響其政治理解與參與信念，改變其政治效能感的感受，最終影響其政治立場與極化傾向。 因此，本研究的核心問題為：抖音使用強度是否會透過「網路依賴」與「政治效能感」兩項心理機制，影響台灣年輕世代的政治極化程度？
library (readxl) library (dplyr)
Attaching package: 'dplyr'
The following objects are masked from 'package:stats':
filter, lag
The following objects are masked from 'package:base':
intersect, setdiff, setequal, union
Install package "strengejacke" from GitHub (`devtools::install_github("strengejacke/strengejacke")`) to load all sj-packages at once!
Attaching package: 'sjlabelled'
The following object is masked from 'package:dplyr':
as_label
library (gmodels)library (sjPlot)<- read_excel ("民主實驗室TikTok使用者網路調查_資料檔0326.xlsx" ,col_names = TRUE )
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'
tibble [2,612 × 77] (S3: tbl_df/tbl/data.frame)
$ 編號 : chr [1:2612] "A0001" "A0002" "A0003" "A0004" ...
$ 抖音活躍使用者: num [1:2612] 1 1 1 1 1 1 1 1 1 1 ...
$ S0 : num [1:2612] 8 27 14 23 21 39 20 26 52 26 ...
$ S0_AGE : num [1:2612] 21 40 27 36 34 52 33 39 65 39 ...
$ S1 : num [1:2612] 4 5 4 4 5 5 4 3 3 5 ...
$ S2 : num [1:2612] 4 3 4 3 3 2 4 4 4 3 ...
$ Q1_1 : num [1:2612] 1 11 10 2 7 6 2 2 10 12 ...
$ Q1_2 : num [1:2612] 10 10 13 9 6 10 10 10 2 3 ...
$ Q1_3 : num [1:2612] 3 5 NA NA 1 5 1 NA 1 NA ...
$ Q1_4 : num [1:2612] 9 12 NA NA 4 9 9 NA 13 NA ...
$ Q1_5 : num [1:2612] NA 9 NA NA 9 2 NA NA NA NA ...
$ Q1_O : chr [1:2612] NA NA NA NA ...
$ Q2_1 : num [1:2612] 3 2 8 9 1 16 3 12 20 10 ...
$ Q2_2 : num [1:2612] 6 11 9 2 9 5 9 4 2 18 ...
$ Q2_3 : num [1:2612] 16 NA NA NA 7 7 1 NA NA 17 ...
$ Q2_O : chr [1:2612] NA NA NA NA ...
$ Q3_1 : num [1:2612] 1 1 1 5 2 1 5 4 1 2 ...
$ Q3_2 : num [1:2612] NA 4 3 2 1 4 1 1 3 4 ...
$ Q3_3 : num [1:2612] NA 3 NA NA 5 NA NA NA NA 3 ...
$ Q3_O : chr [1:2612] NA NA NA NA ...
$ Q4 : num [1:2612] 7 3 1 7 5 1 7 1 7 3 ...
$ Q4_O : chr [1:2612] NA NA NA NA ...
$ Q5 : num [1:2612] 2 5 4 3 5 5 5 5 3 5 ...
$ Q6 : num [1:2612] 2 5 5 4 4 5 4 5 3 5 ...
$ Q7 : num [1:2612] 3 5 3 4 5 4 4 5 2 5 ...
$ Q8 : num [1:2612] 2 5 3 4 4 3 3 4 3 5 ...
$ Q9 : num [1:2612] 14 2 3 6 1 2 14 14 1 11 ...
$ Q9_O : chr [1:2612] NA NA NA NA ...
$ Q10 : num [1:2612] 10 1 3 1 2 1 10 10 2 6 ...
$ Q10_O : logi [1:2612] NA NA NA NA NA NA ...
$ Q11 : num [1:2612] 3 3 1 8 1 2 10 6 1 4 ...
$ Q11_O : chr [1:2612] NA NA NA NA ...
$ Q12 : num [1:2612] 4 4 1 1 1 5 4 6 1 6 ...
$ Q13 : num [1:2612] 2 2 10 1 1 1 10 2 2 6 ...
$ Q13_O : chr [1:2612] NA NA NA NA ...
$ Q14 : num [1:2612] 1 1 3 2 1 1 3 3 2 1 ...
$ Q15 : num [1:2612] 4 5 1 4 2 6 4 6 4 6 ...
$ Q16 : num [1:2612] 3 3 1 3 5 1 4 6 4 6 ...
$ Q17 : num [1:2612] 3 5 1 4 5 3 2 5 4 6 ...
$ Q18 : num [1:2612] 3 2 1 6 5 1 5 5 2 5 ...
$ Q19 : num [1:2612] 2 1 1 4 1 1 2 5 4 6 ...
$ Q20 : num [1:2612] 2 2 1 5 4 1 2 6 4 5 ...
$ Q21 : num [1:2612] 3 2 1 6 1 3 5 5 3 6 ...
$ Q22 : num [1:2612] 2 3 1 6 5 1 4 5 5 6 ...
$ Q23 : num [1:2612] 3 3 1 3 1 3 3 1 1 1 ...
$ Q23_O : chr [1:2612] NA NA NA NA ...
$ Q24 : num [1:2612] 2 1 1 4 2 1 3 6 4 6 ...
$ Q25 : num [1:2612] 3 4 1 4 2 4 3 6 4 6 ...
$ Q26 : num [1:2612] 4 3 1 3 4 1 5 6 3 6 ...
$ Q27 : num [1:2612] 3 3 1 4 4 3 4 6 2 6 ...
$ Q28 : num [1:2612] 3 3 1 3 4 3 5 5 2 5 ...
$ Q29 : num [1:2612] 4 2 1 6 4 1 1 6 4 6 ...
$ Q30 : num [1:2612] 2 1 1 6 6 1 3 6 4 6 ...
$ Q31 : num [1:2612] 2 5 1 6 4 6 5 5 4 5 ...
$ Q32 : num [1:2612] 4 5 1 5 2 3 5 6 2 6 ...
$ Q33 : num [1:2612] 3 4 1 4 3 3 4 6 4 5 ...
$ Q34 : num [1:2612] 3 1 1 3 1 1 3 6 4 6 ...
$ Q35 : num [1:2612] 3 1 1 5 1 1 4 6 4 5 ...
$ Q36 : num [1:2612] 3 4 1 4 2 4 4 5 4 5 ...
$ Q37 : num [1:2612] 3 4 1 4 2 4 4 5 4 5 ...
$ Q38 : num [1:2612] 3 4 1 3 3 4 4 5 4 4 ...
$ Q39 : num [1:2612] 3 2 1 5 4 2 1 5 3 5 ...
$ Q40 : num [1:2612] 3 2 4 4 2 2 3 4 2 3 ...
$ Q41 : num [1:2612] 3 3 1 3 3 3 4 5 4 5 ...
$ Q42 : num [1:2612] 3 3 2 3 2 3 3 5 3 5 ...
$ Q43 : num [1:2612] 3 3 1 3 2 3 3 5 3 5 ...
$ Q44 : num [1:2612] 2 2 1 1 1 1 2 2 1 1 ...
$ Q45 : num [1:2612] 6 7 7 6 7 6 6 6 5 7 ...
$ Q45_O : logi [1:2612] NA NA NA NA NA NA ...
$ Q46 : num [1:2612] 2 2 2 2 2 1 3 1 2 1 ...
$ Q47 : num [1:2612] 1 6 1 5 7 11 4 5 7 7 ...
$ Q48 : num [1:2612] 12 3 2 8 3 3 4 15 8 15 ...
$ SEX : num [1:2612] 2 2 1 1 1 1 2 2 1 1 ...
$ AGE : num [1:2612] 1 3 1 2 2 4 2 2 5 2 ...
$ EDU : num [1:2612] 5 5 5 5 5 5 5 5 4 5 ...
$ AREA : num [1:2612] 6 2 2 1 2 2 4 5 1 5 ...
$ WT : num [1:2612] 0.588 0.424 0.833 0.398 0.407 ...
[1] "編號" "抖音活躍使用者" "S0" "S0_AGE"
[5] "S1" "S2" "Q1_1" "Q1_2"
[9] "Q1_3" "Q1_4" "Q1_5" "Q1_O"
[13] "Q2_1" "Q2_2" "Q2_3" "Q2_O"
[17] "Q3_1" "Q3_2" "Q3_3" "Q3_O"
[21] "Q4" "Q4_O" "Q5" "Q6"
[25] "Q7" "Q8" "Q9" "Q9_O"
[29] "Q10" "Q10_O" "Q11" "Q11_O"
[33] "Q12" "Q13" "Q13_O" "Q14"
[37] "Q15" "Q16" "Q17" "Q18"
[41] "Q19" "Q20" "Q21" "Q22"
[45] "Q23" "Q23_O" "Q24" "Q25"
[49] "Q26" "Q27" "Q28" "Q29"
[53] "Q30" "Q31" "Q32" "Q33"
[57] "Q34" "Q35" "Q36" "Q37"
[61] "Q38" "Q39" "Q40" "Q41"
[65] "Q42" "Q43" "Q44" "Q45"
[69] "Q45_O" "Q46" "Q47" "Q48"
[73] "SEX" "AGE" "EDU" "AREA"
[77] "WT"
# 變數編碼 # S0 請問您的西元出生年次？ frq (tiktok$ S0)
x <numeric>
# total N=2612 valid N=2612 mean=26.08 sd=10.91
Value | N | Raw % | Valid % | Cum. %
--------------------------------------
2 | 3 | 0.11 | 0.11 | 0.11
3 | 4 | 0.15 | 0.15 | 0.27
4 | 3 | 0.11 | 0.11 | 0.38
5 | 2 | 0.08 | 0.08 | 0.46
6 | 11 | 0.42 | 0.42 | 0.88
7 | 15 | 0.57 | 0.57 | 1.45
8 | 28 | 1.07 | 1.07 | 2.53
9 | 28 | 1.07 | 1.07 | 3.60
10 | 21 | 0.80 | 0.80 | 4.40
11 | 40 | 1.53 | 1.53 | 5.93
12 | 90 | 3.45 | 3.45 | 9.38
13 | 55 | 2.11 | 2.11 | 11.49
14 | 65 | 2.49 | 2.49 | 13.97
15 | 53 | 2.03 | 2.03 | 16.00
16 | 81 | 3.10 | 3.10 | 19.10
17 | 97 | 3.71 | 3.71 | 22.82
18 | 72 | 2.76 | 2.76 | 25.57
19 | 83 | 3.18 | 3.18 | 28.75
20 | 83 | 3.18 | 3.18 | 31.93
21 | 111 | 4.25 | 4.25 | 36.18
22 | 95 | 3.64 | 3.64 | 39.82
23 | 91 | 3.48 | 3.48 | 43.30
24 | 125 | 4.79 | 4.79 | 48.09
25 | 105 | 4.02 | 4.02 | 52.11
26 | 89 | 3.41 | 3.41 | 55.51
27 | 112 | 4.29 | 4.29 | 59.80
28 | 84 | 3.22 | 3.22 | 63.02
29 | 98 | 3.75 | 3.75 | 66.77
30 | 84 | 3.22 | 3.22 | 69.98
31 | 109 | 4.17 | 4.17 | 74.16
32 | 91 | 3.48 | 3.48 | 77.64
33 | 66 | 2.53 | 2.53 | 80.17
34 | 72 | 2.76 | 2.76 | 82.92
35 | 45 | 1.72 | 1.72 | 84.65
36 | 39 | 1.49 | 1.49 | 86.14
37 | 22 | 0.84 | 0.84 | 86.98
38 | 21 | 0.80 | 0.80 | 87.79
39 | 33 | 1.26 | 1.26 | 89.05
40 | 17 | 0.65 | 0.65 | 89.70
41 | 25 | 0.96 | 0.96 | 90.66
42 | 23 | 0.88 | 0.88 | 91.54
43 | 12 | 0.46 | 0.46 | 92.00
44 | 19 | 0.73 | 0.73 | 92.73
45 | 15 | 0.57 | 0.57 | 93.30
46 | 8 | 0.31 | 0.31 | 93.61
47 | 18 | 0.69 | 0.69 | 94.30
48 | 15 | 0.57 | 0.57 | 94.87
49 | 15 | 0.57 | 0.57 | 95.44
50 | 12 | 0.46 | 0.46 | 95.90
51 | 10 | 0.38 | 0.38 | 96.29
52 | 18 | 0.69 | 0.69 | 96.98
53 | 14 | 0.54 | 0.54 | 97.51
54 | 10 | 0.38 | 0.38 | 97.89
55 | 9 | 0.34 | 0.34 | 98.24
56 | 15 | 0.57 | 0.57 | 98.81
57 | 8 | 0.31 | 0.31 | 99.12
58 | 23 | 0.88 | 0.88 | 100.00
<NA> | 0 | 0.00 | <NA> | <NA>
$ thisyear <- 2025 $ ages <- tiktok$ thisyear - tiktok$ S0$ S0.new <- rec (tiktok$ S0, rec = ("else=copy" ))$ s0.enw <- rec (tiktok$ S0, rec = ("1:12=1[2000s]; 13:22=2[1990s]; else=3" ))frq (tiktok$ s0.enw)
x <numeric>
# total N=2612 valid N=2612 mean=2.51 sd=0.66
Value | Label | N | Raw % | Valid % | Cum. %
-----------------------------------------------
1 | 2000s | 245 | 9.38 | 9.38 | 9.38
2 | 1990s | 795 | 30.44 | 30.44 | 39.82
3 | 3 | 1572 | 60.18 | 60.18 | 100.00
<NA> | <NA> | 0 | 0.00 | <NA> | <NA>
# S1 請問您最近一年有多常使用TikTok抖音？ $ S1.new <- rec (unlist (tiktok["S1" ]),rec = "1=1 [從來沒有]; 2=2 [很少使用]; 3=3 [每週數次]; 4=4 [每天一次]; 5=5 [每天好幾次]" ,var.label = "最近一年使用TikTok頻率" ,as.num = TRUE )# S1 請問您平常單次使用TikTok抖音大概的時間長度？ $ S2.new <- rec (unlist (tiktok["S2" ]),rec = "1=1 [10分鐘以內]; 2=2 [10-30分鐘以內]; 3=3 [30分鐘至1小時以內]; 4=4 [1-3小時以內]; 5=5 [3小時(含)以上]" ,var.label = "單次使用TikTok時長" ,as.num = TRUE )# 建立使用強度指標 # tiktok$use_intensity <- rowMeans(tiktok[, c("S1", "S2")], na.rm = TRUE) # Q5–Q8 網路依賴 # Q5 沒有辦法上網時會焦慮 $ Q5.new <- rec (unlist (tiktok["Q5" ]),rec = "1=1 [非常不同意]; 2=2 [不同意]; 3=3 [普通]; 4=4 [同意]; 5=5 [非常同意]" ,var.label = "沒有辦法上網時會焦慮" ,as.num = TRUE )# Q6 不能使用網路時會感到沮喪 $ Q6.new <- rec (unlist (tiktok["Q6" ]),rec = "1=1 [非常不同意]; 2=2 [不同意]; 3=3 [普通]; 4=4 [同意]; 5=5 [非常同意]" ,var.label = "不能使用網路時會感到沮喪" ,as.num = TRUE )# Q7 經常藉由網路逃避煩惱 $ Q7.new <- rec (unlist (tiktok["Q7" ]),rec = "1=1 [非常不同意]; 2=2 [不同意]; 3=3 [普通]; 4=4 [同意]; 5=5 [非常同意]" ,var.label = "經常藉由網路逃避煩惱" ,as.num = TRUE )# Q8 使用社群後空虛或負面情緒變多 $ Q8.new <- rec (unlist (tiktok["Q8" ]),rec = "1=1 [非常不同意]; 2=2 [不同意]; 3=3 [普通]; 4=4 [同意]; 5=5 [非常同意]" ,var.label = "使用社群後空虛或負面情緒變多" ,as.num = TRUE )# 建立網路依賴指標 # tiktok$net_depend <- rowMeans(tiktok[, c("Q5","Q6","Q7","Q8")], na.rm = TRUE) # 檢查分布 # frq(tiktok$net_depend) # plot_frq(tiktok$net_depend, title = "網路依賴指標分布") # Q16有人說「台灣社會存在著非常嚴重的司法不公正的問題」請問您同不同意這樣的說法？ $ Q16.new <- rec (unlist (tiktok["Q16" ]),rec = "1=1 [非常不同意]; 2=2 [還滿不同意]; 3=3 [有點不同意]; 4=4 [有點同意]; 5=5 [還滿同意]; 6=6 [非常同意]" ,var.label = "認為台灣社會存在嚴重司法不公問題的同意程度" ,as.num = TRUE )# Q22 有人說「現在的執政政府是台灣最主要的假訊息製造者」請問您同不同意這樣的說法？ $ Q22.new <- rec (unlist (tiktok["Q22" ]),rec = "1=1 [非常不同意]; 2=2 [還滿不同意]; 3=3 [有點不同意]; 4=4 [有點同意]; 5=5 [還滿同意]; 6=6 [非常同意]" ,var.label = "認為政府是假訊息主要來源的同意程度" ,as.num = TRUE )# 建立綜合指標：司法不公 + 政府假訊息 # tiktok$pol_eff <- rowMeans(tiktok[, c("Q16", "Q22")], na.rm = TRUE) #Q14、15、32 政治極化 # Q14 有人說「不管甚麼情況，民主政治都是最好的體制」，也有人說「在有些情況下，獨裁的政治體制比民主政治好」以及「對我而言，任何一種政治體制都沒差」請問哪一種最接近您個人對民主的看法？ $ Q14.new <- rec (unlist (tiktok["Q14" ]),rec = "1=1 [民主比獨裁好]; 2=2 [獨裁比民主好]; 3=3 [沒差]" ,var.label = "制度偏好：民主 vs. 獨裁" ,as.num = TRUE )# Q15 整體來說，您對於我國民主的運作現況滿不滿意？ $ Q15.new <- rec (unlist (tiktok["Q15" ]),rec = "1=1 [非常不滿意]; 2=2 [還算不滿意]; 3=3 [有點不滿意]; 4=4 [有點滿意]; 5=5 [還算滿意]; 6=6 [非常滿意]" ,var.label = "對台灣民主運作的滿意度" ,as.num = TRUE )# Q32 TikTok抖音對於台灣的國家安全有著深遠的影響，台灣應全面禁止。請問您同不同意這樣的說法？ $ Q32.new <- rec (unlist (tiktok["Q32" ]),rec = "1=1 [非常不同意]; 2=2 [還滿不同意]; 3=3 [有點不同意]; 4=4 [有點同意]; 5=5 [還滿同意]; 6=6 [非常同意]" ,var.label = "是否同意應禁止TikTok以維護台灣國安" ,as.num = TRUE )# 建立政治極化指標 # tiktok$polarization <- rowMeans(tiktok[, c("Q14","Q15","Q32")], na.rm = TRUE) # 3. 控制變數 $ EDU <- as.numeric (tiktok$ EDU)$ INCOME <- as.numeric (tiktok$ Q47) # 確認 Q47 是收入題 $ PARTY <- as.numeric (tiktok$ Q12) # 確認 Q12 是政黨認同題 # 精簡欄位 <- tiktok %>% select (S0.new, s0.enw, S1.new, S2.new, Q5.new, Q6.new, Q7.new, Q8.new, # 5. 檢查 names (tiktok)
[1] "S0.new" "s0.enw" "S1.new" "S2.new" "Q5.new" "Q6.new" "Q7.new"
[8] "Q8.new" "Q14.new" "Q15.new" "Q16.new" "Q22.new" "Q32.new" "EDU"
[15] "INCOME" "PARTY"
## Basic descriptive statistics
var type label n NA.prc mean
S0.new numeric S0.new 2612 0.00 26.08
s0.enw numeric s0.enw 2612 0.00 2.51
S1.new numeric 最近一年使用TikTok頻率 2612 0.00 2.93
S2.new numeric 單次使用TikTok時長 2135 18.26 2.38
Q5.new numeric 沒有辦法上網時會焦慮 2612 0.00 3.86
Q6.new numeric 不能使用網路時會感到沮喪 2612 0.00 3.61
Q7.new numeric 經常藉由網路逃避煩惱 2612 0.00 3.74
Q8.new numeric 使用社群後空虛或負面情緒變多 2612 0.00 3.28
Q14.new numeric 制度偏好：民主 vs. 獨裁 2612 0.00 1.49
Q15.new numeric 對台灣民主運作的滿意度 2612 0.00 3.46
Q16.new numeric 認為台灣社會存在嚴重司法不公問題的同意程度 2612 0.00 4.36
Q22.new numeric 認為政府是假訊息主要來源的同意程度 2612 0.00 3.70
Q32.new numeric 是否同意應禁止TikTok以維護台灣國安 2612 0.00 3.57
EDU numeric EDU 2612 0.00 4.59
INCOME numeric INCOME 2612 0.00 8.91
PARTY numeric PARTY 2612 0.00 2.88
sd se md trimmed range iqr skew
10.91 0.21 25 25.21 56 (2-58) 14 0.71
0.66 0.01 3 2.63 2 (1-3) 1 -1.00
1.41 0.03 3 2.91 4 (1-5) 2 0.22
1.10 0.02 2 2.30 4 (1-5) 1 0.46
0.88 0.02 4 3.91 4 (1-5) 2 -0.49
0.93 0.02 4 3.67 4 (1-5) 1 -0.38
0.90 0.02 4 3.79 4 (1-5) 1 -0.53
1.00 0.02 3 3.28 4 (1-5) 1 -0.16
0.71 0.01 1 1.36 2 (1-3) 1 1.11
1.30 0.03 4 3.52 5 (1-6) 1 -0.20
1.24 0.02 4 4.43 5 (1-6) 1 -0.40
1.49 0.03 4 3.74 5 (1-6) 2 -0.01
1.40 0.03 4 3.57 5 (1-6) 1 0.06
0.79 0.02 5 4.77 4 (1-5) 1 -1.98
16.45 0.32 6 5.81 97 (1-98) 2 5.08
1.43 0.03 3 2.80 5 (1-6) 2 0.21
# 6. 存檔 save (tiktok, file = "tiktok_processed_single.rda" )
抖音使用強度指受訪者在日常生活中使用抖音的頻率與投入程度，反映其接觸該平台內容的深度與廣度。本研究依據「使用與滿足理論」（Uses and Gratifications Theory），認為媒體使用行為源於個體對資訊、娛樂與社交需求的主動追求。當受訪者使用抖音的頻率越高、單次使用時間越長，其對平台內容的暴露機率與參與程度亦越高。這樣的高強度使用，可能強化使用者對抖音的心理依附與資訊依賴，成為後續心理與態度變項（如網路依賴與政治效能感）變化的前提條件。
網路依賴指個體在資訊蒐集、娛樂、社交互動與價值判斷上，對網路媒介的依附程度。根據「媒介依賴理論」（Media System Dependency Theory），當個體認為網路能有效滿足其理解社會與決策導向的需求時，對媒介的依賴程度將隨之提高。 在本研究脈絡中，抖音作為一種以演算法推薦為核心的社交影音平台，其高度個人化與情緒化內容，容易使使用者逐漸依賴抖音作為主要資訊來源。當網路依賴提升時，使用者更傾向以抖音的資訊框架解讀公共議題，並受限於同溫層化的內容流，進而影響其政治態度與政治效能感。
政治效能感包含「內在政治效能感」（internal efficacy）與「外在政治效能感」（external efficacy）兩個面向。前者指個體對自身理解政治與參與政治能力的信念，後者則指個體對政治體系是否願意回應民意的感受。過往研究指出，資訊接觸的方式與品質會顯著影響政治效能感的形成。 若抖音使用者長期暴露於碎片化、娛樂化或偏向性的政治內容，可能削弱其對政治理解的信心（內在效能感下降），並降低其對政治體系回應性的期待（外在效能感下降）。然而，若內容呈現強烈立場與情緒動員，也可能強化使用者對特定陣營的認同與行動意願。換言之，政治效能感在本研究中可能同時呈現「促進政治參與」與「強化偏見認同」的雙重效應，進而影響政治極化的程度。
政治極化（political polarization）指個體在政治立場、價值觀念與政黨認同上出現明顯分歧的現象，傾向以「我方」與「他方」的二分思維解讀政治議題。抖音等短影音平台的演算法傾向推播情緒強烈與對立性的內容，以促進互動與留存，導致使用者長期接觸單一立場的政治敘事。此種資訊環境可能強化群體內部的政治共識，並加深對反方的敵意，最終促使意識形態更趨極端。