內部歸因的認知機制：
台灣民眾假訊息責任歸屬之探索

以 2025 年 TikTok 使用者調查為例
民意與政治行為研究 作業三

Author

施妤諼

Due Date

November 14, 2025

壹、研究背景與動機

一、研究背景
（一）Tiktok 的影響規模與特殊性

  根據民國 113 年 7 月 31 日所公布的詐欺犯罪危害防制條例第 27 條，網路廣告平臺業者利用網際網路於中華民國領域內提供網路廣告服務且達一定規模者，適用本條例之規定。民國 114 年 7 月 3 日，數位發展部公布並新增符合一定規模標準（活躍用戶數達台灣人口 5% 以上）的社群平台有：Meta 的 Facebook、Instagram、Threads；Google 及旗下 Youtube；LY Corporation的Line；以及本研究所要探討的，中國字節跳動旗下的 TikTok。

  被公布的社群平台，各自的用戶規模與影響力都已經大到必須納入官方監管，且都在台灣社群媒體生態中擁有重要地位，但這幾個社群平台中卻只有 TikTok 是來自於中國這個共產國家。

（二）ByteDance 內部股權與政治滲透機制

  TikTok 為字節跳動旗下的子公司，而它與多數中國企業相同，長期受到中國共產黨多方面的監督與介入。而根據中共官媒的報導，字節跳動早在 2014 年便成立黨支部，2017 年又再升格設立黨委，企業內部已經建立了正式的政治影響力管道。

  同年，中國政府採取更直接的行動，入股字節跳動旗下的中國實體，由三家中共國家機構組成的網投中文收購了北京字節跳動科技 1% 的股份，雖然持股比例不高，但此舉使中共政府在該公司取得了一個董事會席位。由於這家子公司是抖音的主要經營者，中共的黃金股權力強化了政府在關鍵時刻影響企業決策的能力，中共政府對字節跳動的實質掌控也引發外界對 Tiktok 的資安疑慮。

（三）中國法律框架下的資訊控制義務

  字節跳動作為中國企業，必須遵守中國一系列關於國家安全和資訊管理的法律。根據《國家情報法》，所有組織和公民都必須支持、協助並配合國家情報工作，並且保守相關祕密，這項規定代表企業在某些情況下可能需要協助政府取得資訊或提供技術支持。

  《數據安全法》進一步規定，如果企業在境外處理數據而影響國家安全或公共利益，將面臨法律責任，《網絡安全法》則賦予政府監測和處置網路風險的權力。這些法律的涵蓋範圍既模糊又廣泛，使得外界普遍擔心企業可能在法律壓力下進行資訊監控或內容審查。

二、研究動機
（一）問題意識

  從上述背景可以看出，TikTok 在台灣具有相當大的使用規模，而其母公司受到中共的政治與法律約束，也使得平台可能成為資訊戰或假訊息操作的工具，這樣的潛在風險，為本研究探討 TikTok 與政治資訊傳播關係的其中一動機。

  雖本人並非 TikTok 用戶，但經常在其他社群媒體上觀察到針對該平台活躍使用者的負面標籤，例如「中國資訊戰幫兇」或「抖音一響，父母白養」等論述。這些廣泛流傳的刻板印象也引發了我單純的好奇：這群被大眾標籤化的活躍使用者，他們真實的政治態度和認知模式究竟為何？本研究旨在透過實證數據，探索並增進對這群活躍使用者的理解。

（二）初步發現

  本研究使用的資料庫為 2025 台灣 Tiktok 使用者調查，在初步瀏覽此資料集時，我發現一個有趣的矛盾，即：無論受訪者是否為TikTok活躍用戶，當被問及「假訊息跟網軍操作主要來自哪個陣營」（Q9）時，多數人將責任歸咎於台灣內部的執政黨，而非外部的敵對勢力。這個發現與前述的背景形成強烈對比，既然 TikTok 背後有中共的政治控制，且中國法律賦予中共政府廣泛的資訊操控權力，理論上民眾應該更警覺來自中共的假訊息威脅。

  這種將外部威脅內部化的認知模式，成為本研究想要解釋的核心問題：為何在明確的外部威脅存在的情況下，民眾反而將假訊息責任歸咎於內部執政黨？是什麼樣的認知機制導致這種「內部歸因」的普遍化？

貳、資料來源與研究設計

一、資料庫說明
（一）資料集選定與調查背景

  本研究使用 2025 台灣 Tiktok 使用者調查資料庫，資料來源為台灣民主實驗室。本資料庫調查核心在於探索 Tiktok 活躍使用者與非活躍使用者之間，在媒體使用習慣、兩岸議題觀感、國內社會或公共議題以及人口變項、心理指標等方面的潛在差異。 Tiktok 作為一個短影音社群平台，其碎片化、高密度的資訊傳播形式，可能強化特定政治敘事的影響力。該平台亦涉及資訊安全、數據保護、假訊息傳播等爭議，以及中國共產黨可能透過演算法干預民主輿論的疑慮。

（二）研究實施與樣本規模

  該資料庫的研究範圍為台閩地區各縣市（含金門縣、連江縣），研究對象為年滿 15 歲以上民眾。研究方法為網路問卷調查，且由網路社群邀請合格之受訪者填寫。資料蒐集期間為 2025 年 3 月 10 日至 3 月 20 日。總樣本數為總計完成 2616 份成功樣本，含 1097 位活躍使用者。

二、研究方向與設計
（一）研究問題

  本研究旨在解析假訊息歸因的內部化現象，探討為何民眾將責任從中共的外部威脅轉向台灣內部的執政黨。

（二）變數架構與分類

  本研究核心目標是檢驗政治態度、媒體使用習慣及體制不信任對以上認知偏誤的影響，故選擇一個依變數（Q9：假訊息來源認定）和九個自變數，分為以下三大類別：

X1 政治傾向：政黨支持（Q10）、政黨厭惡（Q11）、兩岸關係歸因（Q23）、對中國印象（Q24）

X2 媒體使用習慣：TikTok 使用頻率（S1）、資訊來源信賴（Q4）

X3 體制不信任：民主滿意度（Q15）、司法不公感（Q16）、政府威權化認知（Q18）

參、依變數說明

Y：假訊息來源認定
（一）題目內容

  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？

（二）變數處理與編碼
# 原始變數
frq(tiktok$Q9, out="v")
假訊息來源認定 (x) <numeric>
val label frq raw.prc valid.prc cum.prc
1 民進黨 897 34.34 34.34 34.34
2 國民黨 359 13.74 13.74 48.09
3 民眾黨 76 2.91 2.91 51.00
4 時代力量 29 1.11 1.11 52.11
5 親民黨 16 0.61 0.61 52.72
6 台灣基進 15 0.57 0.57 53.29
7 綠黨 4 0.15 0.15 53.45
8 小民參政歐巴桑聯盟 3 0.11 0.11 53.56
9 新黨 4 0.15 0.15 53.71
10 中華人民共和國/ 中國共產黨 462 17.69 17.69 71.40
11 美國 16 0.61 0.61 72.01
12 日本 7 0.27 0.27 72.28
13 都沒有假訊息 42 1.61 1.61 73.89
14 不知道/ 不清楚 673 25.77 25.77 99.66
90 其他國家 9 0.34 0.34 100.00
NA NA 0 0.00 NA NA
total N=2612 · valid N=2612 · x̄=6.84 · σ=7.42 
# 清理後變數（已加權）
# 以政治影響力與媒體能見度為基準，保留國會三大主要政黨。
frq(tiktok$Q9cleaned, weights = tiktok$WT, out="v")
假訊息來源認定（清理後） (xw) <categorical>
val label frq raw.prc valid.prc cum.prc
1 民進黨 851 44.98 44.98 44.98
2 國民黨 403 21.30 21.30 66.28
3 民眾黨 65 3.44 3.44 69.71
4 中國共產黨 405 21.41 21.41 91.12
5 其他台灣政黨 87 4.60 4.60 95.72
6 其他國家 35 1.85 1.85 97.57
7 都沒有假訊息 46 2.43 2.43 100.00
NA NA 0 0.00 NA NA
total N=1892 · valid N=1892 · x̄=2.35 · σ=1.59 
# 清理後變數長條圖
# 由圖表明顯可見，歸咎民進黨的比例，約為歸咎於中共的兩倍，顯示民眾對執政黨的假訊息疑慮高於對境外勢力。
plot_frq(tiktok$Q9cleaned, weight.by = tiktok$WT, geom.colors = "#7B7B7B")

# 虛擬變數：檢驗哪些因素促成執政黨責任歸屬
# 本研究聚焦於執政黨，故選擇將此變數二元化為是否認為假訊息來自於民進黨。
frq(tiktok$Q9r, weights = tiktok$WT, out="v")
是否將假訊息歸咎於民進黨 (xw) <categorical>
val label frq raw.prc valid.prc cum.prc
0 不歸咎民進黨 1041 55.02 55.02 55.02
1 歸咎民進黨 851 44.98 44.98 100.00
NA NA 0 0.00 NA NA
total N=1892 · valid N=1892 · x̄=0.45 · σ=0.50
（三）變數說明

  此變數是本研究的核心依變數，反映民眾對假訊息責任歸屬的認知。這種將外部威脅轉為內部歸因的現象，違背了一般對於「外部資訊戰威脅」的認知框架，是本研究欲解釋的核心問題。

肆、自變數說明

X1：潛在政治傾向
（一）X1-1：最支持的政黨

  Q10. 國內的政黨都有他們各自的支持者，也會有不喜歡他們的人。請問您整體而言最支持哪一個政黨？

  此變數反映受訪者的「顯性政黨偏好」，選擇「不支持任何政黨」的群體占了近半數，這些「不表態者」的真實政治傾向，可能需要透過其他變數來推論。當人們對執政黨持負面態度時，會傾向將所有負面現象（包括假訊息）歸咎於執政黨，形成一種「執政黨是所有問題根源」的歸因模式。

# 原始變數
sjmisc::frq(tiktok$Q10, out="v")
最支持的政黨 (x) <numeric>
val label frq raw.prc valid.prc cum.prc
1 民進黨 572 21.90 21.90 21.90
2 國民黨 308 11.79 11.79 33.69
3 民眾黨 354 13.55 13.55 47.24
4 時代力量 53 2.03 2.03 49.27
5 親民黨 16 0.61 0.61 49.89
6 台灣基進 11 0.42 0.42 50.31
7 綠黨 11 0.42 0.42 50.73
8 小民參政歐巴桑聯盟 15 0.57 0.57 51.30
9 新黨 4 0.15 0.15 51.45
10 不支持任何政黨 1265 48.43 48.43 99.89
90 其他政黨 3 0.11 0.11 100.00
NA NA 0 0.00 NA NA
total N=2612 · valid N=2612 · x̄=6.03 · σ=4.96 
# 清理後變數（已加權）
# 以政治影響力與媒體能見度為基準，保留國會三大主要政黨。
sjmisc::frq(tiktok$Q10cleaned, weights = tiktok$WT, out="v")
最支持的政黨（清理後） (xw) <categorical>
val label frq raw.prc valid.prc cum.prc
1 民進黨 625 23.92 23.92 23.92
2 國民黨 522 19.98 19.98 43.90
3 民眾黨 224 8.57 8.57 52.47
4 其他政黨 104 3.98 3.98 56.45
5 不支持任何政黨 1138 43.55 43.55 100.00
NA NA 0 0.00 NA NA
total N=2613 · valid N=2613 · x̄=3.23 · σ=1.70 
# 清理後變數長條圖
# 與 X1-2 的 Q11 對比，發現民進黨同時是最受支持和最受厭惡的政黨。
plot_frq(tiktok$Q10cleaned, weight.by = tiktok$WT, geom.colors = "#7B7B7B")

# 虛擬變數
# 我推測政黨不表態者並非真正「中立」，而是具有隱性的政治傾向。
# 若此群體在兩岸議題上展現親中或反執政黨的態度，那麼他們可能會更傾向將假訊息歸咎於民進黨。
sjmisc::frq(tiktok$Q10r, weights = tiktok$WT, out="v")
是否為政黨不表態者 (xw) <categorical>
val label frq raw.prc valid.prc cum.prc
0 有支持政黨 1474 56.43 56.43 56.43
1 不支持任何政黨 1138 43.57 43.57 100.00
NA NA 0 0.00 NA NA
total N=2612 · valid N=2612 · x̄=0.44 · σ=0.50
（二）X1-2：最厭惡的政黨

  Q11. 請問您整體而言最討厭哪一個政黨？

  此變數反映受訪者的「政黨厭惡感」，與Q10搭配觀察，可以更完整地理解受訪者的政黨態度光譜。而民進黨同時是最受支持和最受厭惡的政黨，顯示台灣的政治極化現象。

# 原始變數
sjmisc::frq(tiktok$Q11, out="v")
最厭惡的政黨 (x) <numeric>
val label frq raw.prc valid.prc cum.prc
1 民進黨 868 33.23 33.23 33.23
2 國民黨 647 24.77 24.77 58.00
3 民眾黨 174 6.66 6.66 64.66
4 時代力量 40 1.53 1.53 66.19
5 親民黨 18 0.69 0.69 66.88
6 台灣基進 21 0.80 0.80 67.69
7 綠黨 7 0.27 0.27 67.96
8 小民參政歐巴桑聯盟 10 0.38 0.38 68.34
9 新黨 15 0.57 0.57 68.91
10 不討厭任何政黨 790 30.25 30.25 99.16
90 其他政黨 22 0.84 0.84 100.00
NA NA 0 0.00 NA NA
total N=2612 · valid N=2612 · x̄=5.06 · σ=8.74 
# 清理後變數（已加權）
# 以政治影響力與媒體能見度為基準，保留國會三大主要政黨。
# 清理後變數（已加權）
# 以政治影響力與媒體能見度為基準，保留國會三大主要政黨。
sjmisc::frq(tiktok$Q11cleaned, weights = tiktok$WT, out="v")
最厭惡的政黨（清理後） (xw) <categorical>
val label frq raw.prc valid.prc cum.prc
1 民進黨 828 31.70 31.70 31.70
2 國民黨 680 26.03 26.03 57.73
3 民眾黨 162 6.20 6.20 63.94
4 其他政黨 138 5.28 5.28 69.22
5 不討厭任何政黨 804 30.78 30.78 100.00
NA NA 0 0.00 NA NA
total N=2612 · valid N=2612 · x̄=2.77 · σ=1.66 
# 清理後變數長條圖
# 與 X1-1 的 Q10 對比，發現民進黨同時是最受支持和最受厭惡的政黨。
# 「不支持任何政黨」但「厭惡民進黨」的群體，很可能具有隱性的反執政黨傾向。
plot_frq(tiktok$Q11cleaned, weight.by = tiktok$WT, geom.colors = "#7B7B7B")

# 虛擬變數
# 推測厭惡民進黨的群體會更傾向將假訊息歸咎於民進黨，此情感會讓他們更容易相信「民進黨操作假訊息」的敘事。
sjmisc::frq(tiktok$Q11r, weights = tiktok$WT, out="v")
是否厭惡民進黨 (xw) <categorical>
val label frq raw.prc valid.prc cum.prc
0 不厭惡民進黨 1784 68.30 68.30 68.30
1 厭惡民進黨 828 31.70 31.70 100.00
NA NA 0 0.00 NA NA
total N=2612 · valid N=2612 · x̄=0.32 · σ=0.47
（三）X1-3：兩岸關係緊張歸因

  Q23. 您覺得誰造成兩岸關係緊張？

  此變數反映受訪者對「地緣政治風險」的歸因傾向， 若將責任歸咎於「中國政府」可能具有反中傾向；若將責任歸咎於「民進黨」可能認為執政黨挑釁，而此題的「兩岸歸因」與「假訊息歸因」（Q9）可能會呈現一致性。

# 原始變數
sjmisc::frq(tiktok$Q23, out="v")
兩岸關係緊張歸因 (x) <numeric>
val label frq raw.prc valid.prc cum.prc
1 民進黨 881 33.73 33.73 33.73
2 國民黨 180 6.89 6.89 40.62
3 中國政府 1221 46.75 46.75 87.37
4 美國政府 290 11.10 11.10 98.47
5 其他 40 1.53 1.53 100.00
NA NA 0 0.00 NA NA
total N=2612 · valid N=2612 · x̄=2.40 · σ=1.11 
# 原始變數長條圖（已加權）
# 將兩岸緊張歸咎於民進黨的群體比例，是除了歸咎給中國政府外排名第二高，且比例遠高於國民黨及美國。
plot_frq(tiktok$Q23, weight.by = tiktok$WT, geom.colors = "#7B7B7B")

 # 虛擬變數
# 將兩岸緊張歸咎於民進黨的群體，或許也會更傾向將假訊息歸咎於民進黨。
sjmisc::frq(tiktok$Q23r, weights = tiktok$WT, out="v")
是否將兩岸緊張歸咎於民進黨 (xw) <categorical>
val label frq raw.prc valid.prc cum.prc
0 不歸咎民進黨 1784 68.30 68.30 68.30
1 歸咎民進黨 828 31.70 31.70 100.00
NA NA 0 0.00 NA NA
total N=2612 · valid N=2612 · x̄=0.32 · σ=0.47
（四）X1-4：對中國政府的印象

  Q24. 請問整體而言您對於中國政府印象如何？

  此變數反映受訪者對「外部威脅」的認知，對中國政府印象負面且認為中國造成兩岸緊張，可能較不會將假訊息歸咎於執政黨；對中國政府印象正面可能更傾向將假訊息歸咎於內部政黨。

# 原始變數
sjmisc::frq(tiktok$Q24, out="v")
對中國政府的印象 (x) <numeric>
val label frq raw.prc valid.prc cum.prc
1 非常不喜歡 881 33.73 33.73 33.73
2 還滿不喜歡 629 24.08 24.08 57.81
3 有點不喜歡 829 31.74 31.74 89.55
4 有點喜歡 189 7.24 7.24 96.78
5 還滿喜歡 61 2.34 2.34 99.12
6 非常喜歡 23 0.88 0.88 100.00
NA NA 0 0.00 NA NA
total N=2612 · valid N=2612 · x̄=2.23 · σ=1.11 
# 虛擬變數
# 對中國政府的印象與 Q9 的假訊息歸因之間可能存在負向關聯
# 對中國政府印象較不負面（原題選項 4-6 ）的群體，由於不認為中國是威脅，可能將資訊戰責任轉而歸咎於執政黨。
sjmisc::frq(tiktok$Q24r, weights = tiktok$WT, out="v")
對中國政府是否為負面印象 (xw) <categorical>
val label frq raw.prc valid.prc cum.prc
0 非負面印象 265 10.15 10.15 10.15
1 負面印象 2347 89.85 89.85 100.00
NA NA 0 0.00 NA NA
total N=2612 · valid N=2612 · x̄=0.90 · σ=0.30
X2：媒體使用習慣
（一）X2-1：TikTok使用頻率

  S1. 請問您最近一年有多常使用 TikTok 抖音？

  此變數反映受訪者「對 TikTok 平台的依賴程度」，由於 TikTok 演算法會根據使用者偏好推送內容，使用頻率越高者，越可能深度暴露於平台的資訊生態中，其政治認知可能受到演算法影響。高頻率使用者若同時信賴非傳統媒體，更可能將傾向將假訊息歸咎於執政黨。

# 原始變數
sjmisc::frq(tiktok$S1, out="v")
TikTok使用頻率 (x) <numeric>
val label frq raw.prc valid.prc cum.prc
1 從來沒有 477 18.26 18.26 18.26
2 很少使用 689 26.38 26.38 44.64
3 每週數次 579 22.17 22.17 66.81
4 每天一次 286 10.95 10.95 77.76
5 每天好幾次 581 22.24 22.24 100.00
NA NA 0 0.00 NA NA
total N=2612 · valid N=2612 · x̄=2.93 · σ=1.41 
# 虛擬變數
# 推測 TikTok 使用頻率與 Q9 的假訊息歸因之間存在正向關聯
# 每天使用一次以上的高頻使用者（原題選項 4-5 ），相較於低頻或非使用者，會更傾向將假訊息歸咎於民進黨。
# 高頻使用者可能將 TikTok 作為主要的資訊來源，缺乏其他管道的平衡觀點，更容易被單一敘事說服。
sjmisc::frq(tiktok$S1r, weights = tiktok$WT, out="v")
是否為TikTok高頻使用者 (xw) <categorical>
val label frq raw.prc valid.prc cum.prc
0 非高頻使用者 1809 69.26 69.26 69.26
1 高頻使用者 803 30.74 30.74 100.00
NA NA 0 0.00 NA NA
total N=2612 · valid N=2612 · x̄=0.31 · σ=0.46
（二）X2-2：最信賴的資訊來源

  Q4. 請問在上述這些政治與公共相關觀點來源中，哪一個是您最為信賴的？

  此變數反映受訪者的「資訊來源信賴偏好」，推測信賴「社群平台的KOL（網紅）或粉專」（選項2）等非傳統媒體的群體，可能更容易受到特定政治敘事影響，與對執政黨的負面歸因呈現正相關。

# 原始變數
sjmisc::frq(tiktok$Q4, out="v")
最信賴的資訊來源 (x) <numeric>
val label frq raw.prc valid.prc cum.prc
1 新聞媒體與新聞台 971 37.17 37.17 37.17
2 社群平台的KOL（網紅）或粉專 214 8.19 8.19 45.37
3 某政治人物本身 121 4.63 4.63 50.00
4 名嘴或時事評論員 148 5.67 5.67 55.67
5 親朋好友 372 14.24 14.24 69.91
6 點頭之交 28 1.07 1.07 70.98
7 沒有可以信賴的 747 28.60 28.60 99.58
90 其他 11 0.42 0.42 100.00
NA NA 0 0.00 NA NA
total N=2612 · valid N=2612 · x̄=4.06 · σ=6.13 
# 虛擬變數
# 信賴非傳統媒體（原題選項 2-6 ）的群體，相較信賴傳統新聞媒體的群體，可能會更傾向將假訊息歸咎於民進黨。
sjmisc::frq(tiktok$Q4r, weights = tiktok$WT, out="v")
是否信賴非傳統媒體 (xw) <categorical>
val label frq raw.prc valid.prc cum.prc
0 信賴傳統媒體 1851 70.87 70.87 70.87
1 信賴非傳統媒體 761 29.13 29.13 100.00
NA NA 0 0.00 NA NA
total N=2612 · valid N=2612 · x̄=0.29 · σ=0.45
X3：政治制度信念與社會不滿
（一）X3-1：民主滿意度

  Q15： 整體來說，您對於我國民主的運作現況滿不滿意？

  此變數反映受訪者的「民主運作滿意程度」，對當前體制運作越不滿意的群體，越可能將所有負面現象（如假訊息）歸咎於當權者。

# 原始變數
sjmisc::frq(tiktok$Q15, out="v")
民主滿意度 (x) <numeric>
val label frq raw.prc valid.prc cum.prc
1 非常不滿意 257 9.84 9.84 9.84
2 還算不滿意 305 11.68 11.68 21.52
3 有點不滿意 739 28.29 28.29 49.81
4 有點滿意 709 27.14 27.14 76.95
5 還算滿意 492 18.84 18.84 95.79
6 非常滿意 110 4.21 4.21 100.00
NA NA 0 0.00 NA NA
total N=2612 · valid N=2612 · x̄=3.46 · σ=1.30 
# 虛擬變數
# 推測民主滿意度與 Q9 的假訊息歸因之間存在負向關聯
# 對民主運作現況不滿意的群體（原題選項 1-3 ）認為民主體制未能有效運作時，會將所有負面現象歸咎於當權者。
sjmisc::frq(tiktok$Q15r, weights = tiktok$WT, out="v")
是否對民主制度不滿意 (xw) <categorical>
val label frq raw.prc valid.prc cum.prc
0 對民主滿意 1384 52.99 52.99 52.99
1 對民主不滿意 1228 47.01 47.01 100.00
NA NA 0 0.00 NA NA
total N=2612 · valid N=2612 · x̄=0.47 · σ=0.50
（二）X3-2：司法不公感

  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？

  此變數反映受訪者的「司法公正信念」，越質疑體制公平性的人，可能更容易相信「政府透過網軍操作假訊息」的陰謀論。

# 原始變數
sjmisc::frq(tiktok$Q16, out="v")
司法不公感 (x) <numeric>
val label frq raw.prc valid.prc cum.prc
1 非常不同意 64 2.45 2.45 2.45
2 還滿不同意 102 3.91 3.91 6.36
3 有點不同意 404 15.47 15.47 21.82
4 有點同意 921 35.26 35.26 57.08
5 還滿同意 512 19.60 19.60 76.68
6 非常同意 609 23.32 23.32 100.00
NA NA 0 0.00 NA NA
total N=2612 · valid N=2612 · x̄=4.36 · σ=1.24 
# 虛擬變數
# 推測司法不公感與 Q9 的假訊息歸因之間存在正向關聯。
#　司法是民主體制的重要支柱，當民眾認為司法不公（原題選項 4-6 ）時，代表對整個體制的信任已經崩解。
# 司法不公感代表了系統化的負面認知，認為體制已經被執政黨把持和操控，在這種認知框架，假訊息問題自然也會被歸咎於執政黨。
sjmisc::frq(tiktok$Q16r, weights = tiktok$WT, out="v")
是否同意司法不公 (xw) <categorical>
val label frq raw.prc valid.prc cum.prc
0 不同意司法不公 615 23.55 23.55 23.55
1 同意司法不公 1997 76.45 76.45 100.00
NA NA 0 0.00 NA NA
total N=2612 · valid N=2612 · x̄=0.76 · σ=0.42
（三）X3-3：政府威權化認知

  Q18.有人說「現在的政府跟共產黨沒有差別，台灣沒有言論自由」請問您同不同意這樣的說法？

  此變數反映受訪者的「極端政府不信任感」，若是對政府有不信任感和陰謀論認知，越可能更激進的將責任歸屬給執政者的傾向。

# 原始變數
sjmisc::frq(tiktok$Q18, out="v")
政府威權化認知 (x) <numeric>
val label frq raw.prc valid.prc cum.prc
1 非常不同意 359 13.74 13.74 13.74
2 還滿不同意 385 14.74 14.74 28.48
3 有點不同意 716 27.41 27.41 55.90
4 有點同意 663 25.38 25.38 81.28
5 還滿同意 297 11.37 11.37 92.65
6 非常同意 192 7.35 7.35 100.00
NA NA 0 0.00 NA NA
total N=2612 · valid N=2612 · x̄=3.28 · σ=1.41 
# 認同政府威權化的群體（原題選項 4-6 ）與假訊息歸因（Q9）之間可能存在正向關聯。
# 同意「現在的政府跟共產黨沒有差別，台灣沒有言論自由」的群體，會更傾向將假訊息歸咎於民進黨。
# 當民眾認為「台灣沒有言論自由」時，會自然聯想到政府透過各種手段控制輿論。
# 而認同「政府跟共產黨沒有差別」這種表述的人，更可能將假訊息歸咎於民進黨而非中國共產黨。
# 而也有可能正是因為民眾已經將假訊息歸咎於民進黨，才會產生「政府操控輿論」到「政府跟共產黨一樣」的認知
# 但無論因果方向如何，這兩個變數之間應該存在強烈關聯。
sjmisc::frq(tiktok$Q18r, weights = tiktok$WT, out="v")
是否同意政府威權化 (xw) <categorical>
val label frq raw.prc valid.prc cum.prc
0 不同意政府威權化 1547 59.23 59.23 59.23
1 同意政府威權化 1065 40.77 40.77 100.00
NA NA 0 0.00 NA NA
total N=2612 · valid N=2612 · x̄=0.41 · σ=0.49 
# 儘管台灣是公認的民主國家，仍有非常多受訪者同意現在的政府跟共產黨沒有差別。
# 這種認知矛盾揭示了民眾對執政黨的極端不信任，甚至有將民主政府等同於威權體制的認知框架。
# 此種情況下，民眾自然會將假訊息問題歸咎於「已經威權化的執政黨」，而非外部的中國共產黨。
plot_frq(tiktok$Q18r, weight.by = tiktok$WT, geom.colors = "#7B7B7B")

# 存檔
#| echo: false
save(tiktok, file = "tiktok_cleaned.rda", compress = T)

伍、變數關聯推論

一、兩岸緊張歸因與假訊息歸因

  此段落為探討 Q23 與 Q9 的關聯。

（一）心理一致性與責任歸屬框架

  如果某人在某個政治議題上建立了責任歸屬的認知框架，這個框架可能會擴散到其他政治現象的解釋。既然民進黨招惹了中國，那麼中國帶來的外部威脅亦是民進黨之責，甚至可能認為民進黨利用假訊息鞏固其政治地位。

  將兩岸緊張歸咎於民進黨本質上是一種內部歸因，即是把問題根源定位在台灣內部執政黨，而非外部的中國威脅，這種歸因傾向一旦形成，會在不同議題上保持連貫性。對這個群體來說，承認「假訊息來自中國」會與他們的核心信念產生矛盾：如果中國真的在打資訊戰，那麼兩岸緊張可能不只是民進黨的錯，中國也有攻擊性意圖。但是該群體為了維持認知的一致性（可能為了他們的尊嚴或是體面），就必須將假訊息問題也內部化，不是民進黨自己操作輿論攻擊其他政黨，就是民進黨誇大中國威脅造成社會恐慌。

  當人們對某個對象形成負面印象時，會傾向將所有負面現象都歸咎於它，即基本歸因謬誤。，如果民眾已經認定民進黨造成兩岸危機，他們對民進黨的整體評價就會是負面的，在這種情況下，面對假訊息問題這個負面現象，他們不會再去求證，會直覺反應假訊息來源也是民進黨。

（二）政治敘事的串聯效應

  在台灣的政治論述中，「兩岸關係緊張」和「民進黨操作假訊息」常常被某些政治陣營或媒體一起提出。這種敘事會強化兩者的關聯，民進黨也被塑造成一個為了選舉利益所以破壞兩岸關係，且操作資訊戰的角色。在這種敘事環境下，他們會逐漸接受「民進黨也是假訊息主要來源」的觀點。

二、資訊信任與假訊息歸因

  此段落為探討 Q4 與 Q9 的關聯。

（一）非傳統媒體的特性

  非傳統媒體與傳統新聞媒體最大的差異，在於缺乏系統化的查證機制。傳統新聞機構即使有政治立場，但仍然需要遵循基本的新聞倫理和法律規範，但網紅、政治人物、甚至親友分享的內容，往往不需要經過這層過濾。且非傳統媒體的內容往往具有強烈的情感煽動性。尤其是網紅、政治人物、名嘴為了商業模式或政治目的都需要流量和話題性，會傾向於提供帶有衝突性的內容吸引更多人。 當民眾主要信賴這類管道時，他們接收到的資訊會被這些管道的立場所影響，尤其在現在台灣的媒體生態中，反執政黨的聲量特別大，那麼民眾會持續接收到民進黨操作假訊息的敘事。

（二）演算法強化的同溫層效應

  信賴社群平台的人，他們的資訊接收主要透過社群平台，而演算法會根據使用者的偏好推送內容，形成迴音室效應。如果一個人一開始對民進黨有些負面觀感，演算法會持續推送批評民進黨的內容，包括「蠢鳥網軍」、「1450」等假訊息相關論述。在這種資訊環境中，民眾會不斷接收到同一種敘事，久而久之就會內化為自己的信念。而這些管道的內容往往缺乏反面意見。不像傳統新聞雖然有各自立場，但還是可能會呈現反方意見。社群平台的演算法會排除不同陣營言論，讓人們以為大家都有相同共識，而更確信假訊息就是來自民進黨。

（三）人際信任轉化為政治信念

  信賴親友或點頭之交作為資訊來源的群體，他們的信賴是基於人際關係的信任而非基於資訊品質。當信任的人告訴自己「民進黨在操作假訊息」，即使這個說法本身在傳遞時缺乏有力證據，也會因為信任這個人而更相信這個說法。若是身處於會討論政治話題的家族聚會抑或朋友群組，該社交圈普遍對執政黨有負面觀感，那麼「民進黨是假訊息來源」這個說法就會在該群體裡被視為集體共識，而質疑它就等於質疑信任的人。

三、政府威權化認知與假訊息歸因

  此段落為探討 Q18 與 Q9 的關聯。

（一）認知矛盾與極端不滿

  此題中，認為台灣沒有言論自由且政府威權化的民眾佔了近半數。但若真是如此，那麼民眾如何能自由地批評政府？如果政府跟共產黨沒有差別，為什麼媒體可以批評執政黨且網路上還充斥各種反政府言論？但同意這個說法的人，他們的認知框架可能已經扭曲，以至於能同時擁有「政府壓制言論自由」和「我可以自由地說政府壓制言論自由」這兩個相互矛盾的信念，他們會開始使用極端化的情緒來表達這種不滿，且不在乎這些論述是否符合事實，也會將此種情緒投射成民進黨是假訊息來源。

（二）陰謀論思維與受害者定位

  同意政府跟共產黨沒有差別的人可能具有陰謀論思維，他們會相信政府在暗中操控一切，包括媒體、司法、甚至網路輿論。在這種世界觀中，所有對執政黨有利的資訊可能都被視為洗白或大內宣。當這種思維模式套用到假訊息問題時，他們直接用中共的行為模式來推論民進黨，最終也會得出民進黨操作假訊息的結論。

  同時，同意政府威權化這個說法的群體，或許更容易將自己定位為被政府壓迫的受害者，而任何質疑該群體觀點的言論，都會被解讀為政府打壓人民的證據，在這種心態下，他們會認為政府所謂的打擊假訊息其實是箝制言論自由的藉口，討論假訊息來源時，他們也會自然把矛頭指向政府，認為政府才是最大的假訊息製造者與傳播者。

陸、雙變數關聯性分析

一、兩岸緊張歸因與假訊息歸因
（一）假設陳述

  H0：兩岸緊張歸因與假訊息歸因無關。

  H1：兩岸緊張歸因與假訊息歸因存在正向關聯，將兩岸緊張歸咎於民進黨的群體，在假訊息歸因上也更傾向歸咎於民進黨。

（二）卡方檢定

  卡方檢定結果顯示 χ²=792.92，p<0.001，達到統計顯著水準，拒絕虛無假設，資料支持兩岸緊張歸因與假訊息歸因之間存在關聯。


    Pearson's Chi-squared test with Yates' continuity correction

data:  tiktok$Q23r and tiktok$Q9r
X-squared = 792.92, df = 1, p-value < 2.2e-16
（三）交叉分析表

  交叉分析表顯示 φ=0.641，資料支持兩岸緊張歸因與假訊息歸因之間存在強關聯。

  列百分比：在將兩岸緊張歸咎於民進黨的 736 位受訪者中，有 87.1% 同時將假訊息歸咎於民進黨；相對地，在不歸咎民進黨兩岸責任的 1203 位受訪者中，僅 21.3% 將假訊息歸咎於民進黨。兩組比例差距達 65.8 個百分點，呈現極為明顯的條件機率差異，代表兩岸歸因對假訊息歸因具有極強的預測力。

  欄百分比：在所有將假訊息歸咎於民進黨的897位受訪者中，有 71.5% 同時將兩岸緊張歸咎於民進黨；而在不歸咎民進黨假訊息責任的1042位受訪者中，僅 9.1% 將兩岸問題歸咎於民進黨。這種雙向的高度一致性顯示，兩種歸因並非各自獨立的判斷，而是相互強化的認知模式。

是否將兩岸緊張歸咎於民進黨 是否將假訊息歸咎於民進黨 Total
不歸咎民進黨 歸咎民進黨
不歸咎民進黨 947
78.7 %
90.9 %		 256
21.3 %
28.5 %		 1203
100 %
62 %
歸咎民進黨 95
12.9 %
9.1 %		 641
87.1 %
71.5 %		 736
100 %
38 %
Total 1042
53.7 %
100 %		 897
46.3 %
100 %		 1939
100 %
100 %
χ2=792.918 · df=1 · &phi=0.641 · p=0.000
（四）列聯表關聯圖

  我將觀察值高於理論期望值的組合設定為藍色，低於期望值的組合設定為粉色。可以看到左上角（兩者都不歸咎民進黨）和右下角（兩者都歸咎民進黨）呈現明顯藍色，顯示這兩種一致性組合的人數遠多於隨機分布的預期。相對地，右上角和左下角（一個歸咎、一個不歸咎）呈現明顯粉色，表示這種矛盾組合的人數少於預期，此圖更有力的證明了民眾在兩岸議題和假訊息議題上的責任歸屬判斷上傾向一致性極強，且很少出現矛盾立場。

（五）檢定詮釋

  檢定結果支持本假設，兩岸關係歸因與假訊息歸因之間存在高度一致性。當民眾建立「民進黨應對兩岸緊張負責」的認知框架後，此框架會自動套用到其他負面政治現象的解釋，而不需要針對每個議題重新評估證據。但兩岸關係與假訊息問題在性質上差異甚大：前者涉及地緣政治與軍事風險，後者涉及資訊環境治理，可是對於已形成特定歸因傾向的民眾而言，這些差異被執政黨責任的統一框架所覆蓋，會覺得所有問題都是執政黨所造成。

二、信賴資訊來源與假訊息歸因
（一）假設陳述

  H0：信賴資訊來源與假訊息歸因無關。

  H1：信賴資訊來源與假訊息歸因存在正向關聯，信賴非傳統媒體的群體，更傾向將假訊息歸咎於民進黨。

（二）卡方檢定

  卡方檢定結果顯示 χ²=15.052，p<0.001，達到統計顯著水準，拒絕虛無假設，資料支持信賴資訊來源與假訊息歸因之間存在關聯。


    Pearson's Chi-squared test with Yates' continuity correction

data:  tiktok$Q4r and tiktok$Q9r
X-squared = 15.052, df = 1, p-value = 0.0001046
（三）交叉分析表

  交叉分析表顯示 φ=0.089，資料支持信賴資訊來源與假訊息歸因之間存在弱關聯。

  列百分比：在主要信賴非傳統媒體的 739 位受訪者中，有 40.6% 將假訊息歸咎於民進黨；在不主要信賴非傳統媒體的1200位受訪者中，有 49.8% 將假訊息歸咎於民進黨。兩組比例差距為 9.2 個百分點，方向與我先前的推論相反，信賴非傳統媒體者反而較不傾向將假訊息歸咎於民進黨。

  欄百分比：在所有將假訊息歸咎於民進黨的 897 位受訪者中，信賴非傳統媒體者佔 33.4% ，不主要信賴非傳統媒體者佔 66.6% ；而在不歸咎民進黨假訊息責任的 1042 位受訪者中，信賴非傳統媒體者佔 42.1% ，不主要信賴非傳統媒體者佔 57.9% 。這種分布顯示，信賴非傳統媒體的群體在不歸咎民進黨組別中的占比相對較高。

是否信賴非傳統媒體 是否將假訊息歸咎於民進黨 Total
不歸咎民進黨 歸咎民進黨
信賴傳統媒體 603
50.2 %
57.9 %		 597
49.8 %
66.6 %		 1200
100 %
61.9 %
信賴非傳統媒體 439
59.4 %
42.1 %		 300
40.6 %
33.4 %		 739
100 %
38.1 %
Total 1042
53.7 %
100 %		 897
46.3 %
100 %		 1939
100 %
100 %
χ2=15.052 · df=1 · &phi=0.089 · p=0.000
（四）列聯表關聯圖

  此圖中都是低彩度方塊，尤其圖中左上方和右上方兩個格子呈現淺灰色，顯示實際觀察值與隨機期望值極為接近。而下方兩個格子出現微弱的顏色差異，左下角（信賴非傳統媒體且不歸咎民進黨）呈現微弱藍色，顯示此組合略多於期望值；右下角（信賴非傳統媒體且歸咎民進黨）呈現微弱粉色，顯示此組合略少於期望值。這種極為淺淡的顏色對比代表兩變數之間僅存在微弱關聯，遠不及前面假設一的強烈對角線模式。

（五）檢定詮釋

  檢定結果雖達統計顯著，但關聯稍弱且方向相反，部分否定了原先的理論預期。在建立假設時，我推論非傳統媒體缺乏系統化查證機制，且演算法會強化同溫層效應，因此信賴這類管道的民眾應更容易接受民進黨操作假訊息的敘事。然而實證結果不僅未支持此預期，反而是呈現反向的弱關聯，信賴非傳統媒體者甚至較不傾向將假訊息歸咎於民進黨。相較於假設一的強關聯，此結果可能暗示假訊息歸因會更深層地受到政治態度本身所驅動，而非資訊接收管道。

  反思後，可能的解釋包括以下：非傳統媒體的政治立場或許比原先設想的更為多元，雖然部分網紅與名嘴確實傳播反執政黨訊息，但也有一定比例的創作者會支持執政黨或保持中立；此外，信賴非傳統媒體的群體可能具有較高的批判意識，他們選擇非傳統管道可能正是因為對傳統媒體的政治立場不滿，這種批判態度導致他們在假訊息歸因時不願直接去歸咎單一政黨；而「最信賴」的單一測量方式可能無法充分捕捉受訪者複雜的媒體使用行為，民眾可能在不同議題上信賴不同管道，或者同時接觸多種管道，所以數據難以直接去鎖定單一的因果關聯。

三、政府威權化認知與假訊息歸因
（一）假設陳述

  H0：政府威權化認知與假訊息歸因無關。

  H1：政府威權化認知與假訊息歸因存在正向關聯，認為政府威權化的群體，更傾向將假訊息歸咎於民進黨。

（二）卡方檢定

  卡方檢定結果顯示 χ²=367.85，p<0.001，達到統計顯著水準，拒絕虛無假設，資料支持政府威權化認知與假訊息歸因之間存在關聯。


    Pearson's Chi-squared test with Yates' continuity correction

data:  tiktok$Q18r and tiktok$Q9r
X-squared = 367.85, df = 1, p-value < 2.2e-16
（三）交叉分析表

  交叉分析表顯示 φ=0.437，資料支持政府威權化認知與假訊息歸因之間存在中度關聯。

  列百分比：在同意「政府跟共產黨沒有差別，台灣沒有言論自由」的 915 位受訪者中，有69.3% 將假訊息歸咎於民進黨；在不同意此說法的 1024 位受訪者中，僅 25.7% 將假訊息歸咎於民進黨。兩組比例差距 43.6 個百分點，顯示政府威權化認知對假訊息歸因具有顯著的區辨力。尤其是同意威權化的群體中近七成將假訊息歸咎於執政黨，此比例遠高於樣本整體的 46.3% ，反映出對政府極端不信任感與假訊息內部歸因之間的強烈連結。

  欄百分比：在所有將假訊息歸咎於民進黨的 897 位受訪者中，有 70.7% 同時認為政府威權化；而在不歸咎民進黨假訊息責任的 1042 位受訪者中，僅 27% 認為政府威權化。這種不對稱分布進一步證實了，相信執政黨操作假訊息的民眾，絕大多數也同時擁有「政府已威權化」的極端體制評價。

是否同意政府威權化 是否將假訊息歸咎於民進黨 Total
不歸咎民進黨 歸咎民進黨
不同意政府威權化 761
74.3 %
73 %		 263
25.7 %
29.3 %		 1024
100 %
52.8 %
同意政府威權化 281
30.7 %
27 %		 634
69.3 %
70.7 %		 915
100 %
47.2 %
Total 1042
53.7 %
100 %		 897
46.3 %
100 %		 1939
100 %
100 %
χ2=367.848 · df=1 · &phi=0.437 · p=0.000
（四）列聯表關聯圖

  此圖呈現了與假設一類似的樣式，左上角（不同意威權化且不歸咎民進黨）和右下角（同意威權化且歸咎民進黨）呈現彩度高的藍色，顯示這兩種一致性組合多於隨機期望；右上角和左下角（矛盾組合）呈現彩度高的粉色，顯示此組合少於預期。這種清晰的對角線模式證實了民眾在政府威權化認知與假訊息歸因上傾向保持一致性。

（五）檢定詮釋

  檢定結果支持本假設，政府威權化認知與假訊息歸因之間存在中度關聯。同意政府跟共產黨沒有差別的群體，任何反證(如言論自由的存在)都被解讀為政府掩飾更深陰謀的證據。在這種認知框架下，官方對假訊息來源的澄清不僅無效，反而會被視為政府想轉移焦點，進一步強化執政黨才是假訊息源頭的信念。

  這些認為台灣政府威權化的群體，可能對真正的威權政體(中國)反而較不警覺。當民眾將所有注意力集中於內部威脅(執政黨)，會排擠對外部資訊戰的認知資源，形成把民主政府當敵人的認知盲點，這種極端信念也形成敵我倒置，可能是台灣潛在的戰略風險。

柒、參考資料

一、 政府資料
（一）法律條文

《詐欺犯罪危害防制條例》第 27 條

《中華人民共和國國家情報法》第 7 條

《中華人民共和國數據安全法》第 2 條

《中華人民共和國網絡安全法》第 5 條

（二）行政函示

數位發展部。數授產經字第 11340007344 號函

二、網路資料

吳青 ，2018。不忘初心 重溫入黨誌願書。人民網。檢自：https://sunrisemedium.com/p/339/media-fragmentation。