引言
隨著中國社群媒體(軟體)在台灣的使用日益普及，如TikTok、小紅書、bilibili等皆是台灣人喜愛瀏覽的平台。而作為台灣人愛用排行榜第一名的TikTok(黃韻文,2022)，也成為另一種資訊與輿論傳遞的新穎管道，不僅有越來越多民眾是透過此平台來去接收政治與社會的相關資訊，部分政治人物也會開始利用拍攝TikTok的方式作為其宣傳工具，以提升自己的曝光度，與選民互動拉近距離。然而，由於該平台的演算法具有強大的推薦機制，使用者所接觸到的內容多半經由演算法過濾篩選與推播，其中可能混雜著未經核實的政治資訊，進而影響使用者對中國相關議題的態度與認知。 基於此，本次研究欲探討於TikTok平台的使用情境下，民眾是否具備足夠能力以辨識與判斷涉及中國之相關資訊，並特別著重於假訊息之辨識層面。考量教育程度長期被視為個體媒體識讀能力與批判性思考的重要指標之一，本研究進一步關注教育程度是否影響使用者在面對中國相關資訊時的判斷與辨識表現。
(一)研究問題
教育程度長期以來被視為影響政治知識、媒體識讀能力與批判性思考的重要指標。過往的文獻指出，不同教育程度的群體在吸收與理解媒體資訊上，往往會出現速度上的差異，教育程度較高者通常能更有效地從媒體中獲取知識，進而形成所謂的「知識鴻溝」（Tichenor,Donohue,&Olien,1970）。後續的研究也證實，教育程度作為影響個體資訊取得與理解能力的關鍵因素，在媒體資訊高度密集的環境中，其效果往往更加明顯（Lind & Boomgaarden, 2019）。 然而，隨著社群媒體，特別是以短影音與演算法推薦為核心的平台快速興起的背景下，資訊接收的方式已與傳統媒體有所不同。在TikTok這類型的平台上，使用者接觸資訊的內容、順序與頻率高度仰賴演算法推播，而非使用者主動搜尋或媒體專業編輯的把關機制。因此，在這種以演算法推薦為主的社群媒體環境下，教育程度是否仍如既有文獻所預期，能有效影響個體對政治資訊的理解與辨識能力，尤其是在中國相關政治資訊的判斷上，仍有待進一步的討論。 此外，在台灣與中國關係具爭議性的背景下，中國相關資訊不僅涉及一般的國際議題，更與國家認同、政治立場及安全認知密切相關。相關研究指出，威權國家可能透過誇國社群媒體進行資訊操作，以影響民主社會的輿論與認知（Walker & Ludwig,2017）。在此脈絡下，來自中國或涉及中國的資訊，特別是假訊息或偏向政治性的內容，更可能對使用者的判斷造成影響。 基於以上的論述，本研究以台灣為案例，聚焦在TikTok平台的使用情境，探討教育程度是否影響民眾對中國相關政治資訊，特別是假訊息的辨識與判斷能力，並進一步檢視在新型態的媒體環境中，教育程度作為媒體識讀能力指標的解釋力是否出現新的限制或挑戰。
(二)資料描述
本研究將教育程度作為主要的自變項，以受訪者所回報之最高學歷（問卷題項EDU）進行衡量；而依變項則為受訪者對中國相關資訊之辨識能力，本研究透過問卷中與中國相關資訊認知與判斷有關的問題加以挑選，主要選定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？)與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？)。這些問題可推估受訪者在面對涉及中國之政治或公共資訊時，是否具備基本的判斷能力，特別聚焦於其對相關資訊真實性與可信度的看法。 而為避免主要解釋變項受到其他因素干擾，本次研究有納入兩項控制變項:使用TikTok的時間長度（S2）用以衡量受訪者接觸該平台資訊的頻率與強度，因考量到使用時間可能影響其接觸資訊的數量與類型；此外，對中國政府的整體印象(Q24)則作為受訪者政治態度的指標。
library (readxl)library (sjmisc)library (sjlabelled)<- 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'
<- 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>, …
重新編碼:
本次研究的自變項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
1 2 3 4 5
18 42 274 325 1953
$ EDUr <- rec (tiktok_raw$ EDU, rec = "5=3; 3:4=2; 1:2=1" , as.num = TRUE )$ 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：
$ Q9r<- rec (tiktok_raw$ Q9,rec= "10=1; else=0" ,as.num= TRUE )$ 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:(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。(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)
$ Q35r<- rec (tiktok_raw$ Q35,rec= "4:6=1; else=0" ,as.num= TRUE )$ 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？(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。 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3~5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。因此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
<- set_na (tiktok_raw$ S2, na = c (1 , 2 )) # 1,2 當作缺失 $ S2r <- rec (S2_tmp, rec = "3=1; 4=2; 5=3" , as.num = TRUE )$ 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？(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。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
$ Q24r <- rec (tiktok_raw$ Q24, rec = "4:6=0; else=1" , as.num = TRUE )$ 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>
(三)卡方檢驗
使用三組變數進行檢驗:
#第一組:教育程度EDUr × 假訊息來源（中共 vs 非中共）Q9r
library (sjPlot)tab_xtab (tiktok_raw$ EDUr,tiktok_raw$ Q9r,encoding = "utf8" ,show.row.prc = TRUE ,show.col.prc = TRUE ,show.na = FALSE ,show.legend = FALSE ,show.exp = FALSE ,show.cell.prc = FALSE ,tdcol.col = "gray" ,tdcol.row = "brown" )
教育程度（重編碼）
認為假訊息主要來源：中共/PRC？
Total
其他/非中共
中共/PRC
低教育（國中以下）
52 86.7 % 2.4 % 8 13.3 % 1.7 % 60 100 % 2.3 %
中等教育（高中職/專科）
520 86.8 % 24.2 % 79 13.2 % 17.1 % 599 100 % 22.9 %
高教育（大學以上）
1578 80.8 % 73.4 % 375 19.2 % 81.2 % 1953 100 % 74.8 %
Total
2150 82.3 % 100 % 462 17.7 % 100 % 2612 100 % 100 %
χ2 =12.182 · df=2 · Cramer's V=0.068 · p=0.002
在此組分析當中，我將教育程度與是否認為假訊息主要來自於中共進行檢驗。從列表可看出，低教育程度與中等教育程度的受訪者中，約有13%認為假訊息主要來自中共；而在高教育程度的受訪者中，該比例上升至19.2%。卡方檢定結果顯示，兩變項之間的關係達統計顯著(得出的p值為0.002)，顯示不同教育程度的受訪者在假訊息來源判斷上存在分布差異。
#第二組:教育程度EDUr × 是否相信新疆敘事Q35r
tab_xtab (tiktok_raw$ EDUr,tiktok_raw$ Q35r,encoding = "utf8" ,show.row.prc = TRUE ,show.col.prc = TRUE ,show.na = FALSE ,show.legend = FALSE ,show.exp = FALSE ,show.cell.prc = FALSE ,tdcol.col = "gray" ,tdcol.row = "brown" )
教育程度（重編碼）
同意新疆地區正向敘事？（4–6=同意）
Total
不同意(1–3)
同意(4–6)
低教育（國中以下）
40 66.7 % 2.2 % 20 33.3 % 2.5 % 60 100 % 2.3 %
中等教育（高中職/專科）
410 68.4 % 22.8 % 189 31.6 % 23.3 % 599 100 % 22.9 %
高教育（大學以上）
1352 69.2 % 75 % 601 30.8 % 74.2 % 1953 100 % 74.8 %
Total
1802 69 % 100 % 810 31 % 100 % 2612 100 % 100 %
χ2 =0.285 · df=2 · Cramer's V=0.010 · p=0.867
第二組是檢視教育程度是否與受訪者對於相信新疆正向敘事的態度有關。從列表中可以看到，這三組之間的比例差異很接近，且p值達0.867，已高於0.05，因此從數據上來看並沒有明顯關聯。 我覺得可能的原因是因為新疆議題對台灣一般民眾而言的距離相對遙遠，資訊大多來自新聞與社群媒體，因此教育程度在此類議題上的影響被弱化。
#第三組:TikTok軟體單次的使用時間S2r × 是否相信新疆敘事Q35r (補充分析)
tab_xtab (tiktok_raw$ S2r,tiktok_raw$ Q35r,encoding = "utf8" ,show.row.prc = TRUE ,show.col.prc = TRUE ,show.na = FALSE ,show.legend = FALSE ,show.exp = FALSE ,show.cell.prc = FALSE ,tdcol.col = "gray" ,tdcol.row = "brown" )
單次使用 TikTok
同意新疆地區正向敘事？（4–6=同意）
Total
不同意(1–3)
同意(4–6)
30分鐘–1小時
360 62.2 % 63.3 % 219 37.8 % 62.9 % 579 100 % 63.1 %
1–3小時
152 59.6 % 26.7 % 103 40.4 % 29.6 % 255 100 % 27.8 %
3小時以上
57 68.7 % 10 % 26 31.3 % 7.5 % 83 100 % 9.1 %
Total
569 62.1 % 100 % 348 37.9 % 100 % 917 100 % 100 %
χ2 =2.197 · df=2 · Cramer's V=0.049 · p=0.333
這組檢驗了單次使用TikTok的時長是否與受訪者對新疆地區正向敘事的態度有關。從列表的分布來看，p值為0.333，顯示使用者使用TikTok的時長與是否同意新疆正向敘事之間並不存在顯著關聯。 我認為會出現這樣的結果，可能與新疆議題本身在TikTok上屬於非常見的內容，而多數使用者在使用TikTok時較可能是以娛樂、放鬆為主，並非獲取政治或國際資訊，因此即便使用時間不同，也不一定會被大數據推薦到新疆的相關影片。
#第四組:TikTok軟體單次的使用時間S2r × 假訊息來源（中共 vs 非中共）Q9r (補充分析)
tab_xtab (tiktok_raw$ S2r,tiktok_raw$ Q9r,encoding = "utf8" ,show.row.prc = TRUE ,show.col.prc = TRUE ,show.na = FALSE ,show.legend = FALSE ,show.exp = FALSE ,show.cell.prc = FALSE ,tdcol.col = "gray" ,tdcol.row = "brown" )
單次使用 TikTok
認為假訊息主要來源：中共/PRC？
Total
其他/非中共
中共/PRC
30分鐘–1小時
502 86.7 % 62.4 % 77 13.3 % 68.1 % 579 100 % 63.1 %
1–3小時
227 89 % 28.2 % 28 11 % 24.8 % 255 100 % 27.8 %
3小時以上
75 90.4 % 9.3 % 8 9.6 % 7.1 % 83 100 % 9.1 %
Total
804 87.7 % 100 % 113 12.3 % 100 % 917 100 % 100 %
χ2 =1.489 · df=2 · Cramer's V=0.040 · p=0.475
以卡方檢定檢驗單次使用 TikTok的時間長短（S2r）與受訪者是否認為假訊息主要來自中共（Q9r）之間的相關性。檢定結果顯示其p值未達0.05的顯著水準，顯示在統計上，兩者之間不存在顯著相關性。
(四)多重對應分析
新加入5個變數進行分析，5個題目皆是對於中國態度光譜的重要判別面向。包括國家安全感知、文化認同、統一意願、對民主制度的信任，以及對中國生活品質的主觀評價。
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？ Q33:「台灣人與中國人講著同樣的語言、有著相似的文化，是中華民族的一部分」請問您同不同意這樣的說法？ Q34:「兩岸本就一家親，無論以什麼形式實現，在可預見的未來兩岸都必然統一」請問您同不同意這樣的說法？ 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？ Q19:有人說「對於普通老百姓來說，中國比台灣更安居樂業、更適合生活」請問您同不同意這樣的說法？
Attaching package: 'dplyr'
The following object is masked from 'package:sjlabelled':
as_label
The following objects are masked from 'package:stats':
filter, lag
The following objects are masked from 'package:base':
intersect, setdiff, setequal, union
<- select (c (EDUr, Q9r, Q35r, S2r, Q24r, Q32, Q33, Q34, Q18, Q19))
將無效值剔除
<- na.omit (tiktokforMCA)nrow (tiktokforMCA.nona)
以直方圖確認所選的變數之次數分配
Q32主要衡量受訪者對 TikTok是否構成國安威脅的看法，而在此題中的3（有點不同意）選項分布明顯高於其他選項，顯示多數受訪者傾向認為 TikTok不至於嚴重危及國家安全。
Q33用來測量受訪者的文化與民族認同，而在此題的長條圖中的選項4（有點同意)的比例高於其他選項，顯示多數受訪者在語言與文化層面上，對於台灣與中國具有一定連結的觀點持部分認同態度。
Q34在衡量受訪者對兩岸統一前景的看法，而結果顯示選項3（有點不同意）的比例最高，其次為1（非常不同意），代表多數受訪者對於兩岸必然統一的論述持明顯保留甚至否定態度。
Q18反映了受訪者對台灣民主與言論自由現況的看法。結果顯示3（有點不同意）與4（有點同意）的比例十分接近，代表受訪者在此議題上呈現明顯分歧，意見呈現兩極但相對平均的分布。
Q19的結果顯示選項1（非常不同意）與3（有點不同意）的比例相近，用肉眼看幾乎沒差異，顯示多數受訪者整體上仍傾向不認同「中國比台灣更適合生活」的說法，但在強烈反對與較為溫和的不同意之間分布接近。
<- tiktokforMCA %>% na.omit () %>% mutate (across (everything (), as.factor)) par (mfrow= c (2 ,3 ))for (i in 1 : ncol (tiktokforMCA.nona)) {plot (main = colnames (tiktokforMCA.nona)[i],ylab = "Count" ,col = "steelblue" ,las = 2
MCA運算
library (FactoMineR)library (factoextra)
Warning: package 'factoextra' was built under R version 4.5.2
Loading required package: ggplot2
Warning: package 'ggplot2' was built under R version 4.5.2
Attaching package: 'ggplot2'
The following object is masked from 'package:sjPlot':
set_theme
The following object is masked from 'package:sjlabelled':
as_label
Welcome! Want to learn more? See two factoextra-related books at https://goo.gl/ve3WBa
[1] "EDUr" "Q9r" "Q35r" "S2r" "Q24r" "Q32" "Q33" "Q34" "Q18" "Q19"
<- MCA (tiktokforMCA.nona, ncp= 10 , graph= F) summary (res, nb.dec = 3 , nbelements= 10 , nbind = 10 , ncp = 2 , file= "result2dim.txt" ) $ dimdesc <- dimdesc (res, axes = 1 : 10 )write.infile (res$ dimdesc, file = "MCAresults" ,append= F)write.infile (res$ eig, file = "MCAresults" ,append= T)write.infile (res$ var, file = "MCAresults" ,append= T)
繪製陡坡圖（screeplot）
根據陡坡圖顯示，前兩個維度的變異解釋量最高。從Dim3開始，變異解釋量明顯下降，說明其在解釋資料結構上的貢獻有限。
fviz_screeplot (res, ncp= 10 )
Warning in geom_bar(stat = "identity", fill = barfill, color = barcolor, :
Ignoring empty aesthetic: `width`.
維次歸納描述 （Dimension Description）
從下圖可看出Dim1的主要貢獻來自Q32、Q33、Q34、Q18與Q19，這些題目都與受訪者對中國的態度有關，因此Dim1可以視為親中－反中光譜，與統一、文化認同、國安威脅、民主質疑或中國生活吸引力相關的題目，都集中在這個維度上；相較之下，Dim2的最大貢獻來自教育程度（EDUr），顯示教育是受訪者群組差異的重要來源。此外，一些在中國議題上持有點同意和有點不同意的中間選項，也在Dim2上有一定貢獻，因此Dim2大致代表教育程度×中間態度的軸線。其他變項如Q9（假訊息來源）、Q35（新疆敘事）、S2（單次使用時長）以及Q24（對中國政府印象）對兩個主要維度的貢獻較低，代表其實它們的影響有限。
Warning: package 'corrplot' was built under R version 4.5.2
corrplot (res$ var$ cos2, is.corr= FALSE , tl.cex= .6 )
變數（variables）的關聯分佈圖
在下圖中，Q18、Q19、Q33、Q34等與中國態度相關的題目集中在上方，Q32（是否禁止TikTok）分布位置較獨立，與其他中國態度的題目連動性低。至於教育程度（EDUr）、Q9r、Q35r、S2r 與Q24r接近原點。
library (FactoMineR)library (factoextra)plot (res, axes= c (1 , 2 ), new.plot= TRUE , choix= "var" , col.var= "red" , col.quali.sup= "darkgreen" , label= c ("quali.sup" , "quanti.sup" , "var" ), invisible= c ("ind" ), autoLab = "yes" )
變數類別（categories）關係圖
在類別關係圖中，各題同意中國敘事的高分選項，如:Q33_5、Q34_6、Q19_6、Q18_6集中在右上方，代表有一群受訪者整體較傾向親中、統一或對中國持正面看法；而「不同意」的低分選項，如:Q33_1、Q34_1、Q19_1則集中在左側，呈現明顯反中的立場。教育程度、使用時間、假訊息來源、新疆敘事等類別多落在中心位置，表示其對前兩個維度的區分程度較弱。
plot (res, axes= c (1 , 2 ), new.plot= TRUE , col.var= "red" , col.ind= "black" , col.ind.sup= "black" ,col.quali.sup= "darkgreen" , col.quanti.sup= "blue" ,label= c ("var" ), cex= 0.8 , selectMod = "cos2 70" ,invisible= c ("ind" , "quali.sup" ), autoLab = "yes" ,title= "" )
最具維度辨識力的變數類別組合
plot (res, axes= c (1 , 2 ), new.plot= TRUE , col.var= "red" , col.ind= "black" , col.ind.sup= "black" ,col.quali.sup= "darkgreen" , col.quanti.sup= "blue" ,label= c ("var" ), cex= 0.8 , selectMod = "cos2 30" , invisible= c ("ind" , "quali.sup" ), xlim= c (- 1.2 ,1.2 ), ylim= c (- 0.6 ,2 ), autoLab = "yes" ,# title="Top 30 Critical Elements on the MCA Factor Map") title= "" )
Warning: Removed 11 rows containing missing values or values outside the scale range
(`geom_point()`).
Warning: Removed 11 rows containing missing values or values outside the scale range
(`geom_text_repel()`).
橢圓圖（Ellipse）
在這10張圖中，Q33（文化認同)、Q34（統一意願）與Q19（中國生活吸引力）呈現最明顯的分群；EDUr、Q9r、Q35r、S2r與Q24r的橢圓有高度重疊，對維度的區分有限。
library (FactoMineR)plotellipses (res, keepvar= c ("EDUr" ), magnify = 5 , lwd = 4 , label = "var" )
Warning: `aes_string()` was deprecated in ggplot2 3.0.0.
ℹ Please use tidy evaluation idioms with `aes()`.
ℹ See also `vignette("ggplot2-in-packages")` for more information.
ℹ The deprecated feature was likely used in the FactoMineR package.
Please report the issue at <https://github.com/husson/FactoMineR/issues>.
plotellipses (res, keepvar= c ("Q9r" ), magnify = 5 , lwd = 4 , label = "var" )plotellipses (res, keepvar= c ("Q35r" ), magnify = 5 , lwd = 4 , label = "var" )plotellipses (res, keepvar= c ("S2r" ), magnify = 5 , lwd = 4 , label = "var" )plotellipses (res, keepvar= c ("Q24r" ), magnify = 5 , lwd = 4 , label = "var" )plotellipses (res, keepvar= c ("Q32" ), magnify = 5 , lwd = 4 , label = "var" )plotellipses (res, keepvar= c ("Q33" ), magnify = 5 , lwd = 4 , label = "var" )plotellipses (res, keepvar= c ("Q34" ), magnify = 5 , lwd = 4 , label = "var" )plotellipses (res, keepvar= c ("Q18" ), magnify = 5 , lwd = 4 , label = "var" )plotellipses (res, keepvar= c ("Q19" ), magnify = 5 , lwd = 4 , label = "var" )
(五)二元勝算對數迴歸分析
選擇Q35r(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:(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。)作為本次的二元DV，因為在前面的操作當中已將 Q35重新編碼，同意=1；不同意這個說法=0。其餘的問題則是IV (假設)。
研究假設:
H1:教育程度越高的受訪者，越不容易同意新疆正向敘事。（教育程度EDUr）
H2:認為假訊息主要來自中共者，越不容易同意新疆正向敘事。(假訊息來源認知Q9r)
H3:對中國生活品質評價越高的受訪者，越容易同意新疆正向敘事。（中國比台灣更適合生活的態度Q19）
H4:對中國政府印象越正面者，越容易同意新疆正向敘事。（對中國政府印象Q24r）
針對研究假設進行二元勝算對數回歸分析
<- glm (~ EDUr + Q9r + Q19 + Q24r,family = binomial,data = tiktok_rawsummary (md_full)
Call:
glm(formula = Q35r ~ EDUr + Q9r + Q19 + Q24r, family = binomial,
data = tiktok_raw)
Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -0.10542 0.33124 -0.318 0.75
EDUr 0.02463 0.09724 0.253 0.80
Q9r -1.03292 0.15772 -6.549 5.79e-11 ***
Q19 0.43175 0.03742 11.539 < 2e-16 ***
Q24r -2.00362 0.17628 -11.366 < 2e-16 ***
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
(Dispersion parameter for binomial family taken to be 1)
Null deviance: 3234.6 on 2611 degrees of freedom
Residual deviance: 2669.3 on 2607 degrees of freedom
AIC: 2679.3
Number of Fisher Scoring iterations: 4
關於得出結果針對以上四種假設的解讀:
原假設H1:教育程度越高的受訪者，越不容易同意新疆正向敘事。（教育程度EDUr） 不過研究結果顯示，教育程度對於是否同意新疆正向敘事並未呈現顯著影響（係數:0.02463，p = 0.80），H1 未獲得資料支持。
原假設H2:認為假訊息主要來自中共者，越不容易同意新疆正向敘事。(假訊息來源認知Q9r) 結果顯示，認為假訊息主要來自中共的受訪者，其同意新疆正向敘事的可能性顯著較低（p<.001），H2獲得支持，與原本預期的假設相符。
原假設H3:對中國生活品質評價越高的受訪者，越容易同意新疆正向敘事。（中國比台灣更適合生活的態度Q19）結果顯示p值< 2e-16 ，表示對中國生活品質評價越高的受訪者，是較容易同意新疆正向敘事的，H3獲得支持。
原假設H4:對中國政府印象越正面者，越容易同意新疆正向敘事。（對中國政府印象Q24r） 迴歸結果顯示，Q24r的迴歸係數為負數(−2.00362)，且p值達顯著水準（2e-16），表示在其他條件相同的情況下，對中國政府印象越負面的受訪者，其同意新疆正向敘事的可能性顯著下降。因此該負向係數可解讀為對中國政府整體印象越正面的受訪者，越容易接受新疆相關的正向敘事，與預期研究假設的方向一致。
綜合上述的分析結果可知，在同時控制教育程度、假訊息來源認知、對中國生活品質評價以及對中國政府整體印象後，影響受訪者是否同意新疆正向敘事的關鍵因素，主要來自其對中國的整體態度與資訊判斷。教育程度並未對新疆正向敘事的接受度產生顯著影響，顯示在納入其他變項後，教育程度本身並不足以解釋受訪者對該議題的立場。 整體而言，模型結果支持H2、H3與H4，但未支持H1，顯示在解釋新疆正向敘事的接受程度時，受訪者的態度與認知是相較於教育程度等結構性變項，更具關鍵的解釋。
(六)結論/結語
本研究以台灣為案例，聚焦在民眾在TikTok平台的使用，探討教育程度是否會影響民眾對於中國相關資訊的辨識。研究結果顯示，教育程度在不同類型的中國相關資訊判斷中，其影響並非一致，甚至在部分議題上解釋力有限。從卡方檢定的結果中可知，教育程度與是否認為假訊息主要來自中共之間呈現顯著關聯，高教育程度者較傾向將假訊息來源歸因於中共，顯示教育程度在結構性的政治判斷上仍具一定影響力。然而，當議題轉向時，教育程度與是否同意該敘事之間並未呈現顯著關係，顯示在新型態社群媒體環境中，教育程度作為媒體識讀能力指標的效果可能會受到議題性質等限制，受訪者既有的政治態度與對中國的整體評價，才是形塑其資訊解讀的重要基礎。
參考文獻
黃韻文 (2022，3月30日)。10大熱門中國App 打開手機中幾個。今日新聞。 https://tw.news.yahoo.com/10%E5%A4%A7%E7%86%B1%E9%96%80%E4%B8%AD%E5%9C%8Bapp-%E6%89%93%E9%96%8B%E6%89%8B%E6%A9%9F%E4%B8%AD%E5%B9%BE%E5%80%8B-050758962.html
Tichenor, P. J., Donohue, G. A., & Olien, C. N. (1970). Mass media flow and differential growth in knowledge. Public opinion quarterly, 34(2), 159-170.
Lind, F., & Boomgaarden, H. G. (2019). What we do and don’t know: A meta-analysis of the knowledge gap hypothesis. Annals of the International Communication Association, 43(3), 210-224.
Walker, C., & Ludwig, J. (2017). The meaning of sharp power: How authoritarian states project influence. Foreign affairs , 16 (11).
