TikTok 真在给政治视频限流吗：换成按账号统计，“铁证”就消失了

🎓 专业 IRMaD 结构解读

I. Introduction（引言）

议题源流。“影子封禁”（shadow banning）指平台在不通知用户的情况下降低其可见度（Le Merrer, Morgan & Trédan 2021）。平台越来越倾向以“降权”而非“删除”处理擦边内容（Gillespie 2022；Zuckerberg 2018；Goldman 2021），使触达削减成为真实的治理杠杆，却极难从外部观测（Zeng & Kaye 2022；Gorwa, Binns & Katzenbach 2020）。排序不透明使用户借助“算法民间理论”推断平台行为（Eslami et al. 2015；Rader & Gray 2015），影子封禁信念即一种平台否认、用户又无法证伪的“算法民俗”（Savolainen 2022；Cotter 2023）。在 TikTok 上，这一信念与身份和政治紧密绑定，创作者据此调整发布策略以测试和规避疑似惩罚（Karizat et al. 2021；Duffy & Meisner 2023）。这些信念改变发布行为、驱动广告与平台政策，并进入国会听证与日益依赖独立审计的监管议程（Nicholas 2022；Metaxa et al. 2021）。

既往文献空白。从外部“证明”差异化可见性的各类比较，分歧最大的一轴恰是分析单元：①倡导报告没有独立单元——Network Contagion Research Institute（2023）以 60 个话题标签在 TikTok 与 Instagram 的平台终身发帖总量作比，无不确定性量化，也未调整平台年龄、地区可用性与受众结构，批评者以安慰剂标签而非统计回应；Radway & Edelson（2025）的以巴描述统计中亲巴方均值近五倍而中位数反低，是尾部驱动的合并比较特征。②同行评审研究在帖子层合并——Yarchi & Boxman-Shabtai（2025, Digital Journalism）以 318 条话题标签抽样视频做独立样本 t 检验与合并回归，未按账号聚类，而两方平均粉丝数相差一个数量级。③账号级设计——Le Merrer 等逐账号检验 250 万个 Twitter 账户；Jaidka, Mukerjee & Lelkes（2023）对约 25,000 个美国账号分层随机抽样，发现影子封禁罕见且集中于类机器人账号；Huszár et al.（2022）以随机留出组估计 Twitter 算法在 7 国中的 6 国放大右倾内容，但个体政治人物的党派与放大程度无显著关联。Hosseinmardi et al.（2021）则以账号级消费数据推翻了“YouTube 算法驱动激进化”的流行叙事。然而，尚无外部审计在同一语料上证明“单元选择本身即可制造或消解一次检测”。

本研究贡献。①构建一个高密度、分类器标注的 TikTok 小时级面板，在账号层给出带置信区间与功效分析、可量化的“无中到大程度触达压制”零结果；②识别数据中唯一稳健的信号——有利于反对方内容的互动不对称，把“被压制感”重构为受众强度问题；③在同一语料上定量追溯常规分析何以得出相反结论（伪重复 + 与立场对齐的混杂），并提炼可信可见性审计的最小规程。作者明确声明：不主张平台从不差异化分发内容，只主张在该设计可分辨的量级上，所指控的效应并不存在。

I. Theoretical Framework & Hypotheses（理论框架与假设）

论文未显式编号假设；以下按其论证结构整理为一条预设假设与四个研究问题。

三类测量风险与本文对策（论文第 2.3 节把它们作为设计的出发点）：

测量构念说明。TikTok 主要经 For You 推荐分发，视频会被推给非粉丝，帖子触达与作者粉丝数只是松散相关，因此影子封禁在原理上可行，也因同样的不透明而难以从外部测量。作者以按粉丝归一化的播放量作为触达代理——这正是民间审计与创作者自己能观测到的量——但承认它混合了算法分发与受众行为，只有平台端日志才能把二者分开。

M. Materials & Methods（材料与方法）

• 数据采集：经第三方封装 TikAPI 调用 TikTok 公开 App 端点，直接轮询每条被追踪帖子的公开计数器（playCount、diggCount、commentCount、shareCount、collectCount）与账号粉丝数，而非抽样个性化 For You 流，故个性化不进入测量。窗口 2026-04-03 至 04-28，完成 604 轮小时扫描，602 个间隔中 598 个恰为 1 小时。面板共 556,946 条快照行、2,753 条视频、67 个账号，每视频观测数中位 99；累计计数在相邻小时间自然递增，每行是新测量而非前值结转。
• 账号抽样：数据收集前策展。每议题经谷歌搜索识别双方代表性声音，按公开表达立场分边，按预设粉丝档位（1–6 档，不足 10K 至超过 10M）分层选取，使双方在各层覆盖可比；粉丝约 2.5K–22M，涵盖政党组织、竞选团队、军方、新闻机构、评论员、独立创作者与一线记者。名册在采集前冻结，选择独立于结果。属分层便利样本而非概率样本，外部效度有限；67 个账号共 94 个“账号 × 议题”单元，其中 65 个账号至少发布 1 条被追踪视频。账号以去标识形式列出，不公开账号名。
• 结果变量：触达 ViewsPer1K = 1000 · playCount / followers；每次观看互动率 = 反应总数 / 播放量，并拆分为点赞、评论、分享、收藏；第三个预注册结果为 velocity（正文未给出其操作化定义）。
• “在议题上”的识别：三模型 LLM 集成（GPT-4o、Gemini、Claude Sonnet），温度 0，依次判断 relevance → topic → stance，多数投票；26 条无多数结论的议题内视频剔除。模型读原语言（含阿拉伯语），不经翻译。样本漏斗：2,753 条追踪视频 → 2,469 条可分类 → 940 条属三议题之一（173,050 条快照行，59 个发帖账号）→ 900 条严格纳入 → 754 条有清晰单视频立场；账号级触达集为属于预设正反方账号的 816 条议题内视频（57 个账号，构成 67 个“账号 × 议题”分析单元）。
• 分类器效度：模型间一致性 Krippendorff's α：topic 0.81、stance 0.78、relevance 0.56（故 relevance 只作粗筛）。作者手标金标准：分层随机 200 条（议题、阵营、语言均衡）+ 100 条三模型在 relevance 上分歧的难例。“议题内纳入”判断 Acc/F1/κ：分层集 0.88/0.88/0.85，难例集 0.80/0.80/0.77；relevance 0.91/0.91/0.88 与 0.82/0.82/0.79；4 类 topic 准确率 0.93（宏 F1 0.92），难例集 0.990（0.993）。作者据此认为低 α 反映的是单模型分歧，而多数票能正确裁决，并非有偏的议题过滤。
• 立场的确定：主分析立场取自账号的预设阵营而非单视频标签，把标题结论与分类器最大误差源隔离——分类误差只通过“哪些视频算议题内”进入主分析。作为对策展的检验，单视频立场与预设阵营一致率 93.1%（637/684）；分议题 ICE 94.1%、以巴 95.8%、特朗普 90.3%；分语言英语 92.6%（n = 514）、阿拉伯语 93.4%（n = 137），未见常见的非英语可靠性落差，残差主要来自账号偶尔发布偏离其常规立场的内容。
• 推断单元与估计量：账号既是抽样单位也是阵营标注层级，故主估计量为账号级阵营差异，不主张识别账号内帖子级降权。每条视频取观测到的峰值触达，账号内取中位数，每账号一个值；效应量 Cliff's δ ∈ [−1, 1]，配账号自助法 95% CI；主检验 Mann–Whitney U；首选 p 值来自随机化推断——在账号间置换阵营标签 B = 2×10⁴ 次，无需大样本假设。另拟合含粉丝与年龄控制的聚类稳健回归，但作者指出在该聚类数下聚类稳健标准误不可靠（Cameron & Miller 2015；Barr et al. 2013）。各议题分别分析；ICE 几近空集，只作报告，信息议题为特朗普与以巴。
• 预注册与多重检验：分析网格（3 议题 × 3 结果）、账号单元、估计量及发现（4 月 3–15 日）/确认（4 月 16–28 日）窗口在任何推断检验前冻结，偏离均记录在案。按结果族做 Benjamini–Hochberg 校正（三个结果回答触达、互动、速度三个不同问题）；全网格 9 格的全局校正作敏感性分析。
• 构造零分布校准：在账号间随机重分配立场标签 3,000 次（构造上消除任何真实立场效应），记录各检验在 α = 0.05 下的拒绝率；在账号、视频、视频-小时三个单元分别运行，直接度量合并对假阳性率的膨胀。
• 伪重复诊断：对 log(ViewsPer1K) 做视频内方差分解求 ICC，按 Kish（1965）口径计算设计效应与有效样本量（即 Deff = 1 + (m̄ − 1)·ICC，N_eff = 行数 / Deff，m̄ 为每视频平均快照数；附录表 5 数值与此一致）。
• 帖子级调整模型：log(peak plays)ᵢ = β₀ + β₁·Sideᵢ + β₂·log(followers)ᵢ + β₃·log(video age)ᵢ + εᵢ，标准误按账号聚类——帖子是观测、账号仍是推断单元，对应“降权作用于帖子层”的设定。因聚类稳健 Wald 检验在数十个聚类下偏激进，另以野生聚类自助法（Rademacher 权重、施加原假设、B = 9,999、固定种子）重算各阵营系数的 p 值。
• 其他稳健性：仅英语子集；仅保留发布后 24 h（48 h）内首次被观测的视频（针对年龄混杂）；对以英语为主的 ICE 与特朗普按语言分层；由单元、结果度量、语言子集等选择组合出的 24 种可辩护规格的规格曲线；蒙特卡洛功效分析。
• 关于面板、固定效应与时间动态的取舍：论文没有采用固定效应等面板回归；小时级时间维度在主分析中被压缩为每条视频的峰值触达，再在账号内取中位数，从源头上消除快照间的自相关。时间动态经由四条途径处理：velocity 结果变量、帖子级模型中的 log(视频年龄) 控制、24/48 h 首次观测子集，以及预注册的发现/确认双窗口复现。

各议题账号级分析样本（附录表 2）：

R. Results（结果）

• 常规合并分析“检测到”限流：合并小时快照做秩检验，以巴触达差距 p = 6.7×10⁻¹⁴⁷，特朗普低于浮点精度；视频层已显著（特朗普 δ = 0.40，p = 4×10⁻¹⁰；以巴 δ = 0.24，p = 4×10⁻⁴），加入小时快照后显著性再增数十个数量级。按合并设计的惯例（大 N、极小 p、通过多重校正），这已构成一次“检测”。
• 账号级：触达差距消失：ICE δ = 0.07（p = 0.93）、特朗普 δ = 0.08（p = 0.71）、以巴 δ = 0.06（p = 0.81），BH 校正后 q ≈ 0.93，随机化推断一致，点估计 |δ| ≤ 0.08。

表 1 · 账号级主结果（n_a/n_b 为支持方或亲以方 / 反对方或亲巴方账号数；δ 为负表示前者更低）：

• 零结果有信息量：同一设计与样本量在互动率上检出清晰效应——建制方（挺特朗普、亲以色列）每次观看互动更低，经预注册校正后仍显著；在 6 个信息议题格上校正仍小于 0.05（q = 0.049、0.043），只有在最严格的 9 格全局 BH 下变为边缘（q = 0.073、0.064）。作者把它定位为次要的支持性结果，作用是证明设计能在此样本量下分辨该量级的效应。
• 功效与等价界：蒙特卡洛功效分析显示，在实际账号数下，真实效应 δ = 0.6 时功效 76%–89%，δ = 0.5 时 63%–70%（即所检出互动效应的量级）。账号自助区间把零结果转为等价陈述：95% 置信下可排除特朗普 |δ| ＞ 0.49、以巴 |δ| ＞ 0.51 的触达效应，更小的效应仍可能存在。
• 跨窗口复现（附录表 7）：特朗普发现窗 δ = +0.22（p = 0.32，17/13）、确认窗 −0.04（p = 0.88，16/13）；以巴发现窗 +0.17（p = 0.51，12/12）、确认窗 +0.09（p = 0.72，13/12），确认期未见真实效应应有的增强。
• 互动分项：反对方每次观看的点赞、分享、收藏更多，评论差异很小。特朗普：点赞 −0.47、分享 −0.44、收藏 −0.69、评论 −0.07；以巴：点赞 −0.67、分享 −0.54、收藏 −0.64、评论 −0.10。收藏在两个议题上差距都最大。
• 机制一：伪重复（附录表 5）：视频内快照 ICC = 0.98，173,050 条议题内快照行仅相当于约 960 条独立视频（Deff ≈ 180），而这些视频又嵌套于立场有变异的数十个账号中（特朗普 31 个、以巴 25 个）。p 值随 √N 收缩而秩效应量不随之变化，单元膨胀把 p 推向零而 δ 基本不动——以巴在账号层 δ = 0.06、p = 0.81，到视频-小时层 p = 6.7×10⁻¹⁴⁷，δ 始终不超过 0.24。

• 构造零分布：随机重分配立场后，账号级检验拒绝率接近名义水平（合并各议题 4%，分议题 3%–6%），合并的视频-小时检验拒绝率却高达 95%——真实效应为零时，合并程序几乎每次都报显著，所谓检测完全是被“制造”出来的。
• 机制二：与立场对齐的混杂：①规模——触达对粉丝数呈次线性（log playCount 对 log followers 的斜率特朗普 0.73、以巴近零，均小于 1），按粉丝归一化会过度惩罚大号，而亲巴方粉丝中位数是亲以方的 3.6 倍；②年龄——亲以视频进入面板时中位已发布 128 小时，亲巴不到 1 小时，两方处在播放累积曲线的不同位置；③语言——亲巴账号多发阿拉伯语、亲以几乎没有，而采集默认美国地区，立场与内容语言、受众地理近乎共线（公开计数是全球总量，故这是内容与受众构成的混杂，而非测量混杂）。仅英语子集：账号级触达 δ = −0.21，p = 0.42；互动率 δ = −0.76（全部视频为 −0.64），差距反而略增，说明互动差异不是语言伪影。

表 8 · 帖子级调整模型（因变量 log(peak plays)，控制 log 粉丝与 log 视频年龄，按账号聚类）：

• 控制规模与年龄后三议题均无显著阵营差异；唯一边缘的特朗普格，方向若有也是偏向建制方而非不利于反对方，经野生聚类自助后 p 由 0.07 升至 0.22。帖子级调整分析与账号级检验结论一致。
• 定向子集：只保留发布后 24 h 内首次被观测的视频，触达依然为零（特朗普 δ = −0.27，p = 0.29；以巴 δ = 0.13，p = 0.71；ICE δ = 0.20，p = 0.79），48 h 口径结论相同；账号-议题单元所依托的视频数中位 5 条（范围 1–164），ICE 尤其稀薄。
• 规格曲线：24 种可辩护规格中 19 种“显著”、符号不一，但显著性几乎完全由单元决定——账号级规格 50% 显著，视频-小时级 100% 显著；固定账号单元后，触达问题一致为零，互动问题一致为正。

a / D. Discussion & Conclusion（讨论与结论）

• 核心结论：在立场被定义的单元（账号）上分析，并处理规模与语言混杂后，三个争议议题上没有中到大程度差异化触达压制的证据；唯一稳健的不对称是反对方内容获得更高的受众互动，而触达不变。在该语料中，被读作影子封禁的现象更宜解释为更投入的受众，而非被压制的受众。
• 方法论意义：单元优先：同一数据上 p 值相差一百多个数量级，仅由单元选择决定。附录 F 坦言各步骤本身并不新颖（聚类数据与研究者自由度文献早有），可见性审计特有的是操作顺序：必须先固定单元——影响最大且最不可见的选择——并把设计效应与 p 值并列报告。只拿到 N 和 p 的读者无法分辨高密度审计与被合并膨胀的稀疏审计，而影子封禁话语恰恰依赖这种混淆。
• 对平台审计方法论的五步规程：①在独立单元上分析真实观测，合并检验前先报告 Deff 与有效 N；②明确抽样独立单元——账号策展的阵营比较即账号，若假设处理作用于帖子层，用分层或聚类感知模型，不把重复帖子或快照当独立样本；③在归因于立场前去除账号规模、视频年龄、内容语言与地区混杂；④预注册分析网格并公布规格曲线，而非单一有利格；⑤报告功效、以有界陈述表达结论，因果主张留给平台内随机实验。
• “无过错的夸大”：分析者因“数据越密越好”收集小时快照、因“行越多越好”合并、再报告显著的比较，全程没有一步像 p-hacking，却得到被放大两个数量级的结果。记者与倡导机构（NCRI 2023；Radway & Edelson 2025；Harwell 2023）运行的是同类观察性比较，激励又偏向显著结果；这种“做出显著结果容易、做出可辩护结果昂贵”的努力不对称，会误导国会听证、广告投放与监管议程。
• 受众动员而非压制：收藏与分享这类最费力的反应差距最大，评论几乎无差，与“被计数的互动 ≠ 流通”的既有论述一致（Gerlitz & Helmond 2013；Cotter 2019）。作者强调该效应是相关性的，可能反映“谁在关注这些账号”而非平台如何对待它们；更高互动本身也不能排除压制（平台理论上可能降权引发强烈反应的内容）。更一般的教训是：触达只是帖子接收情况的单一噪声指标，测量完整互动剖面的审计能在触达比较给出伪信号之处找到真实信号。
• 与既有研究对话：Yarchi & Boxman-Shabtai（2025）在视频层合并比较中报告亲巴内容互动更高——到账号层，这一互动不对称经受住了单元校正，而话语据此推断的触达压制没有。Huszár et al.（2022）以随机留出组发现 Twitter 存在真实但有界的党派放大，本文账号级审计在 TikTok 触达上未见此类效应，二者都在账号层估计，对照富有启发；Hosseinmardi et al.（2021）的 YouTube 案例同样是账号级审慎推翻了放大叙事。
• 不等于平台中立：零结果是“在设计可分辨量级上证据的缺失”，而非平台中立的证明。最干净的检验是 2020 年 Facebook/Instagram 研究那样对自愿用户随机化排序干预（Guess et al. 2023；Nyhan et al. 2023；González-Bailón et al. 2023）。作者由此主张结构化数据访问：固定账号规模、语言、地区的抽样框，最好配合平台端随机化或曝光日志；在此之前，分析者须报告设计效应、有效样本量与完整规格网格，外部观察性审计应被读作效应大小的校准上界，而非对平台意图的裁决。
• 局限：观察性、单平台、策展账号，只刻画所追踪账号而非 TikTok 整体；每议题账号数仅数十，只能为小于设计分辨力的效应给出上界；按粉丝归一化的播放量是分发的代理，无法分离算法降权与受众行为；语言分析依赖不完美的平台语言标签；立场在账号层赋值，忽略账号内跨帖子差异；金标准由作者自标，限制了校验力度；ICE 过于稀疏，仅作完整性报告。作者强调：这些局限都不能靠增加更多自相关的行来弥补。
• 伦理与可复现：仅用公开计数，未与用户互动、未改变任何信息流；结果只在阵营与议题层汇总，发布件中账号均为哈希去标识，从不把具名账号与立场或压制主张相连；按作者所在机构对公开、非互动数据的标准无需 IRB 审查。所有数字源自单一统计文件，作者承诺发布预注册、去标识分析代码、作图脚本与派生统计。原文未列资助信息。