什麼是 Data Donation？以 Facebook 為例，看研究者如何取得使用者的數位足跡
當問卷潛藏誤差、API 不一定適用，研究者如何請使用者把平台資料帶出來？
合先敘明，這不是 Facebook 備份教學
這不是一篇教你如何下載 Facebook 資料的操作文，更不是要鼓勵大家把個人資料隨便交出去，而是思考一個傳播與科技研究裡越來越重要的問題：
當研究者想研究社群媒體使用行為時，資料到底可以怎麼來？
Keusch 等人（2024）討論的 data donation，正是這個問題下的一種解方。它不是 Facebook 專屬，而是一種透過使用者本人，把社群平台允許匯出的數位足跡下載下來，再交給研究者分析的資料蒐集方式。
我們都留下數位足跡，但研究者不一定拿得到
由使用者與數位系統互動留下的行為紀錄，就是所謂的 Digital Traces，也就是數位足跡；對傳播與科技研究來說，社群媒體資料很誘人，像是Facebook 可能保存某些世代的社交記憶，而Instagram 更接近日常影像展示，另外 X 可能是公共議題與即時評論的現場，LinkedIn 則偏向職涯網絡與專業身分經營；雖然 Keusch 等人的研究以 Facebook 為例，但放回傳播與科技研究現場，不同平台其實代表不同型態的數位生活
但問題是：在不同平台留下的資料，不代表研究者有辦法拿到，使用者雖有使用歷程，卻也不代表研究者能合法、完整地使用。
過往許多社群媒體研究會仰賴問卷，而不是直接取得數位足跡，直接透過線上問卷詢問使用者：「你一天使用社群媒體多久？」但 Keusch 等人指出，這類自陳資料( self-report )會讓受訪者承擔回憶負擔，而且使用者對使用時間與頻率的估計，常常和較客觀的行為資料不一致，這種回憶負擔多少會產生誤差，就像詢問研究生：「你這週真的讀了幾小時文獻？」大家都會回答，但答案裡通常混合了一點記憶模糊、一點自我安慰，還有一點求生意志。
真正的問題不是有沒有資料，而是資料怎麼來
社群媒體研究不是沒有資料，而是資料常常被平台關在裡面；透過問卷可以問態度、背景與自我認知，但使用時間可能有所誤差；API 可以讓研究者從平台取得結構化資料，但平台可以限制、關閉或改變規則，讓研究設計產生限制與不確定性。追蹤器 ( tracker ) 則可以被動記錄使用行為，但安裝意願、隱私疑慮與樣本偏誤都會跟著出現。
Keusch 等人也提到，社群平台近年越來越限制 API；Facebook API 在 Cambridge Analytica 事件後中止，X ( 原Twitter ) 與 Reddit 的 API 政策變動，也讓許多研究者更難取得資料。至於追蹤器，雖然可以持續記錄行為，但許多使用者對安裝追蹤工具有隱私疑慮，低參與意願也可能造成偏誤。
這時候，data donation 提供了一條不同路徑。
不是研究者直接向平台要資料，也不是在使用者裝置上偷偷裝追蹤器，而是請使用者自己向平台下載關於自己的資料，再在知情同意下分享給研究者；換句話說，資料取得的路徑從「平台中心」稍微轉向「使用者中心」。
Data Donation 是什麼：把平台資料抽屜打開一點
data donation 的基本概念不難理解，也就是使用者向平台請求自己的資料副本，通常稱為 Data Download Packages，簡稱 DDPs。下載後，使用者再把這些資料包交給研究者，研究者便能把它和問卷資料或其他資料連結起來分析。
Keusch 等人指出，這種方法的優點，是研究者不必完全依賴平台 API，也可能取得追蹤器不容易觀察到的平台內使用行為資料；同時，使用者也比被動追蹤器更能控制自己分享哪些資料；這裡需要澄清：data donation 並不是打開整座平台資料倉庫。它比較像是平台允許使用者打開某個「資料抽屜」，再由使用者決定要不要把抽屜裡的東西交給研究者。
因此，data donation 雖然比問卷更接近行為資料，但它不是平台內部資料庫的完整原始資料。研究者拿到的，是平台允許使用者下載、整理、打包後輸出的資料。平台怎麼分類、提供哪些欄位、排除哪些內容，都會影響研究者最後看到的數位足跡。
以 Facebook 為例：Keusch 等人怎麼做？
Keusch 等人的研究，就是用 Facebook 來示範 data donation 這種方法；研究者透過德國的一個線上受訪者樣本庫，邀請符合條件的 Facebook 使用者參與研究；受訪者先回答關於 Facebook 使用行為、一般信任、對大學研究者與 Facebook 的信任，以及隱私顧慮等問題。最後共有 913 位受訪者進入 data donation 分析樣本。
接著，研究者請參與者下載兩種 Facebook DDP；第一種是帳號登入時間資訊；第二種是 Facebook 根據使用者行為判定的興趣主題。參與者下載資料包後，還需要把研究提供的代碼加到檔名，再上傳到資料捐贈平台，讓研究者可以把 Facebook 資料和問卷資料連結起來。
這裡真正值得思考的，不是「Facebook 使用者到底多願意幫忙」，而是：
研究者如何設計一條資料路徑，讓平台裡的使用痕跡，可以在使用者同意下，轉化為可分析、可連結、可檢查的研究資料？
這比單純問「你有沒有用 Facebook」更進一步。研究者想看的，不只是使用者怎麼描述自己，而是平台實際留下了哪些關於使用者的紀錄。
願意，不等於資料真的到手
data donation 最容易被誤會的地方，是以為受訪者只要按下「同意」，研究者就能順利拿到資料；Keusch 等人的研究剛好提醒我們：同意只是第一關。在 913 位符合資格者中，有 725 位表示願意捐出 Facebook 資料，約 79%。但最後只有 345 位成功捐出至少一個可連結的資料包，也就是願意者中的 48%。在有填寫未完成原因的受訪者中，超過八成提到下載 DDP、解壓縮，或上傳到捐贈平台時遇到技術問題。
這段結果並非「大家不夠熱心」，它真正的意義是：Data Donation 研究不能只問誰願意，還要問誰真的完成、誰在流程中消失，以及這些消失的人會不會讓研究資料產生偏誤。
不過，這也不代表 data donation 一定會造成嚴重偏誤。Keusch 等人發現，成功捐贈者與未捐贈者在自陳 Facebook 使用頻率上沒有明顯差異；至少在這個指標上，data donation 並沒有只留下重度使用者。但偏誤是否嚴重，仍取決於研究者想測量什麼。使用頻率、政治內容接觸、私訊行為或平台推薦痕跡，面對的偏誤風險不會完全相同。
這裡還有一個有趣的小轉折：對 Facebook 信任較低的人，並不是更願意捐資料；但在已經表示願意之後，反而更可能完成捐贈。作者推測，這些使用者可能更想知道 Facebook 到底保存了哪些關於自己的資料。不過，這是否適用於其他平台，仍需要後續研究檢驗。
Data Donation 是方法，不是魔法
data donation 最有意思的地方，不是它終於讓研究者拿到 Facebook 資料；而是它提醒我們：數位足跡資料不是自然流進研究者硬碟的。它經過平台紀錄、使用者同意、資料可攜制度、平台匯出格式、研究流程設計、隱私保護與偏誤檢查，最後才變成研究材料。
所以，data donation 不是研究捷徑。它比較像一種方法上的折衷：當問卷記不準、API 不一定開門、追蹤器又可能讓研究對象怕爆時，研究者改從使用者端出發，請使用者把平台允許匯出的資料帶出來。
但研究者也必須老實交代：這些資料從哪個平台來？平台允許匯出什麼？哪些資料沒有被匯出？誰願意參與？誰真的完成？誰在流程中消失？
對傳播與科技研究者來說，真正重要的不只是問「哪裡有資料」，也要問：資料怎麼來、能不能比較、能不能重現、能不能被負責任地使用。不同的資料取得方式，都有不同的使用條件與方法邊界；換句話說，找到資料只是第一關；知道資料怎麼來、少了什麼、誰沒有進來，才是真正讓研究站得穩的地方。
參考文獻
Keusch, F., Pankowska, P. K., Cernat, A., & Bach, R. L. (2024). Do you have two minutes to talk about your data? Willingness to participate and nonparticipation bias in Facebook data donation. Field Methods, 36(4), 279–293. https://doi.org/10.1177/1525822X231225907
推廣組 柯文仁 / 本文搭配AI工具進行寫作輔助