本研究通过大规模定量分析Twitter/X推荐算法对内容可见性的影响，揭示平台存在系统性可见性调节现象。研究基于两个大型数据集：乌克兰-俄罗斯冲突相关推文（约2000万条，涉及500万用户）和2024美国总统大选相关推文（约2000万条，涉及400万用户），总计超过4000万条推文和900万用户。研究利用推文视图计数作为可见性指标，检测可见性降低（即影子禁令）或放大的模式，并分析其与用户观点、社会角色和叙事框架的关联。关键发现包括：1）算法系统性惩罚包含外部链接的推文，将其可见性降低高达8倍，无论链接内容的意识形态立场或来源可靠性如何；2）不同账户的推文可见性存在显著差异，例如基辅独立报与RT.com、唐纳德·特朗普与卡玛拉·哈里斯的推文可见性模式相反。研究指出，这种不透明的可见性调节可能被用于压制异见声音或操纵信息曝光，呼吁提高推荐系统和内容审核的透明度，以保护公共话语的完整性和平台访问的公平性。该工作适合关注平台治理、算法透明度、社交媒体分析的研究者及政策制定者阅读。