چرا الگوریتم ها ناخواسته اطلاعات نادرست را پخش می کنند؟

الگوریتم های شبکه های اجتماعی برای یک هدف اصلی طراحی شده اند:

حداکثر کردن تعامل (Engagement).

این یعنی:

محتوایی که احتمال بیشتری دارد لایک، اشتراک گذاری، کامنت و توقف نگاه ایجاد کند، بیشتر و سریع تر نشان داده می شود.

مشکل از همین جا آغاز می شود:

اطلاعات نادرست معمولا بسیار احساسی تر، شوک آورتر و تحریک کننده تر از اطلاعات دقیق هستند.

به همین دلیل، الگوریتم ها—بدون اینکه قصد داشته باشند—این محتوا را تقویت می کنند.

۱. تقویت احساسات شدید (Emotional Amplification)

تحقیقات دانشگاهی در دهه اخیر نشان داده اند:

• محتواهای ترس آور
• محتواهای خشم آور
• محتواهای شوک برانگیز

چند برابر بیشتر تعامل می گیرند.

بنابراین الگوریتم به طور خودکار چنین محتواهایی را به افراد بیشتری نشان می دهد—even اگر نادرست، تحریف شده یا بدون منبع باشند.

این موضوع در شرایط پرتنش (مثل بحران ها، بلایای طبیعی یا جنگ ها) شدیدتر می شود، چون کاربران به دنبال اطلاعات فوری هستند.

۲. ایجاد «اثر گلوله برفی» (Snowball Effect)

یک خبر احساسی اشتباه اگر در چند دقیقه اول:

• تعداد زیادی کلیک
• اشتراک گذاری
• یا بازدید

بگیرد، الگوریتم فکر می کند «این محتوا مهم است» و آن را به هزاران یا میلیون ها نفر نشان می دهد.

این مکانیزم باعث می شود حتی یک اطلاعات نادرست کوچک رشد کند و به موج تبدیل شود.

۳. اتاق پژواک (Echo Chamber)

الگوریتم ها معمولا براساس محتوایی که قبلا دیده اید، به شما همان طور محتوا را دوباره نشان می دهند.

نتیجه:

• شما بیشتر محتوای همسو می بینید
• کمتر با اطلاعات مخالف (یا تصحیح کننده) مواجه می شوید

به این ترتیب، ممکن است احساس کنید «همه همین را می گویند»، حتی اگر اطلاعات غلط باشد.

این فضای تکراری باعث می شود اطلاعات غلط بسیار واقعی تر به نظر برسند.

۴. سرعت انتشار بیشتر از سرعت راستی آزمایی است

راستی آزمایی (Fact-checking) زمان بر است:

• نیاز به منابع مستقل
• بررسی چندمنبعی
• تحلیل داده
• گاهی تحلیل فنی تصویر یا ویدئو

اما انتشار محتوا ثانیه ای است.

پس الگوریتم ها محتوای تاثیرگذار را خیلی قبل از اینکه راستی آزمایی شود منتشر می کنند.

اگر بعدا غلط بودن محتوا مشخص شود، دیگر دیر شده—زیرا موج اولیه ایجاد شده است.

۵. تقویت حساب های هماهنگ (بدون درک نیت آن ها)

الگوریتم ها نمی دانند چه کسی پشت حساب هاست.

تنها به رفتار آماری نگاه می کنند.

اگر شبکه ای از حساب های هماهنگ:

• یک هشتگ
• یک تصویر
• یا یک روایت خاص

را با سرعت بالا منتشر کنند، الگوریتم فکر می کند «این موضوع در حال ترند شدن است» و آن را در پیشنهادها قرار می دهد.

حتی اگر این شبکه بخشی از عملیات سازمان یافته باشد.

۶. پیش فرض الگوریتم ها: «اگر مردم زیاد ببینند، لابد خوب است»

در اکثر پلتفرم ها:

• محتوای پرتعامل → ارتقا می گیرد
• محتوای کم تعامل → حذف یا کم نمایش می شود

این چرخه باعث می شود اطلاعات دقیق تر که هیجان انگیز نیستند دیده نشوند، ولی اطلاعات احساسی—even اگر نادرست باشند—در چرخه دیده شدن قرار بگیرند.

۷. مشکل «عدم درک متن» توسط الگوریتم

الگوریتم ها هنوز توانایی کامل برای تشخیص:

• کنایه
• طنز
• تحریف
• دروغ
• اطلاعات ناقص
• یا محتوای گمراه کننده

را ندارند.

پس ممکن است یک میم یا شایعه احساسی را مثل یک مطلب عادی منتشر کنند.

۸. الگوهای شخصی سازی ممکن است ناآگاهانه اطلاعات نادرست را تقویت کنند

اگر فردی عاشق موضوعات هیجان انگیز، رازآلود یا بحران محور باشد، الگوریتم به او بیشتر از همان نوع محتوا نشان می دهد.

این شامل اخبار غیرمعتبر هم می شود.

به همین دلیل افراد مختلف ممکن است واقعیت های متفاوتی ببینند.

۹. مدل کسب وکار پلتفرم ها: باقی ماندن کاربر در برنامه

هرچه کاربر بیشتر بماند، تبلیغات بیشتری می بیند.

محتوای احساسی—even اشتباه—کاربر را بیشتر نگه می دارد.

الگوریتم از نظر اقتصادی تشویق می شود این محتوا را بالا بیاورد.

چگونه می توان اثر منفی الگوریتم ها را کاهش داد؟

چند راهکار کاربردی:

• دنبال کردن منابع معتبر و متنوع
• فشار نیاوردن روی «محتوای احساسی» با لایک/اشتراک گذاری
• استفاده از ابزارهای راستی آزمایی (عکس، ویدئو، آمار)
• بررسی تاریخ انتشار و منبع اولیه
• آگاهی از سوگیری های تحلیلی (Biases)

کمترین کاری که می توان کرد:

قبل از اشتراک گذاری محتوا، ۱۰ ثانیه مکث کنید.