Nowe badanie podważa popularną teorię o bańkach informacyjnych
Skąd biorą się bańki informacyjne? Dotąd dominowało przekonanie, że są przede wszystkim skutkiem działania algorytmów mediów społecznościowych. Nowe badanie sugeruje jednak, że ich powstawanie może wynikać ze struktury internetowych społeczności. Wystarczy, że użytkownicy stopniowo opuszczają grupy, w których czują się osamotnieni
Bańka informacyjna powstaje, gdy użytkownik internetu styka się głównie z treściami zgodnymi z własnymi przekonaniami. Z czasem ogranicza to kontakt z odmiennymi opiniami i sprawia, że różne grupy społeczne zaczynają funkcjonować w coraz bardziej odrębnych światach informacyjnych. Przez lata badacze zakładali, że odpowiadają za to przede wszystkim algorytmy rekomendacji oraz skłonność do szukania osób podobnych do siebie.
Nowe badanie opublikowane w czasopiśmie PLOS ONE sugeruje jednak, że sprawa może być bardziej złożona. Według autora pracy, socjologa Pettera Törnberga, bańki informacyjne mogą powstawać nawet wtedy, gdy platforma nie stosuje algorytmicznej personalizacji i gdy użytkownicy nie próbują świadomie otaczać się ludźmi o podobnych poglądach.
Törnberg postanowił sprawdzić, czy taki podział może pojawić się również bez tych dwóch czynników. Przygotował model symulujący rozwój internetowej sieci społecznej, w której użytkownicy dobierają rozmówców głównie na podstawie ich widoczności i aktywności. W modelu nie ma algorytmów analizujących poglądy użytkowników ani mechanizmu świadomego wybierania osób o podobnych opiniach.
Widoczność przyciąga kolejnych użytkowników
Mimo tych uproszczeń w modelu stopniowo zaczęły tworzyć się wyraźnie oddzielone grupy ideologiczne. Użytkownicy coraz częściej trafiali na podobne treści i coraz rzadziej wchodzili w kontakt z osobami spoza własnego środowiska.
Mechanizm okazał się stosunkowo prosty. Bardziej aktywni użytkownicy są częściej widoczni dla innych, a większa widoczność przyciąga kolejne interakcje. W efekcie niektóre grupy zaczynają dominować w określonych częściach sieci. Nawet niewielkie początkowe różnice mogą z czasem prowadzić do silnej segregacji społecznej.
Autor pracy zwraca uwagę, że podobne procesy obserwuje się także w innych obszarach życia społecznego. Ludzie nie muszą aktywnie unikać odmiennych opinii, by stopniowo znaleźć się w środowisku zdominowanym przez podobne poglądy. Wystarczy, że częściej wchodzą w kontakt z osobami bardziej widocznymi albo bardziej aktywnymi w swoim otoczeniu.
Zdaniem Törnberga może to częściowo wyjaśniać, dlaczego polaryzacja pojawia się także na platformach stosujących znacznie słabszą personalizację treści niż największe media społecznościowe.
Samo wyłączenie algorytmów może nie wystarczyć
Badanie podważa popularne przekonanie, że ograniczenie algorytmów rekomendacji automatycznie rozwiąże problem baniek informacyjnych. Zdaniem autora problem może wynikać również z samej struktury dużych sieci społecznościowych oraz sposobu, w jaki użytkownicy budują relacje online.
Nie oznacza to, że algorytmy są bez znaczenia. Według badacza prawdopodobnie wzmacniają one proces, który i tak może pojawiać się naturalnie w internetowych społecznościach. Jeśli segregacja powstaje już na poziomie struktury sieci, algorytmy mogą dodatkowo przyspieszać i utrwalać ten efekt.
To ważna różnica, ponieważ zmienia sposób myślenia o możliwych rozwiązaniach. Debata o polaryzacji w internecie często koncentruje się dziś na tym, jak zmienić system rekomendacji treści albo ograniczyć personalizację. Törnberg podkreśla również, że internetowa segregacja nie musi być skutkiem świadomych decyzji użytkowników. Może pojawiać się stopniowo jako efekt codziennych interakcji i sposobu, w jaki uwaga rozchodzi się w sieci.
Źródła:
Törnberg, P. (2026). The emergence of online echo chambers can be explained by social network structure alone. PLOS ONE, 21(5), e0324219. https://doi.org/10.1371/journal.pone.0324219
EurekAlert (2026). Study suggests online echo chambers may emerge even without recommendation algorithms. EurekAlert!. https://www.eurekalert.org/news-releases/1084321
Polecane:
-
Czy algorytm może wskazać cel i wydać komendę „zabij”? Przejdź do publikacji: Czy algorytm może wskazać cel i wydać komendę „zabij”?
-
AI czasem diagnozuje lepiej niż lekarz. I to problem Przejdź do publikacji: AI czasem diagnozuje lepiej niż lekarz. I to problem
-
Awatary zmarłych i nowe obietnice nieśmiertelności Przejdź do publikacji: Awatary zmarłych i nowe obietnice nieśmiertelności
Podobne artykuły
Przejdź do publikacji: AI pisze szybciej, taniej i bez przerw na kawę. Czy człowiek ma jeszcze coś do dodania?
AI pisze szybciej, taniej i bez przerw na kawę. Czy człowiek ma jeszcze coś do dodania? Przejdź do publikacji: AI pisze szybciej, taniej i bez przerw na kawę. Czy człowiek ma jeszcze coś do dodania?
Przejdź do publikacji: Gdzie kończy się krytyka nauki, a zaczyna manipulacja
Gdzie kończy się krytyka nauki, a zaczyna manipulacja Przejdź do publikacji: Gdzie kończy się krytyka nauki, a zaczyna manipulacja
Przejdź do publikacji: Jak sztuczna inteligencja wzmacnia miękką propagandę