Najłatwiej zauważyć jawne kłamstwo. Trudniej dostrzec sytuację, w której prawdziwe zdjęcie otrzymuje fałszywy podpis, dziesiątki kont tworzą pozór społecznego poparcia, a starannie dopasowany komunikat zostaje skierowany do osób uznanych za szczególnie podatne na jego wpływ. Ten esej pokazuje, jak śledzić takie mechanizmy od pojedynczej rozmowy po systemy dystrybucji treści – i jak się przed nimi bronić bez zakładania, że każda pomyłka jest celową manipulacją.

Jak psują się argument, kontekst, uwaga i widoczność

Manipulacja może polegać na podawaniu fałszywych informacji lub zniekształcaniu obrazu faktów, ale na tym się nie kończy. Przekaz można zniekształcić bez zmyślania czegokolwiek. Można zmienić tezę, kontekst, koszt rozmowy, uwagę, widoczność albo sposób personalizacji przekazu. Dlatego samo sprawdzenie źródła nie wystarcza: trzeba również sprawdzać tok argumentacji i kontekst, zwracać uwagę na to, kto i co wzmacnia zasięg przekazu, oraz pilnować własnego obciążenia uwagi.

Przez „komunikację poznawczą” rozumiem tu wymianę informacji oraz ich ocenę przez odbiorców. Jest to robocze określenie przyjęte na potrzeby tej analizy, a nie odwołanie do ustalonego terminu naukowego. Skupiam się przede wszystkim na mechanizmach zaburzających ten proces: takich, które zmieniają to, nad czym odbiorca się zastanawia (np. zniekształcona cudza teza), kontekst, w jakim coś widzi (np. prawdziwe zdjęcie przypisane innemu wydarzeniu), wysiłek potrzebny, by coś sprawdzić lub na to odpowiedzieć (np. zalew twierdzeń), oraz to, co w ogóle do niego dociera (np. ranking treści czy dobór odbiorców).

Jak zobaczymy, proces ten może być zaburzany na wiele sposobów. Czasem odpowiada za to celowa manipulacja. Czasem jednak nie potrzeba manipulacyjnej intencji: sposób rankingu może zwiększać widoczność treści emocjonalnych lub oburzających, własne wybory odbiorców mogą zwiększać ekspozycję na źródła zgodne z ich poglądami, a niektóre zapytania w wyszukiwarkach mogą prowadzić do wyników niskiej jakości. Oba rodzaje mechanizmów nazywam tu „ciemną stroną”. Ich poniższy podział jest autorską mapą funkcjonalną, a nie ustaloną taksonomią.

Zamiast katalogu „złych ludzi” czy kilkudziesięciu chwytów proponuję kilka pytań, które pomagają przeanalizować każdy z opisywanych mechanizmów:

1. Co zostaje zmienione? Np. teza, kontekst, znaczenie, koszt odpowiedzi albo widoczność informacji.
2. Jakim sposobem? Np. przez zniekształcenie stanowiska, pozbawienie materiału kontekstu, powtarzanie, skoordynowane wzmacnianie zasięgu, ranking czy personalizację.
3. Gdzie to działa? W przebiegu interakcji, w konstrukcji przekazu, w jego obiegu, w systemie dystrybucji czy na etapie doboru odbiorcy. Mechanizmy te mogą również zmieniać procesy i warunki oceny po stronie odbiorcy. Nie zawsze trzeba zmieniać treść – czasem wystarczy zmienić warunki jej oceny albo to, jak często, gdzie i komu przekaz zostanie pokazany.
4. Z jakim skutkiem? Np. odwrócenie uwagi, wzrost kosztu odpowiedzi, pozór wiarygodności lub konsensusu.
5. Jaka obrona jest możliwa i jak mocne są dowody na jej skuteczność?

Pytanie o cel pojawia się dopiero wtedy, gdy istnieją przesłanki wskazujące na intencjonalne działanie. Kolejne sekcje omawiają mechanizmy tematycznie, a odpowiedzi na te pytania zbieram na końcu w zestawieniu. Taki układ ma sens praktyczny: sama lista nazw technik nie mówi jeszcze, co zostało zmienione, jak do tego doszło, gdzie działa dany mechanizm, jakie może mieć skutki ani jak dobrać odpowiednią obronę.

Od rozmowy do środowiska informacyjnego: mapa mechanizmów

Pytanie o to, gdzie działa dany mechanizm, pozwala uporządkować dalszą analizę na pięciu poziomach. Punktem wyjścia jest przebieg interakcji między jej uczestnikami. Dalej można kształtować sam przekaz, sposób jego obiegu, jego widoczność w systemie dystrybucji, a wreszcie dobór odbiorcy i wersji przekazu. Jest to przejście od lokalnej rozmowy do szerszego środowiska informacyjnego.

Poziom	Przykładowe mechanizmy	Pytanie orientujące
1. Interakcja	chochoł · whataboutism · Gish gallop · sealioning · motte-and-bailey	Jak zostaje zmieniony przebieg rozmowy?
2. Przekaz	cheapfake · deepfake · dog whistle · sockpuppet	Co przekaz mówi i pokazuje oraz kto rzekomo go nadaje?
3. Obieg	powtarzanie · firehose of falsehood · pranie informacji	Ile razy, z ilu źródeł i iloma drogami przekaz powraca?
4. Dystrybucja	rage bait · wzmacnianie zasięgu · ranking	Co uzyskuje widoczność i wskutek jakich procesów?
5. Targetowanie	dobór odbiorcy · personalizacja treści	Komu pokazać przekaz i jak go dopasować?

Nie jest to sztywny podział ani sekwencja, przez którą musi przejść każdy przekaz. Poszczególne mechanizmy mogą działać osobno, a niektóre przecinają więcej niż jeden poziom. Rage bait jest na przykład sposobem konstruowania treści, ale służy zarazem wywoływaniu reakcji, które mogą zwiększać jej widoczność. Podobnie personalizacja należy do systemu dystrybucji, lecz warto wyodrębnić ją analitycznie, ponieważ dotyczy nie tylko tego, co zostanie pokazane, ale także komu i w jakiej wersji. Pośpiech, zmęczenie i przeciążenie nie tworzą natomiast osobnego etapu obiegu informacji. Są warunkami po stronie odbiorcy, które mogą utrudniać ocenę przekazów na każdym z opisanych poziomów.

Poziomy te mogą jednak utworzyć kaskadę: zniekształcony przekaz może zostać zwielokrotniony w obiegu, uprzywilejowany przez mechanizmy dystrybucji, a następnie skierowany do określonej grupy. Technika zastosowana na jednym poziomie może więc zwiększać skuteczność mechanizmów działających na kolejnych.

Dlaczego właśnie taka mapa?

Manipulacja i propaganda nie pojawiły się wraz z internetem. Media cyfrowe zmieniły jednak tempo, skalę i sposoby rozpowszechniania przekazów. Literatura dotycząca zaburzeń informacyjnych rozróżnia między innymi misinformation, czyli treść fałszywą lub wprowadzającą w błąd rozpowszechnianą bez zamiaru oszustwa (w części badań termin obejmuje też przypadki, w których intencji nie da się ustalić), oraz disinformation – dezinformację rozpowszechnianą celowo, aby wprowadzić odbiorców w błąd. Osobną kategorię stanowią prawdziwe informacje wykorzystywane w celu wyrządzenia szkody. Sam termin „fake news” również nie jest jednoznaczny: może oznaczać pseudodziennikarską dezinformację, ale bywa też etykietą przyklejaną różnym treściom medialnym (23, 2, 13, 1).

Przedstawiona mapa nie zastępuje tych ujęć. Porządkuje materiał według głównego poziomu działania mechanizmu – od rozmowy i konstrukcji przekazu po jego obieg, dystrybucję i personalizację – aby na każdym poziomie można było zapytać, co się zmieniło, jak do tego doszło, jakie może mieć skutki i jaka obrona jest możliwa.

Argument i koszt rozmowy: kiedy spór przestaje służyć poznaniu

Rozmowa może zejść na manowce już wtedy, gdy jedna ze stron zaczyna odpowiadać na tezę, której druga strona wcale nie postawiła. Tak działa chochoł: cudze stanowisko zostaje uproszczone, wyolbrzymione albo przesunięte tak, aby łatwiej było je zaatakować (27).

Wyobraźmy sobie, że ktoś proponuje ograniczenie reklam słodyczy kierowanych do dzieci. W odpowiedzi słyszy: „Czyli chcesz zakazać ludziom jedzenia wszystkiego, co niezdrowe”. Krytyka może być efektowna, ale dotyczy już innej, znacznie bardziej radykalnej propozycji. Pierwotny argument pozostaje bez odpowiedzi.

Inaczej działa whataboutism. Tutaj nie trzeba zmieniać tezy – wystarczy odsunąć ją na bok. Na pytanie o zanieczyszczanie rzeki przez konkretną firmę jej przedstawiciel może odpowiedzieć: „A dlaczego nie mówicie o odpadach produkowanych przez naszych konkurentów?”. Być może konkurenci również zasługują na kontrolę, ale samo wskazanie ich przewinień nie rozstrzyga pierwszego zarzutu. Taka zmiana kierunku rozmowy może rozbić jej tok i wzbudzać nieufność, zwłaszcza gdy pojawia się jako strategia propagandowa (10).

Komunikację można jednak zaburzyć także bez podmieniania tezy czy tematu. Czasem wystarczy sprawić, że rzetelna odpowiedź stanie się bardzo kosztowna. Tak działa Gish gallop: rozmówca w krótkim czasie przedstawia kilkanaście twierdzeń, zarzutów i statystyk. Wypowiedzenie ich zajmuje minutę, natomiast sprawdzenie każdego może wymagać wielu godzin. Jeśli adresat nie odpowie na wszystko, powstaje wrażenie, że część zarzutów pozostała bezsporna.

Podobną asymetrię może wytwarzać sealioning: seria uporczywych lub nieproporcjonalnych żądań wyjaśnień i dowodów, przedstawianych w pozornie uprzejmy sposób. Po otrzymaniu źródła pytający domaga się następnego, potem wyjaśnienia każdej definicji, a następnie wraca do kwestii już omówionych. Rozmowa nie posuwa się naprzód, lecz pochłania coraz więcej czasu i uwagi.

Wygląda to mniej więcej tak. Ktoś pisze, że w jego mieście przybyło ścieżek rowerowych. Odpowiedź: „Ciekawe, a masz na to jakieś dane?”. Po podaniu raportu urzędu miasta: „A kto finansował ten raport?”. Po wyjaśnieniu: „Zależy jeszcze, co uznajesz za ścieżkę – czy wliczasz pasy na jezdni?”. Po definicji: „Wróćmy jednak do tych danych, bo nadal nie wiem, czy są wiarygodne”. Każde z tych pytań z osobna może być uzasadnione. Problem zaczyna się wtedy, gdy odpowiedzi nie prowadzą do żadnego postępu, a wyjaśnione kwestie wracają na początek kolejnej pętli. W analizach filozoficznych Gish gallop i sealioning opisuje się jako sposoby przerzucania na rozmówcę nieproporcjonalnego ciężaru poznawczego (34), a sam sealioning także jako formę nękania (35).

Nie oznacza to oczywiście, że dociekliwe pytania albo prośby o źródła są czymś niewłaściwym. W nauce stanowią podstawę rzetelnej dyskusji. Różnicę pozwala dostrzec dopiero cały wzorzec: czy odpowiedzi przybliżają rozmówców do rozstrzygnięcia, czy tylko wywołują kolejne żądania, resetują wcześniej poczynione ustalenia i stale podnoszą koszt dalszej rozmowy.

Jeszcze inaczej działa manewr nazwany od średniowiecznego założenia obronnego: motte-and-bailey. Bailey to rozległy, ufortyfikowany dziedziniec, na którym skupiało się codzienne życie zamku, ale który trudniej było obronić. Motte to usypany obok kopiec z wieżą: ciasny i niewygodny, ale znacznie bezpieczniejszy. Gdy nadciąga najazd, mieszkańcy chronią się w wieży, a gdy zagrożenie mija, wracają na dziedziniec. Analogicznie manewr argumentacyjny wykorzystuje dwa stanowiska: jedno ambitniejsze i bardziej kontrowersyjne, lecz trudne do obrony, oraz drugie – skromniejsze i znacznie bezpieczniejsze, ale nieuzasadniające równie daleko idących wniosków. Gdy pierwsze zostaje zakwestionowane, dyskutant przechodzi do drugiego, jak gdyby od początku bronił wyłącznie jego (25).

Ktoś może na przykład twierdzić, że „algorytmy decydują o tym, co ludzie myślą”. Gdy zostanie poproszony o uzasadnienie tak mocnego stwierdzenia, odpowiada: „Przecież nie zaprzeczysz, że algorytmy wpływają na to, jakie treści widzimy”. Drugie zdanie jest znacznie łatwiejsze do obrony, ale nie jest równoznaczne z pierwszym. Problem pojawia się wtedy, gdy po ustaniu krytyki rozmówca ponownie zaczyna posługiwać się mocniejszą wersją i wyciągać z niej wnioski, których nie uzasadnia wersja bezpieczna. W tym przypadku wieża okazuje się więc miejscem chwilowego schronienia, a nie stanowiskiem konsekwentnie bronionym przez całą rozmowę.

W praktyce ważniejsze od przyklejenia właściwej etykiety jest więc pilnowanie, o jakiej tezie rzeczywiście rozmawiamy. W tym celu może pomóc prosta zasada: rozpatrujmy jedną tezę naraz, przedstawiajmy ją możliwie wiernie i jasno ustalajmy, kto powinien ją uzasadnić. Nie pozwala to odczytać cudzych intencji, ale utrudnia niezauważone podmienianie stanowisk i przerzucanie całego kosztu rozmowy na jedną stronę.

Jak mylą obraz, język i nadawca: fałsz nie musi polegać na zmyśleniu

Nie każda manipulacja wymaga sfabrykowania materiału. Czasem wystarczy wziąć autentyczne zdjęcie i dopisać do niego fałszywą historię. Obraz pozostaje prawdziwy, lecz wniosek, który ma wyciągnąć odbiorca, jest już fałszywy.

Wyobraźmy sobie fotografię tłumu wypełniającego miejski plac. Zdjęcie rzeczywiście przedstawia demonstrację, ale wykonano je kilka lat wcześniej, w innym kraju i w zupełnie innej sprawie. Opublikowane z podpisem „Dzisiejszy protest przeciwko nowej ustawie” staje się mylące, mimo że nie zmieniono w nim ani jednego piksela. Badacze określają takie przypadki jako mylną informację wizualną wyrwaną z kontekstu, nazywaną również wizualną rekontekstualizacją lub cheapfake. Posługują się przy tym terminem misinformation, ponieważ intencja autora nie jest przedmiotem ich badania, a odbiorca zwykle nie może jej wiarygodnie ocenić (5).

Jeśli materiał zostaje celowo pozbawiony właściwego kontekstu, zmodyfikowany albo sfabrykowany po to, by wprowadzić odbiorców w błąd, możemy mówić o dezinformacji (4). Manipulacje wizualne tworzą przy tym całe spektrum. Na jednym jego końcu znajduje się opisana przed chwilą rekontekstualizacja, w której prawdziwe zdjęcie otrzymuje fałszywy podpis. Dalej są proste przeróbki: przycięcie kadru, usunięcie fragmentu nagrania, zmiana prędkości filmu albo dodanie mylących napisów. Na drugim końcu znajdują się deepfakes – syntetyczne materiały wykorzystujące uczenie głębokie, aby na przykład przypisać rzeczywistej osobie słowa lub zachowanie, które nigdy nie miały miejsca. Wszystkie te techniki mogą zmieniać znaczenie przekazu, ale robią to na różne sposoby: przez odebranie kontekstu, modyfikację istniejącego materiału albo jego sfabrykowanie.

Dlatego pytanie „czy to zdjęcie jest prawdziwe?” jest za wąskie. Trzeba również zapytać, skąd pochodzi, kiedy powstało, co przedstawiało pierwotnie i czy aktualny opis zachowuje ten kontekst. Pomocne może być wyszukiwanie obrazem, które pozwala odnaleźć wcześniejsze publikacje tego samego materiału. Niekiedy wystarczy dotrzeć do najstarszej dostępnej wersji, aby odkryć, że zdjęcie wykonano kilka lat wcześniej albo że pierwotny podpis mówił o zupełnie innym wydarzeniu. Nie jest to jednak automatyczny test prawdziwości: w jednym eksperymencie krótka interwencja edukacyjna poświęcona wyszukiwaniu obrazem zwiększyła deklarowaną gotowość uczestników do korzystania z tej metody, ale nie poprawiła trafności ich ocen wiarygodności (5).

Rozwój deepfake’ów tworzy przy tym osobliwy paradoks. Im więcej wiemy o możliwości produkowania przekonujących fałszywek, tym łatwiej komuś odrzucić autentyczne, lecz niewygodne nagranie słowami: „To przecież mogła wygenerować sztuczna inteligencja”. Autorzy analizujący to zagrożenie nazwali je liar’s dividend – „premią kłamcy”. Możliwość tworzenia fałszywych materiałów może zatem nie tylko zwiększać liczbę falsyfikatów, lecz także zapewniać wygodną wymówkę osobom próbującym podważyć materiały autentyczne (33).

Znaczenie można ukryć nie tylko w obrazie, lecz również w języku. Tak działają dog whistles, czyli kodowane wyrażenia, które dla szerokiej publiczności mają zwyczajne lub przynajmniej niejednoznaczne znaczenie, ale dla określonej grupy niosą dodatkowy komunikat. W analizowanym przez badaczy amerykańskim dyskursie politycznym przykładem jest słowo „kosmopolityczny”. Samo w sobie nie stanowi ono kodu, lecz w określonych środowiskach i konstrukcjach może nabierać antysemickiego sensu rozpoznawanego przez wtajemniczonych. O tym, czy dane wyrażenie działa jak psi gwizdek, nie decyduje więc samo słowo, ale historia jego użycia, kontekst i odbiorcy, do których jest kierowane (9).

Taki podwójny przekaz daje nadawcy możliwość wycofania się do znaczenia niewinnego: „Przecież nie powiedziałem nic obraźliwego”. Utrudnia także automatyczne moderowanie treści. Badania nad przetwarzaniem języka pokazują, że szkodliwe komunikaty zawierające zakodowane wyrażenia mogą wymykać się detektorom toksyczności, ponieważ ich sens nie wynika wprost ze słów rozpatrywanych bez znajomości kontekstu (9).

Manipulować można wreszcie nie samą informacją, lecz tożsamością jej nadawcy. Sockpuppet to dodatkowe konto używane w taki sposób, aby sprawiało wrażenie niezależnej osoby. Jeden użytkownik może na przykład opublikować kontrowersyjną opinię, a następnie poprzeć ją z dwóch innych profili: „Dokładnie!”, „Wreszcie ktoś to powiedział” albo „Wszyscy tutaj myślą podobnie”. Dla obserwatora trzy głosy mogą wyglądać jak spontaniczne poparcie, chociaż w rzeczywistości pochodzą z jednego źródła.

Badanie obejmujące dziewięć społeczności internetowych wykazało, że pary takich kont częściej uczestniczyły równocześnie w tych samych dyskusjach, a niektóre wspierały argumenty innych kont kontrolowanych przez tego samego użytkownika (11). Taki wzorzec może tworzyć pozór niezależnego poparcia. Samo badanie zachowania kont nie dowodzi jednak, że odbiorcy rzeczywiście uznali stanowisko za bardziej popularne.

Wspólna lekcja jest prosta: nie oceniamy wyłącznie tego, co widzimy lub czytamy. Sprawdzamy również pochodzenie materiału, jego pierwotny kontekst, możliwe znaczenia kodowane oraz niezależność osób, które pozornie się ze sobą zgadzają. Przy zdjęciu warto poszukać jego wcześniejszych wersji i oryginalnego podpisu. Przy niejasnym haśle – sprawdzić, kto, gdzie i w jakim znaczeniu zwykle go używa. Przy fali podobnych głosów – zachować ostrożność, dopóki nie wiadomo, czy rzeczywiście pochodzą z niezależnych źródeł. Fałsz nie zawsze znajduje się w samym materiale. Czasem powstaje dopiero z połączenia prawdziwego obrazu, mylącego podpisu, ukrytego znaczenia albo fałszywej tożsamości.

Powtórzenie i zalew informacyjny: dlaczego znajome zaczyna brzmieć prawdziwie

Nie każda propaganda próbuje opowiedzieć jedną spójną historię. Czasem jej siłą jest właśnie nadmiar: wiele komunikatów pojawiających się szybko, bez przerwy i w wielu miejscach jednocześnie. Zanim odbiorca sprawdzi pierwsze twierdzenie, napływa pięć kolejnych.

Analitycy RAND nazwali taki model firehose of falsehood – „strumieniem fałszu”. Opisywali w ten sposób współczesną propagandę rosyjską, która wykorzystuje jednocześnie wiele kanałów i formatów: od telewizji, radia i portali informacyjnych po media społecznościowe, fora, komentarze i pozornie niezależne konta. Model ten charakteryzują duża liczba komunikatów, szybkość, ciągłość i powtarzalność, a także brak przywiązania zarówno do faktów, jak i do spójności własnych wersji wydarzeń (55).

Dobrze pokazują to reakcje rosyjskich źródeł na zestrzelenie samolotu Malaysia Airlines wykonującego lot MH17. Zamiast jednej konsekwentnej wersji pojawiały się kolejne, często wzajemnie sprzeczne wyjaśnienia dotyczące sprawców i przebiegu wydarzenia. W takim zalewie nie każda opowieść musi przekonać odbiorcę. Wystarczy, że mnogość wersji utrudni ustalenie, której informacji można zaufać, zajmie uwagę i stworzy wrażenie, że „prawdy zapewne nigdy nie poznamy” (55).

Znaczenie ma nie tylko liczba komunikatów, lecz także ich powtarzanie. Badania nad efektem iluzorycznej prawdy pokazują, że twierdzenie napotkane po raz kolejny może wydawać się prawdziwsze niż twierdzenie nowe. Powtórzenie nie dostarcza żadnego dodatkowego dowodu, ale sprawia, że informacja staje się znajoma i łatwiejsza do przetworzenia. To poczucie znajomości może zostać omyłkowo potraktowane jako sygnał wiarygodności. Efekt obserwowano również w przypadku informacji fałszywych, mało prawdopodobnych, a nawet sprzecznych z wcześniejszą wiedzą odbiorców (56).

Wyobraźmy sobie nieprawdziwe twierdzenie, że popularny produkt zawiera zakazaną substancję. Najpierw pojawia się ono w krótkim poście, później w filmie komentatora, następnie w nagłówku portalu, a na końcu w rozmowie ze znajomym. Żadne z tych wystąpień nie przedstawia nowego dowodu. Mimo to przy kolejnym zetknięciu informacja może już nie brzmieć jak obca pogłoska, lecz jak coś, o czym „od dawna się mówi”.

Duża metaanaliza obejmująca ponad trzydzieści tysięcy uczestników potwierdziła, że powtarzane informacje są przeciętnie oceniane jako nieco prawdziwsze od nowych. Efekt nie był ogromny, ale pojawiał się wystarczająco regularnie, by nie można go było sprowadzić do kilku pojedynczych eksperymentów. Co ciekawe, był słabszy w badaniach wykorzystujących nagłówki przypominające treści z mediów społecznościowych niż w tych opartych na zwykłych zdaniach testowych. Jednym z możliwych wyjaśnień jest to, że sam format wiadomości skłania odbiorców do ostrożniejszej oceny.

Autorzy sprawdzili również, czy literatura nie wyolbrzymia zjawiska przez niedostateczną reprezentację małych badań, w których efekt nie wystąpił. Po uwzględnieniu tego problemu oszacowanie zmalało, ale sam efekt pozostał widoczny. Trzeba też pamiętać, że większość eksperymentów przeprowadzono w zachodnich, uprzemysłowionych i zamożnych demokracjach, zwykle wśród stosunkowo dobrze wykształconych uczestników. Nie wiemy więc, czy w każdej kulturze i grupie społecznej efekt ma dokładnie taką samą siłę (28).

Nie oznacza to, że efekt iluzorycznej prawdy sam wyjaśnia działanie firehose of falsehood. Powtarzanie jest tylko jednym z elementów zalewu. Znaczenie mają również szybkość publikacji, zajmowanie uwagi, docieranie do odbiorcy wieloma drogami oraz pozór, że podobne informacje pochodzą z wielu niezależnych źródeł. Efekt iluzorycznej prawdy pomaga zrozumieć jeden fragment tej układanki: dlaczego wielokrotnie napotkane twierdzenie może z czasem zacząć brzmieć bardziej wiarygodnie.

Wrażenie niezależnego potwierdzenia może powstać także wtedy, gdy informacja krąży między kolejnymi pośrednikami. Jeden portal powołuje się na blog, blog na wpis w mediach społecznościowych, a komentator cytuje portal. Odbiorca widzi kilka publikacji, chociaż wszystkie prowadzą do tego samego niepewnego źródła. Taki proces bywa określany jako information laundering – „pranie informacji”. Kolejne zapożyczenia zasłaniają pochodzenie przekazu i dodają mu pozorów społecznego lub medialnego uznania.

Koncepcję tę rozwinięto między innymi na przykładzie rasistowskiej mowy nienawiści. Analiza pokazywała, jak treści pochodzące ze skrajnych środowisk mogą zyskiwać pozorną legitymizację dzięki sieci internetowych powiązań, wyszukiwarkom, blogom politycznym i mediom społecznościowym, a następnie przenikać do głównego nurtu debaty (26). Nie chodzi więc tylko o to, ile razy informację powtórzono, lecz także o to, czy kolejne publikacje są naprawdę niezależnymi potwierdzeniami.

Nie istnieje jedna niezawodna obrona przed zalewem informacji. Można jednak odmówić działania w narzuconym przez niego tempie. Metaanaliza daje tu praktyczną wskazówkę: gdy uczestnicy już przy pierwszym zetknięciu z twierdzeniem mieli ocenić jego prawdziwość, późniejszy wpływ powtórzenia był znacznie słabszy niż podczas biernego czytania. Nie zapewnia to odporności na dezinformację, ale przemawia za zatrzymaniem się, zanim znajomość przekazu zacznie zastępować jego ocenę (28).

Zamiast próbować odpowiadać na wszystkie wersje naraz, warto wybrać jedno kluczowe, możliwe do sprawdzenia twierdzenie i prześledzić je do pierwotnego źródła. Liczy się nie liczba stron, kont czy nagłówków, które coś powtarzają, ale liczba rzeczywiście niezależnych źródeł przedstawiających własne dowody.

Przy prostowaniu fałszu lepiej oprzeć przekaz na potwierdzonych faktach, jasno wskazać błąd i przedstawić spójne wyjaśnienie tego, co rzeczywiście się wydarzyło. Samo oznajmienie „to nieprawda” pozostawia lukę, którą łatwo ponownie wypełnia znajoma opowieść. Analitycy RAND wskazują, że sprostowanie ma większą szansę zadziałać, gdy jest powtarzane i zastępuje fałszywą opowieść prawdziwym, spójnym wyjaśnieniem – nie gwarantuje to jednak, że przekona każdego odbiorcę (55). Autorzy przywołanej wyżej metaanalizy zwracają zarazem uwagę, że przytoczenie fałszywego twierdzenia w sprostowaniu nie musi zwiększać wiary w nie. Korekta może więc pomagać bez automatycznego utrwalania prostowanej informacji (28).

Wobec informacyjnego zalewu najważniejsza zasada brzmi więc: powtórzenie nie jest potwierdzeniem, a wiele publikacji nie musi oznaczać wielu źródeł.

Widoczność i wzmacnianie: dlaczego jedne treści docierają dalej niż inne

Powtarzanie i obieg między wieloma kanałami mogą zwiększać widoczność przekazu, ale nie wyjaśniają jeszcze, dlaczego jedne treści rozchodzą się znacznie szerzej niż inne. Czasami komunikat projektuje się nie po to, aby od razu przekonał odbiorcę, lecz aby sprowokował go do reakcji.

Tak działa rage bait – treść obliczona na wywołanie oburzenia, konfliktu i gwałtownych odpowiedzi. Może to być celowo niesprawiedliwe porównanie, obraźliwe pytanie albo absurdalna opinia, której trudno nie skomentować. Użytkownik odpowiada, żeby zaprotestować lub sprostować przekaz, ale tym samym zwiększa jego widoczność. Oburzenie staje się więc nie tylko skutkiem publikacji, lecz także paliwem jej dalszego obiegu.

Badanie oparte na cyfrowej etnografii pokazało, że taki mechanizm może być częściowo automatyzowany. W analizowanym przypadku narzędzia serwisu Quora samodzielnie generowały i rozpowszechniały pytania, wśród których znajdowały się również treści mogące prowokować konflikt i oburzenie (18). Nie oznacza to, że każda drażniąca publikacja została stworzona przez algorytm. Pokazuje jednak, że produkowanie treści nastawionych na reakcję nie zawsze wymaga już bezpośredniej pracy człowieka.

Rage bait ilustruje ogólną zasadę: w środowisku, w którym reakcje zwiększają widoczność, nawet sprzeciw może pomagać w rozpowszechnianiu przekazu. Jest to jeden z kilku sposobów kształtowania zasięgu. Widoczność może zależeć od zdolności treści do prowokowania reakcji, skoordynowanych działań nadawców, kolejności ustalanej przez platformę, struktury kontaktów oraz dostępności informacji w wyszukiwarkach. Osobną kwestią są warunki, w których odbiorca ocenia już widoczne treści – zwłaszcza presja czasu, zmęczenie i przeciążenie. Mechanizmy te mogą się łączyć, ale nie są tym samym.

Gdy tłum jest wyreżyserowany

Wyobraźmy sobie, że pod wiadomością o planowanej inwestycji w krótkim czasie pojawia się kilkadziesiąt bardzo podobnych komentarzy. Ich autorzy popierają się nawzajem, udostępniają te same materiały i sprawiają wrażenie spontanicznego sprzeciwu mieszkańców. W rzeczywistości część kont może należeć do jednej organizacji albo działać według wspólnego planu.

Badacze określają takie działania mianem skoordynowanej manipulacji w mediach społecznościowych: wiele kont współpracuje w ukryty lub zwodniczy sposób, aby zwiększyć widoczność określonych treści i wpływać na kształtowanie opinii (57). Mogą temu służyć konta prowadzone przez ludzi, automatyczne boty, reklamy kierowane do precyzyjnie wybranych grup oraz wykorzystywanie sposobu, w jaki platforma porządkuje publikacje. W literaturze środki te bywają ujmowane pod szerszym pojęciem computational propaganda – propagandy wykorzystującej dane, automatyzację i infrastrukturę platform (3).

Szczególnym przypadkiem jest astroturfing: ukryta kampania, która ma wyglądać jak spontaniczne działanie zwykłych obywateli. Nazwa nawiązuje do sztucznej trawy udającej naturalny trawnik. Zamiast prawdziwego ruchu oddolnego odbiorca widzi więc jego wyreżyserowaną imitację. Badania pokazują, że podobne kampanie pozostawiają powtarzalne ślady koordynacji, na przykład wyjątkowo zbieżne godziny publikacji oraz równoległe udostępnianie tych samych treści (49).

Nie każdy bot jest przy tym szkodliwy. Automatyczne konta mogą publikować ostrzeżenia pogodowe, informacje o trzęsieniach ziemi albo komunikaty instytucji. Problem zaczyna się wtedy, gdy automatyzacja zostaje ukryta i służy sztucznemu zwiększaniu zasięgu. W analizie czternastu milionów wiadomości opublikowanych na Twitterze w latach 2016–2017 boty odgrywały nieproporcjonalnie dużą rolę w początkowym rozpowszechnianiu artykułów ze źródeł o niskiej wiarygodności. Kierowały je również do wpływowych użytkowników, licząc na to, że ludzie przekażą materiał dalej (38).

Dla odbiorcy najważniejszy jest wynik takiej koordynacji: dziesiątki kont mogą stworzyć pozór, że wiele niezależnych osób doszło do tego samego wniosku. Tu wraca wcześniejszy wątek sockpuppetów. Fałszowanie tożsamości dotyczy tego, kto naprawdę mówi, natomiast koordynacja – tego, jak wspólne działanie zwiększa widoczność przekazu. Oba mechanizmy mogą jednak wytworzyć tę samą iluzję licznego i spontanicznego poparcia.

Gdy platforma ustala kolejność

W mediach społecznościowych powstaje więcej treści, niż ktokolwiek byłby w stanie przeczytać. Platforma musi więc zdecydować, które publikacje pokaże na początku, które umieści niżej, a których nie wyświetli wcale. Taki sposób układania treści nazywa się rankingiem.

Ranking nie musi być oceną prawdziwości. System może umieszczać wysoko materiały, przy których użytkownicy zatrzymują się, które komentują lub udostępniają. Jeśli oburzenie przyciąga uwagę, treść wywołująca oburzenie może otrzymać większą widoczność nawet wtedy, gdy większość reakcji jest krytyczna. Dla systemu komentarz protestujący i komentarz popierający mogą być przede wszystkim dwoma przejawami zaangażowania.

W randomizowanym eksperymencie przeprowadzonym na platformie Bluesky uczestnicy przez osiem tygodni korzystali z kanałów porządkowanych według różnych zasad. Kanał nastawiony na zaangażowanie częściej pokazywał treści polityczne, emocjonalne, moralizujące i toksyczne niż kanał chronologiczny. Największy wzrost dotyczył moralnego oburzenia i treści politycznych. Użytkownicy takiego kanału postrzegali również większą wrogość między obozami politycznymi (46).

Co istotne, zmiana zawartości kanału i postrzeganej wrogości nie przełożyła się na istotną zmianę sposobu, w jaki sami uczestnicy reagowali na publikacje. Algorytm zmienił więc obraz debaty widziany przez użytkowników, ale nie uczynił ich automatycznie bardziej skłonnymi do angażowania się w treści zapalne.

Podobny kierunek zaobserwowano w audycie systemu rekomendacji Twittera: algorytm chętniej wzmacniał wpisy nacechowane emocjonalnie i toksyczne, a skala tego wzmacniania różniła się w zależności od orientacji politycznej obserwowanych kont (52).

Audyt wykazał również szczególnie silne wzmacnianie małych i rzadko publikujących kont. Autorzy zwracają uwagę, że taka właściwość może ułatwiać astroturfing: zorganizowana kampania może zwiększać swoją obecność za pomocą wielu drobnych kont, którym system pomaga dotrzeć poza ich niewielką sieć obserwujących (52). Badanie opierało się jednak na niewielkiej, samodzielnie zgłoszonej grupie francuskojęzycznych użytkowników wersji komputerowej, więc pokazuje wzorzec, a nie jego powszechność.

Nie wynika z tego uniwersalne prawo, zgodnie z którym „algorytmy zawsze promują gniew”. Badania pokazują jednak, dlaczego pozycja publikacji na ekranie nie jest neutralna. To, że jakiś temat widzimy często i wysoko, nie musi oznaczać, że jest najważniejszy, najprawdziwszy ani najbardziej reprezentatywny. Może po prostu dobrze spełniać kryteria przyjęte przez system.

Gdy brakuje czasu i uwagi

Na ocenę widocznych treści wpływa również stan odbiorcy. Osoba przeglądająca wiadomości w pośpiechu, późnym wieczorem albo między innymi obowiązkami ma mniej czasu na sprawdzenie źródła, porównanie wersji i zastanowienie się nad wiarygodnością przekazu.

W eksperymencie presja czasu pogarszała zdolność uczestników do odróżniania wiadomości prawdziwych od fałszywych (50). Z kolei badanie ankietowe przeprowadzone w ośmiu krajach wykazało związek między zmęczeniem mediami społecznościowymi, wiarą w fałszywe informacje i gotowością do ich udostępniania (51). Ponieważ było to badanie przekrojowe, nie pozwala ono stwierdzić, że samo zmęczenie spowodowało te zachowania. Pokazuje jednak, że przeciążenie i podatność na mylące treści mogą występować razem.

Mechanizm ten różni się od Gish gallop i efektu iluzorycznej prawdy. W Gish gallop rozmówca zasypuje drugą stronę wieloma twierdzeniami, aby podnieść koszt odpowiedzi. W efekcie iluzorycznej prawdy wielokrotne zetknięcie z tym samym twierdzeniem może zwiększać jego pozorną wiarygodność. Presja czasu i zmęczenie dotyczą natomiast warunków, w których odbiorca ocenia informację. Mogą pojawić się nawet bez świadomego działania manipulatora.

W praktyce zjawiska te często się wzmacniają. Zalew szybko publikowanych treści zajmuje uwagę, powtarzane twierdzenia stają się znajome, a zmęczony odbiorca ma coraz mniej zasobów, aby każde z nich sprawdzić.

Gdy sami zawężamy swoje otoczenie

Widoczność zależy również od tego, kogo obserwujemy, z kim rozmawiamy i jakie treści wybieramy. Z tym problemem wiąże się pojęcie echo chamber – „komory echa”. Jest to środowisko, w którym podobne poglądy krążą między użytkownikami, wzajemnie się wzmacniają i rzadko spotykają z rzeczową krytyką z zewnątrz. Tak jak głos odbija się od ścian i wraca jako echo, tak ta sama opinia powraca od kolejnych znajomych, stron i komentatorów.

Nie ma jednak podstaw, by uznać cały internet za jedną wielką komorę echa. Systematyczny przegląd 55 badań wykazał, że wnioski zależały od przyjętej definicji i metody. Badania wykorzystujące rzeczywiste ślady aktywności – takie jak obserwowanie kont i interakcje między użytkownikami – częściej znajdowały wyraźne komory echa niż badania oparte na deklaracjach uczestników (31).

Analiza zachowania 10,1 miliona amerykańskich użytkowników Facebooka pokazała, że zarówno dobór znajomych, jak i algorytmiczne porządkowanie treści ograniczały kontakt z materiałami pochodzącymi z przeciwnego obozu politycznego. Silniejsze okazały się jednak własne wybory użytkowników: to, jakie materiały postanawiali otworzyć, zawężało ich dietę informacyjną bardziej niż sam ranking. Próba nie była jednak reprezentatywna dla całej platformy – obejmowała osoby, które zadeklarowały w profilu swoją orientację polityczną, a więc niewielką i nietypową część użytkowników Facebooka (12).

Nie jest to wynik uniwersalny. W badaniu dyskusji na Reddicie podczas wyborów prezydenckich w Stanach Zjednoczonych w 2016 roku zwolennicy Donalda Trumpa i Hillary Clinton częściej wchodzili w interakcje z przeciwnym obozem niż z własnym. Nie była to więc prosta komora izolująca grupy od siebie, choć kontakty między nimi nie musiały być przyjazne ani konstruktywne (47).

Dla użytkownika płynie z tego prosta lekcja: zgodność głosów w najbliższym otoczeniu nie mówi jeszcze, jak powszechna jest dana opinia. Może odzwierciedlać skład naszej sieci kontaktów, wcześniejsze wybory i specyfikę platformy. Jednocześnie sam kontakt z przeciwnym stanowiskiem nie gwarantuje otwartej debaty – może przecież przyjmować postać konfliktu, szyderstwa albo wzajemnych ataków.

Gdy wyszukiwarka trafia w pustkę

Jeszcze inny problem powstaje wtedy, gdy na dany temat istnieje bardzo mało rzetelnych materiałów. Taka sytuacja bywa określana jako data void – luka informacyjna. Dotyczy zwłaszcza nowych wydarzeń, niszowych haseł, błędnie zapisanych nazw albo wyrażeń stworzonych przez samych manipulatorów.

Wyobraźmy sobie, że podczas kryzysu zaczyna krążyć nieznana wcześniej nazwa rzekomej operacji rządowej. Wiarygodne redakcje i instytucje jeszcze o niej nie pisały, ponieważ nazwa została wymyślona. Autorzy pogłoski mogą jednak wcześniej przygotować strony, filmy i wpisy zawierające dokładnie to hasło. Kiedy zaciekawieni odbiorcy wpiszą je do wyszukiwarki, znajdą przede wszystkim materiały stworzone przez tych samych ludzi, którzy rozpowszechnili twierdzenie. Wyniki wyglądają wówczas jak potwierdzenie, choć naprawdę są częścią tej samej kampanii.

Termin data void opisuje właśnie zapytania, dla których wyszukiwarka ma niewiele odpowiednich wyników, przez co stosunkowo łatwo wypełnić pierwsze miejsca treściami fałszywymi lub wprowadzającymi w błąd (37). Wysoka pozycja nie świadczy wtedy o jakości materiału. Może wynikać z tego, że lepsze źródła jeszcze nie zdążyły powstać.

Widoczność wpływa również na to, które sprawy uznajemy za ważne. Klasyczna koncepcja agenda-setting zwraca uwagę, że dobór tematów i częstotliwość ich prezentowania w mediach są związane z tym, jaką wagę przypisuje im publiczność (8). Nie oznacza to automatycznie manipulacji: redakcje zawsze muszą wybierać, o czym informować. Ten sam mechanizm może jednak zostać wykorzystany strategicznie, jeżeli powtarzalna ekspozycja ma stworzyć wrażenie, że marginalna kwestia jest najważniejszym problemem dnia.

Nie istnieje jedna obrona przed wszystkimi sposobami sterowania widocznością. Pomaga jednak kilka prostych pytań:

1. Czy liczne konta przedstawiają niezależne dowody, czy jedynie powtarzają ten sam komunikat?
2. Czy publikacja jest popularna dlatego, że ludzie jej wierzą, czy dlatego, że wywołała falę protestów?
3. Czy wynik wyszukiwania pochodzi z uznanego źródła, czy tylko dobrze pasuje do bardzo wąskiego hasła?
4. Czy oglądam reprezentatywny fragment debaty, czy treści wybrane przez moją sieć kontaktów i sposób działania platformy?

Warto także pamiętać, że indywidualna ostrożność ma granice. Użytkownik zwykle nie widzi, jakie materiały zostały przed nim ukryte, które konta działają wspólnie ani dlaczego system umieścił jedną publikację nad drugą. Część odpowiedzialności spoczywa więc na projekcie platform. W eksperymencie na Bluesky algorytm ograniczający dominację najbardziej skrajnych użytkowników zmniejszył ekspozycję na treści zapalne i toksyczne, nie obniżając przy tym deklarowanej przyjemności korzystania z serwisu (46).

Wniosek nie brzmi zatem ani „platforma jest winna”, ani „użytkownik sam wybiera, co widzi”. Widoczność powstaje ze współdziałania nadawców, systemów rankingowych, sieci kontaktów, dostępności źródeł i naszych własnych decyzji. Popularność komunikatu nie jest więc jeszcze dowodem jego prawdziwości, a liczba reagujących kont – miarą liczby niezależnych głosów.

Personalizacja, czyli przekaz szyty na miarę: komu go pokazać i co powiedzieć

Wyobraźmy sobie, że dwoje wyborców ogląda reklamy tego samego kandydata. Pierwszej osobie pokazuje się materiał o bezpieczeństwie ekonomicznym, drugiej – o ochronie środowiska. Obie reklamy mogą być prawdziwe, ale każda przedstawia tylko tę część programu, która ma największą szansę przemówić do konkretnego odbiorcy. Personalizacja nie musi więc polegać na fałszowaniu informacji. Może zmieniać to, kto zobaczy przekaz, które argumenty zostaną wybrane i jakim językiem będą przedstawione.

Warto rozróżnić dwa etapy tego procesu. Pierwszy odpowiada na pytanie: komu pokazać komunikat? Drugi: co dokładnie powiedzieć wybranej osobie?

Pierwszy etap to mikrotargetowanie. Reklamodawca wykorzystuje informacje o użytkownikach, aby kierować różne przekazy do wąsko określonych grup. Pod uwagę mogą być brane między innymi wiek, miejsce zamieszkania, zainteresowania, wcześniejsza aktywność lub cechy wywnioskowane z zachowania w sieci. Zamiast jednej reklamy widocznej dla wszystkich powstaje wiele wariantów, z których każdy trafia do innego fragmentu publiczności (48).

Nie oznacza to jednak, że reklamodawca dokładnie kontroluje, kto ostatecznie zobaczy materiał. Może wskazać pożądaną grupę, ale platforma nadal decyduje o rozdzielaniu wyświetleń, biorąc pod uwagę między innymi koszt dotarcia i przewidywane reakcje użytkowników. Analiza ponad osiemdziesięciu tysięcy reklam z niemieckiej kampanii wyborczej wykazała znaczne różnice między odbiorcami wskazanymi przez reklamodawców a tymi, do których reklamy rzeczywiście dotarły. Poszczególne partie uzyskiwały również różny zasięg za te same pieniądze, a w analizowanym zbiorze reklamy partii populistycznych docierały do większej liczby odbiorców za jedno euro (7). Mikrotargetowanie nie jest więc precyzyjnym wysłaniem komunikatu do wybranej osoby. To raczej zlecenie platformie, aby szukała odpowiednich odbiorców według określonych kryteriów.

Drugi etap dotyczy samej treści. Ten sam postulat można przedstawić jako ochronę stabilności i porządku albo jako szansę na zmianę i rozwój. Fakty nie muszą się zmieniać, lecz zmieniają się argumenty, ton i wartości, do których odwołuje się komunikat. Takie dopasowanie może opierać się nie tylko na danych demograficznych, ale również na przewidywanych cechach osobowości.

W czterech badaniach reklamy polityczne dopasowane do osobowości odbiorców oceniano przeciętnie jako bardziej przekonujące niż wersje niedopasowane. Różnice nie były duże, ale autorzy pokazali również, że generowanie i sprawdzanie wielu wariantów takich komunikatów można częściowo zautomatyzować (6). Inne badanie wykazało, że przewaga reklam dopasowanych osobowościowo utrzymywała się nawet wtedy, gdy uczestników ostrzegano, że są poddawani mikrotargetowaniu (54).

Trzeba jednak uważać na znaczenie słowa „przekonujące”. W tych badaniach uczestnicy przede wszystkim oceniali, jak perswazyjne wydawały im się reklamy. Nie oznacza to jeszcze, że zmienili poglądy, kliknęli materiał, kupili produkt albo zagłosowali na danego kandydata. Badacze zwracają uwagę, że postrzegana perswazyjność może słabo odpowiadać rzeczywistemu wpływowi komunikatu na postawy i zachowania (36).

Modele językowe, czyli systemy generujące tekst, takie jak ChatGPT, rozszerzają możliwości personalizacji, ponieważ potrafią nie tylko wybierać spośród kilku wcześniej przygotowanych reklam, lecz także tworzyć nowe wersje na bieżąco. Komunikat może zostać dopasowany do poglądów, osobowości lub wartości odbiorcy, a podczas rozmowy zmieniać się w odpowiedzi na jego pytania i zastrzeżenia.

W serii eksperymentów spersonalizowane wiadomości tworzone przez ChatGPT silniej niż wersje niespersonalizowane wpływały na mierzone opinie lub deklarowane zamiary uczestników. Dotyczyło to między innymi reklam produktów i apeli dotyczących działań na rzecz klimatu, a personalizację opierano na takich cechach jak osobowość, ideologia polityczna czy wartości moralne (53). Badania te pokazują, że model może tanio przygotowywać wiele wariantów przekazu. Nie dowodzą jednak, że deklarowany zamiar przełoży się na zachowanie poza eksperymentem.

Jeszcze większe możliwości daje rozmowa, ponieważ system może dostosowywać argumentację po każdej odpowiedzi użytkownika. W randomizowanym eksperymencie uczestnicy prowadzili krótkie debaty z człowiekiem albo z GPT-4. Model mający dostęp do podstawowych informacji o rozmówcy powodował większą zmianę jego stanowiska niż ludzki przeciwnik. Gdy model nie otrzymywał tych informacji, jego przewaga nad człowiekiem była mniejsza i nie dawała równie wyraźnego wyniku (42). Znaczenie miał więc nie tylko sam model, lecz również możliwość dopasowania argumentów do konkretnej osoby.

Nie każdy eksperyment wskazuje jednak na niezwykłą przewagę modeli językowych. W badaniach dotyczących poparcia dla różnych polityk krótkie wiadomości tworzone przez modele językowe przesuwały opinie uczestników mniej więcej tak skutecznie jak teksty napisane przez zwykłych ludzi. Zmiany na skalach poparcia były widoczne, lecz niewielkie – zazwyczaj wynosiły kilka punktów na skali od zera do stu (40).

Silniejsze wyniki uzyskano w eksperymentach, w których uczestnicy rozmawiali z modelami opowiadającymi się za konkretnymi kandydatami w wyborach w Stanach Zjednoczonych, Kanadzie i Polsce. Rozmowy zmieniały deklarowane preferencje części uczestników w kierunku kandydata promowanego przez model (45). Modele przekonywały głównie za pomocą argumentów przedstawianych jako fakty i dowody, a nie szczególnie wyrafinowanych technik psychologicznych. Nie wszystkie przytaczane przez nie informacje były jednak prawdziwe.

W tych eksperymentach modele popierające kandydatów bardziej prawicowych formułowały więcej nieścisłych twierdzeń niż modele popierające ich bardziej lewicowych konkurentów. W dodatkowym teście obejmującym dwanaście modeli – otwartych i komercyjnych – ten sam kierunek wyniku pojawił się w symulowanych wypowiedziach dotyczących amerykańskiego pojedynku Trump–Harris. Ustalenie to dotyczy twierdzeń generowanych przez modele w tych eksperymentach, a nie prawdomówności samych kandydatów ani ogólnej właściwości określonej orientacji politycznej. Pokazuje natomiast, że skuteczność perswazji i prawdziwość argumentów trzeba oceniać osobno (45).

Badania nie dają jednej odpowiedzi na pytanie, czy rozmowa z modelami generatywnymi przekonuje skuteczniej niż tradycyjna reklama. Wynik zależy między innymi od punktu odniesienia: w badaniu 45 efekty porównano z wynikami reklam wideo znanymi z wcześniejszych badań, natomiast w badaniu 36 chatboty i prawdziwe reklamy wyborcze testowano w tym samym eksperymencie, na tych samych uczestnikach.

Wyniki te dotyczą także różnych poziomów wpływu, których nie należy ze sobą utożsamiać. Komunikat może wydawać się przekonujący, wywołać chwilową zmianę opinii, zmienić deklarowany zamiar albo doprowadzić do rzeczywistego działania. Każdy kolejny krok wymaga czegoś więcej niż poprzedni. Nawet bardzo skuteczny przekaz nie wpłynie na wybory, jeżeli prawie nikt go nie zobaczy, nie zechce wejść w rozmowę albo szybko powróci do wcześniejszego stanowiska.

Trwałość wpływu zbadano między innymi w jednym z eksperymentów 36, dotyczącym poparcia dla niższego czesnego na uczelniach stanowych dla imigrantów bez uregulowanego statusu. Efekt zarówno rozmowy z chatbotem, jak i trzyminutowego nagrania z ludzkim mówcą był po pięciu tygodniach słabszy niż bezpośrednio po ekspozycji, lecz nadal widoczny. Nie stwierdzono przy tym wyraźnej różnicy między skutecznością obu form przekazu.

Z eksperymentów nie wynika jednak, że modele językowe sterują wynikami wyborów. Badacze proponują rozróżnienie dwóch warunków rzeczywistego wpływu: odbiorca musi najpierw zetknąć się z komunikatem, a dopiero potem może go przyjąć. W eksperymencie ekspozycja jest zwykle zapewniona przez badacza. W świecie rzeczywistym trzeba jeszcze nakłonić ludzi do obejrzenia reklamy lub rozpoczęcia rozmowy. Po uwzględnieniu tego problemu współczesne chatboty nie okazały się jednoznacznie groźniejszym narzędziem masowej perswazji niż istniejące metody prowadzenia kampanii, choć sytuacja może się zmieniać wraz z upowszechnianiem się takich systemów (36).

Personalizacja stwarza jednak problem, nawet jeśli jej przeciętny wpływ jest niewielki. Różni odbiorcy mogą otrzymywać odmienne obietnice i argumenty, a żaden z nich nie widzi pełnego obrazu kampanii. Utrudnia to publiczne porównywanie przekazów i rozliczanie nadawcy z niespójności. Argument dopasowany do naszych wartości może też wydawać się trafniejszy nie dlatego, że opiera się na lepszych dowodach, lecz dlatego, że został sformułowany w znajomym i atrakcyjnym dla nas języku.

Samo ostrzeżenie „ta reklama została do ciebie dopasowana” może nie wystarczyć. Pomocne jest natomiast zatrzymanie się i próba odtworzenia mechanizmu personalizacji: jaką moją cechę nadawca mógł wykorzystać, jaki element przekazu został szczególnie podkreślony i co pokazano innym odbiorcom? W jednym z eksperymentów krótka interwencja skłaniająca uczestników do refleksji nad cechą wykorzystaną do targetowania zwiększała trafność rozpoznawania spersonalizowanych reklam (48).

Jeśli to możliwe, warto również porównać reklamę z innymi wersjami tej samej kampanii i oddzielić siłę argumentu od poczucia, że komunikat „mówi właśnie do mnie”. Dobre dopasowanie nie jest dowodem prawdziwości. Pokazuje jedynie, że nadawca – albo obsługujący go system – potrafił przewidzieć, jaki sposób przedstawienia sprawy może zwrócić naszą uwagę.

Najprostszy model pozostaje więc użyteczny: mikrotargetowanie dotyczy tego, komu próbuje się pokazać przekaz, a generowanie i adaptacja – tego, co zostanie tej osobie powiedziane. Między wyborem odbiorcy a rzeczywistym wpływem znajdują się jednak jeszcze kolejne ogniwa: dostarczenie wiadomości, zainteresowanie nią, zmiana opinii i ewentualne działanie. Skuteczność na jednym etapie nie gwarantuje powodzenia na następnych.

Jak się bronić: od sprawdzania źródła do oceny dowodów

W poradach dotyczących dezinformacji łatwo pomylić rozsądną praktyczną regułę z metodą potwierdzoną badaniami. Nie każda dobra rada została przetestowana jako osobna interwencja, dlatego warto oprzeć się na istniejących ramach, jasno zaznaczając zakres ich potwierdzenia w badaniach.

Mike Caulfield porządkuje podstawowe czynności w ramie SIFT. Skrót pochodzi od czterech ruchów (15):

1. Stop – zatrzymaj się;
2. Investigate the source – zbadaj źródło;
3. Find better coverage – znajdź lepsze, niezależne opracowanie tematu;
4. Trace claims, quotes and media to the original context – prześledź twierdzenie, cytat lub materiał do pierwotnego kontekstu.

Sam Caulfield przedstawia SIFT jako program edukacyjny, a nie pojedynczą interwencję psychologiczną, taką jak torowanie (ang. priming), w którym wcześniejszy bodziec wpływa na późniejszą reakcję, czy nudge – drobna zmiana sposobu przedstawienia wyboru, mająca skłonić do określonego zachowania (24). Jest to więc użyteczna rama organizująca sprawdzanie informacji, ale nie pakiet technik o jednolicie potwierdzonej skuteczności.

Sprawdź źródło i kontekst: lateral reading

Jednym z lepiej przebadanych elementów takiego podejścia jest lateral reading: opuszczenie ocenianej strony i otwarcie innych źródeł, aby dowiedzieć się więcej o jej autorze, sprawdzić wcześniejsze weryfikacje albo dotrzeć do pierwotnego kontekstu twierdzenia, cytatu lub materiału (22).

W kontrolowanym badaniu studenci objęci programem Digital Polarization Initiative częściej stosowali tę metodę i trafniej oceniali wiarygodność informacji niż osoby uczące się w zwykłym trybie. Współautorem ewaluacji był jednak Mike Caulfield, twórca programu DPI, co nie podważa wyniku, ale przemawia za potwierdzaniem go również w niezależnych badaniach (22).

Podobne podejście wykorzystano w kanadyjskim programie szkolnym CTRL-F. Po instruktażu uczniowie częściej wybierali lateral reading i lepiej radzili sobie z oceną źródeł, choć obserwowane przyrosty nie zawsze były duże, a część pomiarów odroczonych nie miała już równoległej grupy kontrolnej (19).

Szersza synteza kontrolowanych badań nad uczeniem oceny źródeł również wykazała przeciętnie korzystne efekty. Lateral reading uzyskał najwyższe średnie oszacowanie spośród porównywanych podejść, ale jego przewaga nad pozostałymi metodami nie była jednoznaczna, a wyniki poszczególnych interwencji znacznie się różniły (14). Nie należy więc zakładać, że ta sama instrukcja zadziała jednakowo w każdej grupie i w każdym środowisku informacyjnym.

Samo uruchomienie wyszukiwarki nie jest jeszcze lateral reading. W serii eksperymentów osoby zachęcone do sprawdzania fałszywych lub mylących wiadomości za pomocą wyszukiwania częściej uznawały je później za prawdziwe. Działo się tak przede wszystkim wtedy, gdy wyniki prowadziły do materiałów niskiej jakości i słabo wypełnionych obszarów wyszukiwania, określanych jako data voids (58). Celem nie jest zatem znalezienie dowolnej strony powtarzającej dane twierdzenie, lecz dotarcie do źródeł możliwie niezależnych, kompetentnych i bliskich opisywanemu zdarzeniu.

Trzeba też odróżnić ocenę wiarygodności źródła od sprawdzenia prawdziwości konkretnego twierdzenia. W mediach społecznościowych osoba udostępniająca materiał bywa jedynie jego „listonoszem”, a nie pierwotnym źródłem, dlatego Caulfield proponuje rozpoczynanie analizy od samego twierdzenia. Ocena źródeł pozostaje jednak ważna na dalszym etapie, gdy trzeba ustalić, skąd twierdzenie naprawdę pochodzi (24). Niezależnie od tego wyniki badania z 2026 roku wskazują, że ocena źródła i weryfikacja twierdzenia wymagają częściowo odmiennych sposobów rozumowania i powinny być uczone oddzielnie (20).

Również przegląd eksperymentalnych badań edukacji medialnej pokazał, że skuteczność zależała od tego, co właściwie mierzono. Łatwiej było poprawić rozpoznawanie niewiarygodnych treści niż wywołać zmianę bardziej utrwalonych postaw (17).

Zmienia się również samo środowisko wyszukiwania. W 2026 roku Caulfield wskazywał, że SIFT nadal dobrze pasuje do internetu opartego na stronach i odsyłających do nich linkach, ale generatywna AI wymaga ponownego przemyślenia akcentów tej metody. Proponowane przez niego „SIFT for AI” pozostawało nieoficjalnym szkicem przeznaczonym do dalszych prób w klasie, a nie gotową i sprawdzoną procedurą (24).

SIFT pozostaje więc punktem odniesienia, a nie pełnym modelem obrony. Dobrze obejmuje zatrzymanie reakcji, sprawdzenie źródła, szukanie niezależnych opracowań i odtwarzanie pierwotnego kontekstu. Nie rozwiązuje jednak wszystkich problemów opisanych wcześniej: nieuczciwych chwytów w rozmowie, asymetrii kosztu odpowiedzi, sztucznego wzmacniania przekazu, personalizacji ani przeciążenia uwagi. Dlatego w tej analizie uzupełniam go między innymi zasadami:

1. jedna teza naraz,
2. jawny ciężar uzasadnienia,
3. oddzielenie argumentu od sposobu jego dystrybucji,
4. testowanie alternatywnych wyjaśnień
5. ostrożność w przypisywaniu intencji.

Jest to autorska synteza, a nie osobno zwalidowany protokół.

Poza SIFT istnieją także inne interwencje z bezpośrednim wsparciem badawczym. Metaanalizy wskazują na przeciętnie korzystne efekty edukacji medialnej (21). Krótkie monity kierujące uwagę na trafność informacji mogą poprawiać jakość treści, które użytkownicy zamierzają udostępniać (39).

Gry i materiały wideo uczące rozpoznawania technik manipulacyjnych poprawiały w ponownej analizie danych rozróżnianie wiadomości wiarygodnych i niewiarygodnych bez ogólnego przesunięcia odpowiedzi w stronę sceptycyzmu lub łatwowierności (30). Interpretacja takich wyników pozostaje jednak przedmiotem sporu metodologicznego: inne analizy tych samych typów interwencji, prowadzone innymi metodami statystycznymi, wskazywały, że część pozornej poprawy może wynikać z większej ostrożności wobec wszystkich wiadomości.

Koszty tego rodzaju – spadek zaufania także do prawdziwych informacji – zaobserwowano na przykład w eksperymentach dotyczących fact-checkingu, porad z zakresu edukacji medialnej oraz medialnych relacji o dezinformacji (41). Nie przeczy to wynikom wspomnianej analizy gier i nagrań, ponieważ chodzi o inne rodzaje interwencji (30). Nawet poprawne sprostowanie nie zawsze całkowicie usuwa wcześniejszy wpływ błędnej informacji (16).

Praktyczna zasada brzmi więc: dobieraj obronę do mechanizmu i nie utożsamiaj wiarygodności źródła z prawdziwością pojedynczej tezy. Lateral reading pomaga ustalić, z kim i z jakim materiałem mamy do czynienia. Ocena argumentu, sposobu wzmacniania przekazu i kosztu poznawczego rozmowy wymaga dodatkowych zabezpieczeń, a ranking czy targetowanie pozostają częściowo poza kontrolą pojedynczego odbiorcy.

Test alternatywnych wyjaśnień: czy ten sam wynik może mieć inną przyczynę?

Jeśli obserwujemy polaryzację, dezinformację albo silne emocje, łatwo przypisać wszystko działaniu algorytmu. Taki wniosek może być trafny, ale nie powinien być automatyczny.

Dobrego przykładu dostarcza badanie Facebooka omawiane wcześniej. Zawężenie dostępu do treści niezgodnych z poglądami użytkownika mogło wynikać zarówno z działania rankingu, jak i z tego, które materiały sam użytkownik postanawiał otworzyć. W analizowanej próbie większą rolę odgrywały wybory użytkowników (12). Nie oznacza to, że algorytm był bez znaczenia, lecz pokazuje, dlaczego zaobserwowanego wzorca nie należy automatycznie przypisywać jednej przyczynie.

Trzeba także uważać na wyniki uśrednione. Synteza opublikowana w Nature wskazuje, że przeciętna ekspozycja na fałszywe i zapalne treści bywa niewielka, ale jednocześnie silnie skupiona w wąskiej grupie intensywnie zaangażowanych odbiorców (44). Niska średnia dla całej populacji może więc współistnieć z bardzo dużym problemem w jej niewielkiej części.

Poprawa jednego wyniku nie musi również oznaczać poprawy wszystkich pozostałych. W eksperymencie terenowym przeprowadzonym we Francji i Niemczech zachęcono użytkowników Instagrama i WhatsAppa do obserwowania dwóch kont informacyjnych. Po dwóch tygodniach uczestnicy wiedzieli więcej o bieżących wydarzeniach, lepiej odróżniali prawdę od fałszu i bardziej ufali wiadomościom, ale nie stali się przez to mniej spolaryzowani emocjonalnie (43). Dostęp do lepszych informacji może zatem poprawić wiedzę bez równoczesnego zmniejszenia niechęci między grupami.

Szersza zasada metodologiczna jest prosta: ten sam wynik może mieć kilka przyczyn, średnia może ukrywać nierówny rozkład problemu, a zmiana jednej miary nie musi przenosić się na inne. Zanim wyciągniemy mocny wniosek, warto zapytać, jakie mechanizmy mogłyby dać podobny efekt i jaki dowód pozwoliłby je od siebie odróżnić.

Dopasuj pewność do siły dowodów

Siłę dowodów sygnalizuję w tym tekście opisowo, bez przypisywania każdemu twierdzeniu formalnej kategorii. Nie stosuję tu systemu GRADE, używanego między innymi w przeglądach medycznych do klasyfikowania pewności dowodów jako wysokiej, umiarkowanej, niskiej albo bardzo niskiej. Zamiast tego zaznaczam, kiedy wynik pochodzi z jednego badania, ma ograniczony zakres lub pozostaje niepewny, a kiedy powtarza się w wielu niezależnych eksperymentach.

W ocenie dowodów liczy się nie tylko liczba publikacji. Znaczenie mają także jakość badań, ryzyko błędu systematycznego, niespójność wyników, to czy badanie mierzy interesujące nas zjawisko bezpośrednio, nieprecyzyjność oraz to, czy badania bez wyraźnego efektu miały podobną szansę zostać opublikowane (32). Pewność dowodu nie mówi zatem, ile razy coś zacytowano, lecz jak bardzo możemy ufać, że obserwowany efekt jest rzeczywisty i wystarczająco duży, aby miał znaczenie (29).

Termin opisany w jednym dobrym źródle może być użytecznym przykładem, ale nie powinien być przedstawiany z taką samą stanowczością jak zjawisko wielokrotnie zaobserwowane przez niezależne zespoły i różnymi metodami.

Mapa pytań i odpowiedzi

Poniższe zestawienie zbiera mechanizmy omawiane w tekście według pięciu pytań:

1. co zostaje zmienione,
2. jakim sposobem,
3. gdzie działa dany mechanizm,
4. jaki może wywołać skutek dany mechanizm,
5. jaka obrona jest możliwa i jak mocne są dowody na jej skuteczność.

Pytanie o intencję i cel pojawia się osobno, ponieważ nie każdy mechanizm wymaga świadomego działania.

Tabela 1. Jak działa mechanizm

Mechanizm	Co zostaje zmienione?	Jakim sposobem?	Gdzie działa?	Możliwy skutek
Chochoł	cudza teza	zastąpienie jej łatwiejszą do obalenia wersją	interakcja	odpowiedź na stanowisko, którego rozmówca nie przedstawił
Whataboutism	przedmiot i kierunek sporu	przekierowanie uwagi na inne przewinienie, temat lub osobę	interakcja	pierwotny zarzut pozostaje bez rozstrzygnięcia, a tok dyskusji zostaje przerwany
Gish gallop	koszt odpowiedzi	zalew wieloma twierdzeniami, których sprawdzenie wymaga znacznie więcej czasu niż ich wypowiedzenie	interakcja; warunki oceny	przeciążenie i asymetria kosztu utrudniają odpowiedź na wszystkie twierdzenia
Sealioning	koszt i przebieg rozmowy	uporczywe ponawianie pytań lub żądań uzasadnienia mimo braku postępu	interakcja	wyczerpanie osoby odpowiadającej; możliwe nękanie pod pozorem uprzejmości
Motte-and-bailey	broniona teza	przechodzenie między mocną, kontrowersyjną tezą a skromniejszą tezą, którą łatwiej obronić	interakcja; przekaz	uniknięcie krytyki przy zachowaniu korzyści z mocniejszego twierdzenia
Dekontekstualizacja / wizualna rekontekstualizacja	kontekst materiału	przypisanie autentycznego materiału innemu wydarzeniu, miejscu lub znaczeniu	przekaz	prawdziwy materiał wspiera fałszywą albo mylącą relację
Modyfikacja lub fabrykacja, w tym deepfake	sam materiał i przypisywane mu znaczenie	przerobienie istniejącego materiału albo stworzenie materiału syntetycznego	przekaz	fałszywy obraz, nagranie lub wypowiedź może zostać uznana za autentyczną
Premia kłamcy (liar’s dividend)	ocena autentyczności materiału	wykorzystanie możliwości istnienia deepfake’ów do kwestionowania materiału autentycznego	interakcja; warunki oceny	osłabienie wartości autentycznych dowodów
Dog whistle	znaczenie przekazu	zakodowanie dodatkowego sensu rozpoznawanego przez część odbiorców	przekaz; warunki oceny	różne grupy odczytują ten sam komunikat inaczej; możliwe omijanie moderacji
Sockpuppet	tożsamość i niezależność nadawców	jedna osoba lub organizacja występuje przez wiele pozornie niezależnych kont	przekaz; interakcja	pozór wielu niezależnych głosów lub szerszego poparcia
Firehose of falsehood	warunki odbioru i możliwość uporządkowania informacji	szybki, ciągły i wielokanałowy zalew licznych, powtarzanych i niekiedy sprzecznych przekazów	obieg	przeciążenie, wzrost kosztu weryfikacji i utrudnienie ustalenia wiarygodnej wersji wydarzeń
Powtarzanie / efekt iluzorycznej prawdy	ocena prawdziwości	wielokrotna ekspozycja na to samo twierdzenie	obieg; warunki oceny	znajome twierdzenie może wydawać się prawdziwsze
Pranie informacji (information laundering)	postrzegane pochodzenie i legitymizacja przekazu	obieg przez kolejnych pośredników powołujących się na siebie nawzajem	obieg	treść może zyskać pozory niezależnego potwierdzenia i społecznego uznania
Rage bait	uwaga i reakcja emocjonalna	projektowanie treści prowokujących konflikt lub oburzenie	przekaz; dystrybucja	reakcje odbiorców zwiększają uwagę i dalszy obieg treści
Skoordynowana manipulacja w mediach społecznościowych	widoczność i pozór niezależnej aktywności	skoordynowane działanie sieci kont	dystrybucja	sztuczne zwiększenie widoczności i wpływ na postrzegany rozkład opinii
Wzmacnianie zasięgu przez boty	zasięg i widoczność	zautomatyzowane rozpowszechnianie	dystrybucja	nieproporcjonalne zwiększenie obiegu określonych treści
Astroturfing	postrzegana oddolność poparcia	ukryta koordynacja naśladująca spontaniczną aktywność obywateli	interakcja; dystrybucja	pozór spontanicznego poparcia społecznego
Ranking algorytmiczny	widoczność i ekspozycja	selekcja oraz kolejność treści według reguł systemu	dystrybucja	określone rodzaje treści stają się bardziej lub mniej widoczne
Presja czasu	warunki oceny	ograniczenie czasu na sprawdzenie informacji	warunki oceny po stronie odbiorcy	gorsze rozróżnianie wiadomości prawdziwych i fałszywych
Zmęczenie mediami społecznościowymi	warunki poznawcze odbiorcy	zmęczenie i przeciążenie związane z korzystaniem z mediów społecznościowych	warunki oceny po stronie odbiorcy	związek z fałszywymi przekonaniami i gotowością do udostępniania mylnych informacji; przyczynowość pozostaje nieustalona
Komory echa / selektywna ekspozycja	struktura ekspozycji	selekcja kontaktów i źródeł oraz struktura sieci	dystrybucja; wybory odbiorcy	ograniczenie kontaktu z odmiennymi stanowiskami; wynik zależy od platformy i sposobu pomiaru
Luka informacyjna (data void)	dostępność i jakość informacji	niedobór odpowiednich, wartościowych wyników dla określonych zapytań	dystrybucja; wyszukiwanie	treści niskiej jakości mogą uzyskiwać nadmierną widoczność, a wyszukiwanie może zwiększyć wiarę w fałsz
Agenda-setting	postrzegana ważność tematów	selekcja oraz częstotliwość prezentowania wiadomości	dystrybucja	często eksponowane tematy mogą wydawać się ważniejsze; mechanizm sam w sobie nie przesądza o manipulacyjnej intencji
Mikrotargetowanie	dobór odbiorcy	segmentacja i kierowanie komunikatów do określonych grup	dobór odbiorcy	różne grupy mogą otrzymywać odmienne komunikaty; faktyczna publiczność może odbiegać od wskazanej grupy docelowej
Targetowanie psychologiczne	dopasowanie przekazu do cech odbiorcy	wykorzystanie przewidywanych cech osobowości do wyboru lub konstrukcji komunikatu	dobór odbiorcy; personalizacja	przeciętnie wyższa oceniana perswazyjność dopasowanego komunikatu
Generatywna personalizacja	treść komunikatu	generowanie lub adaptacja przekazu przez model językowy do konkretnego odbiorcy	personalizacja	zmiana deklarowanych postaw, preferencji lub zamiarów w warunkach eksperymentalnych; nie jest to równoznaczne ze zmianą zachowania poza eksperymentem

Warunki po stronie odbiorcy, takie jak pośpiech, zmęczenie i przeciążenie, nie stanowią kolejnego etapu obiegu. Mogą wpływać na ocenę treści na każdym z wyróżnionych poziomów.

Tabela 2. Intencja, obrona i dowody

Kolumna „Możliwy cel” ma charakter interpretacyjny, chyba że intencja lub cel stanowią element definicji danego mechanizmu albo zostały bezpośrednio ustalone w cytowanym badaniu. Sam obserwowany skutek nie wystarcza do przypisania komuś określonej intencji.

Mechanizm	Czy wymaga intencji?	Możliwy cel, jeśli istnieją przesłanki	Możliwa obrona	Dowody na mechanizm	Dowody na obronę
Chochoł	niekoniecznie	ułatwienie odparcia stanowiska	rozpatrywanie jednej tezy naraz; wierne odtworzenie rzeczywistego stanowiska	analiza pojęciowa [27]	brak
Whataboutism	niekoniecznie	odwrócenie uwagi od pierwotnego zarzutu	oddzielenie nowego oskarżenia od pierwotnej tezy i powrót do niej	analiza dyskursu [10]	brak
Gish gallop	niekoniecznie	przerzucenie kosztu odpowiedzi na rozmówcę	rozpatrywanie jednej tezy naraz; jawne ustalenie ciężaru uzasadnienia	analiza filozoficzna [34]	brak
Sealioning	niekoniecznie; z samych pytań nie można ustalić intencji	wyczerpanie lub nękanie rozmówcy	ustalenie zakresu dyskusji, warunków jej zakończenia i ciężaru uzasadnienia	analiza filozoficzna [35]	brak
Motte-and-bailey	niekoniecznie	czerpanie korzyści z mocnej tezy przy zachowaniu możliwości wycofania się do tezy skromniejszej	utrwalanie dokładnego brzmienia bronionej tezy i sprawdzanie, czy nie zmienia się w toku rozmowy	analiza pojęciowa [25]	brak
Dekontekstualizacja / wizualna rekontekstualizacja	nie zawsze; zamiar wprowadzenia w błąd odróżnia dezinformację od niezamierzonego rozpowszechnienia błędu	wprowadzenie odbiorcy w błąd za pomocą autentycznego materiału	prześledzenie materiału do pierwotnego źródła, daty i kontekstu	badania nad materiałami wyrwanymi z kontekstu [4], [5]	[5]: instrukcja zwiększała deklarowaną gotowość do wyszukiwania obrazem, ale nie poprawiała trafności ocen; badania nad lateral reading [14], [19], [22] pośrednio wspierają szerszą weryfikację źródeł i kontekstu
Modyfikacja lub fabrykacja, w tym deepfake	przy dezinformacji – tak; sam materiał syntetyczny może powstać bez zamiaru wprowadzenia kogokolwiek w błąd	przypisanie osobie nieistniejącej wypowiedzi lub zachowania; stworzenie fałszywego dowodu	sprawdzanie pochodzenia, kontekstu i autentyczności materiału	ujęcie konceptualne [4]; analiza konsekwencji deepfake’ów [33]	brak
Premia kłamcy (liar’s dividend)	przy strategicznym wykorzystaniu – tak	odrzucenie obciążającego, autentycznego materiału jako rzekomego deepfake’u	weryfikacja pochodzenia i autentyczności materiału na podstawie niezależnych źródeł	koncepcja prawno-analityczna [33]	brak
Dog whistle	przy celowym kodowaniu – tak	przekazanie dodatkowego znaczenia wybranej grupie przy zachowaniu niewinnego odczytania publicznego	sprawdzanie znaczenia wyrażeń w kontekście grupowym, politycznym i historycznym	analiza językowa i obliczeniowa [9]	brak
Sockpuppet	przy ukrywaniu wspólnej kontroli kont – tak	stworzenie pozoru wielu niezależnych głosów lub spontanicznego poparcia	sprawdzanie pochodzenia kont i rzeczywistej niezależności głosów	badanie obserwacyjne [11]	brak
Firehose of falsehood	w modelu RAND – tak	zajęcie uwagi, przeciążenie środowiska informacyjnego i utrudnienie skutecznego prostowania	odmowa działania w narzuconym tempie; wybór jednego sprawdzalnego twierdzenia; oparcie sprostowania na faktach i spójnym wyjaśnieniu	opisowy model analityczny [55]	RAND przedstawia zalecenia oparte na literaturze, ale nie waliduje jednego kompletnego protokołu obronnego [55]
Powtarzanie / efekt iluzorycznej prawdy	nie	przy intencjonalnym użyciu: zwiększenie znajomości i pozornej wiarygodności przekazu	zatrzymanie się już przy pierwszym kontakcie i ocena podstaw twierdzenia; nietraktowanie znajomości jako dowodu	przegląd [56], metaanaliza [28]	metaanaliza [28] wskazuje, że ocena prawdziwości przy pierwszym kontakcie wiązała się ze słabszym późniejszym efektem powtórzenia; nie jest to pełna walidacja procedury obronnej
Pranie informacji (information laundering)	w analizowanym zastosowaniu – tak	nadanie przekazowi pozorów legitymizacji i wprowadzenie go do głównego nurtu	prześledzenie informacji do pierwotnego źródła i odtworzenie drogi jej obiegu	teoria oparta na analizie określonego rodzaju treści [26]	badania nad lateral reading dają jedynie pośrednie wsparcie
Rage bait	w analizowanym zastosowaniu – tak	prowokowanie konfliktu, oburzenia i reakcji zwiększających widoczność treści	rozpoznanie prowokacyjnego charakteru przekazu; powstrzymanie automatycznej reakcji i udostępnienia	badanie etnograficzne [18]	brak
Skoordynowana manipulacja w mediach społecznościowych	tak – intencjonalność i zwodniczość należą do definicji	wpływanie na widoczność treści i kształtowanie opinii	możliwości pojedynczego użytkownika są ograniczone; znaczenie mają wykrywanie koordynacji i interwencje platformowe	systematyczny przegląd [57]	brak jednej zwalidowanej obrony indywidualnej przedstawionej w tekście
Wzmacnianie zasięgu przez boty	nie w przypadku każdego wykorzystania botów	sztuczne zwiększenie zasięgu określonych treści	nietraktowanie liczby kont i publikacji jako dowodu niezależnego poparcia; sprawdzanie źródeł przekazu	badanie obserwacyjne [38]	brak
Astroturfing	tak – ukryta koordynacja należy do istoty mechanizmu	stworzenie pozoru spontanicznego, oddolnego poparcia	sprawdzanie rzeczywistej niezależności uczestników oraz oznak koordynacji	badanie empiryczne [49]	brak
Ranking algorytmiczny	nie wymaga zamiaru wzmacniania konkretnego rodzaju treści	zależy od celu i kryteriów optymalizacji systemu	przede wszystkim zmiana projektu lub reguł rankingu; użytkownik może jedynie częściowo kontrolować własne źródła i sposób korzystania z platformy	eksperyment [46], audyt [52]	w eksperymencie na Bluesky zmiana algorytmu ograniczała ekspozycję na treści zapalne i toksyczne bez wyraźnego pogorszenia oceny przyjemności korzystania z platformy [46]
Presja czasu	nie	przy celowym wywołaniu: ograniczenie możliwości dokładnej oceny	zwolnienie tempa i odłożenie oceny do czasu sprawdzenia informacji	eksperyment przyczynowy [50]	wynik [50] bezpośrednio wspiera znaczenie czasu dla trafności oceny, ale nie stanowi walidacji kompletnej procedury obronnej
Zmęczenie mediami społecznościowymi	nie	–	ograniczanie przeciążenia i odkładanie decyzji o udostępnieniu, gdy uwaga jest wyczerpana	badanie przekrojowe [51]	zależność obserwacyjna nie dowodzi przyczynowości ani skuteczności proponowanej obrony
Komory echa / selektywna ekspozycja	nie	–	świadome poszerzanie źródeł i kontrolowanie własnych wyborów informacyjnych jako heurystyka	przegląd systematyczny [31], badanie Facebooka [12], kontrprzykład z Reddita [47]	brak jednoznacznej walidacji jednej procedury; wyniki zależą od platformy, definicji i sposobu pomiaru
Luka informacyjna (data void)	nie; istniejąca luka może zostać wykorzystana strategicznie	zwiększenie widoczności treści niskiej jakości w obszarze o małej konkurencji informacyjnej	szukanie niezależnych, wiarygodnych źródeł; nietraktowanie samego wyszukiwania jako weryfikacji	analiza koncepcyjna [37], pięć eksperymentów [58]	lateral reading [14], [19], [22] pośrednio wspiera weryfikację źródeł, ale nie został osobno zwalidowany jako obrona przed lukami informacyjnymi
Agenda-setting	nie	przy celowym wykorzystaniu: zwiększenie postrzeganej ważności określonych tematów	porównywanie agend różnych źródeł i pytanie nie tylko o sposób przedstawienia tematu, lecz także o przyczyny jego obecności lub nieobecności	klasyczne badania nad agenda-setting [8]	brak
Mikrotargetowanie	tak jako praktyka doboru odbiorców	dotarcie z określonym komunikatem do wybranego segmentu	rozpoznawanie cechy, na podstawie której prawdopodobnie dopasowano reklamę; pomoc ta ma ograniczony zakres	badania [7], [48]	dwa eksperymenty [48] wykazały poprawę rozpoznawania reklam dopasowanych do osobowości, ale dotyczyły wąskiej grupy odbiorców i reklam kosmetycznych
Targetowanie psychologiczne	tak	zwiększenie dopasowania i perswazyjności komunikatu	brak dobrze potwierdzonej, swoistej obrony; ogólnego ostrzeżenia nie należy traktować jako wystarczającej ochrony	eksperymenty [6], [54]	w badaniu [54] ostrzeżenia nie usuwały przewagi ocenianej perswazyjności dopasowanych reklam
Generatywna personalizacja	zależy od zastosowania	dopasowanie treści i argumentów do konkretnego odbiorcy	brak dedykowanej obrony przedstawionej w tekście; należy odróżniać ocenianą perswazyjność od rzeczywistej zmiany zachowania	eksperymenty [40], [42], [53] oraz [45] dotyczący preferencji kandydackich; [36] porządkuje ograniczenia wnioskowania o wpływie poza eksperymentem	brak dedykowanej walidacji obrony przedstawionej w tekście

Praktyczna checklista

Rozbudowana mapa mechanizmów nie oznacza, że trzeba zapamiętać kilkadziesiąt nazw. W codziennym użyciu można ją sprowadzić do kilku pytań kontrolnych. Nie tworzą one kompletnego ani rozłącznego testu: ten sam przekaz może uruchamiać kilka mechanizmów jednocześnie.

• Teza: Czy odpowiedź nadal dotyczy pierwotnego twierdzenia, czy zastąpiono je innym albo zmieniono w toku rozmowy?
• Koszt i uwaga: Czy liczba zarzutów, presja czasu albo niekończące się żądania wyjaśnień utrudniają spokojną ocenę?
• Źródło i kontekst: Skąd pochodzi materiał, co przedstawiał pierwotnie i czy jego obecny opis zachowuje właściwy kontekst?
• Powtarzanie i pozorne poparcie: Czy informacja ma niezależne potwierdzenia, czy tylko wielokrotnie krąży między powiązanymi stronami i kontami?
• Widoczność: Dlaczego właśnie ten przekaz do mnie dotarł? Czy jego zasięg może wynikać z koordynacji, działania botów, rankingu platformy albo luki informacyjnej?
• Personalizacja: Dlaczego pokazano go właśnie mnie i czy jego treść mogła zostać dopasowana do określonych cech odbiorcy?
• Alternatywne wyjaśnienia: Czy obserwowany skutek może wynikać z innej przyczyny, na przykład z wyborów użytkowników, struktury ich kontaktów albo sposobu przeprowadzenia badania?
• Siła dowodów: Czy wniosek opiera się na jednym przykładzie, pojedynczym badaniu czy na wynikach powtarzających się w wielu niezależnych analizach?

Lista jest narzędziem orientacyjnym, a nie testem pozwalającym automatycznie rozpoznać manipulację lub ustalić cudzą intencję. Jej zadaniem jest spowolnienie oceny i wskazanie, co właściwie należałoby sprawdzić.

W proponowanej tu mapie ważniejsze od pamięciowego rozpoznawania etykiet jest rozumienie sposobu działania przekazu. W jednej z reanaliz eksperymentów gry i materiały wideo uczące rozpoznawania technik manipulacyjnych poprawiały rozróżnianie wiadomości wiarygodnych i niewiarygodnych, nie skłaniając uczestników jedynie do odrzucania większej liczby informacji. Interpretacja takich wyników pozostaje jednak przedmiotem sporu metodologicznego, a samo badanie nie dowodzi trwałej zmiany zachowania poza warunkami eksperymentalnymi (30).

Praktyczna procedura jest więc prosta:

1. zwolnić,
2. ustalić dokładną tezę,
3. sprawdzić źródło i kontekst,
4. poszukać niezależnego potwierdzenia,
5. oddzielić treść argumentu od sposobu zwiększania jego zasięgu,
6. rozważyć konkurencyjne wyjaśnienia
7. sformułować wniosek – z pewnością proporcjonalną do dostępnych dowodów.

Źródła

1. Fake News as a Two-Dimensional Phenomenon: A Framework and Research Agenda – Oxford University Press / Annals of the International Communication Association, 2019-04-09.
2. Misinformation, Disinformation, and Fake News: Lessons from an Interdisciplinary, Systematic Literature Review – Oxford University Press / Annals of the International Communication Association, 2024-03-06.
3. Conceptualizing the evolving nature of computational propaganda: a systematic literature review – Oxford University Press / Annals of the International Communication Association, 2025-03-14.
4. Disinformation as a context-bound phenomenon: toward a conceptual clarification integrating actors, intentions and techniques of creation and dissemination – Oxford University Press / Communication Theory.
5. Fighting cheapfakes: using a digital media literacy intervention to motivate reverse search of out-of-context visual misinformation – Oxford University Press / Journal of Computer-Mediated Communication.
6. The persuasive effects of political microtargeting in the age of generative artificial intelligence – PNAS Nexus / Oxford University Press, 2024-01-29.
7. Systematic discrepancies in the delivery of political ads on Facebook and Instagram – PNAS Nexus, 2024-06-18.
8. The Agenda-Setting Function of Mass Media – Public Opinion Quarterly / Oxford University Press, 1972-01-01.
9. From Dogwhistles to Bullhorns: Unveiling Coded Rhetoric with Language Models – Association for Computational Linguistics.
10. Paying Attention to Deflections: Mining Pragmatic Nuances for Whataboutism Detection in Online Discourse – Association for Computational Linguistics.
11. An Army of Me: Sockpuppets in Online Discussion Communities – Proceedings of WWW 2017 / arXiv copy, 2017-03-21.
12. Exposure to ideologically diverse news and opinion on Facebook – Science / AAAS, 2015-05-07.
13. Information disorder: Toward an interdisciplinary framework for research and policy making – Council of Europe.
14. Judging a text by its author – A meta-analysis of interventions to foster source credibility assessment – Learning and Individual Differences / LMU Open Access record.
15. SIFT (The Four Moves) – Hapgood / Mike Caulfield, 2019-06-19.
16. A Meta-Analytic Examination of the Continued Influence of Misinformation in the Face of Correction – Communication Research / SAGE, 2019-06-22.
17. Combatting the Misinformation Crisis: A Systematic Review of the Literature on Characteristics and Effectiveness of Media Literacy Interventions – Communication Research / SAGE Publications, 2025-08-28.
18. AI generation of rage bait: Implications for digital harms – New Media & Society, 2025-12-16.
19. Instruction Increases Canadian Students’ Preference for and Use of Lateral Reading Strategies to Fact-Check Online Information – AERA Open / SAGE Publications, 2023-08-23.
20. Discussing Credibility and Corroboration: Students’ Reasoning About Digital Sources and Claims During Lateral Reading Lessons – American Educational Research Journal / SAGE Publications, 2026-03-10.
21. Media Literacy Interventions Improve Resilience to Misinformation: A Meta-Analytic Investigation – Communication Research / SAGE, 2024-10-04.
22. Improving college students’ fact-checking strategies through lateral reading instruction in a general education civics course – Cognitive Research: Principles and Implications / Springer Nature, 2021-03-31.
23. Nordic Media Histories of Propaganda and Persuasion: An Introduction – Palgrave Macmillan / Springer Nature, 2022-10-15.
24. A SIFT Rebuild (in progress) – The End(s) of Argument / Mike Caulfield, 2026-03-29.
25. The Vacuity of Postmodernist Methodology – Metaphilosophy / Wiley, 2005-04-08.
26. Slipping Racism into the Mainstream: A Theory of Information Laundering – Communication Theory / Wiley, 2012-10-15.
27. Fallacies – Stanford Encyclopedia of Philosophy.
28. Systematic review and meta-analysis of the evidence for an illusory truth effect and its determinants – Nature Communications, 17, article 3270, 2026-02-27.
29. The GRADE Working Group clarifies the construct of certainty of evidence – Journal of Clinical Epidemiology / GRADE Working Group, 2017-05-18.
30. A signal detection theory meta-analysis of psychological inoculation against misinformation – Current Opinion in Psychology / PubMed, 2026-02-01.
31. Echo Chambers on Social Media: A Systematic Review of the Literature – Review of Communication Research.
32. Chapter 14: Completing Summary of findings tables and grading the certainty of the evidence – Cochrane.
33. Deep Fakes: A Looming Challenge for Privacy, Democracy, and National Security – California Law Review, 2019-12-01.
34. Epistemic Exhaustion and the Retention of Power – Cambridge University Press / Hypatia, 2024-03-21.
35. Just Asking! On “Friendly” Forms of Harassment – Cambridge University Press / Hypatia, 2024-02-28.
36. A Framework to Assess the Persuasion Risks Large Language Model Chatbots Pose to Democratic Societies – Journal of Experimental Political Science, 2026-06-04.
37. Data Voids: Where Missing Data Can Easily Be Exploited – Data & Society / Microsoft Research, 2019-10-29.
38. The spread of low-credibility content by social bots – Nature Communications, 2018-11-20.
39. Accuracy prompts are a replicable and generalizable approach for reducing the spread of misinformation – Nature Communications, 2022-04-28.
40. LLM-generated messages can persuade humans on policy issues – Nature Communications, 2025-07-01.
41. Prominent misinformation interventions reduce misperceptions but increase scepticism – Nature Human Behaviour, 2024-06-10.
42. On the conversational persuasiveness of GPT-4 – Nature Human Behaviour, 2025-05-19.
43. Following news on social media boosts knowledge, belief accuracy and trust – Nature Human Behaviour, 2025-06-27.
44. Misunderstanding the harms of online misinformation – Nature, 2024-06-05.
45. Persuading voters using human–artificial intelligence dialogues – Nature, 2025-12-04.
46. Redesigning algorithms to intervene on social norm misperceptions during a national election – Nature, 2026-05-27.
47. No echo in the chambers of political interactions on Reddit – Scientific Reports / Nature Portfolio, 2021-02-02.
48. Boosting people’s ability to detect microtargeted advertising – Scientific Reports, 2021-08-02.
49. Coordination patterns reveal online political astroturfing across the world – Scientific Reports, 2022-03-17.
50. Time pressure reduces misinformation discrimination ability but does not alter response bias – Scientific Reports, 2022-12-27.
51. Examining the association between social media fatigue, cognitive ability, narcissism and misinformation sharing: cross-national evidence from eight countries – Scientific Reports, 2023-09-18.
52. Crowdsourced audit of Twitter’s recommender systems – Scientific Reports, 2023-10-05.
53. The potential of generative AI for personalized persuasion at scale – Scientific Reports, 2024-02-26.
54. Warning people that they are being microtargeted fails to eliminate persuasive advantage – Communications Psychology / Springer Nature, 2025-01-29.
55. The Russian „Firehose of Falsehood” Propaganda Model: Why It Might Work and Options to Counter It – RAND Corporation, 2016-07-11.
56. The illusory truth effect: A review of how repetition increases belief in misinformation – Current Opinion in Psychology / Elsevier, 2024-04-01.
57. Just the tip of the iceberg? State of the art of coordinated social media manipulation research – Information, Communication & Society / Taylor & Francis, 2025-12-26.
58. Online searches to evaluate misinformation can increase its perceived veracity – Nature, 2023-12-20.