Metod

Kako je tvrdnja proveravana

Ovo je narativni pregled dokaza, ne sistematski pregled svih objavljenih radova. Izvori su birani po jednostavnoj hijerarhiji: randomizovani terenski i laboratorijski eksperimenti, meta-analize i veliki opservacioni skupovi podataka, zatim zvanična objašnjenja samih platformi i regulatorni dokumenti. Novinski tekstovi i izjave tehnoloških direktora nisu korišćeni kao dokaz uzročnosti.

Provera je vođena kroz četiri pitanja. Šta sistemi za preporuku zaista mere? Koji sadržaj prirodno dobija više reakcija? Da li promena redosleda sadržaja menja ponašanje ili stavove? Šta znamo o pažnji, mentalnom zdravlju i vremenu bez stimulacije?

Najveća metodološka teškoća je očigledna. Nezavisni istraživači retko imaju pristup kompletnim podacima, eksperimentima i promenama modela unutar platformi. Algoritam koji se meri danas može sledećeg meseca raditi drugačije. Većina političkih istraživanja dolazi iz Sjedinjenih Država, pa rezultate ne treba automatski preslikavati na Srbiju ili ostatak sveta.

Predmet istraživanja

Telefon nije glavna promena

Internet je dugo bio mesto na kojem je čovek uglavnom birao odredište. Ukucao bi adresu, otvorio forum, potražio nešto ili pročitao naslovnu stranu koju je neko uredio. Taj svet nije bio ni čist ni neutralan. Urednici su imali interese, televizija je jurila gledanost, tabloidi su prodavali strah mnogo pre aplikacija. Ipak, postojao je kraj stranice, raspored je često bio isti za sve, a izbor izvora bio je vidljiviji.

Promena je stizala u etapama. YouTube navodi da je 2012. u preporuke uveo vreme gledanja, jer klik nije dovoljno dobro pokazivao da li je gledalac dobio ono što je želeo. Danas koristi više signala, među njima klikove, vreme gledanja, deljenja, ocene, ankete o zadovoljstvu i procene kvaliteta. Facebook opisuje sistem koji iz hiljada signala pravi predviđanja, a TikTok otvoreno objašnjava da svaka nova interakcija dodatno oblikuje tok "For You".¹²³

Zato nije sasvim tačno reći da današnji algoritmi imaju jednu prostu metu, recimo samo vreme gledanja ili prihod od oglasa. Velike platforme tvrde da uključuju zadovoljstvo korisnika, bezbednost i dugoročnu vrednost, a postoje i jasni primeri namernog smanjivanja preporuka za štetan ili graničan sadržaj. Precizniji problem nalazi se u izboru zamenskih mera. Klik, komentar i sekunda gledanja stižu odmah. Da li je čovek nešto razumeo, da li mu je sadržaj bio dobar tri dana kasnije i da li je zajednica zbog njega postala razumnija, to stiže sporo ili se uopšte ne meri.

Raniji mediji pokušavali su da privuku pažnju. Današnji sistem istovremeno posmatra reakciju, menja sledeći izbor i ponovo testira rezultat. Razlika nije moralna čistota starog sveta. Razlika je brzina, individualna prilagodljivost i zatvorena povratna sprega.

Mehanizam

Petlja koja ne mora ništa da želi

Algoritam nema političko uverenje, nervni sistem ni tajni plan da nekoga razbesni. Dovoljno je da dobije zadatak da predvidi šta će verovatno izazvati reakciju. Ako bes, strah, seksualna radoznalost, statusno poređenje ili plemenska pripadnost češće proizvode merljiv odgovor, ti obrasci dobijaju veću distribuciju čak i kada ih niko nije uneo kao eksplicitan cilj.

U toj petlji ne menjaju se samo preporuke. Menjaju se i ljudi koji prave sadržaj. Naslov postaje oštriji, snimak brži, lice izražajnije, stav sigurniji. To nije nužno obmana. Čovek vrlo brzo nauči kakva verzija njega dobija odgovor publike.

Postoji i direktan dokaz da društvene povratne informacije deluju kao nagrada. Analiza više od milion objava preko nekoliko platformi, uz naknadni eksperiment, pokazala je da je učestalost objavljivanja pratila obrasce koje predviđaju modeli učenja putem nagrade. Više lajkova menjalo je ritam i vreme do budućeg objavljivanja.⁴ To podržava tvrdnju da povratna informacija oblikuje ponašanje. Ne dokazuje popularnu priču da je svaki korisnik "zavisan od dopamina", niti da je korišćenje društvenih mreža isto što i zavisnost od supstance. Takav jezik je daleko sigurniji od dostupnih podataka.

Rezultati

Zašto bes i sukob dobijaju prednost

Emocionalan sadržaj nije uvek loš. Bes može da otkrije nepravdu, solidarnost može da pokrene pomoć, a moralni jezik može da okupi ljude oko stvarnog problema. Nalaz nije da emociju treba ukloniti. Nalaz je da sistem zasnovan na reakcijama ne razlikuje lako važan moralni alarm od jeftine provokacije.

Jedna studija iz 2017. analizirala je više od pola miliona poruka o spornim političkim temama i našla da je svaka dodatna moralno-emocionalna reč bila povezana sa približno 20 odsto većom stopom deljenja. Novija preregistrovana replikacija i meta-analiza 27 skupova podataka, sa ukupno više od 4,8 miliona poruka, našla je manji, ali i dalje pozitivan prosečan efekat od oko 13 odsto. Efekat nije bio isti u svakoj temi, a u nekoliko skupova išao je u suprotnom smeru.⁵ Ovo je dobar primer kako naučni rezultat sazri: početni nalaz opstane, ali postane skromniji i precizniji.

U drugoj velikoj analizi, 2,73 miliona objava američkih medija i članova Kongresa, poruke o političkoj grupi protivnika deljene su približno dvostruko češće od poruka o sopstvenoj grupi. Jedna dodatna reč koja označava političkog protivnika bila je povezana sa 67 odsto većim izgledima za deljenje.⁶ To je opservacioni nalaz. Pokazuje snažan podsticaj, ali sam ne dokazuje da je algoritam izazvao netrpeljivost.

Slična opreznost potrebna je kod lažnih vesti. Poznata studija u časopisu Science pratila je oko 126.000 proverenih priča koje su korisnici Twittera širili od 2006. do 2017. Lažne priče imale su oko 70 odsto veću verovatnoću da budu ponovo podeljene, a do prvih 1.500 ljudi stizale su približno šest puta brže. Razlika je ostala i kada su botovi uklonjeni iz analize.⁷ Studija govori mnogo o ljudskom izboru da deli novo i iznenađujuće. Ne meri neposredno koliko je tadašnji algoritam povećao taj efekat.

Sistem ne mora da nagrađuje laž zato što je laž. Dovoljno je da nagrađuje osobine koje dobro napravljena laž često ima: novinu, sigurnost, emocionalni naboj i jasan razlog da odmah reagujemo.

Veza između ljudske sklonosti i algoritamskog rangiranja danas se meri direktnije. Preregistrovano ispitivanje Twitterovog toka pokazalo je da je rangiranje zasnovano na interakcijama, u poređenju sa obrnutim hronološkim redom, pojačavalo političke objave ispunjene besom i neprijateljstvom prema drugoj grupi. Korisnici pritom nisu rekli da te objave više vole.⁸ U randomizovanom eksperimentu objavljenom 2026, 2.000 ljudi je tokom osam nedelja koristilo različite tokove sadržaja. Tok zasnovan na interakcijama prikazivao je više moralizovanog, emocionalnog i toksičnog sadržaja i povećao procenu da politički protivnici osećaju netrpeljivost. Alternativni algoritam je smanjio takav sadržaj bez merljivog pada uživanja u platformi.⁹

Taj poslednji rezultat ruši zgodan izgovor da je izbor samo između privlačne, otrovne mreže i zdrave, dosadne mreže. Dizajn cilja menja ishod.

Tumačenje

Zašto promenu teško primećujemo iznutra

Televizijski dnevnik je mogao biti pristrasan, ali su milioni gledali isti redosled priloga. Personalizovani tok nema jednu naslovnu stranu. Dvoje ljudi mogu otvoriti istu aplikaciju na istom mestu i dobiti sasvim različit uzorak sveta. Zato nema jednog predmeta koji društvo može da stavi na sto i zajedno pregleda.

Svaki pojedinačni pomak izgleda bezazleno: još jedan video, još jedan predlog, malo više sadržaja sličnog prethodnom. Iz korisničke perspektive tok deluje kao odraz ličnog interesovanja. Delom to i jeste. Ali odraz nije pasivan. On bira šta će pojačati, a zatim iz naše reakcije zaključuje šta smo "mi". Posle dovoljno ponavljanja teško je razdvojiti početnu sklonost od navike koju je sistem pomogao da učvrstimo.

Ipak, popularna slika potpuno zatvorenih "mehurova" previše je jednostavna. Analiza političkih vesti koje je 208 miliona američkih korisnika moglo da vidi na Facebooku tokom izbora 2020. našla je visoku ideološku razdvojenost, koja je rasla od dostupnog sadržaja ka stvarno viđenom i sadržaju sa kojim se reagovalo.¹⁰ Ali eksperiment u kojem je algoritamski tok tri meseca zamenjen hronološkim znatno je promenio sadržaj i smanjio korišćenje platforme, bez merljive promene političkog znanja, ideološke oštrine ili netrpeljivosti u tom periodu.¹¹

Noviji terenski eksperiment na platformi X dao je drugačiji rezultat. Sedam nedelja algoritamskog toka povećalo je korišćenje i pomerilo neke stavove američkih korisnika u konzervativnom smeru, u skladu sa sadržajem koji je taj konkretan sistem pojačavao. Nije promenilo stranačku pripadnost niti afektivnu polarizaciju.¹² Najpošteniji zaključak nije da algoritmi menjaju svačije mišljenje, niti da nemaju politički efekat. Efekat zavisi od platforme, cilja rangiranja, sadržaja, trajanja i već postojećih veza korisnika.

Ono što sigurno menjaju jeste dnevni uzorak stvarnosti. Promena mišljenja je teži i sporiji ishod. Promena teme o kojoj mislimo, osećaja koliko je neka pojava česta i procene šta "svi" rade može nastati mnogo ranije.

Granice zaključka

Mentalno zdravlje: signal postoji, presuda još ne

Najlakše je ovde skliznuti u dve podjednako loše tvrdnje. Jedna kaže da su društvene mreže izazvale čitavu krizu mentalnog zdravlja mladih. Druga kaže da nema razloga za brigu zato što prosečni efekti u nekim pregledima nisu veliki. Dokazi ne daju pravo ni na jednu krajnost.

Pregledi istraživanja uglavnom nalaze povezanost između problematične ili intenzivne upotrebe i depresivnosti, anksioznosti ili psihološkog stresa, ali se veličina nalaza menja sa načinom korišćenja, vrstom sadržaja, polom, uzrastom i ranijom ranjivošću. Pasivno poređenje, uznemiravanje, sadržaj o samopovređivanju i gubitak sna nisu isto što i razgovor sa bliskim prijateljem. Američko psihološko udruženje zato izričito navodi da upotreba nije sama po sebi ni korisna ni štetna, da su uzročni nalazi retki i da dugoročni podaci još nedostaju.¹³

Randomizovani eksperimenti ipak pokazuju da makar deo veze može biti uzročan. U jednom velikom eksperimentu, četvoronedeljno gašenje Facebooka povećalo je subjektivno blagostanje, podstaklo više vremena sa porodicom i prijateljima i smanjilo političko znanje i polarizaciju.¹⁴ U manjem eksperimentu, sedmodnevna pauza od više društvenih mreža poboljšala je prijavljeno blagostanje i smanjila simptome depresivnosti i anksioznosti.¹⁵ To nisu dokazi da bi svi dobili isti rezultat, da efekat traje ili da je uklanjanje mreža najbolji odgovor.

Drugi deo hipoteze

Tiha smrt praznog hoda

Red u prodavnici, vožnja autobusom, čekanje prijatelja, nekoliko minuta pre sastanka. Ti mali prekidi nekada nisu morali ničim da budu popunjeni. Danas u džepu postoji sadržaj precizno izabran da sledećih nekoliko sekundi ne ostane prazno. Nije potrebno da provedemo ceo dan pred ekranom. Dovoljno je da ekran zauzme skoro svaki trenutak u kojem bi misao ostala bez spoljnog zadatka.

"Smrt dosade" nije dijagnoza niti izmeren globalni događaj. To je tumačenje promene svakodnevice. Nauka ipak daje nekoliko razloga da ga shvatimo ozbiljno. Sama notifikacija može da pogorša učinak na zadatku pažnje čak i kada čovek ne uzme telefon.¹⁶ Posmatranja digitalnog rada pokazuju da ljudi u proseku menjaju ekran ili radni kontekst mnogo češće nego pre dve decenije. Često ponavljana brojka od 47 sekundi odnosi se na vreme provedeno na jednom ekranu pre promene, ne na univerzalni biološki "raspon pažnje" čovečanstva.¹⁷

Dosada sama po sebi nije lek. Hronična dosada može biti neprijatna i povezana sa lošim ishodima. Ali postoji razlika između iscrpljujuće praznine i kratkog perioda bez novih podražaja. U laboratorijskom eksperimentu, jednostavan nezahtevan zadatak koji je dopuštao lutanje misli poboljšao je kasniji učinak na ranije započetom testu u kojem su učesnici smišljali neobične upotrebe svakodnevnih predmeta, u poređenju sa zahtevnim zadatkom, odmorom ili izostankom pauze.¹⁸ To je uzak nalaz, ne dokaz da će svaka šetnja bez telefona proizvesti dobru ideju. Pokazuje da um bez stalnog spoljnog zahteva ne mora biti neproduktivan.

Ovde se dve teme spajaju. Beskonačan tok ne uzima samo vreme. On postavlja sve viši prag za ono što doživljavamo kao dovoljno zanimljivo. Knjiga, razgovor ili sopstvena misao zatim moraju da se takmiče sa sistemom koji može da promeni temu jednim pokretom prsta i koji o našim prethodnim reakcijama zna više nego bilo koja pojedinačna knjiga.

Zaključak

Problem nije sadržaj, već pravo da se odredi sledeći sadržaj

Štampa, radio i televizija promenili su ono što društva znaju. Personalizovani sistemi preporuke menjaju i sam proces po kojem nešto dobija priliku da bude saznato. Njihova moć nije u tome što mogu svakoga da ubede u bilo šta. Dokazi za takvu verziju manipulacije ne postoje. Moć je u bezbroj malih odluka o vidljivosti: koja tema ulazi u svest, koji ton izgleda normalno, čiji bes deluje masovno i šta će autor sutra proizvesti jer je danas bilo nagrađeno.

Moja početna tvrdnja zato ostaje, ali u užem obliku. Jedna od najgorih nedovoljno shvaćenih promena nije telefon, internet ili algoritam sam po sebi. To je normalizacija informacionog okruženja u kojem merljive trenutne reakcije imaju veću težinu od teško merljivih dugoročnih vrednosti, a svaki čovek dobija zasebno uređenu verziju tog okruženja.

Lična disciplina pomaže, ali ne rešava arhitekturu sistema. Razuman odgovor postoji na tri nivoa.

Ne moramo da zabranimo preporuke niti da se vratimo u vreme tri televizijska kanala. Treba da prestanemo da se ponašamo kao da je postojeći način rangiranja prirodni zakon interneta. To je skup tehničkih i poslovnih odluka. Može biti napravljen drugačije.