چگونه الگوریتم‌های شخصی‌سازی‌شده مغز را به سمت پاسخ‌های غلط سوق می‌دهند؟

آیا الگوریتم‌های شبکه‌های اجتماعی و پلتفرم‌های اینترنتی واقعاً به یادگیری بهتر ما کمک می‌کنند؟ یا اینکه به صورت پنهانی دیدگاه ما را نسبت به واقعیت تحریف می‌کنند؟ پژوهش جدید دانشمندان روانشناسی دانشگاه ایالتی اوهایو نشان می‌دهد که الگوریتم‌های شخصی‌سازی اطلاعات، یادگیری کاربران را مختل می‌کنند. این سیستم‌ها افراد را در تونل‌های اطلاعاتی تنگ قرار می‌دهند و نوعی توهم دانش ایجاد می‌کنند. نتایج این پژوهش در مجله علمی Journal of Experimental Psychology: General به چاپ رسیده است.

مکانیسم اثر الگوریتم‌ها بر فرآیند یادگیری و تفکر

الگوریتم‌های شخصی‌سازی تلاش می‌کنند محتوایی را پیش روی کاربر بگذارند که با سلایق قبلی او همخوانی دارد. این الگوریتم‌ها تنوع اطلاعات دریافتی را به شدت کاهش می‌دهند. پژوهشگران دریافتند که این فرآیند محدودکننده، نحوه تحلیل و دسته‌بندی اطلاعات در مغز را تغییر می‌دهد.

کاربرانی که در محیط‌های الگوریتمی قرار می‌گیرند، اطلاعات را به صورت کاملاً گزینشی بررسی می‌کنند. آن‌ها ابعاد مهمی از موضوعات را به کلی نادیده می‌گیرند. در نتیجه، الگوی ذهنی ناخواسته و نادرستی از موضوعات در مغز این افراد شکل می‌گیرد.

بروز توهم دانش و اطمینان کاذب در پاسخ‌های نادرست

یکی از نگران‌کننده‌ترین یافته‌های این پژوهش، میزان اطمینان کاربران به پاسخ‌های اشتباه خود است. شرکت‌کنندگانی که تحت هدایت الگوریتم‌ها آموزش دیدند، در آزمون‌های نهایی دچار خطاهای فراوانی شدند. اما این افراد اعتماد به نفس بالایی در صحت پاسخ‌های غلط خود نشان دادند.

گیوون باگ (Giwon Bahg)، سرپرست این پژوهش، تاکید می‌کند که کاربران هنگام ارائه پاسخ‌های اشتباه، حتی اطمینان بیشتری نسبت به پاسخ‌های درست خود داشتند. این فرآیند یک اعتماد به نفس کاذب ایجاد می‌کند. افراد تصور می‌کنند موضوعی را کاملاً درک کرده‌اند، در حالی که دانش آن‌ها کاملاً ناقص و تحریف‌شده است.

روش‌شناسی پژوهش و آزمایش با موجودات خیالی

تیم تحقیقاتی برای حذف دانش قبلی شرکت‌کنندگان، یک تکلیف یادگیری طراحی کرد. در این آزمایش ۳۴۶ شرکت‌کننده آموزش دیدند تا گونه‌های مختلفی از موجودات کریستالی خیالی را شناسایی کنند. ویژگی‌های ظاهری این موجودات پشت جعبه‌های خاکستری پنهان شده بود.

پژوهشگران نحوه نمایش ویژگی‌ها را توسط الگوریتم‌های شخصی‌سازی‌شده مدیریت کردند. نتایج نشان داد افرادی که با الگوریتم یاد گرفتند، ویژگی‌های بسیار کمتری را بررسی کردند. هنگام مواجهه با نمونه‌های جدید، این کاربران دچار خطاهای فاحشی در دسته‌بندی شدند.

پیامدهای اجتماعی الگوریتم‌ها و شتاب‌گیری تفکر کلیشه‌ای

نتایج این مطالعه نشان می‌دهد که الگوریتم‌ها می‌توانند پایه‌های تفکر افراد را در سطح جامعه تخریب کنند. وقتی الگوریتم‌ها محتوای مشابه را تکرار می‌کنند، فرصت یادگیری جامع از بین می‌رود. این فرآیند موجب شکل‌گیری تفکر کلیشه‌ای و تعصبات مفهومی شدید در افراد می‌شود.

ولادیمیر اسلوتسکی (Vladimir Sloutsky)، استاد روانشناسی و همکار این پژوهش، هشدار می‌دهد که مصرف مداوم محتوای مشابه با یادگیری واقعی مغز در تناقض است. این مسئله نه‌تنها به تصمیم‌گیری‌های فردی آسیب می‌زند، بلکه جامعه را با پیامدهای سنگینی روبه‌رو می‌کند.

راهکارهایی برای مواجهه با سوگیری الگوریتم‌ها

این کشف علمی نشان می‌دهد که الگوریتم‌های اینترنتی شکل‌گیری دانش را در مغز ما هدایت می‌کنند. برای جلوگیری از این آسیب شناختی، کاربران باید به صورت فعالانه به دنبال منابع متنوع اطلاعاتی باشند.

مواجهه با دیدگاه‌های متضاد و جستجوی فعالانه اطلاعات، مانع از شکل‌گیری توهم دانش و تعصبات الگوریتمی می‌شود.

شناسنامه و منبع مقاله علمی

• عنوان اصلی مقاله: Algorithmic personalization of information can cause inaccurate generalization and overconfidence

• نویسندگان: Giwon Bahg, Vladimir M. Sloutsky, Brandon M. Turner

• مرجع و مجله: Journal of Experimental Psychology: General (2025); Volume 154, Issue 9, Pages 2503–2522

• شماره ثبت مقاله (PMCID / DOI): DOI: 10.1037/xge0001763

• لینک دسترسی مستقیم به مقاله علمی: https://doi.org/10.1037/xge0001763