Dostęp do informacji nigdy nie był tak łatwy, jak obecnie. Trudniejsze stało się jednak rozpoznanie, które wiadomości są prawdziwe, a które jedynie brzmią wiarygodnie. Szacuje się, że każdego dnia na świecie powstaje około 402,74 mln terabajtów danych. To wartość orientacyjna, obejmująca dane tworzone, kopiowane, przechwytywane i wykorzystywane cyfrowo, dlatego nie należy traktować jej jako dokładnego pomiaru całej „wiedzy” publikowanej w Internecie (Źródło: Exploding Topics, 2026).
W świecie nadmiaru treści samo znalezienie informacji już nie wystarcza. Potrzebujemy umiejętności sprawdzania jej źródła, kontekstu i wiarygodności.
Nadmiar informacji utrudnia dotarcie do prawdy
Światowa Organizacja Zdrowia używa pojęcia infodemia na określenie nadmiaru informacji, zarówno prawdziwych, jak i fałszywych lub wprowadzających w błąd, pojawiających się podczas epidemii i innych zagrożeń dla zdrowia. Taki natłok treści może wywoływać dezorientację i utrudniać znalezienie wiarygodnych wskazówek (Źródło: WHO).
Chociaż termin odnosi się przede wszystkim do kryzysów zdrowotnych, dobrze pokazuje szerszy problem współczesnej komunikacji: duża liczba dostępnych informacji nie oznacza automatycznie, że łatwiej zdobywamy rzetelną wiedzę.
Efekt potwierdzenia: dlaczego szukamy informacji zgodnych z naszymi poglądami?
Jedną z przeszkód w obiektywnej ocenie treści jest efekt potwierdzenia. To tendencja do poszukiwania, interpretowania i zapamiętywania informacji w sposób zgodny z wcześniej przyjętymi przekonaniami. Dowody podważające nasze stanowisko możemy natomiast pomijać lub oceniać bardziej krytycznie (Źródło: Nickerson, 1998).
Media społecznościowe mogą wzmacniać ten mechanizm, ponieważ na dobór widocznych treści wpływają zarówno algorytmy rekomendacyjne, jak i nasze własne decyzje: obserwowane profile, kliknięcia czy udostępnienia. Badania pokazują, że skala tworzenia się internetowych baniek informacyjnych jest różna i zależy od konkretnej platformy, zachowań użytkowników i sposobu działania jej systemu rekomendacji (Źródło: Cinelli i in., 2021).
Efekt iluzorycznej prawdy: powtarzane stwierdzenie brzmi wiarygodniej
Kolejnym zagrożeniem jest efekt iluzorycznej prawdy. Polega on na tym, że wcześniej usłyszane lub wielokrotnie powtarzane stwierdzenia mogą wydawać się bardziej prawdziwe niż informacje, z którymi spotykamy się po raz pierwszy.
Zjawisko opisali w 1977 roku Lynn Hasher, David Goldstein i Thomas Toppino. Badacze zauważyli, że wraz z kolejnymi powtórzeniami rosła ocena prawdziwości prezentowanych stwierdzeń (Źródło: Hasher, Goldstein i Toppino, 1977).
Późniejsze eksperymenty wykazały, że wcześniejsza wiedza nie zawsze chroni przed tym efektem. Powtórzenie może zwiększyć wiarygodność fałszywego stwierdzenia nawet wtedy, gdy odbiorca zna prawidłową odpowiedź (Fazio i in., 2015).
Dlatego liczba wyświetleń, udostępnień lub powtórzeń danej tezy nie jest dowodem jej prawdziwości.
Sztuczna inteligencja także może podawać błędne informacje
Generatywna sztuczna inteligencja potrafi tworzyć płynne, logicznie brzmiące odpowiedzi, które zawierają nieprawdziwe informacje, zmyślone szczegóły albo nieistniejące źródła. Zjawisko to nazywane jest halucynacją modelu. Badacze podkreślają, że wiarygodny styl wypowiedzi nie gwarantuje jej zgodności z faktami (Źródło: Ji i in., 2023).
Więcej na ten temat znajdziesz w artykule: Czy AI może kłamać? Halucynacje a świadome kłamstwo modeli językowych
Odpowiedzi AI warto więc traktować jako punkt wyjścia, a nie ostateczne źródło wiedzy. Szczególnego sprawdzenia wymagają liczby, cytaty, nazwiska, wyniki badań oraz informacje dotyczące zdrowia, prawa i finansów.
Czy potrafimy oceniać informacje w Internecie?
W badaniu Stanford History Education Group uczniowie i studenci wykonywali zadania sprawdzające m.in. rozpoznawanie treści sponsorowanych i ocenę wiarygodności źródeł internetowych. Analiza 7804 odpowiedzi wykazała, że wielu uczestników miało duże trudności z prawidłową oceną prezentowanych materiałów (Źródło: Wineburg i in., 2016).
Pokazuje to, że swobodne korzystanie z Internetu nie oznacza jeszcze umiejętności weryfikowania znalezionych tam informacji.
Jak rozwijać krytyczne myślenie?
Przed uznaniem informacji za prawdziwą warto zadać pięć pytań:
- Kto jest autorem informacji?
Czy można sprawdzić jego wiedzę, doświadczenie i powiązania? - Na jakim źródle opiera się twierdzenie?
Najlepiej dotrzeć do badania, raportu lub oficjalnych danych, zamiast powoływać się wyłącznie na cudze omówienie. - Czy inne niezależne źródła to potwierdzają?
Powtarzanie tej samej wiadomości przez wiele portali nie zawsze oznacza, że została niezależnie zweryfikowana. - Czy informacja jest aktualna i przedstawiona w odpowiednim kontekście?
Prawdziwe dane mogą wprowadzać w błąd, jeśli są nieaktualne, niepełne albo wyrwane z szerszej analizy. - Czy wierzę w to dlatego, że mam dowody, czy dlatego, że zgadza się to z moimi poglądami?
To pytanie pomaga ograniczyć wpływ efektu potwierdzenia.
Krytyczne myślenie nie oznacza odrzucania wszystkiego ani zakładania, że każdy próbuje nas oszukać. To gotowość do sprawdzania dowodów, zmiany zdania i odróżniania przekonującej narracji od rzetelnej wiedzy.
Źródła:
- Cinelli, M. i in. (2021), The Echo Chamber Effect on Social Media, „Proceedings of the National Academy of Sciences”. Publikacja
- Fazio, L.K. i in. (2015), Knowledge Does Not Protect Against Illusory Truth, „Journal of Experimental Psychology: General”. Publikacja
- Hasher, L., Goldstein, D., Toppino, T. (1977), Frequency and the Conference of Referential Validity, „Journal of Verbal Learning and Verbal Behavior”. Publikacja
- Ji, Z. i in. (2023), Survey of Hallucination in Natural Language Generation, „ACM Computing Surveys”. Publikacja
- Nickerson, R.S. (1998), Confirmation Bias: A Ubiquitous Phenomenon in Many Guises, „Review of General Psychology”. Publikacja
- WHO, Infodemic. Strona organizacji
- Wineburg, S. i in. (2016), Evaluating Information: The Cornerstone of Civic Online Reasoning, Stanford History Education Group. Raport
Dowiedz się więcej:
Książki:
- Daniel Kahneman, Pułapki myślenia. O myśleniu szybkim i wolnym – o błędach poznawczych i dwóch sposobach przetwarzania informacji.
- Carl T. Bergstrom, Jevin D. West, Calling Bullshit. The Art of Skepticism in a Data-Driven World – o rozpoznawaniu manipulacji opartych na liczbach, wykresach i pozornie naukowych argumentach.
- Tom Chatfield, Critical Thinking – praktyczne wprowadzenie do oceny argumentów, źródeł i dowodów.
- Michael P. Lynch, The Internet of Us – o tym, jak Internet wpływa na wiedzę, rozumienie i nasze przekonania.
Artykuły i raporty:
- Evaluating Information: The Cornerstone of Civic Online Reasoning – raport o umiejętności oceniania treści internetowych.
- Knowledge Does Not Protect Against Illusory Truth – badanie pokazujące, dlaczego sama wiedza może nie wystarczyć do ochrony przed wpływem powtórzeń.
- The Echo Chamber Effect on Social Media – porównanie mechanizmów tworzenia się komór pogłosowych na różnych platformach.
