97% ของข่าวปลอมการเมืองบน Facebook ไหลไปหาฝ่ายอนุรักษ์นิยมมากกว่า แต่ทดลองปิดอัลกอริทึมกับคนจริงกว่า 200,000 คน กลับไม่เปลี่ยนขั้วการเมืองแม้แต่นิด

เคยสงสัยไหมครับว่าฟีด Facebook หรือ Instagram ของคุณ "เลือก" ให้คุณเห็นอะไรบ้าง แล้วสิ่งที่มันเลือกให้เห็นนั้น กำลังทำให้คุณคิดเหมือนเดิมมากขึ้นเรื่อยๆ หรือเปล่า ความเชื่อนี้แพร่หลายอยู่มาก แต่มีงานวิจัยชุดสำคัญที่ให้ภาพซับซ้อนกว่า นั่นคือ "US 2020 Facebook and Instagram Election Study" ความร่วมมือที่ไม่เคยเกิดขึ้นมาก่อนระหว่าง Meta (บริษัทแม่ของ Facebook และ Instagram) กับนักวิชาการอิสระกว่า 20 คนจากมหาวิทยาลัยชั้นนำ ที่ได้รับอนุญาตให้เข้าถึงข้อมูลจริงและทดลองปรับแต่งฟีดของผู้ใช้จริงหลายแสนคนในช่วงก่อนและระหว่างการเลือกตั้งประธานาธิบดีสหรัฐฯ ปี 2020 ผลลัพธ์ที่ออกมาตีพิมพ์พร้อมกัน 4 ชิ้นใน Science และ Nature เมื่อปี 2023 (และมีชิ้นที่ 5 ตามมาใน PNAS ปี 2024) ไม่ใช่คำตอบง่ายๆ แบบ "อัลกอริทึมคือตัวร้าย" หรือ "อัลกอริทึมไม่มีผลอะไรเลย" อย่างที่สื่อบางแห่งสรุปไปนะครับ แต่เป็นภาพที่ซับซ้อนและน่าสนใจกว่านั้นมาก ในบทความนี้จะพาคุณไล่เรียงหลักฐานทั้ง 5 ชิ้นทีละขั้น ตั้งแต่คำถามว่าอัลกอริทึมทำให้เกิดฟองสบู่ความคิดจริงไหม ไปจนถึงคำถามสุดท้ายที่ท้าทายความเชื่อเดิมๆ ที่สุด คือถ้าปิดโซเชียลมีเดียไปเลยทั้งบัญชี จะเปลี่ยนความคิดทางการเมืองของคนได้จริงหรือไม่

อัลกอริทึมทำให้คนเห็นข่าวคนละโลกจริงไหม เปิดข้อมูล 208 ล้านบัญชี

ควรเริ่มจากคำถามพื้นฐานที่สุดก่อนครับ นั่นคือฟีดของแต่ละคนต่างกันขนาดไหนกันแน่ในทางการเมือง Sandra González-Bailón (University of Pennsylvania), David Lazer (Northeastern University) และคณะนักวิจัยอีกกว่า 20 คนจากทั้งฝั่ง Meta และมหาวิทยาลัยต่างๆ ตอบคำถามนี้ในงานชื่อ "Asymmetric Ideological Segregation in Exposure to Political News on Facebook" ตีพิมพ์ใน *Science* ปี 2023 (เล่ม 381 ฉบับ 6656 หน้า 392-398, DOI 10.1126/science.ade7138) โดยวิเคราะห์ข้อมูลผู้ใช้ Facebook ในสหรัฐฯ ที่เป็นผู้ใหญ่และใช้งานจริงกว่า 208 ล้านบัญชีในช่วงปี 2020 ทีมวิจัยเปรียบเทียบข่าวการเมืองใน 3 ระดับ คือข่าวทั้งหมดที่ "อาจจะเห็นได้" ถ้าไม่มีอัลกอริทึมมาคัดกรอง (potential exposure) ข่าวที่อัลกอริทึม "คัดมาให้เห็นจริง" (actual exposure) และข่าวที่คนมี "ปฏิสัมพันธ์ด้วยจริง" เช่นกดไลก์หรือคลิก (engagement)

ผลลัพธ์ที่น่าสนใจที่สุดคือ ระดับการแบ่งขั้วเชิงอุดมการณ์เพิ่มขึ้นเรื่อยๆ ตามลำดับทั้งสามขั้นนี้ พูดง่ายๆ คือคนเราไม่ได้แค่ถูกอัลกอริทึมป้อนเนื้อหาที่เอียงไปทางความเชื่อเดิมเท่านั้น แต่พอถึงขั้นตอนที่คนเลือกจะคลิกหรือมีปฏิสัมพันธ์เองด้วย ความเอียงก็ยิ่งชัดขึ้นไปอีก และที่สำคัญกว่านั้นคือรูปแบบนี้ไม่ได้สมมาตรกันระหว่างสองขั้วการเมือง ฝ่ายอนุรักษ์นิยมมีแนวโน้มอยู่ในวงที่ปิดกว่าและเห็นเนื้อหาคุณภาพต่ำมากกว่าฝ่ายเสรีนิยมอย่างชัดเจน โดยเฉพาะตัวเลขที่น่าตกใจที่สุดคือ ข่าวการเมืองที่ถูกผู้ตรวจสอบข้อเท็จจริงบุคคลที่สามของ Meta ประเมินว่าเป็นข่าวเท็จนั้น มีถึง 97% ที่ถูกฝ่ายอนุรักษ์นิยมเห็นมากกว่าฝ่ายเสรีนิยม เกือบจะเป็นทิศทางเดียวหมดเลยครับ ทีมวิจัยเองก็ระบุข้อจำกัดตรงไปตรงมาว่างานชิ้นนี้เป็นการวิเคราะห์เชิงพรรณนา (descriptive) จากข้อมูลการใช้งานจริงในช่วงเวลาเดียว ไม่ใช่การทดลองที่สุ่มแทรกแซงอัลกอริทึม จึงบอกได้แค่ว่าความแตกต่างมีอยู่จริงและมีขนาดเท่าไหร่ แต่บอกไม่ได้ตรงๆ ว่าอะไรคือสาเหตุที่แท้จริง (เป็นเพราะอัลกอริทึม เพราะคนเลือกติดตามใคร หรือเพราะทั้งสองอย่างผสมกัน) คำถามที่ควรรู้ต่อจากตรงนี้คือ ถ้าอัลกอริทึมมีส่วนในการสร้างความเอียงแบบนี้จริง แล้วถ้าลองลดเนื้อหาจากแหล่ง "พวกเดียวกัน" ลงโดยตรงผ่านการทดลองจริง จะเปลี่ยนทัศนคติทางการเมืองของคนได้ไหม

ถ้าลดเนื้อหา "พวกเดียวกัน" ลงโดยตรง จะเปลี่ยนความคิดทางการเมืองได้ไหม

นี่แหละครับคือคำถามที่ Brendan Nyhan (Dartmouth), Jaime Settle (William & Mary), Emily Thorson (Syracuse), Magdalena Wojcieszak (UC Davis) และคณะ ตอบตรงๆ ในงานชื่อ "Like-Minded Sources on Facebook Are Prevalent but Not Polarizing" ตีพิมพ์ใน *Nature* ปี 2023 (เล่ม 620 ฉบับ 7972 หน้า 137-144, DOI 10.1038/s41586-023-06297-w) ทีมวิจัยเริ่มจากการวิเคราะห์ผู้ใช้ Facebook ในสหรัฐฯ ที่ใช้งานรายเดือนกว่า 231 ล้านคน พบว่าโดยเฉลี่ยแล้วผู้ใช้แต่ละคนได้รับเนื้อหาที่มาจากแหล่ง "พวกเดียวกันทางการเมือง" ถึง 50.4% ของสิ่งที่เห็น เทียบกับเนื้อหาจากแหล่งข้ามขั้ว (cross-cutting) เพียง 14.7% แต่ที่น่าสนใจคือมีแค่ 20.6% ของผู้ใช้เท่านั้นที่อยู่ในภาวะ "ฟองสบู่สุดขั้ว" จริงๆ คือได้รับเนื้อหาจากพวกเดียวกันเกิน 75% พูดง่ายๆ คือคนส่วนใหญ่ไม่ได้อยู่ในห้องเสียงสะท้อนที่ปิดสนิทอย่างที่หลายคนกลัวกัน

จากข้อมูลพื้นฐานนี้ ทีมวิจัยจึงทำการทดลองจริง สุ่มผู้ใช้ Facebook ที่ยินยอมเข้าร่วมกว่า 23,377 คน ให้บางกลุ่มได้รับฟีดที่ลดความสำคัญของโพสต์จากแหล่งพวกเดียวกันลงโดยตรงเป็นเวลา 3 เดือนในช่วงเลือกตั้ง ผลลัพธ์คือสัดส่วนเนื้อหาจากพวกเดียวกันในกลุ่มทดลองลดลงจาก 53.7% เหลือ 36.2% (ลดลง 0.77 ส่วนเบี่ยงเบนมาตรฐาน) ขณะที่เนื้อหาข้ามขั้วเพิ่มขึ้นจาก 20.7% เป็น 27.9% (เพิ่มขึ้น 0.43 ส่วนเบี่ยงเบนมาตรฐาน) เป็นการเปลี่ยนแปลงที่ค่อนข้างใหญ่ในแง่ประสบการณ์ที่คนเห็นจริงบนแพลตฟอร์ม เนื้อหาไม่สุภาพก็ลดลง 0.15 ส่วนเบี่ยงเบนมาตรฐาน และเนื้อหาจากบัญชีที่เคยถูกจับผิดเรื่องข้อมูลเท็จซ้ำๆ ก็ลดลง 0.10 ส่วนเบี่ยงเบนมาตรฐาน แต่จุดที่น่าตกใจที่สุดคือ เมื่อวัดผลต่อทัศนคติทางการเมืองที่ลงทะเบียนแผนการวัดผลไว้ล่วงหน้าทั้ง 8 ตัวชี้วัด (เช่นการแบ่งขั้วทางอารมณ์ ความสุดโต่งทางความคิดเห็น การประเมินผู้สมัคร ความเชื่อในข้อมูลเท็จ) กลับไม่พบผลที่มีนัยสำคัญทางสถิติเลยแม้แต่ตัวเดียว โดยช่วงความเชื่อมั่นตัดผลที่มีขนาดใหญ่กว่าประมาณ 0.12 ส่วนเบี่ยงเบนมาตรฐานออกไปได้เกือบทั้งหมด ทีมวิจัยยอมรับข้อจำกัดตรงไปตรงมาว่าการทดลอง 3 เดือนนี้จับผลจาก "การใช้ Facebook มานานหลายปีสะสม" ไม่ได้ และกลุ่มตัวอย่างที่ยินยอมเข้าร่วมก็อาจมีลักษณะบางอย่างต่างจากประชากรผู้ใช้ Facebook โดยรวม (บทความนี้มี Author Correction ตามมาภายหลังเรื่องข้อผิดพลาดเล็กน้อยในตารางเสริมที่ไม่กระทบตัวเลขหลักที่ยกมาข้างต้น) ผลลัพธ์นี้ชวนให้อยากรู้ต่อว่า ถ้าเปลี่ยนวิธีแทรกแซงจากการ "ลดความสำคัญ" เป็นการ "ตัดออกไปเลย" ในกลไกที่ต่างออกไป เช่นการตัดโพสต์ที่ถูกแชร์ต่อทั้งหมด จะให้ผลต่างจากนี้หรือไม่

ตัดโพสต์ที่ถูกแชร์ต่อออกจากฟีด จะช่วยลดข่าวปลอมได้แค่ไหน

Andrew M. Guess (Princeton), Neil Malhotra (Stanford), Jennifer Pan (Stanford) และคณะทีมเดียวกับงานก่อนหน้าส่วนใหญ่ ตอบคำถามนี้ในงานชื่อ "Reshares on Social Media Amplify Political News but Do Not Detectably Affect Beliefs or Opinions" ตีพิมพ์ใน *Science* ปี 2023 (เล่ม 381 ฉบับ 6656 หน้า 404-408, DOI 10.1126/science.add8424) โดยสุ่มผู้ใช้ Facebook ที่ยินยอมเข้าร่วมกว่า 23,402 คน ให้บางกลุ่มได้รับฟีดที่ไม่มีโพสต์ที่ถูกแชร์ต่อ (reshares) เลยเป็นเวลา 3 เดือน เหตุผลที่ทีมวิจัยสนใจกลไกนี้เป็นพิเศษก็เพราะการแชร์ต่อคือกลไกหลักที่ทำให้เนื้อหาแพร่กระจายเป็นไวรัลบนโซเชียลมีเดีย ถ้าตัดกลไกนี้ออกไปได้ ก็น่าจะเห็นผลชัดกว่าการแค่ลดความสำคัญของแหล่งพวกเดียวกัน

ผลลัพธ์ยืนยันสมมติฐานนี้ในแง่ของสิ่งที่คนเห็นจริงบนฟีดครับ กลุ่มที่ไม่มีโพสต์แชร์ต่อเห็นเนื้อหาการเมืองโดยรวมลดลงราว 20% เห็นข่าวการเมืองจากสำนักข่าวโดยเฉพาะลดลงมากกว่าครึ่งหนึ่ง และเห็นเนื้อหาจากแหล่งที่ไม่น่าเชื่อถือลดลงประมาณ 30.6% การคลิกและการมีปฏิสัมพันธ์โดยรวมก็ลดลงตามไปด้วย รวมถึงการคลิกข่าวที่มีจุดยืนทางการเมืองชัดเจนก็ลดลง แต่ผลข้างเคียงที่ทีมวิจัยพบและรายงานตรงไปตรงมาคือ การตัดโพสต์แชร์ต่อออกไปนี้ก็ทำให้ "ความรู้เกี่ยวกับข่าวสารปัจจุบัน" ของผู้เข้าร่วมลดลงอย่างชัดเจนด้วยเช่นกัน เพราะโพสต์แชร์ต่อจำนวนมากก็เป็นช่องทางที่คนได้รับรู้ข่าวสารจริงๆ ไม่ใช่แค่ข่าวปลอม ส่วนคำถามหลักที่ทีมวิจัยตั้งไว้ตั้งแต่ต้นคือผลต่อการแบ่งขั้วทางการเมืองและทัศนคติทางการเมืองรายบุคคล คำตอบคือไม่พบผลที่มีนัยสำคัญทางสถิติเลยสักตัวเดียวเช่นเดียวกับงานก่อนหน้า ทีมวิจัยระบุข้อจำกัดว่าการทดลองนี้สะท้อนอัลกอริทึมและระบบนิเวศข้อมูลข่าวสารของฤดูใบไม้ร่วงปี 2020 เท่านั้น ไม่ใช่ก่อนหน้านั้นหรือหลังจากนั้น และผลอาจแตกต่างออกไปได้หากศึกษาในช่วงเวลานานกว่านี้ หรือในช่วงที่ไม่ได้มีการเลือกตั้งที่สร้างความแตกแยกสูงเป็นพิเศษแบบปี 2020 จุดนี้สำคัญมากนะครับ เพราะมันบอกเราว่าแม้แต่การเปลี่ยนแปลงเนื้อหาที่คนเห็นแบบชัดเจนขนาดนี้ ก็ยังไม่ขยับทัศนคติทางการเมืองในช่วงเวลาสั้นๆ แบบนี้ คำถามที่ควรรู้ต่อคือ แล้วถ้าเปลี่ยนทั้งระบบการจัดอันดับฟีดไปเลย ไม่ใช่แค่ตัดองค์ประกอบเดียวออก จะให้ผลต่างจากนี้มากน้อยแค่ไหน

เปลี่ยนทั้งระบบฟีดเป็นเรียงตามเวลา จะพลิกผลลัพธ์ไปมากกว่านี้ไหม

ทีมเดียวกันคือ Andrew M. Guess, Neil Malhotra, Jennifer Pan และคณะ ตอบคำถามนี้ในงานชื่อ "How Do Social Media Feed Algorithms Affect Attitudes and Behavior in an Election Campaign?" ตีพิมพ์ใน *Science* ปี 2023 (เล่ม 381 ฉบับ 6656 หน้า 398-404, DOI 10.1126/science.abp9364) นี่คือการทดลองที่เข้มข้นที่สุดในบรรดาทั้งหมด เพราะแทนที่จะปรับแต่งองค์ประกอบเดียวในฟีดแบบสองงานก่อนหน้า ทีมวิจัยเปลี่ยนทั้งระบบการจัดอันดับเลย จากฟีดที่จัดอันดับด้วยอัลกอริทึมตามปกติ ไปเป็นฟีดที่เรียงตามลำดับเวลาธรรมดา (โพสต์ล่าสุดขึ้นก่อน) ทั้งบน Facebook และ Instagram เป็นเวลา 3 เดือนในช่วงเลือกตั้ง

ผลลัพธ์แรกที่น่าทึ่งที่สุดคือผลต่อพฤติกรรมการใช้งาน กลุ่มที่ยังใช้ฟีดอัลกอริทึมตามปกติใช้เวลาบนแพลตฟอร์มต่อวันมากกว่าค่าเฉลี่ยผู้ใช้ทั่วไปถึง 73% ขณะที่กลุ่มที่ถูกเปลี่ยนเป็นฟีดเรียงตามเวลาใช้เวลามากกว่าค่าเฉลี่ยเพียง 37% เท่านั้น สะท้อนว่าอัลกอริทึมมีพลังมหาศาลในการดึงดูดให้คนอยู่บนแพลตฟอร์มนานขึ้นจริง ส่วนเนื้อหาที่เห็นก็เปลี่ยนไปชัดเจนเช่นกัน ฟีดเรียงตามเวลาทำให้เห็นเนื้อหาการเมืองและเนื้อหาจากแหล่งไม่น่าเชื่อถือเพิ่มขึ้นทั้งสองแพลตฟอร์ม (เพราะอัลกอริทึมปกติมักลดความสำคัญของเนื้อหาประเภทนี้ลงอยู่แล้ว) แต่ในทางกลับกัน เนื้อหาไม่สุภาพหรือมีคำหยาบคายบน Facebook กลับลดลงถึง 43% จากฐานเดิมที่ราว 3.2% ของฟีด และเนื้อหาจากเพื่อนที่มีจุดยืนกลางๆ หรือจากแหล่งที่มีผู้ติดตามหลากหลายทางการเมืองก็เพิ่มขึ้นด้วย พูดง่ายๆ คือฟีดเรียงตามเวลาเปลี่ยนแปลงประสบการณ์บนแพลตฟอร์มอย่างชัดเจนในหลายมิติพร้อมกัน แต่ถึงจะเปลี่ยนแปลงมากขนาดนี้ ผลลัพธ์สุดท้ายก็ยังเหมือนเดิมครับ คือไม่พบการเปลี่ยนแปลงที่มีนัยสำคัญทางสถิติในระดับการแบ่งขั้วเชิงประเด็น การแบ่งขั้วทางอารมณ์ ความรู้ทางการเมือง หรือทัศนคติสำคัญอื่นๆ ตลอด 3 เดือนที่ศึกษา ทีมวิจัยยอมรับตรงไปตรงมาว่าการทดลองนี้สะท้อนเฉพาะอัลกอริทึมและบริบทของฤดูใบไม้ร่วงปี 2020 เช่นเดียวกับงานเรื่องรีแชร์ และไม่ได้บอกว่าการเปลี่ยนแปลงในทิศทางตรงกันข้าม เช่นการ "เพิ่ม" การเห็นเนื้อหาบางประเภทแทนที่จะลด อาจให้ผลที่ต่างออกไปหรือไม่ คำถามต่อมาคือ ถ้าการปรับแต่งฟีดในระดับที่รุนแรงขนาดเปลี่ยนทั้งระบบยังไม่ขยับทัศนคติทางการเมือง แล้วถ้าตัดขาดจากแพลตฟอร์มไปเลยทั้งหมด ไม่ใช้งานแม้แต่นิดเดียว จะให้ผลต่างออกไปหรือไม่

ถ้าตัดขาดจากแพลตฟอร์มไปเลยทั้งหมด จะต่างจากการปรับฟีดแค่ไหน

Hunt Allcott และ Matthew Gentzkow (Stanford University) พร้อมคณะนักวิจัยกว่า 25 คนจากทั้งฝั่ง Meta และมหาวิทยาลัยต่างๆ ตอบคำถามสุดท้ายนี้ในงานชื่อ "The Effects of Facebook and Instagram on the 2020 Election: A Deactivation Experiment" ตีพิมพ์ใน *PNAS* ปี 2024 (เล่ม 121 ฉบับ 21 บทความเลขที่ e2321584121, DOI 10.1073/pnas.2321584121) ซึ่งเป็นงานชิ้นที่ 5 ที่ตามมาทีหลังงานสี่ชิ้นแรกในโครงการเดียวกัน คราวนี้ทีมวิจัยไม่ได้ปรับแต่งฟีดอีกต่อไป แต่สุ่มให้ผู้ใช้ Facebook ที่ยินยอมเข้าร่วมกว่า 19,857 คน และผู้ใช้ Instagram กว่า 15,585 คน ปิดบัญชีไปเลยทั้งบัญชีเป็นเวลา 6 สัปดาห์ก่อนวันเลือกตั้งปี 2020

ผลลัพธ์ในภาพรวมยังคงเป็นไปในทิศทางเดียวกับงานสามชิ้นก่อนหน้าครับ คือผลต่อการแบ่งขั้วทางอารมณ์ การแบ่งขั้วเชิงประเด็น ความเชื่อมั่นในความชอบธรรมของการเลือกตั้ง ความชื่นชอบต่อผู้สมัคร และอัตราการออกไปใช้สิทธิเลือกตั้ง ล้วนถูกประเมินออกมาได้อย่างแม่นยำว่าใกล้ศูนย์มาก แทบไม่มีผลใดๆ เลย แม้จะเป็นการตัดขาดจากแพลตฟอร์มไปเลยทั้งหมดก็ตาม แต่ก็ไม่ใช่ว่าการปิดบัญชีจะไม่มีผลอะไรเลยนะครับ ทีมวิจัยพบว่าการปิดทั้ง Facebook และ Instagram ทำให้ดัชนีการมีส่วนร่วมทางการเมืองโดยรวมลดลง ซึ่งส่วนใหญ่มาจากการมีส่วนร่วมทางการเมืองแบบออนไลน์ที่ลดลงเป็นธรรมดา (เพราะไม่ได้ใช้แพลตฟอร์มแล้ว) ส่วนผลต่อความรู้ทางการเมือง การปิด Facebook ไม่มีผลชัดเจนต่อดัชนีความรู้โดยรวม แต่การวิเคราะห์เสริมชี้ว่าอาจทำให้ความรู้เรื่องข่าวสารทั่วไปลดลงบ้าง ในขณะเดียวกันก็อาจช่วยลดความเชื่อในข้อมูลเท็จที่หมุนเวียนอยู่บนโลกออนไลน์ได้ด้วยเช่นกัน ซึ่งเป็นการแลกเปลี่ยนที่น่าคิดมาก ทีมวิจัยยังตั้งข้อสังเกตว่าการปิด Facebook อาจลดสัดส่วนคะแนนเสียงที่รายงานว่าจะเลือก Trump ลงบ้าง แต่ตัวเลขนี้ไม่ผ่านเกณฑ์นัยสำคัญทางสถิติที่ลงทะเบียนไว้ล่วงหน้า จึงต้องตีความอย่างระมัดระวัง ไม่ใช่ข้อสรุปที่หนักแน่น ทีมวิจัยยอมรับข้อจำกัดตรงไปตรงมาว่า 6 สัปดาห์เป็นช่วงเวลาที่ค่อนข้างสั้น และเป็นช่วงที่มีความเข้มข้นทางการเมืองสูงเป็นพิเศษเพราะใกล้เลือกตั้ง ผลจึงอาจไม่สะท้อนสิ่งที่จะเกิดขึ้นถ้าคนเลิกใช้แพลตฟอร์มระยะยาวหลายปี เมื่อรวมหลักฐานทั้ง 5 ชิ้นเข้าด้วยกัน ภาพที่ชัดเจนที่สุดคือ อัลกอริทึมและแพลตฟอร์มมีพลังมหาศาลในการกำหนด "สิ่งที่คนเห็น" และ "พฤติกรรมการใช้งาน" แต่กลับมีพลังจำกัดมากในการเปลี่ยน "สิ่งที่คนคิด" ทางการเมือง อย่างน้อยก็ในกรอบเวลา 6 สัปดาห์ถึง 3 เดือนที่ทั้ง 5 งานนี้ศึกษา

กรอบเห็น–เลือก–เช็ก–คุย

เพราะหลักฐานทั้ง 5 ชิ้นชี้ตรงกันว่าการปรับตั้งค่าฟีดเองแทบไม่เปลี่ยนทัศนคติทางการเมือง เราจึงสังเคราะห์สิ่งที่พอทำได้จริงในระดับบุคคลเป็นกรอบ เห็น–เลือก–เช็ก–คุย กรอบนี้เป็นเครื่องมือประยุกต์ของบทความ ไม่ใช่วิธีการที่พิสูจน์แล้วว่าลดการแบ่งขั้วทางการเมืองได้จริง เพราะงานวิจัยทั้ง 5 ชิ้นไม่ได้ทดสอบกรอบนี้โดยตรง

1. เห็น — สังเกตว่าฟีดกำลังป้อนอะไรให้เราซ้ำๆ

ลองสังเกตเป็นระยะว่าโพสต์การเมืองที่เห็นบ่อยที่สุดมาจากแหล่งฝั่งเดียวกันแค่ไหน González-Bailón และคณะ (2023) พบว่าความเอียงเพิ่มขึ้นตามลำดับตั้งแต่สิ่งที่อัลกอริทึมป้อนให้ ไปจนถึงสิ่งที่เราเลือกคลิกเอง การรู้ตัวเป็นจุดเริ่มต้นก่อนจะไปแก้อะไรต่อ

2. เลือก — เลือกติดตามแหล่งข่าวข้ามขั้วเองเชิงรุก แทนรอให้อัลกอริทึมจัดให้

Nyhan และคณะ (2023) พบว่าคนส่วนใหญ่ไม่ได้อยู่ในฟองสบู่ปิดสนิท แต่เนื้อหาข้ามขั้วก็ยังมีสัดส่วนน้อยกว่าเนื้อหาพวกเดียวกันมาก การกดติดตามเพจข่าวที่มีจุดยืนต่างจากตัวเองสักหนึ่งหรือสองแหล่งเป็นการเลือกที่ทำเองได้โดยไม่ต้องรอ Facebook เปลี่ยนอัลกอริทึม

3. เช็ก — เช็กที่มาก่อนแชร์ โดยเฉพาะโพสต์ที่ถูกแชร์ต่อมาแล้วหลายทอด

Guess และคณะ (2023, เรื่องรีแชร์) พบว่าโพสต์แชร์ต่อเป็นกลไกหลักที่พาเนื้อหาจากแหล่งไม่น่าเชื่อถือไปไกล ก่อนกดแชร์ต่อ ลองเช็กว่าต้นทางคือใคร มีการอ้างอิงแหล่งข้อมูลจริงหรือไม่

4. คุย — ถ้าอยากเปลี่ยนมุมมองใครสักคนจริงๆ ให้คุยตรงๆ ไม่ใช่หวังพึ่งฟีด

ทั้งงานเรื่องฟีดเรียงตามเวลาและงานปิดบัญชีต่างพบผลใกล้ศูนย์ต่อทัศนคติทางการเมือง การเปลี่ยนใจคนมักเกิดจากบทสนทนาตรงๆ ที่มีความไว้ใจกันอยู่แล้ว มากกว่าการเปลี่ยนสิ่งที่เขาเห็นในฟีด

ลำดับนี้ไม่ได้อ้างว่าจะลดการแบ่งขั้วทางการเมืองได้ เป้าหมายคือช่วยให้เรารู้เท่าทันสิ่งที่ฟีดทำกับเรามากขึ้นเท่านั้น

กรณีจำลอง: โต้งกับกลุ่มไลน์ครอบครัวช่วงเลือกตั้ง

สมมติว่า "โต้ง" อายุ 26 ปี เห็นลุงแชร์ข่าวการเมืองที่ดูเกินจริงในกลุ่มไลน์ครอบครัวบ่อยๆ ช่วงใกล้เลือกตั้ง แล้วรู้สึกหงุดหงิดจนอยากเถียงกลับทุกครั้งหรือไม่ก็เงียบไปเลย

ใช้กรอบ เห็น–เลือก–เช็ก–คุย: โต้ง เห็น ก่อนว่าฟีด Facebook ของตัวเองก็เต็มไปด้วยเพจข่าวฝั่งเดียวกับที่ตัวเองเชื่ออยู่แล้วเหมือนกัน ไม่ต่างจากลุงมากนัก; ในขั้น เลือก โต้งลองกดติดตามสำนักข่าวที่รายงานตรงไปตรงมาแต่มีจุดยืนต่างจากตัวเองเพิ่มอีกหนึ่งเพจ เพื่อไม่ให้เห็นข่าวจากมุมเดียวตลอด; ในขั้น เช็ก เมื่อลุงแชร์ข่าวที่ดูน่าสงสัย โต้งลองหาต้นตอของข่าวก่อนจะเถียงหรือปล่อยผ่าน แล้วพบว่าเป็นโพสต์ที่ถูกแชร์ต่อมาหลายทอดจนไม่รู้ต้นทาง; และในขั้น คุย แทนที่จะเถียงในกลุ่มไลน์ โต้งเลือกโทรคุยกับลุงตัวต่อตัวแทน ถามความเป็นห่วงเบื้องหลังข่าวที่ลุงแชร์ ก่อนจะค่อยๆ พูดถึงข้อมูลอีกด้านที่โต้งเจอมา

บทสนทนาระหว่างโต้งกับลุงอาจไม่จบด้วยการเปลี่ยนใจกันฝ่ายใดฝ่ายหนึ่ง แต่อย่างน้อยก็ไม่จบด้วยการเงียบใส่กันในกลุ่มไลน์ครอบครัว กรณีนี้เป็น สถานการณ์จำลองเพื่อสาธิตวิธีคิด ไม่ใช่บุคคลจริงหรือผลการทดลอง

ลองเอาไปปรับใช้ดู

จากงานวิจัยทั้ง 5 ชิ้นนี้ สิ่งที่พอเอาไปปรับใช้ได้จริงมีประมาณนี้ครับ:

1. อาจจะควรพิจารณาว่าตัวเองอาจไม่ได้อยู่ในฟองสบู่ที่ปิดสนิทอย่างที่คิด เพราะ Nyhan และคณะ (2023) พบว่ามีแค่ราว 1 ใน 5 ของผู้ใช้เท่านั้นที่ได้รับเนื้อหาจากพวกเดียวกันเกิน 75% การรู้ตัวเลขนี้อาจช่วยให้ไม่ต้องกังวลเกินจริงว่าตัวเองถูก "ล้างสมอง" โดยฟีด แต่ก็ไม่ได้แปลว่าไม่มีความเอียงอยู่เลย 2. ถ้าสนใจการเมือง อาจลองสังเกตว่าตัวเองมักคลิกหรือมีปฏิสัมพันธ์กับเนื้อหาแบบไหน เพราะ González-Bailón และคณะ (2023) พบว่าการแบ่งขั้วเพิ่มขึ้นเรื่อยๆ ตามลำดับตั้งแต่สิ่งที่อัลกอริทึมป้อนให้ ไปจนถึงสิ่งที่เราเลือกคลิกเอง การเลือกของเราเองก็มีส่วนไม่น้อยไปกว่าอัลกอริทึม ลองสังเกตพฤติกรรมตัวเองดูก็น่าจะเห็นอะไรบางอย่าง 3. ไม่ควรคาดหวังว่าการเปลี่ยนการตั้งค่าฟีด เช่นสลับไปดูแบบเรียงตามเวลา จะเปลี่ยนมุมมองทางการเมืองของตัวเองได้อย่างมีนัยสำคัญ เพราะทั้งงานเรื่องรีแชร์ ฟีดเรียงตามเวลา และการปิดบัญชี ล้วนพบผลใกล้ศูนย์ต่อทัศนคติทางการเมืองในช่วง 3 เดือนถึง 6 สัปดาห์ที่ศึกษา ถ้าอยากเปลี่ยนมุมมองทางการเมืองของตัวเองจริงๆ อาจต้องมองหาวิธีอื่นที่ไม่ใช่แค่การปรับฟีด 4. อาจลองตระหนักว่าการลดเนื้อหาบางประเภท (เช่นรีแชร์) แม้จะช่วยลดข่าวปลอมได้ แต่ก็อาจลดความรู้ข่าวสารทั่วไปไปด้วยพร้อมกัน เพราะ Guess และคณะ (2023, เรื่องรีแชร์) พบว่าผลดีและผลเสียมักมาด้วยกันเสมอ ไม่มีการแทรกแซงไหนที่ "ดีอย่างเดียวไม่มีข้อเสีย" จริงๆ 5. ถ้ากำลังคิดจะพักโซเชียลมีเดียชั่วคราวเพื่อ "ลดความสุดโต่งทางการเมือง" ของตัวเอง อาจต้องปรับความคาดหวังลงบ้าง เพราะ Allcott, Gentzkow และคณะ (2024) พบว่าการปิดบัญชีทั้งหมด 6 สัปดาห์ไม่ได้เปลี่ยนระดับการแบ่งขั้วทางอารมณ์อย่างมีนัยสำคัญ แต่การพักแบบนี้ก็ยังอาจมีประโยชน์ด้านอื่น เช่นการลดเวลาหน้าจอหรือลดความเครียด ซึ่งไม่ได้ถูกวัดในงานวิจัยชุดนี้โดยตรง 6. การรู้ว่าปัญหาการแบ่งขั้วทางการเมืองซับซ้อนกว่าแค่ "อัลกอริทึมเป็นตัวร้าย" อาจช่วยให้ตั้งคำถามได้ตรงจุดมากขึ้น เพราะแม้ตัวอัลกอริทึมจะมีพลังมากในการกำหนดสิ่งที่เราเห็นและเวลาที่เราใช้บนแพลตฟอร์ม แต่รากของการแบ่งขั้วทางการเมืองอาจอยู่ที่ปัจจัยอื่นที่ลึกกว่านั้น เช่นโครงสร้างสังคม สื่อดั้งเดิม หรือประสบการณ์ชีวิตนอกโลกออนไลน์ ซึ่งงานวิจัยชุดนี้ยังตอบไม่ได้ทั้งหมด

ลองอ่านข่าวเรื่องโซเชียลมีเดียกับการเมืองครั้งต่อไปด้วยความระมัดระวังสักหน่อยก็ดีนะครับ โดยเฉพาะเวลาเจอพาดหัวที่สรุปแบบง่ายๆ ว่า "พิสูจน์แล้วว่าอัลกอริทึมทำให้แบ่งขั้ว" หรือ "พิสูจน์แล้วว่า Facebook ไม่ผิด" เพราะความจริงมักซับซ้อนกว่านั้นเสมอ