87% ของโพสต์อินฟลูเอนเซอร์เรื่องการตรวจสุขภาพพูดถึงแต่ข้อดี มีแค่ 15% ที่พูดถึงอันตราย งานวิจัยเผยเหตุผลที่คนจำนวนมากเชื่ออินฟลูเอนเซอร์มากกว่าผู้เชี่ยวชาญ

ผมสังเกตเห็นอะไรบางอย่างที่น่าสนใจทุกครั้งที่เลื่อนฟีด TikTok หรือ Instagram คือคำแนะนำด้านสุขภาพที่ดูน่าเชื่อถือที่สุดในสายตาผม มักไม่ได้มาจากคนที่มีคำนำหน้าว่า "หมอ" หรือ "นักโภชนาการ" เสมอไป บ่อยครั้งกลับเป็นคนธรรมดาที่พูดจาเป็นกันเอง เล่าประสบการณ์ตัวเอง แล้วปิดท้ายด้วยการแนะนำอาหารเสริมหรือชุดตรวจสุขภาพสักอย่าง ผมเริ่มสงสัยว่าทำไมสมองของเราถึงให้น้ำหนักความน่าเชื่อถือกับคนแบบนี้ได้มากขนาดนั้น ทั้งที่เขาไม่มีวุฒิการศึกษาด้านการแพทย์เลยแม้แต่น้อย

พอไปลองสำรวจงานวิจัยด้าน health communication ที่ตีพิมพ์ในช่วงปี 2021-2025 ผมถึงเข้าใจว่านี่ไม่ใช่เรื่องบังเอิญ แต่เป็นปรากฏการณ์ที่มีข้อมูลรองรับชัดเจนและเกิดขึ้นทั่วโลก รวมถึงมีงานวิจัยที่วิเคราะห์โพสต์อินฟลูเอนเซอร์เรื่องการตรวจสุขภาพเกือบ 1,000 โพสต์ พบว่ามีสัดส่วนที่พูดถึงอันตรายน้อยอย่างน่าตกใจ บทความนี้พาไปดูงานวิจัย 5 ชิ้นที่ตอบคำถามว่าข้อมูลเท็จด้านสุขภาพชุกแค่ไหน ทำไมอินฟลูเอนเซอร์ถึงดูน่าเชื่อกว่าผู้เชี่ยวชาญในสายตาคนจำนวนมาก และอะไรบ้างที่ช่วยให้เราประเมินคำแนะนำสุขภาพได้แม่นยำขึ้น

ข้อมูลเท็จด้านสุขภาพชุกแค่ไหนบนโซเชียลมีเดีย

จุดเริ่มต้นที่ผมอยากพูดถึงก่อนคืองานวิจัยที่ให้ภาพรวมกว้างที่สุดในกลุ่มที่ผมค้นพบ Victor Suarez-Lledo และ Javier Alvarez-Galvez ตอบคำถามนี้ในงานชื่อ "Prevalence of Health Misinformation on Social Media: Systematic Review" ตีพิมพ์ใน *Journal of Medical Internet Research* ปี 2021 (เล่ม 23 ฉบับ 1 บทความเลขที่ e17187, DOI 10.2196/17187, PMID 33470931)

ทีมวิจัยทบทวนงานวิจัย 69 ชิ้นที่ศึกษาข้อมูลเท็จด้านสุขภาพบนแพลตฟอร์มต่างๆ แล้วจัดกลุ่มตามหัวข้อ พบว่าหัวข้อยาสูบและยาเสพติด (22% ของงานวิจัยที่ทบทวน) มีสัดส่วนข้อมูลเท็จสูงสุดถึง 87% ในบางการศึกษา ตามด้วยหัวข้อวัคซีน (32% ของงานวิจัย พบข้อมูลเท็จเฉลี่ย 43%) โรคไม่ติดต่อเรื้อรัง (19% ของงานวิจัย พบข้อมูลเท็จ 40%) โรคระบาด (10% ของงานวิจัย พบข้อมูลเท็จ 40%) ความผิดปกติด้านการกิน (9% ของงานวิจัย พบข้อมูลเท็จ 36%) และการรักษาทางการแพทย์ (7% ของงานวิจัย พบข้อมูลเท็จ 30% ซึ่งต่ำที่สุด) เมื่อเทียบระหว่างแพลตฟอร์ม Twitter เป็นแพลตฟอร์มที่พบข้อมูลเท็จชุกที่สุดโดยรวม

ผมคิดว่าตัวเลขเหล่านี้ช่วยยืนยันสิ่งที่หลายคนรู้สึกอยู่แล้วแบบเป็นรูปธรรม คือข้อมูลเท็จด้านสุขภาพไม่ใช่เรื่องเกิดขึ้นเป็นครั้งคราว แต่เป็นสัดส่วนที่สูงมากในบางหัวข้อ โดยเฉพาะเรื่องที่มีผลประโยชน์ทางการค้าเข้ามาเกี่ยวข้อง เช่น ยาสูบหรือผลิตภัณฑ์เสริมอาหาร แต่ตัวเลขภาพรวมแบบนี้ยังไม่ได้บอกว่าคนทั่วไปรับรู้และตอบสนองต่อข้อมูลเหล่านี้อย่างไรในชีวิตจริง คำถามที่ตามมาคือ บนแพลตฟอร์มที่คนไทยและคนทั่วโลกใช้หาข้อมูลสุขภาพมากที่สุดอย่าง TikTok คนให้ความน่าเชื่อถือกับใครมากกว่ากันแน่

บน TikTok คนให้คะแนนความน่าเชื่อถือคนทั่วไปใกล้เคียงผู้เชี่ยวชาญ

Ciera E. Kirkpatrick และ LaRissa L. Lawrie ตอบคำถามนี้ในงานชื่อ "TikTok as a Source of Health Information and Misinformation for Young Women in the United States: Survey Study" ตีพิมพ์ใน *JMIR Infodemiology* ปี 2024 (เล่ม 4 ฉบับ 1 บทความเลขที่ e54663, DOI 10.2196/54663)

ทีมวิจัยสำรวจผู้หญิงอเมริกันอายุ 18-29 ปี จำนวน 1,172 คน ในเดือนเมษายน-พฤษภาคม 2023 โดยในจำนวนนี้ 1,026 คนเคยใช้ TikTok ผลลัพธ์พบว่า 65.5% ตั้งใจหาข้อมูลสุขภาพบน TikTok และสูงถึง 92.4% เคยได้รับข้อมูลสุขภาพโดยไม่ได้ตั้งใจ ขณะที่ 98.15% เชื่อว่ามีข้อมูลเท็จอยู่บนแพลตฟอร์มอย่างน้อยในระดับหนึ่ง แต่มีเพียง 54.87% เท่านั้นที่รายงานว่าตัวเองเคยเจอข้อมูลเท็จโดยตรง สะท้อนปรากฏการณ์ที่คนมักคิดว่าคนอื่นเสี่ยงเชื่อข้อมูลเท็จมากกว่าตัวเอง ส่วนที่น่าสนใจที่สุดคือคะแนนความน่าเชื่อถือ เนื้อหาจากผู้เชี่ยวชาญด้านสุขภาพได้คะแนนเฉลี่ย 5.16 จาก 7 ส่วนเนื้อหาจากผู้ใช้ทั่วไปได้ 3.95 จาก 7 ซึ่งแม้ผู้เชี่ยวชาญจะได้คะแนนสูงกว่า แต่ช่องว่างก็ไม่ได้ห่างมาก และในทางปฏิบัติมีถึง 37.8% ที่เคยนำข้อมูลจากผู้ใช้ทั่วไปไปปฏิบัติจริง เทียบกับ 43.35% ที่นำข้อมูลจากผู้เชี่ยวชาญไปปฏิบัติจริง

ผมคิดว่าตัวเลขนี้สำคัญมาก เพราะมันไม่ได้บอกว่าคนไม่เชื่อผู้เชี่ยวชาญเลย แต่บอกว่าช่องว่างความน่าเชื่อถือระหว่างผู้เชี่ยวชาญกับคนทั่วไปแคบกว่าที่ควรจะเป็นมาก ทั้งที่ในความเป็นจริงคุณภาพของข้อมูลทั้งสองกลุ่มต่างกันมหาศาล และเมื่อเนื้อหาบน TikTok ส่วนใหญ่มาจากผู้ใช้ทั่วไปไม่ใช่ผู้เชี่ยวชาญอยู่แล้ว ปริมาณการรับข้อมูลจากแหล่งที่ไม่มีคุณวุฒิจึงสูงกว่ามากในทางปฏิบัติ คำถามที่ตามมาคือ ถ้าอยากเห็นภาพที่เป็นรูปธรรมมากขึ้นว่าเนื้อหาสุขภาพจากอินฟลูเอนเซอร์จริงๆ มีลักษณะแบบไหน มีงานวิจัยไหนที่ลงไปนับโพสต์จริงบ้าง

กรณีศึกษา: โพสต์เรื่องการตรวจสุขภาพพูดถึงแต่ข้อดี

Brooke Nickel, Ray Moynihan, Emma Grundtvig Gram, Tessa Copp, Melody Taba, Patti Shih, Raffael Heiss, Mingyao Gao และ Joshua R. Zadro ตอบคำถามนี้ในงานชื่อ "Social Media Posts About Medical Tests With Potential for Overdiagnosis" ตีพิมพ์ใน *JAMA Network Open* ปี 2025 (เล่ม 8 ฉบับ 2 บทความเลขที่ e2461940, DOI 10.1001/jamanetworkopen.2024.61940)

ทีมวิจัยจากมหาวิทยาลัยซิดนีย์วิเคราะห์โพสต์บน Instagram และ TikTok จำนวน 982 โพสต์ ที่พูดถึงชุดตรวจสุขภาพ 5 ประเภทที่มักใช้ในคนสุขภาพดีทั่วไปโดยไม่มีอาการ ได้แก่ MRI ตรวจทั้งร่างกาย, ชุดตรวจคัดกรองมะเร็งหลายชนิดพร้อมกัน (MCED), ชุดตรวจฮอร์โมน AMH (ประเมินไข่ในผู้หญิง), ชุดตรวจจุลินทรีย์ในลำไส้ และชุดตรวจฮอร์โมนเทสโทสเตอโรน โพสต์เหล่านี้เข้าถึงผู้ติดตามรวมกันถึง 194.2 ล้านบัญชี ผลลัพธ์คือ 87.1% ของโพสต์พูดถึงประโยชน์ของการตรวจ แต่มีเพียง 14.7% ที่พูดถึงอันตรายหรือผลเสียที่อาจเกิดขึ้น และมีเพียง 6.1% ที่พูดถึงความเสี่ยงเรื่องการวินิจฉัยเกินจริง (overdiagnosis) ขณะที่มีเพียง 6.4% ที่อ้างอิงหลักฐานทางวิทยาศาสตร์ เทียบกับ 33.9% ที่ใช้เรื่องเล่าประสบการณ์ส่วนตัวเป็นหลักฐาน และ 68% ของโพสต์ทั้งหมดมีผลประโยชน์ทับซ้อนทางการเงินอย่างชัดเจน ที่น่าสนใจคือโพสต์จากแพทย์ (มีเพียง 15.9% ของทั้งหมด) มีแนวโน้มพูดถึงอันตรายมากกว่าอย่างมีนัยสำคัญ (อัตราส่วนออดส์ 4.49 เท่า) และมีโทนโปรโมทน้อยกว่า ขณะที่โพสต์ที่มีผลประโยชน์ทางการเงินมีแนวโน้มพูดถึงอันตรายน้อยกว่าอย่างชัดเจน

ผมคิดว่างานนี้ทำให้ปัญหาที่เคยดูเป็นนามธรรมกลายเป็นตัวเลขที่จับต้องได้ เพราะมันแสดงให้เห็นตรงๆ ว่าเนื้อหาส่วนใหญ่ที่เข้าถึงคนหลักร้อยล้านบัญชีนั้นไม่สมดุล เอนเอียงไปทางส่งเสริมการซื้อมากกว่าให้ข้อมูลรอบด้าน และคนที่มีคุณวุฒิทางการแพทย์กลับเป็นเสียงส่วนน้อยมากในพื้นที่นี้ ผมคิดว่าคำถามที่น่าสนใจกว่านั้นคือ แม้จะรู้ว่าผู้เชี่ยวชาญให้ข้อมูลรอบด้านกว่า ทำไมคนถึงยังรู้สึกว่าคนทั่วไปน่าเชื่อถือไม่แพ้กัน หรือบางครั้งน่าเชื่อถือกว่าด้วยซ้ำ

ทำไมผู้เชี่ยวชาญถึงดู "น่าเชื่อถือน้อยกว่า" คนธรรมดา

Raffael Heiss, Leticia Bode และคณะนักวิจัยนานาชาติตอบคำถามนี้ในงานชื่อ "Debunking Mental Health Misperceptions in Short-Form Social Media Videos: An Experimental Test of Scientific Credibility Cues" ตีพิมพ์ใน *Health Communication* ปี 2024 (เล่ม 39 ฉบับ 13 หน้า 3059-3071, DOI 10.1080/10410236.2023.2301201, PMID 38389200)

ทีมวิจัยออกแบบการทดลองแบบ 2x2 ระหว่างกลุ่ม บวกกลุ่มควบคุม กับผู้เข้าร่วม 956 คน ให้ดูวิดีโอ TikTok ความยาวราว 30 วินาทีที่พยายามแก้ความเข้าใจผิดเรื่องสุขภาพจิต (ความเชื่อผิดๆ ว่าไม่ควรพูดเรื่องการฆ่าตัวตายเพราะจะยิ่งกระตุ้น) โดยแปรผันสองตัวแปรคือประเภทของผู้พูด (ผู้เชี่ยวชาญ เทียบกับ ผู้ใช้ทั่วไป) และการมีหรือไม่มีการอ้างอิงงานวิจัยทางวิทยาศาสตร์ประกอบ ผลลัพธ์ที่ขัดสัญชาตญาณมากคือ ผู้เชี่ยวชาญถูกมองว่ามี "อำนาจทางวิชาการ" (authoritative) สูงกว่าผู้ใช้ทั่วไปจริง แต่กลับถูกมองว่า "น่าเชื่อถือ" (credible) น้อยกว่าผู้ใช้ทั่วไปในเวลาเดียวกัน และการใส่การอ้างอิงงานวิจัยทางวิทยาศาสตร์ประกอบก็ไม่ได้ช่วยเปลี่ยนผลลัพธ์นี้เลย ท้ายที่สุดทั้งสี่กลุ่มทดลองต่างช่วยลดความเข้าใจผิดของผู้เข้าร่วมได้ในระดับใกล้เคียงกัน หมายความว่าผู้เชี่ยวชาญและคนทั่วไปมีพลังโน้มน้าวใจพอๆ กันในวิดีโอสั้นแบบนี้

ผมคิดว่างานนี้อธิบายปรากฏการณ์ที่ผมสังเกตเห็นตอนต้นบทความได้ตรงที่สุด คือ "อำนาจทางวิชาการ" กับ "ความน่าเชื่อถือในสายตาคนดู" เป็นคนละเรื่องกัน คนอาจยอมรับว่าหมอรู้เรื่องมากกว่า แต่กลับรู้สึกอินและเชื่อคนธรรมดาที่พูดแบบเป็นกันเองมากกว่า อาจเพราะรู้สึกว่าคนธรรมดา "เหมือนเรา" ไม่มีผลประโยชน์ซ่อนเร้น หรือพูดในภาษาที่เข้าใจง่ายกว่า ผมคิดว่าจุดนี้อธิบายได้ดีว่าทำไมการใส่แค่หลักฐานวิทยาศาสตร์เข้าไปในคลิปสั้นๆ ถึงไม่พอที่จะเปลี่ยนใจคน คำถามที่ตามมาคือ แล้วถ้าข้อความจากอินฟลูเอนเซอร์ "ไม่ได้เป็นเท็จ" แต่แค่เอาข้อมูลจริงมาเล่าแบบเหมารวมเกินไป จะอันตรายน้อยกว่าข้อมูลเท็จจริงหรือเปล่า

ข้อความที่ "จริงแต่เหมารวมเกินไป" อันตรายพอกับข้อมูลเท็จ

Jaroslava Kaňková, Alice Binder และ Jörg Matthes จาก University of Vienna ตอบคำถามนี้ในงานชื่อ "It's True, but Still Harmful: Examining the Effects of Overgeneralized Health Messages by Social Media Influencers Using Two Pre-Registered Experiments" ตีพิมพ์ใน *Journal of Health Communication* ปี 2025 (เล่ม 30 ฉบับ 10-12 หน้า 505-521, DOI 10.1080/10810730.2025.2566712)

ทีมวิจัยทำการทดลองออนไลน์ที่ลงทะเบียนแผนวิเคราะห์ล่วงหน้า (pre-registered) 2 ชุด รวมผู้เข้าร่วม 1,548 คน เป็นกลุ่ม Gen Z อายุ 16-27 ปี ใช้การออกแบบแบบ 3x2 ระหว่างกลุ่ม แปรผันประเภทข้อความ (ข้อมูลเท็จ, ข้อความเหมารวมเกินไปแต่เป็นความจริงบางส่วน, ข้อความที่ถูกต้อง) และประเภทของอินฟลูเอนเซอร์ (คนดังจริง หรือคนสมมติ) โดยมีความรู้ด้านสุขภาพ (health literacy) เป็นตัวแปรกำกับ นิยามของ "ข้อความเหมารวมเกินไป" (overgeneralized health messaging) คือข้อมูลที่ถูกต้องในบริบทส่วนตัวของอินฟลูเอนเซอร์คนนั้นจริงๆ เช่น "ฉันหยุดกินนมแล้วผิวดีขึ้น" แต่ถูกนำเสนอราวกับใช้ได้กับทุกคน ผลลัพธ์คือทั้งข้อมูลเท็จและข้อความเหมารวมเกินไปสร้างความเสียหายในระดับใกล้เคียงกัน ทั้งสองแบบทำให้ความเข้าใจที่ถูกต้อง (belief accuracy) ลดลง และเพิ่มความตั้งใจทำพฤติกรรมสุขภาพที่เป็นอันตรายพอๆ กัน เมื่อเทียบกับกลุ่มที่ได้รับข้อความถูกต้อง

ผมคิดว่างานนี้ปิดท้ายบทความได้ดีมาก เพราะมันขยายขอบเขตของปัญหาให้กว้างกว่าที่คนทั่วไปมักเข้าใจ หลายคนอาจคิดว่าตัวเองปลอดภัยตราบใดที่ไม่เชื่อ "ข่าวปลอม" ตรงๆ แต่งานนี้ชี้ว่าคำแนะนำที่ "จริงในบริบทของคนพูด" ก็อันตรายได้พอกันถ้าถูกเข้าใจว่าใช้ได้กับทุกคน ซึ่งเป็นรูปแบบที่พบได้บ่อยมากในคอนเทนต์สุขภาพแบบเล่าประสบการณ์ส่วนตัว ผมคิดว่าจุดนี้ทำให้ภาพรวมของทั้ง 5 งานวิจัยในบทความนี้ชัดเจนขึ้นมาก คือปัญหาไม่ได้อยู่ที่ "ข้อมูลเท็จ" อย่างเดียว แต่อยู่ที่วิธีที่สมองเราประเมินความน่าเชื่อถือของแหล่งข้อมูลด้วย

กรอบเช็ค–หา–กัน–ถาม

หลักฐานทั้ง 5 ชิ้นข้างต้นตอบคำถามคนละมุม แต่พอนำมาใช้จริงเวลาเจอคำแนะนำสุขภาพบนโซเชียลมีเดีย หลายคนไม่รู้จะเริ่มตรงไหนก่อน เราสังเคราะห์เป็นลำดับขั้นตอนเดียว เช็ค–หา–กัน–ถาม ที่ร้อยหลักฐานทั้ง 5 ชิ้นเข้าด้วยกันเป็นกระบวนการที่ทำซ้ำได้ กรอบนี้เป็นเครื่องมือประยุกต์ของบทความ ไม่ใช่แบบจำลองการรู้เท่าทันสื่อที่ผ่านการทดสอบทางวิชาการแยกต่างหาก

1. เช็ค — เช็คคุณวุฒิของคนพูดจริงๆ อย่าเชื่อแค่ความรู้สึก "อินหรือไม่อิน"

เพราะ Kirkpatrick & Lawrie (2024) พบว่าคนให้คะแนนความน่าเชื่อถือเนื้อหาจากผู้ใช้ทั่วไปใกล้เคียงกับผู้เชี่ยวชาญมาก และ Heiss, Bode และคณะ (2024) พบว่าผู้เชี่ยวชาญถูกมองว่ามีอำนาจวิชาการมากกว่าแต่กลับรู้สึกน่าเชื่อถือน้อยกว่าคนทั่วไป ทั้งที่คุณภาพข้อมูลต่างกันมาก การเช็คว่าใครพูดจริงๆ จึงต้องแยกออกจากความรู้สึกส่วนตัว

2. หา — หาว่าโพสต์นั้นพูดถึง "ข้อเสีย" หรือ "ความเสี่ยง" ด้วยหรือไม่

เพราะ Nickel และคณะ (2025) พบว่ามีเพียง 14.7% ของโพสต์แนะนำการตรวจสุขภาพที่พูดถึงอันตราย และโพสต์ที่มีผลประโยชน์ทางการเงินยิ่งพูดถึงอันตรายน้อยลง ถ้าโพสต์ไหนพูดถึงแต่ข้อดีล้วนๆ ควรตั้งข้อสงสัยไว้ก่อน

3. กัน — กันตัวเองจากคำแนะนำที่ขึ้นต้นด้วยประสบการณ์ส่วนตัวแล้วจบด้วยคำแนะนำเหมารวม

เพราะ Kaňková, Binder & Matthes (2025) พบว่าข้อความจริงแต่เหมารวมเกินไป เช่น "ฉันหยุดกินนมแล้วผิวดีขึ้น" ที่ถูกนำเสนอราวกับใช้ได้กับทุกคน สร้างความเสียหายพอๆ กับข้อมูลเท็จโดยตรง

4. ถาม — ก่อนทำตาม ให้หาแหล่งข้อมูลที่สองจากผู้เชี่ยวชาญที่มีคุณวุฒิจริงมาเทียบ

เพราะ Suarez-Lledo & Alvarez-Galvez (2021) พบว่าข้อมูลเท็จชุกมากในบางหัวข้อ เช่น ยาสูบและวัคซีน การถามหรือค้นหาความเห็นจากผู้เชี่ยวชาญเพิ่มก่อนตัดสินใจ ช่วยลดโอกาสเชื่อข้อมูลด้านเดียวโดยไม่รู้ตัว

ลำดับนี้ไม่ได้แปลว่าทุกคนต้องทำครบ 4 ขั้นตอนทุกครั้ง แต่ช่วยให้ตระหนักถึงช่องว่างระหว่าง "ความรู้สึกน่าเชื่อถือ" กับ "คุณภาพข้อมูลจริง" ที่งานวิจัยชี้ให้เห็นซ้ำแล้วซ้ำเล่า

กรณีจำลอง: เนยเกือบซื้อชุดตรวจฮอร์โมนตามคำแนะนำอินฟลูเอนเซอร์

ลองนึกถึง "เนย" ที่เลื่อน TikTok เจอคลิปอินฟลูเอนเซอร์คนหนึ่งพูดถึงชุดตรวจฮอร์โมนที่บ้านแบบดูเป็นกันเองและน่าเชื่อถือมาก เล่าว่าตัวเองตรวจแล้วพบปัญหาที่ไม่เคยรู้มาก่อน พร้อมโค้ดส่วนลดแนบท้ายคลิป เนยรู้สึกอินและเกือบกดสั่งซื้อทันที

เนยเริ่มจากขั้น เช็ค โปรไฟล์ของอินฟลูเอนเซอร์คนนั้น พบว่าไม่มีคุณวุฒิทางการแพทย์หรือวิทยาศาสตร์เลย เป็นเพียงคนที่เล่าประสบการณ์ตัวเองเท่านั้น จากนั้นเนย หา ว่าคลิปพูดถึงความเสี่ยงหรือข้อจำกัดของชุดตรวจนี้บ้างไหม พบว่าคลิปทั้งหมดพูดถึงแต่ข้อดี ไม่มีการเตือนเรื่องผลตรวจที่อาจไม่แม่นยำหรือทำให้กังวลเกินจริงเลย เนยจึงเริ่ม กัน ตัวเองไม่ให้เชื่อคำแนะนำแบบเหมารวม เพราะสังเกตว่าอินฟลูเอนเซอร์พูดถึงประสบการณ์ของตัวเองคนเดียว แต่นำเสนอราวกับทุกคนควรตรวจแบบเดียวกัน สุดท้ายเนย ถาม พยาบาลที่คลินิกใกล้บ้านเรื่องความจำเป็นของชุดตรวจนี้ ได้คำตอบว่าคนทั่วไปที่ไม่มีอาการผิดปกติไม่จำเป็นต้องตรวจแบบนี้เอง

เนยตัดสินใจไม่ซื้อชุดตรวจนั้น และรู้สึกโล่งใจที่ไม่รีบทำตามคำแนะนำจากคลิปเพียงเพราะรู้สึกอินกับคนพูด กรณีนี้เป็น สถานการณ์จำลองเพื่อสาธิตวิธีคิด ไม่ใช่ผลการทดลองจริงหรือคนจริง

ลองเอาไปปรับใช้ดู

1. ระวังเป็นพิเศษกับคอนเทนต์เรื่องยาสูบ ยาเสพติด และวัคซีน เพราะเป็นหัวข้อที่พบข้อมูลเท็จชุกที่สุด เพราะ Suarez-Lledo & Alvarez-Galvez (2021) พบว่าหัวข้อเหล่านี้มีสัดส่วนข้อมูลเท็จสูงถึง 43-87% ในงานวิจัยที่ทบทวน 2. อย่าตัดสินความน่าเชื่อถือของคำแนะนำสุขภาพจากความรู้สึก "อินหรือไม่อิน" กับคนพูด เพราะ Kirkpatrick & Lawrie (2024) พบว่าคนให้คะแนนความน่าเชื่อถือเนื้อหาจากผู้ใช้ทั่วไปใกล้เคียงกับผู้เชี่ยวชาญมาก ทั้งที่คุณภาพข้อมูลต่างกันมาก 3. ก่อนเชื่อโพสต์แนะนำการตรวจสุขภาพหรือผลิตภัณฑ์ใดๆ ให้เช็คว่าโพสต์นั้นพูดถึง "ข้อเสีย" หรือ "ความเสี่ยง" ด้วยหรือไม่ ไม่ใช่แค่ข้อดี เพราะ Nickel และคณะ (2025) พบว่ามีเพียง 14.7% ของโพสต์ที่พูดถึงอันตราย และโพสต์ที่มีผลประโยชน์ทางการเงินยิ่งพูดถึงอันตรายน้อยลง 4. อย่าใช้ "ความรู้สึกเชื่อถือได้" เป็นตัวชี้วัดว่าใครมีความรู้จริง เพราะสองอย่างนี้แยกจากกันได้ เพราะ Heiss, Bode และคณะ (2024) พบว่าผู้เชี่ยวชาญถูกมองว่ามีอำนาจวิชาการมากกว่าแต่น่าเชื่อถือน้อยกว่าคนทั่วไปในวิดีโอสั้น 5. ระวังคำแนะนำที่ขึ้นต้นด้วย "สำหรับฉัน..." แล้วจบด้วยคำแนะนำที่ฟังดูใช้ได้กับทุกคน เพราะแม้จะเป็นเรื่องจริงก็อาจเหมารวมเกินไป เพราะ Kaňková, Binder & Matthes (2025) พบว่าข้อความจริงแต่เหมารวมเกินไปอันตรายพอกับข้อมูลเท็จโดยตรง 6. ถ้าไม่แน่ใจ ให้ลองหาแหล่งข้อมูลที่สองจากผู้เชี่ยวชาญที่มีคุณวุฒิจริงเทียบก่อนตัดสินใจทำตามคำแนะนำใดๆ เพราะงานวิจัยทั้ง 5 ชิ้นในบทความนี้ชี้ตรงกันว่าความน่าเชื่อถือที่รู้สึกได้ (perceived credibility) มักไม่สัมพันธ์กับคุณภาพข้อมูลจริง