Jak algoritmy vybírají zprávy místo čtenářů
Ještě před deseti lety si většina lidí sestavovala zpravodajský přehled z několika pevných zdrojů: ranního tisku, televizních zpráv, webových portálů a rozhlasu. Dnes se k informacím často dostávají přes sociální sítě, doporučovací feedy nebo notifikace v mobilu. To znamená, že výběr zpráv stále častěji neurčuje redaktor, ale algoritmus, který vyhodnocuje, co má největší šanci udržet uživatele na obrazovce.
Platformy jako Facebook, Instagram, TikTok, YouTube nebo X pracují s obrovským množstvím dat o chování uživatelů. Sledují, na co lidé klikají, jak dlouho u příspěvku zůstávají, co sdílejí, komu dávají reakce a co naopak přeskakují. Na základě toho pak systém přednostně nabízí obsah podobného typu. V praxi to znamená, že člověk, který jednou projeví zájem o určité politické téma nebo názor, může během několika dní dostávat stále užší výběr podobně laděných textů, videí a komentářů.
Podle výzkumů amerického Pew Research Center i Evropské komise se většina uživatelů na zpravodajský obsah na sociálních sítích dostává spíše pasivně než aktivním vyhledáváním. To posiluje význam algoritmického třídění. Zatímco tradiční média nabízela všem podobný balík zpráv, personalizované feedy vytvářejí pro každého uživatele jinou realitu.
Co je názorová bublina a proč vzniká tak snadno
Pojem názorová bublina označuje prostředí, v němž člověk opakovaně naráží převážně na názory, fakta a interpretace, které potvrzují jeho dosavadní přesvědčení. Nejde přitom jen o vědomé uzavírání se do podobně smýšlející skupiny. Bublina vzniká i bez aktivního rozhodnutí uživatele, protože algoritmus upřednostňuje obsah s vysokou mírou engagementu, tedy s velkým množstvím reakcí, komentářů a sdílení.
Problém je, že právě konfliktní, emotivní nebo extrémní obsah bývá na sítích nejvýkonnější. Studie MIT zveřejněná v časopise Science už dříve ukázala, že nepravdivé zprávy se na Twitteru šířily výrazně rychleji než pravdivé. Výzkumníci zjistili, že nepravdivé informace měly o 70 procent vyšší pravděpodobnost, že budou sdíleny, a šířily se šestkrát rychleji než ověřené zprávy. Důvodem byla zejména jejich novost, šokující vyznění a schopnost vyvolat silnou reakci.
Na algoritmických platformách se tak propojují dva mechanismy: lidská tendence vyhledávat potvrzení vlastních názorů a technické zvýhodnění obsahu, který vyvolává silné emoce. Výsledkem je prostředí, v němž se uživatel často setkává s jedním dominantním výkladem událostí, zatímco alternativní pohledy mizí z dohledu.
Jak personalizace mění veřejnou debatu
Personalizace sama o sobě není problém. Ve zpravodajství může být užitečná, když nabídne lokální témata, upozorní na dopravní uzávěru nebo doporučí obsah podle profesního zájmu. Potíž nastává ve chvíli, kdy se z nástroje pohodlí stane hlavní filtr reality. Pak uživatel přestává vidět, co je pro společnost důležité, a místo toho dostává to, co je pro něj pravděpodobně nejpřitažlivější.
To má přímý dopad na veřejnou debatu. Lidé, kteří sledují odlišné informační kanály, mohou mít pocit, že žijí v úplně jiné zemi, i když čtou o stejných událostech. Volební kampaně, protesty, války nebo pandemie se pak neodehrávají v jednom společném informačním prostoru, ale v řadě paralelních verzí. Každá z nich zdůrazňuje něco jiného, pracuje s jinými emocemi a často i s jinými fakty.
Typickým příkladem byly prezidentské volby v USA v roce 2016 nebo referendum o brexitu. V obou případech se ukázalo, jak silně mohou sociální sítě zesilovat politicky vyhraněný obsah a jak rychle se šíří jednoduché, úderné a polarizující sdělení. Analytici tehdy upozorňovali, že uživatelé dostávali výrazně odlišné informace podle toho, s kým interagovali a jaký obsah si sami předtím prohlíželi.
Podobné jevy jsou patrné i v českém prostředí. Zpravodajské weby i sociální sítě zaznamenávají, že největší zásah mívají texty o kriminalitě, migraci, konfliktech nebo domácí politice, zejména pokud jsou napsány výrazně emotivně. To vytváří tlak na média, aby přizpůsobovala titulek, formát i délku sdělení logice platformy, nikoli pouze redakčnímu posouzení významu zprávy.
Dezinformace, polarizace a ztráta důvěry
Algoritmické bubliny nejsou jen otázkou pohodlí nebo mediální rozmanitosti. Mají přímý dopad na důvěru ve veřejné instituce a na schopnost společnosti dohodnout se alespoň na základních faktech. Když uživatel dlouhodobě sleduje úzký okruh zdrojů, které opakují stejný výklad světa, stává se vůči jiným informacím odolnější, ale zároveň uzavřenější.
Toho využívají dezinformační weby i účty, které staví na šíření konspiračních teorií. V Česku opakovaně rezonovaly například narativy o očkování proti covidu-19, o válce na Ukrajině nebo o klimatické politice. Zpravidla nešlo o jednotlivé výstřelky, ale o dlouhodobě budovanou síť vzájemně propojených obsahů, které se navzájem odkazují a posilují. Pokud algoritmus zjistí, že uživatel na podobná témata reaguje, začne mu nabízet další a další varianty téhož.
Evropská unie na tento problém reaguje mimo jiné přijetím Digital Services Act, který začal platit v plném rozsahu v roce 2024. Velkým platformám ukládá povinnost více transparentně vysvětlovat fungování doporučovacích systémů a omezovat šíření nezákonného či škodlivého obsahu. Regulace ale sama o sobě bubliny nerozbije. Dokáže jen zvýšit tlak na to, aby firmy zveřejňovaly více informací o tom, proč se konkrétní příspěvek objevil právě v určitém feedu.
Důležitou roli hraje i mediální gramotnost. Podle průzkumů Eurobarometru má sice většina Evropanů přístup k internetu, ale schopnost ověřovat zdroje a rozpoznávat manipulativní obsah je velmi rozdílná podle věku i vzdělání. Starší lidé bývají zranitelnější vůči řetězovým zprávám a falešným titulům, mladší zase častěji spoléhají na krátká videa bez kontextu.
Co mohou dělat média, platformy i čtenáři
Řešení neexistuje jediné. Redakce mohou omezovat klikbajtové titulky, jasněji oddělovat zpravodajství od komentářů a vysvětlovat, jak vznikají jejich výběry témat. Některé zahraniční redakce zavádějí i formáty, které čtenáři ukazují, proč je důležité sledovat širší kontext, nikoli jen emocionálně nejsilnější část příběhu. Užitečné jsou také modely předplatného, které snižují závislost médií na reklamním výkonu a honbě za virálním dosahem.
Platformy mohou upravit doporučovací systémy tak, aby nepreferovaly jen obsah s nejvyšší mírou interakcí. V praxi to znamená například větší váhu důvěryhodným zdrojům, omezení opakovaného podsouvání podobného materiálu nebo jasnější možnost vypnout personalizaci. Některé služby už nabízejí chronologické řazení obsahu, ale bývá skryté a pro běžného uživatele obtížně dostupné.
Nejsilnější nástroj ale stále zůstává na straně publika. Čtenář, který si vědomě kontroluje zdroje, sleduje různé typy médií a občas vyhledá i opačný názor, má větší šanci uniknout informační uzavřenosti. Prakticky to znamená sledovat nejen sociální sítě, ale i přímé zpravodajské weby, veřejnoprávní média, odborné portály a fact-checkingové projekty. V českém prostředí se tomu věnují například Demagog.cz nebo projekt Manipulátoři.cz, které upozorňují na nepravdivá či zavádějící tvrzení politiků a šířené narativy.
Demokracie potřebuje společný informační základ. Pokud algoritmy dál budou rozdělovat veřejnost do stále menších a uzavřenějších skupin, nebude problém jen v tom, co lidé čtou. Problém bude v tom, že už přestanou sdílet stejnou realitu.
