Absztrakt
Napjainkban a különböző közösségi média platformok, például a Facebook, Instagram, TikTok mind kiemelt szerepet töltenek be az információfogyasztásban, a közéleti tájékozódásban és a politikai véleményformálásban. A TikTok egyik legfontosabb sajátossága az úgynevezett For You Page (FYP), amely egy erősen személyre szabott videófolyamot kínál a felhasználóknak. Az algoritmus működése nagyrészt átláthatatlan, ugyanakkor köztudott, hogy rendkívül gyorsan reagál a felhasználói interakciókra (megtekintési idő, kedvelések, kommentek, megosztások). Ami a TikTokot megkülönbözteti a többi közösségi média platformtól, az elsősorban az, hogy míg a Facebook és az Instagram követők és követett személyek/oldalak nélkül egy igen magányos, sivár, ingermentes környezetet tud nyújtani, addig a TikTok már az első pillanattól kezdve lehetőséget ad a felhasználónak arra, hogy kapcsolódni tudjon különböző tartalmakkal.
A szakirodalom és a médiadiskurzus gyakran említi az olyan jelenségeket, mint a véleménybuborékok, szűrőbuborékok és visszhangkamrák kialakulása, amelyek hosszú távon polarizációhoz és a szélsőséges nézetek megerősödéséhez vezethetnek. Kutatásunk célja annak vizsgálata, hogy a TikTok algoritmusa milyen gyorsan és milyen mértékben kezd el szélsőséges tartalmakat ajánlani egy új felhasználói profilnak, illetve hogy mennyire és milyen időtávon belül lehet kitörni egy ilyen tartalmi buborékból.
Kulcsszavak
médiapolarizáció, véleménybuborék, visszhangkamra, algoritmus
1.Elméleti háttér
1.1 Véleménybuborékok és visszhangkamrák
A digitális platformok térnyerésével párhuzamosan a közéleti és tudományos diskurzusban egyre gyakrabban jelennek meg a véleménybuborék (filter bubble) és a visszhangkamra (echo chamber) fogalmai. Ezeket a kifejezéseket azonban a közbeszéd gyakran pontatlanul vagy egymással felcserélve használja, miközben az empirikus társadalomtudományi kutatások árnyaltabb képet rajzolnak róluk. Ross Arguedas és munkatársai (2022) átfogó irodalmi áttekintése kiemeli, hogy még az akadémiai szakirodalomban sincs teljes konszenzus a fogalmak pontos definíciójáról, ami miatt különösen indokolt ezek elméleti tisztázása.
A visszhangkamra klasszikus értelmezése Jamieson és Cappella (2008) szerint egy olyan “zárt és körülhatárolt médiatérre” utal, ahol egyrészt felerősítik az épp ott megjelenő üzeneteket, másrészt elzárják azokat az ellentétes nézőpontoktól. Ez a definíció a nézeteknek megfelelő tartalmak túlsúlyán (megerősítés) és az ideológiailag keresztirányú információkkal való találkozás hiányán (elszigeteltség) alapul. A visszhangkamra nem csupán homogén médiakörnyezetet jelent, hanem olyan teret, amelyben a már meglévő vélemények megerősítést nyernek, miközben kevés az esély arra, hogy megingassák őket.
Ezzel szemben a véleménybuborék inkább az algoritmusok szerepének következménye. Eli Pariser (2011) véleménye szerint a digitális platformok algoritmusai a korábbi viselkedésünk, preferenciáink és interakcióink alapján úgy alakítják az online információs terünket, hogy leginkább azokat a tartalmakat lássuk, amelyek érdekelnek, vagy amelyekkel egyetértünk. A két fogalom közötti talán legfontosabb különbség tehát az okság: míg a visszhangkamra kialakulásában jelentős szerepet játszik az egyéni önszelekció és médiaválasztás, addig a véleménybuborék elsősorban az algoritmikus szűrés passzív hatásaira helyezi a hangsúlyt.
Ross Arguedas és munkatársai (2022) kutatásai ugyanakkor arra hívják fel a figyelmet, hogy az empirikus bizonyítékok nem támasztják alá azt a széles körben elterjedt feltételezést, miszerint az algoritmusok tömegesen zárnák a felhasználókat homogén információs buborékokba. Több országra kiterjedő survey- és passzív mérési adatok alapján a politikailag erősen partizán visszhangkamrák aránya alacsony: jellemzően a felhasználók mindössze néhány százaléka fogyaszt kizárólag egyetlen ideológiai irányba sorolható forrásokat. A legtöbb felhasználó médiadiétája – még a polarizáltabb politikai környezetekben is – viszonylag sokszínű.
Az algoritmikus tartalomajánlás szerepét vizsgálva a szakirodalom gyakran éppen ellentétes hatást azonosít a filter bubble hipotézissel szemben. A keresőmotorok és közösségi média platformok sok esetben növelik az úgynevezett „véletlenszerű” vagy járulékos találkozások (incidental exposure) esélyét, amely során a felhasználók olyan tartalmakkal is szembesülnek, amelyeket aktívan nem kerestek volna. Ez különösen igaz azokra a felhasználókra, akik egyébként alacsony érdeklődést mutatnak a közéleti tartalmak iránt.
Ugyanakkor a kutatások hangsúlyozzák az önszelekció jelentőségét: a legerősebben ideológiailag elkötelezett, politikailag aktív felhasználók nagyobb valószínűséggel keresik és fogyasztják a saját nézeteiket megerősítő tartalmakat, és körükben nagyobb eséllyel alakulnak ki zártabb, homogénebb információs környezetek. Ezek a csoportok azonban jellemzően kisebbséget alkotnak, miközben a többség vagy mérsékelten sokszínű médiakörnyezetben mozog, vagy egyáltalán nem fogyaszt rendszeresen politikai tartalmakat.
Összességében az elméleti és empirikus szakirodalom alapján arra következtethetünk, hogy a véleménybuborékok és visszhangkamrák létező, de korlátozott kiterjedésű jelenségek. Bár társadalmi hatásuk, különösen a politikai polarizáció és a szélsőséges nézetek felerősödése szempontjából nem elhanyagolható, kialakulásuk nem tekinthető sem automatikusnak, sem általánosnak. Ez az árnyalt megközelítés különösen releváns a TikTok algoritmusának vizsgálata során, hiszen nagyrészt megcáfolja előzetes feltételezéseinket, és új kérdéseket vet fel a buborékképződés dinamikájával kapcsolatban.
