در دنیای امروز، گسترش اطلاعات و دسترسی آسان به منابع مختلف علمی و غیرعلمی، فرصت‌ها و چالش‌های تازه‌ای برای جامعه به وجود آورده است. یکی از مهم‌ترین چالش‌ها، پدیده شبه‌علم است؛ اطلاعات یا ادعاهایی که به ظاهر علمی به نظر می‌رسند، اما فاقد پشتوانه معتبر و روش علمی هستند. این موضوع، به ویژه در فضای مجازی و شبکه‌های اجتماعی که امکان انتشار سریع و گسترده اطلاعات وجود دارد، اهمیت بیشتری پیدا کرده است. فاطمه بنیادی پژوهشگر ارتباطات علم می‌گوید: پیدا کردن و شناخت محتواهای شبه علمی که توسط انسان ساخته می شد، راحت تر از محتواهایی است که توسط هوش مصنوعی ساخته می شود. چراکه امروزه هوش مصنوعی هوشمندانه تر و موفق تر از انسان محتوای شبه علم را تولید می کند و فضا پیچیده تر شده است. لذا در این راستا می‌توان سیاست‌گذاران را ملزم کرد که ارائه‌دهندگان خدمات هوش مصنوعی محتواهای تولیدشده توسط هوش مصنوعی را به‌صورت شفاف علامت‌گذاری کنند. علاوه بر این می توان از هوش مصنوعی برای نشان‌دار کردن محتوای شبه‌علم استفاده کرد. این نوع برچسب‌گذاری برای مخاطبان بسیار مؤثر خواهد بود.

متن گفتگوی شفقنا رسانه با فاطمه بنیادی، دکترای علوم ارتباطات و پژوهشگر ارتباطات علم را در ادامه بخوانید…

باید میان «علم»، «فراعلم» و «شبه‌علم» تمایز قایل شد

در شبه‌علم، ظاهر علم حفظ می‌شود اما بنیان‌های آن مخدوش است

به نظر شما شبه‌علم به چه معناست ؟

برای تعریف شبه‌علم، ابتدا باید مرزهای علم روشن شود. در ادبیات دانشگاهی، به‌ویژه در آکسفورد، تاکید می‌شود که پیش از هر چیز باید میان «علم»، «فراعلم» (پاراساینس) و «شبه‌علم» تمایز قایل شد. فراعلم مجموعه‌ای وسیع‌تر از حوزه‌هایی است که بیرون از روش علمی قرار می‌گیرند؛ اما تنها بخشی از آن‌ها در دسته شبه‌علم یا Pseudoscience قرار می‌گیرند. پس ما اینجا درباره همه أنواع فراعلم صحبت نمی‌کنیم و فقط روی شبه‌علم تمرکز داریم.

علم تجربی مدرن بر پایه روش‌شناسی مشخص، ابزارهای تخصصی، زبان فنی و ترمینولوژی مخصوص به خود و فرایندهای دقیق گردآوری داده‌ها تعریف می‌شود. در علم، شکاکیت روشمند وجود دارد و داده‌ها بارها و در دوره‌های زمانی مختلف توسط جامعه علمی ارزیابی می‌شوند. پشتوانه اصلی محتواهای علمی نیز نظام داوری همتا یا Peer Review است که از طریق آن متخصصان یک حوزه درباره اعتبار یک پژوهش تصمیم می‌گیرند. از منظر فلسفه علم و به ویژه از منظر پوپر، یک ادعای علمی باید قابلیت ابطال‌پذیری داشته باشد و در صورت لزوم اصلاح شود؛ علمی‌بودن، به‌معنای «مطلقاً درست بودن» نیست، بلکه یعنی «در معرض نقد و تصحیح بودن». ممکن است محتوایی که امروز آن را علمی تلقی می‌کنیم، در سال‌های آینده به نادرستی آن پی ببریم ، البته همچان به آن یافته علمی می گوییم ولی آن را تصحیح می کنیم.

در شبه‌علم، ظاهر علم حفظ می‌شود اما بنیان‌های آن مخدوش است. واژه نامه دانشگاه استنفورد در مدخل شبه علم، دو گونه شبه‌علم را از هم تفکیک می‌کند: دسته‌ای که به‌طور کامل یک نظریه علمی را انکار می‌کنند و دسته‌ای که بخش‌هایی از فکت‌های علمی را می‌گیرند و با اعمال تغییرات دلخواه، آن را به نتیجه‌گیری‌های غیرعلمی پیوند می‌زنند. وجه مشترک همه آن‌ها استفاده از نشانه‌های ظاهری علم است؛ از اصطلاحات فنی و نمودارها گرفته تا ارجاع‌های ظاهراً معتبر. گاهی این ظاهر علمی بسیار سطحی است و گاهی در لایه‌های اولیه کاملاً علمی جلوه می‌کند، اما در مسیر استدلال و نتیجه‌گیری از چارچوب علم خارج می‌شود.

تشخیص محتوای شبه‌علم از علم مسیری پیچیده است

ارتباطگران سنتی علم، جای خود را به کنشگران شبکه‌های اجتماعی داده اند

چه ویژگی‌هایی یک مطلب علمی را از شبه‌علم متمایز می‌کند؟

طیفی از شبه‌علم وجود دارد که بسته به ساختار و مخاطب آن، می‌توان مراحل تفکیک را از یکدیگر جدا کرد. در این طیف، گاهی در سرِ طیف تنها ویژگی‌های ظاهری دیده می‌شود که شبیه علم هستند و در این موارد با بررسی منبع می‌توان شبه‌علم را تشخیص داد. البته در چنین شرایطی داشتن حدی از سواد علمی ضروری است. سواد علمی یعنی آشنایی با متدها و روش‌هایی که از طریق آن‌ها یک محتوای علمی به‌دست می‌آید.

اینکه با چه روشی یک نتیجه علمی حاصل شده، در کجا و توسط چه کسی یک نتیجه علمی به‌دست آمده و نتایج در کجا منتشر شده‌اند، آیا توسط جامعه علمی ارزیابی شده است؟ و… همگی عوامل مهمی برای ارزیابی اعتبار علمی هستند. این موارد بخشی از فرآیند تشخیص علم از شبه‌علم را مشخص می‌کنند. بااین‌حال، اصل موضوع این است که چه کسی قرار است این بررسی را انجام دهد و آن محتوای شبه علم در چه سطوحی از پیچیدگی قرار گرفته، نکته مهمی است. بنابراین مسیری پیچیده پیشِ روی ما قرار دارد تا بتوانیم محتوای شبه علمی را از محتوای علمی تشخیص دهیم. اما مهم‌ترین فاکتور، یافتن منبع و شناخت روش تولید محتواست: آیا می‌توانیم به این منبع اعتماد کنیم یا خیر؟

در اینجا، وقتی از «منبع» صحبت می‌کنیم، لازم است مجموعه‌ای از اصطلاحات دیگر را نیز بشناسیم. زبان علم، زبانی پیچیده و فنی است؛ تا حدی که حتی فردی که در یک رشته علمی متخصص است، ممکن است در رشته‌ای دیگر «غیرمتخصص» تلقی شود. بنابراین ما با طیفی از مخاطبان مواجهیم؛ از دانشمندانی که خارج از حوزه تخصصی خود قرار می‌گیرند تا افراد عادی که آشنایی اندکی با علم دارند.

به صورت سنتی، این زبان پیچیده علمی برای اینکه به عموم مردم برسد نیازمند واسطه هایی بوده که به آن ارتباط گران علم می گوییم. تا سال های زیادی به صورت سنتی رسانه‌های جریان اصلی توسط روزنامه‌نگاران علم، زبان پیچیده علمی را بدون آنکه از دقت یا صحت آن کاسته شود، ساده می کردند. این واسطه‌گری رسانه‌ای، علم را به شکلی قابل‌اعتماد به عموم مردم منتقل می‌کرد.

اما در سال‌های اخیر و با گسترش شبکه‌های اجتماعی، این مسیر سنتی دچار تغییر جدی شده است. نقش روزنامه‌نگار علمی که پیش‌تر بازیگر اصلی ارتباطات علم بود، کمرنگ شده و اکنون افراد مختلفی وارد میدان شده‌اند: از رئیس ناسا و مدیران پروژه‌های علمی گرفته تا دانشمندان و پژوهشگران خودشان مستقیماً در شبکه‌های اجتماعی محتوا تولید می‌کنند. یعنی از افرادی که ممکن است خیلی پیچیده و فنی صحبت کنند و مهارت های روزنامه نگاری علمی را نداشته باشند تا افرادی که تنها «علاقه‌مندان سطحی» به آن علم هستند و پیچیدگی‌های علمی را نمی‌شناسند، آن ها هم محتوایی منتشر می‌کنند که لزوماً علمی نیست، هرچند ظاهر علمی داشته باشد. ارتباطگران سنتی علم جای خود را به کنشگران شبکه های اجتماعی داده اند و باعث شده است که یافتن مسیر اعتماد -اینکه به چه کسی و به کدام محتوا تکیه کنیم- بسیار دشوارتر از گذشته شود.

شبکه‌های اجتماعی، ما را وارد نوع دوم «ارتباطات علم» کردند

اثر پذیرش ناشی از رأی اکثریت در صفحات شبه‌علمی بسیار پررنگ است

از دلایل افزایش محتوای شبه‌علم، سازوکارهای الگوریتمی شبکه‌های اجتماعی است

نقش الگوریتم‌های شبکه‌های اجتماعی در شبیه‌سازی و گسترش شبه‌علم چیست؟

اولین کاری که شبکه‌های اجتماعی انجام دادند این بود که ما را وارد نوع دوم یا مد دوم «ارتباطات علم» کردند. نخستین اتفاق این بود که کنشگران واسطه‌ای که پیش‌تر آموزش دیده بودند، از فیلتر رد می شدند، مهارت و تخصص داشتند و دروازه بانی خبر می‌کردند کمرنگ شدند . اکنون تعداد زیادی از کنشگران مختلف محتوا منتشر می‌کنند.

حال چه اتفاقی می‌افتد؟ تصور کنید با گروهی مواجهیم که تنها به فضای علمی علاقه دارند و لزوماً تحصیلات یا تخصص جدی در یک رشته علمی ندارند. این افراد، بر پایه علاقه‌مندی، شروع به جست‌وجوی یک موضوع می‌کنند. ما اثری در روانشناسی به نام «اثر لنگر» داریم. وقتی فردی به موضوعی علاقه‌مند است، اولین محتوایی را که می‌بیند نگه می‌دارد و حول آن می‌چرخد. این امر در بسیاری از حوزه‌ها رخ می‌دهد؛ اما در شبکه‌های اجتماعی اتفاق خطرناکی به لحاظ شبه علم رخ می دهد.

فرض کنید کاربری علاقمند به حوزه سلامت یا نجوم به جستجوی محتوا می پردازد و صفحه‌ پرمخاطبی در شبکه‌های اجتماعی یافت می کند. این کاربر ممکن است ندانَد محتوایی که می‌بیند درست است یا خیر؛ زیرا این صفحات اغلب پر از نمودارها، چارت‌ها، ادعاهای علمی، نقل‌قول از مؤسسات معتبر و ارجاع به «دانشمندان» هستند و ظاهری علمی دارند. کاربر که مکرراً با این محتوا مواجه می‌شود، به‌تدریج به این صفحه می‌چسبد و آن را به‌عنوان منبع مورد اعتماد خود در نظر می‌گیرد؛ و از آن پس، هر محتوایی را با آن می‌سنجد. اینجا اثر لنگر رخ می‌دهد. اگر صفحه‌ای شبه‌علمی در شبکه های اجتماعی باشد، اثر لنگر بر روی آن کار می کند.

از طرف دیگر مخاطب دچار تأثیرات روانشناختی دیگری نیز می‌شود؛ از جمله اثر پذیرش ناشی از رأی اکثریت. این را با مارپیچ سکوت مقایسه می کنیم. در علوم ارتباطات می‌دانیم که افراد اگر احساس کنند در اقلیت هستند، معمولا اندیشه خود را ابراز نمی‌کنند؛ اما اگر تصور کنند اندیشه آن‌ها توسط اکثریت حمایت می‌شود، به‌طور طبیعی به خود جرات ابراز اندیشه خود را می‌دهند. این اثر، در صفحات شبه‌علمی بسیار پررنگ و به آن اثر پذیرش ناشی از رأی اکثریت می گویند؛ زیرا ظاهر علمی محتوا باعث تقویت پذیرش آن در ذهن مخاطبان بیشتر می‌شود.

از طرف دیگر شبکه‌های اجتماعی با ایجاد فیلتر مشارکتی این چرخه را تقویت می‌کنند. برای مثال، وقتی کاربر ایده‌ای را دوست دارد یا در طیفی از ایده پردازی قرار می‌گیرد، الگوریتم‌ها او را در معرض محتواهای مشابه قرار می‌دهند. به این اتفاق فیلتر مشارکتی می گویند.

اگر به «مارپیچ سکوت» و « اثر پذیرش ناشی از رأی اکثریت » بازگردیم، پیش‌تر نظام فکری وجود داشت که در آن برخی اندیشه‌ها در اقلیت بودند و کمتر مطرح می‌شدند. اما اکنون، در شبکه‌های اجتماعی، افراد غیرمتخصص که پیش از این خاموش بودند، امکان ابراز نظر پیدا می‌کنند و خود تبدیل به تولیدکننده محتوای غلط می‌شوند. این فرآیند «حبابی» ایجاد می‌کند که تحت تاثیر فیلترهای مشارکتی مرتباً بزرگ‌تر می‌شود.

در چنین شرایطی، گروه‌هایی شکل می‌گیرند که بر پایه محتوای شبه‌علمی رشد می‌کنند و در معرض هیچ اندیشه مخالفی قرار نمی‌گیرند. محتواهای خارج از این حباب اصلاً به آن‌ها نشان داده نمی‌شود. این اندیشه در لایه‌های شناختی مغز آن‌ها رسوب می کند. حتی در برخی پژوهش‌ها مشاهده شده است که گاهی افرادی که در هسته تولید محتوای شبه‌علمی قرار دارند، برای خود هویت علمی کاذب و مایی تعریف می‌کنند در برابر دیگری که تمایل به شنیدن حرفشان را هم ندارند. این هسته شکل‌گرفته، دائماً بزرگ‌تر می‌شود و در برابر گروه مقابل—که هیچ تماس و گفت‌وگویی با آنان ندارد—قرار می‌گیرد و نوعی قطبی‌سازی دو سر ایجاد می‌کند؛ تا جایی که حتی توان شنیدن اندیشه مقابل را از دست می‌دهند. کاربران این گروه‌ها افراد مخالف را آن‌فالو می‌کنند و حبابشان هر بار بزرگ‌تر می‌شود.

یکی از علت‌های افزایش شدید محتوای شبه‌علمی در سال‌های اخیر همین سازوکارهای الگوریتمی شبکه‌های اجتماعی است. این‌ها همان پدیده‌هایی هستند که پیش‌تر نیز وجود داشتند اما اکنون با شدت بسیار بیشتری خود را نشان می‌دهند. نمونه بارز آن، تجربه‌های دوران کرونا و نمونه‌های مشابه اخیر در مقیاسی بسیار وسیع ادعای کیم کارداشیان است گفته بود که «سفر فضانوردان آمریکایی با آپولو ۱۱ به ماه ساختگی بوده و یک اتفاق رسانه‌ای است». حال تصور کنید وقتی اثر سلبریتی‌ها با اثر فضای مجازی ترکیب شود، چه فاجعه‌ای می‌تواند ایجاد کند. بخشی از الگوریتم‌های شبکه‌های اجتماعی بر اساس «نمایش بیشترِ محتوای وایرال و پرترند» عمل می‌کنند؛ یعنی هر محتوایی که در چرخه وایرال‌شدن قرار بگیرد، بیشتر و بیشتر نمایش داده می‌شود. بنابراین محتوای وایرال، بسیار گسترده‌تر توسط اکثریت دیده می‌شود.

ما دو نوع مرجعیت برای پذیرش و اعتماد به محتوا داریم. از یک سو، مرجعیت اکثریت قرار دارد؛ یعنی اینکه یک محتوا از کانال‌های مختلف دیده می‌شود و مخاطب احساس می‌کند «همه» آن را تأیید می‌کنند. برای مثال، من یک محتوا را در اینستاگرام و سپس در صفحه‌ای دیگر می‌بینم و این تکرار، مرجعیت اکثریت را تقویت می‌کند. مرجعیت اکثریت در شبکه های اجتماعی با الگوریتم های وایرال کردن ترکیب می شود و تاثیرش چند برابر می شود.

نوع دوم، مرجعیت محبوبیت است؛ یعنی کاراکترها یا سلبریتی‌هایی که به هر دلیلی محبوب هستند—حتی اگر تخصص علمی نداشته باشند. این مرجعیت به «اثر هاله‌ای» منجر می‌شود. اثر هاله‌ای یعنی اگر من یک فرد را در حوزه‌ای مشخص محبوب و قابل‌اعتماد بدانم، احتمال دارد در حوزه‌های کاملاً نامرتبط نیز سخنان او را معتبر تلقی کنم. برای مثال؛ اگر من شما، را به‌عنوان فردی محبوب در حوزه روزنامه‌نگاری می‌شناسم، ممکن است هنگام مواجهه با موضوعی علمی—مثلاً درباره کرونا—نظر شما را بپذیرم، حتی اگر تخصص اصلی شما حوزه رسانه باشد، نه پزشکی. این نمونه‌ای از اثر هاله‌ای است.

حال تصور کنید این اثر درباره اینفلوئنسرهایی رخ دهد که محبوبیت گسترده دارند. اگر آن‌ها درباره موضوعی علمی یا شبه‌علمی اظهار نظر اشتباه کنند، اثر این خطا به‌واسطه محبوبیتشان چند برابر می‌شود. افزون بر این، الگوریتم‌ها محتوای آنان را بیشتر در معرض دید قرار می‌دهند، و هنگامی که با چالش انتقاد روبه‌رو می‌شوند، طرفدارانشان از هویت و اعتبار آن‌ها دفاع می‌کنند و بدون بررسی دقیق، عملاً به حامیان نظر آن فرد تبدیل می‌شوند. این چرخه، نقش مؤثری در گسترش و تقویت شبه‌علم دارد.

ضرورت درخواست مردم از صاحبان پلتفرم‌ها برای مدیریت الگوریتم‌ها به نفع جامعه

رد شدن از الگوریتم‌ها و تولید محتوای مطلوب مورد علاقه مردم کاری سختی است

باید کمک کنیم تا افراد متخصص به مرجع قابل اعتماد تبدیل شوند

به نظر شما چه اقداماتی باید برای مقابله با گسترش شبه‌علم در فضای مجازی انجام شود؟

باید چند برنامه طراحی کرد. در درجه اول باید مخاطبان را از هم تفکیک کنیم. یک ساحت، ساحت سیاست‌گذاری است؛ ساحت دیگر، ساحت مخاطبان عمومی؛ و ساحت سوم، ساحت مسئولیت اجتماعیِ ارتباط گران علمی که در حوزه‌های علمی تخصص دارند و آموزش دیده اند. برای هر یک از این ساحت‌ها باید مسیری جداگانه طراحی شود و نمی‌توان با شدت واکنشی، با هر رخدادی مقابله کرد. سیاست‌گذاران باید نسبت به آنچه در جامعه رخ می‌دهد آگاه باشند. برای مثال، در برخی کشورها اینفلوئنسرها اجازه اظهار نظر در حوزه‌ای را که در آن تحصیل نکرده‌اند، ندارند. در اینجا سیاست‌گذاران می‌توانند به سامان‌دهی این فضا کمک کنند؛ به‌گونه‌ای که آزادی بیان مخدوش نشود، اما هم‌زمان هر فردی بدون تخصص اجازه اظهارنظر در موضوعات تخصصی نداشته باشد.

بخش مهم دیگر، ارتقای سواد علمی در جامعه است؛ چه برای خود ما و چه برای اطرافیان‌مان. افزایش سواد علمی به این معناست که یاد بگیریم نسبت به پدیده‌هایی مانند «اثر هاله»، «سوگیری‌ها» و «سوگیری های ناخودآگاه» آگاه باشیم؛ آگاهی‌ای که به ما کمک می‌کند ادعاهای معتبر را بهتر تشخیص دهیم. در این میان، نقش واسطه‌ها یا همان روزنامه‌نگاران علم سنتی اهمیت بسیاری دارد. آن‌ها شاخص‌ها و اندیکاتورهایی هستند که باید تقویت شوند تا صدایشان شنیده شود.

جامعه عمومیِ غیرمتخصص باید کمک کنند تا محتوای روزنامه‌نگارانهِ تحقیق‌شده و قابل اعتماد، در فیلترهای کیفیت بالا برود. وقتی محتوای درست تولید می‌شود، افراد جامعه گاهی تمایلی به آن ندارند با این حال نادیده‌گرفتن آن می‌تواند به زیان کل جامعه باشد. بنابراین، احساس مسئولیت جمعی، سیاست‌گذاری جمعی و مطالبه‌گری از مدیران پلتفرم‌ها ضروری است. به عبارتی باید مردم و افراد آگاه جامعه از صاحبان پلتفرم ها درخواست کنند که الگوریتم‌ها را به نفع جامعه مدیریت کنند. به طوری که الگوریتم های زرد، تبلیغاتی و… را یا خاموش کنند و یا با مدیریت اثرات آن را کنترل کنند.

باید این واسطه گری تقویت شود. روزنامه نگاران علم مسیر سختی در پیش دارند به دلیل اینکه رد شدن از الگوریتم ها و تولید محتوای مطلوب مورد علاقه مردم کاری سخت و جذاب کردن آن سخت تر است.  باید تقویت کننده صدای کسانی  باشیم که آموزش تخصصی دیده اند و کمک کنیم تا آن‌ها به مرجع قابل اعتماد تبدیل شوند.

به نظر شما چرا و چه عواملی باعث می شود تا بعضی افراد تمایل داشته باشند که به جای منابع معتبر علمی، اطلاعات نادرست را از فضای مجازی دریافت کنند؟

من شخصاً فکر نمی‌کنم که اگر افراد تصور کنند یک محتوا شبه‌علمی است، لزوماً دوباره به آن رجوع کنند. وقتی درباره اعتماد صحبت می کنیم، باید دو نوع اعتماد را از یکدیگر تفکیک کنیم. نخست، «اعتماد در علم» یعنی اعتمادی که درون جامعه علمی وجود دارد و دوم، «اعتماد به علم» یعنی اعتمادی که از سوی افراد بیرون از جامعه علمی به علم شکل می‌گیرد. همان‌طور که پیش‌تر اشاره کردم، پارادایم‌های دیگری بغیر از علم مانند مذهب یا انواع دیگر نظام‌های دانشی- که حتی گاهی برخی از آن ها ریشه‌ای سنتی دارند و سال‌ها در جامعه وجود داشته‌اند -که الزاماً بر پایه شیوه علمیِ کسب اطلاعات بنا نشده‌اند، دخالت دارند. تجربیات من نشان داده که بخش قابل توجهی از جامعه ما نشان می‌دهد که اغلب افراد اگر احساس کنند محتوایی علمی نیست، آن را کنار می‌گذارند. مسئله اینجاست که بسیاری از مردم به‌دلیل ویژگی‌های ظاهری یک محتوا، استفاده از اصطلاحات فنی، ارائه نمودارها و نیز ادعای تکیه بر گفته‌های «دانشمندان»، ناخواسته در دام محتوای شبه‌علم می‌افتند و آن را علم تصور می‌کنند. این بخش بزرگی از جامعه را شامل می‌شود و بسیار خطرناک است.

در کنار این گروه، بخش کوچک‌تری وجود دارد که معتقد است علم لزوماً قابل اعتماد نیست و مسیر اعتماد را به‌طور کلی رد می‌کند و نحوه مواجهه ما هم باید با آن ها متفاوت باشد. بنابراین باید این گروه‌ها را از یکدیگر تفکیک کرد: گروه بزرگ جامعه که ناخودآگاه در معرض شبه‌علم قرار می‌گیرد و به اشتباه آن را به عنوان علم می‌پذیرد و گروه کوچک‌تر که آگاهانه مسیر اعتماد به علم را رد می‌کند. در بسیاری موارد، مشکل این است که «نمی‌دانیم که نمی‌دانیم»، و همین موضوع مسیر را پیچیده می‌کند.

سواد علمی از آموزش‌های بسیار کمک‌کننده برای جلوگیری از گسترش شبه‌علم است

شناخت محتواهای شبه‌علمیِ ساخته شده توسط انسان، آسان‌تر از هوش‌مصنوعی است

به نظر شما، آیا آموزش‌های علمی خاصی برای کاربران فضای مجازی وجود دارد تا از گسترش شبه‌علم جلوگیری شود؟

سواد علمی یکی از این آموزش‌های بسیار کمک‌کننده است؛ از جمله آموزش درباره اینکه «علم چیست» و یک محتوا چه مسیری را باید طی کند تا آن را علمی بدانیم. اما در کنار آن، سواد رسانه به‌طرز چشمگیری اهمیت دارد. در حال حاضر، سواد رسانه با پیچیدگی‌های جدیدی روبه‌رو شده است. سواد رسانه ای که در ایران آموزش داده می‌شود قابل قبول است، اما در مواجهه با الگوریتم‌های هرروز پیچیده‌ترِ شبکه‌های اجتماعی و ارائه‌دهندگان خدمات هوش مصنوعی، نیازمند توسعه و روزآمدسازی است.

پیدا کردن و شناخت محتواهای شبه علمی که توسط انسان ساخته می شد، راحت تر از محتواهایی است که توسط هوش مصنوعی ساخته می شود. چراکه امروزه هوش مصنوعی هوشمندانه تر و موفق تر از انسان محتوای شبه علم را تولید می کند و فضا پیچیده تر شده است. لذا در این راستا می‌توان سیاست‌گذاران را ملزم کرد که ارائه‌دهندگان خدمات هوش مصنوعی محتواهای تولیدشده توسط هوش مصنوعی را به‌صورت شفاف علامت‌گذاری کنند. علاوه بر این می توان از هوش مصنوعی برای نشان‌دار کردن محتوای شبه‌علم استفاده کرد. این نوع برچسب‌گذاری برای مخاطبان بسیار مؤثر خواهد بود. سیاست‌گذاران می‌توانند تولیدکنندگان محتوا را نیز تشویق یا ملزم کنند تا روش‌های علمی‌تری برای تولید محتوا به‌کار گیرند؛ رویکردی که با مشارکت پژوهشگران علوم انسانی، علوم شناختی، جامعه‌شناسی، برنامه نویسان و… می‌تواند گسترش یابد تا به کاهش این «گرداب بزرگ شبه‌علم» کمک کند.

تجربه جمعی ما در دوران کرونا به‌خوبی نشان داد که شناخت اهمیت علم و مقابله با شبه‌علم تا چه اندازه حیاتی است. هنوز این تجربه در حافظه جمعی ما حضور دارد و اکنون بهترین زمان است که همه ظرفیت‌ها را در جهت مقابله با گسترش شبه‌علم متمرکز کنیم؛ زیرا اگر دیر شود، فرصت از دست خواهد رفت.

گاهی مجموعه‌ای از ربات‌ها در فرایند انتشار عمدی اطلاعات نادرست نقش دارند

برای مقابله با شبه علم نباید در دایره دیگری افراد قرار گرفت

در معرض محتوای درست قرار دادن افراد، بهترین مکانیسم برای مقابله با شبه‌علم است

آیا شما خودتان تاکنون با اطلاعات شبه‌علمی در فضای مجازی روبرو شده‌اید؟ چه واکنشی نشان داده‌اید؟

با توجه به اینکه پژوهشگر این حوزه هستم گاهی ناخودآگاه با اطلاعات شبه علم مواجهه شدم و گاهی هم متعمدانه به جستجوی این نوع اطلاعات پرداخته ام.

ما در شبه علم یک (Misinformation) به معنای «اطلاعات نادرستِ غیرعمدی» داریم و یک (Disinformation) به معنای «اطلاعات نادرستِ عمدی» داریم. فردی که اطلاعات نادرست را عمداً منتشر می کند ممکن است یک شخص باشد، اما در بسیاری موارد تنها یک فرد در میان نیست؛ بلکه مجموعه‌ای از ربات‌ها و موتورهای توزیع محتوا نیز در این فرایند نقش دارند که درک آن سخت است.

یکی از مهم‌ترین نکاتی که تجربه نشان می‌دهد این است که زمانی که تولیدکنندگان ناآگاهانه اطلاعات شبه علمی منتشر می‌کنند، یک پدیده روان‌شناختی به نام اثر دانینگ-کروگر رخ می‌دهد. اثر دانینگ–روگر یک پدیده روان‌شناختی است که بر اساس آن افراد با دانش یا مهارت کم، میزان توانایی خود را بیش‌ازحد برآورد می‌کنند. اینجا منظور این است که علاقمندان به یک علم خود و مهارت خود را در آن بزرگتر ارزیابی می‌کنند. وقتی به صورت مستقیم مقابل آن ها قرار می گیرید و می گویید که محتوای توزیع شده آن ها غلط است، معمولاً در برابر تو جبهه می گیرند و تبدیل به دیگری می شوید. وقتی در دایره دیگری قرار گرفتید حذف می شوید. تجربه می گوید مقابله با شبه علم برای افرادی که نمی دانند و بر اثر دانینگ-کروگر شبه علم را توزیع یا تولید می کنند، این است که نباید در دیگری آن افراد قرار بگیرید. در دیگری این افراد قرار گرفتن یعنی حذف و اجازه گفتگو نگرفتن. لذا سوال درست پرسیدن و در معرض محتوای درست قرار دادن بهترین مکانیسم است. برخورد خصمانه یا نگاه دشمن‌انگارانه اصلاً رویکرد مؤثری نیست. بخش بزرگی از جامعه نیازمند همراهی و آموزش است، نه تقابل.

در این زمینه نمودار بسیار مشهوری وجود دارد که مسیر «اطلاعات -دانش – خرد» را توصیف می‌کند. بر اساس این الگو، افراد باید به‌تدریج و با قرار گرفتن مستمر در معرض محتوای درست، پرسش‌گری و تفکر نقادانه را بیاموزند. هرگاه این مسیر طی نشود، نتیجه آن شکست در تشخیص محتوای معتبر خواهد بود.