Francuski filozof Michel Foucault twierdził, że język nie opisuje rzeczywistości w sposób neutralny — lecz aktywnie ją kształtuje. Opublikowane niedawno badanie naukowe nad językiem politycznym dostarcza empirycznego potwierdzenia tej tezy: subtelne wybory słownictwa mogą w znacznym stopniu wpływać na poziom uprzedzeń partyjnych w internetowych dyskusjach o wrażliwych kwestiach politycznych.

W centrum tych ustaleń znajduje się jedno pojęcie psychologiczne: entitativity — stopień, w jakim grupę ludzi postrzega się jako spójny, zjednoczony i „prawdziwy” byt. Pojęcie to ma długą historię w psychologii społecznej; sięga wprowadzenia terminu przez Donalda Campbella w 1958 roku, który opisywał, co sprawia, że zbiór jednostek odczuwany jest jako jedna, zwarta grupa, a nie luźny zbiór odrębnych osób.

„Badania nad nowymi grupami sugerują, że postrzegana entitativity zależy od tego, jak inni etykietują te grupy”, napisali niedawno Carsten W. Sander i Juliane Degner w czasopiśmie Social Psychological and Personality Science. „Wykorzystując dostrojone modele transformerowe do automatycznej klasyfikacji postów na Facebooku (N = 45 780) i komentarzy (N = 769 684), wykazujemy, że ten efekt występuje także w przypadku ugruntowanych grup politycznych. Konkretnie, posty zawierające etykiety rzeczownikowe (np. „Senate Republicans”) zamiast etykiet przymiotnikowych (np. „Republican senators”) oraz używające tych etykiet generycznie (np. „Democrats want”) zamiast nongenerycznie (np. „some Democrats want”) otrzymują wyższy odsetek komentarzy wyrażających uprzedzenia partyjne.”

Wcześniejsze badania nad tym zagadnieniem opierały się na fikcyjnych grupach politycznych, których uczestnicy nigdy wcześniej nie spotkali. W tych eksperymentach sformułowania subtelnie sprzyjające entitativity prowadziły uczestników do postrzegania grup jako pojedynczych całości, podczas gdy sformułowania nie mające tego efektu skłaniały ich do widzenia członków jako odrębnych osób. Aby sprawdzić, czy ten schemat odnosi się również do rzeczywistego dyskursu politycznego, badacze przeanalizowali około 46 000 postów na Facebooku i około 770 000 komentarzy. Dokładnie to odkryli. Cytowane w artykule dostrojone modele transformerowe należą do tej samej rodziny modeli językowych AI, które napędzają współczesne narzędzia analizy tekstu, i pozwoliły automatycznie klasyfikować uprzedzenia w takiej liczbie komentarzy, której ręczne kodowanie byłoby niepraktyczne. Ponieważ zbiór danych pochodził wyłącznie z Facebooka, kwestia, czy ten sam gramatyczny schemat obowiązuje na innych platformach, pozostaje otwarta dla przyszłych badań.

„Istota tego polega na tym, że postrzeganie grupy jako bytu sprawia, iż członkowie grupy wydają się bardziej wymienni”, powiedział Sander, pracownik naukowy Uniwersytetu Humboldta w Berlinie, w wywiadzie dla PsyPost. „Ludzie wtedy uogólniają zachowanie jednego członka na całą grupę, mśczą się na jednym członku grupy za przewiny popełnione przez innego i ogólnie przejawiają więcej uprzedzeń wobec obcych grup. Uzasadnialiśmy, że mogło to również napędzać polaryzację polityczną, rozumianą jako rosnące uprzedzenia wobec politycznej partii przeciwnej.”

Dla tych, którzy tworzą i konsumują komentarz polityczny, ustalenia wskazują na niewielką, lecz mierzalną dźwignię redakcyjną: w tym zbiorze danych posty używające etykiet rzeczownikowych i sformułowań generycznych przyciągały wyższy odsetek uprzedzonych odpowiedzi niż ich przymiotnikowe, nongeneryczne odpowiedniki. Badanie jest zbieżne z obserwacjami dr. Stevena Hassana, eksperta od sekt, który w sierpniu rozmawiał z AlterNet o prezydencie Donaldzie Trumpie i jego ruchu politycznym. Hassan wyjaśniał, jak takie ruchy subtelnie manipulują swoimi zwolennikami, tworząc sekciarską spójność i lojalność. Jak zauważył, poza sposobem formułowania poglądów w swobodnych postach internetowych ruchy polityczne budują również ekosystemy medialne, w których zwolennicy wykształcają zniekształcone postrzeganie rzeczywistości poprzez powtarzające się pozytywne wzmocnienia ze swoich sieci społecznościowych.

„Tak naprawdę sprowadza się to do tego, na jakie źródła informacji polegają i z jaką siecią się utożsamiają”, powiedział Hassan AlterNetowi. „Jeśli więc naprawdę uwielbiają Joe Rogana, będą podzielać wiele jego poglądów. I w konsekwencji, gdy on zwraca się przeciwko Trumpowi, Trump traci wielu zwolenników. Chcę przekazać, że żyjemy w epoce manipulacji cyfrowej, jakiej nigdy wcześniej nie widziano.”