Pesquisadores da Universidade Tulane e da Universidade de Chicago conduziram pesquisas demonstrando que os hábitos de pesquisa do usuário e a otimização baseada em relevância dos mecanismos de busca contribuem para o reforço de crenças existentes.

Intervenções baseadas em algoritmos foram consideradas mais eficazes do que mudanças direcionadas pelo usuário na mitigação desses efeitos. Modificar algoritmos de busca para fornecer resultados mais amplos aumentou a atualização de crenças, promovendo uma compreensão factual mais compartilhada.

A polarização de crenças afeta as percepções da realidade factual em tópicos políticos, de saúde, econômicos, ambientais e sociais, como imigração. A opinião pública sobre medidas de saúde durante a pandemia da COVID-19 demonstrou divisões profundas, semelhantes aos debates em andamento sobre mudanças climáticas, mobilidade social , imigração e desigualdade econômica.

Os mecanismos de busca têm o potencial de facilitar a coesão social ao fornecer perspectivas amplas e diversas, mas muitas vezes contribuem mais para o reforço da crença devido ao seu design. Os algoritmos de busca priorizam a relevância ao filtrar e classificar os resultados, mas essa abordagem pode inadvertidamente criar câmaras de eco.

No estudo intitulado "O efeito da busca restrita e como a busca ampla promove a atualização de crenças", publicado na PNAS , pesquisadores conduziram 21 estudos usando métodos experimentais para examinar como os comportamentos de busca afetam a formação de crenças em vários tópicos e plataformas.

Um total de 9.906 participantes se envolveram em vários cenários de pesquisa envolvendo Google, ChatGPT, Bing com tecnologia de IA e interfaces de pesquisa personalizadas.

Os participantes geraram consultas de pesquisa sobre tópicos como saúde, finanças e política. Os termos de pesquisa refletiam crenças preexistentes, influenciando os resultados de pesquisa encontrados pelos participantes. Experimentos controlados mediram como esses resultados de pesquisa impactaram as crenças pós-pesquisa. Os pesquisadores introduziram intervenções baseadas em usuários e algoritmos, avaliando seus efeitos na atualização de crenças.

Os resultados mostraram que os termos de pesquisa estavam alinhados com as crenças anteriores dos usuários, levando a resultados de pesquisa direcionalmente estreitos. Os participantes expostos a esses resultados estreitos exibiram menos atualização de crenças. A pesquisa do Google, as respostas do ChatGPT e as pesquisas do Bing com tecnologia de IA demonstraram o efeito de pesquisa estreita, mesmo quando as respostas incluíam pontos de vista opostos.

Alterar algoritmos para fornecer resultados mais amplos aumentou significativamente a atualização de crenças. Tentativas de encorajar usuários a ajustar seu próprio comportamento de busca tiveram impacto limitado. Modificações algorítmicas que entregaram resultados de busca equilibrados levaram a maiores mudanças nas crenças dos participantes em comparação com intervenções direcionadas ao usuário. Curiosamente, os participantes não classificaram esses resultados de busca mais amplos como menos úteis ou relevantes, sugerindo que expandir o escopo de informações não compromete necessariamente a satisfação do usuário.

Em um estudo, os participantes que foram designados aleatoriamente para ver apenas os "benefícios" da cafeína tiveram probabilidade significativamente maior de escolher uma bebida com cafeína no final, demonstrando que uma busca restrita pode afetar não apenas crenças, mas decisões da vida real.

Os mecanismos de busca otimizados para relevância reforçam o viés de confirmação , restringindo os usuários a informações que se alinham com suas visões pré-existentes. Ampliar os resultados da busca por meio de intervenções algorítmicas permite maior exposição a perspectivas diversas, promovendo a atualização de crenças.

Ferramentas de busca assistidas por IA que incorporam respostas mais amplas e estruturadas podem dar suporte adicional a uma compreensão mais abrangente de tópicos complexos. Pesquisas futuras podem examinar como a desinformação dentro de resultados de busca mais amplos influencia a atualização de crenças e explorar refinamentos adicionais para modelos de busca orientados por IA.