Feed není svět. Proč máme pocit, že všichni řeší totéž?

Představme si dva lidi u jednoho stolu. Oba mají pocit, že vědí, čím právě žije svět. Prvnímu se celý den vracejí videa o rozchodech, nevěře a toxických vztazích. Druhému politické hádky, předpovědi hospodářského kolapsu a lidé přesvědčení, že země míří do záhuby. Když si telefony vymění, každý chvíli nevěřícně sleduje cizí proud. Který z nich tedy viděl skutečnou společnost?

Oba mohli vidět skutečné lidi, výroky i problémy. Ani jeden však neviděl obraz sestavený tak, aby přiměřeně zastupoval celou společnost. Výběr začal už tím, kdo danou platformu používá a kdo na ní něco zveřejnil. Pokračoval přes sledované účty, pravidla doporučování a řazení příspěvků až k tomu, co upoutalo jejich vlastní pozornost.

Právě v tomto posledním kroku vzniká nenápadný přesun. Věta „viděl jsem to desetkrát“ se změní na „je toho teď všude plno“ a o chvíli později na „všichni tohle řeší“. Počet zobrazení se promění v odhad počtu lidí. Osobní informační prostředí začne působit jako průzkum veřejného mínění, který však nikdo neprovedl.

Feed odpovídá na jinou otázku než průzkum

Reprezentativní průzkum se snaží předem určit, o jaké populaci chce něco zjistit, jak z ní vybrat lidi a jak zohlednit známé nerovnosti výběru. Ani kvalitní průzkum není neomylný, ale alespoň otevřeně řeší jmenovatel: mluvíme o obyvatelích Česka, dospívajících, voličích, zaměstnancích, rodičích, uživatelích určité služby, nebo pouze o lidech, kteří odpověděli?

Feed má jiný úkol. Z dostupných příspěvků sestavuje proud, který bude pro konkrétní účet relevantní, zajímavý nebo hodnotný podle cílů a pravidel služby. TikTok svůj kanál Pro tebe popisuje jako personalizovaný výběr. Mezi signály řadí například lajky, sdílení, komentáře, dokoukání či přeskočení obsahu a informace o obsahu i uživateli. Meta v popisu z roku 2021 vysvětlovala výběr možných příspěvků, tisíce signálů a předpovědi pravděpodobných reakcí. Obě firmy tedy popisují službu přizpůsobenou jednotlivci. Zástupce společnosti do ní náhodně nelosují.

Chronologický feed tuto potíž úplně neřeší. Pokud řadí obsah sledovaných účtů od nejnovějšího, zachovává náš předchozí výběr lidí i rozdíly v tom, jak často publikují. Změní pořadí, ale nevytvoří sčítání lidu. Právě proto sociální sítě nejsou neutrálním oknem do světa. K technickému výběru se navíc přidává naše vlastní tendence odvozovat z malého výřezu poměry v celku.

Mezi světem a displejem stojí několik výběrů

Než se určitá zkušenost objeví ve feedu, projde řadou bran. Každá může být rozumná sama o sobě. Jejich složením však vzniká vzorek, který se od celé společnosti liší několika způsoby najednou.

Tyto výběry se skládají na sebe. Velmi aktivní účet může mít výhodu už počtem příspěvků a další výhodu získat díky doporučování. Pokud si jeho výstupy navíc dobře pamatujeme, jeho vliv na náš dojem ještě zesílí. Jediné přepnutí způsobu řazení proto odstraní jen část vlivů, které výsledný obraz vytvářejí.

Co si snadno vybavíme, působí častěji

Když nemáme po ruce statistiku, četnost často odhadujeme podle něčeho dostupnějšího. Jednou z takových zkratek je snadnost, s níž si vybavíme příklady. Amos Tversky a Daniel Kahneman ji už v roce 1973 popsali jako heuristiku dostupnosti: jev se nám může zdát pravděpodobnější nebo častější, když nám jeho příklady rychle přijdou na mysl.

Vybavitelnost přitom neovlivňuje jen skutečný počet událostí. Pomáhá jí živý obraz, silná emoce, nedávnost, opakování i to, že přesně víme, jak daný příklad v paměti hledat. Deset podobných videí během jednoho večera proto poskytne mysli deset čerstvých odpovědí na otázku „děje se to?“. Tisíce lidí, kteří danou věc neudělali a nic o tom nezveřejnili, nevytvoří ani jeden stejně dostupný obraz.

Zkušenost mimo síť, znalost prostředí nebo data nám mohou pomoci první dojem opravit. Feed ale dodává čerstvé příklady právě pro otázku „co dnes lidé dělají“. Když si je snadno vybavíme, máme pocit, že se náš úsudek opírá o množství důkazů. Hůř už poznáváme, kolik z nich pochází ze stejného úzkého okruhu.

Hodně obsahu nemusí znamenat hodně lidí

Představme si sto účtů. Devadesát pět z nich zveřejní za týden jeden klidný příspěvek nebo nic. Zbývajících pět publikuje několikrát denně, reaguje na každý spor a vyrábí celé série. Když budeme počítat příspěvky, malá skupina může zaplnit většinu prostoru. Když budeme počítat lidi, zůstane malou skupinou.

Podobný rozdíl zkoumala práce publikovaná v PNAS Nexus v roce 2025. Ve třech amerických šetřeních lidé po seznámení s definicemi a postupem starších analýz odhadovali, kolik účtů se dopustilo škodlivého chování. U Redditu souhrnný odhad přesahoval 40 procent aktivních účtů, přestože porovnávaná data uváděla 3,1 procenta účtů s alespoň jedním závažně toxickým komentářem za sledovaných 18 měsíců. U Facebooku respondenti prvního šetření odhadovali, že falešnou zprávu sdílelo 47 procent uživatelů, proti 8,5 procenta v původním výzkumu. Jde o srovnání s konkrétními staršími soubory, nikoli o dnešní podíly na obou platformách. V navazujícím experimentu se lidé po vysvětlení, že škodlivý obsah vytváří malá, ale velmi aktivní skupina, cítili lépe a vnímali menší morální úpadek americké společnosti. Výzkum tak dokládá, jak snadno zaměníme množství škodlivého obsahu za množství lidí, kteří jej vytvářejí.

Stejný problém se netýká jen toxicity. Jeden tvůrce může denně zveřejnit několik videí ze svého luxusního života, desítky vztahových rad nebo řadu politických komentářů. Agregátor může z jediné agenturní zprávy vytvořit stovky podobných článků a různé účty mohou opakovat tentýž klip s novými titulky. Na displeji přibývají položky, nikoli nutně nezávislé zkušenosti, nové důkazy nebo další lidé.

Mlčení nemá vlastní kartu ve feedu

Kdo nic nezveřejní, není neutrální hlas pro opačnou možnost. Je prostě neviditelný. Člověk může nemít silný názor, může být unavený, může si chránit soukromí, bát se konfliktu nebo považovat téma za příliš obyčejné na veřejný příspěvek. Z jeho ticha nelze poznat souhlas ani nesouhlas.

To vytváří zvláštní nerovnost. Vyhraněný názor zanechá text, video, komentář a několik reakcí. Neutrální postoj často nezanechá nic. Spokojený vztah nemusí každý týden oznamovat, že se opět nerozpadl. Člověk, který zůstal v práci, nepíše „dnes jsem znovu neodešel ve vzteku“. Rodič, jehož běžný den nebyl ani idylický, ani katastrofální, nemá snadný důvod vytvořit dramatický příběh.

Viditelnost proto systematicky zvýhodňuje to, co někdo považoval za hodné zveřejnění. Ne vždy je to extrém a ne vždy jde o negativitu: lidé ukazují také úspěchy, krásu, pomoc a humor. Společné je, že vidíme jen to, co někdo vybral ke zveřejnění. Běžný průměr nemá automatický nárok na stejný počet příspěvků jako výjimečná událost.

Menšina může v našem okolí vypadat jako většina

Ani kdyby každý publikoval stejně často, naše sociální okolí by nemuselo odpovídat celku. Lidé nejsou v síti propojeni náhodně. Některé účty mají obrovský dosah, jiné sleduje jen několik lidí. Vztahy se častěji tvoří kolem společných zájmů, profese, místa, věku, jazyka nebo hodnot.

Kristina Lermanová, Xiaoran Yan a Xin-Zeng Wu popsali většinovou iluzi: za určitých síťových podmínek může menšinový rys v okolí mnoha lidí vypadat jako většinový, zejména když jej mají lidé s velkým počtem vazeb. Autoři mechanismus modelovali na uměle vytvořených sítích a zkoumali jej také ve vybraných reálných síťových strukturách. Velikost iluze závisela na tom, kdo je s kým propojený a u koho se sledovaný rys vyskytuje. Vlastní okolí tak může ukazovat jiné poměry než celá síť.

Jeden výrazný účet se objeví u tisíců lidí. Každý z nich potom může mít zkušenost „často to vídám u lidí kolem sebe“, přestože se všechny cesty vracejí k několika stejným zdrojům. Viditelnost dobře propojených lidí se násobí; tichá a rozptýlená většina nemusí zanechat srovnatelně viditelnou stopu.

Feed tvoříme spolu se systémem

Doporučovací systém příspěvky vybírá a řadí. Jejich nabídku i signály pro další výběr přitom vytvářejí lidé. Sledujeme určité účty, některá témata hledáme, u něčeho se zastavíme a jiný obsah přeskočíme. Naše okolí publikuje a sdílí. Tvůrci volí formáty, které fungovaly dříve. Platforma pak z těchto stop odhaduje, co nabídnout příště.

Pozornost přitom není totéž co souhlas. U videa můžeme zůstat proto, že nás pobouřilo, zmátlo nebo že chceme přečíst komentáře. Můžeme jej poslat příteli s větou „podívej, co je to za nesmysl“. Systém však stále zaznamená dobu sledování, sdílení a další aktivitu. Právě tak může ragebait získávat dosah i z odporu, který vyvolá.

Vzniká zpětná vazba: systém ovlivňuje, z čeho budeme příště vybírat, a naše chování mu poskytuje nové podklady. Možnosti uživatele a provozovatele jsou přitom velmi nerovné. Uživatel může měnit své volby; platforma určuje cíle řazení, váhy jednotlivých signálů i pravidla, podle nichž obsah do nabídky vůbec pustí.

Různé omyly o tom, co si myslí ostatní

Pojem názorová bublina se používá tak široce, že někdy zakryje rozdílné situace. Člověk může vidět převážně podobné názory, protože si vybral podobné lidi. Může dostávat personalizovaný obsah podle předchozího chování. Může sledovat pestré spektrum, ve kterém však několik velmi aktivních účtů zabere nejvíc prostoru. A může potkávat různé postoje, ale všechny pouze k jednomu tématu, které ve skutečnosti většina společnosti téměř neřeší.

Tyto rozdíly pomáhají zachytit dva psychologické pojmy. Falešný konsenzus označuje sklon považovat vlastní postoj či volbu za rozšířenější, než je vidí lidé s jiným názorem. Nemusíme přitom věřit, že patříme k většině; i vlastní menšinový názor můžeme pokládat za běžnější, než jej pokládají ostatní. Pluralitní ignorance nastává, když lidé určitou veřejnou normu soukromě nesdílejí, ale mylně se domnívají, že ji ostatní přijímají.

Výzkum Deborah Prenticeové a Dalea Millera z roku 1993 ukázal pluralitní ignoranci u postojů studentů Princetonu k pití alkoholu. Při opakovaném šetření mezi padesáti studenty druhého ročníku se muži během semestru v průměru přiblížili postoji, který mylně připisovali ostatním. U žen výzkumníci takový posun nenašli. Oba pojmy tedy zachycují odlišnou zkušenost: „můj postoj je docela běžný“ a „ostatní přijímají něco, co mně samotnému vadí“.

Ani jedno nepotřebuje dokonale uzavřenou bublinu. Stačí nepřesný vzorek lidí, nerovná ochota mluvit a dojem, že viditelné chování prozrazuje soukromý názor celé skupiny.

Pestrý feed stále nemusí být reprezentativní

Představa bubliny svádí k jednoduchému řešení: přidáme několik opačných názorů a dostaneme realitu. Rozmanitost zdrojů může být užitečná, ale reprezentativnost nevzniká pouhým vložením dvou stran sporu. Obě mohou být ve společnosti menšinové, obě mohou mluvit hlavně k velmi aktivním lidem a celý konflikt může dostávat násobně větší prostor než témata, která lidé skutečně považují za důležitější.

Pestrý politický feed například může rovnoměrně ukazovat nejostřejší zastánce dvou táborů. Názorově není jednostranný, přesto může vytvořit představu, že společnost se skládá hlavně ze dvou stejně hlučných skupin, které se navzájem nenávidí. Střed, nejistota, nezájem i lidé s jinou osou priorit zůstanou mimo záběr.

Rozmanitost perspektiv a přesnost poměrů jsou dvě různé kvality. První se ptá, zda se k nám dostanou odlišné hlasy. Druhá se ptá, zda jejich zastoupení odpovídá populaci a otázce, o níž chceme něco tvrdit. Běžný feed nebyl navržen tak, aby druhou podmínku splnil.

Změna feedu neznamená automatickou změnu člověka

Výzkum účinků řazení přináší různé výsledky. Během amerických voleb v roce 2020 výzkumníci náhodně převedli část uživatelů Facebooku a Instagramu, kteří souhlasili s účastí, na obráceně chronologický feed. Změna snížila čas i aktivitu na platformách a podstatně změnila obsah, který lidé viděli. Během tří měsíců však výzkumníci nezjistili průkaznou změnu hlavních měřených politických znalostí, postojů ani ukazatelů polarizace.

Jiný výsledek přinesl nezávislý experiment na síti X z roku 2023, publikovaný v roce 2026. Ze 6 043 aktivních amerických uživatelů, kteří vyplnili vstupní dotazník, dokončilo následné šetření 4 965. Přechod z chronologického na algoritmický feed během sedmi týdnů zvýšil aktivitu na síti a posunul některé postoje k aktuálním politickým otázkám konzervativním směrem. U stranické identity ani nepřátelství vůči opačnému politickému táboru výzkumníci průkaznou změnu nezjistili. Přepnutí v opačném směru nepřineslo srovnatelný obrácený účinek. Lidé po vystavení algoritmickému výběru také začali sledovat více konzervativních aktivistických účtů. Jejich příspěvky se pak mohly objevovat i v chronologickém feedu, protože se změnil samotný okruh sledovaných lidí.

Studie si nemusí odporovat. Změnily jinou platformu v jiné době a sledovaly několik různých výsledků. Společně ukazují střízlivější závěr: řazení prokazatelně mění informační prostředí. Zda a jak se změna přenese do názoru, identity nebo chování, závisí na obsahu, člověku, délce působení, sociálních vazbách i na tom, co přesně měříme.

Rozhořčení může zkreslit obraz toho, jací jsou druzí

Online prostředí nemusí změnit náš vlastní názor, aby změnilo představu o ostatních. William Brady a jeho kolegové oslovovali autory amerických politických tweetů krátce po zveřejnění a ptali se, jaké rozhořčení při psaní prožívali. Nezávislí pozorovatelé jim připisovali silnější rozhořčení, než autoři sami uváděli. Tento rozdíl souvisel s tím, jak často pozorovatelé čerpali ze sítí politické informace. V navazujících experimentech pak lidé prohlíželi sestavené feedy, v nichž se míra podobného přeceňování lišila. Při větším přecenění jednotlivých projevů hodnotili také celou skupinu jako rozhořčenější, vyhrocenější a vstřícnější k nepřátelské komunikaci. Výzkum tak zachytil cestu od dojmu z jednotlivých výroků k představě o celé skupině.

V osmitýdenním experimentu na Bluesky kolem amerických voleb 2024 výzkumníci náhodně přidělili dvěma tisícům demokratů a republikánů vlastní experimentální feedy; hlavní analýza zahrnula 1 475 lidí, kteří splnili podmínky účasti. Řazení podle očekávaných reakcí oproti chronologickému řazení zvýrazňovalo zejména politický a toxický obsah či projevy negativních emocí. Po volbách také zvyšovalo vnímané nepřátelství mezi politickými tábory. Některé odhady norem však zkreslilo opačně, než autoři čekali: lidé podceňovali, nakolik ostatní považují toxické politické příspěvky za přijatelné.

Alternativní řazení, které omezovalo vliv velmi aktivních účtů i toxicitu a zvýhodňovalo konstruktivní obsah, část těchto omylů zmírnilo. Zlepšení odhadu přijatelnosti toxických příspěvků bylo průkazné před volbami; po nich zůstal jen slabší náznak stejného účinku. Celková spokojenost s používáním platformy neutrpěla, hodnocení samotného obsahu feedu se ale po volbách zhoršilo. U vlastního publikování a reakcí na sledované druhy obsahu se mezi skupinami průkazné rozdíly neukázaly. Tyto aktivity byly ovšem ve vzorku vzácné, což ztěžovalo zjišťování menších změn. Výsledek zachycuje konkrétní experimentální řazení na tehdejším Bluesky, nikoli jednotný účinek dnešních komerčních algoritmů.

Skutečné, závažné a běžné nejsou synonyma

Video může dokumentovat vzácný, ale závažný případ. Malá skupina může upozornit na problém, který většina dosud neviděla. Sociální síť může propojit lidi se zkušeností, jež byla dříve rozptýlená a umlčená. Četnost příspěvků je pro posouzení takových příběhů jen jedna z více otázek.

Potřebujeme proto oddělit alespoň tři otázky:

1. Je to skutečné? Ověřujeme, zda událost, výrok nebo zkušenost není smyšlená či zavádějícím způsobem zasazená do souvislostí.
2. Jak je to závažné? Posuzujeme dopad, riziko a potřebu reakce. Vzácnost sama o sobě nesnižuje utrpení konkrétního člověka.
3. Jak je to rozšířené? Hledáme vhodný jmenovatel, období a data. Tady samotný počet položek ve feedu obvykle nestačí.

Jedna odpověď nenahrazuje druhou. Pravdivý příběh není automaticky reprezentativní. Problém, který je v populaci málo častý, není automaticky nedůležitý. Ani vysoká závažnost neumožňuje bez podkladů tvrdit, že stejnou zkušenost má většina lidí.

„Všichni“ se rozpadne, jakmile hledáme jmenovatel

Věta „všichni dávají výpověď“ může znamenat, že jsme viděli dvacet videí o odchodu z práce. „Všichni podvádějí“ může vzniknout z proudu vztahových zpovědí. „Dnešní děti dělají nebezpečnou výzvu“ může stát na několika virálních klipech, které dospělí, média a kritici sdíleli častěji než samotní dospívající.

Před ověřováním pomáhá rozbalit tvrzení do přesnější podoby:

• Kdo jsou „všichni“: uživatelé jedné platformy, lidé v určité zemi, věková skupina, nebo jen účty, které jsem tento týden viděl?
• Co přesně „řeší“: něco dělají, schvalují, sledují, komentují, nebo se pouze zastavili u videa?
• Kolik je unikátních lidí a kolik příspěvků, kopií či reakcí na stejný zdroj?
• Jaké období porovnáváme a existují starší údaje, podle nichž poznáme skutečný nárůst?
• Jsou zdroje navzájem nezávislé, nebo všichni citují jeden klip, článek či anketu?
• Existuje vhodnější údaj: reprezentativní průzkum, administrativní statistika, dlouhodobý panel, odborný registr nebo transparentně popsaná analýza dat platformy?

Teprve potom lze porovnat online dojem s údaji, které odpovídají stejné otázce. U dobré statistiky můžeme dohledat způsob výběru, definice i skupinu, k níž se výsledek vztahuje. Díky tomu také lépe posoudíme, kde může být nepřesná.

Dosah je ukazatel, ne veřejné hlasování

Milion zhlédnutí se tváří jako velmi přesné číslo, ale bez dalšího neříká, kolik lidí souhlasilo, kolik jich video dokoukalo, kolik se vrátilo, kolik se přišlo pohádat a kolik zhlédnutí připadá na opakované návštěvy týchž lidí. Komentáře zase zachycují ty, kteří se rozhodli komentovat, nikoli tichý názor všech diváků.

Dosah vypovídá o šíření obsahu. Souhlas, běžnost životní zkušenosti či pravdivost tvrzení z něj samotného nevyčteme. Podobně jako při hodnocení výkonu nebo zdraví záleží na tom, co má vybrané číslo skutečně zastupovat. Když milion zhlédnutí přeložíme jako milion zastánců, změníme význam údaje, aniž si toho musíme všimnout.

Také vysoký počet nesouhlasných reakcí může obsah posunout k dalším lidem. Potom se snadno uzavře kruh: příspěvek vypadá společensky významný, protože má mnoho reakcí, a mnoho reakcí získal částečně proto, že jej lidé považovali za nepřijatelný a chtěli proti němu veřejně vystoupit.

Jak rozšířit a zpřesnit vlastní výběr

Uživatel může svůj informační výřez částečně rozšířit nebo zklidnit. Může odlišit doporučený a sledovaný obsah, použít chronologickou variantu, označit nechtěné téma, projít sledované účty, vědomě dohledat původní zdroj a u závažného tvrzení vyjít z feedu a vyhledat vhodnější data. Podrobněji jednotlivé nástroje rozebírá článek Dá se ovlivnit, co nám sociální sítě ukazují?.

Každý krok pomáhá s něčím jiným. Chronologické řazení usnadní sledování nových příspěvků z našeho okruhu. Další zdroje mohou rozšířit pohled. Volba „nezajímá mě“ dává systému zpětnou vazbu k doporučením. Pro odhad rozšířenosti je však stále potřeba údaj o odpovídající populaci.

Platformy nesou odpovědnost mimo jiné za to, jak snadno lze poznat původ obsahu, ovlivnit doporučení a přepnout způsob řazení. Rozhodují také o tom, do jaké míry dovolí několika velmi aktivním účtům určovat zkušenost mnoha dalších lidí. Odpovědnost autorů a médií zahrnuje přesnost jazyka: neproměňovat několik nápadných videí v „nový trend celé generace“ bez podkladu. Odpovědnost čtenáře může být skromnější: vědět, na jakou otázku jeho feed vůbec neumí odpovědět.

Displej ukazuje informační prostředí, ne sčítání společnosti

To, co často vidíme, vypovídá o něčem skutečném: o našich vazbách, předchozí pozornosti, aktivitě autorů, pravidlech služby a obsahu, který právě získává prostor. Je to mapa našeho informačního prostředí. Někdy včas upozorní na problém, který širší statistika zachytí pozdě. Jindy z několika hlasů vytvoří dojem všeobecné samozřejmosti.

Rozdíl začíná jednou malou opravou jazyka. Místo „všichni to řeší“ můžeme říct „dnes se mi to opakovaně ukazuje“. První věta předstírá znalost společnosti. Druhá přesně popisuje zkušenost a nechává otevřenou otázku, kterou feed sám nezodpoví: kolik různých lidí za těmi příspěvky skutečně stojí a kolik dalších zůstalo úplně mimo obraz.