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

Dva lidé sedí u jednoho stolu a oba mají pocit, že vědí, čím právě žije svět. Prvnímu se celý den vracejí videa o rozchodech, nevěře a toxických vztazích. Druhému politické hádky, kolaps ekonomiky 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 viděli skutečné lidi, skutečné výroky a možná i skutečné problémy. Ani jeden však neviděl obraz společnosti sestavený tak, aby odpovídal předem zvoleným pravidlům výběru. Viděli výřez vytvořený z lidí, kteří používají danou platformu, z těch, kteří něco zveřejnili, z účtů, k nimž mají nějakou vazbu, z příspěvků způsobilých k zobrazení a nakonec z toho, 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. Snaží se z dostupných příspěvků sestavit proud, který bude pro konkrétní účet relevantní, zajímavý nebo hodnotný podle cílů a pravidel služby. TikTok svůj For You feed výslovně popisuje jako jedinečný personalizovaný výběr a mezi používané signály řadí sledování, lajky, sdílení, komentáře, informace o videu i to, zda člověk delší video dokouká. Meta podobně popisuje výběr možných příspěvků, tisíce signálů a předpovědi pravděpodobných reakcí. Jsou to firemní popisy vlastních systémů, nikoli nezávislý audit jejich současných vah. Pro základní rozlišení však stačí: cílem není náhodně vylosovat zástupce společnosti.

Chronologický feed tuto potíž úplně neřeší. Ukazuje nejnovější obsah od účtů, které jsme si vybrali, v prostředí, kde různí lidé publikují různě často. Změní pořadí, ale nevytvoří sčítání lidu. Technický základ toho, proč sociální sítě nejsou neutrálním oknem do světa, je užitečný začátek. Zde nás však zajímá následující chyba: proč z vybraného obrazu tak snadno odvozujeme 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.

Výsledný feed proto nevzniká působením jediné tajné páky. Společně jej vytvářejí rozdíly v přístupu, ochota mluvit, četnost publikování, naše vztahy a volby, pravidla platformy, doporučovací systém i lidská pozornost. Kdybychom celý problém připsali pouze algoritmu, přehlédli bychom, že ani dokonale chronologický proud od vybraných účtů nepředstavuje náhodný svět.

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.

To neznamená, že člověk pokaždé mechanicky zamění nápadnost za četnost. Máme také zkušenost mimo síť, znalost prostředí, data a schopnost vlastní dojem zpochybnit. Feed nám však dodává mimořádně snadno vybavitelné příklady právě ve chvíli, kdy nás napadne otázka „co dnes lidé dělají“. Zkratka potom nepůsobí jako chyba. Působí jako vzpomínka na množství důkazů.

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.

Tento rozdíl není pouze myšlenkový experiment. Studie publikovaná v PNAS Nexus v roce 2025 porovnala odhady 1 090 amerických respondentů s dřívějšími analýzami chování na platformách. Lidé v průměru odhadovali, že závažně toxické komentáře zveřejnilo 43 procent uživatelů Redditu; porovnávaná data ukazovala 3,1 procenta. U sdílení falešných zpráv na Facebooku odhadovali 47 procent proti 8,5 procenta v použitých podkladech. Výzkumníci zároveň experimentálně ukázali, že oprava tohoto omylu snížila negativní emoce i přesvědčení o morálním úpadku společnosti. Čísla nejsou aktuální univerzální mírou obou platforem: srovnávají odhady s dřívějšími daty, definicemi a obdobími. Přesvědčivě však ukazují hlavní záměnu — velké množství škodlivého obsahu nemusí vytvářet velké množství různých lidí.

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 lokálním okolí mnoha lidí vypadat jako většinový, zejména když jej nesou velmi propojené uzly. Autoři tento mechanismus modelovali na syntetických sítích a zkoumali jej také ve vybraných reálných síťových strukturách. Neprokázali tím, že každý dnešní uživatel sociální sítě nutně vidí falešnou většinu. Ukázali však, proč pohled na vlastní sousedy nemusí spolehlivě odhalit poměr v celé síti.

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

Vysvětlení „algoritmus mi to cpe“ bývá někdy pravdivé jen napůl. Doporučovací systém příspěvky vybírá a řadí, ale jejich nabídku i signály pro další výběr 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.

To není důvod obvinit uživatele, že si celý feed vyrobil sám. Nezná váhy systému, neurčuje, z jakého obsahu platforma vybírá, ani nestanovuje její obchodní a bezpečnostní pravidla. Přesnější je mluvit o zpětné vazbě: systém ovlivňuje naše další možnosti a naše chování dává systému nové podklady. Kruh nemá jediného autora.

Není každý omyl stejná bublina

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.

Také dvě chyby v odhadu ostatních míří opačným směrem. Falešný konsenzus označuje sklon přeceňovat rozšířenost vlastního postoje či volby: častěji máme po ruce příklady lidí podobných sobě, a tak svůj názor snadněji považujeme za běžný. Pluralitní ignorance nastává, když lidé určitou veřejnou normu soukromě nesdílejí, ale každý se mylně domnívá, že ji ostatní přijímají. Klasický výzkum Deborah Prenticeové a Dalea Millera ukázal tuto dynamiku u postojů studentů k pití alkoholu; část mužů se během semestru posunula směrem k normě, o níž se mylně domnívala, že ji druzí podporují. Starší studie jedné americké univerzity není modelem všech sociálních sítí. Pomáhá ale rozlišit „myslím si, že většina souhlasí se mnou“ od „myslím si, že většina podporuje něco, co já sám nechci“.

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 nedává jeden univerzální verdikt. 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 nezměnila hlavní měřené politické znalosti, postoje ani ukazatele polarizace.

Jiný výsledek přinesl nezávislý experiment na síti X, publikovaný v roce 2026. U 4 965 aktivních amerických uživatelů přechod z chronologického na algoritmický feed během sedmi týdnů zvýšil aktivitu na síti a posunul některé postoje k aktuálním politickým otázkám konzervativním směrem. Nezměnil však stranickou identitu ani nepřátelství vůči opačnému politickému táboru. Přepnutí v opačném směru, tedy z algoritmického na chronologický feed, nepřineslo srovnatelný obrácený účinek. Autoři zároveň zjistili, že lidé po vystavení algoritmickému výběru začali sledovat více konzervativních aktivistických účtů, takže část změněného prostředí přetrvala i mimo samotné řazení. Výsledek je důležitý, ale patří ke konkrétní podobě sítě X v roce 2023, americkému politickému obsahu a sedmitýdennímu období.

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 v terénním výzkumu porovnali vlastní okamžitě hlášené rozhořčení autorů politických tweetů s tím, jak silné rozhořčení jim připisovali pozorovatelé. Ti je systematicky přeceňovali. V navazujících preregistrovaných experimentech vedlo přeceňování individuálního hněvu k vyššímu odhadu kolektivního rozhořčení, nepřátelských komunikačních norem a ideologické vyhrocenosti. Účinek byl silnější u lidí, kteří ze sociálních médií častěji čerpali politické informace. Neříká to, že online hněv není skutečný. Ukazuje to, že z viditelného projevu můžeme odvodit více společenské nenávisti, než autoři sami prožívali.

Novější osmitýdenní experiment na Bluesky během amerických voleb 2024 se zaměřil ještě přímočařeji na účinek řazení feedu. Výzkumníci náhodně rozdělili dva tisíce demokratů a republikánů mezi řazení podle očekávané aktivity publika, chronologické řazení a alternativní systém. Řazení podle očekávané aktivity zvýraznilo meziskupinový, emocionální a toxický politický obsah i příspěvky založené na morálních soudech. Vedlo také k méně přesným odhadům společenských norem a nepřátelství. Přitom významně nezměnilo vlastní publikování, lajkování ani sdílení účastníků. Alternativní systém omezující nepoměrný vliv extrémně aktivních účtů část zkreslení snížil, aniž zhoršil uživatelský prožitek. Také zde platí hranice: specifická síť, americké politické publikum a období voleb. Výzkum přesto názorně ukazuje, že feed může změnit obraz skupiny dřív než chování pozorovatele.

Skutečné, závažné a běžné nejsou synonyma

Po všech upozorněních na výběr vzniká opačné riziko: každou online zkušenost odmítnout větou „to není skutečný svět“. Jenže příběh člověka na displeji je součástí světa a skutečná škoda nepřestává být škodou proto, že není statisticky běžná. 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.

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 něčím, co odpovídá stejné otázce. I statistiky vznikají z určitého výběru a definic a mohou chybovat. Jejich výhodou není magická neutralita, ale průhlednější metoda a jmenovatel.

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.

Metrika není podvod jen proto, že má omezený význam. Problém vzniká, když z ní uděláme odpověď na jinou otázku. Stejně jako v článku Když se život změní v číslo je rozhodující vztah mezi ukazatelem a tím, co má zastupovat. Dosah říká něco o tom, kam se obsah dostal. Společenskou podporu, běžnost životní zkušenosti nebo pravdivost tvrzení měřit nemusí.

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.

Co lze změnit bez předstírání úplné kontroly

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?.

Žádný z těchto kroků však nevytvoří dokonale objektivní obraz. Chronologický feed zachová náš okruh účtů. Přidání protistrany může zvýšit pestrost, ale ne přesnost poměrů. Volba „nezajímá mě“ může změnit doporučení, ale ne pravidla celé platformy. A čtenář nemá nést plnou odpovědnost za systém, jehož cíle, kandidáty a rozhraní neurčuje.

Platformy nesou odpovědnost mimo jiné za to, jak snadno lze poznat původ obsahu, ovlivnit doporučení a přepnout způsob řazení i zda omezují situace, v nichž několik extrémně aktivních účtů bez překážek určuje zkušenost všech ostatních. 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

Feed není čistá lež postavená proti skutečnému světu. Je jednou z jeho místností. Potkávají se v ní skuteční lidé, problémy, výtvory, radost, pomoc i konflikt. Místnost má však dveře, pořadatele, hlasitější hosty a světlo namířené jen na některá místa. Z počtu vět, které v ní zaslechneme, nemůžeme bez dalšího spočítat názory celého města.

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.