АНАЛІЗ ФЕНОМЕНУ ІНФОРМАЦІЙНОЇ ФІЛЬТРАЦІЙНОЇ БУЛЬБАШКИ В СУЧАСНОМУ НАУКОВО-ОСВІТНЬОМУ СЕРЕДОВИЩІ

А. В. Чорномидз

doi:10.11603/m.2414-5998.2025.4.15855

Автор(и)

А. В. Чорномидз Тернопільський національний медичний університет імені І. Я. Горбачевського МОЗ України https://orcid.org/0000-0001-5479-8298

DOI:

https://doi.org/10.11603/m.2414-5998.2025.4.15855

Ключові слова:

фільтраційна бульбашка; ехокамера; алгоритмічна курація; наукова комунікація; міждисциплінарність; когнітивні упередження; інформаційна гігієна; доказова медицина.

Анотація

Анотація. В епоху інформаційного вибуху науково-педагогічні працівники медичних університетів дедалі більше покладаються на цифрові бази даних та пошукові системи. Однак алгоритми персоналізації, що лежать в їх основі, створюють фільтраційні бульбашки, які обмежують доступ до різноманітної інформації, що становить загрозу для міждисциплінарних інновацій, принципів доказової медицини та якості освіти. Провести теоретичний аналіз механізмів формування та наслідків інформаційної фільтраційної бульбашки для науковців та викладачів у галузі медицини. Дослідження проведено з використанням методів теоретичного аналізу, концептуального синтезу та огляду наукової літератури. Проаналізовано принципи роботи алгоритмічної курації, розмежовано поняття «фільтраційна бульбашка» та «ехокамера», а також систематизовано потенційні ризики для академічного середовища. Аналіз показав, що фільтраційна бульбашка сприяє «цементуванню» наукових парадигм, знижує ймовірність міждисциплінарного синтезу та створює у дослідника ілюзію повноти інформації. В освітньому процесі це призводить до трансляції вузького професійного світогляду. Запропоновано дворівневу стратегію подолання феномену: на індивідуальному рівні – розвиток навичок «інформаційної гігієни», на інституційному – заохочення міждисциплінарних комунікацій та підвищення цифрової грамотності. Інформаційна фільтраційна бульбашка є реальним та значним викликом для сучасної медичної науки та освіти. Протидія її негативним ефектам вимагає свідомих зусиль від кожного науковця та системних змін на рівні академічних установ для збереження інтелектуальної відкритості та інноваційного потенціалу.

Посилання

Andersen, J. (2017). The role of digital browsing in the research process. The Journal of Academic Librarianship, 43(2), 130–136. https://doi.org/ 10.1016/j.acalib.2017.01.004

Barnett, R. (2015). A curriculum for critical being. In M. Davies & R. Barnett (Eds.), The Palgrave handbook of critical thinking in higher education (pp. 63–76). Palgrave Macmillan. https://doi. org/10.1007/978-1-137-37805-7_4

Bornmann, L., & Mutz, R. (2015). Growth rates of modern science: A bibliometric analysis of the number of publications and cited references. Journal of the Association for Information Science and Technology, 66(11), 2215–2222. https://doi.org/10.1002/asi.23329

Bozdag, E. (2013). Bias in algorithmic filtering and personalization. Ethics and Information Technology, 15(3), 209–227. https://doi.org/10.1007/ s10676-013-9321-6

Casadevall, A., & Fang, F. C. (2012). Reforming science: Methodological and cultural reforms. Infection and Immunity, 80(3), 891–896. https://doi.org/ 10.1128/IAI.06183-11

Corrall, S. (2010). Developing the researchsavvy information professional. In D. Baker & W. Evans (Eds.), The End of Wisdom? The Future of Libraries in a Digital Age (pp. 101–122). Chandos Publishing.

de Rond, M. (2014). The structure of serendipity. Cambridge Journal of Economics, 38(5), 1217–1230. https://doi.org/10.1093/cje/bet057

Evans, J. A. (2008). How conceptual constraints and social filters shape scientific discovery. Proceedings of the National Academy of Sciences of the United States of America, 105(51), 20169–20174. https://doi.org/10.1073/pnas.0805553105

Flavell, J. H. (1979). Metacognition and cognitive monitoring: A new area of cognitive–developmental inquiry. American Psychologist, 34(10), 906–911. https://doi.org/10.1037/0003-066X.34.10.906

Foster, A., & Ford, N. (2003). Serendipity and information seeking: an empirical study. Journal of Documentation, 59(3), 321–340. https://doi.org/ 10.1108/00220410310472518

Hanteer, O., & Burez, J. (2020). The use of academic search engines and the impact of the filter bubble on scientific research. The Journal of Academic Librarianship, 46(5), 102206. https://doi. org/10.1016/j.acalib.2020.102206

Head, A. J., Wihbey, J., Metaxas, P. T., Mac- Millan, M., & Cohen, D. (2018, October 16). How students engage with news: Five takeaways for educators, journalists, and librarians. Project Information Literacy. https://projectinfolit.org/publications/ news-study/

Hren, D., & Lukić, I. K. (2006). Medical students’ and younger doctors’ attitudes towards and knowledge of evidence-based medicine. Medical Education, 40(12), 1209–1216. https://doi.org/ 10.1111/j.1365-2929.2006.02621.x

Ioannidis, J. P. (2016). Evidence-based medicine has been hijacked: a report to David Sackett. Journal of Clinical Epidemiology, 73, 82–86. https:// doi.org/10.1016/j.jclinepi.2016.02.012

Koltay, T. (2017). Data literacy for researchers and data librarians. Journal of Librarianship and Information Science, 49(1), 3–14. https://doi.org/ 10.1177/0961000615616450

Kuhn, T. S. (2012). The Structure of Scientific Revolutions (4th ed.). University of Chicago Press.

Nickerson, R. S. (1998). Confirmation bias: A ubiquitous phenomenon in many guises. Review of General Psychology, 2(2), 175–220. https://doi.org/ 10.1037/1089-2680.2.2.175

O’Mahony, A., & Smyth, B. (2018, March 7–11). The role of personalization in the filter bubble. In Proceedings of the 23rd International Conference on Intelligent User Interfaces (pp. 657–662). Tokyo, Japan. ACM. https://doi.org/ 10.1145/3172944.3172968

Pariser, E. (2011). The filter bubble: What the Internet is hiding from you. Penguin UK.

Ricci, F., Rokach, L., & Shapira, B. (2011). Introduction to recommender systems handbook. In F. Ricci, L. Rokach, & B. Shapira (Eds.), Recommender systems handbook (pp. 1–35). Springer. https://doi.org/10.1007/978-0-387-85820-3_1

Sunstein, C. R. (2017). Republic: Divided democracy in the age of social media. Princeton University Press.

Törnberg, P. (2022). How filter bubbles and echo chambers spread misinformation. Nature Human Behaviour, 6(10), 1344–1345. https://doi.org/ 10.1038/s41562-022-01458-7

Uzzi, B., Mukherjee, S., Stringer, M., & Jones, B. (2013). Atypical combinations and scientific impact. Science, 342(6157), 468–472. https://doi.org/ 10.1126/science.1240458

Wilson, V. (2016). Researching the impact of information literacy education on the information behaviour of students. Library and Information Research, 40(123), 32–48. https://doi.org/10.29173/lirg710

Witten, I. H., Frank, E., Hall, M. A., & Pal, C. J. (2016). Data Mining: Practical Machine Learning Tools and Techniques (4th ed.). Morgan Kaufmann.

Ylikoski, P. (2009). The illusion of depth of understanding in science. In H. De Regt, S. Leonelli, & K. Eigner (Eds.), Scientific understanding: Philosophical perspectives (pp. 100-119). University of Pittsburgh Press.