Алгоритмічні рекомендації та ризик контакту з екстремістським контентом

17 годин тому

Читати 15 хв

Український психологічний ХАБ · Опубліковано: 22 жовтня 2026 · Редакційна політика

Дослідницький кластер: Психологія радикалізації, насильницького екстремізму та профілактики

Алгоритмічні рекомендації впливають на те, які відео, дописи та спільноти людина помічає в цифровому середовищі. Коли система добирає матеріали на підставі попередніх переглядів, пошуку й взаємодій, вона може підвищувати ймовірність повторного контакту з певною тематикою, зокрема із ворожими повідомленнями, теоріями змови або матеріалами, що виправдовують насильство. Величина цього впливу залежить від платформи, її поточних правил, поведінки користувача, типу вмісту й способу його вимірювання. За даними систематичного огляду Yesilada і Lewandowsky (2022), рекомендації іноді відкривають шляхи до проблемного контенту, але характер і поширеність таких шляхів установлено з різним ступенем надійності.

Центральне дослідницьке питання цієї статті — за яких умов рекомендаційна система збільшує ймовірність зустріти екстремістський контент і що з цього можна висновувати про подальшу поведінку людини. Відповідь вимагає розглядати окремо технічний добір матеріалів, фактичні перегляди, зміну переконань, підтримку насильства та насильницькі дії. Експерименти Liu та співавторів (2025) показали, що помітна зміна добору політичних відео може змінювати споживання інформації без відповідного помітного короткочасного зсуву політичних установок.

Що означає ризик контакту з екстремістським контентом

Ризик контакту — це ймовірність, що людина побачить, отримає як рекомендацію або відкриє матеріал визначеної категорії протягом певного часу й за конкретних умов використання платформи. Дослідник може окремо вимірювати частку таких рекомендацій, кількість користувачів, яким вони трапилися, частку фактичних переглядів та тривалість взаємодії. Ці показники описують різні події. Наприклад, десять рекомендацій у стрічці не означають десять переглянутих матеріалів, а один перегляд не засвідчує згоди з повідомленням.

У дослідженнях термін «проблемний контент» охоплює різні категорії: дезінформацію, конспірологічні твердження, мову ненависті, політично крайні позиції, пропаганду насильства та контент із каналів, віднесених до певної ідеологічної групи. Межі цих категорій визначаються методикою. Важливо розрізняти висловлення радикальної політичної позиції, законний протест, релігійне переконання, насильницьку риторику та пряме схвалення або підбурювання до насильства. Перелік «сумнівних каналів» у науковій роботі не є автоматично переліком терористичних матеріалів. Саме це обмеження суттєве для інтерпретації масштабного аудиту Haroon та співавторів (2023).

Контакт із ворожим або екстремістським повідомленням також може відбутися в журналістському викладі, правозахисній критиці, освітньому аналізі чи документуванні злочинів. Тому класифікація повідомлення повинна враховувати його зміст і контекст, а дослідження впливу — реальну реакцію аудиторії. Для розуміння того, як обговорення може посилювати початкові погляди, корисна окрема стаття про групову поляризацію, проте її механізми не можна автоматично прирівнювати до насильницької радикалізації.

Як рекомендаційна система формує інформаційне оточення

Персоналізація та сигнали взаємодії

Рекомендаційні системи впорядковують доступний вміст за оцінкою його відповідності конкретній людині або ситуації перегляду. Як свідчить офіційний опис YouTube, серед сигналів використовуються історія переглядів і пошуку, підписки, оцінювання та позначки «не цікавить»; рекомендації на головній сторінці й поряд із поточним відео можуть спиратися на різні сигнали. Це опис принципів, заявлений самою платформою, а не незалежна перевірка її внутрішнього коду чи фактичних результатів для всіх користувачів.

Уявімо, що користувач кілька разів переглядає матеріали на одну суперечливу тему. Система може запропонувати більше тематично подібних відео, оскільки передбачає подальший інтерес. Коли частина такого тематичного поля містить принизливі узагальнення про певні групи або виправдання насильства, виникає можливість контакту з проблемним вмістом. Проте сам механізм тематичної подібності не визначає ні змісту кожної наступної рекомендації, ні ставлення людини до неї. Дослідники Brown та співавтори (2026) розрізняють тематичне звуження рекомендацій і справжній перехід до дедалі крайніших поглядів.

Повторення, помітність і вибір

Позиція матеріалу у стрічці, його мініатюра, заголовок, повторна поява та сусідство з іншими повідомленнями впливають на можливість його помітити. Користувач водночас діє вибірково: шукає знайомі теми, підписується на авторів, припиняє перегляд, переходить за зовнішніми посиланнями або навмисно обирає суперечливий матеріал. Алгоритмічний добір і вибір людини утворюють зворотний зв’язок. Через це спостереження на кшталт «людина дивиться крайні відео» саме по собі не показує, чи головним чинником стали рекомендації, пошук або вже наявний інтерес.

Зіставлення переглядів усередині YouTube з ширшим вебпереглядом у дослідженні Hosseinmardi та співавторів (2021) засвідчило, що інтерес до крайнього політичного вмісту часто виходить за межі однієї платформи. Для оцінювання ризику це означає, що цифрове середовище потрібно розглядати як сукупність джерел, а не як ізольовану стрічку рекомендацій.

Головна сторінка, наступне відео й короткі ролики

Термін «алгоритм» часто приховує декілька різних систем: головну стрічку, блок наступних відео, короткі ролики, пошукову видачу, сповіщення та рекомендації спільнот. Вони мають неоднакові цілі й сигнали. Результат, отриманий для ланцюжка рекомендованих відео, не слід без перевірки переносити на початкові рекомендації, а результат для однієї платформи — на іншу. Порівняння різних режимів рекомендацій Hosseinmardi та співавторів (2024) продемонструвало, що зміни в боковому блоці рекомендацій та на головній сторінці відбуваються з різною швидкістю.

Який зв’язок між рекомендаціями та насильницькою радикалізацією

Для аналітичної точності доцільно відділяти п’ять рівнів: поява матеріалу у списку рекомендацій; реальний контакт або перегляд; засвоєння чи схвалення окремої ідеї; підтримка ідеологічно мотивованого насильства; намір або фактична насильницька дія. Кожен перехід потребує окремих доказів. Зміна частки крайніх відео у стрічці пояснює лише перший рівень. Опитування про політичні установки стосується іншого рівня. Дані про насильницькі правопорушення — ще іншого.

Популярне уявлення про «кролячу нору» описує послідовність, у якій перегляд одного матеріалу начебто веде до дедалі більш крайніх рекомендацій. У дослідженнях цей образ використовують принаймні у двох значеннях: поступове звуження кола тем і зростання ідеологічної крайності. Тематичне звуження можливе без ідеологічної ескалації. Brown та співавтори (2026) зафіксували рекомендації дедалі схожого контенту, але не виявили послідовних шляхів до дедалі більшої ідеологічної крайності у своєму дослідженні YouTube.

Тому твердження «рекомендації можуть підвищувати контакт» є науково відмінним від твердження «рекомендації спричиняють терористичну поведінку». Друге потребувало б значно сильніших даних про тривалий причинний ланцюг, відповідні поведінкові результати та вплив інших обставин. Наявні експерименти з рекомендаційними системами здебільшого вимірюють вибір матеріалів або ставлення до політичних питань, а не подальше насильство Liu та співавтори, 2025.

Що насправді показують дослідження

Систематичний огляд 2022 року: потенційні шляхи існують, результати різняться

Yesilada та Lewandowsky (2022) проаналізували 23 роботи, відібрані за процедурою систематичного огляду. Чотирнадцять досліджень пов’язували рекомендаційну систему YouTube зі шляхами до проблемного контенту; сім давали змішані результати, два такого зв’язку не виявили. Автори наголосили на обмеженому доступі до внутрішніх механізмів платформи та різниці між дослідницькими моделями й реальним функціонуванням рекомендацій. Це доказ можливості певних шляхів контакту, але не оцінка частки користувачів, які радикалізуються, і тим паче не показник насильницької поведінки.

Таке співвідношення результатів не варто читати як голосування досліджень. Роботи мають різний обсяг даних, часові межі, класифікатори, сценарії перегляду та якість контролю поведінки користувачів. Нові експериментальні результати доповнюють огляд і показують, чому ранні спостереження потребують повторної перевірки за сучасних алгоритмів.

Аудит 2023 року: тематична подібність і проблемні канали

Haroon та співавтори (2023) використали масштабний аудит із приблизно 100 тисячами керованих облікових записів для вивчення того, як рекомендації відповідають початковим політичним характеристикам. Вони виявили ідеологічну відповідність рекомендацій інтересам користувачів, а для частини правих профілів — посилення цієї відповідності під час проходження рекомендаційних ланцюжків. Частка рекомендацій із категоризованих дослідниками проблемних каналів могла зростати, хоча підвищення загальної ідеологічної крайності рекомендованих відео було малим.

Цінність цієї роботи — експериментально стандартизовані сценарії та значний масштаб. Її межі — моделювання поведінки через керовані облікові записи, залежність від класифікації каналів і відмінність між алгоритмічною видачею та переживаннями реальних людей. Зарахування каналу до категорії «конспірологічний» чи «політично крайній» не доводить, що конкретний ролик підбурює до насильства.

Панельні дані 2021 року: роль ширших уподобань

Hosseinmardi та співавтори (2021) використали історії вебперегляду великої американської панелі за 2016–2019 роки, аналізуючи споживання політичних відео й активність за межами YouTube. Автори не знайшли переконливого свідчення систематичного просування користувачів до крайнього правого вмісту саме рекомендаціями. Дані більше узгоджувалися з впливом уже наявних уподобань і ширшого інформаційного раціону. Водночас історичний період, політична категоризація та американська вибірка обмежують перенесення висновків на сучасні короткі відео, інші країни й безпосередньо насильницький екстремізм.

Контрфактичний експеримент 2024 року: вплив системи і вплив вибору

Щоб відділити рекомендації від власних рішень, Hosseinmardi та співавтори (2024) порівнювали керовані облікові записи, що наслідували реальні історії переглядів, з альтернативними сценаріями вибору рекомендованого відео. У середньому перегляд лише за рекомендаціями приводив до менш політично однобічного вмісту, ніж відтворення користувацьких траєкторій. У спеціальному сценарії зміни інтересу боковий блок рекомендацій порівняно швидко реагував на вибір поміркованих відео, тоді як головна сторінка змінювалася поступовіше.

Це вагомий доказ для питання причинного внеску рекомендацій у політичну однобічність споживання за досліджених умов. Він не означає, що алгоритмічний контакт із матеріалами, які схвалюють насильство, повністю виключений, і не вимірює вплив на реальні насильницькі наміри.

Експерименти 2025 року: вплив на перегляди сильніший за короткочасну зміну установок

У чотирьох експериментах із майже дев’ятьма тисячами учасників Liu та співавтори (2025) експериментально змінювали добір реальних відеорекомендацій у середовищі, подібному до YouTube. Маніпуляції змінювали те, який контент люди обирали й дивилися, але не дали стійкого помітного впливу на короткочасні політичні установки за обраними показниками. Автори прямо залишили відкритими питання довготривалого впливу та наслідків для особливо вразливих підгруп. Результат спростовує автоматичне ототожнення зміни стрічки зі зміною переконань, але його не можна трактувати як дослідження профілактики терористичного насильства.

Дослідження 2026 року: звуження тематики без підтвердженої ескалації

У праці Brown та співавторів (2026), що враховувала поведінку реальних користувачів і намагалася розділити їхній вибір та вплив платформи, виявлено невеликі ідеологічно однорідні інформаційні середовища, значною мірою пов’язані з поведінкою самих користувачів. Рекомендації сприяли переходам до дедалі схожого за тематикою контенту, але не було встановлено систематичного просування до дедалі більш ідеологічно крайніх матеріалів. Висновок стосується відповідної платформи, вибірки й способу вимірювання; з нього не випливає універсальна оцінка ризиків усіх цифрових середовищ.

Чому наукові висновки відрізняються

Залежність від класифікації контенту

Автоматизований аналіз часто спирається на ідеологічні оцінки каналів, словники, розмічені корпуси тексту або експертні категорії. Показник «крайності» може фіксувати віддаленість від політичного центру, насиченість ворожими висловлюваннями чи належність до конкретного тематичного середовища. Ці властивості не тотожні закликам до насильства. Класифікатор, побудований для англомовних американських політичних дебатів, може помилятися щодо українських повідомлень, зокрема про війну, окупацію, державну незалежність і захист цивільного населення.

Для досліджень потрібні прозорі критерії розмітки, перевірка узгодженості оцінювачів, врахування контексту та окрема оцінка хибних спрацювань. У систематичному огляді методів виявлення екстремізму в соціальних мережах (2024) наголошено на різнорідності наборів даних і підходів до автоматичної класифікації. Тому точність програмного розпізнавання окремих повідомлень сама по собі не встановлює достовірності прогнозу насильницьких дій.

Зміни платформ, країн і політичного контексту

Платформи змінюють механізми ранжування, правила доступності й модерації. Результат аудиту певного року описує зафіксований стан системи в межах дослідження. Політичні категорії «ліві» та «праві» не мають однакового змісту в усіх країнах; тема крайньої політичної риторики також відрізняється від поширення матеріалів, що виправдовують тероризм або іншу форму насильства. Окремі висновки стосуються YouTube, але для інших відеосервісів, месенджерів і закритих спільнот потрібні власні дослідження.

Психологічні механізми, які можуть поєднуватися з алгоритмічним добором

Вибіркова увага та підтвердження попередніх переконань

Люди можуть охочіше відкривати інформацію, яка відповідає їхнім інтересам або вже сформованим уявленням. Якщо система надає перевагу подібним матеріалам, виникає додаткове підкріплення тематичного вибору. За певних обставин воно звужує спектр джерел, із якими людина зустрічається, і зменшує ймовірність випадкового ознайомлення з альтернативними аргументами. Цю взаємодію індивідуальних уподобань і рекомендацій безпосередньо досліджували Hosseinmardi та співавтори (2024) і Brown та співавтори (2026).

Однак стійке переконання, ідеологічна однорідність середовища та прийняття насильства мають різні передумови. Навіть коли платформа часто показує однодумців, це ще не визначає ані моральної оцінки насильства, ані поведінкового вибору. Для розуміння соціального впливу варто розглядати взаємодію з реальними групами та норми спілкування; поняття групової динаміки допомагає описати відповідний рівень без спрощення його до функцій стрічки.

Емоційно насичений вміст і повторна зустріч

Повідомлення, які викликають сильні емоції, можуть привертати увагу та провокувати обговорення. Для рекомендаційної системи наслідком такого інтересу може бути збільшення частоти тематично схожих пропозицій. Психологічне значення повторного контакту залежить від контексту, попередніх переконань, стосунків із джерелом та реакції оточення. Результати досліджень політичної поляризації не дають підстав вважати, що повторення саме по собі стабільно формує намір учинити насильство; це видно з експериментальних обмежень, описаних Liu та співавторами (2025).

Важливе також розрізнення між коротким емоційним відгуком на побачений допис і тривалим залученням до організованого насильницького середовища. Другий процес включає міжособистісні контакти, групові правила, довіру та життєвий контекст, які неможливо вивести лише з історії переглядів.

Відчуття належності та соціальне підтвердження

Цифрові спільноти можуть надавати підтримку, відчуття участі й регулярне спілкування. У середовищах, де схвалюють насильство, ці звичайні людські потреби можуть поєднуватися з груповим тиском, виправданням шкоди та виключенням альтернативних поглядів. Рекомендації іноді полегшують знайомство з певним автором або спільнотою, проте подальше залучення потрібно досліджувати на рівні соціальних відносин. Визначати небезпечність людини за самим фактом належності до політичної, релігійної чи культурної групи методологічно й етично хибно.

Тут доречне розрізнення двох механізмів. Алгоритмічна система розподіляє увагу та видимість повідомлень; учасники групи через безпосередню взаємодію формують очікування, схвалення, довіру й межі прийнятної поведінки. Соціальна психологія розглядає ці процеси ширше, ніж функціонування одного цифрового сервісу.

Які фактори можуть підвищувати контакт

Вірогідність зустрічі з проблемним матеріалом залежить насамперед від доступності самого матеріалу, ефективності його виявлення та обмеження, характеристик системи рекомендацій і реального маршруту користувача. Імовірність може змінюватися з типом перегляду, пошуковим запитом, тематикою підписок та тим, які матеріали доступні в певній мові. Система може створювати додаткові можливості побачити матеріал, але її ефект потрібно порівнювати з іншими каналами доступу, зокрема пошуком і зовнішніми посиланнями Hosseinmardi та співавтори, 2021.

Особисті життєві труднощі, ізоляція або конфлікти можуть впливати на те, навіщо людина шукає певні спільноти; з окремої такої обставини не випливає висновок про підтримку насильства. Не існує обґрунтованого універсального психологічного профілю «людини, яку радикалізує алгоритм». Фактори, пов’язані зі статистичними відмінностями у споживанні вмісту, не можна механічно перетворювати на індивідуальну шкалу небезпеки.

Практично корисніше ставити конкретні питання: який матеріал отримав видимість, як людина на нього відреагувала, чи є в ньому схвалення насильства, чи відбувається тиск у спілкуванні та чи повідомлялося про конкретні погрози. Це питання для відповідного контексту оцінювання, а не підстава для спостереження за людьми через їхню ідентичність або політичні погляди.

Діти й підлітки: доступ, розвиток і захист прав

Підлітки опановують цифрові середовища в період активного розвитку самостійності, соціальних зв’язків і здатності критично оцінювати інформацію. Їхній досвід різноманітний, а реакція на різкий або образливий вміст може включати цікавість, відразу, тривогу, гумористичне дистанціювання або пошук пояснень у дорослих. Саме побачене відео чи інтерес до суперечливої теми не є діагнозом і не дозволяє визначати підлітка як потенційно небезпечного.

Для профілактики доцільно розрізняти випадковий контакт, регулярну взаємодію та ситуації, коли дитина зазнає тиску, погроз або цілеспрямованого втягування в діяльність із ризиком для безпеки. Підхід має враховувати вік, здатність дитини висловити власну позицію, конфіденційність, взаємну довіру й необхідність захисту від безпосередньої загрози. У правовому контексті стаття 28 Акта ЄС про цифрові послуги встановлює для платформ, доступних неповнолітнім у сфері застосування цього акта, вимоги щодо належних і пропорційних заходів захисту приватності та безпеки. Це європейське регулювання слугує порівняльним прикладом і не підміняє законодавство України.

Розмова з дитиною про побачений вміст має відбуватися без навішування ярликів. Корисно запитати, що саме було незрозумілим або налякало, чому матеріал привернув увагу і як перевірити джерело. Якщо є переслідування чи приниження через мережу, потрібен також окремий маршрут допомоги, описаний у матеріалі про кібербулінг. Рекомендації батькам є редакційним практичним висновком із принципів безпечної комунікації, а не доведеною спеціальною програмою зниження насильницького екстремізму.

Як досліджувати рекомендаційні ризики відповідально

Відповідальне дослідження повинне заздалегідь визначати, який результат воно вимірює. Для оцінки контакту потрібно відокремлювати покази від переглядів; для вивчення переконань — використовувати адекватні психологічні вимірювання; для тверджень про насильницьку поведінку — мати відповідні поведінкові дані й етичну підставу їх обробляти. Подібні принципи простежуються в експериментальній методології Liu та співавторів (2025) та аудиті Haroon та співавторів (2023).

Важливі прозорість добору початкових матеріалів, спосіб створення тестових облікових записів, мова, час, географічний контекст, категорії оцінювання, різниця між історією нового та постійного користувача й повторюваність результатів. Необхідно описувати невизначеність, а не видавати одиничну послідовність рекомендацій за властивість усієї платформи. Якщо дослідження використовує дані реальних людей, захист їхніх прав і можливість мінімізувати збір особистої інформації є частиною якості роботи.

Ризик стигматизації виникає тоді, коли технічний показник переносять на людину: наприклад, називають когось «екстремістом» на підставі однієї рекомендації, підписки чи неоднозначної фрази. Програмний класифікатор може бути корисним для попереднього сортування великих масивів повідомлень, але контекстне трактування та рішення, що зачіпають права людей, потребують перевірки, процедури оскарження й належного людського нагляду. Методологічні обмеження автоматизованого виявлення розглянуто в огляді методів 2024 року.

Профілактика: що можна робити на рівні платформи, освіти й користувача

Заходи на рівні платформи

Платформи можуть досліджувати, як їхні рекомендації підвищують видимість матеріалів із прямим схваленням насильства, і перевіряти наслідки змін у правилах ранжування. Доцільні незалежний аудит, прозорі визначення категорій ризику, перевірка помилок модерації, зрозумілі скарги та способи впливати на власні рекомендації. Але результативність конкретного заходу слід вимірювати окремо: зменшення кількості показів, зменшення фактичного контакту, зміна поведінки й запобігання насильству — різні результати.

Акт ЄС про цифрові послуги передбачає прозорість головних параметрів рекомендаційних систем, а для дуже великих онлайн-платформ — додаткові обов’язки щодо системних ризиків та вибору рекомендацій, які не ґрунтуються на профілюванні. Ці вимоги описують правову модель ЄС; їхня наявність сама собою ще не доводить ефективності конкретних технічних заходів у зменшенні насильства.

Освітні заходи та цифрова грамотність

Корисною навичкою є розуміння того, що стрічка — результат добору, а не випадкова чи повна картина суспільства. Людина може перевіряти походження повідомлення, відокремлювати репортаж від пропагандистського схвалення насильства, шукати першоджерела й порівнювати свідчення. Освітні програми мають оцінювати власні результати: знання про алгоритми, уміння перевіряти твердження та здатність безпечно повідомляти про загрозливий контент. Необхідно уникати декларації, що будь-яка коротка лекція або контрнаратив доведено запобігає насильницькому екстремізму.

Доречно також навчати розпізнавати змішування фактів із закликами до шкоди, маніпулятивне представлення цілої групи як винної та тиск у цифровому спілкуванні. Таке навчання має захищати свободу висловлювань і право на політичну незгоду, водночас утверджуючи неприйнятність погроз, переслідування й насильницького примусу.

Особисті налаштування та осмислений вибір

Для зменшення небажаного повторення теми користувач може переглядати власні підписки, історію перегляду, позначати небажані рекомендації та користуватися доступними засобами керування стрічкою. Наприклад, документація YouTube описує позначки «не цікавить», «не рекомендувати канал» і керування історією як сигнали для системи. Це можливості інтерфейсу, а не гарантія, що кожна окрема зміна повністю припинить показ конкретної категорії матеріалів.

Якщо контент містить прямі погрози, переслідування або ознаки реальної безпосередньої небезпеки, важливо зосередитися на безпеці людей, зберегти необхідну інформацію законним способом і звернутися до відповідних служб. Для неповнолітніх важливе залучення відповідального дорослого та фахівців із захисту дітей. Самостійне «розслідування» чужих поглядів, масове збирання особистих даних або публічне таврування людей не є профілактикою.

Український контекст: права, безпека й межі висновків

Дослідження рекомендацій YouTube, виконані переважно на американських вибірках, дають методи та порівняльні результати, але не вимірюють автоматично частоту контакту українських користувачів із конкретними видами екстремістського контенту. Контекст війни, документування злочинів, протидії пропаганді та суспільної дискусії потребує уважного розрізнення цитування небезпечної риторики, її критичного аналізу та прямого схвалення насильства. Редакційний висновок полягає в необхідності незалежних україномовних досліджень із чіткими категоріями й захистом прав учасників.

В Україні Закон «Про захист персональних даних» установлює вимоги до визначеної мети та пропорційності обробки персональних даних. При організації досліджень, профілактичних програм або розгляді звернень важливо враховувати законність збору даних, їхню необхідність, терміни зберігання та право особи на захист інформації. Цей правовий орієнтир не дає підстав створювати приховані списки «потенційно радикалізованих» людей за їхніми переглядами.

Коли є конкретна загроза життю чи безпеці, застосовуються належні процедури реагування на небезпеку; оцінку конкретної загрози повинні виконувати уповноважені та підготовлені фахівці відповідно до своїх повноважень. Аналітика рекомендацій придатна для дослідження інформаційного середовища і для оцінки якості захисних механізмів платформ, а не для постановки психологічного або юридичного «діагнозу» людині.

Поширені запитання

Чи може алгоритм сам привести до екстремістського відео?

Так, у певних умовах рекомендація може створити можливість контакту з проблемним матеріалом. Систематичний огляд 2022 року описує відповідні шляхи у частині досліджень. Величина ризику залежить від того, що саме класифіковано як екстремістське, як поводиться користувач і які правила діють на платформі.

Чи доводить такий контакт радикалізацію людини?

Ні. Рекомендація, перегляд, схвалення і підтримка насильства — різні події. Експерименти Liu та співавторів (2025) продемонстрували, що зміни переглянутого політичного контенту не обов’язково супроводжуються помітними короткочасними змінами установок.

Чи завжди рекомендації ведуть до дедалі радикальнішого вмісту?

Ні. Дослідження знаходять різні результати залежно від методики. Зокрема, Brown та співавтори (2026) виявили тематичне звуження рекомендацій, але не підтвердили систематичну ескалацію ідеологічної крайності у своїй вибірці.

Чи може користувач впливати на рекомендації?

Так, деякі платформи дозволяють змінювати історію переглядів, підписки й позначки небажаного вмісту. Конкретні можливості залежать від сервісу. YouTube описує такі налаштування у своїй довідці; ефективність окремого налаштування щодо певного виду контенту слід перевіряти емпірично.

Як діяти, якщо підліток побачив повідомлення з виправданням насильства?

Варто з’ясувати контекст, поговорити про зміст і почуття, допомогти перевірити джерело та налаштувати безпечний досвід користування. За наявності прямих погроз, переслідування чи спроб небезпечного втягування потрібне відповідне реагування з участю дорослих і компетентних служб. Самого факту перегляду недостатньо для висновків про переконання або наміри дитини.

Який висновок найкраще відповідає сучасним доказам?

Рекомендаційні системи формують умови доступу до інформації й можуть змінювати ймовірність контакту з окремими типами вмісту. Вплив на переконання залежить від багатьох чинників, а перехід до насильства потребує самостійного дослідження. Сучасні роботи підтримують уважний аудит конкретних платформ і відмову від універсальних причинних тверджень Yesilada і Lewandowsky, 2022; Liu та співавтори, 2025; Brown та співавтори, 2026.

Пов’язані статті

• Групова поляризація: що це і чому обговорення може посилювати початкові погляди

• Групова динаміка: що це, групові процеси, розвиток групи та роль Курта Левіна

• Соціальна психологія: що це, що вивчає, основні теорії та дослідження

• Кібербулінг: що це, як він працює онлайн, психологічні наслідки та що робити

Джерела

• Brown, M. A., Bisbee, J., Lai, A., Bonneau, R., Nagler, J., & Tucker, J. A. (2026). Evaluating Echo Chambers, Rabbit Holes, and Radicalization Pathways on YouTube. Political Communication. https://doi.org/10.1080/10584609.2026.2671765

• European Parliament and Council of the European Union. (2022). Regulation (EU) 2022/2065 (Digital Services Act), Articles 27, 28, 34 and 38. https://eur-lex.europa.eu/eli/reg/2022/2065/oj

• Haroon, M., Wojcieszak, M., Chhabra, A., Liu, X., Mohapatra, P., & Shafiq, Z. (2023). Auditing YouTube’s recommendation system for ideologically congenial, extreme, and problematic recommendations. Proceedings of the National Academy of Sciences, 120(50), e2213020120. https://doi.org/10.1073/pnas.2213020120

• Hosseinmardi, H., Ghasemian, A., Clauset, A., Mobius, M., Rothschild, D. M., & Watts, D. J. (2021). Examining the consumption of radical content on YouTube. Proceedings of the National Academy of Sciences, 118(32), e2101967118. https://doi.org/10.1073/pnas.2101967118

• Hosseinmardi, H., Ghasemian, A., Rivera-Lanas, M., Ribeiro, M. H., West, R., & Watts, D. J. (2024). Causally estimating the effect of YouTube’s recommender system using counterfactual bots. Proceedings of the National Academy of Sciences, 121(8), e2313377121. https://doi.org/10.1073/pnas.2313377121

• Liu, N., Hu, X. E., Savas, Y., et al. (2025). Short-term exposure to filter-bubble recommendation systems has limited polarization effects: Naturalistic experiments on YouTube. Proceedings of the National Academy of Sciences, 122(8), e2318127122. https://doi.org/10.1073/pnas.2318127122

• Ravi, K., & Yuan, J.-S. (2024). Ideological orientation and extremism detection in online social networking sites: A systematic review. Intelligent Systems with Applications, 24, 200456. https://doi.org/10.1016/j.iswa.2024.200456

• Верховна Рада України. (2010, зі змінами). Закон України «Про захист персональних даних», № 2297-VI. https://zakon.rada.gov.ua/laws/show/2297-17

• Yesilada, M., & Lewandowsky, S. (2022). Systematic review: YouTube recommendations and problematic content. Internet Policy Review, 11(1), 1652. https://doi.org/10.14763/2022.1.1652

• YouTube Help. (б. д.). How YouTube recommendations work. https://support.google.com/youtube/answer/16089387

Психологічна енкциклопедія