تحلیل تازه: نامنظمی و جانبداری در خلاصههای انتخاباتی گوگل
تحلیل گروه مدافع شفافیت AlgorithmWatch نشان میدهد که خلاصههای هوش مصنوعی گوگل برای پرسوجوهای مربوط به انتخابات ایالتی 2026 در آلمان بهطور نامنظم نمایش داده میشوند، به مجموعهای محدود از منابع بسنده میکنند و گاهی نامزدها و احزاب را با زبان جانبدارانه توصیف میکنند. این الگوها میتوانند روی ادراک عمومی از رقابتهای انتخاباتی تاثیر بگذارند و نیاز به بررسی و شفافسازی دارند.
روششناسی
AlgorithmWatch از طریق دسترسی پژوهشی به «Search Researcher Result API» گوگل و در چارچوب بند 12 ماده 40 قانون خدمات دیجیتال اتحادیه اروپا (Digital Services Act) مجموعاً 4,480 پرسوجوی مرتبط با انتخابات ایالتی 2026 در زاکسن-آنهالت، مکلنبورگ-فورپومرن و انتخابات مجلس نمایندگان برلین اجرا و خلاصهها به همراه منابع ارجاعشده در آنها را تحلیل کرد.
یافتههای کلیدی
- عرضه ناپیوسته خلاصهها: گوگل در 39.1% پرسوجوهای انتخاباتی خلاصه نمایش داد؛ این میزان برای پرسوجوهای غیرسیاسی 65.3% بود.
- پترنهای نامشخص فعالسازی: پرسش درباره نظرسنجیها تقریباً هیچگاه خلاصه تولید نکرد؛ پرسش درباره احزاب و سیاستمداران فردی در 40 تا 50% موارد خلاصه بههمراه داشت، اما پرسوجوها درباره حزب راستگرای افراطی AfD تنها در 24% موارد خلاصه داشتند.
- تمرکز جغرافیایی: مناطقی مانند زاکسن-آنهالت در مقایسه با برلین و مکلنبورگ-فورپومرن خلاصههای کمتری دریافت کردند.
منابع محدود؛ یوتیوب در صدر
تحلیل نشان میدهد تقریباً نیمی از پیوندهای مورد استناد در خلاصهها تنها به 10 دامنه بازمیگردند. بیشترین ارجاع به پلتفرمی متعلق به خود گوگل، یعنی یوتیوب، بوده است؛ AlgorithmWatch این تمرکز را نشانهای از گرایش به سرویسهای درونسازمانی میداند، گرچه گوگل این برداشت را رد کرده است.
در میان منابع خبری، پخشکنندگان عمومی آلمانی مانند NDR، rbb، MDR و ARD و نیز سایتهایی مانند Zeit Online برجسته بودند؛ شش سایت رسانهای 75% پیوندهای خبری را تشکیل دادند. علاوه بر ویکیپدیا و سایتهای دولتی، صفحات رسمی احزاب نیز بدون برچسب ویژه بهعنوان منابع ظاهر شدند که شفافیت ارجاع را کاهش میدهد.
زبان توصیفی و جهتگیری مثبت
خلاصهها غالباً سیاستمداران و احزاب را با صفاتی نسبتاً مثبت و مبهم مانند «عملگرایانه»، «نزدیک به مردم» یا «ثابت» توصیف کردند؛ صفاتی که گاهی بازتاب روایتهای تبلیغاتی خودِ احزاب بود. در نمونه زاکسن-آنهالت، 81.5% خلاصهها درباره CDU توصیفهای مثبت داشتند، در مقابل 50% برای SPD، 10.7% برای حزب سبزها و 0% برای AfD.
نمونهای عملی از ناسازگاری، توصیف متناقص همان نامزد AfD، اولریش زیگموند، با برچسبهایی مانند «ملیمحافظهکار» یا «پوپولیست راستگرا» در بازههای زمانی کوتاه است؛ AlgorithmWatch نتوانست منشأ مشخصی برای این تفاوتگذاری یافت.
پیامدها و خواست شفافیت
AlgorithmWatch این گرایش به تصویر مثبت را تا حدی ناشی از تمایل برخی مدلهای زبانی به «چاپلوسی» (sycophancy) دانسته و خواستار قواعد روشنتر مسئولیتپذیری و شفافیت درباره معیارهای انتخاب منابع و نمایش خلاصهها شده است. دسترسی پژوهشی تحت DSA امکان بررسی فراهم کرده اما گروه از نبود توضیح روشن گوگل درباره معیارهای نمایش خلاصهها و نحوه فیلتر و بازنگری پاسخهای تولیدشده توسط مدل Gemini در سال 2026 انتقاد کرده است؛ گوگل تا زمان انتشار این تحلیل پاسخی ارائه نکرد.
پیشنهادهای عملی برای کاهش سوگیری
برای کاهش ریسک سوگیری و افزایش اعتماد عمومی باید چند اقدام همزمان اجرا شود:
- افزودن برچسب منبع و درجهٔ بیطرفی برای هر پیوند در خلاصهها، بهگونهای که کاربران منبع و سوگیری احتمالی را سریع تشخیص دهند.
- انتشار فهرست منابع کلی و معیارهای انتخاب آنها و فراهمکردن دسترسی دورهای برای بازرسی مستقل.
- گسترش آزمایشهای مستقل و دسترسی پژوهشی گستردهتر به دادههای پلتفرم، مشابه رویکرد AlgorithmWatch.
- طراحی مکانیزمهایی برای کاهش تمایل مدلها به چاپلوسی و تضمین تنوع منابع قابلپذیرش در خلاصهها.
چه باید پیگیری شود
خلاصههای هوش مصنوعی در نتایج جستوجو فراتر از خطاهای موردی هستند؛ موضوع اصلی شامل قواعد بازی، شفافیت و مسئولیتپذیری شرکتهای پلتفرمی و نهادهای ناظر است. ادامه بررسیهای مستقل، الزامآور کردن افشای معیارها و ایجاد ابزارهایی برای شناسایی منبع و پیشزمینه متن میتواند آثار نامطلوب بر اطلاعرسانی انتخاباتی را کاهش دهد و به کاربران کمک کند تصمیمگیری آگاهانهتری داشته باشند.
