{"CACHEDAT":"2026-05-13 09:38:55","TRANSLATEDAT":"2026-05-13 09:38:55","SOURCESIGNATURE":"e60b88bd6d7b3c71f7e12fe57b14f89a9e6878cc2949671a0bb004fa9e4abe88","SLUG":"information-circulation-visibility-7ESlNDSxYa","MARKDOWN":"# Information Visibility & Prominence\n\nInformation Visibility refers to whether — and how prominently — specific information items, topics, sources, or accounts appear to users in digital environments. Information that exists in a platform's index or network does not automatically reach all users, nor reach them in the same way. \n\nVisibility is the outcome of two interacting forces: \n\n* how information is circulated (sharing, redistribution, spread) and \n* how it is surfaced prominently, pushed down, or filtered out.\n\n\n:::warning\n**Distinguishing reliability and visibility is essential for information literacy.**\n\n* **Reliability** depends on who created an item (author) and how it was edited (editorial review) — not on whoever shared it, on the environment it appeared in, or on how prominently it was surfaced.\n* **Visibility** depends on who shares an item, on the mechanisms that surface it, and on the practices through which it is amplified. Visibility is not a measure of reliability.\n\nFor example, a retweeted article: the account that shared it and the platform that surfaced it influenced its visibility — but the article has its own author and editorial history, whose reliability must be assessed separately.\n\n:::\n\n# Information Circulation: Sharing, Forwarding, Linking, Reposting, Quoting\n\nPeople, accounts (including bots), and organisations circulate existing information items by sharing, forwarding, linking, reposting, quoting, or otherwise redistributing them.\n\n→ When an item is passed on with added commentary, interpretation, or reframing, a new information item is created with a new author.\n\n# Source-Driven Information Promotion & Visibility\n\nPractices initiated by sources — those who create, publish, or promote information items. Sources include individual users, content creators, organisations, advertisers, and website operators. Unlike platform-driven mechanisms, these practices are driven by the sources themselves, who decide how to make their content visible. They operate in two modes: by adapting content to the platforms' ranking systems (Reach, Direct Addressing, SEO, SMO, Platform-specific Optimisation), or by paying directly for placement (Paid Placements).\n\n## Account Reach\n\nThe size and structure of a sharer's potential audience.\n\nSeveral factors determine reach:\n\n* #### follower or subscriber count\n* #### verification status \n* #### account standing: age, engagement history, platform reputation\n\nReach affects visibility in two ways:\n\n* *directly*: items shared by high-reach accounts appear in more feeds at the moment of sharing\n* *indirectly*: high-reach accounts generate more engagement signals, which platform algorithms then use to elevate items in ranking (→ Algorithmic Gatekeeping)\n\n→ Reach varies widely: a private account with 100 followers and a public account with one million followers operate at fundamentally different scales of influence on visibility.\n\n## Direct Addressing\n\nMechanisms by which sharers target specific recipients, producing immediate prominence for those users through platform notifications.\n\nExamples:\n\n* #### @mentions\n* #### tagging (in photos, posts, or threads)\n* #### quote-tweets & reply-mentions\n* #### group direct messages\n* #### mailing-list addressing (To, CC)\n\n→ Direct addressing differs from regular sharing: the targeted user receives the item directly via notification, regardless of whether they would otherwise have encountered it through their feed.\n\n→ Direct addressing is a hybrid mechanism. It operates user-side, but functions through platform infrastructure (notification systems). Its effect is immediate prominence for the addressed user.\n\n## Search Engine Optimisation (SEO)\n\nSource-side practices to adapt **websites** — their content, metadata, and link structure — so that they rank more prominently in **general-purpose search engine results** (Google, Bing, DuckDuckGo, etc.).\n\nCommon practices include:\n\n* keyword research and integration in titles, headings, body text\n* metadata optimisation (title tags, meta descriptions, alt text)\n* link building (acquiring inbound links from authoritative sites)\n* site structure and internal linking\n* page speed and mobile-friendliness\n* producing content that matches search intent\n\n→ SEO is the most formalised optimisation discipline because search engine ranking signals are relatively stable and well-documented (Lewandowski et al.). Specialised SEO professionals, agencies, and tools support its practice.\n\n→ SEO does not change how search engines rank pages — it adapts the website to fit existing ranking criteria. Publishers can shape what the algorithm sees, not how it decides.\n\n## Social Media Optimisation (SMO)\n\nSource-side practices to maximise visibility, engagement, and shareability of content on social media platforms.\n\nCommon practices include:\n\n* hashtag strategies (trending or topic-specific tags)\n* posting timing (when target audiences are active)\n* content format choices (short video, carousels, reels)\n* headline and hook design (catching attention quickly)\n* encouraging engagement (questions, polls, calls to action)\n* cross-platform repurposing of content\n\n→ SMO is less formalised than SEO because social media ranking signals are more opaque and platform-specific. Practices shift as algorithms change.\n\n## Platform-Specific Optimisation\n\nOptimisation strategies tailored to the conventions and ranking logics of individual platforms — beyond general SEO or SMO principles.\n\n* TikTok: hooking viewers in the first three seconds, using trending sounds, vertical short-form video\n* Instagram: high-quality visuals, Reels-first strategy, hashtag mixing\n* YouTube: thumbnail design, watch-time optimisation, keyword-rich titles and descriptions\n* LinkedIn: long-form professional posts, native publishing, networked engagement\n* X (Twitter): concise hooks, threads, replying to high-reach accounts\n\n→ Platform-specific optimisation requires understanding each platform's ranking system, audience behaviour, and content format preferences. What works on TikTok rarely works on LinkedIn.\n\n## Paid Placements & Advertising\n\nSource-side practice of paying for visibility — sponsored content placed alongside organic content, typically through advertising.\n\nCommon forms:\n\n* sponsored search results (search engine ads)\n* sponsored posts and promoted content (social media)\n* display ads (banners, videos)\n* influencer partnerships (paid collaborations)\n\n→ Paid placements bypass organic ranking systems: instead of optimising content to rank well, the source pays the platform directly for placement.\n\n→ They are sometimes clearly labelled (\"Sponsored\", \"Ad\"), sometimes only weakly distinguishable from organic results. Labelling standards vary by jurisdiction and platform. \n\n# Platform-Side Information Promotion & Gatekeeping\n\n\n:::warning\nWhat users actually see is rarely the product of a single mechanism. In a search engine, an algorithmically ordered list of organic results is presented alongside paid placements, AI-generated summaries, and sometimes editorial highlights — and the underlying ranking signals can be deliberately influenced through *Search Engine Optimisation*. In a social media feed, algorithmically ranked posts appear next to sponsored content, recommended accounts, and trending overlays. Each component follows its own logic and contributes to a composite visibility outcome.\n\n:::\n\n## Editorial Curation\n\nPlatform-side manual curation: information items deliberately featured by editorial teams or platform operators rather than surfaced through algorithmic ranking.\n\nExamples:\n\n* featured Snippets in search results\n* curated trending sections\n* editor-selected stories in news aggregators\n* platform-promoted hashtags\n* Editor's Picks in app stores\n* featured creators or accounts\n\n→ Editorial highlights sit alongside the algorithmic mechanisms and reflect the platform's own judgements about which content deserves prominent display.\n\n→ Unlike algorithmic gatekeeping (curation and personalisation), editorial gatekeeping involve human editorial choices by the platform itself. Functionally, this is a form of *Editorial Gatekeeping* ) — performed by the platform rather than by traditional publishers.\n\n## Algorithmic Gatekeeping\n\n**Algorithmic Gatekeeping** refers to the role of algorithms in deciding which information items reach which users — the digital counterpart to *Editorial Gatekeeping* (→ Information, Sources & Information Environments → Editorial Review). It involves both **selection** (what is surfaced and ranked highly) and **exclusion** (what is filtered, demoted, or hidden).\n\nAlgorithmic gatekeeping operates across different platform types:\n\n* in **search engines**, algorithms select and order results based on queries\n* in **social media feeds**, algorithms decide which posts appear more prominently\n* in **video platforms**, algorithms suggest what to watch next\n* in **AI-based answer systems**, algorithms generate, summarise, or synthesise responses\n\nAlgorithmic gatekeeping operates in two modes that often work together: general operations applied across all users (*Algorithmic Curation*), and individual tailoring based on tracked user signals (*Algorithmic Personalisation*).\n\n### Algorithmic Curation\n\nGeneral algorithmic operations applied across users — they shape what information is available on the platform, regardless of who the user is.\n\n* **Crawling and Indexing** — *Which information items become available for display?*\n  * search engines crawling the web\n  * content aggregators indexing news sources\n  * app stores cataloguing available apps\n* **Filtering and Moderation** — *Which items are blocked or down-ranked under platform rules?*\n  * spam filters\n  * removal of policy-violating content (hate speech, illegal content, graphic material)\n  * down-ranking of low-quality or misleading material\n* **Quality Scoring** — *Which sources or items are evaluated as more credible or higher-quality?*\n  * search engines penalising low-quality sites\n  * news aggregators ranking by source authority\n  * peer-review-influenced ranking on academic search engines\n* **Trending Detection** — *Which items are surfaced as currently popular?*\n  * trending topics on social platforms\n  * top charts on streaming services\n  * \"What's happening\" and \"Today's headlines\" sections\n  * popular hashtags\n\n→ Algorithmic curation defines the *pool* of information available on the platform. It largely operates the same way for all users.\n\n### Algorithmic Personalisation\n\nAlgorithmic operations that adapt the selection, order, and presentation of information to individual users based on their tracked signals. These signals accumulate over time into user histories that algorithms draw on.\n\n→ Two users on the same platform — even with the same query — typically see substantially different content.\n\n* **Personalised Ranking** — *Which items are ordered higher for this user?*\n  * personalised search results (location, history, profile shape ordering)\n  * social media feed ordering (\"For You\" feeds, \"Top posts\")\n  * engagement-based ranking — optimisation for predicted interaction, dominant on social media\n* **Recommendations** — *Which items are suggested to this user beyond what they actively requested?*\n  * \"Recommended for you\" video lists\n  * suggested accounts, groups, or topics to follow\n  * \"People you may know\"\n  * related articles, similar products, \"Up next\"\n* **Personalised Advertising** — *Which adverts are targeted to this user?*\n  * search ads tailored to past queries\n  * social media sponsored posts based on profile and behaviour\n  * retargeted display ads on websites\n  * influencer partnerships matched to audience interests\n\n→ Two users on the same platform — even with the same query — typically see substantially different content.\n\n→ Personalisation creates a **feedback loop**: what users do affects what they see next, and what they see next can influence what they do.\n\n#### ☑ User Signals Tracked by the Platform for Algorithmic Personalisation\n\nActions a user performs — actively or passively — within an information channel that may be tracked and used by algorithms to personalise the selection and visibility of information items.\n\n→ User actions are not limited to deliberate interactions such as clicking or liking. Many actions are passive or automatic, such as how long a user stays on a page, how far they scroll, or where they are located. Users are often unaware that these actions influence what they encounter next.\n\n| Type | What it is | Examples |\n|------|------------|----------|\n| **Explicit feedback** | Deliberate interactions the user chooses to perform | - searches / search queries<br>- clicks<br>- likes / reactions<br>- comments / replies<br>- shares / reposts / forwards<br>- follows / subscribes<br>- saves / bookmarks<br>- ratings / reviews<br>- purchases / downloads |\n| **Implicit behaviour** | Passive behavioural signals captured during use | - watch time / listen time / dwell time<br>- scroll behaviour (how far, how fast)<br>- hover behaviour<br>- skip behaviour |\n| **Contextual data** | Information about the situation in which the user is accessing the platform | - user's location data while using the application<br>- device type (e.g., phone or laptop)<br>- time of access |\n| **Account and social data** | Information from the user's profile and social connections | - profile information (age, interests, profession, gender)<br>- language settings<br>- linked accounts<br>- contact list / address book |\n\n\n:::info\n* Adomavicius, G., & Tuzhilin, A. (2011). Context-aware recommender systems. In F. Ricci, L. Rokach, B. Shapira, & P. B. Kantor (Eds.), *Recommender Systems Handbook* (pp. 217–253). Springer. <https://doi.org/10.1007/978-0-387-85820-3_7>\n* Kelly, D., & Teevan, J. (2003). Implicit feedback for inferring user preference: A bibliography. *ACM SIGIR Forum, 37*(2), 18–28. <https://doi.org/10.1145/959258.959260>\n* Li, W., Kuo, J.-C., Sheng, M., Zhang, P., & Wu, Q. (2025). Beyond explicit and implicit: How users provide feedback to shape personalized recommendation content. In *Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems (CHI '25)*. Association for Computing Machinery. <https://doi.org/10.1145/3706598.3713241>\n* Narayanan, A. (2023). *Understanding social media recommendation algorithms.* Knight First Amendment Institute, Columbia University. <https://knightcolumbia.org/content/understanding-social-media-recommendation-algorithms>\n\n:::\n\n# Information Amplification\n\nAmplification refers to the systematic boosting of an item's visibility beyond the individual-user level — to produce broad visibility across user accounts, and sometimes across information environments. \n\nWhere *Source-Driven Promotion* (above) covers what a single source itself does to gain visibility, and *Platform-Side Gatekeeping* (above) describes the algorithmic operations through which platforms surface and rank content for individual users, *Amplification* refers to the resulting *boost outcomes at scale* — produced either as the aggregate effect of those platform operations (→ *Algorithmic Amplification*) or through coordinated activity by multiple actors (→ *Coordinated Amplification*).\n\n## Amplification Mechanisms\n\nAmplification operates through two principal mechanisms.\n\n* **Algorithmic Amplification** is *platform-driven*: it is the aggregate effect of *Algorithmic Gatekeeping* — the cumulative outcome of platform curation and personalisation on which items reach which users and how prominently.\n* **Coordinated Amplification** is *actor-driven*: multiple accounts, groups, or campaigns deliberately act in concert to boost the visibility of an item, hashtag, or narrative beyond what individual user activity would produce. The literature classifies it along two dimensions — the **coordination** (transparent or concealed) and the **accounts** (real or fake) — and distinguishes accordingly (Rogers & Righetti, 2025):\n  * **Coordinated Authentic Amplification**: coordination is transparent and accounts are real (e.g. open civic campaigns, advocacy, marketing).\n  * **Coordinated Inauthentic / Artificial Amplification**: coordination is concealed, accounts are fake, or both — manufacturing an appearance of organic support (Meta's *Coordinated Inauthentic Behaviour* / CIB; Gleicher, 2018).\n\nThe two mechanisms frequently combine. Coordinated networks exploit engagement-based ranking to trigger algorithmic boosts; algorithmic ranking, in turn, compounds whatever visibility coordination has already produced.\n\n* \n:::info\n  * Gleicher, N. (2018). *Coordinated Inauthentic Behavior Explained*. Meta Newsroom. <https://about.fb.com/news/2018/12/inside-feed-coordinated-inauthentic-behavior/>\n  * Rogers, R., & Righetti, N. (2025). Coordinated inauthentic behaviour on Facebook? A typology of manufactured attention. <https://doi.org/10.1177/29768624251369784>\n\n  :::\n\n### Algorithmic Amplification\n\nAlgorithmic amplification is the cumulative effect of the gatekeeping mechanisms above (Curation and Personalisation): the systematic shaping of which items, topics, accounts, and formats appear prominently to users — and which are filtered, demoted, or pushed down.\n\nEmpirical research shows that engagement-based ranking systematically amplifies emotionally charged and out-group hostile content, even when users themselves do not prefer such content (Milli et al., 2025). It also compounds existing reach: accounts and items with high prior engagement are rewarded with further visibility, producing highly skewed reach distributions (rich-get-richer effect).\n\nAlgorithmic interventions can have nonlinear effects in the opposite direction as well. A reduction of around 20% in an item's feed prominence can cut its reach by an order of magnitude (Narayanan, 2023).\n\nAlgorithmic amplification is not a neutral reflection of user activity. Its effects are emergent and visible primarily in the aggregate: individual recommendations are imprecise (engagement rates remain below 1% on most platforms), but ranking, recommendation, and demotion systematically shape what circulates across the platform.\n\n\n:::info\n* Milli, S., et al. (2025). Engagement, user satisfaction, and the amplification of divisive content on social media. PNAS Nexus.\n\n\n* Narayanan, A. (2023). Understanding social media recommendation algorithms. Knight First Amendment Institute.\n\n:::\n\n### Coordinated Authentic Amplification\n\nCoordinated Authentic Amplification is the deliberate boosting of an information item, topic, hashtag, account, or narrative through openly disclosed, organised activity by real accounts. The coordinated origin is not concealed: participants act under their real identities or under known group affiliations.\n\nTypical contexts include \n\n* civic campaigns (e.g. NGO petitions, advocacy hashtags), \n* political mobilisation (e.g. party campaigning, get-out-the-vote efforts), \n* marketing and brand campaigns, \n* professional association communications, and \n* cultural movements such as Fridays for Future or #MeToo.\n\n\n:::warning\nWhether the underlying message is well-founded, balanced, or one-sided is a separate question — *authenticity* refers only to the transparency of the coordination, not to the truth-value or fairness of the content. An authentic campaign can amplify accurate information, misleading information, or a one-sided position.\n\n:::\n\n\n:::warning\nAuthentic and inauthentic coordination can produce visibility patterns that look identical from the outside — synchronised sharing, hashtag clustering, rapid uptake. The distinguishing feature is not the visible pattern but whether the coordinated origin is openly disclosed.\n\n:::\n\n### Coordinated Inauthentic / Artificial Amplification\n\nCoordinated Inauthentic / Artificial Amplification is the deliberate boosting of an information item, topic, hashtag, account, or narrative through organised activity in which the coordinated origin is concealed, the participating accounts are fake, or both. The aim is to manufacture an appearance of organic, independent support. Meta's term *Coordinated Inauthentic Behaviour* (CIB) — now incorporated into the EU Digital Services Act — centres on this combination of false identities and adversarial methods to evade detection (Gleicher, 2018; Rogers & Righetti, 2025).\n\nTypical contexts include political influence operations (state-sponsored or party-aligned), astroturfing campaigns (commercial or ideological), targeted disinformation around elections, public health, or geopolitical conflict, and reputation manipulation through fake reviews, ratings, or engagement. The operational means — *bots*, *trolls*, *sockpuppets*, and their coordinated networks (*bot farms*, *troll farms*, *sockpuppet networks*, *click farms*) — are described in detail below.\n\n\n:::warning\n*Inauthenticity* refers to the concealment of the coordinated origin or the use of fake accounts — not to the truth-value of the content being amplified. A coordinated network of fake accounts can amplify accurate information; a single authentic individual can spread fabricated information. Coordinated inauthentic amplification and the spread of false content are distinct phenomena that can occur independently or together.\n\n:::\n\nThe following account types described in this section apply across Digital Information Channels & Platforms where users can create accounts and post or interact publicly — particularly social media, discussion forums and community spaces, video and audio platforms, and review or comment sections. They are less prominent in private communication apps or in environments without user-generated content.They appear both independently and within coordinated networks. They are listed here because of their typical role in amplification dynamics; the explicitly coordinated formations are the Account Networks.\n\n| Term | Definition | Controlled by | Defined by | Typical purpose |\n|------|------------|---------------|------------|-----------------|\n| **Social Bot** | An automated or partly automated account that posts, likes, follows, shares, or replies online. | Software      | **Automation** | To amplify messages, create artificial popularity, spam, influence debate, or spread content at scale. |\n| **Cyborg** | A hybrid account combining human operation with software automation. | Mixed: human and software | **Selective automation** | To combine the scale of automation with the contextual plausibility of human input — for legitimate scheduling/management or for harder-to-detect influence operations. |\n| **Troll** | A person or account that deliberately provokes, disrupts, or inflames online discussion. | Usually a human user; sometimes coordinated groups | **Disruptive / provocative / antagonistic behaviour** | To upset others, derail conversations, provoke reactions, spread hostility, or polarise debate. |\n| **Sockpuppet** | A fake account used by someone to hide their real identity or pretend to be a different person. | A human user, though the account may also use automation | **Deceptive identity** | To create false support, attack others anonymously, evade bans, manipulate debate, or give the impression of independent agreement. |\n\n#### Social Bot\n\nA **social bot** is a bot designed to operate on social media platforms, posting, commenting, sharing, or interacting in ways that simulate human users. Social bots are typically programmed to act at scale and at high speed, far beyond what a human user could manage. Their activity is often repetitive and coordinated across many accounts, which distinguishes it from normal human use.\n\nSocial bots can be used for legitimate purposes — such as customer service, news distribution, or marketing — but they are also widely used to influence public opinion, amplify certain messages, manipulate discussions, or manufacture the appearance of widespread support for specific ideas, products, or causes. In the context of misinformation and disinformation, social bots play a particular role in spreading content rapidly and giving the false impression that many independent voices share the same view.\n\nWhen social bots are deployed in coordinated networks, they form a *Bot Farm*.\n\n\n:::info\n#### Bot\n\nA bot is a computer programme that automatically performs tasks, often repetitive ones. Bots range from simple, harmless tools — such as web crawlers that index pages for search engines, automated testing systems, or chatbots that answer routine customer questions — to malicious programmes designed to spread spam, malware, or disinformation.\n\n:::\n\n#### Cyborg\n\nA **cyborg** is a hybrid account that is partly operated by a human and partly automated by software. A cyborg may have routine posts scheduled or generated by software while a person handles selected interactions, replies, or sensitive content. The balance between automated and human activity varies between accounts.\n\nCyborgs can be used for legitimate purposes — such as content scheduling, brand or institutional account management, or hybrid customer service — but they are also used in influence operations to combine the scale and speed of automation with the contextual plausibility of human input.\n\nCyborgs are more difficult to identify than purely automated bots because part of their behaviour is genuinely human, which means single detection indicators rarely suffice for reliable identification.\n\n#### Troll\n\nA **troll** is a real person who deliberately disrupts online discussions through provocative, aggressive, or hostile behaviour. Trolls typically use personal accounts and target controversial issues, public figures (such as politicians or journalists), or media organisations. Their aim is to upset others, trigger reactions, or escalate conflicts — sometimes in support of a particular agenda, sometimes for entertainment or attention.\n\nWhile trolls often act independently, they may also operate in coordinated groups, sometimes paid by political or commercial actors (see *Troll Farm* under Mechanisms of Amplification).\n\n**Trolling is best understood as a pattern of online behaviour, not a specific kind of account.** The same behaviour can be performed by automated accounts, and ordinary users can engage in trolling on occasion.\n\n#### Sockpuppet\n\nA **sockpuppet** is a fake online identity created and operated by a real person who hides their true identity. Unlike trolls — who often act under a single openly hostile account — a sockpuppet operator typically runs multiple fake accounts in parallel to create the impression that several independent users hold the same opinion, support the same cause, or agree with the operator's own (often separate) main account.\n\nSockpuppets are commonly used to manufacture artificial consensus, support one's own arguments under different names, attack opponents while appearing impartial, evade bans by creating new identities after suspension, or manipulate online reviews, votes, and polls.\n\nSockpuppets differ from social bots in that they are manually operated by humans, which makes their content more contextually plausible and harder to detect through automated means. They differ from trolls in that their primary goal is deception about identity and the manufacturing of apparent consensus, not provocation — although sockpuppet operators can also engage in trolling behaviour through their fake identities.\n\nWhen a person or small group operates a coordinated set of sockpuppets together, they form a *Sockpuppet Network* (see Mechanisms of Amplification).\n\n#### ☑ Differentiating Social Bots, Trolls, and Sockpuppets\n\n| **Detection Dimension** | **Social Bots** | **Trolls** | **Sockpuppets** |\n|---------------------|-------------|--------|-------------|\n| **Profile Characteristics** | - [ ] The account looks newly created <br> - [ ] The profile is incomplete or generic <br> - [ ] The username may look non-personal and sometimes include random numbers | - [ ] The account has typically been active for longer and has a post history <br> - [ ] The profile is complete and seems personal; it may present strong ideological or political self-description <br> - [ ] The username looks personal | - [ ] The profile looks plausible and personal, often with a profile picture and biographical details (sometimes stolen, AI-generated, or copied) <br> - [ ] Account history may be moderate and designed to look authentic over time |\n| **Posting Behaviour** | - [ ] The activity does not match normal human online behaviour <br> - [ ] The accounts post or repost content very frequently <br> - [ ] The accounts post or repost content at all hours, day and night | - [ ] The activity resembles normal human online behaviour <br> - [ ] The account posts or replies at irregular times <br> - [ ] The account becomes more active during controversial discussions | - [ ] Activity patterns resemble normal human use <br> - [ ] Multiple accounts run by the same operator may show similar active hours or rhythms <br> - [ ] Sockpuppets tend to start fewer discussions and write shorter posts than typical users |\n| **Interactions**    | - [ ] The account does not have real conversations <br> - [ ] The accounts mostly like, share, or repost <br> - [ ] Replies are short and automated | - [ ] The account replies directly to other users <br> - [ ] The account engages in debates with the purpose of provoking reactions <br> - [ ] Conversations are extended to create or escalate conflict | - [ ] The account engages in real conversations, often supporting the operator's main account or other sockpuppets <br> - [ ] Replies are contextually appropriate and seem authentic <br> - [ ] Pairs of sockpuppets often interact in the same discussion at similar times |\n| **Content Features** | - [ ] The content is one-sided and repetitive <br> - [ ] The same narratives are posted many times | - [ ] The content is specifically tailored to harm or provoke a target <br> - [ ] The content targets individuals or social groups | - [ ] Content seems genuine and varied across accounts <br> - [ ] The underlying message or stance aligns suspiciously across the network <br> - [ ] More frequent use of personal pronouns such as \"I\" |\n| **Language**        | - [ ] Generic expressions, repetitive phrasing with keywords | - [ ] Varied, emotional, often abusive or offensive language | - [ ] Natural and varied language <br> - [ ] Multiple accounts may share linguistic fingerprints (similar phrasing, vocabulary, punctuation, or error patterns) |\n| **Network & Technical Indicators** | - [ ] Social bots follow other social bots, but the relationship is typically one-way and not reciprocal <br> - [ ] Coordinated behaviour is observable across multiple bot accounts | - [ ] Trolls follow human accounts <br> - [ ] Connections are often reciprocal (they follow their followers and vice versa) <br> - [ ] Trolls typically act independently of each other | - [ ] Multiple accounts engaging with each other in mutually supportive ways <br> - [ ] Connections may be artificially reciprocal between sockpuppets in the same network, or deliberately absent to avoid detection <br> - [ ] Same IP address, device fingerprint, or login pattern \\\\\\*(platform-side detection)\\\\\\* <br> - [ ] More clustered ego-networks than ordinary users <br> - [ ] Correlated activity timing across accounts |\n\n\n\n:::info\n* Ferrara, E. (2023). Social bot detection in the age of ChatGPT: Challenges and opportunities. *First Monday, 28*(6). <https://doi.org/10.5210/fm.v28i6.13185>\n* Kumar, S., Cheng, J., Leskovec, J., & Subrahmanian, V. S. (2017). An army of me: Sockpuppets in online discussion communities. *Proceedings of the 26th International Conference on World Wide Web (WWW '17)*, 857–866. <https://doi.org/10.1145/3038912.3052677>\n* Orabi, M., Mouheb, D., Al Aghbari, Z., & Kamel, I. (2020). Detection of bots in social media: A systematic review. *Information Processing & Management, 57*(4), 102250. <https://doi.org/10.1016/j.ipm.2020.102250>\n* Solorio, T., Hasan, R., & Mizan, M. (2013). A case study of sockpuppet detection in Wikipedia. *Proceedings of the Workshop on Language Analysis in Social Media (LASM) at NAACL-HLT*, 59–68. Association for Computational Linguistics. <https://aclanthology.org/W13-1107/>\n* Tomaiuolo, M., Lombardo, G., Mordonini, M., Cagnoni, S., & Poggi, A. (2020). A survey on troll detection. *Future Internet, 12*(2), <https://doi.org/10.3390/fi12020031>\n* Tsikerdekis, M., & Zeadally, S. (2014). Multiple account identity deception detection in social media using nonverbal behavior. *IEEE Transactions on Information Forensics and Security, 9*(8), 1311–1321. <https://doi.org/10.1109/TIFS.2014.2332820>\n* Uyheng, J., Moffitt, J. D., & Carley, K. M. (2022). The language and targets of online trolling: A psycholinguistic approach for social cybersecurity. *Information Processing & Management, 59*(5), 103012. <https://doi.org/10.1016/j.ipm.2022.103012>\n\n:::\n\n#### Account Networks\n\n#### Bot Farm\n\nA **bot farm** is a network of bots operating simultaneously across multiple devices or servers, deployed by a single operator or organisation for a particular purpose.\n\nBot farms have a range of legitimate uses, including web indexing, automated software testing, data aggregation, and website performance monitoring. However, they are also commonly used for malicious activities such as creating fake engagement, generating large volumes of content, distributing spam, or carrying out cybersecurity attacks. When used to manipulate online discourse, bot farms can create the false impression of widespread support, opposition, or interest in a topic, account, or campaign.\n\n#### Troll Farm\n\nA **troll farm** is an organised group of coordinated, often paid workers who post deliberately provocative, misleading, or false content online — typically through fake accounts. Their aim is usually to manipulate public opinion, spread disinformation, or create social and political unrest. Troll farms have been documented in connection with state-sponsored influence operations as well as commercial reputation manipulation.\n\n#### Sockpuppet Network\n\nA sockpuppet network is a coordinated set of sockpuppet accounts operated by one person or a small group, used to simulate independent voices supporting a shared narrative, campaign, account, or cause. Sockpuppet networks are commonly used in political astroturfing, review and rating manipulation, and coordinated disinformation campaigns. Unlike bot farms, sockpuppet networks rely on manual operation by humans, which makes the content of individual accounts appear more authentic and harder to detect through automated means. Their coordination usually becomes detectable only when multiple accounts can be linked through behavioural patterns, shared technical signals, or mutual engagement.\n\n#### Click Farm\n\nA **click farm** is an operation where large numbers of low-paid workers, automated bots, or both are used to click on ads, follow social media accounts, like posts, leave reviews, or download apps. The goal is to artificially boost online engagement or traffic, making content, accounts, or products appear more popular than they actually are.\n\n## Phenomena\n\n#### ☑ Virality vs. Trending\n\n| Feature | Virality | Trending |\n|---------|----------|----------|\n| **What is being spread** | A single information item: a specific video, post, image, or other piece of content | A topic, hashtag, sound, format, or discussion cluster: not one specific item, but many posts referring to or using the same thing |\n| **Primary drivers** | Users share, repost, or forward the information item to others, who in turn pass it along; this cascading spread can be further amplified by recommendation algorithms | Many users post about, mention, or use the same topic, hashtag, or format within a short time; the platform detects this concentration of activity and highlights it in a dedicated \"Trending\" section (such as a trending topics list, trending hashtag overview, or trending sounds page) |\n| **Time pattern** | Often short and explosive; may recur later | Time-bound; persists as long as activity stays high or the platform keeps surfacing it |\n| **How it can be manipulated** | Coordinated sharing, bot amplification, artificial engagement directed at the specific information item | Coordinated posting campaigns, manufactured fake trends through bot networks, platform decisions to promote, filter, or suppress |\n\n*Both virality and trending can emerge organically or be artificially amplified through coordinated campaigns, bot activity, or platform decisions. Both can also give an advantage to emotionally arousing, morally charged, or divisive content, especially in political or conflict-oriented contexts.*\n\n### Virality\n\nThe pattern by which a specific information item spreads rapidly through sharing, recommendation, and re-circulation across networks, analogous to the way a virus propagates. Virality is shaped by content characteristics, social network structures, platform affordances, timing, and algorithmic amplification. \n\nContent that evokes high-arousal emotions, moral reactions, or out-group animosity is often more likely to be shared, especially in political or conflict-oriented contexts. However, virality is not determined only by the size of the original source: smaller accounts or outlets can also produce highly viral items. \n\nVirality can emerge organically, but it can also be artificially amplified through coordinated sharing, platform manipulation, or bot activity.\n\n### Trending\n\nA platform-assigned status indicating that a topic, hashtag, sound, format, or discussion cluster has received unusually concentrated activity within a short period. \n\nTrending is identified algorithmically and surfaced through platform features such as X / Twitter Trending Topics, trending hashtags, trending sounds, trending challenges, or other platform-specific trend features. Trending depends on platform-specific signals such as post volume, rate of increase, engagement, location, personalisation, and moderation filters. \n\nTopics that generate high engagement — including divisive, emotionally arousing, or morally charged topics — may be more likely to trend, but this depends on the platform's ranking system and moderation rules. \n\nTrending can emerge organically from many independent contributions, but it can also be influenced by coordinated campaigns, bot activity, or platform decisions about what to promote, filter, moderate, or suppress.\n\n\n:::info\n* **Berger, J. (2013).** *Contagious: Why Things Catch On.* New York: Simon & Schuster.\n* **Berger, J., & Milkman, K. L. (2012).** What makes online content viral? *Journal of Marketing Research*, 49(2), 192–205. <https://doi.org/10.1509/jmr.10.0353>\n* **Brady, W. J., McLoughlin, K., Doan, T. N., & Crockett, M. J. (2021).** How social learning amplifies moral outrage expression in online social networks. *Science Advances*, 7(33), eabe5641. <https://doi.org/10.1126/sciadv.abe5641>\n* **Jenkins, H., Ford, S., & Green, J. (2013).** *Spreadable Media: Creating Value and Meaning in a Networked Culture.* New York: NYU Press.\n* **Lee, J., & Umback, J. (2026).** The viral turn: rethinking virality in the creator economy on TikTok. *Continuum*, 1–26. <https://doi.org/10.1080/10304312.2026.2625794>\n* **Maarouf, A., Pröllochs, N., & Feuerriegel, S. (2024).** The virality of hate speech on social media. *Proceedings of the ACM on Human-Computer Interaction*, 8 (CSCW1), 1–22. <https://doi.org/10.1145/3641025>\n* **Rathje, S., Van Bavel, J. J., & van der Linden, S. (2021).** Out-group animosity drives engagement on social media. *Proceedings of the National Academy of Sciences*, 118(26), e2024292118. <https://doi.org/10.1073/pnas.2024292118>\n* **Rathje, S., & Van Bavel, J. J. (2025).** The psychology of virality. *Trends in Cognitive Sciences*, 29(10), 914–927. <https://doi.org/10.1016/j.tics.2025.06.014>\n* **Rogers, E. M. (2003).** *Diffusion of Innovations* (5th ed.). New York: Free Press.\n* **Sangiorgio, E., Cinelli, M., Cerqueti, R., & Quattrociocchi, W. (2024).** Followers do not dictate the virality of news outlets on social media. *PNAS Nexus*, 3(7), pgae257. <https://doi.org/10.1093/pnasnexus/pgae257>\n* **Schlessinger, J., Garimella, K., Jakesch, M., & Eckles, D. (2023).** Effects of Algorithmic Trend Promotion: Evidence from Coordinated Campaigns in Twitter's Trending Topics. *Proceedings of the International AAAI Conference on Web and Social Media (ICWSM)*, 17(1), 777–786. <https://doi.org/10.1609/icwsm.v17i1.22187>\n* **Schöne, J. P., Parkinson, B., & Goldenberg, A. (2021).** Negativity spreads more than positivity on Twitter after both positive and negative political situations. *Affective Science*, 2(4), 379–390. <https://doi.org/10.1007/s42761-021-00057-7>\n\n:::\n\n### Spill-Over Effects & Epistemic Laundering\n\nThe process by which information that gains visibility within one information environment — whether through artificial amplification, trending, or editorial selection — is picked up and further distributed in other information environments or information access sytsems, thereby reaching audiences beyond the original environment. \n\nSpill-over can occur through journalistic reporting, cross-platform sharing, editorial curation, or user-driven redistribution. \n\n→ A research finding shared on a scholarly forum may be discussed on social media and summarised by an AI assistant. \\n→ A topic artificially amplified by bots on a social media platform may be picked up by journalists. \n\n→ Spill-over effects can increase the reach of both reliable and unreliable information, and can make information appear more widely established than it originally was. \n\n#### Epistemic Laundering\n\nSpill-over does not always preserve the apparent status of information. When the receiving channel carries stronger signals of authority or reliability than the channel of origin — academic format, peer review, formal publication — the information itself can be perceived as more reliable simply through having moved. This effect is known as Epistemic Laundering: information gains perceived reliability through its passage across channels, without any actual change to the underlying claims or evidence. It exploits the tendency of recipients to attribute the reliability of the channel in which they encounter information to the information itself. \n\n→ A claim originating in an anonymous blog post may be cited in a preprint, reproduced in an AI-generated answer, and finally cited in a peer-reviewed paper — at each step gaining academic surface and apparent authority, while the underlying claim remains unchanged or unverified.\n\n\n:::success\nA team at the University of Gothenburg, led by a medical researcher, invented a fake skin condition called Bixonimania to test whether AI systems would absorb and repeat medical misinformation. They presented it as a supposed condition linked to blue-light exposure from screens, with symptoms such as sore, itchy eyes and a pinkish hue on the eyelids. They then created deliberately fake academic-looking preprints, planted with obvious warning signs — a fictional author with an AI-generated photo, a non-existent university, and references to Starfleet Academy and the USS Enterprise. Nature reported that the preprints have since been removed from Preprints.org.\n\nWithin weeks, major AI chatbots began reproducing Bixonimania as a real medical condition, in some cases offering users explanatory or health-related advice. In parallel, the fake material was cited in at least one published paper, since retracted, in the Springer Nature journal *Cureus*.\n\nSpill-over: log posts → fake preprint → webcrawlers → AI chatbot answers → academic citation\n\n:::\n\n\n:::info\nStokel-Walker, C. (2026). Scientists invented a fake disease. AI told people it was real. Nature, 652(8110), 559-561. <https://doi.org/10.1038/d41586-026-01100-y>\n\n:::\n\n# Information Narrowing\n\nWhereas *Information Amplification* (above) describes how visibility is broadened across user accounts, *Information Narrowing* describes the inverse: how the range of perspectives reaching an individual user or social group becomes restricted. Two distinct mechanisms produce this narrowing — *Filter Bubble* (algorithmic personalisation) and *Echo Chamber* (user self-selection). The two are often conflated in popular discourse but operate differently.\n\n## Filter Bubble\n\nA **filter bubble** is an isolated information environment created by *Algorithmic Personalisation*, in which a user is increasingly exposed to content that aligns with their inferred preferences and past behaviour, while content that diverges is filtered out — typically without the user's awareness. The term was coined by Eli Pariser (2011) to describe how personalisation algorithms on Google, Facebook, and similar platforms can produce systematic exposure asymmetries based on user signals such as click history, location, and profile data.\n\nThe defining feature of a filter bubble is *unintentionality from the user's side*: the narrowing is generated by the platform's optimisation, not by the user's deliberate choice of sources.\n\n\n:::warning\nEmpirical research has substantially qualified Pariser's original thesis. Studies have found that algorithmic personalisation does shape what users see, but most users still encounter ideologically diverse content — partly because their own social networks include varied views, and partly because algorithms do not isolate as completely as the popular discourse suggests (Bakshy et al., 2015; Flaxman et al., 2016; Bruns, 2019). The filter-bubble effect is real but typically weaker than commonly assumed; pre-internet selective exposure (e.g., choosing newspapers or TV channels) was in many cases stronger.\n\n:::\n\n\n:::info\n* Pariser, E. (2011). *The Filter Bubble: What the Internet Is Hiding from You*. Penguin Press.\n* Bakshy, E., Messing, S., & Adamic, L. A. (2015). Exposure to ideologically diverse news and opinion on Facebook. *Science*, 348(6239), 1130–1132. <https://doi.org/10.1126/science.aaa1160>\n* Flaxman, S., Goel, S., & Rao, J. M. (2016). Filter bubbles, echo chambers, and online news consumption. *Public Opinion Quarterly*, 80(S1), 298–320. <https://doi.org/10.1093/poq/nfw006>\n* Bruns, A. (2019). *Are Filter Bubbles Real?* Polity Press.\n\n:::\n\n## Echo Chamber\n\nAn **echo chamber** is a social information environment in which a user is primarily exposed to opinions, claims, or ideologies that reinforce their existing beliefs, while dissenting views are absent, dismissed, or actively discredited. Cass Sunstein (2017) describes the political consequences: when groups insulate themselves from outside perspectives, internal beliefs intensify and become more extreme over time (group polarisation).\n\nUnlike *Filter Bubble*, which arises from algorithmic personalisation, an echo chamber results primarily from **user self-selection**: choices about whom to follow, which communities to join, which sources to trust, and which voices to dismiss. These choices are partly driven by *Confirmation Bias* — the cognitive tendency to seek out and trust information that aligns with existing beliefs. The reinforcing effect comes from the social structure itself, not from invisible algorithmic filtering.\n\nC. Thi Nguyen (2020) draws a conceptual distinction that matters for intervention:\n\n* An **epistemic bubble** is a social structure in which other relevant voices are simply *absent*. Its inhabitants do not hear opposing perspectives, but they do not actively reject them.\n* An **echo chamber** in the strict sense is a social structure in which other relevant voices are *actively discredited*. Members may hear opposing perspectives but learn to distrust their sources.\n\nAn epistemic bubble can be opened by introducing new information; an echo chamber resists correction even when external evidence is presented, because the sources of that evidence have already been delegitimised.\n\n\n:::warning\nEmpirical work suggests that strong, ideologically isolated echo chambers are less common than popular discourse implies (Cinelli et al., 2021; Guess et al., 2018), but where they exist, they can be highly resistant to correction. Mere agreement within a group is not in itself an echo chamber — the defining feature is the active exclusion or discrediting of outside perspectives.\n\n:::\n\n\n:::info\n* Sunstein, C. R. (2017). *#Republic: Divided Democracy in the Age of Social Media*. Princeton University Press.\n* Nguyen, C. T. (2020). Echo chambers and epistemic bubbles. *Episteme*, 17(2), 141–161. <https://doi.org/10.1017/epi.2018.32>\n* Cinelli, M., De Francisci Morales, G., Galeazzi, A., Quattrociocchi, W., & Starnini, M. (2021). The echo chamber effect on social media. *PNAS*, 118(9), e2023301118. <https://doi.org/10.1073/pnas.2023301118>\n* Guess, A., Lyons, B., Nyhan, B., & Reifler, J. (2018). *Avoiding the Echo Chamber about Echo Chambers: Why Selective Exposure to Like-minded Political News Is Less Prevalent Than You Think*. Knight Foundation White Paper.\n\n:::","HTML":"<style>.scilmi-outline-content h1,.scilmi-outline-content h2{font-weight:700}.scilmi-outline-content .badge-scilmi{background:#0d6efd;color:#fff;padding:2px 8px;border-radius:99px;}</style><h1>Viditeľnosť a výraznosť informácií</h1>\n<p>Viditeľnosť informácií sa týka toho, či – a ako výrazne – sa konkrétne informácie, témy, zdroje alebo účty zobrazujú používateľom v digitálnom prostredí. Informácie, ktoré existujú v indexe alebo sieti platformy, sa automaticky nedostanú ku všetkým používateľom, ani sa k nim nedostanú rovnakým spôsobom.</p>\n<p>Viditeľnosť je výsledkom dvoch vzájomne pôsobiacich síl:</p>\n<ul>\n<li>ako sa informácie šíria (zdieľanie, redistribúcia, šírenie) a\n</li>\n<li>ako sú informácie výrazne zdôrazňované, potláčané alebo filtrované.\n</li>\n</ul>\n<div class=\"scilmi-callout scilmi-callout-warning\">\n<div class=\"scilmi-callout-row\" aria-label=\"Warning\">\n<span class=\"scilmi-callout-icon\" aria-hidden=\"true\"><svg fill=\"currentColor\" width=\"24px\" height=\"24px\" viewBox=\"0 0 24 24\" xmlns=\"http://www.w3.org/2000/svg\"><path fill-rule=\"evenodd\" clip-rule=\"evenodd\" d=\"M12 20C7.58172 20 4 16.4183 4 12C4 7.58172 7.58172 4 12 4C16.4183 4 20 7.58172 20 12C20 16.4183 16.4183 20 12 20ZM12 15C12.5523 15 13 15.4477 13 16C13 16.5523 12.5523 17 12 17C11.4477 17 11 16.5523 11 16C11 15.4477 11.4477 15 12 15ZM12 14C13 14 13 13 13 13L13 10.5L13 8C13 8 13 7 12 7C11 7 11 8 11 8L11 13C11 13 11 14 12 14Z\"></path></svg></span>\n<div class=\"scilmi-callout-body\"><p><strong>Rozlišovanie spoľahlivosti a viditeľnosti je pre informačnú gramotnosť zásadné.</strong></p>\n<ul>\n<li><strong>Spoľahlivosť</strong> závisí od toho, kto informáciu vytvoril (autor) a ako bola upravená (redakčná kontrola) – nie od toho, kto ju zdieľal, v akom prostredí sa objavila alebo ako výrazne bola prezentovaná.\n</li>\n<li><strong>Viditeľnosť</strong> závisí od toho, kto daný obsah zdieľa, od mechanizmov, ktoré ho zviditeľňujú, a od postupov, prostredníctvom ktorých sa zosilňuje. Viditeľnosť nie je meradlom spoľahlivosti.\n<p>Napríklad článok, ktorý bol retweetovaný: účet, ktorý ho zdieľal, a platforma, ktorá ho zviditeľnila, ovplyvnili jeho viditeľnosť – ale článok má svojho vlastného autora a redakčnú históriu, ktorých spoľahlivosť sa musí posudzovať samostatne.</p>\n</li>\n</ul></div>\n</div>\n</div>\n<h1>Oběh informácií: zdieľanie, posielanie ďalej, odkazovanie, repostovanie, citovanie</h1>\n<p>Ľudia, účty (vrátane botov) a organizácie šíria existujúce informácie prostredníctvom zdieľania, posielania ďalej, odkazovania, opätovného zverejňovania, citovania alebo iného spôsobu ich redistribúcie.</p>\n<p>→ Keď sa informácia odovzdáva s pridaným komentárom, interpretáciou alebo preformulovaním, vzniká nová informácia s novým autorom.</p>\n<h1>Propagácia a viditeľnosť informácií riadená zdrojmi</h1>\n<p>Postupy iniciované zdrojmi – tými, ktorí vytvárajú, publikujú alebo propagujú informačné položky. Medzi zdroje patria jednotliví používatelia, tvorcovia obsahu, organizácie, inzerenti a prevádzkovatelia webových stránok. Na rozdiel od mechanizmov riadených platformou sú tieto praktiky riadené samotnými zdrojmi, ktoré rozhodujú o tom, ako zviditeľniť svoj obsah. Fungujú v dvoch režimoch: prispôsobením obsahu systémom hodnotenia platforiem (dosah, priame oslovovanie, SEO, SMO, optimalizácia špecifická pre platformu) alebo priamou platbou za umiestnenie (platené umiestnenia).</p>\n<h2>Dosah účtu</h2>\n<p>Veľkosť a štruktúra potenciálneho publika zdieľateľa.</p>\n<p>Dosah ovplyvňuje niekoľko faktorov:</p>\n<ul>\n<li>#### počet sledovateľov alebo odberateľov\n</li>\n<li>#### stav overenia\n</li>\n<li>#### stav účtu: vek, história interakcií, reputácia na platforme\n</li>\n</ul>\n<p>Dosah ovplyvňuje viditeľnosť dvoma spôsobmi:</p>\n<ul>\n<li><em>priamo</em>: príspevky zdieľané účtami s veľkým dosahom sa v okamihu zdieľania objavujú vo väčšom počte kanálov\n</li>\n<li><em>nepriamo</em>: účty s vysokým dosahom generujú viac signálov interakcie, ktoré algoritmy platformy následne využívajú na zvýšenie pozície príspevkov v rebríčku (→ Algoritmická selekcia)\n</li>\n</ul>\n<p>→ Dosah sa výrazne líši: súkromný účet so 100 sledovateľmi a verejný účet s miliónom sledovateľov majú zásadne odlišný vplyv na viditeľnosť.</p>\n<h2>Priame oslovovanie</h2>\n<p>Mechanizmy, pomocou ktorých zdieľajúci oslovujú konkrétnych príjemcov, čím týmto používateľom zabezpečujú okamžitú viditeľnosť prostredníctvom notifikácií platformy.</p>\n<p>Príklady:</p>\n<ul>\n<li>#### @zmienky\n</li>\n<li>#### označovanie (vo fotografiách, príspevkoch alebo vláknach)\n</li>\n<li>#### citácie tweetov a odpovede s označením\n</li>\n<li>#### skupinové priame správy\n</li>\n<li>#### adresovanie v mailing liste (Komu, CC)\n</li>\n</ul>\n<p>→ Priame oslovovanie sa líši od bežného zdieľania: cieľový používateľ dostane príspevok priamo prostredníctvom notifikácie, bez ohľadu na to, či by sa s ním inak stretol vo svojom kanáli.</p>\n<p>→ Priame adresovanie je hybridný mechanizmus. Funguje na strane používateľa, ale prostredníctvom infraštruktúry platformy (systémov upozornení). Jeho účinok je okamžitá viditeľnosť pre adresovaného používateľa.</p>\n<h2>Optimalizácia pre vyhľadávače (SEO)</h2>\n<p>Postupy na strane zdroja na prispôsobenie <strong>webových stránok</strong> – ich obsahu, metadát a štruktúry odkazov – tak, aby sa umiestňovali na popredných miestach vo <strong>výsledkoch všeobecných vyhľadávačov</strong> (Google, Bing, DuckDuckGo atď.).</p>\n<p>Medzi bežné postupy patrí:</p>\n<ul>\n<li>výskum kľúčových slov a ich integrácia do názvov, nadpisov a textu\n</li>\n<li>optimalizáciu metadát (tagy titulkov, meta popisy, alternatívny text)\n</li>\n<li>budovanie odkazov (získavanie prichádzajúcich odkazov z autoritatívnych stránok)\n</li>\n<li>štruktúra webu a interné prepojenia\n</li>\n<li>rýchlosť načítania stránok a prispôsobenie pre mobilné zariadenia\n</li>\n<li>tvorba obsahu, ktorý zodpovedá zámeru vyhľadávania\n</li>\n</ul>\n<p>→ SEO je najviac formalizovanou disciplínou v oblasti optimalizácie, pretože signály pre hodnotenie vyhľadávačov sú relatívne stabilné a dobre zdokumentované (Lewandowski et al.). Jeho prax podporujú špecializovaní odborníci na SEO, agentúry a nástroje.</p>\n<p>→ SEO nemení spôsob, akým vyhľadávače hodnotia stránky – prispôsobuje webové stránky existujúcim kritériám hodnotenia. Vydavatelia môžu ovplyvniť to, čo algoritmus vidí, nie to, ako sa rozhoduje.</p>\n<h2>Optimalizácia pre sociálne médiá (SMO)</h2>\n<p>Postupy na strane zdroja zamerané na maximalizáciu viditeľnosti, interakcie a zdieľateľnosti obsahu na platformách sociálnych médií.</p>\n<p>Medzi bežné postupy patria:</p>\n<ul>\n<li>stratégie hashtagov (trendové alebo tematické tagy)\n</li>\n<li>načasovanie príspevkov (keď je cieľové publikum aktívne)\n</li>\n<li>výber formátu obsahu (krátke videá, karuselové galérie, reels)\n</li>\n<li>návrh nadpisov a úvodných vet (rýchle upútanie pozornosti)\n</li>\n<li>podporovanie interakcie (otázky, ankety, výzvy k akcii)\n</li>\n<li>využitie obsahu na viacerých platformách\n</li>\n</ul>\n<p>→ SMO je menej formalizované ako SEO, pretože signály pre hodnotenie na sociálnych médiách sú menej transparentné a špecifické pre danú platformu. Postupy sa menia s vývojom algoritmov.</p>\n<h2>Optimalizácia špecifická pre jednotlivé platformy</h2>\n<p>Optimalizačné stratégie prispôsobené konvenciám a logike hodnotenia jednotlivých platforiem – nad rámec všeobecných princípov SEO alebo SMO.</p>\n<ul>\n<li>TikTok: upútať divákov v prvých troch sekundách, použitie trendových zvukov, vertikálne krátke videá\n</li>\n<li>Instagram: vysokokvalitné vizuály, stratégia „Reels-first“, kombinovanie hashtagov\n</li>\n<li>YouTube: dizajn miniatúr, optimalizácia dĺžky sledovania, názvy a popisy bohaté na kľúčové slová\n</li>\n<li>LinkedIn: dlhé profesionálne príspevky, natívne publikovanie, sieťové zapojenie\n</li>\n<li>X (Twitter): stručné upútavky, vlákna, odpovede na účty s veľkým dosahom\n</li>\n</ul>\n<p>→ Optimalizácia špecifická pre danú platformu vyžaduje pochopenie systému hodnotenia, správania publika a preferencií formátu obsahu každej platformy. To, čo funguje na TikToku, zriedka funguje na LinkedIn.</p>\n<h2>Platené umiestnenia a reklama</h2>\n<p>Prax na strane zdroja, pri ktorej sa platí za viditeľnosť – sponzorovaný obsah umiestnený vedľa organického obsahu, zvyčajne prostredníctvom reklamy.</p>\n<p>Bežné formy:</p>\n<ul>\n<li>sponzorované výsledky vyhľadávania (reklamy vo vyhľadávačoch)\n</li>\n<li>sponzorované príspevky a propagovaný obsah (sociálne médiá)\n</li>\n<li>displayové reklamy (bannery, videá)\n</li>\n<li>partnerstvá s influencermi (platená spolupráca)\n</li>\n</ul>\n<p>→ Platené umiestnenia obchádzajú systémy organického hodnotenia: namiesto optimalizácie obsahu s cieľom dosiahnuť dobré umiestnenie zdroj platí platforme priamo za umiestnenie.</p>\n<p>→ Niekedy sú jasne označené („Sponzorované“, „Reklama“), inokedy sa od organických výsledkov dajú len ťažko odlíšiť. Štandardy označovania sa líšia podľa jurisdikcie a platformy.</p>\n<h1>Propagácia a kontrola informácií na strane platformy</h1>\n<div class=\"scilmi-callout scilmi-callout-warning\">\n<div class=\"scilmi-callout-row\" aria-label=\"Warning\">\n<span class=\"scilmi-callout-icon\" aria-hidden=\"true\"><svg fill=\"currentColor\" width=\"24px\" height=\"24px\" viewBox=\"0 0 24 24\" xmlns=\"http://www.w3.org/2000/svg\"><path fill-rule=\"evenodd\" clip-rule=\"evenodd\" d=\"M12 20C7.58172 20 4 16.4183 4 12C4 7.58172 7.58172 4 12 4C16.4183 4 20 7.58172 20 12C20 16.4183 16.4183 20 12 20ZM12 15C12.5523 15 13 15.4477 13 16C13 16.5523 12.5523 17 12 17C11.4477 17 11 16.5523 11 16C11 15.4477 11.4477 15 12 15ZM12 14C13 14 13 13 13 13L13 10.5L13 8C13 8 13 7 12 7C11 7 11 8 11 8L11 13C11 13 11 14 12 14Z\"></path></svg></span>\n<div class=\"scilmi-callout-body\"><p>To, čo používatelia skutočne vidia, je zriedka výsledkom jediného mechanizmu. Vo vyhľadávači sa algoritmicky usporiadaný zoznam organických výsledkov zobrazuje vedľa platených umiestnení, súhrnov generovaných umelou inteligenciou a niekedy aj redakčných highlightov – a základné signály pre hodnotenie môžu byť zámerne ovplyvnené prostredníctvom <em>optimalizácie pre vyhľadávače</em>. V kanáli sociálnych médií sa algoritmicky hodnotené príspevky zobrazujú vedľa sponzorovaného obsahu, odporúčaných účtov a trendových prekrývajúcich sa vrstiev. Každá zložka sa riadi vlastnou logikou a prispieva k celkovému výsledku viditeľnosti.</p></div>\n</div>\n</div>\n<h2>Redakčná kurácia</h2>\n<p>Ručná kurácia na strane platformy: informačné položky zámerne vyzdvihnuté redakčnými tímami alebo prevádzkovateľmi platformy, ktoré sa nezobrazujú na základe algoritmického poradia.</p>\n<p>Príklady:</p>\n<ul>\n<li>vybrané úryvky vo výsledkoch vyhľadávania\n</li>\n<li>kurátorské sekcie trendov\n</li>\n<li>príbehy vybrané redaktormi v agregátoroch správ\n</li>\n<li>platformou propagované hashtagy\n</li>\n<li>Výber redakcie v obchodoch s aplikáciami\n</li>\n<li>vybraní tvorcovia alebo účty\n</li>\n</ul>\n<p>→ Redakčné highlighty existujú popri algoritmických mechanizmoch a odrážajú vlastné posúdenie platformy o tom, ktorý obsah si zaslúži prominentné zobrazenie.</p>\n<p>→ Na rozdiel od algoritmického gatekeepingu (kurátorstvo a personalizácia) redakčný gatekeeping zahŕňa ľudské redakčné rozhodnutia samotnej platformy. Funkčne ide o formu <em>redakčného gatekeepingu</em> — vykonávaného platformou namiesto tradičných vydavateľov.</p>\n<h2>Algoritmický gatekeeping</h2>\n<p><strong>Algoritmický gatekeeping</strong> sa týka úlohy algoritmov pri rozhodovaní o tom, ktoré informácie sa dostanú ku ktorým používateľom — ide o digitálny ekvivalent <em>redakčného gatekeepingu</em> (→ Informácie, zdroje a informačné prostredia → Redakčná kontrola). Zahŕňa <strong>výber</strong> (čo sa zobrazí a čo bude mať vysoké hodnotenie) aj <strong>vylúčenie</strong> (čo sa filtruje, degraduje alebo skryje).</p>\n<p>Algoritmický gatekeeping funguje na rôznych typoch platforiem:</p>\n<ul>\n<li>vo <strong>vyhľadávačoch</strong> algoritmy vyberajú a zoradia výsledky na základe vyhľadávacích dotazov\n</li>\n<li>v <strong>kanáloch sociálnych médií</strong> algoritmy rozhodujú, ktoré príspevky sa zobrazujú výraznejšie\n</li>\n<li>na <strong>video platformách</strong> algoritmy navrhujú, čo si pozrieť ďalej\n</li>\n<li>v <strong>systémoch odpovedí založených na umelej inteligencii</strong> algoritmy generujú, sumarizujú alebo syntetizujú odpovede\n</li>\n</ul>\n<p>Algoritmické filtrovanie funguje v dvoch režimoch, ktoré často spolupracujú: všeobecné operácie uplatňované na všetkých používateľov (<em>algoritmická kurácia</em>) a individuálne prispôsobenie na základe sledovaných signálov používateľov (<em>algoritmická personalizácia</em>).</p>\n<h3>Algoritmická kurácia</h3>\n<p>Všeobecné algoritmické operácie uplatňované na všetkých používateľov – formujú, aké informácie sú na platforme dostupné, bez ohľadu na to, kto je používateľ.</p>\n<ul>\n<li><strong>Prehľadávanie a indexovanie</strong>\n– <em>Ktoré informácie sa sprístupnia na zobrazenie?</em>\n<ul>\n<li>vyhľadávače prehľadávajúce web\n</li>\n<li>agregátori obsahu indexujúci zdroje správ\n</li>\n<li>obchody s aplikáciami katalogizujúce dostupné aplikácie\n</li>\n</ul>\n</li>\n<li><strong>Filtrovanie a moderovanie</strong>\n— <em>Ktoré položky sú blokované alebo znížené v rebríčku podľa pravidiel platformy?</em>\n<ul>\n<li>filtry proti spamu\n</li>\n<li>odstraňovanie obsahu porušujúceho zásady (nenávistné prejavy, nelegálny obsah, grafický materiál)\n</li>\n<li>zníženie hodnotenia nekvalitného alebo zavádzajúceho materiálu\n</li>\n</ul>\n</li>\n<li><strong>Hodnotenie kvality</strong>\n— <em>Ktoré zdroje alebo položky sú hodnotené ako dôveryhodnejšie alebo kvalitnejšie?</em>\n<ul>\n<li>vyhľadávače penalizujúce stránky nízkej kvality\n</li>\n<li>agregátory správ hodnotia podľa autority zdroja\n</li>\n<li>poradie ovplyvnené recenziami v akademických vyhľadávačoch\n</li>\n</ul>\n</li>\n<li><strong>Detekcia trendov</strong>\n— <em>Ktoré položky sa zobrazujú ako aktuálne populárne?</em>\n<ul>\n<li>trendové témy na sociálnych platformách\n</li>\n<li>top rebríčky na streamovacích službách\n</li>\n<li>Sekcie „Čo sa deje“ a „Dnešné titulky“\n</li>\n<li>populárne hashtagy\n</li>\n</ul>\n</li>\n</ul>\n<p>→ Algoritmická kurácia definuje <em>súbor</em> informácií dostupných na platforme. Pre všetkých používateľov funguje vo veľkej miere rovnako.</p>\n<h3>Algoritmická personalizácia</h3>\n<p>Algoritmické operácie, ktoré prispôsobujú výber, poradie a prezentáciu informácií jednotlivým používateľom na základe sledovaných signálov. Tieto signály sa v priebehu času hromadia do histórie používateľov, z ktorej čerpajú algoritmy.</p>\n<p>→ Dvaja používatelia na tej istej platforme – aj pri rovnakom vyhľadávaní – zvyčajne vidia podstatne odlišný obsah.</p>\n<ul>\n<li><strong>Personalizované poradie</strong>\n— <em>Ktoré položky sú pre tohto používateľa zoradené vyššie?</em>\n<ul>\n<li>personalizované výsledky vyhľadávania (umiestnenie, história, poradie podľa profilu)\n</li>\n<li>usporiadanie príspevkov na sociálnych médiách (príspevky „Pre teba“, „Najpopulárnejšie príspevky“)\n</li>\n<li>Poradie na základe interakcie – optimalizácia pre predpokladanú interakciu, dominantné na sociálnych médiách\n</li>\n</ul>\n</li>\n<li><strong>Odporúčania</strong>\n— <em>Ktoré položky sa tomuto používateľovi navrhujú nad rámec toho, čo aktívne vyhľadával?</em>\n<ul>\n<li>zoznamy videí „Odporúčané pre vás“\n</li>\n<li>navrhované účty, skupiny alebo témy, ktoré by ste mohli sledovať\n</li>\n<li>„Ľudia, ktorých možno poznáte“\n</li>\n<li>súvisiace články, podobné produkty, „Ďalej“\n</li>\n</ul>\n</li>\n<li><strong>Personalizovaná reklama</strong>\n— <em>Ktoré reklamy sú cielené na tohto používateľa?</em>\n<ul>\n<li>reklamy vo vyhľadávaní prispôsobené predchádzajúcim vyhľadávaniam\n</li>\n<li>sponzorované príspevky na sociálnych médiách na základe profilu a správania\n</li>\n<li>retargetované display reklamy na webových stránkach\n</li>\n<li>partnerstvá s influencermi prispôsobené záujmom publika\n</li>\n</ul>\n</li>\n</ul>\n<p>→ Dvaja používatelia na tej istej platforme — aj pri rovnakom vyhľadávaní — zvyčajne vidia podstatne odlišný obsah.</p>\n<p>→ Personalizácia vytvára <strong>spätnú väzbu</strong>: to, čo používatelia robia, ovplyvňuje to, čo uvidia ďalej, a to, čo uvidia ďalej, môže ovplyvniť to, čo robia.</p>\n<h4>☑ Signály používateľov sledované platformou na účely algoritmickej personalizácie</h4>\n<p>Akcie, ktoré používateľ vykonáva – aktívne alebo pasívne – v rámci informačného kanála, ktoré môžu byť sledované a využívané algoritmami na personalizáciu výberu a viditeľnosti informačných položiek.</p>\n<p>→ Akcie používateľa sa neobmedzujú len na úmyselné interakcie, ako je kliknutie alebo označenie „páči sa mi“. Mnohé akcie sú pasívne alebo automatické, napríklad to, ako dlho používateľ zostane na stránke, ako ďaleko posúva obrazovku alebo kde sa nachádza. Používatelia si často neuvedomujú, že tieto akcie ovplyvňujú to, čo uvidia ďalej.</p>\n<table><thead><tr>\n<th>Typ</th>\n<th>Čo to je</th>\n<th>Príklady</th>\n</tr></thead><tbody>\n<tr>\n<td><strong>Explicitná spätná väzba</strong></td>\n<td>Úmyselné interakcie, ktoré sa používateľ rozhodne vykonať</td>\n<td>- vyhľadávania / vyhľadávacie dotazy<br>-<br>kliknutia - lajky / reakcie<br>- komentáre /<br>odpovede - zdieľania / reposty /<br>preposielania - sledovanie / odber<br>- ukladanie /<br>záložky - hodnotenia / recenzie<br>- nákupy / stiahnutia</td>\n</tr>\n<tr>\n<td><strong>Implicitné správanie</strong></td>\n<td>Pasívne signály správania zachytené počas používania</td>\n<td>- čas sledovania / čas počúvania / čas<br>zotrvania - správanie pri posúvaní (ako ďaleko, ako rýchlo)<br>- správanie pri<br>prechádzaní kurzorom - správanie pri preskakovaní</td>\n</tr>\n<tr>\n<td><strong>Kontextové údaje</strong></td>\n<td>Informácie o situácii, v ktorej používateľ pristupuje k platforme</td>\n<td>- údaje o polohe používateľa počas používania aplikácie -<br>typ zariadenia (napr. telefón alebo notebook)<br>- čas prístupu</td>\n</tr>\n<tr>\n<td><strong>Údaje o účte a sociálne údaje</strong></td>\n<td>Informácie z profilu používateľa a sociálnych prepojení</td>\n<td>- informácie z profilu (vek, záujmy, povolanie, pohlavie)<br>- jazykové<br>nastavenia - prepojené účty<br>- zoznam kontaktov / adresár</td>\n</tr>\n</tbody></table>\n<div class=\"scilmi-callout scilmi-callout-info\">\n<div class=\"scilmi-callout-row\" aria-label=\"Info\">\n<span class=\"scilmi-callout-icon\" aria-hidden=\"true\"><svg fill=\"currentColor\" width=\"24px\" height=\"24px\" viewBox=\"0 0 24 24\" xmlns=\"http://www.w3.org/2000/svg\"><path fill-rule=\"evenodd\" d=\"M20 12C20 7.58172 16.4183 4 12 4C7.58172 4 4 7.58172 4 12C4 16.4183 7.58172 20 12 20C16.4183 20 20 16.4183 20 12ZM11 8C11 8.55228 11.4477 9 12 9C12.5523 9 13 8.55228 13 8C13 7.44772 12.5523 7 12 7C11.4477 7 11 7.44772 11 8ZM12 10C13 10 13 11 13 11V16C13 16 13 17 12 17C11 17 11 16 11 16V11C11 11 11 11 10.5 11C10 11 10 10 10 10H12Z\"></path></svg></span>\n<div class=\"scilmi-callout-body\"><ul>\n<li>\nAdomavicius, G., &amp; Tuzhilin, A. (2011). Kontextovo orientované odporúčacie systémy. V F. Ricci, L. Rokach, B. Shapira, &amp; P. B. Kantor (Eds.), <em>Recommender Systems Handbook</em>\n(s. 217–253). Springer. <a href=\"https&#x3a;&#x2f;&#x2f;doi.org&#x2f;10.1007&#x2f;978-0-387-85820-3_7\" class=\"use-hover-preview\" rel=\"noopener noreferrer nofollow\">https://doi.org/10.1007/978-0-387-85820-3_7</a>\n</li>\n<li>\nKelly, D., &amp; Teevan, J. (2003). Implicitná spätná väzba na odvodzovanie preferencií používateľov: Bibliografia. <em>ACM SIGIR Forum, 37</em>\n(2), 18–28. <a href=\"https&#x3a;&#x2f;&#x2f;doi.org&#x2f;10.1145&#x2f;959258.959260\" class=\"use-hover-preview\" rel=\"noopener noreferrer nofollow\">https://doi.org/10.1145/959258.959260</a>\n</li>\n<li>\nLi, W., Kuo, J.-C., Sheng, M., Zhang, P., &amp; Wu, Q. (2025). Za hranicami explicitného a implicitného: Ako používatelia poskytujú spätnú väzbu na formovanie personalizovaného odporúčaného obsahu. V <em>zborníku z konferencie CHI 2025 o ľudských faktoroch v počítačových systémoch (CHI &#x27;25)</em>\n. Association for Computing Machinery. <a href=\"https&#x3a;&#x2f;&#x2f;doi.org&#x2f;10.1145&#x2f;3706598.3713241\" class=\"use-hover-preview\" rel=\"noopener noreferrer nofollow\">https://doi.org/10.1145/3706598.3713241</a>\n</li>\n<li>\nNarayanan, A. (2023). <em>Porozumenie algoritmom odporúčaní v sociálnych médiách.</em>\nKnight First Amendment Institute, Columbia University.<a class=\"notranslate\" translate=\"no\" href=\"https&#x3a;&#x2f;&#x2f;knightcolumbia.org&#x2f;content&#x2f;understanding-social-media-recommendation-algorithms\" target=\"_blank\" rel=\"noopener\">https://knightcolumbia.org/content/understanding-social-media-recommendation-algorithms</a>\n</li>\n</ul></div>\n</div>\n</div>\n<h1>Zosilnenie informácií</h1>\n<p>Zosilnenie sa týka systematického zvyšovania viditeľnosti položky nad rámec úrovne jednotlivého používateľa – s cieľom dosiahnuť širokú viditeľnosť naprieč používateľskými účtami a niekedy aj naprieč informačnými prostrediami.</p>\n<p>Kým <em>propagácia riadená zdrojom</em> (viď vyššie) sa týka toho, čo robí samotný zdroj, aby získal viditeľnosť, a <em>kontrola na strane platformy</em> (viď vyššie) opisuje algoritmické operácie, prostredníctvom ktorých platformy zobrazujú a hodnotia obsah pre jednotlivých používateľov, <em>zosilnenie</em> sa týka výsledných <em>efektov zosilnenia vo veľkom meradle</em> – vytvorených buď ako súhrnný efekt týchto operácií platformy (→ <em>algoritmické zosilnenie</em>), alebo prostredníctvom koordinovanej činnosti viacerých aktérov (→ <em>koordinované zosilnenie</em>).</p>\n<h2>Mechanizmy zosilnenia</h2>\n<p>Zosilnenie funguje prostredníctvom dvoch hlavných mechanizmov.</p>\n<ul>\n<li><strong>Algoritmické zosilnenie</strong> je <em>riadené platformou</em>: ide o súhrnný efekt <em>algoritmického filtrovania</em> – kumulatívny výsledok kurátorstva a personalizácie platformy, ktorý určuje, ktoré položky sa dostanú ku ktorým používateľom a ako výrazne.\n</li>\n<li><strong>Koordinovaná amplifikácia</strong> je <em>riadená aktérmi</em>: viaceré účty, skupiny alebo kampane zámerne konajú spoločne s cieľom zvýšiť viditeľnosť príspevku, hashtagu alebo naratívu nad rámec toho, čo by dosiahla aktivita jednotlivých používateľov. Odborná literatúra ju klasifikuje podľa dvoch dimenzií – <strong>koordinácie</strong> (transparentnej alebo skrytej) a <strong>účtov</strong> (skutočných alebo falošných) – a podľa toho rozlišuje (Rogers &amp; Righetti, 2025):\n<ul>\n<li><strong>Koordinované autentické zosilnenie</strong>: koordinácia je transparentná a účty sú skutočné (napr. otvorené občianske kampane, advokácia, marketing).\n</li>\n<li><strong>Koordinované neautentické / umelé zosilnenie</strong>: koordinácia je skrytá, účty sú falošné, alebo oboje – vytvára sa dojem organickej podpory (<em>koordinované neautentické správanie</em> / CIB spoločnosti Meta; Gleicher, 2018).\n</li>\n</ul>\n</li>\n</ul>\n<p>Tieto dva mechanizmy sa často kombinujú. Koordinované siete využívajú hodnotenie založené na interakcii na spustenie algoritmického posilnenia; algoritmické hodnotenie zase znásobuje viditeľnosť, ktorú už koordinácia vytvorila.</p>\n<div class=\"scilmi-callout scilmi-callout-info\">\n<div class=\"scilmi-callout-row\" aria-label=\"Info\">\n<span class=\"scilmi-callout-icon\" aria-hidden=\"true\"><svg fill=\"currentColor\" width=\"24px\" height=\"24px\" viewBox=\"0 0 24 24\" xmlns=\"http://www.w3.org/2000/svg\"><path fill-rule=\"evenodd\" d=\"M20 12C20 7.58172 16.4183 4 12 4C7.58172 4 4 7.58172 4 12C4 16.4183 7.58172 20 12 20C16.4183 20 20 16.4183 20 12ZM11 8C11 8.55228 11.4477 9 12 9C12.5523 9 13 8.55228 13 8C13 7.44772 12.5523 7 12 7C11.4477 7 11 7.44772 11 8ZM12 10C13 10 13 11 13 11V16C13 16 13 17 12 17C11 17 11 16 11 16V11C11 11 11 11 10.5 11C10 11 10 10 10 10H12Z\"></path></svg></span>\n<div class=\"scilmi-callout-body\"><ul>\n<li>\nGleicher, N. (2018). <em>Vysvetlenie koordinovaného neautentického správania</em>\n. Meta Newsroom.<a class=\"notranslate\" translate=\"no\" href=\"https&#x3a;&#x2f;&#x2f;about.fb.com&#x2f;news&#x2f;2018&#x2f;12&#x2f;inside-feed-coordinated-inauthentic-behavior&#x2f;\" target=\"_blank\" rel=\"noopener\">https://about.fb.com/news/2018/12/inside-feed-coordinated-inauthentic-behavior/</a>\n</li>\n<li>\nRogers, R., &amp; Righetti, N. (2025). Coordinated inauthentic behaviour on Facebook? A typology of manufactured attention. <a href=\"https&#x3a;&#x2f;&#x2f;doi.org&#x2f;10.1177&#x2f;29768624251369784\" class=\"use-hover-preview\" rel=\"noopener noreferrer nofollow\">https://doi.org/10.1177/29768624251369784</a>\n</li>\n</ul></div>\n</div>\n</div>\n<h3>Algoritmické zosilnenie</h3>\n<p>Algoritmické zosilnenie je kumulatívny efekt vyššie uvedených mechanizmov kontroly (kurátorstvo a personalizácia): systematické formovanie toho, ktoré položky, témy, účty a formáty sa používateľom zobrazujú na popredných miestach – a ktoré sú filtrované, degradované alebo potlačené.</p>\n<p>Empirický výskum ukazuje, že hodnotenie založené na interakcii systematicky zosilňuje emocionálne nabitý obsah a obsah nepriateľský voči iným skupinám, aj keď samotní používatelia takýto obsah nepreferujú (Milli et al., 2025). Zosilňuje tiež existujúci dosah: účty a príspevky s vysokou predchádzajúcou interakciou sú odmenené väčšou viditeľnosťou, čo vedie k veľmi skreslenému rozdeleniu dosahu (efekt „bohatí sa stávajú bohatšími“).</p>\n<p>Algoritmické zásahy môžu mať nelineárne účinky aj v opačnom smere. Zníženie viditeľnosti príspevku v kanáli o približne 20 % môže znížiť jeho dosah o rád (Narayanan, 2023).</p>\n<p>Algoritmické zosilnenie nie je neutrálnym odrazom aktivity používateľov. Jeho účinky sa prejavujú a sú viditeľné predovšetkým v súhrne: individuálne odporúčania sú nepresné (miera interakcie zostáva na väčšine platforiem pod 1 %), ale hodnotenie, odporúčania a zníženie priority systematicky formujú to, čo sa na platforme šíri.</p>\n<div class=\"scilmi-callout scilmi-callout-info\">\n<div class=\"scilmi-callout-row\" aria-label=\"Info\">\n<span class=\"scilmi-callout-icon\" aria-hidden=\"true\"><svg fill=\"currentColor\" width=\"24px\" height=\"24px\" viewBox=\"0 0 24 24\" xmlns=\"http://www.w3.org/2000/svg\"><path fill-rule=\"evenodd\" d=\"M20 12C20 7.58172 16.4183 4 12 4C7.58172 4 4 7.58172 4 12C4 16.4183 7.58172 20 12 20C16.4183 20 20 16.4183 20 12ZM11 8C11 8.55228 11.4477 9 12 9C12.5523 9 13 8.55228 13 8C13 7.44772 12.5523 7 12 7C11.4477 7 11 7.44772 11 8ZM12 10C13 10 13 11 13 11V16C13 16 13 17 12 17C11 17 11 16 11 16V11C11 11 11 11 10.5 11C10 11 10 10 10 10H12Z\"></path></svg></span>\n<div class=\"scilmi-callout-body\"><ul>\n<li>Milli, S., et al. (2025). Zapojenie, spokojnosť používateľov a zosilňovanie kontroverzného obsahu na sociálnych médiách. PNAS Nexus.\n</li>\n<li>Narayanan, A. (2023). Porozumenie algoritmom odporúčaní na sociálnych médiách. Knight First Amendment Institute.\n</li>\n</ul></div>\n</div>\n</div>\n<h3>Koordinované autentické zosilňovanie</h3>\n<p>Koordinované autentické zosilňovanie je zámerné zviditeľňovanie informácie, témy, hashtagu, účtu alebo naratívu prostredníctvom otvorene zverejnených, organizovaných aktivít skutočných účtov. Koordinovaný pôvod nie je skrytý: účastníci konajú pod svojou skutočnou identitou alebo v rámci známych skupín.</p>\n<p>Typické kontexty zahŕňajú</p>\n<ul>\n<li>občianske kampane (napr. petície mimovládnych organizácií, hashtagy na podporu určitých záujmov),\n</li>\n<li>politickú mobilizáciu (napr. kampaň politickej strany, snahy o zvýšenie volebnej účasti),\n</li>\n<li>marketingové a značkové kampane,\n</li>\n<li>komunikáciu profesijných združení a\n</li>\n<li>kultúrne hnutia, ako sú Fridays for Future alebo #MeToo.\n</li>\n</ul>\n<div class=\"scilmi-callout scilmi-callout-warning\">\n<div class=\"scilmi-callout-row\" aria-label=\"Warning\">\n<span class=\"scilmi-callout-icon\" aria-hidden=\"true\"><svg fill=\"currentColor\" width=\"24px\" height=\"24px\" viewBox=\"0 0 24 24\" xmlns=\"http://www.w3.org/2000/svg\"><path fill-rule=\"evenodd\" clip-rule=\"evenodd\" d=\"M12 20C7.58172 20 4 16.4183 4 12C4 7.58172 7.58172 4 12 4C16.4183 4 20 7.58172 20 12C20 16.4183 16.4183 20 12 20ZM12 15C12.5523 15 13 15.4477 13 16C13 16.5523 12.5523 17 12 17C11.4477 17 11 16.5523 11 16C11 15.4477 11.4477 15 12 15ZM12 14C13 14 13 13 13 13L13 10.5L13 8C13 8 13 7 12 7C11 7 11 8 11 8L11 13C11 13 11 14 12 14Z\"></path></svg></span>\n<div class=\"scilmi-callout-body\"><p>Či je základná správa podložená, vyvážená alebo jednostranná, je samostatná otázka – <em>autentickosť</em> sa týka iba transparentnosti koordinácie, nie pravdivosti alebo spravodlivosti obsahu. Autentická kampaň môže zosilniť presné informácie, zavádzajúce informácie alebo jednostranné stanovisko.</p></div>\n</div>\n</div>\n<div class=\"scilmi-callout scilmi-callout-warning\">\n<div class=\"scilmi-callout-row\" aria-label=\"Warning\">\n<span class=\"scilmi-callout-icon\" aria-hidden=\"true\"><svg fill=\"currentColor\" width=\"24px\" height=\"24px\" viewBox=\"0 0 24 24\" xmlns=\"http://www.w3.org/2000/svg\"><path fill-rule=\"evenodd\" clip-rule=\"evenodd\" d=\"M12 20C7.58172 20 4 16.4183 4 12C4 7.58172 7.58172 4 12 4C16.4183 4 20 7.58172 20 12C20 16.4183 16.4183 20 12 20ZM12 15C12.5523 15 13 15.4477 13 16C13 16.5523 12.5523 17 12 17C11.4477 17 11 16.5523 11 16C11 15.4477 11.4477 15 12 15ZM12 14C13 14 13 13 13 13L13 10.5L13 8C13 8 13 7 12 7C11 7 11 8 11 8L11 13C11 13 11 14 12 14Z\"></path></svg></span>\n<div class=\"scilmi-callout-body\"><p>Autentická a neautentická koordinácia môže vytvárať vzorce viditeľnosti, ktoré zvonku vyzerajú identicky – synchronizované zdieľanie, zhlukovanie hashtagov, rýchle šírenie. Rozlišujúcim znakom nie je viditeľný vzorec, ale to, či je koordinovaný pôvod otvorene zverejnený.</p></div>\n</div>\n</div>\n<h3>Koordinované neautentické / umelé zosilnenie</h3>\n<p>Koordinované neautentické / umelé zosilnenie je úmyselné posilnenie informácie, témy, hashtagu, účtu alebo naratívu prostredníctvom organizovanej činnosti, pri ktorej je koordinovaný pôvod skrytý, zúčastnené účty sú falošné, alebo oboje. Cieľom je vytvoriť dojem organického, nezávislého podporovania. Termín spoločnosti Meta <em>„koordinované neautentické správanie“</em> (CIB) – teraz začlenený do zákona EÚ o digitálnych službách – sa zameriava na túto kombináciu falošných identít a nepriateľských metód na vyhnutie sa odhaleniu (Gleicher, 2018; Rogers &amp; Righetti, 2025).</p>\n<p>Typické kontexty zahŕňajú operácie politického vplyvu (štátom sponzorované alebo stranícky orientované), astroturfingové kampane (komerčné alebo ideologické), cielenú dezinformáciu v súvislosti s voľbami, verejným zdravím alebo geopolitickými konfliktmi a manipuláciu s reputáciou prostredníctvom falošných recenzií, hodnotení alebo interakcie. Operačné prostriedky — <em>boty</em>, <em>trollovia</em>, <em>sockpuppety</em> a ich koordinované siete (<em>bot farmy</em>, <em>troll farmy</em>, <em>sockpuppet siete</em>, <em>click farmy</em>) — sú podrobne opísané nižšie.</p>\n<div class=\"scilmi-callout scilmi-callout-warning\">\n<div class=\"scilmi-callout-row\" aria-label=\"Warning\">\n<span class=\"scilmi-callout-icon\" aria-hidden=\"true\"><svg fill=\"currentColor\" width=\"24px\" height=\"24px\" viewBox=\"0 0 24 24\" xmlns=\"http://www.w3.org/2000/svg\"><path fill-rule=\"evenodd\" clip-rule=\"evenodd\" d=\"M12 20C7.58172 20 4 16.4183 4 12C4 7.58172 7.58172 4 12 4C16.4183 4 20 7.58172 20 12C20 16.4183 16.4183 20 12 20ZM12 15C12.5523 15 13 15.4477 13 16C13 16.5523 12.5523 17 12 17C11.4477 17 11 16.5523 11 16C11 15.4477 11.4477 15 12 15ZM12 14C13 14 13 13 13 13L13 10.5L13 8C13 8 13 7 12 7C11 7 11 8 11 8L11 13C11 13 11 14 12 14Z\"></path></svg></span>\n<div class=\"scilmi-callout-body\"><p><em>Neautentickosť</em> sa týka utajenia koordinovaného pôvodu alebo používania falošných účtov – nie pravdivosti obsahu, ktorý sa zosilňuje. Koordinovaná sieť falošných účtov môže zosilňovať presné informácie; jediná autentická osoba môže šíriť vymyslené informácie. Koordinované neautentické zosilňovanie a šírenie falošného obsahu sú odlišné javy, ktoré sa môžu vyskytovať nezávisle alebo spoločne.</p></div>\n</div>\n</div>\n<p>Nasledujúce typy účtov opísané v tejto časti sa vzťahujú na digitálne informačné kanály a platformy, kde si používatelia môžu vytvárať účty a verejne prispievať alebo komunikovať – najmä sociálne médiá, diskusné fóra a komunitné priestory, video a audio platformy a sekcie recenzií alebo komentárov. V aplikáciách na súkromnú komunikáciu alebo v prostrediach bez obsahu vytváraného používateľmi sú menej výrazné. Objavujú sa ako samostatne, tak aj v rámci koordinovaných sietí. Sú tu uvedené kvôli ich typickej úlohe v dynamike šírenia; výslovne koordinované formácie sú siete účtov.</p>\n<table><thead><tr>\n<th>Termín</th>\n<th>Definícia</th>\n<th>Kontrolované</th>\n<th>Definované</th>\n<th>Typický účel</th>\n</tr></thead><tbody>\n<tr>\n<td><strong>Sociálny bot</strong></td>\n<td>Automatizovaný alebo čiastočne automatizovaný účet, ktorý zverejňuje príspevky, lajkuje, sleduje, zdieľa alebo odpovedá online.</td>\n<td>Softvér</td>\n<td><strong>Automatizácia</strong></td>\n<td>Na zosilnenie správ, vytvorenie umelej popularity, spamovanie, ovplyvňovanie diskusie alebo šírenie obsahu vo veľkom meradle.</td>\n</tr>\n<tr>\n<td><strong>Kyborg</strong></td>\n<td>Hybridný účet kombinujúci ľudské ovládanie so softvérovou automatizáciou.</td>\n<td>Kombinácia: človek a softvér</td>\n<td><strong>Selektívna automatizácia</strong></td>\n<td>Kombinácia rozsahu automatizácie s kontextovou vierohodnosťou ľudského vkladu – na legitímne plánovanie/správu alebo na ťažšie odhaliteľné operácie ovplyvňovania.</td>\n</tr>\n<tr>\n<td><strong>Troll</strong></td>\n<td>Osoba alebo účet, ktorý zámerne provokuje, narúša alebo roznecuje online diskusiu.</td>\n<td>Zvyčajne ide o ľudského používateľa; niekedy o koordinované skupiny</td>\n<td><strong>Rušivé / provokatívne / antagonistické správanie</strong></td>\n<td>Rozčuľovať ostatných, vykoľajiť konverzácie, provokovať reakcie, šíriť nepriateľstvo alebo polarizovať debatu.</td>\n</tr>\n<tr>\n<td><strong>Sockpuppet</strong></td>\n<td>Falošný účet, ktorý niekto používa na skrytie svojej skutočnej identity alebo na predstieranie, že je inou osobou.</td>\n<td>Ľudský používateľ, hoci účet môže využívať aj automatizáciu</td>\n<td><strong>Klamlivá identita</strong></td>\n<td>Na vytvorenie falošnej podpory, anonymné útoky na ostatných, obchádzanie zákazov, manipuláciu s diskusiou alebo vytvorenie dojmu nezávislej zhody.</td>\n</tr>\n</tbody></table>\n<h4>Sociálny bot</h4>\n<p><strong>Sociálny bot</strong> je bot navrhnutý na prevádzku na platformách sociálnych médií, ktorý zverejňuje príspevky, komentuje, zdieľa alebo komunikuje spôsobom, ktorý simuluje ľudských používateľov. Sociálne boty sú zvyčajne naprogramované tak, aby konali vo veľkom meradle a vysokou rýchlosťou, čo ďaleko presahuje možnosti ľudského používateľa. Ich činnosť je často opakujúca sa a koordinovaná naprieč mnohými účtami, čo ju odlišuje od bežného ľudského používania.</p>\n<p>Sociálne boty sa môžu používať na legitímne účely – napríklad na zákaznícky servis, distribúciu správ alebo marketing –, ale široko sa využívajú aj na ovplyvňovanie verejnej mienky, zosilňovanie určitých správ, manipuláciu s diskusiami alebo vytváranie zdania širokej podpory pre konkrétne myšlienky, produkty alebo veci. V kontexte dezinformácií a zavádzajúcich informácií zohrávajú sociálne boty osobitnú úlohu pri rýchlom šírení obsahu a vytváraní falošného dojmu, že mnoho nezávislých hlasov zdieľa rovnaký názor.</p>\n<p>Keď sú sociálne boty nasadené v koordinovaných sieťach, tvoria <em>bot farmu</em>.</p>\n<div class=\"scilmi-callout scilmi-callout-info\">\n<div class=\"scilmi-callout-row\" aria-label=\"Info\">\n<span class=\"scilmi-callout-icon\" aria-hidden=\"true\"><svg fill=\"currentColor\" width=\"24px\" height=\"24px\" viewBox=\"0 0 24 24\" xmlns=\"http://www.w3.org/2000/svg\"><path fill-rule=\"evenodd\" d=\"M20 12C20 7.58172 16.4183 4 12 4C7.58172 4 4 7.58172 4 12C4 16.4183 7.58172 20 12 20C16.4183 20 20 16.4183 20 12ZM11 8C11 8.55228 11.4477 9 12 9C12.5523 9 13 8.55228 13 8C13 7.44772 12.5523 7 12 7C11.4477 7 11 7.44772 11 8ZM12 10C13 10 13 11 13 11V16C13 16 13 17 12 17C11 17 11 16 11 16V11C11 11 11 11 10.5 11C10 11 10 10 10 10H12Z\"></path></svg></span>\n<div class=\"scilmi-callout-body\"><h4>Bot</h4>\n<p>Bot je počítačový program, ktorý automaticky vykonáva úlohy, často opakujúce sa. Boty sa pohybujú od jednoduchých, neškodných nástrojov – ako sú webové vyhľadávače, ktoré indexujú stránky pre vyhľadávače, automatizované testovacie systémy alebo chatboty, ktoré odpovedajú na bežné otázky zákazníkov – až po škodlivé programy určené na šírenie spamu, malvéru alebo dezinformácií.</p></div>\n</div>\n</div>\n<h4>Kyborg</h4>\n<p><strong>Kyborg</strong> je hybridný účet, ktorý je čiastočne ovládaný človekom a čiastočne automatizovaný softvérom. Kyborg môže mať rutinné príspevky naplánované alebo generované softvérom, zatiaľ čo človek spravuje vybrané interakcie, odpovede alebo citlivý obsah. Rovnováha medzi automatizovanou a ľudskou činnosťou sa líši v závislosti od účtu.</p>\n<p>Kyborgy sa môžu používať na legitímne účely – napríklad na plánovanie obsahu, správu značkových alebo inštitucionálnych účtov alebo hybridný zákaznícky servis –, ale využívajú sa aj v operáciách zameraných na ovplyvňovanie, kde sa kombinuje rozsah a rýchlosť automatizácie s kontextovou vierohodnosťou ľudského vkladu.</p>\n<p>Kyborgov je ťažšie identifikovať ako čisto automatizované boty, pretože časť ich správania je skutočne ľudská, čo znamená, že na spoľahlivú identifikáciu zriedka postačujú jednotlivé indikátory detekcie.</p>\n<h4>Troll</h4>\n<p><strong>Troll</strong> je skutočná osoba, ktorá zámerne narúša online diskusie provokatívnym, agresívnym alebo nepriateľským správaním. Trollovia zvyčajne používajú osobné účty a zameriavajú sa na kontroverzné témy, verejné osobnosti (napríklad politikov alebo novinárov) alebo mediálne organizácie. Ich cieľom je rozrušiť ostatných, vyvolať reakcie alebo eskalovať konflikty – niekedy na podporu konkrétneho programu, inokedy pre zábavu alebo pozornosť.</p>\n<p>Hoci trollovia často konajú nezávisle, môžu pôsobiť aj v koordinovaných skupinách, niekedy platených politickými alebo komerčnými subjektmi (pozri <em>Troll farmy</em> v časti Mechanizmy zosilňovania).</p>\n<p><strong>Trolling je najlepšie chápať ako vzorec online správania, nie ako konkrétny druh účtu.</strong> To isté správanie môžu vykazovať automatizované účty a občas sa do trollingu môžu zapojiť aj bežní používatelia.</p>\n<h4>Sockpuppet</h4>\n<p><strong>Sockpuppet</strong> je falošná online identita vytvorená a prevádzkovaná skutočnou osobou, ktorá skrýva svoju pravú identitu. Na rozdiel od trollov – ktorí často konajú pod jedným otvorene nepriateľským účtom – prevádzkovateľ sockpuppetu zvyčajne prevádzkuje viacero falošných účtov súbežne, aby vytvoril dojem, že viacerí nezávislí používatelia zastávajú rovnaký názor, podporujú rovnakú vec alebo súhlasia s prevádzkovateľovým vlastným (často oddeleným) hlavným účtom.</p>\n<p>Sockpuppety sa bežne používajú na vytváranie umelého konsenzu, podporu vlastných argumentov pod rôznymi menami, útoky na oponentov pri zachovaní zdanlivej nestrannosti, obchádzanie zákazov vytváraním nových identít po pozastavení účtu alebo manipuláciu s online recenziami, hlasovaním a ankietami.</p>\n<p>Sockpuppety sa od sociálnych botov líšia tým, že ich manuálne ovládajú ľudia, čo robí ich obsah kontextovo vierohodnejším a ťažšie odhaliteľným automatizovanými prostriedkami. Od trollov sa líšia tým, že ich primárnym cieľom je klamanie o identite a vytváranie zdanlivého konsenzu, nie provokácia – hoci prevádzkovatelia sockpuppetov sa môžu prostredníctvom svojich falošných identít zapájať aj do trollovania.</p>\n<p>Keď osoba alebo malá skupina spoločne ovláda koordinovanú skupinu sockpuppetov, vytvárajú <em>sieť</em> <em>sockpuppetov</em> (pozri Mechanizmy zosilnenia).</p>\n<h4>☑ Rozlišovanie sociálnych botov, trollov a sockpuppetov</h4>\n<table><thead><tr>\n<th><strong>Rozmer detekcie</strong></th>\n<th><strong>Sociálne boty</strong></th>\n<th><strong>Trollovia</strong></th>\n<th><strong>Fiktívne účty</strong></th>\n</tr></thead><tbody>\n<tr>\n<td><strong>Charakteristiky profilu</strong></td>\n<td>- [ ] Účet vyzerá, že bol vytvorený nedávno -<br>[ ] Profil je neúplný alebo<br>všeobecný - [ ] Používateľské meno môže pôsobiť neosobne a niekedy obsahuje náhodné čísla</td>\n<td>- [ ] Účet je zvyčajne aktívny dlhšie a má históriu príspevkov -<br>[ ] Profil je kompletný a vyzerá osobne; môže obsahovať silný ideologický alebo politický popis<br>- [ ] Používateľské meno vyzerá osobne</td>\n<td>- [ ] Profil vyzerá vierohodne a osobne, často obsahuje profilovú fotografiu a biografické údaje (niekedy ukradnuté, generované umelou inteligenciou alebo skopírované)<br>- [ ] História účtu môže byť umiernená a navrhnutá tak, aby v priebehu času vyzerala autenticky</td>\n</tr>\n<tr>\n<td><strong>Správanie pri zverejňovaní príspevkov</strong></td>\n<td>- [ ] Aktivita nezodpovedá bežnému online správaniu<br>človeka - [ ] Účty veľmi často zverejňujú alebo zdieľajú obsah -<br>[ ] Účty zverejňujú alebo zdieľajú obsah kedykoľvek, deň aj noc</td>\n<td>- [ ] Aktivita sa podobá bežnému správaniu<br>človeka na internete - [ ] Účet zverejňuje príspevky alebo odpovedá v nepravidelných časoch<br>- [ ] Účet je aktívnejší počas kontroverzných diskusií</td>\n<td>- [ ] Vzory aktivity sa podobajú bežnému ľudskému správaniu<br>– [ ] Viacero účtov spravovaných tým istým prevádzkovateľom môže vykazovať podobné hodiny aktivity alebo rytmy<br>– [ ] Fiktívne účty majú tendenciu začínať menej diskusií a písať kratšie príspevky ako bežní používatelia</td>\n</tr>\n<tr>\n<td><strong>Interakcie</strong></td>\n<td>- [ ] Účet nevedie skutočné konverzácie<br>- [ ] Účty väčšinou lajkujú, zdieľajú alebo<br>repostujú - [ ] Odpovede sú krátke a automatizované</td>\n<td>- [ ] Účet odpovedá priamo ostatným používateľom -<br>[ ] Účet sa zapája do debát s cieľom vyvolať reakcie -<br>[ ] Konverzácie sa predlžujú s cieľom vytvoriť alebo eskalovať konflikt</td>\n<td>- [ ] Účet sa zapája do skutočných konverzácií, často podporuje hlavný účet prevádzkovateľa alebo iné<br>sockpuppety - [ ] Odpovede sú kontextovo vhodné a pôsobia autenticky<br>- [ ] Dvojice sockpuppetov často interagujú v tej istej diskusii v podobnom čase</td>\n</tr>\n<tr>\n<td><strong>Vlastnosti obsahu</strong></td>\n<td>- [ ] Obsah je jednostranný a<br>opakujúci sa - [ ] Tie isté naratívy sa zverejňujú mnohokrát</td>\n<td>- [ ] Obsah je špecificky prispôsobený tak, aby poškodil alebo provokoval cieľovú osobu -<br>[ ] Obsah je zameraný na jednotlivcov alebo sociálne skupiny</td>\n<td>- [ ] Obsah pôsobí autenticky a je rôznorodý naprieč<br>účtami - [ ] Základné posolstvo alebo postoj sa podozrivo zhoduje v celej sieti -<br>[ ] Častejšie používanie osobných zámen, ako napríklad „ja“</td>\n</tr>\n<tr>\n<td><strong>Jazyk</strong></td>\n<td>- [ ] Všeobecné výrazy, opakujúce sa frázy s kľúčovými slovami</td>\n<td>- [ ] Rozmanitý, emotívny, často urážlivý alebo vulgárny jazyk</td>\n<td>- [ ] Prirodzený a pestrý jazyk<br>- [ ] Viaceré účty môžu mať spoločné jazykové charakteristiky (podobné formulácie, slovná zásoba, interpunkcia alebo vzory chýb)</td>\n</tr>\n<tr>\n<td><strong>Sieťové a technické indikátory</strong></td>\n<td>- [ ] Sociálne boty sledujú iné sociálne boty, ale tento vzťah je zvyčajne jednosmerný a nie je recipročný<br>- [ ] Koordinované správanie je pozorovateľné na viacerých botových účtoch</td>\n<td>- [ ] Trollovia sledujú ľudské účty<br>- [ ] Prepojenia sú často recipročné (sledujú svojich sledovateľov a naopak)<br>- [ ] Trollovia zvyčajne konajú nezávisle od seba</td>\n<td>- [ ] Viacero účtov spolu komunikuje spôsobom<br>, ktorý sa vzájomne podporuje- [ ] Prepojenia medzi fiktívnymi účtami v tej istej sieti môžu byť umelo recipročné alebo zámerne chýbať, aby sa zabránilo<br>odhaleniu- [ ] Rovnaká IP adresa, odtlačok zariadenia alebo vzor prihlásenia \\\\*(detekcia na strane platformy)\\\\*-<br>[ ] Viac zoskupených ego-sietí ako u bežných<br>používateľov- [ ] Korelované načasovanie aktivít medzi účtami</td>\n</tr>\n</tbody></table>\n<div class=\"scilmi-callout scilmi-callout-info\">\n<div class=\"scilmi-callout-row\" aria-label=\"Info\">\n<span class=\"scilmi-callout-icon\" aria-hidden=\"true\"><svg fill=\"currentColor\" width=\"24px\" height=\"24px\" viewBox=\"0 0 24 24\" xmlns=\"http://www.w3.org/2000/svg\"><path fill-rule=\"evenodd\" d=\"M20 12C20 7.58172 16.4183 4 12 4C7.58172 4 4 7.58172 4 12C4 16.4183 7.58172 20 12 20C16.4183 20 20 16.4183 20 12ZM11 8C11 8.55228 11.4477 9 12 9C12.5523 9 13 8.55228 13 8C13 7.44772 12.5523 7 12 7C11.4477 7 11 7.44772 11 8ZM12 10C13 10 13 11 13 11V16C13 16 13 17 12 17C11 17 11 16 11 16V11C11 11 11 11 10.5 11C10 11 10 10 10 10H12Z\"></path></svg></span>\n<div class=\"scilmi-callout-body\"><ul>\n<li>\nFerrara, E. (2023). Detekcia sociálnych botov v ére ChatGPT: Výzvy a príležitosti. <em>First Monday, 28</em>\n(6). <a href=\"https&#x3a;&#x2f;&#x2f;doi.org&#x2f;10.5210&#x2f;fm.v28i6.13185\" class=\"use-hover-preview\" rel=\"noopener noreferrer nofollow\">https://doi.org/10.5210/fm.v28i6.13185</a>\n</li>\n<li>\nKumar, S., Cheng, J., Leskovec, J., &amp; Subrahmanian, V. S. (2017). Armáda mňa samého: Sockpuppets v online diskusných komunitách. <em>Zborník z 26. medzinárodnej konferencie o World Wide Web (WWW &#x27;17)</em>\n, 857–866. <a href=\"https&#x3a;&#x2f;&#x2f;doi.org&#x2f;10.1145&#x2f;3038912.3052677\" class=\"use-hover-preview\" rel=\"noopener noreferrer nofollow\">https://doi.org/10.1145/3038912.3052677</a>\n</li>\n<li>\nOrabi, M., Mouheb, D., Al Aghbari, Z., &amp; Kamel, I. (2020). Detekcia botov v sociálnych médiách: Systematický prehľad. <em>Spracovanie a riadenie informácií, 57</em>\n(4), 102250. <a href=\"https&#x3a;&#x2f;&#x2f;doi.org&#x2f;10.1016&#x2f;j.ipm.2020.102250\" class=\"use-hover-preview\" rel=\"noopener noreferrer nofollow\">https://doi.org/10.1016/j.ipm.2020.102250</a>\n</li>\n<li>\nSolorio, T., Hasan, R., &amp; Mizan, M. (2013). Prípadová štúdia detekcie sockpuppetov vo Wikipédii. <em>Zborník z workshopu o jazykovej analýze v sociálnych médiách (LASM) na NAACL-HLT</em>\n, 59–68. Asociácia pre počítačovú lingvistiku.<a class=\"notranslate\" translate=\"no\" href=\"https&#x3a;&#x2f;&#x2f;aclanthology.org&#x2f;W13-1107&#x2f;\" target=\"_blank\" rel=\"noopener\">https://aclanthology.org/W13-1107/</a>\n</li>\n<li>\nTomaiuolo, M., Lombardo, G., Mordonini, M., Cagnoni, S., &amp; Poggi, A. (2020). Prehľad detekcie trollov. <em>Future Internet, 12</em>\n(2), <a href=\"https&#x3a;&#x2f;&#x2f;doi.org&#x2f;10.3390&#x2f;fi12020031\" class=\"use-hover-preview\" rel=\"noopener noreferrer nofollow\">https://doi.org/10.3390/fi12020031</a>\n</li>\n<li>\nTsikerdekis, M., &amp; Zeadally, S. (2014). Detekcia podvodov s identitou viacerých účtov v sociálnych médiách pomocou neverbálneho správania. <em>IEEE Transactions on Information Forensics and Security, 9</em>\n(8), 1311–1321. <a href=\"https&#x3a;&#x2f;&#x2f;doi.org&#x2f;10.1109&#x2f;TIFS.2014.2332820\" class=\"use-hover-preview\" rel=\"noopener noreferrer nofollow\">https://doi.org/10.1109/TIFS.2014.2332820</a>\n</li>\n<li>\nUyheng, J., Moffitt, J. D., &amp; Carley, K. M. (2022). Jazyk a ciele online trollingu: Psycholingvistický prístup k sociálnej kyberbezpečnosti. <em>Information Processing &amp; Management, 59</em>\n(5), 103012. <a href=\"https&#x3a;&#x2f;&#x2f;doi.org&#x2f;10.1016&#x2f;j.ipm.2022.103012\" class=\"use-hover-preview\" rel=\"noopener noreferrer nofollow\">https://doi.org/10.1016/j.ipm.2022.103012</a>\n</li>\n</ul></div>\n</div>\n</div>\n<h4>Siete účtov</h4>\n<h4>Bot farm</h4>\n<p><strong>Bot farm</strong> je sieť botov, ktoré pracujú súčasne na viacerých zariadeniach alebo serveroch a ktoré nasadzuje jeden prevádzkovateľ alebo organizácia na konkrétny účel.</p>\n<p>Bot farmy majú celý rad legitímnych použití, vrátane indexovania webových stránok, automatizovaného testovania softvéru, agregácie údajov a monitorovania výkonu webových stránok. Bežne sa však používajú aj na škodlivé aktivity, ako je vytváranie falošnej interakcie, generovanie veľkého množstva obsahu, distribúcia spamu alebo vykonávanie kybernetických útokov. Keď sa používajú na manipuláciu s online diskusiou, bot farmy môžu vytvárať falošný dojem širokej podpory, opozície alebo záujmu o určitú tému, účet alebo kampaň.</p>\n<h4>Trollová farma</h4>\n<p><strong>Trollová farma</strong> je organizovaná skupina koordinovaných, často platených pracovníkov, ktorí zverejňujú online zámerne provokatívny, zavádzajúci alebo falošný obsah – zvyčajne prostredníctvom falošných účtov. Ich cieľom je zvyčajne manipulovať verejnú mienku, šíriť dezinformácie alebo vyvolávať sociálne a politické nepokoje. Trollové farmy boli zdokumentované v súvislosti so štátom sponzorovanými operáciami zameranými na ovplyvňovanie verejnej mienky, ako aj s komerčnou manipuláciou reputácie.</p>\n<h4>Sieť sockpuppetov</h4>\n<p>Sieť sockpuppetov je koordinovaný súbor sockpuppetových účtov prevádzkovaných jednou osobou alebo malou skupinou, ktoré sa používajú na simuláciu nezávislých hlasov podporujúcich spoločný naratív, kampaň, účet alebo vec. Sieť sockpuppetov sa bežne používa v politickom astroturfingu, manipulácii s recenziami a hodnoteniami a koordinovaných dezinformačných kampaniach. Na rozdiel od botových fariem sa siete sockpuppetov spoliehajú na manuálne ovládanie ľuďmi, vďaka čomu obsah jednotlivých účtov pôsobí autentickejšie a je ťažšie ho odhaliť automatizovanými prostriedkami. Ich koordinácia sa zvyčajne dá odhaliť len vtedy, keď je možné prepojiť viacero účtov na základe vzorcov správania, spoločných technických signálov alebo vzájomnej interakcie.</p>\n<h4>Klikacie farmy</h4>\n<p><strong>Klikacie farmy</strong> sú operácie, pri ktorých sa veľký počet nízko platených pracovníkov, automatizovaných botov alebo oboch používa na klikanie na reklamy, sledovanie účtov na sociálnych médiách, lajkovanie príspevkov, zanechávanie recenzií alebo sťahovanie aplikácií. Cieľom je umelo zvýšiť online interakciu alebo návštevnosť, čím sa obsah, účty alebo produkty javia populárnejšie, než v skutočnosti sú.</p>\n<h2>Javy</h2>\n<h4>☑ Viralita vs. trendy</h4>\n<table><thead><tr>\n<th>Funkcia</th>\n<th>Vírusovosť</th>\n<th>Trend</th>\n</tr></thead><tbody>\n<tr>\n<td><strong>Čo sa šíri</strong></td>\n<td>Jedna informácia: konkrétne video, príspevok, obrázok alebo iný obsah</td>\n<td>Téma, hashtag, zvuk, formát alebo diskusná skupina: nie jeden konkrétny prvok, ale mnoho príspevkov, ktoré odkazujú na tú istú vec alebo ju používajú</td>\n</tr>\n<tr>\n<td><strong>Hlavné hnacie sily</strong></td>\n<td>Užívatelia zdieľajú, repostujú alebo posielajú informáciu ďalej iným, ktorí ju zase posúvajú ďalej; toto kaskádové šírenie môže byť ešte viac zosilnené algoritmami odporúčaní</td>\n<td>Mnohí používatelia v krátkom čase prispievajú, spomínajú alebo používajú tú istú tému, hashtag alebo formát; platforma túto koncentráciu aktivity zaznamená a zvýrazní ju v špeciálnej sekcii „Trendy“ (napríklad zoznam trendových tém, prehľad trendových hashtagov alebo stránka s trendovými zvukmi)</td>\n</tr>\n<tr>\n<td><strong>Časový vzor</strong></td>\n<td>Často krátke a explozívne; môže sa neskôr opakovať</td>\n<td>Časovo ohraničený; pretrváva, pokiaľ je aktivita vysoká alebo platforma naň naďalej upozorňuje</td>\n</tr>\n<tr>\n<td><strong>Ako sa dá manipulovať</strong></td>\n<td>Koordinované zdieľanie, zosilňovanie botmi, umelé zapájanie zamerané na konkrétnu informáciu</td>\n<td>Koordinované kampane zverejňovania príspevkov, umelo vytvorené falošné trendy prostredníctvom sietí botov, rozhodnutia platformy o propagácii, filtrovaní alebo potláčaní</td>\n</tr>\n</tbody></table>\n<p><em>Vírusovosť aj trendovosť môžu vzniknúť organicky alebo môžu byť umelo zosilnené prostredníctvom koordinovaných kampaní, aktivity botov alebo rozhodnutí platformy. Obe môžu tiež poskytnúť výhodu emocionálne vzrušujúcemu, morálne nabitému alebo rozdeľujúcemu obsahu, najmä v politických alebo konfliktných kontextoch.</em></p>\n<h3>Vírusovosť</h3>\n<p>Vzor, podľa ktorého sa konkrétna informácia rýchlo šíri prostredníctvom zdieľania, odporúčania a opätovného šírenia v sieťach, podobne ako sa šíri vírus. Viralita je ovplyvnená charakteristikami obsahu, štruktúrami sociálnych sietí, možnosťami platforiem, načasovaním a algoritmickým zosilnením.</p>\n<p>Obsah, ktorý vyvoláva silné emócie, morálne reakcie alebo nepriateľstvo voči iným skupinám, sa často zdieľa častejšie, najmä v politických alebo konfliktných kontextoch. Viralita však nie je určená len veľkosťou pôvodného zdroja: aj menšie účty alebo médiá môžu vytvárať vysoko virálne príspevky.</p>\n<p>Vírusovosť môže vzniknúť prirodzene, ale môže byť aj umelo zosilnená koordinovaným zdieľaním, manipuláciou s platformou alebo činnosťou botov.</p>\n<h3>Trend</h3>\n<p>Stav priradený platformou, ktorý označuje, že téma, hashtag, zvuk, formát alebo diskusná skupina zaznamenali v krátkom časovom období neobvykle intenzívnu aktivitu.</p>\n<p>Trendy sa identifikujú algoritmicky a zobrazujú sa prostredníctvom funkcií platformy, ako sú X / Twitter Trending Topics, trendové hashtagy, trendové zvuky, trendové výzvy alebo iné funkcie trendov špecifické pre danú platformu. Trendy závisia od signálov špecifických pre danú platformu, ako je objem príspevkov, miera nárastu, angažovanosť, lokalita, personalizácia a moderačné filtre.</p>\n<p>Témy, ktoré generujú vysokú angažovanosť – vrátane kontroverzných, emocionálne vzrušujúcich alebo morálne nabitých tém – môžu mať väčšiu šancu stať sa trendom, ale závisí to od systému hodnotenia platformy a pravidiel moderovania.</p>\n<p>Trendy môžu vzniknúť organicky z mnohých nezávislých príspevkov, ale môžu byť ovplyvnené aj koordinovanými kampaňami, aktivitou botov alebo rozhodnutiami platformy o tom, čo propagovať, filtrovať, moderovať alebo potláčať.</p>\n<div class=\"scilmi-callout scilmi-callout-info\">\n<div class=\"scilmi-callout-row\" aria-label=\"Info\">\n<span class=\"scilmi-callout-icon\" aria-hidden=\"true\"><svg fill=\"currentColor\" width=\"24px\" height=\"24px\" viewBox=\"0 0 24 24\" xmlns=\"http://www.w3.org/2000/svg\"><path fill-rule=\"evenodd\" d=\"M20 12C20 7.58172 16.4183 4 12 4C7.58172 4 4 7.58172 4 12C4 16.4183 7.58172 20 12 20C16.4183 20 20 16.4183 20 12ZM11 8C11 8.55228 11.4477 9 12 9C12.5523 9 13 8.55228 13 8C13 7.44772 12.5523 7 12 7C11.4477 7 11 7.44772 11 8ZM12 10C13 10 13 11 13 11V16C13 16 13 17 12 17C11 17 11 16 11 16V11C11 11 11 11 10.5 11C10 11 10 10 10 10H12Z\"></path></svg></span>\n<div class=\"scilmi-callout-body\"><ul>\n<li><strong>Berger, J. (2013).</strong> <em>Contagious: Why Things Catch On.</em> New York: Simon &amp; Schuster.\n</li>\n<li><strong>Berger, J., &amp; Milkman, K. L. (2012).</strong>\nWhat makes online content viral? <em>Journal of Marketing Research</em>\n, 49(2), 192–205. <a href=\"https&#x3a;&#x2f;&#x2f;doi.org&#x2f;10.1509&#x2f;jmr.10.0353\" class=\"use-hover-preview\" rel=\"noopener noreferrer nofollow\">https://doi.org/10.1509/jmr.10.0353</a>\n</li>\n<li><strong>Brady, W. J., McLoughlin, K., Doan, T. N., &amp; Crockett, M. J. (2021).</strong>\nHow social learning amplifies moral outrage expression in online social networks. <em>Science Advances</em>\n, 7(33), eabe5641. <a href=\"https&#x3a;&#x2f;&#x2f;doi.org&#x2f;10.1126&#x2f;sciadv.abe5641\" class=\"use-hover-preview\" rel=\"noopener noreferrer nofollow\">https://doi.org/10.1126/sciadv.abe5641</a>\n</li>\n<li><strong>Jenkins, H., Ford, S., &amp; Green, J. (2013).</strong> <em>Spreadable Media: Creating Value and Meaning in a Networked Culture.</em> New York: NYU Press.\n</li>\n<li><strong>Lee, J., &amp; Umback, J. (2026).</strong>\nVirálny obrat: prehodnotenie virality v ekonomike tvorcov na TikToku. <em>Continuum</em>\n, 1–26. <a href=\"https&#x3a;&#x2f;&#x2f;doi.org&#x2f;10.1080&#x2f;10304312.2026.2625794\" class=\"use-hover-preview\" rel=\"noopener noreferrer nofollow\">https://doi.org/10.1080/10304312.2026.2625794</a>\n</li>\n<li><strong>Maarouf, A., Pröllochs, N., &amp; Feuerriegel, S. (2024).</strong>\nViralita nenávistných prejavov na sociálnych médiách. <em>Zborník ACM o interakcii človeka a počítača</em>\n, 8 (CSCW1), 1–22. <a href=\"https&#x3a;&#x2f;&#x2f;doi.org&#x2f;10.1145&#x2f;3641025\" class=\"use-hover-preview\" rel=\"noopener noreferrer nofollow\">https://doi.org/10.1145/3641025</a>\n</li>\n<li><strong>Rathje, S., Van Bavel, J. J., &amp; van der Linden, S. (2021).</strong>\nNepriazeň voči vonkajšej skupine poháňa angažovanosť na sociálnych médiách. <em>Zborník Národnej akadémie vied</em>\n, 118(26), e2024292118. <a href=\"https&#x3a;&#x2f;&#x2f;doi.org&#x2f;10.1073&#x2f;pnas.2024292118\" class=\"use-hover-preview\" rel=\"noopener noreferrer nofollow\">https://doi.org/10.1073/pnas.2024292118</a>\n</li>\n<li><strong>Rathje, S., &amp; Van Bavel, J. J. (2025).</strong>\nPsychológia virality. <em>Trends in Cognitive Sciences</em>\n, 29(10), 914–927. <a href=\"https&#x3a;&#x2f;&#x2f;doi.org&#x2f;10.1016&#x2f;j.tics.2025.06.014\" class=\"use-hover-preview\" rel=\"noopener noreferrer nofollow\">https://doi.org/10.1016/j.tics.2025.06.014</a>\n</li>\n<li><strong>Rogers, E. M. (2003).</strong> <em>Šírenie inovácií</em> (5. vyd.). New York: Free Press.\n</li>\n<li><strong>Sangiorgio, E., Cinelli, M., Cerqueti, R., &amp; Quattrociocchi, W. (2024).</strong>\nPočet sledujúcich neurčuje virálnosť spravodajských médií na sociálnych sieťach. <em>PNAS Nexus</em>\n, 3(7), s. 257. <a href=\"https&#x3a;&#x2f;&#x2f;doi.org&#x2f;10.1093&#x2f;pnasnexus&#x2f;pgae257\" class=\"use-hover-preview\" rel=\"noopener noreferrer nofollow\">https://doi.org/10.1093/pnasnexus/pgae257</a>\n</li>\n<li><strong>Schlessinger, J., Garimella, K., Jakesch, M., &amp; Eckles, D. (2023).</strong>\nVplyv algoritmickej propagácie trendov: Dôkazy z koordinovaných kampaní v trendoch na Twitteri. <em>Zborník z medzinárodnej konferencie AAAI o webe a sociálnych médiách (ICWSM)</em>\n, 17(1), 777–786. <a href=\"https&#x3a;&#x2f;&#x2f;doi.org&#x2f;10.1609&#x2f;icwsm.v17i1.22187\" class=\"use-hover-preview\" rel=\"noopener noreferrer nofollow\">https://doi.org/10.1609/icwsm.v17i1.22187</a>\n</li>\n<li><strong>Schöne, J. P., Parkinson, B., &amp; Goldenberg, A. (2021).</strong>\nNegativita sa na Twitteri šíri viac ako pozitivita po pozitívnych aj negatívnych politických situáciách. <em>Affective Science</em>\n, 2(4), 379–390. <a href=\"https&#x3a;&#x2f;&#x2f;doi.org&#x2f;10.1007&#x2f;s42761-021-00057-7\" class=\"use-hover-preview\" rel=\"noopener noreferrer nofollow\">https://doi.org/10.1007/s42761-021-00057-7</a>\n</li>\n</ul></div>\n</div>\n</div>\n<h3>Spill-Over Effects &amp; Epistemic Laundering</h3>\n<p>Proces, pri ktorom sa informácie, ktoré získajú viditeľnosť v jednom informačnom prostredí – či už prostredníctvom umelého zosilnenia, trendov alebo redakčného výberu – zachytia a ďalej distribuujú v iných informačných prostrediach alebo systémoch prístupu k informáciám, čím oslovia publikum mimo pôvodného prostredia.</p>\n<p>Spill-over môže nastať prostredníctvom novinárskeho spravodajstva, zdieľania medzi platformami, redakčného výberu alebo redistribúcie iniciovanej používateľmi.</p>\n<p>→ Výsledok výskumu zdieľaný na vedeckom fóre môže byť predmetom diskusie na sociálnych médiách a zhrnutý asistentom umelej inteligencie. <br>→ Tému umelo zosilnenú botmi na platforme sociálnych médií môžu prevziať novinári.</p>\n<p>→ Efekty spill-over môžu zvýšiť dosah spoľahlivých aj nespoľahlivých informácií a môžu spôsobiť, že informácie budú pôsobiť ako všeobecne uznávané, hoci tomu tak pôvodne nebolo.</p>\n<h4>Epistemické pranie</h4>\n<p>Prenos ne vždy zachová zdanlivý status informácií. Keď prijímajúci kanál nesie silnejšie signály autority alebo spoľahlivosti ako kanál pôvodu – akademický formát, recenzovanie, formálna publikácia – samotná informácia môže byť vnímaná ako spoľahlivejšia jednoducho tým, že bola presunutá. Tento efekt je známy ako epistemické pranie: informácia získava vnímanú spoľahlivosť prostredníctvom svojho prechodu cez kanály, bez akejkoľvek skutočnej zmeny základných tvrdení alebo dôkazov. Využívajú sa pri tom tendencie príjemcov pripisovať spoľahlivosť kanálu, v ktorom sa s informáciou stretli, samotnej informácii.</p>\n<p>→ Tvrdenie pochádzajúce z anonymného blogového príspevku môže byť citované v predtlači, reprodukované v odpovedi generovanej umelou inteligenciou a nakoniec citované v recenzovanom článku – pri každom kroku získava akademický lesk a zdanlivú autoritu, zatiaľ čo základné tvrdenie zostáva nezmenené alebo neoverené.</p>\n<div class=\"scilmi-callout scilmi-callout-success\">\n<div class=\"scilmi-callout-row\" aria-label=\"Success\">\n<span class=\"scilmi-callout-icon\" aria-hidden=\"true\"><svg fill=\"currentColor\" width=\"24px\" height=\"24px\" viewBox=\"0 0 24 24\" xmlns=\"http://www.w3.org/2000/svg\"><path fill-rule=\"evenodd\" clip-rule=\"evenodd\" d=\"M12 20C16.4183 20 20 16.4183 20 12C20 7.58172 16.4183 4 12 4C7.58172 4 4 7.58172 4 12C4 16.4183 7.58172 20 12 20ZM9.26825 11.3599L10.9587 13.3885L14.7 8.40006C15.0314 7.95823 15.6582 7.86869 16.1 8.20006C16.5419 8.53143 16.6314 9.15823 16.3 9.60006L11.8 15.6001C11.4128 16.1164 10.645 16.1361 10.2318 15.6402L7.7318 12.6402C7.37824 12.216 7.43556 11.5854 7.85984 11.2318C8.28412 10.8783 8.91468 10.9356 9.26825 11.3599Z\"></path></svg></span>\n<div class=\"scilmi-callout-body\"><p>Tím na Univerzite v Göteborgu pod vedením lekárskeho výskumníka vymyslel fiktívne kožné ochorenie s názvom Bixonimania, aby otestoval, či systémy umelej inteligencie absorbujú a opakujú nesprávne lekárske informácie. Prezentovali ho ako údajné ochorenie spojené s vystavením modrému svetlu z obrazoviek, s príznakmi ako bolestivé, svrbiace oči a ružový odtieň na viečkach. Následne vytvorili zámerne falošné predtlače s akademickým vzhľadom, ktoré obsahovali zrejmé varovné signály – fiktívneho autora s fotografiou generovanou umelou inteligenciou, neexistujúcu univerzitu a odkazy na Akadémiu Hviezdnej flotily a USS Enterprise. Časopis Nature informoval, že predtlače boli medzičasom odstránené z Preprints.org. V priebehu niekoľkých týždňov začali hlavné chatboty s umelou inteligenciou reprodukovať Bixonimaniu ako skutočné zdravotné ochorenie, v niektorých prípadoch ponúkali používateľom vysvetľujúce alebo zdravotné rady. Súbežne bol falošný materiál citovaný v aspoň jednej publikovanej štúdii, ktorá bola neskôr stiahnutá, v časopise <em>Cureus</em> vydavateľstva Springer Nature. Reťazová reakcia: príspevky na blogu → falošný predtlač → webové vyhľadávače → odpovede chatbotov s umelou inteligenciou → akademická citácia</p></div>\n</div>\n</div>\n<div class=\"scilmi-callout scilmi-callout-info\">\n<div class=\"scilmi-callout-row\" aria-label=\"Info\">\n<span class=\"scilmi-callout-icon\" aria-hidden=\"true\"><svg fill=\"currentColor\" width=\"24px\" height=\"24px\" viewBox=\"0 0 24 24\" xmlns=\"http://www.w3.org/2000/svg\"><path fill-rule=\"evenodd\" d=\"M20 12C20 7.58172 16.4183 4 12 4C7.58172 4 4 7.58172 4 12C4 16.4183 7.58172 20 12 20C16.4183 20 20 16.4183 20 12ZM11 8C11 8.55228 11.4477 9 12 9C12.5523 9 13 8.55228 13 8C13 7.44772 12.5523 7 12 7C11.4477 7 11 7.44772 11 8ZM12 10C13 10 13 11 13 11V16C13 16 13 17 12 17C11 17 11 16 11 16V11C11 11 11 11 10.5 11C10 11 10 10 10 10H12Z\"></path></svg></span>\n<div class=\"scilmi-callout-body\"><p>Stokel-Walker, C. (2026). Vedci vymysleli falošnú chorobu. Umelá inteligencia ľuďom povedala, že je skutočná. Nature, 652(8110), 559-561. <a href=\"https&#x3a;&#x2f;&#x2f;doi.org&#x2f;10.1038&#x2f;d41586-026-01100-y\" class=\"use-hover-preview\" rel=\"noopener noreferrer nofollow\">https://doi.org/10.1038/d41586-026-01100-y</a></p></div>\n</div>\n</div>\n<h1>Zúženie informácií</h1>\n<p>Zatiaľ čo <em>zosilňovanie informácií</em> (viď vyššie) opisuje, ako sa rozširuje viditeľnosť naprieč používateľskými účtami, <em>zužovanie informácií</em> opisuje opak: ako sa obmedzuje rozsah perspektív, ktoré sa dostanú k jednotlivému používateľovi alebo sociálnej skupine. Toto zužovanie spôsobujú dva odlišné mechanizmy – <em>filterová bublina</em> (algoritmická personalizácia) a <em>ozvena</em> (samovýber používateľa). V bežnej diskusii sa tieto dva pojmy často zlučujú, ale fungujú odlišne.</p>\n<h2>Filter Bubble</h2>\n<p><strong>Filter Bubble</strong> je izolované informačné prostredie vytvorené <em>algoritmickou personalizáciou</em>, v ktorom je používateľ čoraz viac vystavený obsahu, ktorý zodpovedá jeho odhadovaným preferenciám a minulému správaniu, zatiaľ čo obsah, ktorý sa od toho odchyľuje, je odfiltrovaný – zvyčajne bez vedomia používateľa. Tento termín vymyslel Eli Pariser (2011) na opis toho, ako personalizačné algoritmy na Google, Facebooku a podobných platformách môžu vytvárať systematické asymetrie v expozícii na základe signálov od používateľov, ako je história kliknutí, poloha a údaje z profilu.</p>\n<p>Charakteristickým rysom filtračnej bubliny je <em>neúmyselnosť zo strany používateľa</em>: zúženie je generované optimalizáciou platformy, nie zámerným výberom zdrojov zo strany používateľa.</p>\n<div class=\"scilmi-callout scilmi-callout-warning\">\n<div class=\"scilmi-callout-row\" aria-label=\"Warning\">\n<span class=\"scilmi-callout-icon\" aria-hidden=\"true\"><svg fill=\"currentColor\" width=\"24px\" height=\"24px\" viewBox=\"0 0 24 24\" xmlns=\"http://www.w3.org/2000/svg\"><path fill-rule=\"evenodd\" clip-rule=\"evenodd\" d=\"M12 20C7.58172 20 4 16.4183 4 12C4 7.58172 7.58172 4 12 4C16.4183 4 20 7.58172 20 12C20 16.4183 16.4183 20 12 20ZM12 15C12.5523 15 13 15.4477 13 16C13 16.5523 12.5523 17 12 17C11.4477 17 11 16.5523 11 16C11 15.4477 11.4477 15 12 15ZM12 14C13 14 13 13 13 13L13 10.5L13 8C13 8 13 7 12 7C11 7 11 8 11 8L11 13C11 13 11 14 12 14Z\"></path></svg></span>\n<div class=\"scilmi-callout-body\"><p>Empirický výskum podstatne spresnil Pariserovu pôvodnú tézu. Štúdie zistili, že algoritmická personalizácia síce ovplyvňuje to, čo používatelia vidia, ale väčšina používateľov sa stále stretáva s ideologicky rozmanitým obsahom – čiastočne preto, že ich vlastné sociálne siete zahŕňajú rôznorodé názory, a čiastočne preto, že algoritmy neizolujú tak úplne, ako naznačuje populárny diskurz (Bakshy et al., 2015; Flaxman et al., 2016; Bruns, 2019). Efekt filtračnej bubliny je reálny, ale zvyčajne slabší, ako sa bežne predpokladá; selektívna expozícia pred érou internetu (napr. výber novín alebo televíznych kanálov) bola v mnohých prípadoch silnejšia.</p></div>\n</div>\n</div>\n<div class=\"scilmi-callout scilmi-callout-info\">\n<div class=\"scilmi-callout-row\" aria-label=\"Info\">\n<span class=\"scilmi-callout-icon\" aria-hidden=\"true\"><svg fill=\"currentColor\" width=\"24px\" height=\"24px\" viewBox=\"0 0 24 24\" xmlns=\"http://www.w3.org/2000/svg\"><path fill-rule=\"evenodd\" d=\"M20 12C20 7.58172 16.4183 4 12 4C7.58172 4 4 7.58172 4 12C4 16.4183 7.58172 20 12 20C16.4183 20 20 16.4183 20 12ZM11 8C11 8.55228 11.4477 9 12 9C12.5523 9 13 8.55228 13 8C13 7.44772 12.5523 7 12 7C11.4477 7 11 7.44772 11 8ZM12 10C13 10 13 11 13 11V16C13 16 13 17 12 17C11 17 11 16 11 16V11C11 11 11 11 10.5 11C10 11 10 10 10 10H12Z\"></path></svg></span>\n<div class=\"scilmi-callout-body\"><ul>\n<li>Pariser, E. (2011). <em>Filter Bubble: What the Internet Is Hiding from You</em>. Penguin Press.\n</li>\n<li>\nBakshy, E., Messing, S., &amp; Adamic, L. A. (2015). Exposure to ideologically diverse news and opinion on Facebook. <em>Science</em>\n, 348(6239), 1130–1132. <a href=\"https&#x3a;&#x2f;&#x2f;doi.org&#x2f;10.1126&#x2f;science.aaa1160\" class=\"use-hover-preview\" rel=\"noopener noreferrer nofollow\">https://doi.org/10.1126/science.aaa1160</a>\n</li>\n<li>\nFlaxman, S., Goel, S., &amp; Rao, J. M. (2016). Filter bubbles, echo chambers, and online news consumption. <em>Public Opinion Quarterly</em>\n, 80(S1), 298–320. <a href=\"https&#x3a;&#x2f;&#x2f;doi.org&#x2f;10.1093&#x2f;poq&#x2f;nfw006\" class=\"use-hover-preview\" rel=\"noopener noreferrer nofollow\">https://doi.org/10.1093/poq/nfw006</a>\n</li>\n<li>Bruns, A. (2019). <em>Existujú filtračné bubliny naozaj?</em> Polity Press.\n</li>\n</ul></div>\n</div>\n</div>\n<h2>Echo komora</h2>\n<p><strong>Echo komora</strong> je sociálne informačné prostredie, v ktorom je používateľ vystavený predovšetkým názorom, tvrdeniam alebo ideológiám, ktoré posilňujú jeho existujúce presvedčenia, zatiaľ čo odlišné názory chýbajú, sú odmietané alebo aktívne diskreditované. Cass Sunstein (2017) opisuje politické dôsledky: keď sa skupiny izolujú od vonkajších pohľadov, vnútorné presvedčenia sa časom zintenzívňujú a stávajú sa extrémnejšími (polarizácia skupiny).</p>\n<p>Na rozdiel od <em>filtračnej bubliny</em>, ktorá vzniká na základe algoritmickej personalizácie, ozvena je výsledkom predovšetkým <strong>vlastného výberu</strong> <strong>používateľa</strong>: rozhodnutia, koho sledovať, do ktorých komunít vstúpiť, ktorým zdrojom dôverovať a ktoré hlasy odmietnuť. Tieto voľby sú čiastočne ovplyvnené <em>potvrdzovacím skreslením</em> – kognitívnou tendenciou vyhľadávať a dôverovať informáciám, ktoré sú v súlade s existujúcimi presvedčeniami. Posilňujúci efekt vyplýva zo samotnej sociálnej štruktúry, nie z neviditeľného algoritmického filtrovania.</p>\n<p>C. Thi Nguyen (2020) robí koncepčné rozlíšenie, ktoré je dôležité pre intervenciu:</p>\n<ul>\n<li><strong>Epistemická bublina</strong> je sociálna štruktúra, v ktorej jednoducho chýbajú iné relevantné hlasy. Jej obyvatelia nepočujú protichodné názory, ale ani ich aktívne neodmietajú.\n</li>\n<li><strong>Echo komora</strong> v prísnom zmysle je sociálna štruktúra, v ktorej sú ostatné relevantné hlasy <em>aktívne diskreditované</em>. Členovia môžu počuť protichodné názory, ale naučia sa nedôverovať ich zdrojom.\n</li>\n</ul>\n<p>Epistemickú bublinu možno otvoriť zavedením nových informácií; ozvena odoláva korekcii aj vtedy, keď sú predložené vonkajšie dôkazy, pretože zdroje týchto dôkazov už boli delegitimizované.</p>\n<div class=\"scilmi-callout scilmi-callout-warning\">\n<div class=\"scilmi-callout-row\" aria-label=\"Warning\">\n<span class=\"scilmi-callout-icon\" aria-hidden=\"true\"><svg fill=\"currentColor\" width=\"24px\" height=\"24px\" viewBox=\"0 0 24 24\" xmlns=\"http://www.w3.org/2000/svg\"><path fill-rule=\"evenodd\" clip-rule=\"evenodd\" d=\"M12 20C7.58172 20 4 16.4183 4 12C4 7.58172 7.58172 4 12 4C16.4183 4 20 7.58172 20 12C20 16.4183 16.4183 20 12 20ZM12 15C12.5523 15 13 15.4477 13 16C13 16.5523 12.5523 17 12 17C11.4477 17 11 16.5523 11 16C11 15.4477 11.4477 15 12 15ZM12 14C13 14 13 13 13 13L13 10.5L13 8C13 8 13 7 12 7C11 7 11 8 11 8L11 13C11 13 11 14 12 14Z\"></path></svg></span>\n<div class=\"scilmi-callout-body\"><p>Empirické štúdie naznačujú, že silné, ideologicky izolované ozvenové komory sú menej bežné, ako naznačuje všeobecný diskurz (Cinelli et al., 2021; Guess et al., 2018), ale tam, kde existujú, môžu byť vysoko odolné voči korekcii. Samotná zhoda v rámci skupiny ešte nie je ozvenovou komorou – charakteristickým rysom je aktívne vylúčenie alebo diskreditácia vonkajších pohľadov.</p></div>\n</div>\n</div>\n<div class=\"scilmi-callout scilmi-callout-info\">\n<div class=\"scilmi-callout-row\" aria-label=\"Info\">\n<span class=\"scilmi-callout-icon\" aria-hidden=\"true\"><svg fill=\"currentColor\" width=\"24px\" height=\"24px\" viewBox=\"0 0 24 24\" xmlns=\"http://www.w3.org/2000/svg\"><path fill-rule=\"evenodd\" d=\"M20 12C20 7.58172 16.4183 4 12 4C7.58172 4 4 7.58172 4 12C4 16.4183 7.58172 20 12 20C16.4183 20 20 16.4183 20 12ZM11 8C11 8.55228 11.4477 9 12 9C12.5523 9 13 8.55228 13 8C13 7.44772 12.5523 7 12 7C11.4477 7 11 7.44772 11 8ZM12 10C13 10 13 11 13 11V16C13 16 13 17 12 17C11 17 11 16 11 16V11C11 11 11 11 10.5 11C10 11 10 10 10 10H12Z\"></path></svg></span>\n<div class=\"scilmi-callout-body\"><ul>\n<li>Sunstein, C. R. (2017). <em>#Republic: Divided Democracy in the Age of Social Media</em>. Princeton University Press.\n</li>\n<li>\nNguyen, C. T. (2020). Echo chambers and epistemic bubbles. <em>Episteme</em>\n, 17(2), 141–161. <a href=\"https&#x3a;&#x2f;&#x2f;doi.org&#x2f;10.1017&#x2f;epi.2018.32\" class=\"use-hover-preview\" rel=\"noopener noreferrer nofollow\">https://doi.org/10.1017/epi.2018.32</a>\n</li>\n<li>\nCinelli, M., De Francisci Morales, G., Galeazzi, A., Quattrociocchi, W., &amp; Starnini, M. (2021). Vplyv efektu ozveny na sociálnych médiách. <em>PNAS</em>\n, 118(9), e2023301118. <a href=\"https&#x3a;&#x2f;&#x2f;doi.org&#x2f;10.1073&#x2f;pnas.2023301118\" class=\"use-hover-preview\" rel=\"noopener noreferrer nofollow\">https://doi.org/10.1073/pnas.2023301118</a>\n</li>\n<li>Guess, A., Lyons, B., Nyhan, B., &amp; Reifler, J. (2018). <em>Ako sa vyhnúť efektu ozveny v súvislosti s efektom ozveny: Prečo je selektívne vystavenie sa politickým správam podobného zamerania menej bežné, než si myslíte</em>. Biela kniha Knight Foundation.\n</li>\n</ul></div>\n</div>\n</div>","UPDATEDAT":"2026-05-08T06:56:38.108Z","LANG":"sk","ID":"3b24684f-982f-46f5-bc94-0c5e6b459760","TITLE":"Šírenie informácií a zviditeľňovanie","SOURCELANG":"en"}