Badania nad normalizacją skrajnych postaw w mediach społecznościowych. Przegląd metodologiczny

Praca stanowi krytyczny przegląd metodologiczny literatury empirycznej z przecięcia badań nad platformami cyfrowymi i badań nad radykalizacją oraz skrajnymi postawami w internecie, czytanej pod kątem możliwości uchwycenia normalizacji tych zjawisk. Stawia dwa pytania badawcze: jaki fragment tego zjawiska chwyta każda z głównych rodzin metod i czego z zasady nie dosięga, oraz jaką rolę przypisuje się w tym procesie systemom rekomendacji i na ile materiał empiryczny tę rolę potwierdza. Przegląd obejmuje cztery rodziny metod: metody platformowe, metody eksperymentalne i audyty algorytmiczne, metody sondażowe oraz metody jakościowe. Wyróżnia również jedną technikę analizy treści: NLP. Analiza wykazuje, że żadna z omawianych metod nie mierzy normalizacji bezpośrednio: dane platformowe rejestrują ekspozycję i zachowania, ale nie przesunięcie normy zbiorowości; eksperymenty terenowe pozwalają na wnioskowanie przyczynowe na poziomie jednostki, lecz w zbyt krótkim oknie czasowym; metody sondażowe dotykają subiektywną granicę normy, ale nie samą normę jako zjawisko zbiorowe; tylko metody jakościowe obserwują normę bezpośrednio, kosztem skali i możliwości uogólnienia. Rola systemów rekomendacji jest empirycznie sporna. Bańka filtrująca jest udokumentowana jako zjawisko ekspozycji, ale jej wpływ na postawy pozostaje nieustalony. Efekt króliczej nory daje wyniki zależne od poziomu analizy. Amplifikacja napędzana zaangażowaniem jest testowalna tylko eksperymentalnie i pokazuje, że część użytkowników aktywnie poszukuje toksycznych treści nawet po usunięciu personalizacji. Żaden z mechanizmów nie jest potwierdzony jako prosty transmiter od ekspozycji do normalizacji skrajnych postaw jako zjawiska zbiorowego.

This paper presents a critical methodological review of empirical literature at the intersection of platform studies and research on radicalization and extreme attitudes online, read through the lens of the possibility of capturing the normalization of these phenomena. It addresses two research questions: what fragment of this phenomenon each major family of methods can capture and what it structurally cannot reach, and what role recommendation systems are attributed in this process and to what extent empirical evidence supports that role. The review covers four families of methods: platform methods, experimental methods and algorithmic audits, survey and self-report methods, and qualitative methods. It also distinguishes one content analysis technique: NLP. The analysis shows that none of the reviewed methods measures normalization directly: platform data registers exposure and behavior but not shifts in collective norms; field experiments enable causal inference at the individual level but within too short a time window; survey and self-report methods touch on the subjective boundary of the norm but not the norm itself as a collective phenomenon; only qualitative methods observe the norm directly, at the cost of scale and generalizability. The role of recommendation systems proves empirically contested. The filter bubble is documented as an exposure phenomenon but its effect on attitudes remains unestablished. The rabbit hole effect yields results that depend on the level of analysis. Engagement-driven amplification is testable only experimentally and shows that some users actively seek out toxic content even after personalization is removed. None of the three mechanisms is confirmed as a straightforward transmitter from exposure to the normalization of extreme attitudes as a collective phenomenon.