המרחב הדיגיטלי שבו אנו מוצאים מידע, מעבדים, משתפים, יוצרים ומעבירים אותו, מתפתח ללא הרף, ובהתאם לכך עלינו לפתח גם את המיומנויות הדרושות כדי להתמצא בו. מיומנויות של הערכת מידע הן חיוניות בנוף הדיגיטלי המתרחב של ימינו, שבו המשתמשים נדרשים לעיתים קרובות לקבוע בעצמם עד כמה המידע מהימן, ואילו תפקידם של שומרי הסף המקצועיים הולך ומצטמצם.
מודלים מסורתיים להערכת אמינות מידע פותחו עבור סביבות שבהן המידע נוצר בידי בני אדם ומקורו היה ברור יחסית, כך שהמשתמשים יכלו להסתמך על סימנים כמו שם המחבר, שיוך מוסדי או ביקורת עמיתים כדי להעריך את מהימנותו. אולם השימוש ההולך וגובר ב־GenAI משנה את התנאים הללו. כאשר מידע נוצר או מוצג באמצעות מערכות בינה מלאכותית, לעיתים קרובות לא ברור מהם מקורות המידע שעליהם התבססה המערכת, כיצד הוא נוצר או מי אחראי לו. בסביבה כזו, קשה יותר להשתמש באסטרטגיות המסורתיות ששימשו עד כה להערכת האמינות של המידע.
על פי תיאוריית התהליך הכפול (Dual process theory), אנשים מעריכים מידע באמצעות שתי מערכות חשיבה: "מערכת 1", שהיא אינטואיטיבית ומהירה, ו"מערכת 2", שהיא איטית, אנליטית ורפלקטיבית יותר.[1] בסביבות מקוונות, המעודדות מהירות ומאמץ מזערי, משתמשים נוטים להסתמך על חשיבה מסוג מערכת 1 ולבצע שיפוטי אמינות מהירים, החשופים להטיות קוגניטיביות, כגון הטיית אישוש – הנטייה להעדיף מידע התואם עמדות קיימות ולהתעלם ממידע הסותר אותן.[2] לעומת זאת, חשיבה מסוג מערכת 2 מעודדת בחינה ביקורתית ומכוונת יותר, הכוללת עצירה לצורך הטלת ספק, אימות והשוואת מידע.[3] מחקרים מצביעים על מספר אסטרטגיות הערכה הדורשות מעורבות קוגניטיבית עמוקה יותר, ובהן הערכת תוכן, הערכת מקורות ואימות המידע מול מקורות אמינים נוספים.[4]
לפי מחקרים עדכניים, הערכת מקורות היא אסטרטגיה מרכזית בהקשר של הערכת מידע מדעי מורכב. זאת בשל התלות האפיסטמית של אנשים שאינם מומחים, כלומר הסתמכותם על גורמים מתווכים הנתפסים כמהימנים, משום שאין ביכולתם לאמת בעצמם את הטענות המדעיות.[5] אולם הופעתה של הבינה המלאכותית היוצרת מציבה אתגר בפני אסטרטגיות אלו, שכן מקור המידע הוא מערכת הבינה המלאכותית עצמה, כאשר הנתונים המשמשים לאימונה ותהליכי יצירת התוכן שלה לרוב אינם גלויים למשתמשים. כתוצאה מכך, סימני האמינות המסורתיים נעדרים לעיתים קרובות ממידע זה. יתרה מזאת, "השטחת המומחיות" לא רק מטשטשת את ההבחנה בין מקורות מומחים למקורות שאינם מומחים, אלא גם מגבירה את תלותם של משתמשים בקופסאות שחורות, שאופן פעולתן וההיגיון המנחה אותן נסתרים מפניהם. התפתחויות אלו מעוררות קשיים בכל הנוגע לאימות מידע ולייחוסו למקור מסוים, ומעלות שאלות לגבי יישום אסטרטגיות הערכה קיימות בסביבות מידע בתיווך בינה מלאכותית.[6]
על רקע העלייה בהיקף המידע הכוזב, עולה הצורך להבין כיצד אנשים מעריכים מידע שנוצר בידי בינה מלאכותית. מעבר להבנת דרך הפעולה הכללית של מערכות כאלה, על משתמשים להכיר גם במגבלות שלהן. מגבלות אלו כוללות חוסר שקיפות לגבי אופן פעולת האלגוריתמים, הטיות אפשריות במידע ששימש לאימון המערכות,[7] וכן נטייה ל"הזיות" של המערכת – היא עלולה לספק תשובות שנראות אמינות ומשכנעות, אך בפועל אינן נכונות.[8] אף שבמחקרים קודמים נבדקו תפיסות של אנשים לגבי בינה מלאכותית יוצרת מבחינת הוגנות, אחריות ושקיפות,[9] לא ידוע לנו הרבה על האופן שבו משתמשים מעריכים בפועל את המידע שמערכות אלו מספקות.
לפיכך, מטרת המחקר היא לבחון כיצד אנשים מעריכים מידע בעת שימוש ב־GenAI, בהשוואה להערכתו כאשר הם משתמשים במנוע חיפוש רגיל, בהקשרים של דילמות מדעיות יום־יומיות. לצורך ההשוואה בחרנו ב־Bing Chat של מיקרוסופט (היום Copilot) כמערכת בינה מלאכותית יוצרת, ובגוגל כמנוע חיפוש מסורתי. להשוואה בין שתי הפלטפורמות יש חשיבות משום שהן מציגות מידע בדרכים שונות: Bing Chat מספק תשובות ישירות בממשק שיחתי ומשלב בהן קישורים למקורות, ואילו בגוגל מוצגת רשימה של מקורות חיצוניים, והמשתמש נדרש להיכנס אליהם, לקרוא בהם ולהעריך אותם בעצמו. בשני המקרים המשתמשים יכולים לגשת למקורות מידע, אך יש הבדלים מהותיים באופן הגישה למידע ובאינטראקציה איתו. ההשוואה מאפשרת לנו לבדוק כיצד אנשים משתמשים באסטרטגיות הערכה בכל אחת מסביבות המידע. בהתאם לכך, שאלת המחקר המרכזית היא: כיצד אנשים מעריכים מידע מדעי שנוצר באמצעות Bing Chat בהשוואה למידע שמוצג בתוצאות החיפוש בגוגל?
