Onderzoek suggereert dat ChatGPT een hoge geloofwaardigheid heeft als nieuwsbron

Nieuw onderzoek suggereert dat de feitcontrolelabels van ChatGPT likes, shares en zelfs vertrouwde nieuwsmerken overtreffen als het gaat om het vormen van wat mensen geloven en willen delen online.

Een nieuwe studie van 1.000 mensen heeft aangetoond dat wanneer ChatGPT een geloofwaardigheidsscore toekent aan politiek nieuws, het vaak verandert wat mensen geloven en of ze het willen delen – ongeacht hun oorspronkelijke politieke opvattingen. Meer traditionele invloedsfactoren zoals likes of shares hadden weinig effect, maar de oordeel van de AI beïnvloedde sterk hoe betrouwbaar het nieuws leek:

Uit het nieuwe artikel, een illustratie van hoe mensen een nieuwskop beoordelen, gebaseerd op drie interactieve signalen: of het verhaal overeenkomt met hun politieke identiteit; hoeveel engagement het heeft op sociale media; en de geloofwaardigheidssignalen die worden verstrekt door instellingen of AI-systemen. Deze invloeden combineren om zowel de waargenomen nauwkeurigheid als de waarschijnlijkheid van delen van de inhoud te bepalen. Bron

De mate waarin AI-samenvattingen worden beschouwd als geloofwaardige nieuwsbronnen is misschien een van de belangrijkste onderwerpen in de media voor veel jaar, niet in de laatste plaats omdat Google’s AI-samenvattingen verkeer hebben weggetrokken van de meeste grote online mediabedrijven in 2025, met geen zekerheid waar deze overdracht van macht naartoe gaat in de lange of zelfs middellange termijn.

De auteurs van het nieuwe werk stellen:

‘Deze resultaten benadrukken zowel het potentieel als het risico van algoritmische feedback in het vormen van het publieke begrip. AI-gegenereerde signalen kunnen helpen om vooroordelen te mitigeren en de geloofwaardigheid te vergroten, maar hun invloed varieert per politieke identiteit en draagt ethische risico’s met zich mee die verband houden met overmatige afhankelijkheid […]

‘…De buitensporige invloed van ChatGPT benadrukt een kritieke afweging: terwijl overtuigend, kan AI-feedback kritisch denken verdringen als het niet zorgvuldig wordt gekaderd.’

De auteurs suggereren dat toekomstig onderzoek zich moet richten op verbeterde AI-geloofwaardigheidsinterventies die onafhankelijker en ondersteunender zijn voor bekende feiten, en zij merken op dat dit vooral belangrijk is in onderwerpen die gepolariseerd zijn.

Behalve de kennelijke opkomst van ChatGPT als een ‘autoriteit’, en de onverwacht lage invloed van delingsignalen in de tests (die de auteurs mogelijk toeschrijven aan de licht steriele testomstandigheden), is er nog een interessant resultaat van de tests van de onderzoekers met betrekking tot demografie en geslacht:

‘Vrouwen en etnische minderheden (vooral zwarte en Latine gebruikers) reageerden positiever op AI-gebaseerde feedback dan op institutionele labels.’

Het nieuwe werk heeft als titel AI-geloofwaardigheidssignalen overtreffen instellingen en engagement bij het vormen van nieuwsperceptie op sociale media, en komt van drie onderzoekers van de Universiteit van Notre Dame.

Laten we een nadere blik werpen op de methoden en conclusies van het artikel.

Methode

Vier hypotheses werden getest: dat mensen koppen als nauwkeuriger zouden beoordelen wanneer die koppen overeenkwamen met hun politieke opvattingen; dat AI-gegenereerde geloofwaardigheidsscores invloedrijker zouden zijn dan signalen van gevestigde instellingen; dat koppen met hoog engagement (d.w.z. gemeten door likes, shares of comments) als meer betrouwbaar zouden worden beschouwd; en dat gebruikers de oordeel van de AI over de nauwkeurigheid van een kop zouden accepteren, zelfs wanneer het in conflict was met hun eigen overtuigingen.

De deelnemers aan de studie werden geworven via het Prolific-platform, en moesten vloeiend Engels spreken, evenals regelmatige consumenten van nieuws; en een randomisatieproces zorgde ervoor dat de deelnemers een diverse groep raciale en geslachtsopvattingen vertegenwoordigden.

In het experiment* werden de deelnemers verdeeld in vier groepen, elk met een andere type feedback naast de nieuwskoppen.

In de eerste groep (de controlegroep) werd geen extra informatie gegeven over hoe geloofwaardig de kop kon zijn; in de tweede groep werden koppen gelabeld met een vooroordeelrating van GroundNews, een dienst die nieuwsbronnen classificeert als links-, centrum- of rechtsgeoriënteerd.

Een derde groep zag dezelfde GroundNews-labels, maar opzettelijk omgekeerd, waardoor een mismatch ontstond die bedoeld was om te testen of gebruikers de vertekening zouden detecteren.

De laatste groep werd getoond met geloofwaardigheidbeoordelingen geschreven door ChatGPT, met een korte uitleg en een rating zoals ‘waarschijnlijk onnauwkeurig’:

Conceptueel schema voor het experiment: elke deelnemer werd getoond politieke koppen met verschillende combinaties van geloofwaardigheidslabels en sociale engagement signalen. Reacties werden verzameld over hoe nauwkeurig elke kop leek en hoe waarschijnlijk het was om te delen, met de volledige sequentie herhaald over 21 items.

Gegevens en tests

Elke deelnemer werd getoond een sequentie van 21 politieke nieuwskoppen. Voor elke kop werd het niveau van sociaal engagement gewijzigd; soms werd geen likes of shares getoond, soms veel. Deze engagementsignalen werden gerandomiseerd om vaste patronen te vermijden.

De koppen zelf kwamen uit een mengsel van politieke perspectieven en werden gelabeld als linksgeoriënteerd, rechtsgeoriënteerd of centrum.

Na elke kop werden de deelnemers gevraagd hoe nauwkeurig ze dachten dat het was, en of ze het wilden delen. Omdat elke deelnemer al zijn eigen politieke affiliatie had vermeld, was het mogelijk om te analyseren of koppen van dezelfde kant van het politieke spectrum meer gunstig werden beoordeeld.

De deelnemers beoordeelden elke kop tweemaal: eenmaal voor hoe nauwkeurig het leek, en eenmaal voor hoe waarschijnlijk het was om te delen, met hun reacties gemeten op een schaal van 0-10.

De onderzoekers combineerden deze antwoorden met aanvullende gegevens: demografische en media-gebruiksgegevens van elke deelnemer; politieke labels voor elke kop; het type geloofwaardigheidssignaal dat werd getoond; en het niveau van sociaal engagement dat werd toegewezen.

Invloed van politieke identiteit

In de eerste test, die onderzocht of mensen koppen als nauwkeuriger beoordelen wanneer de politieke standpunten van de kop overeenkomen met hun eigen opvattingen, gaven de resultaten aan dat deelnemers meer geneigd waren om koppen te geloven die overeenkwamen met hun politieke opvattingen – maar dat dit afhankelijk was van de groep.

Gemiddelden toonden de sterkste vooroordeel naar hun eigen kant, terwijl liberalen en conservatieven meer vertrouwen hadden in centrumgeoriënteerde koppen; en over het algemeen werden neutrale koppen als meer nauwkeurig beoordeeld dan links- of rechtsgeoriënteerde koppen.

Een illustratie van hoe nauwkeurigheid en deelbaarheidsbeoordelingen veranderden afhankelijk van zowel de politieke standpunten van de kop als de politieke affiliatie van de deelnemer. Gemiddelden waren het meest geneigd om ‘eigen groep’ koppen als nauwkeurig te beoordelen, terwijl liberalen en conservatieven centrumgeoriënteerde koppen prefereerden. Deelgedrag volgde een soortgelijk patroon, met beperkt vooroordeel buiten de gemiddelde groep.

In de resultaten van deze eerste test werd een matig vooroordeel op deelbaarheid gevonden; maar alleen voor gemiddelden, die meer geneigd waren om politiek georiënteerde (d.w.z. neutrale) koppen te delen. Liberalen en conservatieven toonden geen dergelijke neiging.

Analyse van variantie (ANOVA), een methode die wordt gebruikt om verschillen tussen groepen te detecteren, toonde aan dat overeenstemming alleen invloed had op delen wanneer het interactie had met politieke identiteit. Geloofwaardigheid en delen waren gekoppeld, maar alleen gemiddelden toonden een duidelijk patroon in beide.

Instellingen vs. AI-geloofwaardigheid

De volgende test vroeg of mensen meer vertrouwen hebben in AI-ratings dan in traditionele bronnen zoals nieuwsbeoordelingswebsites – vooral wanneer de ratings mogelijk in conflict zijn met hun politieke opvattingen:

Geloofwaardigheid en deelbaarheidsbeoordelingen over feedbackbronnen: alle drie signalen verhoogden de nauwkeurigheid in vergelijking met de controlegroep, met GroundNews die de hoogste beoordelingen opleverde. ChatGPT produceerde echter de grootste winst in deelbaarheid, wat suggereert dat het een bredere overtuigingskracht had. Foutbalken geven 95% betrouwbaarheidsintervallen aan, en asterisken markeren significante paarwijze verschillen.

Alle feedback verhoogde de waargenomen nauwkeurigheid; maar GroundNews was het meest effectief wanneer het overeenkwam met de politieke opvattingen van de gebruiker.

ChatGPT verhoogde de nauwkeurigheidsbeoordelingen over het algemeen, wat aangaf dat het als meer neutraal werd beschouwd. Conservatieven waren minder beïnvloed door GroundNews, maar reageerden op ChatGPT op een manier die vergelijkbaar was met andere groepen:

Hier kunnen we de effecten van ChatGPT-feedback op de waargenomen nauwkeurigheid zien. De resultaten bevestigen dat vertrouwen in institutionele signalen afhankelijk is van overeenstemming, terwijl vertrouwen in algoritmische signalen dat niet doet. ChatGPT verhoogde zowel de geloofwaardigheid als de deelbaarheid over alle groepen – vooral voor conservatieven.

Sociale metrieken hebben weinig invloed

De derde analyse testte of zichtbare sociale engagementsignalen zoals likes, shares en comments de geloofwaardigheid of deelbaarheid zouden verhogen door als sociale bewijs te fungeren; maar geen dergelijk effect werd waargenomen.

Tests toonden aan dat engagementsignalen, zoals likes of shares, geen significant effect hadden op hoe nauwkeurig koppen leken, en alleen een zwak, onbetrouwbaar effect op hoe deelbaar ze leken; in tegenstelling tot algoritmische of institutionele signalen, leken deze sociale signalen geen invloed te hebben op oordelen in deze context, om redenen die eerder in het artikel werden genoemd.

AI-feedback beïnvloedt wat mensen vertrouwen

De vierde en laatste test onderzocht of gebruikers hun geloofwaardigheids- en deelbeoordelingen zouden aanpassen in reactie op AI-gegenereerde labels: nauwkeurig; enigszins nauwkeurig; onbevestigd; of onnauwkeurig, allemaal toegewezen door ChatGPT.

Deelnemers reageerden sterk op AI-gegenereerde geloofwaardigheidslabels. Nauwkeurigheidsbeoordelingen stegen of daalden in overeenstemming met de feedback van ChatGPT, met de grootste effecten wanneer koppen als accuraat of onnauwkeurig werden gelabeld:

ChatGPT-feedback beïnvloedde zowel de nauwkeurigheid als de deelbaarheidsbeoordelingen. Boven: Nauwkeurigheidsbeoordelingen stegen met meer positieve labels, vooral wanneer koppen als ‘Accuraat’ werden gemarkeerd, en daalden wanneer ze als ‘Onnauwkeurig’ werden gelabeld. Onder: Deelbaarheid volgde een soortgelijk patroon, maar toonde meer variatie per groep: liberalen reageerden het sterkst op negatieve signalen, terwijl conservatieven meer gematigde verschuivingen toonden.

Politieke identiteit vormde deze effecten, met gebruikers die ChatGPT meer vertrouwden wanneer de feedback overeenkwam met hun eigen opvattingen.

Deelgedrag volgde een soortgelijk patroon: ‘eigen groep’ koppen die als accuraat waren gemarkeerd, werden het vaakst gedeeld, vooral onder dubieuze labels zoals somewhat accuraat.

Deze resultaten, zoals het artikel stelt, suggereren dat AI-feedback gebruikersgedrag kan veranderen; en dat het ook het risico loopt om partijpolitieke scheidslijnen te versterken of kritisch denken te ontmoedigen.

Wie vertrouwt AI het meest?

Volgopnames onderzochten hoe gebruikersdemografie de reacties op geloofwaardigheidslabels beïnvloedde. ChatGPT’s feedback verhoogde de nauwkeurigheidsbeoordelingen over het algemeen, maar het effect was zwakker onder hoogopgeleide gebruikers en frequente sociale media-gebruikers, die meer scepsis toonden.

Deze groepen reageerden negatief op GroundNews- en omgekeerde signalen, wat suggereert, zoals het artikel voorstelt, dat overtuijgende vooroordeelmarkers meer mediageletterde gebruikers kunnen afstoten.

Daarentegen reageerden vrouwen en etnische minderheden, vooral zwarte en Latine gebruikers, positiever op ChatGPT dan op institutionele signalen:

Demografische reacties op feedbacktypen, met elk paneel dat aangeeft hoe een bepaalde groep reageerde op verschillende geloofwaardigheidssignalen. ChatGPT’s ratings hadden de sterkste en meest consistente invloed op nauwkeurigheid, terwijl de effecten op delen minder uniform waren, met variatie per ras, geslacht en media-gebruik.

Deelgedrag weerspiegelde deze splitsing: GroundNews verlaagde de deelbaarheid het sterkst onder sociale media-gebruikers en nieuwsjunkies, terwijl ChatGPT’s effecten meer gemengd waren, zelfs de deelbaarheid in sommige groepen verhogend, met afgestudeerden aan een universiteit die het meest reageerden op alle feedbacktypen.

De auteurs concluderen:

‘Deze resultaten hebben directe implicaties voor het ontwerp van geloofwaardigheidsinterventies in sociotechnische systemen. Gebruikers worden steeds meer beïnvloed door algoritmische feedback, die institutionele signalen kan overtreffen en partijpolitieke vooroordeel kan matigen – maar ook het risico loopt om overmatige afhankelijkheid te bevorderen.

‘Institutionele signalen blijven effectief voor sommige gebruikers, maar hun impact neemt af in politiek gepolariseerde of [lage-vertrouwens]omgevingen. Ondertussen werden engagementsignalen zoals likes en shares grotendeels genegeerd, wat suggereert dat hun overtuigingswaarde wordt verlaagd wanneer ze zonder sociale context worden gepresenteerd.

‘Om een eerlijke en geïnformeerde nieuwsbeoordeling te ondersteunen, moeten AI-gedreven interventies transparant, verklarend en ontworpen zijn om gebruikersagentie te verhogen.

‘Toekomstig onderzoek moet deze mechanismen in meer ecologisch valide omgevingen onderzoeken, alternatieve AI-geloofwaardigheidskaders evalueren en adaptieve systemen ontwikkelen die kritische betrokkenheid over politiek diverse publiek ondersteunen.’

Conclusie

Gezien de neiging van alle huidige generatieve AI-systemen om hallucinaties en waarheid te vertekenen, is het mogelijk enige zorg dat de wildvuur-adoptie (zelfs als het een beetje afneemt) van ChatGPT ook een enorme sprong van geloof inhoudt dat de architectuur van dergelijke systemen noch kan rechtvaardigen noch ondersteunen.

Een van de problemen met het vertrouwen op de weergave van nieuws door AI is het ontbreken van effectieve systemen die nieuwsbronnen kunnen contextualiseren als ‘politiek geaffilieerd’ of geneigd naar een van de uiteinden van het politieke spectrum.

Zelfs onder de meest gerespecteerde vierde-machtnieuwsbronnen is de keuze van wat wel en niet wordt gedekt, op zichzelf een politieke verklaring. ChatGPT noch zijn stabiele metgezellen is momenteel in staat om deze lagen van interpretatieve vooroordeel te navigeren, en het onderwerp zelf nodigt discussie uit in plaats van solide conclusies.

Nog een probleem is dat systemen van deze soort zijn opgedoken in een van de meest gepolariseerde en verdeelde perioden in de menselijke geschiedenis van de afgelopen 80 jaar, en op een moment waarop de samenleving het meest geneigd is om naar ‘alternatieve stemmen’ te luisteren – zoals een geheel nieuwe generatie technologie die wordt aangeprezen als een essentiële filter van de wereldwijde waarheid, in plaats van wat het eigenlijk is: een voorspeller van statistische waarschijnlijkheden, gevoed door hoge volumes aan partijpolitieke informatie.

* Details waarvan de auteurs hebben online beschikbaar gesteld (zie bronartikel, onderaan P2, voor URLs). Echter, deze gegevens vereisen registratie om te bekijken, en aangezien ik de kwestie op dat moment niet verder heb onderzocht, kan ik niet bevestigen dat het volledig kan worden bekeken zonder betaling en/of specifieke soorten referenties.

First published woensdag, 5 november 2025