Come un “filtro AI” ha ripulito il feed di X dall’odio online (senza censure): lo studio di Stanford

I social, lo sappiamo, tendono a rinforzare le nostre convinzioni, a renderci più ostili verso le opinioni diverse e a chiuderci in bolle informative, rendendo sempre più difficile un confronto civile con chi la pensa diversamente. Questa dinamica, però, potrebbe non essere inevitabile. Uno studio pubblicato su Science nel 2025 dall'università di Stanford mostra infatti che è possibile ridurre la polarizzazione intervenendo dall'esterno, senza modificare l'algoritmo della piattaforma.

I ricercatori hanno sviluppato un'estensione per browser basata sull'intelligenza artificiale che riordina i post presenti nel feed di X. Mostrando per primi i contenuti meno polarizzanti e lasciando quelli più polarizzanti alla fine, gli utenti diventano più aperti nei confronti di chi appartiene allo schieramento politico opposto. Invertendo l'ordine dei post, invece, aumenta l'ostilità.

Per ora lo strumento funziona solo su X e solo nella versione browser. Il codice dell'estensione, però, è stato pubblicato integralmente, così da permettere ad altri gruppi di ricerca di sviluppare strumenti analoghi per altre piattaforme. Il gruppo di ricerca ha inoltre dichiarato di essere al lavoro su una versione utilizzabile direttamente all'interno delle app, anche se la realizzazione è tecnicamente più complessa.

Vediamo allora come funziona questo strumento, come è stato progettato l'esperimento e quali effetti ha prodotto.

Come funziona: l’AI assegna un punteggio ai post e li riordina

Il gruppo di ricerca ha costruito un'estensione del browser, cioè un piccolo programma che si aggiunge al proprio browser – come Chrome o Firefox – per aggiungere nuove funzionalità. In questo caso, l'estensione modifica l'ordine dei post nel feed di X.

Ogni volta che un utente apre il social dal browser, l'estensione analizza un gruppo di circa 35 post. Un primo modello di linguaggio, cioè un'AI come ChatGPT, Claude o Gemini, individua quelli che contengono affermazioni di carattere politico. Questi vengono poi inviati a un secondo modello, che ne valuta il livello di polarizzazione. Per farlo prende in considerazione diversi fattori, tra cui il sostegno alla violenza politica, il linguaggio aggressivo nei confronti dello schieramento opposto e la rappresentazione distorta di eventi politici. A ciascun post assegna quindi un punteggio compreso tra 0, per nulla polarizzante, e 8, estremamente polarizzante.

A questo punto l'estensione non modifica né elimina alcun contenuto, ma si limita a riordinare i post. Se l'obiettivo è ridurre la polarizzazione, mostra per primi quelli con il punteggio più basso. Se invece si vuole ottenere l'effetto opposto, porta in cima al feed quelli con il punteggio più alto.

Test su 1200 partecipanti statunitensi prima delle elezioni presidenziali

Per testare e verificare gli effetti di questa estensione, l’università di Standford ha reclutato oltre 1200 partecipanti, tutti statunitensi e utilizzatori di X. Circa due terzi si identificavano come democratici, mentre il restante terzo come repubblicano. L'esperimento si è svolto nelle settimane immediatamente precedenti alle elezioni presidenziali statunitensi del 2024, uno dei momenti di maggiore tensione del dibattito politico.

I partecipanti sono stati assegnati casualmente a due esperimenti distinti e paralleli. Nel primo il feed veniva riordinato per ridurre l'esposizione ai contenuti polarizzanti, nel secondo per aumentarla. Ciascun esperimento comprendeva anche un gruppo di controllo, il cui feed rimaneva invariato, così da poter confrontare gli effetti prodotti dall'estensione.

Gli effetti dell’esperimento, durato una settimana, sono stati misurati attraverso una serie di questionari. I ricercatori hanno valutato sia le emozioni provate durante lo scorrimento del feed di X, sia gli atteggiamenti nei confronti del partito opposto, una misura nota come "polarizzazione affettiva".

Chi vede meno contenuti polarizzanti è più aperto verso il partito opposto

Da questo esperimento è emerso chiaramente che i contenuti a cui siamo esposti influenzano il modo in cui percepiamo chi ha idee politiche diverse dalle nostre. L'esposizione a un maggior numero di contenuti polarizzanti ha reso i partecipanti più ostili nei confronti del partito opposto, mentre un feed composto da contenuti più moderati ha aumentato l'apertura verso chi apparteneva allo schieramento politico avversario.

Questi effetti sono stati misurati attraverso il “termometro emotivo”, una scala da 0 a 100 utilizzata per valutare il grado di apprezzamento o ostilità nei confronti dell'altro partito. Entrambi gli effetti hanno superato i 2 gradi. Questo effetto può sembrare molto piccolo, ma si tratta di un cambiamento paragonabile a circa tre anni dell'evoluzione media della polarizzazione affettiva negli Stati Uniti. Lo spostamento è stato osservato sia tra gli elettori democratici sia tra quelli repubblicani.

I partecipanti esposti a un maggior numero di contenuti polarizzanti hanno inoltre riferito di sentirsi più arrabbiati e più tristi durante l’esperimento, proprio a causa dei contenuti a cui erano esposti. Queste emozioni, però, sono risultate temporanee e non sembrano spiegare gli effetti osservati sulla polarizzazione affettiva.

Questo studio mostra che è possibile rendere i social meno polarizzanti intervenendo sul modo in cui i contenuti vengono presentati agli utenti, senza necessariamente rimuoverli o limitarne la diffusione. Lo strumento sviluppato dai ricercatori funziona attualmente solo su browser, tramite Chrome ed Edge, e soltanto su X. Il codice dell'estensione è stato però reso pubblico insieme a una guida tecnica dettagliata, così da permettere ad altri gruppi di ricerca e sviluppatori di replicare l'esperimento e creare strumenti simili per altre piattaforme.

non perderti questo articolo

Le AI diventano marxiste se lavorano troppo? Non è coscienza politica: l’esperimento economico