Bong bóng lọc (filter bubble) là trạng thái một người chủ yếu chỉ gặp thông tin hợp với hành vi và sở thích trước đó của mình, vì các hệ thống cá nhân hoá — máy tìm kiếm, bảng tin mạng xã hội, ứng dụng tin tức — tự động chọn và xếp nội dung dựa trên dữ liệu về người đó. Điểm cốt lõi là sự lọc diễn ra vô hình: người dùng không chọn bộ lọc, không thấy những gì bị loại, và thường không biết mình đang ở trong một phiên bản thông tin khác người bên cạnh.
Khái niệm này hay bị dùng lẫn với buồng vang (echo chamber) — nhóm người tự tụ lại và lặp đi lặp lại cùng một quan điểm. Hai hiện tượng liên quan nhưng khác nhau về nguyên nhân: bong bóng lọc nhấn vào thuật toán, buồng vang nhấn vào lựa chọn xã hội của con người. Bằng chứng thực nghiệm đến nay cho thấy bức tranh phức tạp hơn lời cảnh báo ban đầu: phần lớn người dùng mạng vẫn tiếp xúc với khá nhiều quan điểm khác mình, và lựa chọn cá nhân thường thu hẹp nguồn tin mạnh hơn thuật toán.
Nguồn gốc khái niệm: Eli Pariser và cuộc cá nhân hoá năm 2009
Thuật ngữ được nhà hoạt động Internet người Mỹ Eli Pariser phổ biến qua cuốn The Filter Bubble: What the Internet Is Hiding from You (2011) và một bài nói TED cùng năm. Pariser lấy mốc tháng 12 năm 2009, khi Google bắt đầu cá nhân hoá kết quả tìm kiếm cho mọi người dùng, kể cả người không đăng nhập, dựa trên hàng chục tín hiệu như vị trí, trình duyệt và lịch sử truy vấn. Ví dụ ông kể: hai người bạn cùng gõ một từ khoá về một công ty dầu khí nhưng nhận về hai trang kết quả có trọng tâm khác hẳn nhau.
Lập luận của Pariser gồm ba vế. Thứ nhất, mỗi người ở một mình trong bong bóng của mình, khác với việc cùng đọc một tờ báo. Thứ hai, bong bóng vô hình, nên người dùng không biết thông tin đến với mình đã bị chọn. Thứ ba, người dùng không chủ động bước vào: khác với việc tự mua một tạp chí theo khuynh hướng, ở đây hệ thống quyết định thay. Pariser lo rằng hệ quả dài hạn là xã hội mất "nền chung" để tranh luận, và cá nhân ít gặp ý tưởng bất ngờ giúp mình thay đổi.
Ý tưởng không hoàn toàn mới. Năm 1995, Nicholas Negroponte đã nói về tờ "Daily Me" — tờ báo cá nhân hoá cho từng người; năm 2001, luật gia Cass Sunstein trong Republic.com cảnh báo rằng khả năng tự lọc thông tin sẽ đẩy các nhóm về những cực quan điểm. Đóng góp riêng của Pariser là chuyển trọng tâm từ người dùng tự lọc sang thuật toán lọc hộ.
Bong bóng lọc và buồng vang: hai khái niệm, hai cơ chế
Phân biệt hai khái niệm giúp bạn hỏi đúng câu khi đánh giá nguồn tin của mình: vấn đề nằm ở hệ thống hay ở chính thói quen chọn lọc của mình và cộng đồng mình theo dõi.
| Tiêu chí | Bong bóng lọc | Buồng vang |
|---|---|---|
| Tác nhân chính | Thuật toán cá nhân hoá | Con người và mạng quan hệ |
| Cách hình thành | Hệ thống suy đoán sở thích rồi ưu tiên nội dung tương tự | Người cùng quan điểm theo dõi nhau, chia sẻ cho nhau, loại người khác |
| Người dùng có biết không | Thường không thấy phần bị lọc | Thường biết mình ở trong nhóm, nhưng không thấy nhóm lệch |
| Có thể tồn tại không cần Internet | Không, cần hệ thống tự động | Có, như câu lạc bộ, hội nhóm, tờ báo theo khuynh hướng |
| Đòn bẩy để thoát | Thay đổi cài đặt, tín hiệu, nguồn truy cập | Chủ động tìm người và nguồn khác quan điểm |
Trên thực tế hai cơ chế khuếch đại nhau: bạn theo dõi người giống mình (buồng vang), thuật toán học từ tương tác đó và đưa thêm nội dung giống thế (bong bóng lọc). Nhà nghiên cứu truyền thông Axel Bruns trong cuốn Are Filter Bubbles Real? (2019) cho rằng hai thuật ngữ đã bị dùng quá rộng đến mức mất sức giải thích, và đề nghị thay bằng câu hỏi cụ thể: ai tiếp xúc với gì, mức độ nào, đo bằng cách nào.
Cơ chế: vì sao cá nhân hoá dẫn tới thu hẹp
Hệ thống đề xuất được tối ưu cho một chỉ số như lượt nhấp, thời gian xem hay tương tác. Mỗi lần bạn nhấp vào một loại nội dung, hệ thống ghi nhận và tăng xác suất hiển thị loại nội dung đó. Đây là một vòng phản hồi: dữ liệu quá khứ quyết định thứ bạn thấy, thứ bạn thấy lại quyết định dữ liệu tương lai. Nội dung bạn chưa từng được cho xem thì không có cơ hội tạo tín hiệu, nên càng ít được hiển thị.
Trong khoa học máy tính, đây là thế giằng co giữa khai thác (đưa thứ chắc chắn bạn thích) và khám phá (thử thứ mới để học thêm về bạn). Hệ thống nghiêng hẳn về khai thác sẽ thu hẹp dần. Các nhóm kỹ sư biết rõ điều này và thường chèn một tỷ lệ nội dung khám phá, nhưng tỷ lệ đó là quyết định kinh doanh, không phải quy luật tự nhiên.
Một cơ chế thứ hai ít được nói đến là thiên lệch độ phổ biến: nội dung đã nhiều tương tác dễ được đẩy tiếp, nên thứ gây cảm xúc mạnh có lợi thế. Điều này không chỉ làm hẹp về quan điểm mà còn về giọng điệu: bạn có thể thấy đủ các phía, nhưng toàn là phiên bản gay gắt nhất của mỗi phía.
Bằng chứng thực nghiệm: bong bóng hẹp đến đâu
Nghiên cứu Facebook năm 2015. Bakshy, Messing và Adamic công bố trên Science phân tích hành vi của hàng triệu người dùng Mỹ tự khai khuynh hướng. Kết quả: thuật toán xếp hạng có giảm phần nội dung trái quan điểm mà người dùng thấy, nhưng mức giảm do chính lựa chọn nhấp của người dùng còn lớn hơn. Phê bình chính: các tác giả là nhân viên Facebook, mẫu chỉ gồm người tự khai khuynh hướng, và việc so "thuật toán với lựa chọn cá nhân" bỏ qua chỗ hai thứ ảnh hưởng lẫn nhau.
Nghiên cứu lịch sử duyệt web năm 2016. Flaxman, Goel và Rao (Public Opinion Quarterly) dùng dữ liệu duyệt web của khoảng 50.000 người và thấy một nghịch lý: tin đến qua mạng xã hội và máy tìm kiếm gắn với khoảng cách quan điểm lớn hơn giữa các cá nhân, nhưng đồng thời cũng gắn với việc tiếp xúc nhiều hơn với quan điểm đối lập so với đọc trực tiếp trang báo quen.
Thí nghiệm thay đổi bảng tin năm 2023. Một loạt nghiên cứu hợp tác giữa giới học thuật và Meta công bố trên Science và Nature đã can thiệp trực tiếp vào bảng tin của hàng chục nghìn người tình nguyện, ví dụ chuyển sang xếp theo thời gian hoặc giảm nội dung từ nguồn cùng quan điểm. Bảng tin thay đổi rõ rệt, thời gian dùng giảm, nhưng thái độ phân cực đo trong vài tháng gần như không đổi. Cách đọc thận trọng: thuật toán định hình rõ thứ người ta thấy, nhưng thay nó trong thời gian ngắn chưa đủ làm đổi thái độ đã hình thành lâu.
Đồng thuận hiện nay. Các tổng quan lớn, trong đó có báo cáo của Viện Reuters, nhận định rằng bong bóng lọc tuyệt đối là hiếm; điều đáng lo hơn là một thiểu số người dùng rất tích cực tiêu thụ nguồn tin cực đoan, và họ có ảnh hưởng không tương xứng với quy mô.
Hiểu lầm phổ biến về bong bóng lọc
Vì khái niệm dễ nhớ và có hình ảnh mạnh, nó thường bị kéo giãn vượt quá bằng chứng. Năm hiểu lầm sau đáng sửa trước khi bạn dùng khái niệm này trong giảng dạy hay báo cáo:
- "Ai cũng ở trong bong bóng kín." Dữ liệu đo thực tế cho thấy phần lớn người dùng có chế độ tin khá hỗn hợp; nhóm tiêu thụ tin một chiều cực đoan là thiểu số.
- "Thuật toán là thủ phạm duy nhất." Lựa chọn theo dõi ai, nhấp vào gì và bạn bè ngoài đời đều góp phần, nhiều khi lớn hơn phần thuật toán.
- "Trước Internet không có bong bóng." Truyền hình, báo in, nhóm xã hội cũ đều có hiệu ứng chọn lọc; điều mới là quy mô, tốc độ và tính vô hình của sự lọc.
- "Bỏ thuật toán, xếp theo thời gian là xong." Thí nghiệm năm 2023 cho thấy bảng tin theo thời gian không làm giảm phân cực, có khi còn tăng nội dung kém tin cậy vì mất đi lớp lọc chất lượng.
- "Thấy quan điểm đối lập sẽ làm người ta ôn hoà hơn." Một số thí nghiệm cho thấy tiếp xúc với phiên bản gay gắt của phía bên kia có thể làm người ta cứng rắn thêm; chất lượng của nội dung đối lập quan trọng không kém số lượng.
Cách tự kiểm tra và nới rộng chế độ tin của bạn
Không cần rời mạng xã hội để có chế độ thông tin rộng hơn. Quy trình sau làm được trong một buổi chiều và lặp lại mỗi quý:
- Kiểm kê nguồn: liệt kê 15–20 nguồn bạn đọc nhiều nhất trong tháng, đánh dấu nguồn đến qua thuật toán và nguồn bạn chủ động mở.
- Tách kênh tin khỏi kênh giải trí: đọc tin qua trang chủ hoặc bản tin email của toà soạn, để mạng xã hội cho giao lưu; trang chủ do biên tập viên xếp, không theo hồ sơ cá nhân của bạn.
- Thêm nguồn có chủ đích: chọn hai nguồn uy tín có góc nhìn khác thói quen của bạn và một nguồn chuyên ngành ngoài lĩnh vực mình.
- Dùng chế độ không cá nhân hoá: thử tìm cùng một từ khoá ở cửa sổ ẩn danh hoặc tắt lịch sử hoạt động để so kết quả.
- Dọn tín hiệu: dùng chức năng "không quan tâm" cho nội dung câu kéo, ngừng theo dõi tài khoản chỉ đăng nội dung gây phẫn nộ.
- Đọc bản mạnh nhất của quan điểm khác: tìm bài lập luận tốt nhất chứ không phải phát ngôn tệ nhất của phía bên kia.
Với doanh nghiệp, cùng nguyên tắc áp dụng cho bộ phận nghiên cứu thị trường: nếu cả nhóm theo dõi cùng một tập nguồn qua cùng nền tảng, báo cáo xu hướng sẽ lệch theo bong bóng của nhóm.
Câu hỏi thường gặp
Bong bóng lọc có phải là thuật ngữ khoa học được định nghĩa chặt không?
Chưa hẳn. Đây là khái niệm phổ biến hoá từ sách của Eli Pariser, sau đó giới nghiên cứu cố thao tác hoá bằng các chỉ số như độ đa dạng nguồn, khoảng cách quan điểm hay tỷ lệ phơi nhiễm chéo. Mỗi nghiên cứu đo một cách nên kết quả khó so trực tiếp với nhau.
Ứng dụng tin tức tổng hợp có tạo bong bóng lọc mạnh hơn mạng xã hội không?
Tuỳ cách thiết kế. Ứng dụng xếp tin theo sở thích cá nhân có cùng cơ chế vòng phản hồi, nhưng nguồn đầu vào thường là các toà soạn đã qua biên tập nên dải nội dung hẹp ít hơn về chất lượng. Bạn nên kiểm tra ứng dụng có mục tin nổi bật chung cho mọi người hay không.
Làm sao đo mức độ bong bóng của một nhóm người dùng trong nghiên cứu?
Cách phổ biến là gán cho mỗi nguồn một điểm khuynh hướng hoặc chủ đề, rồi tính độ đa dạng trong chế độ đọc của từng người bằng chỉ số entropy hoặc tỷ lệ nguồn khác nhóm. Dữ liệu tốt nhất là lịch sử duyệt thực tế có đồng ý, vì khảo sát tự khai thường thiên lệch.
Trẻ vị thành niên có dễ rơi vào bong bóng lọc hơn người lớn không?
Bằng chứng trực tiếp còn ít. Trẻ dùng nhiều nền tảng video ngắn, nơi đề xuất dựa gần như hoàn toàn vào hành vi xem chứ không vào danh sách theo dõi, nên vòng phản hồi chạy nhanh hơn. Điều được khuyến nghị rộng rãi là giáo dục kỹ năng nhận biết cơ chế đề xuất hơn là chỉ cấm đoán.
Bong bóng lọc ảnh hưởng gì tới nghiên cứu thị trường của doanh nghiệp?
Nhân viên dùng tài khoản cá nhân để nghe ngóng xu hướng sẽ thấy phiên bản thị trường đã được cá nhân hoá theo chính họ. Nên dùng công cụ lắng nghe mạng xã hội có mẫu rộng, tài khoản trung tính, và đối chiếu với dữ liệu bán hàng thật thay vì cảm nhận từ bảng tin.
Luật pháp có buộc nền tảng giải thích thuật toán đề xuất không?
Một số khu vực đã có quy định theo hướng này; ví dụ Đạo luật Dịch vụ số của Liên minh châu Âu yêu cầu nền tảng rất lớn công khai thông số chính của hệ thống đề xuất và cung cấp tuỳ chọn không dựa trên lập hồ sơ cá nhân. Quy định ở mỗi nước khác nhau, bạn nên kiểm văn bản hiện hành.