Условные эффекты экспертности источника и предшествующих установок на объективные знания при проверке медицинской информации с помощью ИИ

Почему это исследование важно для обычных читателей

Многие из нас теперь спрашивают у инструментов вроде ChatGPT помощь в оценке медицинских советов, которые мы видим в сети — от диетических рекомендаций до «чудодейственных» средств. В этом исследовании рассматривается простой, но важный вопрос: когда люди перепроверяют популярное утверждение о безглютеновой диете с помощью ИИ, что на самом деле формирует их знания — выглядит ли пост так, будто он от эксперта, что они уже думают о глютене или насколько уверены в собственных знаниях? Ответы показывают, когда ИИ может поддержать корректное понимание, а когда нашим убеждениям удаётся и дальше мешать.

Медицинские советы, помощники ИИ и смешанные сообщения

Исследователи сосредоточились на привычной реальной ситуации: пост в Facebook о безглютеновой диете, сочетающий достоверные факты с вводящими в заблуждение утверждениями. Безглютеновое питание необходимо людям с целиакией, но также стало трендом, позиционируемым как полезное для всех, несмотря на слабые доказательства. Такое сочетание науки, маркетинга и слухов делает тему глютена удобным полем для изучения того, как люди отделяют правду от преувеличений, когда у них есть ИИ как инструмент проверки. Авторы не рассматривали ChatGPT как убеждающий источник, а как часть «среды верификации», где люди делят с технологией работу по проверке, при этом всё ещё вынуждены судить, чему доверять.

Как проводился эксперимент

В онлайн-исследовании с 103 участниками все увидели одинаковый по точности смешанный пост в Facebook о безглютеновой диете, но менялся заявленный источник. Для одних участников пост выглядел как материал медиа-бренда, ориентированного на пищу, что сигнализировало об экспертности; для других — как публикация обычного пользователя. После прочтения участникам предложили использовать ChatGPT любым удобным способом, чтобы проверить информацию. Затем они прошли подробный тест, который объективно проверял их знания о глютене, а также ответили на вопросы о своих установках к безглютеновым диетам и о том, насколько они доверяли и ценили результаты поиска в ChatGPT.

Когда метки «эксперт» помогают — и когда нет

Удивительно, но простая маркировка поста как от экспертного источника сама по себе не приводила к лучшим фактическим знаниям после поиска в ChatGPT. В среднем те, кто видел пометку «эксперт», не показали более высоких баллов в тесте знаний по сравнению с теми, кто видел непрофессиональную версию. Но картина изменилась, когда исследователи учли предварительные установки участников. Среди тех, кто уже положительно относился к безглютеновым диетам, метка «эксперт» действительно имела значение: эти читатели в итоге отвечали вернее. Напротив, для людей с нейтральным или негативным отношением метка эксперта почти не влияла. Это указывает на то, что сигналы экспертности в первую очередь помогают тем, кто уже мотивирован заниматься темой, а не автоматически улучшают обучение у всех.

Неуверенность vs уверенное заблуждение

Исследование также разграничивало два типа пробелов в знаниях: люди, которые откровенно признавали «не знаю», и те, кто с уверенностью придерживался явно неверных убеждений. По паттернам правильных, неверных и «не знаю» ответов авторы классифицировали участников как относительно неуверенных или относительно дезинформированных. Их запланированная проверка трёхстороннего взаимодействия — метка эксперта, установка и состояние знаний вместе — не достигла строгого порога статистического подтверждения, вероятно, из‑за умеренного размера выборки. Тем не менее, исследовательский анализ намекнул, что метка эксперта и благоприятные установки чаще всего работали вместе главным образом для группы неуверенных, которые казались более открытыми к использованию подсказок вроде экспертности и отзывов ИИ, тогда как дезинформированные участники реагировали меньше.

Проектирование лучшей поддержки ИИ при медицинских решениях

Главный вывод для неспециалиста — ИИ и метки экспертности не являются волшебными решениями проблемы путаницы в сетевой медицинской информации. В этом исследовании генеративный ИИ выступал как полезный партнёр, но то, действительно ли люди узнали больше, зависело от их мотивации и от того, насколько прочно уже сформированы их убеждения. Сигналы экспертности улучшали фактическое понимание только у тех, кто был склонен вовлекаться, а людей, уверенно удерживающих неверные представления, было труднее затронуть, чем тех, кто просто не знал. Авторы утверждают, что будущие инструменты ИИ и коммуникации в области здравоохранения должны учитывать эти различия — поощрять более глубокое размышление, делать экспертность более заметной и адаптировать ответы в зависимости от того, является ли человек неуверенным или дезинформированным — чтобы ИИ поддерживал по-настоящему информированные, а не просто более внушаемые медицинские решения.

Цитирование: Oh, J., Montag, C., Kohne, J. et al. Conditional effects of source expertise and pre-existing attitudes on objective knowledge in AI-assisted health information verification. Sci Rep 16, 13291 (2026). https://doi.org/10.1038/s41598-026-43698-z

Ключевые слова: генеративный ИИ, медицинская дезинформация, достоверность источника, безглютеновая диета, онлайн-медицинская информация