Betingade effekter av källans sakkunskap och förhandsinställningar på objektiv kunskap vid AI-assisterad verifiering av hälsoinformation

Varför denna studie är viktig för vardagsläsaren

Många av oss frågar nu verktyg som ChatGPT om hjälp att bedöma hälso‑råd vi ser online, från kosttips till mirakelkurera. Denna studie undersöker en enkel men viktig fråga: när människor dubbelkollar ett populärt påstående om glutenfri kost med hjälp av AI, vad avgör egentligen vad de lär sig — om inlägget ser ut att komma från en expert, vad de redan tycker om gluten, eller hur säkra de är på sin egen kunskap? Svaren visar när AI kan stödja sund förståelse och när våra egna uppfattningar fortfarande står i vägen.

Hälsotips, AI‑hjälpare och blandade budskap

Forskarna fokuserade på en vanlig verklig situation: ett Facebookinlägg om glutenfri kost som blandar korrekta fakta med vilseledande påståenden. Glutenfri kost är nödvändig för personer med celiaki, men har också blivit en livsstilstrend som marknadsförs som nyttigare för alla, trots svaga bevis. Denna blandning av vetenskap, marknadsföring och rykten gör gluten till ett användbart fall för att studera hur människor skiljer sanning från överdrift när AI finns tillgängligt som ett kontrollverktyg. I stället för att betrakta ChatGPT som en övertygande källa såg författarna det som en del av en ”verifieringsmiljö” där människor delar tankearbetet med tekniken, men ändå måste bedöma vad som är värt att lita på.

Hur experimentet gick till

I en online‑studie med 103 deltagare såg alla samma inlägg med blandad korrekthet om glutenfri kost, men den påstådda källan ändrades. För vissa deltagare framstod inlägget som från ett matfokuserat mediemärke som signalerade sakkunskap; för andra kom det från en vanlig användare. Efter att ha läst inlägget fick deltagarna i uppdrag att använda ChatGPT på valfritt sätt för att kontrollera informationen. Därefter genomförde de ett detaljerat quiz som objektivt testade vad de nu visste om gluten, tillsammans med frågor om hur de kände inför glutenfri kost och hur mycket de litade på och värderade sina ChatGPT‑sökningar.

När expertetiketter hjälper — och när de inte gör det

Överraskande nog ledde det inte i sig att märka Facebookinlägget som från en expertkälla till bättre faktakunskaper efter ChatGPT‑sökningen. I genomsnitt presterade personer som såg expertmärket inte bättre på kunskapstestet än de som såg icke‑expertversionen. Men bilden förändrades när forskarna tittade på deltagarnas tidigare attityder. Bland deltagare som redan var ganska positiva till glutenfri kost gjorde expertetiketten en skillnad: dessa läsare fick fler korrekta svar. För personer med neutrala eller negativa attityder spelade expertetiketten däremot knappast någon roll. Det tyder på att expert‑signaler främst hjälper dem som redan är motiverade att engagera sig i ämnet, snarare än att automatiskt öka lärandet för alla.

Osäker kontra självsäkert felaktig

Studien skiljde också mellan två typer av kunskapsproblem: personer som öppet erkände ”jag vet inte” och de som höll klart felaktiga uppfattningar med visshet. Genom att använda mönster av rätt, fel och ”vet inte”‑svar klassificerade författarna deltagarna som relativt osäkra eller relativt felinformerade. Deras planerade test av ett tredimensionellt mönster — expertetikett, attityd och kunskapstillstånd tillsammans — nådde inte den strikta gränsen för statistiskt bevis, sannolikt på grund av det begränsade urvalet. Ändå antydde explorativa analyser att expertetiketten och gynnsamma attityder ofta samverkade framför allt för den osäkra gruppen, som verkade mer mottaglig för signaler som sakkunskap och AI‑återkoppling, medan felinformerade deltagare var mindre responsiva.

Att utforma bättre AI‑stöd för hälso‑beslut

För en lekmannaläsare är huvudslutsatsen att AI och expertetiketter inte är magiska lösningar på online‑hälsokonfusion. I denna studie fungerade generativ AI som en hjälpsam partner, men om människor faktiskt lärde sig mer berodde på deras motivation och hur fasta deras uppfattningar redan var. Expertsignaler förbättrade faktakunskap bara för dem som var benägna att engagera sig, och personer som var självsäkert felinformerade var svårare att nå än de som helt enkelt inte visste. Författarna menar att framtida AI‑verktyg och hälsokommunikation bör anpassas till dessa skillnader — uppmuntra djupare reflektion, göra sakkunskap mer synlig och skräddarsy svar beroende på om en person är osäker eller felinformerad — så att AI stödjer verkligt informerade, inte bara mer påverkade, hälso‑val.

Citering: 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

Nyckelord: generativ AI, hälso‑desinformation, källkredibilitet, glutenfri kost, hälsoinformation online