ವಾಸ್ತವದಿಂದ ಭಾವನೆಗಳ ಕಡೆಗೆ: Social Media Algorithms ಮತ್ತು ಬದಲಾಗ್ತಿರೋ ಭಾರತೀಯ ಮತದಾರನ ಮನಸ್ಸು

ಒಂದು ದಿನ ನಿಮ್ಮ ಮೊಬೈಲ್ ತೆರೆದಾಗ ನೀವು ನೋಡಿದ ಮೊದಲ ವಿಡಿಯೋ ಯಾವುದು ಎಂದು ನೆನಪಿದೆಯೇ? ಅದರ ನಂತರ ಬಂದ ಐದು ವಿಡಿಯೋಗಳು? ಅಥವಾ ಕಳೆದ ಒಂದು ವಾರದಲ್ಲಿ ನಿಮ್ಮ WhatsApp ಗುಂಪುಗಳಲ್ಲಿ ಹೆಚ್ಚು ಹಂಚಿಕೆಯಾಗಿದ್ದ ಸಂದೇಶಗಳು? ಬಹುಶಃ ನೆನಪಿರಲಿಕ್ಕಿಲ್ಲ. ಆದರೆ ಅವು ನಿಮ್ಮ ನೆನಪಿಗಿಂತಲೂ ಆಳವಾಗಿ ನಿಮ್ಮ ಮನಸ್ಸಿನ ಮೇಲೆ ಪರಿಣಾಮ ಬೀರಿರಬಹುದು. ನಾವು ರಾಜಕೀಯವನ್ನು ಸ್ವತಂತ್ರವಾಗಿ ಅಳೆಯುತ್ತಿದ್ದೇವೆ ಎಂದು ಭಾವಿಸುವ ಕ್ಷಣದಲ್ಲೇ, ನಮ್ಮ ಸುತ್ತಲಿನ ಡಿಜಿಟಲ್ ವಾತಾವರಣ ನಮ್ಮ ಭಾವನೆಗಳು, ಆದ್ಯತೆಗಳು ಮತ್ತು ನಿರ್ಧಾರಗಳನ್ನು ನಿಧಾನವಾಗಿ ರೂಪಿಸುತ್ತಿರಬಹುದು. ಇದೇ ಪ್ರಶ್ನೆಯನ್ನು ಈ ಸಂಶೋಧನಾ ವರದಿ ಆಳವಾಗಿ ಪರಿಶೀಲಿಸುತ್ತದೆ.

ಈ ವರದಿ ಮುಖ್ಯವಾಗಿ ಏನು ಹೇಳುತ್ತೆ?

Social media algorithms ಮನುಷ್ಯನ ಸ್ವತಂತ್ರ ಆಲೋಚನಾ ಶಕ್ತಿನಾ ಅಥವಾ ಮುಕ್ತ ಇಚ್ಛೆನಾ ನೇರವಾಗಿ ಕದಿಯೋದಿಲ್ಲ. ಬದಲಿಗೆ… ಒಬ್ಬ ವ್ಯಕ್ತಿ ಯಾವ ವಾತಾವರಣದಲ್ಲಿ ನಿರ್ಧಾರಗಳನ್ನ ತಗೊಳ್ತಾನೆ ಅನ್ನೋದನ್ನ ಅವು ಸಂಪೂರ್ಣವಾಗಿ ಬದಲಾಯಿಸುತ್ತವೆ. ಒಬ್ಬ ವ್ಯಕ್ತಿ ದಿನನಿತ್ಯ ತನ್ನ ಸ್ಮಾರ್ಟ್‌ಫೋನ್ ಸ್ಕ್ರೀನ್ ಮೇಲೆ ಏನನ್ನ ಪದೇ ಪದೇ ನೋಡ್ತಾನೆ, ಅವ್ನಲ್ಲಿ ಯಾವ ಭಾವನೆಗಳು ಕೆರಳುತ್ತವೆ, ಯಾವ ಗುಂಪಿನ ಐಡೆಂಟಿಟಿ ಬಲವಾಗುತ್ತೆ, ಅವನು ಯಾರನ್ನ ನೋಡಿ ಭಯಪಡ್ತಾನೆ, ಯಾರನ್ನ ದ್ವೇಷಿಸ್ತಾನೆ, ಯಾರನ್ನ ಕುರುಡಾಗಿ ನಂಬ್ತಾನೆ ಮತ್ತೆ ಯಾವ ರಾಜಕೀಯ ವಾಸ್ತವ ಅವನಿಗೆ ಸತ್ಯ ಅಂತ ಅನಿಸುತ್ತೆ ಅನ್ನೋದನ್ನ ಈ algorithms ನಿರಂತರವಾಗಿ shape ಮಾಡುತ್ತವೆ.

ಈ ವರದಿ, ಆಧುನಿಕ ಭಾರತದ ರಾಜಕೀಯ ಸಂವಹನದಲ್ಲಿ social media algorithms ಮತದಾರನ ಮನಸ್ಸನ್ನ ‘Governance evaluation’ (ಆಡಳಿತದ ಮೌಲ್ಯಮಾಪನ) ಹಂತದಿಂದ ‘Identity protection’ (ಗುರುತಿನ ರಕ್ಷಣೆ) ಹಂತಕ್ಕೆ ಹೇಗೆ ತಳ್ಳುತ್ತವೆ ಅನ್ನೋದನ್ನ ಆಳವಾಗಿ, psychological ಆಗಿ ವಿಶ್ಲೇಷಿಸುತ್ತೆ.

ಇದರ ಜೊತೆಗೆ… ಭಾರತದ ಒಕ್ಕೂಟ ವ್ಯವಸ್ಥೆಯಲ್ಲಿ ಪ್ರಾದೇಶಿಕ ಭಾಷಾ ಹಕ್ಕುಗಳು ಅನ್ನೋದು ಹೇಗೆ ಒಂದು ನ್ಯಾಯಸಮ್ಮತ ಸಾಂವಿಧಾನಿಕ ಹಕ್ಕು ಅನ್ನೋದನ್ನ ಈ ವರದಿ ಸ್ಪಷ್ಟಪಡಿಸುತ್ತೆ. ಭಾರತದ ಭಾಷಾ ವೈವಿಧ್ಯತೆ ಉಳಿಸೋ ಹೋರಾಟಗಳನ್ನ, ಹಾಗೆ ಹಿಂದಿ ಹೇರಿಕೆ ವಿರೋಧವನ್ನ algorithms ಮತ್ತೆ ರಾಜಕೀಯ ಕಥನಗಳು ‘ದೇಶದ್ರೋಹ’ ಅಂತ ಹೇಗೆ ತಪ್ಪು ಬಣ್ಣ ಬಳಿಯುತ್ತವೆ ಅನ್ನೋದನ್ನ ವೈಜ್ಞಾನಿಕವಾಗಿ ತೆರೆದಿಡುತ್ತೆ. ಒಟ್ಟಾರೆಯಾಗಿ… ತಂತ್ರಜ್ಞಾನ, ಮನೋವಿಜ್ಞಾನ ಮತ್ತೆ ಪ್ರಜಾಪ್ರಭುತ್ವದ ನಡುವಿನ ಸಂಕೀರ್ಣ ಸಂಬಂಧ ಅರ್ಥ ಮಾಡ್ಕೊಳ್ಳೋಕೆ ಈ ಸಂಶೋಧನಾ ವರದಿ ಒಂದು ಸಮಗ್ರ ಚೌಕಟ್ಟು ಒದಗಿಸುತ್ತೆ.

ಪರಿಚಯ: ಈಗ ರಾಜಕೀಯ ನಿರ್ಧಾರ ಹೇಗೆ ಬದಲಾಗಿದೆ?

ಭಾರತದಲ್ಲಿ ೨೦೧೪ಕ್ಕೂ ಮುಂಚೆಯೂ social media ಇತ್ತು, ಜನ ಅದನ್ನ ಬಳಸ್ತಿದ್ರು. ಆದ್ರೆ… ೨೦೧೪ರ ಎಲೆಕ್ಷನ್ ಮತ್ತೆ ಅದರ ನಂತರದ ದಿನಗಳಲ್ಲಿ ಭಾರತದ ರಾಜಕೀಯ ಡಿಜಿಟಲ್ ಪ್ರಚಾರ, WhatsApp ನೆಟ್‌ವರ್ಕ್‌ಗಳು, YouTube ರಾಜಕೀಯ ಕಂಟೆಂಟ್ ಮತ್ತೆ Facebook ಪೇಜ್‌ಗಳನ್ನ ಬಳಸಿಕೊಳ್ಳೋದ್ರಲ್ಲಿ ಅಗಾಧವಾದ ಬದಲಾವಣೆ ಕಂಡ್ತು. ವಿಶೇಷವಾಗಿ ೨೦೧೬ರ ಸೆಪ್ಟೆಂಬರ್ ನಂತ್ರ… ಅಗ್ಗದ ಮೊಬೈಲ್ ಡೇಟಾ ಕ್ರಾಂತಿ ಶುರುವಾದ್ಮೇಲೆ, ಪ್ರತಿಯೊಬ್ಬರ ಕೈಗೂ ಸ್ಮಾರ್ಟ್‌ಫೋನ್ ತಲುಪ್ತು. WhatsApp ಫಾರ್ವಡ್‌್ರಗಳು, YouTube ರೆಕಮೆಂಡೇಶನ್‌ಗಳು ಮತ್ತೆ ಇತ್ತೀಚಿನ ಶಾರ್ಟ್ ವಿಡಿಯೋ ಸಂಸ್ಕೃತಿ ಬೆಳೆದ ಮೇಲೆ… algorithmic ರಾಜಕೀಯ ಪ್ರಭಾವ ಅತ್ಯಂತ ಆಳವಾಗಿ, ವೈಯಕ್ತಿಕವಾಗಿ ಬದಲಾಗಿದೆ.

ಇಲ್ಲಿ ಮುಖ್ಯ ಪ್ರಶ್ನೆ ಏನು ಅಂದ್ರೆ… ನಿಜವಾದ ಬದಲಾವಣೆ ಇರೋದು ಕೇವಲ “೨೦೧೪ಕ್ಕೂ ಮುಂಚೆ ಮತ್ತು ೨೦೧೪ರ ನಂತ್ರ” ಅನ್ನೋದ್ರಲ್ಲಿ ಅಲ್ಲ. ಅಸಲಿ ಬದಲಾವಣೆ ಆಗಿರೋದು “pre-algorithmic mass political judgement” ಇಂದ “algorithmically personalized political judgement” ಕಡೆಗೆ. ಅಂದ್ರೆ… ಹಿಂದೆ ಒಂದು ದೊಡ್ಡ ಸಮುದಾಯ ತನ್ನ ದಿನನಿತ್ಯದ ಬದುಕಿನ ಭೌತಿಕ ಅನುಭವಗಳ ಆಧಾರದ ಮೇಲೆ ಒಟ್ಟಾಗಿ ರಾಜಕೀಯ ನಿರ್ಧಾರ ತಗೊಳ್ತಿತ್ತು. ಆದ್ರೆ ಈಗ… algorithms ಪ್ರತಿಯೊಬ್ಬ ವ್ಯಕ್ತಿಯ ಮೊಬೈಲ್ ಫೀಡ್ ಮೂಲಕ ಅವನದೇ ಆದ ಒಂದು ಪ್ರತ್ಯೇಕ ರಾಜಕೀಯ ಪ್ರಪಂಚವನ್ನ ಸೃಷ್ಟಿಸಿ, ವೈಯಕ್ತಿಕ ಮಟ್ಟದಲ್ಲಿ ರಾಜಕೀಯ ಅಭಿಪ್ರಾಯವನ್ನ ರೂಪಿಸ್ತಿವೆ. ಈ ಬದಲಾವಣೆ… ಮತದಾರನನ್ನ ವಾಸ್ತವದ ಆರ್ಥಿಕ ಅಥವಾ ಆಡಳಿತದ ಸಮಸ್ಯೆಗಳಿಗಿಂತ, ಡಿಜಿಟಲ್ ಜಗತ್ತು ಸೃಷ್ಟಿಸೋ ಭಾವನಾತ್ಮಕ ಮತ್ತೆ ಕಾಲ್ಪನಿಕ ಬೆದರಿಕೆಗಳ ಆಧಾರದ ಮೇಲೆ ವೋಟ್ ಹಾಕೋಕೆ ಪ್ರೇರೇಪಿಸ್ತಿದೆ.

ಈ ವರದಿ ಕೇಳುವ ಮುಖ್ಯ ಪ್ರಶ್ನೆಗಳು

ಈ ವಿಸ್ತ್ರತ ಸಂಶೋಧನಾ ವರದಿ ಪ್ರಜಾಪ್ರಭುತ್ವದ ಉಳಿವಿಗಾಗಿ ಅತ್ಯಂತ ಅವಶ್ಯಕವಾದ ಕೆಲವು ಮೂಲಭೂತ ಪ್ರಶ್ನೆಗಳನ್ನ ಎತ್ತುತ್ತೆ.

• ಮೊದಲನೆಯದಾಗಿ, social media algorithm ಒಬ್ಬ ಸಾಮಾನ್ಯ ಮತದಾರನ ಮನಸ್ಸನ್ನ ಹೇಗೆ influence ಮಾಡುತ್ತೆ ಮತ್ತು ನಿರಂತರವಾಗಿ ಎದುರಾಗುವ emotional posts ಮನುಷ್ಯನ rational judgement ಅನ್ನ ಹೇಗೆ weaken ಮಾಡುತ್ತವೆ ಅನ್ನೋದನ್ನ ಪರಿಶೀಲಿಸುತ್ತೆ.
• ಎರಡನೆಯದಾಗಿ, ದೈನಂದಿನ ಜೀವನದಲ್ಲಿ governance dissatisfaction ಇದ್ರೂ party loyalty ಏಕೆ ಮತ್ತು ಹೇಗೆ ಮಂಕಾಗದೆ ಉಳಿಯುತ್ತೆ ಅನ್ನೋ ಕೌತುಕವನ್ನ ಭೇದಿಸುತ್ತೆ.
• ಮೂರನೆಯದಾಗಿ, confirmation bias ಮತ್ತು identity politics ಒಟ್ಟಿಗೆ ಸೇರಿ ಮತದಾರರ ಆಲೋಚನಾ ಲಹರಿಯನ್ನ ಹೇಗೆ ಬದಲಾಯಿಸುತ್ತವೆ ಹಾಗೂ elderly users misinformation ಗೆ ಏಕೆ ಹೆಚ್ಚು vulnerable ಆಗಬಹುದು ಅನ್ನೋದನ್ನ ವಿಶ್ಲೇಷಿಸುತ್ತೆ.
• ಅಂತಿಮವಾಗಿ, ಸಾಂವಿಧಾನಿಕವಾಗಿ ನ್ಯಾಯಸಮ್ಮತವಾದ language-rights movements ಅನ್ನ anti-national ಅಂತ frame ಮಾಡೋ online narratives ಹೇಗೆ ಕೆಲಸ ಮಾಡುತ್ತವೆ ಮತ್ತು ಈ ಎಲ್ಲ ಬೆಳವಣಿಗೆಗಳಿಂದ ಭಾರತದ democracy ಗೆ ಏನು ಪರಿಣಾಮ ಉಂಟಾಗ್ತಿದೆ ಅನ್ನೋದನ್ನ ಈ ವರದಿ ಆಳವಾಗಿ ಪ್ರಶ್ನಿಸುತ್ತೆ.

Social Media ಮುಂಚೆ ರಾಜಕೀಯ ಅಭಿಪ್ರಾಯ ಹೇಗೆ ರೂಪುಗೊಳ್ಳುತ್ತಿತ್ತು?

ಅಲ್ಲಾರಿತಮ್‌ಗಳ ಪ್ರಾಬಲ್ಯಕ್ಕೂ ಮುನ್ನ… ಸಾಮಾನ್ಯ ಜನ ರಾಜಕೀಯ ಪಕ್ಷಗಳನ್ನ ಮತ್ತೆ ಸರ್ಕಾರಗಳನ್ನ ತಮ್ಮ ನೇರ ಜೀವನಾನುಭವದ ಆಧಾರದ ಮೇಲೆ ಅಳೆಯುತ್ತಿದ್ರು. ಒಬ್ಬ ವ್ಯಕ್ತಿ ತನ್ನ ಊರಿನ ಮಾರ್ಕೆಟ್‌ನಲ್ಲಿ ತರಕಾರಿ, ದಿನಸಿ ಬೆಲೆ ಎಷ್ಟು ಹೆಚ್ಚಾಗಿದೆ… ಯುವಕರಿಗೆ ಕೆಲಸ ಸಿಗ್ತಿದ್ಯಾ… ರಸ್ತೆ, ನೀರು, ಆಸ್ಪತ್ರೆಗಳ ಸ್ಥಿತಿ ಹೇಗಿದೆ ಅಂತ ನೋಡಿ ಸರ್ಕಾರದ ಮೌಲ್ಯಮಾಪನ ಮಾಡ್ತಿದ್ದ. ಸರ್ಕಾರಿ ಕಚೇರಿಗಳಲ್ಲಿ ಭ್ರಷ್ಟಾಚಾರ ಹೆಚ್ಚಾಗಿದ್ಯಾ, ಕಾನೂನು ಸುವ್ಯವಸ್ಥೆ ಸರಿಯಾಗಿದ್ಯಾ ಅನ್ನೋ ವಿಚಾರಗಳು ಚಹಾ ಅಂಗಡಿ, ಪಂಚಾಯತ್ ಕಟ್ಟೆ ಮತ್ತೆ ಕುಟುಂಬದ ಊಟದ ಸಮಯದಲ್ಲಿ ನಡೆಯೋ ಮುಖಾಮುಖಿ ಚರ್ಚೆಗಳಲ್ಲಿ ನಿರ್ಧಾರ ಆಗ್ತಿದ್ವು. ಮರುದಿನ ಬೆಳಿಗ್ಗೆ ಬರೋ ದಿನಪತ್ರಿಕೆಗಳು ಮತ್ತೆ ಸಂಜೆಯ ಟಿವಿ ವಾರ್ತೆಗಳು ಈ ಚರ್ಚೆಗಳಿಗೆ ಇಂಬು ನೀಡ್ತಿದ್ವು.

ಹಿಂದಿನ ವ್ಯವಸ್ಥೆಗಳು ಸಂಪೂರ್ಣ ದೋಷಮುಕ್ತವಾಗಿದ್ವು ಅಂತಲ್ಲ. ಪತ್ರಿಕೆಗಳು, ಟಿವಿ ಚಾನೆಲ್‌ಗಳು, ಜಾತಿ ಮುಖಂಡರು, ಧಾರ್ಮಿಕ ನಾಯಕರು, ಸ್ಥಳೀಯ ಗಣ್ಯರು ಮತ್ತೆ ಪಕ್ಷದ ಕಾರ್ಯಕರ್ತರು ಕೂಡ ಮತದಾರರನ್ನ influence ಮಾಡ್ತಿದ್ರು. ಆದ್ರೆ ಆ ಕಾಲದಲ್ಲಿ, ಉದ್ಯೋಗ ನಷ್ಟ, ಬೆಲೆ ಏರಿಕೆ ಅಥವಾ ಆಡಳಿತ ವೈಫಲ್ಯ ಎದ್ದು ಕಾಣುವಂತಿದ್ರೆ, ಎಷ್ಟೇ ಪ್ರಭಾವಿ ನಾಯಕನಿದ್ರೂ ಆತನ ವಿರುದ್ಧ ಮತದಾರರು ತಿರುಗಿ ಬೀಳೋ ಸಾಧ್ಯತೆ ಹೆಚ್ಚಿರ್ತಿತ್ತು. ಆದ್ರೆ ಇಂದಿನ social media algorithms ವೇಗ, personalization, ಪುನರಾವರ್ತನೆ ಮತ್ತೆ emotional targeting ಸಂಪೂರ್ಣ ಭಿನ್ನವಾಗಿದೆ. ಇಂದಿನ ವ್ಯವಸ್ಥೆ ಮನುಷ್ಯನ ಸಹಜ ಆಲೋಚನೆಯನ್ನ ಕೃತಕವಾಗಿ ಬದಲಾಯಿಸೋ ಶಕ್ತಿ ಹೊಂದಿದೆ.

ಈಗ Algorithmic Feed ರಾಜಕೀಯ ಅಭಿಪ್ರಾಯವನ್ನ ಹೇಗೆ ಬದಲಾಯಿಸುತ್ತೆ?

ನೀವು Facebook, Instagram, YouTube ಅಥವಾ X ಓಪನ್ ಮಾಡಿದಾಗ ಅಲ್ಲಿ ಕಾಣೋ content ಆಕಸ್ಮಿಕವಾಗಿ ಬಂದಿದ್ದಲ್ಲ. ನಿಮ್ಮ ಪ್ರತಿಯೊಂದು ಲೈಕ್, ಕಮೆಂಟ್, ಶೇರ್… ಮತ್ತೆ ನೀವು ಒಂದು ವಿಡಿಯೋ ಎಷ್ಟು ಹೊತ್ತು ನೋಡ್ತೀರಾ ಅನ್ನೋ ಮಾಹಿತಿ ಕಲೆಕ್ಟ್ ಮಾಡಿ, ಮುಂದೆ ನಿಮಗೆ ಏನು ತೋರಿಸ್ಬೇಕು ಅಂತ recommendation system ನಿರ್ಧಾರ ತಗೊಳ್ತದೆ. ಇದನ್ನ engagement-based ranking ಅಂತ ಕರೀತಾರೆ. ಅಂದ್ರೆ… ಯಾವ ಪೋಸ್ಟ್ ಅಥವಾ ವಿಡಿಯೋ ಜನನ್ನ ಹೆಚ್ಚು ಹೊತ್ತು ಆ್ಯಪ್‌ನಲ್ಲಿ ಹಿಡಿದಿಡುತ್ತೋ, ಅದಕ್ಕೆ algorithm ಹೆಚ್ಚು ಪ್ರಾಶಸ್ತ್ಯ ಕೊಡುತ್ತೆ.

ಇದರ ಪರಿಣಾಮ ಏನಾಗುತ್ತೆ ಅಂದ್ರೆ… ನೀವು ಬೆಲೆ ಏರಿಕೆ ಅಥವಾ ನಿರುದ್ಯೋಗದ ಬಗ್ಗೆ ಯೋಚಿಸ್ತಿರುವಾಗ್ಲೇ, ನಿಮ್ಮ ಫೀಡ್‌ನಲ್ಲಿ ತೀವ್ರ ಭಾವನಾತ್ಮಕ content-ಗಳು ಎದುರಾಗುತ್ತವೆ. ಧರ್ಮದ ಆಧಾರದ ಮೇಲಿನ ಪೋಸ್ಟ್ಗಳು, ಕೋಪ ತರಿಸೋ ವಿಡಿಯೋಗಳು, ಅತಿ-ರಾಷ್ಟ್ರೀಯತೆಯ ಕ್ಲಿಪ್‌ಗಳು, ಮತ್ತೆ ವಿರೋಧ ಪಕ್ಷದ ನಾಯಕರನ್ನ ದೇಶದ್ರೋಹಿಗಳಂತೆ ಬಿಂಬಿಸೋ ಎಡಿಟೆಡ್ ವಿಡಿಯೋಗಳು ನಿಮ್ಮ ಸ್ಕ್ರೀನ್ ಅನ್ನ ಆವರಿಸುತ್ತವೆ. ರಾಜಕೀಯ ಐಟಿ ಸೆಲ್‌ಗಳು, ಇನ್‌ಫ್ಲುಯೆನ್ಸರ್‌ಗಳು, ಮತ್ತೆ ಮೀಮ್ ಪೇಜ್‌ಗಳು WhatsApp ಫಾರ್ವಡ್‌್ರಗಳು ಹಾಗೂ Instagram ರೀಲ್ಸ್ ಮೂಲಕ ನಿರಂತರವಾಗಿ ಇಂತಹ outrage content ಅನ್ನ ಹರಿಯಬಿಡುತ್ತವೆ. ಇದರಿಂದಾಗಿ ಮತದಾರ ತನ್ನ ನೈಜ ಸಮಸ್ಯೆಗಳನ್ನ ಮರೆತು, ಕಾಲ್ಪನಿಕ ಭಾವನಾತ್ಮಕ ಪ್ರಪಂಚದಲ್ಲಿ ತನ್ನ ರಾಜಕೀಯ ಅಭಿಪ್ರಾಯವನ್ನ ಕಟ್ಟಿಕೊಳ್ಳೋಕೆ ಶುರು ಮಾಡ್ತಾನೆ.

ವೇದಿಕೆ (Platform)	ಪ್ರಭಾವದ ವಿಧಾನ (Algorithmic Mechanism)	ರಾಜಕೀಯ ಪರಿಣಾಮ (Political Impact)
WhatsApp	ಎಂಡ್-ಟು-ಎಂಡ್ ಎನ್‌ಕ್ರಿಪ್ಶನ್, ನೆಟ್‌ವರ್ಕ್‌ಗಳು	ಕಮ್ಯುನಿಟಿ-ಆಧಾರಿತ ಎಮೋಷನಲ್ ಫಾರ್ವಡ್‌್ರಗಳು, ಮೂಲ ಪತ್ತೆಹಚ್ಚಲಾಗದ ಸುಳ್ಳು ಸುದ್ದಿಗಳು.
YouTube	ವಾಚ್-ಟೈಮ್ ಆಧಾರಿತ ರೆಕಮೆಂಡೇಶನ್ ರ್ಯಾಬಿಟ್ ಹೋಲ್	ದೀರ್ಘಕಾಲಿಕ ಐಡಿಯಾಲಾಜಿಕಲ್ ಬೈನ್‌ವಾಶ್ ಮತ್ತು ತೀವ್ರಗಾಮಿ (extreme) ವಿಚಾರಗಳ ಸೃಷ್ಟಿ.
Facebook	ಎಂಗೇಜ್‌ಮೆಂಟ್ ಆಧಾರಿತ ಫೀಡ್, ಗ್ರೂಪ್‌ಗಳು	ಹಿರಿಯ ಬಳಕೆದಾರರ ನಡುವೆ ಸುಲಭವಾಗಿ ಹರಡುವ ಮೀಮ್‌ಗಳು ಮತ್ತು ತಪ್ಪು ಮಾಹಿತಿಗಳು.
Instagram	ಶಾರ್ಟ್‌-ವಿಡಿಯೋ (Reels), ಅತಿವೇಗದ ಸ್ಕೋಲಿಂಗ್, ದೃಶ್ಯ-ಆಧಾರಿತ ಅಲ್ಲಾರಿತಮ್	ಯುವಜನತೆಯಲ್ಲಿ ತ್ವರಿತ ಆಕ್ರೋಶ, ಮೀಮ್ ಪಾಲಿಟಿಕ್ಸ್ ಮತ್ತು ದೃಶ್ಯ-ಆಧಾರಿತ ಪ್ರಭಾವ.
X (Twitter)	ಟ್ರೆಂಡಿಂಗ್ ಟಾಪಿಕ್ಸ್, ನ್ಯಾವೆರೇಟಿವ್ ಸೆಟ್ಟಿಂಗ್	ಎಲೈಟ್ ರಾಜಕೀಯ ಸಂವಹನ, ಪತ್ರಕರ್ತರು/ನಾಯಕರ ನಡುವಿನ ಕಾದಾಟ.

ಈ ವಿಷಯದಲ್ಲಿ ಮನುಷ್ಯನ ಮನಸ್ಸು ಹೇಗೆ ಕೆಲಸ ಮಾಡುತ್ತೆ?

ಮತದಾರನ ಮನಸ್ಸನ್ನ algorithms ಹೇಗೆ ಕಂಟ್ರೋಲ್ ಮಾಡುತ್ತವೆ ಅನ್ನೋದನ್ನ ಅರ್ಥ ಮಾಡ್ಕೊಳ್ಳ್ಬೇಕು ಅಂದ್ರೆ ಕೆಲವು psychological ತತ್ವಗಳನ್ನ ನಾವು ವಿಶ್ಲೇಷಿಸಲೇಬೇಕು. ನಮ್ಮ ಮೆದುಳಿನ ದೌರ್ಬಲ್ಯಗಳನ್ನ ತಂತ್ರಜ್ಞಾನ ಹೇಗೆ ಬಳಸಿಕೊಳ್ತಿದೆ ಅನ್ನೋದನ್ನ ಈ ಅಂಶಗಳು ಸ್ಪಷ್ಟಪಡಿಸುತ್ತವೆ:

• Confirmation Bias ಅಂದ್ರೆ, ಮನುಷ್ಯ ತಾನು ಈಗಾಗಲೇ ನಂಬಿರೋ ಮಾತನ್ನೇ ಮತ್ತೆ ಮತ್ತೆ ಸತ್ಯ ಅಂತ ನಂಬೋ ಸ್ವಭಾವ. ಉದಾಹರಣೆಗೆ, ಒಬ್ಬ ವ್ಯಕ್ತಿ ಈಗಾಗಲೇ ಒಂದು ಪಕ್ಷನ ಬೆಂಬಲಿಸ್ತಿದ್ರೆ, ಆ ಪಕ್ಷನ ಹೊಗಳೋ ವಿಡಿಯೋಗಳನ್ನ ಸುಲಭವಾಗಿ ನಂಬ್ತಾನೆ. ಆದ್ರೆ ಅದೇ ಪಕ್ಷದ ವಿರುದ್ಧ ಇರೋ ನಿಜವಾದ ಮಾಹಿತಿಯನ್ನೂ ‘ಇದು ಸುಳ್ಳು’ ಅಂತ ತಳ್ಳಿಹಾಕ್ಬಹುದು. ಇದರಿಂದ algorithm ಅವನಿಗೆ ಅದೇ ರೀತಿಯ content ತೋರಿಸಿ ಅವನ ನಂಬಿಕೆಯನ್ನ ಮತ್ತಷ್ಟು ಕುರುಡಾಗಿಸುತ್ತೆ, ಹೊಸ ವಿಚಾರ ಕಲಿಯೋಕೆ ಅವಕಾಶವೇ ಇರೋದಿಲ್ಲ.
• Motivated Reasoning ಅಂದ್ರೆ, ಮನುಷ್ಯ ಒಂದು ನಿರ್ಣಯಕ್ಕೆ ಮೊದಲೇ ಬಂದುಬಿಟ್ಟಿರ್ತಾನೆ; ಆ ನಂತ್ರ ಆ ನಿರ್ಣಯ ಸರಿ ಅಂತ ಸಾಧಿಸೋಕೆ ಬೇಕಾದ ಕಾರಣಗಳನ್ನ ಹುಡುಕೋ ಪ್ರಕ್ರಿಯೆ. ಉದಾಹರಣೆಗೆ, ತಾನು ಬೆಂಬಲಿಸೋ ನಾಯಕ ದೊಡ್ಡ ಆರ್ಥಿಕ ಹಗರಣದಲ್ಲಿ ಸಿಕ್ಕಿಬಿದ್ರೂ, ಆತನ ಬೆಂಬಲಿಗರು “ಎಲ್ಲರೂ ಭ್ರಷ್ಟರೇ, ಕನಿಷ್ಠ ಈತ ನಮ್ಮ ಧರ್ಮವನ್ನಾದ್ರೂ ಉಳಿಸ್ತಿದ್ದಾನೆ” ಅಥವಾ “ಇದು ವಿರೋಧಿಗಳ ಷಡ್ಯಂತ್ರ” ಅಂತ ಸಮರ್ಥಿಸಿಕೊಳ್ತಾರೆ. ತಪ್ಪು ಎಷ್ಟೇ ದೊಡ್ಡದಿದ್ರೂ, ಅದನ್ನ ಸಮರ್ಥಿಸಿಕೊಳ್ಳೋ ಮೂಲಕ ಮತದಾರ ತನ್ನ ಪಕ್ಷನಿಷ್ಠೆಯನ್ನ ಬಿಟ್ಟುಕೊಡದೆ ಉಳಿಸಿಕೊಳ್ತಾನೆ.
• Cognitive Dissonance ಅಂದ್ರೆ, ತಾನು ನಂಬಿರೋ ವಿಚಾರಕ್ಕೂ, ಕಣ್ಣ ಮುಂದಿರೋ ವಾಸ್ತವಕ್ಕೂ ತಾಳೆಯಾಗದಿದ್ದಾಗ ಮನುಷ್ಯನ ಮೆದುಳಿನಲ್ಲಿ ಉಂಟಾಗುವ ತಳಮಳ. ತಾನು ಓಟು ಹಾಕಿದ ಸರ್ಕಾರ ಆರ್ಥಿಕವಾಗಿ ವಿಫಲವಾಗಿದೆ ಅಂತ ದಿನಸಿ ಅಂಗಡಿಯಲ್ಲಿನ ಬೆಲೆ ನೋಡಿದಾಗ ಅರ್ಥವಾಗುತ್ತೆ. ಆದ್ರೆ “ನಾನು ತಪ್ಪು ನಿರ್ಧಾರ ಮಾಡಿದೆ” ಅಂತ ಒಪ್ಪಿಕೊಳ್ಳೋದು ಮೆದುಳಿಗೆ ಕಷ್ಟ. ಈ ತಳಮಳದಿಂದ ತಪ್ಪಿಸಿಕೊಳ್ಳೋಕೆ, ಮತದಾರ social media ದಲ್ಲಿ ಬರೋ “ಜಾಗತಿಕ ಮಟ್ಟದಲ್ಲಿ ನಮ್ಮ ದೇಶ ಎಷ್ಟೊಂದು ಬೆಳೆದಿದೆ” ಅನ್ನೋ ಕಥೆಗಳನ್ನ ಆತುರದಿಂದ ನಂಬಿ ನೆಮ್ಮದಿ ಕಂಡುಕೊಳ್ತಾನೆ.
• Social Identity Theory ಅಂದ್ರೆ, ಒಬ್ಬ ವ್ಯಕ್ತಿ ತನ್ನನ್ನ ತಾನು “ನಾನು ಯಾರು?” ಅಂತ ಗುರುತಿಸಿಕೊಳ್ಳೋಕೆ ತನ್ನ ಧರ್ಮ, ಜಾತಿ, ಭಾಷೆ ಅಥವಾ ರಾಜಕೀಯ ಪಕ್ಷದ ಗುಂಪಿನ ಜೊತೆ ತನ್ನನ್ನ ವಿಲೀನಗೊಳಿಸಿಕೊಳ್ಳೋದು. “ನಾನೊಬ್ಬ ಸಾಮಾನ್ಯ ನಾಗರಿಕ” ಅನ್ನೋದಕ್ಕಿಂತ “ನಾನೊಬ್ಬ ಹಿಂದೂ/ಮುಸ್ಲಿಂ/ಫಲಾನಾ ಪಕ್ಷದ ಕಟ್ಟಾಳು” ಅಂತ ಗುರುತಿಸಿಕೊಳ್ಳೋದು. ಗುಂಪಿನ ಗುರುತು ಬಲವಾದಷ್ಟೂ, ಆ ಗುಂಪಿನ ನಾಯಕನನ್ನ ಟೀಕಿಸಿದ್ರೆ ಅದು ತನ್ನ ಮೇಲೆಯೇ ಆದ ವೈಯಕ್ತಿಕ ದಾಳಿ ಅಂತ ಮತದಾರ ಭಾವಿಸ್ತಾನೆ.
• In-group vs Out-group Psychology ಅಂದ್ರೆ, “ನಮ್ಮವರು” ಒಳ್ಳೆಯವರು, ಮತ್ತೆ “ಹೊರಗಿನವರು ಅಥವಾ ಇತರರು” ಕೆಟ್ಟವರು ಮತ್ತು ಅಪಾಯಕಾರಿ ಅನ್ನೋ ಮನೋಭಾವ. “ನಮ್ಮ ಪಕ್ಷ ದೇಶ ಕಟ್ಟ್ತಿದೆ, ವಿರೋಧ ಪಕ್ಷದವರು ಮತ್ತೆ ಅವರನ್ನ ಬೆಂಬಲಿಸೋರು ದೇಶದ್ರೋಹಿಗಳು” ಅಂತ ನಂಬೋದು. ಇದರಿಂದಾಗಿ ಬೇರೆ ಸಮುದಾಯದವರ ಬಗ್ಗೆ ಅಥವಾ ವಿರೋಧ ಪಕ್ಷದವರ ಬಗ್ಗೆ ಇರೋ ಸಹಾನುಭೂತಿ ಕಳೆದುಹೋಗುತ್ತೆ, ಮತ್ತೆ ಇದು ಸಮಾಜವನ್ನ ಆಳವಾಗಿ ವಿಭಜಿಸುತ್ತೆ.
• Fear-Based Persuasion ಅಂದ್ರೆ, ಮನುಷ್ಯನ ಮನಸ್ಸಿನಲ್ಲಿ ವಿಪರೀತ ಭಯ ಹುಟ್ಟಿಸೋ ಮೂಲಕ ಆತನ ಒಪ್ಪಿಗೆ ಪಡೆಯೋದು. “ಈ ಬಾರಿ ನೀವು ನಮ್ಮ ಪಕ್ಷಕ್ಕೆ ವೋಟ್ ಹಾಕದಿದ್ರೆ, ಅಲ್ಪಸಂಖ್ಯಾತರು ಮೆರೆಯುತ್ತಾರೆ” ಅಥವಾ “ಪಾಕಿಸ್ತಾನದ ಬೆಂಬಲಿಗರು ದೇಶನ ಆಳ್ತಾರೆ” ಅನ್ನೋ ಮೆಸೇಜ್‌ಗಳನ್ನ ಹರಡೋದು. ಭಯದಲ್ಲಿರೋ ಮನುಷ್ಯ ತರ್ಕಬದ್ಧವಾಗಿ ಯೋಚಿಸೋದಿಲ್ಲ; ಅವನು ಕೇವಲ ತನ್ನ ಭದ್ರತೆ ಬಗ್ಗೆ ಯೋಚಿಸಿ ತನಗೆ ರಕ್ಷಣೆ ನೀಡೋ ಹಾಗೆ ಕಾಣೋ ನಾಯಕನಿಗೆ ವೋಟ್ ಹಾಕ್ತಾನೆ.
• Outrage Amplification ಅಂದ್ರೆ, ಸಿಟ್ಟು ಮತ್ತೆ ಆಕ್ರೋಶ ಕೆರಳಿಸೋ content ಗೆ algorithm ಹೆಚ್ಚು ರೀಚ್ ಕೊಡೋ process. ಸುಮ್ಮನೆ ಒಂದು ನೀತಿಯ ಬಗ್ಗೆ ವಿಮರ್ಶೆ ಮಾಡಿದ್ರೆ ಹತ್ತು ಲೈಕ್ ಬರುತ್ತೆ. ಆದ್ರೆ, “ನೋಡಿ ಇವರು ನಮ್ಮ ದೇಶಕ್ಕೆ ಎಂಥ ದ್ರೋಹ ಬಗೆದಿದ್ದಾರೆ!” ಅಂತ ಕೋಪದಿಂದ ಕಿರುಚೋ ವಿಡಿಯೋಗೆ ಲಕ್ಷಾಂತರ ವ್ಯೂಸ್ ಬರುತ್ತವೆ. ಇದು ಸಮಾಜದಲ್ಲಿ ಸದಾ ಆಕ್ರೋಶ, ಕೋಪ ಮತ್ತೆ ದ್ವೇಷದ ವಾತಾವರಣ ಇರೋ ಹಾಗೆ ಮಾಡುತ್ತೆ, ಹಾಗೂ ಜನನ್ನ ಸದಾ ಉದ್ವಿಗ್ನ ಸ್ಥಿತಿಯಲ್ಲಿಡುತ್ತೆ.
• Availability Heuristic ಅಂದ್ರೆ, ನಮ್ಮ ಕಣ್ಣಿಗೆ ಅಥವಾ ಕಿವಿಗೆ ಯಾವುದು ತಕ್ಷಣ ಮತ್ತೆ ಪದೇ ಪದೇ ಸಿಗುತ್ತೋ, ಅದೇ ಜಗತ್ತಿನ ಅತಿ ದೊಡ್ಡ ಸತ್ಯ ಅಥವಾ ಅತಿ ದೊಡ್ಡ ಸಮಸ್ಯೆ ಅಂತ ಮೆದುಳು ಊಹಿಸಿಕೊಳ್ಳೋದು. ಫೇಸ್‌ಬುಕ್‌ನಲ್ಲಿ ಪದೇ ಪದೇ ‘ಧರ್ಮದ ಮೇಲಿನ ದಾಳಿ’ಯ ಸುದ್ದಿಯನ್ನೇ ನೋಡೋ ವ್ಯಕ್ತಿ, ತನ್ನ ಸುತ್ತಮುತ್ತ ಎಲ್ಲವೂ ಶಾಂತವಾಗಿದ್ರೂ, ಇಡೀ ದೇಶದಲ್ಲಿ ಧರ್ಮಯುದ್ಧ ನಡೀತಿದೆ ಅಂತ ನಂಬ್ತಾನೆ. ಇದು ಸ್ಥಳೀಯ ಸಮಸ್ಯೆಗಳನ್ನ ಮರೆಮಾಚುತ್ತೆ.
• Mere Exposure Effect ಅಂದ್ರೆ, ಒಂದು ವಿಷಯನ ಅಥವಾ ವ್ಯಕ್ತಿಯ ಮುಖನ ಪದೇ ಪದೇ ನೋಡಿದಾಗ, ನಮಗೆ ಅರಿವಿಲ್ಲದಂತೆಯೇ ಅದರ ಬಗ್ಗೆ ಒಂದು ರೀತಿಯ ಇಷ್ಟ ಅಥವಾ ಆಪ್ತತೆ ಬೆಳೆಯೋದು. ರಾಜಕೀಯ ನಾಯಕರ ರೀಲ್ಸ್, ಭಾಷಣದ ತುಣುಕುಗಳು ಅಥವಾ ಪಕ್ಷದ ಚಿಹ್ನೆಗಳನ್ನ ದಿನಕ್ಕೆ ನೂರು ಬಾರಿ ನೋಡೋ ಯುವಕ, ಆ ನಾಯಕನ ನೀತಿಗಳು ಏನೆಂದು ತಿಳಿಯದಿದ್ರೂ ಆತನನ್ನ ಇಷ್ಟಪಡೋಕೆ ಶುರುಮಾಡ್ತಾನೆ. ನಾಯಕನ ಕೆಲಸಗಳಿಗಿಂತ, ಆತನ ನಿರಂತರ ದೃಶ್ಯ-ಉಪಸ್ಥಿತಿ (visual presence) ಓಟು ತಂದುಕೊಡುತ್ತೆ.
• Illusion of Truth Effect ಅಂದ್ರೆ, ಒಂದು ಹಸಿ ಸುಳ್ಳನ್ನ ನೂರು ಬಾರಿ ಬೇರೆ ಬೇರೆ ಕಡೆಯಿಂದ ಕೇಳಿದಾಗ, ಮೆದುಳು ನಿಧಾನವಾಗಿ “ಇದು ಸತ್ಯವೇ ಇರ್ಬೇಕು” ಅಂತ ನಂಬೋಕೆ ಶುರುಮಾಡೋ process. “ನೆಹರು ಮುಸ್ಲಿಂ ಆಗಿದ್ರು” ಅಥವಾ “ಗಾಂಧೀಜಿ ದೇಶ ವಿಭಜನೆಗೆ ಕಾರಣ” ಅನ್ನೋ WhatsApp ಫಾರ್ವಡ್‌್ರಗಳನ್ನ ವರ್ಷಗಟ್ಟಲೆ ಓದಿದ ವ್ಯಕ್ತಿ, ಅಧಿಕೃತ ಇತಿಹಾಸ ಪುಸ್ತಕಗಳಿಗಿಂತ ಈ WhatsApp ಮೆಸೇಜ್‌ಗಳನ್ನೇ ಪರಮಸತ್ಯ ಅಂತ ನಂಬ್ತಾನೆ.
• Emotional Contagion ಅಂದ್ರೆ, ಒಬ್ಬರ ಭಾವನೆಗಳು, ವಿಶೇಷವಾಗಿ ಕೋಪ, ದುಃಖ, ಮತ್ತೆ ಉನ್ಮಾದಗಳು ಆನ್‌ಲೈನ್ ಮೂಲಕ ಮತ್ತೊಬ್ಬರಿಗೆ ಸಾಂಕ್ರಾಮಿಕ ರೋಗದಂತೆ ವೇಗವಾಗಿ ಹರಡೋದು. ಒಂದು ದ್ವೇಷಪೂರಿತ ಭಾಷಣದ ತುಣುಕು ವೈರಲ್ ಆದಾಗ, ಅದನ್ನ ನೋಡೋ ಲಕ್ಷಾಂತರ ಜನರಿಗೂ ಅದೇ ದ್ವೇಷದ ಸೋಂಕು ತಗಲುತ್ತೆ. ವೈಯಕ್ತಿಕವಾಗಿ ಶಾಂತವಾಗಿರೋ ವ್ಯಕ್ತಿಯೂ ಆನ್‌ಲೈನ್ ಪ್ರಭಾವದಿಂದ ಹಿಂಸಾತ್ಮಕವಾಗಿ ಯೋಚಿಸೋಕೆ ಶುರುಮಾಡ್ತಾನೆ.
• Moral Panic ಅಂದ್ರೆ, ಸಮಾಜದ ಮೌಲ್ಯಗಳು ಅಥವಾ ಸಂಸ್ಕೃತಿ ನಾಶವಾಗ್ತಿದೆ ಅಂತ ದೊಡ್ಡ ಮಟ್ಟದ ಭೀತಿ ಸೃಷ್ಟಿಸೋದು. “ಪಾಶ್ಚಿಮಾತ್ಯ ಸಂಸ್ಕೃತಿಯಿಂದಾಗಿ ನಮ್ಮ ಹಿಂದೂ ಧರ್ಮ ನಾಶವಾಗ್ತಿದೆ” ಅಥವಾ “ನಮ್ಮ ಇಸ್ಲಾಂ ಧರ್ಮ ಅಪಾಯದಲ್ಲಿದೆ” ಅನ್ನೋ ಆತಂಕ ಸೃಷ್ಟಿಸೋ content. ಇದರಿಂದ ಮತದಾರ ರಸ್ತೆ, ಆಸ್ಪತ್ರೆಯಂಥ ಅಭಿವೃದ್ಧಿ ವಿಷಯಗಳನ್ನ ಬದಿಗೊತ್ತಿ, ”ಸಂಸ್ಕೃತಿ ಉಳಿಸೋವನಿಗೆ ಮಾತ್ರ ನನ್ನ ಓಟು” ಅಂತ ನಿರ್ಧರಿಸ್ತಾನೆ.
• Scapegoating ಅಂದ್ರೆ, ವ್ಯವಸ್ಥೆಯ ಎಲ್ಲ ವೈಫಲ್ಯಗಳಿಗೂ, ಆರ್ಥಿಕ ಸಮಸ್ಯೆಗಳಿಗೂ ಯಾವುದೋ ಒಂದು ದುರ್ಬಲ ಗುಂಪನ್ನ, ಉದಾಹರಣೆಗೆ ಅಲ್ಪಸಂಖ್ಯಾತರು ಅಥವಾ ವಲಸಿಗರನ್ನ ಗುರಿಯಾಗಿಸಿ ಅವರ ಮೇಲೆ ಗೂಬೆ ಕೂರಿಸೋದು. “ನಿಮಗೆ ಕೆಲಸ ಸಿಗ್ತಿಲ್ಲ ಯಾಕಂದ್ರೆ ಆ ಬೇರೆ ಗುಂಪಿನವರು ನಮ್ಮ ಅವಕಾಶಗಳನ್ನ ಕಸಿದುಕೊಳ್ತಿದ್ದಾರೆ” ಅಂತ ಬಿಂಬಿಸೋದು. ಇದರಿಂದ ಸರ್ಕಾರದ ವೈಫಲ್ಯ ಪ್ರಶ್ನಿಸೋ ಬದಲು, ಜನ ಸಹ-ನಾಗರಿಕರ ಮೇಲೆ ದ್ವೇಷ ಸಾಧಿಸ್ತಾರೆ.
• Cognitive Overload ಅಂದ್ರೆ, ಮನುಷ್ಯನ ಮೆದುಳಿಗೆ ಅರಗಿಸಿಕೊಳ್ಳೋಕೆ ಸಾಧ್ಯವಾಗದಷ್ಟು ಅಗಾಧವಾದ ಮಾಹಿತಿಯನ್ನ ಒಂದೇ ಸಮನೆ ಸುರಿಯೋದು. WhatsApp ಮತ್ತೆ ಟ್ವಿಟರ್‌ನಲ್ಲಿ ದಿನಕ್ಕೆ ನೂರಾರು ರಾಜಕೀಯ ಬ್ರೇಕಿಂಗ್ ನ್ಯೂಸ್, ಹಗರಣಗಳ ಆರೋಪಗಳು ಮತ್ತೆ ಕೌಂಟರ್ ಆರೋಪಗಳು ಬರೋದು. ಇದರಿಂದಾಗಿ ಯಾವುದು ಸತ್ಯ, ಯಾವುದು ಸುಳ್ಳು ಅಂತ ಪರೀಕ್ಷಿಸೋಕೆ ಮೆದುಳು ಆಯಾಸಗೊಳ್ಳುತ್ತೆ, ಮತ್ತೆ ಕೊನೆಗೆ ಮತದಾರ ಕೇವಲ ತನಗೆ ಇಷ್ಟವಾದ ನಾಯಕ ಹೇಳಿದ್ದನ್ನ ಮಾತ್ರ ಕುರುಡಾಗಿ ನಂಬ್ತಾನೆ.
• Political Tribalism ಅಂದ್ರೆ, ರಾಜಕೀಯ ಪಕ್ಷಗಳನ್ನ ಪ್ರಜಾಪ್ರಭುತ್ವದ ಸಂಸ್ಥೆಗಳಾಗಿ ನೋಡದೆ, ಪುರಾತನ ಬುಡಕಟ್ಟು ಗುಂಪುಗಳ ನಡುವಿನ ಶತ್ರುತ್ವದಂತೆ ನೋಡೋದು. “ನಾನು ಯಾವತ್ತಿದ್ರೂ ಇದೇ ಪಕ್ಷ. ಆ ಕಡೆಯವರು ಎಷ್ಟೇ ಒಳ್ಳೆಯ ಕೆಲಸ ಮಾಡಿದ್ರೂ ಅವ್ರು ನಮ್ಮ ಬದ್ಧ ಶತ್ರುಗಳು” ಅನ್ನೋ ಭಾವನೆ. ಇದರಿಂದ issue-based ರಾಜಕೀಯ ಸತ್ತುಹೋಗಿ, ಕೇವಲ ಕುರುಡು ನಿಷ್ಠೆ ಮಾತ್ರ ಕೆಲಸ ಮಾಡುತ್ತೆ.
• Selective Exposure ಅಂದ್ರೆ, ತನಗೆ ಆರಾಮದಾಯಕವಾಗಿರೋ, ತನ್ನ ನಂಬಿಕೆಗೆ ಪೂರಕವಾದ ಪೇಜ್, ಚಾನೆಲ್ ಮತ್ತೆ ವಿಡಿಯೋಗಳನ್ನ ಮಾತ್ರ ನೋಡೋಕೆ ಆರಿಸಿಕೊಳ್ಳೋದು. ಬಲಪಂಥೀಯ ವ್ಯಕ್ತಿ ಕೇವಲ pro-BJP ಚಾನೆಲ್‌ಗಳನ್ನ ನೋಡೋದು, ಎಡಪಂಥೀಯ ವ್ಯಕ್ತಿ ಕೇವಲ pro-Congress ಚಾನೆಲ್ ನೋಡೋದು. ಇದರಿಂದ ಡಿಜಿಟಲ್ ಜಗತ್ತಿನಲ್ಲಿ echo chamber ಸೃಷ್ಟಿಯಾಗಿ, ಪರ್ಯಾಯ ವಾಸ್ತವದ ಅಥವಾ ವಿಭಿನ್ನ ದೃಷ್ಟಿಕೋನದ ಅರಿವೇ ಇಲ್ಲದಂತಾಗುತ್ತೆ.
• Identity-Protective Cognition ಅಂದ್ರೆ, ಒಂದು ಸತ್ಯವನ್ನ ಒಪ್ಪಿಕೊಂಡ್ರೆ ತನ್ನ ಸಮುದಾಯದಲ್ಲಿ ತನ್ನ ಸ್ಥಾನಮಾನಕ್ಕೆ ಧಕ್ಕೆಯಾಗುತ್ತೆ ಅಂತ ತಿಳಿದಾಗ, ಮನುಷ್ಯ ಆ ಸತ್ಯವನ್ನೇ ತಿರಸ್ಕರಿಸೋದು. ಒಂದು ಜಾತಿಯ ಅಥವಾ ಧರ್ಮದ ನಾಯಕ ಭ್ರಷ್ಟಾಚಾರ ಮಾಡಿದಾಗ, ಆ ಜಾತಿಯ ಜನರಿಗೆ ಆತ ತಪ್ಪು ಮಾಡಿದ್ದಾನೆ ಅಂತ ಗೊತ್ತಿದ್ರೂ, ಅದನ್ನ ಬಹಿರಂಗವಾಗಿ ಒಪ್ಪಿಕೊಂಡ್ರೆ ನಮ್ಮ ಜಾತಿಗೆ ಅವಮಾನ ಅಂತ ಅವನನ್ನೇ ರಕ್ಷಿಸೋಕೆ ನಿಲ್ಲೋದು. ವಾಸ್ತವಾಂಶಗಳಿಗಿಂತ ಸಮುದಾಯದ ಅಹಂಕಾರ ಮತ್ತೆ ಮರ್ಯಾದೆ ವೋಟ್ ಬ್ಯಾಂಕ್ ಆಗಿ ಬದಲಾಗುತ್ತೆ.
• Identity-Based Threat ಅಂದ್ರೆ, ಒಬ್ಬ ವ್ಯಕ್ತಿಗೆ ‘ನನ್ನ ಧರ್ಮ, ನನ್ನ ಜಾತಿ, ನನ್ನ ಸಮುದಾಯ, ನನ್ನ ದೇಶ ಅಪಾಯದಲ್ಲಿದೆ’ ಅನ್ನೋ ಭಯ ಹುಟ್ಟಿಸೋ content. ಇಂಥ content ಬಂದಾಗ, ಆ ವ್ಯಕ್ತಿ ಬೆಲೆ ಏರಿಕೆ, ಉದ್ಯೋಗ, corruption, governance failure ಇವುಗಳ ಬಗ್ಗೆ ಯೋಚಿಸೋದನ್ನ ಬಿಟ್ಟು, ‘ನಮ್ಮವರನ್ನ ರಕ್ಷಿಸ್ಬೇಕು’ ಅನ್ನೋ emotional mode ಗೆ ಹೋಗ್ಬಹುದು. ಇದು ತಾರ್ಕಿಕತೆಯನ್ನ ನಾಶಪಡಿಸಿ, ಕೇವಲ ಭಾವನಾತ್ಮಕ ಪ್ರತಿಕ್ರಿಯೆಗೆ ದಾರಿಮಾಡಿಕೊಡುತ್ತೆ.
• Emotional Identity ಅಂದ್ರೆ, ಕೇವಲ ವಿಚಾರಧಾರೆಯ ಆಧಾರದ ಮೇಲಲ್ಲದೆ, ಒಬ್ಬ ನಾಯಕನ ಮೇಲೆ ತೀವ್ರವಾದ ಭಾವನಾತ್ಮಕ ಮತ್ತು ರಕ್ತಸಂಬಂಧದಂಥ ಗುರುತನ್ನ ಬೆಳೆಸಿಕೊಳ್ಳೋದು. ಪ್ರಧಾನಿ ಮೋದಿಯವರನ್ನ, ಅಥವಾ ರಾಹುಲ್ ಗಾಂಧಿಯವರನ್ನ ಕೇವಲ ಒಬ್ಬ ಜನಪ್ರತಿನಿಧಿ ಅಂತ ನೋಡದೆ, “ನಮ್ಮ ಮನೆಯ ಮಗ, ನಮ್ಮ ಆರಾಧ್ಯ ದೈವ” ಅಂತ ಪರಿಗಣಿಸೋದು. ಹೀಗೆ ಭಾವನಾತ್ಮಕವಾಗಿ ಅಂಟಿಕೊಂಡಾಗ, ನಾಯಕನ ಸಣ್ಣಪುಟ್ಟ ತಪ್ಪುಗಳೆಲ್ಲವೂ ಮನ್ನಣೆಯಾಗ್ತವೆ ಮತ್ತೆ ಆತನ ಮೇಲಿನ ಟೀಕೆಗಳನ್ನ ವೈಯಕ್ತಿಕ ನಿಂದನೆ ಅಂತ ಸ್ವೀಕರಿಸಲಾಗುತ್ತೆ.

Algorithm ನಮ್ಮ ಗಮನವನ್ನ ಹೇಗೆ ಹಿಡಿದುಕೊಳ್ಳುತ್ತೆ?

Social media ವೇದಿಕೆಗಳು ಸತ್ಯ, ನ್ಯಾಯ ಅಥವಾ ಸಾಮಾಜಿಕ ಸಾಮರಸ್ಯ ಕಾಪಾಡೋಕೆ ಹುಟ್ಟಿಕೊಂಡಿಲ್ಲ. ಅವುಗಳ ಮುಖ್ಯ ಉದ್ದೇಶ: ನೀವು ಎಷ್ಟು ಹೆಚ್ಚು ಸಮಯ ಅವರ ಆ್ಯಪ್‌ನಲ್ಲಿ ಕಳೀತೀರಾ (watch time) ಮತ್ತು ಆ ಸಮಯದಲ್ಲಿ ನೀವು ಎಷ್ಟು ಹೆಚ್ಚು ಜಾಹೀರಾತುಗಳನ್ನ ನೋಡ್ತೀರಾ ಅನ್ನೋದು. Algorithm ಗೆ ಸತ್ಯ ಮತ್ತೆ ಸುಳ್ಳಿನ ವ್ಯತ್ಯಾಸ ಗೊತ್ತಿಲ್ಲ; ಅದಕ್ಕೆ ಗೊತ್ತಿರೋದು ಕೇವಲ engagement ಮಾತ್ರ. ಯಾವ content ಮನುಷ್ಯನ ಭಯ, ಕೋಪ, ಆಕ್ರೋಶ ಮತ್ತೆ ಗುರುತಿನ ಬಾಂಧವ್ಯನ ಬಲವಾಗಿ ಕೆರಳಿಸುತ್ತೋ, ಅದಕ್ಕೆ ಹೆಚ್ಚು ಲೈಕ್ಸ್, ಕಾಮೆಂಟ್ಸ್ ಮತ್ತೆ ಶೇರ್ಸ್ ಬರುತ್ತವೆ.

ಯೇಲ್ ವಿಶ್ವವಿದ್ಯಾಲಯದ ಸಂಶೋಧಕರಾದ ವಿಲಿಯಂ ಬ್ರಾಡಿ ಮತ್ತೆ ಮೊಲ್ಲಿ ಕ್ರಾಕೆಟ್ ಅವರ ಅಧ್ಯಯನದ ಪ್ರಕಾರ, ಮನುಷ್ಯನ ನೈತಿಕ ಆಕ್ರೋಶವನ್ನ (moral outrage) ಅಲ್ದಾರಿತಮ್ಗಳು ತೀವ್ರವಾಗಿ ಉತ್ತೇಜಿಸುತ್ತವೆ. ಕೋಪಗೊಂಡ ಮನುಷ್ಯ ಮೆಸೇಜ್ ಅನ್ನ ರಿಪ್ಲೈ ಮಾಡೋಕೆ ಅಥವಾ ಶೇರ್ ಮಾಡೋಕೆ ಮತ್ತೆ ಮತ್ತೆ ಆ್ಯಪ್ ಓಪನ್ ಮಾಡ್ತಾನೆ. ಈ ವ್ಯವಸ್ಥೆ ಜನನ್ನ ಸದಾ ಉದ್ವಿಗ್ನ ಸ್ಥಿತಿಯಲ್ಲಿಡುತ್ತೆ ಮತ್ತೆ ಧ್ರುವೀಕರಣವನ್ನ ಹೆಚ್ಚಿಸುತ್ತೆ. ಇದೇ ಕಾರಣಕ್ಕಾಗಿ ರಾಜಕೀಯ ಪಕ್ಷಗಳು ಮತ್ತೆ ಐಟಿ ಸೆಲ್‌ಗಳು ಶಾಂತಿಯುತ ಚರ್ಚೆಗಳಿಗಿಂತ, ಜನರಲ್ಲಿ ಭಯ ಮತ್ತು ದ್ವೇಷ ಹುಟ್ಟಿಸೋ content ಅನ್ನ ಹೆಚ್ಚು ಉತ್ಪಾದಿಸುತ್ತವೆ.

Governance Issues ಇಂದ Identity Issues ಕಡೆಗೆ voter ಮನಸ್ಸು ಹೇಗೆ shift ಆಗುತ್ತೆ?

ಒಬ್ಬ ಸಾಮಾನ್ಯ ಮತದಾರ ತನ್ನ ದೈನಂದಿನ ಬದುಕಿನಲ್ಲಿ ಆಡಳಿತಾತ್ಮಕ ಮೌಲ್ಯಮಾಪನವನ್ನ (Governance-based thinking) ಮಾಡ್ತಿರ್ತಾನೆ. ಅಂದ್ರೆ ಆತ ಉದ್ಯೋಗ, ಬೆಲೆ ಏರಿಕೆ, ಭ್ರಷ್ಟಾಚಾರ, ರಸ್ತೆಗಳು, ನೀರು, ಶಾಲೆಗಳು, ಆಸ್ಪತ್ರೆಗಳು, ಸಾರ್ವಜನಿಕ ಸೇವೆಗಳು ಮತ್ತೆ ತನ್ನ ವೈಯಕ್ತಿಕ ಆರ್ಥಿಕ ಪರಿಸ್ಥಿತಿ ಬಗ್ಗೆ ಯೋಚಿಸ್ತಾನೆ. ಇವು ಮನುಷ್ಯನ ಬದುಕಿಗೆ ನೇರವಾಗಿ ಸಂಬಂಧಿಸಿದ ಭೌತಿಕ ಅಗತ್ಯಗಳು.

ಆದ್ರೆ social media ದ ನಿರಂತರ ದಾಳಿಯಿಂದಾಗಿ ಆತನ ಮನಸ್ಸು ನಿಧಾನವಾಗಿ ‘Identity-protection thinking’ ಅಂದ್ರೆ ‘ಗುರುತಿನ ರಕ್ಷಣೆ’ಯ ಕಡೆಗೆ shift ಆಗುತ್ತೆ. Algorithm ನ ನಿರಂತರ ಪ್ರಚೋದನೆಯಿಂದ ಆತನ ಮೆದುಳಿನಲ್ಲಿ ಭಿನ್ನವಾದ ಆಲೋಚನೆಗಳು ಶುರುವಾಗ್ತವೆ: “ನನ್ನ ಧರ್ಮ ಅಪಾಯದಲ್ಲಿದೆ”, “ನನ್ನ ಜಾತಿಯನ್ನ ಕಡೆಗಣಿಸಲಾಗಿದೆ”, “ನನ್ನ ಸಮುದಾಯ ಅಪಾಯದಲ್ಲಿದೆ”, “ನನ್ನ ದೇಶ ಆಂತರಿಕ ಶತ್ರುಗಳಿಂದ ಅಪಾಯದಲ್ಲಿದೆ.” ಈ ಹಂತದಲ್ಲಿ, “ನಮ್ಮ ಸಮುದಾಯನ ಯಾರಾದ್ರೂ ರಕ್ಷಿಸಲೇಬೇಕು,” “ನಮ್ಮ ನಾಯಕ ಮಾತ್ರ ನಮ್ಮನ್ನ ಉಳಿಸಬಲ್ಲ,” ಮತ್ತು “ವಿರೋಧ ಪಕ್ಷ dangerous” ಅನ್ನೋ ನಿರ್ಧಾರಕ್ಕೆ ಬರ್ತಾನೆ.

ಒಮ್ಮೆ ಈ ಮನಸ್ಥಿತಿ ನಿರ್ಮಾಣವಾದ್ರೆ, ತನ್ನ ಪಕ್ಷದ ಮೇಲಿನ ಟೀಕೆಯನ್ನ ತನ್ನ ಅಸ್ಮಿತೆಯ ಮೇಲಿನ ದಾಳಿ ಅಂತ ಆತ ಪರಿಗಣಿಸ್ತಾನೆ. ಈ ಕುಶಲ ತಂತ್ರದಿಂದಾಗಿ, ಆಡಳಿತದಲ್ಲಿ ಎಷ್ಟೇ ವೈಫಲ್ಯಗಳಿದ್ರೂ, ಮತದಾರ ತನ್ನ ಆರ್ಥಿಕ ಕಷ್ಟಗಳನ್ನ ಬದಿಗೊತ್ತಿ ಕೇವಲ ತನ್ನ ಭಾವನಾತ್ಮಕ ಅಸ್ಮಿತೆಯನ್ನ ಉಳಿಸಿಕೊಳ್ಳೋ ಸಲುವಾಗಿ ವೋಟ್ ಹಾಕ್ತಾನೆ.

ಭಾಷಾ ಹಕ್ಕುಗಳು, ಹಿಂದಿ ಹೇರಿಕೆ ಮತ್ತು ರಾಷ್ಟ್ರೀಯತೆಯ ತಪ್ಪು ಕಥನಗಳು (Language rights, Hindi imposition, and false nationalism narratives)

ಭಾರತೀಯ ರಾಜಕಾರಣದಲ್ಲಿ ನಡೀತಿರೋ algorithmic manipulation ಬಗ್ಗೆ ಚರ್ಚೆ ಮಾಡುವಾಗ, ಪ್ರಾದೇಶಿಕ ಭಾಷೆಯ ಉಳಿವಿಗಾಗಿ ನಡೆಯೋ ಹೋರಾಟಗಳನ್ನ, ಹಿಂದಿ ಹೇರಿಕೆಯ ವಿರೋಧವನ್ನ, ಮತ್ತೆ ಕನ್ನಡಿಗರ ಅಥವಾ ಇತರ ಯಾವುದೇ ಭಾಷಿಕರ ಅಸ್ಮಿತೆಯ ಹಕ್ಕುಗಳನ್ನ ‘ದ್ವೇಷದ ರಾಜಕಾರಣ’ (harmful identity politics) ಅನ್ನೋ ಬುಟ್ಟಿಗೆ ಹಾಕಬಾರದು. ಭಾಷಾ ಹಕ್ಕುಗಳು ನ್ಯಾಯಸಮ್ಮತವಾದ ಪ್ರಜಾತಾಂತ್ರಿಕ, ಸಾಂವಿಧಾನಿಕ ಮತ್ತು ಒಕ್ಕೂಟ ವ್ಯವಸ್ಥೆಯ ಹಕ್ಕುಗಳಾಗಿವೆ.

Social media algorithms ಗಳಲ್ಲಿ ಅತ್ಯಂತ ಅಪಾಯಕಾರಿಯಾಗಿ ಹರಡ್ತಿರೋ ಒಂದು ಕಥನ ಏನಂದ್ರೆ: “ನೀವು ಹಿಂದಿ ಹೇರಿಕೆನ ವಿರೋಧಿಸಿದ್ರೆ, ನೀವು ದೇಶದ್ರೋಹಿಗಳು”, “ನೀವು ಕನ್ನಡ, ತಮಿಳು, ತೆಲುಗು ಅಥವಾ ಬಂಗಾಳಿ ಭಾಷೆನ ಸಮರ್ಥಿಸಿಕೊಂಡ್ರೆ, ನೀವು ದೇಶನ ಒಡೀತಿದ್ದೀರಾ,” ಮತ್ತು “ಭಾಷಾ ಹಕ್ಕುಗಳ ಹೋರಾಟಗಾರರು ಕೇವಲ ಪ್ರಾದೇಶಿಕ ರಾಜಕಾರಣ ಮಾಡ್ತಿದ್ದಾರೆ.” ಈ ರಾಜಕೀಯ ಕಥನಗಳನ್ನ ವಿಮರ್ಶಾತ್ಮಕವಾಗಿ ಪರೀಕ್ಷಿಸಬೇಕಾಗಿದೆ.

ಭಾರತ ‘ಒಂದೇ ಭಾಷೆ, ಒಂದೇ ಸಂಸ್ಕೃತಿ’ ಇರೋ ದೇಶವಲ್ಲ. ಭಾರತದ ಸಂವಿಧಾನದ ೮ನೇ ಪರಿಚ್ಛೇದ (Eighth Schedule) ೨೨ ಭಾಷೆಗಳನ್ನ ಅಧಿಕೃತವಾಗಿ ಗುರುತಿಸಿದೆ. ಜೊತೆಗೆ, ೩೪೩ ಮತ್ತೆ ೩೪೫ನೇ ವಿಧಿಗಳು ರಾಜ್ಯಗಳಿಗೆ ತಮ್ಮದೇ ಆದ ಅಧಿಕೃತ ಭಾಷೆಗಳನ್ನ ಆಯ್ಕೆ ಮಾಡೋ ಹಕ್ಕನ್ನ ನೀಡಿವೆ.

೮ನೇ ಪರಿಚ್ಛೇದದ ಕೆಲವು ಪ್ರಮುಖ ಭಾಷೆಗಳು	ಮಾತನಾಡುವವರ ಸಂಖ್ಯೆ (೨೦೧೧ರ ಸೆನ್ಸಸ್)	ಸೇರ್ಪಡೆಯಾದ ವರ್ಷ
ಹಿಂದಿ	೫೨೮ ಮಿಲಿಯನ್	೧೯೫೦
ಬಂಗಾಳಿ	೯೭.೨ ಮಿಲಿಯನ್	೧೯೫೦
ಮರಾಠಿ	೮೩ ಮಿಲಿಯನ್	೧೯೫೦
ತೆಲುಗು	೮೧.೧ ಮಿಲಿಯನ್	೧೯೫೦
ತಮಿಳು	೬೯ ಮಿಲಿಯನ್	೧೯೫೦
ಕನ್ನಡ	೪೩.೭ ಮಿಲಿಯನ್	೧೯೫೦

India’s unity does not require linguistic uniformity. True unity in diversity means every region, every language, and every cultural identity should be respected. A nationalism that does not respect regional identity becomes domination, not unity.

ತನ್ನ ಭಾಷೆಯನ್ನು ಪ್ರೀತಿಸೋದು ದೇಶದ್ರೋಹ ಅಲ್ಲ. Hindi imposition ವಿರೋಧಿಸೋದು Hindi ಮಾತನಾಡುವವರ ವಿರೋಧ ಅಲ್ಲ. ಸಮಸ್ಯೆ Hindi ಭಾಷೆಯಲ್ಲಿ ಇಲ್ಲ; ಸಮಸ್ಯೆ ಅದನ್ನ national loyalty test ಆಗಿ impose ಮಾಡೋ politics ನಲ್ಲಿ ಇದೆ. ಕನ್ನಡ ಅಥವಾ ಯಾವುದೇ ಪ್ರಾದೇಶಿಕ ಭಾಷೆನ ರಕ್ಷಿಸೋದು ಅಂದ್ರೆ ಭಾರತನ ವಿರೋಧಿಸೋದು ಅಂತಲ್ಲ. ಪ್ರಾದೇಶಿಕ ಅಸ್ಮಿತೆ ಮತ್ತೆ ರಾಷ್ಟ್ರೀಯ ಅಸ್ಮಿತೆ ಎರಡೂ ಒಟ್ಟಿಗೆ ಅಸ್ತಿತ್ವದಲ್ಲಿರೋಕೆ ಸಾಧ್ಯವಿದೆ.

“English okay, Hindi not okay?” ಅನ್ನೋ ತಪ್ಪು ನಿರೂಪಣೆ:

ಭಾಷಾ ಹೋರಾಟಗಾರರನ್ನ ಹಣಿಯೋಕೆ ಬಳಸೋ ಅತ್ಯಂತ ಸಾಮಾನ್ಯ ಪ್ರಶ್ನೆ “ಹಿಂದಿ ಹೇರಿಕೆ ಅಂತೀರಾ, ಹಾಗಾದ್ರೆ ಇಂಗ್ಲಿಷ್ ಓಕೆ ನಾ?” ಈ ಪ್ರಶ್ನೆ ಮೂಲ ಸಮಸ್ಯೆನ ಮರೆಮಾಚೋ ತಂತ್ರ. ಹಿಂದಿಯೇತರ ಭಾಷಿಕರು ಇಂಗ್ಲಿಷ್ ಒಪ್ಪಿಕೊಳ್ಳೋದು ಇಂಗ್ಲಿಷ್ ಭಾಷೆಯ ಮೇಲೆ ಅವರಿಗೆ ಭಾವನಾತ್ಮಕ ಶ್ರೇಷ್ಠತೆಯ ಭ್ರಮೆ ಇದ್ದು ಅಲ್ಲ. ಇಂಗ್ಲಿಷ್ ಒಂದು ತಟಸ್ಥ ಸಂಪರ್ಕ ಭಾಷೆಯಾಗಿ (neutral link language), ಜಾಗತಿಕ ಉದ್ಯೋಗದ ಭಾಷೆಯಾಗಿ, ಉನ್ನತ ಶಿಕ್ಷಣದ ಮತ್ತೆ ತಂತ್ರಜ್ಞಾನದ ಭಾಷೆಯಾಗಿ ಕೆಲಸ ಮಾಡುತ್ತೆ.

ಆದ್ರೆ, ಹಿಂದಿನ ಕೇವಲ ಒಂದು ಸಂಪರ್ಕ ಭಾಷೆಯಾಗಿ ನೋಡದೆ, “ನೀವು ನಿಜವಾದ ಭಾರತೀಯರಾಗಿದ್ರೆ ಹಿಂದಿ ಕಲೀಲೇಬೇಕು” ಅನ್ನೋ ‘ರಾಷ್ಟ್ರೀಯತೆಯ ಪರೀಕ್ಷೆ’ಯಾಗಿ (national identity test) ಅಥವಾ ಸಾಂಸ್ಕೃತಿಕ ಶ್ರೇಷ್ಠತೆಯ ಸಂಕೇತವಾಗಿ ಹೇರಿದಾಗ ಅದು ರಾಜಕೀಯವಾಗಿ ಸೂಕ್ಷ್ಮವಾಗುತ್ತೆ. ಸಮಸ್ಯೆ ಇರೋದು ಹಿಂದಿ ಭಾಷೆಯ ಬಗ್ಗೆ ಅಲ್ಲ, ಹಿಂದಿ ಮಾತಾಡೋ ಜನರ ಬಗ್ಗೆಯೂ ಅಲ್ಲ. ಸಮಸ್ಯೆ ಇರೋದು ಹಿಂದಿನ ಸಾಂಸ್ಕೃತಿಕ ಮೇಲರಿಮೆಯಾಗಿ ಹೇರೋ (Hindi imposition) ನೀತಿಯ ಬಗ್ಗೆ. Algorithms ಇಂಥ ಸೂಕ್ಷ್ಮ ಚರ್ಚೆಗಳನ್ನ ಮರೆಮಾಚಿ, ಭಾಷಾ-ಹಕ್ಕುಗಳ ಪರವಾಗಿ ಮಾತಾಡೋವರನ್ನ ‘anti-national’ ಅಂತ ಸುಳ್ಳು ಹಣೆಪಟ್ಟಿ ಕಟ್ಟೋಕೆ ಸಹಾಯ ಮಾಡುತ್ತವೆ ಹಾಗೂ ಈ ವಿಷಯದಲ್ಲಿ ಸಮಾಜವನ್ನ ದಾರಿತಪ್ಪಿಸುತ್ತವೆ.

ಕಾಲ್ಪನಿಕ ಉದಾಹರಣೆ ೧: BJP ಮತದಾರ (Hypothetical Case Study 1)

ಇದು algorithms ಮನಸ್ಸನ್ನ ಹೇಗೆ ಬದಲಾಯಿಸುತ್ತವೆ ಅಂತ ವಿವರಿಸೋಕೆ ಬಳಸಿದ ಕಾಲ್ಪನಿಕ ಉದಾಹರಣೆಯೇ ಹೊರತು, ಪ್ರತಿಯೊಬ್ಬ ಬಿಜೆಪಿ ಮತದಾರನ ಕಥೆಯಲ್ಲ.

ಒಬ್ಬ ಮಧ್ಯಮ ವರ್ಗದ ಅಥವಾ ಕೆಳ-ಮಧ್ಯಮ ವರ್ಗದ ಮತದಾರ ಬಿಜೆಪಿ ಪಕ್ಷನ ಬೆಂಬಲಿಸ್ತಿರ್ತಾನೆ. ದಿನಕಳೆದಂತೆ ಆತನಿಗೆ ಪೆಟ್ರೋಲ್ ಬೆಲೆ ಏರಿಕೆ, ನಿರುದ್ಯೋಗ, ಆರ್ಥಿಕ ಮುಗ್ಗಟ್ಟು, ಮತ್ತೆ ಸ್ಥಳೀಯ ಮೂಲಸೌಕರ್ಯಗಳ ಕೊರತೆ ಕಿರಿಕಿರಿ ಉಂಟುಮಾಡುತ್ತೆ. ಅವನು ಮನಸ್ಸಿನಲ್ಲೇ, “ಸರ್ಕಾರ ಸರ್ಯಾಗಿ ಕೆಲಸ ಮಾಡ್ತಿಲ್ವೇನೋ?” ಅಂತ ಯೋಚಿಸೋಕೆ ಶುರುಮಾಡ್ತಾನೆ. ಇಲ್ಲಿ ಆತ ‘Governance evaluation’ ಮೋಡ್‌ನಲ್ಲಿರ್ತಾನೆ.

ಆದ್ರೆ, ಅವನು ಆಗಲೇ ಬಿಜೆಪಿ-ಪರ Facebook ಪೇಜ್‌ಗಳನ್ನ ಮತ್ತೆ YouTube ಚಾನೆಲ್‌ಗಳನ್ನ ಫಾಲೋ ಮಾಡ್ತಿರೋದ್ರಿಂದ, algorithm ಅವನ ಅಸಮಾಧಾನದ ನಡುವೆಯೇ ಭಾರಿ ಭಾವನಾತ್ಮಕ content ಗಳನ್ನ ಫೀಡ್‌ಗೆ ತಳ್ಳುತ್ತೆ. ಹಿಂದೂ-ಮುಸ್ಲಿಂ ಸಂಘರ್ಷದ ಹಳೆಯ ವಿಡಿಯೋಗಳು, ಅತಿ-ರಾಷ್ಟ್ರೀಯತೆಯ ಕ್ಲಿಪ್‌ಗಳು, ಆಂಟಿ-ಕಾಂಗ್ರೆಸ್ ವಿಡಿಯೋಗಳು, “ವಿರೋಧ ಪಕ್ಷ ಬಂದ್ರೆ ದೇಶ ಒಡೆಯುತ್ತೆ” ಅನ್ನೋ ಭಯ ಹುಟ್ಟಿಸೋ ಮೆಸೇಜ್‌ಗಳು ಮತ್ತೆ ಸರ್ಕಾರದ ಟೀಕೆನ ದೇಶದ್ರೋಹ ಅಂತ ಬಿಂಬಿಸೋ content ನಿರಂತರವಾಗಿ ಎದುರಾಗುತ್ತೆ.

ಈ ಹಂತದಲ್ಲಿ Confirmation Bias ಮತ್ತೆ Fear-Based Persuasion ಕೆಲಸ ಮಾಡುತ್ತವೆ. Motivated Reasoning ಮತ್ತೆ In-group vs Out-group Psychology ಯಿಂದಾಗಿ, ಅವನು ನಿಧಾನವಾಗಿ ತನ್ನ ಆರ್ಥಿಕ ಸಮಸ್ಯೆಗಳನ್ನ ಬದಿಗೊತ್ತಿ, “ದೇಶ ಮೊದಲು, ಧರ್ಮ ಮೊದಲು” ಅನ್ನೋ Identity-Protective Cognition ಗೆ ಜಾರ್ತಾನೆ. ಅಂತಿಮವಾಗಿ, ಬೆಲೆ ಏರಿಕೆ ಎಷ್ಟೇ ಇದ್ರೂ ತನ್ನ ಮತವನ್ನ ಮತ್ತೆ ಅದೇ ಪಕ್ಷಕ್ಕೆ ಹಾಕ್ಲೇಬೇಕು ಅನ್ನೋ ತೀರ್ಮಾನಕ್ಕೆ ಬರ್ತಾನೆ. ಇಲ್ಲಿ Algorithmic Reinforcement ಅವನ ವಾಸ್ತವಿಕ ಅಸಮಾಧಾನವನ್ನ ಮರೆಸಿದೆ.

ಕಾಲ್ಪನಿಕ ಉದಾಹರಣೆ ೨: Congress ಅಥವಾ ಪ್ರಾದೇಶಿಕ ಪಕ್ಷದ ಮತದಾರ (Hypothetical Case Study 2)

ಅಲ್ಲಾರಿತಮ್ ಪ್ರಭಾವ ಕೇವಲ ಬಿಜೆಪಿಗೆ ಸೀಮಿತವಾಗಿಲ್ಲ ಅನ್ನೋದನ್ನ ತೋರಿಸೋಕೆ ಬಳಸಿದ ಸಮಾನ ಕಾಲ್ಪನಿಕ ಉದಾಹರಣೆ ಇದು. ಇಲ್ಲಿಯೂ ಭಾಷಾ ಹಕ್ಕುಗಳ ಹೋರಾಟವನ್ನ ಸೇರಿಸಲಾಗಿಲ್ಲ.

ಒಬ್ಬ ಮತದಾರ ಕಾಂಗ್ರೆಸ್ ಅಥವಾ ಯಾವುದಾದ್ರೂ ಪ್ರಾದೇಶಿಕ ಪಕ್ಷನ ಬೆಂಬಲಿಸ್ತಿರ್ತಾನೆ. ಆ ಪಕ್ಷ ಅಧಿಕಾರದಲ್ಲಿದ್ದಾಗ ಸ್ಥಳೀಯವಾಗಿ ಭಾರಿ ಭ್ರಷ್ಟಾಚಾರ, ಅಭಿವೃದ್ಧಿಯ ಕೊರತೆ ಅಥವಾ ನಾಯಕತ್ವದ ವೈಫಲ್ಯ ಎದ್ದು ಕಾಣ್ತಿರುತ್ತೆ. ಆ ಮತದಾರನಿಗೆ “ನಮ್ಮ ಪಕ್ಷ ತಪ್ಪು ಮಾಡ್ತಿದ್ಯಾ?” ಅನ್ನೋ ಸಂಶಯ ಬರುತ್ತೆ.

ಆದ್ರೆ ಅವನ social media ಫೀಡ್‌ನಲ್ಲಿ, “ಕೇಂದ್ರ ಸರ್ಕಾರ ಬಂದ್ರೆ ಸಂವಿಧಾನ ಬದಲಾಯಿಸ್ತಾರೆ”, “ನಿಮ್ಮ ಜಾತಿಯ ಮೀಸಲಾತಿನ ಕಿತ್ಕೊಳ್ತಾರೆ”, “ಅಲ್ಪಸಂಖ್ಯಾತರನ್ನ ದೇಶದಿಂದ ಓಡಿಸ್ತಾರೆ” ಅನ್ನೋ ಭಯ ಹುಟ್ಟಿಸೋ ಮೆಸೇಜ್‌ಗಳು (minority fear content) ಪದೇ ಪದೇ ಬರ್ತಿರ್ತವೆ. ಜೊತೆಗೆ ಹಳೆಯ ಕಲ್ಯಾಣ ಕಾರ್ಯಕ್ರಮಗಳ ಬಗೆಗಿನ ನಾಸ್ಟಾಲ್ಜಿಯಾ (welfare nostalgia), ಕೇಂದ್ರ ಸರ್ಕಾರದ ವಿರುದ್ಧದ ತಾರತಮ್ಯದ ಆರೋಪಗಳು (anti-central-government narratives), ಮತ್ತೆ ಎದುರಾಳಿ ನಾಯಕರನ್ನ ಅಪಹಾಸ್ಯ ಮಾಡೋ ಮೀಮ್‌ಗಳು ವೈರಲ್ ಆಗ್ತವೆ.

Confirmation Bias, Motivated Reasoning, Fear-Based Persuasion ಇಲ್ಲಿಯೂ ತನ್ನ ಕೆಲಸ ಮಾಡುತ್ತವೆ. ತನ್ನ ಪಕ್ಷ ಎಷ್ಟೇ ಭ್ರಷ್ಟಾಚಾರ ಮಾಡಿದ್ರೂ, ಅಥವಾ ಆಡಳಿತದಲ್ಲಿ ವಿಫಲವಾಗಿದ್ರೂ, “ಅವರು ಬಂದ್ರೆ ನಮ್ಮ ಜಾತಿ, ಅಸ್ತಿತ್ವವೇ ನಾಶವಾಗುತ್ತೆ” ಅನ್ನೋ ಭಯದಿಂದ, ಆ ಮತದಾರ ತನ್ನ ಹಳೆಯ ಪಕ್ಷಕ್ಕೇ ಅಂಟಿಕೊಳ್ತಾನೆ. ಇದು algorithms ಯಾವುದೇ ಸಿದ್ಧಾಂತದವರನ್ನಾದ್ರೂ ಕುರುಡಾಗಿಸೋ ಶಕ್ತಿ ಹೊಂದಿವೆ ಅನ್ನೋದನ್ನ ತೋರಿಸುತ್ತೆ.

ಹಿರಿಯ ಮತ್ತು ನಿವೃತ್ತ ಬಳಕೆದಾರರು (Elderly and retired users)

೧೯೫೦ ಮತ್ತೆ ೧೯೬೦ರ ದಶಕದಲ್ಲಿ ಹುಟ್ಟಿ, ಈಗ ನಿವೃತ್ತರಾಗಿರೋ ಹಿರಿಯ ನಾಗರಿಕರು social media ಯುಗದಲ್ಲಿ ಅತಿ ಹೆಚ್ಚು ಸುಳ್ಳು ಸುದ್ದಿಗಳಿಗೆ ಬಲಿಯಾಗ್ತಿದ್ದಾರೆ ಅಂತ ಹಾರ್ವರ್ಡ್ ಮತ್ತೆ ರಾಂಡ್ (RAND) ಸಂಸ್ಥೆಗಳ ಸಂಶೋಧನೆಗಳು ಹೇಳ್ತವೆ.

ಇದಕ್ಕೆ ಕಾರಣ ಅವರನ್ನ ದಡ್ಡರು ಅಂತ ಕರೆಯೋದಲ್ಲ; ಬದಲಿಗೆ ಅವರ ಕಾಲದ ಮಾಧ್ಯಮಗಳ ಪರಿಸರ ಮತ್ತು ನಂಬಿಕೆಗಳಿಗೂ, ಇಂದಿನ algorithmic ಪರಿಸರಕ್ಕೂ ಇರೋ ಅಗಾಧ ವ್ಯತ್ಯಾಸ. ಅವರು ಡಿಜಿಟಲ್ ಜಗತ್ತಿನ recommendation system ಗಳ ನಡುವೆ ಬೆಳೆದವರಲ್ಲ. ಮುಂಚಿನ ಕಾಲದಲ್ಲಿ ಅಚ್ಚಾದ ಅಕ್ಷರಗಳು ಮತ್ತೆ ಪತ್ರಿಕೆಯ ಸುದ್ದಿಗಳು ಬಹುಪಾಲು ಸತ್ಯವಾಗಿರ್ತಿದ್ವು. ಅದೇ ಮಾನದಂಡವನ್ನ ಅವರು WhatsApp ಫಾರ್ವಡ್‌್ರಗಳಿಗೂ ಅನ್ವಯಿಸ್ತಾರೆ. ಸುಳ್ಳು ಮೆಸೇಜ್‌ಗಳು ಅವರ ಕುಟುಂಬದ WhatsApp ಗ್ರೂಪ್, ಧಾರ್ಮಿಕ ಗ್ರೂಪ್, ಜಾತಿಯ ಗ್ರೂಪ್, ಅಥವಾ ಹಳೆಯ ಸ್ನೇಹಿತರ ಗ್ರೂಪ್‌ನಿಂದ ಬರೋದ್ರಿಂದ, ಅವರು “ನಮ್ಮವರು ಕಳುಹಿಸಿದ್ದು ಸುಳ್ಳಾಗಿರೋಕೆ ಸಾಧ್ಯವಿಲ್ಲ” ಅಂತ ಸುಲಭವಾಗಿ ನಂಬ್ತಾರೆ.

ಹಾರ್ವರ್ಡ್ ಸಂಶೋಧಕ ಬೆನ್ ಲಿಯಾನ್ಸ್ (Ben Lyons) ಅವರ ಪ್ರಕಾರ, ಹಿರಿಯರಲ್ಲಿ ‘ನ್ಯೂಸ್ ಲಿಟರಸಿ’ ಹೆಚ್ಚಿರ್ತದೆಯಾದ್ರೂ, ಡಿಜಿಟಲ್ ಲಿಟರಸಿ ಕಡಿಮೆಯಿರುತ್ತೆ. ವಯಸ್ಸಾದಂತೆ ‘Congeniality bias’ (ತಮಗೆ ಆಪ್ತವಾದ, ತಮ್ಮ ಹಳೆಯ ನಂಬಿಕೆಗಳಿಗೆ ಪೂರಕವಾದ ವಿಚಾರಗಳನ್ನ ಮಾತ್ರ ನಂಬೋದು) ಹೆಚ್ಚಾಗುತ್ತೆ. ಧರ್ಮ, ರಾಷ್ಟ್ರೀಯ ಭದ್ರತೆ, ಸಮುದಾಯದ ಗುರುತು ಮತ್ತೆ ನಾಸ್ಟಾಲ್ಜಿಯಾ ಕುರಿತಾದ ಭಾವನಾತ್ಮಕ content ಗೆ ಅವರು ಬೇಗ ಕರಗುತ್ತಾರೆ. ಎಡಿಟೆಡ್ ವಿಡಿಯೋಗಳು ಅಥವಾ ಡೀಪ್‌ಫೇಕ್ (deepfakes) ಗಳನ್ನ ಗುರುತಿಸೋ ಕೌಶಲ್ಯ ಅವರಲ್ಲಿ ಕಡಿಮೆ ಇರುತ್ತೆ.

ಪುನರಾವರ್ತಿತ ಮಾನ್ಯತೆಯಿಂದಾಗಿ (repeated exposure) ಅತಿಶಯೋಕ್ತಿಗಳು ಸಹ ಅವರಿಗೆ ಸತ್ಯದಂತೆ ಕಾಣ್ತವೆ. ಅದೇನೇ ಇದ್ರೂ, ಎಲ್ಲ ಹಿರಿಯ ನಾಗರಿಕರೂ ಹೀಗೆಯೇ ಇರ್ತಾರೆ ಅಂತಲ್ಲ. ಅನೇಕರು ಯುವಕರಿಗಿಂತ ಹೆಚ್ಚು ವಿಮರ್ಶಾತ್ಮಕವಾಗಿ ಯೋಚಿಸ್ತಾರೆ. ಇದು ಅವರ ಡಿಜಿಟಲ್ ಸಾಕ್ಷರತೆ, ಒಂಟಿತನ, ಮತ್ತೆ ಅವರು ನಂಬೋ trust-ನೆಟ್‌ವರ್ಕ್‌ಗಳನ್ನ ಅವಲಂಬಿಸಿರುತ್ತೆ.

Information, Influence, Manipulation, Algorithmic Conditioning – ಇವುಗಳ ವ್ಯತ್ಯಾಸ ಏನು?

ಈ ನಾಲ್ಕೂ ಪದಗಳು ಆನ್‌ಲೈನ್ ಜಗತ್ತಿನಲ್ಲಿ ಬೇರೆ ಬೇರೆ ಹಂತದ ಪ್ರಭಾವಗಳನ್ನ ಸೂಚಿಸುತ್ತವೆ. ಇವುಗಳ ನಡುವಿನ ವ್ಯತ್ಯಾಸ ಅರ್ಥ ಮಾಡ್ಕೊಳ್ಳೋದು ಬಹಳ ಮುಖ್ಯ:

• Information (ಮಾಹಿತಿ): ಒಬ್ಬ ವ್ಯಕ್ತಿಗೆ ವಾಸ್ತವಾಂಶ ತಿಳಿಯೋಕೆ ಮತ್ತೆ ಸ್ವತಂತ್ರವಾಗಿ ತೀರ್ಮಾನ ತಗೊಳೋಕೆ ಸಹಾಯ ಮಾಡೋ ಸತ್ಯವಾದ ಮಾಹಿತಿ. ಉದಾಹರಣೆಗೆ, “ಇಂದು ಗ್ಯಾಸ್ ಬೆಲೆ ೫೦ ರೂ. ಏರಿಕೆಯಾಗಿದೆ” ಅಥವಾ “ಸರ್ಕಾರ ಹೊಸ ಯೋಜನೆ ಪ್ರಕಟಿಸಿದೆ” ಅನ್ನೋದು ವಾಸ್ತವಿಕ ಮಾಹಿತಿ.
• Influence (ಪ್ರಭಾವ): ಒಬ್ಬರ ಅಭಿಪ್ರಾಯನ ತರ್ಕ (argument), ಭಾವನೆ ಮತ್ತೆ ವಿಷಯನ ಮಂಡಿಸೋ ಶೈಲಿಯ ಮೂಲಕ (framing) ಬದಲಾಯಿಸೋಕೆ ಮಾಡೋ ಮುಕ್ತ ಪ್ರಯತ್ನ. ಇದು ಪ್ರಜಾಪ್ರಭುತ್ವದಲ್ಲಿ ಸಹಜ. ಉದಾಹರಣೆಗೆ, ವೇದಿಕೆ ಮೇಲೆ ನಾಯಕರು ಮಾಡೋ ಭಾಷಣ, ಅಥವಾ ಪತ್ರಿಕೆಯಲ್ಲಿ ಬರೋ ಸಂಪಾದಕೀಯ.
• Manipulation (ಕುತಂತ್ರ/ಮಾರ್ಪಾಡು): ಒಬ್ಬರಿಗೆ ಗೊತ್ತಾಗದಂತೆ, ಕದ್ದುಮುಚ್ಚಿ ಅವರ ಭಯ, ಕೋಪ, ಸಮುದಾಯದ ಗುರುತು ಮತ್ತೆ ನಂಬಿಕೆಗಳನ್ನ ದುರ್ಬಳಕೆ ಮಾಡ್ಕೊಂಡು ಅವರ ದೃಷ್ಟಿಕೋನನ ಬದಲಾಯಿಸೋದು. ಉದಾಹರಣೆಗೆ, ಉದ್ದೇಶಪೂರ್ವಕವಾಗಿ ಸುಳ್ಳು ಸುದ್ದಿ ಹರಡೋದು, ಎಡಿಟ್ ಮಾಡಿದ ವಿಡಿಯೋನ ನಿಜ ಅಂತ ಬಿಂಬಿಸೋದು.
• Algorithmic Conditioning (ರೂಢಿಮಾಡುವಿಕೆ): ಒಬ್ಬ ವ್ಯಕ್ತಿಗೆ ಮತ್ತೆ ಮತ್ತೆ ಒಂದೇ ರೀತಿಯ emotional content ತೋರಿಸಿ, ನಿಧಾನವಾಗಿ ಅವನ ಮನಸ್ಸಿನಲ್ಲಿ “ಯಾವುದು ಸತ್ಯ, ಯಾವುದು ಮುಖ್ಯ, ಯಾರು ಶತ್ರು, ಯಾರು ರಕ್ಷಕ” ಅನ್ನೋ ಭಾವನೆನ ಶಾಶ್ವತವಾಗಿ shape ಮಾಡೋ process. ಇದು ಮನುಷ್ಯನಿಗೆ ಅರಿವೇ ಇಲ್ಲದಂತೆ ಆತನ ವಾಸ್ತವದ ಗ್ರಹಿಕೆನ ಬದಲಾಯಿಸೋ ದೀರ್ಘಾವಧಿಯ ಪ್ರಕ್ರಿಯೆ.

Indian identity politics ಮತ್ತು algorithmic amplification

ಭಾರತೀಯ ರಾಜಕಾರಣ ಯಾವಾಗಲೂ ಧರ್ಮ, ಜಾತಿ, ಭಾಷೆ ಮತ್ತೆ ಪ್ರಾದೇಶಿಕ ಗುರುತುಗಳ ಸುತ್ತ ಹೆಣೆದುಕೊಂಡಿದೆ. ಆದ್ರೆ algorithms ಈ ಕೆಲವು ಗುರುತುಗಳನ್ನ ಅತ್ಯಂತ ಉಗ್ರವಾಗಿ (toxic) ಬದಲಾಯಿಸ್ತಿವೆ.

ಧರ್ಮ ಮತ್ತೆ ಜಾತಿಯ ವಿಚಾರದಲ್ಲಿ, ಐತಿಹಾಸಿಕ ತಪ್ಪುಗಳನ್ನ ಕೆದಕಿ (historical grievance), ಇಂದಿನ ತಲೆಮಾರಿನ ಜನರ ನಡುವೆ ಭೀತಿ ಮತ್ತೆ ದ್ವೇಷ ಹುಟ್ಟಿಸೋ content ಬಹಳ ಬೇಗ ವೈರಲ್ ಆಗುತ್ತೆ. “ಅಲ್ಪಸಂಖ್ಯಾತರು ದೇಶನ ಆಕ್ರಮಿಸಿಕೊಳ್ತಾರೆ” ಅನ್ನೋ ಬಹುಸಂಖ್ಯಾತರ ಭಯ (majority fear) ಮತ್ತೆ “ನಮ್ಮ ಹಕ್ಕುಗಳನ್ನ ಕಿತ್ಕೊಳ್ತಾರೆ” ಅನ್ನೋ ಅಲ್ಪಸಂಖ್ಯಾತರ ಭಯ (minority fear) ಎರಡನ್ನೂ algorithms ಪೋಷಿಸುತ್ತವೆ. ಇದರ ಜೊತೆಗೆ, ಭದ್ರತಾ ಭೀತಿ (security fear) ಮತ್ತೆ ಅತಿ-ರಾಷ್ಟ್ರೀಯತೆಯ (nationalism) ಹೆಸರಿನಲ್ಲಿ ರಾಜಕೀಯ ವಿರೋಧಿಗಳನ್ನ ಶತ್ರುಗಳಂತೆ ಬಿಂಬಿಸಲಾಗುತ್ತೆ. ನಾಯಕರನ್ನ ಆರಾಧಿಸೋ (leader worship) ಮತ್ತೆ ಮಾಧ್ಯಮಗಳ ವಿರುದ್ಧ ಆಕ್ರೋಶ (anti-media sentiment) ವ್ಯಕ್ತಪಡಿಸೋ ಪ್ರವೃತ್ತಿ ಡಿಜಿಟಲ್ ವೇದಿಕೆಗಳಲ್ಲಿ ಸಾಮಾನ್ಯವಾಗಿದೆ.

ಮತ್ತೊಮ್ಮೆ ನೆನಪಿರಲಿ… ಪ್ರಾದೇಶಿಕ ಭಾಷಾ ಹಕ್ಕುಗಳ ಹೋರಾಟವನ್ನ ಈ ಹಾನಿಕಾರಕ ಗುರುತು ರಾಜಕಾರಣದ ಪಟ್ಟಿಗೆ ಸೇರಿಸಬಾರದು. ಅದು ಅಸ್ಮಿತೆಯ ರಕ್ಷಣೆಯೇ ಹೊರತು, ಇತರರ ಮೇಲಿನ ದಬ್ಬಾಳಿಕೆ ಅಲ್ಲ.

Political Polarization ಮತ್ತು Democracy ಮೇಲೆ ಪರಿಣಾಮ

Social media algorithms ಸಮಾಜವನ್ನ ಎರಡು ವಿರುದ್ಧ ದಿಕ್ಕುಗಳಿಗೆ ಸೀಳುತ್ತಿವೆ. ಇದು ಭಾರತದ ಪ್ರಜಾಪ್ರಭುತ್ವದ ಮೇಲೆ ಗಂಭೀರ ದುಷ್ಪರಿಣಾಮಗಳನ್ನ ಬೀರ್ತಿದೆ.

ವಿಭಿನ್ನ ಜಾತಿ ಮತ್ತೆ ಧರ್ಮಗಳ ನಡುವೆ ಹಿಂದೆಂದಿಗಿಂತಲೂ ಹೆಚ್ಚು ಅಪನಂಬಿಕೆ ಹುಟ್ಟಿಕೊಳ್ತಿದೆ. ವಿರೋಧ ಪಕ್ಷದ ಮತದಾರರನ್ನ ಕೇವಲ ಭಿನ್ನಾಭಿಪ್ರಾಯ ಇರೋರು ಅಂತ ನೋಡದೆ, “ನನ್ನ ಪಕ್ಷಕ್ಕೆ ಓಟು ಹಾಕದವರೆಲ್ಲ ದೇಶದ್ರೋಹಿಗಳು ಅಥವಾ ಮೂರ್ಖರು” ಅಂತ ನೋಡೋ ಅಸಹಿಷ್ಣುತೆ ಹೆಚ್ಚಾಗಿದೆ. ವಾಸ್ತವಿಕ ಸತ್ಯಗಳು ಎಷ್ಟೇ ಸ್ಪಷ್ಟವಾಗಿದ್ರೂ ಅದನ್ನ ನಂಬೋಕೆ ನಿರಾಕರಿಸೋ (refusal to accept facts) ಮನಸ್ಥಿತಿ ಬೆಳೆದಿದೆ. ಪ್ರತಿಯೊಂದು ಘಟನೆಯ ಹಿಂದೆಯೂ ಯಾವುದೋ ಜಾಗತಿಕ ಷಡ್ಯಂತ್ರ ಇದೆ ಅಂತ ನಂಬೋ conspiracy thinking ಸಾಮಾನ್ಯವಾಗಿದೆ.

“ನನ್ನ ಪಕ್ಷ ಅಥವಾ ನಾಯಕ ಮಾತ್ರ ದೇಶನ ಉಳಿಸಬಲ್ಲ” (only my party can save the country) ಅನ್ನೋ ನಂಬಿಕೆ ಬಲವಾಗ್ತಿದ್ದು, ಇದು ಕುರುಡು ನಿಷ್ಠೆಗೆ ದಾರಿಮಾಡಿಕೊಡ್ತಿದೆ. ಪ್ರಜಾಪ್ರಭುತ್ವದಲ್ಲಿ ಆಡಳಿತಾರೂಢರು ತಪ್ಪು ಮಾಡಿದ್ರೆ ಪ್ರಶ್ನಿಸೋ ಜವಾಬ್ದಾರಿ (accountability) ಇರ್ಬೇಕು. ಆದ್ರೆ ಭಾವನಾತ್ಮಕ ವೋಟಿಂಗ್ (emotional voting) ನಿಂದಾಗಿ ಇಶೂ-ಬೇಸ್ಟ್ ರಾಜಕೀಯ ಸತ್ತುಹೋಗಿದೆ. ಇದರ ಜೊತೆಗೆ, ನ್ಯಾಯಯುತವಾದ ಪ್ರಾದೇಶಿಕ ಭಾಷಾ ಹಕ್ಕುಗಳನ್ನ ಕೇಳೋರನ್ನ ಆಂಟಿ-ನ್ಯಾಷನಲ್ ಅಂತ ಸುಳ್ಳು ಆರೋಪ ಮಾಡೋ ಮೂಲಕ ಒಕ್ಕೂಟ ವ್ಯವಸ್ಥೆಯನ್ನ ದುರ್ಬಲಗೊಳಿಸೋ ಯತ್ನಗಳೂ ನಡೀತಿವೆ.

Platform-wise analysis (ಯಾವ ವೇದಿಕೆಗಳು ಹೇಗೆ ಕೆಲಸ ಮಾಡುತ್ತವೆ?)

• WhatsApp: ಇದು ಭಾರತದ ಅತಿ ದೊಡ್ಡ ಕ್ಲೋಸ್ಡ್ ನೆಟ್‌ವರ್ಕ್. ಇಲ್ಲಿ content ಕೇವಲ ಆಪ್ತರ ಮತ್ತೆ ಕುಟುಂಬದವರ ಗುಂಪುಗಳಲ್ಲಿ (family trust) ಹಂಚಿಕೆಯಾಗೋದ್ರಿಂದ, ಮೂಲಭೂತವಾಗಿ ಇಲ್ಲಿ ಬರೋ ಮೆಸೇಜ್‌ಗಳನ್ನ ಜನ ಸುಲಭವಾಗಿ ನಂಬ್ತಾರೆ. ಫಾರ್ವಡ್್ರ ಆಗೋ ಮೆಸೇಜ್‌ಗಳ ಮೂಲ ಯಾವುದು ಅಂತ ಪತ್ತೆಹಚ್ಚೋದು ಕಷ್ಟ. ಸಮುದಾಯ-ಆಧಾರಿತ ಭಾವನಾತ್ಮಕ ಪ್ರಚಾರಕ್ಕೆ ಇದು ಅತ್ಯಂತ ಪ್ರಬಲ ವೇದಿಕೆಯಾಗಿದೆ.
• YouTube: ಇಲ್ಲಿ ‘ರೆಕಮೆಂಡೇಶನ್ ರ್ಯಾಬಿಟ್ ಹೋಲ್ಸ್’ (recommendation rabbit holes) ಕೆಲಸ ಮಾಡುತ್ತವೆ. ನೀವು ಒಂದು ನಿಲುವಿನ ರಾಜಕೀಯ ವಿಡಿಯೋ ನೋಡಿದ್ರೆ, ಮುಂದಿನ ಹತ್ತು ವಿಡಿಯೋಗಳು ಅದೇ ನಿಲುವನ್ನ ಸಮರ್ಥಿಸೋ, ಇನ್ನೂ ಹೆಚ್ಚು ಉಗ್ರವಾದ ವಿಡಿಯೋಗಳಾಗಿರ್ತವೆ. ರಾಜಕೀಯ ಇನ್‌ಫ್ಲುಯೆನ್ಸರ್‌ಗಳ ಮೂಲಕ ದೀರ್ಘಕಾಲಿಕ ಐಡಿಯಾಲಾಜಿಕಲ್ ಕಂಡೀಷನಿಂಗ್ ಮಾಡೋಕೆ ಯೂಟ್ಯೂಬ್ ಹೇಳಿಮಾಡಿಸಿದಂತಿದೆ.
• Facebook: ಈಗ ಇದನ್ನ ಹೆಚ್ಚಾಗಿ ವಯಸ್ಸಾದವರು ಮತ್ತೆ ಮಧ್ಯವಯಸ್ಕರು ಬಳಸ್ತಾರೆ. ಫೇಸ್‌ಬುಕ್ ಪೇಜ್‌ಗಳು ಮತ್ತೆ ಕಮ್ಯುನಿಟಿ ಗ್ರೂಪ್‌ಗಳ ಮೂಲಕ ಫೇಕ್ ನ್ಯೂಸ್, ಟೆಕ್ಸ್ಟ್ ಮೆಸೇಜ್ ಮತ್ತೆ ಇಮೇಜ್‌ಗಳು ಅತಿ ವೇಗವಾಗಿ ಶೇರ್ ಆಗ್ತವೆ. ಇಲ್ಲಿ ಹಂಚಿಕೆಯ ಆಧಾರದ ಮೇಲೆ (share-based) ತಪ್ಪು ಮಾಹಿತಿ ವೇಗವಾಗಿ ಹರಡುತ್ತೆ.
• Instagram/Reels: ಯುವಜನತೆನ ಸೆಳೆಯೋಕೆ ಬಳಸೋ ಪ್ರಬಲ ಅಸ್ತ್ರ. ಕೇವಲ ೩೦ ರಿಂದ ೬೦ ಸೆಕೆಂಡ್‌ಗಳ ಭಾವನಾತ್ಮಕ, ಹಿನ್ನೆಲೆ ಸಂಗೀತ ಇರೋ ಶಾರ್ಟ್ ಕ್ಲಿಪ್‌ಗಳು ಮತ್ತೆ ಮೀಮ್ ಪಾಲಿಟಿಕ್ಸ್ (meme politics) ಮೂಲಕ ಯುವಕರಲ್ಲಿ ಶೀಘ್ರ ಆಕ್ರೋಶ ಮೂಡಿಸೋಕೆ ಇದನ್ನ ಬಳಸಲಾಗುತ್ತೆ. ಇಲ್ಲಿ ತಾರ್ಕಿಕ ವಿಚಾರಗಳಿಗಿಂತ ದೃಶ್ಯ-ಪ್ರಭಾವವೇ (visual impact) ಮುಖ್ಯ.
• X (Twitter): ಇದು ಎಲೈಟ್ ರಾಜಕೀಯ ಸಂವಹನದ ವೇದಿಕೆ. ಪತ್ರಕರ್ತರು, ರಾಜಕಾರಣಿಗಳು, ಹೋರಾಟಗಾರರು ಮತ್ತೆ ಐಟಿ ಸೆಲ್‌ಗಳು ಇಲ್ಲಿ ಕಾದಾಡುತ್ತವೆ. ಟ್ರೆಂಡಿಂಗ್ ಹ್ಯಾಶ್‌ಟ್ಯಾಗ್‌ಗಳ ಮೂಲಕ ದೇಶದ ನ್ಯಾವೆರೇಟಿವ್ (narrative battles) ಅನ್ನ ಸೆಟ್ ಮಾಡೋಕೆ ಇಲ್ಲಿ ಪ್ರಯತ್ನಿಸಲಾಗುತ್ತೆ. ಭಾಷಾ-ಹಕ್ಕುಗಳ ಧ್ವನಿನ ಅಡಗಿಸೋಕೆ ಫೇಕ್ ಟ್ರೆಂಡ್‌ಗಳನ್ನ ಸೃಷ್ಟಿಸೋ ತಂತ್ರಗಳು ಇಲ್ಲಿ ಸಾಮಾನ್ಯ.

Research Evidence (ವೈಜ್ಞಾನಿಕ ಆಧಾರಗಳು)

Pew Research Center ಮತ್ತೆ Oxford Internet Institute ನಂಥ ಸಂಸ್ಥೆಗಳ ಅಧ್ಯಯನದ ಪ್ರಕಾರ, ಭಾರತ ಸೇರಿದಂತೆ ಜಗತ್ತಿನಾದ್ಯಂತ algorithms ಎಕೋ-ಚೇಂಬರ್‌ಗಳನ್ನ ಸೃಷ್ಟಿಸಿ, ಸಮಾಜವನ್ನ ಆಳವಾಗಿ ಧ್ರುವೀಕರಣ (polarize) ಮಾಡ್ತಿವೆ. ಸ್ಟ್ಯಾನ್‌ಫೋರ್ಡ್ ಮತ್ತು ಎಂಐಟಿ (MIT) ಸಂಶೋಧನೆಗಳ ಪ್ರಕಾರ, ಸುಳ್ಳು ಸುದ್ದಿಗಳು ಸತ್ಯಕ್ಕಿಂತ ಆರು ಪಟ್ಟು ಹೆಚ್ಚು ವೇಗವಾಗಿ ಮತ್ತೆ ಹೆಚ್ಚು ಆಳವಾಗಿ ಹರಡುತ್ತವೆ ಅಂತ ದೃಢಪಟ್ಟಿದೆ. ಮನುಷ್ಯನಿಗೆ ಹೊಸತು (novelty) ಮತ್ತೆ ಆಕ್ರೋಶದ (outrage) ಬಗ್ಗೆ ಇರೋ ಒಲವನ್ನ algorithms ವ್ಯವಸ್ಥಿತವಾಗಿ ಬಳಸಿಕೊಳ್ತವೆ.

ಭಾರತಕ್ಕೆ ಸಂಬಂಧಿಸಿದ ಅಧ್ಯಯನಗಳ (India-specific studies) ಪ್ರಕಾರ, WhatsApp ಮೂಲಕ ಹರಡೋ ಸುಳ್ಳು ಸುದ್ದಿಗಳು ಅತ್ಯಂತ ಪ್ರಭಾವಶಾಲಿಯಾಗಿವೆ. ಚುನಾವಣೆಗಳ ಸಂದರ್ಭದಲ್ಲಿ IT Cells ಗಳು ಸಮನ್ವಯದಿಂದ ಸುಳ್ಳುಸುದ್ದಿಗಳನ್ನ, ಎಡಿಟೆಡ್ ಫೋಟೋಗಳನ್ನ ಹರಡಿ ಮತದಾರರ ಭಾವನೆಗಳನ್ನ ಪ್ರಚೋದಿಸುತ್ತವೆ ಅಂತ ದೃಢಪಟ್ಟಿದೆ. ರಾಜಕೀಯ ಪಕ್ಷಗಳ ಡಿಜಿಟಲ್ ಜಾಹೀರಾತು ವೆಚ್ಚ ೨೦೧೪ರಲ್ಲಿದ್ದ ಅಂದಾಜು ೧೫೦ ಕೋಟಿಯಿಂದ ೨೦೨೪ರ ಹೊತ್ತಿಗೆ ಸುಮಾರು ೨,೫೦೦ ಕೋಟಿ ರೂಪಾಯಿಗಳಿಗೆ ಏರಿಕೆಯಾಗಿದೆ ಅಂತ ಅಂದಾಜಿಸಲಾಗಿದೆ.

ಸಂವಿಧಾನದ ೮ನೇ ಪರಿಚ್ಛೇದ ಮತ್ತೆ ೩೪೩ನೇ ವಿಧಿಗಳ ಅಡಿಯಲ್ಲಿ ಭಾಷಾ ವೈವಿಧ್ಯತೆಯ ಹಕ್ಕುಗಳು ಸ್ಪಷ್ಟವಾಗಿದ್ರೂ, ಡಿಜಿಟಲ್ ಜಾಗದಲ್ಲಿ ಭಾಷಿಕ ಹಕ್ಕುಗಳನ್ನ ಹತ್ತಿಕ್ಕೋ ಆನ್‌ಲೈನ್ ಟ್ರೆಂಡ್‌ಗಳ ಬಗ್ಗೆ ಶೈಕ್ಷಣಿಕ ಸಂಶೋಧನೆಗಳು ಕಳವಳ ವ್ಯಕ್ತಪಡಿಸಿವೆ. ಆದಾಗ್ಯೂ, ಭಾರತದ ಗ್ರಾಮೀಣ ಮಟ್ಟದಲ್ಲಿ algorithmic ಪ್ರಭಾವದ ಕುರಿತು ನಿಖರವಾದ field research ಇನ್ನೂ ಹೆಚ್ಚಿನ ಪ್ರಮಾಣದಲ್ಲಿ ನಡೀಬೇಕಾಗಿದೆ.

Research Methodology (ಈ ವಿಷಯವನ್ನ ಮುಂದಿನ ದಿನಗಳಲ್ಲಿ ಹೇಗೆ ಅಧ್ಯಯನ ಮಾಡ್ಬಹುದು?)

ಯಾರಾದ್ರೂ ಸಂಶೋಧಕರು ಈ ವಿಷಯದ ಬಗ್ಗೆ ಗಂಭೀರವಾಗಿ ಅಧ್ಯಯನ ಮಾಡ್ಬೇಕು ಅಂದ್ರೆ ಪ್ರಾಯೋಗಿಕ ವಿಧಾನಗಳನ್ನ ಬಳಸಬಹುದು. ಮೊದಲನೆಯದಾಗಿ, literature review ಮೂಲಕ ರಾಜಕೀಯ ಸಂವಹನ, ಮನೋವಿಜ್ಞಾನ ಮತ್ತೆ algorithms ಕುರಿತಾದ ಪ್ರಸ್ತುತ ಲೇಖನಗಳನ್ನ ಅಧ್ಯಯನ ಮಾಡ್ಬೇಕು. ಎರಡನೆಯದಾಗಿ, Voter interviews ಮತ್ತು focus group discussions ನಡೆಸಿ, ಬೇರೆ ಬೇರೆ ವಯಸ್ಸಿನ, ಜಾತಿಯ, ವರ್ಗದ ಜನನ್ನ ಮುಖಾಮುಖಿ ಭೇಟಿಯಾಗಿ ಅವರ ಫೋನ್ ಬಳಕೆ ಮತ್ತೆ ರಾಜಕೀಯ ನಂಬಿಕೆಗಳ ಬಗ್ಗೆ ಚರ್ಚಿಸ್ಬೇಕು.

ವಿಶೇಷವಾಗಿ elderly user interviews ಮೂಲಕ ನಿವೃತ್ತ ಹಿರಿಯ ನಾಗರಿಕರ WhatsApp ಬಳಕೆಯ ಶೈಲಿ ಮತ್ತೆ ಅವರು ನಂಬೋ ಸುದ್ದಿಗಳ ಮೂಲಗಳ ಬಗ್ಗೆ ಅಧ್ಯಯನ ಮಾಡ್ಬಹುದು. Social media feed observation ಮತ್ತು YouTube recommendation tracking ಮೂಲಕ ವಿವಿಧ ಪಕ್ಷಗಳ ಬೆಂಬಲಿಗರ ಫೀಡ್‌ಗಳಲ್ಲಿ ಬರೋ content ಅನ್ನ ಟ್ರ್ಯಾಕ್ ಮಾಡೋದು ಉಪಯುಕ್ತ. ಜೊತೆಗೆ, ಭಾಷಾ ಹಕ್ಕುಗಳ ಹೋರಾಟಗಾರರನ್ನ ‘anti-national’ ಅಂತ ಬಿಂಬಿಸೋಕೆ ಬಳಸೋ ಟ್ರೆಂಡ್‌ಗಳು ಮತ್ತೆ ಮೀಮ್‌ಗಳ content analysis ಮಾಡೋದು ಅವಶ್ಯಕ.

ನೈತಿಕ ಎಚ್ಚರಿಕೆಗಳು (Ethical Precautions):

ಅಧ್ಯಯನ ಮಾಡುವಾಗ ಪಾಲ್ಗೊಳ್ಳೋವರಿಂದ ಮುಕ್ತ ಅನುಮತಿ (informed consent) ಪಡೀಬೇಕು. ಯಾವುದೇ ವೈಯಕ್ತಿಕ ಗುರಿಮಾಡುವಿಕೆ (personal targeting) ಇರಬಾರದು; ಡೇಟಾವನ್ನ ಅನಾಮಧೇಯವಾಗಿ (anonymized) ಇಡಬೇಕು. ಸಮತೋಲಿತ ರಾಜಕೀಯ ಸ್ಯಾಂಪ್ಲಿಂಗ್ (balanced political sampling) ಕಾಯ್ದುಕೊಳ್ಳ್ಬೇಕು. ಅತ್ಯಂತ ಮುಖ್ಯವಾಗಿ, ನ್ಯಾಯಯುತ ಭಾಷಾ ಹಕ್ಕುಗಳನ್ನ ಯಾವುದೇ ಕಾರಣಕ್ಕೂ ದ್ವೇಷ ರಾಜಕಾರಣದೊಂದಿಗೆ ಸಮೀಕರಿಸಬಾರದು.

ಈ ಸಂಶೋಧನೆಯಲ್ಲಿ ಯಾವ ವಿಷಯಗಳನ್ನ ಜಾಗ್ರತೆಯಿಂದ ನೋಡ್ಬೇಕು?

ಯಾವುದೇ ಸಂಶೋಧನೆಗೂ ಮಿತಿಗಳಿರ್ತವೆ. ಮೊದಲನೆಯದಾಗಿ, algorithms ಪಾರದರ್ಶಕವಾಗಿಲ್ಲ. ಪ್ರೈವೇಟ್ ಟೆಕ್ ಕಂಪನಿಗಳು ತಮ್ಮ algorithm ಕೋಡ್‌ಗಳನ್ನ ಯಾರಿಗೂ ತೋರಿಸೋದಿಲ್ಲ; ಹಾಗಾಗಿ ನಮಗೆ ಹೊರನೋಟದ ಪರಿಣಾಮಗಳು ಮಾತ್ರ ಗೊತ್ತಾಗ್ತವೆ. WhatsApp ಡೇಟಾ ಎಂಡ್-ಟು-ಎಂಡ್ ಎನ್‌ಕ್ರಿಪ್ಟ್ ಆಗಿರೋದ್ರಿಂದ, ಖಾಸಗಿ ಗ್ರೂಪ್‌ಗಳ ಒಳಗೆ ಎಷ್ಟು ಫೇಕ್ ನ್ಯೂಸ್ ಹರಿದಾಡ್ತಿದೆ ಅಂತ ನಿಖರವಾಗಿ ಅಳೆಯೋದು ಕಷ್ಟ.

ಅದೇ ರೀತಿ, ಮನುಷ್ಯನ ಓಟು ಕೇವಲ ಆತನ ಮೊಬೈಲ್ ಫೀಡ್‌ನಿಂದ ಮಾತ್ರ ನಿರ್ಧಾರ ಆಗೋದಿಲ್ಲ (offline factors still matter). ಆತನ ಕುಟುಂಬ, ಜಾತಿ, ವರ್ಗ, ಆರ್ಥಿಕ ಸ್ಥಿತಿ, ಸ್ಥಳೀಯ ನಾಯಕನ ಪ್ರಭಾವ ಮತ್ತೆ ಮುಖ್ಯವಾಹಿನಿಯ ಮಾಧ್ಯಮಗಳ ಪ್ರಭಾವವೂ ಇರುತ್ತೆ. Algorithms ಮನುಷ್ಯನ ಮೇಲೆ ಪ್ರಭಾವ ಬೀರ್ತವೆಯೇ ಹೊರತು, ಮನುಷ್ಯನನ್ನ ರೋಬೋಟ್‌ನಂತೆ ಪೂರ್ತಿಯಾಗಿ ಕಂಟ್ರೋಲ್ ಮಾಡೋದಿಲ್ಲ. ಜನ ತಾವು ಎಲ್ಲಿಂದ ಪ್ರಭಾವಿತರಾಗ್ತಿದೀವಿ ಅಂತ ನಿಖರವಾಗಿ ಹೇಳೋಕೆ ಸಾಧ್ಯವಾಗದಿರೋದ್ರಿಂದ (causation is difficult to prove), ಈ ವಿಷಯನ ಎಚ್ಚರಿಕೆಯಿಂದ ವಿಶ್ಲೇಷಿಸ್ಬೇಕು. ಅಲ್ಲದೆ, ಭಾಷಾ ಹಕ್ಕುಗಳ ಚಳುವಳಿಗಳನ್ನ ತಪ್ಪಾಗಿ ವಿಭಜಕ manipulation ಅಂತ ಪರಿಗಣಿಸಬಾರದು.

Common readers ಮತ್ತು practical recommendations

ಈ ಅಪಾಯಕಾರಿ ಡಿಜಿಟಲ್ ವಾತಾವರಣನ ಎದುರಿಸೋಕೆ ಸಮಾಜದ ವಿವಿಧ ಸ್ತರದ ಜನರಿಗೆ ಈ ಕೆಳಗಿನ ಪ್ರಾಯೋಗಿಕ ಸಲಹೆಗಳನ್ನ ನೀಡಬಹುದು:

• ಸಾಮಾನ್ಯ ನಾಗರಿಕರಿಗೆ: ಯಾವುದೇ ಮೆಸೇಜ್ ಶೇರ್ ಮಾಡೋ ಮುನ್ನ ಪರೀಕ್ಷಿಸಿ (verify before sharing). ಕೇವಲ ಒಂದೇ ಪಕ್ಷ ಅಥವಾ ವಿಚಾರಕ್ಕೆ ಅಂಟಿಕೊಳ್ಳದೆ, ವಿರುದ್ದ ನಿಲುವಿನ ಕಂಟೆಂಟ್‌ಗಳನ್ನೂ ನೋಡಿ ವಾಸ್ತವ ಅರಿಯೋಕೆ ಪ್ರಯತ್ನಿಸಿ. ಮೂಲ ಮಾಹಿತಿಯನ್ನ (original sources) ಪರಿಶೀಲಿಸಿ. ಆಡಳಿತದ ಸಮಸ್ಯೆಗಳನ್ನ (ಉದ್ಯೋಗ, ಬೆಲೆ ಏರಿಕೆ, ಮೂಲಸೌಕರ್ಯ) ಭಯ-ಆಧಾರಿತ ಕಾಲ್ಪನಿಕ ಕಥನಗಳಿಂದ ಪ್ರತ್ಯೇಕಿಸಿ ನೋಡಿ. ಆವೇಶದಲ್ಲಿ ಪ್ರತಿಕ್ರಿಯಿಸೋ ಮುನ್ನ ಒಂದು ನಿಮಿಷ ಯೋಚಿಸಿ. ಪ್ರಾದೇಶಿಕ ಭಾಷೆ ಮತ್ತೆ ಸಂಸ್ಕೃತಿನ ಹೆಮ್ಮೆಯಿಂದ ಉಳಿಸಿಕೊಳ್ಳಿ, ಆದ್ರೆ ದ್ವೇಷವನ್ನ ತಿರಸ್ಕರಿಸಿ.
• ಹಿರಿಯರಿಗೆ (Elderly users): WhatsApp ನಲ್ಲಿ ಬರೋ ಪ್ರತಿಯೊಂದು ಮೆಸೇಜ್ ಸತ್ಯವಲ್ಲ ಅನ್ನೋದನ್ನ ಅರ್ಥ ಮಾಡ್ಕೊಳ್ಳಿ. ಯಾವುದಾದ್ರೂ ಮೆಸೇಜ್ ತೀವ್ರ ಭಾವನಾತ್ಮಕವಾಗಿದ್ರೆ, ಅದನ್ನ ಫಾರ್ವಡ್್ರ ಮಾಡೋ ಮುನ್ನ ಮನೆಯ ಯುವಜನತೆಯಲ್ಲಿ ಅದರ ಸತ್ಯಾಸತ್ಯತೆ ಕೇಳಿ. ಆ ವಿಡಿಯೋ ಅಥವಾ ಮೆಸೇಜ್‌ನ ಮೂಲ, ದಿನಾಂಕ ಮತ್ತೆ ಸಂದರ್ಭನ (context) ಗಮನಿಸಿ.
• ಕುಟುಂಬಗಳಿಗೆ (Families): ಹಿರಿಯರಿಗೆ ಗೌರವಯುತವಾಗಿ ಡಿಜಿಟಲ್ ಸಾಕ್ಷರತೆನ ಹೇಳಿಕೊಡಿ. ಅವರನ್ನ ದಡ್ಡರು ಅಂತ ಅವಮಾನಿಸದೆ, ಸುಳ್ಳು ಸುದ್ದಿಗಳ ಬಗ್ಗೆ ಮನೇಲಿ ಆರೋಗ್ಯಕರವಾಗಿ ಚರ್ಚಿಸಿ.
• ಶಾಲೆ-ಕಾಲೇಜುಗಳಿಗೆ: ವಿದ್ಯಾರ್ಥಿಗಳಿಗೆ ಮೀಡಿಯಾ ಲಿಟರಸಿ (media literacy), ವಿಮರ್ಶಾತ್ಮಕ ಆಲೋಚನೆ (critical thinking) ಮತ್ತೆ ತಪ್ಪು ಮಾಹಿತಿಯ ಬಗ್ಗೆ ಜಾಗೃತಿ ಮೂಡಿಸೋ ಪಠ್ಯಕ್ರಮವನ್ನ ಅಳವಡಿಸ್ಬೇಕು. ಜೊತೆಗೆ ಭಾಷಾ ವೈವಿಧ್ಯತೆಯ ಸಾಂವಿಧಾನಿಕ ಮೌಲ್ಯಗಳನ್ನ ಕಲಿಸ್ಬೇಕು.
• ಪತ್ರಕರ್ತರಿಗೆ: Algorithmic ಪ್ರಭಾವವನ್ನ ಜನರಿಗೆ ವಿವರಿಸಿ. ವೈರಲ್ ಆದ ವಿಷಯಗಳ ಸತ್ಯಾಸತ್ಯತೆನ (fact-check) ವಿಶ್ಲೇಷಿಸಿ. ಸೆನ್ಸೇಷನಲಿಸಂ ಬಿಟ್ಟುಕೊಡಿ. ಸೂಕ್ತ ಆಧಾರಗಳಿಲ್ಲದೆ ಭಾಷಾ-ಹಕ್ಕುಗಳ ಹೋರಾಟಗಾರರನ್ನ ‘ದೇಶದ್ರೋಹಿಗಳು’ ಅಂತ ಹಣೆಪಟ್ಟಿ ಕಟ್ಟೋದನ್ನ ನಿಲ್ಲಿಸಿ.
• ಚುನಾವಣಾ ಆಯೋಗ / ನೀತಿನಿರೂಪಕರಿಗೆ (Policymakers): ಡಿಜಿಟಲ್ ರಾಜಕೀಯ ಜಾಹೀರಾತುಗಳಲ್ಲಿ ಪಾರದರ್ಶಕತೆ ತರ್ಬೇಕು. ಯಾರು ಹಣ ಕೊಟ್ಟು ಪ್ರಚಾರ ಮಾಡ್ತಿದ್ದಾರೆ ಅಂತ ಸ್ಪಷ್ಟವಾಗಿ ಕಾಣೋ ಹಾಗಿರ್ಬೇಕು. ಸಾರ್ವಜನಿಕ ಸಂವಹನದಲ್ಲಿ ಸಾಂವಿಧಾನಿಕ ಒಕ್ಕೂಟ ವ್ಯವಸ್ಥೆ ಮತ್ತೆ ಭಾಷಾ ಘನತೆನ ರಕ್ಷಿಸೋ ಕಟ್ಟುನಿಟ್ಟಿನ ನಿಯಮಗಳು ಜಾರಿಯಾಗ್ಬೇಕು.
• Social Media ಕಂಪನಿಗಳಿಗೆ: ತಮ್ಮ ಪ್ಲಾಟ್‌ಫಾರ್ಮ್‌ನಲ್ಲಿ ಹರಡೋ ದ್ವೇಷ ಮತ್ತೆ ಸುಳ್ಳು ಮಾಹಿತಿಗಳನ್ನ ತಡೆಯೋಕೆ ಬಲವಾದ ಕ್ರಮ ಕೈಗೊಳ್ಳ್ಬೇಕು ಮತ್ತು ಪಾರದರ್ಶಕತೆ ಹೆಚ್ಚಿಸ್ಬೇಕು. Manipulate ಮಾಡಿದ ಕಂಟೆಂಟ್‌ಗಳ ಮೇಲೆ ಎಚ್ಚರಿಕೆ (label) ನೀಡ್ಬೇಕು. ವಯಸ್ಸಾದ ಬಳಕೆದಾರರನ್ನ ರಕ್ಷಿಸೋಕೆ ಕ್ರಮವಹಿಸ್ಬೇಕು. ಭಾಷಾ-ಹಕ್ಕುಗಳ ಪರವಾಗಿ ಧ್ವನಿ ಎತ್ತೋವರ ಮೇಲಿನ ಕಿರುಕುಳನ ತಡೀಬೇಕು.
• ರಾಜಕೀಯ ಪಕ್ಷಗಳಿಗೆ: ದ್ವೇಷ ಬಿತ್ತಿ ಸಮಾಜ ಒಡೆಯೋ, ಭಾಷಾ ಅಹಂಕಾರ ಪ್ರದರ್ಶಿಸೋ ಪ್ರಚಾರಗಳನ್ನ ಕೈಬಿಡಬೇಕು. ವಿಷಯ-ಆಧಾರಿತ (issue-based) ಪ್ರಚಾರಕ್ಕೆ ಒತ್ತು ನೀಡ್ಬೇಕು. ರಾಷ್ಟ್ರೀಯತೆಯ ಹೆಸರಿನಲ್ಲಿ ಪ್ರಾದೇಶಿಕ ಭಾಷೆ ಮತ್ತೆ ಸಂಸ್ಕೃತಿಯ ಘನತೆನ ಅಳಿಸಿಹಾಕೋ ಪ್ರಯತ್ನ ಮಾಡಬಾರದು. ಭಾಷೆಯನ್ನ ದಬ್ಬಾಳಿಕೆಯ ಸಾಧನವಾಗಿ ಬಳಸಬಾರದು.