คงไม่เกินเลยไปนัก ถ้าจะบอกว่าการค้นหาข้อมูลออนไลน์ คือวิธีการหลักที่ผู้คนในยุคสมัยนี้เลือกใช้

เพราะการค้นหาข้อมูลออนไลน์มักนำเราไปสู่การค้นพบสิ่งใหม่ ๆ ที่น่าสนใจ ทั้งในรูปแบบที่เราต้องการ และการบังเอิญเจอองค์ความรู้ใหม่ที่มีประโยชน์ แต่รู้ไหมว่าท่ามกลางพฤติกรรมเหล่านั้น นักวิจัยเกิดความสงสัยต่อปรากฏการณ์ดังกล่าวเช่นกัน ว่าการหาข้อมูลออนไลน์เป็นเรื่องแตกต่างเฉพาะบุคคลหรือไม่ หรือมีอะไรที่เป็นปัจจัยที่ส่งผลให้การค้นหาข้อมูลออนไลน์ต่างกันบ้างไหม

จากจุดตั้งต้นนั้นเอง ทำให้เกิดงานวิจัยที่เพิ่งตีพิมพ์เมื่อไม่กี่อาทิตย์ที่ผ่านมา โดย Dani Bassett จากมหาวิทยาลัยเพนซิลเวเนีย และทีมวิจัยที่มุ่งหวังศึกษาพฤติกรรมการเรียกดูข้อมูลออนไลน์โดยใช้เว็บไซต์วิกิพีเดียเป็นหลัก พวกเขาศึกษาพฤติกรรมการใช้วิกิพีเดียกว่า 482,760 คนจาก 50 ประเทศทั่วโลก จนพบชุดข้อมูลที่พอจะแบ่งการหาข้อมูลออนไลน์เป็น 3 รูปแบบ

รูปแบบแรกคือ "Busybody" หรือพฤติกรรมการหาข้อมูลที่ผู้ค้นหามีแนวโน้มที่จะก้าวกระโดดจากข้อมูลหนึ่งไปสู่อีกข้อมูลหนึ่งโดยไม่มีเหตุผลที่ชัดเจน กล่าวคือเป็นการหลงทางไปในข้อมูลที่ไม่ได้เกี่ยวข้องกันมากนัก แต่ก็เต็มไปด้วยความกระตือรือร้นต่อข้อมูลใหม่ ๆ เหล่านั้น

ซึ่ง Busybody นั้นต่างจากอีกรูปแบบคือ "Hunter" หรือผู้ที่มีเป้าหมายที่ชัดเจนในการแก้ปัญหาหรือเติมเต็มความรู้ที่ขาดหายไป และอีกแบบคือ “Dancer” ที่มีลักษณะการเชื่อมต่อความรู้ในรูปแบบที่สร้างสรรค์และชาญฉลาด สามารถเชื่อมโยงข้อมูลจากหลาย ๆ สาขาได้อย่างมีประสิทธิภาพ หรือกล่าวได้ว่าเป็นค่าตรงกลางที่อยู่ระหว่าง Busybody และ Hunter นั่นเอง

โดยแบสเสตต์ยังได้ค้นพบข้อสังเกตของการแบ่งทั้ง 3 ประเภทไว้ด้วยว่าความแตกต่างในการเรียกดูข้อมูลมีความสัมพันธ์กับระดับการศึกษาและความเท่าเทียมทางเพศในแต่ละประเทศ โดยประเทศที่มีความไม่เท่าเทียมทางเพศสูงกว่า มักพบว่าผู้ใช้มีการเรียกดูข้อมูลอย่างมุ่งมั่นและเป็นประโยชน์กว่า

โดยนักวิจัยได้เสนอสมมุติฐานที่เกี่ยวข้องกับความสัมพันธ์ระหว่างแนวทางในการค้นหาข้อมูลและความเท่าเทียมไว้ว่าประเทศที่มีความไม่เท่าเทียมทางเพศ อาจมีโครงสร้างทางสังคมที่เข้มงวด ทำให้รูปแบบการเชื่อมต่อความรู้มีลักษณะเป็นแบบ "Hunter” รวมถึงวัตถุประสงค์ในการเข้าชมวิกิพีเดียก็อาจแตกต่างกันในแต่ละประเทศและผู้เข้าชม เช่น อายุ เพศ หรือสถานะทางการศึกษาด้วย ที่อาจส่งผลต่อรูปแบบการเรียกดูข้อมูลเช่นกัน

จากองค์ความรู้และการต้ังข้อสังเกตนี้ ทีมวิจัยได้แสดงความเห็นว่าการระบุและทำความเข้าใจความอยากรู้ในรูปแบบต่าง ๆ จะสามารถปรับปรุงวิธีการศึกษาสำหรับผู้เรียนแต่ละคนได้ ด้วยการตอบสนองต่อความต้องการและรูปแบบการเรียนรู้ที่แตกต่างกัน อีกทั้งในอนาคต ทีมวิจัยมีแผนที่จะสำรวจปัจจัยที่มีอิทธิพลต่อรูปแบบความอยากรู้ รวมถึงการตรวจสอบว่าผู้คนมีพฤติกรรมเรียกดูที่แตกต่างกันในเวลาที่แตกต่างกันหรือไม่ เพื่อนำไปสู่การศึกษาในระบบปัญญาประดิษฐ์ที่สามารถใช้ทฤษฎีความอยากรู้เพื่อสร้างการเรียนรู้ที่มีประสิทธิภาพมากขึ้นได้นั่นเอง