Si alguna vez abriste X y terminaste viendo una sucesión de publicaciones que te irritaban, quizá no sea una coincidencia. Una investigación de la Universidad de Stanford sugiere que el algoritmo de recomendaciones de la plataforma puede confundir el enfado con el interés, provocando que el feed muestre cada vez más contenido capaz de generar indignación.
El trabajo, publicado en Proceedings of the National Academy of Sciences (PNAS), analiza una de las principales debilidades de los sistemas de recomendación actuales: utilizan el engagement como indicador de aquello que aparentemente interesa al usuario.
El problema es que interactuar con una publicación no significa necesariamente estar de acuerdo con ella. Las personas también comentan, responden o comparten aquello que las molesta, y el algoritmo puede interpretar esas reacciones como una señal para recomendar contenidos similares.
X confunde atención con preferencias reales
Los investigadores estudiaron a 715 usuarios de X seleccionados aleatoriamente y compararon sus valores personales con los contenidos que aparecían en sus feeds. Para determinar esos valores utilizaron la escala de Schwartz, un modelo psicológico que clasifica diferentes prioridades humanas, como la humildad, la seguridad, la independencia o el hedonismo.
Después analizaron dos espacios diferentes de X. Por un lado estaba la pestaña “Siguiendo”, formada principalmente por publicaciones de cuentas que cada persona decidió seguir. Por otro, la sección “Para ti”, donde el contenido es seleccionado mediante algoritmos de recomendación. La diferencia resultó significativa.
Los investigadores observaron que las publicaciones contrarias a los valores declarados por los usuarios tenían más posibilidades de ser amplificadas en “Para ti” que aquellas que coincidían con sus preferencias.
El enojo también genera engagement
La explicación está en cómo interactuamos con las redes sociales. Cuando alguien encuentra una publicación con la que está profundamente en desacuerdo, puede responder, citarla para criticarla, compartirla o pasar más tiempo leyéndola. Todas esas acciones son fáciles de medir.
Para un algoritmo optimizado alrededor de la interacción, sin embargo, una respuesta indignada puede parecer prácticamente igual que una muestra de entusiasmo.
Ziv Epstein, uno de los autores de la investigación, explica que ahí aparece una discrepancia entre aquello que realmente valora el usuario y las señales que termina enviando al sistema. El resultado puede convertirse en un círculo difícil de romper: aparece una publicación provocadora, el usuario interactúa con ella porque le molesta y esa reacción aumenta la posibilidad de recibir contenidos similares en el futuro.
El feed “Para ti” y la confrontación constante
Los autores no plantean que las redes sociales deban mostrar únicamente opiniones con las que cada persona esté de acuerdo. Un sistema de esas características también podría generar cámaras de eco y reducir la exposición a perspectivas diferentes.
El desafío consiste en encontrar un equilibrio entre diversidad de opiniones y contenido seleccionado principalmente porque provoca una reacción emocional intensa.
Michael Bernstein, profesor de Stanford y coautor del estudio, sostiene que los sistemas de recomendación deberían evitar recompensar excesivamente la interacción confrontativa y buscar mecanismos capaces de distinguir mejor entre interés genuino e indignación.
Hay una forma sencilla de reducir el efecto
Mientras los algoritmos no incorporen esa diferencia, los usuarios tienen algunas opciones para controlar mejor lo que ven.
Una de las más sencillas es utilizar con mayor frecuencia la pestaña “Siguiendo”, donde las recomendaciones algorítmicas tienen menos peso y aparecen principalmente publicaciones de cuentas seleccionadas directamente por el usuario.
Los investigadores también experimentaron con una extensión para navegador capaz de reorganizar el contenido teniendo en cuenta los valores declarados por cada persona.
El estudio plantea así una idea importante para entender las redes sociales modernas: aquello que consigue nuestra atención no siempre es aquello que queremos ver. Y cuando un algoritmo no distingue entre ambas cosas, incluso nuestro enojo puede terminar convirtiéndose en combustible para decidir qué aparecerá después en la pantalla.
