Saltar al contenido principal
LibreTexts Español

2.6: Burbujas de filtro

  • Page ID
    100016
    • Walter D. Butler; Aloha Sargent; and Kelsey Smith
    • Pasadena City College, Cabrillo College, and West Hills Community College
    \( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \) \( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)\(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\) \(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\)\(\newcommand{\AA}{\unicode[.8,0]{x212B}}\)

    Burbujas flotando una junto a la otra

    El problema con la personalización

    “Me preocupa más, como, la tendencia a mayor escala de predecir lo que queremos, pero luego también predecir lo que queremos de maneras que empujan a mucha gente hacia el mismo punto final cultural y político” (Estudiante anónimo qtd. en Head et al. 20).

    Una característica significativa y ampliamente discutida de la Era de los Algoritmos ha sido la “personalización” de la información que vemos en línea. Los algoritmos filtrarán, ordenarán y personalizarán la información en un intento de proporcionar contenido que sea relevante para nuestros intereses, basado en, por ejemplo, nuestros historiales de búsqueda y patrones de actividades pasadas en línea. Este tipo de personalización algorítmica puede distorsionar, manipular y amplificar nuestras propias visiones del mundo creando las llamadas “burbujas de filtro” que limitan nuestra exposición a perspectivas externas.

    “Usando algoritmos para entregar contenido que es más probable que disfrutemos, estas plataformas refuerzan nuestras cosmovisiones y nos permiten quedarnos encerrados en nuestras cámaras de eco seguras y cómodas... El problema fundamental es que las “burbujas de filtro” empeoran la polarización al permitirnos vivir en nuestras propias cámaras de eco en línea y dejándonos sólo con opiniones que validen, en lugar de desafiar, nuestras propias ideas” (Wardle y Derakhshan 49).

    Roger McNamee, uno de los primeros inversionistas de Facebook convertidos en crítico, considera que las burbujas de filtro son “la herramienta más importante utilizada por Facebook y Google para llamar la atención de los usuarios” porque conducen a un “flujo interminable de publicaciones que confirman las creencias existentes de cada usuario”. El resultado es la polarización: “Todos ven una versión diferente de internet adaptada para crear la ilusión de que todos los demás están de acuerdo con ellos”. Además, este “refuerzo continuo de las creencias existentes tiende a afianzar esas creencias más profundamente, al tiempo que las hace más extremas y resistentes a hechos contrarios”.

    Para una explicación de este problema, vea la Charla TED “Filter Bubbles” de Eli Pariser [8:49], basada en su influyente libro del 2011 del mismo nombre:

    Miniatura del elemento incrustado “Eli Pariser: Cuidado en línea “filtrar burbujas"”

    Un elemento TED ha sido excluido de esta versión del texto. Puedes verlo en línea aquí: http://pb.libretexts.org/collegeresearch/?p=64

    Nota: Activa los subtítulos cerrados con el botón de subtítulos o usa la transcripción del texto interactivo si prefieres leer.

    Nueva investigación sobre Burbujas de Filtro

    Un estudio de 2018 ha puesto en tela de juicio la premisa de la burbuja de filtro, encontrando que la polarización podría aumentar al exponerse a puntos de vista opuestos (Bail et al.). Lo más destacado es que este estudio encontró que “los republicanos que siguieron a un bot liberal de Twitter se volvieron sustancialmente más conservadores” (Bail et al. 9216). Esto sugiere que la exposición a puntos de vista opuestos (que a menudo se presentan con un tono divisivo y moralista para captar nuestra atención) en realidad puede ser contraproducente y crear una mayor polarización al causar reacciones negativas o defensivas.

    Un interesante estudio de 2017 examinó la polarización en Estados Unidos a través de diferentes rangos de edad y sorprendentemente encontró que “el crecimiento de la polarización en los últimos años es mayor para los grupos demográficos con menos probabilidades de usar Internet y las redes sociales” — a saber, los mayores de 75 años (Boxell et al.; cursiva agregada). De hecho, en un estudio de 2020, los estudiantes expresaron su preocupación por la capacidad de los adultos mayores para navegar por sistemas diseñados para la atención algorítmica, con un estudiante señalando que “todos estaban tan enfocados en asegurarse de que los niños aprendieran que olvidaron que también necesitaban enseñar a los abuelos” (Head et al. 26).

    Esta idea podría entenderse mejor con los resultados de dos estudios de 2017 que mostraron que:

    • Los usuarios de redes sociales y motores de búsqueda experimentan más diversidad que los no usuarios
    • Las personas que están involucradas en la política en línea tienen “más probabilidades de verificar dos veces la información cuestionable que encuentran en Internet y las redes sociales, incluso buscando en línea fuentes adicionales de formas que hagan estallar burbujas de filtro” (Wardle y Derakhshan 53).

    Burbujas de gotas de agua colisionando y estallando


    Fuentes

    Bail, Christopher A., et al. “La exposición a puntos de vista opuestos en las redes sociales puede aumentar la polarización política”. PNAS, vol. 115, núm. 7, 2018, pp. 9216-21, doi.org/10.1073/pnas.1804840115. Licenciado bajo CC BY-NC-ND 4.0

    Cuidado en línea 'Filter Bubbles': Eli Pariser” de TED está licenciado bajo CC BY-NC-ND 4.0

    Boxell, Levi, et al. “¿Internet está causando polarización política? Evidencia de Demografía”. NBER Documento de Trabajo 23258, mar. 2017, doi:10.3386/w23258.

    Jefe, Alison J., Barbara Fister y Margy MacMillan. “Alfabetización informacional en la era de los algoritmos”. Alfabetización Informativa de Proyectos, 15 Ene. 2020. Licenciado bajo CC BY-NC-SA 4.0

    Imagen: “Burbujas en BCN” de Marc Sendra Martorell es de Dominio Público, CC0

    Imagen: “Gotitas de Agua” de Nariman Mesharrafa es de Dominio Público, CC0

    Wardle, Claire y Hossein Derakhshan. “Trastorno de la información: hacia un marco interdisciplinario para la investigación y la formulación de políticas”. Consejo de Europa, 27 de septiembre de 2017.


    This page titled 2.6: Burbujas de filtro is shared under a CC BY 4.0 license and was authored, remixed, and/or curated by Walter D. Butler; Aloha Sargent; and Kelsey Smith via source content that was edited to the style and standards of the LibreTexts platform; a detailed edit history is available upon request.