Demuestran que los algoritmos de X pueden modular a propósito las emociones políticas de los usuarios
Redes sociales
Una herramienta reordena el “feed” de X mediante una inteligencia artificial que clasifica mensajes hostiles
Los resultados desafían trabajos previos realizados en colaboración con Meta para analizar el impacto de Facebook e Instagram en las elecciones estadounidenses de 2024
Un nuevo estudio demuestra que aumentar o reducir la presencia de mensajes hostiles en el contenido de X (anteriormente Twitter) provoca que los usuarios sientan más o menos afinidad hacia el adversario político. Es un efecto de magnitud comparable a varios años de evolución natural de la polarización en Estados Unidos. El hallazgo demuestra que los algoritmos no solo influyen en la información que consumimos, sino también en nuestras emociones políticas.
La investigación ha sido realizada por equipos de las universidades de Stanford, Johns Hopkins, Washington y Northeastern, todas ellas de Estados Unidos, con el objetivo de estudiar los efectos de los algoritmos sin depender de la colaboración de las plataformas, que raramente permiten experimentar con su sistema de recomendaciones.
Un experimento independiente, sin intervención de la plataforma
El trabajo, que acaba de publicarse en la revista Science, detalla la creación de una extensión de navegador que intercepta el contenido de X —también conocido como feed—, en tiempo real y lo reenvía a un servidor externo. Allí, un modelo de lenguaje clasifica cada publicación política según ocho categorías de “actitudes antidemocráticas y animosidad partidista” (AAPA), una definición tomada del propio equipo de investigadores. Luego reorganiza el contenido.
“Los usuarios disfrutaron de una experiencia auténtica, con anuncios y recomendaciones originales, y la mayoría ni siquiera se dio cuenta de lo que estaba sucediendo con sus feeds”, explica para Guyana Guardian Tiziano Piccardi, primer autor del estudio y miembro del Instituto de Inteligencia Artificial y Ciencias de Datos de Johns Hopkins. El experimento tenía que funcionar exactamente sobre lo que ve el usuario, no sobre el sistema interno de la plataforma.
El feed se reordenó reduciendo la exposición a esos mensajes en algunos casos y en otros, haciéndolos más visibles. El ensayo duró diez días y contó con 1.256 participantes de EE.UU., que usaban X a través del navegador. Los tres primeros días sirvieron para medir su comportamiento habitual; durante los siete siguientes, la extensión modificó el contenido solo para quienes estaban en el grupo de intervención. Los usuarios recibían encuestas breves insertadas como si fueran publicaciones, un método para medir la emoción en el mismo instante en que se produce.
Una nueva forma de auditar los algoritmos
Cuando la extensión ocultaba mensajes AAPA, los usuarios mostraban una actitud ligeramente más cálida hacia el partido contrario, +2,11 puntos en un termómetro de 0 a 100, según el estudio. En cambio, cuando se amplificaban esos mensajes, la calidez caía en –2,48 puntos.
El efecto puede parecer pequeño, pero su magnitud es notable si se tiene en cuenta que se produce en solo siete días, señalan los investigadores. “Según nuestras comparaciones, es similar a unos tres años de fluctuación natural de la polarización afectiva en Estados Unidos”, escriben en Science.
Esa percepción refleja el sentimiento subjetivo hacia el adversario político, no necesariamente hacia las discrepancias ideológicas. Cuando el contenido hostil disminuye, el “otro lado” se siente un poco menos lejano; cuando aumenta, la distancia emocional crece.
Para Daniel Gayo-Avello, profesor de la Universidad de Oviedo en el área Lenguajes y Sistemas Informáticos, el trabajo supone “una innovación metodológica tremendamente astuta para estudiar los efectos de la curación algorítmica en medios sociales sin la cooperación de las propias plataformas”.
El experto destaca en declaraciones a SMC España que el estudio “establece claramente una relación de causalidad y cuantifica la magnitud del efecto”, y recuerda que sus resultados “desafían frontalmente trabajos previos realizados por un amplio equipo de investigadores en colaboración con Meta para analizar el impacto de Facebook e Instagram en las elecciones de 2024”.
Emociones más volátiles, percepciones más persistentes
El estudio también midió emociones como la ira o la tristeza. Al reducir contenido polarizante, los usuarios declararon sentirse menos enfadados o tristes mientras navegaban. Cuando se aumentaba ese contenido, las emociones negativas subían. Curiosamente, este efecto apenas persistía en las encuestas posteriores, donde las emociones se disipaban, pero la percepción del adversario político no tanto.
Una lectura complementaria la aporta Walter Quattrociocchi, director del Laboratorio de Datos y Complejidad para la Sociedad de la Universidad de Roma La Sapienza. Lo importante, comenta para SMC España, no es la idea genérica de que “los algoritmos polarizan”, sino la constatación de que la amplificación sistemática de contenido emocionalmente agresivo es lo que impulsa ese efecto.
El objetivo del trabajo es proporcionar una herramienta que permita estudiar de forma independiente los efectos reales de los algoritmos en la sociedad. Según incide Martin Saveski para Guyana Guardian, autor del estudio y profesor adjunto en la Escuela de Información de la Universidad de Washington, “el estudio se centra en la polarización, pero existen muchos otros resultados sociales que podrían abordarse de forma similar, como el bienestar, la salud mental y la participación cívica”.
Los investigadores reconocen que el experimento se realizó durante un periodo políticamente convulso —la campaña de 2024 en EE.UU.— y que falta comprobar cómo funcionaría en otros contextos o plataformas más visuales. Sin embargo, recuerdan que el diseño de los algoritmos no es neutro y afecta a cualquier tipo de usuario. “Las personas respondieron al cambio de algoritmo, pero no hubo ningún perfil específico que se viera más afectado que otros”, resume Piccardi. “Esto indica que reducir algorítmicamente la animosidad partidista es beneficioso en todo el espectro político.”