Una nueva herramienta muestra que es posible rechazar el rencor partidista en un feed X, sin eliminar publicaciones políticas y sin la cooperación directa de la plataforma.
El estudio, realizado por investigadores de la Universidad de Washington, la Universidad de Stanford y la Universidad Northeastern, también indica que algún día será posible permitir que los usuarios tomen el control de sus algoritmos de redes sociales.
Los investigadores crearon una herramienta web integrada que reordena el contenido para mover las publicaciones más abajo en el feed de un usuario cuando contienen actitudes antidemocráticas y animosidad partidista, como abogar por la violencia o encarcelar a partidarios del partido contrario.
Investigadores publicaron sus hallazgos en Ciencias.
«Los algoritmos de las redes sociales dirigen nuestra atención e influyen en nuestros estados de ánimo y actitudes, pero hasta ahora, sólo las plataformas tenían el poder de cambiar el diseño de sus algoritmos y estudiar sus efectos», dijo el coautor principal Martín Saveskiprofesor asistente de la Escuela de Información de la Universidad de Washington. «Nuestra herramienta brinda esa capacidad a investigadores externos».
En un experimento, alrededor de 1200 participantes voluntarios utilizaron la herramienta durante 10 días durante las elecciones de 2024. Los participantes cuyo contenido antidemocrático fue rebajado mostraron opiniones más positivas del partido contrario. El efecto también fue bipartidista, válido para personas que se identificaban como liberales o conservadores.
«Estudios anteriores intervinieron a nivel de los usuarios o las características de la plataforma, degradando el contenido de usuarios con opiniones políticas similares o cambiando a una transmisión cronológica, por ejemplo. Pero nos basamos en avances recientes en inteligencia artificial para desarrollar una intervención más matizada que reclasifica el contenido que probablemente se polarice», dijo Saveski.
Para este estudio, el equipo se basó en investigaciones sociológicas anteriores que identificaron categorías de actitudes antidemocráticas y animosidad partidista que pueden ser amenazas a la democracia. Además de abogar por medidas extremas contra el partido contrario, estas actitudes incluyen declaraciones que muestran rechazo a cualquier cooperación bipartidista, escepticismo ante los hechos que favorecen las opiniones del otro partido y voluntad de renunciar a los principios democráticos para ayudar al partido favorecido.
Los investigadores abordaron el problema desde diversas disciplinas, incluidas las ciencias de la información, la informática, la psicología y la comunicación.
El equipo creó una herramienta de extensión web junto con un modelo de lenguaje grande de inteligencia artificial que escanea publicaciones en busca de este tipo de sentimientos partidistas antidemocráticos y extremadamente negativos. Luego, la herramienta reordena las publicaciones en el feed X del usuario en cuestión de segundos.
Luego, en experimentos separados, los investigadores hicieron que un grupo de participantes viera sus feeds con este tipo de contenido subidos o bajados durante siete días y compararon sus reacciones con un grupo de control. No se eliminaron publicaciones, pero las publicaciones políticas más incendiarias aparecieron más abajo o más arriba en sus flujos de contenido.
El impacto en la polarización fue claro.
«Cuando los participantes estuvieron expuestos a menos contenido de este tipo, se sintieron más cálidos hacia la gente del partido contrario», dijo el coautor principal. Tiziano Piccardiprofesor asistente en la Universidad Johns Hopkins. «Cuando estuvieron expuestos a más, sintieron más frío».
Antes y después del experimento, los investigadores encuestaron a los participantes sobre sus sentimientos hacia la parte contraria en una escala de 1 a 100. Las actitudes entre los participantes a quienes se les redujo el contenido negativo mejoraron en promedio dos puntos, equivalente al cambio estimado en las actitudes que se ha producido entre la población general de Estados Unidos durante un período de tres años.
Los investigadores ahora están investigando otras intervenciones que utilicen un método similar, incluidas aquellas que tienen como objetivo mejorar la salud mental. El equipo también puso a disposición el código de la herramienta actual, para que otros investigadores y desarrolladores puedan usarlo para crear sus propios sistemas de clasificación independientemente del algoritmo de una plataforma de redes sociales.
«En este trabajo, nos centramos en la polarización afectiva, pero nuestro marco se puede aplicar para mejorar otros resultados, incluido el bienestar, la salud mental y el compromiso cívico», afirmó Saveski. «Esperamos que otros investigadores utilicen nuestra herramienta para explorar el vasto espacio de diseño de posibles algoritmos de alimentación y articular visiones alternativas de cómo podrían operar las plataformas de redes sociales».
Fuente: universidad de washington
<!–
–>
!function(f,b,e,v,n,t,s){if(f.fbq)return;n=f.fbq=function(){n.callMethod?
n.callMethod.apply(n,arguments):n.queue.push(arguments)};if(!f._fbq)f._fbq=n;
n.push=n;n.loaded=!0;n.version=’2.0′;n.queue=[];t=b.createElement(e);t.async=!0;
t.src=v;s=b.getElementsByTagName(e)[0];s.parentNode.insertBefore(t,s)}(window,
document,’script’,’https://connect.facebook.net/en_US/fbevents.js’);
fbq(‘init’, ‘1254095111342376’);
fbq(‘track’, ‘PageView’);
