¿Qué son las burbujas de filtro?
En la actualidad, las redes sociales utilizan algoritmos que se encargan de personalizar el tipo de información que es exhibida a los usuarios. Este proceso lleva a un escenario de miopía crítica, donde las personas seleccionan la información política que apoya sus opiniones y evitan la información que las desafía.
El mecanismo de personalización de la información, conduce a la creación de «cámaras eco» de individuos con ideas similares y a la aparición de “burbujas de filtro”, es decir, universos únicos de información para cada usuario (Pariser, 2011). Estas burbujas se caracterizan por introducir tres dinámicas que impactan directamente en la manera en que la gente consume sus contenidos políticos: 1) burbujas unipersonales; 2) invisibles; y, 3) en las que no se elige entrar (Rodriguez, 2017).
¿Cómo funcionan las burbujas?
Según Pariser, las empresas como Facebook, Twitter o Instagram, conectan a los usuarios con información que es similar a sus creencias y motivaciones. Esta personalización tiene el objetivo de aumentar el rendimiento de métricas como el compromiso con la plataforma y los ingresos por publicidad. Las recomendaciones de contenido pueden ser directas, por ejemplo a través de sugerencias de seguimiento a líderes de opinión que se expresen a favor de nuestros argumentos, o pueden ser más sutiles. En este sentido, se han sustituido los «feeds de noticias» cronológicos por otros filtrados y ordenados individualmente, los cuales conectan a los usuarios con aquellas publicaciones con las que tienen más probabilidades de interactuar.
El riesgo de polarizar a la ciudadanía
Este escenario ha llevado a que las redes sociales se asocien con una mayor polarización de la sociedad (Chitra y Musco, 2020). En su clásica definición, Giovanni Sartori (1976) entiende la polarización política como la distancia ideológica entre candidatos, partidos y/o votantes. El grado de polarización se puede medir de varias formas: las políticas y las plataformas de partidos y gobiernos; las actitudes, discursos y votos de parlamentarios; y las dimensiones afectivas de la ciudadanía tanto sobre otros miembros de sus partidos como también sus sentimientos, aprecios y odios sobre personas de diferente afiliación política (Waisbord, 2020).
En consecuencia, el mecanismo de acción de los algoritmos parece incrementar los niveles de polarización. Estos, combinados con la tendencia a interactuar con personas afines, pueden limitar la exposición de los usuarios a diversos puntos de vista y fomentar la adopción de posiciones ideológicas más extremas (Kitchens et. al, 2020). Aún más, los ejércitos de cuentas automatizadas (bots y trolls), las campañas de rumores y el software de vigilancia masiva pueden funcionar como un canal que, en caso de caer en las manos equivocadas, impulse intervenciones autoritarias como estrategia política (Rodríguez C. , 2017).
No todos están de acuerdo con esta visión
Lo aquí expuesto, representa un riesgo y exige que la personalización y la creación de burbujas de filtro sean estudiadas en profundidad y categorizadas según la dimensión social y psicológica en la que impacten. De hecho, algunos autores se oponen a ser categóricos a la hora de definir los efectos negativos de las burbujas de filtro. En esta línea, Dahlgren, 2021, expone que algunos de los supuestos de Pariser contradicen muchas de las conclusiones anteriores de la investigación sobre la exposición selectiva.
Más concretamente, el riesgo de confundir dos argumentos: uno que tiene que ver con la tecnología (por ejemplo, la personalización conduce a una información estandarizada), y otro que tiene que ver con la sociedad (por ejemplo, la personalización aumenta la polarización política en la sociedad). El autor sugiere que para llegar a conclusiones más categóricas sobre los efectos de las burbujas de filtro, es conveniente examinar si los supuestos que subyacen a esta tesis (y sus implicaciones) son coherentes con lo que ya se conoce sobre la exposición selectiva y la psicología humana.
En este sentido, Dahlgren va más allá y señala que si bien las burbujas pueden funcionar, como se sugiere, a nivel tecnológico o individual (por ejemplo, cuando un usuario sigue vídeos recomendados en un servicio de vídeo, los vídeos que se le recomiendan la próxima vez son similares), para un nivel social más amplio, no existen argumentos sólidos que sobreestimen su impacto en las decisiones de los usuarios.
¿Qué deberíamos hacer?
En conclusión, la aparición de algoritmos complejos y mecanismos selectivos de la información, plantea un desafío y abre un campo de estudio interdisciplinar interesante. Por otro lado, las burbujas de filtro sirven como un caso testigo de los posibles efectos de la tecnología en la esfera social y democrática y de como la ciencia es un continuo de argumentación y contra argumentación.
De cualquier modo, se impone una revisión -por principio de precaución-, del poder que han ganado las plataformas sociales y las compañías que las administran. Las repercusiones en el mediano y largo plazo podrían impactar negativamente en las democracias si no se profundiza en los efectos que tienen estas tecnologías en los usuarios que se ven expuestos a ellas.
Bibliografía
Chitra, U. & Musco, C. (2020). Analyzing the Impact of Filter Bubbles on Social Network Polarization. 115-123.
Dahlgren, P. (2021). A critical review of filter bubbles and a comparison with selective exposure. Nordicom Review. 42. 15-33.
Kitchens, B., Johnson L., and Gray, P. (2020). Understanding Echo Chambers and Filter Bubbles: The Impact of Social Media on Diversification and Partisan Shifts in News Consumption. MIS Quarterly Vol. 44 No. 4 pp. 1619-1649.
Rodriguez, C. (2017). Los usuarios en su laberinto: burbujas de filtros, cámaras de eco y mediación algorítmica en la opinión pública en línea. 57-76.
Pariser, E. (2011). The filter bubble: What the Internet is hiding from you. Nueva York: Penguin Press.
Waisbord, S. (2020). ¿Es válido atribuir la polarización política a la comunicación digital? Sobre burbujas, plataformas y polarización afectiva. Revista SAAP, 14(2), 249-279.