Amplificación algorítmica de la política en Twitter
Si eres un usuario de Twitter, sabrás que cuando te desplazas por tu feed de inicio, entre las publicaciones de las cuentas que sigues, a veces verás tweets etiquetados como "te podría gustar". En otras palabras, Twitter te recomienda contenido que considera que puede resultarte atractivo.
Esto se hace utilizando un algoritmo basado en tu actividad anterior en la plataforma, como los tweets que te han gustado o con los que has interactuado. También puede basarse en las preferencias en tu perfil, donde has indicado los temas que te gustaría ver en tu feed de Twitter. El "aprendizaje automático" se utiliza para aprender automáticamente de las preferencias del usuario y aplicar esto a los datos que el sistema no ha visto antes.
A medida que más y más tecnologías utilizan el aprendizaje automático, un desafío asociado es el sesgo, donde un algoritmo produce resultados que favorecen un conjunto de resultados o usuarios sobre otro, lo que a menudo refuerza los prejuicios humanos. Twitter ha sido acusado en varias ocasiones de sesgo político, con políticos o comentaristas que alegan que el algoritmo de Twitter amplifica las voces de sus oponentes o silencia las propias.
En este clima, Twitter encargó un estudio para comprender si su algoritmo puede estar sesgado hacia una determinada ideología política. Si bien Twitter publicó en 2021 los hallazgos de la investigación, el estudio se publicó ahora en la revista revisada por pares PNAS.
El estudio analizó una muestra del 4% de todos los usuarios de Twitter que habían estado expuestos al algoritmo (46.470.596 usuarios únicos). También incluyó un grupo de control de 11.617.373 usuarios que nunca habían recibido ningún tweet recomendado automáticamente en sus feeds.
Este no fue un estudio manual en el que, digamos, los investigadores reclutaron voluntarios y les hicieron preguntas sobre sus experiencias. No hubiera sido posible estudiar un número tan grande de usuarios de esa manera. En cambio, un modelo informático permitió a los investigadores generar sus hallazgos.
Los autores analizaron el efecto de "amplificación algorítmica" en los tuits de 3.634 políticos electos de los principales partidos políticos en siete países con una gran base de usuarios en Twitter: Estados Unidos, Japón, Reino Unido, Francia, España, Canadá y Alemania.
La amplificación algorítmica se refiere a la medida en que es más probable que un tweet se vea en un feed normal de Twitter (donde está funcionando el algoritmo) en comparación con un feed sin recomendaciones automáticas.
Entonces, por ejemplo, si la amplificación algorítmica de los tweets de un grupo político en particular fue del 100 %, esto significa que en los feeds que usan el algoritmo, los tweets de ese partido fueron vistos por el doble de usuarios que entre los usuarios que se desplazaron sin las recomendaciones automáticas (el grupo de control).
Los investigadores calcularon la amplificación basándose en eventos de conteo llamados "impresiones persistentes". Estos eventos se registran cada vez que al menos el 50 % del área de un tweet es visible durante al menos 0,5 segundos y proporcionan una buena indicación de que un usuario ha estado expuesto a un tweet.
Los investigadores encontraron que en seis de los siete países (Alemania fue la excepción), el algoritmo favoreció significativamente la amplificación de tuits de fuentes de tendencia políticamente derechista.
En general, la tendencia de amplificación no fue significativa entre políticos individuales de partidos específicos, pero lo fue cuando se tomaron en conjunto como grupo. Los contrastes más marcados se observaron en Canadá (los tuits de los liberales se amplificaron en un 43 %, frente a los de los conservadores en un 167 %) y el Reino Unido (los tuits de los laboristas se amplificaron en un 112 %, mientras que los de los conservadores se amplificaron en un 176 %).
Amplificación de noticias de derecha
Reconociendo el hecho de que los tuits de los funcionarios electos representan solo una pequeña parte del contenido político en Twitter, los investigadores también analizaron si el algoritmo amplifica desproporcionadamente el contenido de las noticias de algún punto particular del espectro ideológico.
Para ello, midieron la amplificación algorítmica de 6,2 millones de noticias políticas compartidas en EE.UU. para determinar la inclinación política de la fuente de noticias, utilizaron dos conjuntos de datos de calificación de sesgo de los medios seleccionados de forma independiente.
De manera similar a los resultados de la primera parte del estudio, los autores encontraron que el contenido de los medios de comunicación de derecha se amplifica más que el de los medios en otros puntos del espectro ideológico.
Esta parte del estudio también encontró que los medios de extrema izquierda y de extrema derecha no se amplificaron significativamente en comparación con los medios políticamente moderados.
Si bien este es un estudio muy grande que extrae conclusiones pertinentes, hay algunas cosas que debemos tener en cuenta al interpretar los resultados. Como señalan los autores, los algoritmos pueden verse influenciados por la forma en que operan los diferentes grupos políticos. Entonces, por ejemplo, algunos grupos políticos podrían estar implementando mejores tácticas y estrategias para amplificar su contenido en Twitter.
Es agradable ver a Twitter tomar la iniciativa de llevar a cabo este tipo de investigación y revisar los resultados. Los próximos pasos serán recopilar datos más detallados para comprender por qué su algoritmo podría estar favoreciendo a la derecha política y qué pueden hacer para mitigar este problema.
Los hallazgos se publicaron en Proceedings of the National Academy of Sciences: Algorithmic amplification of politics on Twitter
