Articulo de referencia

Radicalización algorítmica

La radicalización algorítmica es el concepto de que los algoritmos de recomendación en sitios populares de redes sociales, como YouTube y Facebook , dirigen a los usuarios hacia...

La radicalización algorítmica es el concepto de que los algoritmos de recomendación en sitios populares de redes sociales, como YouTube y Facebook , dirigen a los usuarios hacia contenido cada vez más extremo con el tiempo, lo que lleva al desarrollo de posturas políticas extremistas radicalizadas . Los algoritmos registran meticulosamente las interacciones de los usuarios, incluyendo los "me gusta", los "no me gusta" y la duración de la visualización del contenido, con el objetivo de generar un flujo continuo de contenido multimedia diseñado para mantener la participación del usuario . Se ha demostrado que el fenómeno de los canales de cámara de eco exacerba la polarización de los consumidores, principalmente a través del refuerzo de las preferencias mediáticas y la validación de las creencias preexistentes. [ 1 ] [ 2 ] [ 3 ] [ 4 ]

La radicalización algorítmica sigue siendo un fenómeno controvertido, ya que a menudo no conviene a los intereses de las empresas de redes sociales eliminar los canales de cámara de eco. [ 5 ] [ 6 ] Aún se debate hasta qué punto los algoritmos de recomendación son realmente responsables de la radicalización. Los estudios han encontrado resultados contradictorios con respecto a la promoción de contenido extremista por parte de los algoritmos.

Cámaras de eco y burbujas de filtro en las redes sociales

Las plataformas de redes sociales aprenden los intereses y gustos del usuario para modificar sus experiencias en su feed y mantenerlo involucrado y desplazándose, lo que se conoce como burbuja de filtro . [ 7 ] Una cámara de eco se forma cuando los usuarios encuentran creencias que magnifican o refuerzan sus pensamientos y forman un grupo de usuarios con ideas afines en un sistema cerrado. [ 1 ] Las cámaras de eco difunden información sin creencias opuestas y pueden conducir a un sesgo de confirmación . Según la teoría de la polarización grupal , una cámara de eco puede potencialmente llevar a los usuarios y grupos hacia posiciones radicalizadas más extremas. [ 8 ] Según la Biblioteca Nacional de Medicina, "los usuarios en línea tienden a preferir la información que se ajusta a sus visiones del mundo, ignoran la información disidente y forman grupos polarizados en torno a narrativas compartidas. Además, cuando la polarización es alta, la desinformación prolifera rápidamente". [ 8 ]

Por sitio

Facebook

El algoritmo de Facebook se centra en recomendar contenido que incite al usuario a interactuar. Clasifica el contenido priorizando las publicaciones populares de amigos, el contenido viral y, en ocasiones, el contenido polémico. Cada feed se personaliza según los intereses específicos del usuario, lo que a veces puede llevarlo a una cámara de eco de contenido problemático. [ 9 ] Los usuarios pueden encontrar su lista de intereses que utiliza el algoritmo en la página "Tus preferencias de anuncios". Según un estudio de Pew Research, el 74 % de los usuarios de Facebook desconocía la existencia de dicha lista hasta que fueron dirigidos a esa página en el estudio. [ 10 ] También es relativamente común que Facebook asigne etiquetas políticas a sus usuarios. En los últimos años, Facebook ha comenzado a utilizar inteligencia artificial para modificar el contenido que los usuarios ven en su feed y las recomendaciones que se les ofrecen. Un documento conocido como The Facebook Files ha revelado que su sistema de IA prioriza la interacción del usuario por encima de todo lo demás. The Facebook Files también ha demostrado que controlar los sistemas de IA ha resultado difícil. [ 11 ]

En un memorando interno de agosto de 2019 filtrado en 2021, Facebook admitió que "la mecánica de nuestras plataformas no es neutral", [ 12 ] [ 13 ] concluyendo que para alcanzar las máximas ganancias, es necesaria la optimización de la interacción. Para aumentar la interacción, los algoritmos han descubierto que el odio, la desinformación y la política son fundamentales para la actividad de la aplicación. [ 14 ] Como se menciona en el memorando, "Cuanto más incendiario sea el material, más mantendrá a los usuarios comprometidos, más lo impulsará el algoritmo". [ 12 ] Según un estudio de 2018, "los rumores falsos se propagan más rápido y más ampliamente que la información verdadera... Descubrieron que las falsedades tienen un 70 % más de probabilidades de ser retuiteadas en Twitter que la verdad, y llegan a sus primeras 1500 personas seis veces más rápido. Este efecto es más pronunciado con las noticias políticas que con otras categorías". [ 15 ]

YouTube

YouTube existe desde 2005 y cuenta con más de 2.500 millones de usuarios mensuales. Los sistemas de descubrimiento de contenido de YouTube se centran en la actividad personal del usuario (videos vistos, favoritos, "me gusta") para dirigirlo hacia contenido recomendado. El algoritmo de YouTube es responsable de aproximadamente el 70% de los videos recomendados a los usuarios y de lo que impulsa a las personas a ver cierto contenido. [ 16 ] Según un estudio de 2022 de la Fundación Mozilla , los usuarios tienen poco poder para evitar que videos no solicitados aparezcan en sus sugerencias de contenido recomendado. Esto incluye videos sobre discursos de odio, transmisiones en vivo, etc. [ 17 ] [ 16 ]

YouTube ha sido identificada como una plataforma influyente para la difusión de contenido radicalizado. Al-Qaeda y grupos extremistas similares han sido vinculados al uso de YouTube para videos de reclutamiento y para interactuar con medios de comunicación internacionales. En un estudio de investigación publicado por el American Behavioral Scientist Journal , se investigó "si es posible identificar un conjunto de atributos que puedan ayudar a explicar parte del proceso de toma de decisiones del algoritmo de YouTube". [ 18 ] Los resultados del estudio mostraron que las recomendaciones del algoritmo de YouTube para contenido extremista tienen en cuenta la presencia de palabras clave radicales en el título de un video. En febrero de 2023, en el caso Gonzalez v. Google , la cuestión en cuestión es si Google, la empresa matriz de YouTube, está protegida o no de demandas que alegan que los algoritmos del sitio ayudaron a terroristas a recomendar videos del ISIS a los usuarios. Se sabe que la Sección 230 generalmente protege a las plataformas en línea de la responsabilidad civil por el contenido publicado por sus usuarios. [ 19 ]

Numerosos estudios han encontrado poca o ninguna evidencia que sugiera que los algoritmos de YouTube dirigen la atención hacia contenido de extrema derecha a aquellos que no interactúan previamente con él. [ 20 ] [ 21 ] [ 22 ]

TikTok

TikTok es una plataforma que recomienda videos a la página "Para ti" (FYP) del usuario, lo que hace que la página de cada usuario sea diferente. Debido a la naturaleza del algoritmo de la aplicación, se ha vinculado a que la página FYP de TikTok muestre videos más explícitos y radicales con el tiempo, según las interacciones previas de los usuarios en la aplicación. [ 23 ] Desde su creación, TikTok ha sido objeto de escrutinio por desinformación y discurso de odio, ya que estas formas de contenido suelen generar más interacciones con el algoritmo. [ 24 ]

En 2022, el jefe de seguridad de TikTok en EE. UU. emitió un comunicado en el que afirmaba que "entre abril y junio se eliminaron 81.518.334 vídeos a nivel mundial por infringir nuestras Normas de la comunidad o los Términos de servicio" para reducir el discurso de odio, el acoso y la desinformación. [ 25 ]

Diversos estudios han documentado casos de personas radicalizadas a través del contenido de TikTok. Por ejemplo, a principios de 2023, las autoridades austriacas desbarataron un complot contra un desfile del orgullo LGBTQ+ en el que participaron dos adolescentes y un joven de 20 años inspirados por contenido yihadista en TikTok. El sospechoso más joven, de 14 años, había visto vídeos creados por influencers islamistas que glorificaban la yihad. Estos vídeos lo llevaron a consumir contenido similar, lo que finalmente derivó en su participación en la planificación de un atentado. [ 26 ]

Otro caso involucró el arresto de varios adolescentes en Viena, Austria , en 2024, que planeaban llevar a cabo un ataque terrorista en un concierto de Taylor Swift . La investigación reveló que algunos de los sospechosos se habían radicalizado en línea, siendo TikTok una de las plataformas utilizadas para difundir contenido extremista que influyó en sus creencias y acciones. [ 26 ]

Autorradicalización

Infografía de la campaña "Si ves algo, di algo" del Departamento de Seguridad Nacional de Estados Unidos. Esta campaña es una iniciativa nacional para concienciar sobre el terrorismo interno y los delitos relacionados con el terrorismo.

El Departamento de Justicia de los Estados Unidos define el terrorismo de «lobo solitario» (autoterrorismo) como «alguien que actúa solo en un ataque terrorista sin la ayuda ni el aliento de un gobierno o una organización terrorista». [ 27 ] A través de las redes sociales en internet, el terrorismo de «lobo solitario» ha ido en aumento, vinculado a la radicalización algorítmica. [ 28 ] Mediante cámaras de eco en internet, puntos de vista considerados generalmente radicales fueron aceptados y rápidamente adoptados por otros extremistas. [ 29 ] Estos puntos de vista son fomentados por foros, chats grupales y redes sociales para reforzar sus creencias. [ 30 ]

Referencias en los medios

El dilema social

El dilema de las redes sociales es un docudrama de 2020 que explora cómo los algoritmos de las redes sociales fomentan la adicción, manipulando las opiniones, emociones y comportamientos de las personas para difundir teorías conspirativas y desinformación. La película utiliza repetidamente términos como "cámaras de eco" y " noticias falsas " para demostrar la manipulación psicológica en las redes sociales, que desemboca en manipulación política . En la película, Ben se hunde cada vez más en la adicción a las redes sociales cuando el algoritmo determina que su página tiene un 62,3 % de probabilidad de generar interacción a largo plazo. Esto lo lleva a ver más videos en las recomendaciones y, con el tiempo, se sumerge cada vez más en la propaganda y las teorías conspirativas, polarizándose con cada video.

Soluciones propuestas

Estados Unidos: Debilitamiento de las protecciones de la Sección 230

En la Ley de Decencia en las Comunicaciones , la Sección 230 establece que "Ningún proveedor o usuario de un servicio informático interactivo será considerado editor o emisor de ninguna información proporcionada por otro proveedor de contenido informativo". [ 31 ] La Sección 230 protege a los medios de comunicación de responsabilidades o demandas por contenido de terceros, como la actividad ilegal de un usuario. [ 31 ] Sin embargo, los críticos argumentan que este enfoque reduce el incentivo de una empresa para eliminar contenido dañino o desinformación, y esta laguna legal ha permitido a las empresas de redes sociales maximizar sus ganancias al difundir contenido radical sin riesgos legales. [ 32 ] Esta afirmación ha sido criticada por los defensores de la Sección 230, ya que antes de su aprobación, los tribunales habían dictaminado en Stratton Oakmont, Inc. v. Prodigy Services Co. que la moderación en cualquier capacidad introduce una responsabilidad para los proveedores de contenido como "editores" del contenido que deciden mantener publicado. [ 33 ]

Los legisladores han redactado un proyecto de ley que debilitaría o eliminaría las protecciones de la Sección 230 sobre el contenido algorítmico. Los demócratas de la Cámara de Representantes Anna Eshoo , Frank Pallone Jr. , Mike Doyle y Jan Schakowsky presentaron la "Ley de Justicia contra los Algoritmos Maliciosos" en octubre de 2021 como HR 5596. El proyecto de ley no prosperó en el comité, [ 34 ] pero habría eliminado las protecciones de la Sección 230 para los proveedores de servicios relacionados con algoritmos de recomendación personalizados que presentan contenido a los usuarios si dichos algoritmos, a sabiendas o imprudentemente, entregan contenido que contribuye a lesiones físicas o emocionales graves. [ 35 ]

Véase también

Referencias

  1. 1 2 "¿Qué es una cámara de eco en las redes sociales? | Escuela de Publicidad Stan Richards" . advertising.utexas.edu . 18 de noviembre de 2020. Consultado el 2 de noviembre de 2022 .
  2. "Los sitios web que sustentan a los influyentes de extrema derecha de Gran Bretaña" . bellingcat . 24 de febrero de 2021. Consultado el 10 de marzo de 2021 .
  3. Camargo, Chico Q. (21 de enero de 2020). "Los algoritmos de YouTube podrían radicalizar a la gente, pero el verdadero problema es que no tenemos ni idea de cómo funcionan" . The Conversation . Recuperado el 10 de marzo de 2021 .
  4. Equipo editorial de E&T (27 de mayo de 2020). "Facebook no actuó en base a sus propias pruebas de extremismo impulsado por algoritmos" . eandt.theiet.org . Consultado el 10 de marzo de 2021 .
  5. "¿Cómo pueden las empresas de redes sociales abordar el discurso de odio?" . Conocimiento en Wharton . Consultado el 22 de noviembre de 2022 .
  6. "Asociación de Internet – Somos la voz de la economía de Internet. | Asociación de Internet" . 17 de diciembre de 2021. Archivado del original el 17 de diciembre de 2021. Consultado el 22 de noviembre de 2022 .
  7. Kaluža, Jernej (3 de julio de 2022). "Generación habitual de burbujas de filtro: ¿Por qué la personalización algorítmica es problemática para la esfera pública democrática?" . Javnost – the Public, Revista del Instituto Europeo de Comunicación y Cultura . 29 (3): 267– 283. doi : 10.1080/13183222.2021.2003052 . ISSN 1318-3222 . 
  8. 1 2 Cinelli, Matteo; De Francisci Morales, Gianmarco; Galeazzi, Alessandro; Quattrociocchi, Walter; Starnini, Michele (2 de marzo de 2021). "El efecto de la cámara de eco en las redes sociales" . Actas de la Academia Nacional de Ciencias de los Estados Unidos de América . 118 (9): –2023301118. Bibcode : 2021PNAS..11823301C . doi : 10.1073/pnas.2023301118 . ISSN 0027-8424 . PMC 7936330. PMID 33622786 .   
  9. Oremus, Will; Alcantara, Chris; Merrill, Jeremy; Galocha, Artur (26 de octubre de 2021). "Cómo Facebook moldea tu feed" . The Washington Post . Recuperado el 12 de abril de 2023 .
  10. Atske, Sara (16 de enero de 2019). "Algoritmos de Facebook y datos personales" . Pew Research Center: Internet, Ciencia y Tecnología . Recuperado el 12 de abril de 2023 .
  11. Korinek, Anton (8 de diciembre de 2021). "Por qué necesitamos una nueva agencia para regular la inteligencia artificial avanzada: lecciones sobre el control de la IA a partir de los archivos de Facebook" . Brookings . Recuperado el 12 de abril de 2023 .
  12. 1 2 "Desinformación, radicalización y amplificación algorítmica: ¿Qué medidas puede tomar el Congreso?" . Just Security . 7 de febrero de 2022 . Consultado el 2 de noviembre de 2022 .
  13. Isaac, Mike (25 de octubre de 2021). "Facebook se enfrenta a las características que solía usar para definir las redes sociales" . The New York Times . ISSN 0362-4331 . Consultado el 2 de noviembre de 2022 . 
  14. Little, Olivia (26 de marzo de 2021). "TikTok está incitando a los usuarios a seguir cuentas de extremistas de ultraderecha" . Media Matters for America . Consultado el 2 de noviembre de 2022 .
  15. "Estudio: Las noticias falsas se propagan más rápido que la verdad" . MIT Sloan . 8 de marzo de 2018. Consultado el 2 de noviembre de 2022 .
  16. 1 2 "¿Odiaste ese video? El algoritmo de YouTube podría sugerirte otro igual" . MIT Technology Review . Consultado el 11 de abril de 2023 .
  17. "Estudio sobre el control de usuarios de YouTube – Fundación Mozilla" . Fundación Mozilla . Septiembre de 2022. Consultado el 12 de noviembre de 2024 .
  18. Murthy, Dhiraj (1 de mayo de 2021). "Evaluación de la responsabilidad de las plataformas: contenido terrorista en YouTube". American Behavioral Scientist . 65 (6): 800– 824. doi : 10.1177/0002764221989774 . S2CID 233449061 . 
  19. Root, Damon (abril de 2023). "La Corte Suprema considera el alcance de la Sección 230" . Reason . 54 (11): 8. ISSN 0048-6906 . 
  20. Ledwich, Mark; Zaitsev, Anna (2 de marzo de 2020). "Extremismo algorítmico: Examinando el laberinto de radicalización de YouTube" . First Monday . 25 (3). arXiv : 1912.11211 . doi : 10.5210/fm.v25i3.10419 .
  21. Hosseinmardi, Homa; Ghasemian, Amir; Clauset, Aaron; Mobius, Markus; Rothschild, David M.; Watts, Duncan J. (10 de agosto de 2021). "Examinando el consumo de contenido radical en YouTube" . Actas de la Academia Nacional de Ciencias . 118 (32) e2101967118. arXiv : 2011.12843 . Bibcode : 2021PNAS..11801967H . doi : 10.1073/pnas.2101967118 . PMC 8364190. PMID 34341121 .  
  22. Chen, Annie Y.; Nyhan, Brendan; Reifler, Jason; Robertson, Ronald E.; Wilson, Christo (septiembre de 2023). "Las suscripciones y los enlaces externos ayudan a dirigir a los usuarios resentidos a canales alternativos y extremistas de YouTube" . Science Advances . 9 (35) eadd8080. arXiv : 2204.10921 . Bibcode : 2023SciA....9D8080C . doi : 10.1126 /sciadv.add8080 . PMC 10468121. PMID 37647396 .  
  23. "El algoritmo de TikTok lleva a los usuarios de videos transfóbicos a laberintos de extrema derecha" . Media Matters for America . 5 de octubre de 2021. Consultado el 22 de noviembre de 2022 .
  24. Little, Olivia (2 de abril de 2021). «Cuentas de TikTok que parecen inofensivas y que difunden teorías conspirativas están impulsando propaganda de extrema derecha, y TikTok está incitando a los usuarios a seguirlas» . Media Matters for America . Consultado el 22 de noviembre de 2022 .
  25. "Nuestra lucha continua contra el odio y el acoso" . Sala de prensa | TikTok . 16 de agosto de 2019. Consultado el 22 de noviembre de 2022 .
  26. 1 2 "TikTok Jihad: los terroristas aprovechan las herramientas modernas para reclutar y radicalizar" . The Soufan Center. 9 de agosto de 2024. Consultado el 10 de agosto de 2024 .
  27. "Terrorismo del lobo solitario en Estados Unidos | Oficina de Programas de Justicia" . www.ojp.gov . Consultado el 2 de noviembre de 2022 .
  28. Alfano, Mark; Carter, J. Adam; Cheong, Marc (2018). "Seducción tecnológica y autorradicalización" . Journal of the American Philosophical Association . 4 (3): 298– 322. doi : 10.1017/apa.2018.27 . ISSN 2053-4477 . S2CID 150119516 .  
  29. Dubois, Elizabeth; Blank, Grant (4 de mayo de 2018). "La cámara de eco está sobreestimada: el efecto moderador del interés político y los medios diversos" . Information, Communication & Society . 21 (5): 729– 745. doi : 10.1080/1369118X.2018.1428656 . ISSN 1369-118X . S2CID 149369522 .  
  30. Sunstein, Cass R. (13 de mayo de 2009). Going to Extremes: How Like Minds Unite and Divide . Oxford University Press. ISBN 978-0-19-979314-3.
  31. 1 2 "47 US Code § 230 – Protección para el bloqueo y filtrado privado de material ofensivo" . LII / Legal Information Institute . Consultado el 2 de noviembre de 2022 .
  32. Smith, Michael D.; Alstyne, Marshall Van (12 de agosto de 2021). "Es hora de actualizar la Sección 230" . Harvard Business Review . ISSN 0017-8012 . Consultado el 2 de noviembre de 2022 . 
  33. Masnick, Mike (23 de junio de 2020). "¡Hola! Te han remitido aquí porque estás equivocado acerca de la Sección 230 de la Ley de Decencia en las Comunicaciones" . Recuperado el 11 de abril de 2024 .
  34. "HR 5596 (117.º): Ley de Justicia contra los Algoritmos Maliciosos de 2021" . GovTrack . Consultado el 11 de abril de 2024 .
  35. Robertson, Adi (14 de octubre de 2021). "Los legisladores quieren eliminar las protecciones legales del muro de noticias de Facebook" . The Verge . Archivado del original el 14 de octubre de 2021. Recuperado el 14 de octubre de 2021 .