Burbuja de filtro

Las burbujas de filtro pueden afectar a grupos enteros, no solo a individuos. Cuando se analiza a nivel grupal, se ha denominado " internet fragmentada" o "ciberbalcanización " ^{[ Nota 1 ]} , que ocurre cuando internet se divide en subgrupos de personas con ideas afines que se aíslan dentro de su propia comunidad en línea y no tienen acceso a diferentes puntos de vista. Esta preocupación se remonta a los inicios de internet de acceso público, y el término "ciberbalcanización" se acuñó en 1996 ^{[ 29 ] [ 30 ] [ 31 ].} Se han utilizado otros términos para describir este fenómeno, como " marcos ideológicos " ^{[ 9 ]} y "la esfera figurativa que te rodea mientras navegas por internet" ^{[ 19 ] .}

El concepto de burbuja de filtro se ha extendido a otros ámbitos para describir sociedades que se autosegregan según opiniones políticas, pero también situaciones económicas, sociales y culturales. ^{[ 32 ]} Este aislamiento conlleva la pérdida de la comunidad en general y crea la sensación de que, por ejemplo, los niños no pertenecen a eventos sociales a menos que estos se hayan planificado específicamente para que resulten atractivos para ellos y poco atractivos para los adultos sin hijos. ^{[ 32 ]}

El discurso de despedida de Barack Obama identificó un concepto similar al de las burbujas de filtro como una "amenaza para la democracia [de los estadounidenses]", es decir, el "refugio en nuestras propias burbujas, ...especialmente en nuestras redes sociales, rodeados de personas que se parecen a nosotros y comparten la misma perspectiva política y nunca cuestionan nuestras suposiciones... Y cada vez más, nos sentimos tan seguros en nuestras burbujas que comenzamos a aceptar solo la información, sea verdadera o no, que se ajusta a nuestras opiniones, en lugar de basar nuestras opiniones en la evidencia que existe". ^{[ 33 ]}

Tanto las "cámaras de eco" como las "burbujas de filtro" describen situaciones en las que los individuos están expuestos a un rango limitado de opiniones y perspectivas que refuerzan sus creencias y prejuicios existentes, pero existen algunas diferencias sutiles entre ambas, especialmente en las prácticas relacionadas con las redes sociales. ^{[ 34 ] [ 35 ]}

Específicamente en los medios de comunicación , una cámara de eco es una descripción metafórica de una situación en la que las creencias se amplifican o refuerzan mediante la comunicación y la repetición dentro de un sistema cerrado. ^{[ 36 ] [ 37 ]} Basado en el concepto sociológico de la teoría de la exposición selectiva , el término es una metáfora basada en la cámara de eco acústica, donde los sonidos reverberan en un recinto hueco. Con respecto a las redes sociales, este tipo de situación alimenta mecanismos explícitos de personalización autoseleccionada , que describe todos los procesos en los que los usuarios de una plataforma determinada pueden optar activamente por consumir o no información, como la capacidad de un usuario para seguir a otros usuarios o seleccionar grupos. ^{[ 38 ]}

En una cámara de eco, las personas pueden buscar información que refuerce sus puntos de vista existentes, posiblemente como un ejercicio inconsciente de sesgo de confirmación . Este tipo de regulación por retroalimentación puede aumentar la polarización política y social y el extremismo. Esto puede llevar a que los usuarios se agrupen en clústeres homofílicos dentro de las redes sociales, lo que contribuye a la polarización grupal. ^{[ 39 ]} Las "cámaras de eco" refuerzan las creencias de un individuo sin respaldo fáctico. Los individuos están rodeados de aquellos que reconocen y siguen los mismos puntos de vista, pero también tienen la capacidad de salir de las cámaras de eco. ^{[ 40 ]}

Por otro lado, las burbujas de filtro son mecanismos implícitos de personalización preseleccionada , donde el consumo de medios de un usuario es creado por algoritmos personalizados; el contenido que ve un usuario es filtrado a través de un algoritmo impulsado por IA que refuerza sus creencias y preferencias existentes, excluyendo potencialmente perspectivas contrarias o diversas. En este caso, los usuarios tienen un rol más pasivo y son percibidos como víctimas de una tecnología que limita automáticamente su exposición a información que desafiaría su visión del mundo. ^{[ 38 ]} Algunos investigadores argumentan, sin embargo, que debido a que los usuarios aún desempeñan un papel activo en la curación selectiva de sus propios feeds de noticias y fuentes de información a través de sus interacciones con motores de búsqueda y redes sociales, ayudan directamente en el proceso de filtrado impulsado por algoritmos impulsados ​​por IA, participando así efectivamente en burbujas de filtro auto-segregadas. ^{[ 41 ]}

A pesar de sus diferencias, el uso de estos términos va de la mano tanto en estudios académicos como en estudios de plataformas. A menudo es difícil distinguir entre ambos conceptos en los estudios de redes sociales, debido a las limitaciones en el acceso a los algoritmos de filtrado, que tal vez podrían permitir a los investigadores comparar y contrastar las funciones de ambos conceptos. ^{[ 42 ]} Este tipo de investigación seguirá siendo cada vez más difícil de realizar, ya que muchas redes sociales también han comenzado a limitar el acceso a la API necesario para la investigación académica. ^{[ 43 ]}

Existen informes contradictorios sobre el alcance del filtrado personalizado y si dicha actividad es beneficiosa o perjudicial. El analista Jacob Weisberg, en un artículo publicado en junio de 2011 en Slate , realizó un pequeño experimento no científico para poner a prueba la teoría de Pariser. Cinco personas con diferentes ideologías realizaron una serie de búsquedas: " John Boehner ", " Barney Frank ", " Plan Ryan " y " Obamacare ", y enviaron a Weisberg capturas de pantalla de sus resultados. Los resultados variaron solo en aspectos menores de una persona a otra, y las diferencias no parecían estar relacionadas con la ideología, lo que llevó a Weisberg a concluir que no existía una burbuja de filtros y a afirmar que la idea de que la mayoría de los usuarios de internet estaban "alimentándose de un Daily Me " era exagerada. ^{[ 9 ]} Weisberg solicitó comentarios a Google, y un portavoz declaró que los algoritmos estaban implementados para "limitar deliberadamente la personalización y promover la diversidad". ^{[ 9 ]} El crítico literario Paul Boutin realizó un experimento similar al de Weisberg entre personas con diferentes historiales de búsqueda y nuevamente encontró que los diferentes buscadores recibieron resultados de búsqueda casi idénticos. ^{[ 6 ]} Entrevistando a programadores en Google, fuera de registro, el periodista Per Grankvist encontró que los datos del usuario solían jugar un papel más importante en la determinación de los resultados de búsqueda, pero que Google, a través de pruebas, encontró que la consulta de búsqueda es, con mucho, el mejor determinante de qué resultados mostrar. ^{[ 44 ]} Según Tan y Yoon (2025), ^{[ 45 ]} encontraron que los usuarios con actitudes más positivas hacia las prácticas de big data responden más favorablemente a las recomendaciones personalizadas de TikTok, revelando una interacción significativa entre las actitudes de privacidad y la participación.

Hay informes de que Google y otros sitios mantienen vastos "expedientes" de información sobre sus usuarios, lo que podría permitirles personalizar aún más las experiencias individuales en Internet si así lo deciden. Por ejemplo, existe la tecnología para que Google registre el historial de los usuarios incluso si no tienen una cuenta personal de Google o no han iniciado sesión en una. ^{[ 6 ]} Un informe afirmó que Google había recopilado "el equivalente a 10 años" de información acumulada de diversas fuentes, como Gmail , Google Maps y otros servicios además de su motor de búsqueda, ^{[ 10 ]} aunque un informe contrario indicó que intentar personalizar Internet para cada usuario era técnicamente difícil de lograr para una empresa de Internet a pesar de la enorme cantidad de datos disponibles. El analista Doug Gross de CNN sugirió que la búsqueda filtrada parecía ser más útil para los consumidores que para los ciudadanos , y ayudaría a un consumidor que busca "pizza" a encontrar opciones de entrega local basadas en una búsqueda personalizada y filtrar adecuadamente las pizzerías lejanas. ^{[ 10 ]} Organizaciones como The Washington Post , The New York Times y otras han experimentado con la creación de nuevos servicios de información personalizados, con el objetivo de adaptar los resultados de búsqueda a aquellos que probablemente les gusten o con los que estén de acuerdo los usuarios. ^{[ 9 ]}

Un estudio científico de Wharton que analizó las recomendaciones personalizadas también encontró que estos filtros pueden crear puntos en común, no fragmentación, en el gusto musical en línea. ^{[ 46 ]} Según se informa, los consumidores usan los filtros para ampliar su gusto en lugar de limitarlo. ^{[ 46 ]} El profesor de derecho de Harvard, Jonathan Zittrain, cuestionó hasta qué punto los filtros de personalización distorsionan los resultados de búsqueda de Google, diciendo que "los efectos de la personalización de búsqueda han sido leves". ^{[ 9 ]} Además, Google ofrece a los usuarios la posibilidad de desactivar las funciones de personalización si así lo desean ^{[ 47 ]} eliminando el registro de Google de su historial de búsqueda y configurando Google para que no recuerde sus palabras clave de búsqueda ni los enlaces visitados en el futuro. ^{[ 6 ]}

Un estudio de Internet Policy Review abordó la falta de una definición clara y verificable de burbujas de filtro en diversas disciplinas; esto suele resultar en que los investigadores definan y estudien las burbujas de filtro de diferentes maneras. ^{[ 48 ]} Posteriormente, el estudio explicó la falta de datos empíricos sobre la existencia de burbujas de filtro en diversas disciplinas ^{[ 12 ]} y sugirió que los efectos atribuidos a ellas pueden derivar más de sesgos ideológicos preexistentes que de algoritmos. Se pueden encontrar puntos de vista similares en otros proyectos académicos, que también abordan las preocupaciones sobre las definiciones de burbujas de filtro y las relaciones entre los factores ideológicos y tecnológicos asociados a ellas. ^{[ 49 ]} Una revisión crítica de las burbujas de filtro sugirió que "la tesis de la burbuja de filtro a menudo postula un tipo especial de ser humano político que tiene opiniones fuertes, pero al mismo tiempo altamente maleables" y que es una "paradoja que las personas tengan una agencia activa cuando seleccionan contenido, pero sean receptores pasivos una vez que se exponen al contenido curado algorítmicamente que se les recomienda". ^{[ 50 ]}

Un estudio realizado por investigadores de Oxford, Stanford y Microsoft examinó los historiales de navegación de 1,2 millones de usuarios estadounidenses del complemento Bing Toolbar para Internet Explorer entre marzo y mayo de 2013. Seleccionaron 50.000 de esos usuarios que eran consumidores activos de noticias y luego clasificaron si los medios de comunicación que visitaban eran de tendencia izquierdista o derechista, basándose en si la mayoría de los votantes en los condados asociados con las direcciones IP de los usuarios votaron por Obama o Romney en las elecciones presidenciales de 2012. Luego identificaron si las noticias se leyeron después de acceder al sitio del editor directamente, a través del servicio de agregación de Google News, búsquedas web o redes sociales. Los investigadores encontraron que, si bien las búsquedas web y las redes sociales contribuyen a la segregación ideológica, la gran mayoría del consumo de noticias en línea consistía en que los usuarios visitaban directamente sitios de noticias convencionales de tendencia izquierdista o derechista y, en consecuencia, estaban expuestos casi exclusivamente a puntos de vista de un solo lado del espectro político. Las limitaciones del estudio incluyeron problemas de selección, como que los usuarios de Internet Explorer tenían una edad mayor que la población general de internet; El uso de la barra de herramientas de Bing y la selección de intercambio voluntario (o inconsciente) del historial de navegación para usuarios menos preocupados por la privacidad; la suposición de que todas las noticias en publicaciones de tendencia izquierdista son de tendencia izquierdista, y lo mismo para las de tendencia derechista; y la posibilidad de que los usuarios que no son consumidores activos de noticias obtengan la mayor parte de sus noticias a través de las redes sociales y, por lo tanto, experimenten efectos más fuertes del sesgo social o algorítmico que aquellos usuarios que esencialmente autoseleccionan su sesgo a través de su elección de publicaciones de noticias (suponiendo que sean conscientes de los sesgos de las publicaciones). ^{[ 51 ]}

Un estudio realizado por investigadores de la Universidad de Princeton y la Universidad de Nueva York tuvo como objetivo estudiar el impacto de la burbuja de filtros y el filtrado algorítmico en la polarización de las redes sociales. Utilizaron un modelo matemático llamado " modelo de bloques estocásticos " para probar su hipótesis en los entornos de Reddit y Twitter. Los investigadores evaluaron los cambios en la polarización en redes sociales regularizadas y no regularizadas, midiendo específicamente los cambios porcentuales en la polarización y el desacuerdo en Reddit y Twitter. Descubrieron que la polarización aumentó significativamente en un 400% en las redes no regularizadas, mientras que en las redes regularizadas aumentó un 4% y el desacuerdo un 5%. ^{[ 52 ]}

Un estudio realizado por un equipo de investigadores de la Universidad de Princeton, la Universidad de Harvard, la Universidad de Pensilvania, el MIT, la Universidad de Duke y otras instituciones llevó a cabo cuatro experimentos a gran escala con casi 9000 participantes para comprobar si los sistemas de recomendación tipo burbuja de filtro aumentan la polarización política a corto plazo. Utilizando una plataforma de vídeo personalizada diseñada para imitar la interfaz y los patrones de recomendación de YouTube, los investigadores manipularon su algoritmo para simular burbujas de filtro presentando recomendaciones ideológicamente equilibradas y sesgadas sobre temas políticos. Aunque los participantes vieron más vídeos que coincidían con las recomendaciones que se les mostraron, el estudio reveló que sus opiniones apenas cambiaron. Los autores concluyeron que sus hallazgos son inconsistentes con las afirmaciones de que los algoritmos radicalizan sustancialmente a las audiencias. Las limitaciones del estudio incluyeron la falta de pruebas a largo plazo y la escasa variedad de temas explorados. ^{[ 53 ]}

Un estudio realizado en 2022 investigó cómo los sistemas de recomendación de noticias personalizadas pueden contribuir a la formación de burbujas de filtro al exponer a los usuarios a un conjunto más reducido de temas. Para analizar la formación de estas burbujas, se utilizó un marco denominado SSLE: Selección, Establecimiento, Enlace, Evaluación. El autor comienza identificando grupos de usuarios con diferentes intereses, como estudiantes, trabajadores manuales o personas influyentes en redes sociales. A continuación, se pasa a la segunda fase, que consiste en crear bots que imiten el comportamiento en línea de usuarios reales, sus preferencias y el uso de sus dispositivos. El siguiente paso es utilizar el modelado de temas y el análisis discriminante lineal para clasificar los datos en clases distintas, lo que permite realizar recomendaciones de temas. La fase final consiste en analizar cómo cambia la distribución de temas a lo largo del tiempo, lo que mostrará la fuerza de las burbujas de filtro y su evolución. El estudio, utilizando el marco SSLE, demostró que el contenido generado por el usuario (CGU) tenía aproximadamente un 80 % más de probabilidades de ser recomendado que el contenido generado profesionalmente (CGP). Si bien el tono emocional y la forma de presentación pueden no variar, la distribución de las noticias recomendadas varía según los grupos de usuarios. ^{[ 54 ]}

Si bien los algoritmos limitan la diversidad política, algunas de las burbujas de filtro son resultado de la elección del usuario. ^{[ 55 ]} Un estudio realizado por científicos de datos de Facebook encontró que los usuarios tienen un amigo con puntos de vista opuestos por cada cuatro amigos de Facebook que comparten una ideología. ^{[ 56 ] [ 57 ]} Independientemente del algoritmo de Facebook para su sección de noticias , las personas son más propensas a hacerse amigas o seguir a personas que comparten creencias similares. ^{[ 56 ]} La naturaleza del algoritmo es que clasifica las historias según el historial del usuario, lo que resulta en una reducción del "contenido políticamente transversal en un 5 por ciento para los conservadores y un 8 por ciento para los liberales". ^{[ 56 ]} Sin embargo, incluso cuando las personas tienen la opción de hacer clic en un enlace que ofrece puntos de vista opuestos, siguen recurriendo por defecto a sus fuentes más visitadas. ^{[ 56 ]} "[L]a elección del usuario disminuye la probabilidad de hacer clic en un enlace transversal en un 17 por ciento para los conservadores y un 6 por ciento para los liberales". ^{[ 56 ]} Un vínculo transversal es aquel que introduce un punto de vista diferente al punto de vista presumido del usuario o lo que el sitio web ha establecido como las creencias del usuario. ^{[ 58 ]} Un estudio reciente de Levi Boxell, Matthew Gentzkow y Jesse M. Shapiro sugiere que los medios en línea no son la fuerza impulsora de la polarización política. ^{[ 59 ]} El documento argumenta que la polarización ha sido impulsada por los grupos demográficos que pasan menos tiempo en línea. La mayor división ideológica se experimenta entre los estadounidenses mayores de 75 años, mientras que solo el 20% informó usar redes sociales en 2012. En contraste, el 80% de los estadounidenses de 18 a 39 años informó usar redes sociales en 2012. Los datos sugieren que el grupo demográfico más joven no está más polarizado en 2012 que cuando los medios en línea apenas existían en 1996. El estudio destaca las diferencias entre los grupos de edad y cómo el consumo de noticias permanece polarizado a medida que las personas buscan información que apele a sus preconcepciones. Los estadounidenses mayores suelen mantener posturas políticas estancadas, ya que los medios tradicionales siguen siendo la principal fuente de noticias, mientras que los medios en línea son la principal fuente para el público más joven. Si bien los algoritmos y las burbujas de filtro reducen la diversidad de contenido, este estudio revela que las tendencias de polarización política se deben principalmente a opiniones preexistentes y a la incapacidad de reconocer fuentes externas. Un estudio de 2020 realizado en Alemania utilizó el modelo psicológico de los Cinco Grandes para analizar los efectos de la personalidad, la demografía y las ideologías individuales en el consumo de noticias de los usuarios. ^{[ 60 ]}Basándose en la idea de que el número de fuentes de noticias que consumen los usuarios influye en la probabilidad de quedar atrapados en una burbuja informativa —una mayor diversidad mediática reduce las posibilidades—, sus resultados sugieren que ciertas características demográficas (mayor edad y sexo masculino), junto con ciertos rasgos de personalidad (alta apertura), se correlacionan positivamente con el número de fuentes de noticias consumidas por los individuos. El estudio también halló una asociación ideológica negativa entre la diversidad mediática y el grado de alineación de los usuarios con el autoritarismo de derecha. Además de ofrecer diferentes factores individuales del usuario que pueden influir en su elección, este estudio también plantea interrogantes y asociaciones entre la probabilidad de que los usuarios queden atrapados en burbujas informativas y su comportamiento electoral. ^{[ 60 ]}

El estudio de Facebook concluyó que era "inconcluso" si el algoritmo desempeñaba un papel tan importante en el filtrado de las Noticias como se suponía. ^{[ 61 ]} El estudio también halló que la "elección individual" o el sesgo de confirmación afectaba igualmente a lo que se filtraba de las Noticias. ^{[ 61 ]} Algunos científicos sociales criticaron esta conclusión porque el objetivo de protestar contra la burbuja de filtros es que los algoritmos y la elección individual trabajen juntos para filtrar las Noticias. ^{[ 62 ]} También criticaron el pequeño tamaño de la muestra de Facebook, que es de aproximadamente el "9% de los usuarios reales de Facebook", y el hecho de que los resultados del estudio "no son reproducibles" debido a que el estudio fue realizado por "científicos de Facebook" que tuvieron acceso a datos que Facebook no pone a disposición de investigadores externos. ^{[ 63 ]}

Aunque el estudio encontró que solo alrededor del 15-20% de los amigos de Facebook del usuario promedio se suscriben al lado opuesto del espectro político, Julia Kaman de Vox teorizó que esto podría tener implicaciones potencialmente positivas para la diversidad de puntos de vista. Estos "amigos" suelen ser conocidos con quienes probablemente no compartiríamos nuestras opiniones políticas sin internet. Facebook puede fomentar un entorno único donde un usuario ve y posiblemente interactúa con contenido publicado o republicado por estos amigos de "segundo nivel". El estudio encontró que "el 24 por ciento de las noticias que vieron los liberales tenían una tendencia conservadora y el 38 por ciento de las noticias que vieron los conservadores tenían una tendencia liberal". ^{[ 64 ]} "Los liberales tienden a estar conectados con menos amigos que comparten información del otro lado, en comparación con sus contrapartes conservadoras". ^{[ 65 ]} Esta interacción tiene la capacidad de proporcionar información y fuentes diversas que podrían moderar las opiniones de los usuarios.

Una investigación empírica reciente de Tan y Yoon (2025) ^{[ 45 ]} muestra que el sistema de recomendaciones personalizadas y las funciones de burbuja de filtro de TikTok aumentan significativamente tanto la participación del usuario como la utilidad percibida. Sus hallazgos demuestran que el entretenimiento, la información y la conveniencia, los rasgos centrales del servicio de la plataforma, fortalecen directamente la participación del usuario, lo que a su vez impulsa el uso continuo de la aplicación. Tan y Yoon (2025) ^{[ 45 ]} también destacan que las actitudes de los usuarios hacia la privacidad de los macrodatos moderan la respuesta positiva de los usuarios a las recomendaciones personalizadas, lo que añade una dimensión importante para comprender la influencia algorítmica de TikTok. Esto también muestra cómo el sistema de recomendaciones de TikTok aprende rápidamente las preferencias del usuario a través de microinteracciones como el tiempo de visualización, las repeticiones, las pausas y los saltos, lo que hace que la plataforma sea excepcionalmente eficiente para predecir y reforzar los intereses del usuario. El estudio muestra que las características de la interfaz, como el desplazamiento infinito, la reproducción automática y el formato de video corto, amplifican el poder del sistema de recomendaciones al eliminar la fricción y aumentar el volumen de datos de participación que la plataforma puede recopilar. ^{[ 45 ]}

De manera similar, un estudio sobre las burbujas de filtro de Twitter realizado por la Universidad de Nueva York concluyó que «las personas ahora tienen acceso a una gama más amplia de puntos de vista sobre los acontecimientos noticiosos, y la mayor parte de esta información no proviene de los canales tradicionales, sino directamente de actores políticos o a través de sus amigos y familiares. Además, la naturaleza interactiva de las redes sociales crea oportunidades para que las personas discutan eventos políticos con sus pares, incluso con aquellos con quienes tienen vínculos sociales débiles». ^{[ 66 ]} Según estos estudios, las redes sociales pueden estar diversificando la información y las opiniones con las que los usuarios entran en contacto, aunque existe mucha especulación en torno a las burbujas de filtro y su capacidad para crear una polarización política más profunda . Un estudio de 2025 sobre usuarios estadounidenses de Twitter encontró que aproximadamente el 34 % de las interacciones eran interpartidistas, lo que sugiere que las burbujas de filtro son permeables hasta cierto punto. Sin embargo, los investigadores señalaron que estas interacciones interpartidistas tenían una probabilidad significativamente mayor de ser tóxicas que de generar debates constructivos. ^{[ 67 ]}

Un factor clave y una posible solución al problema reside en el papel de las emociones en el contenido en línea. Un estudio de 2018 muestra que las distintas emociones presentes en los mensajes pueden generar polarización o convergencia: la alegría predomina en la polarización emocional, mientras que la tristeza y el miedo desempeñan un papel importante en la convergencia emocional. ^{[ 68 ]} Dado que es relativamente fácil detectar el contenido emocional de los mensajes, estos hallazgos pueden contribuir al diseño de algoritmos más socialmente responsables, centrándose en el contenido emocional de las recomendaciones algorítmicas. Además, un estudio de 2025 muestra que las burbujas de filtro suelen ser percibidas positivamente por los usuarios, lo que aumenta su participación en lugar de limitarla, como se suele suponer.

Los bots sociales han sido utilizados por diferentes investigadores para probar la polarización y los efectos relacionados que se atribuyen a las burbujas de filtro y las cámaras de eco. ^{[ 69 ] [ 70 ]} Un estudio de 2018 utilizó bots sociales en Twitter para probar la exposición deliberada de los usuarios a puntos de vista partidistas. ^{[ 69 ]} El estudio afirmó que demostró diferencias partidistas entre la exposición a diferentes puntos de vista, aunque advirtió que los hallazgos deberían limitarse a los usuarios estadounidenses de Twitter registrados en partidos. Uno de los hallazgos principales fue que después de la exposición a diferentes puntos de vista (proporcionados por los bots), los republicanos registrados por sí mismos se volvieron más conservadores, mientras que los liberales registrados por sí mismos mostraron menos cambio ideológico o ninguno en absoluto. Otro estudio de la República Popular China utilizó bots sociales en Weibo —la plataforma de redes sociales más grande de China— para examinar la estructura de las burbujas de filtro con respecto a sus efectos en la polarización. ^{[ 70 ]} El estudio establece una distinción entre dos concepciones de polarización. Una de ellas se da cuando personas con puntos de vista similares forman grupos, comparten opiniones parecidas y se aíslan de opiniones diferentes (polarización de la opinión), y la otra cuando las personas no acceden a contenido y fuentes de información diversas (polarización de la información). Al utilizar bots sociales en lugar de voluntarios humanos y centrarse más en la polarización de la información que en la basada en opiniones, los investigadores concluyeron que existen dos elementos esenciales de una burbuja de filtro: una gran concentración de usuarios en torno a un solo tema y una estructura unidireccional en forma de estrella que afecta a los flujos de información clave.

En junio de 2018, la plataforma DuckDuckGo realizó un estudio de investigación sobre la plataforma de navegador web de Google. Para este estudio, 87 adultos en diversas ubicaciones de los Estados Unidos continentales buscaron tres palabras clave en Google simultáneamente: inmigración, control de armas y vacunación. Incluso en modo de navegación privada, la mayoría de las personas vieron resultados únicos para cada una. Google incluyó ciertos enlaces para algunos participantes que no incluyó para otros, y los cuadros de información de Noticias y Videos mostraron una variación significativa. Google refutó públicamente estos resultados, afirmando que la personalización de la página de resultados del motor de búsqueda (SERP) es en gran medida un mito. Danny Sullivan, enlace de búsqueda de Google, declaró: «Con los años, se ha desarrollado el mito de que la búsqueda de Google personaliza tanto que, para la misma consulta, diferentes personas pueden obtener resultados significativamente diferentes entre sí. Esto no es cierto. Los resultados pueden diferir, pero generalmente por razones no personalizadas». ^{[ 71 ]}

Cuando las burbujas de filtro están presentes, pueden crear momentos específicos que los científicos llaman momentos "Whoa". Un momento "Whoa" es cuando un artículo, anuncio, publicación, etc., aparece en tu computadora y está relacionado con una acción actual o el uso actual de un objeto. Los científicos descubrieron este término después de que una joven estuviera realizando su rutina diaria, que incluía tomar café, cuando abrió su computadora y vio un anuncio de la misma marca de café que estaba tomando. "Me senté y abrí Facebook esta mañana mientras tomaba mi café, y ahí estaban dos anuncios de Nespresso . Es como un momento 'Whoa' cuando el producto que estás tomando aparece en la pantalla frente a ti". ^{[ 72 ]} Los momentos "Whoa" ocurren cuando las personas son "encontradas". Lo que significa que los algoritmos publicitarios se dirigen a usuarios específicos en función de su "comportamiento de clics" para aumentar sus ingresos por ventas.

Varios diseñadores han desarrollado herramientas para contrarrestar los efectos de las burbujas de filtro (véase §  Contramedidas ). ^{[ 73 ]} La emisora ​​de radio suiza SRF votó la palabra filterblase (la traducción alemana de filter bubble) como palabra del año 2016. ^{[ 74 ]}

En *The Filter Bubble: What the Internet Is Hiding from You* , ^{[ 75 ]} el activista de internet Eli Pariser destaca cómo la creciente aparición de burbujas de filtro enfatiza aún más el valor del capital social de conexión , tal como lo define Robert Putman. Pariser argumenta que las burbujas de filtro refuerzan una sensación de homogeneidad social, lo que debilita los lazos entre personas con intereses y puntos de vista potencialmente divergentes. ^{[ 76 ]} En ese sentido, un alto capital de conexión puede promover la inclusión social al aumentar nuestra exposición a un espacio que va más allá de los intereses propios. Fomentar el capital de conexión, por ejemplo, conectando con más personas en un entorno informal, puede ser una forma eficaz de reducir el fenómeno de la burbuja de filtro. Partiendo de este concepto de capital de conexión, un estudio de 2020 realizado por Elmas et al. propuso recomendar temas controvertidos a celebridades con bases de fans ideológicamente diversas, ya que estas figuras pueden exponer eficazmente a sus seguidores a puntos de vista contrarios. ^{[ 77 ]}

Jiang, T., Sun, Z., y Fu, S. (2025) analizan cómo las burbujas de filtro pueden ser combatidas por el individuo, siempre que acepte el cambio. Señalan cómo la propia actitud de una persona sobre las burbujas de filtro es una causa directa del problema en sí. Escriben "Algunas evidencias recientes también han sugerido el papel crítico de las propias actitudes de los individuos en la formación de burbujas de filtro. Aunque comúnmente se asume que los motores de búsqueda de Google crearon burbujas de filtro al personalizar los resultados de búsqueda para usuarios individuales, el hecho es que los usuarios de Google tendían a seleccionar consultas de búsqueda que correspondían a sus propios aprendizajes políticos y estas consultas arrojaron resultados de búsqueda del lado propio (Ekström et al., 2023), (Jiang, T., Sun, Z., y Fu, S., 2025). Esto implica que depende del individuo romper el ciclo de las burbujas de filtro e investigar opiniones que no necesariamente refuercen sus propias creencias.

Los usuarios pueden tomar muchas medidas para romper sus burbujas de filtro, por ejemplo, esforzándose conscientemente por evaluar a qué información se exponen y reflexionando críticamente sobre si interactúan con una amplia gama de contenido. ^{[ 78 ]} Los usuarios pueden evitar conscientemente las fuentes de noticias que no son verificables o son poco fiables. Chris Glushko, vicepresidente de marketing de IAB, recomienda utilizar sitios de verificación de datos para identificar noticias falsas. ^{[ 79 ]} La tecnología también puede desempeñar un papel valioso en la lucha contra las burbujas de filtro. ^{[ 80 ]}

Algunos complementos de navegador están diseñados para ayudar a las personas a salir de sus burbujas informativas y tomar conciencia de sus perspectivas personales; por lo tanto, estos medios muestran contenido que contradice sus creencias y opiniones. Además de los complementos, existen aplicaciones creadas con la misión de alentar a los usuarios a abrir sus cámaras de eco. Aplicaciones de noticias como Read Across the Aisle incitan a los usuarios a leer diferentes perspectivas si su patrón de lectura está sesgado hacia un lado o ideología. ^{[ 81 ]} Si bien las aplicaciones y los complementos son herramientas que los humanos pueden usar, Eli Pariser afirmó: "Ciertamente, existe cierta responsabilidad individual de buscar nuevas fuentes y personas que no sean como uno mismo". ^{[ 55 ]}

Dado que la publicidad en línea puede aumentar el efecto de las burbujas de filtro al exponer a los usuarios a más contenido similar, estos pueden bloquear gran parte de la publicidad borrando su historial de búsqueda, desactivando los anuncios dirigidos y descargando extensiones del navegador. Algunos utilizan motores de búsqueda anónimos o no personalizados como YaCy , DuckDuckGo , Qwant , Startpage.com , Disconnect y Searx para evitar que las empresas recopilen sus datos de búsqueda web. El diario suizo Neue Zürcher Zeitung está probando en fase beta una aplicación de motor de noticias personalizada que utiliza aprendizaje automático para adivinar qué contenido le interesa a un usuario, incluyendo siempre un elemento de sorpresa; la idea es mezclar historias que es poco probable que un usuario haya seguido en el pasado. ^{[ 82 ]} Estas herramientas de autorregulación pueden ser útiles para los usuarios, pero existe una necesidad imperiosa de que las organizaciones intervengan para combatir mejor las burbujas de filtro a mayor escala.

La Unión Europea está tomando medidas para mitigar el efecto de la burbuja de filtro. El Parlamento Europeo está impulsando investigaciones sobre cómo las burbujas de filtro afectan la capacidad de las personas para acceder a noticias diversas. ^{[ 83 ]} Además, introdujo un programa destinado a educar a los ciudadanos sobre las redes sociales. ^{[ 84 ]} En Estados Unidos, el panel CSCW sugiere el uso de aplicaciones de agregación de noticias para ampliar la ingesta informativa de los consumidores de medios. Estas aplicaciones escanean todos los artículos de noticias actuales y dirigen al usuario a diferentes puntos de vista sobre un tema determinado. Los usuarios también pueden utilizar un equilibrador de noticias que considera la diversidad y que muestra visualmente al consumidor si se inclina hacia la izquierda o la derecha al leer las noticias, indicando la inclinación a la derecha con una barra roja más grande o la inclinación a la izquierda con una barra azul más grande. Un estudio que evaluó este equilibrador de noticias encontró "un cambio pequeño pero perceptible en el comportamiento de lectura, hacia una exposición más equilibrada, entre los usuarios que vieron la retroalimentación, en comparación con un grupo de control". ^{[ 85 ]}

A la luz de las recientes preocupaciones sobre el filtrado de información en las redes sociales, Facebook reconoció la presencia de burbujas de filtro y ha tomado medidas para eliminarlas. ^{[ 86 ]} En enero de 2017, Facebook eliminó la personalización de su lista de Temas en Tendencias en respuesta a problemas con algunos usuarios que no veían eventos muy comentados allí. ^{[ 87 ]} La estrategia de Facebook es revertir la función de Artículos Relacionados que había implementado en 2013, que publicaba noticias relacionadas después de que el usuario leyera un artículo compartido. Ahora, la estrategia renovada invertiría este proceso y publicaría artículos desde diferentes perspectivas sobre el mismo tema. Facebook también está intentando pasar por un proceso de verificación en el que solo se mostrarán artículos de fuentes confiables. Junto con el fundador de Craigslist y algunos otros, Facebook ha invertido $14 millones en esfuerzos "para aumentar la confianza en el periodismo en todo el mundo y para informar mejor la conversación pública". ^{[ 86 ]} La idea es que incluso si las personas solo leen publicaciones compartidas por sus amigos, al menos estas publicaciones serán creíbles.

De manera similar, Google, al 30 de enero de 2018, también reconoció la existencia de dificultades relacionadas con las burbujas de filtro dentro de su plataforma. Debido a que las búsquedas actuales de Google obtienen resultados clasificados algorítmicamente según su "autoridad" y "relevancia", lo que muestra u oculta ciertos resultados, Google busca combatir este problema. Al entrenar su motor de búsqueda para que reconozca la intención de la consulta en lugar de la sintaxis literal de la pregunta, Google intenta limitar el tamaño de las burbujas de filtro. Por el momento, la fase inicial de este entrenamiento se implementará en el segundo trimestre de 2018. Las preguntas que impliquen sesgos u opiniones controvertidas no se abordarán hasta más adelante, lo que plantea un problema mayor que aún persiste: si el motor de búsqueda actúa como árbitro de la verdad o como guía experta para la toma de decisiones. ^{[ 88 ]}

Asimismo, Jiang, T., Sun, Z., y Fu, S. (2025), también analizan cómo las posibilidades algorítmicas pueden contribuir a crear contramedidas para la burbuja de filtros. Su objetivo es utilizarlas dentro del diseño del programa, para resolver este problema desde dentro. Escriben: "Considerando que los algoritmos no son directamente visibles para los usuarios, es importante que los sistemas de información curados algorítmicamente incorporen posibilidades algorítmicas en el diseño de su interfaz, para informar a los usuarios cómo pueden utilizar los algoritmos para lograr sus objetivos (Shin y Park, 2019), (Jiang, T., Sun, Z., y Fu, S., 2025). Esto implica que no solo debería depender del usuario individual intentar utilizar fuentes desde una variedad de perspectivas, sino que las propias interfaces también deberían tener contramedidas.

En abril de 2017, salió a la luz la noticia de que Facebook, Mozilla y Craigslist contribuyeron a la mayor parte de una donación de 14 millones de dólares a la "Iniciativa de Integridad de Noticias" de CUNY , destinada a eliminar las noticias falsas y crear medios de comunicación más honestos. ^{[ 89 ]}

Más tarde, en agosto, Mozilla, creadora del navegador web Firefox , anunció la formación de la Iniciativa de Confianza en la Información de Mozilla (MITI). La MIT sería un esfuerzo colectivo para desarrollar productos, investigaciones y soluciones comunitarias que combatieran los efectos de las burbujas de filtro y la proliferación de noticias falsas. El equipo de Innovación Abierta de Mozilla lidera la iniciativa, esforzándose por combatir la desinformación, con un enfoque específico en el producto en lo que respecta a la alfabetización, la investigación y las intervenciones creativas. ^{[ 90 ]}