Un nuevo experimento que utiliza una extensión del navegador impulsada por IA para reordenar los feeds en X (antes Twitter), y que se lleva a cabo independientemente del algoritmo de la plataforma X, muestra que incluso pequeños cambios en la exposición a contenidos políticos hostiles pueden influir de forma mensurable en los sentimientos hacia partidos políticos opuestos a los pocos días de exposición a X. Los resultados proporcionan pruebas causales directas del impacto de la clasificación de publicaciones controlada algorítmicamente en el feed de las redes sociales de un usuario. Los medios sociales se han convertido en una importante fuente de información política para muchas personas en todo el mundo. Sin embargo, los algoritmos de la plataforma ejercen una poderosa influencia sobre lo que encontramos mientras la usamos, dirigiendo sutilmente pensamientos, emociones y comportamientos de formas poco comprendidas. Aunque se han propuesto muchas explicaciones sobre cómo nos afectan estos algoritmos de clasificación, poner a prueba estas teorías ha resultado excepcionalmente difícil. Esto se debe a que solo los operadores de las plataformas controlan el comportamiento de sus algoritmos patentados y son los únicos capaces de experimentar con diferentes diseños de alimentación y evaluar sus efectos causales. Para sortear estos retos, Tiziano Piccardi y sus colaboradores desarrollaron un novedoso método que permite a los investigadores reordenar los feeds de las redes sociales de las personas en tiempo real mientras navegan, sin permiso de las propias plataformas. Piccardi y su equipo crearon una extensión de navegador ligera y no intrusiva, muy parecida a un bloqueador de anuncios, que intercepta y reordena el feed web de X en tiempo real, aprovechando grandes clasificadores basados en modelos de lenguaje para evaluar y reordenar las entradas en función de su contenido. Esta herramienta permitió a los autores identificar y variar sistemáticamente cómo aparecían en el feed de un usuario los contenidos que expresaban actitudes antidemocráticas y animadversión partidista (AAPA), y observar los efectos en condiciones experimentales controladas.
En un experimento de campo de 10 días sobre X en el que participaron 1.256 personas y que se llevó a cabo durante un tramo volátil de la campaña presidencial estadounidense de 2024, los individuos fueron asignados aleatoriamente a feeds con niveles aumentados, reducidos o no alterados de contenido AAPA. El equipo de Piccardi escubrió que, en relación con el grupo de control, la reducción de la exposición a los contenidos AAPA hacía que las personas se sintieran mejor dispuestas hacia el partido político contrario, cambiando la línea de base en más de 2 puntos en una escala de 100 puntos. El aumento de la exposición produjo un cambio comparable hacia sentimientos más enfrentados hacia la parte contraria. Según los autores, los efectos observados son sustanciales, aproximadamente comparables a un cambio de tres años en la polarización afectiva a lo largo de la intervención, si bien se desconoce si estos efectos persisten en el tiempo. Además, estos cambios no parecieron recaer de forma desproporcionada sobre ningún grupo de usuarios en particular. Los cambios también se extendieron a la experiencia emocional. Los participantes informaron de cambios en la ira y la tristeza a través de breves encuestas integradas en el flujo de contenido, lo que demuestra que la exposición a la hostilidad política mediada algorítmicamente puede moldear tanto la polarización afectiva como las respuestas emocionales momento a momento durante el uso de la plataforma.
"Un estudio –o un conjunto de estudios– nunca será la última palabra sobre cómo afectan los medios sociales a las actitudes políticas. Lo que es aplicable a Facebook puede no serlo para TikTok, y lo que era cierto para Twitter hace 4 años puede no ser relevante para X en la actualidad", escriben Jennifer Allen y Joshua Tucker en un artículo de Perspective relacionado. El camino a seguir es abrazar la investigación creativa y construir metodologías que se adapten al momento actual. Piccardi y sus colaboradores presentan una herramienta viable para hacerlo".
Journal
Science
Article Title
Reranking partisan animosity in algorithmic social media feeds alters affective polarization
Article Publication Date
27-Nov-2025