Un nuevo estudio demuestra que la manipulación algorítmica de los feeds de las redes sociales puede disminuir considerablemente la polarización política, incluso sin la cooperación de la plataforma. Investigadores de la Universidad de Washington y la Universidad Northeastern han desarrollado una extensión de navegador que aprovecha modelos de lenguaje grandes (LLM) para reordenar sutilmente las publicaciones en los feeds de los usuarios, eliminando el contenido extremo y, en algunos casos, impulsándolo ligeramente para comparar. Los resultados, publicados en Science, muestran un claro impacto en las actitudes de los usuarios hacia los grupos políticos opuestos.
El experimento y sus hallazgos
El núcleo del estudio involucró a más de 1200 participantes que utilizaron X (anteriormente Twitter) con feeds modificados durante el período previo a las elecciones estadounidenses de 2024. Un grupo vio que se le restaba importancia al contenido polarizador, lo que reducía su visibilidad; otro lo vio amplificado. El hallazgo clave: aquellos expuestos a publicaciones divisivas sin énfasis informaron sentimientos más cálidos hacia los grupos políticos opuestos. Este cambio se midió utilizando una escala de “termómetro de sentimientos”, donde los participantes calificaron su sentimiento. El cambio promedió dos a tres grados, un efecto significativo considerando que el sentimiento político histórico de Estados Unidos cambia aproximadamente tres grados en tres años.
Por el contrario, los participantes que vieron contenido polarizado potenciado informaron sentimientos más fríos hacia los grupos opuestos, lo que demuestra aún más la influencia del algoritmo. La intervención también afectó las respuestas emocionales: aquellos con contenido sin énfasis informaron menos tristeza y enojo.
Omitir el control de la plataforma
Esta investigación es innovadora porque sortea la barrera tradicional para estudiar la influencia algorítmica: el acceso a la plataforma. En lugar de depender de la cooperación de las empresas de redes sociales (que rara vez otorgan total transparencia), los investigadores crearon una herramienta que opera de forma independiente dentro de los navegadores de los usuarios. Como explica Martin Saveski, coautor de la Universidad de Washington, “Sólo las plataformas han tenido el poder de dar forma y comprender estos algoritmos. Esta herramienta otorga ese poder a investigadores independientes”.
Este método pasa por alto la aprobación de la plataforma, lo que permite realizar pruebas en el mundo real sin depender de la voluntad de los gigantes tecnológicos de compartir datos o controlar.
Implicaciones e investigaciones futuras
Los efectos a largo plazo de tales intervenciones siguen sin estar claros. Victoria Oldemburgo de Mello, psicóloga de la Universidad de Toronto, señala que los efectos observados pueden disiparse o agravarse con el tiempo, lo que destaca un área crucial para futuras investigaciones. Los investigadores han hecho público su código para fomentar una mayor investigación y replicación.
El marco también tiene potencial más allá de la polarización política. El equipo planea explorar intervenciones relacionadas con el bienestar y la salud mental, aprovechando los LLM para analizar y modificar las redes sociales para obtener beneficios más amplios. Si bien la herramienta actual funciona principalmente en plataformas basadas en navegador, los investigadores están explorando formas de adaptarla para su uso con aplicaciones móviles, lo que presenta desafíos técnicos pero sigue siendo un objetivo clave.
El éxito del estudio demuestra que la manipulación algorítmica de las redes sociales puede tener un impacto mensurable en las actitudes de los usuarios, incluso sin la cooperación de la plataforma. Este hallazgo desafía la narrativa de que la polarización está impulsada únicamente por el comportamiento del usuario y subraya la responsabilidad del diseño algorítmico en la configuración del discurso público.
