Miedo (in)fundado al algoritmo: Las recomendaciones de YouTube y la polarización

(Un)founded fear towards the algorithm: YouTube recommendations and polarisation

 Javier García-Marín, Professor (España)

 Ignacio-Jesús Serrano-Contreras, Associate Researcher (España)

https://doi.org/10.3916/C74-2023-05

Palabras clave

Aprendizaje de máquina, YouTube, redes sociales, sistemas de recomendación, polarización, comunicación

Resumen

Las redes sociales han instaurado una nueva forma de comunicarse y entender las relaciones sociales. A su vez, en lo que podría entenderse como un aspecto negativo, los algoritmos se han construido y desarrollado bajo el paraguas de un amplio abanico de conjeturas y diferentes posiciones al respecto de su capacidad para dirigir y orquestar la opinión pública. El presente trabajo aborda, desde los procesos de ingeniería inversa y de minado semántico, el análisis del sistema de recomendación de YouTube. De este modo, y, en primer lugar, reseñar un resultado clave, las temáticas analizadas de partida no tienden a extremarse. Seguidamente, y mediante el estudio de los temas seleccionados, los resultados no ofrecen una clara resolución de las hipótesis propuestas, ya que, como se ha mostrado en trabajos parecidos, los factores que dan forma al sistema de recomendación son variados y de muy diversa índole. De hecho, los resultados muestran cómo el contenido polarizante no es igual para todos los temas analizados, lo que puede indicar la existencia de moderadores –o acciones por parte de la compañía– que alteran la relación entre las variables. Con todo ello, trabajos como el presente abren la puerta a posteriores incursiones académicas en las que trazar sistematizaciones no lineales y con las que, tal vez, poder arrojar un sustento más neto y sustancial que permita despejar por completo parte de las dudas sobre el papel de los algoritmos y su papel en fenómenos sociales recientes.

Referencias

Alfano, M., Fard, A.E., Carter, J.A., Clutton, P., & Klein, C. (2021). Technologically scaffolded atypical cognition: The case of YouTube’s recommender system. Synthese, 199(1-2), 835-858. https://doi.org/10.1007/s11229-020-02724-x

Link DOI | Link Google Scholar

Almagro, M., & Villanueva, N. (2021). Polarización y tecnologías de la Información: Radicales vs. extremistas. Dilemata, 34, 51-69. https://bit.ly/38YwIiH

Link Google Scholar

Arceneaux, K., & Johnson, M. (2010). Does media fragmentation produce mass polarization? Selective exposure and a new era of minimal effects. In A. Campbell, & L. Martin (Eds.), American Political Science Association 2010 Annual Meeting. SSRN. https://bit.ly/3M1e7jJ

Link Google Scholar

Arias-Maldonado, M. (2016). La digitalización de la conversación pública: Redes sociales, afectividad política y democracia. Revista de Estudios Políticos, 173, 27-54. https://doi.org/10.18042/cepc/rep.173.01

Link DOI | Link Google Scholar

Bail, C.A. (2021). Breaking the social media prism: How to make our platforms less polarizing. Princeton University Press. https://doi.org/10.1515/9780691216508

Link DOI | Link Google Scholar

Banaji, S. (2013). Everyday racism and «My tram experience»: Emotion, civic performance and learning on YouTube. [El racismo cotidiano y «Mi experiencia en un tranvía»: emoción, comportamiento cívico y aprendizaje en YouTube]. Comunicar, 40, 69-78. https://doi.org/10.3916/C40-2013-02-07

Link DOI | Link Google Scholar

Barberá, P. (2020). Social media, echo chambers, and political polarization. In N. Persily, & J. Tucker (Eds.), Social media and democracy: The state of the field, prospects for reform (pp. 34-55). Cambridge University Press. https://doi.org/10.1017/9781108890960

Link DOI | Link Google Scholar

Berners-Lee, T. (2000). Tejiendo la red. Siglo XXI de España. https://bit.ly/3wZ1NMx

Link Google Scholar

Berrocal-Gonzalo, S., Campos-Domínguez, E., & Redondo-García, M. (2014). Media prosumers in political communication: Politainment on YouTube. [Prosumidores mediáticos en la comunicación política: El «politainment» en YouTube]. Comunicar, 43, 65-72. https://doi.org/10.3916/C43-2014-06

Link DOI | Link Google Scholar

Bishop, S. (2018). Anxiety, panic and self-optimization: Inequalities and the YouTube algorithm. Convergence, 24(1), 69-84. https://doi.org/10.1177/1354856517736978

Link DOI | Link Google Scholar

Castells, M. (2001). La era de la información: Economía, sociedad y cultura. Alianza Editorial. https://bit.ly/3LXI18w

Link Google Scholar

Chadwick, A. (2009). Web 2.0: New challenges for the study of e-democracy in an era of informational exuberance. I/S: A Journal of Law and Policy for the Information Society, 5(1), 9-41. https://bit.ly/3MZopSH

Link Google Scholar

Chen, A., Nyhan, B., Reifler, J., Robertson, R., & Wilson, C. (2021). Exposure to alternative & extremist content on YouTube. Anti-Defamation League. https://bit.ly/3MZ19E9

Link Google Scholar

Covington, P., Adams, J., & Sargin, E. (2016). Deep neural networks for YouTube recommendations. In S. Sen, & W. Geyer (Eds.), Proceedings of the 10th ACM Conference on Recommender Systems, (pp. 191-198). Association for Computing Machinery. https://doi.org/10.1145/2959100.2959190

Link DOI | Link Google Scholar

Davidson, J., Livingston, B., Sampath, D., Liebald, B., Liu, J., Nandy, P., Van-Vleet, T., Gargi, U., Gupta, S., He, Y., & Lambert, M. (2010). The YouTube video recommendation system. In X. Amatriain, M. Torrens, P. Resnick, & M. Zanker (Eds.), Proceedings of the fourth ACM conference on Recommender Systems, (pp. 293-296). Association for Computing Machinery. https://doi.org/10.1145/1864708.1864770

Link DOI | Link Google Scholar

Demsar, J., Curk, T., Erjavec, A., Gorup, C., Hocevar, T., Milutinovic, M., Mozina, M., Polajnar, M., Toplak, M., Staric, A., Stajdohar, M., Umek, L., Zagar, L., Zbontar, J., Zitnik, M., & Zupan, B. (2013). Orange: Data mining toolbox. Python. The Journal of Machine Learning Research, 14(1), 2349-2353. https://bit.ly/3pMIPBR

Link Google Scholar

Dimopoulos, G., Barlet-Ros, P., & Sanjuas-Cuxart, J. (2013). Analysis of YouTube user experience from passive measurements. In Proceedings of the 9th International Conference on Network and Service Management (CNSM 2013), (pp. 260-267). IEEE. https://doi.org/10.1109/CNSM.2013.6727845

Link DOI | Link Google Scholar

Goodrow, C. (2021). On YouTube’s recommendation system. Blog YouTube. https://bit.ly/3wWAxhA

Link Google Scholar

Habermas, J. (1981). Historia y crítica de la opinión pública. Gustavo Gili. https://bit.ly/3O0JOv1

Link Google Scholar

Hernández, E., Anduiza, E., & Rico, G. (2021). Affective polarization and the salience of elections. Electoral Studies, 69, 102203. https://doi.org/10.1016/j.electstud.2020.102203

Link DOI | Link Google Scholar

Howard, J.W. (2021). Extreme speech, democratic deliberation, and social media. In C. Véliz (Ed.), The Oxford Handbook of Digital Ethics (pp. 1-22). Oxford University Press. https://doi.org/10.1093/oxfordhb/9780198857815.013.10

Link DOI | Link Google Scholar

Iyengar, S., Lelkes, Y., Levendusky, M., Malhotra, N., & Westwood, S.J. (2019). The origins and consequences of affective polarization in the United States. Annual Review of Political Science, 22, 129-146. https://doi.org/10.1146/annurev-polisci-051117-073034

Link DOI | Link Google Scholar

Latorre, M (2022). Historia de la Web, 1.0, 2.0, 3.0 y 4.0. Blog Marino Latorre. https://bit.ly/38un7QH

Link Google Scholar

Lilleker, D.G., & Jackson, N. (2008). Politicians and Web 2.0: The current bandwagon or changing the mindset? [Conference]. Politics: Web 2.0 International Conference.

Link Google Scholar

Luengo, O., García-Marín, J., & de-Blasio, E. (2021). COVID-19 on YouTube: Debates and polarisation in the digital sphere. [COVID-19 en YouTube: Debates y polarización en la esfera digital]. Comunicar, 69, 9-19. https://doi.org/10.3916/C69-2021-01

Link DOI | Link Google Scholar

McLuhan, H.M. (1959). Myth and mass media. Daedalus, 88(2), 339-348. https://bit.ly/3GtIs9v

Link Google Scholar

Messina, J.P. (2022). New directions in the ethics and politics of speech. Routledge. https://doi.org/10.4324/9781003240785

Link DOI | Link Google Scholar

Mohan, N. (2022). Inside responsibility: What’s next on our misinfo efforts. Blog YouTube. https://bit.ly/38XAngS

Link Google Scholar

Nielsen, R., & Fletcher, R. (2020). Democratic creative destruction? The Effect of a changing media landscape on democracy. In N. Persily, & J. Tucker (Eds.), Social media and democracy: The state of the field, prospects for reform (pp. 139-162). Cambridge University Press. https://doi.org/10.1017/9781108890960.008

Link DOI | Link Google Scholar

O'Reilly, T., & Battelle, J. (2009). Web squared: Web 2.0 five years on. O'Reilly Media. https://bit.ly/3wYLBuG

Link Google Scholar

Pariser, E. (2017). El filtro burbuja: Cómo la web decide lo que leemos y lo que pensamos. Taurus. https://bit.ly/3x0UyDX

Link Google Scholar

Rasmussen, S.H.R., & Petersen, M. (2022). From echo chambers to resonance chambers: How offline political events enter and are amplified in online networks. PsyArXiv. https://doi.org/10.31234/osf.io/vzu4q

Link DOI | Link Google Scholar

Rekoff, M.G. (1985). On reverse engineering. IEEE Transactions on Systems, Man, and Cybernetics, 15(2), 244-252. https://doi.org/10.1109/TSMC.1985.6313354

Link DOI | Link Google Scholar

Serrano-Contreras, I., García-Marín, J., & Luengo, O. G. (2020). Measuring online political dialogue: Does polarization trigger more deliberation? Media and Communication, 8(4), 63-72. https://doi.org/10.17645/mac.v8i4.3149

Link DOI | Link Google Scholar

Sunstein, C.R. (2007). Republic.com 2.0. Princeton University Press. https://bit.ly/3a3YFG8

Link Google Scholar

Terren, L., & Borge-Bravo, R. (2021). Echo chambers on social media: A systematic review of the literature. Review of Communication Research, 9, 99-118. https://doi.org/10.12840/ISSN.2255-4165.028

Link DOI | Link Google Scholar

Tufekci, Z. (2018, March 20). YouTube, the great radicalizer. The New York Times. https://nyti.ms/38VTs2Y

Link Google Scholar

Van-Bavel, J.J., Rathje, S., Harris, E., Robertson, C., & Sternisko, A. (2021). How social media shapes polarization. Trends in Cognitive Sciences, 25(11), 913-916. https://doi.org/10.1016/j.tics.2021.07.013

Link DOI | Link Google Scholar

Wigand, R., Wood, J., & Mande, D. (2010). Taming the social network jungle: From Web 2.0 to social media [Conference]. AMCIS 2010 Proceedings. https://bit.ly/3NJF3Wl

Link Google Scholar

Yesilada, M., & Lewandowsky, S. (2022). Systematic review: YouTube recommendations and problematic content. Internet Policy Review, 11(1). https://doi.org/10.31234/osf.io/6pv5c

Link DOI | Link Google Scholar

Fundref

Esta investigación es parte del proyecto de I+D+i PID2021-128272NB-I00 financiado por MCIN/AEI/10.13039/501100011033/FEDER “Una manera de hacer Europa”.

Crossmark

Ficha técnica

Recibido: 30-05-2022

Revisado: 21-06-2022

Aceptado: 13-07-2022

OnlineFirst: 30-10-2022

Fecha publicación: 01-01-2023

Tiempo de revisión del artículo : 22 (en días) | Media de tiempo de revisión de los manuscritos del número 74: 40 (en días)

Tiempo de aceptación del artículo: 44 (en días) | Media tiempo aceptación de los manuscritos del número 74: 69 (en días)

Tiempo de edición OnlineFirst: 171 (en días) | Media tiempo edición de los OnlineFirst del número 74: 194 (en días)

Tiempo de publicacicón final del artículo: 216 (en días) | Media tiempo de publicación final de los articulos del número 74: 239 (en días)

Métricas

Métricas de este artículo

Vistas: 39762

Lectura del abstract: 37398

Descargas del PDF: 2364

Métricas completas de Comunicar 74

Vistas: 448015

Lectura del abstract: 413172

Descargas del PDF: 34843

Citado por