{"id":16245,"date":"2026-08-24T05:52:41","date_gmt":"2026-08-24T08:52:41","guid":{"rendered":"http:\/\/laf5.publisher.highstack.com.ar\/?p=16245"},"modified":"2026-08-24T05:52:41","modified_gmt":"2026-08-24T08:52:41","slug":"el-algoritmo-de-x-puede-hacerte-enfadar-a-proposito-un-estudio-explica-por-que","status":"publish","type":"post","link":"https:\/\/laf5.publisher.highstack.com.ar\/?p=16245","title":{"rendered":"El algoritmo de X puede hacerte enfadar a prop\u00f3sito: un estudio explica por qu\u00e9"},"content":{"rendered":"
\n

Si alguna vez abriste X y terminaste viendo una sucesi\u00f3n de publicaciones que te irritaban, quiz\u00e1 no sea una coincidencia. Una investigaci\u00f3n de la Universidad de Stanford sugiere que el algoritmo de recomendaciones de la plataforma puede confundir el enfado con el inter\u00e9s, provocando que el feed muestre cada vez m\u00e1s contenido capaz de generar indignaci\u00f3n.<\/p>\n

El trabajo, publicado en Proceedings of the National Academy of Sciences (PNAS), analiza una de las principales debilidades de los sistemas de recomendaci\u00f3n actuales: utilizan el engagement como indicador de aquello que aparentemente interesa al usuario.<\/p>\n

El problema es que interactuar con una publicaci\u00f3n no significa necesariamente estar de acuerdo con ella. Las personas tambi\u00e9n comentan, responden o comparten aquello que las molesta, y el algoritmo puede interpretar esas reacciones como una se\u00f1al para recomendar contenidos similares.<\/p>\n

X confunde atenci\u00f3n con preferencias reales<\/h2>\n

Los investigadores estudiaron a 715 usuarios de X seleccionados aleatoriamente y compararon sus valores personales con los contenidos que aparec\u00edan en sus feeds. Para determinar esos valores utilizaron la escala de Schwartz, un modelo psicol\u00f3gico que clasifica diferentes prioridades humanas, como la humildad, la seguridad, la independencia o el hedonismo.<\/p>\n

Despu\u00e9s analizaron dos espacios diferentes de X. Por un lado estaba la pesta\u00f1a \u201cSiguiendo\u201d, formada principalmente por publicaciones de cuentas que cada persona decidi\u00f3 seguir. Por otro, la secci\u00f3n \u201cPara ti\u201d, donde el contenido es seleccionado mediante algoritmos de recomendaci\u00f3n. La diferencia result\u00f3 significativa.<\/p>\n

Los investigadores observaron que las publicaciones contrarias a los valores declarados por los usuarios ten\u00edan m\u00e1s posibilidades de ser amplificadas en \u201cPara ti\u201d que aquellas que coincid\u00edan con sus preferencias.<\/p>\n

\"El
\u00a9 Magnific<\/figcaption><\/figure>\n

El enojo tambi\u00e9n genera engagement<\/h2>\n

La explicaci\u00f3n est\u00e1 en c\u00f3mo interactuamos con las redes sociales. Cuando alguien encuentra una publicaci\u00f3n con la que est\u00e1 profundamente en desacuerdo, puede responder, citarla para criticarla, compartirla o pasar m\u00e1s tiempo ley\u00e9ndola. Todas esas acciones son f\u00e1ciles de medir.<\/p>\n

Para un algoritmo optimizado alrededor de la interacci\u00f3n, sin embargo, una respuesta indignada puede parecer pr\u00e1cticamente igual que una muestra de entusiasmo.<\/p>\n

Ziv Epstein, uno de los autores de la investigaci\u00f3n, explica que ah\u00ed aparece una discrepancia entre aquello que realmente valora el usuario y las se\u00f1ales que termina enviando al sistema. El resultado puede convertirse en un c\u00edrculo dif\u00edcil de romper: aparece una publicaci\u00f3n provocadora, el usuario interact\u00faa con ella porque le molesta y esa reacci\u00f3n aumenta la posibilidad de recibir contenidos similares en el futuro.<\/p>\n

El feed \u201cPara ti\u201d y la confrontaci\u00f3n constante<\/h2>\n

Los autores no plantean que las redes sociales deban mostrar \u00fanicamente opiniones con las que cada persona est\u00e9 de acuerdo. Un sistema de esas caracter\u00edsticas tambi\u00e9n podr\u00eda generar c\u00e1maras de eco y reducir la exposici\u00f3n a perspectivas diferentes.<\/p>\n

El desaf\u00edo consiste en encontrar un equilibrio entre diversidad de opiniones y contenido seleccionado principalmente porque provoca una reacci\u00f3n emocional intensa.<\/p>\n

Michael Bernstein, profesor de Stanford y coautor del estudio, sostiene que los sistemas de recomendaci\u00f3n deber\u00edan evitar recompensar excesivamente la interacci\u00f3n confrontativa y buscar mecanismos capaces de distinguir mejor entre inter\u00e9s genuino e indignaci\u00f3n.<\/p>\n

\"El
\u00a9 Magnific<\/figcaption><\/figure>\n

Hay una forma sencilla de reducir el efecto<\/h2>\n

Mientras los algoritmos no incorporen esa diferencia, los usuarios tienen algunas opciones para controlar mejor lo que ven.<\/p>\n

Una de las m\u00e1s sencillas es utilizar con mayor frecuencia la pesta\u00f1a \u201cSiguiendo\u201d, donde las recomendaciones algor\u00edtmicas tienen menos peso y aparecen principalmente publicaciones de cuentas seleccionadas directamente por el usuario.<\/p>\n

Los investigadores tambi\u00e9n experimentaron con una extensi\u00f3n para navegador capaz de reorganizar el contenido teniendo en cuenta los valores declarados por cada persona.<\/p>\n

El estudio plantea as\u00ed una idea importante para entender las redes sociales modernas: aquello que consigue nuestra atenci\u00f3n no siempre es aquello que queremos ver. Y cuando un algoritmo no distingue entre ambas cosas, incluso nuestro enojo puede terminar convirti\u00e9ndose en combustible para decidir qu\u00e9 aparecer\u00e1 despu\u00e9s en la pantalla.<\/p>\n

\u00a0<\/p>\n

\u00a0<\/p>\n

Fuente: Hipertextual.<\/p>\n<\/p><\/div>\n","protected":false},"excerpt":{"rendered":"

Si alguna vez abriste X y terminaste viendo una sucesi\u00f3n de publicaciones que te irritaban, quiz\u00e1 no sea una coincidencia. Una investigaci\u00f3n de la Universidad de Stanford sugiere que el algoritmo de recomendaciones de la plataforma puede confundir el enfado con el inter\u00e9s, provocando que el feed muestre cada vez m\u00e1s contenido capaz de generar […]<\/p>\n","protected":false},"author":1,"featured_media":16246,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-16245","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-sin-categoria"],"_links":{"self":[{"href":"https:\/\/laf5.publisher.highstack.com.ar\/index.php?rest_route=\/wp\/v2\/posts\/16245","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/laf5.publisher.highstack.com.ar\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/laf5.publisher.highstack.com.ar\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/laf5.publisher.highstack.com.ar\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/laf5.publisher.highstack.com.ar\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=16245"}],"version-history":[{"count":0,"href":"https:\/\/laf5.publisher.highstack.com.ar\/index.php?rest_route=\/wp\/v2\/posts\/16245\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/laf5.publisher.highstack.com.ar\/index.php?rest_route=\/wp\/v2\/media\/16246"}],"wp:attachment":[{"href":"https:\/\/laf5.publisher.highstack.com.ar\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=16245"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/laf5.publisher.highstack.com.ar\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=16245"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/laf5.publisher.highstack.com.ar\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=16245"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}