La reorganización de la animosidad partidista en las redes sociales algorítmicas altera la polarización afectiva

Área de la Ciencia:

• Algoritmos de las redes sociales
• Ciencias políticas
• Ciencias sociales computacionales

Sus antecedentes:

• Las plataformas de redes sociales controlan los datos en los algoritmos de clasificación de alimentos.
• La investigación independiente sobre los efectos algorítmicos es limitada.
• Comprender el impacto algorítmico en la polarización política es crucial.

Objetivo del estudio:

• Desarrollar un método independiente de la plataforma para estudiar los algoritmos de clasificación de las fuentes de los medios sociales.
• Investigar el efecto causal de la exposición al contenido de animosidad antidemocrática y partidista (AAPA) en la polarización afectiva.
• Para permitir una evaluación naturalista en tiempo real de las intervenciones algorítmicas.

Principales métodos:

• Desarrolló un método independiente de la plataforma para volver a clasificar las fuentes de medios sociales en tiempo real.
• Realizó un experimento de campo de 10 días con 1256 participantes en X durante la campaña presidencial de EE.
• Utilizó un gran modelo de lenguaje para volver a clasificar la exposición al contenido de AAPA.

Principales resultados:

• La disminución o el aumento de la exposición a AAPA cambió la animosidad partidista por más de 2 puntos (en una escala de 100 puntos).
• No se observaron diferencias detectables en los efectos entre los partidos políticos.
• Proporcionó evidencia causal de que la exposición al contenido de AAPA altera la polarización afectiva.

Conclusiones:

• El método desarrollado permite el estudio independiente de los algoritmos de alimentación sin la cooperación de la plataforma.
• La exposición algorítmica al contenido de AAPA influye directamente en la polarización afectiva.
• Permite la evaluación del mundo real de las intervenciones de clasificación en entornos naturalistas.