Internet hizo que encontrar cosas nuevas fuera mucho más fácil. Una canción desconocida puede llegar a miles de personas en pocas horas, una prenda puede convertirse rápidamente en objeto de deseo y una forma de editar videos puede repetirse en cuentas de distintos países. Pero este fenómeno plantea una pregunta: ¿las tendencias se vuelven populares solamente porque muchas personas las eligen o también porque los sistemas de recomendación favorecen determinados contenidos?
Las modas no nacen exclusivamente de los algoritmos. Intervienen los usuarios, los creadores, las marcas, las celebridades y las propias dinámicas culturales. Sin embargo, las plataformas digitales agregaron un elemento que antes no tenía la misma importancia: sistemas capaces de ordenar enormes cantidades de contenidos y decidir cuáles tienen más posibilidades de aparecer frente a cada usuario.
CUANDO LA POPULARIDAD SE VUELVE UNA SEÑAL
Los sistemas de recomendación tienen que seleccionar entre una cantidad enorme de publicaciones. Para hacerlo utilizan diferentes señales relacionadas con el comportamiento de los usuarios. Una de las cuestiones que estudia la investigación sobre estos sistemas es el “popularity bias” o sesgo hacia la popularidad.
En 2024 los investigadores de la Universidad de Klagenfurt analizaron 123 trabajos científicos sobre este fenómeno. Los autores encontraron que, en muchas situaciones, los sistemas de recomendación tienden a concentrarse en contenidos que ya son populares. La investigación advierte que esto puede generar efectos de refuerzo: los contenidos que tienen mucha exposición pueden recibir todavía más exposición.
Esto no significa que todo lo popular sea impuesto por un algoritmo. El concepto señala otra cosa: la popularidad puede convertirse en un factor que ayuda a mantener la visibilidad de un contenido.
MÁS VISIBILIDAD, MENOS DESCUBRIMIENTO
Una plataforma puede tener millones de contenidos disponibles, pero eso no significa que todos tengan las mismas posibilidades de llegar a los usuarios. Si las recomendaciones se concentran en determinados contenidos, otros pueden quedar con menor exposición.
La revisión de 2024 señala precisamente una relación entre el sesgo hacia la popularidad y cuestiones como la diversidad, la novedad y el descubrimiento. Los investigadores también remarcan una limitación importante: buena parte de los estudios existentes utiliza experimentos computacionales y métricas técnicas, mientras que todavía son menos frecuentes las investigaciones realizadas directamente con usuarios en situaciones reales.
Lo que puede estudiarse es cómo determinadas formas de recomendación modifican las posibilidades de exposición.
¿QUÉ OCURRE EN TIKTOK?
Los investigadores utilizaron un método conocido como sock-puppet audit: crearon cuentas automatizadas, o bots, con intereses determinados y observaron qué sucedía con el contenido recomendado en el apartado “For You”. En total utilizaron 42 bots, que durante el experimento procesaron más de 128.000 videos. Después del proceso de limpieza, el análisis incluyó 112.610 videos y más de 63.000 hashtags únicos.
Los resultados mostraron una rápida amplificación de contenidos relacionados con los intereses que los bots habían señalado. Según los investigadores, el refuerzo podía aparecer durante los primeros 200 videos observados. Además, encontraron una relación negativa entre la amplificación de contenido alineado con los intereses y la diversidad de hashtags encontrados. Es decir, cuando aumentaba la presencia de contenidos relacionados con un interés, disminuía la variedad de hashtags encontrados por las cuentas.
Pero el estudio tiene una limitación fundamental: los participantes no eran personas reales. Los bots interactuaban de una manera mucho más constante y previsible que un usuario humano. Los propios investigadores reconocen que ese comportamiento no reproduce toda la complejidad de una experiencia humana.
Por eso el estudio no permite afirmar que TikTok haga que todos sus usuarios reciban exactamente los mismos contenidos. Sí aporta evidencia de que el sistema puede reforzar rápidamente determinados tipos de contenido cuando detecta señales de interés.
LA POPULARIDAD TAMBIÉN INFLUYE EN LAS PERSONAS
El fenómeno no depende solamente de la tecnología. Las personas también observamos lo que hacen los demás y utilizamos esa información para tomar decisiones.
Un experimento publicado en Science en 2013 estudió cómo las valoraciones previas de otros usuarios podían modificar las decisiones posteriores. Los investigadores realizaron un experimento aleatorizado a gran escala en una plataforma de noticias sociales y encontraron que conocer las valoraciones anteriores podía producir cambios en las valoraciones posteriores de los participantes.
Este resultado permite incorporar otro elemento al problema: no solamente vemos un contenido; también vemos las señales de que otras personas lo están aprobando.
Una publicación con miles de interacciones puede parecer más atractiva que una publicación prácticamente desconocida. La popularidad, entonces, no funciona solamente como resultado de una elección: también puede convertirse en información para nuevas elecciones.
UN CIRCUITO EN LUGAR DE UNA CAUSA ÚNICA
Con estos estudios, la formación de una tendencia puede pensarse como un proceso en el que intervienen diferentes elementos.
Una persona publica algo. Otros usuarios reaccionan. El contenido obtiene atención. Las plataformas reciben señales sobre esa actividad. El sistema puede recomendarlo a más personas. Algunas vuelven a interactuar o a reproducir la idea.
Así se forma un circuito. No significa que el algoritmo invente una moda desde cero. Tampoco significa que los usuarios sean simples espectadores.
El fenómeno es más complejo: las decisiones humanas generan señales que los sistemas utilizan, y las recomendaciones resultantes vuelven a modificar aquello que los usuarios encuentran.
MÁS OPCIONES NO SIGNIFICA QUE TODAS SEAN IGUAL DE VISIBLES
Esta es quizás la principal paradoja. Internet aumentó enormemente la cantidad de opciones disponibles. Sin embargo, la cantidad de contenidos que realmente vemos sigue siendo limitada.
Podemos tener acceso a millones de canciones y terminar escuchando las mismas diez que aparecen repetidamente en nuestras recomendaciones. Podemos tener miles de estilos de ropa disponibles y encontrarnos constantemente con determinadas estéticas. Podemos acceder a millones de creadores y terminar conociendo siempre a los mismos.
Esto no demuestra que nuestras decisiones sean falsas. Sí muestra que la visibilidad es parte del proceso mediante el cual descubrimos aquello que después podemos elegir.
Por eso, cuando una tendencia aparece en todas partes, la pregunta no debería ser solamente por qué nos gusta. También conviene preguntarse cómo llegó hasta nosotros y qué hizo posible que la viéramos tantas veces.
Los algoritmos no son los únicos responsables de las modas. Pero tampoco son espectadores neutrales del proceso. Organizan la circulación de enormes cantidades de contenidos y pueden modificar las posibilidades de exposición.
La cuestión, entonces, no es si dejamos de elegir. Es comprender que, en Internet, antes de elegir algo tenemos que encontrarlo. Y encontrarlo no siempre ocurre por casualidad.
¿Querés profundizar en cómo nacen y se expanden las tendencias en Internet?
Escuchá el podcast: ¿Por qué de repente todos hacemos lo mismo? Una reflexión sobre cómo las redes sociales, los algoritmos y la influencia de los demás pueden afectar nuestros gustos y elecciones.
Fuentes y referencias
A survey on popularity bias in recommender systems (2024)
https://link.springer.com/article/10.1007/s11257-024-09406-0
Dynamics of algorithmic content amplification on TikTok (2026)
https://doi.org/10.1140/epjds/s13688-026-00629-2
Social influence bias: a randomized experiment (2013)
https://pubmed.ncbi.nlm.nih.gov/23929980/
0 comentarios:
Publicar un comentario