Por qué el algoritmo del feed muestra publicaciones que chocan con los valores de ciertos usuarios

El algoritmo que selecciona las publicaciones en el feed “Para ti” de X —la red social antes conocida como Twitter— tiende a mostrar a los usuarios contenido que choca con sus propios valores, según un estudio publicado en Proceedings of the National Academy of Sciences (PNAS).

La investigación fue liderada por Ziv Epstein, investigador postdoctoral en el Schwarzman College of Computing del Instituto Tecnológico de Massachusetts (MIT), y Michael S. Bernstein, profesor de ciencias de la computación de la Universidad de Stanford e investigador del Stanford Institute for Human-Centered AI (HAI).

El estudio analizó los feeds de 715 usuarios estadounidenses de X reclutados en septiembre y octubre de 2024, con una muestra representativa a nivel nacional según etnia, género y afiliación política. Los participantes instalaron una extensión de navegador que permitió al equipo recopilar tanto su feed “Para ti” —el gestionado por el algoritmo— como su feed de “Seguidos”, compuesto por publicaciones de las cuentas que cada usuario eligió seguir voluntariamente.

Para medir los valores de cada persona, los investigadores utilizaron la Teoría de Valores Básicos de Schwartz, un marco psicológico validado transculturalmente que organiza 19 valores humanos fundamentales —desde la conformidad con las normas y la seguridad social hasta el cuidado de los demás, la preocupación universal y la preservación de la naturaleza— en una jerarquía de tres niveles.

Luego construyeron una herramienta de anotación basada en un modelo de lenguaje para identificar qué valores expresaba cada publicación y compararon ese perfil con las preferencias declaradas por cada usuario.

El primer hallazgo fue tranquilizador: los usuarios siguen cuentas que, en general, producen contenido alineado con sus valores (correlación de Spearman de 0,302). El problema surge cuando el algoritmo interviene.

La correlación entre los valores de los usuarios y los valores del contenido que el algoritmo amplifica en el feed “Para ti” es negativa (−0,150), lo que indica que el sistema tiende a promover publicaciones que contradicen, en lugar de reflejar, lo que cada persona declara valorar.

En términos concretos, el algoritmo amplifica sobre todo contenido vinculado a la conformidad con las reglas, la seguridad social y la tradición, mientras demota publicaciones asociadas al cuidado de los demás, la preocupación por personas lejanas, la fiabilidad y la preservación de la naturaleza.

La clave está en cómo el algoritmo interpreta las distintas señales de comportamiento. En X, los usuarios suelen reaccionar con “me gusta”, mientras que las respuestas aparecen con menor frecuencia. El estudio encontró que tanto esos “me gusta” como los retuits tienden a asociarse con publicaciones que reflejan los valores de cada persona.

Las respuestas muestran un patrón diferente: suelen concentrarse en contenidos que contradicen esas preferencias. Según los autores, los usuarios tienden a contestar más cuando una publicación les genera rechazo, indignación o desacuerdo.

El dato determinante es que el algoritmo de X pondera las respuestas hasta 27 veces más que los “me gusta” al momento de inferir los intereses del usuario, según la propia documentación técnica de la plataforma.

Dado que las respuestas representan apenas el 6,8% de todas las interacciones pero reciben ese peso desproporcionado, el sistema aprende principalmente de los momentos de confrontación y retroalimenta al usuario con más contenido que provoca esa misma reacción.

“Las fricciones entre las preferencias declaradas de los usuarios y sus comportamientos de confrontación reactiva son explotadas por los algoritmos que maximizan el engagement para crear bucles de retroalimentación descontrolados de creciente desalineación de valores”, escribieron los autores en el artículo.

Nikita Bier, exjefe de producto de X, reaccionó al estudio publicando en la propia plataforma que el algoritmo ya fue modificado desde que se recopilaron los datos del estudio.

Según Bier, el predictor de respuestas fue ajustado para darle mayor peso a las publicaciones de personas que el usuario sigue, lo que habría reducido el ragebait “en un orden de magnitud”. X no respondió a las solicitudes de comentario de medios como 404 Media.

El equipo de investigación también desarrolló una extensión de navegador para Chrome que reordena el feed según los valores declarados por el propio usuario, como una posible vía de corrección. Los autores advierten, sin embargo, que alinear los feeds con los valores individuales no equivale necesariamente a salir de las cámaras de eco: exponer a las personas a publicaciones con posturas opuestas sin mediación puede aumentar la polarización, en lugar de reducirla.