El algoritmo de las redes sociales sigue un principio básico que podríamos llamar <mecanismo de atracción>. Esto significa que el algoritmo no solo está diseñado para favorecer cierto contenido sobre otros, sino que también usa como elemento de categorización la capacidad de atención que genere el producto. El algoritmo no es cerrado, entonces, sino que tiene en sí esa capacidad de adaptarse al nivel de atención de cada usuario. Se da una especie de
<selección natural> de tal manera que un contenido que no capte la atención se pierde inmediatamente en ese océano de información constante, mientras que aquel contenido que sí captura nuestra atención será favorecido y <viralizado>. De esa manera, aunque sean los usuarios quienes publiquen un reel de Instagram o un video en TikTok, en cuanto apretamos el botón de publicar, ese contenido pertenece a la plataforma y serán los algoritmos quienes decidirán cómo emplearlo mejor (y esto en
caso de que una cuenta no sea objeto de algún tipo de cancelación).
Esto es un problema por las injusticias que puede
implicar, pero hay otro problema mucho más
profundo que parece escapar a quienes juzgan todo a partir de criterios como los de igualdad, inclusión o diversidad. Es un hecho que los algoritmos buscan no solo predecir, sino también modelar nuestra conducta de acuerdo con un ideal prestablecido. O’Neil parece verlo al afirmar que estos <modelos a pesar de su reputación de imparcialidad, reflejan metas e ideologías […]. En cada caso, debemos preguntarnos no solo quién diseñó el modelo, sino también qué es lo que esa persona o empresa está tratando de lograr>
Firth, <The Online Brain>, p. 120
* La publicación de los Twitter Files por orden de Elon Musk, por ejemplo, reveló cómo un gran número de cuentas tenían la visibilidad restringida por ser <políticamente incorrectas>, denunciar ciertas ideologyas de izquyerdą O træns, O apoyar a un candidato concreto (por ejemplo, a Trump) o cuestionar el resultado de elecciones.
Bryan Passifiume, <Twitter Files Explained, and What They Revealed about Tech Censorship>, National Post (Toronto), http s://n ationalpost.c o m/new s/twitte r-
files-explained-and-what-they-revealed-
about-tech-censorship
John Paul Titlow, <How Instagram Learns from Your Likes to Keep You Hooked>, Fast Company, 7 julio 2017, ht tps ://
ww w.fastco mpan y.c o m/40434598/how-
instagram-learns-from-yourli kes-to-keep-
you-hooked
Alex Hern, <«Never Get High on Your Own Supply» – Why Social Media Bosses Don’t Use Social Media>, The Guardian (Londres), 23 enero 2018, http s://
http://www.t heguardian.c o m/m edia/2018/
jan/23/never-get-high-on-your-own-
supply-why-social-media-bosses-dont-
use-social-media
*Aynne Kokas se distingue por afirmar claramente el elemento de manipulación que apunta a poblaciones enteras.
Kokas, Trafficking Data, p. 37
O’Neil, Weapons of Math Destruction, P.21
#ArquiSantiagoGT #ArzobispadoGT #celam
#IISínodoArquidiocesano #AsambleaSinodal
#SeminarioMayordelaAsunción #CaminemosJuntos #Colegialidad #Eclesialidad
#Sinodalidad #PapaFrancisco #Audiencia #ObisposRD
#SínododelaSinodalidad #familiaiconodesinodalidad
#WalkTogether #Synod2023 #Sinodalidad2023
#sinodalízate #iglesiaensalida #Synodality #ListeningChurch #ForASynodalChurch #SacredSilence #SynodonSynodality #SynodalChurch #SynodofBishops
Abba Patter 