Miedo (in)fundado al algoritmo: Las recomendaciones de YouTube y la polarización

Resumen

Las redes sociales han instaurado una nueva forma de comunicarse y entender las relaciones sociales. A su vez, en lo
que podría entenderse como un aspecto negativo, los algoritmos se han construido y desarrollado bajo el paraguas de
un amplio abanico de conjeturas y diferentes posiciones al respecto de su capacidad para dirigir y orquestar la opinión
pública. El presente trabajo aborda, desde los procesos de ingeniería inversa y de minado semántico, el análisis del
sistema de recomendación de YouTube. De este modo, y, en primer lugar, reseñar un resultado clave, las temáticas
analizadas de partida no tienden a extremarse. Seguidamente, y mediante el estudio de los temas seleccionados, los
resultados no ofrecen una clara resolución de las hipótesis propuestas, ya que, como se ha mostrado en trabajos
parecidos, los factores que dan forma al sistema de recomendación son variados y de muy diversa índole. De hecho, los
resultados muestran cómo el contenido polarizante no es igual para todos los temas analizados, lo que puede indicar la
existencia de moderadores –o acciones por parte de la compañía– que alteran la relación entre las variables. Con todo
ello, trabajos como el presente abren la puerta a posteriores incursiones académicas en las que trazar sistematizaciones
no lineales y con las que, tal vez, poder arrojar un sustento más neto y sustancial que permita despejar por completo
parte de las dudas sobre el papel de los algoritmos y su papel en fenómenos sociales recientes.