Portugués 
Inglés 
Español 
5 min de lectura 
0 comentarios 
La investigación analizó cómo el feed online, organizado por algoritmos de recomendación personalizados, reduce la diversidad de información explorada, aumenta la confianza en respuestas incorrectas y compromete el aprendizaje, incluso cuando los participantes no tenían ningún conocimiento previo sobre el tema estudiado.
Los algoritmos que organizan el feed online pueden reducir el aprendizaje real y aumentar la confianza en errores, según un estudio con 346 participantes que analizó cómo los sistemas de recomendación personalizados influyen en la exploración de información y la comprensión de nuevos contenidos.
Algoritmos Personalizados y el Impacto Directo en el Aprendizaje
Los sistemas de recomendación moldean el feed online según el comportamiento anterior de los usuarios, priorizando contenidos similares a los ya consumidos. Una nueva investigación indica que este mecanismo puede perjudicar el aprendizaje al limitar la variedad de información explorada, incluso cuando el individuo no tiene conocimiento previo sobre el asunto.
Los investigadores observaron que los participantes que estudiaron contenidos seleccionados por algoritmos accedieron solo a una fracción del material disponible. En lugar de explorar todo el conjunto de información, se concentraron en un subconjunto reducido, lo que comprometió el desempeño en pruebas posteriores.
-
La inteligencia artificial está disparando el consumo de energía, elevando las emisiones de los gigantes de la tecnología y empujando a Google, Microsoft y Meta más cerca del gas natural.
-
Mercor pagó 1,5 millones de dólares por día para que médicos, abogados y ex-banquero de Goldman Sachs enseñaran a la inteligencia artificial a hacer su trabajo y, en 17 meses, pasó de cero a 500 millones de dólares en ingresos anuales mientras sus propios contratados aceleran la sustitución de su propio trabajo.
-
Casio presenta a Moflin, una mascota robótica con inteligencia artificial creada para ofrecer confort emocional y simular un vínculo afectivo permanente.
-
Google Maps revoluciona la navegación por GPS con la inteligencia artificial Gemini, la función Ask Maps y visualización 3D avanzada para la planificación de rutas y viajes
A pesar de los errores frecuentes, los participantes demostraron un alto grado de confianza en sus respuestas. Este exceso de confianza, asociado al consumo restringido de información en el feed online, fue señalado como uno de los resultados más preocupantes del estudio conducido por Giwon Bahg.
Formación de Sesgos Incluso Sin Conocimiento Previo
Investigaciones anteriores analizaron principalmente cómo los algoritmos personalizados afectan opiniones políticas o sociales ya conocidas por los usuarios. La nueva investigación amplía este escenario al demostrar que los sesgos pueden surgir inmediatamente, incluso cuando el tema es completamente desconocido.
Según Bahg, los algoritmos pueden crear una visión distorsionada de la realidad desde el primer contacto con el contenido.
Actualmente investigador posdoctoral en la Pennsylvania State University, afirmó que la personalización puede inducir generalizaciones imprecisas desde el inicio del proceso de aprendizaje.
La investigación fue publicada en el Journal of Experimental Psychology: General y contó con la colaboración de Brandon Turner, profesor de psicología en la Ohio State University.
El Efecto del Feed Online en la Percepción del Conocimiento
Turner destacó que los usuarios tienden a tratar la información limitada presentada en el feed online como si representara el cuadro completo de un tema.
Al seguir solo recomendaciones algorítmicas, las personas creen comprender características y aspectos que nunca llegaron a explorar.
Este comportamiento genera pérdida de información relevante y amplía la sensación de dominio sobre el asunto.
El problema se agrava cuando el usuario no percibe que está tratando con una selección parcial del contenido disponible, reforzando conclusiones equivocadas.
Los investigadores advierten que esta dinámica no se restringe a contextos digitales específicos, sino que puede afectar diferentes áreas del aprendizaje cotidiano mediado por algoritmos.
Ejemplo Práctico de Distorsión Algorítmica
Para ilustrar el fenómeno, los autores presentaron el ejemplo de una persona que decide explorar, por primera vez, películas producidas en un país desconocido. Un servicio de streaming ofrece recomendaciones iniciales, priorizando un género específico.
Después de elegir una película de acción mostrada en la parte superior de la lista, el algoritmo comienza a recomendar obras similares. Con esto, el usuario continúa consumiendo solo ese género, creyendo que está conociendo el panorama cinematográfico del país.
Este proceso puede llevar a la exclusión de películas aclamadas de otros géneros y a la formación de ideas generalizadas e imprecisas sobre la cultura local. El feed online, en este caso, dirige la experiencia y limita la diversidad de información accesible.
Experimento Controlado con Aprendizaje Ficticio
Para probar el efecto de la personalización, los investigadores realizaron un experimento online con 346 participantes.
La estrategia fue eliminar cualquier conocimiento previo mediante una tarea de aprendizaje ficticia involucrando categorías de extraterrestres imaginarios, similares a cristales.
Cada tipo de extraterrestre poseía seis características distintas, variando entre categorías. Los participantes debían aprender a identificar correctamente esos tipos, sin saber cuántas categorías existían, analizando las características disponibles.
El diseño experimental permitió observar cómo diferentes formas de acceso a la información influenciaban la exploración del contenido y la capacidad de generalización de los participantes.
Cuando el Algoritmo Guia la Exploración del Contenido
Durante el experimento, las características de los extraterrestres permanecían ocultas detrás de cajas grises. En una condición, los participantes debían examinar todas las características, asegurando una comprensión completa de las relaciones entre ellas.
En otra condición, los participantes elegían en qué recursos hacer clic, mientras un algoritmo personalizaba el feed online del estudio, incentivando la repetición de los mismos elementos. Aunque todo el material permanecía accesible, el sistema reforzaba elecciones anteriores.
Los resultados mostraron que los participantes guiados por el algoritmo analizaron menos características y de forma selectiva. Al ser probados con nuevos ejemplos, cometieron más errores de clasificación, pero demostraron mayor confianza, incluso cuando estaban equivocados, evidenciando un patrón preocupante.
Implicaciones para la Educación y la Sociedad
Las conclusiones plantean preocupaciones que van más allá del entorno experimental. Turner resaltó que niños y jóvenes que utilizan plataformas digitales para aprender sobre el mundo pueden ser afectados por algoritmos que priorizan el compromiso en vez de la diversidad informativa.
Consumir repetidamente contenidos similares en el feed online no siempre favorece el aprendizaje. Según los autores, este modelo puede generar consecuencias negativas para los usuarios y, a mayor escala, para la sociedad, al reforzar visiones limitadas y el exceso de confianza en conocimientos incompletos.
El estudio, titulado “La personalización algorítmica de la información puede causar generalización imprecisa y exceso de confianza”, fue publicado en septiembre de 2025 y también tuvo como coautor a Vladimir Sloutsky, profesor de psicología en la Ohio State University.
Seja o primeiro a reagir!