Mediación algorítmica: sesgos en la búsqueda de información en estudiantes universitarios

Martha Vidal-Sepúlveda; Cristian Olivares-Rodríguez

doi:10.31637/epsir-2024-397

Autores/as

Martha Vidal-Sepúlveda Universidad Central de Chile https://orcid.org/0000-0002-0929-8179
Cristian Olivares-Rodríguez Universidad Alberto Hurtado https://orcid.org/0000-0002-4991-5784

DOI:

https://doi.org/10.31637/epsir-2024-397

Palabras clave:

búsqueda de información, mediación algorítmica, sesgos, pensamiento crítico, saturación, anclaje, disponibilidad, estudiantes universitarios

Resumen

Introducción: La búsqueda de información en internet está sujeta a las reglas de la web, requiriendo de la mediación de un algoritmo de búsqueda. En este estudio proponemos caracterizar la interacción del pensamiento crítico y la saturación de información sobre las decisiones de estudiantes de primer ingreso en procesos de búsqueda de información, permitiendo reconocer los sesgos cognitivos presentes en dichas decisiones. Metodología: Se realizó un estudio experimental con estudiantes de primer año, quienes resolvieron tres tareas de búsqueda de información. La plataforma GoNSA2, recopiló automáticamente las trazas del proceso de búsqueda para cada tarea. Resultados: Los principales hallazgos refieren a la operación de los sesgos cognitivos de anclaje, ranking y disponibilidad, los que dependen de la operación del pensamiento crítico, la saturación de información y del contexto de las tareas. Discusión: Se evidencia que la operación de los sesgos depende de la interacción conjunta del pensamiento crítico, la saturación de información y del contexto de las tareas, por lo que el contexto emerge como un determinante de las decisiones de los estudiantes. Conclusiones: Estos hallazgos nos permiten sustentar la importancia de modelos de búsqueda que habiliten nuevas estrategias pedagógicas orientadas a fomentar la competencia crítica de búsqueda de información.

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Martha Vidal-Sepúlveda, Universidad Central de Chile

Profesora de Historia y Geografía (1999) por la Universidad de Concepción, Magíster en Desarrollo Curricular y Proyectos Educativos (2014) por la Universidad Andres Bello y Doctora en Comunicación (2023) de la Universidad Austral de Chile y la Universidad de La Frontera. Desarrollo estudios sobre Alfabetización digital, Ciudadanía digital y las problemáticas educomunicativas que emergen en el proceso de resolución de problemas en contextos educativos. Asimismo, analizo el comportamiento de consumo de medios digitales a través de la búsqueda de información y la influencia del pensamiento crítico en la conducta de los lectores jóvenes de noticias. Finalmente, llevo a cabo estudios sobre competencias digitales docentes ante a la aparición de la Inteligencia Artificial Generativa.

Cristian Olivares-Rodríguez, Universidad Alberto Hurtado

Ingeniero Civil Informático (2006) por la UCSC (Chile), Máster en visión por computadora e inteligencia artificial (2010) por la UAB (España) y Doctor en Ingeniería (2017) por la Universidad de Deusto (España). Académico en ciencia de datos e ingeniería de software. Estudio modelos de uso, apropiación y coproducción de tecnologías y, en particular, de la Inteligencia Artificial, es un área interdisciplinaria que combina elementos de la sociología, la tecnología, la comunicación y la gestión del conocimiento. Aquí se examinan cómo las tecnologías son adoptadas, adaptadas y transformadas por las personas y las comunidades en diversos contextos, particularmente en relación con la gestión y desarrollo de los territorios, considerando que las tecnologías son productos de procesos sociales, pero también los configuran.

Citas

Baeza-Yates, R. (2018). Bias on the web. Communications of the ACM, 61(6), 54-61. https://doi.org/10.1145/3209581 DOI: https://doi.org/10.1145/3209581

Baeza-Yates, R. (18 de marzo de 2021). Estimación del exceso de muertes y fallecimientos por Covid-19 en 2020. Ciper. https://cuwk.short.gy/cipercovid

Bhaskar, M. (2018). Curaduría: El Poder de la Selección en un Mundo de Excesos. Fondo de Cultura Económica.

Buckingham, D. (2008). Más Allá de la Tecnología. Aprendizaje Infantil en la Era de la Cultura Digital. Manantial.

Burbules, N. C. (2012). El aprendizaje ubicuo y el futuro de la enseñanza. Encounters on Eeducation, 13(212), 3-14. https://doi.org/10.24908/eoe-ese-rse.v13i0.4472 DOI: https://doi.org/10.15572/ENCO2012.01

Burrell, J. (2016). How the machine ‘thinks’: Understanding opacity in machine learning algorithms. Big Data & Society, 3(1). https://doi.org/10.1177/2053951715622512 DOI: https://doi.org/10.1177/2053951715622512

Campbell, D. T. y Stanley, J. C. (1995). Diseños Experimentales y Cuasi-Experimentales en la Investigación social. En M. Kitaigorodzki (Trad.) (1996). Amorrortu.

Cortada de Kohan, N. (2008). Los sesgos cognitivos en la toma de decisiones. International Journal of Psychological Research 2008, 1(1), 68-73. https://doi.org/10.21500/20112084.968 DOI: https://doi.org/10.21500/20112084.968

Chander, A. (2016). The racist algorithm. Michigan Law Review, 115, 1023. http://repository.law.umich.edu/mlr/vol115/iss6/13. DOI: https://doi.org/10.36644/mlr.115.6.racist

Faulkner, S. L. y Trotter, S. P. (2017). Theoretical saturation. En J. Matthes (Ed.). The International Encyclopedia of Communication Research Methods (pp. 1-2). Wiley. DOI: https://doi.org/10.1002/9781118901731.iecrm0250

Flick, U. (2007). Introducción a la investigación cualitativa. Morata.

Ghenai, A., Smucker, M. D. y Clarke, C. L. (2020, March). A think-aloud study to understand factors affecting online health search. En Proceedings of the 2020 Conference on Human Information Interaction and Retrieval (273-282). https://doi.org/10.1145/3343413.3377961 DOI: https://doi.org/10.1145/3343413.3377961

Hernández Sampieri, R., Fernández Collado, C. y Baptista Lucio, P. (2018). Metodología de la Investigación. McGraw-Hill Interamericana.

Hernández, D. J., Sánchez, P. M. y Giménez, F. S. S. (2021). La competencia digital docente, una revisión sistemática de los modelos más utilizados. RIITE Revista Interuniversitaria de Investigación en Tecnología Educativa, 105-120. https://doi.org/10.6018/riite.472351 DOI: https://doi.org/10.6018/riite.472351

Kahneman, D. (2012). Pensar Rápido, Pensar Despacio. Debate.

Kelly, D. y Azzopardi, L. (2015). How many results per page? A study of SERP size, search behavior and user experience. En Proceedings of the 38th International ACM SIGIR Conference on Research and Development in Information Retrieval (pp. 183-192). https://doi.org/10.1145/2766462.2767732 DOI: https://doi.org/10.1145/2766462.2767732

Liu, J. (2019). A reference-dependent model of search evaluation. En Proceedings of the 2019 Conference on Human Information Interaction and Retrieval (pp. 405-408). https://doi.org/10.1145/3295750.3298970 DOI: https://doi.org/10.1145/3295750.3298970

Matute, H. (2019). Nuestra Mente nos Engaña. Sesgos y Errores Cognitivos que Todos Cometemos. Shackleton books.

Mesquita-Romero, W. A., Fernández-Morante, C. y Cebreiro-López, B. (2022). Alfabetización mediática crítica para mejorar la competencia del alumnado. Comunicar: Revista Científica Iberoamericana de Comunicación y Educación, 70, 47-57. https://doi.org/10.3916/C70-2022-04 DOI: https://doi.org/10.3916/C70-2022-04

Noble, S. U. (2018). Algorithms of Oppression: How Search Engines Reinforce Racism. NYU Press. DOI: https://doi.org/10.2307/j.ctt1pwt9w5

Novin, A. y Meyers, E. (2017). Making sense of conflicting science information: Exploring bias in the search engine result page. En Proceedings of the 2017 Conference on Conference Human Information Interaction and Retrieval (pp. 175-184). https://doi.org/10.1145/3020165.3020185 DOI: https://doi.org/10.1145/3020165.3020185

Olivares-Rodríguez, C., Guenaga, M. y Garaizar, P. (2017). Automatic assessment of creativity in heuristic problem-solving based on query diversity. Dyna, 92(4), 449-455. http://dx.doi.org/10.6036/8243 DOI: https://doi.org/10.6036/8243

Olivares-Rodríguez, C., Valdés-León, G. y Vidal-Sepúlveda, M. (2021). Influencia de la agenda mediática en las búsquedas de información: una experiencia con estudiantes universitarios. ReHuSo, 6(2), 17-28. https://doi.org/10.33936/rehuso.v6i2.3423

Pasquale, F. (2015). The Black Box Society: The Secret Algorithms that Control Money and Information. Harvard University Press. DOI: https://doi.org/10.4159/harvard.9780674736061

Pereira, S., Fillol, J. y Moura, P. (2019). El aprendizaje de los jóvenes con medios digitales fuera de la escuela: De lo informal a lo formal. Comunicar, 27(58), 41-50. https://doi.org/10.3916/C58-2019-04 DOI: https://doi.org/10.3916/C58-2019-04

Pick S. y López A. (1998). Cómo Investigar en Ciencias Sociales. Trillas.

Pothirattanachaikul, S., Yamamoto, T., Yamamoto, Y. y Yoshikawa, M. (2020). Analyzing the effects of "people also ask" on search behaviors and beliefs. En Proceedings of the 31st ACM Conference on Hypertext and Social Media (pp. 101-110). DOI: https://doi.org/10.1145/3372923.3404786

Roetzel, P. G. (2019). Information overload in the information age: a review of the literature from business administration, business psychology, and related disciplines with a bibliometric approach and framework development. Business Research, 12(2), 479-522. https://doi.org/10.1007/s40685-018-0069-z DOI: https://doi.org/10.1007/s40685-018-0069-z

Sales, D., Cuevas-Cerveró, A. y Gómez-Hernández, J. (2020). Perspectives on the information and digital competence of Social Sciences students and faculty before and during lockdown due to Covid-19. El Profesional de la Información, 29(4),1-21. https://doi.org/10.3145/epi.2020.jul.23 DOI: https://doi.org/10.3145/epi.2020.jul.23

Schultheiß, S., Sünkler, S. y Lewandowski, D. (2018). We still trust in Google, but less than 10 years ago: an eye-tracking study. Information Research: An International Electronic Journal, 23(3), 799. http://informationr.net/ir/23-3/paper799.html

Simon, H. A. (1957). Models of Man; Social and Rational. Wiley. DOI: https://doi.org/10.2307/2550441

Su, N., He, J., Liu, Y., Zhang, M. y Ma, S. (2018). User intent, behaviour, and perceived satisfaction in product search. En Proceedings of the Eleventh ACM International Conference on Web Search and Data Mining (pp. 547-555). https://doi.org/10.1145/3159652.3159714 DOI: https://doi.org/10.1145/3159652.3159714

Suárez Guerrero, C. y Lloret Català, M. D. C. (2022). La Digitalización de la Educación en Pandemia. Mirada del docente peruano. REICE-Revista Electrónica Iberoamericana sobre Calidad, Eficacia y Cambio en Educación, 20(4), 125-144. https://doi.org/10.15366/reice2022.20.4.007 DOI: https://doi.org/10.15366/reice2022.20.4.007

The Economist. (2021, 20 de octubre). Tracking COVID-19 excess deaths across countries. In many parts of the world, official death tolls undercount the total number of fatalities. The economist. https://www.economist.com/graphic-detail/coronavirus-excess-deaths-tracker

Tversky, A. y Kahneman, D. (1983). Extensional versus intuitive reasoning: The conjunction fallacy in probability judgment. Psychological Review, 90(4), 293-315. https://doi.org/10.1037/0033-295X.90.4.293 DOI: https://doi.org/10.1037//0033-295X.90.4.293

Urgo, K., Arguello, J. y Capra, R. (2019). Anderson and krathwohl's two-dimensional taxonomy applied to task creation and learning assessment. En Proceedings of the 2019 ACM SIGIR International Conference on Theory of Information Retrieval (pp. 117-124). https://doi.org/10.1145/3341981.3344226 DOI: https://doi.org/10.1145/3341981.3344226

Vidal-Sepúlveda, M., Olivares-Rodríguez, C. y Cárcamo-Ulloa, L. (2021). What kind of sources do I need? Critical search for information on the Web. Information Research, 26(4). https://doi.org/10.47989/irpaper913 DOI: https://doi.org/10.47989/irpaper913

Valenzuela, J. y Nieto, A. M. (2008). Motivación y Pensamiento Crítico: Aportes para el estudio de esta relación. REME, 9(28). http://reme.uji.es/articulos/numero28/article3/article3.pdf

Wu, W. C. y Kelly, D. (2015). Online search stopping behaviors: An investigation of query abandonment and task stopping. Proceedings of the American Society for Information Science and Technology, 51(1), 1-10. https://doi.org/10.1002/meet.2014.14505101030 DOI: https://doi.org/10.1002/meet.2014.14505101030

Yagci, N., Sünkler, S., Häußler, H. y Lewandowski, D. (2022). A comparison of source distribution and result overlap in web search engines. arXiv preprint arXiv:2207.07330. https://doi.org/10.48550/arXiv.2207.07330 DOI: https://doi.org/10.1002/pra2.758