Los anuncios dirigidos nos aíslan y dividen incluso cuando no son políticos: nueva investigación
Cinco años después de la votación del Brexit y tres desde el escándalo de Cambridge Analytica, estamos familiarizados con el papel que la publicidad política dirigida puede desempeñar en el fomento de la polarización. En 2018 se reveló que Cambridge Analytica había utilizado datos recogidos de 87 millones de perfiles de Facebook, sin el consentimiento de los usuarios, para ayudar a la campaña electoral de Donald Trump de 2016 a dirigirse a votantes clave con anuncios en línea.
En los años transcurridos, hemos aprendido cómo este tipo de anuncios dirigidos pueden crear burbujas de filtros políticos y cámaras de eco, sospechosas de dividir a la gente y aumentar la circulación de desinformación dañina.
Pero la gran mayoría de los anuncios que se intercambian en Internet son comerciales, no políticos. La publicidad comercial dirigida es la principal fuente de ingresos de la economía de Internet, pero sabemos poco sobre cómo nos afecta. Sabemos que nuestros datos personales se recogen para apoyar la publicidad dirigida de una manera que viola nuestra privacidad. Pero, aparte de las consideraciones sobre la privacidad, ¿de qué otra forma podría perjudicarnos la publicidad dirigida y cómo podrían evitarse estos perjuicios?
Estas preguntas motivaron nuestra reciente investigación. Descubrimos que la publicidad dirigida en línea también nos divide y aísla al impedirnos señalar colectivamente los anuncios a los que nos oponemos. Lo hacemos en el mundo físico (quizás cuando vemos un anuncio en una parada de autobús o en una estación de tren) alertando a los reguladores de los contenidos perjudiciales. Pero los consumidores en línea están aislados porque la información que ven se limita a lo que está dirigido a ellos.
Hasta que no abordemos este defecto, impidiendo que los anuncios dirigidos nos aíslen de la información de los demás, los reguladores no podrán protegernos de los anuncios en línea que puedan causarnos daño.
Debido al enorme volumen de anuncios que se intercambian en línea, los supervisores humanos no pueden examinar cada campaña. Por eso, cada vez más, los algoritmos de aprendizaje automático examinan el contenido de los anuncios y predicen la probabilidad de que sean perjudiciales o no se ajusten a las normas. Pero estas predicciones pueden estar sesgadas y normalmente sólo prohíben las infracciones más claras. Entre los muchos anuncios que pasan estos controles, una parte importante sigue teniendo contenido potencialmente dañino.
Comentarios
Publicar un comentario