stringtranslate.com

Modelo de control de volumen

El modelo de control de volumen [1] es un marco analítico para describir las condiciones que permiten la transición de la información al poder. Requiere controlar y regular las conexiones entre un gran volumen de información y personas. Esto podría lograrse manteniendo un equilibrio entre la información popular y personal.

Si bien la información popular es relevante para una gran audiencia, la información personal es relevante para personas específicas. En última instancia, esto se practica a menudo mediante la personalización de la red, que consiste en adaptar la información a grupos específicos en función de rasgos comunes.

Principios básicos

Modelo de control de volumen para describir la transición de la información al poder.
Modelo de control de volumen

El modelo de control de volumen es parte de la idea más amplia del nexo poder-conocimiento . Lash [2] se refirió al volumen de información como un poder aditivo, que no sólo está relacionado con la cantidad de información a la que las personas están expuestas, sino también con la cantidad de enlaces que obtienen de otros.

Por tanto, el volumen está asociado tanto a la cantidad de información como al número de personas que la producen y la reciben.

En este modelo, el control se refiere a la capacidad de conectar efectivamente entre el volumen de información y el volumen de personas. Un mecanismo de control, la popularización , consiste en centrarse en la información más popular y ofrecerla a un gran número de personas.

La popularización es una estrategia común de corporaciones globales como Google (con su PageRank que prioriza los sitios web con muchos enlaces entrantes) y Netflix (con su algoritmo para mostrar las series y películas más vistas), que les permite ejercer un mayor control sobre sus usuarios. [3] [4]

Otro mecanismo de control es la personalización de la información . Esto a menudo se logra adaptando la información a las necesidades específicas de cada usuario único, o grupos de usuarios, en función de su perfil demográfico y sus gustos, [5] su historial de búsqueda y visitas al sitio web, [6] y la información que producen, incluida la información web. Actividad y movimiento del ratón. [7]

Aplicaciones

Según Scott Galloway , [8] las cuatro grandes empresas tecnológicas ( Google , Meta , Amazon y Apple ) han traducido la información en poder económico al asegurar su acceso exclusivo a un gran volumen de información y personas. Su estrategia consistía en ofrecer información popular y personalizada a un número cada vez mayor de usuarios.

Este modelo se utiliza para explicar el sesgo de la búsqueda en Google Imágenes , en la que la gran mayoría de los resultados de la consulta "belleza" presentan principalmente mujeres jóvenes blancas. [1] Si bien la consulta de búsqueda única "belleza" permite la personalización de las imágenes, todas ellas son, en última instancia, homogéneas y similares entre sí.

Tomados de sitios web de empresas de la industria de la belleza y revistas de moda , representan la percepción generalizada de la belleza como producto. El equilibrio entre técnicas de popularización y personalización en la práctica de grandes corporaciones como Netflix o Meta (con su plataforma Instagram ) puede explicar de manera similar el contenido aparentemente diferente pero en gran medida homogéneo que producen.

Otro estudio [9] que aplicó el modelo de control de volumen examinó la participación de los usuarios en Twitter . Midió las estrategias de personalización utilizando pronombres singulares como "yo", "tú", "él" y "ella", en comparación con las estrategias de popularización utilizando pronombres plurales como "nosotros" y "ellos". Se descubrió que es más probable que los retweets utilicen estrategias de popularización a medida que los usuarios se dirigen a audiencias más grandes con el pronombre plural "nosotros". Por otro lado, es más probable que las respuestas utilicen estrategias de personalización , ya que los usuarios se dirigen a las personas utilizando pronombres singulares .

Referencias

  1. ^ ab Segev, Elad (5 de septiembre de 2019). "Volumen y control: la transición de la información al poder". Revista de Discursos Multiculturales . 14 (3): 240–257. doi :10.1080/17447143.2019.1662028. ISSN  1744-7143. S2CID  203088993.
  2. ^ Latigazo, Scott. (2002). Crítica de la información . Londres: SABIO. ISBN 9781847876522. OCLC  654641948.
  3. ^ Borghol, Youmna; Ardón, Sebastián; Carlsson, Niklas; Ansioso, Derek; Mahanti, Anirban (2012). "La historia no contada de los clones: factores independientes del contenido que afectan la popularidad de los videos de YouTube". Actas de la 18ª conferencia internacional ACM SIGKDD sobre descubrimiento de conocimiento y minería de datos . págs. 1186-1194. arXiv : 1311.6526 . doi :10.1145/2339530.2339717. ISBN 9781450314626. S2CID  5666648.
  4. ^ Kruitbosch, Gijs; Nack, Frank (31 de octubre de 2008). "Transmítete en YouTube: ¿en serio?". Actas del tercer taller internacional ACM sobre informática centrada en el ser humano : 7–10. doi :10.1145/1462027.1462029. S2CID  16264402.
  5. ^ Gilmore, James; José, pino (1997). "Las cuatro caras de la personalización masiva". Revisión de negocios de Harvard . 75 (1): 91-101. PMID  10174455.
  6. ^ Segev, Elad (2010). Google y la brecha digital: el sesgo del conocimiento online . Oxford, Reino Unido: Pub Chandos. ISBN 9781843345657.
  7. ^ Baeza-Yates, Ricardo (23 de mayo de 2018). "Sesgo en la web". Comunicaciones de la ACM . 61 (6): 54–61. doi : 10.1145/3209581 . S2CID  44111303.
  8. ^ Galloway, Scott (2017). Los cuatro: el ADN oculto de Amazon, Apple, Facebook y Google . Letra grande de Random House. ISBN 978-0525501220.
  9. ^ Segev, Elad (abril de 2023). "Compartir sentimientos y participación de los usuarios en Twitter: todo se trata de ti y de mí". Redes Sociales + Sociedad . 9 (2). doi : 10.1177/20563051231183430 .