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 las personas. Esto podría lograrse manteniendo un equilibrio entre la información popular y la 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 información a potencia
Modelo de control de volumen

El modelo de control de volumen es parte de la idea más amplia del nexo entre poder y conocimiento . Lash [2] se refirió al volumen de información como un poder aditivo, que no solo está relacionado con la cantidad de información a la que están expuestas las personas, sino también con la cantidad de vínculos que reciben 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 eficazmente el volumen de información con 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 permiten ejercer un mayor control sobre sus usuarios. [3] [4]

Otro mecanismo de control es la personalización de la información . Esto se logra a menudo 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 a sitios web, [6] y la información que producen, incluida la actividad web y el movimiento del ratón. [7]

Aplicaciones

Según Scott Galloway , [8] las cuatro grandes empresas tecnológicas ( Google , Meta , Amazon y Apple ) han convertido la información en poder económico al asegurar su acceso exclusivo a un gran volumen de información y de 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 de imágenes de Google , 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 imágenes, todas ellas son, en última instancia, homogéneas y similares entre sí.

Extraídos de páginas web de empresas de la industria de la belleza y revistas de moda , representan la percepción generalizada de la belleza como producto. La disyuntiva 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 los retuits tienen más probabilidades de utilizar estrategias de popularización a medida que los usuarios se dirigen a audiencias más grandes con el pronombre plural "nosotros". Las respuestas, por otro lado, tienen más probabilidades de utilizar estrategias de personalización a medida 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. ^ Lash, Scott. (2002). Crítica de la información . Londres: SAGE. ISBN 9781847876522.OCLC 654641948  .
  3. ^ Borghol, Youmna; Ardon, Sebastien; Carlsson, Niklas; Eager, 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 18.ª conferencia internacional ACM SIGKDD sobre descubrimiento de conocimiento y minería de datos . pp. 1186–1194. arXiv : 1311.6526 . doi :10.1145/2339530.2339717. ISBN . 9781450314626.S2CID5666648  .​
  4. ^ Kruitbosch, Gijs; Nack, Frank (31 de octubre de 2008). "Transmítete en YouTube: ¿en serio?". Actas del 3er Taller Internacional ACM sobre Computación Centrada en el Ser Humano : 7–10. doi :10.1145/1462027.1462029. S2CID  16264402.
  5. ^ Gilmore, James; Joseph, Pine (1997). "Las cuatro caras de la personalización masiva". Harvard Business Review . 75 (1): 91–101. PMID  10174455.
  6. ^ Segev, Elad (2010). Google y la brecha digital: el sesgo del conocimiento en línea . Oxford, Reino Unido: Chandos Pub. 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 . Random House, edición en letra grande. ISBN 978-0525501220.
  9. ^ Segev, Elad (abril de 2023). «Compartir sentimientos y compromiso de los usuarios en Twitter: todo gira en torno a ti y a mí». Redes sociales + Sociedad . 9 (2). doi : 10.1177/20563051231183430 .