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

• Vidal-Sepúlveda, Martha ^[1] ; Olivares-Rodríguez, Cristian ^[2]
  1. [1] Universidad Central de Chile

     Universidad Central de Chile

     Santiago, Chile

     
  2. [2] Universidad Alberto Hurtado

     Universidad Alberto Hurtado

     Santiago, Chile

     
• Localización: epsir: European Public & Social Innovation Review, ISSN-e 2529-9824, Nº. 9, 8, 2024 (Ejemplar dedicado a: Innovando en la galaxia de la inteligencia artificial)
• Idioma: español
• DOI: 10.31637/epsir-2024-397
• Títulos paralelos:
  • Algorithmic mediation: bias in the information search by university students
• Enlaces
  • Texto completo
• Resumen
  • español

    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.

  • English

    Introduction: Internet information search is governed by web rules, requiring the mediation of a search algorithm. In this study, we aim to characterize the interaction between critical thinking and information saturation on the decisions of first-year students during information search processes, enabling the recognition of cognitive biases present in these decisions. Methodology: An experimental study was conducted with first-year students who completed three information search tasks. The GoNSA2 platform automatically recorded the search process traces for each task. Results: The main findings pertain to the operation of cognitive biases such as anchoring, ranking, and availability, which depend on the operation of critical thinking, information saturation, and the task context. Discussion: It is evident that the operation of biases depends on the combined interaction of critical thinking, information saturation, and the task context, making context a determinant of students' decisions. Conclusions: These findings support the importance of search models that enable new pedagogical strategies aimed at fostering critical information search competence.

• Referencias bibliográficas
  • 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...
  • Burrell, J. (2016). How the machine ‘thinks’: Understanding opacity in machine learning algorithms. Big Data & Society, 3(1). 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.)...
  • Cortada de Kohan, N. (2008). Los sesgos cognitivos en la toma de decisiones. International Journal of Psychological Research 2008, 1(1), 68-73....
  • 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...
  • 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...
  • 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....
  • 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...
  • Liu, J. (2019). A reference-dependent model of search evaluation. En Proceedings of the 2019 Conference on Human Information Interaction and...
  • 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...
  • 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...
  • Olivares-Rodríguez, C., Guenaga, M. y Garaizar, P. (2017). Automatic assessment of creativity in heuristic problem-solving based on query...
  • Olivares-Rodríguez, C., Valdés-León, G. y Vidal-Sepúlveda, M. (2021). Influencia de la agenda mediática en las búsquedas de información: una...
  • 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....
  • 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...
  • Roetzel, P. G. (2019). Information overload in the information age: a review of the literature from business administration, business psychology,...
  • Sales, D., Cuevas-Cerveró, A. y Gómez-Hernández, J. (2020). Perspectives on the information and digital competence of Social Sciences students...
  • Schultheiß, S., Sünkler, S. y Lewandowski, D. (2018). We still trust in Google, but less than 10 years ago: an eye-tracking study. Information...
  • 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...
  • Suárez Guerrero, C. y Lloret Català, M. D. C. (2022). La Digitalización de la Educación en Pandemia. Mirada del docente peruano. REICE-Revista...
  • The Economist. (2021, 20 de octubre). Tracking COVID-19 excess deaths across countries. In many parts of the world, official death tolls undercount...
  • Tversky, A. y Kahneman, D. (1983). Extensional versus intuitive reasoning: The conjunction fallacy in probability judgment. Psychological...
  • Urgo, K., Arguello, J. y Capra, R. (2019). Anderson and krathwohl's two-dimensional taxonomy applied to task creation and learning assessment....
  • Vidal-Sepúlveda, M., Olivares-Rodríguez, C. y Cárcamo-Ulloa, L. (2021). What kind of sources do I need? Critical search for information on...
  • 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...
  • Yagci, N., Sünkler, S., Häußler, H. y Lewandowski, D. (2022). A comparison of source distribution and result overlap in web search engines....