From Birdwatch to Community Notes, from Twitter to X: four years of community-based content moderation
Este artículo presenta un análisis descriptivo exhaustivo de cuatro años del programa de Notas de la Comunidad de X (anteriormente Birdwatch), examinando su diversidad lingüística, prácticas de obtención de fuentes, actividad de los colaboradores y redes de interacción, al tiempo que libera un conjunto de datos curados y código para avanzar en la investigación sobre la moderación de contenidos basada en la comunidad.
Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo
Imagina las redes sociales como una plaza de un pueblo enorme y caótico donde millones de personas gritan sus pensamientos cada segundo. A veces, la gente grita mentiras, rumores o historias confusas. En el pasado, un pequeño grupo de "guardias del pueblo" (expertos) o un "escáner robótico" (IA) intentaba escuchar a todos y señalar las cosas malas. Pero hay demasiada gente gritando para que los guardias puedan seguir el ritmo, y el escáner robótico suele cometer errores porque fue entrenado con datos sesgados.
Para resolver esto, X (anteriormente Twitter) lanzó una nueva idea llamada Community Notes (originalmente "Birdwatch"). Piensa en esto como un programa de vigilancia vecinal donde se invita a los ciudadanos comunes a ayudar a vigilar la plaza.
Aquí te contamos cómo ha funcionado ese programa de vigilancia vecinal durante sus primeros cuatro años (2021–2025):
1. La configuración: Cómo funciona la vigilancia
En este sistema, cualquier persona que haya sido un buen ciudadano durante seis meses puede convertirse en "Contribuyente".
- El trabajo: Si ves una publicación que parece engañosa, puedes escribir una "Nota" para añadir contexto o hechos que faltan.
- La votación: Otros Contribuyentes leen tu Nota y votan si es "Útil", "Algo útil" o "No útil".
- La regla: Una Nota solo se muestra al público si personas de diferentes bandos políticos están de acuerdo en que es útil. Esto es como un puente; si solo la gente de un lado del río está de acuerdo en que el puente es seguro, no se construye. El objetivo es encontrar la verdad en la que todos puedan estar de acuerdo.
2. ¿Quién está haciendo el trabajo? (Los "Súper-contribuyentes")
El documento encontró que el trabajo no se comparte de manera equitativa. Es como un vecindario donde un pequeño número de voluntarios dedicados hace casi todo el barrido y la recolección de basura.
- Los que más trabajan: Un número minúsculo de personas escribe la gran mayoría de las Notas. Una persona (que parece ser un bot) escribió más de 33,000 notas, principalmente sobre estafas de criptomonedas.
- La brecha de calificación: Del mismo modo, un pequeño grupo de personas realiza casi todas las votaciones.
- El resultado: Debido a que tan pocas personas están haciendo el trabajo pesado, muchas publicaciones que necesitan una Nota nunca la reciben, o las Notas que reciben nunca obtienen suficientes votos para ser mostradas.
3. ¿De qué están hablando? (Los temas)
La "plaza del pueblo" es ruidosa, pero los voluntarios se centran en tipos específicos de ruido:
- La política es el rey: La mayor parte del trabajo (alrededor del 30–45%) es sobre política y gobierno.
- Salud: Al principio, hubo una gran ola de notas sobre vacunas y la pandemia.
- Guerra y Cripto: A medida que pasó el tiempo, aparecieron más notas sobre guerras (como las de Ucrania y Gaza) y estafas de criptomonedas.
- El fenómeno "NNN": A veces, los voluntarios escriben una nota diciendo "Nota No Necesaria" (NNN por sus siglas en inglés). Esto es como un vecino diciendo: "¡Oye, esa historia no es realmente una mentira, deja de intentar verificar los hechos!". El documento señala que esto se ha convertido en una forma de debatir si algo necesita ser corregido, no solo qué es lo que está mal.
4. La barrera del idioma
Aunque el sistema es global, los "vecindarios" están mayormente separados.
- Un idioma, un grupo: La mayoría de la gente escribe en un solo idioma. Incluso si alguien habla cinco idiomas, suele limitarse a solo uno cuando escribe notas.
- Dominio del inglés: El inglés es el idioma principal de la plaza del pueblo. Los investigadores centraron su análisis profundo en las notas en inglés porque es donde ocurre la mayor parte de la actividad.
5. El problema de la velocidad: El problema de "Muy poco y demasiado tarde"
Este es el hallazgo más crítico. El sistema es lento.
- La espera: En promedio, toma 26 horas que una Nota pase de ser escrita a ser mostrada al público.
- La ventana perdida: Para cuando aparece una Nota "Útil", la mentira generalmente ya ha viajado por todo el mundo. El documento señala que, para cuando una nota se publica, la publicación ya ha alcanzado al 80% de su audiencia.
- La tasa de éxito: De cada 100 publicaciones que reciben una propuesta de Nota, solo unas 13 reciben realmente una Nota "Útil" mostrada al público. La mayoría de las Notas se quedan atrapadas en una sala de espera, sin recibir suficientes votos diversos para ser publicadas.
6. ¿De dónde obtienen los hechos?
Al escribir una Nota, se anima a los contribuyentes a aportar pruebas.
- La fuente: La mayoría de las Notas incluyen un enlace a una fuente.
- Los favoritos: Las fuentes más populares son Wikipedia, YouTube y la propia X.
- La verificación de sesgo: Los investigadores verificaron el sesgo político de los sitios web utilizados. Sorprendentemente, la mayoría de las fuentes principales se consideran "neutrales", aunque hay una ligera inclinación hacia la izquierda. Sin embargo, el documento encontró un caso sospechoso donde un usuario seguía enlazando a un sitio específico de antivirus para estafas de criptomonedas, lo que sugiere que algunos "voluntarios" podrían ser bots automatizados impulsando agendas específicas.
La conclusión
Community Notes es un experimento valiente de dejar que la multitud se vigile a sí misma. Ha logrado construir una biblioteca masiva de contexto y hechos. Sin embargo, el documento concluye que el sistema tiene un cuello de botella.
- Depende demasiado de unos pocos súper-voluntarios.
- Es demasiado lento para detener las mentiras antes de que se propaguen.
- Le cuesta conseguir que suficientes personas diversas se pongan de acuerdo en una nota antes de que el ciclo de noticias avance.
Los autores han publicado todos sus datos y código (como entregar los planos del programa de vigilancia vecinal) para que otros investigadores puedan estudiar cómo hacer que este sistema sea más rápido y justo en el futuro.
¿Ahogado en artículos de tu campo?
Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.