Trait, Not State: The Durability of Reading Identity in Social Highlighting

Resumen Técnico: Rasgo, no Estado: La Durabilidad de la Identidad de Lectura en el Resaltado Social

Planteamiento del Problema
Investigaciones previas sobre el resaltado en la web social establecieron que la individualidad en el comportamiento de lectura reside principalmente en la selección (qué documentos elige un usuario para resaltar) más que en la saliencia (dónde dentro de un documento resalta). Sin embargo, estos hallazgos fueron transversales, tratando el tiempo como una constante fija. La cuestión central abordada por este artículo es temporal: ¿Es la firma de selección de un lector un rasgo (una identidad duradera y estable) o un estado (una condición transitoria impulsada por la recencia)?

Esta distinción tiene implicaciones prácticas opuestas. Si la selección es un estado, los sistemas de recomendación deben basarse en modelos de sesión a corto plazo y en un olvido agresivo. Si es un rasgo, los perfiles de usuario a largo plazo son un activo legítimo y persistente. Mientras que los recomendadores en producción suelen optar por defecto por el ponderado de recencia, la literatura psicométrica sugiere que las huellas digitales pueden predecir atributos estables. Este estudio pretende resolver esta tensión midiendo la degradación de la ventaja de selección de un lector a lo largo del tiempo.

Metodología
El estudio utiliza datos de Glasp, un resaltador social de la web, centrándose en una cohorte estricta de usuarios intensivos y de larga trayectoria.

• Cohorte: De 191,223 registros de usuarios muestreados aleatoriamente, se identificaron 405 lectores que cumplían los requisitos. La calificación requería $\ge$60 documentos web limpios durante $\ge$12 meses con actividad en $\ge$8 meses distintos. El usuario mediano tenía 133 documentos.
• Construcción del Perfil: Para cada usuario, los primeros seis meses calendario de resaltado fueron "congelados" para crear un perfil. Este perfil consiste en el centroide de los embeddings de texto (512 dimensiones text-embedding-3-small) de sus intervalos resaltados, limitado a $K=20$ documentos.
• Diseño de Evaluación:
  • Positivos: Las selecciones de documentos posteriores del usuario, agrupadas por la brecha de tiempo desde la congelación del perfil (0–1, 1–3, 3–6, 6–12, 12–24, 24+ meses).
  • Negativos: Para evitar que el "desplazamiento de la oferta" (cambios en el contenido disponible) se haga pasar por un desplazamiento personal, los negativos fueron emparejados temporalmente. Se extrajeron de las selecciones de otros lectores en los mismos intervalos de calendario que los positivos.
  • Dos Regímenes:
    1. Grueso (Fácil): Negativos y controles extraídos de la cohorte global.
    2. Fino (Difícil/Primario): Negativos y controles extraídos de los 25 pares más similares al perfil del usuario (vecindario de interés). Este régimen fue designado como primario para probar la identidad contra un baseline más difícil y relevante.
• Métrica: La métrica principal es la ventaja de Precisión Media (AP) ($Propio - Otro$), donde "Propio" es la AP del ranking del perfil congelado del usuario sobre el conjunto de candidatos, y "Otro" es la media de la AP de tres perfiles de usuarios de control sobre el mismo conjunto.
• Análisis de Retención: Para evitar el sesgo de supervivencia (donde los bins lejanos solo contienen usuarios de larga trayectoria), el análisis primario utiliza un enfoque de retención emparejada: comparando la ventaja de un usuario específico en un bin posterior (ej., 6–12 meses) contra su propia ventaja en el baseline de 0–1 mes.

Resultos Clave

1. Validación del Arnés: La celda "ancla" (evaluación inmediatamente después de la congelación del perfil) en la capa fina arrojó una ventaja de +0.188 (IC 95%: [0.160, 0.216]). Esto reproduce la estimación transversal previa de +0.169, validando la configuración experimental.
2. Sin Degradación Detectable (Comportamiento de Rasgo):
   • Capa Fina: La relación de retención emparejada ($R$) en el horizonte de 6–12 meses es 1.00 (IC: [0.85, 1.18]), lo que indica que no hay un declive estadísticamente detectable. Incluso a 24+ meses, el intervalo incluye el cero, aunque la estimación puntual permite un modesto declive.
   • Capa Gruesa: Se observó un declive estadísticamente significativo solo en la capa gruesa a los 12–24 meses (una caída de aproximadamente el 13%), lo que sugiere que las mezclas de temas amplios pueden derivar ligeramente mientras que la identidad de grano fino permanece estable.
   • Conclusión: No se observó ningún bin de "vida media" dentro de los dos años en la capa fina.
3. Independencia de la Repetición de la Fuente: La señal duradera no es simplemente un resultado de que los usuarios resalten repetidamente los mismos dominios. Cuando se excluyeron todos los dominios del perfil del conjunto de candidatos, la ventaja retuvo aproximadamente el 90% de su valor en todos los horizontes.
4. Deriva Lenta Intrapersonal: Aunque la identidad es estable en relación con otros, no es estática. Un perfil construido a partir de la mitad reciente de la historia de un usuario superó a uno de la mitad antigua por +0.042 de AP. Sin embargo, la mitad antigua retuvo aproximadamente el 91% del puntaje de la mitad reciente, lo que indica una lenta acumulación de nuevos temas en lugar de un reemplazo.
5. Accionabilidad Prospectiva: Los perfiles personales (incluso aquellos construidos a partir de documentos de hace 20 meses) clasificaron las lecturas reales posteriores de un usuario a aproximadamente 3 veces la AP de los priors no personales (popularidad de por vida, co-lectura de vecindario, recencia, aleatorio). Notablemente, los priors de popularidad global funcionaron al nivel de un azar aleatorio en esta evaluación a nivel individual.

Significancia y Reivindicaciones
El artículo afirma proporcionar la primera curva de degradación de identidad para la selección de lectura naturalista y verificada por el compromiso (engagement). Su definición operacional de "rasgo" es una firma de selección estable y específica de la persona bajo un compromiso continuo con la plataforma.

• Contribución Teórica: El estudio demuestra que, si bien las señales de saliencia dentro del documento son compartidas y situacionales, la capa de selección es personal y persistente. Esto desafía la suposición en los sistemas de recomendación de que las preferencias del usuario son puramente basadas en estados y requieren una actualización constante.
• Implicación Práctica: Para los sistemas que utilizan estos datos, el "olvido agresivo" no es necesario para las señales de selección. Los perfiles a largo plazo deben retenerse y combinarse con una adaptación de recencia modesta. La señal sigue siendo accionable incluso para perfiles construidos a partir de sus primeros documentos (mediana de 20 meses de antigüedad).
• Limitaciones y Alcance: Los autores señalan explícitamente que los hallazgos se aplican a usuarios intensivos y de larga trayectoria de una plataforma específica (Glasp). El estudio no puede separar la exposición de la elección (ya que no hay registros de impresiones disponibles), lo que significa que el "rasgo" es una propiedad del sistema "persona-en-entorno". La durabilidad observada es condicional al compromiso continuo; el estudio no afirma que el compromiso en sí sea permanente. Además, el instrumento de medición (embeddings de título/intervalo congelados) es deliberadamente simple; un modelo más complejo podría revelar patrones de deriva distintos.

En resumen, el artículo concluye que, para los lectores comprometidos, la firma de qué eligen leer es un rasgo duradero que persiste durante años, se transfiere a fuentes no vistas y supera significativamente a los baselines no personales, mientras que la señal de dónde resaltan dentro de un texto es transitoria y compartida.