The Power of Algorithms: How Algorithmic Trust Shapes the “News Finds Me” Perception Among Gen Z

Resumen Técnico: El poder de los algoritmos: Cómo la confianza algorítmica moldea la percepción de que "las noticias me encuentran" en la Generación Z

Planteamiento del problema
El estudio aborda una brecha en la comprensión de los mecanismos psicológicos que impulsan la percepción de que "las noticias me encuentran" (NFM, por sus siglas en inglés)—la creencia de que los individuos pueden mantenerse adecuadamente informados sobre los asuntos públicos sin buscar activamente las noticias. Si bien la literatura existente vincula la NFM con la exposición incidental y la conectividad social, ha pasado por alto en gran medida el papel de los sistemas algorítmicos como un mecanismo explicativo independiente. Específicamente, el proceso psicológico que conecta el compromiso con las plataformas y las actitudes pasivas ante las noticias permanece poco explorado. El artículo postula que la confianza algorítmica—la creencia de un usuario en la fiabilidad y competencia de los algoritmos de las plataformas—sirve como el factor mediador crítico que legitima la delegación del control editorial a los sistemas automatizados, fomentando así el consumo pasivo de noticias.

Metodología

• Diseño y muestra: Se realizó una encuesta transversal en línea a 592 estudiantes universitarios de la Generación Z de universidades privadas en Estambul, Turquía. La muestra consistió principalmente en participantes mujeres (69.8%) y participantes hombres (29.9%).
• Mediciones:
  • Uso de redes sociales: Medido mediante una escala de 3 ítems que captura el compromiso habitual y de baja deliberación (Alfa de Cronbach = .82).
  • Influencia algorítmica: Evaluada mediante una escala de 4 ítems sobre la percepción del impacto de los algoritmos en la visibilidad y priorización de las noticias ($\alpha$ = .89).
  • Confianza algorítmica: Evaluada con una escala de 2 ítems (coeficiente de Spearman–Brown = .78) que mide la confianza en los algoritmos para decidir qué es importante y proporcionar noticias relevantes.
  • Percepción NFM: Medida a través de tres dimensiones adaptadas de Gil de Zúñiga et al. (2017): NFM-informado (sentirse informado sin búsqueda activa), NFM no búsqueda (falta de motivación para buscar noticias) y NFM pares (dependencia de los vínculos sociales para las noticias).
• Enfoque analítico: Los datos se analizaron mediante Modelado de Ecuaciones Estructurales (SEM) en R (paquete lavaan). El estudio empleó un enfoque de dos pasos:
  1. Análisis factorial: Se dividió la muestra para realizar un Análisis Factorial Exploratorio (EFA) en una mitad y un Análisis Factorial Confirmatorio (CFA) en la otra.
  2. Modelado estructural: Se estimó un modelo completo de variables latentes en la muestra completa. Se confirmó la invarianza de medición a través del género (invarianza escalar completa).
  3. Pruebas de mediación: Los efectos indirectos se probaron utilizando intervalos de confianza de bootstrapping con corrección de sesgo (5,000 remuestreos).
  4. Prueba de robustez: Se probó un modelo de segundo orden donde las tres dimensiones de NFM cargaban sobre un constructo de orden superior de NFM.

Resultos clave
El modelo estructural demostró un ajuste aceptable (CFI = .942, TLI = .930, RMSEA = .064). Los cinco hipótesis fueron respaldadas:

1. Antecedentes de la confianza: Tanto el Uso de redes sociales ($\beta$ = .43, $p$ < .001) como la Influencia algorítmica ($\beta$ = .13, $p$ = .003) predijeron positivamente la Confianza Algorítmica. Juntos, estos factores explicaron el 21.9% de la varianza en la confianza algorítmica.
2. Confianza y NFM: La Confianza Algorítmica fue un fuerte predictor positivo de las tres dimensiones de NFM:
   • NFM-informado ($\beta$ = .64, $R^2$ = .40)
   • NFM no búsqueda ($\beta$ = .51, $R^2$ = .26)
   • NFM pares ($\beta$ = .56, $R^2$ = .31)
3. Mediación: Los análisis de bootstrapping confirmaron que la Confianza Algorítmica medió significativamente la relación entre ambos antecedentes (Uso de redes sociales e Influencia algorítmica) y las tres dimensiones de NFM. Todos los intervalos de confianza del 95% para los efectos indirectos excluyeron el cero.
4. Robustez: Los hallazgos se mantuvieron consistentes cuando la NFM se modeló como un constructo único de orden superior ($\beta$ = .66, $R^2$ = .44).

Contribuciones clave

• Mecanismo teórico: El estudio identifica la confianza algorítmica como un mecanismo psicológico distinto que media el vínculo entre el compromiso con la plataforma y las orientaciones de noticias pasivas. Va más allá de ver la NFM únicamente como un resultado de la exposición incidental o los vínculos sociales, argumentando que la confianza en la lógica del sistema es lo que motiva a los usuarios a desvincularse de la búsqueda activa de noticias.
• Distinción conceptual: El artículo clarifica la diferencia entre influencia algorítmica (una conciencia externa de cómo los algoritmos dan forma al contenido) y confianza algorítmica (una actitud psicológica interna de dependencia). Demuestra que la conciencia de la influencia algorítmica no conduce necesariamente al escepticismo sino que, en el contexto de la Generación Z, puede fomentar la confianza al señalar eficiencia y personalización.
• Expansión geográfica: Al proporcionar evidencia empírica de Turquía, el estudio expande la investigación de la NFM más allá de los contextos angloamericanos, probando la aplicabilidad transcultural de estos conceptos en un entorno no occidental con un alto uso de plataformas entre la Generación Z.

Significancia y afirmaciones
El artículo afirma que la confianza algorítmica es un factor psicológico clave que respalda el consumo pasivo de noticias en entornos impulsados por algoritmos. Sugiere que, a medida que los usuarios confían en que los algoritmos entregarán contenido oportuno y relevante, es más probable que reduzcan el monitoreo activo y acepten la curaduría algorítmica como un sustituto de la búsqueda intencional de noticias.

El estudio destaca que este cambio transfiere la responsabilidad de mantenerse informado de los individuos y las instituciones periodísticas a los sistemas algorítmicos patentados. El autor señala que, si bien esto refleja una adaptación psicológica a entornos saturados de información, puede tener costos significativos para la calidad de la participación democrática, ya que una alta confianza en los algoritmos sin una alfabetización digital adecuada podría aumentar la vulnerabilidad a la desinformación y reducir el escrutinio crítico del contenido curado.

El autor mantiene la modestia respecto a las afirmaciones causales, reconociendo que el diseño transversal limita la capacidad de inferir causalidad de manera definitiva. También señala las limitaciones con respecto a la muestra (estudiantes universitarios en Estambul), el desequilibrio de género, la brevedad de la escala de confianza algorítmica y la falta de distinción entre plataformas de redes sociales específicas. Sin embargo, el estudio concluye que comprender el papel de la confianza algorítmica es crucial para la investigación de la comunicación, a medida que los algoritmos asumen roles editoriales anteriormente desempeñados por periodistas y usuarios.