Después de Facebook, Twitter en el punto de mira por vender datos a
Por ejemplo, si quieres conectar con directores generales que viven en Mumbai, puedes buscar fácilmente, filtrar tu grupo objetivo y seguirlos. Del mismo modo, puedes conectar con blogueros de moda, expertos en redes sociales, profesores, compañeros de clase, etc.
Por ejemplo, si mucha gente se queja de que el servicio de una determinada cafetería no es bueno, significa que el propietario de la cafetería sabe que es hora de formar a su personal para mejorar la calidad del servicio. Las opiniones negativas proporcionan una gran visión de los estudios de mercado e incitan a las empresas a mejorar el servicio y la eficiencia.
El denunciante de Facebook es cautelosamente optimista sobre Musk
Es muy posible que al menos algunos de estos métodos puedan aplicarse a otras plataformas, pero quizá no sean los mejores y requieran la formulación de nuevos métodos, técnicas y herramientas. En cuanto a las herramientas, me gustaría ver más programas informáticos para que los profesionales de las ciencias sociales puedan obtener datos de diversas plataformas y que incluyan una serie de datos, por ejemplo, enlaces web, imágenes y vídeos. A nivel de máster y doctorado, debería hacerse más hincapié en la formación de los estudiantes de ciencias sociales en el uso eficaz de los programas informáticos existentes que pueden utilizarse para capturar y analizar datos de las plataformas de los medios sociales.
Me gustaría dar las gracias a Curtis Jessop, editor del blog de la NSMNSS e investigador principal de NatCen Social Research, por la sugerencia de escribir esta entrada del blog y por la idea de examinar las implicaciones metodológicas de centrarse en determinadas plataformas de medios sociales.
Ética y protección de datos en la investigación de los medios sociales
El año pasado, por ejemplo, investigadores de salud pública y de economía del comportamiento utilizaron los registros sanitarios de más de 50.000 pacientes de un sistema de salud estadounidense para analizar un algoritmo de uso común que recomienda a las personas con necesidades médicas complejas para que reciban supervisión e intervenciones sanitarias adicionales. El equipo utilizó modelos para demostrar que el algoritmo discriminaba sistemáticamente a los negros, lo que podía influir en la atención de millones de personas2. A continuación, los investigadores utilizaron el conocimiento de las disparidades en la atención sanitaria en Estados Unidos para rastrear las fuentes de ese sesgo y sugerir formas de eliminarlo. Por ejemplo, los algoritmos no deberían dar por sentado que la cantidad gastada en la atención sanitaria de un individuo es un buen indicador de la cantidad de atención que necesita: debido a la desigualdad en el acceso a la atención sanitaria, se suele gastar menos dinero en atender a los estadounidenses de raza negra que a los de raza blanca, incluso cuando tienen las mismas necesidades de atención sanitaria.Pero el acceso a buenos datos no es el único reto: los científicos que emigran de la física o la informática son acusados de no examinar las teorías que los científicos sociales han formulado para explicar el comportamiento humano. «Tienden a buscar patrones», dice Giulia Andrighetto, que se formó como filósofa pero ahora es científica social computacional en el Instituto de Ciencias y Tecnologías Cognitivas, que forma parte del Consejo Nacional de Investigación de Italia en Roma. «Pero normalmente no buscan los mecanismos a través de los cuales se generan esos comportamientos».
La investigación de Facebook mostró que Instagram es peor para
Cuando las plataformas de medios sociales se lanzaron por primera vez hace casi dos décadas, prometieron unir a la gente y dar al ciudadano medio un megáfono para hablar al mundo. Las redes sociales permitieron que millones, y luego miles de millones, de personas se conectaran y formaran comunidades en línea. Permitieron que masas de personas organizaran movimientos de protesta contra los poderosos, desde la Primavera Árabe hasta Occupy Wall Street.2 Para la comunidad de investigación académica, estas nuevas plataformas -que generaban automáticamente un registro digital de los comportamientos de sus usuarios- prometían nuevas e incalculables oportunidades para observar el comportamiento y las actitudes humanas y, combinadas con los avances tecnológicos en torno al aprendizaje automático y la IA, la oportunidad de un avance aparentemente ilimitado del conocimiento científico.
A medida que las anteriores predicciones utópicas sobre las redes sociales se volvían decididamente pesimistas, la investigación sobre estas nuevas tecnologías se convirtió en un campo propio. Sin embargo, debido a que las plataformas controlaban estrictamente los datos necesarios para estudiar estos fenómenos, los investigadores académicos se vieron limitados en sus esfuerzos por conocer la escala, el carácter y las causas de los diversos fenómenos atribuidos al auge de las redes sociales. Para generar esta nueva y amplia bibliografía, los investigadores recurrieron a encuestas, experimentos, plugins de navegador, scraping y otros muchos métodos nuevos para tratar de vislumbrar desde el exterior lo que los conocedores de las empresas podían ver fácilmente en el interior.