Table of links Mesa de la izquierda ABSTRACT Abstracción INTRODUCTION Introducción SEARCH ENGINES AND WOMEN’S DESCRIPTIVE REPRESENTATION Motores de búsqueda y la representación descriptiva de las mujeres MEASURING THE EXTENT OF ALGORITHMIC REPRESENTATION Medir el alcance de la representación algorítmica GENERAL DISCUSSION, CONCLUSION   AND   REFERENCES Discusión general, Conclusión y Referencias SEARCH ENGINES AND WOMEN’S DESCRIPTIVE REPRESENTATION Motores de búsqueda y la representación descriptiva de las mujeres La representación descriptiva colectiva es la calidad de las instituciones políticas para representar a sus ciudadanos sobre la base de características políticas y sociodemográficas compartidas (Atkeson y Carrillo 2007; Bratton y Ray 2002). Los aumentos en la representación descriptiva de los grupos minoritarios se han relacionado con los resultados de las políticas que benefician a sus intereses sustantivos, disminuyendo así las desigualdades estructurales (Bratton y Ray 2002; Hessami y da Fonseca 2020; Lowande et al. 2019; Wängnerud 2009; Mendelberg et al. 2014). La inclusión de las mujeres en los órganos de gobierno también tiene una calidad simbólica (Stokes-Brown y Dolan 2010). Si los gobiernos aproximan adecuadamente la composición demográfica de su población “envia señales importantes sobre quién debe (y no debe Los estudiosos han identificado el discurso de los medios como un factor importante que forma cómo los ciudadanos se ven a sí mismos y si perciben sus intereses como representados (Kahn 1994). La conclusión predominante de esta línea de trabajo es que la cobertura política sub- y malrepresenta a los grupos minoritarios (Gershon 2013; Van Der Pas y Aaldering 2020) y que estas distorsiones en la cobertura resultan en evaluaciones disminuidas de candidatos políticos pertenecientes a estos grupos (Rohrbach et al. 2023; van Oosten et al. 2024). En este artículo, abordamos esta actualización muy necesaria de esta línea de razonamiento y proponemos un marco de representación algorítmica. El argumento central del marco es que las desigualdades políticas se integran en algoritmos de búsqueda cuya salida luego refuerza las percepciones Algorithmic representation as outcome of structural inequalities La mayoría de las personas nunca se encuentran con los políticos en persona sino a través de intermediarios, como la cobertura mediática (Shehata y Strömbäck 2014; Kahn 1994). La tesis de mediación de género afirma que la transformación de una realidad política en una realidad mediada ocurre a través de varios filtros periodísticos (Gidengil y Everitt 2000; Trimble et al. 2022). Estos filtros toman la forma de estructuras organizativas de género de las salas de prensa, las prácticas de adquisición y escritura de los periodistas y sus normas profesionales (Riedl et al. 2022). Esta mediación filtrada presenta a los públicos una cobertura que cuantitativamente y cualitativamente mantiene una visión masculinizada (y blanca) de la política. Estos puntos de vista importan como marcan el núcleo de la socialización política de género Hoy en día, los encuentros indirectos con figuras políticas se producen cada vez más en espacios digitales curados por la IA. Los motores de búsqueda alimentados por IA —pero también los sistemas de recomendación de noticias y de redes sociales— estructuran qué cuentas de política pueden ver los votantes (y qué no lo hacen; véase, por ejemplo, Wallace 2018; Friesen et al. 2021). Además, en “democracias posteriores a la difusión”, la influencia humana de los periodistas se sustituye cada vez más por la información obtenida a través de sus búsquedas en Internet (véase, por ejemplo, Stier et al. 2022). Estudios muestran que los motores de búsqueda como Google se han convertido en fuentes clave de información política (Trevisan et al. 2018; Urman y Makhortykh 2023). H1: Bias de base: Las mujeres están algorítmicamente subrepresentadas en los resultados de búsqueda de imágenes de Google (neutral en términos de género) Si la realidad política y social masculinizada se traduce en una subrepresentación algorítmica de las mujeres en Google, entonces el alcance de esta subrepresentación debe variar en sociedades con diferentes parámetros políticos respecto a la representación descriptiva de las mujeres.4 Préstamo de la teoría de los roles sociales, Niven (1998, 2004) explica la subrepresentación/desrepresentación de las mujeres en la cobertura de los medios políticos como una función de la escasez de roles de liderazgo de las mujeres. Este punto de vista está en línea con modelos estereotipados dinámicos que enfatizan que los estereotipos se forman por la distribución de las mujeres y los hombres entre roles profesionales distintos, es decir, en política, su presencia en el cargo (Diekman et al. 2004; Eagly et al. 2020; van der Pas et H2: Bias de distribución: La subrepresentación algorítmica de las mujeres está positivamente correlacionada con su representación descriptiva en los países, pero no la supera. Algorithmic representation as a driver of political perceptions Mientras que hasta ahora hemos establecido directamente al Shah las hipótesis de que las mujeres son susceptibles de ser algorítmicamente menos visibles que los hombres en la salida de las búsquedas políticas de Google en contextos nacionales. Basándose en 3Para las primeras dos hipótesis, nos centramos exclusivamente en el género y descuidamos la cuestión del voto y descuidamos la raza por dos razones. En primer lugar, medir la proporción de políticos no blancos en la salida de Google podría requerir el etiquetado de la raza de las personas representadas en una base puramente visual. Además de las preocupaciones éticas fuertes, los enfoques de etiquetado computacional se basan exclusivamente en algoritmos de reconocimiento facial que son sujetos a prejuicios raciales inherentes (Cavazos et al. 2021; Scheuer Teorizamos que la representación algorítmica opera dentro del mecanismo de la discriminación estratégica en dos pasos. En primer lugar, la representación de grupos minoritarios en los resultados de los motores de búsqueda distorsiona las percepciones individuales de la representación descriptiva de esos grupos (H3). Por lo tanto, postulamos que la salida de los motores de búsqueda sirve como un heurístico político alimentando la brecha de percepción de género (Lau y Redlawsk 2001; McDermott 1997), que es la "sustancial sobreestimación por parte de los hombres y la subestimación por parte de las mujeres de su electabilidad" (Ashworth et al. 2024, 290). Como la mayoría de los votantes no tienen una idea clara de la composición demográfica real de las instituciones políticas (véase, por ejemplo, Stauffer H3: Prejuicio perceptivo: la subrepresentación algorítmica de las mujeres y los políticos no blancos baja las estimaciones de su representación descriptiva. En segundo lugar, estas percepciones equivocadas impulsadas por algoritmos respecto a la inclusión real de grupos minoritarios afectan a las evaluaciones de electabilidad (H4a). Bateson (2020) identifica la capacidad percibida de un candidato para recaudar fondos, generar cobertura de medios y ganar sobre los votantes como determinantes de la electabilidad. Las percepciones de los votantes de estas dimensiones permanecen vagas y difíciles de capturar empíricamente. Por lo tanto, ampliamos este enfoque e introducimos la representación en la salida de las búsquedas de Google como una variable clave en el cálculo estratégico de los votantes. Debido a que los motores de búsqueda son tan regulares y ampliamente utilizados, así como confiables, presentan una fuente casi plausible para que los individuos formen sus “preferencias Además de reducir la percepción de elegibilidad de los candidatos pertenecientes a grupos minoritarios, hay razones para creer que la subestimación de la representación descriptiva también disminuye la eficacia externa de los votantes, entendida como la percepción de que el gobierno responde a sus preocupaciones (H4b; Atkeson y Carrillo 2007). H4: prejuicios estratégicos: las representaciones descriptivas subestimadas a su vez disminuyen las evaluaciones de los votantes de (a) la elegibilidad de las mujeres y los políticos no blancos y (b) la eficacia externa de los votantes 
 
 
 Los autores: » 
 
 
 
 Tobias Rohrbach Mykola Makhortykh Maryna Sydorova Los autores: » 
 
 
 
 Tobias Rohrbach Mykola Makhortykh María Sidón 
 
 Este artículo está disponible en archivo bajo la licencia CC by 4.0 Deed (Attribution 4.0 International). Este artículo está disponible en archivo bajo la licencia CC by 4.0 Deed (Attribution 4.0 International). Disponible en Archivo

Part of HackerNoon's growing list of open-source research papers, promoting free access to academic material.

Bias in Algorithmic Technology Exposed 

undefined's blog

Este audio es producido en el idioma original de la historia!

Cómo los motores de búsqueda refuerzan las brechas de género en la representación política

About Author

COMENTARIOS

ETIQUETAS

ESTE ARTÍCULO FUE PRESENTADO EN

Related Stories

La fuga rápida del sistema Claude Sonnet 3.5: un análisis forense

Telegram: el puente de Crypto Island hacia el continente

Nómadas digitales escuchen: lo que necesitan saber sobre la nueva visa DTV de Tailandia

Una breve introducción a la teoría del cerebro de Boltzmann

La fuga rápida del sistema Claude Sonnet 3.5: un análisis forense

Telegram: el puente de Crypto Island hacia el continente

Nómadas digitales escuchen: lo que necesitan saber sobre la nueva visa DTV de Tailandia

Una breve introducción a la teoría del cerebro de Boltzmann

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps