Un estudio con 5 000 participantes en Estados Unidos muestra que el algoritmo de la plataforma antes conocida como Twitter tiende a mover al usuario hacia posiciones más a la derecha, especialmente entre personas que ya se consideraban republicanas.
Los algoritmos de las redes sociales llevan mucho tiempo en el punto de mira. Hace unos años, empezó a plantearse que podrían actuar como filtros que favorecían ciertas opiniones, o que creaban burbujas de información afines a cada usuario.
Ahora, un nuevo análisis revela que activar la opción de ‘Para ti’ en X (antes Twitter) provoca que las opiniones políticas de los usuarios se vuelvan más conservadoras. En esta opción, la red social presenta publicaciones de acuerdo con una selección algorítmica determinada por la propia red social.
Según los resultados, que se publican en la revista Nature, estos efectos persisten incluso después de que los usuarios vuelvan a la opción ‘cronológica’ (‘Siguiendo’), donde aparecen las publicaciones de cuentas a la que se sigue y en orden en el que se ha posteado.
Esta investigación, liderada por la Escuela Económica de París, contradice un trabajo anterior, publicado en 2023 en la revista Science, que rechazaba la relación entre el algoritmo y la polarización. En este caso, se trataba de un estudio sobre el algoritmo de Facebook e Instagram, y estaba financiado por la empresa Meta (dueña de ambas redes sociales).
El experimento reunió a 5 000 usuarios activos en X en el verano de 2023 en Estados Unidos. Los participantes completaron encuestas antes y después de los experimentos y fueron asignados aleatoriamente para utilizar la opción algorítmica o la cronológica durante aproximadamente 7 semanas.
El equipo investigador también recopiló datos sobre el contenido del feed de los participantes a través de una extensión personalizada del navegador y supervisaron el comportamiento de los participantes en la red social.
Los resultados mostraron que los usuarios que fueron asignados la opción algorítmica no solo interactuaron más con la plataforma, sino que adoptaron posturas políticas más conservadoras y fueron más propensos a seguir cuentas de activistas políticos conservadores.

Nuestro estudio demuestra que los algoritmos de las redes sociales no son políticamente neutrales y que sus efectos son más complejos de lo que se pensaba

Cuando después cambiaban a la opción cronológica, apenas se producían cambios en sus opiniones o en su comportamiento en la red social con respecto a la otra opción.
“Nuestro estudio demuestra que los algoritmos de las redes sociales no son políticamente neutrales y que sus efectos son más complejos de lo que se pensaba”, dice a SINC Ekaterina Zhuravskaya, investigadora de la Escuela Económica de París y autora principal del artículo. “La asimetría que encontramos, es decir, que activar el algoritmo cambia las opiniones, pero desactivarlo no las revierte, demuestra que no basta con estudiar los efectos de la desactivación del algoritmo, como se ha hecho en investigaciones anteriores”.
Este efecto variaba según la postura política inicial del participante. Como explica Zhuravskaya, se observaba especialmente en usuarios que se identificaron a sí mismos como conservadores o independientes (del Partido Republicano o Demócrata de la política estadounidense) antes del experimento.
“Esto concuerda con un amplio conjunto de investigaciones en ciencias sociales que muestran que es más fácil persuadir a las personas que ya tienen una predisposición positiva hacia un mensaje. Los que se identificaron como demócratas no se vieron afectados de manera significativa”, añade la investigadora.
El análisis también reveló que el algoritmo de X favorecía las cuentas de activistas políticos de derechas por encima de los medios de comunicación tradicionales.
“Los resultados nos muestran que el periodismo de calidad puede estar en desventaja en entornos filtrados algorítmicamente”, dice Zhuravskaya.
La investigadora destaca que los efectos que observaron fueron especialmente sobre cuestiones políticas actuales, pero no en la afiliación partidista.
“Esto indica que las opiniones sobre temas de actualidad pueden ser más maleables y cambiar más rápidamente que las identidades políticas más profundas, que pueden requerir mucho más tiempo para cambiar que un experimento de varias semanas de duración”, añade.
Por su parte, Belén Laspra, profesora ayudante doctora en el departamento de Filosofía de la Universidad de Oviedo, ajena al estudio, subraya que esta investigación introduce un avance respecto a la evidencia acumulada hasta ahora.
“Investigaciones previas habían encontrado que desactivar los algoritmos no producía efectos políticos apreciables. La conclusión provisional era que los algoritmos no parecían tener impacto político directo medible. Este nuevo trabajo introduce una tesis distinta: que apagar el algoritmo no produzca cambios no implica que el algoritmo no haya tenido impacto previamente”, afirma en declaraciones a SMC España. “El algoritmo no solo ordena información; puede contribuir a moldear la estructura de la red de exposición futura”, añade.
Además, destaca que en X están presentes periodistas, dirigentes políticos y responsables institucionales, que trasladan lo que ocurre allí a medios tradicionales, debates parlamentarios y otras redes.
“En consecuencia, contenidos que circulan dentro de X pueden acabar marcando la agenda pública general, incluso entre personas que no utilizan directamente la plataforma. Este efecto de amplificación explica por qué una red con una penetración inferior a otras puede tener un peso político considerable”, señala Laspra.

Los contenidos que circulan dentro de X pueden acabar marcando la agenda pública general, incluso entre personas que no utilizan directamente la plataforma

Es decir, si el algoritmo puede influir, aunque sea de forma incremental, en cómo se priorizan determinados temas o en cómo se interpretan ciertos acontecimientos dentro de la plataforma, esos pequeños desplazamientos no quedan necesariamente confinados al entorno digital.
Referencia:
Ekaterina Zhuravskaya et al. The political effects of X’s feed algorithm. Nature (2026).