two boxing gloves coming out of opposing smart phone screens, punching each other

Las redes sociales y la indignación moral

read time - icon

0 min read

Jan 07, 2022

El 3 de octubre de 2021, Frances Haugen se convirtió en la última denunciante de Facebook. Proporcionó documentos internos para la investigación del Wall Street Journal (WSJ) titulada Facebook Files. Estos documentos exponen cómo "Facebook Inc. sabe, con todo lujo de detalles, que sus plataformas están plagadas de fallos que causan daños, a menudo de maneras que solo la empresa comprende plenamente".1 Haugen cree que los productos de la empresa "perjudican a los niños, avivan la división y debilitan... la democracia".

Los documentos filtrados por Haugen revelan información preocupante sobre el cambio de 2018 en el algoritmo de Facebook Feed, que potenció las interacciones sociales significativas (o MSI, por sus siglas en inglés) entre amigos y familiares.2 En ese momento, el cambio se anunció generalmente como positivo, ya que se esperaba que aumentara la participación y mejorara el bienestar de los usuarios. Memorandos internos revelan que, de hecho, ocurrió lo contrario: el algoritmo revisado "recompensó la indignación" e incentivó el sensacionalismo.

¿Cómo es posible que este cambio aparentemente bienintencionado haya resultado contraproducente? ¿Por qué dar prioridad a las publicaciones de nuestros allegados ha provocado una catástrofe de odio, ira y negatividad? El modelo MAD de contagio moral ofrece una perspectiva conductual que puede ayudarnos a responder a estas preguntas.

Las raíces evolutivas de la indignación moral

Las investigaciones han demostrado que los contenidos suelen circular más en las redes sociales si están "moralizados", es decir, si "hacen referencia a ideas, objetos o acontecimientos que suelen interpretarse en función de los intereses o el bien de una unidad mayor que el individuo".3 En general, los contenidos emocionales tienen más probabilidades de ser compartidos en línea, pero cuando se trata de política y noticias, las emociones negativas son especialmente eficaces para aumentar el alcance de un contenido".4,5,6 Las noticias políticas enmarcadas en términos de moralidad7 y los tuits que contienen palabras morales y emocionales tienden a propagarse más en las redes sociales. Por el contrario, las publicaciones que solo contienen palabras morales o emocionales no gozan de tanta repercusión8.

Es muy probable que nuestro hábito de reenviar contenido emocional tenga raíces evolutivas. Los seres humanos comparten historias emocionales para crear vínculos sociales. La hipótesis es que compartir contribuye a la acción colectiva al ayudar a crear una percepción de similitud entre las personas, facilitando la coordinación emocional y alineando nuestras visiones del mundo.9

Pero, ¿por qué nuestra propensión a la indignación moral en concreto? En parte, es posible que hayamos evolucionado hacia este tipo de contenido porque la indignación moral puede actuar como una señal de nuestra identidad social, valores e ideales para los demás miembros del grupo (así como para nosotros mismos).10 Destacar el comportamiento incorrecto o inmoral es una forma poderosa de mantener o mejorar nuestra reputación en un círculo social determinado.

Getting MAD: Por qué la indignación moral se propaga en Internet

En conjunto, la expresión moral y emocional tiene raíces evolutivas, ya que ayuda a crear vínculos sociales, elevar la reputación de la persona y señalar su propia identidad, moralidad y valores.

Desgraciadamente, cuando el contenido moral-emocional se difunde, puede actuar como un antecedente de la polarización política, fomentando la circulación de noticias políticas dentro de los límites de la identidad política.11,12 La indignación moral encuentra aliento dentro de estos límites.13 Tiene el potencial de alimentar una gran agitación política, y potencialmente crear una división tan profunda entre las diferentes identidades de grupo que las acciones extremas (como la violencia) lleguen a ser vistas como aceptables.14

El modelo MAD de contagio moral fue desarrollado por los investigadores de Yale Molly Crockett, Jay Bavel y William Brady para explicar por qué los contenidos moralizados se difunden tan rápidamente en las redes sociales. Según su artículo fundacional, "el modelo MAD postula que las personas tienen motivaciones basadas en la identidad de grupo para compartir contenido moral-emocional, que es especialmente probable que dicho contenido capte nuestra atención, y que el diseño de las plataformas de medios sociales amplifica nuestras tendencias motivacionales y cognitivas naturales para difundir dicho contenido".15

Desglosemos cada una de estas dimensiones, empezando por las motivaciones.

Motivaciones de indignación moral basadas en la identidad de grupo

Los humanos somos criaturas sociales: prosperamos en grupo. En la prehistoria, esto nos obligaba a crear confianza y buenas relaciones con quienes nos ayudaban en situaciones de angustia colectiva o individual. Al mismo tiempo, era crucial estar alerta ante las amenazas de grupos rivales, no fuera que nos mataran o perdiéramos nuestros valiosos recursos. Desarrollamos atajos para saber en quién confiar y en quién no.

Vivimos con estos mismos instintos evolutivos en el siglo XXI: aquellos que percibimos que comparten nuestros valores y puntos de vista son considerados nuestro intragrupo, mientras que aquellos que percibimos que no están de acuerdo con nosotros son considerados nuestro extragrupo.

Cuando la identidad de grupo es fácilmente perceptible, como ocurre a menudo en las redes sociales, tendemos a pasar de motivaciones centradas en uno mismo a motivaciones centradas en el grupo. Nuestras actitudes, emociones y comportamientos comienzan a estar más influidos por las evaluaciones realizadas en función de esta identidad de grupo que por los objetivos individuales.16 Tendemos a participar en acciones que distinguen al grupo interno del externo, para reforzar nuestra pertenencia a nuestro grupo interno y mostrar nuestra afirmación de sus valores y moral, especialmente cuando surgen amenazas.17

Consideremos los acontecimientos en torno a la campaña #MeToo, que se hizo viral en 2017. A medida que más y más personas empezaron a publicar sus experiencias de acoso y abuso sexual, algunos grupos se sintieron más amenazados que otros. Algunos reaccionaron a la defensiva, sugiriendo que todos los hombres estaban siendo castigados por las fechorías de unos pocos. Estos mensajes a menudo enmarcaban la cuestión como una cuestión de estar en "bandos" separados: las mujeres eran el "outgroup" y los hombres eran el "ingroup". En algunos casos, esto derivó en hostilidad hacia quienes apoyaban el #MeToo y compartían sus historias públicamente (dentro del grupo: personas que desaprobaban el cambio del statu quo, fuera del grupo: personas que apoyaban el cambio).18

Los estudios demuestran que atacar a un grupo ajeno y expresar animadversión hacia "ellos" en las redes sociales es mucho más eficaz para generar participación que las publicaciones que se limitan a expresar apoyo al grupo al que pertenecen.19 Las publicaciones morales y emocionales que expresan esa animadversión tienen un mayor alcance, sobre todo porque los algoritmos de las redes sociales están diseñados para promover los contenidos que obtienen buenos resultados en las métricas de participación.

Los anuncios en las redes sociales pueden afianzar aún más estas identidades de grupo. El algoritmo de distribución de anuncios de Facebook parece "diferenciar eficazmente el precio de llegar a un usuario en función de su... alineación política... inhibiendo la capacidad de las campañas políticas para llegar a votantes con opiniones políticas diversas". En otras palabras, a una entidad le resulta más barato llegar a un público perteneciente a un grupo que a otro.20 Para una entidad que actúe con un presupuesto reducido, esto podría significar que preferiría destinar una proporción significativa de su presupuesto a llegar al grupo perteneciente a un grupo, contribuyendo así a la polarización política de la población en general.

Por otra parte, también parece que la exposición a opiniones de grupos externos en Internet puede reforzar las creencias de una persona en su propio grupo.21 Investigadores estadounidenses han descubierto que, después de que los participantes republicanos de un estudio fueran expuestos a puntos de vista demócratas en Internet, expresaban actitudes más conservadoras. (También se observó la misma tendencia en los participantes demócratas, pero el efecto para este grupo fue menor y no estadísticamente significativo). Así que la respuesta a este problema no es simplemente exponer a los usuarios a puntos de vista más diversos; en algunos casos, esto puede ser contraproducente y exacerbar la polarización.

En conjunto, las pruebas apuntan a una brecha cada vez mayor en la población general, y las redes sociales agravan esta polarización, en contra de su lema general de unir a la gente y ser un escenario para conversaciones significativas.22 Las redes sociales parecen estar amplificando la brecha y están permitiendo una falta de realidad compartida entre grupos opuestos, al promover contenidos basados en identidades de grupo.

Pasemos a la segunda parte del modelo MAD de Contagio Moral.

Atención e indignación moral

El negocio de las redes sociales se basa en el concepto de la economía de la atención. En esta economía, la atención humana se considera un recurso escaso que puede explotarse para obtener beneficios. Para ello, los algoritmos de las redes sociales están diseñados para promover contenidos que atraigan la atención de los usuarios durante el mayor tiempo posible, animándoles a pasar más tiempo en línea del previsto. Esto crea más oportunidades para mostrar a los usuarios anuncios de pago, así como más datos que pueden utilizarse para optimizar los algoritmos de segmentación y aumentar los ingresos.

La gran cantidad de datos que estas empresas han almacenado a lo largo del tiempo y sus poderes computacionales se han aprovechado con el único objetivo de explotar los recursos atencionales humanos de todas las formas posibles. Estos algoritmos son esencialmente amorales: no tienen sentido del bien o del mal, y sólo son sensibles a lo que funciona para maximizar la atención. Como resultado, los sesgos algorítmicos se solapan con los sesgos humanos para servir más negatividad e indignación moral.

Las emociones y la moral ocupan un lugar central en cualquier debate o acontecimiento político. Las palabras morales y emocionales que captan más atención en el laboratorio se asocian a una mayor compartición cuando aparecen en publicaciones en las redes sociales.23 Cada palabra moral y emocional en un tuit se asocia a un aumento medio del 20% en su difusión (compartición).24

Analizar el mal comportamiento nos permite juzgar a las personas y su carácter. Las evaluaciones extremas y negativas llaman la atención.25 Históricamente, las partes interesadas han sabido aprovechar nuestra sensibilidad hacia el contagio moral para suscitar la acción política a través de los principales medios de comunicación, como la radio, la prensa y la televisión. Las redes sociales han abierto esta posibilidad a las masas y han acelerado la velocidad y el alcance del marketing de la indignación.

Ninguna entidad en la historia del mundo ha tenido nunca el poder que ejercen las redes sociales sobre nuestra atención colectiva. En el pasado, campañas prosociales en línea como #MeToo y #BlackLivesMatter captaron la atención humana a través de nuestro sesgo hacia la moralidad y contribuyeron a actividades significativas fuera de línea como protestas coordinadas y cambios políticos. Otras tendencias online han tenido efectos antisociales. La teoría de la conspiración QAnon y los disturbios del Capitolio son dos ejemplos de las consecuencias perjudiciales del contagio moral en línea.

Diseño e indignación moral

Por último, hablemos de la tercera pata del modelo MAD de contagio moral. Las redes sociales están diseñadas para atraer a nuestro cerebro del Sistema 1. Exigen acciones rápidas por parte de los usuarios a la hora de ver, reaccionar y escribir. Exigen acciones rápidas por parte de los usuarios a la hora de ver, reaccionar y escribir una publicación, y de establecer relaciones en línea. Se apoya en nuestra comprensión de palabras como "compartir", "amar", "me gusta" y "amigos" para ayudarnos a sentirnos cómodos con una forma totalmente nueva de establecer relaciones, un proceso que históricamente ha requerido mucha comunicación física cara a cara.

Las redes sociales han eliminado importantes fricciones en procesos como compartir opiniones, debatir, denunciar injusticias... y, al mismo tiempo, han facilitado que la gente exprese animadversión, antipatía y odio hacia personas o entidades. La interacción cara a cara nos hace sentir empatía. Esto nos ayuda a ser conscientes de cómo nuestros comentarios o acciones pueden ser recibidos en el otro extremo: anticipar cómo nos sentiríamos en su lugar a menudo nos impide expresar nuestro descontento de forma irrespetuosa.26 La investigación también muestra que interactuar a través del habla es más probable que influya positivamente en nuestra evaluación de alguien, en comparación con las interacciones basadas en texto. Sin embargo, la mayoría de las interacciones sociales en las redes sociales se producen a través del texto.27

Es más probable que las personas confíen en sus emociones cuando se ven obligadas a tomar rápidamente una decisión moral.28 También es más probable que reaccionen rápidamente cuando piensan de acuerdo con sus creencias y valores morales.29 Esto elimina aún más la fricción, haciendo que la expresión de la indignación moral sea mucho más fácil en el ámbito online que en el offline.

Gracias a las recomendaciones algorítmicas, la gente se encuentra fácilmente en cámaras de eco donde su indignación, especialmente contra un grupo externo, puede ser bien recibida, incluso alentada. La reducción de los seres humanos a iconos bidimensionales también nos permite expresarnos con facilidad a la hora de castigar a un malhechor.

Además, el carácter permanente de Internet y sus servicios 24 horas al día en todo el mundo hacen que la indignación moral ya no esté limitada por el tiempo o el lugar. Una persona no necesita estar físicamente presente o ser de la localidad para expresar su indignación ante algo. De hecho, la gente consume más información sobre acciones inmorales en Internet que fuera de ella30.

Revisando los archivos de Facebook

Sabiendo lo que sabemos ahora sobre el modelo MAD de contagio moral, podemos entender por qué la iniciativa ICM fracasó estrepitosamente a la hora de cumplir su promesa de mejorar los contenidos. Facebook creía que el predominio del vídeo y de las publicaciones producidas por profesionales estaba convirtiendo a la gente en consumidores pasivos de contenidos. El tiempo invertido aumentaba, pero la gente no interactuaba con los contenidos. Encontrar una forma de aumentar la interacción con las personas de la lista de amigos fomentaría una respuesta activa a los contenidos que estaban viendo, así como su bienestar.

Donde el sistema ICM se equivocó fue en la forma de puntuar los contenidos. El algoritmo inclinaba la balanza hacia las publicaciones que evocaban (o parecían evocar) reacciones emocionales, que luego se compartían, atraían comentarios extensos (como suele ocurrir en las flame wars de Internet) y tenían probabilidades de circular ampliamente dentro de determinadas comunidades.

Consideremos un post en el que se utiliza un lenguaje moral-emocional en un contexto político. Es probable que este mensaje evoque la identidad política del autor y que los lectores reaccionen en función de si el autor pertenece a un grupo interno o externo. Incluso los usuarios más pasivos podrían utilizar los botones de reacción ("jaja", "ira", "amor", etc.) para señalar una respuesta emocional.31

Con cada reacción de este tipo, el algoritmo ICM añade 5 puntos al cociente que decide cómo se priorizará el post. Es más probable que los comentarios se asocien a personas con opiniones políticamente extremas.32 Podrían apoyar o ir en contra de la opinión expresada (si de algún modo el post se abre camino fuera de los límites político-ideológicos). También podrían contribuir a ampliar la brecha de percepción entre grupos.

Dado que en las redes sociales es más probable que la gente sea amiga de quienes comparten gustos similares y que el algoritmo degrada las publicaciones de los no miembros y los desconocidos, es aún menos probable que la gente vea una publicación de un grupo ajeno. Por un lado, esto tiene algunas ventajas, ya que la interacción en línea con quienes no están de acuerdo puede ser frustrante o molesta.33 Pero también significa que estos grupos permanecen constantemente separados en las redes sociales, y esto propaga una falta de realidad compartida. Es probable que este post que contiene lenguaje moral-emocional se convierta en un caso de contagio moral, gracias al algoritmo ICM.

Palabras finales

Los algoritmos de las redes sociales dan prioridad a la difusión de contenidos que han demostrado ser populares -independientemente de lo que esos contenidos sean en realidad- con el fin de monetizar esta participación. A menudo, los contenidos de éxito se elaboran para provocar indignación moral, por lo que los seres humanos tienen motivaciones naturales, basadas en la identidad de grupo, para compartirlos.

Es cuando este tipo de actividad en línea tiene consecuencias fuera de ella (como la discriminación, la intimidación o incluso la violencia) cuando debemos empezar a cuestionar las posturas que suelen adoptar los gigantes tecnológicos respecto a la libertad de expresión. ¿Moderamos proactivamente los contenidos en línea, a costa de hacer algunas concesiones a nuestro derecho a la libertad de expresión? ¿O abordamos el algoritmo y el modelo de negocio subyacente, que permite la amplificación del discurso potencialmente odioso en primer lugar?

En los últimos tiempos, las empresas tecnológicas han mostrado un nuevo interés por utilizar sus plataformas para proteger la democracia. Pero nunca ha sido su prioridad. Las empresas afirman ser plataformas neutrales, que facilitan un debate significativo. Pero, ¿tienen derecho a llamarse "plataformas" neutrales cuando eligen lo que debe ver cada usuario?

De hecho, las empresas tecnológicas son cualquier cosa menos neutrales. Sus algoritmos maximizan la atención y el compromiso y obtienen beneficios de ello. Incluso cuando las empresas intentan actuar, sus esfuerzos suelen centrarse exclusivamente en los países occidentales de habla inglesa34 . En Alemania, por ejemplo, los investigadores descubrieron que en las épocas en que aumentan los sentimientos contra los refugiados, se producen menos ataques contra ellos mientras duran los cortes de Internet.35

Frances Haugen, la denunciante, cree firmemente que empresas como Facebook deberían ser más transparentes y apoyar la formación de organismos de supervisión independientes que les ayuden a atravesar este mar de problemas en su plataforma. Para bien o para mal, las plataformas tecnológicas se han convertido en parte del tejido social del mundo contemporáneo. Tienen la responsabilidad de actuar, ya que ejercen una gran influencia en el camino que la humanidad toma colectivamente.

References

  1. (2021, 13 de septiembre) Los archivos de Facebook. The Wall Street Journal. https://www.wsj.com/articles/the-facebook-files-11631713039
  2. Hagey, K., & Horwitz, J. (2021, 15 de septiembre) Facebook intentó hacer de su plataforma un lugar más saludable. It Got Angerier Instead. The Wall Street Journal. https://www.wsj.com/articles/facebook-algorithm-change-zuckerberg-11631654215
  3. Brady, W. J., Crockett, M. J., & Van Bavel, J. J. (2020). El modelo MAD de contagio moral: The Role of Motivation, Attention, and Design in the Spread of Moralized Content Online. Perspectives on psychological science : a journal of the Association for Psychological Science, 15(4), 978-1010. https://doi.org/10.1177/1745691620917336
  4. Heimbach, I., Schiller, B., Strufe, T., & Hinz, O. (2015). Viralidad del contenido en las redes sociales en línea: Empirical evidence from Twitter, Facebook, and Google+ on German news websites. En Proceedings of the 26th ACM Conference on Hypertext & Social Media (pp. 39-47). Nueva York, NY: Association for Computing Machinery. doi:10.1145/2700171.2791032
  5. Hansen, L.K., Arvidsson, A., Nielsen, F.A., Colleoni, E., & Etter, M. (2011) Good friends, bad news-affect and virality in Twitter. En J. J. Park, L. T. Yang, & C. Lee (Eds.), Future information technology (pp. 34-43). Amsterdam, Países Bajos: Springer. doi:10.1007/978-3-642-22309-9_5
  6. Fan, R., Zhao, J., Chen, Y., & Xu, K. (2014). La ira es más influyente que la alegría: Correlación de sentimientos en Weibo. PLOS ONE, 9(10), Artículo e110184. doi:10.1371/journal .pone.0110184
  7. Valenzuela, S., Piña, M., & Ramírez, J. (2017) Behavioral Effects of Framing on Social Media Users: How Conflict, Economic, Human Interest, and Morality Frames Drive News Sharing. Journal of Communication, 67(5), pp 803-826, https://doi.org/10.1111/jcom.12325
  8. Brady, W. J., Wills, J. A., Jost, J. T., Tucker, J. A., & Van Bavel, J. J. (2017). Emotion shapes the diffusion of moralized content in social networks. Actas de la Academia Nacional de Ciencias, EE. UU., 114, 7313-7318.
  9. Peters, K., y Kashima, Y. (2007). Del discurso social a la acción social: Shaping the social triad with emotion sharing. Journal of Personality and Social Psychology, 93(5), 780-797. https://doi.org/10.1037/0022-3514.93.5.780
  10. Aquino, K., & Reed, A. II. (2002). The self-importance of moral identity. Journal of Personality and Social Psychology, 83(6), 1423-1440. https://doi.org/10.1037/0022-3514.83.6.1423
  11. Barberá, P., Jost, J. T., Nagler, J., Tucker, J. A., & Bonneau, R. (2015). Tuitear de izquierda a derecha: ¿Es la comunicación política online algo más que una cámara de eco? Psychological Science, 26(10), 1531-1542. https://doi.org/10.1177/0956797615594620
  12. Brady, W. J., Wills, J. A., Jost, J. T., Tucker, J. A., & Van Bavel, J. J. (2017). Emotion shapes the diffusion of moralized content in social networks. Actas de la Academia Nacional de Ciencias, EE. UU., 114, 7313-7318.
  13. Brady, W. J., McLoughlin, K. L., Doan, T. N., & Crockett, M. (2021, 19 de enero). How social learning amplifies moral outrage expression in online social networks. https://doi.org/10.31234/osf.io/gf7t5
  14. Mooijman, M., Hoover, J., Lin, Y., Ji, H., & Dehghani, M. (2018). Moralización en las redes sociales y el surgimiento de la violencia durante las protestas. Nature Human Behaviour, 2, 389-396.
  15. Brady, W. J., Crockett, M. J., & Van Bavel, J. J. (2020). El modelo MAD de contagio moral: The Role of Motivation, Attention, and Design in the Spread of Moralized Content Online. Perspectives on psychological science : a journal of the Association for Psychological Science, 15(4), 978-1010. https://doi.org/10.1177/1745691620917336
  16. Tajfel, H., y Turner, J. C. (1979). Una teoría integradora del conflicto intergrupal. En W. G. Austin & S. Worchel (Eds.), The social psychology of intergroup relations (pp. 33-47). Monterey, CA: Wadsworth.
  17. Branscombe, N. R., Ellemers, N., Spears, R., & Doosje, B. (1999). El contexto y el contenido de la amenaza de la identidad social. En N. Ellemers & R. Spears (Eds.), Social identity: Context, commitment, content (pp. 35-59). Oxford, Inglaterra: Blackwell Science.
  18. PettyJohn, M. E., Muzzey, F. K., Maas, M. K., & McCauley, H. L. (2019). #HowIWillChange: Involucrando a hombres y niños en el movimiento #MeToo. Psychology of Men & Masculinities, 20(4), 612-622. https://doi.org/10.1037/men0000186
  19. Rathje, S., Van Bavel, J.J., & van der Linden, S. (2021). la animadversión hacia grupos externos impulsa la participación en las redes sociales. Actas de la Academia Nacional de Ciencias. 118 (26) e2024292118; https://doi.org/10.1073/pnas.2024292118
  20. Ali, M., Sapiezynski, P., Korolova, A., Mislove, A., & Rieke, A. (2021) Ad delivery algorithms: The hidden arbiters of political messaging. En Proceedings of the 14th ACM International Conference on Web Search and Data Mining, WSDM '21. (2021) Ad delivery algorithms: The hidden arbiters of political messaging. 13–21. https://doi.org/10.1145/3437963.3441801
  21. Bail, C.A., Argyle, L.P., Brown, T.W., Bumpus, J.P., Chen, H., Hunzaker, M.B.F., Lee, J., Mann, M., Merhout, F., & Volfovsky, A. (2018). La exposición a puntos de vista opuestos en las redes sociales puede aumentar la polarización política. Actas de la Academia Nacional de Ciencias. 115 (37) 9216-9221. https://doi.org/10.1073/pnas.1804840115
  22. Yudkin, D. Hawkins, S., & Dixon, T. (2019) La brecha de percepción. More in Common. https://perceptiongap.us/ Recuperado el 14 de octubre de 2021 14:15 BST.
  23. La captación de la atención ayuda a explicar por qué los contenidos morales y emocionales se hacen virales. Fuente: Brady, W. J., Gantman, A. P., & Van Bavel, J. J. (2020). Attentional capture helps explain why moral and emotional content go viral. Journal of experimental psychology. General, 149(4), 746-756. https://doi.org/10.1037/xge0000673
  24. Brady, W. J., Wills, J. A., Jost, J. T., Tucker, J. A., & Van Bavel, J. J. (2017). Emotion shapes the diffusion of moralized content in social networks. Actas de la Academia Nacional de Ciencias, EE. UU., 114, 7313-7318.https://doi.org/10.1073/pnas.1618923114
  25. Fiske, S. T. (1980). Atención y peso en la percepción de la persona: El impacto del comportamiento negativo y extremo. Journal of Personality and Social Psychology, 38(6), 889-906. https://doi.org/10.1037/0022-3514.38.6.889
  26. Crockett, M.J. La indignación moral en la era digital. Nature Human Behaviour 1, 769-771 (2017). https://doi.org/10.1038/s41562-017-0213-3
  27. Schroeder, J., Kardas, M. y Epley, N. (2017). La voz humanizadora: el habla revela, y el texto oculta, una mente más reflexiva en medio del desacuerdo. Psychological Science, 28(12), 1745-1762. https://doi.org/10.1177/0956797617713798
  28. Suter, R. S., y Hertwig, R. (2011). Tiempo y juicio moral. Cognition, 119, 454-458. https://doi.org/10.1016/j.cognition.2011.01.018
  29. Van Bavel, J. J., Packer, D. J., Haas, I. J., & Cunningham, W. A. (2012). La importancia de la interpretación moral: Moral versus non-moral construal elicits faster, more extreme, universal evaluations of the same actions. PLOS ONE, 7(11), Artículo e48693. https://doi.org/10.1371/journal.pone.0048693
  30. Crockett, M.J. La indignación moral en la era digital. Nature Human Behaviour 1, 769-771 (2017). https://doi.org/10.1038/s41562-017-0213-3
  31. Rathje, S., Van Bavel, J.J., & van der Linden, S. (2021). la animadversión hacia grupos externos impulsa la participación en las redes sociales. Actas de la Academia Nacional de Ciencias. 118 (26) e2024292118; https://doi.org/10.1073/pnas.2024292118
  32. Yudkin, D. Hawkins, S., & Dixon, T. (2019) La brecha de percepción. More in Common. https://perceptiongap.us/ Recuperado el 14 de octubre de 2021 14:15 BST.
  33. (2016, 25 de octubre) El ambiente político en las redes sociales. Pew Research Center. https://www.pewresearch.org/internet/2016/10/25/the-political-environment-on-social-media/ recuperado el 17 de octubre de 2021 19:24 horas BST.
  34. (2021, 6 de octubre) Facebook refuta la afirmación de la inadecuada señalización de contenido vernáculo. Economic Times. https://economictimes.indiatimes.com/tech/technology/facebook-budget-to-curb-misinformation-in-india-paltry-lacks-hindi-bengali-content-reviewers/articleshow/86804663.cms recuperado el 17 de octubre de 2021 21:01 horas BST.
  35. Müller, K., y Schwarz, C. (2020). Fanning the Flames of Hate: Social Media and Hate Crime. Journal of the European Economic Association (19:4), 2131-2167. http://dx.doi.org/10.2139/ssrn.3082972

About the Author

Read Next

instagram
Insight

El dilema social

El docudrama de Netflix sobre las redes sociales ha convertido la "tecnología oscura" en un tema candente. Cómo pueden los científicos del comportamiento equilibrar la ética con el diseño persuasivo?

Notes illustration

Eager to learn about how behavioral science can help your organization?

Contact us