“Básicamente, todo lo puedes encontrar ahí”: Creencias, sesgos y estrategias de búsqueda de estudiantes universitarios en los motores de búsqueda
Resumen
Esta investigación indaga las percepciones de estudiantes universitarios respecto del
funcionamiento de los motores de búsqueda. Se realizaron entrevistas semiestructuradas a 13
estudiantes universitarios que previamente participaron de una sesión de búsqueda experimental.
Posteriormente, se analizaron los datos del comportamiento de búsqueda con las respuestas de
las entrevistas para identificar las creencias, criterios de selección de páginas webs y la operación
de sesgos cognitivos en la búsqueda de información. El principal hallazgo es la observación de los
sesgos de familiaridad, ranking, confirmación e información. Particularmente, se establece que la
preferencia del motor de búsqueda Google está asociada a la operación del sesgo de familiaridad con la plataforma. De esta manera, la mayoría de los participantes elige los primeros resultados basado en la confianza con el buscador. Lo que conlleva a un bajo número de consultas, independiente del tipo de tarea a resolver.
Texto completo:
PDFReferencias
Baeza-Yates, R. (2018). Bias on the web. Communications of the ACM, 61(6), 54-61. https://
doi.org/10.1145/3209581
Baeza-Yates, R. (2020). Bias in search and recommender systems. Comunicación presentada en RecSys ‘20: Proceedings of the 14th ACM Conference on Recommender Systems. Virtual Event Brazil, 22-26 de septiembre. https://doi.
org/10.1145/3383313.341843
Balabantaray, R. C. (2017). Evaluation of web search engines based on ranking of results
and its features. International Journal of Human Computer Interaction, 10(4), 392-
https://doi.org/10.1504/IJICT.2017.084337
Banerjee, M., Zlatkin-Troitschanskaia, O., y Roeper, J. (2020). Narratives and their impact on students’ information seeking and critical online reasoning in higher education economics and medicine. Frontiers in Education, 5, 570625. https://doi.
org/10.3389/feduc.2020.570625
Barilá, S. (2003). Regulation of TV Contents in Argentina. En von Feilitzen, C., y Carlsson, U. (Eds.), Promote or Protect? Perspectives on Media Literacy and Media Regulations
(pp. 213-220). Nordicom, University of Gothenburg.
Baron, J. (2000). Thinking and deciding (3ª edición). Cambridge University Press.
Boyd, D., Levy, K., y Marwick, A. (2014, octubre). The networked nature of algorithmic discrimination. Open Technology Institute. Recuperado de http://www.danah.org/
papers/2014/DataDiscrimination.pdf
Brandão, G. D. S., Santos, J. O., y Borges, J. (2020). Comportamento infocomunicacional: um diagnóstico entre estudantes para a promoção de competências infocomunicacionais. Informação & informação, 25(4), 670-696. https://doi.
org/10.5433/1981-8920.2020v25n4p670
Breakstone, J., Smith, M., Connors, P., Ortega, T., Kerr, D., y Wineburg, S. (2021). Lateral reading: College students learn to critically evaluate internet sources in an online course. The Harvard Kennedy School Misinformation Review, 2(1), 1-17. https://doi.
org/10.37016/mr-2020-56
Cano-Orón, L. (2019). Dr. Google, what can you tell me about homeopathy? Comparative study of the top 10 websites in the United States, United Kingdom, France, Mexico, and Spain. Profesional de la Información, 28(2), 1-12. https://doi.org/10.3145/
epi.2019.mar.13
Creswell, J. W. (2013). Research design: Qualitative, quantitative, and mixed methods approaches. Sage Publications.
Cortada de Kohan, N. (2008). Los sesgos cognitivos en la toma de decisiones. International Journal of Psychological Research, 1(1), 68-73. https://doi.org/10.21500/20112084.968
Chander, A. (2016). The racist algorithm. Michigan Law Review, 115, 1023. http://repository.
law.umich.edu/mlr/vol115/iss6/13
Eisenberg, M. B., y Berkowitz, R. E. (2000). Teaching Information & Technology Skills: The
Big6™ in Secondary Schools. Linworth Publishing, Inc
Fernández-Vicente, A. (2020). Hacia una teoría crítica de la razón algorítmica. Palabra
Clave, 23(2), 1-26. https://doi.org/10.5294/pacla.2020.23.2.2
Flick, U. (2007). Introducción a la investigación cualitativa. Morata.
Jiang, M. (2014a). Search concentration, bias, and parochialism: A comparative study
of Google, Baidu, and Jike’s search results from China. Journal of Communication,
(6), 1088-1110. https://doi.org/10.1111/jcom.12126
Jiang, M. (2014b). The business and politics of search engines: A comparative study
of Baidu and Google’s search results of Internet events in China. New Media &
Society, 16(2), 212-233. https://doi.org/10.1177/1461444813481196
Kalyani, R., & Gadiraju, U. (2019). Understanding user search behavior across varying
cognitive levels. Comunicación presentada en HT ‘19: Proceedings of the 30th ACM
Conference on Hypertext and Social Media. Hof, Alemania. 17-20 de septiembre.
https://doi.org/10.1145/3342220.3343643
Kuhlthau, C. C. (1991). Inside the search process: Information seeking from the
user’s perspective. Journal of the American Society for Information Science,
(5), 361-371. https://doi.org/10.1002/(SICI)1097-4571(199106)42:5%3C361::AID ASI6%3E3.0.CO;2-%23
Lewandowski, D. (2017). Is Google Responsible for Providing Fair and Unbiased Results?
En M. Taddeo y L. Floridi (Eds.), The Responsibilities of Online Service Providers.
Law, Governance and Technology Series (pp. 79-100). Springer, Cham. https://doi.
org/10.1007/978-3-319-47852-4_4
Liu, J., y Zhang, X. (2019). The role of domain knowledge in document selection from
search results. Journal of the Association for Information Science and Technology,
(11), 1236-1247. https://doi.org/10.1002/asi.24199
Matute, H. (2019). Nuestra mente nos engaña. Sesgos y errores cognitivos que todos
cometemos. Shackleton Books.
Nagel, M. T., Schäfer, S., Zlatkin-Troitschanskaia, O., Schemer, C., Maurer, M., Molerov, D.,... y Brückner, S. (2020). How do university students’ web search behavior, website characteristics, and the interaction of both influence students’ critical online reasoning? Frontiers in Education, 5, 565062. https://doi.org/10.3389/
feduc.2020.565062
Noble, S. U. (2018). Algorithms of oppression: How search engines reinforce racism. NYU Press.
Novin, A., y Meyers, E. (2017). Making sense of conflicting science information: Exploring bias in the search engine result page. Comunicación presentada en CHIIR ‘17: Proceedings of the 2017 Conference on Conference Human Information Interaction and Retrieval. Oslo, Noruega, 7-11 de marzo. https://doi.org/10.1145/3020165.3020185
Olivares-Rodríguez, C., y Guenaga, M. (2015). Detection of the Student Creative Behavior Based on Diversity of Queries. En J. García-Chamizo, G. Fortino, y S. Ochoa (Eds.), Ubiquitous Computing and Ambient Intelligence. Sensing, Processing, and Using
Environmental Information. UCAmI 2015. Lecture Notes in Computer Science, 9454. Springer, Cham. https://doi.org/10.1007/978-3-319-26401-1_18
Olivares-Rodríguez, C., Guenaga, M., y Garaizar, P. (2017). Automatic assessment of
creativity in heuristic problem-solving based on query diversity. Dyna, 92(4), 449-
http://dx.doi.org/10.6036/8243
Pariser, E. (2017). El filtro burbuja: Cómo la web decide lo que leemos y lo que pensamos.
Taurus.
Pereira, S., Fillol, J., y Moura, P. (2019). El aprendizaje de los jóvenes con medios digitales
fuera de la escuela: De lo informal a lo formal. Comunicar, 27(58), 41-50. https://
doi.org/10.3916/C58-2019-04
Piergiorgio, C. (2007). Metodología y técnicas de investigación social. McGraw-Hill.
Rutter, S., Blinzler, V., Ye, C., Wilson, M. L., y Twidale, M. D. (2019). Search tactics used
in solving everyday how-to technical tasks: Repertoire, selection and tenacity.
Information Processing & Management, 56(3), 919-938. https://doi.org/10.1016/j.
ipm.2019.02.008
Schultheiß, S., Sünkler, S., y Lewandowski, D. (2018). We still trust in Google, but less
than 10 years ago: an eye-tracking study. Information Research: An International
Electronic Journal, 23(3), n3. http://informationr.net/ir/23-3/paper799.html
Siles, I., Espinoza-Rojas, J., Naranjo, A., & Tristán, M. F. (2019). The mutual domestication
of users and algorithmic recommendations on Netflix. Communication, Culture &
Critique, 12(4), 499-518. https://doi.org/10.1093/ccc/tcz025
Su, N., He, J., Liu, Y., Zhang, M., y Ma, S. (2018, February). User intent, behaviour, and
perceived satisfaction in product search. Comunicación presentada en WSDM
‘18: Proceedings of the Eleventh ACM International Conference on Web Search and
Data Mining. Marina Del Rey, CA, Estados Unidos, 5-9 de febrero. https://doi.
org/10.1145/3159652.3159714
Urgo, K., Arguello, J., y Capra, R. (2019). Anderson and krathwohl’s two-dimensional
taxonomy applied to task creation and learning assessment. Comunicación
presentada en ICTIR ‘19: Proceedings of the 2019 ACM SIGIR International Conference on Theory of Information Retrieval. Santa Clara, CA, Estados Unidos, 2-5 de octubre.
https://doi.org/10.1145/3341981.3344226
Vidal-Sepúlveda, M., & Olivares-Rodríguez, C. (2021). ¿Quién elige mi dieta informativa?
La datificación automatizada de personas en el ambiente digital. Información,
cultura y sociedad, (44), 143-154. https://dx.doi.org/10.34096/ics.i44.8627
Valenzuela, J., y Nieto, A. M. (2008). Motivación y Pensamiento Crítico: Aportes para
el estudio de esta relación. REME, 9(28). http://reme.uji.es/articulos/numero28/
article3/article3.pdf
Vilches, L. (Ed.). (2011). La investigación en comunicación: métodos y técnicas en la era
digital. Gedisa.
Wildemuth, B. M., y Freund, L. (2012, October). Assigning search tasks designed to elicit exploratory search behaviors. Comunicación presentada en HCIR ‘12: Proceedings of the Symposium on Human-Computer Interaction and Information
Retrieval. Cambridge, California, Estados Unidos, 4 de octubre. https://doi.org/10.1145/2391224.2391228
Wu, W. C., y Kelly, D. (2015). Online search stopping behaviors: An investigation of query
abandonment and task stopping. Comunicación presentada en Proceedings of the American Society for Information Science and Technology, 51(1), 1-10. https://doi.
org/10.1002/meet.2014.14505101030
Yoganarasimhan, H. (2020). Search personalization using machine learning. Management Science, 66(3), 1045-1070. https://doi.org/10.1287/mnsc.2018.3255
DOI: http://dx.doi.org/10.7203/drdcd.v0i9.264
Enlaces refback
- No hay ningún enlace refback.