Personalización de contenidos en servicios de vídeo bajo demanda: Satisfacción con los algoritmos de las redes sociales
Resumen
La rápida evolución de la personalización algorítmica ha reconfigurado la experiencia de los usuarios en las redes sociales y las plataformas de video a la carta, adaptando las recomendaciones de contenidos a las preferencias individuales. Este artículo explora la intersección entre la satisfacción del usuario, la capacidad de respuesta algorítmica y los patrones de consumo, haciendo hincapié en la influencia de las recomendaciones basadas en IA. Destaca cómo la percepción de la personalización algorítmica influye en el comportamiento del usuario, fomentando tanto el compromiso como la preocupación por las cámaras de eco y la privacidad.
Al examinar el paso de la emisión lineal tradicional al consumo no lineal de video a la carta, el estudio analiza cómo afectan los sistemas de recomendación a la calidad de la experiencia (QoE, por sus siglas en inglés). Además, aborda fenómenos como el binge-watching, la conciencia algorítmica y las implicaciones éticas de la personalización en la entrega de contenidos. Las diferencias generacionales en el uso de los medios ponen de relieve la interacción dinámica entre los hábitos de las redes sociales y las expectativas del vídeo a la carta.
Los resultados subrayan la necesidad de transparencia, diseño ético de la IA y alfabetización algorítmica para equilibrar la satisfacción del usuario con las prácticas responsables de los medios de comunicación. Esta investigación contribuye a comprender las implicaciones más amplias de la personalización en los ecosistemas de contenidos digitales, ofreciendo orientación para futuros desarrollos en los sistemas algorítmicos de medios de comunicación.
Descargas
Citas
Baraković Husić, J., Baraković, S., Cero, E., Slamnik, N., Oćuz, M., Dedović, A., & Zupčić, O. (2020). Quality of experience for unified communications: A survey. International Journal of Network Management, 30(3), 1–25. https://doi.org/10.1002/nem.2083
Belk, R. W. (1975). Situational Variables and Behavior Consumer. Journal of Consumer Research, 2(3), 157-164.
Danaher, P. J., & Lawrie, J. M. (1998). Behavioral Measures of Television Audience Appreciation. Journal of Advertising Research, 1, 54-65.
Dogruel, L., Facciorusso, D., & Stark, B. (2022). ‘I’m still the master of the machine.’Internet users’ awareness of algorithmic decision-making and their perception of its effect on their autonomy. Information, Communication & Society, 25(9), 1311–1332.
Feeney, N. (2014). When, exactly, does watching a lot of Netflix become a ‘binge.’ The Atlantic, 18.
Gil De Zúñiga, H., Cheng, Z., & González-González, P. (2022). Effects of the news finds me perception on algorithmic news attitudes and social media political homophily. Journal of Communication, 72(5), 578–591. https://doi.org/10.1093/joc/jqac025
Hong, S. (2023, April 21). Believe in algorithms or believe in your friends?: the influences of the different ways in seeking what to watch on Netflix. https://repositories.lib.utexas.edu/items/ba91cb1a-8fa5-458f-ad5d-4b4c7e0e12d0
Jayanthiladevi, A., Raj, A. G., Narmadha, R., Chandran, S., Shaju, S., & Krishna Prasad, K. (2020). AI in Video Analysis, Production and Streaming Delivery. Journal of Physics: Conference Series, 1712(1). https://doi.org/10.1088/1742-6596/1712/1/012014
Milli, S., Carroll, M., Wang, Y., Pandey, S., Zhao, S., & Dragan, A. D. (2023). Engagement, User Satisfaction, and the Amplification of Divisive Content on Social Media. http://arxiv.org/abs/2305.16941
Morris, J. W. (2015). Curation by code: Infomediaries and the data mining of taste. European Journal of Cultural Studies, 18(45), 446–463.
Muñoz-Gallego, A., Giri, L., Nahabedian, J. J., & Rodríguez, M. (2024). Audiovisual Narratives on Tik Tok: New Challenges for Public Communication of Science and Technology. Revista Mediterranea de Comunicacion, 15(1), 145–161. https://doi.org/10.14198/MEDCOM.25481
O’Sullivan, Derry et al. (2024). Improving the Quality of the Personalized Electronic Program Guide. User modeling and user-adapted interaction 14(1), 5–36.
Phalen, P. F., & Ducey, R. V. (2012). Audience Behavior in the Multi-Screen «Video-Verse». International Journal on Media Management, 14(2), 141-156. https://doi.org/10.1080/14241277.2012.657811
Rostamian, S., & Moradi Kamreh, M. (2024). AI in Broadcast Media Management: Opportunities and Challenges. AI and Tech in Behavioral and Social Sciences, 2(3), 21-28. https://doi.org/10.61838/kman.aitech.2.3.3
Skipper, B. (2014). House of cards: Will Netflix’s binge-viewing approach to TV become the norm. International Business Times, 14.
Striphas, T. (2015). Algorithmic culture. European Journal of Cultural Studies, 18 (45), 395–412.
Taylor, S. H., & Choi, M. (2022). An Initial Conceptualization of Algorithm Responsiveness: Comparing Perceptions of Algorithms Across Social Media Platforms. Social Media and Society, 8(4). https://doi.org/10.1177/20563051221144322
Van Den Bulck, H., & Moe, H. (2017). Public service media, universality and personalisation through algorithms: mapping strategies and exploring dilemmas. Media, Culture and Society, 40 (60), 1–18.
Zarouali, B., Boerman, S. C., & de Vreese, C. H. (2021). Is this recommended by an algorithm? The development and validation of the algorithmic media content awareness scale (AMCA-scale). Telematics and Informatics, 62. https://doi.org/10.1016/j.tele.2021.101607
Derechos de autor 2024 Alicia Urgellés-Molina, PhD., Mónica Herrero, PhD.
Esta obra está bajo licencia internacional Creative Commons Reconocimiento-NoComercial 4.0.
Los autores que publican en esta revista están de acuerdo con los siguientes términos:
a. Los autores conservan los derechos de autor y garantizan a la revista el derecho de ser la primera publicación del trabajo al igual que licenciado bajo una Creative Commons Attribution License que permite a otros compartir el trabajo con un reconocimiento de la autoría del trabajo y la publicación inicial en esta revista.
b. Los autores pueden establecer por separado acuerdos adicionales para la distribución no exclusiva de la versión de la obra publicada en la revista (por ejemplo, situarlo en un repositorio institucional o publicarlo en un libro), con un reconocimiento de su publicación inicial en esta revista.
Se permite y se anima a los autores a difundir sus trabajos electrónicamente (por ejemplo, en repositorios institucionales o en su propio sitio web) antes y durante el proceso de envío, ya que puede dar lugar a intercambios productivos, así como a una citación más temprana y mayor de los trabajos publicados (Véase The Effect of Open Access) (en inglés).
| 
| 
