¿Cómo responde el algoritmo de X durante la campaña electoral? Una aproximación experimental sobre las elecciones de CABA y de PBA

Lo que un usuario de redes sociales ve (o no ve) en su pantalla de celular depende en buena medida de los algoritmos de recomendación. Dado que, según el último reporte del Instituto Reuters, más de la mitad de los encuestados en Argentina usa las redes para informarse, los contenidos que las plataformas priorizan en sus feeds no solo contribuyen a amplificar ciertas narrativas, sino que pueden ejercer un peso importante en la agenda de la conversación pública.

En el contexto de las elecciones legislativas de 2025 en Argentina, y basados en las investigaciones de la organización Global Witness (GW, por siglas en inglés), en Chequeado exploramos los contenidos que el algoritmo de X muestra a sus nuevos usuarios, especialmente aquellos interesados en política pero sin tendencia partidaria explícita. 

Para ello, decidimos  analizar de forma experimental el comportamiento de X porque es la plataforma que eligen los actores influyentes del debate público para comunicar puntos de vista y decisiones de política pública; y porque los mensajes que circulan en esa red social suelen ser amplificados luego por los medios de comunicación para llegar al resto de la ciudadanía en forma masiva.  

Siguiendo la metodología de GW, generamos 6 usuarios con diferentes perfiles demográficos, cada uno con un interés explícito en las 2 principales fuerzas políticas de las elecciones en la Ciudad y en la Provincia de Buenos Aires -la alianza La Libertad Avanza (LLA) y Fuerza Patria (FP)- y en temas políticos en general. Para reflejar ese interés, cada cuenta comenzó siguiendo a los cabeza de lista de ambas fuerzas en CABA y en la PBA, así como a las cuentas oficiales de cada fuerza. Luego, analizamos qué contenidos aparecían en los feeds de esos usuarios durante sus primeros 20 minutos de exploración de la sección “Para ti”, donde la plataforma muestra posteos recomendados de manera algorítmica. La observación fue realizada el 9 de octubre (para más detalles, ver la sección Metodología).

Por cada tuit de contenido político que aparecía en la sección “Para ti”, analizamos si la publicación expresaba apoyo o rechazo hacia algún partido político, una medida o una política asociada a ellos. Con esta información, clasificamos cada tuit según si resultaba favorable a la alianza LLA, a FP, a ambas fuerzas, a otra fuerza política o a ninguna. 

Durante la observación encontramos más posteos favorables a La Libertad Avanza, incluso cuando el interés inicial del usuario era equilibrado. Además, la gran mayoría de los contenidos totales relevados provino de cuentas que los usuarios no seguían (es decir, recomendadas por el algoritmo) y, en su mayoría, de cuentas verificadas. 

¿Qué encontramos?

En este experimento, que tiene limitaciones y cuyas conclusiones no pueden generalizarse, el 55% de las publicaciones que aparecieron en la sección “Para ti” de los 6 usuarios analizados resultaron favorables a La Libertad Avanza, mientras que el 39% favorecieron a Fuerza Patria, una diferencia de 41% a favor de LLA.

La mayoría de los contenidos favorables a ambas fuerzas provino de cuentas que los usuarios no seguían, es decir, recomendadas algorítmicamente. De aquellos tuits favorables hacia LLA, el 70% correspondió a cuentas recomendadas por el algoritmo que los usuarios no seguían, mientras que el 30% fueron tuits correspondiente a usuarios seguidos. Respecto a los tuits favorables a FP, el 89% correspondió a cuentas que los usuarios no seguían mientras que 11% fue de cuentas no seguidas.

Si nos enfocamos en todos los tuits correspondientes a cuentas que no seguimos, encontramos un relativo balance entre aquellos que favorecen a LLA y los favorables a FP, siendo apenas un 11,9% más los favorables a LLA.

Sin embargo, notamos una diferencia marcada en las características de las cuentas no seguidas: el 97% de estas publicaciones que favorecen a LLA son de cuentas verificadas, frente al 67% de las que favorecen a FP. Es decir, entre las cuentas que no seguimos, casi todas las que apoyan a LLA tienen verificación.

Respecto al comportamiento en general de las publicaciones que aparecen en el feed de los usuarios analizados, encontramos que el 79% proviene de cuentas que no seguimos. Y de esas, el 84% corresponde a cuentas verificadas. Esto permitiría concluir que el algoritmo de X prioriza las cuentas verificadas con tilde azul para recomendar a través de su algoritmo. Este tilde de verificación es una función paga de la plataforma.

Metodología

Seguimos los lineamientos metodológicos de las investigaciones de Global Witness. 

1. Creamos 6 nuevos usuarios en la versión web de X. Antes de realizar el experimento con cada una de ellos, eliminamos las cookies y el historial de navegación para que esto no incidiera en los contenidos mostrados por el algoritmo. A cada uno de los usuarios le fue asignado un perfil solo distinguido por las variables de edad y género. Así, 3 de los usuarios fueron configurados como mujeres de 16, 25 y 50 años, y 3 fueron configurados como varones de 16, 25 y 50 años.

2. Con cada cuenta seguimos a 8 usuarios relevantes para el proceso electoral próximo. Las cuentas oficiales de La Libertad Avanza y Fuerza Patria, y las cabezas de lista en CABA y PBA para las categorías votadas en cada distrito. La toma de datos tuvo lugar el 9 de octubre, cuando aún seguía vigente la determinación del Juzgado Federal con competencia electoral de La Plata que establecía que Karein Reichardt sería la cabeza de lista de La Libertad Avanza tras la renuncia de José Luis Espert a su candidatura.

 3. En cada una de las cuentas seguidas interactuamos con sus 5 publicaciones más recientes en la pestaña “Posts” del perfil. En los casos en que los posteos incluyeron videos, reproducimos los primeros 30 segundos de cada uno. Cuando involucraban hilos, scrolleamos hasta el final de los mismos. Cuando incluían imágenes, visualizamos cada una de ellas.

4. A continuación, navegamos durante 20 minutos en la pestaña “Para ti”, la cual presenta contenidos dispuestos por el algoritmo. Allí interactuamos con los tuits con “contenido político” de la misma manera descrita en el paso previo. Definimos como tuits “políticos” a aquellos que refieren a partidos y alianzas, candidatos, representantes, propuestas, acciones de gobierno y evaluación de gestiones correspondientes a cualquier sector. 

5. Los posteos relevados fueron clasificados según:

• Si correspondían o no a una cuenta que seguimos.
• Si fue retuiteado o no por una cuenta que seguimos.
• Si expresaba apoyo o rechazo a las principales fuerzas que compiten en las elecciones
  • También registramos los casos en que se expresaba apoyo o rechazo a una tercera fuerza, y aquellos en los que no era posible determinar una inclinación definida.
  • Consideramos como “rechazo” a una fuerza aquellos tuits que eran críticos (o acusatorios) de candidatos o referentes públicos de las mismas.
• Si expresaba apoyo o rechazo a posiciones o acciones asociadas a las principales fuerzas que compiten en las elecciones.
• También registramos los casos en que se expresaba apoyo o rechazo a una tercera fuerza y aquellos en los que no era posible determinar una inclinación definida.

A partir de esta codificación, determinamos cuáles posteos eran favorables a LLA, cuántos eran favorables a FP y cuántos no eran claramente favorables a ninguno de los 2.

Limitaciones 

El experimento se realizó con un número pequeño de casos -6 cuentas nuevas- y no busca representar a todos los usuarios. Aun así, los resultados muestran una parte posible de la experiencia que pueden tener algunas personas en la plataforma, lo que permite identificar ciertos patrones y entender mejor cómo funciona el sistema de recomendaciones de X. Los resultados deben leerse como un punto de partida: una primera exploración que ofrece indicios y abre preguntas para estudios más amplios o futuras pruebas con mayor alcance.

Se podría argumentar que parte de la razón por la que vimos una mayor cantidad de contenido favorable a LLA es que este espacio tiene más popularidad en X o que publica con mayor frecuencia que otros partidos. Justamente, la clave está en que no sabemos cómo funcionan estos algoritmos que, a pesar de que el usuario muestre interés equivalente por ambas fuerzas políticas, termine viendo más contenidos favorables a una. No afirmamos que X haya favorecido deliberadamente contenido favorable a LLA por sobre el de FP, sino que lo que señalamos es que sus algoritmos produjeron ese resultado en las condiciones establecidas para esta exploración.