Cargando...
Fecha
2025-06-10
Editor/a
Director/a
Tutor/a
Coordinador/a
Prologuista
Revisor/a
Ilustrador/a
Derechos de acceso
info:eu-repo/semantics/openAccess
Título de la revista
ISSN de la revista
Título del volumen
Editorial
Citas
0 citas en 
0 citas en 
Resumen
Cuando la inteligencia artificial aprende del pasado, hereda sus prejuicios: los algoritmos no discriminan por decisión propia, sino porque reflejan las desigualdades de la sociedad que los entrena.
La presente investigación tiene por objetivo analizar cómo interactúan distintos grupos de edad con los algoritmos de recomendación en la red social TikTok y evaluar el impacto de dicha interacción, especialmente en relación con la reproducción de estereotipos de género. Con este objetivo se ha llevado a cabo una investigación que combina métodos cualitativos y cuantitativos. Se realizó un estudio exploratorio que incluyó la creación de cuentas ficticias en TikTok, configuradas según distintos rangos de edad y género, para observar el contenido sugerido por la plataforma desde el primer acceso y analizarlo cuantitativamente. Los resultados muestran que TikTok segmenta el contenido de manera diferenciada desde el primer acceso, reforzando estereotipos tradicionales: a las mujeres jóvenes se les recomienda mayoritariamente contenido vinculado a la estética y lo emocional, mientras que a los varones se les sugiere contenido centrado en el deporte y la acción. Esta segmentación algorítmica se da incluso sin historial previo de interacción, lo que indica una diferenciación estructural en la personalización del contenido. Finalmente, estos resultados conducen a la conclusión de que el algoritmo de TikTok no solo responde a las preferencias del usuario, sino que también reproduce activamente patrones socioculturales preexistentes. Esto plantea implicancias relevantes sobre el rol de estas plataformas en la construcción de identidad, especialmente durante las edades más tempranas, una etapa clave en el desarrollo de la creación de identidad.
When artificial intelligence learns from the past, it inherits its biases: algorithms do not discriminate by choice, but rather reflect the inequalities of the society that trainsthem. This research aims to analyze how different age groups interact with recommendation algorithms on the social network TikTok and to evaluate the impact of such interaction, particularly in relation to the reinforcement of gender stereotypes. To achieve this, a study was conducted using both qualitative and quantitative methods. An exploratory investigation was carried out that involved the creation of fictitious TikTok accounts configured according to different age and gender groups, in order to observe the content suggested by the platform from the very first access and analyze it quantitatively. The results show that TikTok segments content in a differentiated manner from the first interaction, reinforcing traditional stereotypes: young women are predominantly recommended content related to aesthetics and emotions, while men are shown content focused on sports and action. This algorithmic segmentation occurs even without prior interaction history, indicating a structural differentiation in content personalization. Ultimately, these findings lead to the conclusion that TikTok’s algorithm does not merely respond to user preferences but also actively reproduces pre-existing sociocultural patterns. This raises important implications regarding the role of such platforms in identity formation, particularly during early ages, a critical stage in the development of personal identity.
When artificial intelligence learns from the past, it inherits its biases: algorithms do not discriminate by choice, but rather reflect the inequalities of the society that trainsthem. This research aims to analyze how different age groups interact with recommendation algorithms on the social network TikTok and to evaluate the impact of such interaction, particularly in relation to the reinforcement of gender stereotypes. To achieve this, a study was conducted using both qualitative and quantitative methods. An exploratory investigation was carried out that involved the creation of fictitious TikTok accounts configured according to different age and gender groups, in order to observe the content suggested by the platform from the very first access and analyze it quantitatively. The results show that TikTok segments content in a differentiated manner from the first interaction, reinforcing traditional stereotypes: young women are predominantly recommended content related to aesthetics and emotions, while men are shown content focused on sports and action. This algorithmic segmentation occurs even without prior interaction history, indicating a structural differentiation in content personalization. Ultimately, these findings lead to the conclusion that TikTok’s algorithm does not merely respond to user preferences but also actively reproduces pre-existing sociocultural patterns. This raises important implications regarding the role of such platforms in identity formation, particularly during early ages, a critical stage in the development of personal identity.
Descripción
Categorías UNESCO
Palabras clave
discriminación algorítmica, desigualdad tecnológica, estereotipos de género, redes sociales, desigualdad de género, ética en IA
Citación
López Blanco, Susana. Trabajo Fin de Grado: "La construcción de género en la era algorítmica: Representaciones mediáticas y sostenibilidad social". Universidad Nacional de Educación a Distancia (UNED), 2025
Centro
Facultad de Ciencias Políticas y Sociología