Curación algorítmica, burbujas de filtro y exposición a la información democrática:Una investigación empírica PLS-SEM con un análisis multigrupo

Resumen

La proliferación de la curación algorítmica en redes sociales ha intensificado los debates académicos y de política pública sobre sus efectos en la diversidad informativa. Pese a dos décadas de desarrollo teórico desde la hipótesis de Pariser (2011), la evidencia empírica basada en modelos estructurales validados continúa siendo escasa. Objetivo: Este estudio desarrolla y contrasta empíricamente un modelo estructural de Percepción de Formación de Burbujas de Filtro (PFBF) y sus efectos descendentes sobre la Intención de Polarización Política (IPP) y el Compromiso con Noticias Digitales (CND), con la alfabetización mediática digital como variable moderadora. Método: Se administró una encuesta transversal en línea a N = 412 usuarios adultos de redes sociales (Medad = 29.4, DT = 7.8; 54.4% mujeres) reclutados mediante muestreo estratificado por cuotas en cinco países latinoamericanos. Se empleó Modelado de Ecuaciones Estructurales por Mínimos Cuadrados Parciales (PLS-SEM) mediante SmartPLS 4.0. Resultados: El modelo estructural explicó el 61.3% de la varianza en IPP (R² = .613) y el 44.7% en CND (R² = .447). La homogenización algorítmica percibida fue el predictor más fuerte de PFBF (β = .541, p < .001), y PFBF medió completamente el efecto de la intensidad de uso de plataformas sobre IPP. La alfabetización mediática digital moderó significativamente la ruta PFBF → IPP (β = −.198, p = .004).