Un estudio de la Universidad de Zaragoza arroja nuevos datos sobre el fenómeno de polarización en redes sociales online

(Zaragoza, jueves, 22 de enero 2026). Un estudio internacional liderado por investigadores de la Universidad de Zaragoza ha desarrollado un nuevo modelo que permite entender por qué las redes sociales favorecen la formación de grupos o entornos cada vez más polarizados. En dicho trabajo, coordinado por el profesor Yamir Moreno, director del Instituto BIFI y miembro del Departamento de Física Teórica, han participado también los investigadores Henrique Ferraz de Arruda, de la Fundación ARAID y miembro del BIFI, y Kleber Andrade Oliveira de la Universidad de Limerick, Irlanda. 

El trabajo, titulado “Mechanistic Interplay between Information Spreading and Opinion Polarization” y publicado en la prestigiosa revista PNAS Nexus, muestra que la forma en que circula la información en las plataformas digitales está estrechamente vinculada a la manera en que las personas adoptan y refuerzan sus opiniones. Al modelar mecanismos como el reenvío, la memoria limitada del usuario y la reconfiguración adaptativa de la conexión, la investigación revela cómo diferentes comportamientos y características de la plataforma pueden dar lugar a diversos fenómenos sociales como la polarización y las cámaras de eco, a través de la adaptación de algoritmos y la elección de información sesgada.

A diferencia de estudios anteriores que analizaban únicamente la difusión de información y la polarización por separado, este trabajo estudia ambos procesos de manera conjunta. En este contexto, los investigadores han desarrollado un modelo computacional que simula el comportamiento de los usuarios en redes sociales: cómo publican sus mensajes, cómo comparten contenidos ya existentes y cómo su atención es limitada, es decir, no pueden ver ni procesar toda la información que circula.

Uno de los aspectos más novedosos del estudio es mostrar que pequeños cambios en el funcionamiento de una red social pueden tener consecuencias significativas. Por ejemplo, cuando aparecen o se muestran pocos mensajes nuevos y los usuarios reutilizan una y otra vez los mismos contenidos, unas pocas ideas terminan imponiéndose y dominando la conversación. Esto hace que las personas se expongan siempre a los mismos puntos de vista, reforzando sus creencias, segmentando audiencias y aumentando la polarización.

El trabajo también pone de relieve el papel de los algoritmos de recomendación, que deciden qué contenidos ve cada usuario. Según el modelo, ligeras variaciones en estos algoritmos pueden marcar la diferencia entre un debate diverso, en el que conviven distintas opiniones, y un escenario dividido en “burbujas de información” (del Inglés echo chambers), donde cada grupo solo recibe información afín a sus ideas.

Para comprobar que el modelo era capaz de reflejar situaciones reales, los investigadores lo ajustaron utilizando datos provenientes de debates muy polarizados, como la campaña del Brexit o la vacunación. Como resultado, el modelo no sólo fue capaz de reproducir cómo se hacen virales los mensajes en estos casos, sino que también generó niveles de polarización similares a los observados en la realidad. Esto sugiere que la viralidad y la polarización no son fenómenos independientes, sino dos caras del mismo proceso. 

Según los autores, estos resultados, avalados por la robustez del modelo, abren la puerta a pensar en intervenciones sencillas, pero efectivas como fomentar una mayor diversidad de contenidos, mejorar el diseño de los algoritmos de las plataformas de redes sociales o reconsiderar cómo se priorizan y recomiendan los mensajes (especialmente los más antiguos) con el objetivo de reducir la polarización y favorecer un debate público más sano en el entorno digital.

El estudio se enmarca en una línea de investigación del grupo COSNET del Instituto BIFI que se centra en comprender y abordar diferentes retos sociales asociados a la desinformación y la polarización en la era digital.

Se puede acceder gratis al artículo en el siguiente enlace: https://doi.org/10.1093/pnasnexus/pgaf402

Se adjunta una composición gráfica, generada por el equipo investigador.