“Básicamente, todo lo puedes encontrar ahí”: Creencias, sesgos y estrategias de búsqueda de estudiantes universitarios en los motores de búsqueda

• Vidal-Sepúlveda, Martha ^[1] ; Olivares-Rodríguez, Cristian ^[1] ; Cárcamo-Ulloa, Luis ^[1]
  1. [1] Universidad Austral de Chile

     Universidad Austral de Chile

     Valdivia, Chile

     
• Localización: Dígitos: Revista de Comunicación Digital, ISSN-e 2444-0132, Nº. 9, 2023 (Ejemplar dedicado a: Consumo de noticias y evasión de noticias en el sistema de medios híbridos), págs. 29-56
• Idioma: español
• DOI: 10.7203/drdcd.v0i9.264
• Enlaces
  • Texto completo
• Resumen

  • Esta investigación indaga las percepciones de estudiantes universitarios respecto delfuncionamiento de los motores de búsqueda. Se realizaron entrevistas semiestructuradas a 13estudiantes universitarios que previamente participaron de una sesión de búsqueda experimental.Posteriormente, se analizaron los datos del comportamiento de búsqueda con las respuestas delas entrevistas para identificar las creencias, criterios de selección de páginas webs y la operaciónde sesgos cognitivos en la búsqueda de información. El principal hallazgo es la observación de lossesgos de familiaridad, ranking, confirmación e información. Particularmente, se establece que lapreferencia del motor de búsqueda Google está asociada a la operación del sesgo de familiaridad con la plataforma. De esta manera, la mayoría de los participantes elige los primeros resultados basado en la confianza con el buscador. Lo que conlleva a un bajo número de consultas, independiente del tipo de tarea a resolver.

• Referencias bibliográficas
  • Baeza-Yates, R. (2018). Bias on the web. Communications of the ACM, 61(6), 54-61. https:// doi.org/10.1145/3209581
  • Baeza-Yates, R. (2020). Bias in search and recommender systems. Comunicación presentada en RecSys ‘20: Proceedings of the 14th ACM Conference...
  • Balabantaray, R. C. (2017). Evaluation of web search engines based on ranking of results and its features. International Journal of Human...
  • Banerjee, M., Zlatkin-Troitschanskaia, O., y Roeper, J. (2020). Narratives and their impact on students’ information seeking and critical...
  • Barilá, S. (2003). Regulation of TV Contents in Argentina. En von Feilitzen, C., y Carlsson, U. (Eds.), Promote or Protect? Perspectives on...
  • Baron, J. (2000). Thinking and deciding (3ª edición). Cambridge University Press.
  • Boyd, D., Levy, K., y Marwick, A. (2014, octubre). The networked nature of algorithmic discrimination. Open Technology Institute. Recuperado...
  • Brandão, G. D. S., Santos, J. O., y Borges, J. (2020). Comportamento infocomunicacional: um diagnóstico entre estudantes para a promoção de...
  • Breakstone, J., Smith, M., Connors, P., Ortega, T., Kerr, D., y Wineburg, S. (2021). Lateral reading: College students learn to critically...
  • Cano-Orón, L. (2019). Dr. Google, what can you tell me about homeopathy? Comparative study of the top 10 websites in the United States, United...
  • Creswell, J. W. (2013). Research design: Qualitative, quantitative, and mixed methods approaches. Sage Publications.
  • Cortada de Kohan, N. (2008). Los sesgos cognitivos en la toma de decisiones. International Journal of Psychological Research, 1(1), 68-73....
  • Chander, A. (2016). The racist algorithm. Michigan Law Review, 115, 1023. http://repository. law.umich.edu/mlr/vol115/iss6/13
  • Eisenberg, M. B., y Berkowitz, R. E. (2000). Teaching Information & Technology Skills: The Big6™ in Secondary Schools. Linworth Publishing,...
  • Fernández-Vicente, A. (2020). Hacia una teoría crítica de la razón algorítmica. Palabra Clave, 23(2), 1-26. https://doi.org/10.5294/pacla.2020.23.2.2
  • Flick, U. (2007). Introducción a la investigación cualitativa. Morata.
  • Jiang, M. (2014a). Search concentration, bias, and parochialism: A comparative study of Google, Baidu, and Jike’s search results from China....
  • Jiang, M. (2014b). The business and politics of search engines: A comparative study of Baidu and Google’s search results of Internet events...
  • Kalyani, R., & Gadiraju, U. (2019). Understanding user search behavior across varying cognitive levels. Comunicación presentada en HT...
  • Kuhlthau, C. C. (1991). Inside the search process: Information seeking from the user’s perspective. Journal of the American Society for Information...
  • Lewandowski, D. (2017). Is Google Responsible for Providing Fair and Unbiased Results? En M. Taddeo y L. Floridi (Eds.), The Responsibilities...
  • Liu, J., y Zhang, X. (2019). The role of domain knowledge in document selection from search results. Journal of the Association for Information...
  • Matute, H. (2019). Nuestra mente nos engaña. Sesgos y errores cognitivos que todos cometemos. Shackleton Books.
  • Nagel, M. T., Schäfer, S., Zlatkin-Troitschanskaia, O., Schemer, C., Maurer, M., Molerov, D.,... y Brückner, S. (2020). How do university...
  • Noble, S. U. (2018). Algorithms of oppression: How search engines reinforce racism. NYU Press.
  • Novin, A., y Meyers, E. (2017). Making sense of conflicting science information: Exploring bias in the search engine result page. Comunicación...
  • Olivares-Rodríguez, C., y Guenaga, M. (2015). Detection of the Student Creative Behavior Based on Diversity of Queries. En J. García-Chamizo,...
  • Olivares-Rodríguez, C., Guenaga, M., y Garaizar, P. (2017). Automatic assessment of creativity in heuristic problem-solving based on query...
  • Pariser, E. (2017). El filtro burbuja: Cómo la web decide lo que leemos y lo que pensamos. Taurus.
  • Pereira, S., Fillol, J., y Moura, P. (2019). El aprendizaje de los jóvenes con medios digitales fuera de la escuela: De lo informal a lo formal....
  • Piergiorgio, C. (2007). Metodología y técnicas de investigación social. McGraw-Hill.
  • Rutter, S., Blinzler, V., Ye, C., Wilson, M. L., y Twidale, M. D. (2019). Search tactics used in solving everyday how-to technical tasks:...
  • Schultheiß, S., Sünkler, S., y Lewandowski, D. (2018). We still trust in Google, but less than 10 years ago: an eye-tracking study. Information...
  • Siles, I., Espinoza-Rojas, J., Naranjo, A., & Tristán, M. F. (2019). The mutual domestication of users and algorithmic recommendations...
  • Su, N., He, J., Liu, Y., Zhang, M., y Ma, S. (2018, February). User intent, behaviour, and perceived satisfaction in product search. Comunicación...
  • Urgo, K., Arguello, J., y Capra, R. (2019). Anderson and krathwohl’s two-dimensional taxonomy applied to task creation and learning assessment....
  • Vidal-Sepúlveda, M., & Olivares-Rodríguez, C. (2021). ¿Quién elige mi dieta informativa? La datificación automatizada de personas en el...
  • Valenzuela, J., y Nieto, A. M. (2008). Motivación y Pensamiento Crítico: Aportes para el estudio de esta relación. REME, 9(28). http://reme.uji.es/articulos/numero28/...
  • Vilches, L. (Ed.). (2011). La investigación en comunicación: métodos y técnicas en la era digital. Gedisa.
  • Wildemuth, B. M., y Freund, L. (2012, October). Assigning search tasks designed to elicit exploratory search behaviors. Comunicación presentada...
  • Wu, W. C., y Kelly, D. (2015). Online search stopping behaviors: An investigation of query abandonment and task stopping. Comunicación presentada...
  • Yoganarasimhan, H. (2020). Search personalization using machine learning. Management Science, 66(3), 1045-1070. https://doi.org/10.1287/mnsc.2018.3255