Al referirnos a un ecosistema de información digital, se debe tener presente la red compleja interconectada de tecnologías, plataformas, datos, individuos y organizaciones que participan en la creación, distribución, consumo, almacenamiento y gestión de información en formato digital. En un entorno digital, de forma similar a un ecosistema natural, diversos elementos interactúan y dependen unos de otros para dar forma al flujo y a la disponibilidad de la información.

Como indicó Floridi (2010):

De acuerdo con lo planteado por Buckland, (1991) , la naturaleza multifacética de la información se manifiesta de diferentes formas dentro de este ecosistema: "La información puede ser considerada como conocimiento comunicado, como información sobre conocimiento, como información en cosa (datos y documentos) y como proceso". Esta perspectiva evidencia que el ecosistema digital gestiona información en diversos formatos, desde datos brutos hasta conocimiento elaborado, y los elementos del ecosistema deben ser capaces de interactuar con estas diferentes manifestaciones.

Elementos que Componen un Ecosistema de Información Digital:

Un ecosistema de información digital está compuesto por varios elementos interdependientes, entre los que se incluyen:

• Infraestructura Tecnológica: hardware, software, redes de comunicación.
• Plataformas Digitales: redes sociales, motores de búsqueda, bases de datos académicas, repositorios digitales, plataformas de publicación, plataformas de comercio electrónico.
• Datos e Información: contenido textual, imágenes, videos, audio, conjuntos de datos estructurados y no estructurados, metadatos.
• Usuarios: individuos que crean, comparten, buscan, consumen e interactúan con la información.
• Organizaciones: empresas, instituciones académicas, gobiernos, organizaciones no gubernamentales que producen, gestionan y diseminan información.
• Políticas y Regulaciones: leyes de protección de datos, derechos de autor, normas de privacidad, políticas de acceso a la información.
• Estándares y Protocolos: formatos de archivo, protocolos de comunicación (HTTP, TCP/IP), estándares de metadatos.
• Algoritmos: sistemas automatizados que filtran, clasifican, recomiendan y dan forma a la información que los usuarios encuentran.

Ejemplos:

A continuación, se citan algunos ejemplos:

• Un investigador que utiliza una base de datos académica (plataforma digital) para encontrar artículos científicos (datos e información) a través de su computadora (infraestructura tecnológica) y citarlos en su trabajo, respetando las normas de derechos de autor (políticas y regulaciones).
• Un ciudadano que se informa sobre un evento actual a través de noticias publicadas en un sitio web (plataforma digital), compartiendo su opinión en una red social (plataforma digital) y viendo anuncios relacionados con el tema basados en sus interacciones previas (influencia de algoritmos).

3.1. Panorama de las redes sociales como fuentes de información

En la actualidad, las redes sociales se han convertido en uno de los principales canales de difusión de información, desempeñando un papel crucial en la forma en que consumimos y compartimos datos. Plataformas como Facebook, X (antes Twitter) e Instagram no solo facilitan la interacción entre usuarios, sino que también permiten la circulación rápida de noticias y contenidos relevantes. Sin embargo, este fenómeno plantea retos significativos, ya que la inmediatez de la información puede llevar a la propagación de datos erróneos o malinterpretados. Por ejemplo, un tuit viral puede alcanzar a miles de personas en cuestión de minutos, lo que genera tanto beneficios como riesgos para la veracidad del contenido que se comparte. Esto ha llevado a una creciente preocupación sobre cómo discernir entre información válida y engañosa en un entorno digital tan saturado (Argiñano, 2020).

El impacto de las redes sociales en la percepción pública y el acceso a la información es innegable. La capacidad de los usuarios para difundir sus opiniones y experiencias a través de estos canales ha democratizado la comunicación, pero también ha permitido que se propague desinformación. Este ecosistema informático exige que los consumidores adopten un enfoque crítico hacia el contenido que encuentran. Así, no solo se trata de consumir información, sino también de cuestionar su origen y contexto. Por lo tanto, es esencial educar a los estudiantes sobre el uso responsable de las redes sociales como fuentes de información, promoviendo habilidades críticas que les permitan navegar con seguridad en este complejo panorama digital (Hernández Ruiz, 2025).

3.2. Criterios para evaluar fuentes confiables vs. no confiables

La evaluación crítica de las fuentes es fundamental en el ecosistema digital actual, donde la cantidad de información disponible puede ser abrumadora. Para discernir entre fuentes confiables y no confiables, los estudiantes deben familiarizarse con varios criterios esenciales. Uno de los aspectos más importantes es verificar la autoridad del autor o la entidad detrás del contenido; esto incluye investigar sus credenciales y su experiencia en el tema abordado. Además, es crucial considerar el propósito del contenido: si tiene intenciones comerciales o políticas, esto podría influir en su objetividad. Por ejemplo, un artículo publicado por una organización sin fines de lucro dedicada a la investigación científica podría ser más confiable que un blog personal con una agenda particular (Isidori, 2017)

3.2.1. Consideraciones para Prevenir Errores en el Ecosistema de Información Digital (en el contexto de la investigación):

En el ámbito de la investigación, es crucial ser consciente de los posibles errores y sesgos inherentes al ecosistema de información digital. A continuación, se presentan algunas consideraciones relevantes:

Evaluación Crítica de las Fuentes: No toda la información digital es confiable o precisa. Es fundamental aplicar habilidades de pensamiento crítico para evaluar la autoridad, el propósito, la objetividad, la precisión y la actualidad de las fuentes de información. La proliferación de noticias falsas y desinformación en línea exige un escrutinio riguroso.

Comprensión de los Algoritmos y las Burbujas de Filtro: Los algoritmos de recomendación pueden limitar la exposición a diversas perspectivas al crear "burbujas de filtro" o "cámaras de eco", donde los usuarios solo ven información que confirma sus creencias existentes. Los investigadores deben ser conscientes de este fenómeno y buscar activamente fuentes de información diversas y contrastantes.

Ejemplo: Un investigador que solo consulta fuentes de noticias con una determinada orientación política puede no tener una comprensión completa de un problema social complejo.

Sesgos en los Datos y los Algoritmos: Los datos utilizados para entrenar algoritmos pueden contener sesgos inherentes, lo que puede generar resultados parciales en la búsqueda y recomendación de información. Los investigadores deben identificar estos sesgos potenciales y considerar cómo podrían afectar sus hallazgos.

Ejemplo: Si un algoritmo de búsqueda de imágenes se entrena principalmente con imágenes de un determinado grupo demográfico, podría ofrecer resultados inexactos o limitados al buscar imágenes de otros grupos.

Problemas de Acceso y Brecha Digital: No todas las personas tienen el mismo nivel de acceso a la información digital ni las habilidades necesarias para utilizarla eficazmente. Los investigadores deben tener en cuenta la brecha digital y cómo esta puede influir en la representatividad de las fuentes de información y en la participación en la creación del conocimiento.

Ejemplo: Investigar sobre el uso de internet en una población específica requiere considerar las diferencias de acceso tecnológico entre distintos grupos socioeconómicos.

Cuestiones de Privacidad y Seguridad: La recopilación y el uso de datos personales en el entorno digital plantean importantes cuestiones éticas. Los investigadores deben actuar de forma responsable y respetar la privacidad de los individuos.

Ejemplo: Al utilizar datos de redes sociales en una investigación, es imprescindible anonimizar la información personal y obtener el consentimiento informado, si corresponde.

Preservación y Acceso a Largo Plazo: La naturaleza efímera de la información digital representa un desafío para su preservación. Los investigadores deben evaluar la disponibilidad futura de las fuentes digitales que utilizan.

Ejemplo: Citar un tweet como fuente primaria de información puede ser problemático si la cuenta se elimina o el tweet se borra.

En la Figura 2 se presentan las consideraciones para prevenir errores de información en el ecosistema de información.

En el marco del ecosistema digital, resulta fundamental comprender el funcionamiento de los algoritmos, especialmente en redes sociales. A continuación, se describen sus elementos principales:

¿Qué es un algoritmo?

Según (Cormen, 2009), en su libro Introduction to Algorithms:

¿Qué es un algoritmo de recomendación?

Un algoritmo de recomendación es un tipo particular de algoritmo que fue creado para predecir las preferencias de los usuarios y recomendarle elementos que puedan ser de su interés. Por “elementos” se entienden publicaciones, música, videos, productos, personas a seguir, entre otros. Su objetivo principal es aumentar la participación del usuario, prolongar su permanencia en la plataforma y, en muchos casos, facilitar la monetización.

Como indican Ricci et al. (2011), los sistemas de recomendación son programas de software que generan sugerencias de elementos que probablemente interesen a los usuarios.

¿Cuál es el funcionamiento básico de un algoritmo de recomendación?

En la actualidad los algoritmos de recomendación en las redes sociales cambian constantemente y son muy sofisticados gracias a la utilización de técnicas de inteligencia artificial y aprendizaje automático muy avanzadas, el funcionamiento básico puede comprenderse a través de los siguientes enfoques clave:

• Filtrado colaborativo (Collaborative Filtering): este enfoque parte de la premisa que los usuarios que han mostrado preferencias similares en el pasado, con un alto nivel de probabilidad presentarán su gusto en elementos similares en el futuro. Dentro de este enfoque se identifican dos tipos básicos:
  • Basado en usuarios: este enfoque identifica usuarios similares en función a sus interacciones (me gusta, comentarios, compartidos, visualizaciones, etc.) y recomienda elementos que a esos usuarios similares les ha gustado.
  • Basado en ítems: en este caso identifica elementos que son similares entre sí en base a la forma en la que los usuarios han interactuado con ellos y recomienda elementos similares con los que se ha interactuado de forma positiva.
• Filtrado basado en contenido (Content-Based Filtering): este enfoque se basa en el análisis de las características de los elementos con los que un usuario ha interactuado en el pasado y recomienda elementos similares en función de esas características.
• Enfoques híbridos: combinan los métodos anteriores e incorporan técnicas más sofisticadas, como el aprendizaje profundo, para mejorar la precisión y diversidad de las recomendaciones. Actualmente, la mayoría de las plataformas de redes sociales utilizan este enfoque.

El funcionamiento básico que el algoritmo realiza puede definirse en las siguientes fases:

• Recopilación de datos: en base a las interacciones de los usuarios con el contenido.
• Análisis de datos: para identificar patrones, similitudes entre usuarios y elementos.
• Predicción de preferencias: en base al análisis identifica los elementos de mayor interés.
• Generación de recomendaciones: genera una lista de elementos recomendados.
• Retroalimentación y ajuste: ajusta su modelo para mejorar futuras predicciones.

Comprender estos procesos es clave para analizar cómo se distribuye la información, cómo se configuran las burbujas de filtro, cómo se influye en la opinión pública y de qué modo pueden utilizarse —o manipularse— estos sistemas para la difusión de noticias, publicidad u otros contenidos digitales.

En la Figura 3 se ilustran los elementos del funcionamiento básico de un algoritmo de recomendación.

Métodos de Evaluación Empírica de la Precisión

Profundiza más:

4.1. Ejercicio práctico: análisis de fuentes en un tema de actualidad

Título del Ejercicio: Análisis Crítico de Fuentes sobre un Tema de Actualidad en Redes Sociales. (El desarrollo de esta actividad se encuentra en el apartado de tareas).

4.2. Importancia de la alfabetización informacional

4.2.1. Definición y objetivos

La alfabetización informacional es la capacidad de identificar, localizar, evaluar, organizar y usar la información de manera efectiva y ética para resolver un problema o tomar una decisión. Implica un conjunto de competencias que permiten a los individuos interactuar críticamente con la información en sus diversos formatos y fuentes. En la Figura 4 se detallan los elementos esenciales de esta competencia.

La American Library Association (ALA), en su Presidential Committee on Information Literacy: Final Report (1989), definió la alfabetización informacional de la siguiente manera:

Esta definición pionera subraya la naturaleza holística de la alfabetización informacional, que abarca desde la identificación de la necesidad de información hasta su uso responsable.

Elementos Clave de la Alfabetización Informacional:

Diversos modelos y marcos han surgido para detallar los elementos o competencias de la alfabetización informacional. Uno de los más influyentes es el modelo de las Seis Habilidades de la Alfabetización Informacional propuesto por SCONUL (Society of College, National and University Libraries, Reino Unido, 2011):

• Identificar la necesidad de información: Ser capaz de definir y articular claramente una necesidad de información para un propósito específico.
• Encontrar la información: Ser capaz de identificar y utilizar diversas estrategias de búsqueda y fuentes de información apropiadas (bases de datos, catálogos, internet, expertos, etc.).
• Evaluar la información: Ser capaz de evaluar críticamente la información encontrada en términos de su relevancia, fiabilidad, precisión, autoridad, actualidad y sesgo.
• Organizar la información: Ser capaz de organizar, sintetizar y gestionar la información seleccionada de manera efectiva para responder a la necesidad de información.
• Crear y comunicar la información: Ser capaz de adaptar, aplicar, crear y comunicar la información y el conocimiento a otros de manera apropiada al contexto.
• Evaluar el proceso: Ser capaz de reflexionar sobre el proceso de búsqueda y uso de la información para mejorar las habilidades futuras.

En la Figura 5 se identifican las seis habilidades básicas que se deben desarrollar frente a los requerimientos de la alfabetización informacional.

Adentrándonos en la esencia misma de la alfabetización informacional, resulta evidente que esta competencia va más allá de la simple adquisición de datos, configurándose como un proceso integral que fomenta la capacidad de transformar información en conocimiento significativo. (Maguiña-Ballón2021)

4.3. Desafíos en la búsqueda de información

4.3.1. Desinformación y fake news

A la par de los beneficios que ofrecen las redes sociales, se evidencia que la rápida proliferación de fake news y desinformación plantea retos complejos en la búsqueda de una información veraz. Así, resulta imperativo que los ciudadanos aprendan a identificar y deconstruir narrativas manipuladoras, comprendiendo que los mecanismos que difunden estas falsedades pueden distorsionar percepciones y minar la confianza en las instituciones.

4.4. Tendencias futuras en la información digital

Nuevas tecnologías en la búsqueda de información

Observando la creciente integración de herramientas basadas en inteligencia artificial y la expansión de las capacidades de procesamiento de datos, se vislumbra un futuro en el que la búsqueda de información se convierta en un proceso cada vez más automatizado y personalizado (Sánchez Gonzales, 2020). Así, se abre la posibilidad de una interacción más intuitiva y segura, en la que la tecnología no solo optimice los procesos de búsqueda, sino que también refuerce la confianza en la veracidad de los datos presentados (Herrada Lores, 2022). En la Figura 7 se plantean algunas tecnologías que deben considerarse para la búsqueda de información en el futuro.