Para describir la situación comunicativa en la que se encuentra un lector/usuario "es necesario comprender en primer lugar la producción, el campo de producción y la relación entre el campo en el cual ha sido producido y el campo en el cual es recibido o, más precisamente, la relación entre las posiciones del autor y lector", ya que una lectura crítica se basa en que "los textos tienen implicaciones, que están insertos en redes de problemas, que es necesario reconstituir" (Bourdieu, 2005: 199).

La situación comunicativa puede describirse de la siguiente manera: el espacio específico de distribución textual es la web, la cual genera unas condiciones propias de producción discursiva -que se llamarán producción de contenidos o textos, aunque también se esté hablando de videos, imágenes y demás formatos-, se distribuyen, en gran medida, a través de medios particulares, los MB, y están social e históricamente situadas en redes de problemas. El que aquí se quiere abordar es el de la generación de una cantidad inmensa de textos que no sabemos leer e interpretar por los elementos contextuales que, por un lado, ya hemos naturalizado de manera crítica y, por otro, no podemos conocer.

Por lo anterior, los lectores reciben textos/contenidos indexados de manera personalizada por una máquina que sabe leerlos (los MB). Estos son producidos por autores (desde hace relativamente poco también por modelos masivos de lenguaje natural - LLM) en diversos formatos (audiovisual, escrito o sonoro), después de consultar las preguntas que los lectores le hacen a la que aquí se nombrará máquina lectora y que se refiere, en primera instancia, a los MB, aunque esto podría expandirse a otras tecnologías mediadoras. Luego, realizan varias iteraciones de indexación con otras máquinas simuladoras de la primera máquina lectora (programas de optimización) y liberan el contenido que entra en una competencia de posicionamiento con otros creados de la misma manera. Los textos/contenidos esperan una buena clasificación en el ranking (Search Engine Results Page - SERP), logran una posición determinada y llegan eventualmente al lector humano. Así mismo, continúan evaluándose, refinándose y optimizándose para obtener una mejor puntuación frente al MB.

En esta situación comunicativa hay una especie de género discursivo que muestra "unas formas típicas para la estructuración de la totalidad, relativamente estables" (Bajtín, 1982: 267), y que "se define por la especificidad de una esfera discursiva dada, por las consideraciones del sentido del objeto o temáticas, por la situación concreta de la comunicación discursiva, por los participantes de la comunicación" (Bajtín, 1982: 267). Así, en la situación comunicativa descrita se presenta una voluntad discursiva con una mediación tecnológica de la comunicación tal que, como planteó Martín-Barbero (2003: 13), "deja de ser meramente instrumental para espesarse, densificarse y convertirse en estructural", lo que cataliza "nuevos modos de percepción y de lenguaje, nuevas sensibilidades y escrituras".

Dado que "la comprensión de cualquier texto es necesariamente dependiente del conocimiento de las formas materiales que ha tomado" (Chartier, 1995: 14), hay que enfatizar que, para la especificidad de la esfera discursiva, el conocimiento común del funcionamiento de la virtualidad como forma material de los textos/contenidos es limitado, como ya se ha dicho. Pero no es solo esto, también hay que considerar lo que esta materialidad significa en la larga historia del libro y de la lectura, como lo describió Chartier (1995: 24):

Nuestra revolución actual es obviamente más extensiva que la de Gutenberg. Modifica no solamente la tecnología de reproducción del texto sino también la materialidad del objeto que comunica el texto a los lectores. Hasta la digitalización del texto ninguna innovación tecnológica en la historia había transformado las herencias del manuscrito en su organización por folios y páginas, su jerarquía de formatos (...) y sus ayudas para la lectura (concordancias, índices y tablas)².

A continuación, se remitió a varios momentos de cambio radical en la historia de los escritos en distintas corrientes culturales (de Oriente y Occidente) para dilucidar lo que puede significar la transformación de los textos físicos a los digitales: "la sustitución de la pantalla por el códex es una transformación mucho más radical porque esta cambia los métodos de organización, estructura, consulta y hasta la apariencia de la palabra escrita. Tal revolución requiere otros términos de comparación". Otros autores contemporáneos se refieren a dos componentes importantes cuando el soporte de lectura es una pantalla; dicen que esta "debe ser organizada para dar información y metainformación sobre la situación comunicativa" (Després; Cotte, 2007: 5), sin embargo, algunos de ellos son invisibles para un lector desprevenido.

En dicho contexto, este artículo describirá los elementos nombrados anteriormente desde el ejercicio de revisión interdisciplinar para evidenciar las redes de problemas en las que estos contenidos/textos están implicados. Esto se realizará en dos partes. La primera se refiere a las variables relacionadas en el contexto de distribución de los contenidos. Empieza con un breve contexto de internet, sus navegadores y de los MB; luego se describirán su funcionamiento y algunos aspectos históricos de su diseño. Después, se analizarán los resultados del ejercicio de indexación que se organiza en las páginas de los resultados del motor de búsqueda SERP -que se conocen como tráfico orgánico- y se revisarán los agentes o grupos de interés que la literatura identifica para el contexto.

El lector o usuario final, que no es un receptor pasivo necesariamente, será el nodo de la segunda parte del artículo en la que se describirán elementos del contexto de producción. En esta parte, la literatura encontrada indagó sobre los sesgos presentes en los algoritmos de los MB y nombró algunas estrategias comunes de organización de motores de búsqueda (OMB). El artículo cierra con una reflexión sobre los vacíos que esto muestra en la alfabetización digital, tecnocientífica o tecnológica.

En las décadas siguientes al surgimiento de la web, surfear, término que se impuso para describir la interacción con esta, podía hacerse a través de programas llamados graficadores de enlaces o grafos (link graphs), índices de alta calidad construidos y actualizados por humanos como Yahoo o Altavista (Brin; Page, 1998), o a través de los MB existentes cuyo alcance era limitado (como el World Wide Web Worm de 1997) y algunos otros privados (ya fueran académicos o corporativos).

En 1998, Sergei Brin y Lawrence Page (1998), entonces estudiantes de la Universidad de Stanford, publicaron un artículo sobre un motor de búsqueda de gran escala que se planteaba automatizar la navegación en la web incluyendo grandes cantidades de datos de manera eficiente. Estaba diseñado para adaptarse a los cambios tecnológicos que se proyectaban para integrar hipertextos, con posibilidades de adaptación para la capacidad de computación de distintas máquinas y, finalmente, para mejorar la usabilidad de la web, ya que para llegar a una página o contenido debía saberse la dirección exacta, lo cual era un problema de optimización. Los problemas que debían resolverse para que esta tecnología tuviera una aplicación fuera de los ámbitos académicos eran, entre otros, la cantidad de tiempo necesario para obtener resultados completos y de calidad.

Un motor de búsqueda es un programa que se compone de varios algoritmos. El primero de estos, diseñado por Brin y Page, que arrojaba los resultados de las búsquedas, se llamó PageRank -tomando el apellido de Lawrence Page y un verbo que hace referencia a su función principal-. Este algoritmo fue el origen de una manera distinta de acceder a la información en la web y el inicio de la compañía tecnológica Google, que ahora conocemos como Alphabet, una de las cinco empresas que monopolizan el sistema base en Estados Unidos, "la cual ahora ha penetrado el núcleo de la vida económica y civil en la mayoría de los continentes, excepto China" (Van-Dijck, 2021: 2).

El algoritmo fue patentado por sus diseñadores, en conjunto con el Massachusetts Institute of Technology (MIT) y, por esta razón, el documento de su publicación original, resultado de un proceso académico, está protegido por derechos de autor y no puede conocerse a detalle. Para conocimiento general, se liberó una versión que describe las decisiones de diseño y los problemas que buscó solucionar como testigo del evento.

Los MB previos usaban palabras sin contexto semántico ni orden sintáctico para ofrecer resultados (Brin; Page, 1998), lo que era poco eficiente para la calidad deseada de las búsquedas y su relevancia. El principio de calidad (Brin; Page, 1998), precisión o importancia (Díaz, 2008) de una página para una búsqueda definida se obtiene de la confianza que una le entrega a otra, simulando la práctica de citación académica. Así lo nombraron los diseñadores del algoritmo: "de manera general, contando la cantidad de citaciones o backlinks que un sitio web contiene además de la presencia de ciertas palabras de búsqueda" (Brin; Page, 1998: 4), pero, aunque el algoritmo "calcula cada página en su índice, la importancia de cada enlace difiere y no se cuenta igualitariamente" (Ridgway, 2023: 4).

De esta manera, el motor de búsqueda es un mecanismo de indexación, es decir, es un ordenador del contenido y un moderador que arroja de manera organizada los textos dependiendo del cálculo que sitúa la Uniform Resource Locators (URL) en el ranking construido con unas características definidas (Mager et al., 2023).

En el artículo, Brin y Page (1998: 4) también propusieron que PageRank podía entenderse como "un modelo del comportamiento de un usuario buscando información de confianza en internet". Con esto, nombraron una especie de usuario arquetípico que necesitaba encontrar información que estaba dispersa en la web. Más adelante hablaremos del usuario de confianza o trusted user que es un elemento clave de este contexto de producción de los contenidos/textos en internet.

Aunque "todos los ingredientes para PageRank ya estaban disponibles desde mediados de 1990" (Ridgway, 2023: 6), el MB de Google evoluciona sin descanso. Desde 2007, varios artículos indicaron que "está usando más de 200 señales para determinar la clasificación de una página web en su indexación, con cientos de máquinas involucradas en el proceso para cada búsqueda" (Eustace como se citó en Evans, 2007: 2). Según Evans (2007), las actualizaciones anuales realizadas a los algoritmos pueden ser del orden de los miles, lo que suma a esto mayores dificultades para comprender su funcionamiento, incluso suponiendo que se pudiera conocer el diseño o el código, lo cual no es posible por las razones de propiedad intelectual ya expuestas (Ridgway, 2023). Con las actualizaciones, "PageRank es entonces tanto un sistema de análisis de enlaces como un sistema IR (sistema de recopilación de información - Information Retrieval)" (Rieder como se citó en Ridgway, 2023: 6), y con el desarrollo se ha nombrado además como máquina perfiladora (profiling machine). Por esta y otras razones se considera como una tecnología de caja negra (black box technology), he aquí la razón de usar el adjetivo en este contexto.

El algoritmo PageRank ha ido migrando paulatinamente a RankBrain desde el 2014, "un algoritmo de machine learning que está siendo implementado para hacer consultas irreconocibles (...) y ahora es considerado la tercera señal después de los enlaces y el contenido" (Sullivan como se citó en Ridgway, 2023: 10). En 1998, los creadores del MB dicen simplemente que Google es una herramienta de búsqueda (Ridgway, 2023), sin embargo, cabría preguntarse si su función ha cambiado y analizar sus impactos, ya que "los resultados de Google se han escrutado alrededor de los años por lo que privilegian, sea la web de superficie (the surface web), las poderosas y optimizadas páginas web, la función de personalización y otras propiedades" (Rogers, 2023: 1) que comúnmente favorecen intereses económicos (Mager et al., 2023).

Respecto a lo anterior,

Google incorpora desarrollos dentro de la disciplina de la inteligencia artificial, machine learning y LLM (large language models - algoritmos de lenguajes de gran escala) como BERT, MUM, PaLM, GLaM, iniciativas como la de los 1000 Languages, LaMDA y, el chatbot Bard dentro del MB. (Ridgway, 2023: 14)

En 2024, este ha tomado un nuevo nombre, Gemini, cuyo efecto como un LLM apenas está por verse. Estas tecnologías oscurecen parte del ejercicio necesario para la interpretación de los textos en la web, ya sea que actuemos como usuarios o como creadores de contenidos.

A continuación, se describen algunas de las decisiones de diseño de los MB que hacen parte de la función que desempeñan y dan la forma centralizada y no distribuida a la web. Aquí se nombrarán, aunque se articularán a la situación comunicativa en el contexto de producción.

La literatura describe siete decisiones de diseño de los MB que tienen efecto en la reflexión que se propone este artículo. El primero es el usuario de confianza o trusted user, mecanismo del MB de retroalimentación de usuario para definir el peso correcto del enlace para la indexación y el ranking. Los lectores, los usuarios, o quienes reciben el contenido funcionan como evaluadores de la calidad de la búsqueda. Aunque este tipo de usuario es un evaluador de varias iteraciones del algoritmo de búsqueda en los primeros diseños, también es uno de sus principios de funcionamiento, pues tal es el nombre del nivel de confianza que los usuarios/lectores tienen con respecto a la herramienta: "Usuarios que tienen un alto nivel de confianza en los MB y en Google en particular" (Schultheiß; Lewandowski, 2021: 2). Esto ha sido demostrado por numerosos estudios, por ejemplo, sobre la confiabilidad de los resultados, la confianza en los mismos en el ranking, particularmente, y en el uso de SERP como su criterio de calidad.

La siguiente herramienta ya se ha descrito de manera reiterada, pero no se ha nombrado como tal, es la estrategia de los backlinks, que es la actividad de cocitación entre páginas web y otros tipos de contenidos bajo una URL. Quienes estudian el comportamiento del algoritmo proponen que este es uno de los indicadores más directos para una buena clasificación en el ranking, como se describirá más adelante.

Otra herramienta es la personalización, en la que "usuarios de confianza se agrupan en coincidencias de audiencias con consumidores que se vuelven propiedad de Google y, adicionalmente, se correlacionan con audiencias por similitud dentro de las bases de datos de YouTube y Gmail" (Ridgway, 2023: 11). Ridgway (2023: 12), trajo reflexiones de Esposito, Mayer y Cukier, investigadores de los efectos de big data, para explicarlos desde otras formas de uso estadístico como generar perfiles de usuarios: "estos procedimientos digitales que guardan búsquedas constantes y calculan correlaciones luego, procesan los patrones y generan datos nuevos que reemplazan la validez estadística". Con este ejercicio no hay necesidad de muestreo de una población para investigar sus comportamientos porque se puede obtener información casi de su totalidad.

La estrategia de búsqueda a través de palabras clave (keyword searches) es una característica importante desde los inicios de este MB y permitió flexibilizarlas por lo que un usuario/lector puede ingresar palabras aproximadas y aun así obtener resultados. En el caso de buscadores previos al de Google, estos exigían que se indicaran las palabras exactas con ortografía correcta para poder obtener resultados. Según Feuz (como se citó en Ridgway, 2023: 7), lo anterior generó una base de datos para la plataforma que "reflejó los pensamientos de los usuarios como si fueran consultas, impartiendo el poder de una cierta gobernabilidad semántica". Además, Ridgway (2023) sostuvo que realizar consultas con palabras clave se ha convertido en un hábito de los nuevos medios, o sea que este aspecto es extensible a otros espacios de comunicación virtuales.

La funcionalidad de autocompletar lo que el usuario/lector busca ha evidenciado un tipo de sesgos distintos a los que dan forma a la web a través de los backlinks o cocitación, ya que empezó a evidenciarse que los resultados de las consultas y los perfiles creados con el procesamiento de esa gran cantidad de información presentaban sesgos de estereotipo y eran socialmente problemáticos: "Google ha oscurecido los orígenes de autocompletar para dejarlo impune a los estereotipos y otros resultados problemáticos" (Roger, 2023: 5).

El último recurso que se integra para la lectura es el de la publicidad (advertising). Es la línea de negocios de publicidad pagada del MB que, aunque se sabe que hace parte de este, algunos estudios muestran que los usuarios "no están suficientemente familiarizados con los modelos de negocios de Google y tienen dificultades distinguiendo ads de los resultados orgánicos" (Schultheiß; Lewandowski, 2021: 2), entonces, no es tan clara la división entre el espacio dedicado a tal ejercicio con fines comerciales y el tráfico o resultados orgánicos, es decir, los que participan en el ranking.

Los diseñadores del MB argumentaron que esta funcionalidad era un apoyo para que los consumidores siempre accedieran a los mejores productos (en una de las versiones del artículo publicado en 1998), sin embargo, el diseño el MB se basa en la confianza que un usuario tiene en su neutralidad y las estrategias usadas para la funcionalidad argumentada, se vuelven casi invisibles, incluso para un ojo entrenado pues el objetivo es justo este. Lo que logran las técnicas de optimización para MB es diseñar estrategias para disminuir lo que en el campo llaman fricción- para avanzar en el funnel o túnel de conversión (término del mercadeo digital) en el que un lector se convierte en comprador.

Estos solo son algunos de los procesos del funcionamiento de este motor de búsqueda, aunque no se puede saber exactamente cómo trabaja. Por esta razón, los MB se caracterizan como tecnologías de caja oscura o black box technologies (Ridgway, 2023), lo que representa parte de la dificultad que termina en imposibilidad de hacer lectura crítica de los contenidos en la web. Esto se argumenta desde distintas perspectivas en la crítica al capitalismo cognitivo o al capitalismo de vigilancia. Sin subvalorarlas, aquí interesa resaltar que el adjetivo -el de caja oscura- indica que el ejercicio de conocimiento "es inicialmente desestructurado y amenazado por esa información que no puede alcanzarse" (Zuboff, 2019: 2).

La base de este argumento está en las operaciones de traducción de la teoría de las redes sociotécnicas de Bruno Latour que propone que dichas operaciones sean realizadas por todos los agentes del sistema y así estos podrían "interpretar el significado de los artefactos tecnológicos" (Feenberg como se citó en Ridgway, 2023: 3). En este artículo, se problematizó el hecho de no poder realizar la operación de traducción necesaria para la lectura crítica dado el oscurecimiento de los medios para acceder a los textos en internet.

Se concluye entonces que los MB no son transparentes y no pueden serlo, ya sea por estar protegidos por el secreto empresarial o porque no pueden ser de dominio común, debido a la visibilidad que logran otorgar bajo sus mecanismos centralizadores y organizadores de los resultados personalizados de búsqueda.

A continuación, se describirá lo que la literatura muestra sobre los agentes participantes en esta situación comunicativa.

En la situación comunicativa descrita, distintos autores han reconocido varios agentes o grupos de interés que influyen en las diversas etapas del procedimiento, ya que "el proceso de publicación cualquiera que sea su modalidad siempre es un proceso colectivo, que implica a numerosos actores para la materialidad del texto de la textualidad del libro" (Chartier, 2006: 14).

Para acceder a información en internet hay varias maneras. La primera es conocer la URL en la que está la información (porque distintos moderadores de contenido humanos o sistematizados lo provean o simplemente porque se sabe). La segunda es usar un MB, ya sea a través de un asistente o de manera directa. También existen "los metasearch engines - metacrawlers, niche search engines - como Deadliner, portales de información - como Yahoo, y motores de comparación de compras - mySimon" (Bhargava; Feng, 2002: 117), algunos ya desaparecidos. Desde el 2021, esta mediación también está empezando a ser realizada por las llamadas inteligencias artificiales basadas en los LLM que se vienen relacionando.

Aunque existen proveedores distintos de MB, "Google domina alrededor del 92 % del mercado de las búsquedas mundiales, así era hasta noviembre 2022" (Ridgway, 2023: 1). Esto quiere decir que este contexto tiene nombre propio y, dadas las ventajas que ofrece, se considera para los efectos como primer recurso: "consultar principalmente empieza en un sitio de motor de búsqueda, lo que significa que cualquier página puede convertirse en la frontal" (Després; Cotte, 2007: 5) para obtener la atención del usuario. Esto "les da [a los MB] una influencia tremenda en la adquisición de conocimiento de los usuarios de internet" (Schultheiß; Lewandowski, 2021: 1) y sus comportamientos de lectura.

Se encontraron pocos estudios que describieran el contexto en este sentido, los hallados nombraron los siguientes grupos de interés: 1) los creadores o proveedores de contenidos (contentproviders) que agrupa agencias y servicios de profesionales de diversas disciplinas y formatos dedicados a crear textos/ contenidos para la web que se entregan al usuario/lector a través de servicios de otros profesionales que diseñan programas para gestionar contenidos (unos mejor reputados para la indexación que otros). Estos trabajan de la mano con 2) los optimizadores para motores de búsqueda (search engine optimizers - SEO) que son quienes están estudiando la competencia de los textos/contenidos en los MB y sus SERP, y diseñan estrategias para escalar allí que luego ejecutan los creadores o proveedores de contenido, quienes "son forzados a diseñar sus páginas de acuerdo a los algoritmos de búsqueda para poder obtener visibilidad" (Duka; Sikora; Strzelecki, 2023: 3).

Para ellos, "hacen que las cosas sean notablemente más complejas" (Després; Cotte, 2007: 5), lo que además tiene un impacto en la escritura por la baja importancia dada en estas técnicas a criterios de periodismo de calidad. Los criterios de optimización incluyen diferencias para distintos dispositivos (tabletas, celulares y computador), mecanismos para la accesibilidad (con textos y audios para minorías con discapacidad), normalización del estilo o tono (con una fuerte tendencia a los que se conoce como llamado a la acción - call to action), transformaciones en el ethos del escritor y en el orden en el que se dispensa la información, entre otros, para crear el valor percibido del texto/contenido en la web (Sheffield, 2020).

Describen como agente también a 3) la página de resultados SERP como un grupo de interés en el marco de la teoría actor-red de Bruno Latour y, por lo tanto, como una asociación de humanos y no humanos que sería la proveedora del MB. Finalmente, están 4) los usuarios de quienes se piensa, desde el campo de producción, que, "probablemente no saben sobre OMB ni cómo OMB funciona" (Schultheiß; Lewandowski, 2021: 2), es decir, desconocen los procesos de optimización de contenidos para la web. Este resultado se obtuvo con una muestra europea y, aunque no se encontraron trabajos similares en Latinoamérica ni en Colombia, según la Organización para la Cooperación y el Desarrollo Económicos (OCDE, 2020), el nivel de alfabetización digital es mayor en Europa, entonces podemos afirmar que sería importante hacer un estudio para conocer la relación de la región con el tema.

En los análisis de las prácticas y estrategias de creación de contenidos también se nombraron otros agentes del proceso como 5) las empresas que generan programas que evalúan los contenidos (las hemos llamado máquinas que simulan a las máquinas lectoras) intentando emular y predecir la manera en la que el MB de Google los leerá y los indexará. Estas se dedican a hacer el ejercicio inverso al que hace Google, ya que tratan de comprender el funcionamiento del MB y hacen simulaciones iterativas para mejorar los indicadores del contenido en la verdadera competencia en los SERP. Luego de esto, convierten las comprensiones de dichos ejercicios en indicadores, datos y herramientas que los generadores de contenido usan en el momento de definir las temáticas, los enfoques y todo lo relacionado con el contenido/texto.

Hemos descrito elementos de la web, como el contexto de distribución de información, centrando la atención en el ejercicio mediador de los "usualmente considerados como intermediarios neutrales que clasifican los resultados objetivamente" (Schultheiß; Lewandowski, 2021: 2): los MB.

Como señaló Ridgway (2023), los usuarios y los contenidos se influencian recíprocamente en temas de índole social, económica y tecnológica con los datos de su comportamiento. Para la descripción del argumento de la vigilancia capitalista (surveillance capitalism) que defienden varios autores, entre ellos, Zuboff (2019: 3), la situación comunicativa definida se nombra en los términos que siguen:

Google organiza la información del mundo y la hace asequible y usable al entregar resultados relevantes de manera gratuita. En cambio, los usuarios de confianza - trusted users están ahora encerrados en, lo que Zuboff considera como un pacto faustiano del siglo XXI, abasteciendo y proveyendo datos ad infinitum que perpetúan al Gran Otro.

Aunque este tratamiento puede discutirse, el comportamiento de los usuarios en la web responde a los patrones de este contexto de producción. Un estudio reciente encontró "en alrededor del 50 % de los casos, [que] los usuarios hicieron clic en el primer resultado, con el 97 % de todos los clics hechos en la primera página de los resultados arrojados" por el SERP (Urman; Makhortykh, 2023: 1). Este no es el único estudio con conclusiones similares para describir el comportamiento de lectura en la web.

Así pues, se han descrito algunos elementos del contexto de distribución, ahora se verán los mismos a través de la producción de textos/contenidos y sus procedimientos de optimización.

Las estrategias de los creadores de contenidos para competir en el espacio digital se denominan optimización para MB o OMB. La posibilidad de aplicar distintas técnicas y obtener un posicionamiento abrió todo un espectro de indicadores y un mercado de productos, servicios y plataformas para competir por la visibilidad que los MB han ofrecido.

Las estrategias de OMB se pueden comprender en dos grandes grupos: el primero es la optimización dentro de la página (on page optimization), que consiste en organizar el sitio web desde su naturaleza (si es del sector tecnológico o de las artes tendrá unas estructuras de información distintas y puntajes distintos) y desde sus componentes estructurales:

La estructura html, los títulos, los cuerpos de texto, los hipervínculos, las URL, la frecuencia de ciertas keywords y sinónimos, uso de robots txt, de mapas ordenados en la URL, de un ejercicio de investigación extensiva de los competidores para apoyar el trabajo de posicionamiento de las palabras clave, que llevan al usuario a imágenes y textos que tienen metadatos articulados de manera cuidadosa. (Vinit-Kumar; Kumari; Kumar; Appa-Rao, 2012: 3)

Se escribe con un objetivo: que la máquina lectora encuentre el contenido, lo evalúe y le asigne una posición en su ranking (SERP). Su tarea es estar siempre explorando la red para agregar al índice un contenido u otro en una posición puntual, y como esto cambia constantemente, esta es continua.

El segundo grupo de estrategias se conoce como optimización fuera de la página (off page optimization) y se concentra en hacer las gestiones necesarias y construir los contenidos cuidadosamente organizados para lograr el posicionamiento a través de páginas mejor posicionadas que la propia. Como se ha dicho antes, es una manera de transferir la confianza de una URL a otra y así los contenidos de medios reconocidos se ven más neutrales y orgánicos, menos publicitarios, buscando no romper la experiencia de lectura del usuario que es su objetivo. Con esto quieren decir, además, que el usuario no percibe el ejercicio publicitario o ideológico del que está siendo objeto (Zuboff, 2019).

Este es el medio sobre el cual se efectúa la votación que se nombró antes, en palabras del profesor Felten et al. (2004). Se trata de una estrategia para aumentar la probabilidad de indexación de los contenidos (o de ser encontrado por el motor de búsqueda) y luego de mejorar sus posibilidades de escalar hasta ocupar los primeros lugares en sus listas SERP, puesto que allí tienen mayor visibilidad. Esta estrategia específica se llama link building o construcción de enlaces tipo backlink, como se nombró antes, y consiste en lograr que se genere un enlace de páginas web cuyo cálculo de depósito y generación de confianza sea alto hacia otra web que lo tiene más bajo. En el mercado, esta variable es denominada como autoridad de dominio (domain autority). La página con mayor autoridad de dominio puede decidir si transfiere o no su autoridad a la página que le enlaza. Con el tiempo, esto se convirtió en otra estrategia de comercialización para la transferencia de confianza entre páginas, incluso hay compraventa de estos enlaces en plataformas especializadas.

Aunque esta contabilidad de enlaces no es un indicador directo, "los algoritmos de los motores de búsqueda buscan principalmente comprender el contexto y la intención de búsqueda del usuario" (Duka et al., 2023: 6). Por eso, el usuario ve que el entorno de búsqueda cambia, por ejemplo, a veces muestra elementos que antes no o viceversa, lo que dificulta también el ejercicio de interpretar la información que recibe en sus consultas.

Esta y otras técnicas de OMB surgen de hipótesis, pruebas, experimentos y concursos de posicionamiento de textos/contenidos que realizan investigadores del campo y algunas empresas que han encontrado allí un mercado nuevo (Evans, 2007). Estas pruebas generan una especie de principios heurísticos que no garantizan una performance perfecta de los contenidos, pero funcionan.

Además del mercado de empresas que se dedican a esto, se genera un campo de estudios con complejos modelos estadísticos que analizan los algoritmos de MB. Así como hay big data recopilada directamente de los comportamientos de los usuarios, también hay gran cantidad de datos sobre el comportamiento de los MB a través de los cuales se mueve la información en la web. Esto ha permitido identificar lo que llaman los sesgos de los MB, los cuales caracterizan el campo de producción de estos contenidos/textos.

Existen diversos estudios relacionados, algunos son propiamente sobre las subjetividades incluidas en el diseño de los algoritmos de los MB, y otros que, con mayor profundidad, implican la programación misma. El estudio de los resultados en términos sociales y políticos es un campo reciente que se ha nombrado como sociopolítica de los MB (search engine sociopolitics) al que se ha sumado otro conocido como ideología algorítmica (Mager et al., 2023). Este último se preocupa por analizar los efectos de los MB en la sociedad y en los comportamientos de las personas.

De acuerdo con lo anterior, las decisiones de diseño del algoritmo PageRank y RankBrain pueden evaluarse como exitosas desde un punto de vista técnico, sin embargo, estas también fueron, y siguen siendo, espacios de experimentación con los comportamientos de búsqueda de los usuarios y sus formas de obtener información.

Estas decisiones generan las condiciones materiales que influencian las situaciones comunicativas en cuestión y dan lugar a interpretar e identificar sesgos en los MB. Pero, ¿qué significa que un MB presente sesgos? Se trata de la exposición de los usuarios a contenidos que no quieren o deben recibir, o a contenidos controversiales, estereotipados y contradictorios. Gerhart (como se citó en Díaz, 2008) planteó que los usuarios usan un MB que se alinea con sus propios sesgos, pero Zuboff (como se citó en Ridgway, 2023) propuso que es el usuario quien aprende los sesgos del MB que usa por la relación asimétrica de poder que se da en la interacción. Por esto, se habla de evaluar dichos sesgos en el marco de modelos deliberativos y democráticos en los que las ideas de todos, populares o no, tengan la misma probabilidad de ser encontradas, aunque otras posturas justifiquen los sesgos como resultado de las mismas búsquedas del usuario (Mager et al., 2023).

Quienes han estudiado el comportamiento frente a los MB mostraron que, "sumando a la gran confianza depositada por los usuarios en los motores de búsqueda hay un gran desconocimiento sobre cómo funcionan y de dónde vienen sus ganancias" (Schultheiß; Lewandowski, 2021: 2). Este desconocimiento se suma a otros estudios que se refieren al tipo de ignorancia socialmente construida o de una lógica de la ignorancia que emerge a la par de una del conocimiento y que se obtiene como resultado de las lógicas algorítmicas y comerciales, como explicaron Haider y Rödl (como se citaron en Mager et al., 2023), y que en este artículo se referencian como decisiones de diseño, ya que el ángulo monopolista y corporativo no es el enfoque de este.

De esta forma se va esbozando una subjetividad oculta (Groys, 2014) en estos mediadores de conocimiento, contraria a una objetividad neutral y supuesta en los procesos de las máquinas que leen. Es fundamental saber esto para hacer una interpretación correcta de los resultados que se obtienen en una consulta realizada en este espacio de producción y distribución de información.

Para cerrar, se conectará lo anterior con lo que significa un ejercicio de lectura. Leer ha sido objeto de reflexión desde la aparición del texto. Gadamer (2003: 218), de la corriente de la filosofía hermenéutica, disciplina abocada a la interpretación de estos, propone que debe ejercitarse la comprensión del sentido de todo texto "y es necesario saber comprender así", evocando una manera de leer que se sabe hacer o se aprende previamente, en la que el lector debe haberse alfabetizado y que tiene una manera, una forma. Así que, para concluir sobre la posibilidad de hacer lectura crítica en este contexto, hay que articular las disciplinas anteriores con la hermenéutica filosófica del autor nombrado y con la alfabetización, en este caso, digital.

El concepto de alfabetización digital fue propuesto por Paul Gilster (1997: 1) quien "considera que la alfabetización digital engloba principalmente la habilidad de adquirir, comprender e integrar información digital (específicamente las habilidades como buscar en internet, navegar el hipertexto y evaluar y componer información digital)". Así, estableció la diferencia con el manuscrito o el códex, como nos planteó Chartier (1995) con elementos particulares.

Bhatt (2023), indicó que la navegación o el viaje por medios digitales es profundamente personal y diferenciada. Esto implica que las formas de alfabetización deben adaptarse a esta experiencia, así como lo han hecho los MB. Además, sostuvo que la digitalización -como nombró al proceso de creación de la materialidad digital de la que se componen los contenidos/textos en la web- impacta nuestra relación con el lenguaje en todos los sentidos. Por su parte, Groys (2014) planteó un comportamiento extra o metalingüístico que libera a las palabras de sus contextos. Todo esto significa que "la alfabetización de la información en la era del internet no será solo la habilidad de encontrar la información apropiada sino, sobre todo, dominar la interpretación de los marcos de los enunciados" (Després; Cotte, 2006: 5).

En algún momento, los MB fueron considerados portales (Ridgway, 2023), se han nombrado máquinas filosóficas (Groys, 2014), sistemas de recopilación de información (information retrieval - IR) y de generación de plusvalía comportamental (behavioral surplus) (Zuboff, 2019). Se suman otras interpretaciones de estos como mecanismos de votación (Felten et al., 2004), moderadores (Mager et al., 2023) o como sencillos buscadores (Brin; Page, 1998). Nombres que intentan comprender su papel en la sociedad.

Sean efectivamente uno u otro, su presencia cambia las reglas de lectura e interpretación como las hemos comprendido en el contexto del códex y esto significa, según la invitación de Gadamer, saber comprender así. Este es un artículo que pretende arrojar elementos para una lectura crítica, activa, creativa y propositiva que tiene la capacidad de interpretar o asociar exitosamente los contextos de una consulta en un marco de mediaciones tecnológicas útiles, pero que implican un efecto en el significado de lo que se lee.

Internet hoy tiene una forma que será distinta en el futuro, su materialidad es finita, aunque la virtualidad parezca mostrarla infinita, tiene una gobernabilidad distinta de los contenidos presentes y accesibles. Así que, para poder hacer lectura crítica de la información, hay que comprender primero cómo es ese espacio contenedor de tantas respuestas y cuáles son las fuerzas le dan su forma, es decir, "un lector tiene que aprender a leer y a descifrar estratos superpuestos de signos luego a relacionarlos con el contexto correcto para poder interpretar la situación con la que está siendo confrontado" (Després; Cotte, 2007: 5). En The Odyssey of Pedagogies of Technoscientific Literacies, la investigadora Greta Goertz (2021: 8) citó a Gadamer (2003) y planteó la posibilidad de comprender el contexto así:

El peso de lo que encontramos al comprender algo en un evento lingüístico, está en las palabras jugando alrededor y sobre lo que se quiso decir. Los juegos de lenguaje existen donde nosotros, como aprendices [y nunca dejamos de serlo] ascendemos a la comprensión del mundo.

De manera que no se trata de sumar formas a este intrincado de tecnologías, sino de integrar herramientas para comprenderlas aprovechando su utilidad, sus posibilidades al jugar con el lenguaje (Gadamer, 2003) y sus límites. Por esto, dicho contexto de producción y distribución de textos en la web evidencia que, para participar en el juego de visibilidad de contenidos que ofrecen los MB, como componente faltante en la formación o en la alfabetización digital no es suficiente saber usar las herramientas tecnológicas, pues ellas son una experiencia creativa y participativa (Goetz, 2021) que llaman a un usuario activo y crítico en el ejercicio de interpretación en el que siempre se encuentra.

Sumado a lo anterior, debe considerarse que dicha alfabetización no es realizada solamente a través de iniciativas educativas, ya que "los criterios de diseño de las herramientas digitales y las plataformas -sus algoritmos y modelos de negocio- generan formas específicas de alfabetización" en sí mismas (Bhatt, 2023: 9). Esto implica examinar, en los sentidos expuestos por este artículo, los marcos de medición de las capacidades de hacer lectura crítica en el espacio digital, dado que no se encontraron capacidades de interpretación de la información similares a las que se plantean en este contexto en las dimensiones de navegación, búsqueda y filtrado de los marcos de alfabetización propuestos al inicio ni en las relacionadas con su evaluación.