X (antes Twitter) ha anunciado un nuevo enfoque de su algoritmo para evaluar la utilidad y autenticidad de las notas de la comunidad, mejorándolo para detectar notas potencialmente inexactas o sin fuentes de usuarios revisores diligentes.
Las notas de la comunidad, también conocidas como community notes, son una herramienta para mantener a los usuarios mejor informados sobre lo que han leído y compartido en sus perfiles.
Estas notas pueden ser valoradas por otros usuarios para determinar si son útiles o no. De hecho, tal y como anunció la red social propiedad de Elon Musk en septiembre, existe una página en la que se enumeran todas las notas de la comunidad publicadas en respuesta a una misma publicación para que los usuarios valoren su utilidad.
Además, como X anunció el pasado mes de octubre, para que las Notas de la Comunidad aporten contexto a las publicaciones de los usuarios en la red social, deben incluir fuentes de información verificadas.
En este marco, la plataforma comparte su intención de seguir trabajando para garantizar que Community Notes proporcione a los usuarios contenidos ampliamente considerados útiles, claros y precisos. Para ello, tiene previsto mejorar la forma en que identifica las notas con problemas de precisión o de soporte de fuentes.
X ha anunciado que ha mejorado las capacidades del algoritmo de puntuación de código abierto que utiliza para evaluar las notas de la comunidad con el fin de detectar con mayor precisión las notas potencialmente imprecisas y las que no están respaldadas por fuentes de apoyo.
Según explica la plataforma en su perfil de Community Notes en X, este algoritmo mejorado le permite identificar notas que, según un amplio abanico de posturas, pueden tener problemas de precisión o de fuentes que las corroboren.
Además, el algoritmo identifica a los usuarios que evalúan habitualmente las notas comunitarias y detecta de forma sistemática y precisa las notas potencialmente inexactas. Así, cuando el algoritmo reconoce a tales usuarios (denominados calificadores), el algoritmo los pondera aún más.
En línea con esto, X explica que los evaluadores reciben más ponderación porque son diligentes a la hora de escudriñar los detalles de las notas y verificar las fuentes citadas. Así, al basarse en sus evaluaciones para la calificación, las inexactas y problemáticas pueden identificarse con mayor rapidez y precisión.
Del mismo modo, las redes sociales también muestran que las ponderaciones en el algoritmo se reducen cuando los evaluadores no detectan los errores de calificación debido a una evaluación rápida o, por el contrario, los sobrevaloran como erróneos.
