Una geografía de México en Netflix: recomendaciones automatizadas y diversidad de contenidos ofertados
Barra lateral del artículo
Contenido principal del artículo
Se presenta un estudio centrado en información brindada por usuarios sobre las lógicas automatizadas de recomendación de contenidos asociados a México en Netflix. Se propone determinar si estos contribuyen a la diversidad audiovisual, así como identificar los parámetros de la plataforma para efectuar recomendaciones. Se diseña y aplica un instrumento de indagación digital basado en técnicas de auditoría algorítmica. Se comprueba que hay fuentes que se priorizan y que son de origen norteamericano. Se concluye que los contenidos son poco diversos y se orientan según el género —femenino o masculino— de los usuarios, que la personalización es baja y que la audiencia presenta una alta aceptación a las recomendaciones, excepto en tematizaciones del narcotráfico y estereotipos de género. En consecuencia, se abre una posibilidad de intervención en la plataforma, a través de las recomendaciones, para tratar la diversidad.
Descargas
Albornoz, L. A., & García Leiva, M. T. (2017). Diversidad e industrias audiovisuales: El desafío cultural del siglo XXI. Fondo de Cultura Económica.
Anderson, C. (2009). The long tail: Why the future of business is selling less of more. Random House Business.
Bandy, J. (2021). Problematic machine behavior: A systematic literature review of algorithm audits. Proceedings of the acm on human computer interaction, 5(cscw1), 74:1-34. https://doi.org/10.1145/3449148
Bucher, T. (2018). If ... then: Algorithmic power and politics. Oxford University Press.
Cybenko, G., & Brewington, B. (1999). The foundations of information push and pull. En G. Cybenko, D. P. O’Leary, & J. Rissanen (Eds.), The mathematics of information coding, extraction and distribution (pp. 9-30). Springer. https://doi.org/10.1007/978-1-4612-1524-0_2
Hallinan, B., & Striphas, T. (2016). Recommended for you: The Netflix Prize and the production of algorithmic culture. New Media & Society, 18(1), 117-137. https://doi.org/10.1177/1461444814538646
Heredia-Ruiz, V., Quirós-Ramírez, A. C., & Quiceno-Castañeda, B. E. (2021). Netflix: Catálogo de contenido y flujo televisivo en tiempos de big data. Revista de Comunicación, 20(1), 117-136. https://doi.org/10.26441/RC20.1-2021-A7
García Canclini, N. (1996). Políticas culturales e integración norteamericana: Una perspectiva desde México. En Autor (Ed.), Culturas en globalización América Latina, Europa, Estados Unidos: Libre comercio e integración (pp. 13-41). cnca, Clacso, Nueva Sociedad.
García Leiva, M. T. (2019). Plataformas en línea y diversidad audiovisual: Desafíos para el mercado español. cic: Cuadernos de Información y Comunicación, 24, 73-93. https://doi.org/10.5209/ciyc.64639
Gomez-Uribe, C. A., & Hunt, N. (2016). The Netflix recommender system: Algorithms, business value, and innovation. acm Transactions on Management Information Systems, 6(4), 13:1-19. https://doi.org/10.1145/2843948
Iordache, C. (2021). Netflix in Europe: Four markets, four platforms? A comparative analysis of audio-visual offerings and investment strategies in four eu states. Television & New Media. https://doi.org/10.1177/15274764211014580
Jenner, M. (2018). Netflix and the re-invention of television. Springer International Publishing AG.
Lobato, R. (2017). Rethinking international tv flows research in the age of Netflix. Television & New Media, 19(3), 241-256. https://doi.org/10.1177/1527476417708245
Lobato, R. (2019). Netflix nations: The geography of digital distribution. nyu Press.
Lozano, J. C. (2006). Diversidad cultural y televisión en México. Comunicación y Sociedad, 5, 137-156. https://doi.org/10.32870/cys.v0i5.4016
Moody, R. (2020). Netflix subscribers and revenue by country [2020 version]. https://www.comparitech.
com/tv-streaming/netflix-subscribers/
Netflix Research. (s. f.). Personalization and search. Helping members discover content they’ll love. https://research.netflix.com/business-area/personalization-and-search
Plummer, L. (2017). This is how Netflix’s top-secret recommendation system works. Wired uk. https://www.wired.co.uk/article/how-do-netflixs-algorithms-work-machine-learning-helps-to-predict-whatviewers-will-like
Orozco Gómez, G. (2020). La ficción es otra forma de contar la realidad. En Autor, Televisión en tiempos de Netflix. Una nueva oferta mediática (pp. 11-17). Universidad de Guadalajara.
Padilla de la Torre, R. (2012). Geografías ciudadanas y mediáticas. Universidad Autónoma de Aguascalientes.
Piñón, F. (2020). Un reconocimiento de la infraestructura de la red de internet para servicios de VoD en
Latinoamérica. En G. Orozco Gómez (Ed.), Televisión en tiempos de Netflix. Una nueva oferta mediática (pp. 17-46). Universidad de Guadalajara.
Ranavoison, H. (2019). Online platforms and cultural diversity in the audiovisual sectors: A combined look at concentration and algorithms. En L. Albornoz & M. T. García Leiva (Eds.), Audiovisual industries and diversity. Economics and policies in the digital era (pp. 100-118). Routledge. https://doi.org/10.4324/9780429427534-6
Reelgood (2021a) Full list of Mexican movies and tv shows on Netflix. https://reelgood.com/origin/mexico/
on-netflix
Reelgood (2021b) Full list of Brazilian movies and tv shows on Netflix. https://reelgood.com/origin/brazil/on-netflix
Reelgood (2021c) Full list of Argentinian movies and tv shows on Netflix. https://reelgood.com/origin/argentina/on-netflix
Rieder, B. (2020). Engines of order a mechanology of algorithmic techniques. Amsterdam University Press. https://doi.org/10.2307/j.ctv12sdvf1
Rieder, B., Matamoros-Fernández, A., & Coromina, O. (2018). From ranking algorithms to ‘ranking cultures’: Investigating the modulation of visibility in YouTube search results. Convergence, 24(1), 50-68. https://doi.org/10.1177/1354856517736982
RStudio Team. (2020). RStudio: Integrated Development for R. RStudio. http://www.rstudio.com/
Sadagopan, S. M. (2019). Feedback loops and echo chambers: How algorithms amplify viewpoints. The
Conversation. http://theconversation.com/feedback-loops-and-echo-chambers-how-algorithms-amplify-viewpoints-107935
Sandvig, C., Hamilton, K., Karahalios, K., & Langbort, C. (2014). Auditing algorithms: Research methods for detecting discrimination on internet platforms. “Data and discrimination: Converting critical concerns into productive inquiry.” Ponencia presentada en la sexagésima cuarta Annual Meeting of the International Communication Association, Seattle, WA.
Siles, I., Espinoza-Rojas, J., Naranjo, A., & Tristán, M. F. (2019). The mutual domestication of users and algorithmic recommendations on Netflix. Communication, Culture and Critique, 12(4), 499-518. https://doi.org/10.1093/ccc/tcz025
Tillman, L. (2019). Netflix, drawn to talent, boosts production in Mexico with 50 films and series. Los Angeles Times. https://www.latimes.com/business/hollywood/la-fi-ct-netflix-mexico-20190319-story.html
Tufekci, Z. (2018). YouTube, the Great Radicalizer. The New York Times. https://www.nytimes.com/2018/03/10/opinion/sunday/youtube-politics-radical.html
Detalles del artículo

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.