Cfp: Vol. 26 Nº 49 (2026) Construcción de la audiencia algorítmica

2026-01-22

CfP |Construcción de la audiencia algorítmica: Transformaciones de los paradigmas en la comunicación, los medios y la democracia

EDITORES:
Berta García Orosa iD icon – Universidade de Santiago de Compostela, Espanha, berta.garcia@usc.es
Inês Amaral iD icon – Universidade  de  Coimbra,  Portugal,  ines.amaral@uc.pt 
Noel Pascual Presa iD icon – Universidade de Santiago de Compostela, Espanha, noel.pascual.presa@usc.es

 

Esta llamada de artículos tiene como objetivo reunir investigación original, interdisciplinaria y empíricamente fundamentada que explore la manera en que las audiencias se construyen en las esferas públicas digitales. El desarrollo de tecnologías como la inteligencia artificial no solo ha transformado la producción, distribución y circulación de la información, sino que también ha redefinido las formas a través de las cuales las audiencias son imaginadas y construidas. En sus fases iniciales (hace aproximadamente veinte años), el análisis continuo de grandes volúmenes de datos permitió obtener información en tiempo real sobre las audiencias y, posteriormente, predecir comportamientos, como ejemplifica el caso de Cambridge Analytica. Sin embargo, el foco se ha desplazado ahora hacia la construcción de las audiencias incluso antes de que los mensajes sean producidos, en particular en el contexto de las campañas electorales.

Aunque existe un creciente interés académico por los efectos de la automatización y la personalización de los medios,todavía no se ha producido una convergencia de estudios que analicen de manera sistemática las implicacionesepistemológicas, políticas, éticas y comunicacionales de esta nueva relación entre algoritmos y audiencias. Esta laguna resulta aún más significativa si se considera la amplitud del fenómeno, que atraviesa el periodismo, la comunicación política, la cultura digital y la gobernanza de las plataformas.

En esta cuarta ola de la comunicación digital, los algoritmos no se limitan a predecir los comportamientos de lasaudiencias, sino que los influyen y los moldean, dando lugar a lo que se ha denominado la “audiencia algorítmica” (Riemer & Peter, 2021). Este proceso de dataficación ha dado lugar a nuevos métodos de clasificación, personalización y microsegmentación de las audiencias, transformando profundamente la lógica de la mediación política.

Este escenario señala un cambio paradigmático: mientras que la episteme científica tradicional concebía a las audienciasa partir de categorías atribuidas como clase, género o ideología, el nuevo paradigma algorítmico se basa en datoscomportamentales y adopta una lógica performativa que disuelve las clasificaciones fijas (Fisher & Mehozay, 2019).

No obstante, esta transformación dista mucho de ser neutral. Las nuevas formas de construcción de las audiencias algorítmicas presentan riesgos democráticos: sesgos automatizados (Kordzadeh & Ghasemaghaei, 2021), opacidad en la selección de contenidos (Livingstone, 2019), desafíos a la pluralidad informativa y a la libertad de expresión (Riemer & Peter, 2021), así como un aumento de las desigualdades en la representación de la voz pública (Jones, 2023; Zarouali etal., 2021). La construcción de nuevas esferas públicas exige, por tanto, un análisis crítico y urgente.

Estos cambios están afectando al discurso público, con el periodismo en la primera línea de la transformación. La creciente dependencia de los algoritmos está reconfigurando la profesión, dando lugar al denominado “periodismo automatizado” o “periodismo robótico”, impulsado por la automatización y la personalización de los contenidos informativos (Carlson, 2015; Clerwall, 2014). Aunque esta personalización ofrece oportunidades para reforzar la relación con las audiencias (Ford & Hutchinson, 2019), también introduce desafíos, en la medida en que la confianzapública en los medios puede verse debilitada por los riesgos percibidos asociados a estas dinámicas (Livingstone, 2019; Sehl & Eder, 2023). Estas nuevas herramientas tienen implicaciones profundas tanto a nivel profesional como social: desde amenazas a la libertad de expresión y la necesidad de nuevas políticas sobre la autoría de los contenidos, hasta el impacto en la legitimidad del juicio periodístico y la reconfiguración de las audiencias (Carlson, 2018; Fisher & Mehozay, 2019; Montal & Reich, 2016; Riemer & Peter, 2021).

Desde una perspectiva identitaria, la relación con las audiencias sigue siendo central. Sin embargo, el énfasis se hadesplazado: los mensajes personalizados e individualizados han perdido protagonismo, dando paso a un discurso máscentrado en la comunidad. En la práctica, la comunidad se construye en torno a suscripciones de pago y al acceso a funcionalidades y contenidos exclusivos. Las narrativas se estructuran en torno a este grupo de miembros o suscriptores, con el objetivo deconvencerlos de su relevancia para la supervivencia y la calidad de la práctica periodística de los medios.

De forma paralela, los usuarios tienden a percibir positivamente la selección algorítmica de contenidos basada en sus comportamientos de consumo (Thurman, 2018). Esta personalización va acompañada de una categorización y microsegmentación crecientes, que permiten clasificaciones de usuarios más granulares y precisas (Beauvisage et al., 2024). No obstante, esta percepción positiva y la microsegmentación no protegen a los usuarios de los riesgos inherentes a la gobernanza algorítmica, a menudo diseñada en torno a intereses opacos u ocultos (Jones, 2023; Reynolds & Hallinan, 2024).

Esta llamada a artículos tiene como objetivo:

  • Explorar las transformaciones epistemológicas en la conceptualización de las audiencias;
  • Analizar prácticas periodísticas y comunicativas emergentes en el marco de las lógicas algorítmicas;
  • Examinar las    implicaciones    democráticas,    éticas    y    regulatorias    de    la personalización mediada por algoritmos;
  • Proponer metodologías innovadoras para investigar audiencias hipersegmentadas y opacas;
  • Promover el diálogo interdisciplinar entre la comunicación política, la sociología digital, la economía de las plataformas y la teoría crítica.

Temas sugeridos para los artículos:

  • Audiencias políticas y dataficación
  • Periodismo automatizado y distribución personalizada de noticias
  • Sesgos algorítmicos y polarización
  • Transparencia algorítmica y rendición de cuentas
  • Segmentación ideológica y estrategias de direccionamiento
  • Participación cívica en entornos mediáticos automatizados
  • Ética, privacidad y gobernanza de los datos
  • Nuevas formas de agencia y performatividad de las audiencias
  • Audiencias jóvenes y cultura de las plataformas
  • Estudios de caso regionales y comparativos
  • Automatización de contenidos
  • Pluralidad informativa
  • Cámaras de eco y burbujas informativas
  • Definición de la agenda mediática y algoritmos
  • Transformación del poder mediático
  • Confianza en las fuentes de información algorítmica
  • Desinformación y fake news
  • Mecanismos de transparencia y regulación
  • Alfabetización mediática
  • Campañas de astroturfing

En el momento de la presentación, el/la autor/a debe indicar explícitamente el número de la revista al que desea enviar el manuscrito.

FECHAS IMPORTANTES:
Plazo de presentación: del 22 de enero al 30 de abril de 2026
Período de publicación: edición continua (septiembre a diciembre de 2026)

Media & Jornalismo (RMJ) es una revista científica con revisión por pares, indexada en Scopus y en Web of Science (Emerging Sources Citation Index). Cada artículo es evaluado por dos revisores previamente invitados, de acuerdo con criterios de calidad, originalidad y relevancia, en consonancia con los objetivos y la temática específica del número.
Los artículos pueden enviarse en inglés, español o portugués.
Los manuscritos deben presentarse a través del sitio web de la revista (https://impactum-journals.uc.pt/mj). En el primer acceso es necesario registrarse para poder enviar el artículo y realizar el seguimiento del proceso editorial. Se recomienda consultar las Normas para Autores, las Condiciones de Envío y la Política Editorial de la revista.

Para más información: patriciacontreiras@fcsh.unl.pt

Referencias

Beauvisage, T., Beuscart, J.-S., Coavoux, S., & Mellet, K. (2024). How online advertising targets consumers: The uses of categories and algorithmic tools by audience planners. New Media & Society, 26(10), 6098–6119.https://doi.org/10.1177/14614448221146174

Carlson, M. (2018). Automating judgment? Algorithmic judgment, news knowledge, and journalistic professionalism. New Media & Society, 20(5), 1755–1772.https://doi.org/10.1177/1461444817706684

Carlson, M. (2015). “The Robotic Reporter: Automated Journalism and the Redefinition of Labor, Compositional Forms, and Journalistic Authority.” Digital Journalism, 3(3), 416–431. https://doi.org/10.1080/21670811.2014.976412

Clerwall, C. (2014). “Enter the Robot Journalist: Users’ Perceptions of Automated Content.” Journalism Practice, 8(5), 519–531. https://doi.org/10.1080/17512786.2014.883116

Fisher, E., & Mehozay, Y. (2019). How algorithms see their audience: media epistemes and the changing conception of the individual. Media, Culture & Society, 41(8), 1176–1191. https://doi.org/10.1177/0163443719831598

Ford, H., & Hutchinson, J. (2019). Newsbots That Mediate Journalist and Audience Relationships. Digital Journalism, 7(8), 1013–1031. https://doi.org/10.1080/21670811.2019.1626752

Jones, C. (2023). How to train your algorithm: The struggle for public control over private audience commodities on Tiktok. Media, Culture & Society, 45(6), 1192–1209. https://doi.org/10.1177/01634437231159555

Kordzadeh, N., & Ghasemaghaei, M. (2021). Algorithmic bias: review, synthesis, and future research directions.European Journal of Information Systems, 31(3), 388–409. https://doi.org/10.1080/0960085X.2021.1927212

Livingstone, S. (2019). Audiences in an Age of Datafication: Critical Questions for Media Research. Television & New Media, 20(2), 170–183. https://doi.org/10.1177/1527476418811118

Montal, T., & Reich, Z. (2016). I, Robot. You, Journalist. Who is the Author? Authorship, bylines and full disclosure in automated journalism. Digital Journalism, 5(7), 829–849. https://doi.org/10.1080/21670811.2016.1209083

Reynolds, C., & Hallinan, B. (2024). User-generated accountability: Public participation in algorithmic governance onYouTube. New Media & Society, 26(9), 5107–5129. https://doi.org/10.1177/14614448241251791

Riemer, K., & Peter, S. (2021). Algorithmic audiencing: Why we need to rethink free speech on social media. Journal of Information Technology, 36(4), 409–426. https://doi.org/10.1177/02683962211013358

Sehl, A., & Eder, M. (2023). News Personalization and Public Service Media: The Audience Perspective in ThreeEuropean Countries. Journalism and Media, 4(1), 322–338. https://doi.org/10.3390/journalmedia4010022

Thurman, N., Moeller, J., Helberger, N., & Trilling, D. (2018). My Friends, Editors, Algorithms, and I: Examining audience attitudes to news selection. Digital Journalism, 7(4), 447–469. https://doi.org/10.1080/21670811.2018.1493936

Thurman, N. (2018). Social Media, Surveillance, and News Work: On the apps promising journalists a “crystal ball.” Digital Journalism, 6(1), 76–97. https://doi.org/10.1080/21670811.2017.1345318

Zarouali, B., Helberger, N., & De Vreese, C. H. (2021). Investigating Algorithmic Misconceptions in a Media Context: Source of a New Digital Divide? Media and Communication, 9(4), 134–144. https://doi.org/10.17645/mac.v9i4.4090