Enrique Dans

Dado que la lectura de noticias e información de diversos tipos es uno de los temas a los que más tiempo dedico dentro de mi trabajo como profesor de innovación, tratar de sistematizarlo y de buscar metodologías eficientes es algo a lo que tiendo a dedicar bastante atención. Mi metodología, de la que he hablado en varias ocasiones, combina herramientas como Feedly, un lector de feeds al que confío el seguimiento de las fuentes que yo mismo elijo, así como de algunas búsquedas específicas, con otras como recomendadores algorítmicos como Refind a los que me encomiendo para que amplíen mis fuentes y me permitan monitorizar mis temas de interés.

El funcionamiento de un lector de feeds, también conocido como agregador de noticias, es bastante obvio: simplemente, escoges una serie de fuentes de información – que pueden ser páginas web, como periódicos, revistas o blogs, pero también búsquedas, cuentas en redes sociales, etc. – y la herramienta te las presenta en un formato único y con posibilidad de llevar un seguimiento de lo que has visto o no, unido generalmente a accesos fáciles a lo que podrías querer hacer con lo que has leído (reenviarlo a otra persona, compartirlo en una red social, almacenarlo en un repositorio, etc.) Hasta aquí, todo bastante sencillo y conocido: los lectores de feeds, aunque nunca han sido una opción de popularidad mayoritaria, sino más bien una herramienta especializada, llevan existiendo desde 1999.

Los recomendadores algorítmicos tienen una historia más reciente. Básicamente, lo que pides a la herramienta es que, en función de una serie de conceptos o temáticas con las que lo alimentas, te recomiende contenidos similares. En ese sentido, la combinación entre un lector de feeds en el que accedes a los contenidos, con un recomendador que alimenta su algoritmo con lo que has calificado como interesante en él me parece muy práctica. Si cada vez que lees algo que entra dentro de tus intereses – por variados que estos puedan ser – lo almacenas en el repositorio de tu recomendador, la herramienta aprende de tus intereses y, a partir de ellos, te ofrece una lista de contenidos similares.

A partir de ahí, la cuestión se hace más fina: por ejemplo, definiendo cuánto contenido quieres que te recomiende cada día. El creador de Refind, Dominik Grolimund, afirma que su herramienta estaba originalmente pensada para resumir las noticias de su interés en tan solo diez enlaces, pero su herramienta permite definir cuántos enlaces quieres y a qué hora deseas que te lleguen (yo, por ejemplo, tengo definidos veinticinco enlaces a las 6:30 de la mañana).

El siguiente punto, lógicamente, es el de ajuste. Se puede empezar por incorporar sugerencias de temáticas, de páginas y de personas a las que seguir, o también hacerlo de manera negativa, eliminando fuentes, etc. (yo, por ejemplo, tiendo a eliminar algunos de los sitios que ya sigo en el lector de feeds, para evitar duplicidades). Pero una vez que has delimitado estos temas, que suponen un ajuste relativamente básico, puedes pasar a un ajuste más fino: tan fino como acceder directamente a los pesos relativos que tienen en el algoritmo cada uno de los temas que te interesan, como se aprecia en la ilustración que acompaña al artículo, y poder incrementarlos o reducirlos según estimes oportuno.

El uso es profundamente intuitivo, y conviene tratarlo con cierto cuidado, en función de las percepciones que vamos teniendo a lo largo del tiempo. Si te parece que estás recibiendo demasiadas noticias relacionadas con un tema determinado, puedes reducir su peso, o al revés. Curiosamente, también influyen cuestiones coyunturales, bien propias – cambios en tus intereses – o de tipo general – reducir el peso de las noticias relacionadas con Donald Trump, por ejemplo, cuando abandona la presidencia. La idea, por tanto, es partir de la composición de defines tú mismo con las noticias que envías ala herramienta, pero poder posteriormente hacer ajustes que te permitan refinar más tus intereses.

Una posibilidad, la de acceder directamente al algoritmo de recomendación y poder ajustarlo, que incrementa tanto la utilidad como la transparencia de la herramienta, y que no requiere de una gran complejidad, porque puede llevarse a cabo de manera sumamente intuitiva. Y sin duda, una forma potente de optimizar nuestra dieta informativa.

This article was also published in English on Forbes, «Fine tuning an algorithm just got a whole lot easier«