Fake news: relación entre los rasgos de personalidad, la influencia social y la susceptibilidad a aceptarlas como reales

María Paula De la Oliva Alzamora

https://orcid.org/0000-0001-8903-5098

Universidad de Lima, Facultad de Psicología, Lima, Perú

Diego Eduardo Prieto-Molinari

https://orcid.org/0000-0003-0470-5182

Universidad de Lima, Facultad de Psicología, Lima, Perú
Correo electrónico: depm_96@outlook.com

Recibido: 10 de noviembre del 2022 / Aceptado: de noviembre del 2022
doi: https://doi.org/10.26439/persona2022.n25(2).6124

RESUMEN. Esta investigación explora la relación entre los cinco grandes factores de la personalidad y la susceptibilidad a la influencia social con la susceptibilidad a aceptar fake news (desinformación). La comprensión de este fenómeno a partir de las diferencias individuales es un campo poco investigado. No obstante, la difusión masiva de información falsa mediante redes sociales y las consecuencias que esto ha demostrado tener denotan la importancia de comprender el fenómeno. Los instrumentos utilizados fueron una tarea de fake news y la adaptación de la escala STPS (Susceptibility to Persuasion Scale) y del Mini-IPIP (International Personality Item Pool). Además, a través de un análisis de regresión lineal múltiple se generan dos modelos para predecir la susceptibilidad a aceptar noticias falsas como verdaderas. Los resultados apuntan a que ciertos rasgos de personalidad y la influencia social pueden ser útiles predictores de esta susceptibilidad, particularmente cuando la influencia social se contextualiza en el marco del consumo de noticias en redes sociales. Se recomiendan algunas correcciones para los cuestionarios utilizados y se sugieren algunas hipótesis en relación con la interacción entre la personalidad, la influencia social y la susceptibilidad a aceptar las fake news para posteriores investigaciones.

Palabras clave: personalidad / influencia social / análisis de regresión / desinformación

FAKE NEWS: RELATION BETWEEN PERSONALITY TRAITS, SOCIAL INFLUENCE, AND SUSCEPTIBILITY TO ACCEPT THEM AS TRUTH

ABSTRACT. This research explores the possible influence of the big five personality factors and the susceptibility to social influence on the susceptibility to accept fake news (disinformation). The understanding of this phenomenon due to individual differences is a barely researched subject. Nevertheless, the massive spread of false information on social media and its consequences show the importance of this research. The research used a fake news task, adapted versions of the SPTS (Susceptibility to Persuasion Scale), and the Mini-IPIP (International Personality Item Pool) as measurement tools. Using multiple linear regression analysis, it also assessed two models to predict susceptibility to accept fake news. The results show that certain personality traits and susceptibility to social influence may be useful predictors of the dependent variable, particularly in the context of social influence in news consumption on social media. This article recommends corrections for the questionnaires and suggests some hypotheses regarding the interaction of personality, social influence, and susceptibility to accepting fake news for further research.

Keywords: personality / social influence / regression analysis / disinformation

INTRODUCCIÓN

En la actualidad, el aumento de la información on-demand a través de plataformas no convencionales, como las redes sociales, ha cambiado la forma en que las personas reciben información acerca de distintos temas (Burguess & Bruns, 2012). En ese sentido, internet y las redes sociales han democratizado la difusión de la información. No obstante, estas herramientas pueden dar lugar a usos negativos o maliciosos que pueden propagar información falsa o distorsionada con distintos fines (Bessi & Ferrara, 2016; Vosoughi et al., 2018). El fenómeno conocido como fake news incluye las noticias falsas publicadas en medios digitales de forma deliberada sin verificación, cuyo objetivo es influir en la opinión pública con información sesgada o basada en hechos distorsionados, creando sospechas o inseguridades (Pauner, 2018). Este fenómeno hace uso de la influencia social a través de las redes y puede afectar distintos aspectos de la vida en sociedad como la toma de decisiones, la cooperación, la comunicación, la política y la economía (Burkhardt, 2017; Vosoughi et al., 2018). No solo eso, sino que también puede afectar la conducta individual. Esto se puede ver en cambios en la conducta de voto (Bond et al., 2012); pero también en conductas de riesgo ligadas al desarrollo de trastornos de alimentación (Holland & Tiggeman, 2016; Rodgers, et al., 2015), autolesiones y suicidio (Gámez-Guadix et al., 2020; García et al., 2018). Existe, por ejemplo, evidencia de su uso para manipular elecciones, el mercado de acciones, generar rumores e, incluso, dispersar propaganda y reclutar personas en grupos terroristas (Ferrara, 2015).

Las características de las fake news ayudan a comprender su alcance y es que, en primer lugar, el rol de curador o editor de los medios queda relegado al mismo usuario y a los algoritmos diseñados para presentar información pertinente y de “interés” (Bakshy et al., 2015; Flintham et al., 2018). Como consecuencia, la exposición a la información a través de internet se ha vuelto selectiva (Jahng & Littau, 2016; Xu, 2013). La valencia de su emocionalidad puede afectar su difusión, de modo que son más compartidas las “negativas” e “inesperadas” (Ferrara & Yang, 2015); y su alcance es mayor cuando son falsas (Vosoughi et al., 2018). Además, el uso de la influencia social puede facilitar su “contagio” por grupos de allegados (Bond et al., 2012); puede difundir información con mayor facilidad a través de “bots sociales” que simulan ser personas reales (Fox et al., 2014; Ferrara, 2015); puede generar convicción de veracidad por la elevada repetición (Polage, 2012) y la corrección de la información no parece ser muy eficaz para disminuir los efectos de las fake news, a menos que el contexto social la promueva (Margolin et al., 2018).

La influencia social se entiende como un proceso mediante el cual una persona es capaz de influir, mediante interacciones directas o simbólicas, en el comportamiento (Pérez & Mugny, 1988), emociones (Harre & Lamb, 1992) acciones y pensamientos de otra, sin hacer uso de la fuerza (Canto, 1998). Este proceso, además, puede darse de forma tanto consciente como inconsciente (Baron et al., 1992). Los procesos de influencia social pueden ayudar a las personas a comprender situaciones novedosas, conformarse a las normas, obedecer a las autoridades o facilitar la interacción social (Sánchez, 2002; Ovejero, 2010; Moya & Rodríquez-Bailón, 2011; Morales & Sabucedo, 2015). Se hace énfasis en que, desde la perspectiva de las redes sociales, las personas pueden ser altamente influyentes o altamente susceptibles a la influencia; pero, no ambos (Aral & Walker, 2012).

Uno de los mecanismos de la influencia social es la persuasión. Esta se define como un cambio de las actitudes de una persona tras la exposición a un mensaje que tiene como propósito generar ese cambio (Petty & Cacioppo, 1986a, 1986b). Cialdini (2001a; 2007) explica también que existen ciertos principios que facilitan el uso de la influencia social en la persuasión: i. de agradabilidad, que implica mayor propensión a aceptar la persuasión que proviene de un conocido o allegado; ii. de reciprocidad, que implica mayor propensión a aceptar la persuasión de alguien que acepta la propia persuasión; iii. de comprobación social, que implica la aceptación de aquello que es aceptado por la mayoría; iv. de consistencia o coherencia, que implica la mayor aceptación de aquello que coincide con posturas previas; v. de autoridad, que implica la aceptación de la persuasión cuando proviene de una persona con legitimidad en un campo específico; y, vi. de escasez, que implica la mayor aceptación de la persuasión cuando la oportunidad de obtener beneficios es más escasa.

Para que estos principios sean efectivos, hay que considerar una serie de variables. En primer lugar, la fuente del mensaje debe tener credibilidad. Esto incluye el nivel de conocimiento de la fuente, su capacidad para sancionar o recompensar al receptor, el atractivo y su semejanza con el receptor (Kelman, 1958). En el caso de las fake news, aspectos como la semejanza de ideología (Gampa et al., 2019) o la reputación de la fuente son de especial importancia para juzgar la veracidad de la información (Arnocky et al., 2018; Flintham et al., 2018). Sobre el mensaje en sí, se debe tomar en cuenta si este es racional o emocional, unilateral o bilateral y su contenido (Fabrigar & Petty, 1999). Aspectos ligados al canal en el que se transmite el mensaje deben considerarse también; por ejemplo, las interacciones directas entre personas son más eficaces (Chaiken & Eagly, 1983). Además, son también relevantes el receptor y sus características. Se debe considerar aspectos ligados a la recepción del mensaje, como la atención, comprensión y retención; pero también aspectos actitudinales, como la necesidad de conocimiento, de coherencia o de aprobación social (McGuire, 1968; como se cita en Moya & Rodríguez-Bailón, 2011). Por ejemplo, se ha encontrado que las personas pueden resistir al principio de coherencia, siendo menos susceptibles a aceptar una noticia falsa como verdadera cuando tienen mayor puntaje de reflexión cognitiva (Pennycook & Rand, 2019). Por último, Wegner y Petty (1996) comentan que los estados afectivos pueden influir sobre la persuasión, afectando la probabilidad de elaboración de un mensaje. Recientemente, se ha encontrado que la susceptibilidad de una persona ante una determinada variable de persuasión por influencia social se correlaciona con la susceptibilidad ante otras variables (Oyibo & Vassileva, 2019).

Estas variables pueden influir en el procesamiento de la información tal como lo explica el modelo de probabilidad de elaboración. De acuerdo con este, los mensajes se procesan de dos formas: en la primera, o ruta central, las personas se detienen a analizar la información recibida y a evaluar las consecuencias que podría traer. Si el mensaje se procesa en la segunda forma, es decir por la ruta periférica, habrá una baja probabilidad de la elaboración del mensaje: la persona no cuestionará la calidad de los argumentos, por lo cual será más vulnerable a la influencia social (Petty & Cacioppo, 1986a, 1986b; Moya & Rodríguez-Bailón, 2011). En el contexto de las fake news, el uso de la ruta periférica implica la revisión de aspectos como la cantidad de reacciones en redes, lo reciente de la publicación de la noticia o la credibilidad de la fuente para determinar la veracidad del contenido, a pesar de que no se haya explorado el mismo (Xu, 2013; Flintham et al., 2018).

Este fenómeno, aunque aún poco explorado, ha sido principalmente investigado desde la psicología social. Este campo ha prestado especial atención a la afiliación a grupos, los roles de las personas, sus jerarquías y los procesos de influencia social involucrados. Aunque en un distinto nivel de análisis, la psicología social también requiere de la atención a las diferencias individuales para la predicción de comportamientos en distintos contextos. De forma particular, la personalidad se puede entender como la interacción de rasgos fisiológicos con el ambiente, que derivan en una estructura dinámica e individual observada a través de conductas, emociones, pensamientos y motivaciones (Seelbach, 2012). Esta variable es subyacente al comportamiento, la percepción y la cognición (Cloninger, 2003) y es relativamente estable a lo largo de la vida (Anusic & Schimmack, 2016). Más allá de las herramientas utilizadas para medirla, está claro que se trata de una variable latente que explica el comportamiento humano (Barondes, 2015; Friedman & Schustack, 2016) y puede incluso evaluarse haciendo uso de la actividad de las personas en redes sociales (Azucar et al., 2018). En la actualidad, la psicología de la personalidad se ha vuelto a unir con las neurociencias, las posturas evolutivas y biologistas y la psicología cognitiva y se enfoca en explicar el comportamiento en los campos de la salud, el conflicto social y la cultura (Friedman & Schustack, 2016; Vukasovic & Bratko, 2015). El modelo de los cinco grandes factores ha mostrado correlaciones relevantes con distintos aspectos de la conducta social; por ejemplo, al relacionarse con aspectos deseables en la estructura grupal, como la centralidad y el rol de bisagra entre grupos (Fang et al., 2015). Otras investigaciones han revisado el rol de los factores de la personalidad en la predicción del uso de estrategias de influencia social en el ambiente laboral (Caldwell & Burger, 1997) o en las relaciones de pareja (Buss, 1992). Asimismo, se ha encontrado que la afabilidad es el rasgo que mejor predice la susceptibilidad a distintas técnicas de persuasión por influencia social. Los otros cinco rasgos tuvieron distintos niveles de susceptibilidad, dependiendo de la herramienta de influencia social usada (Alkış & Temizel, 2015). De modo similar, se ha encontrado que los niveles elevados de afabilidad y responsabilidad predicen mayor obediencia por influencia social (Bègue et al., 2015). Finalmente, se ha encontrado que la personalidad modera los efectos de la influencia y las redes sociales (TIC) en personas con hábitos alimenticios no saludables (Perry & Ciciurkaite, 2019).

La naturaleza de las investigaciones realizadas hasta el momento deja clara la existencia de una brecha entre el nivel de análisis de la psicología social y el de la psicología de la personalidad (Oyibo & Vassileva, 2019; Perry & Ciciurkaite, 2019). A pesar de ello, existe evidencia de que la susceptibilidad a una estrategia de influencia social pueda predecir la susceptibilidad a otras y, por ende, a las utilizadas en las fake news (Oyibo & Vassileva, 2019). Por otro lado, las diferencias individuales pueden ser factores protectores o de riesgo ante el efecto persuasivo de las fake news (Alkış & Temizel, 2015; Bègue et al., 2015; Deng et al., 2017; Pennycook & Rand, 2018; Perry & Ciciurkaite, 2019). Tomando todo ello en cuenta, la presente investigación busca responder a la siguiente pregunta de investigación: ¿existe una relación entre los cinco grandes factores de personalidad, la susceptibilidad a la influencia social y la aceptación de noticias falsas como reales? Con esa finalidad se plantean dos hipótesis que serán puestas a prueba a través de un modelo predictivo conjunto: la susceptibilidad a aceptar una noticia falsa como verdadera se predice, de forma estadísticamente significativa, por la personalidad (H1) y por la susceptibilidad a estrategias de influencia social (H2).

MÉTODO

Participantes

La muestra de participantes estuvo compuesta de 155 personas residentes de Lima Metropolitana y el Callao, 98 hombres y 57 mujeres con una edad promedio de 22.28 años (DE = 1.58). Todos ellos contaban con educación básica completa y la mayoría se encontraba cursando educación superior universitaria, pertenecía a carreras de humanidades (N = 82) y vivía principalmente en los distritos de Santiago de Surco (N = 30), La Molina (N = 23) y Miraflores (N = 21). El tipo de muestreo fue no probabilístico y por conveniencia y se seleccionó a participantes voluntarios que pertenecieran al grupo etario de interés, entre 18 y 29 años, según lo planteado en la literatura (Smith & Anderson, 2018; Ruiz & Castro, 2018; Organización Mundial de la Salud, 2019). Este tamaño de muestra supera los 123 requeridos a priori para un análisis de regresión múltiple con una potencia mínima de .90, un error máximo de .05, un tamaño del efecto de .15 y 6 predictores según el programa estadístico G*Power 3.1 (Faul et al., 2009).

Materiales

Inventario de Personalidad Mini-IPIP

La personalidad fue evaluada a partir del marco de los cinco grandes factores con el cuestionario Mini-IPIP adaptado al español por Martínez-Molina y Arias (2018). Este cuestionario cuenta con 20 ítems con escala Likert de grado de acuerdo de cinco anclas. En su adaptación en Chile, sus puntajes mostraron cargas factoriales de entre .543 y .824, así como confiabilidad elevada (.69 - .81). En De la Oliva y Prieto (2021) se revisan las propiedades psicométricas de los puntajes obtenidos con las adaptaciones de los cuestionarios siguiendo las recomendaciones de Ferrando y Anguiano-Carrasco (2010), Lloret-Segura et al. (2014) y McNeish (2018) y se reportan resultados de adecuación de los datos al análisis factorial exploratorio (KMO = .803; X2(19) =110.99, p < .001). También se presenta un modelo de seis factores (aquiescencia y los cinco grandes) con cargas factoriales de entre .315 y .867. La solución factorial fue similar a la hallada por Martínez-Molina y Arias (2018), con cuatro ítems por factor de personalidad que explican el 56.7 % de la varianza de los datos y muestran índices de ajuste aceptables (RSMR = .024; RMSEA = .066;
TLI = .892). Además, reportan el coeficiente Omega de consistencia interna, el cual va desde .57, en el factor de afabilidad, hasta .71, en el factor de extroversión.

Escala de Susceptibilidad a Influencia Social

Para la evaluación de la susceptibilidad a la influencia social se utilizó una adaptación al español del cuestionario The Susceptibility to Persuasive Strategies Scale (STPS; Kaptein, 2011). La escala original cuenta con 26 ítems de tipo Likert con siete anclas de grado de acuerdo para evaluar las seis estrategias planteadas por Cialdini (2001a, 2001b). Los puntajes de la prueba original explicaron el 56 % de la varianza total y se agruparon en seis factores, evidenciando coeficientes de confiabilidad desde .63 hasta .81; su versión unidimensional mostró una confiabilidad de .85. Con la presente muestra se realizó un análisis de las propiedades psicométricas reportadas en De la Oliva y Prieto (2021) para los puntajes obtenidos con este cuestionario. Se proporcionó evidencias de validez basada en la estructura interna a través del AFE (KMO = .754; X2(17) =92.55, p < .001) que mostró una estructura de seis factores que explican 51.2 % de la varianza, con índices de ajuste adecuados (RSMR = .029; RMSEA = .064; TLI = .89). La adaptación mantuvo dieciocho ítems, con cargas factoriales de entre .331 y .948. Se estimó la confiabilidad por consistencia interna a partir de coeficientes elevados para el puntaje total (ω= .90). A nivel de subescalas, la confiabilidad fue desde .49, en el factor de escasez, hasta .80 en el factor de compromiso.

Tarea de susceptibilidad a aceptar noticias falsas

Para la operacionalización de la susceptibilidad a aceptar noticias falsas como verdaderas se generó un cuestionario corto en el que se pedía puntuar la veracidad de cuatro noticias. Los evaluados respondieron ante la afirmación “Considero que la noticia es verdadera” en una escala Likert de grado de acuerdo con cuatro anclas y sin punto medio. Esta tarea fue diseñada sobre la base de lo realizado por Pennycook y Rand (2019) y Flintham et al. (2018) y consiste en una pregunta repetida cuatro veces con distintos estímulos. Estos cuatro ítems muestran adecuación al análisis factorial exploratorio (KMO = .703; X2(6) = 113, p < .001) y se agrupan en un solo factor con cargas factoriales moderadas (.574-.674) que explican el 34.4 % de la varianza. Este modelo unidimensional muestra aceptable ajuste (RSMR = .051; RMSEA = .136; TLI = .853) y un aceptable resultado de consistencia interna (ω= .68). Además de ello, en cada noticia se presentaron afirmaciones ligadas a conductas de influencia social en el contexto de redes sociales específicamente ligadas a estrategias de autoridad, coherencia, confirmación social y agradabilidad, según las planteó Cialdini (2001a, 2001b). Los dieciséis ítems mostraron adecuación al análisis factorial exploratorio (KMO = .787; X2(14) = 40.52, p < .001) y se agruparon en cuatro factores según el diseño de la tarea con cargas factoriales adecuadas (.481 - .964). Este modelo explicó el 67.7 % de la varianza de los datos (RSMR = .035; RMSEA = .154; TLI = .771). Los coeficientes fueron elevados para el puntaje total (ω= .94) y un poco más variados para cada escala (.68 - .96). La presentación de estas afirmaciones se dio en distinto orden para cada noticia; más información al respecto, así como la tarea utilizada, puede encontrarse en De la Oliva y Prieto (2021).

Procedimiento

Se realizó el contacto con distintas personas a través de correos electrónicos y publicaciones en redes sociales, invitándolos a participar del estudio. Aquellos que aceptaron, recibieron un consentimiento informado en el cual se explicó que formarían parte de un estudio cuya finalidad es optar por un título de grado. Se solicitó confidencialidad sobre los instrumentos, se explicó que la información sería manejada de forma confidencial y no se solicitaron datos que permitieran su identificación. No se indicó explícitamente el objetivo de las pruebas, dado que esto podría haber generado un sesgo de respuesta. Tomando en cuenta las recomendaciones de Downing y Haladyna (2011) para la aplicación de tests a través de tecnologías de la información, se eligió hacer uso del software Google Forms.

Tras ello, se revisaron las hipótesis a través de dos modelos de regresión lineal múltiple. En estos modelos, se prestó atención al coeficiente de determinación (R2) y a la medida estandarizada del tamaño del efecto de Cohen (f2). Asimismo, se resalta el uso del criterio de información de Akaike (AIC) y el criterio de información bayesiano (BIC) para observar el balance diferencial entre datos explicados y el ajuste del modelo en los distintos modelos revisados. Finalmente, se revisaron los supuestos en base a las recomendaciones de Ernst y Albers (2017). Además, el ingreso de variables a los modelos de regresión se dio a través del método stepwise considerando un nivel de significancia crítico de entre .15 y .05 según las recomendaciones de McCarthy et al. (2019).

RESULTADOS

Para la contrastación de las hipótesis se realizó un primer modelo de regresión múltiple que considera los puntajes de personalidad (extroversión, afabilidad, tesón, neuroticismo y apertura) y los de influencia social (agradabilidad, comprobación social, coherencia, autoridad, reciprocidad y escasez) como predictores de la susceptibilidad a aceptar noticias falsas como verdaderas. Este modelo fue estadísticamente significativo; F(4,150) = 5.03; p < .001. Incluyó los puntajes de tesón, autoridad, afabilidad y apertura como predictores de los puntajes de aceptación de noticias falsas (R2 = .118; R2 ajustado = .095, f 2 = .13). En la Tabla 1 se puede observar el proceso en detalle para la creación del modelo A. No se encontraron problemas de multicolinealidad de los puntajes, ni de autocorrelación (Durbin-Watson = 1.749; autocorrelación = .122, p = .113).

Tabla 1

Modelo A para predecir susceptibilidad a aceptar noticias falsas

Variable

t

p

β

IC 95 %

FIV

Tolerancia

Inferior

Superior

1

Tesón

-2.54

.012

-.201

-.358

-.045

1

1

2

Tesón

-2.71

.008

-.211

-.364

-.057

0.998

1.002

Autoridad

2.57

.011

.200

.047

.354

0.998

1.002

3

Tesón

-2.86

.005

-.222

-.375

-.069

0.992

1.001

Autoridad

2.32

.022

.181

.027

.335

0.980

1.021

Afabilidad

1.86

.065

.145

-.009

.300

0.975

1.025

4

Tesón

-2.76

.007

-.213

-.365

-.060

0.987

1.013

Autoridad

1.87

.064

.149

-.009

.306

0.925

1.081

Afabilidad

2.08

.039

.163

.008

.317

0.959

1.043

Apertura

-1.70

.091

-.135

-.292

.022

0.931

1.074


Nota: Si bien se incluyeron todas las subescalas de personalidad (extroversión, afabilidad, tesón, neuroticismo y apertura) y de influencia social (agradabilidad, comprobación social, coherencia, autoridad, reciprocidad y escasez), solo las presentadas fueron utilizadas para la predicción.

Dado el pequeño tamaño del efecto y la limitada proporción de varianza explicada, se generó un modelo B, en el que se incluyeron los puntajes de personalidad (extroversión, afabilidad, tesón, neuroticismo y apertura) y los de conductas de influencia social en el contexto de la revisión de noticias en redes sociales (agradabilidad, autoridad, coherencia y comprobación social) y se retiraron los de susceptibilidad a influencia social por la similitud y posible multicolinealidad. Este modelo también fue estadísticamente significativo: F(6,148) = 15.542, p < .001 e incluyó los indicadores de la tarea de fake news ligados a la agradabilidad, la autoridad y la coherencia o compromiso; además, incluyó los puntajes de apertura, tesón y afabilidad como predictores (R2 = .387; R2 ajustado = .362, f2 = .63). No se encontraron problemas de multicolinealidad de los puntajes ni de autocorrelación (Durbin-Watson = 1.66; autocorrelación = .163, p = .033). En la Tabla 2 se puede observar el proceso en detalle para generar el modelo B.

Tabla 2

Modelo B para predecir susceptibilidad a aceptar noticias falsas

Variable

t

p

β

IC 95 %

FIV

Tolerancia

Inferior

Superior

1

Agradabilidad*

6.06

<.001

.440

.297

.584

1

1

2

Agradabilidad*

5.26

<.001

.374

.234

.515

0.947

1.056

Autoridad*

4.01

<.001

.286

.145

.426

0.947

1.056

3

Agradabilidad*

5.31

<.001

.364

.229

.499

0.945

1.058

Autoridad*

3.68

<.001

.254

.118

.390

0.932

1.073

Coherencia*

3.63

<.001

.245

.112

.378

0.979

1.022

4

Agradabilidad*

5.69

<.001

.386

.252

.520

0.930

1.075

Autoridad*

3.20

.002

.221

.085

.357

0.899

1.112

Coherencia*

3.81

<.001

.252

.121

.383

0.977

1.023

Apertura

-2.55

.012

-.171

-.303

-.038

0.957

1.045

5

Agradabilidad*

5.58

<.001

.377

.244

.510

0.925

1.081

Autoridad*

3.15

.002

.216

.080

.351

0.897

1.114

Apertura

-2.44

.016

-.162

-.294

-.031

0.952

1.050

Tesón

-1.83

.069

-.120

-.250

.009

0.979

1.021

6

Agradabilidad*

5.71

<.001

.383

.250

.515

0.923

1.083

Autoridad*

2.58

.011

.182

.043

.321

0.839

1.193

Coherencia*

3.74

<.001

.244

.115

.373

0.971

1.029

Apertura

-2.71

.008

-.180

-.312

-.049

0.933

1.072

Tesón

-2.02

.046

-.132

-.261

-.003

0.971

1.030

Afabilidad

1.89

.060

.127

-.005

.260

0.919

1.088


Nota: Si bien se incluyeron todas las subescalas de personalidad (extroversión, afabilidad, tesón, neuroticismo y apertura) y de influencia social en redes sociales (agradabilidad, autoridad, coherencia y comprobación social), solo las presentadas fueron utilizadas para la predicción. *: indicador de influencia social en redes sociales.

Además, en las figuras 1 y 2 se pueden observar los análisis gráficos ligados a la verificación de supuestos para realizar la regresión lineal de ambos modelos. Se puede aceptar que los supuestos de la regresión lineal se cumplen en ambos modelos. Finalmente, el modelo B muestra ser el más adecuado, no solo porque explica una mayor varianza; sino también por el uso de otros estadísticos relacionados con la parsimonia de los modelos que demuestran explicar mejor la varianza de los datos al contar con distintos indicadores, AICA(6) = 431.357, AICB(8) = 379.129; BICA(6) = 449.618, BICB(8) = 403.476.

Figura 1

Normalidad de los residuales en los modelos propuestos

Figura 2

Homocedasticidad de los residuales en los modelos propuestos

DISCUSIÓN

Los análisis realizados en la presente investigación resultaron en dos modelos predictivos y estadísticamente significativos de la susceptibilidad a aceptar noticias falsas. El primer modelo, el modelo A, mostró ser estadísticamente significativo con un tamaño del efecto mediano (Cohen, 1992). Explica el 11.8 % de la varianza e incluye como predictores a los factores tesón, afabilidad y apertura mental del Mini-IPIP y el factor autoridad del STPS. La direccionalidad de las correlaciones permitió plantear factores de riesgo, cuando predicen positivamente la aceptación de noticias falsas, y protectores, cuando la predicen negativamente. En este primer modelo, la afabilidad se encontró como un primer factor de riesgo. Esto puede deberse a que este rasgo suele referirse a personas altruistas, consideradas o cooperativas, que depositan su confianza en otras personas con facilidad y buscan tener buenas relaciones interpersonales (Barondes, 2015). Alkış y Temizel (2015) comentan que la afabilidad es el rasgo de personalidad más susceptible a la influencia social al ser comparado con otros rasgos. Esto se debe, en cierta medida, a que las personas afables son altamente empáticas y se preocupan por los sentimientos de quienes los rodean, son fácilmente afectadas por las opiniones de sus pares o las de figuras de autoridad y reportan sentimientos negativos al ser penalizados. Se considera, entonces, que podrían aceptar información con más facilidad para evitar esta penalización o para no dañar los sentimientos de sus pares. Asimismo, si las fake news vienen o han sido compartidas por sus compañeros o amigos, pueden ser aceptadas para evitar que sus relaciones interpersonales se vean perjudicadas. El principio de autoridad es el segundo factor de riesgo. Es posible que las personas con alta susceptibilidad a esta estrategia de influencia social confíen con facilidad en los expertos en un tema. Este heurístico suele servir para tomar mejores decisiones; pero puede ser usado como estrategia de persuasión en esta situación (Cialdini, 2001a, 2001b). La apertura mental y el tesón se presentan como factores protectores. En cuanto a la apertura mental, esta implica apertura a nuevas ideas o experiencias, así como disfrutar de la novedad o variedad (Barondes, 2015); esto podría derivar en mayor búsqueda de información y podría dificultar la aceptación de las noticias falsas. Alkış y Temizel (2015) explican que los puntajes elevados en este rasgo, relacionado con la independencia, puede resultar en que las personas consideren sus creencias como superiores y se muestren reacias, en ocasiones, a aceptar ideas que contradigan las suyas. El rasgo de tesón describe a personas reflexivas, persistentes, escrupulosas, responsables, que tienden a la planificación y al orden (Barondes, 2015, Alkış & Temizel, 2015). Esto podría derivar en mayor cautela durante su revisión de noticias en distintos medios, por lo que evitarían aceptar nueva información sin verificarla previamente.

El modelo B, que se considera más adecuado para predecir la aceptación de noticias falsas, explica el 38.7 % de la varianza en dichos puntajes con un tamaño del efecto grande (Cohen, 1992). Como el modelo A, el modelo B cuenta con el tesón y la apertura mental como factores protectores. Como factores de riesgo, se encuentran las conductas relacionadas con el principio de autoridad, agradabilidad y coherencia, contextualizadas en la revisión de noticias en redes sociales; así como el rasgo de afabilidad, el cual se encontró también en el modelo A. Estos resultados implican que, por ejemplo, las personas aceptarán información falsa con más facilidad cuando esta haya sido compartida por amistades en redes sociales. Asimismo, si es que la página o institución que comparte la noticia es conocida o goza de buena reputación, es más probable que acepten lo publicado como cierto. Por otro lado, se observó que las personas podrían aceptar las noticias falsas con más facilidad si es que estas coincidían con sus propias ideas preestablecidas. Los resultados de Flintham et al. (2018) muestran coincidencias con lo encontrado en la presente investigación. Particularmente, ellos explican que las personas consideran las noticias compartidas por amigos como más interesantes y confiables. Asimismo, explican que algunas personas califican la veracidad de una noticia basándose principalmente en su fuente. A pesar de evaluar una noticia como falsa inicialmente, esta postura puede cambiar tras conocer la fuente. En este segundo modelo se puede observar la ausencia de las conductas de comprobación social como parte de los predictores. Esta se refiere a la confirmación del propio pensar o actuar basada en aquello que realiza el resto de las personas. En redes sociales, esto se debería evidenciar a través de los likes, comentarios y reacciones de las personas. No obstante, se conoce que muchas plataformas virtuales cuentan con bots que simulan respuestas para difundir la información (Ferrara, 2015; Fox et al., 2014).

Esta investigación cuenta con ciertas limitaciones. En primer lugar, es relevante mencionar que la baja confiabilidad encontrada en las subescalas del STPS podrían generar una subestimación de la relación de estas variables con la susceptibilidad a aceptar noticias falsas (Baugh, 2002). Es posible que este fenómeno haya resultado en la ausencia de estos factores en el primer modelo, así como la presencia del factor de autoridad y apertura mental, aunque estos no se correlacionaron de forma estadísticamente significativa con la variable predicha. Por otro lado, las escalas utilizadas para evaluar personalidad e indicadores de influencia social fueron cortas para evitar el agotamiento de los participantes; no obstante, esto puede derivar en menor muestreo de contenido (Peterson, 1994).

Los resultados de ambos modelos parecen dar evidencia de que la influencia social funciona de diferentes maneras cuando se presenta en redes sociales en comparación con su funcionamiento en interacciones directas. Se sugiere que futuras investigaciones puedan profundizar al respecto. Esto último resulta interesante para la aplicación práctica de estos resultados al generar programas de intervención o promoción que trabajen sobre las conductas encontradas para poder reducir la vulnerabilidad de las personas ante la desinformación. Esto se plantea porque reducir la exposición a redes sociales aparenta ser imposible de implementar (Holland & Tiggeman, 2016). En específico, se plantea la posibilidad de generar programas que trabajen sobre hábitos de pensamiento crítico, el cuestionamiento de las fuentes, la verificación de la información, la aceptación de que los expertos pueden cometer errores y el cuestionamiento a la información compartida por amigos. Por otro lado, la investigación ligada a este tema abre la posibilidad de una mayor exploración a través de distintos modelos. Estos modelos pueden ser de ecuaciones estructurales para revisar la prevalencia de mediaciones o moderaciones en la interacción entre estas variables. Una posible hipótesis es que la personalidad tiene un efecto sobre las conductas específicas en redes y estas tienen un efecto sobre la susceptibilidad a aceptar las noticias falsas. En ese sentido, las conductas específicas funcionarían como mediadoras de la relación entre la personalidad y la aceptación de las noticias falsas. Otra posibilidad es que la influencia social, como variable latente, se encuentre mediando el efecto de la personalidad sobre la susceptibilidad a aceptar las noticias y que, por ende, el tamaño de su efecto se haya visto reducido en el modelo A. Un segundo camino que se puede generar para profundizar en la brecha de estudio entre la psicología de la personalidad y la conducta social sería realizar investigaciones en base al análisis de perfiles latentes; después de todo, la propuesta de personalidad considera que estos rasgos pueden interactuar entre sí para influir sobre el patrón de conducta de la persona.

REFERENCIAS

Alkış, N., & Temizel, T. T. (2015). The impact of individual differences on influence strategies. Personality and Individual Differences, 87, 147–152. https://doi.org/10.1016/j.paid.2015.07.037

Anusic, I., & Schimmack, U. (2016). Stability and change of personality traits, self-esteem, and well-being: introducing the meta-analytic stability and change model of retest correlations. Journal of Personality and Social Psychology, 110(5), 766-781. https://doi.org/10.1037/pspp0000066

Aral, S., & Walker, D. (2012). Identifying influential and susceptible members of social networks. Science, 337(6092), 337-341, https://doi.org/10.1126/science.1215842

Arnocky, S., Bozek, E., Dufort, C., Rybka, S., & Hebert, R. (2018). Celebrity opinion influences public acceptance of human evolution. Evolutionary Psychology, 16(3). https://doi.org/10.1177/1474704918800656

Azucar, D., Marengo, D., & Settanni, M. (2018). Predicting the big 5 personality traits from digital footprints on social media: a meta-analysis. Personality and Individual Differences, 124, 150-159. https://doi.org/10.1016/j.paid.2017.12.018

Baron, R. S., Kerr, N. L., & Miller, N. (1992). Group process, group decision, group action. Open University Press.

Barondes, S. (2015). Making sense of people: the science of personality differences. Pearson Education.

Bakshy, E., Messing, S., & Adamic, L. (2015). Exposure to ideologically diverse news and opinion on Facebook. Science, 348(6239), 1130-1132. https://doi.org/10.1126/science.aaa1160

Baugh, F. (2002). Correcting effect sizes for score reliability: a reminder that measurement and substantive issues are linked inextricably. Educational and Psychological Measurement, 62(2), 254-263. https://doi.org/10.1177/001316440206200200

Bègue, L., Beauvois, J., Courbet, D., Oberlé, D., Lepage, J., & Duke, A. (2015). Personality predicts obedience in a Milgram paradigm. Journal of Personality, 83(3), 299-306. https://doi.org/10.1111/jopy.12104

Bessi, A., & Ferrara, E. (2016). Social bots distort the 2016 U.S. presidential election online discussion. First Monday, 21(11). https://doi.org/10.5210/fm.v21i11.7090

Bond, R. M., Fariss, C. J., Jones, J. J., Kramer, A. D. I., Marlow, C., Settle, J. E., & Fowler, J. H. (2012). A 61-million-person experiment in social influence and political mobilization. Nature, 489, 295-298. https://doi.org/10.1038/nature11421

Burguess, J., & Bruns, Al. (2012). (Not) the twitter election: the dynamics of the #ausvotes conversation in relation to the Australian media ecology. Journalism Practice, 6(3), 384-402. https://doi.org/10.1080/17512786.2012.663610

Burkhardt, J. M. (2017). History of fake news. Library Technology Reports, 53(8), 5-9.

Buss, D. M. (1992). Manipulation in close relationships: five personality factors in interactional context. Journal of Personality, 60(2), 477–499. https://doi.org/10.1111/j.1467-6494.1992.tb00981.x

Caldwell, D. F., & Burger, J. M. (1997). Personality and social influence strategies in the workplace. Personality and Social Psychology Bulletin, 23(10), 1003–1012. https://doi.org/10.1177/01461672972310001

Canto, J. M. (1998). Psicología de los grupos: estructura y procesos. Aljibe.

Chaiken, S., & Eagly, A. H. (1983). Communication modality as a determinant of persuasion: The role of communicator salience. Journal of Personality and Social Psychology, 45(2), 241–256. https://doi.org/10.1037/0022-3514.45.2.241

Cialdini, R. B. (2001a, octubre). Harnessing the science of persuasion. Harvard Business Review, 72-79.

Cialdini, R. B. (2001b). Influence: science and practice. Allyn y Bacon.

Cialdini, R. B. (2007). Influence: the psychology of persuasion. Harper.

Cloninger, S. (2003). Teorías de la personalidad. Pearson Educación.

Cohen, J. (1992). A power primer. Psychological Bulletin, 112(1), 155-159. https://doi.org/10.1037/0033-2909.112.1.155

De la Fuente, R. (1992). Psicología médica (2 ed.). Fondo de Cultura Económica.

De la Oliva Alzamora, M. P. & Prieto Molinari, D. E. (2021). Fake news: relación entre los rasgos de personalidad, la influencia social y la susceptibilidad a aceptarlas como reales [Tesis de Licenciatura]. Repositorio institucional de la Universidad de Lima. https://hdl.handle.net/20.500.12724/14072

Deng, S., Lin, Y., Liu, Y., Chen, X., & Li, H. (2017). How do personality traits shape information-sharing behaviour in social media? Exploring the mediating effect of generalized trust. Information Research, 22(3).

Downing, S. M., & Haladyna, T. M. (Eds.). (2011). Handbook of test development. Lawrence Erlbaum Associates.

Ernst, A. F., & Albers, C. J. (2017). Regression assumptions in clinical psychology research practice - a systematic review of common misconceptions. Peer J, 5, e3323.

Fabrigar, L. R., & Petty, R. E. (1999). The role of the affective and cognitive bases of attitudes in susceptibility to affectively and cognitively based persuasion. Personality and Social Psychology Bullletin, 25(3), 363-381. https://doi.org/10.1177/0146167299025003008

Fang, R., Landis, B., Zhang, Z., Anderson, M. H., Shaw, J. D., & Kilduff, M. (2015). Integrating personality and social networks: a meta-analysis of personality, network position and work outcomes in organizations. Organization Science, 26(4), 1243-1260. https://doi.org/10.1287/orsc.2015.0972

Faul, F., Erdfelder, E., Buchner, A., & Lang, A.-G. (2009). Statistical power analyses using G*Power 3.1: Tests for correlation and regression analyses. Behavior Research Methods, 41, 1149-1160. https://doi.org/10.3758/BRM.41.4.1149

Ferrando, P. J., & Anguiano-Carrasco, C. (2010). El análisis factorial como técnica de investigación en psicología. Papeles del Psicólogo, 31(1), 18-33. https://www.redalyc.org/articulo.oa?id=77812441003

Ferrara, E. (2015). Manipulation and abuse on social media. SIGWEB Newsletter, Spring, 4. https://doi.org/10.1145/2749279.2749283

Ferrara, E., & Yang, Z. (2015). Quantifying the effect of sentiment on information diffusion in social media. PeerJ Computer Science, 1, e26. https://doi.org/10.7717/peerj-cs.26

Flintham, M., Karner, C., Bachour, K., Creswick, H., Gupta, N., & Moran, S. (2018, 21-26 de abril). Falling for fake news: Investigating the consumption of news via social media [Presentación de escrito]. CHI Conference on Human Factors in Computing Systems, Montreal, Canadá. https://doi.org/10.1145/3173574.3173950

Friedman, H. S., & Schustack, M. W. (2016). Personality: Classic theories and modern research. Pearson.

Fox, J., Ahn, S. J., Janssen, J. H., Yeykelis, L., Segovia, K. Y., & Bailenson, J. N. (2014). Avatars versus agents: a meta-analysis quantifying the effect of agency on social influence. Human-Computer Interaction, 30(5), 401-432. https://doi.org/10.1080/07370024.2014.921494

García, G. M., De Diego, V., Garach, A., & García, F. (2018). Las redes sociales en la piel. Pediatría Atención Primaria, 20(78), 179-181. http://scielo.isciii.es/scielo.php?script=sci_arttext&pid=S1139-76322018000200011

Gámez-Guadix, M., Almendros, C., Rodríguez-Mondragón, L., & Mateos-Pérez, E. (2020). Autolesiones online entre adolescentes españoles: análisis de la prevalencia y de las motivaciones. Revista de Psicología Clínica con Niños y Adolescentes, 7(1), 9-15. http://

Gampa, A., Wojcik, S. P., Motyl, M., Nosek, B. A., & Ditto, P. H. (2019). (Ideo) Logical reasoning: ideology impairs sound reasoning. Social Psychological and Personality Science, 10(8), 1075-1083. https://doi.org/10.1177/1948550619829059

Holland, G., & Tiggeman, M. (2016). A systematic review of the impact of the use of social networking sites on body image and disorder eating outcomes. Body Image, 17, 100-110. https://doi.org/10.1016/j.bodyim.2016.02.008

Jahng, M. R., & Littau, J. (2016). Interacting is believing: Interactivity, social cue,
and perceptions of journalistic credibility on Twitter. Journalism and Mass
Communication Quarterly, 93(1), 38-58. https://doi.org/10.1177/1077699015
606680

Kaptein, M. C. (2011, 9-11 de junio). Adaptive persuasive messages in an e-commerce setting: The use of persuasion profiles [Presentación de escrito]. 19th European Conference on Information Systems, Helsinki, Finland. https://aisel.aisnet.org/ecis2011/183/

Kelman, H. C. (1958). Compliance, identification and internalization: Three processes of attitude change. Journal of Conflict Resolution, 2(1), 51-60. https://doi.org/10.1177/002200275800200106

Lloret-Segura, S., Ferreres-Traver, A., Hernández-Baeza, A., & Tomás-Marco, I. (2014). El análisis factorial exploratorio de los ítems: una guía práctica, revisada y actualizada. Anales de Psicología, 30(3), 1151-1169. https://doi.org/10.6018/analesps.30.3.199361

Margolin, D. B., Hannak, A., & Weber, I. (2018). Political fact-checking on Twitter: When do corrections have an effect? Political Communication, 35(2), 196-219. https://doi.org/10.1080/10584609.2017.1334018

Martínez-Molina, A., & Arias, V. B. (2018). Balanced and positively worded personality short-forms: Mini-IPIP validity and cross-cultural invariance. PeerJ, 6, e5542. https://doi.org/10.7717/peerj.5542

McCarthy, R. V., McCarthy M. M., Ceccucci, W., & Halawi, L. (2019). Predictive models using regression. En Applying Predictive Analytics (pp. 89-121). Springer. https://doi.org/10.1007/978-3-030-14038-0_4

McGuire, W. J. (1968). Personality and attitude change: An information-processing theory. En A. G. Greenwald, T. C. Brock, & T. M. Ostrom. (Eds.), Psychological foundations of attitudes (pp. 171-196). Academic Press.

McNeish, D. (2018) Thanks coefficient alpha, we’ll take it from here. Psychological Methods, 23(3), 412-433. https://doi.org/10.1037/met0000144

Morales, J., & Sabucedo, J. (Coords.). (2015). Psicología social. Editorial Médica Panamericana.

Moya, M., & Rodríguez-Bailón, R. (Coords.). (2011). Fundamentos de psicología social. Pirámide.

Organización Mundial de la Salud. (2019). Salud del adolescente. https://www.who.int/es/health-topics/adolescent-health#tab=tab_1

Ovejero, A. (2010). Psicología social: algunas claves para entender la conducta humana. Biblioteca Nueva.

Oyibo, K., & Vassileva, J. (2019). The relationship between personality traits and susceptibility to social influence. Computers in Human Behavior, 98, 174-188. https://doi.org/10.1016/j.chb.2019.01.032

Pauner, C. (2018). Noticias falsas y libertad de expresión e información. El control de los contenidos informativos en la red. Teoría y Realidad Constitucional, 41, 297-318.

Pennycook, G., & Rand, D. G. (2019). Lazy, not biased: Susceptibility to partisan fake news is better explained by lack of reasoning than by motivated reasoning. Cognition, 188, 39-50. https://doi.org/10.1016/j.cognition.2018.06.011

Pérez, J. A., & Mugny, G (1988). Psicología de la influencia social. Promolibro.

Perry, B. L., & Ciciurkaite, G. (2019). Contributions of personality to social influence: contingent associations between social network body size composition and BMI. Social Science & Medicine, 224, 1-10. https://doi.org/10.1016/j.socscimed.2019.01.044

Peterson, R. A. (1994). A meta-analysis of Cronbach’s coefficient alpha. Journal of Consumer Research, 21(2), 381-391. https://doi.org/10.1086/209405

Petty, R. E., & Cacioppo, J. T. (1986a). Communication and persuasion: central and peripheral routes to attitude change. Springer-Verlag.

Petty, R. E., & Cacioppo, J. T. (1986b). The elaboration likelihood model of persuasion. Advances in experimental Social Psychology, 19, 123-205. https://doi.org/10.1016/S0065-2601(08)60214-2

Polage, D. C. (2012). Making up history: False memories of fake news stories. Europe’s Journal of Psychology, 8(2), 245-250. https://doi.org/10.5964/ejop.v8i2.456

Rodgers, R. F., McLean, S. A., & Paxton, S. J. (2015). Longitudinal relationships among internalization of the media ideal, peer social comparison, and body dissatisfaction: Implications for the tripartite influence model. Developmental Psychology, 51(5), 706-713, https://doi.org/10.1037/dev0000013

Ruiz, R., & Castro, Z. (2018). Estadísticas de las tecnologías de información y comunicación en los hogares. Informe técnico No. 2. Instituto Nacional de Estadística e Informática. https://www.inei.gob.pe/media/MenuRecursivo/boletines/01-informe-tecnico-n02_tecnologias-de-informacion-ene-feb-mar2018.pdf

Sánchez, J. (2002). Psicología de los grupos. Teorías, procesos y aplicaciones. McGraw Hill.

Seelbach, G. A. (2012). Teorías de la personalidad. Tercer Milenio.

Smith, A., & Anderson, M. (2018). Social media use in 2018. Pew Research Center.

Vosoughi, S., Roy, D., & Aral, S. (2018). The spread of true and false news online. Science, 359(6380), 1146-1151. https://doi.org/10.1126/science.aap9559

Vukasovic, T., & Bratko, D. (2015). Heritability of personality: a meta-analysis of behavior genetic studies. Psychological Bulletin, 141(4), 769-785. https://doi.org/10.1037/bul0000017

Wegner, D .T., & Petty, R. E. (1996). Effects of mood on persuasion processes: Enhancing, reducing and biasing scrutiny of attitude-relevant information. En L. L. Martin & A. Tesser (Eds.), A. Striving and feeling: interaction among goals, affect, and self-regulation (pp. 329-362). Lawence Erlbaum

Xu, Q. (2013). Social recommendation, source credibility, and recency: Effects of news cues in a social bookmarking website. Journalism and Mass Communication Quarterly, 90(4), 757-775.