Decodificando la persuasión: una encuesta sobre métodos de ML y NLP para el estudio de la persuasión en línea

La proliferación de la comunicación digital ha transformado profundamente el panorama del discurso persuasivo. Las plataformas en línea han amplificado el alcance y el impacto de las técnicas persuasivas. Sin embargo, también han permitido la rápida propagación de contenido manipulador, propaganda específica y retórica divisiva. En consecuencia, ha surgido una amplia gama de enfoques computacionales para abordar la naturaleza multifacética de la persuasión digital, para detectar y mitigar sus prácticas perjudiciales. A la luz de esto, el documento revisa métodos computacionales para detectar medios persuasivos en la comunicación digital, centrándose en cómo integran el conocimiento humanístico para operacionalizar este constructo. Además, se pone un énfasis especial en la explicabilidad de los modelos, un aspecto fundamental considerando que estos modelos son utilizados por instituciones para influir en las interacciones sociales. Para el análisis, se definen dos perspectivas principales en la persuasión: lingüística y argumentativa. El enfoque lingüístico analiza características textuales específicas, permitiendo algoritmos altamente responsables basados en reglas explícitas. El enfoque argumentativo se centra en mecanismos persuasivos más amplios, ofreciendo una mayor escalabilidad pero a menudo resultando en modelos menos explicables debido a su complejidad. Esta tensión entre la sofisticación del modelo y la explicabilidad presenta un desafío clave en el desarrollo de sistemas de detección de persuasión efectivos y transparentes. Los resultados destacan el espectro de metodologías para estudiar la persuasión, que van desde el análisis de elementos estilísticos hasta la detección de mensajes explícitamente propagandistas. Nuestros hallazgos destacan dos desafíos clave en el uso de estos algoritmos para abordar problemas sociales de abuso de la persuasión: la opacidad de los modelos de aprendizaje profundo y la ausencia de una distinción teóricamente fundamentada entre la persuasión viciosa y la virtuosa. Para abordar estos desafíos, proponemos la integración de teorías de ciencias sociales y humanidades para mejorar la efectividad y la solidez ética de los sistemas de detección de persuasión. Este enfoque interdisciplinario permite una caracterización más matizada del texto, facilitando la diferenciación entre la persuasión viciosa y la virtuosa a través del análisis de aspectos retóricos, argumentativos y emocionales. Enfatizamos el potencial de los enfoques híbridos que combinan métodos basados en reglas con técnicas de aprendizaje profundo, ya que estos ofrecen una vía prometedora para implementar este marco interdisciplinario. El documento concluye esbozando desafíos futuros, incluida la importancia del análisis multimodal y multilingüe, consideraciones éticas en el manejo de datos generados por usuarios y el creciente desafío de distinguir entre contenido persuasivo generado por humanos y por IA.