Título del Capítulo: «Desafiando la heteronormatividad: la percepción de las mujeres lesbianas y sus estereotipos en redes sociales»
Autoría:Alanis Marin-Chan; Fernanda Pires; Celina Navarro-Bosch
Cómo citar este Capítulo: Marin-Chan, A.; Pires, F.; Navarro-Bosch, C. (2026): «Desafiando la heteronormatividad: la percepción de las mujeres lesbianas y sus estereotipos en redes sociales». En Huertas-Bailén, A.; Navarro-Bosch, C. (eds.), Diversidades LGTBIQ+ en una esfera digital hostil. Resistencias políticas frente a decisiones algorítmicas. Salamanca: Comunicación Social Ediciones y Publicaciones.
ISBN: 978-84-10176-23-2
d.o.i.: https://doi.org/10.52495/c6.emcs.50.cyg5
Capítulo 6. Desafiando la heteronormatividad: La percepción de las mujeres lesbianas y sus estereotipos en redes sociales
Alanis Marin-Chan
Fernanda Pires
Celina Navarro-Bosch
Introducción
Más allá de ser un complejo modelo de negocio, las plataformas digitales tienen un poder significativo para moldear la cultura y la percepción de la realidad (Bucher, 2018), ya que dependen de infraestructuras y sistemas algorítmicos que seleccionan la información que consideran más relevante para cada individuo (Gillespie, 2013). Estos sistemas comparan las preferencias de cada persona usuaria para recomendar publicaciones y cuentas afines a sus intereses e invisibilizar determinados tipos de contenido ante ciertos perfiles, como los relacionados con el colectivo LGTBIQ+ o con grupos socialmente marginados (Duffy; Meisner, 2023). Esto implica que las plataformas no operan en condiciones de igualdad sino de forma estructuralmente asimétrica y que esta asimetría no es accidental, sino que se deriva de la propia naturaleza de los algoritmos que las sostienen.
Los algoritmos de aprendizaje automático, a diferencia de otros modelos, tienen la capacidad de entrenarse y mejorar de forma autónoma, siendo «capaces de aprender a predecir las salidas (outputs) a partir de ejemplos anteriores de la relación entre los datos de entrada (inputs) y las salidas (outputs)» (Bucher, 2018: 24). Esta cualidad de aprendizaje no es neutral, la misma autora advierte que estos sistemas poseen «la capacidad performativa de modificar la forma en que se desarrollan los hechos o, al menos, de alterar su interpretación» (Bucher, 2018: 28), lo que los convierte en agentes activos de construcción de realidad y, por tanto, no son meros intermediarios técnicos.
Las consecuencias de esta performatividad son especialmente graves en términos de equidad, pues las grandes corporaciones digitales propietarias de estas plataformas y sus modelos de explotación no suelen garantizar «parámetros mínimos de verdadera igualdad, ética, justicia social y ambiental» (De Andrés Del Campo et al., 2020: 52). Esta desigualdad se ve reflejada en las recomendaciones resultado del uso de la inteligencia artificial predictiva, ya que, dentro de sus modelos de entrenamiento existe, por ejemplo, una falta de representación de grupos sociales como personas de color (Criado-Perez, 2019; Klein; D’Ignazio, 2024; Noble, 2018), lo que genera un sesgo que retroalimenta la desigualdad y termina integrándose en los sistemas de aprendizaje automáticos. Este es un problema que en la actualidad continua afectando la visibilidad de las mujeres (Klein; D’Ignazio, 2024).
Desde esta perspectiva, el presente capítulo trata sobre la representación de las mujeres lesbianas en las redes sociales, pero lo hacemos ahondando en su propia mirada. Nos centramos en conocer cómo las mujeres lesbianas perciben el contenido lésbico que consumen en las redes, así como también todo lo relacionado con la identificación de sesgos y estereotipos asociados a su identidad. En concreto, nuestro objetivo es responder las siguientes preguntas:
1) Actividad digital: ¿Qué patrones de interacción y consumo realizan las mujeres lesbianas en redes sociales frente a los sistemas de recomendación?
2) Percepción de la representación de las mujeres lesbianas: ¿Qué tipo de representaciones identitarias identifican las mujeres lesbianas como predominantes en sus entornos digitales?
3) Respuesta ante los estereotipos: ¿Cómo negocian o confrontan las mujeres lesbianas las representaciones estereotipadas que reciben en redes sociales?
Para la elaboración de este texto, nos hemos basado en una muestra de mujeres jóvenes adultas lesbianas, compuesta por 23 personas, de entre 20 y 35 años. Se empleó como técnica de recogida de información la entrevista semiestructurada en profundidad ya que esta permite profundizar en el objeto de estudio a partir de la experiencia directa de las personas participantes (Taylor et al., 2016). La duración media de las entrevistas fue de 90 minutos aproximadamente y se realizaron de forma online vía Microsoft Teams.
El guion de las entrevistas incluyó los siguientes bloques: 1) Formas de uso de plataformas e imaginarios algorítmicos; 2) Actitudes hacia las recomendaciones y tipología de contenidos; 3) Tácticas y estrategias de interacción con los sistemas de personalización; 4) Identificación de sesgos; y 5) Aprendizaje algorítmico. Se aplicó el modelo de análisis temático propuesto por Braun y Clarke (2012) para la identificación de patrones recurrentes y la construcción de categorías temáticas. Estas últimas se contrastaron en sesiones de codificación conjunta con 11 miembros del equipo de ALCOM.
El análisis se divide en tres partes. La primera, sobre resistencia a la heteronormatividad y búsqueda de visibilidad de contenidos lésbicos, demuestra el empleo de tácticas de «entrenamiento algorítmico» (Siles, 2023) para evitar que el sistema las lleve a un entorno heteronormativo y no visibilice contenido lésbico. Particularmente, el «me gusta» funciona como una herramienta de micropolítica que les ayuda en conseguir el contenido deseado. La segunda parte reflexiona sobre el canon neoliberal (belleza, dinero y falta de interseccionalidad): las entrevistadas perciben que las redes sociales suelen premiar un modelo de lesbiana muy específico, el que responde a lógicas neoliberales y cánones de belleza normativos, lo que lleva a plantear una falta de representaciones interseccionales, principalmente en relación con la edad, y, en términos de experiencia como usuarias, a la sensación de vivir dentro de un filtro burbuja, donde solo se ofrece una única visión de mundo (Pariser, 2011). Finalmente, la última parte del análisis amplía esta visión y apunta a la falta de diversidad interna del colectivo, pues los estereotipos suelen encasillar a las usuarias en roles binarios (femenino vs. masculino), ya desgastados.
Nuestro análisis revela una tensión constante entre la agencia individual y las estructuras algorítmicas que, a menudo, perpetúan visiones limitadas de su identidad. A través de los testimonios recogidos, se observa un esfuerzo por construir espacios de visibilidad frente a una representación mediática que aún arrastra sesgos de clase, edad, raza y género.
En definitiva, este análisis se enfoca en los procesos de perfilación y segmentación de datos típicos de la cultura algorítmica (Striphas, 2015), pero dando visibilidad a las mujeres lesbianas, un grupo que es marginalizado, no solo por ser parte de la comunidad LGTBIQ+, sino también por el hecho de ser mujeres. Nos centramos en los sesgos de género interseccionales que afectan a la representación de las mujeres lesbianas en el contenido que se distribuye en las redes sociales.
Sistemas de recomendación de contenidos en redes: sesgos y estigmatización
Las redes sociales utilizan algoritmos de recomendación que requieren del uso de los datos de la actividad de las personas usuarias y estos los obtienen mediante la interfaz con la que estas interactúan, ya que todo queda registrado. Finalmente, el análisis de esta información les permite ofrecer contenido personalizado (Figueiredo; Bolaño, 2017).
No cabe duda de que estos sistemas de recomendación algorítmicos juegan un papel importante de poder, ya que deciden qué contenidos mostrar a las personas usuarias (Araujo; Pires, 2016; Bucher, 2018), teniendo la capacidad también de generar discriminación (Da Silva; Araújo, 2020). Duffy y Meisner (2023) observan cómo esta política de visibilidad y selección de las plataformas afecta especialmente a identidades marginalizadas, por ejemplo, generando contenidos estigmatizados. En el trabajo de campo de Duffy y Meisner (2023: 287), las personas entrevistadas explicaron sentirse sancionadas por las plataformas debido a sus identidades sociales y/o «géneros de contenido politizados». Este tipo de comentarios saca a la luz las dinámicas de control y regulación de las plataformas, demostrando que esta visibilidad puede ser inconsistente y sesgada.
Cabe destacar que estos sistemas algorítmicos predictivos se integran cada vez más en nuestra cotidianidad y afectan a la vida de todas las personas (Fazelpour; Danks, 2021). Al extenderse su uso a otras áreas, como la medicina, la justicia, o la concesión de préstamos (Van Dijck et al., 2018), estos sistemas refuerzan las injusticias y discriminaciones sociales preexistentes (Da Silva; Araújo, 2020; Fazelpour; Danks, 2021). Pero, al mismo tiempo, es importante subrayar que estos sesgos algorítmicos «pueden ser el resultado de los sesgos existentes en los sistemas del mundo real que se miden en los datos» (Fazelpour; Danks, 2021: 6). Es importante reconocer que «estos sistemas son creados por humanos y alimentados con datos basados en la experiencia humana, por lo que inevitablemente también reflejan los sesgos humanos inherentes» (O’Connor; Liu, 2024: 3). De este modo, podemos entender que es difícil que los sistemas de recomendación estén libres de sesgos.
Además, la clasificación y recomendación de contenido dentro de las redes sociales es solo una parte del problema, ya que las políticas e infraestructuras han generado durante mucho tiempo problemas a la comunidad LGTBIQ+ y a otros grupos marginados por los sesgos que poseen por defecto (Southerton et al., 2021). Un ejemplo crítico es la invisibilización de la identidad mediante la imposición de nombres asignados en el nacimiento, una política que ignora las realidades de artistas drag o personas trans (Lingel; Golub, 2015). Asimismo, el uso de sistemas basados en una lógica binaria y cisnormativa traslada los sesgos corporativos a la moderación algorítmica. Esto se ha evidenciado en los recientes ajustes de Meta, cuyas políticas de moderación han convergido con las exigencias regulatorias de sectores conservadores en EEUU (Gascón, 2025).
En esta misma línea, Myles et al. (2023) señalan que la investigación actual tiende a considerar los algoritmos de las plataformas como una fuerza principalmente opresiva para la comunidad LGTBIQ+. Estos autores sugieren la necesidad de explorar otras perspectivas o matices. La vigilancia algorítmica no solo reprime las identidades, relaciones y culturas LGTBIQ+ y limita su visibilidad, sino que más bien las transforma y redefine de maneras diferenciadas y complejas (Myles et al., 2023).
Cabe resaltar que nos centramos en los sesgos de género interseccionales que afectan a la representación de las mujeres lesbianas en el contenido que se distribuye en las redes sociales. El concepto de interseccionalidad, desarrollado por Crenshaw (1989), permite comprender cómo la superposición de distintas categorías de identidad, como el género y la orientación sexual, genera formas específicas y acumulativas de discriminación que no pueden explicarse de manera aislada. Debido a que los datos de entrenamiento suelen estar generados mayoritariamente por hombres (Criado-Perez, 2019), las mujeres sufren una invisibilización sistemática en los sistemas algorítmicos. En el caso de las mujeres lesbianas, esta situación se intensifica al sumarse el sesgo derivado de su orientación sexual, configurándose una doble marginación estructural. Es decir, los sistemas algorítmicos reproducen y amplifican estas opresiones interseccionales, afectando de manera desproporcionada a mujeres pertenecientes a grupos minorizados (Noble, 2018). A ello se suma que la comunidad LGTBIQ+, en general, y las mujeres lesbianas, en particular, han sufrido históricamente una representación escasa o distorsionada en los datos digitales, lo que alimenta y perpetúa estos sesgos en los sistemas de recomendación (Southerton et al., 2021).
Lesbianismo y representación social: identidades y estereotipos
Queda ya aclarado que las plataformas identifican datos relevantes de sus usuarias para luego poder ofrecerles un contenido más personalizado. Entonces, ahora ya es el momento de definir la noción de «representación social», lo que nos conduce inexorablemente a hablar de estereotipos. Pero empezaremos hablando de la construcción de la identidad digital.
Para Duguay (2023), la forma en la que las personas usuarias representan su identidad está condicionada por sus decisiones y por la manera en que funcionan las plataformas. Esta autora sostiene que esto se debe a la interacción de tres elementos: «la identificabilidad personal, el alcance y la saliencia» (Duguay, 2023: 185). La identificabilidad personal se refiere a los datos que permiten reconocer a una persona concretamente. El alcance determina hasta dónde y hacia quiénes se difunde dicha información en un entorno digital. Y, por último, la saliencia depende de cómo es reconocida la identidad representada, «¿posee la audiencia el conocimiento cultural necesario para comprender las señales de identidad en la forma que pretende el individuo que las utiliza?» (Duguay, 2023: 185). Es así como estas plataformas, con sus reglas, estímulos y formas de gobernanza, terminan mezclando todo lo anterior haciendo que las personas usuarias construyan sus identidades dentro de las mismas.
En relación con la noción de representación social, partimos de la siguiente definición:
Ahora bien, no todas las identidades son representadas de la misma manera, por los sesgos presentes dentro de estos sistemas de recomendación. Podemos percibir esto en los mecanismos de las plataformas, como sucede con el contenido de lesbianas. Como explican Duguay et al. (2020: 248), en un inicio las plataformas «censuraban o impedían la búsqueda del contenido de mujeres queer (…) dificultaban que las mujeres queer se encontrasen entre sí y reducían la visibilidad queer en la plataforma». Es así como estas autoras afirman que las formas en las que se moldean estas plataformas terminan expulsando a usuarias queer, limitando su participación e invisibilizándolas. Pero lo mismo podemos decir de los medios tradicionales hoy, como explica Duguay (2018: 96): «aunque en la actualidad la representación de las mujeres queer en televisión, cine y plataformas de streaming es más diversa, sigue inclinándose hacia la heteronormatividad y otras categorías normativas de identidad con el fin de atraer a audiencias masivas». Por lo tanto, las representaciones sociales suelen venir cargadas de estereotipos, que:
Pero los estereotipos están presentes en la mente de las personas, no son solo un artificio de los medios tradicionales y las redes sociales. Como explican Fernandez y Menon (2022), existe una clara relación entre la influencia de los medios y los estereotipos de género internalizados y, además, también afectan la autoimagen y el comportamiento de género. Asimismo, aunque estos autores destacan que hay muchos estudios enfocados en la influencia de los medios en los dos sexos, apuntan la importancia de estudiar las minorías sexo-afectivas.
Los estereotipos de las mujeres lesbianas en contenidos mediáticos y digitales
De acuerdo con Chen (2026) los medios de comunicación, tanto tradicionales como digitales, comparten la forma en que representan el género, utilizándolo como una estructura importante en la creación de contenido. El autor sostiene que los sesgos presentes en los medios son producto de las desigualdades de poder que se dan en la sociedad, y esta jerarquía de poder tradicional se manifiesta a través del «face-ism y los estereotipos publicitarios» (Chen, 2026: 343). Chen (2026) explica que el face-ism ocurre cuando los medios dan menos visibilidad a los rostros de grupos marginados. Y, con relación a las plataformas, Chen (2026) alude a las narrativas modernas, pero también a los algoritmos. De este modo, podríamos decir que las representaciones sociales funcionan en las redes sociales de manera similar a como ya lo venían haciendo los medios tradicionales, a pesar de que ahora son resultado de dinámicas algorítmicas que nada tienen que ver con el pasado.
Por su parte, la representación de las mujeres lesbianas en los medios de comunicación audiovisuales ha estado históricamente condicionada por una serie de estereotipos que reducen y distorsionan la diversidad de sus identidades, y en la actualidad esto también queda reflejado en las redes sociales (Pires; Revelles-Benavente, 2020). Estos estereotipos no son neutros, sino que responden a estructuras de poder patriarcales y heteronormativas que han determinado qué imágenes de la lesbianidad son consideradas visibles, aceptables o consumibles por las audiencias mayoritarias (Sánchez Soriano, 2023; Unanue Cuesta, 2022).
Sánchez Soriano (2023) identifica cuatro estereotipos de la mujer lesbiana en la ficción audiovisual: 1) la lesbiana masculinizada y malvada, «presentada como fuerte o agresiva y asociada a rasgos convencionalmente masculinos» (Sánchez Soriano, 2023: 43); 2) la lesbiana o bisexual promiscua o hetero curiosa, descrita como aquella que «tiene o ha tenido relaciones ocasionales con hombres o como heterosexuales confusas o curiosas» (Sánchez Soriano, 2023: 63); 3) la lesbiana hipermasculinizada, caracterizada por expresiones y gestos masculinos y una ausencia de feminidad; y 4) la lesbiana racializada, que aparece vinculada a la marginalidad, la prostitución y las vidas trágicas, reproduciendo una doble discriminación por orientación sexual y origen étnico o nacional.
Por su parte, Sheldon (1986), hace más de cuatro décadas, identificó tres estereotipos que han persistido en el imaginario mediático hasta hoy: 1) la lesbiana virago, de carácter fuerte y dominante, generalmente asociada a la clase obrera; 2) la lesbiana sofisticada, representada como una mujer mayor, adinerada y exitosa en entornos masculinos; y 3) la lesbiana neurótica, definida como «mujer-mujer, generalmente, o lesbiana oculta» (Sheldon, 1986: 41), es una mujer de apariencia femenina que oculta su verdadera identidad, lo que la muestra como una persona mentalmente desequilibrada (no por una enfermedad, sino por sufrimiento o conflicto interno).
A estos estereotipos también podemos sumar los identificados por Unanue (2022) y Catalán (2022). Unanue (2022) menciona el estereotipo de la lesbiana femenina, que encarna los atributos de la feminidad normativa tales como la delgadez, la clase media y el éxito profesional. Mientras que Catalán (2022: 32) registra el estereotipo de la lesbiana seductora, presentada como una «depredadora sexual que no respeta la sexualidad de otras mujeres», estereotipo que refuerza la idea de la lesbianidad como amenaza y no representa las lesbianas con el debido respeto.
Cabe destacar que la identidad butch (en inglés) históricamente ha sido objeto de una representación negativa o caricaturesca en los medios de comunicación. La identidad butch es entendida como la expresión de género masculina o no normativa en mujeres lesbianas y converge con los estereotipos de la lesbiana masculinizada y malvada, la lesbiana hipermasculinizada (Sánchez Soriano, 2023) y la lesbiana virago (Sheldon, 1986). Las lesbianas y mujeres bisexuales con expresiones de género masculinas constituyen una parte significativa de la comunidad LGTBIQ+, pero han sido marginalizadas y estereotipadas debido a su transgresión de las normas y de los roles de género tradicionales.
Ahora bien, Gimeno (2008) explica que, en términos generales, las lesbianas tienen una representación invisibilizada debido a que representan una identidad que va en contra del patriarcado y la heteronormatividad. En general, las personas tienden a mantener actitudes más negativas hacia quienes no se conforman con los roles de género tradicionales (Pires; Revelles-Benavente, 2020).
Podemos afirmar que las percepciones sobre la lesbianidad han evolucionado a lo largo de los años, pasando de ser considerada tabú o desviación sexual a tener una representación más progresiva, aunque todavía incompleta (González de Garay, 2013). Raley y Lucas (2008) identificaron hace casi dos décadas las etapas de este proceso. Estas van desde la no representación, pasando por la representación ridiculizada, hasta la regularización y, finalmente, se llega a una representación respetuosa. Sin embargo, esta evolución no afecta de manera uniforme a todos los tipos de lesbianas. Dentro de esta trayectoria hacia una representación más respetuosa, persisten diferencias significativas según la expresión de género.
La representación de las lesbianas que se ajustan al estereotipo de mujer femenina, que puede pasar fácilmente desapercibida al ajustarse a los estándares normativos de feminidad, lo tiene más fácil. En cambio, la visibilidad de expresiones de género de mujeres en términos masculinos no es habitual e, incluso, su exposición no se traduce necesariamente en una representación positiva (Harris; Daniels, 2018). Chartrand y Duguay (2025) explican que el uso de términos asociados a la identidad lésbica no normativa y masculina puede desencadenar una reducción algorítmica de la visibilidad en las redes sociales. En su estudio, recogen testimonios de creadoras de contenido que se han visto penalizadas repetidamente por el uso de términos asociados a su identidad. Esto sugiere que los algoritmos no solo reproducen los estereotipos negativos asociados a la lesbiana que ya estaban presentes en los medios tradicionales, sino que, además, penalizan activamente su autorrepresentación digital.
Resistencia a la heteronormatividad y búsqueda de visibilidad de contenidos lésbicos
En la muestra analizada se evidencia una lucha constante de las mujeres lesbianas con los sistemas de recomendación de las plataformas sociales, que tienden a mostrar una visión homogénea del contenido lésbico. Aunque algunas usuarias presentan una actitud pasiva frente a los sistemas de recomendaciones, 11 de las 23 entrevistadas afirman emplear estrategias específicas para asegurar que el contenido lésbico siga apareciendo en sus redes. Entre las tácticas aplicadas destacan el uso del «me gusta» y el marcar la opción «no me interesa», con el fin de influir en los algoritmos de los sistemas de recomendación. Se trata de una dinámica consciente para evitar que la plataforma las desvíe hacia contenidos heteronormativos.
En esta entrevista se detalla una interacción conflictiva con el sistema de recomendaciones. La entrevistada narra el esfuerzo constante por mantener el contenido que le interesa y evitar que el algoritmo no le reconozca como un chico heterosexual:
Por otra parte, Dara (25 años) hace búsquedas enfocadas en masculinidades lésbicas como la identidad butch. De este modo, logra que la red social le muestre más contenido de este tipo:
La entrevistada Morado (28 años) también implementa una estrategia activa en la selección de contenidos que aparecen en su perfil. Cuando la recomendación algorítmica incluye un mensaje con el que no está de acuerdo, la entrevistada toma medidas al respecto:
Sin embargo, en otras prácticas de consumo, los resultados del algoritmo son distintos. Algunas usuarias perciben que la red no les ofrece suficiente contenido lésbico. Marta (23 años), por ejemplo, señala que siente que hay de todo, que el sistema de recomendación muestra de todo, pero cree que le ofrece poco contenido lésbico: «más que todo gay» (Marta, mujer cis lesbiana). Por su parte, a Musita (27 años) solo le aparece este tipo de contenido durante el mes del Orgullo: «No me muestran nada, muy poco, solo la temporada cuando es el Pride» (Musita, mujer cis lesbiana). Esta situación le genera frustración, ya que siente que, a pesar de sus búsquedas activas de este tipo de contenido, la red social «no guarda eso» o no lo tiene en cuenta en las recomendaciones que le hace llegar.
Ante esta invisibilidad de contenidos lésbicos deseados, es relevante explorar cómo los algoritmos de las plataformas resultan opresivos para la comunidad LGTBIQ+ (Myles et al., 2023). Las entrevistadas realizan tácticas estratégicas y de selección de contenidos dentro de las redes sociales. De esta forma logran desafiar los sistemas de recomendación algorítmicos, «entrenándolos» de forma intencionada. No obstante, no siempre funciona. Y, además, una minoría (6 participantes) no realiza estrategias intencionadas.
El canon neoliberal: belleza, dinero y falta de interseccionalidad
La visibilidad digital funciona como una fuente de referentes para las mujeres lesbianas, brindándoles un espacio de comunidad. Sin embargo, dentro de las redes sociales no se da una representación diversa como cabría esperar. Las mujeres lesbianas representadas dentro de las redes sociales podríamos decir que responden a las siguientes categorías: a) parejas y familias; b) influencer y creadoras de contenido; c) famosas, cantantes y actrices; d) divulgadoras, activistas y podcasters; e) profesionales y perfiles nichos. De las 23 entrevistadas, 16 percibe invisibilidad y falta de representación en los siguientes aspectos: edad, raza y etnia, y/o diversidad geográfica y de clases sociales.
Peter (29 años) percibe que se suele mostrar a mujeres de entre los 20 y 30 años y blancas. En cuanto a la apariencia, añade que suelen seguir los estándares de belleza: «No sé, todas son guapas en general, o sea, como dentro de los cánones» (Peter, mujer cis lesbiana). Este estereotipo encaja con el de lesbiana femenina que define Unanue (2022), el estereotipo normativo en cuanto a los estándares de belleza y feminidad.
Boli (26 años) considera que las redes sociales se concentran en un rango de edades específico:
El dominio de rangos etarios jóvenes demuestra la exclusión de otras edades, lo cual termina siendo una respuesta opresiva heredada de los patrones de la heteronormatividad que ya venían operando en los medios tradicionales (Pires; Revelles-Benavente, 2020). Krekula (2007) lo describió como el dominio del cuerpo que sigue los estándares de belleza de un cuerpo joven. Como dice Hess (2017), las personas mayores están siempre sujetas a la perpetuación de la juventud en los medios de comunicación y esto sigue sucediendo en las redes sociales, aunque estas se presentan como espacios de apertura sobre el envejecimiento (cfr. Erdenebat; Veloso da Silva, 2026).
Por esta razón, no es sorprendente que Cali (29 años) también identifique que los cuerpos representados como normativos responden a características vinculadas a la juventud, como la delgadez, y a esto añade otras capas de opresión en la representación de lesbianas, como el color de piel, el nivel de estudios o el poder adquisitivo: «Que serán, pues, más normativas ¿no? Normalmente creo que son más delgaditas, eran blancas, creo que deben tener estudios y creo que tienen dinero» (Cali, mujer cis lesbiana), aunque ella menciona que no sigue este tipo de perfiles. Esta percepción de la entrevistada remite a la lesbiana sofisticada de Sheldon (1986); sin embargo, al tractarse de lesbianas jóvenes —y no maduras como proponía la definición de aquella autora—, esta representación de una lesbiana adinerada revela un posicionamiento neoliberal en la representación femenina, que sigue patrones de belleza de mujeres jóvenes y heterosexuales (al menos en su apariencia) y excluye otros tipos de patrones de mujer que no encajen en este perfil (Lazar, 2007).
Marilyn (35 años) también observa este posicionamiento neoliberal en la representación de las lesbianas en ciertos contenidos de las redes sociales: «yo creo que lo que más se representa son lesbianas blancas y con dinero». Además, esta misma entrevistada destaca la falta de diversidad en cuanto a otros factores interseccionales como el lugar de origen o tener algún tipo de discapacidad: «Yo no he visto ningún contenido de lesbianas sordas o en silla de ruedas o africana. Nunca me ha salido ninguna africana, del continente entero. Te estoy hablando, o sea, de ningún país, ni Marruecos, ni Zambia, ni nada» (Marilyn, mujer cis lesbiana).
De la misma forma que Marylin (35 años), en cuanto a la representación geográfica, la muestra percibe que la representación dominante es la de lesbianas de Europa (España), Estados Unidos y Latinoamérica y, en menor medida, de Reino Unido. Aunque conviene tener en cuenta que en su interacción digital suelen usar el castellano y el inglés, esta invisibilidad de zonas geográficas no es una coincidencia, ya que está vinculada a las propias estructuras algorítmicas, las cuales generan y perpetúan sesgos. Como muestra el estudio de Johnson et al. (2017) sobre Twitter (ahora X), los algoritmos de inferencia de geolocalización en redes sociales muestran un peor rendimiento para las poblaciones infrarrepresentadas, al comparar zonas rurales frente a zonas urbanas, destacando así un sesgo estructural dentro de los algoritmos.
Otro aspecto que también pudimos observar es que algunas de las entrevistadas llegan a disfrutar de este «aislamiento algorítmico», porque les representa, les da un sentir de comunidad, y les ofrece un espacio seguro. Nina (28 años) explica que habitar esta burbuja hace que el choque con la realidad externa sea más abrupto:
Asimismo, a Mimzy (28 años) le ocurre algo similar, ella percibe que las plataformas generan un contenido más cercano a la fantasía que a la realidad: «porque nos dan lo que queremos, nos mueve, o sea es que yo siento que las redes sociales son como un mundo de fantasía donde nos dan lo mejor y no, como la realidad» (Mimzy, mujer cis lesbiana).
Los relatos de Mimzy y Nina evidencian una paradoja que Bruns (2019) ha problematizado sobre el «aislamiento algorítmico», popularmente conocido como filtro burbuja (Pariser, 2011). Bruns (2019) sostiene que la solidez empírica de este concepto ha sido cuestionada, señalando que su prominencia en los medios de comunicación responde más a una alarma social infundada que a evidencia contrastada, ya que no es únicamente una restricción impuesta, sino también un recurso que puede ser adoptado por las personas usuarias como en el caso de Nina y Mizmy. Nina reconoce habitar esa burbuja con plena conciencia de su distorsión. Mientras que Mimzy la identifica como un mundo deseable, aunque irreal. Esta agencia no es trivial, ya que la literatura ha documentado que los algoritmos organizan la visibilidad en torno a contenidos de interés de las personas usuarias (Gillespie, 2013; 2018) y no necesariamente en torno a identidades ideológicas homogéneas, lo que puede exponer a las usuarias a versiones diversas e incluso contradictorias de un mismo asunto (Bruns, 2019). En ese sentido, la experiencia de extrañeza que relata Nina al encontrarse con personas fuera de su entorno digital no derivaría tanto de una homogeneización algorítmica total, sino de la densidad afectiva y comunitaria del espacio que ella misma ha habitado y con el que se ha identificado.
En resumen, las experiencias de las mujeres lesbianas entrevistadas en relación con los contenidos que visualizan en sus perfiles revelan una paradoja constitutiva de los sistemas de recomendación algorítmica. Por un lado, estas plataformas logran generar entornos digitales percibidos como próximos, seguros y afectivamente satisfactorios, ofreciendo a estas usuarias contenido que las representa y con el que se identifican. Por otro, esa misma lógica de personalización conlleva una estrechez representacional, visto que las entrevistadas perciben la ausencia de mujeres mayores, de personas con discapacidad, así como una escasa diversidad étnica, racial y geográfica dentro de los contenidos lésbicos que les son mostrados. Además, algunas entrevistadas notan estereotipos basados en la expresión de género que no corresponden con su identidad.
Homogeneidad y estereotipos de género
En cuanto a la percepción de estereotipos, se aprecia una clara división entre la lesbiana femenina (femme) y la lesbiana masculina (butch). A pesar de que la expresión de género dentro del colectivo es amplia y diversa, las redes sociales tienden a remarcar esta división, según es percibido por las mujeres entrevistadas.
Marina (31 años) siente que las plataformas afectan su percepción mostrando a las lesbianas como si fueran todas iguales:
La percepción de Marina nos demuestra que la gobernanza por los sistemas de recomendación termina reforzando esta categorización y estos estereotipos limitados (Bucher, 2018). En cambio, Dickinson (30 años) aborda los estereotipos desde el humor, aunque reconoce que le molesta cuando las representaciones caen en la exageración o imitan dinámicas heteronormativas tóxicas:
Nina (28 años), que consume contenidos humorísticos, también percibe esta división dentro de estas plataformas. Para ella, es como si tener una estética concreta o expresarte de una manera significara tener automáticamente un tipo de comportamiento. Ella ejemplifica la opinión que indica que vestir un poco más masculina según la expresión de género no significa comportarse como un hombre cis con masculinidad tóxica:
Es así como estos ejemplos demuestran coincidencias con los estereotipos que representan las lesbianas masculinas, como el de lesbiana hipermasculinizada, expuesto por Sánchez Soriano (2023), con expresiones masculinas, o la lesbiana virago de carácter fuerte y dominante (Sheldon, 1986). Según Schwartz (2016) los términos de butch y femme algunas veces son usados para asociar roles normativos heterosexuales, donde «butch representa la contraparte tradicionalmente masculina —el rol del hombre en las parejas heterosexuales— y femme representa el rol tradicionalmente femenino —el rol de la mujer en las parejas heterosexuales—» (Schwartz, 2016: 4). De este modo, se observa que esta dinámica de roles propia de las parejas heterosexuales se repite en algunos casos en las lesbianas representadas dentro de las redes sociales, según es percibido por la muestra.
Por otro lado, Fleabag (27 años) relaciona los estereotipos con determinados comportamientos, como el típico cliché de las lesbianas que «se enamoran super rápido, que se mudan luego, luego que tiene que ser la que no vive en tu país, por supuesto, etcétera, etcétera» (Fleabag, mujer cis lesbiana). En contraste, Tuki (29 años) tiene una visión más optimista, y considera que las redes sociales empiezan a mostrar una mayor diversidad:
En definitiva, las percepciones de las mujeres lesbianas muestran una aproximación de cómo los estereotipos existentes en la sociedad continúan perpetuándose dentro de las redes sociales. Si bien algunas usuarias logran procesarlos desde el humor, estas dinámicas despiertan en ellas este nivel de conciencia y crítica sobre cómo las plataformas continúan mostrando realidades específicas, sin abarcar un panorama más completo y diverso.
Discusión final
Con este estudio se ha podido constatar que una parte importante de las mujeres lesbianas usuarias de redes sociales entrevistadas realiza acciones conscientes para ajustar los sistemas de recomendación a sus intereses, empleando tácticas de «entrenamiento algorítmico» (Siles, 2023), ya que los sistemas tienden a recomendarles contenido heteronormativo. Esto demuestra un nivel relevante de alfabetización algorítmica (Araujo; Pires, 2024) entre las usuarias. Las entrevistadas poseen conocimientos y presentan una conciencia crítica sobre la agencia de los algoritmos en los contenidos recomendados, lo que les permite identificar los sesgos inherentes a estos sistemas y utilizarlos de manera estratégica a su favor. No obstante, sabemos que esta agencia no es total: los algoritmos poseen una capacidad performativa para modificar su funcionamiento (Bucher, 2018) y las plataformas no operan en condiciones de igualdad sino de forma estructuralmente asimétrica respecto a las identidades no normativas (Duffy; Meisner, 2023).
Por otro lado, estos sistemas de recomendación algorítmicos juegan un papel fundamental en la visibilidad de ciertos tipos de contenidos lésbicos, los cuales quedan marcados por una estandarización que tiende a privilegiar determinados cuerpos e identidades en detrimento de otros. Las representaciones percibidas por las usuarias como predominantes priorizan la juventud y excluyen otras edades y corporalidades. Además, también detectan que la visibilidad se concentra en perfiles étnicamente blancos y geográficamente circunscritos al eje Europa occidental-Estados Unidos-Latinoamérica, dejando fuera otras etnias y localizaciones. Tal como ha mostrado Johnson et al. (2017), esta exclusión no es accidental, los algoritmos de geolocalización en redes sociales presentan un peor rendimiento para las poblaciones infrarrepresentadas, lo que genera y perpetúa sesgos geográficos estructurales. A ello se suma que los datos de entrenamiento de estos sistemas suelen estar generados mayoritariamente por hombres (Criado-Perez, 2019; Noble, 2018), lo que introduce sesgos en las propias infraestructuras de recomendación.
En el caso de las mujeres lesbianas, esta situación se intensifica por una exclusión estructural acumulada que solo puede comprenderse desde el concepto de interseccionalidad (Crenshaw, 1989), visto que hay una superposición de género, orientación sexual, etnia y procedencia geográfica que genera formas específicas de discriminación que los algoritmos no solo reproducen, sino que amplifican (Southerton et al., 2021), o bien invisibilizan. El perfil normativo de lesbiana que emerge de los testimonios suele ser de mujer joven, blanca, delgada y con capital económico. Además, los resultados muestran que los estereotipos sobre la expresión de género femme/butch son persistentes en los contenidos recomendados. Este perfil y la persistencia de estereotipos de expresión de género no son ajenos a los estereotipos identificados por Unanue (2022) y Sheldon (1986) en los medios tradicionales, lo que confirma que las plataformas digitales prolongan y actualizan, mediante dinámicas algorítmicas, los mismos mecanismos de exclusión que han operado históricamente (Pires; Revelles-Benavente, 2020).
Por lo tanto, la recomendación algorítmica termina siendo un modelo de representación desde el cual las lesbianas se reconocen y son reconocidas. No obstante, este modelo debe ser cuestionado por las mujeres parte del colectivo lésbico. Aún más cuando se percibe una ausencia de diversidad en la representación de lesbianas en los contenidos recomendados, visto que esto representa una carencia simbólica que puede contribuir a definir qué formas de lesbianidad son reconocibles y legítimas, y cuáles permanecen fuera del imaginario colectivo.
Así, las usuarias perciben que las recomendaciones que reciben responden a sus gustos, pero, al mismo tiempo, son parciales y limitadas, pues la visibilidad queda concentrada en ciertas representaciones de lesbianas normativas dentro de la propia diversidad del colectivo. Esto sugiere que la gobernanza algorítmica (Gillespie, 2013; 2018) no opera únicamente sobre la dimensión ideológica o política de los contenidos, sino también sobre los cuerpos, las sexualidades, las etnias y las procedencias geográficas que se consideran representables y circulables dentro de cada nicho de audiencia, perpetuando formas de heteronormatividad digital que las usuarias identifican, pero no siempre pueden contrarrestar. Ahora bien, en futuras investigaciones, continuaremos examinando en qué medida los sesgos percibidos (etarios, raciales y geográficos) responden a la filtración algorítmica, a los patrones de producción de contenido o al perfil demográfico de las personas usuarias.
Referencias bibliográficas