Capítulo 4. Publicidad algorítmica y estereotipos de género: percepciones de las identidades LGTBIQ+
DOI:
https://doi.org/10.52495/c4.emcs.50.cyg5Palabras clave:
publicidad, algoritmos, plataformas digitales, estereotipos, juventud LGTBIQ+Resumen
La publicidad algorítmica ha transformado la segmentación y distribución de mensajes comerciales, pero no necesariamente las lógicas tradicionales de representación del género y la diversidad sexual-afectiva, lo que resulta especialmente relevante para las personas LGTBIQ+. En este capítulo se analiza cómo estos colectivos perciben y experimentan la publicidad personalizada en plataformas digitales a partir del análisis de 24 entrevistas en profundidad a personas LGTBIQ+ de entre 18 y 35 años, de diferentes zonas y perfiles ocupacionales en España. En términos generales, los resultados identifican la persistencia de estereotipos de género. Entre la publicidad que llega a las mujeres cisgénero bisexuales, predominan contenidos relacionados con la estética o el embarazo, interpretados como manifestaciones de la presión vinculada a roles tradicionales de feminidad. En el caso de los hombres gais, la publicidad tiende a una representación homonormativa asociada a cuerpos jóvenes, delgados o musculados, unido a determinados códigos de moda. En relación a las personas trans y no binarias, estas señalan situaciones de binarismo y malgenerización algorítmica, derivadas de la disonancia entre su identidad y el perfil atribuido por los sistemas. Además, las plataformas pueden construir perfiles contradictorios de una misma persona, lo que evidencia el carácter parcial y simplificador de estas inferencias. En conjunto, la personalización algorítmica tiende a reducir la diversidad a categorías simplificades y, al mismo tiempo, genera una tensión entre la hipervigilancia y la invisibilización comercial. Desde una perspectiva de justicia algorítmica, resulta necesario superar la concepción de la diversidad como nicho de mercado y atender a las dimensiones técnicas, comerciales y regulatorias de estos sistemas.
Descargas
Referencias
Aramendia-Muneta, M.E.; Olarte-Pascual, C.; Hatzithomas, L. (2020). Gender stereotypes in original digital video advertising. Journal of Gender Studies, 29(4), 403-419. https://doi.org/10.1080/09589236.2019.1650255
Barbu, O. (2014). Advertising, Microtargeting and Social Media. Procedia-Social and Behavioral Sciences, 163, 44-49. https://doi.org/10.1016/j.sbspro.2014.12.284
Blloshmi, A. (2013). Advertising in Post-Feminism: The Return of Sexism in Visual Culture? Journal of Promotional Communications, 1(1), 4-28. https://www.promotionalcommunications.org/index.php/pc/article/view/13
Boerman, S.C.; Kruikemeier, S.; Zuiderveen Borgesius, F. J. (2017). Online Behavioral Advertising: A Literature Review and Research Agenda. Journal of Advertising, 46(3), 363-376. https://doi.org/10.1080/00913367.2017.1339368
Braun, V.; Clarke, V. (2006) Using thematic analysis in psychology. Qualitative Research in Psychology 3(2), 77-101. https://doi.org/10.1191/1478088706qp063oa
Büchi, M.; Fosch-Villaronga, E.; Lutz, C., Tamò-Larrieux, A.; Velidi, S. (2023). Making sense of algorithmic profiling: User perceptions on Facebook. Information, Communication & Society, 26(4), 809-825. https://doi.org/10.1080/1369118X.2021.1989011
Butler, J. (1990). Gender trouble. Routledge.
Butler, J. (1999). Gender trouble: Feminism and the subversion of identity. Routledge.
Cannon, C. (2022). Non-binary gender identity and algorithmic-psychometric marketing legibility. Feminist Media Studies, 22(6), 1529-1545. https://doi.org/10.1080/14680777.2021.1902367
Carrella, F.; Simchon, A.; Edwards, M.; Lewandowsky, S. (2025). Warning people that they are being microtargeted fails to eliminate persuasive advantage. Communications Psychology, 3(1), 15. https://doi.org/10.1038/s44271-025-00188-8
Davenport, T.H.; Beck, J. C. (2001). The attention economy: Understanding the new currency of business. Harvard Business.
Davies, D. (2025). The Regulation of Gender Stereotypes in Advertising: Law and Policy in Europe. Routledge. https://research.ebsco.com/linkprocessor/plink?id=e738aab3-cfa9-315d-bf1b-8f6d88e995b0
Deux, K.; Lewis, L.L. (1984). Structure of gender stereotypes: Interrelationships among components and gender label. Journal of Personality and Social Psychology, 46(5), 991-1004. https://doi.org/10.1037/0022-3514.46.5.991
Directiva 2010/13/UE del Parlamento Europeo y del Consejo, de 10 de marzo de 2010, sobre la coordinación de determinadas disposiciones legales, reglamentarias y administrativas de los Estados miembros relativas a la prestación de servicios de comunicación audiovisual (Directiva de servicios de comunicación audiovisual). Diario Oficial de la Unión Europea, L 95, de 15 de abril de 2010, pp. 1-24. http://data.europa.eu/eli/dir/2010/13/oj
Eagly, A.H.; Nater, C.; Miller, D.I.; Kaufmann, M.; Sczesny, S. (2020). Gender stereotypes have changed: A cross-temporal meta-analysis of U.S. public opinion polls from 1946 to 2018. American Psychologist, 75(3), 301-315. https://doi.org/10.1037/amp0000494
Eagly, A.H.; Wood, W.; Schmidt-Johannesen, M.C. (2004). Social role theory of sex differences and similarities: Implications for the partner preferences of women and men. En A.H. Eagly, A.E. Beall, & R.J. Sternberg (Eds.), The Psychology of Gender (pp. 269-295). Guilford Press.
Eisend, M. (2010). A meta-analysis of gender roles in advertising. Journal of the academy of marketing science, 38(4), 418-440. https://doi.org/10.1007/s11747-009-0181-x
Fabris, A.; Purpura, A.; Silvello, G.; Susto, G.A. (2020). Gender stereotype reinforcement: Measuring the gender bias conveyed by ranking algorithms. Information Processing & Management, 57(6), 102377. https://doi.org/10.1016/j.ipm.2020.102377
Fosch-Villaronga, E.; Mut-Piña, A.; Verhoef, T.; Poulsen, A.; Søraa, R.A.; Custers, B. (2026). Misgendering algorithms: Insights from a cross-sectional survey on algorithmic gender classification in social media. Technology in Society, 84, 103110. https://doi.org/10.1016/j.techsoc.2025.103110
Fosch-Villaronga, E.; Poulsen, A.; Søraa, R.A.; Custers, B.H.M. (2021). A little bird told me your gender: Gender inferences in social media. Information Processing & Management, 58(3), 102541. https://doi.org/10.1016/j.ipm.2021.102541
García-Mingo, E.; Díaz, S. (2022). Jóvenes en la manosfera. Influencia de la misoginia digital en la percepción que tienen los hombres jóvenes de la violencia sexual. Zenodo. https://doi.org/10.5281/ZENODO.7221159
Gelpi, G. (2023, mayo 17). El impacto de «malgenerizar»: Qué pasa cuando nos referimos a personas trans y no binarias con un género que no se ajusta a su identidad. Instituto de Psicología de la Salud. https://salud.psico.edu.uy/el-impacto-de-malgenerizar-que-pasa-cuando-nos-referimos-personas-trans-y-no-binarias-con-un-genero
Goffman, E. (1976). Gender Advertisements (1st ed. 1976.). Macmillan Education UK.
Grau, S.L.; Zotos, Y.C. (2016). Gender stereotypes in advertising: A review of current research. International Journal of Advertising, 35(5), 761-770. https://doi.org/10.1080/02650487.2016.1203556
Greenburg, J.; Gaia, C.A. (2019). Interpersonal contact, stereotype acceptance, gender role beliefs, causal attribution, and religiosity as predictors of attitudes toward transgender individuals. Psi Chi Journal of Psychological Research, 24(1), 18-32. https://doi.org/10.24839/2325-7342.JN24.1.18
Hall, P.; Ellis, D. (2023). A systematic review of socio-technical gender bias in AI algorithms. Online Information Review, 47(7), 1264-1279. https://doi.org/10.1108/OIR-08-2021-0452
Hamidi, F.; Scheuerman, M.K.; Branham, S.M. (2018). Gender Recognition or Gender Reductionism? The Social Implications of Embedded Gender Recognition Systems. Proceedings of the 2018 CHI Conference on Human Factors in Computing Systems, 1-13. https://doi.org/10.1145/3173574.3173582
Heathy, B.H. (2020). Gender Stereotypes in Advertising: A Critical Discourse Analysis.
Huertas Bailén, A. (2005). A muller e a publicidade radiofónica: a permanencia do pasado. Andaina., (40), 12-15.
Hyde, J.S.; Bigler, R.S.; Joel, D.; Tate, C.C.; van Anders, S. M. (2019). The future of sex and gender in psychology: Five challenges to the gender binary. American Psychologist, 74(2), 171-193. https://doi.org/10.1037/amp0000307
Iñigo, A. (2026). Navigating the Manosphere: A Scoping Review of Research on Masculinist and Misogynist Online Spaces. The Journal of Men’s Studies, 34(1), 166-192. https://doi.org/10.1177/10608265251357869
Izyumenko, E.; Senftleben, M.; Schutte, N.; Smit, E.G.; Van Noort, G.; Van Velzen, L. (2025). Online behavioural advertising, consumer empowerment and fair competition: Are the DSA transparency obligations the right answer? SSRN Electronic Journal. https://doi.org/10.2139/ssrn.4729118
Kosinski, M.; Stillwell, D.; Graepel, T. (2013). Private traits and attributes are predictable from digital records of human behavior. Proceedings of the National Academy of Sciences, 110(15), 5802-5805. https://doi.org/10.1073/pnas.1218772110
Kruikemeier, S.; Sezgin, M.; Boerman, S.C. (2016). Political Microtargeting: Relationship Between Personalized Advertising on Facebook and Voters’ Responses. Cyberpsychology, Behavior, and Social Networking, 19(6), 367-372. https://doi.org/10.1089/cyber.2015.0652
Lou, S.; Azura Adzharuddin, N.; Syed Zainudin, S.S.; Zobidah Omar, S. (2024). Exploring Nexus of Social Media Algorithms, Content Creators, and Gender Bias: A Systematic Literature Review. Asian Journal of Research in Education and Social Sciences. https://doi.org/10.55057/ajress.2024.6.1.39
Matz, S.C.; Kosinski, M.; Nave, G.; Stillwell, D.J. (2017). Psychological targeting as an effective approach to digital mass persuasion. Proceedings of the National Academy of Sciences, 114(48), 12714-12719. https://doi.org/10.1073/pnas.1710966114
McCarty, M.K.; Burt, A.H. (2024). Understanding perceptions of gender non-binary people: Consensual and unique stereotypes and prejudice. Sex Roles, 90(3), 392-416. https://doi.org/10.1007/s11199-024-01449-2
Mishler, E. G. (1991). Research Interviewing: Context and Narrative. Harvard University Press. https://books.google.es/books?id=I8fmEAAAQBAJ
Morgenroth, T.; Ryan, M.K. (2021). The effects of gender trouble: An integrative theoretical framework of the perpetuation and disruption of the gender/sex binary. Perspectives on Psychological Science, 16(6), 1113-1142. https://doi.org/10.1177/1745691620902442
Myles, D.; Duguay, S.; Flores Echaiz, L. (2023). Mapping the social implications of platform algorithms for LGBTQ+ communities. Journal of Digital Social Research, 5(4), 1-30. https://doi.org/10.33621/jdsr.v5i4.162
Norton, A.T.; Herek, G.M. (2013). Heterosexuals’ attitudes toward transgender people: Findings from a national probability sample of U.S. adults. Sex Roles, 68(11-12), 738-753. https://doi.org/10.1007/s11199-011-0110-6
Parlamento Europeo. (2013). Resolución del Parlamento Europeo, de 12 de marzo de 2013, sobre la eliminación de los estereotipos de género en la Unión Europea (2012/2116(INI)). Diario Oficial de la Unión Europea, C 36 E, de 29 de enero de 2016, pp. 18-24. https://www.europarl.europa.eu/doceo/document/TA-7-2013-0074_EN.html
Pereira, G.C.; Baranauskas, M.C.C. (2018). An exploratory study on prejudice based on gender identity or sexual orientation perceived by users in social networks. Journal on Interactive Systems, 9(1). https://doi.org/10.5753/jis.2018.693
Ríos Martínez, K.M. (2019). La entrevista semi-estructurada y las fallas en la estructura. La revisión del método desde una psicología crítica y como una crítica a la psicología. Caleidoscopio - Revista Semestral de Ciencias Sociales y Humanidades, (41). https://doi.org/10.33064/41crscsh1203
Rodríguez-García, D.; Pino-Juste, M. (2019). La entrevista como método cualitativo: Un estudio de caso etnográfico a través de esta herramienta. 3, 603-611. https://portalcientifico.uvigo.gal/documentos/64aee7999882242e72db2e65
Roth-Cohen, O.; Kanevska, H.S.; Eisend, M. (2023). Gender roles in online advertising. Journal of Gender Studies, 32(2), 186-200. https://doi.org/10.1080/09589236.2022.2102970
Simpson, E.; Semaan, B. (2021). For You, or For «You»?: Everyday LGBTQ+ Encounters with TikTok. Proceedings of the ACM on Human-Computer Interaction, 4(CSCW3), 1-34. https://doi.org/10.1145/3432951
Steffens, M.C.; Niedlich, C.; Beschorner, R.; Köhler, M.C. (2019). Do positive and negative stereotypes of gay and heterosexual men affect job-related impressions? Sex Roles, 80, 548-564. https://doi.org/10.1007/s11199-018-0963-z
Shkurkin, D.V.; Shevchenko, E.V.; Egorova, E.A.; Kobersy, I.S.; Midova, V.O. (2017). The Evolution of Characteristics of Gender Stereotypes in. Petranika Journal Social Sciences & Humanities, 25, 179-194.
Tappin, B.M.; Wittenberg, C.; Hewitt, L.B.; Berinsky, A.J.; Rand, D.G. (2023). Quantifying the potential persuasive returns to political microtargeting. Proceedings of the National Academy of Sciences, 120(25), e2216261120. https://doi.org/10.1073/pnas.2216261120
Taylor, S.J.; Bogdan, R. (2008). La entrevista en profundidad. En Métodos cuantitativos aplicados (Vol. 2, pp. 194-216). Paidós.
Tomasev, N.; McKee, K.R.; Kay, J.; Mohamed, S. (2021). Fairness for Unobserved Characteristics: Insights from Technological Impacts on Queer Communities. Proceedings of the 2021 AAAI/ACM Conference on AI, Ethics, and Society, 254-265. https://doi.org/10.1145/3461702.3462540
Tsichla, E. (2020). The Changing Roles of Gender in Advertising: Past, Present, and Future. https://doi.org/10.25364/02.7:2020.2.3
Tufekci, Z. (2013). «Not this one» social movements, the attention economy, and microcelebrity networked activism. American behavioral scientist, 57(7), 848-870.
Ur, B.; Leon, P.G.; Cranor, L.F.; Shay, R.; Wang, Y. (2012). Smart, useful, scary, creepy: Perceptions of online behavioral advertising. Proceedings of the Eighth Symposium on Usable Privacy and Security, 1-15. https://doi.org/10.1145/2335356.2335362
Wachter, S. (2020). Affinity Profiling and Discrimination by Association in Online Behavioral Advertising. Berkeley Technology Law Journal, 35(2), 367-430. https://www.jstor.org/stable/10.2307/27121752
Wachter, S.; Mittelstadt, B. (2019). A Right to Reasonable Inferences: Re-Thinking Data Protection Law in the Age of Big Data and AI. Columbia Business Law Review, 2019(2), 494–620. https://doi.org/10.7916/cblr.v2019i2.3424
Wang, S.; Spronk, R. (2023). «Big data see through you»: Sexual identifications in an age of algorithmic recommendation. Big Data & Society, 10(2), 20539517231215358. https://doi.org/10.1177/20539517231215358
Zarouali, B.; Dobber, T.; De Pauw, G.; De Vreese, C. (2022). Using a Personality-Profiling Algorithm to Investigate Political Microtargeting: Assessing the Persuasion Effects of Personality-Tailored Ads on Social Media. Communication Research, 49(8), 1066-1091. https://doi.org/10.1177/0093650220961965
Zhang, D.; Strycharz, J.; Boerman, S.C.; Araujo, T.; Voorveld, H. (2025). Google knows me too well! Coping with perceived surveillance in an algorithmic profiling context. Computers in Human Behavior, 165, 108536. https://doi.org/10.1016/j.chb.2024.108536
Publicado
Número
Sección
Licencia
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Los artículos publicados en la revista se distribuyen con la Licencia Creative Commons Atribución-NoComercial-SinDerivadas 4.0 Internacional
