Si bien la inteligencia artificial tiene un gran potencial, los algoritmos basados ​​en datos sesgados amplifican las desigualdades de género y raciales, y proliferan sesgos no examinados. Los macrodatos y la ciencia de datos se basan abrumadoramente en narrativas blancas, masculinas y tecnoheroicas, una narrativa que debería cuestionarse.

Hoy en día las herramientas basadas en inteligencia artificial y los algoritmos para la toma de decisión son esa malvada lora parlante que moldea la forma en que vivimos. Sin embargo, hoy sabemos que mayoritariamente estas herramientas están basadas en datos incompletos, sesgados o corruptos; que los algoritmos están añadiendo una visión estereotipada de las poblaciones históricamente marginalizadas y que la manera en la que se nos entregan los resultados consolidan los sesgos y estereotipos, validándolos al pasar por la computadora.

Comparto algunos aspectos a tener en cuenta en la gestión de datos de la investigación, tomados de UIS:

Esta URL nos amplia lo relacionado a Academia, datos y reproducibilidad de la ciencia, en donde quiero enfatizar en las preguntas que durante las clases hemos compartido:

• ¿Qué datos generamos y/o usaremos en nuestro proyecto? ¿Cómo gestionaremos estos conjuntos de datos?

Frente al flujo de datos, traigo algunos aportes de la CEPAL.

Uno los aspectos que será necesario considerar desde el momento en que se planifique la investigación, es la forma en la cual se almacenarán los datos que serán generados o recopilados.

Algunos de los tipos de solución más comunes que se pueden utilizar durante y después de la investigación son:

• Almacén de datos personal o del proyecto (por ejemplo, utilizando discos USB, discos duros de laptops o unidades en red dentro de la institución)

• Repositorio institucional

• Almacén de datos institucional

• Infraestructura de almacenamiento nacional

• Almacén de datos en la nube

• Repositorio disciplinar

Cada vez con más frecuencia, personas e instituciones están optando por utilizar servicios de respaldo en línea, utilizando servicios en la nube. Ante esta alternativa, es importante considerar sus ventajas y desventajas y estudiar de qué manera estas apoyan o difieren de las necesidades de la institución o grupo de investigadores.

Respaldo de los datos

1. Establecer una política formal que especifique la periodicidad y las características de los procedimientos de respaldo de datos e información

2. Mantener al menos 3 copias de los sets de datos y toda la información relevante. Las copias deben almacenarse en al menos 2 soportes distintos, y al menos una de las copias debe estar en una locación diferente al recinto donde se almacenan las demás.

3. Al planificar los respaldos, considerar aspectos tales como:

4. Métodos/herramientas que se utilizarán para el respaldo
5. Qué datos serán respaldados (todos los datos, solo los procesados, etc.)
6. Espacio de almacenamiento que será necesario
7. Tiempo durante el cual se mantendrán los respaldos, condiciones de seguridad y destrucción cuando sea necesario
8. Periodicidad de chequeos o verificación de acceso e integridad de los datos
9. Software o métodos que se utilizarán para mantener control sobre las copias

• En esta sección podemos explorar lo que son los números en Pharo y como ejecutarlos en Glamorous Toolkit, para poder desarrollar y ejecutar estos ejercicios matemáticos

• Cuando le damos inspeccionar a estos mensajes matemáticos sucede que nos muestra la operación resulta. ejemplo (1/3) Inspect

Resultado.

Datos recolectados desde la experiencia trabajada.

El asunto es que debido al homomorfismo, el código puede ser visto como datos y viceversa. Las mismas técnicas empleadas en visualizar el uno pueden ser usadas en los otros, como de hecho ya hemos experimentado varias veces en la comunidad de Grafoscopio a través de las narrativas de datos.

También habrían formas de contrapoder relacionadas con intervenir con las narrativas hegemónicas y sus formas, como las que hemos venido haciendo desde el HackBo, vía la auto/re publicación performática y las narrativas de datos.

¿Cuál es el límite entre hacer uso de datos personales para fines publicitarios y abusar de esos datos para manipular a los consumidores y el mercado? ¿Cómo influye la libre competencia del mercado en el tratamiento de datos de los usuarios?

El hecho de que las compañías se nieguen a aceptar su responsabilidad en cuanto al tratamiento de datos de sus usuarios no solo es poco ético, sino que es la consecuencia de la falta de políticas para con estas empresas de tecnología.

Tenía conocimiento sobre la manera en la que nos perfilaban como usuarios por nuestros datos, pero no sabía que muchas empresas aprovechaban esto para abusar de nosotros como consumidores. Es decir, el tratamiento de nuestros datos no solo hace que nos impulsen a comprar teniendo en cuenta nuestros intereses, sino que hacen que las empresas se aprovechen de nuestras condiciones y necesidades.

Exposición de la universidad de Standford sobre visualización.

Acceso a bases de datos restringidas unam

Es absurdo que un organismo público sólo publique estos datos "abiertos" en formato de imagen (sí, "imagen" de una tabla) o PDF. Ignorancia o mala intención? Acá publico la data cruda extraída con el excelente software libre Tabula, el 05/may/20.

Shared decision-making

Es interesante que desde la BNC se presenten los datos geoespaciales y se justifiquen como datos que progresivamente están siendo reconocidos por las entidades gubernamentales y aún así, los datos de la RNBP en donde se ubican los puntos de la red en el país, están en Google Maps.

Es interesante que desde la BNC se presenten los datos geoespaciales y se justifiquen como datos que progresivamente están siendo reconocidos por las entidades gubernamentales y aún así, los datos de la RNBP en donde se ubican los puntos de la red en el país, están en Google Maps.

The data ethics canvas

Manual de gestión de datos

es importante el promedio ?

¿Estos datos podrían estar disponibles como datos anonimizados, para hacer otro tipo de inferencias estadísticas o hallazgos?

CONPES de Big Data en Colombia

Sobre datos y privacidad en bibliotecas. Un llamado a la templanza en datos.

Ciertamente los temas relacionados con datos, inteligencia artificial y algoritmos son de mucho interés en la actualidad, frente al uso de tecnologías. La Web Foundation tiene documentos al respecto.

Hay simplemente datos que no registramos y tenemos la tendencia dejar una sobra digital pequeña en lugar de una grande. Los data selfies son maneras de reapropiar las narrativas sobre los datos y pensarnos de otras maneras desde ellos, en lugar de dejar esas lecturas sólo a quienes nos mercantilizan.

with the public.