6 De la sociedad de la información a la sociedad del conocimiento
6.2 Política en la sociedad del conocimiento
La sociedad del conocimiento se articula sobre el papel que desempeña el conocimiento y la información en todos los aspectos de la vida social, incluida la esfera política. El acceso y control del conocimiento se convierten en factores claves de poder e influencia política. Este contexto se asocia con un gran potencial para democratizar la política, al permitir una participación más amplia, informada y diversa y nuevas formas de activismo político y movilización social a través de las redes sociales y plataformas en línea.
El mayor desafío surge de las dinámicas de control del conocimiento (datos, información y herramientas para su interpretación), concentradas en unas pocas corporaciones tecnológicas globales con la capacidad y recursos en la escala necesaria para operar en régimen de cuasi-monopolio. El resultado son nuevas formas de restringir la diversidad y pluralidad de la información, con impacto capaz de sesgar y deteriorar el debate público. Aparte del riesgo de exacerbar desigualdades existentes en términos de acceso a la información y competencias digitales (la denominada “brecha digital”), por lo que adquieren importancia fundamental las políticas públicas dirigidas a garantizar un acceso equitativo al conocimiento y el marco regulador que sancione las prácticas abusivas de las corporaciones tecnológicas y garantice la diversidad y la pluralidad del espacio de información.
En la sociedad del conocimiento cobra importancia todo el sistema de producción, distribución y uso de la información para potenciar el conocimiento (y sus aplicaciones) determinantes de la competitividad, la innovación y el bienestar social. En la sociedad del conocimiento no cabe hablar de neutralidad en el despliegue de las tecnologías de la información y la comunicación, puesto que facilitan el acceso, la generación y la difusión del conocimiento.
Además de las grandes corporaciones tecnológicas que aglutinan a miles de millones de usuarios en la actividad y servicios ligados a las plataformas con las que operan por todo el planeta, la dinámica política de la sociedad del conocimiento involucra a muchos más actores e instituciones, privadas o públicas, en la definición, la implementación y la evaluación de las políticas públicas relacionadas con el acceso al conocimiento, a las redes digitales y a las tecnologías de la información.
La acción política en la sociedad del conocimiento plantea sus propios desafíos y oportunidades para la gobernabilidad, la democracia, la participación, la transparencia, la rendición de cuentas y el respecto a los derechos humanos (privacidad, reputación digital y libertad de expresión, por ejemplo). Entre los desafíos cabe mencionar los siguientes:
- La brecha digital: Se refiere a las desigualdades en el acceso y el uso de las TIC entre diferentes grupos sociales, regiones o países. La brecha digital puede generar exclusión, marginación y discriminación en el ámbito del conocimiento, lo que afecta al desarrollo humano y a la cohesión social³.
- La adecuación del marco regulador: Se refiere al marco legal que regula los aspectos éticos, económicos y sociales del conocimiento, el acceso a las redes digitales y a las tecnologías de la información. Entre otras aspectos, las instancias reguladoras deben garantizar el equilibrio entre los derechos de autor y el acceso abierto al conocimiento, así como proteger la privacidad, la seguridad y la libertad de expresión de los usuarios.
- La calidad de la información: Se refiere al grado de veracidad, relevancia y utilidad de la información que circula en el ámbito del conocimiento. La calidad de la información puede verse afectada por fenómenos como la desinformación, las noticias falsas, los sesgos o las manipulaciones, que pueden generar confusión, desconfianza o polarización en la opinión pública.
Las oportunidades asociadas con la dinámica política de la sociedad del conocimiento para mejorar la participación democrática y la calidad del debate público como trasfondo de decisiones mejor informadas y responsables con únicas:
- Innovación social, referida al uso creativo y colaborativo del conocimiento y de las tecnologías de la información para resolver problemas sociales, hacer más ágil y eficiente la comunicación corporativa o con las administraciones públicas y favorecer nuevos servicios y canales de interacción que mejoren las condiciones de vida de las comunidades.
La innovación social implica el empoderamiento, el aprendizaje y la participación activa de los ciudadanos en el diseño e implementación de soluciones locales a sus necesidades.
Gobernanza en red, referida a la articulación horizontal y flexible entre diferentes actores públicos y privados para definir e implementar políticas públicas relacionadas con el conocimiento y el acceso a las tecnologías de la información y los servicios digitales. La gobernanza en red promueve el diálogo, la cooperación y la coordinación entre los distintos niveles de gobierno (local, regional, estatal), así como entre los sectores académico, empresarial y social.
Democracia digital, asociada con el uso de las redes digitales y tecnologías de la información para fortalecer los procesos democráticos y ampliar los espacios de participación ciudadana en el ámbito político. La democracia digital requiere un marco jurídico que garantice el acceso sin restricciones a la información pública relevante para ciudadanos, empresas e instituciones; la consulta y deliberación en línea para personas con niveles diversos de alfabetización digital; sistemas seguros de voto electrónico; control social (agencias reguladoras) para desincentivar las malas prácticas o el fraude; y la promoción del activismo digital con criterios inclusivos, para evitar su instrumentalización por grupos de presión o de ideología antidemocrática.
Datos de acceso a Internet por grupos afroamericanos, blancos e hispanos en EE.UU.
Referencias y enlaces del aptdo.
Referencias
1. Gorski, Paul C. (2003). "Privilege and Repression in the Digital Era: Rethinking the Sociopolitics of the Digital Divide." Race, Gender & Class 10 (4): 145-176. https://www.proquest.com/docview/218807872.
2. Medero, Kristina, Kelly Merrill Jr, y Morgan Quinn Ross (2022). “Modeling Access across the Digital Divide for Intersectional Groups Seeking Web-Based Health Information: National Survey”. Journal of Medical Internet Research 24 (3): e32678. https://doi.org/10.2196/32678.
3. Walker, Daniel M., Jennifer L. Hefner, Naleef Fareed, Timothy R. Huerta, y Ann Scheck McAlearney (2020). “Exploring the Digital Divide: Age and Race Disparities in Use of an Inpatient Portal”. Telemedicine Journal and E-Health: The Official Journal of the American Telemedicine Association 26 (5): 603–13. https://doi.org/10.1089/tmj.2019.0065.
Enlaces e informes
1. La política en la SOCIEDAD DEL CONOCIMIENTO - Isaac Hernández. https://isaachernandez.es/consultoria-politica/la-politica-en-la-sociedad-del-conocimiento/
2. Brecha digital: Dimensiones y críticas al concepto.
https://es.wikipedia.org/wiki/Brecha_digital
https://es.wikipedia.org/wiki/Brecha_digital#Dimensiones
https://es.wikipedia.org/wiki/Brecha_digital#Cr%C3%ADticas
4. NetRef (14/01/2016). «The Digital Divide in the Age of the Connected Classroom».
https://net-ref.com/wp-content/uploads/2016/01/Bridging-the-Digital-Divide-NetRef-White-Paper-FINAL.pdf
5. Internet Usage Statistics. The Internet Big Picture. World Internet Users and 2023 Population Stats
https://www.internetworldstats.com/stats.htm
6. Closing the digital divide in Black America. January 18, 2023.
https://www.mckinsey.com/industries/public-sector/our-insights/closing-the-digital-divide-in-black-america
7. Digital divide in the United States. en.wikipedia.org/wiki/Digital_divide_in_the_United_States
8. Home broadband adoption, computer ownership vary by race, ethnicity in the U.S. JULY 16, 2021
https://www.pewresearch.org/short-reads/2021/07/16/home-broadband-adoption-computer-ownership-vary-by-race-ethnicity-in-the-u-s/
9. Some digital divides persist between rural, urban and suburban America. AUGUST 19, 2021
https://www.pewresearch.org/short-reads/2021/08/19/some-digital-divides-persist-between-rural-urban-and-suburban-america/
10. Digital Injustice: Disparities in Digital Access across the US and How they Disproportionately Hurt the Black and Latinx Communities. https://sites.tufts.edu/digitalplanet/digital-injustice-covid19/ 6.3 Del acceso a la participación activa en la generación de conocimiento
El predominio de la dimensión económica en las políticas ligadas a la sociedad del conocimiento constituye un indicador del papel que desempeña la producción y distribución del conocimiento como motores esenciales del crecimiento económico. Esto significa que los colectivos de trabajadores altamente cualificados —con acceso a niveles de educación superior y capacitación profesional muy especializada— demandan del sistema educativo y de las empresas grandes inversiones en investigación y desarrollo.
Las personas que trabajan en la industria del conocimiento son hoy el arquetipo del tipo de especialización que se requiere para articular una sociedad del conocimiento en todas sus dimensiones no estrictamente económicas (ocio, formación permanente, calidad de vida, disponibilidad para el cuidado y la conciliación, etc.).
La mano de obra que posibilita los servicios especializados con mayor valor añadido en la sociedad del conocimiento se incorpora al mercado laboral tras un largo y costoso proceso de cualificación y formación especializada, en el que aprenden a utilizar sus conocimientos y habilidades para crear nuevos productos, servicios e ideas. Además de acceso a las tecnologías de la información, se requieren habilidades multidisciplinares (programación, gestión de equipos, coordinación de proyectos, colaboración en línea, etc.) que facilitan la producción, distribución y uso del conocimiento, involucrando de manera habitual a trabajadores del conocimiento que colaboran y comparten sus ideas desde diferentes ubicaciones geográficas.
Se difuminan así las fronteras entre los sectores público y privado, entre jurisdicciones de ámbito local o estatal y entre actores que pertenecen a instituciones públicas y privadas cada vez más interdependientes, incentivados para colaborar en sectores cuya competitividad y viabilidad dependen del conocimiento especializado para alcanzar sus objetivos.
Formas de colaboración descentralizada cuestionan los modos tradicionales de ejercer el poder y la autoridad política, y modifican el rol de las instituciones estatales (consolidado para afrontar los desafíos de la era industrial, en lo esencial). Pero en muchos campos de actividad altamente especializada, el Estado ya no es el único proveedor de conocimiento y educación. Sus programas formativos tienden a incluir la colaboración con el sector privado y la sociedad civil para crear una economía más innovadora, basada en el conocimiento y en su aplicación para ofertar servicios de alto valor añadido.
Cuando se trata de servicios que atraen o interesan a consumidores de distintos continentes, la cooperación internacional resulta inevitable en un mundo globalizado, y obliga a consolidar programas de intercambio y formación sin fronteras. El retroceso en los procesos de cooperación abiertos por la globalización mina, a medio plazo, el dinamismo de la sociedad del conocimiento y genera desigualdades para los países con menor porcentaje de población altamente cualificada.
En conclusión, la irrupción de servicios digitales y desarrollos técnicos como la web 2.0 han hecho posible aplicaciones y formas inéditas de interacción que permiten a los usuarios crear, compartir y modificar contenidos digitales de forma interactiva y colaborativa.
Referencias y enlaces del aptdo.
1. Smith, Aaron (Pew Research Center, 2013): Civic Engagement in the Digital Age. https://core.ac.uk/reader/30677017
2. Andersen, Kim, Jakob Ohme, Camilla Bjarnøe, Mats Joe Bordacconi, Erik Albæk, y Claes de Vreese (2020). Generational gaps in political media use and civic engagement: From baby boomers to generation Z. London: Routledge. https://core.ac.uk/reader/344665774
3. Barassi, Veronica (2016). “Datafied Citizens? Social Media Activism, Digital Traces and the Question about Political Profiling”. Communication and the Public 1 (4): 494–99. https://doi.org/10.1177/2057047316683200.
4. Wihbey, John (Oct. 18, 2015): How does social media use influence political participation and civic engagement? A meta-analysis. https://journalistsresource.org/politics-and-government/social-media-influence-politics-participation-engagement-meta-analysis/
5. Onguny, Philip Oburu (2019). “Mediated political participation and competing discourses of online civic engagement”. Journal of development and communication studies 6 (1): 36–47. https://doi.org/10.4314/jdcs.v6i1.3.
6. Web 2.0., Web 3.0 o Web semántica: https://es.wikipedia.org/wiki/Web_2.0 6.4 Participación pública, democracia y conocimiento
La web 2.0 incluye plataformas como blogs, wikis, redes sociales, podcasts o vídeos online. La web 2.0 facilita la participación activa en la generación de conocimiento al ofrecer espacios de expresión, comunicación e intercambio de información entre personas con intereses, habilidades y manejo de herramientas comunes. Pero sus posibilidades se han ido ampliando y evolucionan con el desarrollo de nuevos estándares técnicos y servicios de potencial impacto disruptivo, como la IA generativa basada en grandes modelos de lenguaje.
Una dinámica de participación activa en la generación de conocimiento tiene beneficios tanto individuales como colectivos. A nivel individual, permite desarrollar habilidades cognitivas, afectivas y sociales que mejoran el aprendizaje y el desempeño profesional. A nivel colectivo, permite generar conocimiento más diverso, innovador y pertinente para las necesidades y demandas de la sociedad.
Además, favorece la inclusión, la democracia y la ciudadanía activa, combinando posibilidades y ventajas de cada generación de servicios digitales y el tipo de colaboración que han contribuido a consolidar. Por mencionar solo algunos:
| Tipo | Empresa (servicio) | Características y posibilidades |
|---|---|---|
| Web 2.0 | YouTube | Plataforma de compartición de videos con capacidades de interacción y comentarios. |
| 2.0 | Redes sociales | Interacción y comunicación entre usuarios |
| 2.0 | Red social para conectar amigos, compartir contenido y crear comunidades. | |
| 2.0 | Wikipedia | Enciclopedia colaborativa editable por los usuarios. |
| 2.0 | Blogger | Herramienta de blogs donde los usuarios pueden crear y compartir sus propios blogs. |
| 2.0 | Wikis | Creación y edición colaborativa de contenido |
| 2.0 | Dropbox | Almacenamiento en la nube y compartición de archivos. |
| 2.0 | Comunidades virtuales | Creación de espacios de encuentro y participación en línea |
| 2.0 | Comercio electrónico | Compraventa de bienes y servicios a través de Internet |
| Web 3.0 | Blockchain | Almacenamiento y distribución de datos de forma segura e inmutable. Criptomonedas, contratos inteligentes, trazabilidad de productos |
| 3.0 | Ethereum | Plataforma de blockchain para contratos inteligentes y aplicaciones descentralizadas. |
| 3.0 | IPFS | Sistema de archivos peer-to-peer (P2P) para almacenar, compartir y acceder a datos de manera descentralizada. |
| 3.0 | Solid | Proyecto que permite a los usuarios almacenar sus datos de forma descentralizada. |
| 3.0 | DAOs | Organizaciones autónomas descentralizadas que operan en blockchain. |
| 3.0 | NFTs | Tokens no fungibles para representar propiedad única en activos digitales. |
| 3.0 | Realidad virtual y aumentada | Creación de entornos virtuales inmersivos. Metaverso, NFT, tokens no fungibles |
| 3.0 | Internet de las cosas | Conectividad entre dispositivos físicos. Smart home, wearables, vehículos autónomos |
| 3.0 | Inteligencia artificial | Automatización de tareas y análisis de datos. Chatbots, asistentes virtuales, aprendizaje automático |
| 3.0 | Big data | Análisis de grandes cantidades de datos. Analítica predictiva, machine learning, insights |
La participación pública puede conducir a la producción de nuevos conocimientos y a mejorar la calidad de los procesos de deliberación democrática. Cuando los ciudadanos participan en la deliberación, están expuestos a nueva información y perspectivas que pueden cuestionar sus creencias y suposiciones, induciendo dinámicas de aprendizaje y adquisición de nuevos conocimientos. La deliberación puede ayudar cualquier sector de la ciudadanía a comprender mejor la complejidad de las cuestiones que se les plantean y evitar soluciones inadecuadas o simplistas. La deliberación informada sirve de oportunidad para debatir las cuestiones en profundidad y considerar distintos puntos de vista, lo que estimula el desarrollo del pensamiento crítico y procedimientos más sofisticados de evaluación de pruebas y argumentación razonada.
Entre otros beneficios, la producción participativa de nuevos conocimientos puede y suele conducir a mejores decisiones. Cuando los responsables de la toma de decisiones tienen acceso a una gama más amplia de información y puntos de vista, es más probable que tomen decisiones que redunden en beneficio del público. En segundo lugar, la producción de nuevos conocimientos puede contribuir a la cohesión social. Cuando los ciudadanos participan en la deliberación, es más probable que comprendan los puntos de vista de los demás y desarrollen un sentido compartido de los objetivos.
Cómo las redes sociales remodelan el compromiso político
Theocharis y otros estudian cómo las oportunidades de participación política se han ido ampliando durante años, más recientemente a través de herramientas digitales. Las plataformas de redes sociales se han integrado bien en la participación cívica y política. Utilizando una muestra transnacional de Estados Unidos, Reino Unido y Francia, examinan si los actos de participación asociados con las redes sociales deben clasificarse utilizando una solución tradicional de cinco factores para la estructura de los actos participativos. Se deja de lado la distinción entre participación en línea y fuera de línea, centrándose en cambio en actos apoyados y habilitados por las redes sociales y, en particular, en las diferencias entre el uso de Twitter y Facebook. El análisis muestra que los actos habilitados por las redes sociales no cargan con factores tradicionales en la estructura de participación.
Y. Theocharis, Shelley Boulianne, Karolina Koc-Michalska, y Bruce Bimber (2023). “Platform Affordances and Political Participation: How Social Media Reshape Political Engagement”. West European Politics 46 (4): 788–811. https://doi.org/10.1080/01402382.2022.2087410.
Referencias del aptdo.
1. Burkle, Martha, y Cristobal Cobo (2018). “Redefining knowledge in the digital age”. Journal of new approaches in educational research 7 (2): 79–80. https://doi.org/10.7821/naer.2018.7.294.
2. Caluwaerts, Didier, Kamil Bernaerts, Rebekka Kesberg, Lien Smets, y Bram Spruyt (2023). “Deliberation and polarization: a multi-disciplinary review”. Frontiers in political science 5. https://doi.org/10.3389/fpos.2023.1127372.
3. Council of Europe (March 2023): Report on deliberative democracy. European Committee on Democracy and Governance (CDDG). https://rm.coe.int/report-on-deliberative-democracy-eng/1680aaf76f
4. Dahlgren, Peter (2013). The Political Web: Media, Participation and Alternative Democracy. Basingstoke, Inglaterra: Palgrave Macmillan. https://doi.org/10.1057/9781137326386.
5. Filipe, Angela, Alicia Renedo, y Cicely Marston (2017). “The Co-Production of What? Knowledge, Values, and Social Relations in Health Care”. PLoS Biology 15 (5): e2001403. https://doi.org/10.1371/journal.pbio.2001403.
6. Fishkin, James S. (2011). “Making deliberative democracy practical”. En When the People Speak, 95–105. Oxford University Press. https://doi.org/10.1093/acprof:osobl/9780199604432.003.0004
7. O’Doherty, Kieran C. (2017). “Deliberative Public Opinion: Development of a Social Construct”. History of the Human Sciences 30 (4): 124–45. https://doi.org/10.1177/0952695117722718.
8. Redman, S., T. Greenhalgh, L. Adedokun, S. Staniszewska, y S. Denegri (2021). “Co-Production of Knowledge: The Future”. BMJ (Clinical Research Ed.), n434. https://doi.org/10.1136/bmj.n434.
9. Sunstein, Cass R. (2017). #republic: Divided Democracy in the Age of Social Media. Princeton, NJ, Estados Unidos de América: Princeton University Press. 6.6 Dataísmo, Internet de las Cosas (IoT) y algoritmos: AI y machine learning
El dataísmo es una filosofía o ideología que considera que los datos son la fuente de todo conocimiento y valor, y que el flujo de información es el valor supremo y el mayor bien de todos. Su base es la creencia de que todo fenómeno puede ser cuantificado, medido y analizado mediante el uso de algoritmos, inteligencia artificial (IA) y machine learning (ML). El dataísmo se apoya en el desarrollo del Internet de las Cosas (IoT), que consiste en la interconexión de objetos cotidianos con sensores y dispositivos que generan y transmiten datos a través de internet.
El dataísmo tiene un gran impacto socio-cultural, ya que plantea una nueva forma de entender y organizar la realidad, la sociedad y el ser humano. Algunas de las implicaciones del dataísmo son las siguientes:
- El desplazamiento del humanismo: El humanismo es una corriente cultural que defiende la dignidad, la libertad y la razón del ser humano, así como el reconocimiento de la diversidad, el pluralismo, el diálogo y la solidaridad entre los seres humanos. El dataísmo cuestiona el humanismo al afirmar que los datos son más importantes que las personas, y que los algoritmos pueden tomar mejores decisiones que los humanos. El dataísmo reduce al ser humano a un conjunto de datos, y lo somete a la autoridad y el control de las máquinas.
- La transformación de la ciencia: La ciencia es el conjunto de conocimientos obtenidos mediante la observación, la experimentación y el razonamiento. La ciencia se basa en el método científico, que consiste en formular hipótesis, contrastarlas con la realidad y elaborar teorías. El dataísmo modifica la ciencia al afirmar que los datos son suficientes para generar conocimiento, sin necesidad de hipótesis ni teorías. El dataísmo confía en el poder de los algoritmos, la IA y el ML para procesar grandes cantidades de datos (big data) y extraer patrones, correlaciones y predicciones.
- La redefinición de la educación: La educación es el proceso de facilitar el aprendizaje y el desarrollo integral de las personas. La educación se basa en la transmisión de valores, conocimientos, habilidades y competencias. El dataísmo influye en la educación al afirmar que los datos son la principal fuente de aprendizaje, y que los algoritmos, la IA y el ML son los principales agentes educativos.
Como aspecto novedoso en sus implicaciones educativas, el dataísmo propone una educación personalizada, adaptativa y automatizada, basada en el análisis de los datos del estudiante y en el uso de plataformas digitales. En la educación superior, al menos, se ha consolidado la tendencia al uso de plataformas que sirven de soporte a los procesos de aprendizaje. Además de facilitar el acceso a la educación, aportan herramientas de seguimiento, visualización e interpretación de la actividad que cada estudiante realiza en la plataforma.
Es innegable que el desarrollo de la IoT ha ampliado nuestra interacción con la tecnología, permitiendo que los objetos cotidianos se conecten a la red y recojan, procesen y compartan datos. Esta hiperconexión novedosa ha transformado nuestra relación con la tecnología y ha desdibujado las fronteras entre lo físico y lo digital, con repercusiones importantes en los procesos educativos, en las relaciones y la vida laboral.
La omnipresencia de los datos ha promovido el desarrollo de algoritmos más sofisticados, y la IA y el Machine Learning se han convertido en elementos fundamentales para la interpretación y el análisis de los datos recopilados a partir de la actividad común de los usuarios en distintas plataformas. Combinadas, estas tecnologías han demostrado su capacidad para mejorar la eficiencia y la productividad, así como para generar nuevos conocimientos y oportunidades. Pero contribuyen también a un ambiente nada sutil de “hipervigilancia” como base de actividades muy lucrativas y políticamente poco transparentes, interponiendo con facilidad y sin garantías legales a múltiples actores con capacidad de acceder y recopilar datos personales, sin que resulta obvia su justificación e impacto en el deterioro del derecho a la privacidad.
En relación con la toma de decisiones, la IA y los algoritmos tienen un gran potencial para orientar el abordaje de problemas complejos, desde el cambio climático hasta la atención sanitaria, y de transformar la vida colectiva de manera positiva. Pero la dependencia de algoritmos e IA suscita inquietudes acerca de los mecanismos de transparencia y equidad, dado que los algoritmos reflejan los sesgos de sus creadores, el contexto de entrenamiento y los problemas de calidad de los datos de partida (lo que puede perpetuar o agravar dinámicas de discriminación y desigualdad social).
La economía basada en los datos está creando nuevas formas de poder, si consideramos el tamaño e implantación global de las empresas que controlan y procesan grandes cantidades de datos en conexión con el ecosistema de servicios que prestan, muchas veces sin competidores ni supervisión estatal disuasoria de las malas prácticas.
En lo que afecta a las oportunidades de empleo, las tecnologías basadas en los datos y algoritmos de IA están facilitando la automatización de muchos puestos de trabajo en nichos tradicionales de ocupación masiva. El desajuste podría provocar desempleo generalizado y malestar social en ciertos sectores de actividad.
Referencias y enlaces del aptdo.
1. Broussard, Meredith (2018). Artificial unintelligence: How computers misunderstand the world. The MIT Press. 2. Floridi, Luciano (2014). The Fourth Revolution: How the Infosphere Is Reshaping Human Reality. Londres, Inglaterra: Oxford University Press.
3. Lupton, Deborah (2019). Data Selves: More-than-Human Perspectives. Oxford, Inglaterra: Polity.
4. Russell, Stuart, y Peter Norvig (2019). Artificial Intelligence: A Modern Approach. Pearson Higher Education.
5. Swan, Melanie (2012). “Sensor Mania! The Internet of Things, Wearable Computing, Objective Metrics, and the Quantified Self 2.0”. Journal of Sensor and Actuator Networks 1 (3): 217–53. https://doi.org/10.3390/jsan1030217.
6. Van Dijck, Jose (2014). “Datafication, dataism and dataveillance: Big Data between scientific paradigm and ideology”. Surveillance & society 12 (2): 197–208. https://doi.org/10.24908/ss.v12i2.4776.Caso a estudiar
Riesgos del dataísmo: Uso de big data y algoritmos para predecir y prevenir el crimen
En ciudades como Chicago y otras, se han implementado sistemas de “vigilancia predictiva” que usan datos históricos de crímenes y algoritmos para identificar lugares y personas con mayor probabilidad de participar en actividades criminales.1, 2
Si bien esto promete eficiencia, ignora factores sociales complejos e incentiva discriminación contra minorías que ya sufren sesgos en el sistema penal, además de perpetuar ciclos de encarcelamiento sin abordar causas sistémicas del crimen.3
Una perspectiva más humanista integraría métodos cuantitativos con investigación cualitativa para entender motivaciones, entornos comunitarios y oportunidades que llevan al crimen. Así se evitarían soluciones simplistas basadas solo en correlaciones.4, 5
El caso propuesto plantea los problemas asociados con el dataísmo y el riesgo de que, aplicado acríticamente al ámbito social, genere una falsa apariencia de objetividad, pero sin la riqueza contextual que aportan las ciencias sociales y las humanidades. El problema de los sesgos epistémicos derivados del uso de herramientas inadecuadas como soporte de la toma de decisiones adquiere dimensiones inquietantes en contexto forense y en eventuales programas de prevención del delito de las fuerzas de seguridad.
Referencias
1. Fan, Jianqing, Yingying Fan, Jinchi Lv, y Fan Yang (2022). “SIMPLE-RC: Group network inference with non-sharp nulls and weak signals”. https://doi.org/10.48550/ARXIV.2211.00128.
2. NYPDStop, Question and Frisk Data. https://www.nyc.gov/site/nypd/stats/reports-analysis/stopfrisk.page
3. Rosenfeld, Richard, y Robert Fornango (2017). “The Relationship between Crime and Stop, Question, and Frisk Rates in New York City Neighborhoods”. Justice Quarterly 34 (6): 931–51. https://doi.org/10.1080/07418825.2016.1275748.
4. Gupta, A., C. Sun, A. Shrivastava, and S. Singh (2017). “Revisiting the Unreasonable Effectiveness of Data.” URL: https://ai. googleblog. com/2017/07/revisiting-unreasonable-effectiveness. html
5. Khan, Salman, Muzammal Naseer, Munawar Hayat, Syed Waqas Zamir, Fahad Shahbaz Khan, y Mubarak Shah (2022). “Transformers in Vision: A Survey”. ACM Computing Surveys 54 (10s): 1–41. https://doi.org/10.1145/3505244.
6.7 La irrupción de ChatGPT y otros servicios de IA generativa. Implicaciones
La inteligencia artificial (IA) generativa es una aplicación de múltiples desarrollos en varias ramas de la computación para potenciar la capacidad de crear contenidos originales y coherentes (texto, imágenes, música, audio y vídeos) a partir del aprendizaje sobre datos o instrucciones existentes y generar contenido nuevo y único mediante el uso de algoritmos, redes neuronales y aprendizaje automático (ML). La IA generativa puede aplicarse para potenciar la creatividad en diversos ámbitos, como el arte, la música, el cine, la literatura, el periodismo o la educación.
Uno de los ejemplos más destacados de IA generativa es ChatGPT, implementado como aplicación web para generar textos en lenguaje natural sobre cualquier tema, con un alto grado de verosimilitud y calidad. La generación de texto incluye programación a demanda y depuración de código en una extensa variedad de lenguajes. Sin conocimientos muy avanzados, se puede lograr que los sistemas informáticos aprendan a partir de series específicas de datos sin ser programados explícitamente, utilizando los patrones aprendidos para generar contenido nuevo.
Es previsible que la irrupción de ChatGPT y otros servicios de IA generativa tenga un gran impacto social, educativo y laboral, considerando su rápida adopción y las transformaciones que puede inducir incluso en ámbitos de actividad profesional más cualificados. Su potencial plantea nuevos desafíos y oportunidades para las personas, las organizaciones y la sociedad en general. Algunas de las implicaciones de la IA generativa son las siguientes:
Cambios en la comunicación y flujo de información: La IA generativa puede facilitar la comunicación y la información al ofrecer contenidos personalizados, adaptados y accesibles para diferentes públicos y contextos. Puede mejorar la eficiencia y la productividad al automatizar tareas repetitivas o complejas, como la redacción de informes, resúmenes o traducciones. Y se puede utilizar para generar datos sintéticos, a partir de los cuales entrenar otros sistemas de aprendizaje automático. Pero la IA generativa también puede ser utilizada con fines de manipulación, desinformación, daño a la reputación o a la propia imagen, fraude en la investigación u obtención de resultados y para sortear barreras de ciberseguridad.
Transformación de la educación y el aprendizaje: La IA generativa puede potenciar la educación y el aprendizaje al ofrecer recursos didácticos innovadores, interactivos y motivadores para los estudiantes y los docentes. Puede facilitar el aprendizaje personalizado, adaptativo y colaborativo, basado en el análisis de los datos del estudiante y sus ventajas o dificultades en el uso de plataformas digitales. No obstante, la IA generativa facilitar el fraude académico, la pérdida de habilidades o competencias y el deterioro de los estándares éticos o los valores sociales y corporativos.
Redefinición del trabajo y las oportunidades de empleo: La IA generativa puede transformar nichos de empleo y crear nuevas oportunidades laborales, relacionadas con el diseño, el desarrollo, el mantenimiento o la evaluación de los servicios de IA generativa. Puede mejorar las condiciones laborales al reducir la carga de trabajo, aumentar la flexibilidad o facilitar la formación continua sobre un amplio rango de contenidos multidisciplinares que hasta hace poco requerían procesos muy costosos de formación especializada. En determinados contextos sociales y reguladores, las aplicaciones de IA generativa pueden ocasionar la sustitución o desplazamiento de puestos de trabajo, la precarización o desigualdad laboral y el desfase de amplios colectivos de trabajadores con respecto a las necesidades, habilidades o competencias requeridas para el entorno laboral.
En el contexto de la sociedad del conocimiento, los servicios de IA generativa pueden desempeñar un papel significativo —es decir, un salto cualitativo con respecto a las tecnologías y servicios previos— en la democratización del acceso a la información, en la interpretación y aplicación de datos e información disponibles para la toma de decisiones y en la mejora de las competencias digitales y habilidades de traducción.
Los distintos motores y servicios de IA generativa pueden ayudar a superar barreras de lenguaje y conocimiento, proporcionando a los usuarios información precisa y relevante de manera instantánea, como parte de procesos sofisticados de razonamiento, investigación y análisis. Su adecuada regulación, y el compromiso con estándares éticos exigentes, serán necesarios para evitar abusos, desinformación o acoso en línea.
En contexto educativo, la IA generativa tiene un potencial extraordinario para revolucionar los procesos de enseñanza y aprendizaje. Herramientas como ChatGPT pueden proporcionar tutorías personalizadas y apoyo en tiempo real para una extensa variedad de tareas, problemas y casos a trabajar por estudiantes en etapas e itinerios educativos muy diversos, independientemente de su ubicación geográfica u horarios. El riesgo de disminuir el contacto humano y las habilidades esenciales para la interacción social puede compensarse con la diversidad, amplitud y mejora de procesos de aprendizaje con menos peso de tareas rutinarias y tediosas.
Por otra parte, la IA generativa puede utilizarse para superar ciertas limitaciones de personal de apoyo especializado, si se aplica con buen criterio para generar materiales de aprendizaje personalizados. Con las indicaciones adecuadas, se puede ayudar a los estudiantes a aprender a su propio ritmo y de una forma adaptada a sus necesidades y dificultades individuales. En cuanto a formatos y motivación, la IA generativa puede aplicarse para crear experiencias educativas interactivas, como simulaciones virtuales o juegos, facilitando nuevos formatos e incentivos para tareas exigentes y con alto nivel de fracaso o abandono asociado.
Referencias y enlaces del aptdo.
Referencias
1. Arntz, M., Gregory, T., & Zierahn, U. (2020). Digitalization and the Future of Work: Macroeconomic Consequences. Structural Change and Economic Dynamics, 53, 443-456.
2. Bender, E.M., Gebru, T., McMillan-Major, A., & Shmitchell, S. (2021). On the Dangers of Stochastic Parrots: Can Language Models Be Too Big? Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency, 610-623.
3. Bostrom, N. (2020). The Vulnerable World Hypothesis. Global Policy, 11(4), 493-505.
4. Crawford, K., Dobbe, R., Dryer, T., Gillis, G., Kaziunas, E., Maharana, A., et al. (2021). Al in Context: The Labor of Integrating NewTechnologies. Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency, 5-20.
5. Felten, E., Huang, L., & Kagal, L. (2023). The economic potential of generative Al: The next productivity frontier. McKinsey & Company. https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/the-economic-potential-of-generative-ai-the-next-productivity-frontier
6. Johnson, K. (2023, March 8). How ChatGPT is changing the way we communicate. The Conversation.
7. McKinsey. (2023, June 1). Opinion Paper: "So what if ChatGPT wrote it?" Multidisciplinary perspectives on opportunities, challenges and implications of generative conversational Al for research, practice and policy. https://doi.org/10.1016/j.ijinfomgt.2023.102642
8. NPR. (2023, June 2). How will generative Al — such as ChatGPT — affect the workplace?
9. Radford, A., Wu, J., Child, R., Luan, D., Amodei, D., & Sutskever, I. (2020). Language Models are Few-Shot Learners. arXiv:2005.14165.
10. TietoEVRY. (2023, June 21). ChatGPT and beyond: What is the impact of generative Al on information work? https://www.tietoevry.com/en/blog/2023/06/chatgpt-and-beyond-what-is-the-impact-of-generative-ai-on-information-work/
11. Wan, S., Paris, C., & Dale, R. (2019). Supporting e-Learning with Artificial Intelligence. Handbook of Artificial Intelligence in Education, 193-210.
Enlaces
1. Glen Gow (10 ABRIL 2023): Estos son los cinco principales peligros en la era de la IA y ChatGPT. https://forbes.es/tecnologia/260702/estos-son-los-cinco-principales-peligros-en-la-era-de-la-ia-y-chatgpt/
2. Pérez Colomé, J. (22 feb 2023): Así es la irrupción inexorable de la nueva IA a las aulas. https://elpais.com/tecnologia/2023-02-22/obligo-a-usar-chatgpt-en-mis-clases-asi-es-la-irrupcion-inexorable-de-la-nueva-ia-a-las-aulas.html
3. Trias, X. (27 febrero 2023): El impacto de ChatGPT: ¿cómo afectará la irrupción y evolución de la inteligencia artificial en los próximos años? https://www.ey.com/es_es/digital/el-impacto-chatgpt-como-afectara-irrupcion-evolucion-inteligencia-artificial
4. Meneses, N. (30 MAR 2023): ChatGPT y educación: ¿un nuevo enemigo o aliado de los profesores? https://elpais.com/economia/formacion/2023-03-30/chatgpt-y-educacion-un-nuevo-enemigo-o-aliado-de-los-profesores.html Caso a estudiar
Replika y los usos de grandes modelos de lenguaje para fines no previstos en su diseño
ChatGPT ofrece algunas posibilidades interesantes en su aplicación en la terapia mental y el apoyo emocional. Si bien estos modelos no fueron creados con el propósito de reemplazar a los terapeutas humanos, varias iniciativas han explorado cómo pueden actuar como una herramienta complementaria para brindar apoyo inmediato o en situaciones en las que las personas no tienen acceso a servicios profesionales.
Replika, por ejemplo, es una aplicación basada en chatbot que utiliza tecnologías similares a GPT para permitir a los usuarios tener conversaciones de texto o voz. Aunque comenzó como una herramienta para crear un “amigo” digital, muchos usuarios encontraron en Replika un espacio para hablar sobre sus problemas emocionales, ansiedades y preocupaciones.