Datificación

 

Nota sobre la traducción

Este artículo fue originalmente publicado en la sección Concepts of the Digital Society de la revista Internet Policy Review, editada por Christian Katzenbach y Thomas Christian Bächle. Es publicado en la Revista Latinoamericana de Economia y Sociedad Digital según los lineamientos de acceso abierto del artículo original, con licencia Creative Commons Attribution 3.0 Germany. Título Original: Datafication Fecha de publicación original: 29 de Noviembre de 2019 Link al artículo original: https://policyreview.info/concepts/datafication DOI original: https://doi.org/10.14763/2019.4.1428 Traducido del idioma inglés por The Pillow Books para la Revista Latinoamericana de Economía y Sociedad Digital en Mayo 2022.

INTRODUCCIÓN

El término “datificación” implica que algo se convierte en datos. Lo que ese algo es y lo que el proceso implica son cuestiones que es necesario contextualizar. El término “datos”, es relativamente claro, al menos en su uso contemporáneo. Los datos son el “material producto de la abstracción del mundo en categorías, medidas y otras formas de representación […] que representan los elementos constitutivos de la información y el conocimiento” (Kitchin, 2014, p.1). Aunque, en principio, cualquier cosa o proceso (desde un patrón de sol o de lluvia o el latido del corazón hasta una clase impartida en un aula) se puede convertir en datos, en este breve ensayo nos centraremos en los procesos de datificación que crean datos digitales a partir de la vida humana. Dado que a la mayoría de las personas que escriben sobre datos también les preocupa lo que sucede con la vida humana, el término “datificación” pronto adquirió un significado adicional: la transformación de la vida humana en términos más amplios, para que sus elementos puedan ser una fuente continua de datos. Con frecuencia son las empresas las que se benefician de ello, pero también los Estados y, en ocasiones, las organizaciones de la sociedad civil y las comunidades.

Fue en 2013, en el contexto de un análisis de los procesos de “big data” en las empresas y las ciencias sociales, cuando se utilizó por primera vez el término “datificación” (Mayer-Schönberger y Cukier, 2013, capítulo 5): “Datificar un fenómeno es ponerlo en forma cuantificada para que pueda ser tabulado y analizado” (2013, p.78). En opinión de los autores, la datificación implica mucho más que convertir material simbólico en material digital, ya que es la datificación ⎯y no la digitalización⎯ la que “convirtió los textos [digitales] en indexables y, por lo tanto, susceptibles de ser buscados” (2013, p.84). A través de este proceso, grandes ámbitos de la vida humana se vuelven susceptibles de ser procesados a través de formas de análisis que podrían automatizarse a gran escala. La dinámica que guía la datificación como proceso social se torna entonces evidente: el impulso de “transformar […] la conducta humana… en un formato analizable” a través de un proceso que en el análisis mencionado más arriba ya se denominaba “la datificación de todo” (2013, p.93–94).

No pasó mucho tiempo antes de que comenzaran a surgir perspectivas críticas en torno a la datificación. Como queda claro en nuestra definición inicial de “datos”, estos no existen de forma natural, sino que surgen a través de un proceso de abstracción: se toma algo de las cosas y los procesos, algo que no estaba ahí antes de forma diferenciada. Lisa Gitelman (2’13) resume este punto en el título de una conocida colección: Raw Data is an Oxymoron (Los datos brutos son un oxímoron). En efecto, en la propia noción de datos (o de lo que se da como un hecho, del latín data) están implícitas las nociones de selección y transformación: “los datos son […] elementos que pueden abstraerse a partir de […] fenómenos” (Kitchin, 2014, p. 2). Kitchin incluso sostiene que el término “datos” debería sustituirse por otro término latino, capta ⎯lo que se captura⎯, para referirse a cómo, en la práctica, se recogen los datos de la vida. José van Dijck, en su análisis relativo a varios términos que surgieron en torno al procesamiento de datos, también ofrece una interpretación crítica de la datificación como “un medio para acceder […] y supervisar el comportamiento de las personas” (Van Dijck, 2014, p. 1478). La autora propone que las prácticas de datificación se están convirtiendo en “un nuevo paradigma aceptado para comprender […] el comportamiento social” (2014, p. 1478, el énfasis es nuestro). Esta comprensión implica una visión de los “procesos de datificación como una nueva forma de interpretar el mundo”. Shoshana Zuboff lleva el argumento más allá y sostiene que lo que vivimos es una nueva etapa del “capitalismo de la vigilancia” (2019), en la cual la experiencia humana se convierte en la materia prima que produce los datos de comportamiento utilizados para influir e incluso predecir nuestras acciones.

Podemos abordar el estudio de los datos digitales como una compleja matriz de actores y estructuras, cuyo análisis puede ser realizado por diferentes disciplinas en múltiples niveles. En cuanto a los actores, tenemos a las empresas, los Estados y diversos actores civiles (activistas, periodistas, etc.) e incluso no estatales (terroristas, piratas informáticos), todos los cuales pueden producir, recopilar y analizar datos con distintos fines. En este caso, la atención puede abarcar desde los grandes actores corporativos responsables de la mayor parte de la cuantificación de datos en nuestras vidas ⎯Facebook, Apple, Microsoft, Google y Amazon en Occidente, y sus contrapartes chinas Baidu, Alibaba, Tencent y Xiaomi— hasta actores de menor rango dentro de lo que puede llamarse el “sector de la cuantificación social” (Couldry y Mejias, 2018), que incluye hardware, software, plataformas, analítica de datos, empresas de intermediación de datos e incluso spammers (en función del país que se analice, este sector mantiene relaciones más o menos estrechas con la forma en que el gobierno, a diversos niveles, trata de extraer datos para vigilar a su ciudadanía; en China, dichas relaciones son especialmente estrechas, cf. Chen y Qiu, 2019). Es evidente que la datificación puede beneficiar a algunos de estos actores, pero también puede utilizarse para discriminar a otros por motivos de raza, clase, etc. (cf. Gandy, 1993; Peña Gangadharan, 2012). En relación con su estructura, los datos pueden fluir dentro de varias arquitecturas, entre las que se cuentan plataformas, servicios, aplicaciones, bases de datos y dispositivos de hardware. A fin de dar sentido a esta complejidad, varias disciplinas de investigación pueden ser útiles para acercarse o distanciarse de las diferentes intersecciones de actores e infraestructuras. Por ejemplo, los estudios sobre software o plataformas pueden abordar cuestiones de configuración y asequibilidad tecnológica, mientras que un enfoque desde la economía política crítica puede abordar cuestiones de mercantilización y explotación. La mayoría de estos enfoques intentan explicar de algún modo la forma en que se “generan” los big data en términos de su relación con el tiempo, el contexto y el poder (Boellstorff, 2013).

A continuación, consideramos los elementos específicos que conforman la datificación y las perspectivas desde las que las diferentes disciplinas han abordado sus consecuencias, con especial énfasis en la datificación realizada por las empresas para obtener beneficios económicos.

ELEMENTOS DE LA DATIFICACIÓN

La producción de datos no puede separarse de dos elementos esenciales: la infraestructura externa, a través de la cual se recogen, procesan y almacenan y los procesos de generación de valor, que incluyen la monetización, pero también los medios de control estatal, la producción cultural, el empoderamiento cívico, etc. Esta infraestructura y dichos procesos tiene múltiples capas, son de carácter global e incluyen mecanismos de difusión, acceso, almacenamiento, análisis y vigilancia que en su mayoría pertenecen o son controlados por corporaciones y Estados.

En otras palabras, la datificación combina dos procesos: la transformación de la vida humana en datos a través de procesos de cuantificación y la generación de diferentes tipos de valor a partir de los datos. A pesar de su ambigüedad, el término datificación es necesario, pues señala un método nuevo desde el punto de vista histórico para cuantificar elementos de la vida que hasta ahora no habían sido cuantificados a este grado.

En sí mismo, el proceso de cuantificar la vida requiere múltiples componentes y condiciones. En primer lugar, como ya se identificó, implica mecanismos de recopilación de datos. Dichos mecanismos pueden adoptar diversas formas, pero a menudo involucra una aplicación o una plataforma que recoge una amplia gama de datos sobre las personas usuarias, los agrega y los analiza y genera datos de marketing microorientados y percepciones predictivas sobre los comportamientos. Algunas plataformas, como Facebook, han logrado incorporar enlaces a sus mecanismos de recopilación de datos dentro de otras plataformas, convirtiendo al propio Facebook en todas sus manifestaciones en una “infraestructura de datos” (Nieborg y Helmond, 2019). Luego, el proceso se monetiza al utilizar esos datos para vender productos o servicios a las personas usuarias o al vender los datos a actores que desean influir o persuadir a las personas usuarias hacia diversos objetivos. Sin embargo, esa infraestructura también implica condiciones previas: la condición de animar a las personas a utilizar la aplicación o la plataforma, es decir, organizar sus hábitos para que las actividades cotidianas que antes realizaban en otro lugar (como comunicarse con las amistades, compartir productos culturales, llamar a un taxi, etc.) las realicen ahora a través de la aplicación. Y, más importante aún, el proceso de cuantificación implica la abstracción mediante el proceso de convertir el flujo de la vida social y el significado social en secuencias de números que se pueden contabilizar. Esta forma de abstracción implica muchas transformaciones sutiles, tanto cognitivas como evaluativas, tal y como describen las teóricas de la gestión Cristina Alaimo y Jannis Kallinikos (2017). Las transformaciones de la vida social inherentes a la datificación son tantas y tan relevantes para nuestra orientación al ámbito social, que Alaimo y Kallinikos escriben acerca de una “socialidad computada” (computed sociality) (2017, p. 177; véase también Van Dijck, 2013, p. 5, sobre “platformed sociality” [socialidad por plataformas]).

Aunque estos procesos son relativamente nuevos, la historia detrás de la idea básica de la datificación —que el flujo de la vida humana podría convertirse en datos discretos— es muy antigua.

LA DATIFICACIÓN: DEL PASADO AL PRESENTE

La datificación no sólo tiene que ver con aplicaciones de redes sociales y plataformas de intercambio de contenidos. El primer ámbito de la datificación fue el comercio, no la vida social. Incluso hoy en día, la cantidad de datos generados por el comercio supera la cantidad de datos generados por la datificación de la vida humana (Carta del presidente de IBM, 2018). Áreas clave de los negocios, como la logística ⎯la gestión del flujo de mercancías e información⎯ han madurado hasta convertirse en prácticas complejas gracias a la datificación. Sin la datificación, no sería posible el monitoreo de los flujos de datos en constante conexión para organizar todos los aspectos de la producción y distribución a través del espacio y el tiempo dentro de las cadenas globales de productos básicos (Cowen, 2015).

Pero hay muchas otras formas en que los aspectos del mundo social llegaron a contabilizarse o cuantificarse durante la modernidad, como una manera de volverlo más “legible” a la hora de gobernar (Poovey, 1998, capítulos 2 y 7; Scott, 1990). En este sentido, el análisis de las redes sociales tiene especial relevancia, donde las aplicaciones de la ciencia de las redes a los ámbitos sociales han contribuido a la evolución de la datificación. Las gráficas sociales y las visualizaciones de redes han permitido a las empresas extraer información del flujo de la vida para su uso descriptivo y predictivo, con la ayuda de la incorporación de dispositivos “inteligentes” a estos círculos sociales (el llamado internet de las cosas), que registran no solo las interacciones entre las personas, sino entre las personas y las cosas, o entre las propias cosas.

Estas formas en apariencia neutrales de datificación se ven permeadas por cuestiones ligadas al poder. Esto se debe a la forma en que se producen los datos para que puedan ser contabilizados. En una red, los nodos solo reconocen a otros nodos, y si algo no se representa como un nodo, no existe. De igual manera, un proceso o entidad solo puede representarse en una red si puede describirse en términos de las relaciones que la red es capaz de cuantificar o procesar. Algo que no se puede codificar como integrante potencial de una red no puede contabilizarse. Este proceso de nodocentrismo (Mejias, 2013) está también implícito en la creación de modelos sociales que convierte el flujo social en procesos informáticos basados en datos (Rieder, 2012). Cuando se aplican estos esquemas, el resultado es la transformación de las propias formas de contabilizar el mundo social, como ya varios sociólogos han señalado (Fourcade y Healey, 2013; Espeland y Sauder, 2007). La cuestión de quién se encarga de codificar la vida en realidades datificadas adquiere aquí una gran relevancia.

Sin embargo, las consecuencias del poder intrínsecas a la digitalización a menudo resultan invisibles. Es paradójico que algunas metáforas que suelen emplearse para equiparar la datificación a otros procesos extractivos contribuyan a invisibilizar estas relaciones de poder, en lugar de evidenciarlas. Pensemos en la expresión “los datos son el nuevo petróleo”, algo que se puede extraer o minar de forma natural, dado que existen en el “suelo” de la vida social. Como señala la jurista Lauren Scholz, esta metáfora “elude la evaluación de cualquier apropiación indebida o explotación que pueda surgir del uso de los datos” (Scholz, 2018, p. 2). Esta comprensión de la datificación como un proceso en cierta forma natural es un fenómeno muy común, como demuestra la siguiente frase de un folleto informativo distribuido por la Royal Society del Reino Unido: “El aprendizaje automático es una marca de inteligencia artificial que permite a los sistemas informáticos aprender directamente de los ejemplos, los datos y la experiencia” (2019, s.p.). La comunidad científica especializada en datos críticos considera un mito la idea del aprendizaje directo a partir de los datos; como veremos en el siguiente apartado, forma parte de un discurso que las disciplinas críticas han intentado desacreditar.

CONTROVERSIAS EN TORNO A LA DATIFICACIÓN

Han surgido importantes controversias en torno a la justicia social en relación con la forma en que las corporaciones o los Estados implementan la datificación en sectores específicos (desde las calificaciones crediticias hasta los servicios sociales) para discriminar a las personas, sobre todo a las que pertenecen a clases y poblaciones étnicas desfavorecidas (por ejemplo, Gandy, 1993; Eubanks, 2017; Benjamin, 2019). En términos más generales, el trabajo del sector de la cuantificación social es abordado, desde diferentes ángulos, por disciplinas como la economía política, los estudios jurídicos y la teoría decolonial, todos ellos basados en los estudios de datos críticos.

ECONOMÍA POLÍTICA

Las críticas marxistas a la producción de datos se han centrado, sobre todo, en el análisis de las dinámicas de poder inherentes a la datificación con énfasis en una interpretación tradicional de las relaciones laborales, en la que se observa el “trabajo” que las personas usuarias desempeñan en su interacción con los medios digitales y la generación de datos (Fuchs y Mosco, 2017). Más allá de la tradición marxista, han surgido críticas similares al trabajo digital y la producción de datos (cf. Scholz, 2016), mientras que la especialista en gestión Shoshana Zuboff ha propuesto la tesis de que la recopilación de datos personales a gran escala por parte de las empresas representa una forma aberrante de capitalismo (Zuboff, 2015, 2019). Estos enfoques tienen en común el hecho de que la datificación, en tanto proceso social, se vincula con la generación de beneficios, ya sea a través de la venta de datos como mercancía o de la incorporación de datos como factor de producción (Sadowski, 2019, plantea de forma alternativa los datos mismos como “capital”).

Sin embargo, trabajos críticos recientes sobre la datificación van más allá de la idea de trabajo. Un enfoque es considerar la forma económica constituida por las plataformas a través de las cuales se generan y recogen gran cantidad de datos. Como ya señaló Tarleton Gillespie (2010), las plataformas representan mucho más que una etiqueta comercial para las interfaces informáticas. Son un nuevo tipo fundamental de mercado multilateral centrado en la datificación; un mercado que reúne a las personas usuarias de las plataformas que generan datos, a quienes compran datos (anunciantes y corredores de datos) y a proveedores de servicios de plataformas que se benefician de la liberación, la venta y el uso interno de los datos (Rieder y Sire, 2014; Cohen, 2018).

Otro enfoque interpreta la datificación a partir de una reinterpretación de Marx para argumentar que su principal característica no es el trabajo, sino la fuerza de abstracción de la mercancía; es decir, la posibilidad misma de transformar los procesos vitales en “cosas” con valor a través de la abstracción (Couldry y Mejias, 2018, 2019; Sadowski, 2019). Esta interpretación entiende la datificación como un proceso social configurado en torno a nuevas relaciones (“relaciones de datos”) diseñadas para optimizar la generación de datos a partir de la vida social (comparar con Zuboff, 2015, 2019).

ESTUDIOS JURÍDICOS

La teoría jurídica ofrece una crítica alternativa a la datificación que argumenta que ésta representa una amenaza para los derechos básicos del ser. Esto ya se sugiere en la primera frase del Reglamento General de Protección de Datos (RGPD): “la protección de las personas físicas en relación con el tratamiento de datos personales es un derecho fundamental” (considerando 2). Los riesgos que supone la recopilación de datos personales para la autonomía de las personas se han previsto desde hace al menos dos décadas (cf. Schwartz, 1999; Cohen 2000). La especialista en teoría jurídica Julie Cohen, en particular, ha defendido la importancia de aferrarse al concepto de privacidad en cierta forma como defensa ante al efecto paralizante de la recopilación y el procesamiento continuos de datos (Cohen, 2013). Sin embargo, los procesos de datificación son tan amplios que hay quien ha cuestionado la utilidad del propio término de “privacidad” (Barocas y Nissenbaum, 2014). En un mundo en el que la datificación parece un fenómeno constante y con múltiples capas, es evidente que se requiere una aproximación a la norma de privacidad que tome en cuenta el contexto (Nissenbaum, 2013).

Recientemente, se han cuestionado las implicaciones de la datificación ⎯y de la inteligencia artificial basada en el procesamiento de datos⎯ en relación con el concepto de autonomía (Hildebrandt, 2015). La datificación que artefactos como los dispositivos de localización, los algoritmos psicométricos y los sistemas de seguimiento en el lugar de trabajo hacen posible podría interferir con la integridad mínima del yo como ser(Couldry y Mejias, 2019), que puede entenderse como la base misma de la autonomía. Se han manifestado inquietudes similares respecto a los intentos de comerciantes y otros actores de influir en el comportamiento a través del análisis de datos (cf. Rouvroy, 2015, en “conductismo de datos”). Según esta línea de crítica, la datificación nos vuelve cada vez más dependientes de las mediciones de datos (externas y privatizadas) para saber quiénes somos, qué sentimos y qué debemos hacer, lo que pone en tela de juicio nuestra concepción básica de la agencia y el conocimiento humanos.

No obstante, la datificación crea oportunidades prácticas para las propuestas de regulación. Una de ellas tiene que ver con la cuestión de quién posee los datos. La datificación plantea intereses contrapuestos, lo que significa que es necesario elaborar matices normativos. Por un lado, están los intereses de la persona que genera los datos o es propietaria de un dispositivo que los produce; por otro, están los intereses de las personas que poseen la infraestructura a través de la cual fluyen y se recopilan los datos (el sector de la cuantificación social). Estas últimas suelen solicitar a las primeras que renuncien a cualquier derecho de propiedad sobre sus datos como condición para utilizar su infraestructura, a veces bajo el planteamiento del acceso a la infraestructura como un servicio “gratuito” que compensa la renuncia a los derechos de propiedad. Las entidades reguladoras, sobre todo en la UE a través de iniciativas como el RGPD, han comenzado a intervenir en esta relación con el fin de garantizar un mínimo de derechos para las personas.

En ocasiones Las críticas legales entrañan una pregunta incluso de mayor alcance: ¿cómo es que, en primer lugar, la vida humana llegó a datificarse y a ser tratada como un dominio abierto para la extracción de datos (Cohen, 2018)? Esto se entiende mejor si se adopta una perspectiva histórica más amplia, que es la que proporcionan las críticas decoloniales.

TEORÍA DECOLONIAL

Si en el contexto del capitalismo la datificación es un proceso de abstracción y extracción de la vida a través de varios espacios para generar ganancias (con beneficios secundarios para los gobiernos), entonces ¿a dónde va la riqueza generada por esta extracción y por qué? El establecimiento de un vínculo con el colonialismo histórico podría resultar ilustrativo a la hora de analizar la geografía y la política de la datificación (Thatcher et al., 2016).

La datificación puede entenderse como un proceso colonial en sí mismo, no solo en el sentido metafórico de frases como “los datos son el nuevo petróleo”, sino literalmente como un nuevo modo de colonialismo de datos (Couldry y Mejias, 2019) que se apropia de la vida humana para poder extraer de ella datos de forma continua en beneficio de intereses particulares (occidentales, pero también cada vez más capitalistas globales). En lugar de territorios, recursos naturales y mano de obra esclava, el colonialismo de datos se apropia de recursos sociales. Aunque los modos, las intensidades, las escalas y los contextos del colonialismo de datos difieren de los del colonialismo histórico, su función es la misma: despojar.

Dentro de esta perspectiva más amplia, la datificación puede analizarse como una continuación de la colonialidad del poder (Quijano, 2007); una forma de dominación tanto en el ámbito social como en el cognitivo (de Sousa Santos, 2016). En la actualidad se libra una guerra por los recursos sociales del mundo, sobre todo entre los sectores de cuantificación social de China y de Estados Unidos (Couldry y Mejias, 2019). Esta “despojo” emplea todo un arsenal de armas de cuantificación, desde la inteligencia artificial, el reconocimiento facial y los nuevos modelos de comercio electrónico, hasta la guerra informática, la fabricación de chips y los acuerdos multinacionales que regulan la propiedad intelectual. Es importante recordar que, históricamente, las tecnologías de la información y la comunicación permitieron la administración y la vigilancia de los territorios colonizados, así como la propagación de narrativas que legitimaban la extracción y el despojo. La datificación continúa y amplía estas funciones.

CONCLUSIÓN

El valor analítico del término “datificación” radica en su capacidad de nombrar los procesos y los marcos mediante los cuales se desarrolla una nueva forma de extractivismo en nuestros tiempos, a través de la apropiación de datos relativos a nuestra vida. Las corporaciones son los principales actores y beneficiarios de este proceso, en el que también gobiernos de muchos países están involucrados. Si asumimos que el problema no son los datos en sí mismos (de hecho, hay proyectos comunitarios consensuados para recopilar datos), sino cómo y quién los recopila y utiliza de forma sistemática, la pregunta clave es cómo detener la expansión del sector de la cuantificación social en el espacio social. ¿Cómo nos situamos fuera de la datificación, cuando ésta pretende captar la totalidad del espacio y el tiempo sociales?

El propio término datificación puede sugerir formas prácticas de hacerlo. Al nombrar un proceso (la datificación), también invocamos sus límites. Al igual que el proyecto colonial supuso la separación del mundo en centros y periferias, la datificación como forma de racionalidad también produce elementos periféricos (o paranodales, cf. Mejias, 2013) que no pueden ser cuantificados y, por tanto, en principio, tampoco pueden ser datificados.

Diversas formas de resistencia ⎯desde el ineficaz pero estratégico abandono de las plataformas individuales, hasta una mayor conciencia de nosotros mismos como objetos de la datificación⎯ pueden contribuir a desafiar el crecimiento de la datificación y generar alternativas. No se sabe si esta resistencia logrará detener ciertos aspectos de la datificación, pero sin duda representa una de las principales interrogantes sociales de nuestro tiempo.

REFERENCIAS

Alaimo, C. y Kallinikos, J. (2017). Computing the Everyday: Social Media as Data Platforms. The Information Society, 33(4), 175–191. doi:10.1080/01972243.2017.1318327

Baack, S. (2015). Datafication and empowerment: how the open data movement re-articulates notions of democracy, participation and journalism. Big Data & Society, 7(1). doi:10.1177/2053951715594634

Barocas, S. y Nissenbaum, H. (2014). Big Data’s End Run Around Anonymity and Consent (pp. 44–75). En J. Lane, V. Stodden, S. Bendo, & H. Nissenbaum (eds.), Privacy, Big Data and the Public Good. Nueva York: Cambridge University Press.

Benjamin, R. (2019). Race After Technology. Cambridge: Polity.

Boellstorff, T. (2013). Making Big Data, En Theory. First Monday, 18(10). doi:10.5210/fm.v18i10.4869

Chen J. y Qiu, J. (2019) Digital Utility: Datafication, regulation, labor, and DiDi’s platformization of urban transport in china. Chinese Journal of Communication, 12(3), 1-16. http://doi.org/10.1080/17544750.2019.1614964

Cohen, J. E. (2000). Examined Lives: Information Privacy and the Subject as Object, Stanford Law Review, 52(5), 1373–1438. Consultado en: https://scholarship.law.georgetown.edu/facpub/810/

Cohen, J. E. (2013). What Privacy Is for. Harvard Law Review, 126(7), 1904–1933. Consultado en: https://harvardlawreview.org/2013/05/what-privacy-is-for/

Cohen, J. E. (2018). The Biopolitical Public Domain: The Legal Construction of the Surveillance Economy. Philosophy & Technology, 31(2), 213–233. doi:10.1007/s13347-017-0258-2

Couldry, N. y Mejias, U. A. (2019). The Costs of Connection: How Data is Colonizing Human Life and Appropriating it for Capitalism. Redwood City: Stanford University Press.

Couldry, N. y Mejias, U. A. (2018). Data Colonialism: Rethinking Big Data’s Relation to the Contemporary Subject. Television & New Media, 20(4). doi:10.1177/1527476418796632

Cowen, D. (2014). The Deadly Life of Logistics. Minneapolis: University of Minnesota Press.

Espeland, W. y Sauder, M. (2007). Rankings and Reactivity: How Public Measures Recreate Social Worlds. American Journal of Sociology, 113(1), 1–40. doi:10.1086/517897

Eubanks, V. (2017) Automating Inequality. New York: St Martin’s Press.

Fourcade, M. y Healy, K. (2013). Classification Situations: Life-Chances in the Neoliberal Era. Accounting, Organizations and Society, 38(8), 559–572. doi:10.1016/j.aos.2013.11.002

Fuchs, C. y Mosco, V. (eds.). (2017). Marx in the Age of Digital Capitalism. Leiden: Brill.

Gandy, O. (1993). The Panoptic Sort. Boulder: Westview Press.

Gillespie, T. (2010). The politics of ‘platforms’. New Media & Society, 12(3), 347–364. doi:10.1177/1461444809342738

Gitelman, L. (Ed.). (2013). “Raw Data” is an Oxymoron. Cambridge, MA: MIT Press.

Hildebrandt, M. (2015). Smart Technologies and the End(s) of Law. Cheltenham: Edward Elgar Publishing.

IBM. (2018). Annual Report. Disponible en: https://www.ibm.com/annualreport/assets/downloads/IBM_Annual_Report_2018.pdf Consultado por última vez: 26 de noviembre de 2019.

Kelly, K. (2016). The Inevitable. New York: Penguin.

Kitchin, R. (2014). The data revolution: big data, open data, data infrastructures & their consequences. Londres: Sage.

Mayer-Schönberger, V. y Cukier, K. (2013). Big Data: A Revolution That Will Transform How We Live, Work and Think. Londres: John Murray.

Mejias, U. A. (2013). Off the Network: Disrupting the Digital World. Minneapolis: University of Minnesota Press.

Nieborg, D. y Helmond, A. (2019). The political economy of Facebook’s platformization in the mobile ecosystem: Facebook Messenger as a platform instance. Media culture & Society, 41(2), 196–218. doi:10.1177/0163443718818384

Nissenbaum, H. (2010). Privacy in Context. Redwood City, California: Stanford University Press.

Pentland, A. (2014). Social Physics. Nueva York: Penguin.

Peña Gangadharan, S. (2012). Digital Inclusion and Data Profiling. First Monday, 17(5). doi:10.5210/fm.v17i5.3821

Poovey, M. (1998). A History of the Modern Fact. Chicago: Chicago University Press.

Rieder, B. (2012). What Is in PageRank? A Historical and Conceptual Investigation of Recursive Status Index. Computational Culture: A Journal of Software Studies, (2), 1–28. Consultado en: http://computationalculture.net/what_is_in_pagerank/

Rieder, B. y Sire, G. (2014). Conflicts of Interest and incentives to bias: A Microeconomic critique of Google’s tangled position on the Web. New Media & Society, 16(2), 195–211. doi:10.1177/1461444813481195

Rouvroy, A. (2012). The End(s) of Critique: Data Behaviourism versus Due Process. En M. Hildebrandt y E. de Vries (eds.), Privacy, Due Process and the Computational Turn (pp. 143–167). Londres: Routledge.

Royal Society, The. (2019). Machine Learning: the power and promise of computers than learn by example [Informe]. Londres: The Royal Society. Consultado en: https://royalsociety.org/topics-policy/projects/machine-learning/

Sadowski, J. (2019). When data is capital: Datafication, accumulation, and extraction. Big Data & Society, 6(1). doi:10.1177/2053951718820549

Santos, B. de S. (2016). Epistemologies of the South: Justice Against Epistemicide. Londres: Routledge. doi:10.4324/9781315634876

Scholz, L. H. (2018). Big Data is not Big Oil: the Role of Analogy in the Law of New Technologies [Informe de investigación]. Tallahassee: Florida State University College of Law. Consultado en: https://ssrn.com/abstract=3252543

Scholz, T. (2016). Uberworked and Underpaid. Cambridge: Polity.

Schwartz, P. (1999). Internet Privacy and the State. Connecticut Law Review, 32, 815–859. Consultado en: https://works.bepress.com/paul_schwartz/10/

Scott, J. C. (1990) Seeing Like a State: How Certain Schemes to Improve the Human Condition Have Failed. New Haven; Londres: Yale University Press.

Thatcher, J., O’Sullivan, D. y Mahmoudi, D. (2017). Data Colonialism Through Accumulation by Dispossession: New Metaphors for Daily Data. Environment and Planning D: Society and Space, 34(6), 990–1006. doi:10.1177/0263775816633195

Van Dijck, J. (2014). Datafication, Dataism and Dataveillance: Big Data Between Scientific Paradigm and Ideology. Surveillance & Society, 12(2), 197–208. doi:10.24908/ss.v12i2.4776

Van Dijck, J. (2013). The Culture of Connectivity. Oxford, Reino Unido: Oxford University Press.

Zuboff, S. (2015). Big other: surveillance capitalism and the prospects of an information civilization. Journal of Information Technology, 30(1), 75–89. doi:10.1057/jit.2015.5

Zuboff, S. (2019) The Age of Surveillance Capitalism. Londres, Reino Unido: Profile Books.

Acerca de los Autores

Ulises Mejías: Profesor de estudios de la comunicación y Director del Instituto de Acción Global en la Universidad del Estado de Nueva York (State University of New York), campus Oswego. Su trabajo se enfoca en los estudios críticos de internet, teoría y ciencia de redes sociales, filosofía y sociología de la tecnología y economía política de los medios digitales. Es autor de los libros The Costs of Connection (con Nick Couldry, Stanford UP, 2019) y Off the Network: Disrupting the Digital World (Universidad de Minnesota, 2013), y también de artículos como ‘Disinformation and the Media: The case of Russia and Ukraine’ en Media, Culture and Society (2017, con N. Vokuev), y ‘Liberation Technology and the Arab Spring: From Utopia to Atopia and Beyond’ en Fibreculture (2012). – Bio Recuperada de https://www.tierracomun.net/es/fundadores

Nick Couldry: es sociólogo y profesor de medios de la comunicación y teoría social en la Escuela de Economía y Ciencias Políticas de Londres (London School of Economics and Political Science), y desde 2017 ha sido Profesor Asociado en el Berkman Klein Center for Internet & Society en la Universidad de Harvard. En el otoño de 2018 fue Profesor Visitante en MIT. Junto con Clemencia Rodríguez editó el capítulo Medios y Comunicaciones en el reporte de 2018 del Panel Internacional sobre el Progreso Social (www.ipsp.org). Es autor o editor de quince libros entre los que se encuentran The Costs of Connection (con Ulises A. Mejías, Stanford UP, 2019), The Mediated Construction of Reality (con Andreas Hepp, Polity, 2016), Media, Society, World: Social Theory and Digital Media Practice (Polity, 2012) y Why Voice Matters (Sage, 2010). Sus últimos libros son Media: Why It Matters (Polity, 2019) y Media Voice Space and Power (Routledge 2020). Bio Recuperada de https://www.tierracomun.net/es/fundadores