1.1: El panorama general

El mundo de la información se ha transformado de formas inesperadas en la última década. Estos cambios pueden explicarse, en parte, por el impacto de los algoritmos. En la Figura 1 se resumen algunos de los factores que impulsan estos cambios.

Figura 1: La vida en la era de los algoritmos: Una conceptualización

El impacto de varias tecnologías convergentes y tendencias sociales ayuda a explicar cómo y por qué el mundo de la información ha cambiado tan dramáticamente. Una lista de algunas de las tendencias tecnológicas más significativas muestra cómo estos cambios afectan a la sociedad.

1. La recolección de datos se realiza de manera invisible y constante. Llevamos computadoras en nuestros bolsillos que recopilan y comparten información sobre nuestra vida diaria, incluyendo a dónde vamos, con quién nos asociamos, qué noticias nos llaman la atención y qué preguntas hacemos. Estos flujos de datos pueden combinarse con información de los corredores de datos ²⁹ y cosecharse de nuestros autos y dispositivos domésticos, como monitores para bebés, termostatos conectados a Internet, refrigeradores, aspiradoras y asistentes activados por voz como Alexa, Siri y Google Home. ³⁰
2. Los avances en la ciencia de datos permiten a los tecnólogos y sistemas recopilar y procesar datos en tiempo real, rápidamente y a gran escala (un desarrollo a menudo llamado “big data”). ³¹ Esta capacidad computacional para correlacionar rápidamente enormes cantidades de datos exhaustivos y de grano fino recopilados de numerosas fuentes ha abierto oportunidades a empresas e investigadores, pero también a muchas cajas de Pandora.
3. Se están aplicando sistemas automatizados de toma de decisiones a las instituciones sociales ³² y procesos ³³ que, para bien o para mal, determinan todo tipo de cosas: quién consigue un empleo, una hipoteca, o un préstamo, acceso a servicios sociales, ingreso a la escuela o servicios educativos.
4. El aprendizaje automático (ML) y la inteligencia artificial (IA), cada vez más utilizados en productos de software que toman decisiones muy significativas, a menudo dependen de conjuntos de datos sesgados o incompletos. Los sistemas de IA son “entrenados” ³⁴ utilizando ³⁵ conjuntos de datos existentes, a menudo editados por humanos, lo que significa que pueden aprender y amplificar el sesgo. Esto tiene implicaciones como enseñar autos autónomos para evitar a los peatones ³⁶ o recomendar una sentencia de prisión basada en datos de un sistema de justicia penal que tenga antecedentes de discriminación racial. ³⁷
5. La desagregación de la información publicada y su redistribución a través de plataformas de búsqueda y redes sociales hace que la evaluación de lo que antes eran fuentes distintas, como artículos publicados en una revista académica o historias en un periódico local, sea aún más difícil. Esta desagregación conduce a una presentación individualizada de información que ordena los resultados a partir de inferencias extraídas de rastros de datos personales. No todos vemos la misma información cuando buscamos y con el contexto original faltante, no es obvio de dónde vino.
6. Ha habido un auge de la “economía de la atención” o “capitalismo de vigilancia”: las industrias rentables recogen “escape de datos” de nuestra interacción con las computadoras para personalizar resultados, predecir e impulsar el comportamiento, apuntar a la publicidad, persuasión política y comportamiento social a gran escala.
7. Estas industrias parecen tener dificultades para anticipar o responder a consecuencias no deseadas. Esto puede deberse a que las empresas están influenciadas por los valores culturales de Silicon Valley ³⁸ que, entre otras cosas, consisten en una creencia en la meritocracia, indiferencia o ignorancia de perspectivas diferentes a las de los hombres blancos ricos, ³⁹ un alcance global aunado a la falta de cultura competencia, ⁴⁰ y pensamiento mágico sobre la bondad preeminente del individualismo y la libertad de expresión. ⁴¹
8. Décadas de consolidación de medios, desregulación y tendencias económicas combinadas con el auge de las plataformas de redes sociales que están diseñadas para la persuasión pero que no tienen un deber ético de cuidado, han contribuido a la desconfianza de las tradiciones de conocimiento establecidas como el periodismo y la erudición, y el global desestabilización de las instituciones políticas y sociales.

La infraestructura técnica que influye en la forma en que adquirimos información y da forma a nuestros conocimientos y creencias ha cambiado drásticamente en formas que son en gran parte invisibles para el público, por diseño. Estamos ante una falta de conocimiento público ⁴² sobre quién tiene el poder sobre los sistemas de información y cómo se ejerce ese poder, una brecha en la comprensión que los educadores deben comenzar a abordar. ⁴³ Ante este cambio de mar, son de suma importancia las preguntas sobre lo que significa para los estudiantes ser alfabetizados en la información en la actualidad, y si saben cómo funciona la información en la era de los algoritmos.

¿Qué es exactamente la alfabetización informacional?

El término “alfabetización informacional” a veces se combina erróneamente con “instrucción bibliotecaria”, pero su significado es realmente mucho más amplio. La alfabetización informacional es un esfuerzo colectivo de bibliotecarios, especialistas en medios, tecnólogos y educadores de todo el espectro educativo. Incorpora elementos de alfabetización mediática, alfabetización digital, alfabetización noticiosa y pensamiento crítico.

En conjunto, la alfabetización informacional es un conjunto integrado de habilidades, conocimientos, prácticas y disposiciones que prepara a los estudiantes para descubrir, interpretar y crear información éticamente mientras obtienen una comprensión crítica de cómo interactúan los sistemas de información para producir y circular noticias, información y conocimiento. *

* La Asociación de Bibliotecas Universitarias y de Investigación (11 de enero de 2016) ha desarrollado un “Marco para la alfabetización informacional para la educación superior” que ofrece una discusión de la frase y esboza conceptos básicos para estudiantes de nivel universitario, http://www.ala.org/acrl/ standards/ilframework

Referencias

29. Molly Wood (7 de marzo de 2019), “Los corredores de datos están en el negocio de vender su información en línea”. Marketplace, www.marketplace. org/2019/03/07/cuando-llega-a-recopilacion-de-datos-intrusiva-facebook-podría-ser-el-meno-de-nuestros-problemas-corredos-de-datos/
30. Bruce Schneier (2015), Datos y Goliat: Las batallas ocultas para recopilar tus datos y controlar tu mundo, Norton.
31. Para una introducción completa a la relación del big data con el conocimiento, véase Rob Kitchin (2014), “Big data, nuevas epistemologías y cambios de paradigma”, Big Data & Society 1 (1), 1-12, DOI: https://doi.org/10.1177/2053951714528481
32. Véase por ejemplo Virginia Eubanks 2018, op. cit.
33. Una introducción accesible a cómo los algoritmos influyen en la sociedad se puede encontrar en Cathy O'Neil 2017, op. cit.
34. Karen Hao (4 de febrero de 2019), “Así es como ocurre realmente el sesgo de IA, y por qué es tan difícil de arreglar”, MIT Technology Review, www. technologyreview.com/s/612876/esto-es-cómo-ai-bias-realmente-pasa-por-qué-tandifícil de arreglar/
35. Mary L. Gray y Siddharth Suri (2019), Obra fantasma: Cómo evitar que Silicon Valley construya una nueva subclase global, Houghton Mifflin Harcourt.
36. Sigal Samuel (6 de marzo de 2019), “Un nuevo estudio encuentra un riesgo potencial con los autos autónomos: No detectar peatones de piel oscura”, Vox, https://www.vox.com/future-perfect/2...icle-dark-skin
37. Stephanie Wykstra (12 de julio de 2018), “¿Alguna vez se puede eliminar el sesgo racial de los algoritmos de justicia penal?” Pacific Standard, https://psmag.com/ justicia-social/eliminar-sesgos raciales-del-algoritmo
38. Alice E. Marwick (2013). Actualización de estado: Celebridad, publicidad y branding en la era de las redes sociales, Yale University Press.
39. Marie Hicks (2017), Desigualdad programada: Cómo Gran Bretaña descartó a las mujeres tecnólogas y perdió su ventaja en computación, MIT Press; Ruha Benjamin (2019), Carrera después de la tecnología: herramientas abolicionistas para el nuevo Jim Code, Wiley.
40. Alexandra Stevenson (6 de noviembre de 2018), “Facebook admite que se utilizó para incitar a la violencia en Myanmar”, The New York Times, nyti. ms/2YVao5x
41. Fred Turner (2010), De la contracultura a la cibercultura: Stewart Brand, the Whole Earth Network, y el auge del utopismo digital, University of Chicago Press; Timothy Garton Ash (2016), Free Speech: Ten Principles for a Connected World, Yale University Press.
42. Las implicaciones de esta desigual “división del aprendizaje” se exploran en el Capítulo 6 de Shoshana Zuboff (2019), La era del capitalismo de vigilancia: La lucha por un futuro humano en la nueva frontera del poder, PublicAffairs.
43. Annemaree Lloyd (26 septiembre 2019), “Persiguiendo al monstruo de Frankenstein: Alfabetización informacional en la sociedad de caja negra”, Revista de Documentación 75 (6), 1475-1485. DOI: DOI.org/10.1108/JD-02-2019-0035

Colaboradores y Atribuciones

• Template:ContribInfoLiteracyAgeofAlgorithmPIL