3.2: Recomendaciones

Estas recomendaciones se proporcionan para actores clave —educadores, bibliotecarios, administradores y periodistas— involucrados en la promoción de la verdad y el conocimiento en la era de la “posverdad”. Se basan en los hallazgos de este estudio, lecciones aprendidas de una década de investigación PIL y de discusiones con un panel interdisciplinario de expertos convocado en la Harvard Graduate School of Education en noviembre de 2019. ⁷⁸ Sobre todo, están orientados a potenciar la alfabetización algorítmica.

En gran parte, hacen que los estudiantes sean socios para abordar la educación algorítmica con el fin de promover una conciencia generalizada de algoritmos y estrategias que puedan preservar la agencia y la autonomía humanas. Lograr un equilibrio entre ser idealistas y prácticos, se basan en lo que los maestros, bibliotecarios y periodistas ya hacen para promover la comprensión pública y el compromiso con la información en un mundo que cambia rápidamente.

Recomendación 1: Utilizar el aprendizaje entre pares para nutrir la agencia personal y avanzar en el aprendizaje en todo el campus.

Los estudiantes de nuestros grupos focales casi siempre identificaron a sus compañeros como fuentes de conocimiento sobre algoritmos. Esta autodenominada “generación de pivote” sintió que estaban mejor posicionados para cuestionar y contrarrestar los flujos de información personalizados que sus familiares e instructores mayores. Aprendieron cómo funcionaban los sistemas a través de la observación y la comparación de notas y soluciones alternativas con sus amigos y familiares más jóvenes.

En otros casos, conectaron esta experiencia personal con discusiones más amplias en el aula sobre justicia social y política, aportando una sofisticada lente crítica para influir en temas complejos relacionados con el flujo de información. En marcado contraste, los profesores que entrevistamos para este estudio estaban preocupados y curiosos sobre cómo los sistemas algorítmicos están influyendo en la vida pública, pero rara vez se sentían personalmente preparados para abordar estos temas en sus aulas.

Juntos, estos hallazgos apuntan al potencial de las iniciativas de “estudiantes como socios” para crear conciencia sobre los algoritmos en el campus. La literatura emergente sobre el desarrollo de asociaciones entre estudiantes y profesores, personal y administradores proporciona modelos para la práctica que involucran activa y auténticamente a los estudiantes en el diseño curricular y de servicios, y en la investigación y la enseñanza. ⁷⁹ Los centros de enseñanza y aprendizaje del campus a menudo cuentan con programas ya implementados para apoyar estas asociaciones.

En este escenario, la comprensión disciplinaria de los educadores sobre la información y la sociedad podría combinarse con el conocimiento y las prácticas creativas de los estudiantes para desarrollar un plan de estudios que satisfaga las necesidades de los estudiantes como ciudadanos, no solo como académicos. En lugar de abogar por la abstinencia algorítmica, como muchos de los profesores con los que hablamos podrían optar por hacer, esto podría llevar a los estudiantes a examinar cómo los algoritmos afectan sus vidas. Podría llevarlos a considerar cuándo y cómo podrían responder, desde emplear tácticas defensivas hasta presionar por un cambio social o legislativo.

En el siguiente nivel, el co-aprendizaje posiciona a los estudiantes como maestros pares. La enseñanza entre pares está bien establecida en las aulas universitarias, incluido su uso para fomentar la alfabetización digital. ⁸⁰ Formalizar los hábitos cotidianos de aprendizaje que ya tienen los estudiantes mientras aprovechan las experiencias compartidas, las preocupaciones y el lenguaje puede ser una manera efectiva de aumentar la alfabetización algorítmica en el campus.

Esta función docente podría apoyarse y extenderse más allá del aula con los estudiantes brindando asistencia a los estudiantes, incluidos los profesores y el personal, a medida que desarrollan la alfabetización digital y algorítmica. Para resaltar la propiedad de los estudiantes de sus conocimientos, se podría organizar una sesión de intercambio de habilidades en el campus con partes interesadas de asuntos estudiantiles, departamentos académicos, TI y la biblioteca en la que los estudiantes lideran conversaciones sobre las implicaciones sociales de los sistemas de decisión basados en datos y brindan capacitación práctica sobre herramientas y estrategias, como la autodefensa de vigilancia.

A medida que las instituciones examinan su propio uso de los datos personales, particularmente en el análisis de aprendizaje, también hay un papel para que los estudiantes jueguen en el diseño para la transparencia, ⁸¹ y tales esfuerzos podrían abrir discusiones en todo el campus sobre la intersección de algoritmos y agencia. Por lo menos podrían provocar investigaciones por parte de estudiantes periodistas. ⁸²

La preocupación que mostraron los estudiantes por la ingenuidad de aquellos con menos conciencia del entorno mediático podría informar el trabajo de divulgación de aprendizaje entre pares más allá de la institución hacia la comunidad en general. A medida que los departamentos de estudios de comunicación y ciencias políticas desarrollan programas de democracia deliberativa, ⁸³ estudiantes podrían liderar discusiones sobre las ramificaciones sociales y políticas de los algoritmos y cómo influyen en nuestra comprensión de los acontecimientos actuales, especialmente relevantes durante una acalorada política temporada. (Este modelo de aprendizaje entre pares también podría integrarse en asociaciones de aprendizaje escolar y de adultos como se esboza en la Recomendación 2.)

Reconcebir a los estudiantes como socios e incorporar el co-aprendizaje en el plan de estudios requerirá un reajuste reflexivo de los roles, al tiempo que se requiere vulnerabilidad y confianza. ⁸⁴ Los maestros necesitan estar dispuestos a hacer y dar la bienvenida a preguntas que no puedan responder. Los estudiantes deben asumir la responsabilidad de desarrollar y compartir sus conocimientos y escucharse unos a otros. ⁸⁵ Ambas partes deben estar dispuestas a dejar de lado la familiaridad tranquilizadora de las jerarquías de poder e información y, en su lugar, fomentar la curiosidad y tolerar la ambigüedad, aunque el resultado de dicho aprendizaje sea difícil de predecir y conlleve riesgos tanto para los estudiantes como para la facultad que deben, en última instancia, asignar calificaciones.

Por último, no podemos dejar que solo los estudiantes sean agentes de cambio en el campus; los bibliotecarios y educadores necesitan abordar sus propias brechas de conocimiento. Los instructores necesitan desarrollar una mayor comprensión de cómo los algoritmos afectan su propia enseñanza e investigación, y dar forma a la vida de sus alumnos. Los bibliotecarios podrían tomar la iniciativa en el campus, formar comunidades de interés entre los profesores, identificar a los expertos del campus, patrocinar un “club de lectura algo” y usar asociaciones de instrucción para ayudar a los instructores a integrar la alfabetización algorítmica en sus cursos. Para construir sus propios conocimientos, los bibliotecarios podrían formar un club de revistas para compartir lecturas, agregar un componente de tecnología de “compartir habilidades” o “qué hay de nuevo” a las reuniones regulares del personal y elaborar estrategias sobre cómo la biblioteca puede apoyar el aprendizaje sobre la era de los algoritmos a través de la programación, los servicios, las iniciativas interdepartamentales, y el programa de instrucción de la biblioteca. ⁸⁶

Recomendación 2: La experiencia de aprendizaje de los estudiantes de K-20 debe ser interdisciplinaria, holística e integrada.

Los estudiantes de este estudio describieron su exposición a la alfabetización informacional y al pensamiento crítico desde la escuela primaria hasta la universidad como dispersa, inadecuada y desconectada. Las prácticas de pensamiento crítico que se centran en analizar de cerca los textos pueden ser valiosas, pero deben ir acompañadas de un conjunto más ágil de estrategias evaluativas para clasificar a través de nueva información sobre la marcha para hacer frente al volumen de elecciones que enfrentamos en un mundo saturado de información. ⁸⁷ Noticias e información ya no es algo que buscamos, nos busca a través de una variedad de canales que claman por la atención.

A medida que los algoritmos continúan teniendo una presencia generalizada en nuestras vidas, se debe hacer más para que la instrucción en alfabetización informacional sea coherente y holística a lo largo de K-20. Esto es especialmente cierto a la luz de las preocupaciones que escuchamos de los estudiantes sobre el objetivo de niños por plataformas impulsadas por algoritmos que promueven productos comerciales. Los estudiantes necesitan una mayor comprensión de cómo funcionan las noticias y la información en y sobre la sociedad a medida que fluyen y son moldeados por intermediarios impulsados por algoritmos e influenciados por el mercado. Además, debemos explorar cómo los dominios de lectura, escritura y habilidades cuantitativas se conectan con los esfuerzos a lo largo de la vida de los estudiantes para introducirlos en la alfabetización mediática, noticiosa, digital e informacional. Este trabajo integrador requerirá la formación de alianzas a nivel local y nacional.

A nivel táctico, los esfuerzos locales podrían comenzar con la búsqueda de partes interesadas en los campus universitarios que ya han construido puentes a las escuelas locales y a la comunidad. Estos pueden ser profesores de formación docente, coordinadores de programas que emparejan a estudiantes universitarios con estudiantes de primaria, programas de divulgación comunitaria y estudiantes participantes. Trabajando a través de las conexiones existentes, educadores, estudiantes, bibliotecarios de los sectores público, escolar y académico, y representantes de organizaciones locales de noticias podrían ser invitados a una discusión abierta y un taller. Tal reunión podría auditar lo que los estudiantes están aprendiendo, mapear conexiones a través de la experiencia de aprendizaje, identificar brechas y buscar formas de continuar trabajando juntos.

En lugar de centrarse en inventar nuevos planes de estudio, estas conversaciones podrían involucrar a los participantes con preguntas, como: ¿Qué están aprendiendo realmente los estudiantes de diferentes niveles? ¿Cómo se puede mejorar y andamiar ese aprendizaje para que haya una mayor cohesión desde K-12 hasta la universidad y más allá? ¿Qué se necesita para dar a los alumnos de todas las edades una mejor comprensión de los sellos distintivos de la información confiable y cómo pueden aprender sobre los estándares éticos que sustentan el periodismo, la beca y la ciencia? ¿Qué necesitan saber sobre cómo se produce y difunde los contenidos noticiosos para desarrollar el discernimiento y, en última instancia, donde se justifica, la confianza en las noticias? ¿Qué necesitan saber sobre cómo funcionan los sistemas impulsados por algoritmos y afectan la información con la que interactúan? Considerando el impacto de los algoritmos en los sistemas de información y nuestra vida diaria, ¿qué más se necesita plegar en la instrucción existente y cómo pueden ponerse al día los educadores y el público en general?

De manera más estratégica, el respaldo del liderazgo local como un superintendente escolar, un presidente de la universidad o un decano de estudiantes podría iniciar conversaciones al proporcionar un espacio para reuniones y prestar su imprimatur al esfuerzo. Al mismo tiempo, las organizaciones nacionales podrían trabajar para unir las diferentes culturas y necesidades de los educadores K-12, universitarios y comunitarios, desarrollando una comprensión compartida de lo que significa ser alfabetizado en la información hoy en día. Por ejemplo, la American Library Association podría facilitar una reunión de partes interesadas de la Asociación Americana de Bibliotecarios Escolares, la Asociación de Bibliotecas Universitarias y de Investigación y la Asociación de Bibliotecas Públicas para colaborar en una visión para integrar los esfuerzos de alfabetización informacional a través de la vida útil.

Otra configuración reuniría a representantes de organizaciones profesionales, como la Sociedad de Periodistas Profesionales, la Asociación para la Educación en Periodismo y Comunicación de Masas, y la Sociedad Internacional para la Tecnología en la Educación, y destacados académicos en el campo de la Ciencia y Estudios Tecnológicos. Los expertos en políticas de The Knight Foundation, Pew Research y otros en el sector sin fines de lucro tienen un papel clave en la búsqueda de puntos en común y desarrollar un plan para educar al público sobre el impacto de los algoritmos en las noticias y la información. Las organizaciones centradas en la biblioteca podrían reunirse con aquellos en otros dominios para construir conexiones. La idea sería coordinar y actualizar mejor la alfabetización informacional y los programas relacionados, encontrar puntos en común y promover la comprensión pública.

Estos esfuerzos nacionales serían costosos, pero no tan costosos como la ignorancia. Idealmente, se podría buscar financiamiento y patrocinio para diseñar un kit de herramientas curriculares interdisciplinario sustentable que pudiera recopilar y seleccionar materiales de aprendizaje ejemplares para estudiantes de todos los niveles, ⁸⁸ así como lanzar un boletín informativo para actualizar a las partes interesadas sobre las novedades en la intersección de la información, la tecnología y la sociedad.

Recomendación 3: Los medios de comunicación deben ampliar la cobertura del algoritmo, al tiempo que son transparentes sobre sus propias prácticas.

Si bien los participantes en este estudio pudieron ver los efectos personales de los algoritmos en las noticias y anuncios que se les sirvieron, se necesita la contextualización de reportes sólidos para demostrar que estos son parte de patrones más grandes con consecuencias sociales. ⁸⁹ Informar que incluya tácticas prácticas —prácticas defensivas como las que escuchamos de los estudiantes— podría ayudar a contrarrestar la narrativa de renuncia indefensa que escuchamos en nuestros grupos focales de estudiantes y entrevistas a profesores. ⁹⁰ Nuevas herramientas facilitan a los periodistas el seguimiento de los rastreadores e investigar los algoritmos. ⁹¹ “Open Sourced”, una iniciativa de Vox, es un desarrollo prometedor, mirando más allá del bombo y la histeria para enfocarse en “explicar los riesgos y beneficios cuando se trata de IA y privacidad digital para que pueda tomar decisiones informadas”. ⁹²

Una mayor conciencia pública puede dar forma a lo que hacen las empresas y qué políticas promulgan los gobiernos. Existe evidencia de que hay profundas preocupaciones con la personalización algorítmica, particularmente cuando se trata de noticias ⁹³ y que esta reacción está afectando los esfuerzos de recopilación de datos y la estrategia corporativa. ⁹⁴ La presión pública puede llevar a mejorar el acceso a la información sobre algoritmos patentados que facilitarían un mayor monitoreo de terceros por parte de expertos y periodistas; hasta ahora los gigantes de internet han mostrado poco interés en facilitarlo. ⁹⁵

A medida que la industria de noticias ha sido objeto de un mayor escrutinio, se ha llamado a los periodistas para que ayuden a las personas a distinguir la cobertura objetiva de la desinformación y las mentiras descaradas. Estas demandas del deber periodístico con la democracia se han vuelto mayores a medida que los algoritmos impregnan la vida cotidiana. Los periodistas deben usar sus plataformas para arrojar luz sobre cómo funcionan los algoritmos y desmitificarlos en un lenguaje claro. Esto requiere desarrollar una experiencia más profunda propia y trabajar con una gama más amplia de expertos académicos y técnicos para profundizar sus investigaciones. ⁹⁶

Con demasiada frecuencia, el periodismo juega con una antropomorfización peligrosa, otorgando más agencia y poder a los sistemas de lo que realmente tienen. Necesitamos informes que cuestionen tanto los buenos como los malos usos de los algoritmos, incluidos sus beneficios y daños, y cuente las historias de impacto en los individuos dentro del contexto de la sociedad en general. ⁹⁷ Esta necesidad es real: En nuestros grupos focales y entrevistas de profesores, quedó claro que muchas personas, por muy educadas que fueran, no entendían la forma en que los algoritmos dan forma al flujo de información. ⁹⁸

A medida que los editores y periodistas de los medios de comunicación profesionales sopesan los beneficios de integrar algoritmos en sus modelos de negocio e informes, tienen la responsabilidad de ser transparentes y éticos sobre sus propias prácticas, también. Las herramientas basadas en algoritmos también se han convertido en parte integral de la producción de noticias, desde la generación de historias hasta la identificación de fuentes. ⁹⁹ A medida que los periodistas aprenden a usar estos recursos, necesitan comprender las limitaciones y las implicaciones éticas de confiar en el filtrado automatizado y la toma de decisiones. ¹⁰⁰

Si bien las audiencias para las noticias pueden ser cada vez más conscientes de que los algoritmos dan forma a lo que ven, es posible que no sepan que conjuntos similares de filtros están determinando qué alerta al periodista sobre una historia, o dirige las fuentes que contactan los reporteros o los ángulos que desarrollan. ¹⁰¹ Esto confirma nuestros hallazgos sobre el desconocimiento general que nuestros estudiantes —y otros— tienen sobre la forma en que se producen las noticias. Las organizaciones de medios necesitan ser transparentes sobre cómo están usando estas herramientas para crear su contenido.

Sin embargo, se requiere aún más urgentemente una mayor transparencia en torno al uso de algoritmos por parte de los medios de comunicación para apuntar a noticias y publicidad. ¹⁰² Los estudiantes y profesores de este estudio expresaron su preocupación por la calidad de las noticias de que disponían. Muchos afirmaron que la personalización impulsada por algoritmos aumentó su desconfianza hacia las noticias y planteó problemas adicionales, particularmente el potencial de silos de noticias. Algunas organizaciones de medios están respondiendo a esta preocupación haciendo que sus políticas de personalización estén disponibles de manera más abierta, ¹⁰³ emprendiendo estudios más profundos para asegurar un enfoque responsable, ¹⁰⁴ y en algunos casos, alejándose del intercambio de datos con otras plataformas. ¹⁰⁵ Aún así, en la mayoría de los sitios de noticias, la información de transparencia es difícil de encontrar, difícil de leer e incompleta. ¹⁰⁶ Para recuperar la confianza de sus audiencias, las organizaciones de medios necesitan ser mucho más claras sobre qué información recopilan, cómo la utilizan y con quién la comparten.

Recomendación 4: Aprender sobre la justicia algorítmica apoya la educación para la democracia

A pesar de su aura de cinismo sofisticado, los estudiantes de nuestros grupos focales a menudo se energizaron al discutir el impacto de los algoritmos en la igualdad, el estatus, la inclusión y las oportunidades. Como señaló un estudiante, “Me preocupa si está permitiendo sistémicamente que ciertos grupos tengan éxito sobre otros”. Otro observó “nuestra brújula moral parece estar rota en línea”. Comentarios como estos presentan una rica oportunidad para el aprendizaje comprometido y el compromiso cívico. Aunque los estudiantes de nuestro estudio expresaron impotencia ante corporaciones poderosas, se motivaron para desafiarlos a medida que aprendían más. Esta línea de falla entre la percepción de impotencia y el deseo de crear un cambio es un sitio productivo de fricción emocional que abre oportunidades para dedicarse a la “educación para la democracia”. ¹⁰⁷

Los reportajes noticiosos nos recuerdan a diario que hay trabajo por hacer: Las ciudades debaten sobre la ética de los sistemas de reconocimiento facial ¹⁰⁸ y los residentes cuestionan el uso de la vigilancia del timbre para monitorear barrios; ¹⁰⁹ legisladores luchan con regular la recolección de datos; ¹¹⁰ extremistas y los pedófilos utilizan plataformas populares para preparar a los vulnerables; ¹¹¹ bibliotecarios y educadores plantean preocupaciones sobre los productos comerciales que cosechan datos de los estudiantes; ¹¹² ingenieros de software cuestionan la moralidad de su trabajo. ¹¹³ Todos los días surgen nuevos problemas. Es alrededor de temas apremiantes como estos que los estudiantes pueden romper una sensación de impotencia, envalentonarse con la agencia personal para lidiar con temas complejos y sentirse empoderados para asumir el desafío de promover la justicia algorítmica.

A nivel práctico, los instructores individuales pueden buscar historias en las noticias que vinculen su tema con temas de justicia algorítmica: ¿Cómo influye la vigilancia digital de los niños en el desarrollo infantil? ¿Qué información podría ayudar a los hospitales a dar seguimiento a los pacientes sin introducir sesgos? ¿Cómo se relacionan los anuncios de microtargeting para empleos y viviendas con la historia del redlining? Los bibliotecarios que sirven como enlaces con departamentos académicos podrían apoyar estos esfuerzos creando colecciones curadas continuas de noticias relevantes dirigidas a cursos y disciplinas específicas, fortaleciendo su propia alfabetización algorítmica al tiempo que amplían la definición de trabajo de alfabetización informacional en el campus .

Al inyectar las controversias actuales en torno a los sistemas algorítmicos que influyen en nuestras vidas en el material de su curso, los educadores pueden vincular sus conocimientos disciplinarios a cuestiones apremiantes de ética, equidad y justicia social. Como aprendimos en el estudio de noticias de PIL 2018, el aula es una incubadora influyente para la discusión de noticias y la interpretación de eventos actuales; casi dos tercios de los encuestados habían aprendido sobre noticias de las discusiones de la facultad durante la semana anterior. ¹¹⁴

Los bibliotecarios han desarrollado programas propios que se pueden compartir en todo y más allá del campus. Dos programas financiados por el Instituto de Servicios de Museos y Bibliotecas desarrollan la capacidad para que los bibliotecarios asuman los desafíos de nuestro entorno digital. El Proyecto Libertad de Biblioteca capacita a bibliotecarios para que se conviertan en expertos locales en prácticas de privacidad que puedan llevar sus conocimientos a sus comunidades. ¹¹⁵ El Proyecto de Conciencia Algorítmica está desarrollando un plan de estudios, programas y software para educar a los bibliotecarios y desarrollar recursos educativos abiertos. ¹¹⁶ Muchas bibliotecas han dado un paso al frente para elaborar guías y talleres para sus comunidades ¹¹⁷ así como cursos con créditos y recursos educativos abiertos. ¹¹⁸ Más que nunca, los bibliotecarios están incorporando temas de justicia social y sistemas de información a su enseñanza, vinculando la ética digital a la alfabetización informacional. ¹¹⁹

Varios programas de investigación están desarrollando recursos interesantes para la alfabetización algorítmica. Investigadores del Departamento de Estudios de Medios de la Universidad de Ámsterdam están desarrollando herramientas para permitir a los usuarios comparar y reflexionar sobre cómo las plataformas de redes sociales personalizan y filtran su información, permitiendo el “activismo de datos”, una intervención que podría usarse para ayudar a los estudiantes a comprender y realizar investigaciones en las redes sociales. ¹²⁰ El Proyecto UnBiAS en el Reino Unido ha creado “jurados juveniles” para involucrar a los estudiantes en sopesar las preocupaciones sobre los algoritmos y proponer soluciones. ¹²¹ Su kit de herramientas de equidad se puede descargar y adaptar en las aulas K-20 para fomentar el aprendizaje y la acción cívicos. ¹²² Actividades centradas en el estudiante como estas promueven un “enfoque colectivo para imaginar el futuro como un contraste con el efecto atomizador individual que tales tecnologías suelen causar”. Al mismo tiempo, un equipo de investigadores del Media Lab del MIT está trabajando en un programa de “Justicia algorítmica” para ayudar a los estudiantes a entender cómo navegar los sistemas algorítmicos de adentro hacia afuera, diseñándolos desde cero utilizando una serie de actividades “desenchufadas” de bajo costo. ¹²³

La instrucción en alfabetización racial ¹²⁴ se cruza poderosamente con la alfabetización algorítmica. El plan de estudios de informática debe incluir un componente de alfabetización racial para garantizar que los futuros codificadores conozcan las consideraciones éticas que deben tener en cuenta al diseñar nuevos sistemas. ¹²⁵ cursos de Historia podrían desarrollar una unidad sobre cómo los primeros esfuerzos informáticos se fusionaron con la eugenesia contribuyeron al Holocausto, y vincular esa historia con las controversias contemporáneas sobre el surgimiento del extremismo en línea. Una idea programática es emparejar a un estudioso del racismo con un informático para liderar discusiones públicas sobre cómo las plataformas de redes sociales y las comunidades que las utilizan podrían abordar el acoso en línea, la focalización basada en la raza y la difusión de propaganda extremista.

Las oportunidades para introducir el aprendizaje sobre la justicia algorítmica se encuentran a lo largo del plan de estudios. A nivel universitario, un grupo de profesores interesados de todo el plan de estudios podría llevar a cabo un proyecto de mapeo curricular para involucrar a los estudiantes en las dimensiones sociales del momento presente. A medida que los estudiantes avanzan a través de su educación, podrían encontrar las ricas intersecciones de los aspectos humanísticos, sociales, técnicos y cuantitativos de los algoritmos que podrían ayudarlos a conectar sus vidas con las tendencias sociales, su aprendizaje a través de disciplinas y su vida personal con temas más amplios de justicia social.

Estamos ante una crisis epistemológica global. La gente ya no sabe qué creer ni por qué motivos podemos determinar qué es verdad. Es imperativo que las instituciones de búsqueda de la verdad —educación y periodismo— tomen la iniciativa en la curación de las fracturas sociales que la tecnología ha ampliado. La infraestructura técnica que canaliza y da forma a gran parte de nuestra comprensión e interacción social se creó en la creencia utópica de que hacer que la información esté disponible universalmente y dar voz a cada individuo mejoraría nuestras vidas. Pero a medida que esa infraestructura se convirtió en un motor de vigilancia y persuasión, comerciando los detalles íntimos de nuestras vidas para crear sofisticadas herramientas de marketing para vender bienes de consumo e ideas, ese ideal utópico se ha vuelto distópico. El poder del aprendizaje automático y la inteligencia artificial se ha desatado sin regulación ni consentimiento informado.

No es de extrañar que tanto los estudiantes como los profesores en este estudio se sintieran indefensos y ansiosos por el futuro. Estas recomendaciones muestran un camino a seguir. A medida que los estudiantes reclaman su autoridad como aprendices, a medida que la alfabetización algorítmica se entreteje en la educación a lo largo del currículo y la vida de los estudiantes, y a medida que los periodistas le dan al público herramientas para comprender esta crisis epistemológica, estaremos mejor preparados para abordar tanto el poder descontrolado de los algoritmos como el problemas sociales que exponen y exacerban. Esta educación para la democracia —tanto formal como más allá— puede empoderarnos para reclamar nuestro papel en la conformación del futuro.

Referencias

78. Tenga en cuenta sus comentarios que se encuentran aquí
79. Alison Cook-Sather, Melanie Bahti y Anita Ntem (2019), Asociaciones pedagógicas: una guía práctica para profesores, estudiantes y desarrolladores académicos en educación superior, Elon University Center for Engagement Learning, https://www.centerforengagedlearning... -socios/
80. Véase por ejemplo, Julia Terry, Alyson Davies, Catherine Williams, Sarah Tait y Louise Condon (2019), “Mejorando la competencia de alfabetización digital de los estudiantes de enfermería y partería: Un estudio cualitativo de las experiencias de los campeones estudiantiles de NICE”, Enfermera Educación en la Práctica 34, 192-198, DOI: https://doi.org/10.1016/j.nepr.2018.11.016; y el programa Epioneers de la Universidad Oxford Brookes detallado aquí https://jiscinfonetcasestudies.pbwor...%20Universidad
81. Mollie Dollinger y Jason Lodge (2019), “Qué análisis de aprendizaje pueden aprender de los estudiantes como socios”, Educational Media International 56 (3), 1-15. DOI: https://doi.org/10.1080/09523987.2019.1669883; Christine Broughan, y Paul Prinsloo (2019), “(Re) centrando a los estudiantes en la analítica de aprendizaje: En conversación con Paulo Freire”, Evaluación y Evaluación en Educación Superior (2019): 1-12, DOI: https://doi.org/10.1080/02602938.2019.1679716
82. Op. cit. Zak Vescera 2019.
83. Nancy L. Thomas y J. Kyle Upchurch (2018), “Fortaleciendo la democracia por el diseño: desafíos y oportunidades”, Journal of Public Deliberation 14 (2), https://www.publicdeliberation.net/j...ol14/iss2/art9; Hayley J. Cole. (2013), “Enseñar, practicar y realizar la democracia deliberativa en el aula,” Revista de Deliberación Pública 9 (2), https://www.publicdeliberation.net/j...ol9/iss2/art10
84. Kelly E. Matthews, Lucy Mercer-Mapstone, Sam Lucie Dvorakova, Anita Acai, Alison Cook-Sather, Peter Felten, Mick Healey, Ruth L. Healey y Elizabeth Marquis (2019), “Mejorar los resultados y reducir los inhibidores de la participación de estudiantes y personal en las asociaciones de aprendizaje y enseñanza: Implicaciones para desarrollo académico,” Revista Internacional para el Desarrollo Académico 24 (3), 246-259, DOI: doi.org/10.1 080/1360144X.2018.1545233; Abbi Flint (2015), “Estudiantes y personal como socios en innovación y cambio”, La Revista de Innovación Educativa, Asociación y Cambio 1 (1), https://journals.studentengagement.o...ticle/view/218
85. Hayley Burke (2013), “Legitimar la experiencia de los estudiantes en las asociaciones entre estudiantes y profesores”, Enseñar y aprender juntos en la educación superior 10, http://repository.brynmawr.edu/tlthe/vol1/iss10/6
86. Para ver ejemplos de una variedad de iniciativas de aprendizaje entre pares en torno a la tecnología, consulte Elizabeth Bennett y Susan Folley (2015), Proyecto estratégico D4: Desarrollo de alfabetizaciones digitales del personal. Informe de alcance externo. Universidad de Huddersfield, eprints.hud.ac.uk/id/eprint/2... ttExternal.pdf
87. Para ver ejemplos de enfoques curriculares que enfatizan la evaluación práctica de fuentes web, consulte los planes de lecciones “Check, Please” de Mike Caulfield (http://lessons.checkplease.cc) y las colecciones curriculares de Razonamiento Civic Online del Stanford History Education Group (https://cor.stanford.edu/).
88. Véase por ejemplo, el proyecto 2015 de Brett Gaylor “Do Not Track” donottrack-doc.com, un documental galardonado, interactivo y personalizado.
89. Ver por ejemplo, Brandi Geurkink (5 diciembre 2019), “Felicidades YouTube... Ahora muestra tu trabajo”, Fundación Mozilla, https://foundation.mozilla.org/es/bl...ra-su-trabajo/
90. Como ejemplos, véase Stuart A. Thompson y Charlie Warzel (20 de diciembre de 2019), “Cómo rastrear al presidente Trump”, The New York Times, https://www.nytimes.com/interactive/...-security.html; Geoffrey A. Fowler (27 de junio de 2019), “Mesa de ayuda: Cómo luchar contra los espías en tu navegador Chrome, ” Washington Post, www.washingtonpost.com/techn... chrome-browser
91. Véase, por ejemplo, Twitter Trails, http://twittertrails.com/, the Princeton IoT Inspector, iot-inspector.princeton.edu/, y Tracking Exposed, https://tracking.exposed/
92. Samantha Oltman y Joss Fong (10 de diciembre de 2019), “Open Sourced: Las consecuencias ocultas de la tecnología reveladas”, Vox, www.vox. com/recode/2019/12/10/20991304/open-sourced-the-hidden den-consecuencias-de-tech-reveladas
93. Nash 2019, op.cit.; Smith 2018, op.cit.; Elisa Shearer y Elizabeth Grieco (2 de octubre de 2019), “Los estadounidenses desconfían del papel de los sitios de redes sociales en la entrega de noticias”, Pew Research Center, www.journalism.org/2019/10/0... ring-the-news/; Jihii 2014, op.cit.
94. Gartner Group (2 de diciembre de 2019), “Gartner predice que el 80% de los marketers abandonarán los esfuerzos de personalización para 2025”, www.gartner. com/es/newsroom/press-releases/2019-12-02-gartner-predice 80—of-marketers-will-abandon-person; Sara Fischer (19 de noviembre de 2019), “El New York Times deja caer la mayoría de los rastreadores de redes sociales” www.axios.com/nueva-york-times... 241-424a-a398- 12344c78ac32.html
95. Jeremy B. Merrill y Ariana Tobin (28 de enero de 2019), “Facebook se mueve para bloquear las herramientas de transparencia publicitaria —incluida la nuestra”, ProPublica, https://www.propublica.org/article/f...a-herramientas; Craig Silverman (22 de agosto de 2019), “Facebook dijo que daría datos detallados a académicos. Siguen esperando”, Noticias Buzzfeed, https://www.buzzfeednews.com/article... /facebook lento
96. Ren LaForMe (15 de marzo de 2018), “La próxima gran cosa en el periodismo podrían ser los reporteros de algoritmos”, Poynter, https://www.poynter.org/techtools/20...thm-reporters/
97. Francesco Marconi, Till Daldrup y Rajiv Pant (14 febrero, 2019), “Acing the algorithm beat, la próxima frontera del periodismo”, NiemanLab, https://www.niemanlab.org/2019/02/ac...next-frontier/
98. Op cit. John Wihbey (2019).
99. Nicholas Diakopoulos (noviembre 2018), “Una nariz algorítmica para las noticias”, Columbia Journalism Review, www.cjr.org/tow_center/analg... e-for-news.php
100. Paul Cheung (21 de noviembre de 2019), “El superalimento del periodismo: ¿IA?” https://knightfoundation.org/article... -superalimento-ai/; Op. cit. Nicholas Diakopoulos (noviembre de 2018); Amy Batt y Jacob Granger (11 de noviembre de 2019), “La inteligencia artificial no es el futuro, está sucediendo en este momento”, www.journalism.co.uk/noticias/ar... ow/s2/a747107/
101. Op cit. John Wihbey (2019), véase especialmente el Capítulo 6, “Datos, inteligencia artificial y el futuro de las noticias”.
102. Cheung (21 de noviembre de 2019), op.cit.; Sophia Ignatidou (diciembre de 2019), “Personalización impulsada por la IA en medios digitales: implicaciones políticas y sociales”, www.chathamhouse.org/sites/d... tal%20Media%20 Final%20web.pdf; Estados Unidos, Cong. Senado, Ley de Transparencia Burbuja de Filtro. S. 2763, Washington: GPO, 2019, www.thune.senate. gov/public/_cache/files/C3A43550-7c36-4f77-b05c-d2275c0d568c/ce3ddb84ddb9284cc6d372833d039a20.filtro-burbuja-final.pdf; Max Z. Van Drunen, Natali Helberger, y Mariella Bastian (2019), “Conoce tu algoritmo: Lo que las organizaciones de medios necesitan explicar a sus usuarios sobre personalización de noticias,” Ley Internacional de Privacidad de Datos, DOI: https://doi.org/10.1093/idpl/ipz011
103. “Personalización”, (14 de mayo de 2018), The New York Times https://help.nytimes.com/hc/en-us/ar...ersonalization
104. The British Broadcasting Corporation (2018), “El aprendizaje automático responsable en el interés público: Desarrollar el aprendizaje automático y la tecnología habilitada para datos de una manera responsable que defienda los valores de la BBC”, https://www.bbc.co.uk/rd/projects/re...chine-learning
105. Fischer 2019, op.cit.
106. Tim Libert y Reuben Binns (2019), “Buenas noticias para las personas que aman las malas noticias: Centralización, privacidad y transparencia en los sitios de noticias de Estados Unidos”, WebSci '19, 30 de junio-3 de julio de 2019, Boston, MA, https://timlibert.me/pdf/LIBERT_BINN... -GOOD_NEWS.pdf
107. El filósofo John Dewey escribió sobre un enfoque progresista de la educación hace más de un siglo en Democracia y Educación (1916) y otras obras que continúan influyendo en los educadores. Véase por ejemplo, Tomas Englund (2000), “Repensar la democracia y la educación: hacia una educación de ciudadanos deliberativos”, Revista de Estudios Curriculares, 32 (2), 305-313, DOI: doi.org/10.1080/002202700182772
108. Blake Montgomery (31 de julio de 2019), “Prohibiciones de reconocimiento facial: Próximamente a una ciudad cercana a ti”, The Daily Beast, www.thedailybeast. com/facial-reconocimiento-prohibiciones-venir-pronto-a-ciudad-cerca-de-ti
109. Caroline Haskins (3 de diciembre de 2019), “Cómo Ring pasó del rechazo de 'Shark Tank' a la compañía de vigilancia más aterradora de Estados Unidos”, Vice, https://www.vice.com/es_us/article/z...ta-compañía-de vigilancia
110. Dominic Rushe (26 de noviembre de 2019), “Los demócratas proponen nuevas leyes de privacidad en línea para frenar a los gigantes tecnológicos”, The Guardian, https://www.theguardian.com/world/20...ivacidad-leyes
111. Anónimo. (5 de mayo de 2019), “Qué pasó después de que mi hijo de 13 años se uniera a la derecha alternativa”, Washingtonian, www.washingtonian. com/2019/05/05/qué-pasó-después-mi-hijo-de-13 años se unió a la derecha alternativa/; Nellie Bowles y Michael H. Keller (7 de diciembre de 2019), “Los videojuegos y los chats en línea son 'terrenos de caza' para depredadores sexuales”, The New York Times, https://nyti.ms/2qx6fmn
112. Kyle M. L. Jones y Barbara Fister (14 de octubre de 2019), “Kyle M.L. Jones: El estudiante datafied y la ética de la analítica del aprendizaje”, [entrevista de correo electrónico] de Barbara Fister, Project Information Literacy, Smart Talk Interview, núm. 32, www.projectinfolit.org/kyle-jones-smart-talk. html; Rebecca Koenig (17 de octubre de 2019), “En Educause, un impulso para monitorear los datos de los estudiantes se encuentra con preocupaciones sobre la privacidad y la equidad”, Edsurge, https://www.edsurge.com/news/2019-10...acy-and-equity; Kyle M.L. Jones (2 de julio de 2019) op. cit.; Data Doubles, https://datadoubles.org/; Audrey Watters, Hack Education, http://hackeducation.com/
113. Arielle Pardes (22 noviembre 2019), empleados de Google protestan por 'luchar por el futuro de la tecnología'” Wired, www.wired.com/story/googleem... t-retaliation/
114. Op. cit. Head, et al. 2018, Cómo los estudiantes se involucran con las noticias: Cinco cosas para llevar para educadores, periodistas y bibliotecarios.
115. Proyecto Libertad Bibliotecaria, https://libraryfreedom.org/
116. Jason Clark, Conciencia algorítmica, https://github.com/jasonclark/algorithmic-awareness
117. Por ejemplo, se desarrolló un taller y guía para acompañar un evento público sobre vigilancia masiva (http://libguides.gustavus.edu/mayday)
118. Un libro de texto creado por Barbara Fister, Rachel Flynn y estudiantes en IDS 101 para un curso titulado Clickbait, sesgo y propaganda en redes de información es un manual para comprender y evaluar la información en un entorno en red que incluye capítulos escritos por estudiantes, https://mlpp.pressbooks.pub/informationnetworks/
119. Por ejemplo, el seminario web de la Asociación de Bibliotecas y Tecnologías de la Información, “Involucrarse con el sesgo del algoritmo: Cómo los bibliotecarios pueden satisfacer las necesidades de alfabetización informacional de los estudiantes de informática e ingeniería” el 16 de diciembre de 2019. www.ala.org/lita/engaging-alg... er-
120. Algoritmos expuestos, https://algorithms.exposed/
121. Proyecto UnBias, unbias.wp.horizon.ac.uk/
122. Kit de herramientas de equidad, Proyecto UnBias, unbias.wp.horizon.ac.uk/fairness-toolkit/
123. Michelle Ma (13 de mayo de 2019), “El futuro de todo: cómo enseñar a los niños sobre la IA”, The Wall Street Journal, www.wsj.com/articles/ cómo-enseñar-niños-sobre-ai-11557759541
124. Winona Guo (27 mayo, 2019), “Hacia una cultura de alfabetización racial”, Harvard Political Review, harvardpolitics.com/harvard/toward-a-culture/
125. Op. cit. Jessie Daniels y otros 2019.

Colaboradores y Atribuciones

• Template:ContribInfoLiteracyAgeofAlgorithmPIL