Cómo citar
Resumen
Resumen. Este trabajo busca explorar las representaciones sociales en torno al big data y la inteligencia artificial. Para ello se realizó una encuesta con una técnica de asociación de palabras o evocaciones con estudiantes universitarios argentinos y graduados recientes de distintas ramas del conocimiento (N = 335 para big data y 255 para inteligencia artificial). Nos preguntamos por los sentidos a los que se asocian ambos fenómenos, la estructura de su representación, las similitudes y diferencias entre sí y con otros fenómenos, los posibles temas que se infieren, y los posibles posicionamientos diferenciales. Los resultados indican la preminencia de sentidos ligados a la información (big data) y los robots (AI), conviviendo con nociones positivamente valoradas, como el conocimiento, y con referencias a problemas sociales, negativamente valoradas, como el desempleo y el control social.
Citas
Abric, J.-C. (1993). Central System, Peripheral System: Their functions and roles in the dynamics of social representations. Papers on Social Representations, 2(2), 75–78.
Abric, J.-C. (2001). Prácticas sociales y representaciones. Presses Universitaires.
Barreiro, A., Gaudio, G., Mayor, J., Santellan-Fernández, R., Sarti, D., & Sarti, M. (2014). La justicia como representación social: Difusión y posicionamientos diferenciales. Revista de Psicologia Social, 29(2), 319–345. https://doi.org/10.1080/02134748.2014.918821
Becerra, G. (2018). Interpelaciones entre el Big data y la Teoría de los sistemas sociales. Propuestas para un programa de investigación. Hipertextos, 6(9), 41–62. http://revistahipertextos.org/ediciones/hipertextos-no-9/
Becerra, G. (2019). La construcción del big data en la prensa digital argentina. XIII Jornadas de Sociología. http://jornadasdesociologia2019.sociales.uba.ar/altaponencia/?acciones2=ver{&}id{_}mesa=9{&}id{_}ponencia=1252
Becerra, G., & López-alurralde, J. P. (2020). Hacia una exploración de las representaciones sociales en torno al big data. 49 Jornadas Argentinas de Informática & Simposio Argentino de Tecnología Y Sociedad.
Bisconsin-Júnior, A., Rodrigues, H., Behrens, J. H., Lima, V. S., Silva, M. A. A. P. da, Oliveira, M. S. R. de, Januário, L. A., Deliza, R., Netto, F. M., & Mariutti, L. R. B. (2020). Examining the role of regional culture and geographical distances on the representation of unfamiliar foods in a continental-size country. Food Quality and Preference, 79(August 2019), 103779. https://doi.org/10.1016/j.foodqual.2019.103779
boyd, D., & Crawford, K. (2012). Critical Questions for Big Data. Information, Communication & Society, 15(5), 662–679.
Dany, L., Urdapilleta, I., & Lo Monaco, G. (2014). Free associations and social representations: some reflections on rank-frequency and importance-frequency methods. Quality and Quantity, 49(2), 489–507. https://doi.org/10.1007/s11135-014-0005-z
De Rosa, A. S. (2002). The associative network: a technique for detecting structure, contents, polarity and stereotyping indexes of the semantic fields. European Review of Applied Psychology, 52(3-4), 181–200.
Dijck, J. van. (2014). Datafication, dataism and dataveillance: Big data between scientific paradigm and ideology. Surveillance and Society, 12(2), 197–208.
Doise, W., Clemence, A., & Lorenzi-Cioldi, F. (1993). The Quantitative Analysis of Social Representations. Harverster Wheatshead.
Elish, M. C., & Boyd, D. (2018). Situating methods in the magic of Big Data and AI. Communication Monographs, 85(1), 57–80. https://doi.org/10.1080/03637751.2017.1375130
Fast, E., & Horvitz, E. (2016). Long-Term Trends in the Public Perception of Artificial Intelligence. January 1986. http://arxiv.org/abs/1609.04904
Ferrara, M., & Friant, N. (2016). The application of a multi-methodology approach to a corpus of social representations. Quality and Quantity, 50(3), 1253–1271. https://doi.org/10.1007/s11135-015-0203-3
Helbing, D., Frey, B. S., Gigerenzer, G., Hafen, E., Hagner, M., Hofstetter, Y., Hoven, J. van den, Zicari, R. V., & Zwitter, A. (2019). Will Democracy Survive Big Data and Artificial Intelligence? In Towards digital enlightenment (pp. 73–98). Springer International Publishing. https://doi.org/10.1007/978-3-319-90869-4_7
Hunter, L. A. C. (1993). AI and representation: A study of a rhetorical context for legitimacy. AI and Society. https://doi.org/10.1007/BF01901816
Husson, F., Lê, S., & Pagès, J. (2017). Exploratory multivariate analysis by example using R (Vol. 39). CRC Press. https://doi.org/10.1080/02664763.2012.657409
Jodelet, D. (1985). La representación social: fenómenos, conceptos y teoría. In S. Moscovici (Ed.), Psicología social ii (pp. 17–40). Paidós.
Kitchin, R. (2014). Big Data, new epistemologies and paradigm shifts. Big Data & Society, 1(1). http://journals.sagepub.com/doi/10.1177/2053951714528481
Le, S., Josse, J., & Husson, F. (2008). FactoMineR: An R Package for Multivariate Analysis. Journal of Statistical Software, 25(1).
Marková, I. (2017). The making of the theory of social representations. Cadernos Da Pesquisa, 47(163), 358–374.
Moscovici, S. (1963). Attitudes and opinions. Annual Review of Psychology, 14, 231–260.
Moscovici, S. (1979). El psicoanalisis, su imagen y su publico. Huemul.
Moscovici, S. (2001). Why a theory of social representations?
Paganoni, M. C. (2019). Framing big data : a linguistic and discursive approach. palgrave macmillan.
Pentzold, C., & Fischer, C. (2017). Framing Big Data: The discursive construction of a radio cell query in Germany. Big Data & Society, 4(2). https://doi.org/10.1177/2053951717745897
Piçarra, N., Giger, J.-C., Pochwatko, G., & Gonçalves, G. (2016). Making sense of social robots: A structural analysis of the layperson’s social representation of robots. Revue Européenne de Psychologie Appliquée, 66(6), 277–289. https://doi.org/10.1016/j.erap.2016.07.001
Portmess, L., & Tower, S. (2015). Data barns, ambient intelligence and cloud computing: the tacit epistemology and linguistic representation of Big Data. Ethics and Information Technology, 17(1), 1–9. https://doi.org/10.1007/s10676-014-9357-2
Puschmann, C., & Burgess, J. (2014). Metaphors of Big Data. International Journal of Communication, 8, 1690–1709.
Rifkin, J. (1996). El fin del trabajo. Paidós. https://doi.org/10.26754/ojs_ais/ais.19976131
Rijmenam, M. van. (2014). Think bigger. American Management Association.
Sadin, É. (2018). La inteligencia artificial o el desafío del siglo. Anatomía de un antihumanismo radical. Caja Negra.
Sadowski, J. (2019). When data is capital: Datafication, accumulation, and extraction. Big Data and Society, 6(1), 1–12. https://doi.org/10.1177/2053951718820549
Sarrica, M. (2007). War and peace as social representations’ cues of structural stability. Peace and Conflict, 13(3), 251–272. https://doi.org/10.1080/10781910701471298
Schmarzo, B. (2013). Big data. Understanding how data powers big business. Wiley.
Szollosy, M. (2017). Freud, Frankenstein and our fear of robots: projection in our cultural perception of technology. AI and Society, 32(3), 433–439. https://doi.org/10.1007/s00146-016-0654-7
Team R Core. (2018). R: A language and environment for statistical computing. R Foundation for Statistical Computing. https://www.r-project.org/
Verges, P., & Bouriche, B. (2001). Data analysis by the similarity graphs. Sciences Humaines. https://www.scienceshumaines.com/textesInedits/Bouriche.pdf
Wachelke, J. .., & Wolter, R. .. P. .. (2011). Critérios de construção e relato da análise prototípica para representações sociais. Psicologia: Teoria E Pesquisa, 24(4), 521–526. https://doi.org/10.1590/S0102-37722011000400017
Wagner, W., & Hayes, N. (2011). El discurso de lo cotidiano y el sentido común. La teoría de las representaciones sociales. Anthropos.
Wickham, H. (2019). Welcome to the tidyverse. Journal of Open Source Software, 4(43). https://doi.org/https://doi.org/10.21105/joss.01686
Zdenek, S. (2003). Artificial intelligence as a discursive practice: The case of embodied software agent systems. AI and Society, 17(3-4), 340–363. https://doi.org/10.1007/s00146-003-0284-8
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Derechos de autor 2021 Universidad Nacional Autónoma de México