Palabras clave
ciencias de datos
investigación científica
metodología
Categorías
Cómo citar
Resumen
Objetivo/Contexto: La ciencia de datos es considerada un enfoque novedoso y promisorio empleado en la obtención y análisis de información en múltiples disciplinas científicas. A pesar de su amplia difusión y aceptación, el uso de técnicas basadas en la ciencia de datos en el campo de los estudios globales está en ciernes. En este contexto, este artículo tiene como objetivo discutir las contribuciones y desafíos metodológicos que la ciencia de datos puede aportar a la disciplina de los estudios globales. Metodología: Este artículo parte del análisis crítico de información sobre los fundamentos conceptuales de la ciencia de datos y lo contrasta con sus posibles aplicaciones en la disciplina de los estudios globales. De esta manera, se examinan los elementos conceptuales que definen la ciencia de datos, se establecen las concepciones paradigmáticas de los estudios globales, se analizan los vínculos posibles entre la ciencia de datos y los estudios globales y se discuten los límites y alcances que la ciencia de datos puede aportar como enfoque metodológico. Conclusiones: Este artículo concluye que las herramientas tecnológicas basadas en big data pueden enriquecer nuestra comprensión sobre los fenómenos globales, siempre y cuando se asuma una actitud crítica que reconozca que tanto la elección de los datos como su análisis están embebidos en contextos históricos y sociales. Por lo tanto, como cualquier otro enfoque, la ciencia de datos representa una manera parcial de capturar y analizar información. Originalidad: La originalidad de este artículo recae en asumir una reflexión crítica sobre los alcances y límites de la ciencia de datos, más allá de una visión positivista del conocimiento científico, reconociendo los sesgos que existen detrás de las explicaciones supuestamente neutrales que encierra el empleo de técnicas de investigación basadas en la ciencia de datos.
Citas
Appelbaum, Richard P. 2013. “Comments on Jan Nederveen Pieterse’s Essay, ‘What is Global Studies?’”. Globalizations 10 (4): 545-550. https://10.1080/14747731.2013.806727
Aradau, Claudia y TobíasBlanke. 2016. “Politics of Prediction: Security and the Time/Space of Governmentality in the Age of Big Data”. European Journal of Social Theory 20 (3): 373-391. https://doi.org/10.1177/1368431016667623
Araya, Agustín A. 2005. “Internet”. En Encyclopedia of Science, Technology, and Ethics, editado por CarlMitcham, 1048-1052. Detroit, MI: Macmillan Reference
Arteaga, Carlos, RobertoBermúdez y GuillermoCampos. 2004. Ciencias sociales e investigación social. Ciudad de México: Universidad Nacional Autónoma de México.
Attewell, Paul y DavidMonaghan. 2015. Data Mining for the Social Sciences: An Introduction. Oakland: University of California Press.
Barranco, Ricardo. 2012. “¿Qué es Big Data? Todos formamos parte de ese gran crecimiento de datos”. IBM. Consultado el 27 de enero de 2020. https://www.ibm.com/developerworks/ssa/local/im/que-es-big-data/index.html
Boyd, Danah y KateCrawford. 2012. “Critical Questions for Big Data”. Information, Communication & Society 15 (5): 662-679. https://doi.org/10.1080/1369118X.2012.678878
Campbell, Patricia J., AranMacKinnon y Christy R.Stevens. 2010. An Introduction to Global Studies. Malden: Wiley-Blackwell.
Catalán Fernández, Albert y M. CatanyEscandell. 1986. “Contra el mito de la neutralidad de la ciencia. El papel de la historia”. Enseñanza de las Ciencias: Revista de Investigación y Experiencias Didácticas 4 (2): 163-166.
Chitra, Kandan y BalakrishnanSubashini. 2013. “Data Mining Techniques and its Applications in Banking Sector”. International Journal of Emerging Technology and Advanced Engineering 3(8): 220-222.
Clare, Susan E. y Pamela L.Shaw. 2016. “Big Data” for Breast Cancer: Where to Look and what You Will Find”. NPJ Breast Cancer 2: 1-5. https://doi.org/10.1038/npjbcancer.2016.31
Cowls, Josh y RalphSchroeder. 2015. “Causation, Correlation, and Big Data in Social Science Research”. Policy & Internet 7 (4): 447-472. https://doi.org/10.1002/poi3.100
Cox, Michael y DavidEllsworth. 1997. “Application-Controlled Demand Paging for Out-of-Core Visualization”. https://www.nas.nasa.gov/assets/pdf/techreports/1997/nas-97-010.pdf
Crawford, Kate. 2013. “The Hidden Biases of Big Data”. Harvard Business Review 1: 2013. https://hbr.org/2013/04/the-hidden-biases-in-big-data
Darian-Smith, Eve y Philip C.McCarty. 2017. The Global Turn: Theories, Research Designs, and Methods for Global Studies. Berkeley, CA: University of California Press.
Davenport, Thomas H. y DhanurjayPatil. 2012. “Data Scientist: The Sexiest Job of the 21st Century”. Harvard Business Review 90 (10): 5-7.
Della Porta, Donatella y MichaelKeating. 2008. Introducción a Approaches and Methodologies in the Social Sciences, editado por Donatella dellaPorta y MichaelKeating, 1-15. Cambridge: Cambridge University Press.
Dourish, Paul y Edgar GómezCruz. 2018. “Datafication and Data Fiction: Narrating Data and Narrating with Data”. Big Data & Society 5 (2): 1-10. https://doi.org/10.1177/2053951718784083
Drucker, Peter F. 1993. Post-Capitalist Society. Oxford: Butterworth-Heinemann.
Everitt, Brian S. 2002. “Parsimony Principle”. En Cambridge Dictionary of Statistics, editado por Brian S.Everitt, 272. Cambridge: Cambridge University Press.
Few, Stephen. 2013. “Data Visualization for Human Perception”. En The Encyclopedia of Human-Computer Interaction, editado por ConstantineStephanidis, capítulo 35. Aarhus, Dinamarca: The Interaction Design Foundation.
Foster, Ian, RayidGhani, Ron S.Jarmin, FraukeKreuter y JuliaLane. 2016. Big Data and Social Science: A Practical Guide to Methods and Tools. Nueva York: Chapman & Hall.
Grable, John E. y. Angela C.Lyons. 2018. “An Introduction to Big Data”. Journal of Financial Service Professionals 72 (5): 17-20.
Graham, Williams. 2011. Data Mining with Rattle and R. The Art of Excavating Data for Knowledge Discovery. Nueva York: Springer Science Business Media.
Gupta, Deepak y RinkleRani. 2019. “A Study of Big Data Evolution and Research Challenges”. Journal of Information Science 45 (3): 322-340. https://doi.org/10.1177/0165551518789880
Han, Jiawey, MichellineKamber y JianPei. 2011. Data Mining: Concepts and Techniques. Nueva York: Springer.
Hand, David J., HeikkiMannila y PadhraicSmyth. 2001. Principles of Data Mining. Cambridge: A Bradford Book-The MIT Press.
Haraway, Donna. 1991. Simians, Cyborgs and Women: The Reinvention of Nature. Nueva York: Routledge.
Hilbert, Martin. 2016. “Big Data for Development: A Review of Promises and Challenges”. Development Policy Review 34 (1): 135-174. https://doi.org/10.1111/dpr.12142
Hilbert, Martin y PriscilaLópez. 2011. “The World’s Technological Capacity to Store, Communicate, and Compute Information”. Science 332 (6025): 60-65. https://doi.org/10.1126/science.1200970
Honderich, Ted. 2005. “Determinism”. En New Dictionary of the History of Ideas, editado por MaryanneCline Horowitz, 567-570. Detroit, MI: Charles Scribner’s Sons.
Juergensmeyer, Mark. 2012. “Global Studies”. En Encyclopedia of Global Studies, editado por MarkJuergensmeyer y HelmutAnheier, 849-861. Thousand Oaks, CA: Sage.
Juergensmeyer, Mark. 2013. Introducción a Thinking Globally: A Global Studies Reader, editado por MarkJuergensmeyer, 3-9. Berkeley, CA: University of California Press.
Kitchin, Rob. 2014. “Big Data, New Epistemologies and Paradigm Shifts”. Big Data & Society 1 (1): 1-12. https://doi.org/10.1177%2F2053951714528481
Klösgen, Willi y Jan M.Zytkow. 2002. “The Knowledge Discovery Process”. En Handbook of Data Mining and Knowledge Discovery, editado por WilliKlösgen, Jan M.Żytkow y Jan M.Zytkow, 10-21. Oxford: Oxford University Press.
Lafrate, Fernando. 2018. Artificial Intelligence and Big Data: The Birth of a New Intelligence. Hoboken, NJ: Wiley-ISTE.
Larose, Daniel T. y Chantal D.Larose. 2014. Discovering Knowledge in Data: An Introduction to Data Mining. Hoboken, NJ: John Wiley & Sons.
Lin, Jimmy. 2015. “On Building Better Mousetraps and Understanding the Human Condition: Reflections on Big Data in the Social Sciences”. The Annals of the American Academy of Political and Social Science 659 (1): 33-47. https://doi.org/10.1177/0002716215569174
Mathivanan, Sandeepkumar y PrabhuJayagopal. 2019. “A Big Data Virtualization Role in Agriculture: A Comprehensive Review”. Walailak Journal of Science & Technology 16 (2): 55-70.
Mayer-Schönberger, Viktor y KennethCukier. 2013. Big Data: A Revolution that Will Transform how We Live, Work, and Think. Londres: John Murray Publisher.
Mieczkowski, Yaneck. 2013. Eisenhower’s Sputnik Moment: The Race for Space and World Prestige. Ithaca, New York: Cornell University Press.
Mittelstadt, Brent Daniel, PatrickAllo, MariarosariaTaddeo, SandraWachter y LucianoFloridi. 2016. “The Ethics of Algorithms: Mapping the Debate”. Big Data & Society 3 (1): 1-21. https://doi.org/10.1177/2053951716679679
Monroe, Burt L., JenniferPan Ha, Margaret E.Roberts, MayaSen y BetsySinclair. 2015. “No! Formal Theory, Causal Inference, and Big Data Are not Contradictory Trends in Political Science”. PS: Political Science & Politics 48 (1): 71-74. http://j.mp/2oFt5VN
NacionesUnidas. 2014. “Data Revolution Report: A World That Counts”. Naciones Unidas. Consultado el 27 de enero de 2020. http://www.undatarevolution.org/report/
Nederveen Pieterse, Jan. 2013. “What is Global Studies?”. Globalizations 10 (4): 499-514. https://doi.org/10.1080/14747731.2013.806746
Nunan, Daniel y María Laura diDomenico. 2013. “Market Research and the Ethics of Big Data”. International Journal of Market Research 55 (4): 505-520. https://doi.org/10.2501/IJMR-2013-015
Ochrana, Frantisek. 2015. Methodology of Social Sciences. Praga: Karolinum Press.
Ribes, David y Steven J.Jackson. 2013. “Data Bite Man: The Work of Sustaining Long-Term Study”. En Raw Data is an Oxymoron, editado por LisaGitelman, 147-166. Cambridge, MA: The MIT Press.
Riquelme, José C., RobertoRuiz y KarinaGilbert. 2006. “Minería de datos: conceptos y tendencias”. Inteligencia Artificial 10 (29): 11-18.
Ryan, Johnny. 2009. A History of the Internet and the Digital Future. Londres: Reaktion Books Limited.
Saldaña, Johnny. 2011. Fundamentals of Qualitative Research. Nueva York: Oxford University Press.
Saouabi, Mohamed y EzzatiAbdellah. 2019. “Proposition of an Employability Prediction System Using Data Mining Techniques in a Big Data Environment”. International Journal of Mathematics & Computer Science 14 (2): 411-424.
Shan, Dhavan V., Joseph N.Cappela, NeumanRussel y JimmyLi. 2015. “On Building Better Mousetraps and Understanding the Human Condition: Reflections on Big Data in the Social Sciences”. Annals 659: 33-47. https://doi.org/10.1177/0002716215569174
Simpson, Dana. 2016. The Use of Big Data: Benefits, Risks, and Differential Pricing Issues.Nueva York: Nova Science Publisher.
Van der Aalst, Wil. 2014. “Data Scientist: The Engineer of the Future”. En Enterprise Interoperability IV, editado por KaiMertins, FrédérickBénaben, RaúlPoler y Jean-PaulBourrières, 13-28. Nueva York: Springer.
Ware, Colin. 2012. Information Visualization: Perception for Design. Ámsterdam: Elsevier.
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.