Definición
La datificación es el proceso en donde la mayoría de cosas “humanas” (comportamientos, relaciones, emociones, trabajo, aprendizaje, movimiento) se convierten en datos digitales cuantificables. Esos datos se almacenan, se analizan y se usan para clasificar, predecir y tomar decisiones sobre las personas, muchas veces con fines económicos.
Origen y sentido
Etimología: Del inglés datafication (data + -fication, “convertir en”). Es decir, convertir algo en dato.
Primer uso: El término apareció en 2013, en una revisión de los procesos de big data, el libro de Mayer-Schönberger y Cukier. Allí la idea era que, al convertir todo en datos, podríamos conocer mejor el mundo.
Giro crítico: José van Dijck (2014) desmonta los fundamentos ideológicos de la datificación y llama “dataísmo” a la creencia, hoy muy extendida, de que los datos son objetivos. Según ella, el dataísmo funciona porque millones de personas confían su información personal a plataformas corporativas, de forma ingenua o sin darse cuenta. Van Dijck también acuñó el término dataveillance (vigilancia mediante datos).
Sentido en la lectura: Atenas, Havemann y Timmermann (2020) usan el término para describir una sociedad en la que gobiernos, empresas e incluso universidades cuantifican todo. Su conclusión es que se necesitan alfabetizaciones críticas de datos para no quedar reducidos a “puntos de datos”.
Ejemplos para comprender mejor el concepto
Ejemplo 1: La amistad convertida en números (redes sociales). Antes, la amistad se medía en confianza y reciprocidad. Hoy, en redes sociales, se traduce en seguidores, likes y shares. Van Dijck señala que el lenguaje de la amistad corre el riesgo de volverse un lenguaje industrial que cuantifica las relaciones sociales, y que esos números pueden extraerse y reutilizarse como productos valiosos. Tu cumpleaños, tus fotos y tus comentarios se vuelven datos que la plataforma usa para venderte publicidad. openeducationalberta
Ejemplo 2: La plataforma de la universidad. El aula virtual registra a qué hora entras, cuánto tiempo lees cada documento, cuántas veces participas en foros y tus notas. Un algoritmo puede clasificarte como “estudiante en riesgo de deserción” sin que sepas que te están midiendo ni con qué criterios. Esta es la datificación de la educación que critica la lectura.
Ejemplo 3: El rostro convertido en dato (reconocimiento facial). Las cámaras de reconocimiento facial convierten la cara de una persona en un patrón numérico. El documental Coded Bias muestra que muchas tecnologías de reconocimiento facial clasifican mal a las mujeres y a las personas de piel más oscura. Esto demuestra que los datos no son neutrales: heredan los sesgos de quien los diseña. wmm
Ejemplo 4: La ciudad datificada. En una ciudad como Bogotá, los recorridos en TransMilenio, las denuncias, las licencias de construcción y los avalúos catastrales se convierten en datos que orientan decisiones públicas: dónde poner una estación, dónde patrullar, dónde invertir. Si esos datos tienen vacíos (por ejemplo, barrios informales mal registrados), las decisiones pueden reproducir desigualdades.
Relevancia para la comunicación, la interactividad y la temática de la clase
1. La comunicación ya no es solo intercambio de mensajes: también es producción de datos, pues, cada vez que nos comunicamos en entornos digitales (un mensaje, un comentario, una reacción, una búsqueda), generamos datos sobre nosotros. Van Dijck lo plantea así: los metadatos y los datos se han vuelto la moneda con la que los ciudadanos pagan sus servicios de comunicación y su seguridad, un intercambio que la mayoría acepta con comodidad. Comunicarnos implica ser observados. uva
2) La interactividad parece participación libre: comentamos, compartimos, votamos en encuestas. Pero esa misma interacción alimenta a los algoritmos. Cuanto más se involucran los usuarios, más datos de comportamiento se recolectan y más precisos se vuelven los modelos predictivos. Por eso las plataformas están diseñadas para que interactuemos más: nuestra interacción es su materia prima. podbay
3) Por la datificación, los algoritmos deciden qué noticias aparecen en nuestro feed, a quién le llega nuestra voz y qué se vuelve viral. Esto afecta directamente la opinión pública, el debate democrático y la circulación de la información.
Referencias bibliográficas
1. Atenas, J., Havemann, L. y Timmermann, C. (2020). Critical literacies for a datafied society: academic development and curriculum design in higher education. Research in Learning Technology, 28, 2468. https://doi.org/10.25304/rlt.v28.2468 (la lectura de la clase)
2. Mayer-Schönberger, V. y Cukier, K. (2013). Big Data: A Revolution That Will Transform How We Live, Work, and Think. Houghton Mifflin Harcourt. (origen del término; no es de acceso abierto) Zuboff, S. (2015). Big other: surveillance capitalism and the prospects of an information civilization. Journal of Information Technology, 30(1), 75–89. https://doi.org/10.1057/jit.2015.5 (citado en la lectura)