La precisión, junto a la ética y el control, también debe prevalecer en el uso de datos. No se trata solo de un tema técnico, sino de un imperativo científico y moral. En efecto, tal como lo plantea O’Neil (2016) una utilización incorrecta de los datos, principalmente debido a falencias internas, puede ocasionar daños irreparables a ciertos individuos y comunidades. Asimismo, el control de los datos demanda regular su recolección, almacenamiento, elaboración y divulgación, garantizando su integridad y confidencialidad.
La “economía de la vigilancia”, según Zuboff (2019), convierte los datos personales en productos incluso en la academia. Los problemas de propiedad, consentimiento y transparencia son entonces más complejos de lo que parecen. La ética de los datos también apunta a la justicia, la equidad y la no discriminación. Como propone D’Ignazio & Klein (2020), el “feminismo de los datos” cuestiona cómo las decisiones algorítmicas reproducen patrones discriminatorios. Los datos no son neutrales, sino que están impregnados de contexto y poder. Sin embargo, hay una percepción falsa de objetividad en la ciencia de datos.
Al igual que boyd & Crawford (2012), nos resulta la ilusión de que los Big data dicen siempre la verdad, lo cual no es una verdad. Más aún, la ética debería prevalecer en todo el ciclo de los datos. Por ejemplo, en investigaciones sociales y educación, el tratamiento ético de la información sensible, como género, raza o estatus socioeconómico, es central para evitar la estigmatización y alienación. Markham (2018) propone un consentir fluido, situado y contextual en vez de los formularios de negación y afirmación.
Finalmente, urge marcos normativos globales que garanticen una gobernanza justa de los datos científicos. Floridi (2020) propone un enfoque humano céntrico que plantee la dignidad humana en la gestión de datos. Esto incluye la reimplantación de políticas de datos abiertos y normas de IA responsable.
En síntesis, la precisión y la ética no son opuestas, sino dos enfoques complementarios de trabajo riguroso con datos. Esto solo será posible al formar científicos y científicas éticamente conscientes y alfabetizados que cuide sus decisiones y cómo incide en la sociedad, como, en su entorno. Estaríamos, con datos de control científico y con control ético, pudiendo plantear la construcción de una ciencia confiable y equitativa, siempre al servicio del bienestar común.
Referencias:
Boyd, d., & Crawford, K. (2012). Critical questions for big data: Provocations for a cultural, technological, and scholarly phenomenon. Information, Communication & Society.
D’Ignazio, C., & Klein, L. F. (2020). Data Feminism. MIT Press.
Floridi, L. (2020). The ethics of artificial intelligence. The Oxford Handbook of Ethics of AI.
Markham, A. N. (2018). Ethics as method: A new approach to understanding and managing ethics in internet research. Journal of Information, Communication and Ethics in Society.
O’Neil, C. (2016). Weapons of math destruction: How big data increases inequality and threatens democracy. Crown.
Zuboff, S. (2019). The Age of Surveillance Capitalism. PublicAffairs.
