Big data, problemas epistemológicos y contextualismo epistémico
DOI:
https://doi.org/10.15381/escrypensam.v21i45.23806Palabras clave:
epistemología, big data, ciencia de datos, contextualismoResumen
La big data, las computadoras y la ciencia de datos se han convertido en instrumentos clave para la generación de conocimiento. En este contexto se hace interesante entender cómo estas metodologías influyen en lo que los usuarios de distintos ámbitos (científico, económico, financiero, etc.) pueden afirmar respecto a qué es lo que conocen y lo que no. El presente artículo describe los problemas epistemológicos derivados del uso de big data; se propone además plantear en qué medida esta nueva realidad tecnológica puede ser una fuente de contextualismo epistémico, y cómo, utilizando las reglas propuestas por Lewis (1996), se puede encontrar un punto de entendimiento entre quienes ven el mundo como un enorme conjunto de datos que contienen la respuesta a los problemas, y quienes creen que solo el método científico y las pruebas de hipótesis pueden lograr el conocimiento más certero sobre los fenómenos del mundo.
Descargas
Métricas
Citas
Ahonen, P. (2015). Institutionalizing Big Data methods in social and political research. Big Data and Society, 2(2), 1–12. https://doi.org/10.1177/2053951715591224
Baumann, P. (2016). Epistemic Contextualism A Defense. Oxford University Press.
Conway, D. (2010). The Data Science Venn Diagram. Retrieved from http://drewconway.com/zia/2013/3/26/the-data-sciencevenn-diagram
Davenport, T. H., & Prusak, L. (1997). Information ecology. Oxford University Press.
Driscoll, K., & Walker, S. (2014). Working within a black box: Transparency in the collection and production of big twitter data. International Journal of Communication, 8(1), 1745-1764.
Drucker, P. (1988). The Coming of the New Organization. Retrieved from https://hbr.org/1988/01/the-coming-of-the-new-organization
Favaretto, M., de Clercq, E., Schneble, C. O., & Elger, B. S. (2020). What is your definition of Big Data? Researchers’ understanding of the phenomenon of the decade. PLoS ONE, 15(2), 1-20. https://doi.org/10.1371/journal.pone.0228987
Frické, M. (2015). Big Data and Its Epistemology. Journal of the Association for Information Science and Technology, 66(April), 651–661. https://doi.org/10.1002/asi
Günther, W. A., Rezazade Mehrizi, M. H., Huysman, M., & Feldberg, F. (2017). Debating big data: A literature review on realizing value from big data. Journal of Strategic Information Systems, 26(3), 191-209. https://doi.org/10.1016/j.jsis.2017.07.003
Hekler, E. B., Klasnja, P., Chevance, G., Golaszewski, N. M., Lewis, D., & Sim, I. (2019). Why we need a small data paradigm. BMC Medicine, 17(1), 1-9. https://doi.org/10.1186/s12916-019-1366-x
Hirschheim, R. (2021). The attack on understanding: How big data and theory have led us astray: A comment on Gary Smith’s Data Mining Fool’s Gold. Journal of Information Technology, 36(2), 176-183. https://doi.org/10.1177/0268396220967677
Ichikawa, J. J. (2017). The Routledge Handbook of Epistemic Contextualism. The Routledge Handbook of Epistemic Contextualism. https://doi.org/10.4324/9781003043645
Jones, M. (2019). What we talk about when we talk about (big) data. Journal of Strategic Information Systems, 28(1), 3-16. https://doi.org/10.1016/j.jsis.2018.10.005
Lee, A. J., & Cook, P. S. (2020). The myth of the “data-driven” society: Exploring the interactions of data interfaces, circulations, and abstractions. Sociology Compass, 14(1), 1-14. https://doi.org/10.1111/soc4.12749
Leonelli, S. (2019). Cinq façons dont les données massive nuisent à la. Lewis, D. (1996). Elusive knowledge. Australasian Journal of Philosophy, 74(4), 549-567. https://doi.org/10.1080/00048409612347521
Mayer-Schönberger, V., & Cukier, K. (2013). Big Data: A Revolution That Will Transform How We Live, Work and Think.
Mazzocchi, F. (2015). Could Big Data be the end of theory in science? EMBO Reports, 16(10), 1250-1255. https://doi.org/10.15252/embr.201541001
Obar, J. A. (2020). Sunlight alone is not a disinfectant: Consent and the futility of opening Big Data black boxes (without assistance). Big Data and Society, 7(1). https://doi.org/10.1177/2053951720935615
Rysiew, P. (2021). Epistemic Contextualism. Sanjuán, M. (2021). On upholding empirical evidence. McIntyre in the Scientific Attitude. Daimon, 0507(82), 189-195. https://doi.org/10.6018/DAIMON.436061
Sloot, B., Broeders, D., & Schrijvers, E. (2016). Exploring the Boundaries of Big Data. Exploring the Boundaries of Big Data. https://doi.org/10.5117/9789462983588
Succi, S., & Coveney, P. V. (2019). Big data: The end of the scientific method? Philosophical Transactions of the Royal Society A: Mathematical, Physical and Engineering Sciences, 377(2142). https://doi.org/10.1098/rsta.2018.0145
van Benthem, J., & Pacuit, E. (2011). Dynamic Logics of Evidence-Based Beliefs. Studia Logica, 99(1), 61–92. https://doi.org/10.1007/s11225-011-9347-x
Van Der Sloot, B., Broeders, D., & Schrijvers, E. (2016). Exploring the Boundaries of Big Data.
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2022 José Carlos Chahuara Quispe
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores retienen sus derechos:
a. Los autores retienen sus derechos de marca y patente, y tambien sobre cualquier proceso o procedimiento descrito en el artículo.
b. Los autores retienen el derecho de compartir, copiar, distribuir, ejecutar y comunicar públicamente el articulo publicado en la revista Escritura y Pensamiento (por ejemplo, colocarlo en un repositorio institucional o publicarlo en un libro), con un reconocimiento de su publicación inicial en la revista Escritura y Pensamiento.
c. Los autores retienen el derecho a hacer una posterior publicación de su trabajo, de utilizar el artículo o cualquier parte de aquel (por ejemplo: una compilación de sus trabajos, notas para conferencias, tesis, o para un libro), siempre que indiquen la fuente de publicación (autores del trabajo, revista, volumen, numero y fecha).
