Sobre las limitaciones de Big Data en ciencias sociales

  1. MAESTRO CANO, IGNACIO 1
  1. 1 Universidad Nacional de Educación a Distancia
    info

    Universidad Nacional de Educación a Distancia

    Madrid, España

    ROR https://ror.org/02msb5n36

Revista:
Sociología y tecnociencia: Revista digital de sociología del sistema tecnocientífico

ISSN: 1989-8487

Año de publicación: 2019

Título del ejemplar: New technological challenges: Robotics, big data and other tecnologies.

Volumen: 9

Número: 2

Páginas: 77-98

Tipo: Artículo

DOI: 10.24197/ST.2.2019.77-98 DIALNET GOOGLE SCHOLAR lock_openDialnet editor

Otras publicaciones en: Sociología y tecnociencia: Revista digital de sociología del sistema tecnocientífico

Resumen

Big Data ha irrumpido como una prometedora infraestructura tecnológica, garantía de grandes progresos en ciencias sociales. La recogida masiva de información sobre hábitos y características de los usuarios de dispositivos móviles se propone como clave para una descripción precisa de la sociedad y sus individuos. No obstante, el entusiasmo ante esta nueva fuente de datos descubierta y su posibilidad de interconexión (redes sociales, compras online, etc.) podría suponer una nada desdeñable amenaza para un adecuado progreso científico, que diera origen a cierto neoqueteletismo tecnológico que confunda la datificacióndel mundo con su comprensión. Surge así el riesgo de transferir la atención a los datos, desatendiéndose contexto y metodología. Big Data puede suponer una importante contribución, pero una mala comprensión podría tornarla engañosa

€ Ver financiación

Información de financiación

Financiadores

Referencias bibliográficas

  • Anderson, C. (2008). The End of Theory: The Data Deluge Makes the Scientific Method Obsolete. Wired Magazine, 16 julio de 2008 (en línea). http://archive.wired.com/science/discoveries/magazine/16-07/pb_theory, último acceso 23 de octubre de 2017.
  • Armstrong, J.S. (1978). Forecasting with Econometric Methods: Folklore Versus Fact. Journal of Business, 51(4), 549-564. https://repository.upenn.edu/cgi/viewcontent.cgi?article=1008&context=marketing_papers
  • Associate Press (2016). Donald Trump Wins 2016 US Election: Why Big Data Is Amongst the Biggest Losers in US Elections. Gadgets 360, 11 de noviembre de 2016 (en línea). http://gadgets.ndtv.com/others/features/why-big-data-is-amongst-the-biggest-losers-in-us-elections-1624244, último acceso 23 de octubre de 2017.
  • Axelrod, R. (1997). The dissemination of culture. A model with local convergence and global polarization. Journal of Conflict Resolution, 41(2), 203-226. https://doi.org/10.1177/0022002797041002001
  • Ball, P. (2003). The Physics of Society. Conferencia en la London School of Economics, 6 de marzo de 2003.
  • Ball, P. (2004). Critical Mass: How One Thing Leads to Another. London: Heinemann.
  • Ball, P. (2012). Why Society is a Complex Matter. Meeting Twenty-first Century Challenges with a New Kind of Science. Berlin/Heidelberg: Springer.
  • Box, G.E.P. y Jenkins, G.M. (1976). Time Series Analysis: Forecasting and Control. San Francisco: Holden-Day.
  • Boyd, D. y Crawford, K. (2012). Critical Questions For Big Data. Provocations for a cultural, technological, and scholarly phenomenon. Information, Communication & Society, 15(5), 662-679.
  • Comte, A. (1830-1842). Cours de philosophie positive. Tome Premier. Paris: Rouen Frères.
  • Crawford, K. (2013). The hidden biases in big data. Harvard Business Review (en línea). https://hbr.org/2013/04/the-hidden-biases-in-big-data, último acceso 23 de octubre de 2017.
  • Crovitz, L.G. (2016). Trump’s Big Data Gamble. The Wall Street Journal, 24 de Julio de 2016 (en línea). http://www.wsj.com/articles/trumps-big-data-gamble-1469395312, último acceso 23 de octubre de 2017
  • Debord, G. (1967). La Société du spectacle. Paris: Buchet-Chastel.
  • Edgeworth, F.Y. (1881). Mathematical Psychics. An Essay on the Application of Mathematics to Moral Sciences. London: C. Kegan Paul & Co.
  • Elster, J. (1993). Some unresolved problems in the theory of rational behaviour. Acta Sociologica, 36(3), 179-189. https://doi.org/10.1177/000169939303600303
  • Engle, R.F. (1982). Autoregressive Conditional Heteroscedasticity with Estimates of the Variance of United Kingdom Inflation. Econometrica, 50(4), 987-1007. https://doi.org/10.2307/1912773
  • Green, D.P. y Shapiro, I. (1994). Pathologies of Rational Choice Theory: A Critique of Applications in Political Science. New Haven: Yale University Press.
  • Hayek, F.A. von. (1978). La Pretensión del Conocimiento (conferencia en homenaje de Alfred Nobel, pronunciada el 11 de diciembre de 1974). En Los Premios Nobel de Economía 1969-1977 (pp. 245-258). México: Fondo de Cultura Económica.
  • Horkheimer, M. (1947). Eclipse of Reason. New York: Oxford University Press.
  • Hurwitz, J. (2012). The Making of a (Big Data) President. Business Week. Bloomberg, 14 de noviembre de 2012 (en línea). http://www.bloomberg.com/bw/articles/2012-11-14/the-making-of-a-big-data-president, último acceso 23 de octubre de 2017.
  • Issenberg, S. (2012). How President Obama’s campaign used big data to rally individual voters. MIT Technology Review, 12 de diciembre de 2012 (en línea). http://www.technologyreview.com/featuredstory/509026/how-obamas-team-used-big-data-to-rally-voters, último acceso 23 de octubre de 2017.
  • Knight, F.H. (1921). Risk, Uncertainty and Profit. New York: Augustus M. Kelley.
  • Korzybski, A.H.S. 1933. Science and Sanity. An Introduction to Non-Aristotelian Systems and General Semantics. New York: Institute of General Semantics.
  • Kuhn, T.S. (1962). The Structure of Scientific Revolutions. Chicago: University of Chicago Press.
  • Latour, B. (2010). Tarde’s Idea of Quantification. En M. Candea (ed.) The Social After Gabriel Tarde: Debates and Assessments (pp. 145-162). London: Routledge.
  • Laurent, S. (2016). L’élection de Trump et les trois échecs du “big data” electoral. Le Monde, 10 de noviembre de 2016 (en línea). http://www.lemonde.fr/les-decodeurs/article/2016/11/10/l-election-de-trump-et-les-trois-echecs-du-big-data-electoral_5028978_4355770.html, último acceso 23 de octubre de 2017.
  • Lohr, S. y Singernov, N. (2016). How Data Failed Us in Calling an Election. The New York Times, 10 de noviembre de 2016 (en línea). http://www.nytimes.com/2016/11/10/technology/the-data-said-clinton-would-win-why-you-shouldnt-have-believed-it.html, último acceso 23 de octubre de 2017.
  • López Pérez, P.M. (2016). EnREDados, del uso al abuso de las Redes Sociales Virtuales. XII Congreso Español de Sociología. Grandes transformaciones sociales, nuevos desafíos para la sociología. 30 de junio, 1 y 2 de julio de 2016.
  • Lykken, D.T. (1968). Statistical significance in psychological research. Psychological Bulletin, 60(3), 151-159.
  • Makridakis, S. y Hibon, M. (2000). The M3-Competition: results, conclusions and implications. International Journal of Forecasting, 16, 451-476. http://dx.doi.org/10.1016/S0169-2070(00)00057-1
  • Martino, M., Britter, R., Outram, C., Zacharias, C., Biderman, A., y Ratti, C. (2010). Senseable city. Cambridge: MIT Senseable City Lab.
  • Mayer-Schönberger, V. y Cukier, K. (2013). Big data: A revolution that will transform how we live, work, and think. New York: Houghton Mifflin Harcourt.
  • Meehl, P.E. (1978). Theoretical Risks and Tabular Asterisks: Sir Karl, Sir Ronald, and the Slow Progress of Soft Psychology. Journal of Consulting and Clinical Psychology, 46(4), 806-834. http://dx.doi.org/10.1037/0022-006X.46.4.806
  • Meehl, P.E. (1997). The problem is epistemology, not statistics: Replace significance tests by confidence intervals and quantify accuracy of risky numerical predictions. En L.L. Harlow, S.A. Mulaik y J.H. Steiger (eds.), What if there were no significance tests? (pp. 393-425). Mahwah: Erlbaum.
  • Mill, J.S. (1843). A System of Logic, Ratiocinative and Inductive. Vol. II. London: John W. Parker.
  • Moscato, P. 1989. On Evolution, Search, Optimization, Genetic Algorithms and Martial Arts: Towards Memetic Algorithms. Caltech Concurrent Computation Program. Report 826. Pasadena: California Institute of Technology.
  • Montaigne, M. de. (1965) [1595]. Essais. Livre second. Paris: Gallimard.
  • Nature (2007). A matter of trust. Nature, 449.
  • Nietzsche, F. (1954). Die Geburt der Tragödie oder Griechentum und Pessimismus. En K. Schlechta (ed.), Friedrich Nietzsche: Werke in drei Bänden, Band 1. München: Carl Hanser.
  • Ortega y Gasset, J. 1914. Meditaciones del Quijote. Madrid: Revista de Occidente.
  • Pentland, A.S. (2014). Social physics: How good ideas spread—The lessons from a new science. New York: Penguin Books.
  • Piatetsky-Shapiro, G. (2016). Trump, Failure of Prediction, and Lessons for Data Scientists. KDnuggets (en línea). http://www.kdnuggets.com/2016/11/trump-shows-limits-prediction.html, último acceso 23 de octubre de 2017.
  • Quetelet, L.A.J. (1835a). Sur l'homme et le développement de ses facultés, ou Essai de physique sociale. Tome Premier. Paris: Bachelier.
  • Quetelet, L.A.J. (1835b). Sur l'homme et le développement de ses facultés, ou Essai de physique sociale. Tome Second. Paris: Bachelier.
  • Rampton, S. y Stauber, J. (2002). Trust Us, We're Experts PA: How Industry Manipulates Science and Gambles with Your Future. New York: Penguin Putnam.
  • Sen, A. (1986). Los tontos racionales: una crítica de los fundamentos conductistas de la teoría económica. En F. Hahn y M. Hollis (eds.), Filosofía y teoría económica (pp. 172-217). México: Fondo de Cultura Económica.
  • Sen, A. (1989). Sobre ética y economía. Madrid: Alianza.
  • Sides, J. y Vavreck, L. (2014). Inconclusive Results: Obama's Not-So-Big Data. Pacific Standard, 21 de enero de 2014 (en línea). http://www.psmag.com/books-and-culture/obamas-big-data-inconclusive-results-political-campaigns-72687, último acceso 23 de octubre de 2017.
  • Simon, H.A. (1957). Models of Man: Social and Rational. New York: John Wiley and Sons.
  • Taleb, N.N. (2008). The Black Swan. The Impact of the Highly Improbable. New York: Random House.
  • Timms, A. (2016). Is Donald Trump's Surprise Win a Failure of Big Data? Not Really. Fortune, 14 de noviembre de 2016 (en línea). http://fortune.com/2016/11/14/donald-trump-big-data-polls, último acceso 23 de octubre de 2017.
  • Tuhtan, J.A. (2013). On the Differences Between a Person and a Particle. Journal of Human Thermodynamics, 9(5), 65-76.
  • Veinot, T. (2007). The Eyes of the Power Company: Workplace Information Practices of a Vault Inspector. The Library Quarterly, 77(2), 157-180. https://doi.org/10.1086/517842
  • Venn, J. (1866). The Logic of Chance: An Essay on the Foundations and Province of the Theory of Probability, with Especial Reference to Its Application to Moral and Social Science. London/Cambridge: Macmillan and Co.
  • Watts, D. (2003). Six degrees: The science of a connected age. New York: Norton.
  • Wheeler, J.A. (1990). Information, physics, quantum: The search for links. En W. H. Zurek (ed.), Complexity, Entropy, and the Physics of Information (pp. 3-28). Redwood City: Addison-Wesley.
  • Wolf, G. (2010). The Data-Driven Life. The New York Times Magazine, 28 de abril de 2010 (en línea). http://www.nytimes.com/2010/05/02/magazine/02self-measurement-t.html, último acceso 23 de octubre de 2017.
Fuente de los datos: Dialnet