El Vector (vector de conceptualització sociotècnica)
Espai de pensament crític entorn de les cultures, societats i polítiques digitals.
Changes at "Gènere y tecnología: feminisme de dades"
Description (Castellano)
-
-
La economía de datos plantea desafíos derivados de la recolección, procesamiento, intercambio y uso de los mismos. Muchos de los debates en torno a la privacidad, el consentimiento, la seguridad o el anonimato digital se enmarcan en el terreno de la ética. Sin embargo, el que problemas como las nuevas formas de discriminación e injusticia algorítmicas se aborden como problemas morales sirve de excusa para que las corporaciones tecnológicas eludan la regulación y rendición de cuentas. Por ello, es necesario encontrar un marco ético crítico y común para evitar criterios arbitrarios sin incidencia real sobre los efectos discriminatorios de dichos algoritmos.
Uno de esos posibles marcos es la ética feminista de los datos, un campo de estudio reciente que examina desde un enfoque interseccional el modo en que las prácticas estándar en ciencia de datos sirven para reforzar desigualdades existentes como el sexismo, el racismo o el clasismo. En palabras de Catherine D’Ignazio, se trata de “una crítica del machismo oculto en la mayoría de las narrativas en torno al big data”. Más allá de suministrar recetas sencillas para evitar malas praxis, este marco analiza cuidadosamente las relaciones de poder que se tejen en las distintas fases del proceso tecnológico (desde el diseño hasta la difusión) y plantea preguntas filosóficas cruciales sobre la dimensión encarnada de los datos, la riqueza epistemológica de la pluralidad, o la importancia hermenéutica del contexto.
En esta sesión contaremos con la participación de Digital Fems, una organización que defiende la diversidad de género en la industria tech yque ha impulsado proyectos como “Datos contra el ruido” utilizando el big data para visibilizar las violencias machistas.
Coordinador/a sesión: Toni Navarro
Invitada/o: Digital Fems
Materiales:
Manifiesto por Algoritmias Hackfeministas
La sesión se hará en castellano.
-
+
La economía de datos plantea desafíos derivados de la recolección, procesamiento, intercambio y uso de los mismos. Muchos de los debates en torno a la privacidad, el consentimiento, la seguridad o el anonimato digital se enmarcan en el terreno de la ética. Sin embargo, el que problemas como las nuevas formas de discriminación e injusticia algorítmicas se aborden como problemas morales sirve de excusa para que las corporaciones tecnológicas eludan la regulación y rendición de cuentas. Por ello, es necesario encontrar un marco ético crítico y común para evitar criterios arbitrarios sin incidencia real sobre los efectos discriminatorios de dichos algoritmos.
Uno de esos posibles marcos es la ética feminista de los datos, un campo de estudio reciente que examina desde un enfoque interseccional el modo en que las prácticas estándar en ciencia de datos sirven para reforzar desigualdades existentes como el sexismo, el racismo o el clasismo. En palabras de Catherine D’Ignazio, se trata de “una crítica del machismo oculto en la mayoría de las narrativas en torno al big data”. Más allá de suministrar recetas sencillas para evitar malas praxis, este marco analiza cuidadosamente las relaciones de poder que se tejen en las distintas fases del proceso tecnológico (desde el diseño hasta la difusión) y plantea preguntas filosóficas cruciales sobre la dimensión encarnada de los datos, la riqueza epistemológica de la pluralidad, o la importancia hermenéutica del contexto.
En esta sesión contaremos con la participación de Digital Fems, una organización que defiende la diversidad de género en la industria tech yque ha impulsado proyectos como “Datos contra el ruido” utilizando el big data para visibilizar las violencias machistas.
Coordinador/a sesión: Toni Navarro
Invitada/o: Digital Fems
Materiales:
Manifiesto por Algoritmias Hackfeministas
La sesión se hará en castellano.
Habrá streaming disponible aqui.
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" alt=""></p><p>La economía de datos plantea desafíos derivados de la recolección, procesamiento, intercambio y uso de los mismos. Muchos de los debates en torno a la<strong> privacidad, el consentimiento, la seguridad o el anonimato digital </strong>se enmarcan en el terreno de la ética. Sin embargo, el que problemas como las nuevas formas de discriminación e injusticia algorítmicas se aborden como problemas morales sirve de excusa para que las corporaciones tecnológicas eludan la regulación y rendición de cuentas. Por ello, <strong>es necesario encontrar un marco ético crítico y común</strong> para evitar criterios arbitrarios sin incidencia real sobre los efectos discriminatorios de dichos algoritmos.</p><p>Uno de esos posibles marcos es la <strong>ética feminista de los datos</strong>, un campo de estudio reciente que examina desde un enfoque interseccional el modo en que las prácticas estándar en ciencia de datos sirven para reforzar desigualdades existentes como el sexismo, el racismo o el clasismo. En palabras de Catherine D’Ignazio, se trata de “una crítica del machismo oculto en la mayoría de las narrativas en torno al big data”. Más allá de suministrar recetas sencillas para evitar malas praxis, este marco <strong>analiza cuidadosamente las relaciones de poder</strong> que se tejen en las distintas fases del proceso tecnológico (desde el diseño hasta la difusión) y plantea preguntas filosóficas cruciales sobre la dimensión encarnada de los datos, la riqueza epistemológica de la pluralidad, o la importancia hermenéutica del contexto.</p><p>En esta sesión contaremos con la participación de <a href="http://www.digitalfems.org/" target="_blank">Digital Fems,</a> una organización que defiende la diversidad de género en la industria tech yque ha impulsado proyectos como “Datos contra el ruido” utilizando el <em>big data </em>para visibilizar las violencias machistas.</p><p><strong>Coordinador/a sesión: </strong><a href="https://tecnopolitica.net/es/autor/toni-navarro" target="_blank">Toni Navarro</a></p><p><strong>Invitada/o: </strong><a href="http://www.digitalfems.org/" target="_blank">Digital Fems</a></p><p><strong> Materiales:</strong></p><p><a href="https://www.manifestno.com/home" target="_blank">Feminist Data Manifest-No</a></p><p><a href="https://utopia.partidopirata.com.ar/zines/manifiesto_por_algoritmias_hackfeministas.pdf" target="_blank">Manifiesto por Algoritmias Hackfeministas</a></p><p><a href="https://mutabit.com/repos.fossil/datafem/uv/datafem.pdf" target="_blank">Data Feminism</a></p><p>La sesión se hará en castellano.</p>- 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"></p><p>La economía de datos plantea desafíos derivados de la recolección, procesamiento, intercambio y uso de los mismos. Muchos de los debates en torno a la<strong> privacidad, el consentimiento, la seguridad o el anonimato digital </strong>se enmarcan en el terreno de la ética. Sin embargo, el que problemas como las nuevas formas de discriminación e injusticia algorítmicas se aborden como problemas morales sirve de excusa para que las corporaciones tecnológicas eludan la regulación y rendición de cuentas. Por ello, <strong>es necesario encontrar un marco ético crítico y común</strong> para evitar criterios arbitrarios sin incidencia real sobre los efectos discriminatorios de dichos algoritmos.</p><p>Uno de esos posibles marcos es la <strong>ética feminista de los datos</strong>, un campo de estudio reciente que examina desde un enfoque interseccional el modo en que las prácticas estándar en ciencia de datos sirven para reforzar desigualdades existentes como el sexismo, el racismo o el clasismo. En palabras de Catherine D’Ignazio, se trata de “una crítica del machismo oculto en la mayoría de las narrativas en torno al big data”. Más allá de suministrar recetas sencillas para evitar malas praxis, este marco <strong>analiza cuidadosamente las relaciones de poder</strong> que se tejen en las distintas fases del proceso tecnológico (desde el diseño hasta la difusión) y plantea preguntas filosóficas cruciales sobre la dimensión encarnada de los datos, la riqueza epistemológica de la pluralidad, o la importancia hermenéutica del contexto.</p><p>En esta sesión contaremos con la participación de <a href="http://www.digitalfems.org/" target="_blank">Digital Fems,</a> una organización que defiende la diversidad de género en la industria tech yque ha impulsado proyectos como “Datos contra el ruido” utilizando el <em>big data </em>para visibilizar las violencias machistas.</p><p><strong>Coordinador/a sesión: </strong><a href="https://tecnopolitica.net/es/autor/toni-navarro" target="_blank">Toni Navarro</a></p><p><strong>Invitada/o: </strong><a href="http://www.digitalfems.org/" target="_blank">Digital Fems</a></p><p><strong> Materiales:</strong></p><p><a href="https://www.manifestno.com/home" target="_blank">Feminist Data Manifest-No</a></p><p><a href="https://utopia.partidopirata.com.ar/zines/manifiesto_por_algoritmias_hackfeministas.pdf" target="_blank">Manifiesto por Algoritmias Hackfeministas</a></p><p><a href="https://mutabit.com/repos.fossil/datafem/uv/datafem.pdf" target="_blank">Data Feminism</a></p><p>La sesión se hará en castellano.</p><p><strong>Habrá streaming disponible </strong><a href="https://youtu.be/P5hUU-tknZs" target="_blank"><strong>aqui</strong></a><strong>.</strong></p>
-
-
La economía de datos plantea desafíos derivados de la recolección, procesamiento, intercambio y uso de los mismos. Muchos de los debates en torno a la privacidad, el consentimiento, la seguridad o el anonimato digital se enmarcan en el terreno de la ética. Sin embargo, el que problemas como las nuevas formas de discriminación e injusticia algorítmicas se aborden como problemas morales sirve de excusa para que las corporaciones tecnológicas eludan la regulación y rendición de cuentas. Por ello, es necesario encontrar un marco ético crítico y común para evitar criterios arbitrarios sin incidencia real sobre los efectos discriminatorios de dichos algoritmos.
Uno de esos posibles marcos es la ética feminista de los datos, un campo de estudio reciente que examina desde un enfoque interseccional el modo en que las prácticas estándar en ciencia de datos sirven para reforzar desigualdades existentes como el sexismo, el racismo o el clasismo. En palabras de Catherine D’Ignazio, se trata de “una crítica del machismo oculto en la mayoría de las narrativas en torno al big data”. Más allá de suministrar recetas sencillas para evitar malas praxis, este marco analiza cuidadosamente las relaciones de poder que se tejen en las distintas fases del proceso tecnológico (desde el diseño hasta la difusión) y plantea preguntas filosóficas cruciales sobre la dimensión encarnada de los datos, la riqueza epistemológica de la pluralidad, o la importancia hermenéutica del contexto.
En esta sesión contaremos con la participación de Digital Fems, una organización que defiende la diversidad de género en la industria tech yque ha impulsado proyectos como “Datos contra el ruido” utilizando el big data para visibilizar las violencias machistas.
Coordinador/a sesión: Toni Navarro
Invitada/o: Digital Fems
Materiales:
Manifiesto por Algoritmias Hackfeministas
La sesión se hará en castellano.
-
+
La economía de datos plantea desafíos derivados de la recolección, procesamiento, intercambio y uso de los mismos. Muchos de los debates en torno a la privacidad, el consentimiento, la seguridad o el anonimato digital se enmarcan en el terreno de la ética. Sin embargo, el que problemas como las nuevas formas de discriminación e injusticia algorítmicas se aborden como problemas morales sirve de excusa para que las corporaciones tecnológicas eludan la regulación y rendición de cuentas. Por ello, es necesario encontrar un marco ético crítico y común para evitar criterios arbitrarios sin incidencia real sobre los efectos discriminatorios de dichos algoritmos.
Uno de esos posibles marcos es la ética feminista de los datos, un campo de estudio reciente que examina desde un enfoque interseccional el modo en que las prácticas estándar en ciencia de datos sirven para reforzar desigualdades existentes como el sexismo, el racismo o el clasismo. En palabras de Catherine D’Ignazio, se trata de “una crítica del machismo oculto en la mayoría de las narrativas en torno al big data”. Más allá de suministrar recetas sencillas para evitar malas praxis, este marco analiza cuidadosamente las relaciones de poder que se tejen en las distintas fases del proceso tecnológico (desde el diseño hasta la difusión) y plantea preguntas filosóficas cruciales sobre la dimensión encarnada de los datos, la riqueza epistemológica de la pluralidad, o la importancia hermenéutica del contexto.
En esta sesión contaremos con la participación de Digital Fems, una organización que defiende la diversidad de género en la industria tech yque ha impulsado proyectos como “Datos contra el ruido” utilizando el big data para visibilizar las violencias machistas.
Coordinador/a sesión: Toni Navarro
Invitada/o: Digital Fems
Materiales:
Manifiesto por Algoritmias Hackfeministas
La sesión se hará en castellano.
Habrá streaming disponible aqui.
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" alt=""></p><p>La economía de datos plantea desafíos derivados de la recolección, procesamiento, intercambio y uso de los mismos. Muchos de los debates en torno a la<strong> privacidad, el consentimiento, la seguridad o el anonimato digital </strong>se enmarcan en el terreno de la ética. Sin embargo, el que problemas como las nuevas formas de discriminación e injusticia algorítmicas se aborden como problemas morales sirve de excusa para que las corporaciones tecnológicas eludan la regulación y rendición de cuentas. Por ello, <strong>es necesario encontrar un marco ético crítico y común</strong> para evitar criterios arbitrarios sin incidencia real sobre los efectos discriminatorios de dichos algoritmos.</p><p>Uno de esos posibles marcos es la <strong>ética feminista de los datos</strong>, un campo de estudio reciente que examina desde un enfoque interseccional el modo en que las prácticas estándar en ciencia de datos sirven para reforzar desigualdades existentes como el sexismo, el racismo o el clasismo. En palabras de Catherine D’Ignazio, se trata de “una crítica del machismo oculto en la mayoría de las narrativas en torno al big data”. Más allá de suministrar recetas sencillas para evitar malas praxis, este marco <strong>analiza cuidadosamente las relaciones de poder</strong> que se tejen en las distintas fases del proceso tecnológico (desde el diseño hasta la difusión) y plantea preguntas filosóficas cruciales sobre la dimensión encarnada de los datos, la riqueza epistemológica de la pluralidad, o la importancia hermenéutica del contexto.</p><p>En esta sesión contaremos con la participación de <a href="http://www.digitalfems.org/" target="_blank">Digital Fems,</a> una organización que defiende la diversidad de género en la industria tech yque ha impulsado proyectos como “Datos contra el ruido” utilizando el <em>big data </em>para visibilizar las violencias machistas.</p><p><strong>Coordinador/a sesión: </strong><a href="https://tecnopolitica.net/es/autor/toni-navarro" target="_blank">Toni Navarro</a></p><p><strong>Invitada/o: </strong><a href="http://www.digitalfems.org/" target="_blank">Digital Fems</a></p><p><strong> Materiales:</strong></p><p><a href="https://www.manifestno.com/home" target="_blank">Feminist Data Manifest-No</a></p><p><a href="https://utopia.partidopirata.com.ar/zines/manifiesto_por_algoritmias_hackfeministas.pdf" target="_blank">Manifiesto por Algoritmias Hackfeministas</a></p><p><a href="https://mutabit.com/repos.fossil/datafem/uv/datafem.pdf" target="_blank">Data Feminism</a></p><p>La sesión se hará en castellano.</p>
- +sK8efPwy1/+cmqbW7dunXrNz3/+87w5ZkRERHkfuCf98Y9/nPr/n3zyCa5du4Z77rkHW7duxaOPPoqysjIsX758Ki3kv//7v/Hpp59i3rx502ZcnTt3LubOnWuaoF2Uk/7kk08CuJnXvXnzZgSDQZw6dQp+v18YvCdTZX784x8XXPA+b948U3+O3/72t5pTnc6dOwev15vR+01OTk6l4UxOTuLDDz/Ev/zLv2DTpk14+eWXcf/99+P73/8+7r//frz22mv48MMP8d3vfhevvfYaHn74YTz//PNYtWoVurq64HQ6MTAwAODmwFe32z11bABg06ZNmDNnDn784x/fNsiciIiITBC4JweilpaW4vOf//xUD3zyUf1XvvIV/OY3v8F//dd/4ZNPPsHf/M3foKioCH/84x+nBp+2tLRMba+2thbj4+MYHx+f2rZRff/731cdSLplyxb8xV/8BYLBICKRCMbHx7F69Wo8+OCDePjhh4Wv3bdvH0KhkCkGH+oZvL/22mum/gwvvfTSbf+9fPly+P1+TExM4K233ppKbUk6fPgwfvvb3+r2/r/73e/wy1/+Es8++yx+85vfTH0Hz507h3feeQcvvvgiAoEAli1bBovFgsnJSVy6dAnDw8Nob2/H8PAwtm/fjl//+tf45S9/OZVec/LkSUQiESxfvhzr16/Hr371KyQSibxKbyIiIsrrwP03v/kNLl68iAULFkCWZXzwwQeoqqpCV1cX4vE42tracOHCBRw7dgznz59He3s7vvSlLwG42av8ySefwO1249KlSxgdHcWPfvQjAMDatWsNneNeWVmJv/u7v1Ndr6amBgMDA1i6dCk++ugjDA8P4/e//z0WLVqkmOt+q5dffnkqnUGJLMuora1FLBab+v9qfD6fLu0QjUYRCASm/T0QCMz4dy2WLVs2lY5hRiMjI7f99549e1BWVgbg5oDcb3/721PjO5LeeuuttN9vbGwMkiThoYcegiRJmDdvHr70pS9h3rx5sFgsmDt3LiwWC5YvX47XXnsNf/7nf47Dhw/jnXfegc1mw+TkJObOnYsFCxYAuDl49q233kJZWRm+9KUv4aGHHsL777+PHTt2oKamZqpSVPJ9tJxvREREhcSwEzDdddddWLt2LTZt2oSioiIkEgmcPXsWn376Kb7+9a/j29/+Nnbs2IFHHnkEJ0+exO7duzExMQEA+N///V88+OCD2LNnz1QQ/Pzzz6Onp8fwj+G/+93valrPYrGgqqoKwM00hpKSEly7dk1zXvAXv/hFlJWV4dixY1i/fv2M6xw9ehQDAwMoKyvD2rVrpwLqW0UiEZSUlGDhwoUYHx+f2n+Xy4Xe3l6sWLECFosFb775Jq5duwaHw4FIJAKXy4VYLIaTJ09i4cKFKCoqwsmTJ3Hjxg00NDTA6/Xi/fffR3FxMSRJQiKRQE9PD0ZGRlBWVoZoNIpIJILa2lpNNypJ3/nOdwxTJvL69esprX9nXvtM4x9Wrlx5W6345HfiTr/97W/x1ltvTS2fabKu/v5+3LhxA9/4xjewY8cO3H///fjHf/xHPPDAA/inf/onAJj63/7+/qk5Ep566il861vfws9+9jPcf//96O7unsqHv3r1Kj788MOpdWtqarBs2TL867/+K/7yL/8SP/rRj3D//fdj+/btpkhrIyIiyml8bLPZPv3/2rv3oCjPsw3gF4sgKa4VXCMs6jjKBoaAjKa7CloCKthojQGWYIoZMXiiCkjBElpPldAOCRRxtBoUAwYTU12jDcSoKIqNRI4aoy1CUVFWYhFFWEUj5fuD733CclCIJ9TrN8OsvId9312QuZ9n7+e+e+ONtbS0wMbGBt9//z0AYNiwYTAzM8PVq1dx/fp1o+NMTExgbm6OESNGQCaTobq6GvX19WJ/3759MXjwYFy8eBGmpqZQqVSQyWSorKxEU1NTh2vb2tpiwIABaG5uRmVlJe7evSsGEy0tj+7t8vb27nE6R3R0NO7cuQO9Xo+YmJhOmzJ1paamBqGhoV3OYNvZ2eG1115DUVERNm3aBI1GIz65aDvQ8PLyQllZGWJiYhAREYGUlBTU19cjNzcXubm5yMnJweTJk+Hq6oqTJ0/Cy8sLXl5euHDhAgYMGICcnBy88847iIiIgL+/P+rq6mBtbY2Kigps2rQJarUa0dHRuH79OtLS0pCSkoKEhARxvZ7+TCIiIrBz587H9ruclZWF0aNHo7S01KjEYlc/b1dXV6MqLUeOHIGtrS1eeuklo+M6C8pTU1ONGim1v0ZNTQ3efffdXt1ploiIiDrXa1NlbG1tUVJSgt27d+PQoUPIz89HXl4eTp8+jblz5/448jAxQUhICM6dO4eDBw/iwIEDOHPmDObNmyf2e3t745tvvkFGRgbOnDkjjvvPf/5jFAyZmppi06ZNKCoqQk5ODnJzc3Hu3DkRDD/KoB0AAgICun1sQ0MDtFotxo8fD3t7e/j5+SEsLKxHaSRSve+KiooO+w4ePAi9Xo/KykqcPHkSZ86cEfvq6+vFwAgAEhIS4ObmBjc3NwCts+319fWoq6sD0Jpy4eXlhU2bNsHLywsJCQk4efIk9u7di5KSEtjb26OqqgpeXl6IiYlBbm4uPDw8YG9vL977kpISLFiwAP7+/vj222+h1+uRl5cHf3//Hjfh8fHxeSK/0+0D7wMHDnR477Ozs42CdoVCAXt7e5w9e/aBr19RUYEpU6Z0O2jXaDRITU1FamoqNBoNVq5ciaysrPuep1AooFKp+NeViIjoeQncpTx0tVqN77//HhMnTsSqVasAtLZmf+WVVwAACxcuxOrVq2EwGPDmm28iICAADQ0NWLVqFYKDgwEAZmZmAIDJkyfjxIkTmD59OjIzMwEAubm5eOGFFwAAX375JaZOnYri4mJMnz4dv//97yGTybB7926MHz/+kb9mT0/PbgftM2bMgLm5OYYMGQKgdeGgv78/1qxZ06PgXZpRb2/v3r2IiopCQkIC/P39kZGRAaB1jcDGjRuxcePGTp8vKioKEydOxPnz5/Hf//4XAPDtt9/C2toaAMSj9LOrq6tDfn4+hg0bZrRvypQpyM/PF6/ljTfewLx580Rev6urK4DWVB0HB4dH8j4/bJaWlh3ytl999VUEBwcjIiICwcHBHarGLFq06KFd/7333utRvfUNGzZg8+bN2LFjBzIzM3Hs2DHI5XJERkZCq9WK8o5SqceVK1dCo9EgNjYWycnJ0Gq14lgiIiJ6cH16+w1evHhRNGopKyvDyJEj8fbbb8PFxQXFxcVYvnw5AMDLy0ukDowZMwbl5eWIj49HRkaGqGd95MgR0cCppKQEd+7cwTvvvIMxY8bg1KlTcHZ2xvXr1zFjxgy0tLSgpKQEer0emZmZSE5Ohru7u0ibedhUKlW3GuZIQXtYWBi2bdtmtK9v374YPnw4kpKSAAC+vr73fT61Wo309PQOC2LnzZsHpVIJuVyOtWvXIjw8HEqlEg4ODkZ57m5ubnB0dER8fDyUSiUSExNRWFgItVqNsrIyyOVy0SBLqVSK4+Lj4+Hg4IA333xT5KhPmTIFSqUSBQUFHa4THh4ONzc39O/fH3K5HOHh4eI6PyWAVqlU96yF/qjExsbi8OHDRgF0VzPgKpUKQUFBD+W6paWlHa6TlJSE6dOno6GhAYcPH0ZUVJTRfhsbG1HZxdLSEs7OzujXrx80Gg1CQ0OxYcMGTJo0CRqNBsnJyZg/fz7s7OxQXV2NwsJCVFVVYejQofD39weAx5qeRERE9Czq9XXc2wcb2dnZAIDBgwfDwsICQGvqRtuydwaDAUePHgUAvPDCC6IW/KZNm4yeS1qk6OLigqFDhwIA1q9fb5QS88033wAAzM3N0a9fv0f2OocPH96t42bMmAEfHx8MGTIEdXV1OHPmjFjoJ7323/72t0hKSurWzLutra1R2ovEwcFBVPlQKpUYMGAADh06JL6XvtRqNeRyudHxUjDt4OAggn1pf9vHttdpu086X7pG20GG9Jxtr/Mo3++HzcbGBjqd7r415TUaDTZv3iwGc1LFpJ+q/aLiyMhIzJw5E5aWlrCxsemyklHb+7x48SIuX76M5ORkWFpaioXQW7ZsQWVlJQAYfWJQWVmJSZMmQalU4uWXX+ZfWyIiogfU62fc29dcNzc373BMd3PP2y9ElRo0WVhYiOu0b9rUvvvqo9KdChrR0dFQKBSIjY0V23JzcwHAaNFobW0tRo4ciW3btsHJyemeqSQ2Njadzvh+/vnnuHjxori3pUuX9jgl5X6kgUV3Phl4ltjb2+PYsWP44osv8NVXX6G0tBS1tbVQKBTw9PSEj49Ph0o/0nqEnnJ2dgYA0dug7cDgfrKzs0WqTnZ2Nurr6zF69GisWLECpaWlyMnJwerVq/GrX/3K6HlPnz6NsLAwXLp0SQzm7Ozs+NeWiIjoWQ/c25MCa3NzczGTPmDAALz44ou4fPkygNZSib/85S8BALdu3RLB/sKFC5Gfny+ea/bs2QBaF0+eP38eADBnzhz87W9/E4OBcePGAQBu376NxsbGR/a67jcjKeWY//3vfxfbtFotYmJijF6TxGAwwNHREfPnz0dWVpYIoLpr27ZtyM/Ph5ubG3Q6HZRKJQoLC3tUerE713hSgfuTLjVoaWmJmTNndqtmf1dqamo6BPRSp1NJZ2Uepf8j99O2LvyBAwegUCjg6+uLn//852Kwd+rUKVFiVVpTIpWGLCgoQF5eHq5du9Zp6UoiIiLqmV6fKmNqatpp4G5lZYXm5maxSHL//v0YN24cNBoN9u3bBwD461//KspBAq2LU9PS0uDs7IwlS5aIyjP5+floaGjA6dOnYWtri8zMTLi6usLX1xeffvopAGDp0qWPLL8d6DgjKtHr9Th69ChKSkoQGBiIwsJC8dU2VUb6qqurE4/Hjh3DyJEj8f77798zbaartA03Nzfs3LkTu3btEjXXy8rKMHfuXGi1Whw8eBDAj42aMjIyEBcXB71ej+joaMydO1ekaJSVlXXY1lZn++Pi4rB27VpER0dDq9WK6jFxcXHQarVYu3atyJ/vqc7Sg3q79os823dSrampwccff2y07UHSiaSAXVJbW4uCggKjbQUFBSgvL0d5eTkOHDggcuKlx/LyctTW1opzVCpVt3sNEBERkbFeO+Pep0/rrf3sZz/rNJCX8tvj4uJgamoqKo5I1q1bJxZpSuccOXIE3t7eRh/ta7VaMZM+ffp0/OMf/4Cnp6dR5ZGQkJAOXSsfF7lcDktLS/Tt2xcxMTEYM2YMSkpKALQuwg0ODkZUVBQCAwPF/sDAQAQGBgIALly4gHPnzonqM+1VVFR0ORsqNTjKz8+HUqmEn58fIiMjsXfvXixcuBCTJ09Geno6nJycoNPpoNPpkJ6ejlmzZgEARowYAY1Gg+rqaoSGhsLa2hrDhw8X29qaOHEiHBwcxDk3btzAyZMnodPpRP334cOHIzAwECtWrEBISAgSEhKQl5f33Cx69PHxMXqtaWlpOHXqlPj0QEq5kahUqgee6Za6onaW6qLRaERp1oaGhg6LWzUajQjgJb/5zW+gVquN6tkTERHRUx646/V6TJgwAXq93mj7vn374OHhYRT4rVq1ComJiXB0dMQPP/yA8+fPG82oSqUlk5KSEBQUBFdXV5iamuK7777D7du3xXG3b9/GlClTYGdnh8GDB6OpqcmoSdOjbMBUWlraZeA+ZswYXLt2DWVlZXBxcRFpPcOGDROParUa1tbW4t9A6yz29u3b8dFHH3WZGqHX68XztDdo0CB4eHigrq4Oubm50Ov12Lx5M+Li4kRufdv3OT09Hd7e3ggODsauXbvg6+uLBQsWoKGhAbm5ufDy8hLHHj9+XPy7rKwMer0eu3fvhp2dHdLS0pCTkwOgtVrQoUOHRIlJtVqNXbt2Ydu2bR1+Nx7G+92bTZs2Dd7e3h1mvLuSnJz8QNfTarUi/QUAVq5cif79+4sAPTIyEjk5OdizZw8WLVqEkJAQjB07Fn/4wx/g6emJ2NhY8amAk5MToqKicOzYMajVaoSEhKCqqgrDhg0Tj/X19XBzc8Nf/vIXLFq0CKdPnxaDkrFjx+L48eO9pustERHRk9BrU2X69u0LrVZrtCDSxMQEkZGReP3112FnZ4c5c+aIhZqNjY0oKirCqVOnEBERIco+ttW/f3+0tLTgxIkTKC4uNgra26qurkZJSQnOnDljtKD1UTZgqq2t7bQRkmTSpEn4xS9+gSNHjnS638TEBDqdDhERETAxMcG4ceMQGBiI+Pj4e+YzFxQUYOzYsZ3us7e3R3h4OMLCwgC05tdHR0dDp9MZBeGS2bNnixz4ixcvQq/Xi/x7pVIJLy8vhIaGIiUlBU5OTkaDEwC4dOmSSH2RcrPb138/ePAg/Pz84OHh8ZPz7WtqanpUz7w3Wb9+vcg774pCoUBqauoDzbYrFAqkpKSIFCuNRoP58+dDLpeLT7I8PDxQVVWF2tpa0a11x44d0Ol02LlzJy5fvoy0tDTU19cjPz9fnAcAQ4YMgbu7O+rr6+Hu7g7gxxz52NhY2NnZ4eWXX4aTkxOqqqqwf/9++Pr6Ms2GiIgYuPdG1tbWWLJkCUJDQ8W2NWvWICoqCmfPnsWFCxcQFxeHxYsXG+XBDxo0CAsWLMDKlSvFNqmMo9RoqbeSyi12Zfny5bC2tu50wWFLSwv8/f2RkpKCf//732hqasJnn31230owWVlZXTYk0ul0MDExgZ+fH4DWlKGcnBycPHkSK1asgFKpREJCQofzoqKiEBERAbVajS1btkCpVOKtt97Cxo0bRVMnpVKJoKAg6HQ6VFdXw9/fH35+fpg4cSJcXV0xadKkTu/p0qVLACCuq9Ppetw59fDhw0/tf1hLS0ukp6fj008/hVarNepQ6u3tjcjISOzbt69DVZqeGjFiBACIFDFp5nv//v347LPPABh33NVqtRgyZAiWLVsGe3t7o+cKDg5GWFhYh9/F/v37i09sqqqqUFhYiK+++goODg744IMPEBQUBLlcjvr6esTGxkIulz/xRcVERERPUq9NlZHKMNbV1YnAdN26dXj33Xdx69YttLS04ObNmzAzMzMq2XjlyhW4ubkZLVrctWsXiouLn0jDnZ745JNPOnTObC8xMRHR0dG4evVqp/uvXLmCiRMnYt26dfcN2vPy8uDh4dFp46f4+HjExMSI7x0dHSGXy3H06FF89NFHovFSTk4OHB0djVI2EhMTERgYiEuXLomKMZ1t8/X1Fefv3LkThYWFRvvj4+ON7gdorfsuDVx8fX2RkZHR45n3rrq+Pk08PDzg4eHR7ePbp0OVlZXdc0a+oKAANTU12L59OwwGA4YNGwaDwYDg4GAcPHgQBQUF2Lp1K5YtW4aAgAAolUoxgDIYDNBoNKLLKtCaAy+Xy+Hu7g5bW1t88sknyM7OFrX7+/fvD6VSiRs3bsDW1hbXrl3D4cOHRUqVtA4lICCgy4ZVREREzzoTpVLZ0htv7MUXX0RpaSnS09Pxxz/+ETY2NpgzZw7ef/99DBo0CNHR0QgICICpqSk2bNgAU1NTrF+/HlevXkVoaCiKioqMqpc4ODjg9ddfx8CBA3Hp0iVs3brVqHSeTCZDUFAQHB0dYWpqiqKiIuh0ukeaHtOZ1NTUbs2WRkdHA2jN209JSUF4eDiWLVuGPXv2YPXq1d0qsRgcHIyIiIjnqlRfaWnpY18YmZWV9cTf4+zsbKNBoUqlQnZ2thi0GQwGvPTSS0bnKBQKWFlZAWitDqNQKDBixAijQZpKpYKVlZXYJn0CIB0PQNSot7KyMho8q1QqUUqyfeqSt7c3IiIiEBwcjNraWtHp9kl1vCUiImLg3oPAPSYmBuHh4ZgwYQL8/Pzwu9/9rsM5ixcvxpdffonKykpUVVXBzc0NQGspxyVLlnQ4fsaMGSgqKoKZmRlOnTrVIRe8sLAQb7zxxmN93e0DqvsF79evX8eoUaMwZ84czJkzBzExMd0qAZiXlwedTmfUuOl54Ovre88Fnc9q4G4wGODu7m4UICsUCnFfvW0Wu7OKNERERM872dNyo1IubHNzM9asWYNZs2bhzp07+N///oeAgABMnToVWVlZooxkVVUVAMDFxQVLlixBTU0NXnvtNYwePRqrV68GAOzZswcymQyjRo1CXV0dtmzZgldeeQXOzs44cuQI1Go1xo8f/1hfZ3l5ead5451JTEzEqFGjUF1djT/96U+Ij4/vVtBeU1OD5cuX489//vNz9cuempr63AaDlpaWHX7eUn313ph6wqCdiIioo6emc6rUeMnCwgLNzc04dOiQqArTtnmRtBBVynuXqs4EBASgsrISAPDhhx+iuLgYI0eOhEwmQ3FxMdzd3WFiYoK+ffvC0tISV65cAdBaK/3rr79+rK81LS0NTk5O3eqqGR4ejvT0dEyZMgW2trb3Pd5gMCA0NBRr1qzp1qz+s6K0tFRUPnleTZs2DUlJSR3qrRMRERED94dKyjWXHmUymdGXVKtd2i8F7s7OzgAgap9LioqKUFRUJAYFixcvRlhYWIdg9lF2S72XqKgoyOXybuW7Dx06VAxY7he0z5o1C3Pnzn2u8torKiqM6pE/z2bOnAlPT09kZmbiu+++w4EDB0TKDBd9EhERMXB/KKQZ97ZkMhnu3r0rgvbOjq+rq8PAgQNhYWGBmzdvGu2XyWRobm4WlU2Ki4uRkZGB3NxcvPrqq1i3bt1jX5za1vz58xESEoKYmJh7zo53VTqxffAaFRWF+fPnP3CpwKdJXl4ewsLCntq67Y+CjY2NWNzcVmfdUYmIiKj3eGpy3NvPuAPAnTt3YGFhgeHDh4ttUhBvZmYGAMjMzATQ2l1VOtfa2hpnz55FVVUVXFxc4OjoiLt378Lf3x86nQ43bty4b1nGxyUtLQ3Tpk37yZ0+DQYDUlNTsXTpUiQlJT03QbvBYEBiYiLeeustBu1ERET0TOi1M+7SjLm5uTmA1k6qAESzpZaWFnz99deYOnWqyEF/7733sG3bNgCtufAAsHXrVqxYsQJBQUFwdnbGiRMn8Pbbb0Mmk+Hzzz/Hv/71LzQ3N6NPnz7Yvn07ysrKMHv2bHEf0vWfpPLycvz617+GRqPB3Llz4enped/89IqKCuzevRtffPEFgoKCRAfM5yFgP3z4MD744AOWDXwA3t7eSE9P7/X3+STKexIRETFwb6epqUkEoABw7tw5AD82YgGAhQsXIiEhAT4+PjAzM8OdO3fEgtULFy4AaJ2VV6lU2Lx5s+jK2djYiOTkZGzYsAEmJiaYMGECduzYgXHjxmHcuHH48MMP8c9//hMff/yxuG5vUFBQIKptaDQ1VnEqAAABx0lEQVQauLi4YMiQIUbHHDt2DKWlpfD09ISPjw9CQ0Of+UWoNTU1OHv2LHJycrBnzx7OsBMREdEzqdfWce/Tpw+srKzQ2NiIW7duwdzcHAMGDMC1a9fwww8/wMTERKS+DBw4ECYmJmhsbERTUxMUCgWamprQ2NgojjM1NYWzszPs7OxQUlKCmpqa1jfg//f369cPGo0GN2/exPHjx9HS0oLBgwfj+vXrYjBARERERMTA/V432SZI7+x7IiIiIqJn3VOxOLV9kM6gnYiIiIgYuBMREREREQN3IiIiIiJi4E5ERERExMCdiIiIiIgYuBMREREREQN3IiIiIiIG7kRERERExMCdiIiIiIiBOxERERERMXAnIiIiIiIG7kREREREDNyJiIiIiIiBOxERERERMXAnIiIiImLgTkREREREDNyJiIiIiIiBOxERERERA3ciIiIiImLgTkRERETEwJ2IiIiIiBi4ExERERERA3ciIiIiIgbuRERERETEwJ2IiIiIiBi4ExERERExcCciIiIiIgbuREREREQM3ImIiIiIiIE7ERERERExcCciIiIiYuBOREREREQM3ImIiIiIiIE7EREREdEz4/8A/DopiUDym3gAAAAASUVORK5CYII="></p><p>La economía de datos plantea desafíos derivados de la recolección, procesamiento, intercambio y uso de los mismos. Muchos de los debates en torno a la<strong> privacidad, el consentimiento, la seguridad o el anonimato digital </strong>se enmarcan en el terreno de la ética. Sin embargo, el que problemas como las nuevas formas de discriminación e injusticia algorítmicas se aborden como problemas morales sirve de excusa para que las corporaciones tecnológicas eludan la regulación y rendición de cuentas. Por ello, <strong>es necesario encontrar un marco ético crítico y común</strong> para evitar criterios arbitrarios sin incidencia real sobre los efectos discriminatorios de dichos algoritmos.</p><p>Uno de esos posibles marcos es la <strong>ética feminista de los datos</strong>, un campo de estudio reciente que examina desde un enfoque interseccional el modo en que las prácticas estándar en ciencia de datos sirven para reforzar desigualdades existentes como el sexismo, el racismo o el clasismo. En palabras de Catherine D’Ignazio, se trata de “una crítica del machismo oculto en la mayoría de las narrativas en torno al big data”. Más allá de suministrar recetas sencillas para evitar malas praxis, este marco <strong>analiza cuidadosamente las relaciones de poder</strong> que se tejen en las distintas fases del proceso tecnológico (desde el diseño hasta la difusión) y plantea preguntas filosóficas cruciales sobre la dimensión encarnada de los datos, la riqueza epistemológica de la pluralidad, o la importancia hermenéutica del contexto.</p><p>En esta sesión contaremos con la participación de <a href="http://www.digitalfems.org/" target="_blank">Digital Fems,</a> una organización que defiende la diversidad de género en la industria tech yque ha impulsado proyectos como “Datos contra el ruido” utilizando el <em>big data </em>para visibilizar las violencias machistas.</p><p><strong>Coordinador/a sesión: </strong><a href="https://tecnopolitica.net/es/autor/toni-navarro" target="_blank">Toni Navarro</a></p><p><strong>Invitada/o: </strong><a href="http://www.digitalfems.org/" target="_blank">Digital Fems</a></p><p><strong> Materiales:</strong></p><p><a href="https://www.manifestno.com/home" target="_blank">Feminist Data Manifest-No</a></p><p><a href="https://utopia.partidopirata.com.ar/zines/manifiesto_por_algoritmias_hackfeministas.pdf" target="_blank">Manifiesto por Algoritmias Hackfeministas</a></p><p><a href="https://mutabit.com/repos.fossil/datafem/uv/datafem.pdf" target="_blank">Data Feminism</a></p><p>La sesión se hará en castellano.</p><p><strong>Habrá streaming disponible </strong><a href="https://youtu.be/P5hUU-tknZs" target="_blank"><strong>aqui</strong></a><strong>.</strong></p>
Description (Català)
-
-
L'economia de dades planteja desafiaments derivats de la recol·lecció, processament, intercanvi i ús dels mateixos. Molts dels debats al voltant de la privacitat, el consentiment, la seguretat o l'anonimat digital s'emmarquen en el terreny de l'ètica. No obstant això, el que problemes com les noves formes de discriminació i injustícia algorítmiques s'aborden com problemes morals serveix d'excusa perquè les corporacions tecnològiques eludeixin la regulació i rendició de comptes. Per això, cal trobar un marc ètic crític i comú per evitar criteris arbitraris sense incidència real sobre els efectes discriminatoris d'aquests algoritmes.
Un d'aquests possibles marcs és l'ètica feminista de les dades, un camp d'estudi recent que examina des d'un enfocament interseccional la manera en què les pràctiques estàndard en ciència de dades serveixen per reforçar desigualtats existents com el sexisme, el racisme o el classisme. En paraules de Catherine D'Ignazio, es tracta d' "una crítica del masclisme ocult en la majoria de les narratives al voltant del big data". Més enllà de subministrar receptes senzilles per evitar males praxis, aquest marc analitza acuradament les relacions de poder que es teixeixen en les diferents fases del procés tecnològic (des del disseny fins a la difusió) i planteja preguntes filosòfiques crucials sobre la dimensió encarnada de les dades, la riquesa epistemològica de la pluralitat, o la importància hermenèutica del context.
En aquesta sessió comptarem amb la participació de Digital Fems, una organització que defensa la diversitat de gènere en la indústria tech i que ha impulsat projectes com "Dades contra el soroll" utilitzant el big data per visibilitzar les violències masclistes.
Coordinador/a sessió: Toni Navarro
Convidat/ada: Digital Fems
Materials:
Manifiest por Algoritmias Hackfeministas
La sessió es farà en castellà.
-
+
L'economia de dades planteja desafiaments derivats de la recol·lecció, processament, intercanvi i ús dels mateixos. Molts dels debats al voltant de la privacitat, el consentiment, la seguretat o l'anonimat digital s'emmarquen en el terreny de l'ètica. No obstant això, el que problemes com les noves formes de discriminació i injustícia algorítmiques s'aborden com problemes morals serveix d'excusa perquè les corporacions tecnològiques eludeixin la regulació i rendició de comptes. Per això, cal trobar un marc ètic crític i comú per evitar criteris arbitraris sense incidència real sobre els efectes discriminatoris d'aquests algoritmes.
Un d'aquests possibles marcs és l'ètica feminista de les dades, un camp d'estudi recent que examina des d'un enfocament interseccional la manera en què les pràctiques estàndard en ciència de dades serveixen per reforçar desigualtats existents com el sexisme, el racisme o el classisme. En paraules de Catherine D'Ignazio, es tracta d' "una crítica del masclisme ocult en la majoria de les narratives al voltant del big data". Més enllà de subministrar receptes senzilles per evitar males praxis, aquest marc analitza acuradament les relacions de poder que es teixeixen en les diferents fases del procés tecnològic (des del disseny fins a la difusió) i planteja preguntes filosòfiques crucials sobre la dimensió encarnada de les dades, la riquesa epistemològica de la pluralitat, o la importància hermenèutica del context.
En aquesta sessió comptarem amb la participació de Digital Fems, una organització que defensa la diversitat de gènere en la indústria tech i que ha impulsat projectes com "Dades contra el soroll" utilitzant el big data per visibilitzar les violències masclistes.
Coordinador/a sessió: Toni Navarro
Convidat/ada: Digital Fems
Materials:
Manifiest por Algoritmias Hackfeministas
La sessió es farà en castellà.
Hi haurà streaming disponible aqui.
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" alt=""></p><p>L'economia de dades planteja desafiaments derivats de la recol·lecció, processament, intercanvi i ús dels mateixos. Molts dels debats al voltant de la<strong> privacitat, el consentiment, la seguretat o l'anonimat digita</strong>l s'emmarquen en el terreny de l'ètica. No obstant això, el que problemes com les noves formes de discriminació i injustícia algorítmiques s'aborden com problemes morals serveix d'excusa perquè les corporacions tecnològiques eludeixin la regulació i rendició de comptes. Per això, <strong>cal trobar un marc ètic crític i comú</strong> per evitar criteris arbitraris sense incidència real sobre els efectes discriminatoris d'aquests algoritmes.</p><p>Un d'aquests possibles marcs és <strong>l'ètica feminista de les dades</strong>, un camp d'estudi recent que examina des d'un enfocament interseccional la manera en què les pràctiques estàndard en ciència de dades serveixen per reforçar desigualtats existents com el sexisme, el racisme o el classisme. En paraules de Catherine D'Ignazio, es tracta d' "una crítica del masclisme ocult en la majoria de les narratives al voltant del big data". Més enllà de subministrar receptes senzilles per evitar males praxis, aquest marc analitza a<strong>curadament les relacions de pode</strong>r que es teixeixen en les diferents fases del procés tecnològic (des del disseny fins a la difusió) i planteja preguntes filosòfiques crucials sobre la dimensió encarnada de les dades, la riquesa epistemològica de la pluralitat, o la importància hermenèutica del context.</p><p>En aquesta sessió comptarem amb la participació de <a href="http://www.digitalfems.org/" target="_blank">Digital Fems,</a> una organització que defensa la diversitat de gènere en la indústria tech i que ha impulsat projectes com "Dades contra el soroll" utilitzant el big data per visibilitzar les violències masclistes.</p><p><strong>Coordinador/a sessió</strong>: <a href="https://tecnopolitica.net/es/autor/toni-navarro" target="_blank">Toni Navarro</a></p><p><strong>Convidat/ada</strong>: <a href="http://www.digitalfems.org/" target="_blank">Digital Fems</a></p><p><strong> Materials:</strong></p><p><a href="https://www.manifestno.com/home" target="_blank">Feminist Data Manifest-No</a></p><p><a href="https://utopia.partidopirata.com.ar/zines/manifiesto_por_algoritmias_hackfeministas.pdf" target="_blank">Manifiest por Algoritmias Hackfeministas</a></p><p><a href="https://mutabit.com/repos.fossil/datafem/uv/datafem.pdf" target="_blank">Data Feminism</a></p><p>La sessió es farà en castellà.</p>- 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"></p><p>L'economia de dades planteja desafiaments derivats de la recol·lecció, processament, intercanvi i ús dels mateixos. Molts dels debats al voltant de la<strong> privacitat, el consentiment, la seguretat o l'anonimat digita</strong>l s'emmarquen en el terreny de l'ètica. No obstant això, el que problemes com les noves formes de discriminació i injustícia algorítmiques s'aborden com problemes morals serveix d'excusa perquè les corporacions tecnològiques eludeixin la regulació i rendició de comptes. Per això, <strong>cal trobar un marc ètic crític i comú</strong> per evitar criteris arbitraris sense incidència real sobre els efectes discriminatoris d'aquests algoritmes.</p><p>Un d'aquests possibles marcs és <strong>l'ètica feminista de les dades</strong>, un camp d'estudi recent que examina des d'un enfocament interseccional la manera en què les pràctiques estàndard en ciència de dades serveixen per reforçar desigualtats existents com el sexisme, el racisme o el classisme. En paraules de Catherine D'Ignazio, es tracta d' "una crítica del masclisme ocult en la majoria de les narratives al voltant del big data". Més enllà de subministrar receptes senzilles per evitar males praxis, aquest marc analitza a<strong>curadament les relacions de pode</strong>r que es teixeixen en les diferents fases del procés tecnològic (des del disseny fins a la difusió) i planteja preguntes filosòfiques crucials sobre la dimensió encarnada de les dades, la riquesa epistemològica de la pluralitat, o la importància hermenèutica del context.</p><p>En aquesta sessió comptarem amb la participació de <a href="http://www.digitalfems.org/" target="_blank">Digital Fems,</a> una organització que defensa la diversitat de gènere en la indústria tech i que ha impulsat projectes com "Dades contra el soroll" utilitzant el big data per visibilitzar les violències masclistes.</p><p><strong>Coordinador/a sessió</strong>: <a href="https://tecnopolitica.net/es/autor/toni-navarro" target="_blank">Toni Navarro</a></p><p><strong>Convidat/ada</strong>: <a href="http://www.digitalfems.org/" target="_blank">Digital Fems</a></p><p><strong> Materials:</strong></p><p><a href="https://www.manifestno.com/home" target="_blank">Feminist Data Manifest-No</a></p><p><a href="https://utopia.partidopirata.com.ar/zines/manifiesto_por_algoritmias_hackfeministas.pdf" target="_blank">Manifiest por Algoritmias Hackfeministas</a></p><p><a href="https://mutabit.com/repos.fossil/datafem/uv/datafem.pdf" target="_blank">Data Feminism</a></p><p>La sessió es farà en castellà.</p><p><strong>Hi haurà streaming disponible </strong><a href="https://youtu.be/P5hUU-tknZs" target="_blank"><strong>aqui</strong></a><strong>.</strong></p>
-
-
L'economia de dades planteja desafiaments derivats de la recol·lecció, processament, intercanvi i ús dels mateixos. Molts dels debats al voltant de la privacitat, el consentiment, la seguretat o l'anonimat digital s'emmarquen en el terreny de l'ètica. No obstant això, el que problemes com les noves formes de discriminació i injustícia algorítmiques s'aborden com problemes morals serveix d'excusa perquè les corporacions tecnològiques eludeixin la regulació i rendició de comptes. Per això, cal trobar un marc ètic crític i comú per evitar criteris arbitraris sense incidència real sobre els efectes discriminatoris d'aquests algoritmes.
Un d'aquests possibles marcs és l'ètica feminista de les dades, un camp d'estudi recent que examina des d'un enfocament interseccional la manera en què les pràctiques estàndard en ciència de dades serveixen per reforçar desigualtats existents com el sexisme, el racisme o el classisme. En paraules de Catherine D'Ignazio, es tracta d' "una crítica del masclisme ocult en la majoria de les narratives al voltant del big data". Més enllà de subministrar receptes senzilles per evitar males praxis, aquest marc analitza acuradament les relacions de poder que es teixeixen en les diferents fases del procés tecnològic (des del disseny fins a la difusió) i planteja preguntes filosòfiques crucials sobre la dimensió encarnada de les dades, la riquesa epistemològica de la pluralitat, o la importància hermenèutica del context.
En aquesta sessió comptarem amb la participació de Digital Fems, una organització que defensa la diversitat de gènere en la indústria tech i que ha impulsat projectes com "Dades contra el soroll" utilitzant el big data per visibilitzar les violències masclistes.
Coordinador/a sessió: Toni Navarro
Convidat/ada: Digital Fems
Materials:
Manifiest por Algoritmias Hackfeministas
La sessió es farà en castellà.
-
+
L'economia de dades planteja desafiaments derivats de la recol·lecció, processament, intercanvi i ús dels mateixos. Molts dels debats al voltant de la privacitat, el consentiment, la seguretat o l'anonimat digital s'emmarquen en el terreny de l'ètica. No obstant això, el que problemes com les noves formes de discriminació i injustícia algorítmiques s'aborden com problemes morals serveix d'excusa perquè les corporacions tecnològiques eludeixin la regulació i rendició de comptes. Per això, cal trobar un marc ètic crític i comú per evitar criteris arbitraris sense incidència real sobre els efectes discriminatoris d'aquests algoritmes.
Un d'aquests possibles marcs és l'ètica feminista de les dades, un camp d'estudi recent que examina des d'un enfocament interseccional la manera en què les pràctiques estàndard en ciència de dades serveixen per reforçar desigualtats existents com el sexisme, el racisme o el classisme. En paraules de Catherine D'Ignazio, es tracta d' "una crítica del masclisme ocult en la majoria de les narratives al voltant del big data". Més enllà de subministrar receptes senzilles per evitar males praxis, aquest marc analitza acuradament les relacions de poder que es teixeixen en les diferents fases del procés tecnològic (des del disseny fins a la difusió) i planteja preguntes filosòfiques crucials sobre la dimensió encarnada de les dades, la riquesa epistemològica de la pluralitat, o la importància hermenèutica del context.
En aquesta sessió comptarem amb la participació de Digital Fems, una organització que defensa la diversitat de gènere en la indústria tech i que ha impulsat projectes com "Dades contra el soroll" utilitzant el big data per visibilitzar les violències masclistes.
Coordinador/a sessió: Toni Navarro
Convidat/ada: Digital Fems
Materials:
Manifiest por Algoritmias Hackfeministas
La sessió es farà en castellà.
Hi haurà streaming disponible aqui.
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" alt=""></p><p>L'economia de dades planteja desafiaments derivats de la recol·lecció, processament, intercanvi i ús dels mateixos. Molts dels debats al voltant de la<strong> privacitat, el consentiment, la seguretat o l'anonimat digita</strong>l s'emmarquen en el terreny de l'ètica. No obstant això, el que problemes com les noves formes de discriminació i injustícia algorítmiques s'aborden com problemes morals serveix d'excusa perquè les corporacions tecnològiques eludeixin la regulació i rendició de comptes. Per això, <strong>cal trobar un marc ètic crític i comú</strong> per evitar criteris arbitraris sense incidència real sobre els efectes discriminatoris d'aquests algoritmes.</p><p>Un d'aquests possibles marcs és <strong>l'ètica feminista de les dades</strong>, un camp d'estudi recent que examina des d'un enfocament interseccional la manera en què les pràctiques estàndard en ciència de dades serveixen per reforçar desigualtats existents com el sexisme, el racisme o el classisme. En paraules de Catherine D'Ignazio, es tracta d' "una crítica del masclisme ocult en la majoria de les narratives al voltant del big data". Més enllà de subministrar receptes senzilles per evitar males praxis, aquest marc analitza a<strong>curadament les relacions de pode</strong>r que es teixeixen en les diferents fases del procés tecnològic (des del disseny fins a la difusió) i planteja preguntes filosòfiques crucials sobre la dimensió encarnada de les dades, la riquesa epistemològica de la pluralitat, o la importància hermenèutica del context.</p><p>En aquesta sessió comptarem amb la participació de <a href="http://www.digitalfems.org/" target="_blank">Digital Fems,</a> una organització que defensa la diversitat de gènere en la indústria tech i que ha impulsat projectes com "Dades contra el soroll" utilitzant el big data per visibilitzar les violències masclistes.</p><p><strong>Coordinador/a sessió</strong>: <a href="https://tecnopolitica.net/es/autor/toni-navarro" target="_blank">Toni Navarro</a></p><p><strong>Convidat/ada</strong>: <a href="http://www.digitalfems.org/" target="_blank">Digital Fems</a></p><p><strong> Materials:</strong></p><p><a href="https://www.manifestno.com/home" target="_blank">Feminist Data Manifest-No</a></p><p><a href="https://utopia.partidopirata.com.ar/zines/manifiesto_por_algoritmias_hackfeministas.pdf" target="_blank">Manifiest por Algoritmias Hackfeministas</a></p><p><a href="https://mutabit.com/repos.fossil/datafem/uv/datafem.pdf" target="_blank">Data Feminism</a></p><p>La sessió es farà en castellà.</p>
- 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"></p><p>L'economia de dades planteja desafiaments derivats de la recol·lecció, processament, intercanvi i ús dels mateixos. Molts dels debats al voltant de la<strong> privacitat, el consentiment, la seguretat o l'anonimat digita</strong>l s'emmarquen en el terreny de l'ètica. No obstant això, el que problemes com les noves formes de discriminació i injustícia algorítmiques s'aborden com problemes morals serveix d'excusa perquè les corporacions tecnològiques eludeixin la regulació i rendició de comptes. Per això, <strong>cal trobar un marc ètic crític i comú</strong> per evitar criteris arbitraris sense incidència real sobre els efectes discriminatoris d'aquests algoritmes.</p><p>Un d'aquests possibles marcs és <strong>l'ètica feminista de les dades</strong>, un camp d'estudi recent que examina des d'un enfocament interseccional la manera en què les pràctiques estàndard en ciència de dades serveixen per reforçar desigualtats existents com el sexisme, el racisme o el classisme. En paraules de Catherine D'Ignazio, es tracta d' "una crítica del masclisme ocult en la majoria de les narratives al voltant del big data". Més enllà de subministrar receptes senzilles per evitar males praxis, aquest marc analitza a<strong>curadament les relacions de pode</strong>r que es teixeixen en les diferents fases del procés tecnològic (des del disseny fins a la difusió) i planteja preguntes filosòfiques crucials sobre la dimensió encarnada de les dades, la riquesa epistemològica de la pluralitat, o la importància hermenèutica del context.</p><p>En aquesta sessió comptarem amb la participació de <a href="http://www.digitalfems.org/" target="_blank">Digital Fems,</a> una organització que defensa la diversitat de gènere en la indústria tech i que ha impulsat projectes com "Dades contra el soroll" utilitzant el big data per visibilitzar les violències masclistes.</p><p><strong>Coordinador/a sessió</strong>: <a href="https://tecnopolitica.net/es/autor/toni-navarro" target="_blank">Toni Navarro</a></p><p><strong>Convidat/ada</strong>: <a href="http://www.digitalfems.org/" target="_blank">Digital Fems</a></p><p><strong> Materials:</strong></p><p><a href="https://www.manifestno.com/home" target="_blank">Feminist Data Manifest-No</a></p><p><a href="https://utopia.partidopirata.com.ar/zines/manifiesto_por_algoritmias_hackfeministas.pdf" target="_blank">Manifiest por Algoritmias Hackfeministas</a></p><p><a href="https://mutabit.com/repos.fossil/datafem/uv/datafem.pdf" target="_blank">Data Feminism</a></p><p>La sessió es farà en castellà.</p><p><strong>Hi haurà streaming disponible </strong><a href="https://youtu.be/P5hUU-tknZs" target="_blank"><strong>aqui</strong></a><strong>.</strong></p>