Big Data y la alfabetización posthumana del futuro profesorado

SOCIOLOGÍA Y TECNOCIENCIA, 11 Extra_2, (2021): 102-122 ISSN: 1989-8487 BigDataylaalfabetizaciónposthumanadelfuturo profesorado.1*  BigDataandthepost‐humanliteracyoffutureteachers JOSÉ MIGUEL CORREA GOROSPE Didáctica y Organización Escolar Facultad de Educación, Filosofía y Antropología Universidad del País Vasco / Euskal Herriko Unibertsitatea (UPV/EHU) Plaza Oñati, 3, 20018, Donostia-San Sebastián, España. [email protected] ORCID: 0000-0002-6570-9905 DANIEL LOSADA IGLESIAS Didáctica y Organización Escolar Facultad de Educación, Filosofía y Antropología Universidad del País Vasco / Euskal Herriko Unibertsitatea (UPV/EHU) Avenidad de Tolosa, 70, 20018, Donostia-San Sebastián, España. [email protected] ORCID: 0000-0003-3842-7694 AINGERU GUTIÉRREZ-CABELLO BARRAGÁN Didáctica y Organización Escolar Facultad de Educación, Filosofía y Antropología Universidad del País Vasco / Euskal Herriko Unibertsitatea (UPV/EHU) Avenidad de Tolosa, 70, 20018, Donostia-San Sebastián, España. [email protected] ORCID: 0000-0001-6841-1170 DOI: https://doi.org/10.24197/st.Extra_2.2021.102-122 RECIBIDO: 22/02/2021 ACEPTADO: 24/06/2021 Resumen: Reivindicamos para los futuros docentes una formación ética, informada y reflexivaquepermitaenfrentarsealosdesafíos de los grandes datos. Argumentamos que big data tiene un problema de empoderamiento por su falta de transparencia, recolección extractiva, complejidad tecnológica y falta de Abstract:Wedemandforthefutureteachersan ethical,informedandreflexiveformationthat allowstofacethechallengesoftheBigData. WearguethatBigDatahasanempowerment problem because of its lack of transparency, extractivecollection,technologicalcomplexity andlackofcontroloveritsimpact.These  1* Este trabajo se ha realizado en el marco del Proyecto de Investigación, financiado por la Universidad. BigDataylaalfabetizaciónposthumanadelfuturoprofesorado 103 SOCIOLOGÍA Y TECNOCIENCIA, 11 Extra_2, (2021): 102-122 ISSN: 1989-8487 control sobre su impacto. Estos problemas puedenserabordadosparcialmenteatravésde laeducaciónylaformacióndelosylasfuturas docentes implicadas en la formación de la ciudadanía. Proponemos, desde un posicionamiento postcualitativo, una serie de ideas siempre provisionales de actividades de aprendizaje para empezar a construir la alfabetizaciónendatosdelasfuturasdocentes.  Palabras clave: postcualitativo, tecnología, universidad,teachereducation,etica problemscanbepartiallyaddressedthroughthe education and training of future teachers involvedintheformationofcitizenship. Wepropose,fromapost‐qualitativeposition,a series of ideas always provisional for learning activitiestostartbuildingliteracyinDataofthe futureteachers.  Keywords: postqualitative, technology, university,teachereducation,ethics 104 Correaetal. SOCIOLOGÍA Y TECNOCIENCIA, 11 Extra_2, (2021): 102-122 ISSN: 1989-8487 1. INTRODUCCION. Nuestra vida cotidiana está entrelazada con los ordenadores y sistemas informáticos. Desde realizar una búsqueda en Google hasta encontrar direcciones en nuestros teléfonos, dependemos de procesos a menudo ocultos de inteligencia artificial para guiar lo que vemos, a dónde vamos y cómo tomamos decisiones. A medida que la inteligencia artificial y sus atentos agentes y procesos informáticos — computadoras, teléfonos, aparatos de vigilancia, bots, datos, algoritmos — se han colado en nuestras vidas, también se han convertido en un tema común de debate en la esfera pública y en muchas disciplinas académicas. Esta hiperconectividad es un rasgo de las personas pertenecientes a la sociedad digital actual que debe ser estudiado más allá de meras perspectivas simplistas que los asumen como datos fríos, y en su lugar, deberían ser concebidos como indicadores de la forma en que las personas y las organizaciones están configurando sociedad digital (Buitrago-Ropero, Ramírez-Montoya, & Laverde, 2020). Los grandes datos están muy presentes en la política educativa y en las reformas educativas de hoy en día ya que ahora muchas escuelas toman decisiones sobre lo que los estudiantes aprenden, cómo se les enseña y cómo se les trata, basándose en los datos recopilados sobre los estudiantes mediante el uso de plataformas y aplicaciones tecnológicas educativas. Los grandes datos, el big data, se ha convertido en un término polémico que es técnico y social. Detrás del alcance técnico de su significado (programas y procesos informáticos), hay un aspecto social, de personas, agendas políticas, relaciones de poder e intereses comerciales y empresariales con los que están relacionados estos grandes datos. El big data en el mundo educativo tiene una importante influencia en dos aspectos que se retroalimentan para reconfigurar el aprendizaje. En primer lugar, el problema de escuelas, profesores y alumnos que se han convertido en productores de datos gracias a la digitalización y datificación de las prácticas. Y en segundo lugar, porque debido a la capacidad de transformación del contexto educativo que ha impulsado el desarrollo de la inteligencia artificial y el avance del aprendizaje automático, el big data, tal como nos sugiere Williamson (2018) se nos presenta con el potencial de predecir y dar forma al futuro. Estos dos aspectos tienen en el contexto educativo, implicaciones importantes relacionadas por un lado con la brecha digital de grandes datos. Y por otro con el desarrollo de una competencia digital en los docentes, que nos capacite para enfrentarnos de manera informada, reflexiva y ética a los desafíos que esta nueva realidad nos enfrenta en la práctica y en la investigación educativa. En este texto argumentamos que big data tiene un problema de empoderamiento debido a su falta de transparencia, complejidad tecnológica y falta de control sobre el impacto de los datos recogidos. Dado que políticas educativas, políticas publicas y reglamentos o normativas relacionadas con los datos y su BigDataylaalfabetizaciónposthumanadelfuturoprofesorado 105 SOCIOLOGÍA Y TECNOCIENCIA, 11 Extra_2, (2021): 102-122 ISSN: 1989-8487 privacidad van por detrás de los constantes avances y desafíos que se nos presentan en el día a día de nuestra práctica y de nuestra investigación educativa, finalizamos nuestro texto reivindicando una ética informada y reflexiva (Gillemin & Gillam, 2004) en la formación del profesorado, que posibilite afrontar los desafíos éticos al que nos enfrentan el big data. En el texto, primero se analiza el big data en el ámbito educativo para comprender su sentido y transcendencia. Delineamos por qué la alfabetización de los grandes datos es un concepto desafiante y proponemos, una serie de ideas provisionales para actividades de aprendizaje que pueden empezar a construir la alfabetización en datos de las futuras docentes. Posteriormente, desde el posicionamiento postcualitativo donde nos ubicamos tanto en la enseñanza como en la investigación, relacionamos nuestras experiencias de alfabetización en datos, con otras experiencias internacionales similares. Para organizar el contenido del texto y facilitar la comprensión de nuestra reflexión hemos formulado tres preguntas que nos ayudan en nuestra indagación. 1. ¿Qué son los grandes datos, cómo informan la práctica educativa? 2. ¿cuáles son las cuestiones y tensiones éticas que emergen de estos usos? y 3. ¿cómo orientar la alfabetización de los grandes datos para dar una respuesta a estos desafíos éticos? Para nosotros, este texto es una oportunidad de poner en relación las experiencias que hemos desarrollado en la formación incial del profesorado alertando del problema de la privacidad, de la vigilancia y del control de la ciudadanía, con otras experiencias que también investigan la alfabetización de los grandes datos. 2. BIG DATA Y EDUCACIÓN. Existe un interés real en el campo de investigación de los grandes datos (Franco, Matas y Leiva, 2020). Dada la creciente importancia de los grandes datos y sistemas automatizados en todos los ámbitos de la sociedad, muchos sostienen que hemos entrado en la era de la "datificación" (Gray, Gerlitz & Bounegru, 2018; Redden, 2018), otros hablan de capitalismo de vigilancia (Zuboff, 2019) advirtiendo que nos ha convertido en yonquis tecnológicos (Alter, 2018). Con las empresas privadas y los gobiernos de todo el mundo que recogen y analizan grandes cantidades de datos personales, se ha producido una "profunda transformación en la forma en que se ordena la sociedad, se toman decisiones y se vigila a los ciudadanos a través de grandes datos (Hintz, Dencik, & Wahl-Jorgensen, 2018, pág. 2f). Big data es un término controvertido y aún no ha surgido una definición universal (Zuboff, 2015). Sin embargo, muchos estudiosos hacen hincapié no solo en las características técnicas de los grandes datos, sino también en sus orígenes sociales, considerándolos como un "fenómeno sociotécnico" que "se refiere menos a los datos que son grandes como a la capacidad de buscar, agregar y cruzar grandes conjuntos de datos" (Boyd & Crawford, 2012, pág. 663). 106 Correaetal. SOCIOLOGÍA Y TECNOCIENCIA, 11 Extra_2, (2021): 102-122 ISSN: 1989-8487 Para Ben-Porath y Ben Shahar (2017) una forma de identificar lo que el descriptor "grande" significa en grandes datos es la forma en que estos datos pueden ser gestionados, es decir, que sean lo suficientemente grandes como para que no puedan ser almacenados y analizados utilizando aplicaciones informáticas y de procesamiento tradicionales. Los grandes datos ofrecen muchas oportunidades interesantes para que los académicos, los responsables de las políticas educativas y los profesionales de la educación obtengan nuevas clasificaciones de viejos problemas y desarrollen nuevos instrumentos para abordarlos. La divulgación e información mediática ha incrementado la conciencia pública de estas actividades de registro, vigilancia y control alertándonos de los peligros en sus diferentes frentes: Google, Amazon, Facebook, Apple. El big data no es una representación objetiva del mundo, sino una fuente de poder social (O´Neil, 2017). Tanto académicos como activistas están haciendo sonar la alarma sobre la concentración de poder y capital en manos de unas pocas empresas que utilizan sistemas de recopilación, análisis y presentación de datos -mediante la inteligencia artificial y los grandes datospara manipular el comportamiento, desde la interferencia en las elecciones, la polarización de los medios de comunicación social, el fomento de la tecnología de vigilancia o el sesgo algorítmico, entre otras (Eubanks, 2018; Zuboff, 2019) 3. LA DIGITALIZACION Y DATIFICACION EN LA EDUCACION. Las escuelas, profesores y alumnos se han convertido en grandes productores de datos, responsables de registrar todos sus movimientos y actuaciones. El big data, además de recolectar datos, los analiza y busca patrones, devuelve información que ayuda a mejorar y reconfigurar el sistema. Para Southerton (2020), la “datificación” es una tendencia tecnológica que convierte muchos aspectos de nuestra vida en datos, cuantificables y legibles por máquinas con el fin de agregarlos y analizarlos, que se traduce en información de valor sobre el comportamiento humano y los problemas sociales. La learning analytics sirve para analizar e interpretar esos datos mediante técnicas pedagógicas y algoritmos con la finalidad de personalizar el aprendizaje de los alumnos y diseñar sistemas que ofrezcan a los estudiantes un menú de opciones de aprendizaje (Eynon, 2013), generar evidencias, mejorar la eficiencia de las escuelas y conseguir la innovación continua. Pero este procesamiento de datos, lejos de ser algo objetivo y neutral, es un proceso social, sometido a las tensiones, influencias, juegos de poder y desigualdades. La aparición de grandes datos en contextos educativos ha dado lugar a nuevos enfoques basados en datos para apoyar la adopción de decisiones informadas y los esfuerzos por mejorar la eficacia de la educación. Los rastros digitales del comportamiento de los estudiantes prometen una mejor comprensión de los procesos de aprendizaje, que antes eran demasiado costosos de obtener con las fuentes de datos BigDataylaalfabetizaciónposthumanadelfuturoprofesorado 107 SOCIOLOGÍA Y TECNOCIENCIA, 11 Extra_2, (2021): 102-122 ISSN: 1989-8487 y las metodologías tradicionales. Por ejemplo, los datos de los textos de los estudiantes son a menudo analizados con técnicas de procesamiento del lenguaje natural para relacionar las características lingüísticas con los procesos cognitivos, sociales, conductuales y afectivos. O los datos institucionales, que se recogen en las plataformas universitarias, se utilizan a menudo para mejorar la toma de decisiones de los estudiantes y la orientación de los cursos. Las principales empresas tecnológicas del mundo tienen divisiones educativas en las que se concibe la educación como una oportunidad de negocio, desde donde ejercer influencia política y seguir reivindicando políticas educativas basadas en los datos. Estamos asistiendo a una cada vez mayor digitalización y datificación de todas nuestras experiencias educativas. No solo por el aumento de la popularidad de los cursos en línea masivos y abiertos (MOOC), sino también por la multiplicidad de experiencias de aprendizaje mediadas por plataformas digitales que están al alcance de los estudiantes de todas las edades. Por ejemplo en la educación superior, ha habido una creciente experimentación que explora las tecnologías del habla, el texto de predicción o los correctores ortográficos. Más recientemente, está surgiendo cada vez más la automatización en torno al apoyo a los estudiantes (Myers et al., 2019) o la evaluación y la revisión de los planes de estudios (Garg, 2020; Chan & Zary, 2019). También se ha experimentado con robots diseñados para realizar alguna función docente, por lo general en forma de hacer preguntas, proporcionar retroalimentación y realizar tareas administrativas adicionales relacionadas con la función docente (Sandu & Gide, 2019). En otros niveles educativos no universitarios, también se han extendido las prácticas con big data. Por ejemplo en Sillicon Valley surgió AltSchool, una escuela de las denominadas start up, que intentó convertirse en una alternativa al modelo tradicional. Siguiendo modelos de éxito como Airbnb o Uber, que fue diseñada para que funcionase con la misma plataforma de analítica de datos, queriendo hacer posible una auténtica enseñanza personalizada. Pero AltSchool (BBC, 2017), con clases hiperpersonalizadas y cámaras que vigilan las 24 horas, no es simplemente una plataforma técnica sino el reflejo de una visión de lo que significa estar educado o educada. Esta experiencia de AltSchool ha influido en propuestas como Altitude Learning (https://www.altitudelearning.com/), Design39Campus (https://design39campus.com) o Odyssey Stem Academy (https://odyssey.pusdschools.net/) que trabajan para expandir un ecosistema de aprendizaje centrado en el alumno en colaboración con el consorcio internacional de gestión de contenidos itslearning y Google for Education. Esta concepción de mediación tecnológica para una enseñanza personalizada, afecta a lo que entendemos por curriculum, a la didáctica o la evaluación. Y también a la relación de los estudiantes con el conocimiento, la comunicación interpersonal, su motivación, el papel del cuerpo en los aprendizajes o las relaciones pedagógicas. 108 Correaetal. SOCIOLOGÍA Y TECNOCIENCIA, 11 Extra_2, (2021): 102-122 ISSN: 1989-8487 Estas escuelas y experiencias, no son solo una conquista técnica en analítica de datos, es un fenómeno socio-técnico (Williamson, 2019), un modelo de inversión, competitividad y negocio que dice mucho del modelo educativo que se está construyendo. La tecnología actúa como una provocación para imaginar y articular nuevas configuraciones pedagógicas (Gallagher, Breines & Blaney, 2020). Las tecnologías emergentes y polémicas como la automatización pueden utilizarse para estimular una reconfiguración de la práctica pedagógica en "contextos sociales y organizativos complejos, dinámicos, desordenados y políticos que están en constante cambio y que se configurarán, y serán configurados, por la "digitalización" (Jandrić et al. 2018, p. 3). En este nuevo contexto en permanente cambio y transformación, donde lo tecnológico tiene un importante papel protagonista, la formación de los profesores aparece como un reto para poder educar una ciudadanía alfabetizada y crítica con los medios digitales y los grandes datos. . 4. NECESIDAD DE ALFABETIZACION EN GRANDES DATOS. 4.1. El aprendizaje de los datos en la sociedad contemporánea. En las sociedades actuales de datos, los ciudadanos deben ser conscientes de estos sistemas que afectan a tantas áreas de sus vidas, y es esencial un debate público crítico sobre las prácticas de datos y la necesaria formación. Esto nos afecta de una doble manera. Por un lado, las escuelas y las propuestas formativas pueden fundamentarse en evidencias recogidas a través de los procedimientos de digitalización y datificación. Y por otro, los profesores, alumnos o administradores tienen que enfrentarse con conocimiento, de forma informada y competente ante estos escenarios tecnológicos de rápida evolución, expansión y renovación tecnológica, que son muy delicados porque manejan información sensible de los participantes. Una realidad que permite la personalización de la educación, pero también una posible manipulación peligrosa de las propuestas educativas a partir de la lectura de datos: la tentación de confiar exclusivamente en lo que se pueda digitalizar y datificar, excluyendo o ignorando otras opciones valiosas de los aprendizajes y relaciones pedagógicas. Este nuevo contexto nos exige repensar el rol de los docentes y las necesidades de su formación. Repensar qué tipo de aptitudes y conocimientos se necesitan en la práctica e investigación educativa para utilizar Internet y las tecnologías conexas de manera informada en un momento en que escuelas, profesores y alumnos son incesantes productores de datos. La responsabilidad que tienen los docentes en la enseñanza y servir como modelos a seguir en el uso de la tecnología justifica la atención a la privacidad y la alfabetización de los datos en la formación del profesorado desde un enfoque holístico (Marín, Carpenter & Tur, 2020). BigDataylaalfabetizaciónposthumanadelfuturoprofesorado 109 SOCIOLOGÍA Y TECNOCIENCIA, 11 Extra_2, (2021): 102-122 ISSN: 1989-8487 Por lo tanto, sugerimos que el conocimiento crítico de los grandes datos en la práctica, debería significar competencia tecnológica y conciencia, comprensión y capacidad de reflexionar críticamente sobre las prácticas de recopilación de datos. Y también sobre los intereses económicos y comerciales, o los posibles riesgos e implicaciones que conllevan estas prácticas, así como la capacidad de aplicar este conocimiento para un uso más empoderado de Internet (Sander, 2020). 4.2. Objetivos de la alfabetización crítica El objetivo de la alfabetización crítica sobre los grandes datos no es afectar a los usuarios de Internet de manera que les haga sentirse negativamente sobre toda la recopilación y análisis de datos o incluso resignarse a esas grandes prácticas en materia de datos (Turow, Hennessy & Draper, 2015). El objetivo es más bien fomentar la conciencia y la comprensión de los usuarios sobre lo que sucede con sus datos. Algo que les permitiría cuestionar y examinar los sistemas sociotécnicos de las grandes prácticas de datos, sopesar las pruebas, crear opiniones informadas sobre los debates actuales en torno al análisis de los datos, así como tomar decisiones informadas sobre opciones personales, como los datos que deben compartirse o los servicios que deben utilizarse. Aunque las diversas competencias técnicas para utilizar los medios digitales, los conjuntos de datos e Internet con fines específicos son sin duda importantes, se necesita en la docencia e investigación educativa ser capaces de comprender y reflexionar críticamente sobre la omnipresente recopilación de datos personales y colectivos y los posibles riesgos e implicaciones que conllevan estas grandes prácticas de datos (Pangrazio & Selwyn, 2019), y también desafiar los "mitos" comunes en torno a la naturaleza objetiva de los grandes datos (Boyd & Crawford, 2012). 4.3. Diagnóstico de la situación. Sin embargo, por el momento, el conocimiento y la comprensión de la gente sobre estos temas parecen fragmentados. Investigaciones recientes han demostrado el desconocimiento de los europeos sobre los algoritmos (Grzymek & Puntschuh, 2019); o la confianza equivocada de los americanos en las políticas de privacidad (Turow, Hennessy & Draper, 2018). También la falta de conocimiento sobre la ubicación de las personas o estrategias para conocer sus preferencias personales; o incluso la idea tan superficial que se tiene sobre el sistema general de las grandes prácticas de datos y de cómo esto podría afectar a la vida y a nuestras sociedades (Turow, Hennessy & Draper, 2015, p. 20). Hay investigaciones que muestran el rechazo a la recopilación y uso de los datos personales (Ofcom, 2019, 2020) y otras que concluyen que cuanto más conocimiento se tiene sobre las prácticas del big data, menos aceptables nos parecen (Worledge y Bamford, 2019). Además, toda la tecnología que se está desarrollando, conectada con los avances de los conocimientos de los big data, que facilita, la identificación y el 110 Correaetal. SOCIOLOGÍA Y TECNOCIENCIA, 11 Extra_2, (2021): 102-122 ISSN: 1989-8487 control de personas, la manipulación de sus conductas, sus opiniones, creencias y actividades están poniendo en riesgo la libertad de los seres humanos. Dice Goldsman (2020, p. 6) que “las tomas de decisiones se basan en algoritmos que determinan la repartición de bienes y servicios, incluyendo la educación, la salud pública, la policía, el acceso al empleo y a la vivienda, entre otros”. El uso de grandes tecnologías de datos en la educación plantea claramente un amplio conjunto de desafíos normativos y éticos a los académicos, educadores y administradores de la educación, así como a quienes trabajan en este sector creciente de la industria tecnológica (Ben-Porath & Ben Shahar, 2017). D’Iganzio y Klein (2020) con respecto a los algoritmos más usados en el big data y la inteligencia artificial, consideran fundamental formularse preguntas sobre los intereses que están detrás de los algoritmos, sobre las nuevas injusticias que está creando la tecnología y las presiones políticas que están empujando los desarrollos tecnológicos en el ámbito local. Estas preguntas nos ayudan a comprender las lógicas de exclusión e invisibilización, de grupos humanos o las prácticas sexistas que dan en los datos mayor protagonismo a los hombres que a las mujeres, así como la discriminación en función del color de la piel, la clase social o cómo se invisibilizan las minorías. También preguntarse sobre quién decide recoger ciertos datos o si se pueden recoger datos desde un enfoque ético orientado a la justicia social y bienestar humano. Pensar la relación de los grandes datos con las nuevas formas digitales de discriminación de los oprimidos. D`Ignazio (2020) comenta los principales sesgos discriminatorios encontrados en los algoritmos de búsqueda, que hacen circular estereotipos negativos sobre las niñas negras, algoritmos de detección de abuso infantil que castigan a los padres de bajos recursos, o visualizaciones de datos que refuerzan el binarismo de género. Este nuevo contexto nos exige también repensar el rol de los docentes y las necesidades de su formación. Repensar qué tipo de aptitudes y conocimientos se necesitan en la práctica y en la investigación educativa para utilizar Internet y las tecnologías conexas de manera informada en un momento en que escuelas, profesores y alumnos son incesantes productores de datos. Es una preocupación recurrente entre los estudiosos del derecho, los filósofos, los educadores y el público en general en torno a las formas en que la privacidad de los estudiantes se define, gestiona y protege actualmente. Esta preocupación es clave para el uso de datos y está presente en todas las etapas de su recopilación, almacenamiento y análisis. Sin embargo, la privacidad no es el único marco a través del cual se deben discutir los desafíos morales de los grandes datos. También se puede discutir su comercialización, los consiguientes problemas de propiedad y control de dicha información sobre los estudiantes; la forma en que los grandes datos afectan a la forma en que llegamos a conocer a nuestros estudiantes y a responder a sus necesidades individuales; y los posibles efectos que poseen en la justicia distributiva en la educación. BigDataylaalfabetizaciónposthumanadelfuturoprofesorado 117 SOCIOLOGÍA Y TECNOCIENCIA, 11 Extra_2, (2021): 102-122 ISSN: 1989-8487 posthumana de big data, que desde una pedagogía radical toma prestada la afirmación de Freire para quien la alfabetización no es sólo la adquisición de habilidades técnicas sino la emancipación lograda a través del proceso de alfabetización. Hemos tratado de mostrar por qué la Alfabetización de los grandes datos es un concepto desafiante y hemos propuesto una serie de ideas provisionales para actividades de aprendizaje que pueden empezar a construir la alfabetización de futuros docentes de todos los niveles educativos. Sin embargo, la criticidad no debe detenerse en el análisis, sino que debe extenderse a la acción. Nuestra visión de la alfabetización científica posthumana tiene en la mira la justicia social posthumana, que incluye el planeta y nuestro medio ambiente, como merecedoras de un tratamiento ético, como parte de nuestra sociedad, y se espera que las máquinas y las materialidades no humanas desempeñen un papel crucial. Un mundo en el que los agentes humanos y no humanos pueden aprovechar las máquinas y procesos informáticos para convertirse en ensamblajes más éticos con ellos. REFERENCIAS BIBLIOGRÁFICAS. Alter, A. (2018). Irresistible. ¿Quién nos ha convertido en yonquis tecnológicos? Barcelona: Paidos. BBC (2017). AltSchool. Recuperado de https://bbc.in/3mdxvxQ Ben-Porath, S., & Ben Shahar, T. H. (2017). Introduction: Big data and education: ethical and moral challenges. Theory and Research in Education, 15(3), 243– 248. https://dx.doi.org/10.1177/1477878517737201 Bhargava, R. (2019). Data Literacy. In The International Encyclopedia of Media Literacy. https://doi.org/10.1002/9781118978238.ieml0049 Bhargava, R., Kadouaki, R., Bhargava, E., Castro, G., & D’Ignazio, C. (2016). Data Murals: Using the Arts to Build Data Literacy. The Journal of Community Informatics, 12(3). Boyd, D., & Crawford, K. (2012). Critical Questions For Big Data: Provocations for a cultural, technological, and scholarly phenomenon. Information, Communication & Society, 15(5), 662–679. https://doi.org/10.1080/1369118X.2012.678878 118 Correaetal. SOCIOLOGÍA Y TECNOCIENCIA, 11 Extra_2, (2021): 102-122 ISSN: 1989-8487 Bowker, G. C. (2013). Data flakes: An afterword to ‘raw data’ is an oxymoron. In L. Gitelman (Ed.), ‘Raw data’ is an oxymoron (pp. 167–171). Cambridge, MA: MIT Press. Braidotti, R. (2015). Lo Posthumano. Barcelona: Gedisa. Braunack-Mayer, A. J., Street, J. M., Tooher, R., Feng, X., & Scharling-Gamba, K. (2020). Student and Staff Perspectives on the Use of Big Data in the Tertiary Education Sector: A Scoping Review and Reflection on the Ethical Issues. Review of Educational Research, 90(6). https://doi.org/10.3102/0034654320960213 Buitrago-Ropero, M. E., Ramírez-Montoya, M. S., & Laverde, A. C. (2020). Digital footprints (2005-2019): a systematic mapping of studies in education. Interactive Learning Environments, 1-14. https://doi.org/10.1080/10494820.2020.1814821 Cano, I. (2019). Sobre las limitaciones de Big Data en ciencias sociales. Sociología y tecnociencia, 9(2), 77-99. https://doi.org/10.24197/st.2.2019.77-98 Correa, J. M., & Aberasturi-Apraiz, E. (2015). Redes sociales e identidad digital docente. Experiencias de aprendizaje de futuras maestras de educación infantil a partir de la exposición artística Big Bang Data. Opción, 31, 311-333. Correa Gorospe, J. M., Aberasturi-Apraiz, E., & Gutierrez-Cabello, A. (2016). Ciudadanía digital, activismo docente y formación de futuras maestras de educación infantil. Revista Latinoamericana de Tecnología Educativa, 15(2), 39-54. Correa, J. M., Aberasturi-Apraiz, E., Gutierrez-Cabello, A., & Guerra, R. (2017). Usos críticos de las tecnologías digitales para el aprendizaje dentro y fuera de los contextos institucionales de formación. En H. Arancibia, P. Castillo y J. Saldaña (Eds.), Innovación educativa: perspectivas y desafíos (pp. 175208). Valparaiso: Ediciones Universidad de Valparaíso. Chan K. S., & Zary N. (2019). Applications and challenges of implementing artificial intelligence in medical education: Integrative review. JMIR Medical Education. 5(1). https://doi.org/10.2196/13930 Crawford, K. (2013, April 1). The hidden biases in big data. HBR Blog Network. Retrieved from https://s.hbr.org/36bjkDO BigDataylaalfabetizaciónposthumanadelfuturoprofesorado 119 SOCIOLOGÍA Y TECNOCIENCIA, 11 Extra_2, (2021): 102-122 ISSN: 1989-8487 D’Ignazio, C., & Bhargava, R. (2015). Approaches to Building Big Data Literacy [Paper presentation]. Bloomberg Data for Good Exchange Conference, New York. https://bit.ly/33lQ3Eq D’Ignazio, C., & Bhargava, R. (2018). Cultivating a Data Mindset in the Arts and Humanities. Public, 4(2). https://bit.ly/3fEsQCx D’Ignazio, C. (2017). Creative Data Literacy: Bridging the Gap between the DataHaves and Data-Have Nots. Information Design Journal, 23(1), 6–18. https://doi.org/10.1075/idj.23.1.03dig D'Ignazio, C. (2020). Art and Cartography. In A. Kobayashi (Ed.), International Encyclopedia of Human Geography (Second Edition) (pp. 189-207). Elsevier. https://doi.org/10.1016/B978-0-08-102295-5.10510-4 D’Iganzio, K. & Klein, L. (2020). Data Feminism. Cambridge, MA: MIT Press. Daniel, B. K. (2017). Big Data and data science: A critical review of issues for educational research. British Journal of Educational Technology, 50(1). https://doi.org/101-113. 10.1111/bjet.12595 Dourish, P. (2016). Algorithms and their others: Algorithmic culture in context. Big Data & Society. https://doi.org/10.1177/2053951716665128 Dyke, E., & Meyerhoff, E. (2018). Radical imagination as pedagogy. Transformations: The Journal of Inclusive Scholarship and Pedagogy, 28(2), 160–180. https://doi.org/10.5325/trajincschped.28.2.0160 Eynon, R. (2013). The rise of Big Data: what does it mean for education, technology, and media research? Learning Media and Technology, 38(3), 237-240. https://doi.org/10.1080/17439884.2013.771783 Eubanks, V. (2018). Automating Inequality: How High-Tech Tools Profile, Police, and Punish the Poor. New York: St. Martin’s Press. Fotopoulou, A. (2020): Conceptualising critical data literacies for civil society organisations: agency, care, and social responsibility. Information, Communication & Society. https://doi.org/10.1080/1369118X.2020.1716041 120 Correaetal. SOCIOLOGÍA Y TECNOCIENCIA, 11 Extra_2, (2021): 102-122 ISSN: 1989-8487 Franco, P. D., Matas, A., & Leiva, J. J. (2020). Big Data Irruption in Education. Pixel-Bit. Revista de Medios y Educación, 57, 59-90. https://doi.org/10.12795/pixelbit.2020.i57.02 Freire, P. (1970). Pedagogía del Oprimido. Montevideo: Tierra Nueva. Gallagher, M., Breines, M., & Blaney, M. (2020). Ontological Transparency, (In)visibility, and Hidden Curricula: Critical Pedagogy Amidst Contentious Edtech. Postdigit Sci Educ. https://doi.org/10.1007/s42438-020-00198-1 Garg, T. (2020). Artificial intelligence in medical education. The American Journal of Medicine. 133(2). https://doi.org/10.1016/j.amjmed.2019.08.017 Guillemin, M., & Gillam, L. (2004). Ethics, Reflexivity, and “Ethically Important Moments” in Research. Qualitative Inquiry, 10(2), 261–280. https://doi.org/10.1177/1077800403262360 Goldsman, F. (2020). La distopia llegó: pensar las tecnologías del reconocimiento de personas desde la periferia. https://bit.ly/2JbCzUY Goldsman, F. (2018). Defender los territorios (digitales) sin dejar huella. https://bit.ly/3o5JduZ Gray, J., Gerlitz, C., & Bounegru, L. (2018). Data infrastructure literacy. Big Data & Society, 5(2). https://doi.org/10.1177/2053951718786316 Grzymek, V., & Puntschuh, M. (2019). Was Europa über Algorithmen weiß und denkt. Ergebnisse einer repräsentativen Bevölkerungsumfrage. Bertelsmann Stiftung. https://doi.org/10.11586/2019006 Gutiérrez-Cabello, A., Correa Gorospe, J. M., & Aberasturi-Apraiz, E. (2020). Disidencia artística frente al control digital en la formación de maestras. Revista Izquierdas 49, 2127-2145. Hernando, A. (2020). Catherine D'Ignazio, coautora del libro ‘Data Feminism’. https://bit.ly/37aK4Uh Hintz, A., Dencik, L., & Wahl-Jorgensen, K. (2018). Digital citizenship in a datafied society. Medford, USA: Polity Press. BigDataylaalfabetizaciónposthumanadelfuturoprofesorado 121 SOCIOLOGÍA Y TECNOCIENCIA, 11 Extra_2, (2021): 102-122 ISSN: 1989-8487 Jandrić, P., Ryberg, T., Knox, J., Lacković, N., Hayes, S., Suoranta, J., Smith, M., Steketee, A.,Peters, M. A., McLaren, P., Ford, D. R., Asher, G., McGregor, C., Stewart, G., Williamson, B., & Gibbons, A. (2018). Postdigital Dialogue. Postdigital Science and Education, 1(1), 163–189. https://doi.org/10.1007/s42438-018-0011-x Leander, K. M. & Burriss, S. K. (2020), Critical literacy for a posthuman world: When people read, and become, with machines. British Journal of Educationa Technoly, 51, 1262-1276. https://doi.org/10.1111/bjet.12924 Marín, V. I., Carpenter, J. P., & Tur, G. (2020). Pre-service teachers' perceptions of social media data privacy policies. British Journal of Educational Technology. https://doi.org/10.1111/bjet.13035 Myers, F, Collins H, Glover H, & Watson M. (2019). The automation game: Technological retention activities and perceptions on changes to tutors’ roles and identity. Teaching in Higher Education, 24(4), 545–562. https://doi.org/10.1080/13562517.2018.1498074 Ofcom (2019). Adults: Media use and attitudes report [Report]. https://bit.ly/39lx7tC Ofcom (2020). Adults: Media use and attitudes report [Report]. https://bit.ly/3mebPBw Ochoa-Aizpurua, B., Correa Gorospe, J.M., & Gutierrez-Cabello Barragan, A. (2019). Las Tic en la atención a la diversidad educativa: El caso de la comunidad Autónoma Vasca. Revista de Educación a Distancia. 61, 1-21 O´Neil, C. (2017). Armas de destrucción matemática. Cómo el Big Data aumenta la desigualdad y amenaza la democracia. Madrid: Capitán Swing. Pangrazio, L., & Selwyn, N. (2019). ‘Personal data literacies’: A critical literacies approach to enhancing understandings of personal digital data. New Media & Society, 21(2), 419–437. https://doi.org/10.1177/1461444818799523 Redden J (2018) Democratic governance in an age of datafication: lessons from mapping government disurses and practices. Big Data & Society 5(2), 1-13. Sander, I. (2020). Critical Big Data Literacy Tools – Engaging Citizens and Promoting Empowered Internet Usage. ORCA. https://bit.ly/3ldsFzl 122 Correaetal. SOCIOLOGÍA Y TECNOCIENCIA, 11 Extra_2, (2021): 102-122 ISSN: 1989-8487 Sandu, N., & Gide, E. (2019). Adoption of AI-Chatbots to enhance student learning experience in higher education in India. 18th International Conference on Information Technology Based Higher Education and Training (ITHET) (pp. 1-5). https://doi.org/10.1109/ITHET46829.2019.8937382 Southerton C. (2020) Datafication. In: Schintler L., McNeely C. (eds) Encyclopedia of Big Data. Springer, Cham. https://doi.org/10.1007/978-3-319-320014_332-1 Stewart GT, St. Pierre E, Devine N, & Kirloskar-Steinbach M.(2020). The End of the Dream: Postmodernism and Qualitative Research. Qualitative Inquiry. November 2020. https://doi.org/10.1177/1077800420971867 Turow, J., Hennessy, M., & Draper, N. A. (2015). The tradeoff fallacy: How marketers are misrepresenting American consumers and opening them up to exploitation [Report]. Annenberg School for Communication. https://bit.ly/368vmOd Turow, J., Hennessy, M., & Draper, N. (2018). Persistent Misperceptions: Americans’ Misplaced Confidence in Privacy Policies, 2003–2015. Journal of Broadcasting & Electronic Media, 62(3), 461–478. https://doi.org/10.1080/08838151.2018.1451867 Williamson, B. (2019). El future del curriculum. La educación y el conocimiento en la era digital. Madrid: Morata Williamson, B. (2018). Big Data en la Educación. El futuro digital del aprendizaje, la política y la práctica. Madrid: Morata Worledge, M., & Bamford, M. (2019). Adtech: Market Research Report. Information Commissioner’s Office. Ofcom. https://bit.ly/2V57o00 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 Zuboff, S. (2019). The age of surveillance capitalism: The fight for a human future at the new frontier of power. New York, NY: PublicAffairs.