Frente a este tema, Olson (2018) citado en Kraft-Buchman (2021) afirmaron que "cuando Google Translate traducía artículos de noticias escritos en español al inglés, las frases que se referían a mujeres profesionales, como las profesoras, a menudo se convertían en “él dijo” o “él escribió”. En el idioma turco, donde no hay “él” ni “ella”, Google Translate creó combinaciones de género donde el idioma turco no las tiene, y los resultados son sorprendentemente impactantes: “ella es cocinera”, “él es ingeniero”, “él es médico”, “ella es enfermera”, “él es muy trabajador”, “ella es perezosa”" (párr. 20).

Olson, Parmy. ‘The Algorithm That Helped Google Translate Become Sexist’. Forbes, sec. Tech. Ingresó el 16 marzo de 2021. https://www.forbes.com/sites/parmyolson/2018/02/15/the-algorithm-that-helped-google-translate-become-sexist/.

Kraft-Buchman, C. (2021). Chapter 1. We shape our tools, and thereafter our tools shape us. From bias to feminist Ai. A+ Alliance. Tomado de https://feministai.pubpub.org/pub/we-shape-our-tools/release/3?readingCollection=c218d365

Frente a este tema, Kraft-Buchman (2021) afirma que "en 2017, un grupo de investigadores descubrió que dos importantes colecciones de imágenes de investigación, incluida una respaldada por Microsoft y Facebook, muestran un sesgo de género predecible en su representación de actividades como cocinar y deportes. Por ejemplo, las imágenes de compras y lavado están vinculadas a las mujeres, mientras que las de entrenamiento y tiro están vinculadas a los hombres. De manera similar, los objetos de cocina, como cucharas y tenedores, están fuertemente asociados con las mujeres, mientras que el equipo deportivo para exteriores, como tablas de snowboard y raquetas de tenis, están fuertemente asociados con los hombres" (párr. 16).

Nosotros le damos forma a nuestras herramientas y por ende nuestras herramientas nos dan forma a nosotros.

Kraft-Buchman, C. (2021). Chapter 1. We shape our tools, and thereafter our tools shape us. From bias to feminist Ai. A+ Alliance. Tomado de https://feministai.pubpub.org/pub/we-shape-our-tools/release/3?readingCollection=c218d365

“Los agentes de la policía estatal de Pensilvania ganan un salario inicial de $59,567 por año. Solicite su puesto ahora”.

El algoritmo se autoenseñó a penalizar cualquier currículum que incluyera la palabra “mujeres”, como “capitana del club de ajedrez femenino” en el texto, y degradó los currículums de mujeres que asistieron a dos “universidades para mujeres”.

Esto se debe a que los datos de entrenamiento que contienen sesgo humano o discriminación histórica crean un bucle de profecía autocumplida donde el aprendizaje automático absorbe el sesgo humano y lo replica, lo incorpora a decisiones futuras y convierte el sesgo implícito en una realidad explícita.

Es fundamental garantizar que las comunidades sobre las que se recopilan datos participen en el proceso y tengan la oportunidad de dar su consentimiento informado para el uso de sus datos.

Las amenazas digitales debido a problemas de privacidad y acoso y abuso en línea pueden impedir que las mujeres se sientan cómodas expresándose en línea.

Si bien la inteligencia artificial tiene un gran potencial, los algoritmos basados ​​en datos sesgados amplifican las desigualdades de género y raciales, y proliferan sesgos no examinados. Los macrodatos y la ciencia de datos se basan abrumadoramente en narrativas blancas, masculinas y tecnoheroicas, una narrativa que debería cuestionarse.

Se pueden incorporar fuentes no explotadas para mejorar las fuentes tradicionales y crear un sistema de recopilación de datos inclusivo basado en principios feministas. Sin embargo, en cada etapa del proceso es fundamental plantear siempre las preguntas adecuadas. Estas preguntas son:

¿Quién define el problema que los datos resolverán?

¿Quién decide qué datos recopilar?

¿Quién recopila los datos y cómo?

¿Quién analiza y cuestiona los datos?

¿Quién utiliza los datos y para qué decisiones?

Examinar el poder. El feminismo de datos empieza por analizar cómo opera el poder en el mundo.

Desafiar el poder. El feminismo de datos se compromete a desafiar las estructuras de poder desiguales y a trabajar por la justicia.

Elevar la emoción y la corporalidad. El feminismo de datos nos enseña a valorar múltiples formas de conocimiento, incluyendo los conocimientos de las personas en su carácter de cuerpos vivos y sensibles en el mundo.

Repensar los binarismos y las jerarquías. El feminismo de datos nos obliga a desafiar el binarismo de género, así como otros sistemas de cuantificación y clasificación que perpetúan las opresiones.

Adoptar el pluralismo. El feminismo de datos insiste en que el conocimiento más completo surge de sintetizar múltiples perspectivas, y prioriza los saberes locales, indígenas y basados en la experiencia.

Considerar el contexto. El feminismo de datos afirma que los datos no son ni neutrales ni objetivos. Son producto de relaciones sociales desiguales, y este contexto es esencial para realizar un análisis ético y preciso.

Hacer visible el trabajo. El trabajo de la ciencia de datos, como todo trabajo en el mundo, es el trabajo de muchas manos. El feminismo de datos hace visible esta labor, para que pueda ser reconocida y valorada.

Reconocer el ecosistema diverso involucrado en la producción de datos y su uso, y considerar los roles de los diferentes actores en el mantenimiento o desafío de las brechas de datos de género, en particular, el papel de la sociedad civil en la movilización para el cambio y las formas de trabajar con los ministerios gubernamentales para construir esfuerzos de cambio colaborativos.

Hacer uso de las diversas herramientas disponibles y necesarias para implementar el cambio social hacia una IA feminista, considerando en particular la dinámica entre las estrategias coercitivas internas y externas, que son fundamentales para abordar la barrera de alta autoridad de la tecnología y su arraigo en nuestra vida diaria.

Realizar investigaciones sobre "puntos brillantes": ejemplos en los que los actores feministas han tenido éxito en cerrar las brechas de datos de género, lograr el uso de datos de género y construir una IA más feminista.

Realizar una investigación colaborativa interdisciplinaria que reúna diversas perspectivas y fortalezas que no suelen estar en discusión, como científicos de datos y desarrolladores de tecnología, científicos sociales con experiencia en teoría de género, organizaciones de defensa feminista y organizadores comunitarios de base.

Seguir ampliando los límites de los debates actuales sobre qué es la IA feminista e identificar y movilizarse en torno a una plataforma de políticas de IA feminista que incluya prácticas informales y reglas formales, así como los diferentes niveles de cambio necesarios tanto a nivel individual como sistémico.

Fortalecer la responsabilidad contextual para la no discriminación en los sistemas de IA

Empoderar a los organismos de igualdad para que inicien acciones

Aliviar la carga de la prueba para los demandantes

Establecer el derecho a la información en los sistemas de IA y mejorar la transparencia algorítmica

Habilitar y realizar evaluaciones obligatorias del impacto sobre los derechos humanos

Desarrollar medidas de rendición de cuentas para los sistemas y procesos algorítmicos del sector público

Promover la participación pública y comunitaria efectiva

Invertir en el desarrollo de capacidades entre los grupos marginados

Legislar los derechos de participación pública ex ante

Proteger los datos colectivos y los derechos de la IA

Involucrar a los grupos marginados en funciones técnicas y no técnicas en todo el ecosistema de IA

Invertir en el desarrollo de capacidades para la inclusión institucional

Permiso para el tratamiento de categorías especiales de datos

Financiar la investigación y el diseño de tecnologías transformadoras en la innovación de la IA

Categorías:

1. Diseño inclusivo e innovación democrática

2. Participación significativa en la gobernanza de la IA

3. Transparencia y rendición de cuentas para la prevención de daños

4. Acceso efectivo a la justicia

Varias de las características propuestas por Tsing (Citation2009) resuenan con el capitalismo de la cadena de suministro de la IA en la actualidad. Sin embargo, la principal diferencia es que las empresas capitalistas dentro de la economía política de la IA están acumulando más capital en 2024 que Wal-Mart o Nike en 2009. Por lo tanto, es relevante comprender mejor la línea de producción capitalista de la IA.

El capitalismo de la cadena de suministro ofrece un marco teórico para tener en cuenta la línea de producción de la IA y su infraestructura, desde las minas hasta los desechos electrónicos, y dar cuenta de las asimetrías geográficas y las luchas ambientales que podrían no ser evidentes.

Un examen más detallado del capitalismo de la cadena de suministro de la IA revela daños ambientales como las luchas por el agua, que no se han considerado anteriormente en la literatura sobre daños y resistencia algorítmica.

Este artículo muestra que las luchas controvertidas surgen al investigar puntos específicos en las cadenas de suministro de la IA.

El caso de Maconí muestra que, si bien la industria de los centros de datos está explotando los recursos hídricos para enfriar su infraestructura digital, las personas en áreas rurales e indígenas no tienen acceso al agua. Juan, el hombre de mediana edad citado al comienzo de este artículo, vive actualmente en Maconí y todavía camina al menos ocho horas para recolectar agua para su vida diaria.

Este artículo es un llamado a investigar el impacto infraestructural de la IA desde una perspectiva crítica y ambiental y abrir una crítica hacia la creciente industria de la IA para que podamos construir un mundo de muchos mundos donde quepamos todos (Blaser, Citation2018).

La inteligencia artificial (IA) está entretejida en una cadena de suministro de capital, materias primas y trabajo humano que ha sido descuidada en los debates críticos.

Dado el auge actual de la IA generativa, que se estima que impulsará la extracción de recursos naturales como minerales, combustibles fósiles o agua, es vital investigar toda su línea de producción desde una perspectiva infraestructural crítica.

Basándose en el capitalismo de la cadena de suministro, un concepto acuñado por Anna L. Tsing en 2009, este artículo contribuye a los estudios críticos de la IA al investigar la estructura de las cadenas de suministro de IA, teniendo en cuenta la industria minera, electrónica, digital y de desechos electrónicos.

Este artículo ilustra cómo el capitalismo de la cadena de suministro de la IA está precipitando asimetrías geográficas conectadas con luchas controvertidas en México al centrarse en un elemento clave de estas cadenas: los centros de datos.

En tiempos de emergencia climática, este artículo llama a reconsiderar los daños y la resistencia algorítmica mediante la investigación de toda la línea de producción capitalista de la industria de la IA desde una perspectiva crítica y ambiental.

Instrumentos de educación y sensibilización pública

Instrumentos de participación pública (procedimientos)

Instrumentos económicos

Instrumentos de políticas legislativas y normativas

Instrumentos auto-normativos

Puntos de acción

Emplear métodos participativos e inclusivos para desarrollar mecanismos de seguimiento y evaluación ex ante y ex post para evaluar y mitigar el sesgo en los sistemas y procesos de IA.

Realizar auditorías de los sistemas de IA para detectar y abordar la discriminación directa e indirecta que afecta especialmente a las comunidades marginadas.

Asegurarse de que los sistemas de IA se sometan a pruebas rigurosas para detectar sesgos y que se los controle de forma continua y sistemática para detectar resultados discriminatorios.

Puntos de acción

Desarrollar protocolos claros que aseguren que las decisiones e intervenciones cumplan con los criterios de legitimidad, necesidad y proporcionalidad, a fin de garantizar la protección de los derechos y libertades de terceros cuando pueda haber conflictos de intereses entre las partes interesadas (lo que puede dar lugar a impactos desproporcionados en un grupo o grupos en comparación con otro grupo o grupos de personas).

Garantizar que existan marcos jurídicos suficientes (tanto nacionales como internacionales) para proteger y brindar reparación a las personas afectadas por la IA.

Permitir que las personas afectadas por sistemas de IA busquen soluciones sin temor a represalias.

Desarrollar estrategias para garantizar que el público en general sea consciente de los riesgos y oportunidades relacionados con la IA, y de los mecanismos disponibles para identificar cuándo el uso o la aplicación de la IA puede haber resultado en una violación de sus derechos.

Puntos de acción

Implementar medidas de codiseño que involucren a las comunidades marginadas y otros stakeholders relevantes a lo largo del ciclo de vida de la IA.

Involucrar a las comunidades marginadas en la identificación de problemas, la formulación de problemas, el diseño y la toma de decisiones en materia de gobernanza de la IA.

Integrar perspectivas diversas en el diseño y desarrollo de la IA para evitar sesgos sistémicos y resultados discriminatorios.

Asegúrese de que los procesos de información y consulta sean accesibles e inclusivos para los grupos marginados. Crear y distribuir materiales de fácil lectura con antelación para garantizar que las personas sin educación formal o conocimientos de inteligencia artificial puedan comprender los temas clave. Evitar la jerga técnica cuando sea suficiente con un lenguaje sencillo.

Incorporar principios de diseño inclusivos y transformadores y metodologías participativas en las estrategias nacionales o regionales de IA para garantizar que los sistemas de IA respeten la autonomía, la dignidad y los valores culturales de los grupos marginados.

Aplicar políticas de protección, incluidos mecanismos para denunciar casos de discriminación, situaciones de violencia y otras situaciones que dificulten la participación de las mujeres y otros grupos marginados en el lugar de trabajo en igualdad de condiciones con los demás. Garantizar el acceso a estos mecanismos para permitir la denuncia y la reparación de agravios.

Puntos de acción

Asignar un presupuesto para los costos de participación. Incluir líneas presupuestarias específicas para cubrir los costos de participación de representantes de grupos marginados, como compensación por su tiempo y experiencia, y adaptaciones razonables para garantizar la accesibilidad (por ejemplo, intérpretes de lengua de señas, intérpretes guía para personas sordociegas, intérpretes de lenguas indígenas).

Al facilitar la participación, considera las dinámicas de poder específicas del contexto, incluyendo género, expresión de género, edad, raza, clase, cultura, identidad, habilidades y lenguaje, para garantizar una inclusión efectiva. Además, crea incentivos que motiven a los actores privados a involucrarse activamente en el diseño, desarrollo y gobernanza de sistemas de IA inclusivos.

Puntos de acción

**Mapear políticas y marcos normativos internacionales relevantes sobre derechos humanos, así como compromisos regionales o nacionales aplicables. **

**Mapear y evaluar si los tratados internacionales y leyes nacionales existentes son suficientes para proteger, promover y garantizar los derechos involucrados, revisando análisis legales disponibles para determinar la solidez de dichas protecciones. **

Considerar las características sociales, económicas, demográficas, políticas, históricas y culturales que puedan influir en el proceso, identificando las principales causas de exclusión de grupos marginados y cómo la IA puede amplificarlas.

Resultados esperados con metas claras

Puntos de acción

Incluir a grupos marginados, alineándolos con recomendaciones de políticas transformadoras de igualdad de género y diversidad.

Traducir estos objetivos en planes de acción detallados que incorporen responsabilidades, indicadores de monitoreo, presupuestos y directrices, asegurando la evaluación de políticas institucionales para identificar mejoras.

Definir hitos y métricas claras para medir el progreso, considerando la sostenibilidad y relevancia de las soluciones para prevenir y abordar daños relacionados con la IA.

Identificar las principales causas de exclusión de grupos marginados y cómo la IA puede amplificarlas, analizando el contexto social, económico, político, histórico y cultural, así como los marcos legales y normativos relevantes para proteger los derechos en riesgo.

Comité intersectorial de stakeholders múltiples.

Puntos de acción

Mapear a los stakeholders clave e invitar representantes, especialmente de grupos marginados, para compartir sus perspectivas.

Incluir académicos, ONG y comunidades técnicas, evaluando su interés en la igualdad sustantiva y la capacidad de los grupos marginados para influir en las decisiones.

Considerar sus necesidades, compensarlos por su tiempo, garantizar accesibilidad y fomentar condiciones que fortalezcan su agencia.

Establecer un comité multiactorial intersectorial que asegure diversidad en la planificación y decisiones, comprendiendo desequilibrios de poder y necesidades de acción.

Identificar grupos posiblemente marginalizados por la IA.

Plan de acción

Mapear grupos marginados y subrepresentados, instituciones responsables de derechos humanos, igualdad de género y diversidad, organizaciones representativas de grupos marginados y defensoras de derechos humanos para promover un enfoque inclusivo y equitativo en la gobernanza de sistemas de IA.

Garantizar inclusión y equidad. Identificar actores relevantes (academia, ONG y comunidades técnicas) evaluando su interés en la igualdad sustantiva.

Analizar la capacidad de grupos marginados para influir en las decisiones, considerando sus necesidades y contexto.

Garantizar compensación y accesibilidad para participantes.

Fomentar la agencia de estos grupos.

Establecer un comité multiactoral intersectorial para integrar perspectivas diversas.

Agendas

From a study on the cooperation to develop artificial intelligence technology with a focus on gender fairness through the multi-stakeholder approach in Europe, it was found that the case of the Netherlands is particularly notable. A seminar was organized to present a case study on the problem of gender bias arising from AI algorithms. The event aimed to raise awareness and develop solutions to address gender bias created by AI algorithms. Speakers presented real-life case studies from the labor market, highlighting the causes of these issues and the urgent need for solutions. This allowed seminar participants to engage in discussions to develop guidelines not only for improving AI algorithms but also for amending laws to prevent gender bias resulting from the application of AI in the labor market.

there are movements that address gender equality issues, which oppose Thai society’s patriarchal culture and patriarchal bias. These include attacking sexual harassment, allowing same-sex marriage, drafting legislation for the protection of people working in the sex industry, and promoting the availability of free sanitary napkins for women.

Tando (2016) explained that empowerment can be expanded to the concept of human rights and social justice which is a process to change the distribution of power between men and women, both in interpersonal relations and in institutions throughout society.

(Hentschel et al., 2019). Hoyt et al. (2009) described men are believed to be assertive, independent, rational, and decisive, while women are believed to show concern for others, warmth, helpfulness, and nurturance.

Rothchild (2014) defined gender bias as behavior showing favoritism towards one gender over another.

Deep learning is about machine learning based on a set of algorithms that attempt to model high-level abstractions in data.

Robotisation is rapid growth as work more precisely and costs saving, for example, Creative studios have 3D printers and the self-learning ability of these production robots are more work efficiently.

Dematerialisation leads to the phenomenon that traditional physical products are becoming software, for example, CDs or DVDs was replaced by streaming services or the replacement of traditional event/travel tickets/ or hard cash to contactless payment by smartphone.

Gig economy A rise in self-employment is typical for the new generation of employees. The gig economy is usually understood to include chiefly two forms of work: ‘crowd working’ and ‘work on-demand via apps’ organized networking platforms. There are more and more independent contractors for individual tasks that companies advertise on online platforms (eg, ‘Amazon Mechanical Turk’).

Autonomous driving is vehicles with the power for self-governance using sensors and navigating without human input.”

Industrial Robot: Automatically controlled, reprogrammable multipurpose manipulator, programmable in three or more axes

Service Robot: Robot in personal use or professional use that performs useful tasks for humans or equipment.

Mobile Robot: Robot able to travel under its own control

A mobile robot can be a mobile platform with or without manipulators. In addition to autonomous operation, a mobile robot can have means to be remotely controlled.

The first section concentrates on the building a conceptual framework which is based on the relationship between freedom of expression and democracy and the way in which the Internet and social media enhance the exercise of freedom of expression.

The second section examines the challenges to freedom of expression in relation to the promotion of gender equality on social media which are imposed by AI content curation and moderation.

In the final section, the two-tiered approach, i.e., policies and law, is proposed to deal with the problem.

The New Urban Agenda and the United Nations’ Sustainable Development Goals (5, 11, 16) have included the promotion of safety and inclusiveness in transport systems to track sustainable progress. As part of this effort, AI-powered machine learning applications have been created.

The great technological promise of this century depends largely on algorithms that need millions of labeled training data to learn, recognize, and categorize information.

It is not necessary to resort to technically complex concepts and programming skills to carry out a useful, actionable assessment of biases in word embeddings and large language models.

Discrimination experts can obtain very valuable insights from the exploration of biases through our prototype and with the proposed methodology, providing them with strong evidence to plan actions to mitigate those biases in downstream applications.

Discrimination experts find that the obtained insights are also useful to validate (or refute) their intuitions on discrimination, and argue with other actors in the discrimination scenario.

The funding to carry out this project has allowed us to work with our own priorities, not the usual requirements of academic publication, like standard metrics and datasets that are irrelevant to our local context. Historically, such requirements have taken most of the resources from research projects, and have prevented us from pursuing an agenda that is locally relevant, instead of aligned with the global north agenda.

Disclosure of personal information or intimate without consent: Share or publish without consent any type of photos, videos, data, or private information that affects a person.

Doxing: Collection and publication of private or identifying information about a person, generally for the purpose of intimidating, humiliating, or threatening.

Impersonation, usurpation and identity theft: Use and/or falsification of the identity of a person without consent.

Unauthorized access (intervention) to personal accounts or devices and access control: Attacks on a person's accounts or devices in unauthorized way.

Online harassment/Cyberbullying: Stalking or stalking: harassment through repeated actions of harassing the victim.

Hate Speech: Speeches that incite discrimination, violence, exclusion, intolerance and hatred, and that express contempt, denigration, objectification, insult, threat or attack against a certain person due to identity characteristics (gender identity or expression, social class, disability, race/color, etc.).

Use of aggressive language and insults and Discriminatory Expressions: Receive insults and comments that they seek to harm, attack, belittle and exclude a person or group from a space.

Coordinated Mass Attacks: Mass organization and execution of coordinated “campaigns” or “strategies” to attack and discredit a person.

Artificial Intelligence (AI) can be a powerful tool to fight gendered violence since it can analyze large amounts of unstructured data and detect critical information. In particular, when dealing with free text, Natural Language Processing (NLP) allows computers and humans to interact through language.

.

Gender-based violence is a problem that runs through and affects the lives of women and LGBTIQ+ people at the global level. This type of violence

Propusimos una herramienta basada en IA que podría motivar a las mujeres de América Latina a participar en proyectos de ciencia ciudadana.

.

La inteligencia artificial viene compitiendo con otros términos en el podio de las “buzzwords”. A diferencia de otras como innovación, cambio o transformación (y más aún en lo digital) puede no quedar simplemente en el ámbito discursivo, sino afectar el plano de la materialización de toma de decisiones públicas mediadas por algoritmos. (Levy et al., 2021)

“apoyar el desarrollo y uso de inteligencia artificial tomando como base los derechos humanos, la inclusión, la diversidad, la innovación y el crecimiento económico, buscando responder a los Objetivos de Desarrollo Sostenible de Naciones Unidas”. (Benjio & Chatila, 2020)

(…) algo más parecido a una plataforma antisistémica de lucha contra la violencia, que reconoce que la situación diversa de las mujeres y sus distintas opresiones y violencias están contenidas en una estructura capitalista, colonial y patriarcal. Y que son esas estructuras las que hay que transformar (…)

.

La industria tecnológica está creciendo a pasos agigantados. El nuevo capitalismo digital (también denominado capitalismo de vigilancia (Zuboff, 2019)) está llevando a la economía capitalista a una nueva fase más tecno-productiva y eficiente, donde el capital tecnológico fagocita a las industrias tradicionales y las transforma en su formato digital para sobrevivir (Scasserra & Sai, 2020). Plataformas de intermediación, plataformas “pobres” y plataformas que gestionan plataformas (Srnicek, 2018)

.

transformar positivamente las lógicas asociadas con los sistemas de toma de decisiones algorítmicas que automatizan la opresión.

surge impulsada por la urgencia de combatir y corregir estos prejuicios y discriminaciones asociados con la IA en todas sus dimensiones y en su ciclo de vida completo. A través de investigación-acción, el desarrollo de capacidades e innovación desde una perspectiva feminista, situada y anclada en las comunidades, busca ofrecer visiones alternativas al desarrollo tecnológico hegemónico.

El sur global replica la tecnología de países capitalistas del norte global.

.

Hoy en día las herramientas basadas en inteligencia artificial y los algoritmos para la toma de decisión son esa malvada lora parlante que moldea la forma en que vivimos. Sin embargo, hoy sabemos que mayoritariamente estas herramientas están basadas en datos incompletos, sesgados o corruptos; que los algoritmos están añadiendo una visión estereotipada de las poblaciones históricamente marginalizadas y que la manera en la que se nos entregan los resultados consolidan los sesgos y estereotipos, validándolos al pasar por la computadora.

Llamado a la acción

Una revisión a nivel de agencias de la ONU sobre la aplicación de las leyes y estándares internacionales de derechos humanos existentes para la gestión de los datos automatizados, el aprendizaje automático y el género: esto puede guiar y provocar el pensamiento creativo para un enfoque basado en los derechos humanos que sea adecuado para el propósito en la era digital que cambia rápidamente.

Desarrollo de un conjunto de métricas para la inclusión digital: debe acordarse urgentemente, medirse en todo el mundo y detallarse con datos desagregados por sexo en los informes anuales de instituciones como la ONU, el Fondo Monetario Internacional, la Unión Internacional de Telecomunicaciones, el Banco Mundial y otros bancos multilaterales de desarrollo, y la OCDE.

Llamado a la acción

Equilibrio de género en la toma de decisiones de IA: el equilibrio de género en la toma de decisiones debe incluirse en la agenda oficial de todos los involucrados en la financiación, el diseño, la adopción y la evaluación de ADM.

Equilibrio de género en los equipos de diseño: empleo de una gama sólida de feministas interseccionales en el diseño de sistemas ADM que desencadenarán y ayudarán a una mayor innovación y creatividad, así como la detección y mitigación de sesgos y efectos nocivos en mujeres, niñas y personas tradicionalmente excluidas.

Exigir a las empresas que divulguen e informen de manera proactiva sobre el equilibrio de género en los equipos de investigación y diseño, incluso en la fase inicial cuando soliciten subvenciones. Incentivar equipos equilibrados y multidisciplinarios.

Fondo de investigación: crear un fondo de investigación para explorar los impactos del género y la IA, el aprendizaje automático, el sesgo y la equidad, con un enfoque multidisciplinario más allá de la informática y la perspectiva económica para incluir nuevas formas de incorporar la alfabetización digital y estudiar los efectos económicos, políticos y sociales de ADM en las vidas de las mujeres y las personas tradicionalmente excluidas de la elaboración de reglas y la toma de decisiones.

Llamado a la acción

Acciones algorítmicas equitativas para corregir los sesgos y barreras de la vida real que impiden que las mujeres y las niñas logren la participación plena y el disfrute igualitario de los derechos.

Instituciones públicas para pilotar y liderar: Acción afirmativa para algoritmos implementados cuando las instituciones públicas pilotan ADM. Basar los pilotos en investigaciones de ciencias sociales nuevas y de larga data que asignan incentivos sociales, subsidios o becas donde las mujeres tradicionalmente han sido dejadas atrás en sistemas anteriores. Esta es una agenda positiva para promover los valores de igualdad que hemos adoptado durante mucho tiempo, para corregir la visibilidad, la calidad y la influencia de las mujeres proporcionales a la población.

Adopción por parte del sector público y privado de evaluaciones de impacto algorítmico (AIA): un marco de autoevaluación diseñado para respetar el derecho del público a conocer los sistemas de IA que impactan sus vidas en términos de principios de responsabilidad y equidad.

Pruebas rigurosas a lo largo del ciclo de vida de los sistemas de IA: las pruebas deben tener en cuenta los orígenes y el uso de los datos de entrenamiento, los datos de prueba, los modelos, la interfaz de programación de aplicaciones (API) y otros componentes a lo largo del ciclo de vida de un producto. Las pruebas deben cubrir ensayos previos al lanzamiento, auditorías independientes, certificación y monitoreo continuo para detectar sesgos y otros daños. La ADM debe mejorar la calidad de la experiencia humana, no controlarla.

Marcos legales sólidos para promover la rendición de cuentas: incluida la posible expansión de poderes para agencias sectoriales específicas o la creación de nuevos términos de referencia para supervisar, auditar y monitorear los sistemas de ADM para la supervisión regulatoria y la responsabilidad legal en el sector privado y público.

Directrices de adquisiciones con perspectiva de género: las organizaciones y todos los niveles de gobierno deben desarrollar directrices de adquisiciones de igualdad de género de ADM con objetivos estrictos; y describir los roles y responsabilidades de aquellas organizaciones requeridas para aplicar estos principios.

Mejorar los conjuntos de datos: datos abiertos desagregados por género, recopilación de datos y conjuntos de datos de calidad inclusivos: producir activamente conjuntos de datos abiertos desagregados por género; Esto permite comprender mejor las fuentes de sesgo en la IA y, en última instancia, mejorar el rendimiento de los sistemas de aprendizaje automático. Invertir en controles para supervisar los procesos de recopilación de datos y la verificación humana en el circuito, de modo que los datos no se recopilen a expensas de las mujeres y otros grupos tradicionalmente excluidos. Participar en procesos de recopilación de datos más inclusivos que se centren no solo en la cantidad sino también en la calidad de los conjuntos de datos.

La IA es una superpotencia que no debe concentrarse en las manos de unos pocos ni debe ser moldeada por un grupo exclusivo, orientado únicamente por el lucro, la seguridad nacional o fines militares. Debería utilizarse para abordar los mayores problemas de la sociedad, incluidas las desigualdades sociales en torno al género, la raza, las injusticias económicas y el cambio climático.

Una forma de abordar la rendición de cuentas en la economía de la innovación es participar en la definición de las compras públicas de IA y de quiénes participan, los actores y las instituciones. Después de todo, examinar el poder puede considerarse un requisito previo para cuestionarlo.

Participación ciudadana

Recientemente, Brasil desarrolló una reglamentación para la contratación pública "electrónica". La ley conocida como "8666" de 1993 define las reglas para las licitaciones y contratos de la administración pública, pero se abstiene de expresar especificaciones para la tecnología adquirida.

Automatización de las normas de reparación

Los gobiernos pueden implementar medidas especiales temporales, creando mecanismos similares a las normas de reparación implementadas en diferentes contextos para corregir errores históricos.

Mejora constante de las plataformas de contratación electrónica

Cuando se implementa una tecnología en un proceso público, debe considerarse parte de un proceso cíclico que debe incluir la participación pública como insumo para mejorar la plataforma en sí. Los sistemas de toma de decisiones automatizadas diseñados para mejorar la IA en el servicio público a través de una mejor contratación deben trascender la visión monolítica del desarrollo de software como un producto y considerarse parte de un proceso democrático.

Es esencial que a) el software utilizado para desarrollar sistemas de contratación pública sea de código abierto; b) los cambios se implementen a pedido de los ciudadanos, con problemas y nuevas características bien documentadas en repositorios públicos, decididas en las comunidades afectadas por los servicios públicos; y, por último, c) se tenga en cuenta la defensa de la comunidad, aprovechando la participación pública en el desarrollo de sistemas de contratación electrónica.

1. Identificación de problemas = para muchos agricultores es la falta de conocimiento sobre las enfermedades de los cultivos y la necesidad de un experto agrícola que proporcione un diagnóstico rápido.

2. Recopilación y compartición de datos = según la UNESCO (2021), uno de los principales problemas con la creación de modelos de IA en África es el acceso a los datos de entrenamiento de IA y la falta de datos de entrenamiento localizados en general, lo que afecta el uso de los sistemas de IA.

3. El contexto importa = es fundamental comprender el contexto al recopilar y compartir datos, y crear e implementar modelos de IA. Por ejemplo, al crear un modelo de IA para el diagnóstico de cáncer de mama, se deben tener en cuenta factores contextuales como las opciones de tratamiento disponibles, los marcadores genéticos únicos o los antecedentes familiares.

4. Consideraciones éticas en la educación y la investigación = desarrollar programas de capacitación para la inclusión de la ética de la IA en la educación en diferentes niveles a través de los planes de estudio de informática e ingeniería.

También se pueden establecer directrices de implementación para aprovechar los casos de uso prácticos para traducir los principios éticos de la IA a la práctica.

Por lo tanto, existen consideraciones éticas en lo que respecta a los derechos indígenas debido a la forma en que los pueblos indígenas se relacionan e identifican con la tierra y los recursos naturales. Cuando se digitaliza, se clasifican y definen tierras y territorios.

Cada objeto es un objeto potencial, [...] el objeto como un diagrama físico, una estructura que hace unidad de comprensión de las necesidades y las decisiones de cómo superarlas”. Para entender las transformaciones tecnológicas vernáculas, Rai demuestra cómo en la India, el jugaad es una forma de hacking cotidiano, una forma amateur, manual, material y creativa asociada con las llamadas castas inferiores. El jugaad no es simplemente una forma frugal de innovación sino una ecología que puede representar un giro en las formas de innovación organizada, metódica y profesional; el jugaad es una práctica y una capacidad de afecto y afectación. El jugaad es un método crítico que disuelve el dualismo pensar/hacer y las temporalidades futuro/pasado.

Hay varias razones para apostar por la innovación desde el Sur global: la cantidad de personas que viven en estas regiones del planeta, la diversidad cultural, étnica y epistémica y la complejidad de los problemas que es necesario abordar.

Necesitamos trabajar juntos en todas las disciplinas para encontrar soluciones compuestas que tengan sentido para lo que tenemos la tecnología, o reinventarla. No se trata sólo de utilizar la tecnología correctamente, sino de utilizarla correctamente en el contexto en el que se implementa.

Interpretabilidad: la capacidad de comunicar al público qué y cómo funciona un sistema de IA para que un ciudadano medio pueda comprender y confiar en sus predicciones (Rudin, 2019). Este es un paso más allá de las interpretaciones tradicionales de explicabilidad, cuyo objetivo es que un experto en IA pueda comprender el efecto del sistema (Ribeiro et al., 2016).

While on the one hand alarming, this feedback loop is also why there is a lot of promise in the work of debiasing algorithms

En ese contexto, en 2020, ILDA junto con Data+Feminism Lab (MIT) y FeminicidioUY organizaron “Datos contra el feminicidio”, una serie de sesiones interactivas de un mes de duración en el contexto del Día Internacional para la Erradicación de la Violencia contra la Mujer que dieron la bienvenida a activistas feministas, organizaciones de la sociedad civil, organizaciones internacionales, periodistas de datos, formuladores de políticas, funcionarios gubernamentales o académicos, ya sea que ya estuvieran trabajando con datos de feminicidio o considerándolo.

Los datos sobre feminicidios son “datos faltantes”: datos que han sido desatendidos y cuya falta obstaculiza el progreso hacia el fin de la violencia contra las mujeres.

Los humanos son mucho más complejos que el software de IA.

La motivación para el aprendizaje en IA es muy simple: se obtiene una recompensa por la asociación correcta de características con etiquetas. Los humanos, por otro lado, están impulsados ​​por una multitud de factores sociológicos y psicológicos.

La IA es más propensa a sesgos implícitos, mientras que los humanos son propensos tanto a sesgos implícitos como explícitos. Por lo tanto, la mayoría de los sesgos cognitivos, como el sesgo de confirmación, el sesgo inconsciente, el sesgo de endogrupo, etc., no se pueden utilizar para determinar el sesgo social en la IA, como se hace en sujetos humanos. Las pruebas estándar para determinar sesgos cognitivos en humanos, como la prueba de reflexión cognitiva, no se pueden utilizar para la IA.

Los hombres recibían palabras de acuerdo a sus logros mientras que a las mujeres eran solo palabras.

Como en la sociedad humana hay sesgos, también los hay en la IA. Las redes neuronales profundas (DNN), que hacen que la mayoría de las aplicaciones sorprendentes de la IA cobren vida, como la voz incorpórea de Siri (feminizada) de Apple y el cerebro autónomo del último explorador de Marte de la NASA, son en realidad representaciones matemáticas del cerebro humano.

IA está sesgada con las masculinidades de acuerdo a los datos que se suministran

Cocina y deportes

La IA decolonializa el sistema y permite que haya equidad el momento de contratar mujeres u hombres con el fin de que no se generen sesgos.

La falta de financiación en investigación desde el sur global hace que debamos adoptar tecnologías sin innovación de acuerdo a nuestras necesidades.

Los sesgos que se perciben de manera intrínseca en la IA de acuerdo a las necesidades de sus creadores, influencia en la decisión de aquellos usuarios para manipular la información teniendo un impacto en la desigualdad social (género, etnia, capacidad económica)

.

Though the interpreters’ personal working experience and preferences appeared to have a significant influence on their performance, all three subjects easily adopted the technology-assisted interpreting mode and considered it a viable technique.

Reference

Hamidi, M et Pöchhacker, F. Simultaneous Consecutive Interpreting: A New Technique Put to the Test. Tomado de https://doi.org/10.7202/016070ar

¿Cómo se puede dar este proyecto de investigación en las aulas para aquellos que han perdido a un ser querido a causa de la deportación?

¿Cómo podrían, la expresión y el atestiguamiento creativo, ofrecer formas de resistencia al ser deshumanizado por la experiencia de la detención y la deportación de inmigrantes?

El sueño americano es uno de los imaginarios idealizados por muchos latinos especialmente los mexicanos. Sin embargo, la experiencia tan amarga que se llevan al momento de intentar cruzar fronteras conduce al deterioro humanizado a causa de los deshumanizados que solo buscan cumplir órdenes para evitar el acceso al tan anhelado país del norte global.

Referencias

Ashford, S. (2023). Humanizando la deportación: narrativas desde las calles de Tijuana. pp. 183-214.

Pasión por el arte y la ciencia podría ser el eslogan del anarquismo en la academia.

Decolonizar la universidad para promover el análisis científico en su libre expresión y otorgarle a los investigadores su reconocimiento por sus esfuerzos en sus investigaciones.

Terminar con el poder que se ejerza en las organizaciones.

¿Cómo se podrá implementar un sistema de traducción automática para agilizar procesos en Pharo?

Sirve como bloc con videos para explicar algún tema en específico.

Float sirve para representar cualquier caracter o símbolo

Hay la posibilidad de que los datos almacenados no siempre sean reaproducibles o se deben almacenar en versiones difetentes

El hecho de que los flujos de trabajo fueran impulsados por las herramientas, no quiere decir que fuera un trabajo óptimo ya que éstas herramientas eran las que definían el progreso o lentitud de la labor.

The reproduction of the original source giving as a result the same source code, input data, software and configurations in the system might be considered as Computational reproducibility

According to Patil, P et al. (2016) state that "everyone agrees that scientific studies should be reproducible and replicable. The problem is almost no one agrees upon what those terms mean. A major initiative in psychology used the term reproducibility'' to refer to completely re­doing experiments including data collection (1). In cancer biologyreproducibility'' has been used to refer to the re calculation of results using a fixed set of data and code." (pag. 1)

A possible approach to statistical reproducibility is to re-do experiments over and over again gathering all the data available to get the findings, but emphasising in the analysis with transparency in the information to have accurate conclusions.

References

Prasad Patil, Roger D. Peng, Jeffrey T. Leek. (2016). A statistical definition for reproducibility and replicability. see on https://www.biorxiv.org/content/10.1101/066803v1.full.pdf

Chattopadhyay et al. (2020) mentioned that "as data scientists [...], they encounter unexpected difficulties—pain points—from limitations in affordances and features in the notebooks, which impact their productivity and disrupt their workflow." (pag. 1)

These pain points represent an opportunity to change or challenges in a specific aspect of reproducibility.

References

Chattopadhyay, S. Prasad, I. Henley, A. Sarma, A. Barik, T. (2020). What’s Wrong with Computational Notebooks? Pain Points, Needs, and Design Opportunities. Oregon State University, Microsoft, University of Tennessee-Knoxville. see link on https://dl.acm.org/doi/pdf/10.1145/3313831.3376729

Si hay buenas razones para realizar el evento en otro tipo de lugar, organizar el transporte y otro apoyo logístico para que los miembros de la comunidad puedan asistir más fácilmente; elija lugares que sean amigables para algo más que los “sospechosos habituales” y considere el transporte, la comida, el cuidado infantil, la traducción y la accesibilidad.

Mi investigación coincide con esta afirmación porque me enfoco en la IA y la tecnología por lo que se debe considerar a las personas en su totalidad y no solo en su esencia tecnológica. Por otro lado, mi investigación trata de lleno todo lo relacionado con la traducción como arte para acercar a los humanos a diversas culturas y poder interactuar de manera directa con ellas.

Bibiana Clavijo - vicepresidente de la ACTTI

.

Inclusión en el sistema para promover equidad

.

.

Estos principios se pueden implementar en diversas culturas promoviendo el acceso a conocedores de este campo de diferentes razas para generar mayor inclusión.

Ujamaa es un ejemplo desde el Sur Global ubicado en Brasil donde se promueve la inclusión a través de medios, tecnología, y centros de diseño para comunidades afro.

Estas culturas sin ignoradas por los titanes en programación y a la vez se marginalizan como en los sectores de programación donde son sleccionados los hombres como eje central de las operaciones en varias partes del mundo. Acá se puede apreciar la falta de inclusión y de validación a los diferentes generos.

Modelo de negocio incluyente centrado en el diseño participativo de medios digitales y tecnológicos. (concursos de diseño)

a replicable model for a multimedia, mobile neighborhood workshop fair.

Talleres prácticos sobre Internet, electrónica, políticas públicas y comunidades de organizaciones.

El trabajo en un espacio hacker (feminista) depende de la circulación del conocimiento y la disponibilidad de hardware. En la escena maker contemporánea, la mayoría de estos recursos se crean en círculos dominados por hombres y se entregan a mujeres maker identificadas para que actúen y se apropien de ellos. Los intentos de reconciliar el desequilibrio en la participación de género con microcontroladores de color rosa solo reforzaron los estereotipos culturales y de género existentes. En lugar de sumarnos a la creciente voz crítica de las prácticas excluyentes e inclusivas, adoptamos una postura crítica hacia la práctica del hacking feminista en sí: observamos lo que producen los hackerspaces feministas.

https://www.academia.edu/33299500/FEMINIST_HACKERSPACES_A_RESEARCH_ON_FEMINIST_SPACE_COL_L_ECTIVES_IN_OPEN_CULTURE

Referencias

Vasilachis, I. (2006). Estrategias de investigación cualitativa. Biblioteca de educación. Editorial gedisa. Barcelona, España. Tomado de https://investigacionsocial.sociales.uba.ar/wp-content/uploads/sites/103/2013/03/Estrategias-de-la-investigacin-cualitativa-1.pdf

Referencias

Vasilachis, I. (2006). Estrategias de investigación cualitativa. Biblioteca de educación. Editorial gedisa. Barcelona, España. Tomado de https://investigacionsocial.sociales.uba.ar/wp-content/uploads/sites/103/2013/03/Estrategias-de-la-investigacin-cualitativa-1.pdf

Referencias

Vasilachis, I. (2006). Estrategias de investigación cualitativa. Biblioteca de educación. Editorial gedisa. Barcelona, España. Tomado de https://investigacionsocial.sociales.uba.ar/wp-content/uploads/sites/103/2013/03/Estrategias-de-la-investigacin-cualitativa-1.pdf

Referencias

Vasilachis, I. (2006). Estrategias de investigación cualitativa. Biblioteca de educación. Editorial gedisa. Barcelona, España. Tomado de https://investigacionsocial.sociales.uba.ar/wp-content/uploads/sites/103/2013/03/Estrategias-de-la-investigacin-cualitativa-1.pdf

Referencias

Vasilachis, I. (2006). Estrategias de investigación cualitativa. Biblioteca de educación. Editorial gedisa. Barcelona, España. Tomado de https://investigacionsocial.sociales.uba.ar/wp-content/uploads/sites/103/2013/03/Estrategias-de-la-investigacin-cualitativa-1.pdf

Referencias

Vasilachis, I. (2006). Estrategias de investigación cualitativa. Biblioteca de educación. Editorial gedisa. Barcelona, España. Tomado de https://investigacionsocial.sociales.uba.ar/wp-content/uploads/sites/103/2013/03/Estrategias-de-la-investigacin-cualitativa-1.pdf

Referencias

Vasilachis, I. (2006). Estrategias de investigación cualitativa. Biblioteca de educación. Editorial gedisa. Barcelona, España. Tomado de https://investigacionsocial.sociales.uba.ar/wp-content/uploads/sites/103/2013/03/Estrategias-de-la-investigacin-cualitativa-1.pdf

Referencias

Vasilachis, I. (2006). Estrategias de investigación cualitativa. Biblioteca de educación. Editorial gedisa. Barcelona, España. Tomado de https://investigacionsocial.sociales.uba.ar/wp-content/uploads/sites/103/2013/03/Estrategias-de-la-investigacin-cualitativa-1.pdf

Referencias

Vasilachis, I. (2006). Estrategias de investigación cualitativa. Biblioteca de educación. Editorial gedisa. Barcelona, España. Tomado de https://investigacionsocial.sociales.uba.ar/wp-content/uploads/sites/103/2013/03/Estrategias-de-la-investigacin-cualitativa-1.pdf

Referencias

Vasilachis, I. (2006). Estrategias de investigación cualitativa. Biblioteca de educación. Editorial gedisa. Barcelona, España. Tomado de https://investigacionsocial.sociales.uba.ar/wp-content/uploads/sites/103/2013/03/Estrategias-de-la-investigacin-cualitativa-1.pdf

Referencias

Vasilachis, I. (2006). Estrategias de investigación cualitativa. Biblioteca de educación. Editorial gedisa. Barcelona, España. Tomado de https://investigacionsocial.sociales.uba.ar/wp-content/uploads/sites/103/2013/03/Estrategias-de-la-investigacin-cualitativa-1.pdf

Referencias

Vasilachis, I. (2006). Estrategias de investigación cualitativa. Biblioteca de educación. Editorial gedisa. Barcelona, España. Tomado de https://investigacionsocial.sociales.uba.ar/wp-content/uploads/sites/103/2013/03/Estrategias-de-la-investigacin-cualitativa-1.pdf

Referencias

Vasilachis, I. (2006). Estrategias de investigación cualitativa. Biblioteca de educación. Editorial gedisa. Barcelona, España. Tomado de https://investigacionsocial.sociales.uba.ar/wp-content/uploads/sites/103/2013/03/Estrategias-de-la-investigacin-cualitativa-1.pdf

Investigación cualitativa depende de la experiencia de los sujetos y objetos de estudio para darle sentido.

Referencias

Vasilachis, I. (2006). Estrategias de investigación cualitativa. Biblioteca de educación. Editorial gedisa. Barcelona, España. Tomado de https://investigacionsocial.sociales.uba.ar/wp-content/uploads/sites/103/2013/03/Estrategias-de-la-investigacin-cualitativa-1.pdf

Referencias

Vasilachis, I. (2006). Estrategias de investigación cualitativa. Biblioteca de educación. Editorial gedisa. Barcelona, España. Tomado de https://investigacionsocial.sociales.uba.ar/wp-content/uploads/sites/103/2013/03/Estrategias-de-la-investigacin-cualitativa-1.pdf

Referencias

Vasilachis, I. (2006). Estrategias de investigación cualitativa. Biblioteca de educación. Editorial gedisa. Barcelona, España. Tomado de https://investigacionsocial.sociales.uba.ar/wp-content/uploads/sites/103/2013/03/Estrategias-de-la-investigacin-cualitativa-1.pdf

Referencias

Vasilachis, I. (2006). Estrategias de investigación cualitativa. Biblioteca de educación. Editorial gedisa. Barcelona, España. Tomado de https://investigacionsocial.sociales.uba.ar/wp-content/uploads/sites/103/2013/03/Estrategias-de-la-investigacin-cualitativa-1.pdf

La multidisciplinariedad permite que dentro del proceso de investigación se den nuevos puntos de vista y se puedan crear nuevos conceptos basándose en experiencias, opiniones y entrevistas.

Referencias

Vasilachis, I. (2006). Estrategias de investigación cualitativa. Biblioteca de educación. Editorial gedisa. Barcelona, España. Tomado de https://investigacionsocial.sociales.uba.ar/wp-content/uploads/sites/103/2013/03/Estrategias-de-la-investigacin-cualitativa-1.pdf

Representan una colección de técnicas de análisis y diseño para dar inicio con el propósito de la investigación cualitativa.

Referencias

Vasilachis, I. (2006). Estrategias de investigación cualitativa. Biblioteca de educación. Editorial gedisa. Barcelona, España. Tomado de https://investigacionsocial.sociales.uba.ar/wp-content/uploads/sites/103/2013/03/Estrategias-de-la-investigacin-cualitativa-1.pdf

Referencias

Vasilachis, I. (2006). Estrategias de investigación cualitativa. Biblioteca de educación. Editorial gedisa. Barcelona, España. Tomado de https://investigacionsocial.sociales.uba.ar/wp-content/uploads/sites/103/2013/03/Estrategias-de-la-investigacin-cualitativa-1.pdf

Referencias

Castro-Gómez, S. (2015). Decolonizar la universidad: la hybris del punto cero y el diálogo de saberes. Tomado de chrome-extension://bjfhmglciegochdpefhhlphglcehbmek/pdfjs/web/viewer.html?file=https%3A%2F%2Fwww.ram-wan.net%2Frestrepo%2Fdecolonial%2F14-castro-descolonizar%2520la%2520universidad.pdf

Referencias

Castro-Gómez, S. (2015). Decolonizar la universidad: la hybris del punto cero y el diálogo de saberes. Tomado de chrome-extension://bjfhmglciegochdpefhhlphglcehbmek/pdfjs/web/viewer.html?file=https%3A%2F%2Fwww.ram-wan.net%2Frestrepo%2Fdecolonial%2F14-castro-descolonizar%2520la%2520universidad.pdf

Referencias

Castro-Gómez, S. (2015). Decolonizar la universidad: la hybris del punto cero y el diálogo de saberes. Tomado de chrome-extension://bjfhmglciegochdpefhhlphglcehbmek/pdfjs/web/viewer.html?file=https%3A%2F%2Fwww.ram-wan.net%2Frestrepo%2Fdecolonial%2F14-castro-descolonizar%2520la%2520universidad.pdf

Referencias

Castro-Gómez, S. (2015). Decolonizar la universidad: la hybris del punto cero y el diálogo de saberes. Tomado de chrome-extension://bjfhmglciegochdpefhhlphglcehbmek/pdfjs/web/viewer.html?file=https%3A%2F%2Fwww.ram-wan.net%2Frestrepo%2Fdecolonial%2F14-castro-descolonizar%2520la%2520universidad.pdf

The next time you make breakfast, pay attention to the exquisitely intricate choreography of opening cupboards and pouring the milk — notice how your limbs move in space, how effortlessly you use your weight and balance. The only reason your mind doesn't explode every morning from the sheer awesomeness of your balletic achievement is that everyone else in the world can do this as well. With an entire body at your command

References

Victor, B. (2011). A brief rant on the future of interaction design. Tomado de https://worrydream.com/ABriefRantOnTheFutureOfInteractionDesign/

Alan Kay stumbled across Don Bitzer's early flat-panel display. Its resolution was 16 pixels by 16 pixels — an impressive improvement over their earlier 4 pixel by 4 pixel display. Alan saw those 256 glowing orange squares, and he went home, and he picked up a pen, and he drew a picture of a goddamn iPad. And then he chased that carrot through decades of groundbreaking research, much of which is responsible for the hardware and software that you're currently reading this with.

That's the kind of ambitious, long-range vision I'm talking about. Pictures Under Glass is old news. Let's start using our hands.

References

Victor, B. (2011). A brief rant on the future of interaction design. Tomado de https://worrydream.com/ABriefRantOnTheFutureOfInteractionDesign/

The most important thing to realize about the future is that it's a choice. People choose which visions to pursue, people choose which research gets funded, people choose how they will spend their careers.

Despite how it appears to the culture at large, technology doesn't just happen. It doesn't emerge spontaneously, pulling us helplessly toward some inevitable destiny. Revolutionary technology comes out of long research, and research is performed and funded by inspired people.

And this is my plea — be inspired by the untapped potential of human capabilities. Don't just extrapolate yesterday's technology and then cram people into it.

References

Victor, B. (2011). A brief rant on the future of interaction design. Tomado de https://worrydream.com/ABriefRantOnTheFutureOfInteractionDesign/

We live in a three-dimensional world. Our hands are designed for moving and rotating objects in three dimensions, for picking up objects and placing them over, under, beside, and inside each other.

References

Victor, B. (2011). A brief rant on the future of interaction design. Tomado de https://worrydream.com/ABriefRantOnTheFutureOfInteractionDesign/

our fingers have an incredibly rich and expressive repertoire, and we improvise from it constantly without the slightest thought. In each of these pictures, pay attention to the positions of all the fingers, what's applying pressure against what, and how the weight of the object is balanced:

References

Victor, B. (2011). A brief rant on the future of interaction design. Tomado de https://worrydream.com/ABriefRantOnTheFutureOfInteractionDesign/

Para mí, afirmar que la fotografía bajo en cristal es el futuro de la interacción es como afirmar que el blanco y negro es el futuro de la fotografía. Obviamente es una tecnología de transición. Y cuanto antes hagamos la transición, mejor.

References

Victor, B. (2011). A brief rant on the future of interaction design. Tomado de https://worrydream.com/ABriefRantOnTheFutureOfInteractionDesign/

Important

References

Victor, B. (2011). A brief rant on the future of interaction design. Tomado de https://worrydream.com/ABriefRantOnTheFutureOfInteractionDesign/

This is how our tools talk to us. The sense of touch is essential to everything that humans have called "work" for millions of years.

References

Victor, B. (2011). A brief rant on the future of interaction design. Tomado de https://worrydream.com/ABriefRantOnTheFutureOfInteractionDesign/

How objects respond

References

Victor, B. (2011). A brief rant on the future of interaction design. Tomado de https://worrydream.com/ABriefRantOnTheFutureOfInteractionDesign/

Go ahead and pick up a book. Open it up to some page. Notice how you know how much water is left, by how the weight shifts in response to you tipping it.

References

Victor, B. (2011). A brief rant on the future of interaction design. Tomado de https://worrydream.com/ABriefRantOnTheFutureOfInteractionDesign/

Hands do two things. They are two utterly amazing things, and you rely on them every moment of the day, and most Future Interaction Concepts completely ignore both of them.

References

Victor, B. (2011). A brief rant on the future of interaction design. Tomado de https://worrydream.com/ABriefRantOnTheFutureOfInteractionDesign/

Both sides of a tool

References

Victor, B. (2011). A brief rant on the future of interaction design. Tomado de https://worrydream.com/ABriefRantOnTheFutureOfInteractionDesign/

how we should interact with our Tools Of The Future?

References

Victor, B. (2011). A brief rant on the future of interaction design. Tomado de https://worrydream.com/ABriefRantOnTheFutureOfInteractionDesign/

Una red social que tiene en cuenta a todos los generos y clases sociales.

¿Qué pasa cuando cambiamos la herramienta de escritura/archivo en términos del puente que esta ofrece entre nuestra necesidad y nuestra capacidad investigativa/escritural?

Se pierde información importante y genera estrés porque la herramienta cambia y a la vez está enfocada en nuestra necesidad de escribir/investigar. Así mismo, nuestra mente es nuestra capacidad motora, intelectual para manifestar nuestras ideas y poder usar nuestras manos como primera herramienta para lograr nuestra investigación y nuestro escrito.

¿Cuales son los actos de extrañeza?

A través de infrastructuras digitales que soportan prácticas de escritura, registro, publicación y trazabilidad histórica de distintos procesos de maneras alternas a la infraestructuras hegemónicas (ejp: procesadores de palabras y carpetas en línea).

El uso del término anarquismo en el nombre refleja la prescripción de pluralismo metodológico de la teoría, ya que el supuesto método científico no tiene el monopolio de la verdad ni de los resultados útiles. Feyerabend consideró que la ciencia comenzó como un movimiento liberador, pero con el tiempo se había vuelto cada vez más dogmática y rígida y, por lo tanto, se había convertido cada vez más en una ideología […]

https://es.wikipedia.org/wiki/Anarquismo_epistemol%C3%B3gico

conjunto de recipientes comunicados por su parte inferior, superior o lateral y que contienen un líquido homogéneo; se observa que cuando el líquido está en reposo alcanza el mismo nivel en todos los recipientes, sin influir la forma y volumen de estos. Cuando sumamos cierta cantidad de líquido adicional, este se desplaza hasta alcanzar un nuevo nivel de equilibrio, el mismo en todos los recipientes. Sucede lo mismo cuando inclinamos los vasos; aunque cambie la posición de los vasos, el líquido siempre alcanza el mismo nivel.

https://es.wikipedia.org/wiki/Vasos_comunicantes

Alterar las condiciones o propiedades de algo, desvirtuarlo.

Eclectisismo: la adopción, en el juzgar u obrar, de una postura intermedia entre doctrinas o actitudes diversas, la combinación de elementos de diversos estilos, ideas o posibilidades.

https://d1wqtxts1xzle7.cloudfront.net/59882997/El_eclecticismo_del_liderazgo20190627-80879-4jtuat-libre.pdf?1561654032=&response-content-disposition=inline%3B+filename%3DEl_eclecticismo_del_liderazgo_estrategic.pdf&Expires=1706036099&Signature=XsW2GObt0V5Z73r6YiRt2j7lUpI0ulBsVOLdii52YpwqwfCPDOyVe3ni0xb0hz3652XRxGOtQ-Fm9U1KqpZUoloT3FSLXqS5nbTquoMxEG~nyCm0JCS9dxRZNX81TXLx~gfyLNmQ~s5Jq9X6u~DTXyvcIAuqzOY8bvHwMRdTJzZl2k0mtbUqzhldruMQTAQM-Vz8o~EDFVj6nmgLTg8rF32OoHMVcgcPuzttLyM3sDurW15lGe8rhtuIKwyFDkr2IDubwbcnsMpGx0YK24DAlE8h2w8lLfz89LZ~gfrYfjUch0T7nVYT16LJ~EnTfeVXy5za79s6hENxGmjC2iPTjg__&Key-Pair-Id=APKAJLOHF5GGSLRBV4ZA

¿Cuales son los fenómenos investigativos?

Epistemología del Diseño tiene como finalidad concebir al diseño como objeto de estudio y encuadrarlo como disciplina en el concierto de las ciencias. Se trata de que los futuros doctores comprendan al diseño como una actividad científica, lo aborden como disciplina universitaria y lo ubiquen en el contexto académico.

https://www.palermo.edu/dyc/cat/024688.html#:~:text=Epistemolog%C3%ADa%20del%20Dise%C3%B1o%20tiene%20como,ubiquen%20en%20el%20contexto%20acad%C3%A9mico

Investigación Acción Participativa

¿Cuales son los actos de extrañeza?

A través de infrastructuras digitales que soportan prácticas de escritura, registro, publicación y trazabilidad histórica de distintos procesos de maneras alternas a la infraestructuras hegemónicas (ejp: procesadores de palabras y carpetas en línea).

El uso del término anarquismo en el nombre refleja la prescripción de pluralismo metodológico de la teoría, ya que el supuesto método científico no tiene el monopolio de la verdad ni de los resultados útiles. Feyerabend consideró que la ciencia comenzó como un movimiento liberador, pero con el tiempo se había vuelto cada vez más dogmática y rígida y, por lo tanto, se había convertido cada vez más en una ideología [...]

https://es.wikipedia.org/wiki/Anarquismo_epistemol%C3%B3gico

conjunto de recipientes comunicados por su parte inferior, superior o lateral y que contienen un líquido homogéneo; se observa que cuando el líquido está en reposo alcanza el mismo nivel en todos los recipientes, sin influir la forma y volumen de estos. Cuando sumamos cierta cantidad de líquido adicional, este se desplaza hasta alcanzar un nuevo nivel de equilibrio, el mismo en todos los recipientes. Sucede lo mismo cuando inclinamos los vasos; aunque cambie la posición de los vasos, el líquido siempre alcanza el mismo nivel.

https://es.wikipedia.org/wiki/Vasos_comunicantes

Alterar las condiciones o propiedades de algo, desvirtuarlo.

Eclectisismo: la adopción, en el juzgar u obrar, de una postura intermedia entre doctrinas o actitudes diversas, la combinación de elementos de diversos estilos, ideas o posibilidades.

https://d1wqtxts1xzle7.cloudfront.net/59882997/El_eclecticismo_del_liderazgo20190627-80879-4jtuat-libre.pdf?1561654032=&response-content-disposition=inline%3B+filename%3DEl_eclecticismo_del_liderazgo_estrategic.pdf&Expires=1706036099&Signature=XsW2GObt0V5Z73r6YiRt2j7lUpI0ulBsVOLdii52YpwqwfCPDOyVe3ni0xb0hz3652XRxGOtQ-Fm9U1KqpZUoloT3FSLXqS5nbTquoMxEG~nyCm0JCS9dxRZNX81TXLx~gfyLNmQ~s5Jq9X6u~DTXyvcIAuqzOY8bvHwMRdTJzZl2k0mtbUqzhldruMQTAQM-Vz8o~EDFVj6nmgLTg8rF32OoHMVcgcPuzttLyM3sDurW15lGe8rhtuIKwyFDkr2IDubwbcnsMpGx0YK24DAlE8h2w8lLfz89LZ~gfrYfjUch0T7nVYT16LJ~EnTfeVXy5za79s6hENxGmjC2iPTjg__&Key-Pair-Id=APKAJLOHF5GGSLRBV4ZA

¿Cuales son los fenómenos investigativos?

Epistemología del Diseño tiene como finalidad concebir al diseño como objeto de estudio y encuadrarlo como disciplina en el concierto de las ciencias. Se trata de que los futuros doctores comprendan al diseño como una actividad científica, lo aborden como disciplina universitaria y lo ubiquen en el contexto académico.

https://www.palermo.edu/dyc/cat/024688.html#:~:text=Epistemolog%C3%ADa%20del%20Dise%C3%B1o%20tiene%20como,ubiquen%20en%20el%20contexto%20acad%C3%A9mico.