Data as Transcendental Stabilizations: Symbolic Mediation and the Pre-Semantic Conditions of Data
Este artículo sostiene que los datos no son primitivos ontológicos ni meros artefactos técnicos, sino que emergen a través de estabilizaciones simbólicas históricamente variables que transforman configuraciones diferenciales en diferencias operativamente disponibles, reframando así cuestiones como el sesgo algorítmico como disputas sobre regímenes de inteligibilidad en competencia en lugar de simples problemas de gestión técnica.
Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo
Imagina que sostienes un cubo de arena. Para un geólogo, es una muestra de sílice y feldespato. Para un niño, es material para construir castillos. Para un poeta, es una metáfora del tiempo escapando entre los dedos. Pero antes de que cualquiera de estas personas pueda decir "esto es arena", algo invisible tiene que suceder primero. Los granos caóticos y cambiantes tienen que ser capturados, nombrados y convertidos en algo que pueda ser contado, compartido y recordado. Esta es la vida secreta de los datos.
En el mundo de la ciencia y la tecnología, a menudo tratamos los datos como pequeños ladrillos de la realidad que simplemente recogemos del suelo. Asumimos que si tenemos un termómetro, la temperatura simplemente "está ahí", esperando ser anotada. Pero un nuevo artículo de Rodrigo Garrido sugiere que esto es un poco un truco. Argumenta que los datos no son algo que encontramos; es algo que hacemos. Para entender esto, necesitamos observar tres grandes ideas. Primero, la mediación simbólica: la idea de que no podemos tocar la realidad directamente; siempre tenemos que usar herramientas, palabras o números para traducir el mundo en algo que podamos comprender. Segundo, la estabilización: el proceso de tomar algo desordenado y cambiarlo para que permanezca igual el tiempo suficiente para ser útil. Y tercero, la proyección: como al proyectar la luz de una linterna sobre un objeto 3D para ver una sombra 2D, tenemos que elegir qué partes de la realidad resaltar y cuáles ignorar para crear un "dato". ¿Por qué importa esto? Porque si pensamos que los datos son solo "verdad pura", podríamos perder de vista el hecho de que la forma en que elegimos medir las cosas realmente decide qué podemos ver, qué podemos saber e incluso qué cuenta como "real" en nuestro mundo digital.
Entonces, ¿qué dice realmente este artículo? Propone que un "datum" (un solo dato) no es una pequeña pieza preexistente del universo. En cambio, es una estabilización trascendental. Esa es una forma elegante de decir que es una instantánea de la realidad que ha sido congelada, empaquetada y hecha repetible mediante un conjunto específico de reglas y herramientas.
Piensa en la realidad como un gigante, continuo y zumbante río de información. Siempre está fluyendo, cambiando y lleno de diferencias infinitas. No puedes simplemente recoger el río y ponerlo en un frasco; simplemente se derramaría. Para obtener "datos", tienes que construir una presa. Tienes que decidir dónde cortar el río, qué medir y cómo etiquetarlo. El artículo argumenta que el acto de construir la presa es lo que crea los datos. Antes de que se construya la presa, solo hay un río (variación ontológica). Una vez que la presa se construye y el agua es canalizada hacia una tubería específica, eso es el dato.
El autor utiliza algunas metáforas geniales para explicar cómo funciona esto. Imagina que estás tratando de describir una canción. Las ondas sonoras en el aire son el "río". Si quieres convertir esa canción en un archivo en tu computadora (un datum), tienes que trocear el sonido en fragmentos pequeños y discretos. Esto se llama tokenización en el mundo de las computadoras. No puedes alimentar toda la canción continua en una máquina; tienes que romperla en piezas pequeñas (tokens) que la máquina pueda contener. Pero aquí está el detalle: la forma en que la troceas cambia la canción. Si la troceas por el ritmo, obtienes un tipo de dato. Si la troceas por el tono, obtienes un tipo totalmente diferente. El artículo dice que el "dato" no es la canción en sí; es la forma específica en que decidiste trocearla.
El artículo también argumenta que esto no es algo de una sola vez. Una vez que troceas la canción, tienes que evitar que esas piezas se deshagan. Aquí es donde entra la sedimentación técnica. Imagina que escribes una receta en un papel. Ese papel es un "soporte técnico". Mantiene la receta para que puedas leerla mañana. Pero el papel mismo tiene reglas: tiene líneas, tiene un cierto tamaño y, tal vez, está escrito en un lenguaje que conoces. Esas reglas del pasado (el papel, el lenguaje) están "sedimentadas" en tu receta. Ellas deciden qué puedes escribir y cómo puedes escribirlo. El artículo sugiere que todos nuestros datos son así. Están construidos sobre capas de viejas herramientas, viejas reglas y viejas formas de pensar que a menudo ni siquiera notamos. Una base de datos diseñada en la década de 1980 podría estar todavía decidiendo qué tipo de datos podemos recolectar hoy, simplemente debido a cómo fue construida.
El autor es muy claro sobre lo que los datos no son. No son una pieza "cruda" de la realidad esperando ser descubierta. No puedes encontrar un "datum" en la naturaleza. Un cambio de temperatura existe, por supuesto, pero solo se convierte en un "dato de temperatura" cuando un termómetro lo mide, una computadora lo registra y un científico acuerda cómo escribirlo. El artículo también rebate la idea de que los datos son solo un bloque de construcción neutral para la verdad. En cambio, sugiere que la forma en que estabilizamos los datos (las reglas que usamos) en realidad crea la verdad que vemos. Si usas un conjunto diferente de reglas (una forma simbólica diferente), obtienes un tipo de dato diferente, y un tipo de verdad diferente.
El artículo no afirma haber encontrado una fórmula mágica para solucionar todos nuestros problemas de datos. En cambio, sugiere que necesitamos cambiar nuestra forma de pensar sobre los datos. No deberíamos tratar los datos como si estuvieran simplemente "allí afuera". Deberíamos darnos cuenta de que los datos son un producto de nuestras elecciones, nuestras herramientas y nuestra historia. Cuando hablamos de cosas como el "sesgo algorítmico" o la "privacidad de los datos", el artículo sugiere que no debemos mirar solo los números. Debemos mirar la presa que construimos. Debemos preguntar: ¿Quién decidió dónde cortar el río? ¿Qué reglas usamos para trocear la canción? ¿Y qué reglas viejas y polvorientas del pasado siguen controlando lo que podemos ver hoy?
En resumen, el artículo nos invita a dejar de ver los datos como un espejo de la realidad y empezar a verlos como una pintura. La pintura no es la realidad misma; es una versión específica, estabilizada y consolidada de la realidad, creada por el pincel del artista, el lienzo y la historia del arte que le precede. Y al igual que una pintura, nos dice tanto sobre el artista y las herramientas que utilizó como sobre el mundo que intenta mostrar.
¿Ahogado en artículos de tu campo?
Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.