Diferencias de género en la percepción de la ciudadanía española sobre la Ciencia de Datos

Autores/as

DOI:

https://doi.org/10.31921/doxacom.n33a1126

Palabras clave:

Género, ciencia de datos, comunicación científica, Big Data, Inteligencia Artificial

Resumen

Este artículo tiene como objetivo comprobar si existen diferencias de género en el conocimiento y actitudes de la ciudadanía española hacia la ciencia de datos, además de si estas percepciones se vieron modificadas por la pandemia. Para ello se ha realizado una encuesta online con preguntas cerradas a una muestra representativa de 1105 ciudadanos y ciudadanas en dos oleadas (enero y octubre de 2020) que permitieron comparar en qué grado la pandemia por Covid-19 ejerció influencia. En los resultados se observa que en la primera oleada el conocimiento sobre Big Data e Inteligencia Artificial es moderado, siendo mayor en hombres, especialmente en Big Data; que el grado de interés disminuye en la segunda oleada en ambos géneros y apunta a varias diferencias de género en la percepción de beneficios y riesgos en sus aplicaciones: los hombres perciben más beneficios que las mujeres, mientras que las mujeres perciben más riesgos en general en todas las aplicaciones tecnológicas en la primera oleada, pero en la segunda sube su percepción de beneficios hasta casi igualar a los hombres. Se observa que en la segunda oleada los riesgos han aumentado para ambos géneros y que las diferencias entre ambos no resultan significativas.

Descargas

Los datos de descarga aún no están disponibles.

Biografía del autor/a

  • Patricia Sánchez-Holgado, Universidad de Salamanca, España

    Licenciada en Publicidad y Relaciones Públicas por la Universidad Complutense de Madrid. Investigadora en la Universidad de Salamanca y miembro del Observatorio de los Contenidos Audiovisuales (OCA). Actualmente es Directora de Comunicación e Innovación de la agencia de publicidad tthegap y responsable del Laboratorio de investigación. Es profesora asociada en la Facultad de Lenguas y Educación de la Universidad Nebrija de Madrid y en la Facultad de Comunicación de la Universidad Pontificia de Salamanca. Experta en Big Data y Data Science por la Universidad Pontificia de Salamanca y Máster en Estudios de la Ciencia, la Tecnología y la Innovación, con especialidad en Cultura Científica.

  • María Marcos-Ramos, Universidad de Salamanca, España

    Licenciada en Comunicación Audiovisual por la Universidad del País Vasco y doctora en Comunicación Audiovisual por la Universidad de Salamanca (Premio Extraordinario). Es profesora ayudante de Comunicación Audiovisual de la Universidad de Salamanca y miembro colaborador del Observatorio de Contenidos Audiovisuales de la misma institución. Sus líneas de investigación versan sobre representación de la inmigración y del género en la ficción audiovisual, representación cinematográfica de la sociedad en el cine y análisis de la ficción audiovisual, etc. temas sobre los que ha publicado artículos en revistas y monografías científicas. Es editora de dos libros: Cine desde las dos orillas: directores españoles y brasileños (Andavira, 2018) y A ambos lados del Atlántico: películas españolas y brasileñas premiadas (Ediciones Universidad de Salamanca, 2020).

     

  • Beatriz González-de-Garay-Domínguez, Universidad de Salamanca, España

    Profesora Contratada Doctora en Comunicación Audiovisual en la Universidad de Salamanca (España), coordinadora de la Unidad de diversidad afectivo-sexual y de identidad de género de esa Universidad y miembro del Observatorio de los Contenidos Audiovisuales, Unidad de Investigación Consolidada de Castilla y León. Licenciada con Premio Extraordinario Fin de Carrera en Comunicación Audiovisual por la Universidad Carlos III de Madrid y Doctora Europea por la Universidad Complutense. Sus principales ámbitos de investigación son los Estudios de género y diversidades sexogenéricas en la ficción televisiva, campos en los que cuenta con numerosas publicaciones académicas y proyectos de investigación.

Referencias

Bauer, M. W., y Jensen, P. (2011). The mobilization of scientists for public engagement. Public Understanding of Science, 20(1), 3–11. https://doi.org/10.1177/0963662510394457

Berman, F. D. y Bourne, P. E. (2015). Let's Make Gender Diversity in Data Science a Priority Right from the Start. PLOS Biology, 13 (7). https://doi.org/10.1371/journal.pbio.1002206

Bustamante Alonso, N. B., y Guillén Alonso, S. Th. (2017). Un acercamiento al Big Data y su uti-lización en comunicación. Mediaciones Sociales, (16), 115–134. https://doi.org/10.5209/MESO.58112

Calvo-Rubio, L. M., Ufarte-Ruiz, Mª J. (2020). Percepción de docentes universitarios, estudiantes, responsables de innovación y periodistas sobre el uso de inteligencia artificial en periodismo. El profesional de la información, v. 29, n. 1, e290109. https://doi.org/10.3145/epi.2020.ene.09

Comisión Interamericana de Mujeres. (2020). COVID-19 en la vida de las mujeres. In OAS Cataloging-in-Publication Data. http://www.oas.org/cim%0Ahttp://www.oas.org/es/cim/docs/ArgumentarioCOVID19-ES.pdf

D'Ignazio, C. y Klein, L. F. (2020). Data feminism. MIT Press.

Díaz Martínez, C., Díaz García, P. y Navarro Sustaeta, P. (2020). Sesgos de género ocultos en los macrodatos y revelados mediante redes neurales: ¿hombre es a mujer como trabajo es a madre?. Revista Española de Investigaciones Sociológicas, 172: 41-60. http://dx.doi.org/10.5477/cis/reis.172.41

European Commission (2014). Special Eurobarometer 419: Public perceptions of science, research and innovation (Issue October). European Commission. https://doi.org/10.2777/95599

European Commission (2017a). Special Eurobarometer 460: Attitudes towards the impact of digitisation and automation on daily life. https://doi.org/10.2759/835661

European Commission (2017b). Special Eurobarometer 464a: Europeans’ attitudes towards cyber security Fieldwork (Issue June). European Commission. https://doi.org/10.2838/009088

European Commission (2020). On Artificial Intelligence - A European approach to excellence and trust. https://doi.org/10.1017/CBO9781107415324.004

FECYT Fundación Española para la Ciencia y la Tecnología (2018). IX Encuesta de Percepción Social de la Ciencia y la Tecnología 2018. https://icono.fecyt.es/sites/default/files/filepublicaciones/18/epscyt2018_informe_0.pdf

FECYT Fundación Española para la Ciencia y la Tecnología. (2021). Percepción social de la ciencia y la tecnología en España 2020. https://icono.fecyt.es/sites/default/files/filepublicaciones/21/percepcion_social_de_la_ciencia_y_la_tecnologia_2020_informe_completo_0.pdf

Felt, U. (ed). (2007). Optimising public understanding of science and technology, 610–644.

Finucane, M. L., Slovic, P., Mertz, C. K., Flynn, J. y Satterfield, Th. A. (2000). Gender, race, and perceived risk: The “white male” effect. Health, Risk & Society, 2(2), 159–172. https://doi.org/10.1080/713670162

Hayes, B. C., y Tariq, V. N. (2000). Gender differences in scientific knowledge and attitudes toward science: a comparative study of four Anglo-American nations. Public Understanding of Science, 9(4), 433–447. https://doi.org/10.1088/0963-6625/9/4/306

Howard, A., Borenstein, J. (2018). The Ugly Truth About Ourselves and Our Robot Creations: The Problem of Bias and Social Inequity. Sci Eng Ethics, 24, 1521–1536. https://doi.org/10.1007/s11948-017-9975-2

Instituto de las Mujeres y para la Igualdad de Oportunidades. (2020). “La perspectiva de género, esencial en la respuesta a la COVID-19.” In Catálogo de publicaciones de la Administración General del Estado.

Jurgenson, N. (2014). View from nowhere. The New Inquiry. October 9. https://thenewinquiry.com/essays/view-from-nowhere/

Leavy, S. (2018). “Gender bias in artificial intelligence: the need for diversity and gender theory in machine learning”. In Proceedings of the 1st International Workshop on Gender Equality in Software Engineering (GE '18). Association for Computing Machinery, New York, NY, USA, 14–16. https://doi.org/10.1145/3195570.3195580

Mayer-Schönberger, V., & Cukier, K. (2013). Big Data. La revolución de los datos masivos. Turner Publicaciones S.L.

McQuillan, D. (2018). Data science as machinic neoplatonism. Philosophy & Technology, 31(2), 253-272. https://doi.org/10.1007/s13347-017-0273-3

Miller, J. D. (2004). Public Understanding of, and Attitudes toward, Scientific Research: What We Know and What We Need to Know. Public Understanding of Science, 13(3), 273–294. https://doi.org/10.1177/0963662504044908

Miller, S. (2001). Public understanding of science at the crossroads. Public Understanding of Science, 10(1), 115–120. https://doi.org/10.3109/a036859

Monleón Getino, A. (2015). El impacto del Big-data en la Sociedad de la Información. Significado y utilidad. Historia y Comunicación Social, 20(2), 427–445. https://doi.org/10.5209/rev_HICS.2015.v20.n2.51392

Montaña Blasco, M., Ollé Castellà, C., y Lavilla Raso, M. (2020). Impacto de la pandemia de Covid-19 en el consumo de medios en España. Revista Latina, (78), 155-167. https://doi.org/10.4185/RLCS-2020-1472

ONU Mujeres. (2021). Los efectos del COVID-19 sobre las mujeres y las niñas. UnWomen. https://interactive.unwomen.org/multimedia/explainer/covid19/es/index.html

Palomares Ruiz, A. (2004). Profesorado y educación para la diversidad en el siglo XXI. Universidad de Castilla la Mancha.

Pearson, G. (2001). The participation of scientists in public understanding of science activities: The policy and practice of the U.K. Research Councils. https://doi.org/10.3109/a036860

Samoili, S., López Cobo, M., Gómez, E., De Prato, G., Martínez-Plumed, F., & Delipetrev, B. (2020). AI Watch - Defining Artificial Intelligence. Towards an operational definition and taxonomy of artificial intelligence. In Joint Research Centre (European Commission). https://doi.org/10.2760/382730

Sánchez-Holgado, P., Arcila-Calderón, C., y Frías-Vázquez, M. (2021). El papel de los y las periodistas españoles ante la comunicación de la ciencia de datos en medios en línea. Revista Prisma Social, (32), 344-375. https://revistaprismasocial.es/article/view/3901

Tannenbaum, C., Ellis, Robert P., Eyssel, F., Zou, J. y Schiebinger, L. (2019). Sex and gender analysis improves science and engineering. Nature, 575, 137–146. https://doi.org/10.1038/s41586-019-1657-6

Publicado

01-12-2021

Número

Sección

Miscelánea de artículos y ensayos científicos

Cómo citar

Diferencias de género en la percepción de la ciudadanía española sobre la Ciencia de Datos . (2021). Doxa Comunicación. Revista Interdisciplinar De Estudios De Comunicación Y Ciencias Sociales, 33, 235-256. https://doi.org/10.31921/doxacom.n33a1126