A medida que las restricciones derivadas de la COVID-19 se aligeran, llega ese momento del año en el que el consumo de pescado se incrementa en las costas españolas porque los y las turistas se inclinan por consumir lo que supuestamente se captura en las aguas que bañan los lugares de veraneo. Sin embargo, nuestro país pasó a depender de caladeros extracomunitarios en 2018; es decir, España ya no genera todo el pescado que consume.

Esto es posible gracias a que el país tiene una de las mayores flotas pesqueras de aguas distantes del mundo, aunque en un alejado quinto lugar, después de China, Taiwán, Japón y Corea del Sur. La pesca en aguas distantes es una práctica que permite sostener operaciones pesqueras fuera de las aguas territoriales, muchas veces en lugares remotos y durante meses. Sin embargo, esta práctica plantea tres graves problemas: su enorme tamaño (y cómo esto se relaciona con la sobrepesca), la falta de transparencia y datos sobre las flotas de aguas distantes y su conexión con la pesca ilegal y otras actividades criminales.

Las prácticas insostenibles relacionadas con las flotas de aguas distantes están vaciando los mares (al tiempo que se llenan de plásticos y vertidos). Entre ellas destaca la captura incidental, es decir, la pesca no intencionada de especies no deseadas o sin valor comercial. Se calcula, por ejemplo, que la captura incidental mata 300.000 pequeñas ballenas y delfines, 250.000 tortugas marinas en peligro de extinción y 300.000 aves marinas cada año. Víctimas colaterales.

Las consecuencias para las comunidades en países en desarrollo son graves: se les priva de trabajo y de fuentes proteína en su alimentación, además dañar el medioambiente.

Escala de las flotas

La capacidad de pesca mundial se ha duplicado desde 1950, impulsada por los subsidios, avances tecnológicos y hambre de pescado. Entretanto, las capturas han disminuido en un 80%. Esto significa que, mientras la capacidad pesquera aumenta, los recursos pesqueros disminuyen.

Gran parte de las flotas internacionales eligen aguas de países en desarrollo con poca capacidad para negociar buenos acuerdos, vigilar sus aguas o imponer sanciones a quienes violan la ley. En general, la migración de las operaciones pesqueras está impulsada por el agotamiento de los recursos pesqueros de países desarrollados, las preferencias de los y las consumidoras en estos países ricos, las preocupaciones sobre la seguridad alimentaria y los intereses económicos y geopolíticos, el acceso a mano de obra barata, la falta de vigilancia, la deficiente gobernanza y el escaso riesgo legal.

Sin embargo, nadie sabe exactamente cuántos buques con capacidad de pescar en aguas distantes hay en el mundo.

Se cree que solo cinco países son responsables del 90% de la capacidad pesquera mundial. A medida que Rusia y los países europeos ralentizaron sus operaciones, las flotas china y taiwanesa crecieron hasta convertirse en las líderes. Un informe del Overseas Development Institute estima que China tiene más de 16.000 buques con dicha capacidad; en comparación, la Unión Europea reporta unos 300.

En otras palabras, casi todos los buques pesqueros son embarcaciones de los países con ingresos altos que eligen pescar en otros países, dado lugar a una especie de 'colonialismo marino'. El crecimiento de la flota mundial se da independientemente de las necesidades de los países en desarrollo.

La falta de transparencia

Para gestionar pesquerías de forma sostenible, los países necesitan buena información sobre las prácticas de pesca. Los datos fiables son necesarios para determinar las cuotas pesqueras y su aplicación, así como el estado de los ecosistemas. ¿Cuánto se pesca? ¿Cómo evolucionan los caladeros? ¿Qué barcos pescan y dónde?

Pero los datos sobre la pesca a menudo no son fiables. Los armadores pueden, accidental o intencionalmente, facturar erróneamente o declarar capturas menores. El aumento de las flotas con capacidad de pescar en aguas distantes socava los esfuerzos de controlar la pesca, ya que es frecuente que los buques no informen sobre sus capturas a las autoridades locales, mientras que el pescado viaja largas distancias hasta los mercados de destino donde no se puede, o no interesa, cotejar los datos.

Las operaciones de pesca a menudo se habilitan a través de acuerdos bilaterales opacos entre los países anfitriones y los operadores. La opacidad de estos acuerdos hace imposible su seguimiento. Como informa Global Financial Integrity, algunas autoridades locales hacen “la vista gorda” debido a diferentes factores, incluida la corrupción y la “diplomacia de chequera”, que hace que el acceso a la pesca se intercambie por proyectos de desarrollo. Esto crea condiciones ideales para que se dé lo que se conoce como la pesca ilegal, no declarada y no reglamentada.

En Fishing for data, ODI exploró los esfuerzos que existen actualmente por respaldar el monitoreo de las pesquerías usando tecnologías digitales, incluidos macrodatos, imágenes de satélite y algoritmos de aprendizaje automático. Hasta el momento, no existe una única herramienta de información pesquera mundial. Las iniciativas privadas que abordan la pesca han visto su potencial socavado por el tamaño limitado y la calidad insuficiente de sus datos y la falta de colaboración. Por ejemplo, los datos de los sistemas de identificación automática (conocidos por sus siglas en inglés AIS) –un sistema de seguimiento que registra la información dinámica de la embarcación a medida que se mueve de un lugar a otro— son útiles, pero las embarcaciones pueden desconectar sus transmisores de señales satelitales para esconder sus actividades.

La conexión con la actividad ilegal

Las flotas de aguas distantes a menudo están relacionadas con actividades ilícitas que van desde pescar en aguas de otras naciones sin permiso a ofrecer datos falsos sobre sus actividades o pescar en detrimento de un ecosistema.

Mientras que la delimitación de zonas económicas exclusivas está pensada para proteger las aguas territoriales, que incluyen 200 millas náuticas de la costa, los barcos que se encuentran inmediatamente fuera de estas zonas escapan las jurisdicciones locales, ya que se encuentran en aguas internacionales. Eso es lo que pasó este año con la flotilla china de casi 300 buques que se instalaron justo fuera de las aguas de las Islas Galápagos, un santuario de biodiversidad marina. Un barco en aguas internacionales se rige por las leyes del país en el que está registrado. Como resultado, un barco chino o ruso en las afueras de la zona económica exclusiva de Ecuador o Senegal se rige por la ley china o rusa, que no contempla proteger la dieta o el trabajo de las comunidades pesqueras locales o la biodiversidad de lugares remotos.

Además, muchos barcos de aguas distantes eligen una bandera de conveniencia. En este caso, están registrados en un país pero son propiedad de una empresa de otro. Los registros más grandes, incluidos Panamá, Liberia y las Islas Marshall, que concentran el 40% de la flota mundial, generan una corriente de ganancias de estas flotas, pero ejercen muy poca supervisión sobre sus flotas.

Las estructuras opacas de registro y propiedad permiten que el lavado de dinero y otras actividades ilícitas no se controlen. Una investigación de C4ADS de 2019 sobre 29 redes de pesca ilegal o irregular indicó que el 60% de estas operaciones además estuvo relacionada con fraude aduanero, tráfico de personas, tráfico de drogas, crimen organizado, lavado de dinero o evasión de impuestos.

La pesca ilegal e irregular daña el medioambiente y los medios de vida y la seguridad alimentaria de las comunidades costeras de países en desarrollo. Este tipo de pesca equivale a decenas de miles de millones de euros anuales en pérdidas, incluida la merma de ingresos fiscales, empleos y el agotamiento de los caladeros. Un informe de ODI de 2016 estimó que, con las políticas adecuadas para limitar la pesca ilegal e irregular, se podrían crear más de 300.000 nuevos puestos de trabajo muy necesarios en África occidental.

La combinación de la escala de la pesca de aguas distantes y la falta de transparencia es catastrófica, ya que permite la sobrepesca y un abanico de actividades ilegales. Ecuador confiscó recientemente aletas de 30.000 tiburones con destino a los mercados asiáticos. En algunos países de América Latina, las poblaciones locales de especies valiosas como el calamar y el pepino de mar están siendo aniquiladas. Se emplea el exceso de capacidad de pescar en aguas distantes para eliminar la competencia de los océanos; algunas especies como los delfines están siendo diezmadas.

Nuestros 250 buques de aguas distantes capturan fletán negro, raya, gallineta nórdica, camarón boreal y bacalao en los mares Atlántico Norte y el Océano Ártico; merluza, calamar y pota vienen del Atlántico Sudoccidental (Malvinas) o de Marruecos y Mauritania; la flota marisquera que captura gamba y langostino y la flota cefalopodera que captura pulpo, calamar y sepia faena en los caladeros de la costa oeste africana y en aguas internacionales se capturan pez espada, tiburones y atunes. Haremos bien en preguntar de dónde viene el pescado que consumimos la próxima vez que nos sentemos en una terraza mirando al mar.

El 19 de febrero de 2020, once personas murieron y otras cinco resultaron heridas en un tiroteo terrorista protagonizado por un extremista de extrema derecha que tenía como objetivo dos bares de shisha en Hanau, Alemania. La masacre fue calificada de acto de terrorismo por el ministro del Interior alemán, Horst Seehofer. El atacante fue identificado como Tobias Rathjen, autor de un manifiesto publicado online en el que divulgaba odio contra los migrantes.

Este es solo uno de los atentados recientemente perpetrados en Europa y Estados Unidos vinculados con la extrema derecha.

En Alemania, existe un resurgimiento de varias formas de violencia de extrema derecha organizada y no organizada, incluida violencia similar a pogromos. El director del Instituto Alemán de Estudios de Radicalización y Desradicalización, Daniel Koehler, llama la atención sobre el surgimiento del “terrorismo en enjambre”, que define como redes fluidas, enfocadas en la oposición al gobierno y la inmigración, que se movilizan para cometer actos violentos. El término enjambre apunta a la naturaleza cambiante y desorganizada de estos grupos, que pueden incluir individuos sin vínculos previos con el extremismo.

Los grupos de extrema derecha –especialmente supremacistas blancos— están detrás de la mayoría de los ataques terroristas en EEUU, según un informe del Centro de Estudios Estratégicos e Internacionales. Según el mismo informe, los supremacistas blancos y otros grupos extremistas afines llevaron a cabo dos tercios de los complots y ataques terroristas en los Estados Unidos en 2020. Otros informes de Europol y Departamento de Seguridad de Estados Unidos hablan de que la mayor parte de la violencia extremista de los últimos años es de derechas o yihadista. De hecho, más estados en EE. UU. informaron de la presencia de milicias de extrema derecha (92% de las agencias de policía estatales encuestadas), neonazis (89%) y skinheads racistas (89%) que de grupos extremistas yihadistas (65%), según el informe del Departamento de Seguridad Nacional de EE. UU. El especialista Vincent Auger se pregunta si la violencia de extrema derecha representa una quinta ola global de violencia. Este planteamiento se apoya en la idea de que el mundo se enfrenta a oleadas de violencia en diferentes períodos históricos. De ahí la importancia de abordar este asunto.

Ni los grupos de ultraderecha son los únicos en usar las plataformas para organizarse y cometer actos de violencia ni todos los ultraderechistas son violentos. Pero las plataformas digitales, que ofrecen una comunicación masiva e instantánea, han permitido la magnificación del alcance de los mensajes de la ultraderecha, favorecido la constitución de nuevos grupos y contribuido a la radicalización de sus proponentes. Las plataformas dan oportunidades para que las personas con sensibilidades de ultraderecha se encuentren, se reconozcan y se unan y que sus grupos recluten nuevos miembros, se promocionen y organicen para la acción. El manifiesto xenófobo de Tobias Rathjen, autor de la masacre de Hanau, hubiera quedado olvidado en un cajón si no fuera porque fue divulgado online.

Un informe del Royal United Services Institute indica que, una vez dentro de estos grupos, sus miembros quedan encerrados en burbujas ideológicas por los algoritmos de las plataformas, que pierden el contacto con la realidad y otras opiniones. Las plataformas sectarizan.

Conexión entre las ideas ultraderechistas y la violencia

Ser de ultraderecha no es sinónimo de ser violento. Por ejemplo, jefes y jefas de partidos de derecha radical europea se apresuraron a condenar el asalto al Capitolio en febrero de 2021. Pero existe una diferencia entre los partidos de derecha extrema que han aceptado el juego democrático y los grupos de extrema derecha actuando en la semiclandestinidad, que representan una amenaza para la seguridad pública. La violencia cometida por individuos y grupos inspirados por ideologías de extrema derecha se considera cada vez más una amenaza transnacional.

Después de una disminución en los ataques en 2018 y 2019, la UE notificó un total de seis ataques terroristas de derecha y varios de otro tipo cometidos por extremistas de derecha. En 2019, estos ataques se suman a una oleada de incidentes violentos en todo el mundo, con ataques en Christchurch (Nueva Zelanda), Poway (EE. UU.), El Paso (EE. UU.), Bærum (Noruega) y Halle (Alemania), cuyos autores eran parte de comunidades transnacionales de derecha que se inspiraron mutuamente.

Por tanto, hay que distinguir entre partidos políticos que defienden los postulados de extrema derecha legalmente, por muy indignos que sean estos postulados, y grupos clandestinos que los sustentan con la violencia. Estos últimos están detrás de innumerables ataques orquestados en las plataformas.

La ultraderecha en las plataformas

La ultraderecha siempre ha existido. Pero a diferencia de antes, ahora se extiende en plataformas digitales, donde los algoritmos difunden sus mensajes de forma masiva y en tiempo real. Como dijo la primera ministra de Nueva Zelanda, Jacinda Arden, después de que un terrorista de extrema derecha matara a más de 50 personas en dos mezquitas en su país: “no hay duda de que las ideas y el lenguaje de división y odio han existido durante décadas, pero su forma de distribución, las herramientas de la organización son nuevas”.

La conexión entre el mundo digital y el mundo físico es, pues, importante. No se trata solo de palabras (en muchos casos, mensajes de odio), sino también si éstas tienen consecuencias en la vida real. Un ejemplo es el asalto al Capitolio en enero de 2021, que congregó a miles de seguidores de Trump y terminó con cinco muertos, decenas de heridos y una democracia vapuleada. Durante su mandato, Trump supo aglutinar a diversos grupos de la ultraderecha bajo la bandera republicana a golpe de tuit. Tras ser vetados en Facebook y Twitter por promover la mentira y el odio, sus partidarios recurrieron a plataformas menores que prometían ser bastiones de la libertad de expresión u operan con control limitado.

El estudioso Kevin Grisham describe cómo servicios de mensajería encriptada de Telegram sirvieron para reclutar seguidores y seguidoras, organizarse y planear el ataque. Telegram ofrece un espacio abierto en sus canales públicos, pero también permite enviar mensajes personales a través de chats. “En estos chats privados, los extremistas violentos pueden compartir tácticas, organizarse y radicalizarse, algo que he observado en mi investigación sobre el odio y el extremismo,” continua Grisham.

Estas observaciones coinciden con lo que estamos advirtiendo en otro ámbito: la difusión de pseudociencia, bulos y teorías conspirativas durante la pandemia en español. Según las apreciaciones preliminares de nuestro grupo de investigación –conformado por Congosto, Pando, Marcelino Madrigal y quien escribe—, también detectamos un repliegue del extremismo a las estancias privadas de internet. Las plataformas que permiten el acceso a sus datos, como Twitter, ofrecen a estudiosos y estudiosas una ventana al mundo de la ultraderecha, porque “si queremos saber quién está al otro lado de la violencia, tenemos que entrar al lugar donde los perpetradores se organizan y se reúnen”, dice la experta Macarena Hanash Martínez.

Twitter presentaba ventajas para la investigación por el fácil acceso a su interfaz de programación de aplicaciones (conocida por sus siglas en inglés, API) y la disponibilidad de tweets históricos. Pero no podemos limitarnos a observar Twitter porque los resultados preliminares de nuestro estudio indican que los grupos que están detrás de la pseudociencia se organizan cada vez más en otras plataformas de mensajería instantánea –como WhatsApp y Telegram—, donde no resultan tan visibles y sus datos ya no son tan accesibles.

La ultraderecha y los medios

La dicotomía entre la cara pública y la cara privada de la ultraderecha no es nueva tampoco. Esta hace que la relación entre sus organizaciones y los medios de comunicación –ya sea como canales o como mediadores periodísticos– sea ambigua. Por un lado, la derecha radical sospecha tradicionalmente del escrutinio y del periodismo, al que culpa de promover los valores liberales y de mantener el statu quo. Por otro lado, la atención de los medios permite la diseminación de sus mensajes más allá de la circunscripción limitada de una comunidad, especialmente en sus inicios.

Los medios en línea, primero, y las plataformas, después, ofrecieron un escenario para el reclutamiento, la propaganda y la radicalización de los grupos de extrema derecha. Las capacidades de las plataformas se adaptan bien a esta dicotomía. Su lado público ofrece un espacio para difundir creencias extremistas mientras haya cierta masa crítica; entretanto, su lado privado ofrece un espacio para organizar el reclutamiento y la logística de actos, publicar discursos de odio y llamados a la violencia sin temor a ser bloqueados, e incluso vender armas. Recuérdese que el delito de incitación al odio está castigado en muchos países.

En España, por ejemplo, se persigue la conducta de quien promueva el odio, hostilidad, discriminación o violencia contra un grupo o personas por razones racistas, antisemitas, ideológicas, religiosas o de género, entre otras. Pero si las llamadas al odio y a la acción violenta no salen a la luz, quedan impunes.

El uso de internet por parte de extremistas violentos data de la década de 1990, cuando los tableros de anuncios electrónicos y los sitios web permitieron a los supremacistas blancos, neonazis, grupos antigubernamentales y una variedad de otros extremistas vender sus ideologías y reclutar, según Grisham. En la década de 2000, plataformas como YouTube, Facebook y Twitter se convirtieron en la nueva forma de expansión extremista. En Estado Unidos, al ser expulsados de Facebook y de Twitter, partidarios de Trump, creyentes de la teoría de la conspiración QAnon y otros extremistas se han mudado a plataformas como Telegram, Gab, 4chan, Rumble, MeWe, Zello y 8kun (antes 8chan).

QAnon es una teoría de la conspiración de extrema derecha que alega que una camarilla secreta de pedófilos caníbales adoradores de Satanás dirige una red mundial de tráfico sexual de menores y confabuló contra Trump mientras estuvo en el cargo. Los ecos de la conjura judeo-masónica de los sabios de Sion, una teoría de la conspiración de 1902 que culpa a los judíos de querer controlar el mundo, nos llegan en versión diabólica, pederasta, bárbara y digital, más de un siglo después de que diera la vuelta en mundo. Los falsos protocolos de los sabios de Sion sirvieron como justificación de los pogromos contra los judíos en la Rusia zarista y de base a otras teorías antisemitas ultraderechistas.

La evolución de QAnon es un buen ejemplo de cómo oscuras teorías conspiratorias pueden dar el salto del mundo de los bits al de los átomos. Lo que comenzó como una obsesión de un grupo de extrema derecha atrincherado en un rincón oscuro de internet se ha colado en la arena política de las portadas de los diarios. Trump ha llegado a retuitear cuentas que promocionan QAnon, legitimándolas indirectamente, y sus seguidores acudían a sus mítines vestidos con símbolos y lemas de QAnon. Se da también un fenómeno de masa crítica. Los postulados de la derecha extrema o son indefendibles o ilegales. Sin embargo, cuando más amplia es la base social que los enarbola, menos tímidos se vuelven sus proponentes. Otro ejemplo es la manifestación convocada por Juventud Nacional el febrero de 2021 en Madrid, que estuvo acompañada de consignas antisemitas.

Los extremistas de derecha están tomando el pulso a las plataformas, que les permiten ofrecer una cara pública y ampliar sus bases, y organizarse en la oscuridad de sus chats privados.

El efecto burbuja y el extremismo

El extremismo se puede acentuar debido a un efecto de las plataformas llamado burbuja de filtro. Las burbujas de filtro llevan a un estado de aislamiento intelectual que resulta de las búsquedas de información online, dado que los algoritmos seleccionan qué contenidos mostrar sobre la base de los perfiles de los y las usuarias, sus preferencias y gustos, sus ubicaciones y el historial de sus comportamientos. Como resultado, el algoritmo descarta aquella información que no coincide con los puntos de vista de la persona que hace la búsqueda, aislándola en una burbuja ideológica y reforzando la percepción de que sus ideas cuentan con consenso. Los resultados de las elecciones presidenciales de EE. UU. de 2016, que dieron la victoria a Trump, se han asociado con el efecto burbuja y la difusión de mentiras en línea.

No existe mucha investigación sobre los efectos de los algoritmos de personalización en los grupos extremistas. Un artículo sobre vídeos de extrema derecha en YouTube descubre que los usuarios y usuarias que hace caso de su sistema de recomendación pueden ser encerradas en una burbuja ideológica en cuestión de pocos clics. La recomendación de Twitter de “a quién seguir” ayudó a los seguidores de la filial de Al-Qa'ida Jabhat Al-Nursa a encontrar otras cuentas extremistas violentas. Otra investigación sobre los partidarios de Daesh (también conocido como el Estado Islámico de Irak y Siria, ISIS) reveló que la función de recomendación de Facebook había conectado al menos a dos simpatizantes. En un informe interno de 2016, Facebook admitía que el 64% de los que se unieron a un grupo extremista en dicha plataforma lo hicieron solo porque el algoritmo se lo recomendó.

Y no todas las plataformas son iguales. Por ejemplo, Reed y sus colegas han descubierto que el sistema de recomendación de YouTube prioriza el material de extrema derecha después de la interacción con contenido similar, cosa que no se da en otras plataformas como Gab. “Este hallazgo sugiere que son los y las usuarias, más que la arquitectura del sitio, quienes impulsan el contenido extremista en Gab”. Es decir, mientras que el algoritmo de YouTube parece reforzar las burbujas ideológicas, en otras plataformas es el empeño de sus usuarias el que impulsa los contenidos. Esto es relevante porque en nuestras investigaciones preliminares sobre la pseudociencia hemos observado que YouTube se usa para diseminar contenidos falsos en canales dedicados, Telegram y WhatsApp sirven para que comunidades pequeñas se organicen, y Twitter quede relegado a ofrecer la cara más presentable de los comentarios tras manifestaciones y acontecimientos públicos.

Aunque no hay todavía evidencias suficientes para hablar de un impacto sistemático del efecto filtro, se puede decir que en las plataformas tienen dos consecuencias aparentemente contrarias: primero, permiten encontrar grupos afines a personas que, de otra forma, estarían solas con sus obsesiones, y segundo, las aíslan del contacto con otras realidades e ideologías.

Por si no fueran suficientes el extremismo y las burbujas ideológicas, los bots ayudan a multiplicar el efecto de los mensajes de la derecha extrema. Sin ser prerrogativa suya, estos se han ido convirtiendo desde 2016 en una forma de generar contenidos, tráfico y adeptos importante, hasta el punto de que los bots de la ultraderecha han tenido papeles importantes en las principales elecciones de los últimos años en favor de posturas extremas o polarizando a los y las votantes.

¿El futuro?

Las plataformas, estrictamente hablando, ni son redes ni son sociales. No son lo primero porque por sí mismas no constituyen comunidades; son las comunidades las que se sirven de ellas para formarse, intercambiar ideas y organizarse. Tampoco son sociales, porque el bienestar social no es su objetivo, sino ganar dinero a través de la monetización de los datos de sus usuarios y usuarias (que no son clientes) y del cobro de servicios. Pero tampoco son medios informativos, dado que no se rigen por los principios del periodismo, que se define por el servicio a la ciudadanía y a la verdad de los hechos y el empleo del método de la verificación. Las plataformas son selectoras algorítmicas, distribuidoras y promotoras de contenidos la mayoría generados por terceros, y recolectoras masivas y explotadoras de datos.

En Antisocial: How Online Extremists Broke America, Andrew Marantz cuenta cómo los propagandistas de la extrema derecha explotan el derecho a expresarse para polarizar el mundo. Marantz sigue el rastro de “los intrusos” –conspiradores, supremacistas blancos y trolls nihilistas—, que se han convertido en expertos en el uso de los mensajes online para promover su agenda. Este libro revela cómo, al borrarse las fronteras entre tecnología, medios informativos y política, se pueden propagar ideas marginales desde los rincones anónimos de internet hasta la televisión y el Twitter del expresidente Trump y los jóvenes expulsados del bienestar son conducidos por la madriguera de la radicalización en línea.

La ultraderecha en las plataformas presenta tres retos de máxima relevancia para nuestras democracias: cómo abordamos la difusión de la mentira, la manipulación y los mensajes de odio; la desconfianza en las instituciones, y la opacidad de las plataformas.

La primera cuestión trata de hasta qué punto deberían ser las plataformas las encargadas de censurar contenidos mentirosos, manipuladores y odiosos o vetar a grupos extremistas. Para su libro, Marantz se sienta a hablar con los creadores de las plataformas cuando comienzan a considerar las fuerzas que han desatado. ¿Serán capaces de resolver la crisis de comunicación que ayudaron a provocar? No lo parece, pues el afán de lucro empuja a las plataformas hacia la maximización algorítmica de la atención despertada por los contenidos y de su capacidad de recabar y analizar datos en tiempo real.

El segundo reto es el declive generalizado de la confianza en las instituciones. Globalmente, los medios informativos y los gobiernos se sitúan en el cuadrante de las instituciones consideradas incompetentes y poco éticas, siendo algunos países europeos y Estados Unidos los lugares donde la desconfianza es más alta. Cuando se desdibujan las líneas entre tecnología, medios informativos y política, y los medios no ejercen su papel de control a los poderosos, tenemos un problema de calado.

Y el tercero es la falta de acceso a la información sobre cómo funcionan las plataformas y sus algoritmos considerados ya “cajas negras”. Se deben realizar más investigaciones, particularmente sobre plataformas que actualmente no permiten dicha investigación acerca de sus términos de servicio y su código. Esto solo se puede hacer en estrecha colaboración con las mismas plataformas y con regulación que incentive la transparencia.

Timothy Garton Ash aboga por dos vías de solución. La primera es que las democracias aborden los problemas de sus propios entornos de información. Para Gran Bretaña, por ejemplo, la batalla con el fin de defender y mejorar la BBC –una emisora ​pública que ofrece hechos verificados y diversidad de opiniones— es más importante que cualquier cosa que haga el gobierno británico con Facebook o Twitter. En EEUU, donde están algunos de los mejores medios informativos, el problema es que la mayor parte de los estadounidenses no acuden a estos sino a canales de YouTube, páginas de Facebook y feeds de Twitter “que les brindan versiones incompatibles de la realidad”. Siguiendo esa lógica, en España nos tocaría dar marcha a atrás en la polarización de los medios informativos privados y reforzar la independencia de los públicos. La segunda pasa por una alianza global. Ya que ninguna nación es lo suficientemente grande para enfrentarse a las superpotencias del mundo digital –Facebook, Google, Amazon, Twitter, Apple, Netflix—, “necesitamos la acción coordinada de una masa crítica de democracias”. Fuera de China, EEUU es el pionero en generar tendencias digitales, mientras que la UE es líder en el establecimiento de normas, argumenta este autor. “Juntemos al creador de tendencias y al creador de normas, agreguemos un montón de otras democracias líderes, y tendremos una combinación de poder regulatorio y de mercado a la que incluso Su Alteza Digital Mark Zuckerberg debe inclinarse”. Al tiempo que escribo estas líneas, Australia está librando una batalla contra Facebook.

Habrá que romper los monopolios de las plataformas, generar nuevos modelos de regulación, invertir en verificación de datos y educación digital, y generar nueva regulación y alianzas. Desde Brasil hasta Estados Unidos, desde España hasta Nueva Zelanda, las ideas y grupos de extrema derecha representan una amenaza para las sociedades democráticas. Si hay alguna esperanza de reparar esas brechas y promover la igualdad, el estado de derecho, una sociedad civil inclusiva y el respeto a los derechos humanos, necesitamos poner cotos claros a las plataformas, unos medios informativos honestos, fiables e independientes y reestablecer la confianza en ellos. 

Un algoritmo de inteligencia artificial (IA) aprendió a asociar mujeres con imágenes de cocinas, basado en decenas de miles de fotografías de internet, porque aparecen más mujeres que hombres fotografiadas en cocinas en la Web. Mientras aprendía, el algoritmo multiplicó el sesgo presente en el conjunto de datos en el que se basaba, amplificando (no simplemente replicando) la asociación sesgada entre cocinas y mujeres. Este es uno de varios estudios de caso que están demostrado cómo los sistemas de aprendizaje automático –conocidos como machine learning (o ML)— incorporan y aumentan los sesgos de género.

La asociación de mujeres con cocinas y cocinas con el trabajo doméstico, típicamente vulnerable, es problemática. Esto se debe a los estereotipos. Difundidas por plataformas digitales, estas imágenes estereotipadas son vistas por cualquier persona con acceso a contenido en línea, perpetuando e intensificando los papeles de género desequilibrados.

ML es un sistema automático que contiene paquetes de algoritmos que, alimentados por macro datos (incluidos datos audiovisuales como fotos), hacen posible la llamada inteligencia artificial (IA). Gracias a las técnicas estadísticas, estos algoritmos aprenden, es decir, utilizan datos para perfeccionar tareas para las que no habían sido programados. “Estas capacidades de aprendizaje otorgan a los algoritmos cierto grado de autonomía”, lo que hace que las tareas de IA sean “difíciles de predecir”, lo que obstaculiza “la identificación y reparación de desafíos éticos en el diseño y operación de algoritmos” dice un grupo de investigadores de la Universidad de Oxford en un artículo sobre la ética de los algoritmos.

Sesgos basados en imágenes y sonido

Uno de los mayores desafíos son los efectos adversos que estamos viviendo las mujeres como resultado de la decisión algorítmica. Especialmente relevantes son datos audiovisuales, incluidas las imágenes y el sonido del cine, los videos musicales, las plataformas de intercambio social y la publicidad.

La atención al sesgo de género en los textos está bien establecida (por ejemplo, en este estudio). Sin embargo, hay relativamente menos estudios sobre los sesgos en imágenes y sonido pesar de su creciente relevancia dado el masivo aumento global de datos audiovisuales. A medida que el contenido en línea se vuelve más visual y el aprendizaje automático, omnipresente, los datos y los sesgos algorítmicos vinculados con las imágenes y sonido son cada vez más importantes.

La imagen de las mujeres es especialmente notable. Múltiples estudios hablan de cómo las mujeres y las niñas han sido estereotipadas y sexualizadas a través de sus imágenes (por ejemplo, este). Entretanto, la cosificación de las mujeres en algunos medios de comunicación puede generar problemas psicológicos, discriminación y violencia de género. Además, la tergiversación de la violencia de género –por ejemplo, en algunos en videojuegos y publicidad— que retrata el abuso como algo aceptable, irrelevante o absurdo es un fenómeno bien estudiado.

El surgimiento de las plataformas como modelo económico dominante lo cambia todo. El machine learning hace posibles todas las interacciones que tenemos con plataformas como Amazon, Facebook, Google y Netflix. La IA decide qué ofrecer mediante la personalización de los resultados. La desigualdad en la publicidad, el cine, los videos musicales y la televisión cobra una nueva vida cuando las plataformas toman decisiones algorítmicas basadas en estos contenidos, lo que potencialmente multiplica los prejuicios y establece un círculo vicioso. El problema es que los sesgos algorítmicos se encuentran en todas las plataformas.

Operando en la oscuridad, esta tecnología puede ser un amplificador de las desigualdades, ya que estos sistemas se emplean cada vez más para determinar, por ejemplo, quién es elegible para recibir atención médica, préstamos, ofertas de trabajo, sentencias y ayudas. La discriminación de género algorítmica, además, puede integrar otras dimensiones, incluidas el color de la piel, el estado civil, el código postal y los ingresos.

Entendiendo el sesgo algorítmico

Los sesgos algorítmicos de las plataformas no son necesariamente injustos. El sesgo en ML es una condición previa para la acción inteligente, explica Bishop. Sin embargo, puede ser problemático cuando “se deriva de aspectos de una cultura que se sabe que conduce a un comportamiento dañino” replican Caliskan, Bryson y Narayanan.

Un obstáculo para abordar los prejuicios es que la decisión algorítmica se percibe como más justa que la decisión humana. Las capacidades de los algoritmos fomentan la tendencia a proyectar una agencia humana sobre ellos, ya que esta tecnología determina qué servicios, trabajos y resoluciones están disponibles para quién. Además, la industria ha venido y de defendido sus algoritmos como objetivos. Y algunos estudios apoyan esta idea. Una encuesta publicada por el Pew Research Center indica que el 40% de las personas en los EEUU piensan que los ordenadores pueden tomar decisiones sin sesgos.

Sin embargo, los datos en bruto, sin cocina, no existen fuera de la imaginación, dice Boellstorff, ya que son siempre producto de procesos cocinados y de otros datos. Y los algoritmos no deciden ni aprenden. Solo los humanos pueden actuar con la agencia humana, lo que conlleva los procesos de acción basados ​​en la reflexión, la intención y autoconsciencia. Este artículo se basa en esta idea: Los sesgos algorítmicos no ocurren de manera espontánea, independientemente de las personas. Es decir, tanto los conjuntos de datos como las decisiones computarizadas ofrecen una representación imperfecta del mundo; constituyen juicios humanos que reflejan una visión sobre cómo es el mundo.

En realidad, no existe una definición estándar de sesgo algorítmico. Para Mehrabi, Morstatter, Saxena, Lerman y Galstyan, se refiere al tipo de preferencias incorporadas por el algoritmo en contraposición a otros sesgos arraigados en los conjuntos de datos o causados ​​por las personas que manejan los datos en origen. En aras de la brevedad, yo uso el término “sesgo algorítmico” para referirme tanto a sesgos presentes en los conjuntos de datos como a los relacionados con los propios algoritmos.

Existen diferentes tipos de sesgos algoritmos; los más relevantes aquí son:

El sesgo de presentación se deriva de la ubicación en la página web de un contenido particular porque solo se puede hacer clic en las cosas que ven. No existen estudios sobre el sesgo de presentación algorítmica en contenidos audiovisuales desde una perspectiva de género; sin embargo, las imágenes de las mujeres se ven afectadas por los sesgos de presentación en los medios todo el tiempo. Por ejemplo, un estudio determinó que las mujeres aparecían en la portada de los periódicos del Reino Unido solo cuando son celebridades o se las presenta como víctimas.

El sesgo de filtro se produce cuando quien busca información solo encuentra contenido que refuerza sus ideas, gustos y preferencias. Es decir, los filtros o las burbujas de información no solo reflejan las identidades del/a usuario/a definidas por los algoritmos, sino también las opciones que tiene éste/a al integrar sus propios sesgos. Por eso, los resultados que ilustran este artículo están condicionados por mis sesgos.

El sesgo de selección o el sesgo de muestreo surge debido a un muestreo no aleatorio. Puede suceder tanto en la fase de diseño cuando, por ejemplo, los datos para entrenar los algoritmos de reconocimiento facial se basan en imágenes sobre todo de hombres blancos; como en su uso, cuando se busca en línea. Como una minoría de agentes genera la mayor parte del contenido en línea, los/as usuarios/as de la Web no estamos “tomando muestras al azar” de un conjunto completo de datos, sino eligiendo entre un contenido ya predeterminado, explica Coleman. El sesgo de selección dificulta la generalización.

El sesgo histórico es la toma de decisiones algorítmica basada en datos del pasado; el problema es que pueden afianzar tendencias indeseables. Por ejemplo, algoritmos entrenados en imágenes de expresidentes de Estados Unidos pronosticaron que Donald Trump ganaría las elecciones en 2016. Nunca ha habido una mujer presidenta en EEUU, y si es por estos algoritmos, nunca la habrá.

El sesgo de agregación es típico en la discriminación contra la mujer; sucede cuando se obtienen conclusiones algorítmicas para mujeres a partir de conjuntos de datos que agregan información sobre poblaciones en general.

El sesgo de interacción es introducido por los/as usuarios/as cuando buscan en línea guiados por sus propios prejuicios. Puede verse influenciado por sesgos de presentación y otros.

Algunos de estos sesgos actúan juntos. Combinando sesgos de interacción, selección y presentación, el sistema de publicidad en línea de Google propone los trabajos mejor remunerados a los hombres. Google defendió el resultado diciendo que permite a sus clientes orientar sus anuncios según el sexo. Aun así, su algoritmo puede haber determinado que los hombres eran más aptos para ocupar puestos ejecutivos, habiendo aprendido del comportamiento de sus usuarios/as y sobre la base de sesgos históricos y de presentación. Si las únicas personas que ven y hacen clic en anuncios de trabajos bien remunerados son hombres, el algoritmo aprende a mostrar esos anuncios solo a ellos.

Entendiendo el papel de los datos audiovisuales

La investigación ha producido literatura que invita a la reflexión sobre cómo las máquinas y los datos pueden estar sesgados. Por ejemplo, Williams, Brooks y Shmargad denuncian cómo la “censura” sobre sexo y raza en los sistemas de toma de decisiones automáticos basados ​​en datos puede conducir a la invisibilización de las mujeres. Al observar el contenido visual en línea, Otterbacher, Bates y Clough comparan la distribución de género en las fotos recuperadas por Bing (un motor de búsqueda) para la consulta “persona” con respecto a diferentes cualidades. Este estudio concluye que las imágenes de mujeres se vinculan con mayor frecuencia con rasgos cálidos y emocionales mientras que los rasgos que indican acción e inteligencia están vinculados preferentemente con fotos de hombres. Estudios similares revelan estereotipos en los textos que otorgan a las mujeres roles débiles y sumisos.

Sin embargo, un problema adicional con la imagen y el sonido es que tienen enorme impacto. La discriminación no verbal a través de la imagen o el tono de voz, por ejemplo, hace que las mujeres tenga menos consideración en las entrevistas de trabajo.

Problemas con las voces

Los estereotipos de género tienen lugar cuando las voces de las mujeres en los medios se asocian con ruidos estridentes y desagradables o con funciones dóciles y serviles.

Los audios son también la base de diferentes formas de sesgo algorítmico de género. Los sistemas de reconocimiento de voz y las interfaces de voz (conocidas como VUI), también conocidos como altavoces inteligentes, voz robótica y asistentes de voz, han generado una gran cantidad de estudios. Y estos revelan que los prejuicios de género son omnipresentes; se encuentran, por ejemplo, en los sistemas de reconocimiento de voz de Google y en los subtítulos generados automáticamente por YouTube, así como en la transcripción automatizada de noticias transmitidas.

Además, el habla de las asistentes de voz muestra un alto grado de sesgo de género. Por ejemplo, el informe de la UNESCO titulado “Me sonrojaría si pudiera” deriva su título de la respuesta dada por Siri cuando un usuario le dice: “¡Eres una zorra!”. El informe analiza cómo los asistentes de voz de IA, Alexa de Amazon y Siri de Apple, que usan las voces de mujeres jóvenes, propagan los prejuicios de género.

The Guardian denuncia que los centros de llamadas para firmas de corretaje en Japón usan voces femeninas para ofrecer cotizaciones de acciones, pero prefieren una voz masculina para confirmar las transacciones. La justificación de las empresas para la elección de las voces de VIU es que la gente prefiere las voces femeninas. La percepción estereotipada de las voces de las mujeres como agradables y útiles (son solo estridentes y despreciables en mujeres políticas o en posiciones de poder), parece haber llevado a las corporaciones a hacer que sus asistentes de voz sean jóvenes y femeninas.

Problemas con las imágenes

Los videos musicales merecerían un artículo aparte. Los estereotipos de género que transmiten influyen en la normalización de la violencia de género, por ejemplo, según un informe que analiza las actitudes de niños y niñas en seis países europeos. Si los algoritmos pueden multiplicar los sesgos existentes, la toma de decisiones algorítmicas prejuiciosas ligadas al contenido audiovisual es motivo de preocupación.

La exploración del sesgo de género algorítmico visual se ha centrado en los algoritmos de procesamiento de imágenes (conocidos en inglés como image processing algorithms o IPA) y, en concreto, en los sistemas de reconocimiento facial. Por ejemplo, un estudio revela que tres de las IA de reconocimiento facial (IBM, Microsoft y Megvii) podrían identificar el género de una persona en una fotografía el 99% de las veces, pero solo en el caso de hombres blancos; para las mujeres de piel oscura, la precisión se redujo al 35%. Otro proyecto, Gender Shades, evalúa tres sistemas de clasificación comercial, IBM, Microsoft y Face, con un conjunto de datos que incluye fotografías de personas de todos los tonos de piel para concluir que “las mujeres de piel más oscura son el grupo peor clasificado (con tasas de error de hasta al 34,7%)”. Parece que hombres blancos, que son solo el 31% de la población en los EEUU, tienen el 65% de los cargos públicos y obtienen todo el “reconocimiento” (facial).

¿Qué se puede hacer?

Las mujeres son autoras de abundantes contenidos audiovisuales y estudios sobre cuestiones algorítmicas. Sin embargo, siguen siendo una minoría tanto en la generación de datos audiovisuales como de algoritmos, en el testeo y uso de soluciones algorítmicas, y en funciones de supervisión sobre decisiones algorítmicas.

En lo que se refiere a la creación, las mujeres están en inferioridad de condiciones. Al observar la industria del cine en los EEUU, por ejemplo, Lauzen concluye que solo el 8% de los directores que trabajaron en las 250 películas más taquilleras en 2018 eran mujeres. Un estudio sobre personajes femeninos en películas populares mostró que solo el 31% de todos los personajes hablantes eran mujeres y que la sexualización de las mujeres es omnipresente.

Además, menos de una de cada cinco personas que se gradúa en ciencias de la computación son mujeres, y la industria del ML emplea una proporción aún menor de mujeres que el resto del sector tecnológico. Las mujeres ocupan solo el 5% de los puestos de liderazgo en la industria de la tecnología. Más de dos tercios de las empresas emergentes en los EEUU –que sobre todo son tecnológicas— no tienen mujeres en sus juntas directivas. La informática es una de las pocas disciplinas relacionadas con la ciencia, la tecnología, la ingeniería y las matemáticas en las que el número de mujeres ha ido disminuyendo. Una vez dentro de las empresas de tecnología, es más probable que las mujeres mencionen la discriminación como la razón para dejar esta carrera.

Una pista para explicar lo que sucede podría provenir de los medios de comunicación, también generadores de contenido audiovisual. El círculo perverso de Djerf-Pierre observado en las salas de redacción suecas funciona así: directores hombres dependen de reporteros hombres para las noticias más importantes (economía, política y deportes), que cuentan con fuentes masculinas para sus historias y que pueblan las portadas de los diarios y las noticias de televisión que abren los telediarios. Estos reporteros son luego promocionados por su trabajo y la rueda gira nuevamente. Existe una correlación entre el equilibrio de género en la fuerza laboral de los medios y un contenido más equilibrado.

En los sesgos algorítmicos podría existir un mecanismo similar. Pero la falta de mujeres en la toma de decisiones y creadoras es solo un factor. En su libro, “Technically Wrong: Sexist Apps, Biased Algorithms, and Other Threats of Toxic Tech”, Wachter-Boettcher analiza dos problemas más. Primero, la falta de mujeres en los testeos de las tecnologías. Cuando los investigadores no incluyen a todo tipo de personas en las pruebas de productos, pueden introducir asimetrías. En segundo lugar, faltan mujeres como clientes de productos basados ​​en algoritmos. El diseño de producto típico incorpora los objetivos de los clientes. Por ejemplo, los clientes que contratan servicios de reclutamiento de personal pueden introducir sesgos al describir los requisitos de un trabajo.

¿Muchos datos o pocos datos?

Al introducir datos e imágenes demográficas, se pueden agregar estereotipos, pero incluir demasiados datos puede llevar a la discriminación. Es decir, los conjuntos de datos pueden exhibir espacios ciegos (ausencia) o puntos críticos (exceso) que terminen en sesgos de género. El asunto de la presencia en los datos plantea muchos desafíos. Si los datos están sesgados, como suele ser en el contenido audiovisual, se produce el efecto que en computación se llama “(datos) basura dentro-(resultados) basura fuera” (en inglés, “garbage in, garbage out”).

Siempre han existido los problemas con los datos. Pero estos empeoran cuando los algoritmos aprenden a través de conjuntos de datos que ponen el acento en sectores de la población basándose en prejuicios o incorporan huecos. Por un lado, los puntos ciegos ocurren cuando no se desagregan datos por sexo, lo que puede llevar a la invisibilización de las mujeres; por otro lado, surgen puntos críticos cuando los datos sobre las mujeres se seleccionan, lo que puede llevar a la discriminación. Por ejemplo, los primeros 112 hallazgos cuando busco “CEO” (director/a ejecutivo/a) en Google Images son en su mayoría imágenes de hombres. Esta búsqueda se llevó a cabo el 28 de febrero de 2020. Los resultados incluyen 90 hombres que aparecen solos, nueve mujeres solas, cinco grupos de hombres y ocho grupos mixtos. Aunque esta selección no es representativa, es revelador que solo el 8% de las imágenes que representan a directivos/as muestran mujeres no acompañadas.

Puede haber demasiada o poca presencia en los datos. Los datos insuficientes sobre las mujeres las ocultan a ellas y sus luchas; cuando los conjuntos de datos no están disponibles, no se puede diseñar una política informada. Las mujeres directoras ejecutivas que no aparecen en las búsquedas de Google son, después de todo, grupos privilegiados, pero hay poca o ninguna señal proveniente de algunas comunidades. Millones de personas no tienen acceso a teléfonos inteligentes, banca en línea o ciudades monitoreadas por CCTV; entre estas, las mujeres y las niñas son las más vulnerables y las tienen menos acceso a la tecnología. Algunas organizaciones están llenando algunos vacíos y visualizando historias ocultas sobre mujeres. ProPublica escaneó grupos de Facebook y sitios de crowdfunding para recopilar 5.000 narrativas visuales de daños maternos que habrían pasado desapercibidos.

Y María Salguero mapea historias de mujeres asesinadas en México.

Pero la integración de datos sin examinar sus consecuencias puede hacer que las mujeres sean más vulnerables. Existe una larga tradición en la creación de registros de comunidades marginadas que terminan siendo discriminadas. Algunas ONG especializadas en los derechos de las personas transgénero, por ejemplo, cuestionan la idea de la desagregación porque los datos de género pueden resultar en una clasificación errónea.

Debido al silenciamiento o enfatización de las mujeres en los conjuntos de datos, la sociedad organizada que lucha por los derechos digitales se divide en dos grupos, en términos muy simples: las que defienden la privacidad de las comunidades vulnerables ante el empleo invasivo de las tecnologías de datos y las que abogan por la inclusión de estas comunidades en dichas tecnologías, para que las mujeres tengan voz.

Desafíos para abordar el contenido audiovisual sesgado

Existen tres desafíos principales:

Estos desafíos están presentes en todos los procesos algorítmicos, no solo los que afectan a las mujeres o los relacionados con los datos audiovisuales; sin embargo, pueden ayudar a comprender cómo las mujeres acaban siendo discriminadas en procesos algorítmicos basados ​​en datos audiovisuales.

Primero, la falta de claridad sobre la presencia o ausencia de datos puede convertirse en un problema. Narayanan señala que lo que constituye un sesgo o prejuicio en una aplicación puede ser el dato que falta en otra. Debido a que no hay claridad sobre la presencia correcta de datos, algunos autores y autoras se refieren a la equidad como un indicador. Mehrabi y colegas hablan de equidad en términos técnicos: la equidad individual da predicciones similares a individuos similares, la equidad grupal trata a diferentes grupos por igual y la equidad de subgrupos elige una restricción de equidad de grupo y pregunta si se mantiene en otros subgrupos. Algoritmos más transparentes pueden contribuir a la solución para que se puedan evaluar caso por caso. Varias entidades públicas y privadas están buscando modelos de ML que puedan explicar cómo toman decisiones. Pero la transparencia por sí sola no es suficiente, como se ve a continuación.

En segundo lugar, no todos los resultados problemáticos en los procesos de IA se deben a fallas en los datos; el código también puede ser opaco o inescrutable. Estos dos problemas presentan desafíos diferentes. Las leyes de secreto empresarial y los regímenes de propiedad intelectual pueden contribuir a hacer que el código sea inaccesible a la auditoría, generando el efecto caja negra. Los algoritmos son opacos por razones de propiedad o por diseño deliberado. Este problema es tan generalizado que Malgieri y Comandé ha acuñado el término “sociedad de caja negra”. Esta dificultad se ve acentuada por la concentración del mercado, ya que coloca un poder creciente en un puñado de actores privados multinacionales con poder algorítmico. La falta de transparencia hace inviable disputar los resultados. Por ello, el sector público debería estipular que los proveedores renuncien a los mecanismos de protección del código.

Pero otro asunto es la “ininteligibilidad” de algunos algoritmos, que dificulta la detección de problemas Varios autores y autoras sugieren que incluso las personas que escriben el código de los algoritmos no entienden cómo funcionan. Es decir, si algunos algoritmos son impenetrables, nadie puede hacer nada al respecto. Los modelos ML son tan intrincados que pueden compararse con la alquimia. Rahimi, de Amazon, asegura que, dado que el aprendizaje automático ha ido más allá de los sistemas de intercambio de fotos a los sistemas que gobiernan la atención médica, el diálogo cívico y las elecciones, debe basarse en conocimientos verificables.

Y tercero, la industria tecnológica no está haciendo lo suficiente para abordar estos sesgos. El problema no es solo que están ocultos, sino también que la mayoría de las empresas que utilizan algoritmos similares ni siquiera quieren saber que incurren en ellos, o necesitan saber, ya que no hay incentivos para ello. No existe un estándar universal para etiquetar el sesgo algorítmico y es poco probable que los desarrolladores de IA revelen voluntariamente su perfil de sesgo algorítmico. Los casos mencionados en este artículo fueron descubiertos por unidades de investigación o investigaciones, no por las corporaciones que crearon los algoritmos.

La “condición algorítmica” está alterando los derechos humanos, que prohíben la discriminación por razón de sexo o género. En una sociedad en la que todo lo que hacemos se transforma en datos, procesados, digeridos y mediados por algoritmos que contribuyen a decisiones críticas, los derechos de las mujeres dependen de una ética y una agenda de investigación que promueva la igualdad de manera proactiva.

Un barco que recala en un puerto por azar, un armador que se desentiende, una tripulación y una carga abandonadas, salarios sin pagar, acreedores que llevan el caso a los tribunales… El caso del Rhosus, el buque que llevó y dejó varadas en Beirut las toneladas de nitrato de amonio que provocó la explosión, es más frecuente de lo que parece, y está también más cerca de lo que se piensa.

En la base de datos de la Organización International del Trabajo (OIT) hay registrados 27 casos de barcos abandonados en España (o el 7% del total). Eso convierte España en el país con más barcos abandonados del mundo, después de Emiratos Árabes Unidos (en inglés UAE), con 32 naves olvidadas (9,11%).

No es una cuestión solo de números o cargas sino también de personas, ya que los barcos suelen quedar a su suerte con sus marineros a bordo. Hasta 2018 había casi 5.000 marinos –la mayoría hombres— en un total de 336 buques registrados como abandonados desde 2004 por la Organización Marítima Internacional (OMI). Con el COVID-19, este número se ha disparado, al quedar cientos de tripulaciones desamparadas en alta mar o abandonadas en diversos puertos del mundo.  

Los puertos de Algeciras, Avilés, Las Palmas, Huelva y Alicante tienen dos barcos declarados como abandonados cada uno. El resto están distribuidos en diversos puertos españoles, incluidos Bilbao, Barcelona, Pasajes, Las Palmas y Valencia.

Esta lista de la OIT ofrece un panorama amplio del fenómeno del abandono de buques, aunque incluye tanto casos abiertos como otros que ya no se investigan, con lo que la información sobre alguno de estos barcos puede estar desactualizada. De hecho, nadie sabe cómo ni cuando desapareció el Rhosus del puerto de Beirut. Algunas autoridades locales dicen que se hundió “hace dos o tres años”.

Barco español con carga peligrosa abandonado en Filipinas

Un caso de ejemplo es el español Celanova. Los informes remitidos a la OIT por la Federación Internacional de Trabajadores del Transporte (conocida como ITF) indican de este barco quedó abandonado en febrero de 2020 en Manila, Filipinas, con quince marineros a bordo. La ITF advierte: “Hay urgencia en la evacuación de la tripulación ya que el barco está cargado con carga peligrosa (GLP o gas licuado). No hay suficiente combustible para mantener la carga refrigerada. La tripulación requiere obtener los salarios pendientes (desde octubre de 2019) y la repatriación lo antes posible”.

El 17 de mayo, el Celanova seguía en Manila, según Marine Traffic, una organización que mapea los movimientos del tráfico de barcos. Marine Traffic indica que este buque, construido en 2003, tiene una capacidad de carga de 6.896 metros cúbicos de gas licuado.

Los informes de la ITF indican: “La OIT envió una carta de intervención a las autoridades de Filipinas (Estado del puerto) y de España (Estado del pabellón) a solicitud de la ITF. Teniendo en cuenta la proximidad de la temporada de tifones y el mayor riesgo de que se produzca un incidente que ponga en peligro tanto la seguridad de la tripulación como el tráfico marítimo, la OIT solicitó al Gobierno de Filipinas que adopte sin demora todas las medidas necesarias, en cooperación con las autoridades españolas, para autorizar el atraque del buque, atender las necesidades urgentes de la tripulación y facilitar la repatriación de los marinos a bordo del MV Celanova”. La Voz de Galicia informaba hace dos semanas de que la tripulación había recuperado parte de sus salarios y estaba por ser repatriada.

Aunque el Celanova tiene una bandera nacional, otra cosa en común que tienen los barcos abandonados, además de esas historias, es el uso de banderas de conveniencia. El Rhosus estaba abanderado en Moldavia, país que ni siquiera tiene costas marinas. Pero la palma se la lleva Panamá, tanto por ser el mayor registro de banderas del mundo como por ser el registro elegido por los operadores y propietarios de 111 barcos abandonados. De la base de datos de la OIT, la mayor parte de los buques varados en puertos del mundo izaban pabellón panameño, seguidos de Liberia (31), Togo (16), Malta (14) y Belice (14).

La OIT calculaba que en 2016 había aproximadamente 1.5 millones de personas trabajando en el mar. Cuando trabajan a bordo de buques con pabellón de estados que no “ejercen jurisdicción y control efectivos” sobre estos, “la gente de mar a menudo tiene que trabajar en condiciones inaceptables, en detrimento de su bienestar, salud y seguridad”, dice la OIT en otro informe.

La ITF, que ha desarrollado campañas de concienciación, asegura por su lado que las banderas de conveniencia “proporcionan un medio para evitar la regulación laboral en el país de propiedad, y se convierten en un vehículo para pagar salarios bajos y forzar largas horas de trabajo en condiciones inseguras. Dado que una bandera de conveniencia no tiene una nacionalidad real, están fuera del alcance de cualquier sindicato nacional”.

En las jurisdicciones que lo permiten, los propietarios pueden establecer sociedades fantasma para que consten como propietarias de sus buques. Un Informe de 2004 del Grupo Consultivo sobre la Aplicación por el Estado del Pabellón decía que es fácil y económico establecer una red de entidades corporativas para brindar una tapadera a los beneficiarios que no deseen ser conocidos. En algunos de sus informes sobre barcos abandonados, la ITF reporta que “el propietario no ha reaccionado” a los intentos de contacto.

Además del abandono, las banderas de conveniencia se vinculan con el tráfico de droga, ruptura de embargos y pesca ilegal, entre otras actividades ilícitas.

El Rhosus –el origen de la catástrofe de Beirut– es solo uno de los cientos de buques abandonados que existen actualmente en todo el mundo. Su historia de deudas, embargos, marineros descontentos y averías es un relato que se repite desde hace décadas.

El 23 de septiembre de 2013, el Rhosus zarpó de Batumi, Georgia, con destino a Beira, Mozambique, transportando 2.750 toneladas de nitrato de amonio, según The Arrest News, un boletín que recoge información sobre barcos bloqueados en puerto. En octubre, el buque se vio obligado a desembarcar en Beirut por razones todavía sin aclarar, pero fue detenido por las autoridades portuarias. Parte de la tripulación fue repatriada y el propietario se declaró en quiebra y abandonó el barco. El resto de la tripulación del Rhosus se quedó pronto sin provisiones, pero no pudo desembarcar debido a restricciones de inmigración, según Baroudi & Associates, el bufete de abogados que representa a los acreedores del Rhosus. Los abogados dicen haber argumentado a favor de la repatriación de la tripulación, debido al peligro que representaba la carga, y un juez en Beirut permitió su regreso a casa después de haber estado atrapados a bordo del barco durante un año. La carga fue llevada a tierra en 2014 y colocada en un edificio, Hangar 12, en el puerto, de conformidad con una orden judicial. Allí permaneció hasta que el pasado martes explotó. Ahora el país vive un cruce de acusaciones buscando a los responsables últimos de la tragedia.

El fenómeno de los barcos abandonados (la mayor parte de las veces con cargas y marineros a bordo) es bien conocido. Hasta 2018 había casi 5.000 marinos –la mayoría hombres— en un total de 336 buques registrados como abandonados desde 2004 por la Organización Marítima Internacional (OMI). Tanto es así que existe una novela sobre este tema (The ordinary seaman, de Francisco Goldman).

Cuando se abandona a la gente de mar, a menudo está a merced de organizaciones benéficas, que actúan como intermediarios y ayudan a sus familias, como The Mission to Seafarers y Human Rights at Sea. En algunas ocasiones, estas personas permanecen años en puertos en los que no pueden desembarcar por falta de papeles. En poco tiempo, la tripulación se queda sin alimentos, agua y combustible; entretanto, sus salarios sin pagar se van acumulando. El marinero indio Vikash Mishra, por ejemplo, se pasó 39 meses abandonado en los Emiratos Árabes Unidos.

Aunque el Rhosus no aparece en la lista de barcos abandonados de la Organización Mundial del Trabajo, sí lo hace otro barco que estaba en la misma situación en el puerto de Beirut. Se trata de una embarcación con bandera de Malta, llamada Captain Nagdaliyev, abandonada el 13 de marzo de 2020, y reportada por la Federación Internacional de Trabajadores del Transporte (conocida en inglés como ITF). El informe de la ITF dice: “A la tripulación no se le ha pagado durante 6 meses y tiene suministros limitados de alimentos y provisiones. Ha habido agua dulce a bordo desde el 5 de julio. Toda la tripulación permanece abordo”. En España hay una veintena de buques abandonados, repartidos por diversos puertos, según la misma fuente.

En muchos casos se trata de barcos registrados con banderas de conveniencia (que aceptan naves cuyos operadores y empresas propietarias no tienen relación con el estado de registro). Estos registros típicamente ejercen un escaso control sobre las actividades del barco. Según Marine Traffic, el Rhosus era un barco de carga construido en 1986 que navegaba bajo la bandera de Moldavia (una bandera de conveniencia de un país que no tiene siquiera costas marinas). El Rhosus cambió de propietarios y nombres varias veces. Se llamaba en 2005 Seokjung No.505; en 2007, New Legend Glory, y en 2012 adquirió su nombre actual, primero bajo la bandera de Georgia y luego bajo la de Moldavia.

El número de buques varados y olvidados no ha hecho sino aumentar en los últimos meses a consecuencia de la pandemia de COVID-19. En todo el mundo, decenas de miles de marinos quedaron de repente atrapados a bordo de sus barcos porque no pudieron desembarcar o volar a casa debido a las restricciones para viajar. La Organización Marítima Internacional tuvo que elaborar un plan para repatriar a las tripulaciones de los barcos abandonados. 

Más del 90% del comercio mundial se realiza por vía marítima, lo que proporciona trabajo a 1,5 millones de marinos y marinas. El transporte marítimo es una industria internacional: no es raro que una nave sea de propiedad griega, esté registrada en Liberia, navegue bajo las órdenes de oficiales de la India y tenga una tripulación mixta procedente de Tailandia, Indonesia, Paquistán y Filipinas. Sin embargo, también es una de las ocupaciones más peligrosas del mundo, amenazadas por la piratería, el naufragio, los accidentes y el abandono. 

El antifeminismo tiende a fundamentarse en opiniones en lugar de hechos, se alinea con posiciones derechistas, neoliberalistas y racistas y a menudo incurre en la difusión de discurso de odio y mensajes violentos. Estas son algunas de las conclusiones de un estudio que acabo de publicar con María Jesús Pando y Mariluz Congoso, examinando tuits de reacción al movimiento #Cuéntalo.

Nuestra investigación corrobora otros estudios anteriores. El populismo de derechas tiende a meter a los intereses de colectivos que consideran “minoritarios” —como migrantes, desempleados, ambientalistas o feministas— en el mismo saco, revela un libro de Andis Kudors y Artis Pabriks. Estos autores ya señalan que los argumentarios antifeministas suelen alinearse con narrativas pro-cristianas, anti-LGBT, anti-globalistas, negacionistas (del cambio climático) y nacionalistas. Para entender a la extrema derecha hay que empezar por estudiar la manosfera –las redes machistas sostenidas por las plataformas digitales—, dice por su parte Helen Lewis. En Gender Hate Online, sus editoras Debbie Ging y Eugenia Siaspera investigan cómo la misoginia y el odio a las mujeres viajan por internet, incluidos videos de violaciones en curso y otras formas de violencia compartidos a través de las plataformas. Entretanto, Majid KhosraviNik y Eleonora Esposito exploran las estrategias narrativas del discurso odioso contra las mujeres en las plataformas.

No hay nada nuevo en la reacción misógina. El antifeminismo organizado surgió nada más formularse las primeras demandas feministas en el siglo XIX. La lucha de las mujeres por la igualdad se aceleró a mediados del siglo XIX, y en los años 1900, 1940 y 1970. Pero cada vez que ganaba terrero, retrocedía ante la reacción machista. Los medios de comunicación desempeñaron un papel importante en el apoyo al antifeminismo. En los años 80 y 90, por ejemplo, eran habituales los estudios que se publicaban tranquilizando a los hombres con datos sobre cómo las diferencias sociales entre hombres y mujeres son “naturales”, y no favorecen a los hombres. La diferencia hoy en día es que los mensajes machistas se diseminan en tiempo real y de forma masiva, aumentando su potencial dañino. Otra diferencia es que hoy en día los argumentos son más sutiles y difíciles de desenmascarar.

Nuestro estudio utiliza dos métodos de investigación para evaluar la reacción antifeminista a la campaña #Cuéntalo, donde las mujeres compartían su experiencia como víctimas de acoso: el análisis de redes y el análisis crítico del discurso. Este artículo ofrece un marco para integrar métodos innovadores, combinando herramientas nuevas y viejas, y contribuyendo a superar las limitaciones de un enfoque único. El análisis gráfico plantea la posibilidad de distinguir comunidades antifeministas en Twitter y examinar su comportamiento; el análisis crítico del discurso permite descubrir sus estrategias discursivas y temas favoritos.

¿Qué descubrimos?

Según esta clasificación, lo que más abunda son mensajes que denuncian el feminismo como movimiento tiránico y basados en estereotipos, canalizados a través de la opinión, como se ve en la siguiente imagen. La gráfica muestra su distribución.

El corto período de la recopilación de datos no puede traducirse en resultados generalizables. Sin embargo, este estudio ofrece un vistazo al mundo de la reacción antifeminista. El análisis de redes apunta a cuatro características principales de los antifeministas: 

Entretanto, el análisis del discurso muestra que:

Lo hicimos así….

Recogimos inicialmente 477.792 mensajes de Twitter con el hashtag #Cuéntalo compartidos por 154.764 usuarios y usuarias entre el 26 y el 29 de abril 2018, los tres días más intensos de esa campaña.

Empleamos el análisis de grafos, o el análisis de redes y relaciones, para identificar entre esos usuarios y usuarias las comunidades que compartieron un alto grado de retuits, cohesión en sus relaciones y consenso. La forma en que las personas retuitean genera burbujas de información, ya que generalmente retuitean aquello con lo que están de acuerdo. Una vez identificada la comunidad machista, la dividimos en subgrupos caracterizados por sus mensajes más destacados, las biografías de sus líderes, sus autodescripciones y antecedentes.

Curiosamente, se destacan cuatro comunidades, de mayor a menor: los neoliberales (unos 45%, en lila), los nacionalistas (unos 45% divididos, a su vez, en otros subgrupos, en verde, turquesa, amarillo y naranja), los ultracatólicos peruanos (unos 3%, en rosa), y los funcionarios de prisiones (unos 2%, en azul), algo que ilustra la imagen.

Una vez identificada la comunidad antifeminista, seleccionamos para su análisis 255 mensajes que fueron retuiteados más dos veces por dicha comunidad. Mientras que en el pasado los mensajes antifeministas parecían radicales y burdos, hoy en día el antifeminismo usa fórmulas sutiles que se rebelan contra el feminismo institucionalizado, la corrección política que “favorece” a las mujeres y el “feminazismo”. Los antifeministas se presentan incluso como feministas liberales o tibios conservadores, hasta el punto de que sus postulados son socialmente aceptables. Si los mensajes de extremistas se desmantelaban antes sin esfuerzo, este antifeminismo es más difícil de desenmascarar. Por eso el análisis crítico del discurso es muy útil, ya que obliga a examinar el contexto en que se dan los mensajes y permite una interpretación compleja.

Los tuits que analizamos se pueden clasificar por temáticas o por la forma en que se difunden. Según la primera perspectiva, estos son los temas más frecuentes:

En cuanto a la forma, estos mensajes se canalizan de dos modos:

El primer gráfico muestra qué modos o canales fueron los más empleados según el tema. Donde hay más testimonios en el área de “hombres abusados” por mujeres. Entretanto, los datos escasean en todas las temáticas.

Las flotas pesqueras y las prácticas insostenibles han ido vaciando los océanos de peces y llenándolos de plásticos. Aunque otros países también son responsables de la sobrepesca –incluida España—, China tiene una mayor responsabilidad. Y ahora sabemos cuánta: dispone de casi 17.000 buques capacitados para la pesca en alta mar, como revela por primera vez un informe del Overseas Development Insitute de Londres.

En el equipo de investigadores del Overseas Development Insitute de Londres hemos tenido acceso a la mayor base de datos del mundo de barcos pesqueros. Combinando estos datos con datos satelitales del sistema de identificación automática –que indican sus movimientos—, podemos observar el comportamiento de la flota china durante dos años (2017 y 2018) y analizarlos con técnicas de big data, algoritmos de machine learning y sistemas de información geográfica para describir la flota y analizar cómo se comporta.

Y lo primero que notamos es que la flota pesquera de China es de cinco a ocho veces mayor que lo estimado en cualquier cálculo anterior. Identificamos un total de 16.966 buques pesqueros chinos capacitados para pescar en “aguas distantes”. Otros informes anteriores infravaloraban por mucho las dimensiones de la flota china.

¿Por qué es esto importante? Si la flota de China es entre cinco y ocho veces mayor que las estimaciones anteriores, sus impactos son inevitablemente más importantes de lo estimado hasta ahora. Esto es clave por dos razones. Primero, porque millones de personas en áreas costeras de los países en desarrollo dependen de los recursos pesqueros para su subsistencia y seguridad alimentaria. Segundo, debido a este aumento extraordinario es difícil monitorear y controlar las actividades de pesca en aguas distantes de China.

Otro patrón que observamos es el tipo de pesquero más frecuente en esta flota es el arrastrero. La mayoría de estos arrastreros chinos pueden practicar la pesca de arrastre de fondo, que es la técnica de pesca más dañina que existe. Identificamos unos 1.800 arrastreros chinos, que son más del doble de lo que se había calculado hasta entonces.

Falta de transparencia en la propiedad de los buques

Además, solo 148 buques chinos estaban registraron en países comúnmente considerados como banderas de conveniencia, que tienen estándares de monitoreo más bajos que un pabellón nacional. Esto muestra que los incentivos para adoptar banderas de conveniencia son pocos dada la regulación relativamente laxa de las autoridades chinas.

Finalmente, de los cerca de mil buques registrados fuera de China, más de la mitad tienen pabellones africanos, especialmente en África occidental, donde la aplicación de la ley es limitada y los derechos de pesca a menudo se limitan a los buques registrados en el país, lo que explica que estos buques chinos hayan adoptado banderas locales.

¿Qué se puede decir sobre la propiedad de estos buques pesqueros? Es muy compleja. Analizamos una submuestra de aproximadamente 6.100 embarcaciones para descubrir que solo ocho compañías poseían u operaban más de 50 embarcaciones cada una. Es decir, en apariencia hay muy pocas grandes empresas pesqueras chinas ya que la mayoría de los buques son propiedad de pequeñas o medianas compañías. Sin embargo, esto es solo una fachada, ya que muchas de estas empresas parecen ser subsidiarias de corporaciones mayores, lo que sugiere alguna forma de control más centralizado. Esta falta de transparencia obstaculiza los esfuerzos de monitoreo y los intentos de garantizar que los responsables de la mala práctica rindan cuentas.

Pero otra faceta interesante de la estructura de propiedad es que la mitad de los 183 buques sospechosos de estar involucrados en la pesca ilegal, no declarada o no reglamentada son propiedad de un puñado de compañías, y también que varias de ellas son empresas paraestatales. Esto significa que centrarse en ellas podría resolver muchos problemas porque estas empresas poseen otros buques.

Las empresas chinas actúan con poco control y negocian sus propios accesos a las pesquerías de los estados costeros de países en desarrollo, especialmente en África occidental. Esta laxitud contrasta con la política de la Unión Europea de reducir su flota pesquera y ejercer un mayor control sobre sus operaciones globales.

Las flotas pesqueras mundiales, no solo las chinas, deben ser más transparentes en cuanto a su tamaño y operaciones, para evitar una sobrepesca de los recursos pesqueros ya insostenibles.

Miren Gutiérrez es directora del programa de posgrado “Análisis, Investigación y Comunicación de Datos”, profesora de Comunicación de Deusto e investigadora asociada del Overseas Development Institute (ODI), en Londres, y de Datactive, de Amsterdam.

Danica Savonick y Cathy N. Davidson recientemente publicaban una lista de 37 estudios sobre prejuicios de género en la investigación. En algunos de estos estudios, revisores que creen que están emitiendo juicios “objetivos” basados en criterios de “calidad”, “excelencia” o “experiencia” cambian su valoración radical y consistentemente dependiendo si el evaluado es un hombre o una mujer. Es decir, el mismo trabajo realizado por personas que se supone que son hombres se considera sistemáticamente superior al del trabajo de las personas que se supone que son mujeres.

Un estudio que apareció en las actas de la Academia Nacional de Ciencias de los Estados Unidos reconoce que los prejuicios de género provienen “de la exposición repetida a los estereotipos culturales que muestran a las mujeres como menos competentes ”. Las mujeres tienen menos opciones para recibir premios académicos (y de cualquier otro tipo), para ser promovidas (solo hay siete rectoras de universidad en España cuando somos mayoría en la universidad), y para que se las cite. La discriminación de género aparece en todos estos estudios incluso si las formas, los métodos y las métricas varían.

Todo esto es el material (los datos) del que se nutren los algoritmos detrás de los ránkings de investigación que luego servirán para promoverte, darte financiación para un proyecto o acreditarte como investigadora.

Precisamente, estaba preparando una evaluación de mi trabajo científico, cuando me doy cuenta de que las dos webs más importantes de citas académicas, la Web of Science (WoS) y Scopus, además de Google Scholar, estaban atribuyendo muchas de mis obras a otras personas (hombres, cómo no).

Los algoritmos de machine learning funcionan así: cuantos más datos engullen, más “perfeccionan” la función automática para la que han sido diseñados. El problema empieza cuando los datos están sesgados, siguiendo el viejo adagio “basura entra, basura sale” (garbage in, garbage out).

El caso es que un libro mío, y todos sus capítulos (que habían sido publicados de forma independiente), se atribuía a al autor de su prólogo en Scopus y la WoS, que se anuncia como “el mayor índice de citas independiente de la editorial y plataforma sobre la investigación”. Y el algoritmo de Google Scholar adjudicaba casi toda mi obra a un investigador con mi mismo apellido e inicial. Es decir, ante la duda (dado que muchas veces las obras son referenciadas solo con el apellido y la inicial del nombre), el algoritmo decidió que adjudicando mis obras a un hombre con el mismo apellido e inicial era más probable acertar.

Hubo que escribir (varias veces) a Scopus y WoS, que investigaron y corrigieron el problema. Pero Google no tiene las mismas salvaguardas. “No tenemos forma de saber qué artículos son realmente suyos –advierte Google Scholar Citations—. Los nombres de los autores (y autoras) a menudo se abrevian y diferentes personas a veces comparten nombres similares. Utilizamos un modelo estadístico para tratar de distinguir a diferentes autores (y autoras), pero estos procesos automáticos no siempre son precisos. La mejor manera de solucionar esto es revisar los artículos en su perfil y eliminar los que fueron escritos por otros (u otras)”. La traducción es de Google Translate; los paréntesis, míos.

Después de pedirle (insistentemente) que “limpiara” su perfil, el investigador al que se le adjudicaba mi obra pasó de decenas de miles de citas a unas 5,000. Quién sabe cuántos artículos y citas de mujeres le asignó erróneamente el modelo estadístico de Google.

Hay informes que demuestran que hay sesgos de género en los rankings académicos. Por ejemplo, un estudio de 47,000 investigadores e investigadoras y sus publicaciones en WoS entre 2008 y 2011 muestra que las mujeres están muy poco representadas en el grupo más productivos. En otro índice, el de Nature, otro estudio que tenía en cuenta 293,557 artículos descubre que solo el 29.8% de las autorías son de mujeres. Las mujeres son también mucho menos numerosas como revisoras de otras publicaciones, dice otro.

A la luz de estos estudios, el problema con mis citas no parece un hecho aislado.

Aunque pueda haber grandes dificultades técnicas, científicas y sociales para afrontar la crisis climática, el mayor obstáculo para ponernos de acuerdo en cómo hacerlo se reduce a una cosa: dinero. Sin embargo, poco se habla del financiamiento climático. Este comentario resume un análisis de datos que destapa grandes carencias tanto en el nivel de compromiso económico de los países como en el de los enfoques que se están aplicando a los fondos públicos destinados a combatir la crisis.

La financiación climática incluye fondos públicos que, aunque son una pequeña parte, desempeñan un papel vital porque canalizan acción y dinero para mitigar las emisiones de gases de efecto invernadero y ayudan a las comunidades a adaptarse a los cambios irreversibles que ya estamos experimentando. Entre ellos, el Fondo Verde del Clima es el más importante. Sin embargo, está lejos de los 100 mil millones de dólares anuales acordados en la Cumbre del Clima de París en 2015, con 5,2 mil millones comprometidos actualmente de los que solo 2,82 mil millones están en ejecución. Y más lejos aún de lo que se necesita para hacer frente a la crisis climática. El último informe del IPCC hablaba en 2018 de un requisito de inversión de entre 1,6 billones de dólares y 3,8 billones solo en el sistema energético para mantener el calentamiento por debajo de una subida de 1.5 grados Celsius.

Aunque las razones para explicar este bajo nivel de financiación pública son complejas, está claro que faltan voces locales en la toma de decisiones. Se invierte algo en tratar de recortar los gases de efecto invernadero pero muy poco en ayudar a las comunidades locales a adaptarse a cambios irreversibles, una cuestión enormemente política, y existe una gran brecha entre discursos políticos y acción.

Estas son las conclusiones de un análisis de datos y entrevistas con personas receptoras de ayudas en un proyecto en Vietnam que mi coautor Guillermo Gutiérrez y yo hemos publicado en la revista Development.

Todos los años en los países desarrollados se programan ayudas para que los países en desarrollo puedan hacer frente a las consecuencias del cambio climático o para reducir las emisiones de gases de efecto invernadero. Se trata de la financiación climática: un flujo de dinero que incluye fondos públicos y privados.

Evaluar el financiamiento climático no es fácil. Detrás de este dinero se encuentra una intrincada red de inversiones, fondos y financiamiento que no se canaliza a través de fondos constituidos como tales. Aunque es mucho menor que lo que se necesita para hacer frente a la crisis, la arquitectura pública de los fondos para el clima es esencial para lidiar con la fusión de los glaciares en Islandia y el Himalaya, los cambiantes patrones climáticos, el proceso de deforestación y el impacto de los ciclones, las inundaciones y la desertificación. En general, se analizan o los patrones del financiamiento climático o los proyectos sobre el terreno, pero rara vez se conectan ambas perspectivas. Nuestro artículo intenta conectar la perspectiva local (un proyecto de biogás doméstico en el norte de Hanoi) y los intereses de los países más vulnerables a la crisis.

De los “digestores” de biogás a la elección de instrumentos financieros

La financiación climática, que fue de aproximadamente 463 mil millones de dólares anuales durante 2015 y 2016, puede movilizarse a través de medios privados (desde las inversiones que hacen las familias en Hanoi a las gigantescas granjas solares construidas por grandes corporaciones) y medios públicos (por ejemplo, fondos multilaterales como el Fondo Verde). Aunque es pequeña en comparación, la financiación pública es un importante motor en la movilización de dinero privado.

Por ejemplo, visitamos un programa de biogás en Vietnam que se financia con el apoyo de fondos bilaterales de Holanda (público) y de inversión comercial y doméstica (privada). El programa capacita a albañiles en el distrito de Soc Son, un área rural en la región del Delta del Río Rojo al norte de la capital vietnamita, para construir “digestores” de biogás que producen gas para cocinar y generan electricidad. Las personas beneficiadas invierten sus propios ahorros en la instalación de un digestor de biogás y deciden si comparten o venden el gas restante en la vecindad. Aunque ninguna de las familias beneficiadas del Programa de Biogás de Vietnam recibió ningún subsidio directo para construir sus unidades de biogás, que costaron entre 700 y 1,000 dólares, parecían estar contentas con los resultados y algunas tenían perspectivas de vender el gas que les sobraba.

En el camino entre donantes e inversores a receptoras como estas familias, la financiación climática pública puede adoptar diversas formas. Sin embargo, la elección de un instrumento u otro es importante, especialmente si hablamos de las necesidades locales. No es lo mismo una donación que un préstamo. Y los proyectos pequeños pueden ser viables solo si dependen de donaciones a fondo perdido (que no requieren reembolso o el pago de intereses). Los gobiernos de los países desarrollados están más inclinados a otorgar donaciones que las instituciones privadas, pero no todos los gobiernos optan por hacerlo. Nuestra investigación revela que, mientras por ejemplo Noruega, Holanda y Gran Bretaña conceden muchas de sus ayudas en forma de donaciones, España está a la cola de la Unión Europea.

Adaptación, la gran olvidada

Otro asunto sumamente importante para los países en desarrollo, en general más vulnerables a la crisis que los desarrollados, es que necesitan adaptarse a las nuevas condiciones climáticas que se están rápidamente extendiendo por todo el planeta. Un ejemplo son las islas del Pacífico destinadas a desaparecer con la subida del nivel del mar. El análisis de datos indica que la mayor parte de los fondos se dedican a proyectos de mitigación o recorte de las emisiones. Esto tiene su lógica porque hay que reducir las emisiones de forma drástica. Pero esta política tiene otras consecuencias.

Que la mayor parte del dinero público vaya a proyectos de mitigación hace que se concentre en grandes proyectos energéticos en países de renta media, como Marruecos, Indonesia o México, lo mayores receptores de fondos para el clima, y no en los países más vulnerables. Por ejemplo Turquía es, con mucho, el primer país receptor de ayuda climática de la Unión Europea.

Es verdad que el impacto de los proyectos de adaptación, muchas veces locales, es más difícil de monitorear, medir y escalar. Sin embargo, este asunto tiene profundas connotaciones políticas, ya que son precisamente los países más pobres y vulnerables los que menos han contribuido históricamente a generar la crisis climática.

Acción = financiación

Finalmente otro desafío en la financiación climática es que no se ha hecho de esta crisis un frente unido y las decisiones políticas no se guían por la ciencia. El hecho de que un país puede comprometerse con una contribución (por ejemplo la promesa al Fondo Verde de 3 mil millones de dólares del ex presidente de los Estados Unidos, Barack Obama) y poco después cancelar su compromiso (con la retirada de su sucesor Donald Trump del Acuerdo de París), dependiendo de quién esté sentado en la poltrona es un gran obstáculo en la lucha contra la crisis.

Declarar que existe una “crisis climática” sin poner el dinero ni cambiar sistemas de producción, contratación pública, sistema fiscal y servicios públicos no basta.

El Consorcio Internacional de Periodistas de Investigación (conocido por sus siglas en inglés ICIJ) acaba de poner a disposición de periodistas, investigadores y activistas una nueva herramienta, DataShare, que permite analizar y conectar informes largos y tediosos, así como documentos en diferentes formatos, como fotografías y PDF, con unos pocos clics. DataShare se basa en parte en la tecnología que el grupo de investigación desarrolló para analizar los Papeles de Panamá, por ejemplo. Una buena noticia.

Los periodistas estábamos pensando en sus posibles aplicaciones cuando nos cayó una losa informativa: la empresa de software financiada por la CIA e involucrada en tareas de inteligencia y contratos con el Ejército de Estados Unidos para diversas agencias de US, Palantir, había firmado un acuerdo con el Programa Mundial de Alimentos de la ONU (conocido como WFP) para analizar datos. Estamos hablando de los datos de 90 millones de personas muy vulnerables que el WFP ayuda a sobrevivir de diversas partes del mundo azotadas por guerras, hambrunas y desastres.

Las reacciones de los activistas que trabajan en el terreno de la protección de datos y privacidad se produjeron inmediatamente. Un grupo de 62 organizaciones, iniciativas y personas relevantes enviaron una carta abierta a David Beasley, director del WFP, y a varios de sus colegas para expresar su alarma y demandar que, entre otras cosas:

- Dé a conocer los términos del acuerdo en una muestra de transparencia y se comprometa a ser transparente con los contratos que firme con empresas privadas en el futuro.

- Divulgue información tanto sobre el proceso que llevó a la decisión de comprometerse con Palantir, como sobre la evaluación que acredita que Palantir cumple con las Directrices de Negocios y Derechos Humanos de la ONU.

- Establezca un panel independiente para revisar el plan del proyecto y las salvaguardas.

- Tome todas las medidas necesarias para enmendar el acuerdo a fin de garantizar la privacidad y la seguridad de las personas a las que presta servicios el WFP.

¿Por qué la alarma? Para empezar, el WFP está dirigido por David Beasley, partidario del presidente de los Estados Unidos, Donald Trump; irónicamente, Trump ha estado reduciendo las contribuciones de los EEUU a la ONU. Las tácticas predatorias de Palantir para captar datos y código han llamado ya la atención.

En 2011, una empresa llamada I2 Inc demandó a Palantir alegando que había obtenido ilícitamente su algoritmo. Al final Palantir acordó pagar a 12 Inc unos 10 millones de dólares. También en 2011, Anonymous reveló un plan, que involucra a Palantir, para atacar a WikiLeaks. Palantir terminó disculpándose por su participación en el plan. Y en 2018, Christopher Wylie, un directivo de Cambridge Analytica (la compañía que obtuvo los datos de Facebook de 50 millones de votantes de EEUU), respondió en una investigación parlamentaria en el Reino Unido que los empleados de Palantir habían obtenido los datos en el “centro del escándalo de privacidad” que involucraba a Facebook. Palantir primero negó cualquier contacto con Cambridge Analytica, pero luego admitió que uno de sus empleados sí se había comunicado con dicha empresa. Este es el tipo de compañía con la que se asocia la agencia de la ONU.

Las 62 organizaciones que han firmado la carta a Beasley aseguran que algunos riesgos que conlleva este acuerdo incluyen:

- Desanonización. Cuando se fusionan y analizan grandes conjuntos de datos aunque sean anonimizados, que es la base del modelo de negocio de Palantir, se puede llegar a la identificación de las personas detrás de ellos. Incluso cuando los datos se almacenan por separado, el “efecto mosaico” presenta un riesgo. Una investigación de Harvard  indica que las formas tradicionales de privacidad y anonimización de datos que se centran en  eliminar información personal de los datos son “insostenibles e ineficaces”.

- Parcialidad. Otro riesgo involucra el uso de algoritmos para lanzar alarmas de “posible uso indebido”. El problema es que, para analizar los datos de WFP, seguramente Palantir usará sus propios algoritmos que (como todos los algoritmos) pueden contener sesgos. Pero es imposible saber qué sesgos pueden incorporarse a estos modelos. Se sabe que el filtrado algorítmico tiene un alto riesgo de incorporar sesgos y produce resultados de confiabilidad variable,  especialmente en el contexto de los datos relativos a poblaciones muy diversas.

- Derechos de datos. La última declaración del WFP indica que conserva el control total sobre los datos, el análisis y los resultados. Sin embargo, no explica qué significa “control” en un sentido legal, o si ese control incluye los algoritmos, datos con los que se les “entrena”, o inferencias hechas por tales modelos.

- Costos futuros: Si bien el acuerdo puede ahorrar dinero a corto plazo, también se deben evaluar los costos a largo plazo. Los costos de usar el sistema pueden aumentar con el tiempo, como lo experimentan otros clientes de Palantir, quienes se han quejado sobre la política de precios opacos de Palantir.

- Perjuicio de los principios humanitarios. El acuerdo puede socavar los principios humanitarios fundamentales del WFP. Por ejemplo, el WFP es un signatario de los Principios para el Desarrollo Digital, que establecen el uso transparente, inclusivo y equitativo de la tecnología.

- Transparencia y rendición de cuentas. Nada se ha compartido de forma transparente sobre el proceso en el que el WFP se ha comprometido con Palantir. Dada la gravedad de estas preocupaciones, la construcción de controles transparentes, tales como auditorías de terceros, adquisiciones abiertas y transparencia de contratos, parece esencial, dado el mandato que tiene el WFP de  defender la protección de los derechos humanos en todo el mundo.

Los gigantes Goliat siempre dominarán el panorama tecnológico; pero ¿tenemos que darles también acceso e información sobre las personas vulnerables que dependen de los programas de alimentos del WFP? Es verdad que las agencias de la ONU tienen enormes presiones de sus donantes para parecer y ser eficientes. Pero ¿no sería mejor que la ONU desarrollara herramientas propias, que pueda controlar, con organizaciones sin afán de lucro que compartan los valores de transparencia? No puedo dejar de preguntarme acerca de los David de este mundo que, como ICIJ, están tratando de utilizar la infraestructura de datos (es decir, el hardware, el software y los procesos necesarios para transformar los datos en valor) para aumentar la transparencia y la responsabilidad de los poderosos. El acuerdo entre Palantir y WFP suena como pedirle al despiadado Goliat que gobierne con justicia, responsabilidad y empatía.

¿Son los big data siempre los “mejores” datos, como argumenta Cukier? A la luz de las historias de terror que nos ha traído 2018, esta declaración debe revisarse. El último informe del AI Now Institute describe cómo en 2018 se incitó a la depuración étnica en Myanmar a través de Facebook; Cambridge Analytica intentó manipular las elecciones; Google casi crea un motor de búsqueda para los servicios de inteligencia chinos y ayudó al Departamento de Defensa de EEUU a analizar imágenes de drones; y se despertó la indignación por los contratos de Microsoft para prestar servicios de reconocimiento facial a Inmigración y Control de Aduanas de EEUU.

Las prácticas de extracción de datos de estas plataformas están bajo escrutinio debido a su impacto, no solo en la privacidad sino también en la democracia. Los big data no son necesariamente mejores datos.

Sin embargo, como asegura Anna Carlson, “la ausencia de bondad” de los big data tampoco es intrínseca. El nuevo libro Good Data, editado por Angela Daly, Kate Devitt y Monique Mann y publicado por el Institute of Network Cultures en Ámsterdam, es precisamente un intento de demostrar que los datos pueden, y deben, ser “buenos”. Los datos buenos pueden ser incluso mejores que los big data no solo con respecto a la ética, sino también con respecto a las necesidades técnicas de una investigación determinada. Por ejemplo, como investigadoras, ¿por qué deberíamos esforzarnos por trabajar con big data cuando tenemos a mano small data suficientemente buenos para un estudio en particular?

Basándome en el concepto de “datos suficientemente buenos”, que los autores Jennifer Gabrys, Helen Pritchard y Benjamin Barratt aplican a los datos ciudadanos recopilados a través de sensores, mi contribución al libro examina cómo las activistas generan y emplean datos, expandiendo y aplicando el concepto de “datos suficientemente buenos” más allá de los datos ciudadanos y del medio ambiente. El capítulo tiene como centro el caso de Syrian Archive, una organización que documenta datos relacionados con la guerra en Siria, para analizar los nuevos estándares aplicados a la recopilación y verificación de datos en este tipo de activismo, así como sus desafíos.

Pero ¿qué son datos suficientemente buenos? Más allá de localizables, accesibles, interoperables y reutilizables (FAIR, por sus siglas en inglés), los datos suficientemente buenos son los que cumplen con unos estándares concretos: ser suficientemente sólidos en cantidad y calidad e involucrar a la ciudadanía, no solo como receptora, sino como recolectora, curadora y analizadora de datos. También poder generar historias orientadas a la acción; involucrar usos alternativos de la infraestructura de datos y otras tecnologías y recurrir a fuentes de datos creíbles. Recolectar datos de forma ética también es necesario, así como que sean relevantes para el contexto y objetivos de la investigación, y se puedan conservar para su uso posterior (por ejemplo, como evidencia en un juicio).

Los datos suficientemente buenos pueden ser la base para pruebas sólidas. El capítulo compara dos informes sobre los bombardeos y ataques aéreos contra civiles en la ciudad de Alepo, Siria, en 2016. El primero fue publicado por la Oficina de la Alta Comisionada para Derechos Humanos (OACDH) y el segundo por Syrian Archive. Los resultados de la comparación muestran que ambos informes son compatibles, pero que este último es más inequívoco al señalar una participación rusa en los ataques.

Basado en 1,748 vídeos, el informe de Syrian Archive dice que, aunque todas las partes cometieron violaciones, hubo una participación rusa “abrumadora” en los bombardeos. Mientras tanto, OACDH emitió una declaración cuidadosamente redactada en la que culpaba a “todas las partes en el conflicto sirio” de perpetrar violaciones que causaron víctimas civiles, admitiendo que “las fuerzas gubernamentales y pro gubernamentales [es decir, las rusas] atacaron hospitales, escuelas y suministros de agua”. La disparidad en el lenguaje de ambos informes puede tener más cosas en común con los datos que estas organizaciones emplearon en sus estudios que con la diferencia entre una audaz ONG y una cuidadosa agencia de la ONU.

Si bien el informe de la OACDH se basó en entrevistas posteriores al evento con personas que fueron testigos de los bombardeos, Syrian Archive se basó en videos subidos a redes sociales, que luego se verificaron mediante triangulación con otras fuentes de datos, incluida una red de unas 300 personas confiables en el terreno.

El capítulo se basa en la taxonomía que se ofrece en mi libro Data activism and social change, que agrupa los métodos de extracción de datos en cinco categorías.

El capítulo también analiza las prácticas de datos de varios grupos activistas y no activistas para hacer comparaciones con los métodos de Syrian Archive. Esta organización, por ejemplo, analiza vídeos de plataformas de redes sociales subidos por la ciudadanía; estos pertenecerían a la segunda categoría (datos públicos) y a la tercera (datos de crowdsourcing)  Por lo que, según el origen de los datos, se podrán aplicar distintas iniciativas que guarden relación.

Otro ejemplo: WeRobotics es un grupo que forma a comunidades, lanzan drones y mapean territorios en países en desarrollo para dar información sobre desastres humanitarios y facilitar los procesos de toma de decisiones. Lo hacen a través de imágenes que recaban los propios drones y que son posteriormente analizados por la ciudadanía. Estos datos encajarían en la quinta categoría, al tratarse de datos primarios. En la misma línea se sitúa el estudio de Gabrys, Pritchard y Baratt citado anteriormente, que utiliza los datos ciudadanos recogidos a través de sensores para fomentar las iniciativas de carácter medioambiental.

InfoAmazonia es un proyecto donde confluyen las tres categorías de datos mencionadas: públicos, crowdsourcing y primarios. Se dedica a realizar mapeos de noticias y datos de comunidades, periodistas y activistas para poder documentar casos de abusos de derechos humanos y medioambientales en los países amazónicos. Lo hace a través de imágenes satelitales y plataformas colaborativas de datos.

El interés de este ejercicio no son los resultados de las investigaciones en Siria, sino los datos y los métodos que los respaldan. Lo que esto nos muestra es que este tipo de activismo es capaz de producir datos suficientemente buenos desde el punto de vista ético y técnico para generar información confiable (y suficiente), llenar vacíos, complementar y apoyar los esfuerzos de otros agentes. Citando a Gabrys, Pritchard y Barratt, son también capaces de crear evidencia accionable que puede “movilizar cambios de políticas, respuestas de la comunidad, monitoreo de seguimiento y una mejor rendición de cuentas”.

Algunos han olvidado que el y la periodista es la persona que vive, aplica y comparte los principios del periodismo, que, como Kovach y Rosenstiel establecieron, tiene como primera obligación la verdad, debe lealtad ante todo a la ciudadanía, mantiene su independencia frente a sus fuentes, ejerce un control independiente del poder y en su trabajo aplica el método de la verificación. Todo lo demás simplemente no es periodismo.

El periodismo es un sistema que las sociedades democráticas han creado para suministrar información veraz y relevante a la gente, generar debate y controlar al poder. Por eso habría que distinguir entre periodistas y sus imitadores e imitadoras. Esto es especialmente importante hoy porque los niveles de confianza en las instituciones europeas, especialmente en las periodísticas, es muy bajo. El índice de confianza Edelman de 2018 indica que, en España, entre el 76 y el 80% de las personas temen que las noticias falsas se usen como “armas”, el nivel más alto en el mundo. En este índice, los medios de información están entre las instituciones que inspiran más desconfianza. Pero no todos los medios deberían experimentar el mismo descrédito porque no todos son iguales.

Hay medios periodísticos que se afanan por presentar los hechos de la manera más independiente y relevante posible. Por ejemplo, Independent desacreditó unas fotografías que circularon por redes sociales que trataban de hacer pasar a manifestantes enfrentados en una protesta anti-Islam en Alemania en 2012 como refugiados radicalizados en Gran Bretaña en 2015. Diversos medios en nuestro entorno han establecido unidades, secciones o programas de factchecking, incluidos “El Objetivo” (La Sexta), “La Chistera” (El Confidencial), “Verdad o Mentira” (InfoLibre), Maldito Bulo y “El Cazabulos” (eldiario.es) .

En español existen más iniciativas, incluidas La Silla Vacía  (Colombia), Detector de Mentiras (Estados Unidos), Con Pruebas (Guatemala), El Sabueso (México), El Medio (Oriente Medio) y Ojo Público (Perú). A nivel global, existe una asociación, la International Fact Checking Netwrok (IFCN), a la que pertenecen medios como The Washington Post y Le Monde y Politifact  (creado por Tampa Bay Times y recientemente adquirido por el Instituto Poynter).

Algunos medios convencionales han dicho que ellos no establecen unidades de factchecking porque la verificación de hechos es, en realidad, parte del método periodístico y se debe aplicar a cualquier noticia. Sin embargo, la diferencia con estas iniciativas es que estas establecen espacios especializados en los que las mentiras se desmontan explícitamente una por una.

La preocupación por la desinformación toma más formas

Un informe de Reuters revela, por ejemplo, que el crecimiento de las redes sociales para noticias se está ralentizando en algunos mercados y que las aplicaciones de mensajería se están volviendo más populares por ser más privadas y tender a no filtrar el contenido algorítmicamente. Según este estudio, el uso de WhatsApp para noticias está comenzando a competir con Facebook en varios mercados, entre ellos Malasia (51%), Brasil (46%) y España (32%). Además, solo una cuarta parte (24%) de las personas encuestadas piensa que las redes sociales hacen un buen trabajo al separar los hechos de la ficción.

De acuerdo con un reciente artículo de Bella Palomo y Jon Sedano, adoptar WhatsApp como herramienta de comunicación permite a los medios incrementar cualitativamente las fuentes disponibles y su tráfico, e incluso involucrar a los distintos públicos en tareas de verificación. La creación de la sección “B de Bulo” en el periódico Sur, usando WhatsApp como medio de comunicación, resultó en una mejora de la relación entre la redacción y sus públicos, dicen Palomo y Sedano. Otros medios, como Madito Bulo, tienen servicios de WhatsApp.

La encuesta de Reuters da un dato preocupante: casi un tercio de la muestra (29%) dice que a menudo o a veces evita las noticias. Es decir, no solamente los algoritmos nos encierran en pequeñas burbujas de información, también hay una parte de la población que se excluye conscientemente.

Otro problema es que los desmentidos de estas iniciativas de factchecking no tienen casi nunca el mismo eco que los propios bulos. Si la información veraz no se comparte de la misma manera que la falsedad viral, su daño no se puede contrarrestar realmente por muchas unidades de factcheckers que se funden; siempre irán por detrás.

El periodismo, sin embargo, también puede instigar e inspirar un debate sobre el papel de los y las periodistas, así como el de las plataformas, la ciudadanía, la regulación y la gobernanza de Internet. El papel del periodismo nunca ha sido más relevante.

Hay tres razones por las que las noticias basura se difunden tan rápidamente en las redes sociales, de acuerdo con Samantha Bradshaw y Philip N. Howard. La razón número uno son los algoritmos que ayudan a procesar, catalogar, seleccionar y priorizar cantidades masivas de información, pero que también permiten la personalización del contenido de forma que se crean “burbujas de filtro” que limitan los flujos de información y el intercambio transparente de ideas y perpetúan los sesgos. Básicamente, debido a estas burbujas, terminamos hablando con nuestras correligionarias acerca de los asuntos en los que ya estamos de acuerdo.

La mayor parte del filtrado de información que tiene lugar en las redes sociales no es producto de la elección consciente de los y las usuarias humanas, sino de cálculos algorítmicos de aprendizaje automático. Un sistema de aprendizaje automático es un conjunto de algoritmos que toman torrentes de datos en un extremo y escupe inferencias, correlaciones, recomendaciones y, a veces, decisiones en el otro extremo. Se trata del machine learning o el uso de técnicas estadísticas para “aprender” de forma que, basándose en datos, los algoritmos mejoran progresivamente en el cumplimiento de una tarea sin haber sido programados específicamente para ello. Esta tecnología ya es ubicua: todas las interacciones que tenemos con Facebook, Google, Amazon y otras plataformas están habilitadas por sistemas de aprendizaje automático. Estos fragmentos de código toman decisiones al personalizar el contenido y adaptar los resultados de búsqueda para reflejar nuestros intereses individuales, comportamientos pasados e incluso la ubicación geográfica.

Bradshaw y Howard dicen que la curación del contenido algorítmico tiene consecuencias importantes en la forma en que se nos ofrecen noticias online. En el periodismo convencional, periodistas humanas seleccionaban las fuentes de información, verificaban los datos y elaboraban las noticias, y sus editores (en su mayoría hombres) decidían si publicarlas o no, una función que se ha llamado en inglés gatekeeping (papel de “portero”). Los públicos decidían a qué medio acudir para informarse, pero en su mayor parte desconocían qué noticias habían sido excluidas. Ahora son los algoritmos los que determinan qué información se disemina a qué personas.

La popularidad de una noticia, el grado en que esta provoca indignación, los sesgos de confirmación y el nivel de implicación de las personas con los contenidos son cada vez más importantes para impulsar su propagación. Si se conjugan estos factores, los contenidos se vuelven virales a enorme velocidad y escala, independientemente de si son veraces o no. “Aunque Internet ha brindado más oportunidades para acceder a información, los algoritmos dificultan que encontremos información desde puntos de vista críticos o diversos”, concluyen Bradshaw y Howard.

Presentes en las redes más comunes

Numerosos estudios indican que los sesgos algorítmicos están presentes en todas las plataformas. Un ejemplo: un algoritmo de inteligencia artificial aprendió a asociar a las mujeres con imágenes de cocinas basándose en decenas de miles de fotografías de internet porque hay más mujeres que aparecen fotografiadas en cocinas en la web. No es esto solo lo más grave. Al “aprender”, el algoritmo multiplicó el sesgo presente en el conjunto de datos en los que se basó inicialmente, amplificando --no simplemente replicando— la asociación sesgada. Este trabajo de la Universidad de Virginia es uno de varios estudios que recientemente muestran que los sistemas de inteligencia artificial pueden incorporar, e incluso multiplicar, sesgos si su diseño o los datos en los que se basan no se piensan y corrigen cuidadosamente.

El segundo factor según Bradshaw y Howard es la publicidad. El modelo de negocio de las plataformas se basa en la recopilación de datos de uso y su venta a las empresas que quieren comprender mejor cómo consumimos, al tiempo que ofrecen a estas empresas la capacidad de crear y enviar mensajes personalizados a esos mismos públicos. Es por esto que las cuentas de redes sociales son “gratuitas”. Digo “gratuitas” entre comillas porque pagamos en realidad de tres formas diferentes: con nuestros datos, con nuestra atención y con nuestro dinero (e.g. a los proveedores de servicios de comunicación móvil).

Este modelo contribuye a la difusión de noticias basura de dos maneras, según Bradshaw y Howard: Primero, a través de la incentivación de contenido viral, lo que ha dado lugar a los clickbaits (literalmente “clic-cebo”) o contenido diseñado para atraer la atención, a menudo estimulando la indignación, la curiosidad o ambos, para alentar a hacer clic en un enlace a una página web. Los aspectos económicos de clickbait ayudan a explicar por qué contenidos diseñados para provocar respuestas emocionales aumentan la probabilidad, la intensidad y la duración de la implicación de usuarios y usuarias con el contenido. Es decir, los clickbaits juegan con los prejuicios de las personas y su indignación.

Segundo, a través del empoderando de algunos agentes (como por ejemplo intereses extranjeros en la última campaña electoral en los Estados Unidos) que hacen de los y las votantes objetivos potenciales con poca transparencia y nula responsabilidad.

El tercer y último factor según Bradshaw y Howard es la exposición: este sistema nos ofrece una selección cada vez más sesgada y reducida de la realidad. Mientras que los algoritmos y los anuncios filtran información, los y las usuarias también seleccionan lo que quieren ver o descartar y ahí indicen los fenómenos cognitivos.

Diversos estudios demuestran que es más probable que compartamos con nuestras redes información con la que estamos de acuerdo, reforzando cada vez más la polarización de las creencias. A su vez, este filtrado influye en cómo los algoritmos funcionan. Como consecuencia de ello, no se nos expone a una selección representativa, equilibrada o precisa de la realidad.

Primero de tres capítulos donde se analiza el impacto y la naturaleza particular de la desinformación en Internet

Las mentiras adoptan hoy en día muchas formas: pueden ser fraudes, seudo-ciencia, clickbaits o teorías de la conspiración; pueden estar en manos de (ro)bots o de personas con nombre y apellido... Pero estamos hablando de algo similar, aunque no haya un consenso acerca de qué son las fake news y se recomiende hablar de “desinformación”. Pero la desinformación siempre han existido. Por ejemplo, las falsedades de los “Protocolos de los sabios de Sion” –publicados en 1902 en la Rusia zarista con el objetivo de justificar los pogromos de judíos— están entre las más eficaces fake news del pasado. Parece que el magnate Henry Ford las difundió por Estados Unidos a través de su semanario Dearborn Independent en los años 20 del siglo pasado.

La diferencia con las fake news de hoy es que, con las plataformas digitales que dan sostén a las “redes sociales” y permiten la masiva generación e intercambio de contenidos, la desinformación multiplica y disemina de forma exponencial en tiempo real sin espacio para la reflexión o corrección.

Tenemos ejemplos cercanos. Un bulo difundido en WhatsApp aseguraba en julio que el hospital Gregorio Marañón había cerrado una planta para atender a los dos niños de Irene Montero y Pablo Iglesias. Un mes antes, durante la moción de censura, se difundían declaraciones de Mariano Rajoy asegurando que ningún militante del PP había sido condenado por Gürtel. En mayo, una fotografía de un acto independentista en Lleida, en la que aparecían niños, se difundía en redes sociales como prueba de que el soberanismo se inculca en los colegios. En otras latitudes, podemos encontrar ejemplos que resultan familiares. En Canadá, por ejemplo, el bulo de que refugiados y refugiadas recibían pensiones considerablemente mayores que las personas jubiladas no solo sigue circulando desde 2004 sin que se haya podido contrarrestar con datos, sino que además se ha metamorfoseado en otras fábulas similares que circulan por EEUU y Australia.

¿De cuánto son responsables unos medios debilitados por una inversión en periodismo cada vez menor desde 2008 y por el descrédito? ¿De cuánto es responsable la gente, que puede elegir la versión de la verdad más adecuada a sus creencias? ¿Hasta qué punto el pluralismo y el conflicto de versiones garantiza que la verdad aflora? Empecemos por algunas nociones básicas sobre nuestros sesgos cognitivos.

Creemos lo que queremos creer

Las fake news se mueven en un caldo de cultivo propenso a su propagación. Muchos estudios indican que las personas somos más propensas a creer más en aquellas noticias que encajan con nuestras ideas y prejuicios, aunque estas noticias sean falsas, lo que se llama “sesgo de confirmación”. Un vídeo titulado No vas a creer lo que estoy por contarte (en inglés) explica por qué las personas rechazamos la verdad cuando esta no encaja en nuestra forma de entender el mundo. Hay razones biológicas. Se ha confirmado a través de escáneres de la amígdala que estas reacciones defensivas se asemejan a las de una persona ante un ataque físico. Si no, ¿por qué muchas personas votan en contra de sus propios intereses? ¿Por qué son tan difíciles los cambios (aunque sea para mejorar) en culturas laborales establecidas? ¿Por qué prosperan algunas teorías conspirativas?

Una combinación de fenómenos como el sesgo de confirmación (un sesgo cognitivo que nos hace seleccionar, favorecer y recordar más aquella información que confirma nuestras propias creencias); el “efecto de retroceso” (backfire effect), que nos hace empecinarnos más cuando nuestras creencias básicas se cuestionan (aunque sea basándose en hechos reales), produciendo de forma colectiva la radicalización y polarización de creencias; las correlaciones ilusorias, que se dan cuando se perciben asociaciones falsas entre dos situaciones; y los errores del razonamiento inductivo hacen que nos movamos en un terreno resbaladizo desde siempre.

La metáfora del efecto óptico paralaje explica parte de este fenómeno. Se trata de la diferencia en la posición aparente de un objeto cuando se observa desde dos posiciones distintas, de forma que parecerá mayor para la observadora que esté más cerca (en la ilustración, posición B). Tiene también que ver con cómo el contexto (la estrella roja) hace que el objeto observado parezca diferente desde posiciones distintas. Si pensamos que el contexto es nuestro bagaje –creencias, valores, ideas, afinidades y conocimientos—, confrontada con el mismo objeto, cada persona ve una cosa diferente.

La mayor ventaja de los seres humanos sobre otras especies es nuestra capacidad para cooperar, argumentan Hugo Mercier y Dan Sperber. La cooperación es ardua de establecer y difícil de mantener. La razón se desarrolló no para permitirnos resolver problemas abstractos, sino para resolver los problemas planteados por vivir en comunidad. Hábitos mentales que parecen extraños o ridículos desde un punto de vista intelectual se tornan sensatos cuando se ven desde una perspectiva social “interaccionalista”, dicen estos autores. Según Mercier y Sperber, nuestra razón evolucionó para medrar en el grupo, no para hacer cálculos certeros.

Según Samantha Bradshaw y Philip N. Howard, varios de estos mecanismos afloran en el partidismo: las personas prestan más atención al contenido político que se ajusta a su propio bagaje ideológico. En un proceso electoral, si ya tienen una preferencia por un o una candidata en particular, seleccionarán mensajes que fortalezcan, no debiliten, esa preferencia. Esto significa que cada vez más tendemos a no cambiar de partido político o candidata porque es poco probable que adquiramos de manera voluntaria o proactiva información nueva que desafíe nuestras preferencias. Un segundo fenómeno es la “exposición selectiva” que se basa en nuestros “esquemas” o representaciones cognitivas de conceptos genéricos con atributos consistentes que pueden aplicarse a nuevos tipos de información. Es decir, las personas tomamos atajos cognitivos que nos ayudan a lidiar con la realidad y para ello dependemos de nuestro conocimiento previo, que, como en el efecto paralaje, proporciona contexto e interpretación de cualquier suceso. Un tercer fenómeno es que dependemos de la exposición selectiva porque no queremos enfrentar la disonancia cognitiva de la exposición a información nueva que pueda desafiar nuestras creencias.

El problema hoy es que nuestros sesgos se ven confirmados y aumentados por los algoritmos. Es decir, si a estas distorsiones mentales se les añade que las “redes sociales” que diseminan fake news de todos los colores son omnipresentes y que los medios antaño percibidos como fiables ahora se entienden como politizados y parciales, se nos presenta una situación peligrosa. Todo vale; que es lo mismo que decir que nada vale.

¿Qué hacer desde la universidad para que las empresas no nos roben también el discurso sobre los big data? Charlotte Ryan y Kersti Wissenbach recientemente publican sendos comentarios sobre la necesidad de darles la vuelta a los discursos tecnocéntricos dominantes. Ambas proponen ubicar a las personas en el centro de nuestra actividad como investigadoras, haciendo preguntas sobre las comunidades en lugar de sobre las tecnologías. Helen Kennedy habla en otro artículo de la exigencia de explorar desde las ciencias sociales cómo la gente experimenta los datos. En el fondo subyace la pregunta ¿tecnología (e investigación) para qué?

Estas propuestas incitan ideas diferentes pero relacionadas.

Primero, la investigación no es un terreno homogéneo. El actual tecnocentrismo predominante desvía financiación hacia la investigación en las ciencias aplicadas, ingeniería y herramientas (lo que Wissenbach llama “el estado de la tecnología” y Ryan “la industria con fines de lucro”). Hablando de Canadá, Srigley describe cómo el Consejo de Investigación de Ciencias Sociales y Humanidades de Canadá “se alineó para enfocar su financiación en cursos relacionados con negocios. Entretanto, el dinero para la enseñanza y la investigación en humanidades, ciencias sociales y ciencias sin ninguna conexión con la industria, es decir, la mayor parte, comenzó a agotarse”. Srigley parece resumir lo que está sucediendo en todas partes. La “investigación patrocinada” aparece como el mantra actual y las instituciones académicas exigen cada vez más que sus estudios puedan vincularse a empresas y a usos comerciales e industriales.

Otros estudiosos y estudiosas alrededor de mí cuentan historias similares: las ciencias sociales que se enfocan críticamente en los datos obtienen una fracción de la financiación que atrae la investigación en ciencias computacionales en campos como negocios e industria, medioambiente y clima, diseño de materiales, robótica, ingeniería mecánica y aeroespacial, y biología y biomedicina. Mientras, los estudios sobre la justicia y la gobernanza de los big data, y sobre cómo la gente, las comunidades y las organizaciones no gubernamentales experimentan y usan los datos quedan para otro día.

En segundo lugar, no podría estar más de acuerdo con Wissenbach y Ryan cuando dicen que debemos tomar a las comunidades como puntos de entrada en el estudio de la tecnología. Wissenbach argumenta además en contra de la objetivación de las “comunidades”, exigiendo una investigación real basada en las necesidades sociales.

Pero aquí yace otro desequilibrio. Incluso si como investigadoras trabajamos junto con las comunidades para impulsar nuevos estudios críticos, ambas no estamos en la misma situación. Somos las investigadoras las “guardianas” de lo que se publica en ciencia, somos más hábiles en acceder a fondos (aunque sean escasos), dominamos la jerga. La inclusión de las comunidades, por lo tanto, se encuentra en el corazón de este argumento y sigue siendo un desafío.

Y si los fondos para los estudios críticos de datos no son abundantes, los recursos para poner en marcha proyectos de datos son aún más exiguos. Hablando también como activista de datos involucrada en proyectos que analizan los impactos sociales de la pesca ilegal en las comunidades costeras de países en desarrollo (e intentando recaudar fondos para ello), creo que debemos asegurarnos de que realizar investigaciones sobre el activismo de datos no signifique menos fondos para el activismo de datos. Sé que no hablo los mismos recursos, pero hay formas en que la investigación podría fomentar la práctica, y una de ellas es precisamente poner a las comunidades en el centro de nuestras tareas investigadoras.

En tercer lugar, otra división subyace en la resistencia de las ciencias sociales a la investigación comprometida y a poner las comunidades en el centro de su actividad. Mientras que las llamadas “ciencias duras” no tienen problemas con “comprometerse”, algunos académicos en “ciencias blandas” quieren poner muros entre sus estudios y las comunidades que son objeto de estos estudios precisamente por miedo a comprometerse.

Algunos tecnoutópicos pretenden que existe un estado de asepsia en las “ciencias duras”, o al menos es posible ahora con los big data. Pero esto no podría ser más engañoso. ¿Qué puede ser más “comprometido” que una investigación patrocinada? Quiero decir, la investigación impulsada y financiada por las empresas está necesariamente “comprometida” con el sector privado y sus intereses, pero rara vez reconoce estos sesgos. Sin embargo, cinco décadas después de que Robert Lynd preguntara “¿Conocimiento para qué?”, esta cuestión todavía se cierne sobre las ciencias sociales. Algunos científicos sociales evitan involucrarse con las comunidades que son objeto de sus análisis para no “contaminarse” con ellas de forma que desaparezca toda pretensión de “objetividad”. Pero si sabemos que la ciencia no puede ser “objetiva”, ¿por qué no aceptar una investigación social comprometida, siempre que seamos transparentes acerca de nuestros prejuicios y de nuestras relaciones con las comunidades, y sistemáticamente críticas con respecto a nuestras suposiciones?

En cuarto lugar, la investigación social debe ser más astuta y sus hallazgos más influyentes. Nuestra falta de peso en los debates públicos sobre los big data no es atribuible solo a las tendencias del mercado y las obsesiones de los donantes; también es culpa nuestra.

Actualmente, las historias de éxito y progreso de los big data provienen principalmente del sector privado. E incluso cuando se impugnan los puntos de vista predominantemente tecno-entusiastas, las críticas más importantes provienen de los mismos sectores. Un ejemplo es un artículo de Bernard Marr en que proclama: “he aquí por qué los datos no son el nuevo petróleo”. Marr no menciona lo obvio, que los datos no son recursos naturales, espontáneos e inevitables, sino culturales, “cocinados” en procesos que también están “cocinados”, como dice Boellstorff. En su artículo, Marr se refiere solo a ciertas características que hacen que los datos sean diferentes al petróleo. Por ejemplo, aunque los combustibles fósiles son finitos, los datos son “infinitamente duraderos y reutilizables”, etc. ¿Es eso todo lo que se necesita saber sobre los datos? Aunque este debate ha crecido en los últimos años, ¿está llegando a los oídos de los donantes? No hace mucho, durante la conferencia Datamovida en Madrid en 2016 organizada por Vizzuality, un colega –Aditya Agrawal, del Open Data Institute and Global Partnership for Sustainable Development Data— abrió su presentación diciendo precisamente que los datos eran “el nuevo petróleo”. Si personas clave en el sistema de las Naciones Unidas no se han puesto al día con las ideas principales que surgen de los estudios críticos de datos, es que no estamos haciendo las cosas bien.

Este último argumento está estrechamente relacionado con las otras ideas en este comentario. Cuanto más podamos influir en las políticas, la opinión pública y la toma de decisiones para que se ponga a la gente en el centro de estos debates, más investigadores podrán trabajar junto con las comunidades para explorar cómo las personas se apropian de los datos, crean nuevas relaciones y revierten los discursos dominantes. No podemos contentarnos con publicar en algunos blogs o en revistas indexadas y vernos las caras de vez en cuando en congresos que rara vez resuenan más allá de nuestras burbujas académicas.

Hacer un esfuerzo por llegar a públicos más amplios podría ser una forma de romper la dominación que, como dice Ryan, las marcas, los nichos de mercado y las fuentes de ingresos parecen ejercer sobre las instituciones académicas. La academia es un compartimento, pero no totalmente estanco. Hay otras voces críticas en el campo del periodismo, por ejemplo, que han denunciado esta especie de obsesión con la tecnología. Tal vez los estudios críticos deberían abarcar no solo las comunidades, sino también a otras voces críticas dentro del periodismo, los donantes y otros campos. Y para hacer eso, tenemos que expandirnos más allá de los círculos académicos habituales.

Finalmente, el mensaje que surge de los estudios críticos de datos no puede ser solo en clave negativa, sobre la dataveillance, como la ha llamado José van Dijck, y las formas de resistencia a la vigilancia masiva. Por imperfecta que sea, la infraestructura de datos está permitiendo que la gente y la sociedad organizada produzcan diagnósticos y soluciones a sus problemas. Tenemos que reconocer que, a menudo, estas tecnologías son moldeadas por actores externos con intereses creados antes de que las comunidades las utilicen. Pero si queremos captar la imaginación de la gente, las historias de éxito y progreso de los datos deben también ser contadas por las ciencias sociales.

A pesar de lo que sabemos acerca de cómo los big data se emplean para espiarnos, manipularnos, mentirnos y controlarnos, todavía hay personas que se emocionan por el bombo generado por las redes “sociales”, el machine learning y el business intelligence. En el otro extremo del espectro se habla de que necesitamos convertirnos en anacoretas digitales, parte de sectas cibernéticas secretas y aisladas.

Soy una gran fan de la encriptación y las redes privadas virtuales. Y sí, los CEO de las corporaciones tecnológicas tienen más recursos que los gobiernos para comprender las realidades sociales e individuales. La consecuencia está clara: la ciudadanía pierde su capacidad de acción frente a los poderes privados.

Precisamente por los desequilibrios y las prácticas del dataveillance –como José van Dijck ha llamado a la vigilancia masiva— es vital considerar formas alternativas del uso de los datos que permitan a las personas actuar con autoridad y responsabilidad. El debate sobre los big data ha sido secuestrado por tecnoutópicos y tecnopesimistas y las historias de su progreso, por el sector privado. Pero existen muchas personas y organizaciones del tercer sector que están creando, acumulando y utilizando datos para generar historias alternativas y sus propios diagnósticos y soluciones.

Mi nuevo libro Data activism and social change habla sobre cómo las personas y las organizaciones están utilizando la infraestructura de datos como un instrumento fundamental en sus estrategias. Estas personas incluyen investigadores e investigadoras con vocación activista y activistas con amor por los números que están creando nuevos mapas, plataformas y alianzas para un mundo mejor. Y al hacerlo muestran un alto grado de ingenio, contra todo pronóstico.

En medio de la polémica por el escándalo de Cambridge Analytica y el papel de Facebook en él, este libro habla sobre la interacción entre los datos, la tecnología y las prácticas comunicativas, por un lado, y la participación democrática y la movilización social, por el otro. Aborda el surgimiento del activismo de datos, un nuevo fenómeno que surge como una reacción a la dataficación y la vigilancia masivas, y que hace uso  de los big data para el cambio social y la protección de los derechos humanos y del medioambiente.

El libro acude a entrevistas con expertos y expertas, activistas y representantes del mundo de la investigación, y a la observación empírica de más de cuarenta organizaciones y casos que hacen de los datos el centro de sus actividades. Los y las treinta activistas que entrevisté y cuarenta organizaciones que examiné dieron lugar a una clasificación: existen aquellas organizaciones especializadas en transferir habilidades, como DataKind, que coloca científicos y científicas de datos en las organizaciones no gubernamentales para trabajar en proyectos conjuntamente. Otras, como Medialab-Prado y Civio, crean plataformas y herramientas y generan oportunidades para que diferentes partes colaboren en proyectos de datos con fines sociales.

Un segundo grupo –organizaciones catalizadoras como Open Knowldege Foundation— patrocina algunos de estos esfuerzos. Las organizaciones que producen periodismo de datos, como el Consorcio Internacional de Periodistas de Investigación, proporcionan análisis que pueden apoyar las campañas.

Finalmente los y las activistas de datos van más lejos, asegurando en archivos protegidos información vital sobre abusos contra los derechos humanos (por ejemplo, The Syrian Archive); recreando historias de sufrimiento y abuso de los derechos humanos (“Liquid Traces” de Forensic Architecture); rastreando la pesca ilegal y vinculándola a cuestiones de desarrollo (“Western Africa’s Missing Fish”, codirigido por mí en el Overseas Development Institute); visualizando desalojos y movilizando a la gente para detenerlos (por ejemplo en San Francisco y España); visualizando crisis humanitarias y emergencias (por ejemplo, con la “Ayuda Ecuador” de la plataforma Ushahidi), por mencionar solo algunas.

El texto propone una tipología de activismo de datos, que puede resultar interesante a la hora de crear proyectos nuevos o de estudiar más casos.

Sabemos que los datos y los algoritmos no “hablan” por sí mismos y que no son neutrales. Los datos no pueden ser “crudos”, como dijo Nancy Gitelman. Tom Boellstorff escribe sobre cómo los datos y metadatos están “cocinados” en procesos que también “cocinados”. Es decir, los big data no son recursos naturales, inevitables y espontáneos, sino recursos culturales. Y el hecho de que la infraestructura de datos se emplee en buenas causas no elimina los prejuicios y las asimetrías presentes en los conjuntos de datos, algoritmos, hardware y procesos de datos. Pero incluso usando tecnología defectuosa, estos y estas activistas obtienen resultados emocionantes.

Pero, ¿de dónde obtienen estos activistas los datos? Porque los datos pueden ser difíciles de encontrar...

¿Cómo los activistas tienen acceso a los datos?

Las corporaciones generalmente no regalan los datos y el nivel de apertura de los gobiernos no es fantástico. “Es difícil (o incluso imposible) de encontrar datos en línea, los datos a menudo son fácilmente utilizables, y las licencias abiertas son una práctica poco común”, dice el último informe del Global Open Data Index.

Cuando los gobiernos y las empresas no abren sus bóvedas de datos, las personas y las organizaciones generan sus propios datos. Este es el caso de “Rede InfoAmazonia”, un proyecto que mapea la cantidad y calidad del agua en comunidades brasileñas del río Amazonas. El mapa emite alarmas a la comunidad cuando los niveles o la calidad de agua rebasa ciertos límites.

Sobre la base de los casos, he identificado también cinco formas en las que los y las activistas obtienen datos de forma alternativa. Del método más sencillo al más complejo, 1) alguien (por ejemplo, un o una denunciante) puede ofrecerles los datos; 2) también se puede acceder a datos públicos (por ejemplo, señales del sistema de identificación automática AIS de buques capturadas por satélites) o datos abiertos; 3) se pueden crear comunidades para recabar datos ciudadanos (es decir, crowdsourcing); 4) se puede recurrir al scraping de datos; y 5) se pueden lanzar drones o colocar sensores para recolectar imágenes u obtener datos a través de la investigación primaria (por ejemplo, a través de encuestas). Esta taxonomía se ofrece como una herramienta para examinar casos reales.

El crowdsourcing puede ser un proceso muy poderoso. El mapa del terremoto de Haití en 2010, utilizando la plataforma Ushahidi, abordó “vacíos de información clave” en el período inicial de la respuesta antes de que las instituciones humanitarias estuvieran operativas, proporcionaron datos geolocalizados a pequeñas organizaciones no gubernamentales que no tenían presencia sobre el terreno, y ofrecieron información situacional rápida con alto grado de precisión a la ciudadanía para la toma de decisiones, según una evaluación independiente de la iniciativa. El mapa de Haití marcó la transición hacia un cambio de paradigma en cómo se abordan las emergencias y las crisis, dando lugar al humanitarismo digital.

Otras formas de obtener datos son bastante impresionantes también. Por ejemplo, “Liquid Traces”, de Forensic Architecture, empleó señales AIS, señales de calor y de radar, y otras tecnologías de vigilancia para demostrar que fue indiferencia, no la incapacidad de localizarlas, la razón por la que no se rescató a un grupo de 72 personas que el 27 de marzo de 2011 habían sido forzadas a bordo de una lanza en Libia. Solo sobrevivirían nueve. Otra organización, WeRobotics, ayuda a comunidades de Nepal a analizar y mapear su vulnerabilidad a las avalanchas y a los impactos por el cambio climático.

Alianzas, mapas e hibridación

A partir de la observación de cómo funcionan estas organizaciones, he identificado también once características que definen activistas y organizaciones de datos. Entre ellas, una característica común interesante es que los y las activistas de datos tienden a trabajar en alianzas. Esto suena bastante lógico. O los casos a los que se enfrentan son demasiado grandes para abordarlos de forma unilateral (por ejemplo, casos de abusos de los derechos humanos) o los datos que deben analizar son demasiado big (por ejemplo, “Western Africa’s Missing Fish” y los “Papeles de Panamá” procesaron terabytes de datos). No puedo pensar en ningún proyecto de datos que no incluya alguna forma de colaboración.

Otra cualidad es que los y las activistas de datos a menudo confían en los mapas como herramienta para el análisis, la coordinación y la movilización. Los mapas han sido siempre objetos dotados de conocimiento, poder e influencia, y el auge de la cartografía digital, la tecnología móvil, el crowdsourcing de datos y los sistemas de información geográfica hacen de los mapas más poderosos aún. Esto ocurre en coincidencia con un interés creciente en el mapeo de crisis, una práctica que combina las capacidades de la geoweb con la asistencia humanitaria y las campañas. En manos de personas y organizaciones, los mapas han sido una forma de contrapoder político. El empleo de mapas es tan útil que lo he identificado como una variedad del activismo datos que he llamado geoactivismo. InfoAmazonia, una organización dedicada a temas ambientales y derechos humanos en la región amazónica, es un ejemplo de organización especializada en la visualización de datos geolocalizados.

Además, los y las activistas de datos generalmente no tienen reparos en mezclar métodos y herramientas de otros sectores. No sólo muchas organizaciones son híbridas porque cruzan las líneas que separan el periodismo, la investigación, el humanitarismo y el activismo, sino que también combinan repertorios de acción de diferentes áreas. Un ejemplo es “Los vagabundos de chatarra”, un proyecto que incluye cómics, periodismo, un libro, mapas interactivos, vídeos y un sitio web para contar las historias de las personas que sobrevivieron la crisis económica en Barcelona recogieron y vendiendo chatarra. Otra organización híbrida, Civio, practica el periodismo, alberga proyectos de datos, defiende temas como la transparencia, e investiga los incendios forestales. “España en llamas” es un proyecto incubado en Civio que, por primera vez en España, presenta una imagen completa de los incendios. Civio también abre los datos detrás de estos proyectos.

Los valores que motivan el activismo de datos incluyen la colaboración, compartir datos y conocimientos, aspirar al cambio social y la justicia, descubrir y proporcionar pruebas indiscutibles de abusos, fomentar la acción colectiva, y transformar la indignación y acción proactiva. Estos y estas activistas merecen más atención.

Desde que, para nuestra sorpresa, el Brexit y Trump ganaron el año pasado, parece que estamos viviendo en la llamada “era de la postverdad”. Recientemente estamos confirmando que las noticias falsas han desempeñado un papel fundamental en los resultados de las votaciones del último año y medio. Pero ¿qué hay detrás y quién debería tener la responsabilidad de controlar las fake news?

Un reciente informe alerta de que uno de cada cuatro norteamericanos visitó alguna página de noticias falsas durante el periodo anterior a las elecciones que llevaron a la Casa Blanca a Donald Trump. La consultora Cambridge Analytica accedió  a los perfiles de 87 millones de personas en Facebook para pronosticar su voto e influir en ellas a favor de Trump. Y el Oxford Internet Institute acaba de publicar otro informe en el que concluye que, en Twitter, la red de seguidores de Trump comparte y circula más variedad y cantidad de noticias falsas que todo el resto de agentes políticos combinados.

¿Qué son las llamadas fake news? Como afirma Cas Mudde en un artículo para The Guardian, la importancia de la manipulación algorítmica y las fake news es relativa, ya que, por un lado, su consumo está concentrado en una parte del electorado, y por otro, su impacto afecta sobre todo a grupos ya fanatizados. Pero se trata de algo alarmante. Aunque se puede tratar de  fraudes, bots tóxicos, pseudociencia, clickbaits o teorías de la conspiración, estamos hablando de algo similar con diferentes formas, propósitos e impactos. En realidad, las noticias falsas siempre han existido; el  problema ahora es que la multiplicación de plataformas aumenta exponencialmente su propagación.

Entonces, ¿se debería dejar su control a las plataformas? Esta pregunta es vital porque la web está atravesando un proceso de “plataformización”, y no se trata del destino de unas pocas empresas, sino de la libertad de expresión en internet, que hasta ahora ha resistido, con diferente fortuna en cada país, a la regulación.

Si las plataformas de redes sociales desean convertirse en fuentes confiables de información, podrían actuar como organizaciones periodísticas. La autorregulación puede funcionar en los medios periodísticos. De hecho, algunas plataformas están probando la curación algorítmica y otros métodos para reconocer y descartar noticias falsas. La gran diferencia es que las organizaciones periodísticas difunden noticias generadas en procesos periodísticos gobernados por principios periodísticos, mientras que las plataformas son vehículos (no necesariamente neutrales) de contenido de diversa naturaleza, generado por la ciudadanía y otros agentes.

El principal riesgo de ello es sobrerregular, censurar contenido, enjuiciar a las personas por crear contenidos y restringir la libertad de prensa y otros derechos, así como desencadenar la autocensura.

Además, las plataformas de redes sociales que difunden noticias faltas son operadas por empresas privadas cuyo principal objetivo es ganar dinero y hacer felices a sus accionistas, lo que no se traduce necesariamente en hacer felices a sus usuarios/as. Los bots y las interacciones tóxicas en las plataformas mejoran sus analíticas.

Este es un tema complejo que incluye no solo la divulgación sino también la recolección de datos. Por ejemplo, a menudo los/as usuarios/as tienen que firmar primero un contrato con el servicio de la plataforma. Estos contratos son deliberadamente impenetrables y exorbitantemente extensos, y los/as usuarios/as con frecuencia terminan firmándolos sin leer con cuidado la letra pequeña.

Las plataformas no son ni medios de comunicación ni canales desinteresados para contenidos ciudadanos.

Dan Gillmor acaba de publicar un artículo en el que dice que las plataformas no deberían ser “la policía de los contenidos” en internet, y se pregunta por qué la gente supone que la solución está en las políticas corporativas y en las decisiones de los/as programadores/as dentro de organizaciones excesivamente centralizadas. Dejar esto en manos de estas empresas hará que “la censura sea la regla, no la excepción”.

Gillmor aboga, y estoy de acuerdo, por empoderar a los/as usuarios/as. A las plataformas se les debería exigir, dice, que 1) permitan que los/as usuarios/as eliminen todo lo que las empresas han recopilado sobre ellos/as; 2) hagan que todos los datos, incluidas las conversaciones, sean “portátiles” de manera que las plataformas competidoras; 3) limiten lo que pueden hacer con los datos que recopilan; 4) ofrezcan dashboards fáciles de usar que brinden a los/as usuarios/as un control granular de su privacidad y la configuración del uso compartido de datos; y 5) divulguen todo lo que hacen “en un lenguaje simple que incluso un presidente de EEUU pueda entender”.

La ciudadanía debería participar, ser consultada y contribuir a resolver el problema. Y ya lo está haciendo. Por ejemplo, las experiencias ciudadanas de verificación de hechos se ha multiplicado últimamente. El número de factcheckers en todo el mundo se ha más que triplicado en los últimos cuatro años, de 44 a 149 desde 2014 (un aumento del 239%). Aunque muchas de estas experiencias están vinculadas a medios de información, otras están afiliadas a universidades, grupos de expertos/as e iniciativas ciudadanas.

También los/as periodistas están llamados/as a desempeñar un papel cada vez más importante. Tomando prestado de The Elements of Journalism, de Bill Kovach y Tom Rosenstiel, el periodismo debe buscar la verdad inexorablemente y poner el interés público por encima de otros, empleando la disciplina de la verificación de manera independiente. Es más necesario que nunca. Cuando aborda las fake news, el periodismo también debe fomentar un debate sobre el papel de las plataformas, la ciudadanía, la regulación y la gobernanza de internet. Además, debería participar activamente en la lucha contra las fake news.

 En resumen, el control debería estar en manos de los/as consumidores/as y creadores/as de los contenidos.

El Overseas Development Institute acaba de lanzar el primer análisis exhaustivo de las principales plataformas big data dedicadas a observar la pesca, que ofrecen oportunidades únicas para respaldar el monitoreo y la vigilancia de la sobrepesca y la pesca ilegal. Sin embargo, el estudio indica que aún hay mucho camino por delante.

Este asunto es crucial, porque, por ejemplo, en la región costera que se extiende desde Senegal a Nigeria, el 50% de los recursos pesqueros están sobreexplotados y un tercio de esto se debe a la pesca ilegal, según la Organización de las Naciones Unidas para la Agricultura y la Alimentación. No solamente parte de ese pescado termina en nuestros platos; la sobrepesca y la pesca ilegal fomentan, entre otras cosas, la emigración.

Desde la liberación del mercado de los datos satelitales hace más de una década, han ido surgiendo plataformas de datos privadas dedicadas al seguimiento de los barcos pesqueros de cierto tamaño, obligados por seguridad a emitir señales regularmente mientras están operativos.

Estas plataformas privadas cubren un vacío de información dejado por instituciones públicas internacionales. El caso es que no existe una base de datos pesquera única para la flota mundial y nadie sabe cuántos barcos pesqueros existen. FAO calcula que hay casi cinco millones de pesqueros, pero la mayoría de estos son pequeños navíos con poca capacidad.

La era de los big data auguraba grandes cosas; pero el informe del ODI destaca graves fallas en estas plataformas privadas.

Por ejemplo, un tercio de los 75,000 buques de pesca que figuran en la plataforma Global Fishing Watch, respaldada por Google y la única base de datos de código abierto disponible, son duplicados o buques que no participan en la pesca.

El ODI también detecta problemas en los resultados de un informe que publicó el Global Fishing Watch sobre transbordos de pescado el año pasado, ya que muchos de los buques identificados como naves frigoríficas no lo eran.

El informe concluye que las plataformas deberían unir esfuerzos para crear una fuente de datos verdaderamente robusta y útil, disponible para los países que luchan contra la sobrepesca y la pesca ilegal en sus aguas. Las instituciones públicas podrían facilitar la creación de dicha fuente de datos única.

Hay cada vez más pruebas de que las rutas de la pesca ilegal se aprovechan para el tráfico de personas y de drogas, y de que ésta alimenta la evasión y el lavado de dinero. Además, la pesca ilegal y la sobrepesca dejan sin trabajo ni esperanzas a muchas comunidades costeras de África, y la desaparición de estos recursos es un incentivo para la migración y otras medidas desesperadas.

Por ejemplo, la organización Environmental Justice Foundation y la Organización Internacional del Trabajo (OIT) han documentado casos de tráfico de personas y abusos laborales a bordo de buques pesqueros que faenan en África. Según un informe de la Oficina de las Naciones Unidas contra la Droga y el Delito de 2011, la pesca ilegal se vincula también a la financiación de actividades terroristas.

La pesca ilegal no se debería abordar solo desde la óptica de una pérdida de biodiversidad, sino como parte de una amplia red de delincuencia transfronteriza con consecuencias complejas.

Mientras Europa centra sus esfuerzos en reforzar la seguridad y clausurar sus fronteras a la inmigración, hay otras medidas que podrían emprender para reparar la situación; una de ellas es dejar de contribuir a empeorar las condiciones de vida de la gente en sus propios países.

Al ritmo de contaminación actual, en la próxima década nuestros océanos tendrán alrededor de 1 kilo de plástico por cada 3 kilogramos de pescado

La progresiva reducción del consumo de bolsas de plástico en España entre 2010 y 2015 se ha traducido directamente en una disminución de bolsas desechadas en las playas y riberas, según una investigación que acaba de publicar el Programa “Análisis, Investigación y Comunicación de Datos” de la Universidad de Deusto. Sin embargo, los plásticos relacionados con la agricultura se han convertido en un problema grave.

La cuestión de las basuras marinas es muy desconocida. Sin embargo, es tan grave que el Programa de Naciones Unidas para el Medio Ambiente (PNUMA) ha lanzado este año una campaña global para eliminar en 2022 las fuentes de basura en los océanos. Las basuras marinas más frecuentes y preocupantes son los plásticos. El PNUMA calcula que más de 8 millones de toneladas de plásticos terminan en el mar cada año, el equivalente a tirar un camión entero de plásticos cada minuto. A este ritmo, en la próxima década nuestros océanos tendrán alrededor de 1 kilo de plástico por cada 3 kilogramos de pescado.

Para poder alcanzar la meta fijada por el PNUMA es vital conocer qué tipo de residuos y en qué cantidades se encuentran en nuestras playas y ríos, desde donde en su mayor parte pasan al mar, y qué factores influyen su disminución o aumento. El nuevo informe de Deusto pone su mira en cómo ha evolucionado la presencia de bolsas de plástico en la basura marina y cuántos plásticos relacionados con la agricultura hay abandonados en nuestras playas y riberas.

El informe concluye que el descenso del consumo de bolsas de plástico ha tenido un impacto directo proporcional y directo en una reducción del 80% de este tipo de bolsas en las zonas playeras y ribereñas en las que hubo limpiezas durante los cinco años estudiados.

Asimismo, el Parque Regional Puntas de Calnegre-Cabo Cope, Murcia, resulta ser el punto donde más basuras de cualquier tipo se encontraron de los lugares estudiados, con 21,77 unidades de residuos por metro lineal de playa. En comparación, por ejemplo, las playas vascas acumulan en los mismos años 0,53 residuos por metro lineal limpiado. Por comunidades, las playas y riberas donde se hicieron limpiezas de Murcia, Canarias y Galicia resultan las más contaminadas por basuras marinas.

Finalmente, aunque no se pudo determinar una tendencia por falta de datos (solo se recogieron datos de tres años), el número de residuos relacionados con la agricultura intensiva y tuberías PVC se multiplicó por ocho entre 2014 y 2015. En la península, Murcia y Andalucía, por ejemplo, han experimentado un enorme crecimiento de la agricultura intensiva en los últimos años, y gran parte de ella se practica bajo plásticos o hace un gran uso de plásticos. Se califican como plásticos relacionados con la agricultura los plásticos, cuerdas de sujeción y telas de invernaderos, las bolsas de empaque de productos, las tuberías de riego de PVC, las pinzas de silicona para injertos, entre otros.

El informe está basado en los datos sobre casi 50.000 kilogramos de basuras de todo tipo recogidas por miles de voluntarios y voluntarias de la Asociación Ambiente Europeo (AAE) en cerca de 250 limpiezas realizadas en cinco años, como parte del proyecto International Coastal Cleanup de la organización Ocean Conservancy. El voluntariado de AAE recibe una formación para aplicar la metodología de International Coastal Cleanup en la recogida de datos sobre las basuras encontradas en limpiezas organizadas por decenas de asociaciones y grupos.

Las basuras marinas no son solo un inconveniente estético. Una vez en el mar, el plástico desechado es ingerido por animales o entorpece e incluso impide sus movimientos, causando su muerte en muchos casos. Hasta 600 especies de fauna marina han sido afectadas por este problema, incluidos 200.000 mamíferos marinos por año. PNUMA calcula que para el 2050, el 99% por ciento de las aves marinas habrán ingerido algún plástico, y el 15% de aquellos animales que han ingerido plásticos o se han enredado en ellos están en peligro.

Es especialmente preocupante el caso de los microplásticos, pequeñas partículas de plástico de 5 milímetros de diámetro como máximo, porque no se pueden detectar fácilmente. Los microplásticos pueden ser fabricados a posta, por ejemplo las microperlas que se emplean en exfoliantes y dentífricos, o pueden ser procedentes de la degradación de plásticos de mayor tamaño. Al ser ingeridos por especies comestibles, los casi invisibles microplásticos entran en la cadena alimenticia humana.

Para paliar esta silenciosa crisis, hacen falta políticas públicas inmediatas y eficaces que lleven a la reducción radical del empaquetamiento y material agrícola de plástico, y su sustitución por materiales sostenibles; la optimización de sistemas de gestión de residuos; la reducción al mínimo de generación de desechos sólidos; la prohibición de microperlas de plástico en productos de consumo, y sustituirlos por alternativas no tóxicas y productos biodegradables; y la divulgación y concienciación en materia de basuras marinas.

Bolsas de plástico encontradas por metro lineal frente a consumo de bolsas por habitante

Número de residuos de todo tipo por metro lineal