Convocatoria para Dossier Especial: Género y Teoría de los Sistemas: articulaciones conceptuales y aplicaciones empíricas. La Red Latinoamericana de Sistemas Sociales y Complejidad (RELASSC) a través de la coordinación del Seminario Latinoamericano de Género y Diferenciación Funcional convoca a la presentación de artículos e investigaciones para el Número Especial de la Revista MAD, publicación electrónica bianual del Magíster en Análisis Sistémico Aplicado a la Sociedad, (perteneciente a la Facultad de Ciencias Sociales de la Universidad de Chile) que será publicado en Julio del 2026.
Alcance y justificación: En las últimas décadas, el debate sobre el género se ha ampliado más allá de los enfoques normativos e identitarios, incorporando análisis de operaciones comunicativas, mecanismos organizacionales y sistemas sociales (derecho, política, ciencia, educación, medios, salud, economía). En diálogo con la teoría de los sistemas (especialmente la tradición luhmanniana y sus desarrollos contemporáneos), emergen perspectivas que describen cómo los códigos, programas, formas de diferenciación, inclusión y exclusión, y estructuras organizacionales producen asimetrías de género e interactúan con marcadores de raza, clase, sexualidad y territorio.
Este dossier busca consolidar un campo de investigación que articule género y teoría de los sistemas, explorando conceptos, métodos y evidencias capaces de proponer una nueva manera de tensionar la teoría de género y aportar avances a las discusiones sobre la teoría del sistema social.
Se invita al envío de artículos teóricos, conceptuales y/o empíricos que: 1. Dialoguen explícitamente con la teoría de los sistemas sociales (por ejemplo: comunicación, diferenciación funcional, acoplamientos, organización/interacción/sociedad, programas/códigos, inclusión y exclusión); y 2. Analicen problemas de género en contextos específicos (instituciones, políticas públicas, medios, organizaciones, educación, justicia, salud, ciencia y tecnología, trabajo, cultura).
Temas de interés (no exhaustivos, sólo deben tener como referencia de análisis la teoría de sistema sociales) • Género como observable sistémico: semánticas, códigos y expectativas de rol. • Organizaciones y sesgos: reclutamiento, evaluación, promoción, métricas y cumplimiento normativo. • Derecho y justicia: decisiones, procedimientos, protocolos, producción de desigualdades y mecanismos de inclusión/exclusión. • Política y políticas públicas: programas, implementación, aprendizaje organizacional y gobernanza. • Ciencia, universidad y conocimiento: autoría, gatekeeping, peritajes, evaluación por pares. • Medios y plataformas: circulación de sentidos, escándalos, observación de segundo orden, desinformación y género. • Salud y asistencia: rutinas clínicas, expedientes, protocolos, tecnologías del cuidado, salud mental. • Educación: currículos, evaluación, disciplina, comunicación pedagógica y marcadores de diferencia. • Economía y trabajo: formalización/informalidad, plataformas digitales, cuidado y reproducción social. • Tecnología e IA: modelado algorítmico, sesgos, regulación y acoplamientos con el derecho/política. • Interseccionalidades (género/raza/clase/territorio) como programas que reconfiguran operaciones sistémicas. • Metodología: estrategias para observar comunicaciones, decisiones y estructuras de expectativa en contextos organizacionales.
Enfoques y métodos: • Contribuciones teóricas/analíticas (reconstrucciones conceptuales, debates, síntesis). • Estudios empíricos cualitativos, cuantitativos o mixtos (documentos, decisiones, etnografía organizacional, análisis de redes/comunicaciones, métodos computacionales). • Ensayos metodológicos sobre cómo observar operaciones sistémicas en investigaciones de género.
Ámbito regional y comparaciones: • Se alientan trabajos con casos de América Latina, así como comparaciones y diálogos con otras regiones.
Idiomas: • Se aceptan envíos en portugués o español
Fechas importantes: Los artículos serán recibidos en el correo electrónico: relassc.genero@gmail.com • Recepción de artículos hasta el 31 de marzo del 2026. • Notificación de propuestas seleccionadas 30 de abril del 2026
Política editorial https://revistamad.uchile.cl/index.php/RMAD/politicas. La coordinación del dossier y la recepción de artículos será responsabilidad del Seminario Latinoamericano de Género y Diferenciación Funcional: Dra. Carolina Busco Ramírez (Universidad Diego Portales-Chile), Doctoranda Kamila Carino Machado (Universidade Estadual do Norte Fluminense Darcy Ribeiro-Brasil), Dra. Elisa López Miranda (UNAM-México), Dra. Mayra Rojas Rodríguez (UNAM-México).
Elementos para una sociología de los datos, la datificación y el big data
Autores/as
-
Gastón Becerra
Universidad de Buenos Aires
https://orcid.org/0000-0001-9432-8848
Resumen
El artículo analiza el fenómeno del big data desde una perspectiva sociológica, tomando como marco conceptual la teoría de sistemas sociales (TSS). En la primera parte, presentamos el fenómeno del big data y lo abordamos como una construcción discursiva que articula un mandato sociotécnico con promesas de objetividad y control. Ofrecemos una conceptualización del fenómeno en términos de autodescripción de la sociedad y discutimos brevemente la tesis de un impacto disruptivo en la estructura de la sociedad. En la segunda parte, se propone una primera conceptualización para una sociología de los datos y de la producción y reutilización de ellos, denominada datificación. Articulando aportes de los estudios críticos de los datos y la TSS se exploran cuatro tesis: la datificación como un proceso autopoiético, la constitución del dato en la comunicación, la exclusión/inclusión en los datos, y la emergencia de un sistema funcional.Palabras clave:
big data , datificación , teoría de sistemas sociales , diferenciación funcional , sociologíaCitas
Alaimo, C. y Kallinikos, J. (2024). Data rules: reinventing the market economy. The MIT Press.
Anderson, C. (2008). The end of theory. The data deluge makes the scientific method obsolete. Wired. https://www.wired.com/2008/06/pb-theory/
Andrejevic, M. (2014). The big data divide. International Journal of Communication, 8(1), 1673–1689. https://doi.org/1932–8036/20140005
Baack, S. (2015). Datafication and empowerment: How the open data movement re-articulates notions of democracy, participation, and journalism. Big Data and Society, 2(2), 1–11. https://doi.org/10.1177/2053951715594634
Bates, J., Lin, Y. W., & Goodale, P. (2016). Data journeys: Capturing the socio-material constitution of data objects and flows. Big Data and Society, 3(2), 1–12. https://doi.org/10.1177/2053951716654502
Beaulieu, A., y Leonelli, S. (2022). Data and Society. A Critical Introduction. Sage Publications
Becerra, G. (2021). The promise and the premise: How digital media present big data. First Monday, 26(9). https://doi.org/https://doi.org/10.5210/fm.v26i9.10539
Becerra, G. (2022). Representaciones sociales del big data en la prensa digital argentina. Questión, 3(72). https://doi.org/https//doi.org/10.24215/16696581e726
Becerra, G., Mezzadra, J., & Gambino, B. (2025). Mapeando la datificación: Un análisis bibliométrico de perspectivas y patrones en la comunicación científica. Revista de Ciencias Empresariales y Sociales, 12(9), 1–28. https://publicacionescientificas.uces.edu.ar/index.php/empresarialesysociales/article/view/1878
boyd, D., y Crawford, K. (2012). Critical Questions for Big Data. Information, Communication & Society, 15(5), 662–679. https://doi.org/10.1080/1369118X.2012.678878
Byung-Chul, H. (2014). Psicopolítica. Neoliberalismo y nuevas técnicas de poder. Herder
Castells, M. (1998). La era de la información: Economía, sociedad y cultura. Alianza Editorial
D’Ignazio, C. y Klein, L. (2020). Data feminism. The MIT Press
Dalton, J. y Thatcher, J. (2014). What does a critical data studies look like , and why do we care? Seven points for a critical approach to ‘big data.’ Society and Space, 1–12. http://societyandspace.org/2014/05/12/what-does-a-critical-data-studies-look-like-and-why-do-we-care-craig-dalton-and-jim-thatcher/
Davenport, T. H. y Patil, D. J. (2012). Data scientist. Harvard Business Review, 90(October 2012), 70–76. http://128.255.244.58/strategic/articles/data_scientist-the_sexiest_job_of_the_21st_century.pdf
Diebold, F. X. (2012). The Origin(s) and development of “ Big Data ”: the phenomenon , the term , and the discipline. Penn Economics Working Paper, 12. https://doi.org/10.2139/ssrn.2202843
Dorschel, R. (2021). Discovering needs for digital capitalism: The hybrid profession of data science. Big Data and Society, 8(2). https://doi.org/10.1177/20539517211040760
Esposito, E. (2022). Artificial communication. How algorithms produce social intelligence. The MIT Press.
Flensburg, S. y Lomborg, S. (2023). Datafication research: Mapping the field for a future agenda. New Media and Society, 25(6), 1451–1469. https://doi.org/10.1177/14614448211046616
Gebru, T., Morgenstern, J., Vecchione, B., Vaughan, J. W., Wallach, H., Iii, H. D., y Crawford, K. (2021). Datasheets for datasets. Communications of the ACM, 64(12), 86–92. https://doi.org/10.1145/3458723
Gitelman, L. (2013). “Raw Data” Is an Oxymoron. The MIT Press. https://doi.org/10.1080/1369118X.2014.920042
Jemielniak, D. (2020). Thick big data. Doing digital social sciences. Oxford University Press.
Kallinikos, J. (2006). Information out of information: On the self-referential dynamics of information growth. Information Technology and People, 19(1), 98–115. https://doi.org/10.1108/09593840610649989
Kitchin, R. (2014a). Big Data, new epistemologies and paradigm shifts. Big Data & Society, 1(1). http://journals.sagepub.com/doi/10.1177/2053951714528481
Kitchin, R. (2014b). The Data Revolution: Big Data, Open Data, Data Infrastructures and Their Consequences. Sage. https://doi.org/10.4135/9781473909472
Kitchin, R. (2014c). The real-time city? Big data and smart urbanism. GeoJournal, 79(1), 1–14. https://doi.org/10.1007/s10708-013-9516-8
Kitchin, R. (2021). Data Lives. How data are made and shape our world. Bristol University Press.
Kitchin, R., & Lauriault, T. P. (2014). Towards critical data studies : Charting and unpacking data assemblages and their work. Geoweb and Big Data, 1–19. http://papers.ssrn.com/sol3/papers.cfm?abstract_id=2474112
Kitchin, R., & McArdle, G. (2016). What makes Big Data, Big Data? Exploring the ontological characteristics of 26 datasets. Big Data and Society, 3(1), 1–10. https://doi.org/10.1177/2053951716631130
Leonelli, S. (2015a). The philosohy of data. In L. Floridi (Ed.), The Handbook for the Philosophy of Information. Routledge.
Leonelli, S. (2015b). What Counts as Scientific Data? A Relational Framework. Philosophy of Science, 82(5), 810–821. https://doi.org/10.1086/684083
Leonelli, S. (2020a). Learning from data journeys. In S. Leonelli & N. Tempini (Eds.), Data Journeys in the Sciences (pp. 1–24). https://doi.org/10.1007/978-3-030-37177-7_1
Leonelli, S. (2020b). Scientific Research and Big Data. Stanford Encyclopedia of Philosophy.
Luhmann, N. (1997). La ciencia de la sociedad. Anthropos
Luhmann, N. (1998). Sistemas sociales. Lineamientos para una teoría general. Anthropos
Luhmann, N. (2000). La realidad de los medios de masas. Anthropos
Luhmann, N. (2007). La sociedad de la sociedad. Herder
Lupton, D. (2016). The quantified self. polity Press
Lycett, M. (2013). “Datafication”: Making sense of (big) data in a complex world. European Journal of Information Systems, 22(4), 381–386. https://doi.org/10.1057/ejis.2013.10
Lyytinen, K. y Yoo, Y. (2002). Issues and Challenges in Ubiquitous Computing. Communications of the ACM, 45(12), 3–12. https://doi.org/10.1016/b978-0-12-600955-2.50021-6
Matei, S. A., Jullien, N. y Goggins, S. P. (2017). Big Data Factories. Springer International Publishing. https://doi.org/10.1007/978-3-319-59186-5
Marton, A. (2009). Self-Referential Technology and the Growth of Information: From Techniques to Technology to the Technology of Technology. Soziale Systeme, 15(1), 138–159. https://doi.org/10.1515/sosys-2009-0109
Mayer-Schonberger, V. y Cukier, K. (2013). Big data. A revolution that will transform how we live, work, and think. Eamon Dolan/Houghton Mifflin Harcourt.
Neri, H. y Cordeiro, V. (2025). Reimagining Sociality in the Digital Age: Transcending the Interaction/Society Dichotomy. Systems Research and Behavioral Science, 1–15. https://doi.org/10.1002/sres.3142
Pignuoli Ocampo, S. (2022). Comunicación digital: Definición operativa y aproximación a la participación bajo la forma inclusión / exclusión digital. MAD, 46, 70–83. https://doi.org/10.5354/0719-0527.2022.68542
Overwijk, J. (2025). Cybernetic Capitalism. Fordham University Press
Pentzold, C. y Knorr, C. (2024). When data became big: revisiting the rise of an obsolete keyword. Information Communication and Society, 27(3), 600–617. https://doi.org/10.1080/1369118X.2023.2227673
Portmess, L. y Tower, S. (2015). Data barns, ambient intelligence and cloud computing: the tacit epistemology and linguistic representation of Big Data. Ethics and Information Technology, 17(1), 1–9. https://doi.org/10.1007/s10676-014-9357-2
Qvortrup, L. (2006). Understanding new digital media: Medium theory or complexity theory? European Journal of Communication, 21(3), 345–356. https://doi.org/10.1177/0267323106066639
Rheinberger, H. J. (2011). Infra-experimentality: From traces to data, from data to patterning facts. History of Science, 49(3), 337–348. https://doi.org/10.1177/007327531104900306
Rijmenam, M. van. (2014). Think bigger. American Management Association.
Sadowski, J. (2019). When data is capital: Datafication, accumulation, and extraction. Big Data and Society, 6(1), 1–12. https://doi.org/10.1177/2053951718820549
Taekke, J. (2022). Algorithmic Differentiation of Society – a Luhmann Perspective on the Societal Impact of Digital Media. Journal of Sociocybernetics, 18(1), 2–23. https://papiro.unizar.es/ojs/index.php/rc51-jos/article/view/6225
Taekke, J. (2024). From media evolution to the Anthropocene: Unpacking sociotechnical autopoiesis. Systems Research and Behavioral Science, February 2024, 383–395. https://doi.org/10.1002/sres.3009
Taekke, J. (2025). Sociological Perspectives on AI, Intelligence and Communication. Systems Research and Behavioral Science, 1–11. https://doi.org/10.1002/sres.3123
The Economist (2017). Data is giving riste to a new economy. 6/5/2017. https://www.economist.com/briefing/2017/05/06/data-is-giving-rise-to-a-new-economy
The Guardian. (2018). How Cambridge Analytica turned Facebook “likes” into a lucrative political tool. 17/03/2018. https://www.theguardian.com/technology/2018/mar/17/facebook-cambridge-analytica-kogan-data-algorithm
UNESCO. (2021). Recomendación sobre la Ética de la Inteligencia Artificial. UNESCO https://www.unesco.org/es/legal-affairs/recommendation-ethics-artificial-intelligence
UNESCO. (2024). Guía para el uso de IA generativa en educación e investigación. UNESCO. https://www.unesco.org/es/articles/guia-para-el-uso-de-ia-generativa-en-educacion-e-investigacion
van Dijck, J. (2014). Datafication, dataism and dataveillance: Big data between scientific paradigm and ideology. Surveillance and Society, 12(2), 197–208.
