Chamada para Dossiê Especial: Gênero e Teoria dos Sistemas: articulações conceituais e aplicações empíricas. A Rede Latino-Americana de Sistemas Sociais e Complexidade (RELASSC), por meio da coordenação do Seminário Latino-Americano de Gênero e Diferenciação Funcional, convoca a apresentação de artigos e pesquisas para o Número Especial da Revista MAD, publicação eletrônica semestral do Mestrado em Análise Sistêmica Aplicada à Sociedade (vinculado à Faculdade de Ciências Sociais da Universidade do Chile), que será publicado em julho de 2026.
Escopo e justificativa: Nas últimas décadas, o debate sobre gênero ampliou-se para além de abordagens normativas e identitárias, incorporando análises de operações comunicativas, mecanismos organizacionais e sistemas sociais (direito, política, ciência, educação, mídia, saúde, economia). Em diálogo com a teoria dos sistemas (especialmente a tradição luhmanniana e seus desenvolvimentos contemporâneos), emergem perspectivas que descrevem como códigos, programas, formas de diferenciação, inclusão e exclusão e estruturas organizacionais produzem assimetrias de gênero e interagem com marcadores de raça, classe, sexualidade e território.
Este dossiê busca consolidar um campo de investigação que articule gênero e teoria dos sistemas, explorando conceitos, métodos e evidências capazes de propor novas maneiras de tensionar a teoria de gênero e de avançar nas discussões sobre a teoria dos sistemas sociais.
Serão aceitos artigos teóricos, conceituais e/ou empíricos que: 1. Dialoguem explicitamente com a teoria dos sistemas sociais (por exemplo: comunicação, diferenciação funcional, acoplamentos, organização/interação/sociedade, programas/códigos, inclusão e exclusão); e 2. Analisem problemas de gênero em contextos específicos (instituições, políticas públicas, mídia, organizações, educação, justiça, saúde, ciência e tecnologia, trabalho, cultura).
Temas de interesse
(lista não exaustiva; porém os estudos devem ter a teoria dos sistemas sociais como referência analítica): • Gênero como observável sistêmico: semânticas, códigos e expectativas de papel. • Organizações e vieses: recrutamento, avaliação, promoção, métricas e cumprimento normativo. • Direito e justiça: decisões, procedimentos, protocolos, produção de desigualdades e mecanismos de inclusão/exclusão. • Política e políticas públicas: programas, implementação, aprendizagem organizacional e governança. • Ciência, universidade e conhecimento: autoria, gatekeeping, perícias, avaliação por pares. • Mídia e plataformas: circulação de sentidos, escândalos, observação de segunda ordem, desinformação e gênero. • Saúde e assistência: rotinas clínicas, prontuários, protocolos, tecnologias do cuidado, saúde mental. • Educação: currículos, avaliação, disciplina, comunicação pedagógica e marcadores de diferença. • Economia e trabalho: formalização/informalidade, plataformas digitais, cuidado e reprodução social. • Tecnologia e IA: modelagem algorítmica, vieses, regulação e acoplamentos com direito/política. • Interseccionalidades (gênero/raça/classe/território) como programas que reconfiguram operações sistêmicas. • Metodologia: estratégias para observar comunicações, decisões e estruturas de expectativa em contextos organizacionais.
Abordagens e métodos: • Contribuições teóricas/analíticas (reconstruções conceituais, debates, sínteses). • Estudos empíricos qualitativos, quantitativos ou mistos (documentos, decisões, etnografia organizacional, análise de redes/comunicações, métodos computacionais). • Ensaios metodológicos sobre como observar operações sistêmicas em pesquisas de gênero.
Âmbito regional e comparações: Trabalhos que abordem casos da América Latina são incentivados, assim como comparações e diálogos com outras regiões.
Idiomas: Serão aceitos envios em português ou espanhol.
Datas importantes: Os artigos devem ser enviados para o e-mail: relassc.genero@gmail.com. • Recebimento de artigos: até 31 de março de 2026. • Notificação de propostas selecionadas: 30 de abril de 2026
Política editorial: disponível na página da revista
https://revistamad.uchile.cl/index.php/RMAD/politicas . A coordenação e a recepção dos artigos serão de responsabilidade do Seminário Latino-Americano de Gênero e Diferenciação Funcional: • Dra. Carolina Busco Ramírez (Universidad Diego Portales – Chile), • Doutoranda Kamila Carino Machado (Universidade Estadual do Norte Fluminense Darcy Ribeiro UENF – 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
-
Gastón Becerra
Universidad de Buenos Aires
https://orcid.org/0000-0001-9432-8848
Resumo
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.Palavras-chave:
big data , datificación , teoría de sistemas sociales , diferenciación funcional , sociologíaReferências
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.
