Diplomatura en Uso ético de la Ciencia de Datos

Descripción

  1. Motivación:
    1. Los negocios digitales brindan servicios a cambio de datos
    2. Los datos tienen que ser monetizados
    3. Para monetizar los datos venden microtargeting
    4. Y los que compran ese microtargeting influyen más allá de nuestro control
  2. Los límites de la racionalidad
    1. Sistema 1 y Sistema 2
    2. Los vicios conocidos de sistema 1
      1. Primming
      2. Anchoring
      3. El problema del exceso de información
      4. El problema entre pérdidas y ganancias
      5. El yo que recuerda vs el yo que vivencia
    3. La publicidad normalmente se dirige a sistema 1.
    4. Con  microtargeting saben con más precisión que resortes tocar. (Volver al futuro: “gallina”)
    5. Conclusión: microtargeting nos hace mucho más vulnerables que la publicidad tradicional.
  3. ¿Qué es la ciencia de datos?
    1. La ciénaga conceptual
    2. Big data
    3. Ciencia de datos
    4. Inteligencia artificial, Machine learning, Analytics
    5. Inteligencia de negocios
    6. Aprendizaje supervisado vs no supervisado
  4. La ética como un activo social
    1. Ejemplo de la estación de servicio
    2. Mostración geométrica del impacto de la ética en la eficiencia
    3. Conclusión las sociedades con mayores niveles de ética son más eficientes
    4. Conclusión II: la ética constituye un activo social.
  5. Precedentes: Otras disciplinas donde el sujeto no controla el proceso
    1. Ética en la medicina
    2. Ética en las prácticas de la salud mental
    3. Ética en la dirección espiritual
    4. Ética en la docencia
    5. Ética en las fuerzas armadas
    6. Ética publicitaria
  6. Límites duros para la ciencia de datos
    1. Origen de los datos consentido y avisado
    2. No a la mentira a sabiendas (calumnia)
    3. No a la inducción a error
    4. No a la agresión potenciada por robots (trollbots)
  7. Dudas para la ciencia de datos
    1. Selección sesgada de noticias
    2. Generación de necesidades casi imposibles de satifacer
    3. Potenciar los defectos del receptor para sacar ventaja
  8. Análisis de casos: buscando los límites
    1. Uso de AI en un call center para seleccionar prospectos
    2. Selección de personal para un call center
    3. Evaluación de riesgo crediticio basado en perfil de compras
    4. Evaluación de riesgo crediticio basado en perfil de navegación
    5. Evaluación de riesgo crediticio basado en perfil de aplicaciones instaladas
    6. Publicidad orientada por la ubicación geográfica del móvil
    7. Publicidad orientada por el perfil de búsquedas
    8. Publicidad orientada por las conversaciones privadas
    9. Encuestas políticas para construir “mapas de calor”
    10. Encuestas políticas para indagar preocupaciones dominantes