Conocimiento y percepción de la ciudadanía española sobre el big data y la inteligencia artificial

  1. Patricia Sánchez-Holgado 1
  2. Carlos Arcila Calderón 1
  3. David Blanco-Herrero 1
  1. 1 Universidad de Salamanca
    info

    Universidad de Salamanca

    Salamanca, España

    ROR https://ror.org/02f40zc51

Journal:
Icono14

ISSN: 1697-8293

Year of publication: 2022

Issue Title: Niños y jóvenes ante los dispositivos: Nuevos fenómenos comunicativos y nuevos creadores de producto

Volume: 20

Issue: 1

Type: Article

DIALNET GOOGLE SCHOLAR lock_openDialnet editor

More publications in: Icono14

Abstract

The communication of data science is one of the greatest challenges of today's society, and specifically big data and artificial intelligence, because technology is constantly changing, and citizens need to understand it to make the best decisions. Traditionally, scientific communication has focused on the study of social attitudes and perceptions towards the most controversial issues, as in the Spanish environment, with the Survey of Social Perception of Science and Technology, prepared by the FECYT every two years. This work is the first study carried out in Spain focused on the knowledge, understanding and perception of the public towards big data and artificial intelligence. A national survey was carried out on a sample of 684 people. It is observed that knowledge about big data and artificial intelligence is moderate, with a lower degree of knowledge and interest among older people and that Artificial Intelligence is better known and arouses greater interest than big data. The way in which the public is informed does not vary with respect to traditional surveys, so the information can reach them through these channels.

Bibliographic References

  • Anderson, Janna, Rainie, Lee, & Luchsinger, Alex (2018). Artificial Intelligence and the Future of Humans. https://pewrsr.ch/3FZh98y
  • Arcila-Calderón, Carlos, Sánchez-Holgado, Patricia, Igartua Perosanz, Juan José, Ortega-Mohedano, Félix, González de Garay Domínguez, Beatriz, Frutos Esteban, Francisco Javier, Marcos Ramos, María, Cheng Lee, Lifen, Jiménez-Amores, Francisco Javier, Blanco-Herrero, David, & Frías Vázquez, Maximiliano (2021). Ciencia de Datos en España. Universidad de Salamanca. España. https://bit.ly/3hr1Uv8
  • Bakhshi, Hasan, Mateos–Garcia, Juan, & Whitby, Andrew (2014). Model workers: How leading companies are recruiting and managing their data talent. Engineering and Technology, 48. https://doi.org/10.1049/et:20080701
  • Ballesteros-Ballesteros, Vladimir, & Gallego-Torres, Adriana Patricia (2022). De la alfabetización científica a la comprensión pública de la ciencia. Trilogía Ciencia Tecnología Sociedad, 14(26), 2145–4426. https://doi.org/10.22430/21457778.1855
  • Balluerka, Nekane, Gómez, Juana, Hidalgo, Mª Dolores, Gorostiaga, Arantxa, Espada, Jose Pedro, Padilla García, Jose Luis, & Santed, Miguel Ángel (2020). Las consecuencias psicológicas de la Covid-19 y el confinamiento. https://bit.ly/3fAi1pr
  • Bauer, Martin W. (2008). Survey research and the public understanding of science. In Handbook of Public Communication of Science and Technology (pp. 125–144). Routledge.
  • Beyer, M., Laney, D., & Gartner. (2012). The Importance of “Big Data”: A Definition. Gartner. https://gtnr.it/3DSwAwT
  • Brondi, Sonia, Pellegrini, Giuseppe, Guráň, Peter, Fero, Martin, & Rubin, Andrea (2021). Dimensions of trust in different forms of science communication: the role of information sources and channels used to acquire science knowledge. Journal of Science Communications, 20 (03)(A08). https://doi.org/10.22323/2.20030208
  • Cámara, María Montaña, Laspra, Belén, & López-Cerezo, Jose Antonio (2016). Apropiación social de la ciencia en España. In Percepción Social de la Ciencia y la Tecnología en España 2016 (Issue December, pp. 19–49). http://hdl.handle.net/10651/54871
  • Cao, Longbing (2017). Data Science: A Comprehensive Overview. ACM Comput. Surv., 50(3). https://doi.org/10.1145/3076253
  • Chang, Wo & Grady, Nancy (2019). NIST Big Data Interoperability Framework: Volume 1, Definitions. NIST Special Publication, 1, 1–53.
  • Cotino Hueso, Lorenzo (2019). Riesgos e impactos del big data, la inteligencia artificial y la robótica. Enfoques, modelos y principios de la respuesta del derecho. Revista General de Derecho Administrativo, 50. https://fra.europa.eu/en/publication/2018/big-data-discrimination
  • Eizaguirre, Andoni (2009). Los estudios sobre percepción social de la ciencia. Acciones e Investigaciones Sociales, 27(27), 23–53.
  • European Commission (2014). Special Eurobarometer 419: Public perceptions of science, research and innovation (Issue October). https://doi.org/10.2777/95599
  • European Commission (2017a). Special Eurobarometer 460: Attitudes towards the impact of digitisation and automation on daily life (Issue May). https://doi.org/10.2759/835661
  • European Commission (2017b). Special Eurobarometer 464a: Europeans’ attitudes towards cyber security Fieldwork (Issue June). https://doi.org/10.2838/009088
  • European Commission (2020a). Comunicación de la Comisión al Parlamento Europeo, al Consejo, al Comité Económico y Social Europeo y al Comité de las Regiones. Una Estrategia Europea de Datos (COM(2020) 66 final). https://bit.ly/3h7s7hX
  • European Commission (2020b). Libro Blanco sobre la inteligencia artificial: un enfoque europeo orientado a la excelencia y la confianza. https://bit.ly/3Wp5oy2
  • European Commission (2020c). On Artificial Intelligence - A European approach to excellence and trust. https://doi.org/10.1017/CBO9781107415324.004
  • FECYT (2018). Percepción Social de la Ciencia y la Tecnología en España 2018. Fundación Española para la Ciencia y la Tecnología. https://bit.ly/3G3Rfk6
  • FECYT (2020). Percepción social de la ciencia y la tecnología en España 2020. Fundación Española para la Ciencia y la Tecnología. https://bit.ly/3UrT2TX
  • Felt, Ulrike (2007). O.P.U.S - Optimizing Public Understanding of Science. Final report project. Department for Philosophy of Science and Social Studies of Science, University of Vienna. https://bit.ly/3A0e30t.
  • Garretón Merino, Manuel Antonio, Muñoz Van den Eynde, Ana, Arancibia Gutiérrez, Marcelo, Camacho González, Johanna, Roberts Molina, Raimundo & Polino, Carmelo (2018). Ciudadanía: Ciencia y Tecnología. Reflexiones sobre la percepción de la ciencia y la tecnología en Chile. https://bit.ly/2WXM37d
  • Gartner (2001). Definition of Big Data. https://www.gartner.com/en/information-technology/glossary/big-data
  • Godin, Benoit, & Gingras, Yves (2000). What is scientific and technological culture and how is it measured? A multidimensional model. Public Understanding of Science, 9(1), 43–58. https://doi.org/10.1088/0963-6625/9/1/303
  • Hayashi, Chikio (1998). What is Data Science ? Fundamental Concepts and a Heuristic Example. In C. Hayashi, K. Yajima, H.-H. Bock, N. Ohsumi, Y. Tanaka, & Y. Baba (Eds.), Data Science, Classification, and Related Methods (pp. 40–51). Springer Japan.
  • IBM (2013). IBM What is big data? - Bringing big data to the enterprise. https://ibm.co/3WN3gk0
  • Khan, Nawsher, Yaqoob, Ibrar, Hasahem Ibrahim Abaker, Targio, Inayat, Zakira, Ali, Waleed Kamaleldin, Alam, Muhammad, Shiraz, Muhammad, & Gani, Abdullah (2014). Big data: Survey, technologies, opportunities, and challenges. The Scientific World Journal, 18. https://doi.org/10.1155/2014/712826
  • Knight, David (2006). Public understanding of science: A history of communicating scientific ideas..Routledge https://doi.org/10.4324/9780203966426
  • Labrinidis, Alexandros, & Jagadish, H. V. (2012). Challenges and opportunities with big data. Proceedings of the VLDB Endowment, Vol. 5, Issue 12, 2032–2033. https://doi.org/10.14778/2367502.2367572
  • López Cerezo, Jose Antonio (2010). Participación ciudadana y cultura científica. Arbor, CLXXXI(715), 351–362. https://doi.org/10.3989/arbor.2005.i715.417
  • Luz Clara, Bibiana Beatriz, & Malbernat, Lucía Rosario (2021). Riesgos, dilemas éticos y buenas prácticas en inteligencia artificial. XXIII Workshop de Investigadores En Ciencias de La Computación (WICC 2021, Chilecito, La Rioja), 155–159.
  • Lytras, Miltiades D., & Visvizi, Anna (2019). Big data and their social impact: Preliminary study. Sustainability, 11(18). https://doi.org/10.3390/su11185067
  • Mangione, Antonio (2021). La noticia sobre ciencia: sesgo hacia la comunicación de los resultados sobre los procesos de la investigación científica. SciComm Report, 1(1), 1–13. https://doi.org/10.32457/SCR.V1I1.660
  • Miller, Jon D. (2004). Public Understanding of, and Attitudes toward, Scientific Research: What We Know and What We Need to Know. Public Understanding of Science, 13(3), 273–294. https://doi.org/10.1177/0963662504044908
  • Miller, Jon D. (2012). The Sources and Impact of Civic Scientific Literacy. In M. Bauer, R. Shukla, & N. Allum (Eds.), The Culture of Science - How does the Public relate to Science across the Globe?. Routledge.
  • Miller, Jon D., & Laspra Pérez, Belén (2018). Los factores que influyen en la cultura científica. In Percepción Social de la Ciencia y la Tecnología 2018 (pp. 37–57).
  • Miller, Steve (2001). Public understanding of science at the crossroads. Public Understanding of Science, 10(1), 115–120. https://doi.org/10.3109/A036859
  • Ministerio de Ciencia Innovación y Universidades (2019). Estrategia Española De I+D+I En Inteligencia Artificial. https://bit.ly/3Ta8vY3
  • Moreno Castro, Carolina (2010). La construcción periodística de la ciencia a través de los medios de comunicación social: hacia una taxonomía de la difusión del conocimiento científico. Artefactos, 3(3), 109–130.
  • Paniagua, Esther (2019). Inteligencia Artificial. En Future Trends Forum (Vol. 52, Issue 55). Fundación Innovación Bankinter. https://bit.ly/3Tb3YEq
  • Pardo, Rafael (2014). De la alfabetización científica a la cultura científica: un nuevo modelo de apropiación social de la ciencia. In Culturas científicas e innovadoras. Progreso social (pp. 39–72).
  • Rohlman, Andrew (2019). What Is Data Science?. . Personal Page. https://bit.ly/3NOzk2G
  • Sáez, Daniel, & Costa-Soria, Cristóbal (2019). Whitepaper: Análisis de la estrategia Big Data e Inteligencia Artificial en España. https://bit.ly/3NCUUqO
  • Salaverría-Aliaga, Ramón (2021). Entender y combatir la desinformación sobre ciencia y salud (Informe GTM1). https://www.ciencia.gob.es/dam/jcr:44264922-8629-4567-b9b8-6d04aebb23d5/Entender_y_combatir_la_desinformacion_sobre_ciencia_y_salud.pdf
  • Samoili, Sofía, López Cobo, Montserrat, Gómez, Emilia, De Prato, Giuditta, Martínez-Plumed, Fernando, & Delipetrev, Blagoj (2020). AI Watch. Defining Artificial Intelligence. Towards an operational definition and taxonomy of artificial intelligence. En EUR 30117 EN, Publications Office of the European Union. https://doi.org/10.2760/382730
  • Sánchez-Holgado, Patricia (2022). La Ciencia de Datos como competencia transversal en Educación Secundaria en España. En S. Carrascal Dominguez & N. Camuñas Sánchez-Paulete (Eds.), Docencia y Aprendizaje. Competencias, identidad y formación del profesorado (pp. 419–450). Tirant lo Blanc.
  • Sánchez-Holgado, Patricia, Arcila-Calderón, Carlos, & Frías-Vázquez, Maximiliano (2021). El papel de los y las periodistas españoles ante la comunicación de la ciencia de datos en medios en línea. Revista Prisma Social, 32, 344–375. https://bit.ly/3fRUr7R
  • Sánchez-Holgado, Patricia, Marcos-Ramos, María, & González-de-Garay-Domínguez, Beatriz (2021). Diferencias de género en la percepción de la ciudadanía española sobre la Ciencia de Datos. Doxa Comunicación. Revista Interdisciplinar de Estudios de Comunicación y Ciencias Sociales, 235–256. https://doi.org/10.31921/doxacom.n33a1126
  • Summ, Annika, & Volpers, Anna-Maria (2016). What’s science? Where’s science? Science journalism in German print media. Public Understanding of Science, 25(7), 775–790. https://doi.org/10.1177/0963662515583419
  • Taddicken, Monika, & Krämer, Nicole (2021). Public online engagement with science information: on the road to a theoretical framework and a future research agenda. Journal of Science Communication, 20(3), 1–18. https://doi.org/10.22323/2.20030205
  • Tomás, David, Cachero, Cristina, Pujol, Francisco. A., Navarro Colorado, Borja, Caruana Ortuño, Maria Inmaculada, González Rico, Sergio, & Sempere Maciá, Natalia (2021). Identificación de sesgos y desinformación sobre la Inteligencia Artificial en el alumnado de Educación Superior. En Satorre Cuerda, Rosana (Ed.). Memorias del Programa de Redes-I3CE de calidad, innovación e investigación en docencia universitaria (pp. 2877-2897). Universidad de Alicante. http://rua.ua.es/dspace/handle/10045/121042
  • Vinuesa, Ricardo, Azizpour, Hossein, Leite, Iolanda, Balaam, Madeline, Dignum, Virginia, Domisch, Sami, Felländer, Anna, Langhans, Simone D., Tegmark, Max, & Fuso Nerini, Francesco (2020). The role of artificial intelligence in achieving the Sustainable Development Goals. Nature Communications 2020 11:1, 11(1), 1–10. https://doi.org/10.1038/s41467-019-14108-y
  • Vodafone Institute for Society and Communications (2016). Big Data: a european survey on the opportunities and risks of Data Analytics (Issue January). https://bit.ly/3NBQVej
  • Ward, Jonathan Stuart, & Barker, Adam (2013). Undefined by data: A survey of big data definitions. ArXiv. https://doi.org/10.48550/arXiv.1309.5821
  • Woodie, Alex (2016). Inside the Panama Papers: How Cloud Analytics Made It All Possible. Datanami. https://bit.ly/3EeC9XE
Data source: Dialnet