Hacia una privacidad colectivarepensar las bases teóricas de la distinción público/privado en la economía de la vigilancia

  1. Fernández Barbudo, Carlos 1
  1. 1 Universidad Complutense de Madrid
    info

    Universidad Complutense de Madrid

    Madrid, España

    ROR 02p0gd045

Revista:
Teknokultura: Revista de Cultura Digital y Movimientos Sociales
  1. Brändle, Gaspar (coord.)
  2. Latorre Catalán, Marta (coord.)

ISSN: 1549-2230

Año de publicación: 2020

Título del ejemplar: Alternative models of consumption in the digital age

Volumen: 17

Número: 1

Páginas: 69-76

Tipo: Artículo

DOI: 10.5209/TEKN.66844 DIALNET GOOGLE SCHOLAR lock_openDialnet editor

Otras publicaciones en: Teknokultura: Revista de Cultura Digital y Movimientos Sociales

Resumen

La defensa de la privacidad se ha basado, históricamente, en la protección de la autonomía y dignidad de los individuos. Sin embargo, el reciente desarrollo de la economía de la vigilancia ha hecho que se multipliquen los tipos de tecnologías de seguimiento y los objetivos de observación disponibles. Esta situación está revelando los límites de los mecanismos políticos, jurídicos y sociales con los que las sociedades de raigambre liberal protegían la privacidad; y nos obliga a repensar las amenazas que se vierten sobre la privacidad desde una nueva perspectiva. A tal fin se defenderá que es necesario desarrollar una dimensión colectiva sobre la privacidad, que no esté centrada únicamente en los individuos, como mecanismo para comprender e interrelacionar el conjunto de cambios sociotécnicos que amenazan la dignidad, autonomía política y soberanía digital de los grupos humanos.

Referencias bibliográficas

  • Abellán, J. (2012). Diferenciación conceptual entre Estado y sociedad. En Política (pp. 233–238). Madrid: Alianza Editorial.
  • Allen, A. L. (1988). Uneasy Access: Privacy for Women in a Free Society. Totowa, N.J: Rowman & Littlefield.
  • Babuta, A. (2018). Innocent Until Predicted Guilty? Artificial Intelligence and Police Decision-Making. Royal United Services Institute, 38(2), 1–4.
  • Barocas, S. (2012). The price of precision: voter microtargeting and its potential harms to the democratic process. En PLEAD '12 Proceedings of the first edition workshop on Politics, elections and data (pp. 31–36). New York: ACM.
  • Bendiek, A. y Schulze, M. (2019). Disinformation and Elections to the European Parliament. SWP Comments k. Recuperado de https://www.swp-berlin.org/10.18449/2019C16/
  • Bobbio, N. (1998). La gran dicotomía: público/privado. En Estado, Gobierno y Sociedad (pp. 11–38). México: Fondo de Cultura Económica.
  • Bradshaw, S.y Howard, P. N. (2019). The Global Disinformation Order. 2019 Global Inventory of Organised Social Media Manipulation. Oxford: Oxford Internet Institute.
  • Brunner, O. (1977). La "casa grande" y la “oeconomica” de la Vieja Europa. En Nuevos caminos de la historia social y constitucional (pp. 87–123). Buenos Aires: Alfa (Original publicado en 1968).
  • Canadian Security Intelligence Service (2018). Who said what? The Security Challenges of Modern Disinformation (No. 2018-02-01). Ottawa: World Watch Expert Notes.
  • Christl, W. (2017). Corporate Surveillance in Everyday Life. Vienna: Cracked Lab – Institute for Critical Digital Culture. Recuperado de http://crackedlabs.org
  • Cui, G. (2016). Evidence-Based Sentencing and the Taint of Dangerousness. The Yale Law Journal, 125, 315–322.
  • Cyphers, B. y Gebhart, G. (2019). Behind the One-Way Mirror: A Deep Dive Into the Technology of Corporate Surveillance. San Francisco: Electronic Frontier Foundation. Recuperado de https://www.eff.org/wp/behind-the-one-way-mirror
  • Dahlberg, L. y Siapera, E. (2007). Introduction: Tracing Radical Democracy and the Internet. En L. Dahlberg & E. Siapera (Eds.), Radical democracy and the Internet. Interrogating theory and practice (pp. 1–16). New York: Palgrave Macmillan.
  • Díaz Rojo, J. A. (2002). Privacidad: ¿neologismo o barbarismo? Espéculo, (21). Recuperado de https://webs.ucm.es/info/especulo/numero21/privaci.html
  • Fass, T. L., Heilbrun, K., DeMatteo, D. y Fretz, R. (2008). The LSI-R and the Compas. Criminal Justice and Behavior, 35(9), 1095–1108.
  • Fernández Barbudo, C. (2019). El nuevo concepto de privacidad: la transformación estructural de la visibilidad. Revista De Estudios Políticos, 185, 139–167.
  • Ferraris, V., Bosco, F., Cafiero, G., D'Angelo, E. y Suloyeva, Y. (2013). Defining Profiling. PROFILING. Fundamental Rights and Citizenship Programme of the European Union. Recuperado de www.proling-project.eu
  • Goldfarb, A. y Tucker, C. E. (2011). Online advertising, behavioral targeting, and privacy. Communications of the ACM, 54(5), 25–27.
  • Gurovich, Y., Hanani, Y., Bar, O., Nadav, G., Fleischer, N., Gelbman, D., et al. (2019). Identifying facial phenotypes of genetic disorders using deep learning. Nature Medicine, 25(1), 60–64.
  • Hardyns, W. y Rummens, A. (2017). Predictive Policing as a New Tool for Law Enforcement? Recent Developments and Challenges. European Journal on Criminal Policy and Research, 24(3), 1–18.
  • IEEE. (2015). Internet of Things (IoT) Ecosystem Study. Piscataway: IEEE. Recuperado de http://standards.ieee.org/innovate/iot/study.html
  • Inness, J. C. (1992). Privacy, intimacy, and isolation. New York: Oxford University Press.
  • Kleinberg, J., Ludwig, J., Mullainathan, S.y Sunstein, C. R. (2019). Discrimination in the Age of Algorithms. SSRN Electronic Journal. Recuperado de https://ssrn.com/abstract=3329669
  • Koselleck, R. (2004). Historia de los conceptos y conceptos de historia. Ayer, 1(53), 27–45.
  • Koselleck, R. (2007). Crítica y Crisis. Madrid: Trotta, Universidad Autónoma de Madrid (Original publicado en 1959).
  • Koselleck, R.y Gadamer, H.-G. (1997). Historia y hermenéutica. Barcelona: Paidós I.C.E./U.A.B.
  • Marsland, S. (2015). Machine Learning. An Algorithmic Perspective. Boca Raton: Champan & Hall.
  • Mill, J. S. (2017). Sobre la libertad. Madrid: Biblioteca Nueva (Original publicado en 1859).
  • Moghaddam, H. M., Acar, G., Ben Burgess, Mathur, A., Huang, D. Y., Feamster, N., et al. (2019). Watching You Watch: The Tracking Ecosystem of Over-the-Top TV Streaming Devices. ACM SIGSAC Conference on Computer and Communications Security, Londres.
  • Ren, J., Dubois, D. J., Choffnes, D., Mandalari, A. M., Kolcun, R.y Haddadi, H. (2019). Information Exposure From Consumer IoT Devices: A Multidimensional, Network-Informed Measurement Approach. IMC '19, Amsterdam.
  • Ricaurte, P. (2019). Data Epistemologies, Coloniality of Power, and Resistance:. Television & New Media, 20(4), 350-365.
  • Richardson, M. (2017). The Right to Privacy. Origins and Influence of a Nineteenth-Century Idea. Cambridge: Cambridge University Press.
  • Sánchez, S. A. (2018). La esfera pública en la era de la hipermediación algorítmica: noticias falsas, desinformación y la mercantilización de la conducta. Hipertext.Net: Revista Académica Sobre Documentación Digital Y Comunicación Interactiva, 17, 74–82.
  • Sanje, G.y Senol, I. (2012). The Importance of Online Behavioral Advertising for Online Retailers. International Journal of Business and Social Science, 3(18), 114-121.
  • Sarigol, E., Garcia, D.y Schweitzer, F. (2014). Online privacy as a collective phenomenon. En Proceedings of the second ACM conference on Online social networks (pp. 95–106). New York: ACM Press.
  • Skeem, J. L.y Lowenkamp, C. T. (2016). Risk, Race, And Recidivism: Predictive Bias And Disparate Impact. Criminology, 54(4), 680–712.
  • Smartt, U. (2014). Media and Entertainment Law. London: Routledge.
  • Suresh, H.y Guttag, J. V. (2019). A Framework for Understanding Unintended Consequences of Machine Learning. arXiv. Recuperado de https://arxiv.org/abs/1901.10002v1
  • Tambini, D., Labo, S., Goodman, E.y Moore, M. (2017). The new political campaigning. Media Policy Brief. London: Media Policy Project, London School of Economics and Political Science.
  • Tayebi, M. A.y Glasser, U. (2016). Social Network Analysis in Predictive Policing. Concepts, Models and Methods. Génova: Springer.
  • Taylor, L., Floridi, L.y van der Sloot, B. (Eds.). (2017). Group Privacy. Cham: Springer International Publishing.
  • Toscano, M. (2017). Sobre el concepto de privacidad: la relación entre privacidad e intimidad. Isegoría, 57, 533–20.
  • Wang, Y.y Kosinski, M. (2018). Deep neural networks are more accurate than humans at detecting sexual orientation from facial images. Journal of Personality and Social Psychology, 114(2), 246–257.
  • Whitman, J. Q. (2004). The Two Western Cultures of Privacy: Dignity versus Liberty. The Yale Law Journal, 113(6), 1151–1222.
  • Wu, X.y Zhang, X. (2016). Automated Inference on Criminality using Face Images. arXiv. Recuperado de https://arxiv.org/abs/1611.04135v2
Fuente de los datos: Dialnet