Revista de Ciencias Empresariales y Sociales. Vol. 12, N°9, 2025 (marzo-julio)
ISSN electrónico 2618-2327 (1-28)
1
Mapeando la datificación: Un análisis bibliométrico de perspectivas y patrones en la
comunicación científica
Gastón Becerra1
gaston.becerra@uflouniversidad.edu.ar
Joaquín Mezzadra2
joaquin.mezzadra@uflouniversidad.edu.ar
Bruno Gambino3
bgambino@sociales.uba.ar
Fecha de recepción: 11 de abril de 2025
Fecha de aceptación: 21 de mayo de 2025
ARK CAYCYT: https://id.caicyt.gov.ar/ark://hovrgbg8a
Resumen
Este artículo emplea una perspectiva bibliométrica para analizar la comunicación científica sobre
la datificación. Nuestro corpus se compone de 904 documentos recuperados de la base de Scopus
a través de los criterios “datafication” o “datafied” y limitando a sólo artículos en revistas y en
idioma inglés. En diálogo con la revisión sistemática de Flensburg y Lomborg (2023) como
principal antecedente, y respondiendo a cuatro preguntas de investigación, exploramos temas,
trabajos influyentes, canales de comunicación, contribuciones geográficas y colaboraciones entre
autores.
Esta obra está bajo una Licencia Creative Commons Atribución-NoComercial 4.0 Internacional
1 Conicet / Universidad de Flores (Ciudad de Buenos Aires, Argentina)
https://orcid.org/0000-0001-9432-8848
2 Universidad de Flores (Ciudad de Buenos Aires, Argentina) / Universidad de Valencia (Valencia, España)
https://orcid.org/0009-0000-7962-4307
3 Universidad de Buenos Aires (Ciudad de Buenos Aires, Argentina)
https://orcid.org/0009-0004-6754-1925
Revista de Ciencias Empresariales y Sociales. Vol. 12, N°9, 2025 (marzo-julio)
ISSN electrónico 2618-2327 (1-28)
2
Nuestros análisis sugieren el predominio de una mirada crítica y deconstructiva del big data, y una
relación proceso-producto con la datificación. El foco desarrollado por los referentes más citados
respalda esta tendencia, destacando el trasfondo sociopolítico de la datificación. El análisis
geográfico revela una concentración de la producción en Estados Unidos y Europa, por lo que
subrayamos la necesidad de ampliar la diversidad de voces y contextos para comprender la
datificación como un proceso global con devenires locales. En conclusión, este estudio contribuye
a una mirada más compleja de la literatura sobre datificación, ofreciendo una actualización hasta
2023, destacando la relevancia de la crítica en el campo y abogando por la inclusión de perspectivas
diversas para enriquecer la investigación futura.
Palabras clave: Datificación; Big data; Bibliométricos; Estudios críticos de datos
Abstract
This article employs a bibliometric perspective to analyze scientific communication on
datafication. Our corpus consists of 904 documents retrieved from the Scopus database using the
criteria "datafication" or "datafied" and limited to articles in journals and in the English language.
In dialogue with the systematic review by Flensburg and Lomborg (2023) as the main reference,
and addressing four research questions, we explore themes, influential works, communication
channels, geographical contributions, and author collaborations. Our analyses suggest the
predominance of a critical and deconstructive view of big data, along with a process-product
relationship with datafication. The focus developed by the most cited references supports this trend,
highlighting the socio-political background of datafication. Geographical analysis reveals a
concentration of production in the United States and Europe, underscoring the need to broaden the
diversity of voices and contexts to understand datafication as a global process with local variations.
In conclusion, this study contributes to a more nuanced understanding of the literature on
datafication, providing an update until 2023, emphasizing the relevance of critique in the field, and
advocating for the inclusion of diverse perspectives to enrich future research.
Keywords: datafication; big data; bibliometrics; critical data studies
Revista de Ciencias Empresariales y Sociales. Vol. 12, N°9, 2025 (marzo-julio)
ISSN electrónico 2618-2327 (1-28)
3
Resumo
Este artigo adota uma perspectiva bibliométrica para analisar a comunicação científica sobre
dataficação. Nosso corpus é composto por 904 documentos extraídos da base de dados Scopus,
utilizando os critérios "datafication" ou "datafied" e limitado a artigos em periódicos e em língua
inglesa. Em diálogo com a revisão sistemática de Flensburg e Lomborg (2023) como referência
central, e abordando quatro questões de pesquisa, exploramos temas, obras influentes, canais de
comunicação, contribuições geográficas e colaborações entre autores. Nossas análises sugerem a
predominância de uma visão crítica e desconstrutiva sobre big data, além de uma relação processo-
produto com a dataficação. O enfoque desenvolvido pelas referências mais citadas reforça essa
tendência, destacando o pano de fundo sociopolítico da dataficação. A análise geográfica revela
uma concentração da produção nos Estados Unidos e Europa, evidenciando a necessidade de
ampliar a diversidade de vozes e contextos para entender a dataficação como um processo global
com variações locais. Em conclusão, este estudo contribui para uma compreensão mais matizada
da literatura sobre dataficação, atualizando-a até 2023, enfatizando a relevância da crítica no campo
e defendendo a inclusão de perspectivas diversas para enriquecer pesquisas futuras.
Palavras-chave: dataficação; big data; bibliometria; estudos críticos de dados
Introducción4
En este trabajo ponemos el foco en un proceso que, si bien se puede rastrear hasta la
modernidad, se ha comenzado a investigar con más fuerza en las últimas décadas: nos referimos a
la datificación –“datafication” en inglés– por el cual distintas esferas de nuestra vida social y
subjetiva adoptan la forma de datos. El concepto fue introducido y popularizado en 2013 por Viktor
Mayer-Schonberger y Kenneth Cukier en su bestseller “Big data. A revolution that will transform
how we live, work, and think”, y desde entonces se le han dedicado trabajos conceptuales y
empíricos desde distintas áreas del conocimiento, así como revisiones sistemáticas que buscan dar
una imagen general del campo de estudio. Específicamente, aquí queremos aportar a tipo de
4 Los autores agradecen los comentarios y sugerencias de los revisores, que ayudaron a mejorar la claridad de la
presentación final del estudio.
Revista de Ciencias Empresariales y Sociales. Vol. 12, N°9, 2025 (marzo-julio)
ISSN electrónico 2618-2327 (1-28)
4
objetivos con una caracterización de la comunicación científica en torno a la datificación, y para
ello, adoptamos la perspectiva bibliométrica, que se fundamenta en el análisis cuantitativo, de
alcance descriptivo, sobre los patrones de publicación científica.
El artículo se compone de las siguientes secciones. En esta introducción ofrecemos una
breve presentación teórica, señalando dos usos del concepto: uno más estrecho, que lo vincula con
la generación y manipulación de datos sobre un fenómeno de la realidad para extraer algún tipo de
valor; y un uso más amplio que alcanza a la reflexión crítica del contexto social, político e
ideológico que lo soporta, incorporando una mirada proveniente de las ciencias sociales. Luego,
reseñamos nuestro principal antecedente en el objetivo de dar con una mirada de conjunto de la
literatura de la datificación: la revisión sistemática realizada por Flensburg y Lomborg (2023), con
quienes dialogamos para poner en contexto nuestros hallazgos. Esperamos que el fruto de este
diálogo resulte en una imagen más completa de la literatura, sistematizando así tanto las ideas
principales como su dimensión comunicativa. Cerramos la introducción explicitando nuestras
preguntas de investigación. La siguiente sección refiere al método del estudio bibliométrico y
detalla nuestras decisiones en materia de recolección y pre-procesamiento de los datos. La sección
de resultados busca responder las preguntas planteadas. Y en la conclusión y discusión ponemos
nuestros resultados en diálogo con los antecedentes, y explicitamos desafíos pendientes para
avanzar la indagación sobre la datificación.
Sobre el concepto “datificación”
El término “datificación” se popularizó con el trabajo de Mayer-Schonberger y Cukier
(2013), que lo introducen con la siguiente definición: “To datafy a phenomenon is to put it in a
quantified format so it can be tabulated and analyzed” (2013, p. 48). A lo largo de la obra, los
autores recorren la datificación de distintos dominios de nuestro mundo físico, social y subjetivo,
argumentando que se trata de una revolución que está cambiando la naturaleza de dichas áreas. De
acuerdo con los autores, se trata del proceso por el cual arribamos a la era del big data, que se
caracterizaría por volúmenes de datos que exceden la capacidad clásica de cómputo, vincular
fuentes varias y menos estructuradas, y permiten un manejo del tiempo distinto, al ofrecer bases
para predicciones y manipulaciones que extraigan valor del dato en tiempo real. Este uso en tanto
Revista de Ciencias Empresariales y Sociales. Vol. 12, N°9, 2025 (marzo-julio)
ISSN electrónico 2618-2327 (1-28)
5
proceso, cuyo resultado es el fenómeno “datificado” en vistas de un objetivo práctico, también se
encuentra en trabajos más recientes, como el de Bibri y Krogstie (2020), quienes refieren al caso
de las ciudades inteligentes [smart cities] o manejadas con datos [data-driven cities] para optimizar
sus operaciones, funciones, servicios y políticas: “En términos generales, la datificación se refiere
a las herramientas, procesos, métodos, técnicas y tecnologías colectivas que se utilizan para
transformar una ciudad en una empresa basada en datos.” (2020, p. 5). Este tipo de definiciones se
caracterizan por remarcar el potencial o la “promesa” del análisis de los grandes datos.
Otros autores han avanzado la mirada, observando al interior de este proceso, diseccionando
las operaciones epistémicas necesarias para construir el dato (Baack, 2015; Lycett, 2013). Por caso,
Lycett refiere a tres momentos –desmaterialización, licuificación, y densidad–, por los cuales los
fenómenos son descontextualizados y abstraídos del mundo físico, manipulados y circulados para
servir distintos propósitos, y recombinados para lograr un cierto output en un momento particular.
En última instancia, la datificación es una forma de dar sentido al mundo a través de la tecnología
de información.
Ampliar el foco de este proceso micro, a uno más macro que incluya el contexto que lo
sustenta es el fundamento de una mirada más crítica de la datificación, como la que propone José
van Dijck (2014). Esta autora explícitamente busca tomar distancia de la definición de Mayer-
Schonberger y Cukier, al desnaturalizar el proceso de la datificación y presentarla como una
estrategia de extracción, sostenida por un discurso ideológico con reclamos epistémicos
cuestionables. Así, introduce la noción de “dataísmo”, aclarando que se trata de una “ideología”, y
que define como:
“una creencia generalizada en la cuantificación objetiva y el seguimiento potencial
de todo tipo de comportamiento humano y socialidad a través de tecnologías de medios en
línea. Además, el dataísmo también implica confianza en los agentes (institucionales) que
recopilan, interpretan y comparten (meta)datos extraídos de las redes sociales, plataformas
de Internet y otras tecnologías de comunicación”. (van Dijck, 2014, p. 198).
En esta vena se encuentran también los trabajos que equiparan la datificación como un
mandato o imperativo de convertir todos los fenómenos posibles en datos, o el supuesto acerca de
que todo puede ser efectivamente medido y convertido en este formato para extraer valor (Kitchin,
Revista de Ciencias Empresariales y Sociales. Vol. 12, N°9, 2025 (marzo-julio)
ISSN electrónico 2618-2327 (1-28)
6
2014b; Lupton & Williamson, 2017; Sadowski, 2019). Así, poniendo el foco en el trasfondo social
de este mandato, Sadowski plantea una analogía entre la datificación y la acumulación originaria
del capital y la lógica financiera: “De hecho, siguiendo los pasos de otras empresas extractivas a lo
largo de la historia del capitalismo, como la apropiación de tierras y la minería de recursos...
muchas de las prácticas ahora comunes de acumulación de datos deberían entenderse en términos
de la práctica más contundente de extracción de datos, en la que los datos se toman sin
consentimiento significativo y compensación justa para los productores y fuentes de esos datos”
(2019, p. 7).
En estos casos el problema no es económico sino político, es decir, de relaciones sociales
de dominación. Así, también Zuboff (2019a) –quien no usa explícitamente el término– se refiere a
un “capitalismo de vigilancia” en el que la experiencia humana es el material que produce datos
que pueden ser explotados para influenciar y predecir nuestras acciones, y así insertarnos como
productos en un mercado de comportamientos. También, en clave geopolítica, Mejías y Couldry
(2019a), identifican la datificación con el colonialismo de datos, el cual combinaría las prácticas
predatorias y extractivas del colonialismo histórico, con la abstracción de los métodos de
cuantificación y su manipulación a través del cómputo: “Comprender Big Data del Sur Global
significa comprender la dependencia actual del capitalismo de este nuevo tipo de apropiación que
funciona en todos los puntos del espacio donde las personas o las cosas están unidas a las
infraestructuras de conexión actuales.” (Couldry & Mejias, 2019, p. 2). Siguiendo esta lógica, los
autores llegan a utilizar el término para referir a las transformaciones sociales, económicas y
políticas de la vida humana que habilitan estas prácticas extractivas: “Dado que la mayoría de los
que escriben sobre datos también se preocupan por lo que sucede con la vida humana, el término
“datificación” ha adquirido rápidamente un significado adicional: la transformación más amplia de
la vida humana para que sus elementos puedan ser una fuente continua de datos.” (Mejias &
Couldry, 2019, p. 2).
En resumen, desde su masificación el concepto parece haber recorrido un arco que va desde
una mirada relativamente acrítica que pone el foco en su potencial económico y/o comercial,
pasando por una lectura “micro” que descompone el proceso como un acto epistémico, hasta llegar
a una mirada más “macro” que lo ubica en un contexto social y lo inserta en relaciones de poder,
Revista de Ciencias Empresariales y Sociales. Vol. 12, N°9, 2025 (marzo-julio)
ISSN electrónico 2618-2327 (1-28)
7
explotación y dominación, creencias ideológicas y grandes transformaciones sociopolíticas.
La datificación como campo de estudios
La proliferación de sentidos en los que se utiliza la noción de datificación es indicativo de
un mayor interés por dicho proceso, y con ello, la posible emergencia de un campo de estudios.
Este es el punto de partida del trabajo de Sofie Flensburg y Stine Lomborg (2023), quienes
realizaron una revisión sistemática de la literatura en la que mapean temas y campos, identifican
perspectivas teóricas y preguntas empíricas, así como métodos de indagación, y sistematizan sus
principales unidades de análisis y casos. Este será nuestro principal antecedente y el interlocutor
para nuestros hallazgos, ya que, hasta donde conocemos, no hay estudios bibliométricos de la
datificación – aunque sí contamos con varios antecedentes centrados en el big data (Ahmad et al.
2020; Liu et al. 2019; Kalantari et al. 2017), además de uno propio (Becerra & Ratovicius, 2022).
Nuestro trabajo apunta a complementar el de estas autoras, ofreciendo una mirada bibliométrica
que caracteriza a la literatura desde el punto de vista de sus comunicaciones, sus ámbitos de
producción y colaboración, espacios de publicación, y principales referentes.
El estudio de Flensburg y Lomborg trabaja con un corpus de 463 publicaciones recuperadas
en octubre del 2020 de los buscadores Web of Science y Scopus, bajo los criterios de “datafication”
o “datafied*”, y quedándose sólo con documentos en idioma inglés. Sus principales preguntas son:
¿Cuáles son los campos de investigación dominantes y las áreas de actualidad para estudiar la
datificación? ¿Qué tienen en común y en qué pueden diferir?; ¿Qué tipo de perspectiva teórica y
preguntas de investigación se persiguen y con qué métodos y enfoques?; ¿Cuáles son los focos
analíticos y las unidades de análisis más comunes para comprender la datificación?; y finalmente,
¿cómo podría nuestra comprensión del impacto de la datificación en la existencia humana y la vida
social avanzar en investigaciones futuras mediante la polinización cruzada de conocimientos en el
campo? Para responder estas preguntas, siguen un proceso analítico que supone dos momentos:
por un lado, para responder la primera pregunta realizan un análisis de redes exploratorio de la
información bibliográfica del corpus con el software VosViewer (van Eck & Waltman, 2010); para
responder las siguientes avanzan con un análisis de contenido de cada artículo, que supuso una
codificación manual en términos de sus campos de investigación, tipos de publicación, enfoque
Revista de Ciencias Empresariales y Sociales. Vol. 12, N°9, 2025 (marzo-julio)
ISSN electrónico 2618-2327 (1-28)
8
metodológico, así como fuentes, casos y unidades de análisis.
Con respecto a sus resultados, las autoras mapean las 115 keywords totales de los artículos
en forma de red, e identifican cinco clusters o grupos de trabajos: el primero corresponde a los
estudios de medios y comunicaciones, donde la datificación refiere mayormente al concepto de
“plataformización”; el segundo, proviene del ámbito educativo, para el cual la datificación es una
evolución natural de las tareas evaluativas del campo; el tercero, es el de los trabajos que adoptan
una mirada más social, indagando sus distintas implicaciones a través de varios campos; en el
cuarto, destacan las miradas desde el derecho y las prácticas de datos, indagando la vigilancia y el
control; mientras que el quinto, pone el foco en el problema de los medios y el tratamiento de las
audiencias.
Luego, se disponen a describir los enfoques y métodos empleados, señalando el predominio
de los trabajos teóricos, con un acumulado de 232/n=463; siguen los trabajos empíricos 115/463,
que codificaron manualmente para detallar su diseño; otros tantos de corte metodológico, con
71/463; finalmente un conjunto marginal de trabajos de revisión sistemática, editoriales u otras.
Volviendo a los empíricos: el 70% adoptan un diseño cualitativo, el 9% cuantitativos, y el restante
16% opta por diseños mixtos. El predominio de los estudios cualitativos se explica por el interés
en observar actores, sentidos y prácticas en torno a los datos. Acerca de las unidades de análisis de
los trabajos, las autoras señalan que hay dos grandes grupos: el de la infraestructura y la analítica
de la datificación (que equiparan con el trabajo de Mayer-Schonberger y Cukier), y el de sus
implicancias sociales. Las unidades de análisis recortadas varían en estos casos; en el primero, el
foco se pone en la infraestructura, mientras que en el segundo se posa la mirada en los usuarios:
este segundo es el que predomina con 326/463 artículos.
Estos resultados permiten caracterizar a la investigación sobre la datificación como campo
en el que conviven dos miradas, que coinciden a grandes rasgos con nuestro arqueo conceptual:
una centrada en la técnica y la analítica (y sus promesas), y una interesada por su trasfondo social
y político. También proponen que se trata de la emergencia de un tema de investigación –y un
concepto– que cruza disciplinas. Como contraparte, entienden que la definición del concepto es
poco clara y fragmentada, la investigación empírica se encuentra desbalanceada, y más importante,
que existe una escisión en el campo. Cómo cruzar esta escisión entre humanismo/técnica, y cómo
Revista de Ciencias Empresariales y Sociales. Vol. 12, N°9, 2025 (marzo-julio)
ISSN electrónico 2618-2327 (1-28)
9
acercar a los campos de estudio, son el principal desafío que se plantea para el campo, por lo que
abogan por un desarrollo conceptual –desde la teoría de la comunicación– para unir las dimensiones
de la infraestructura y la del usuario. Así, en sus conclusiones, abogan por:
“Una conceptualización comunicativa integral de la datificación, que considere tanto la
tecnología material, los significados generados a través de los datos y las consecuencias
socioculturales de la ubicua datificación de nuestra vida cotidiana, podría ofrecer un
próximo paso prometedor en la integración y el avance de la investigación actual sobre la
datificación. , además de fundamentar la datificación de manera más sistemática en una
trayectoria histórica de configuración mutua de la tecnología de la comunicación y la
sociedad” (Flensburg & Lomborg, 2023, p. 1466)
Nuestras preguntas de investigación
A nuestro entender, el trabajo de Flensburg y Lomborg (2023) ofrece un buen primer
pantallazo global del estado, alcance, variedad y desafíos de la investigación sobre datificación.
No obstante, su mirada tiene algunas limitaciones que debemos considerar para decidir un curso
de acción para el nuestro.
Una primera limitación reside en que la caracterización ofrecida por las autoras no excede
al producto de las investigaciones, y por ello no ofrece pistas sobre su proceso de producción. Es
decir, se reportan tendencias temáticas, metodológicas, etc., pero no se dice nada acerca de quienes
producen, desde donde, o en qué revistas. Tampoco se nos aclara cuáles son los autores más citados
que utilizan el concepto, o los más referenciados de una literatura más amplia que no utiliza el
concepto. Así, la dimensión comunicativa de la investigación de la datificación queda oculta. Por
ello, en este trabajo apostamos por avanzar sobre esta limitación, adoptando una perspectiva
bibliométrica, que atiende a las siguientes preguntas:
(RQ1) Qué temas y conceptos se identifican;
(RQ2) Cuáles son los trabajos más influyentes, y cuáles son las principales referencias;
(RQ3) Cuáles son los canales de comunicación;
(RQ4) Qué países y autores contribuyen a la literatura, y cómo colaboran.
Revista de Ciencias Empresariales y Sociales. Vol. 12, N°9, 2025 (marzo-julio)
ISSN electrónico 2618-2327 (1-28)
10
Responder estas preguntas permitirá aportar a una mirada más completa sobre la producción
y la comunicación científica de la datificación, identificando los temas y los aportes de mayor
impacto en el campo, y mapeando las contribuciones y los canales de comunicación desde una
perspectiva más amplia, a partir de un interés geográfico que nos permita ubicar ambas
dimensiones del campo.
La segunda limitación que encontramos en el trabajo de Flensburg y Lomborg es que las
dimensiones y preguntas planteadas por las autoras no se cruzan. Es decir, se nos informa de dos
grandes concepciones de la datificación, de cinco grandes áreas o espacios, así como de distintos
tipos de investigación, pero no se nos aclara cómo se relacionan estas miradas. Así, no se sugiere
qué concepciones son predominantes en cada campo, o si en algún área varían diferencialmente los
tipos de investigación. Esta falta de una mirada comparativa resulta en que la imagen totalizante
de grandes tendencias en el campo, sin subdivisiones. Sin pretender desestimar la necesidad de
atender a esta limitación, este es un objetivo que en el presente trabajo apenas empezamos a
ensayar, dejándolo pendiente para futuros trabajos que combinen la perspectiva de la revisión
sistemática y la bibliométrica.
Método
Construcción de corpus
Siguiendo la estrategia de Flensburg y Lomborg (2023), se realizó una búsqueda en Scopus
con los keywords “datafication” o “datafied*”, limitando a sólo artículos en revistas y en idioma
inglés, para poder asegurar una base de metadatos consistente. El criterio utilizado fue: (TITLE-
ABS-KEY (datafication) OR TITLE-ABS-KEY (datafied*)) AND (LIMIT-TO (DOCTYPE, "ar"))
AND (LIMIT-TO (LANGUAGE, "english")). Esta estrategia excluye publicaciones que no incluyen
los términos explícitamente en los títulos, abstracts o keywords. Seleccionamos la base de datos
Scopus porque ofrece metadatos completos y curados, a diferencias de otras bases –como Jstor o
Ebsco– que también fueron consultadas pero que devuelven muy pocos resultados y con menos
metadatos. La búsqueda se realizó en diciembre de 2023. Al trabajar con una sola fuente (Scopus)
no nos vimos obligados a tratar con duplicados, ni eliminar documentos por irrelevantes o
incompletos. El resultado es un corpus de 904 documentos.
Revista de Ciencias Empresariales y Sociales. Vol. 12, N°9, 2025 (marzo-julio)
ISSN electrónico 2618-2327 (1-28)
11
Preprocesamiento y análisis
Para responder nuestras preguntas no se necesitó más que estadísticas descriptivas y
visualizaciones, las cuales fueron realizadas enteramente con el software R (Team R Core, 2018).
Para los análisis de relaciones entre temas y conceptos (RQ1) usamos dos caminos. En un primer
lugar, generamos redes de keywords (proporcionadas por los autores) considerando su co-presencia
en los artículos. Tal como hicieron Flensburg y Lomborg, para evitar una red con “datafication” en
el centro se lo excluyó del análisis, al igual que los términos "big data", "big", y "data", "online",
y "literature", y se definió un mínimo de frecuencia para la inclusión de los keywords de 5. Así,
pasamos de una base de 2.718 keywords únicos, a una de 129. Luego, se detectaron comunidades,
utilizando el algoritmo cluster_louvain5, implementado en el paquete igraph (Newman, 2006).
En segundo lugar, realizamos un modelado de tópicos a partir de los abstracts. Para ello,
usamos el paquete stm (Roberts et al., 2019) el cual supone una distribución probable del
vocabulario del corpus a partir de analizar las correlaciones en los documentos. Este procedimiento
supone que se introduzca el número de temas a detectar como un parámetro (K). Luego de realizar
distintas pruebas estadísticas y de coherencia, optamos por un número de tópicos K=10. Los
resultados fueron explorados a través del análisis cualitativo y la lectura pormenorizada de los
abstracts y keywords más representativos de cada tópico.
Para identificar referentes y referencias (RQ2) utilizamos el software Anystyle
(https://anystyle.io/) en su implementación para RubyGem. Los resultados de este procesamiento
dependen de la consistencia de las referencias que, lamentablemente, varían de formato y calidad
en cada documento, de modo que deben ser tomados con recaudo. Los datos para responder las
preguntas sobre revistas y autoría/países (RQ3 y RQ4) no requirieron mayores procesamientos.
Aquí hemos realizado tablas ordenadas por frecuencias y redes de co-ocurrencia para observar
rankings y grupos.
5 Es un método heurístico utilizado para detectar comunidades dentro de redes complejas o grafos. Utiliza el
agrupamiento jerárquico basado en la optimización de una métrica llamada e, que mide la densidad de enlaces dentro
de comunidades en comparación con enlaces entre comunidades.
Revista de Ciencias Empresariales y Sociales. Vol. 12, N°9, 2025 (marzo-julio)
ISSN electrónico 2618-2327 (1-28)
12
Resultados
En nuestro dataset se observa un crecimiento continuado de la producción sobre
datificación desde los primeros artículos que lo incluyen (Figura 1). El primer artículo en utilizar
el término es el de John Hankins (1994) que lo incluye en su título “The CICNet rural datafication
project: Extending network access and services”. Luego, ya en 2013, Monica Brannon (2013) lo
incluye en el abstract para referir a la producción de datos satelitales. En ninguno de estos casos el
término se utiliza con una definición explícita, sino más bien metafóricamente y entre comillas.
Finalmente, también de 2013 se encuentra el trabajo de van Dijck y Poell (2013) que ya lo utilizan
referenciando a la obra de Mayer-Schonberger y Cukier.
Fig. 1: Evolución de la producción científica
Fuente: producción propia
RQ1: temas y conceptos
Nuestra primera pregunta se interesa por los temas y conceptos que se trabajan en relación a la
datificación. Para ello, generamos una red de keywords según su co-presencia en los artículos
(Figura 2), detectando cuatro comunidades.
Revista de Ciencias Empresariales y Sociales. Vol. 12, N°9, 2025 (marzo-julio)
ISSN electrónico 2618-2327 (1-28)
13
Fig. 2: Co-ocurrencia de keywords (n>5)
Fuente: Elaboración propia.
La comunidad más grande (56 elementos) incluye los keywords más frecuentes: privacidad,
vigilancia, algoritmos, inteligencia artificial, redes sociales, plataformas, entre otros. La segunda
comunidad (33 elementos) incluye keywords vinculados al enfoque de los estudios críticos de
datos, que ponen el foco en la naturaleza política de estas prácticas y que buscan la discusión de
sus supuestos para favorecer el entendimiento del público (Dalton & Thatcher, 2014; Kitchin &
Revista de Ciencias Empresariales y Sociales. Vol. 12, N°9, 2025 (marzo-julio)
ISSN electrónico 2618-2327 (1-28)
14
Lauriault, 2014). El tercer grupo (32 elementos) se encuentra altamente integrado, y sus keywords
remiten a la datificación y cuantificación de espacios de la vida social y subjetiva como el auto-
trackeo –también conocido como quantified self– o la educación. Estos son espacios que tienen
una larga tradición de producir datos para el monitoreo y la evaluación. En el último grupo tiene
sólo ocho elementos y trata con conceptos generales –incluyendo tecnología, riesgos,
digitalización, subjetividad o trabajo–, sin una coherencia semántica clara, y bien puede ser
residual.
Una segunda manera de explorar y clasificar los temas del corpus es a través de modelar
los tópicos de los abstracts, considerando la distribución probable de su vocabulario. Este tipo de
análisis permite una mayor granularidad. La Figura 3 muestra los resultados para 10 tópicos
(filtrando otra vez los keywords “datafication”, “big data” y “data”).
Fig. 3: modelado de tópicos en abstracts (K=10)
Fuente: Elaboración propia.
Los primeros dos tópicos que más prevalecen (#7 y #8) y el cuarto (tópico # 4) incluyen
algunos términos vinculados con la perspectiva de los estudios críticos de datos, pero también
términos genéricos del vocabulario de las ciencias sociales. Esta generalidad nos advierte a tomar
estos tópicos con recaudo, ya que podrían ser un reflejo de una perspectiva común en el corpus. Si
buscamos coincidencias entre términos del abstract y keywords vemos prevalencia de un interés
Revista de Ciencias Empresariales y Sociales. Vol. 12, N°9, 2025 (marzo-julio)
ISSN electrónico 2618-2327 (1-28)
15
por el control, la vigilancia, la protección, la regulación, y la crítica.
Más claros son los tópicos siguientes: el #6 trata con educación, el #9 con el sistema jurídico
y policial, el #3 con plataformas y periodismo, el #2 con plataformas y audiencias, el #1 con el
sistema de salud, el #10 con la smart city y el urbanismo, y el #5 con los niños y padres. En todos
ellos hay coherencia entre los resultados del análisis de abstracts y de keywords. Keywords como
“privacidad”, “ética”, “gobierno” (governance), “plataformas” son una constante también en estos
tópicos. Todos estos son buenos candidatos para ser tomados como sub-campos de estudios,
aunque esto debería ser confirmado por otro tipo de estudios.
RQ2: referencias y referentes
Si tomamos las citas como un proxy para la visibilidad e influencia de una comunicación,
podemos observar que nuestro corpus cuenta con claros referentes. Entre los 10 artículos más
citados (Tabla 1) se repiten los nombres de José van Dijck (Universidad de Utrecht), Thomas Poell
(Universidad de Amsterdam), y David Nieborg (Universidad de Toronto), investigadores del área
de la cultura y los medios, y coautores entre sí de trabajos sobre el proceso de la “plataformización”.
Luego, vemos trabajos en áreas específicas antes referidas: smart city, infancias, justicia,
educación, entre otras. También observamos trabajos que introducen el concepto de datificación y
que ofrecen una interpretación teórica y una discusión crítica desde la sociología, la política, y los
estudios críticos de datos.
Tabla. 1: Artículos más citados
Citas
Autores
Título
999
van Dijck J.
Datafication, dataism and dataveillance: Big data between
scientific paradigm and ideology
731
van Dijck J.; Poell T.
Understanding social media logic
468
Nieborg D.B.; Poell
T.
The platformization of cultural production: Theorizing the
contingent cultural commodity
409
Sadowski J.
When data is capital: Datafication, accumulation, and
Revista de Ciencias Empresariales y Sociales. Vol. 12, N°9, 2025 (marzo-julio)
ISSN electrónico 2618-2327 (1-28)
16
extraction
269
Bossetta M.
The Digital Architectures of Social Media: Comparing
Political Campaigning on Facebook, Twitter, Instagram,
and Snapchat in the 2016 U.S. Election
254
Lupton D.;
Williamson B.
The datafied child: The dataveillance of children and
implications for their rights
226
Kitchin R.
The ethics of smart cities and urban science
190
Poell T.; Nieborg D.;
van Dijck J.
Platformisation
177
Baack S.
Datafication and empowerment: How the open data
movement re-articulates notions of democracy,
participation, and journalism
174
Milan S.; Treré E.
Big Data from the South(s): Beyond Data Universalism
174
Dencik L.; Hintz A.;
Cable J.
Towards data justice? The ambiguity of anti-surveillance
resistance in political activism
Fuente: Elaboración propia.
El trabajo más citado es “Datafication, dataism and dataveillance” de van Dijck (2014), en
el que la autora busca dilucidar críticamente los supuestos ideológicos y epistémicos de Mayer-
Schoenberger y Cukier (2013), señalando que la datificación y el big data se sustentan en la
creencia en la cuantificación objetiva y el potencial de las prácticas de registro sobre todos los
aspectos de la vida social y subjetiva, y que esta confianza se transfiere a agentes institucionales y
corporativos. Además, discute la idea de la datificación como un proceso natural o neutral de
registro, caracterizándose más bien como una estrategia de extracción y comercialización, con
reclamos epistemológicos discutibles, tales como la supuesta exhaustividad del big data, su
naturalidad, o su confiabilidad. Un antecedente central de este último punto –referenciado por van
Dijck, y resultando en uno de los trabajos más citados del campo– lo ofrecen boyd y Crawford
(2012) con el paper titulado “Critical questions for big data”. Estas autoras estrictamente no hablan
de “datificación” sino de big data, al cual definen como un fenómeno cultural, tecnológico y
académico que se constituye en el interjuego entre tecnología, análisis y mitología.
Revista de Ciencias Empresariales y Sociales. Vol. 12, N°9, 2025 (marzo-julio)
ISSN electrónico 2618-2327 (1-28)
17
Si observamos ahora las referencias incluidas en los artículos del corpus (Tabla 2), podemos
tener una idea de otros trabajos influyentes, sin limitarnos a nuestro corpus y al formato de artículo.
En primer lugar, volvemos a ver el trabajo de van Dijck (2014) y en tercero el de Mayer-
Schoenberger y Cukier (2013), lo que sugiere la centralidad de esta discusión para enmarcar el
concepto. Otros trabajos destacados y muy referenciados, tanto dentro como fuera de este corpus,
son los de la investigadora Shoshana Zuboff en los que se conceptualiza sobre el capitalismo de
vigilancia, al cual define –entre otras sentencias– como “Un nuevo orden económico que reivindica
la experiencia humana como materia prima gratuita para prácticas comerciales ocultas de
extracción, predicción y venta” (2015, 2019b) y “Una expropiación de derechos humanos críticos
que se entiende mejor como un golpe desde arriba: un derrocamiento de la soberanía popular”
(Zuboff, 2019b, p. 1). También observamos trabajos críticos del big data y el rol social de los
algoritmos, como el de Rob Kitchin (2014a), Cathy O’Neil (2016), Virginia Eubanks (2018) o
Frank Pasquale (2015). Todos ellos ofrecen una interesante casuística de ejemplos en los que los
algoritmos tienen efectos sociales pervasivos que refuerzan inequidades o generan situaciones de
injusticia, al automatizar procesos de clasificación y decisión sobre grupos vulnerables, a partir de
datos sesgados. Todos ellos también coinciden en avanzar la línea de discusión epistemológica del
big data como respuesta a dicha problemática.
Tabla. 2: Referencias más citadas
Citas
Autor
Título
120
José van Dijk
Datafication, Dataism And Dataveillance: Big Data Between
Scientific Paradigm And Ideology
98
Shoshana Zuboff
The Age Of Surveillance Capitalism: The Fight For A Human
Future At The New Frontier Of Power
66
Kenneth Cukier,
Viktor Mayer-
Schonberger
Big Data: A Revolution That Will Transform How We Live,
Work, And Think
Revista de Ciencias Empresariales y Sociales. Vol. 12, N°9, 2025 (marzo-julio)
ISSN electrónico 2618-2327 (1-28)
18
66
Shoshana Zuboff
Big Other: Surveillance Capitalism And The Prospects Of An
Information Civilization
57
Rob Kitchin
The Data Revolution: Big Data, Open Data, Data
Infrastructures And Their Consequences
55
Virginia Eubanks
Automating Inequality: How High-Tech Tools Profile, Police,
And Punish The Poor
51
Jathan Sadowski
When Data Is Capital: Datafication, Accumulation, And
Extraction
50
Frank Pasquale
The Black Box Society: The Secret Algorithms That Control
Money And Information
49
Deborah Lupton &
Ben Williamson
The Datafied Child: The Dataveillance Of Children And
Implications For Their Rights
45
Catherine O'Neil
Weapons Of Math Destruction: How Big Data Increases
Inequality And Threatens Democracy
Fuente: Elaboración propia.
Un dato interesante es que todos estos referentes son autores que provienen de los Estados
Unidos o Europa, de modo que los casos documentados suelen referir a dichas latitudes y a las
prácticas de datos de las instituciones de estas sociedades, las cuales no siempre son generalizables
a otros contextos.
RQ3: revistas
Una caracterización de la comunicación sobre datificación no puede dejar de considerar los
principales canales de comunicación científica. Para ello, podemos consultar cuáles son las revistas
más frecuentes de nuestro corpus y cuales las más frecuentes entre las referencias de los artículos
del corpus. Hemos compilado y cruzado ambos datos en la Tabla 3, e incluido la información de la
editorial, las áreas disciplinares y el cuartil en el que tienen el mayor ranking, utilizando la
información disponible en Scimago Journal & Country Rank.
Revista de Ciencias Empresariales y Sociales. Vol. 12, N°9, 2025 (marzo-julio)
ISSN electrónico 2618-2327 (1-28)
19
Tabla. 3: revistas más frecuentes en el corpus y en las referencias del corpus
Corpus
(rank / n)
References
(rank / n)
Editorial /
País
Áreas*
Mejor cuartil
1 / 46
1 / 804
Sage /
UK
CS, DS,
SS
Q1
Communication
2 / 27
2 / 753
Sage /
UK
SS
Q1
Communication
3 / 17
91 / 37
Routledge /
UK
E, SS
Q1
Education
4 / 16
9 / 206
Sage /
US
AH, SS
Q1
Cultural studies
5 / 14
4 / 353
USC /
US
SS
Q1
Communication
6 / 14
6 / 305
Surveillance
Studies Network/
UK
SS
Q1
Safety research
7 / 13
109 / 32
Routledge /
UK
SS
Q1
Communication
8 / 12
13 / 145
A. v Humboldt
Inst. for Internet
and Society /
Germany
CS, ES,
SS
Q1
Communication
9 / 10
34 / 74
Cogitatio Press /
Portugal
SS
Q1
Communication
10 / 10
153 / 24
Sage /
UK
SS
Q1
Communication
Fuente: Elaboración propia.
* Áreas = CS: computer science, DS: decision sciences, SS: social sciences, E: engineering, AH:
arts and humanities, ES: environmental sciences
Revista de Ciencias Empresariales y Sociales. Vol. 12, N°9, 2025 (marzo-julio)
ISSN electrónico 2618-2327 (1-28)
20
Tanto entre los artículos de nuestro corpus, como en sus referencias, las revistas de mayor
presencia son “Big data & Society” y “New Media & Society”, ambas de Sage Publications y
registradas en U.K. Otras revistas que comparten el ranking entre ambas listas son “International
Journal of Communication” y “Surveillance and Society”, editadas por otras firmas y basadas en
U.S. y U.K. Al menos en el corpus construido a través de Scopus, entre las principales no hay
revistas editadas fuera de U.S. y Europa.
Si consultamos las categorías y áreas de temas en Scimago Journal & Country Rank,
podemos notar que todas las revistas comparten la categoría de ciencias sociales. Además, la
mayoría de las revistas tienen su mejor cuartil en el área de comunicaciones, incluso en el caso de
las revistas que comparten otras áreas de interés del big data, como podrían ser las ciencias de la
computación, o la ingeniería, o las ciencias vinculadas a la decisión y el management. Esto puede
ser indicativo de que la mirada de la datificación como proceso (social) es propia de las ciencias
sociales y la perspectiva crítica.
RQ4: producción por países y colaboración
La distribución de la producción por países y años (Figura 4), muestra la preeminencia de
Reino Unido, con un conteo de papers que se ha ido incrementado en los últimos años, superando
a Estados Unidos y Países Bajos, desde donde se publicaron los primeros trabajos. Otros países
como Australia, Dinamarca, Alemania o Italia comenzaron a publicar en estos temas sólo en los
últimos años pero con un ritmo sostenido. Se debe notar que China y Hong Kong se encuentran en
una posición más baja entre los que más producen, a pesar de ser países líderes en la investigación
en big data. Por otro lado, a pesar de que teórica y conceptualmente se incorpora una mirada
decolonial o que pretende retomar la posición del “sur global” en la datificación –algo que se hace
evidente incluso por tener a “Big Data from the South(s): Beyond Data Universalism” de Milan y
Treré (2019) entre los más citados–, entre los principales países sólo se observa a Brasil y
Sudáfrica.
Revista de Ciencias Empresariales y Sociales. Vol. 12, N°9, 2025 (marzo-julio)
ISSN electrónico 2618-2327 (1-28)
21
Fig. 4: producción por países y años (producción total > 10)
Fuente: Elaboración propia.
Las colaboraciones más fuertes se observan también entre los países que más producen, al menos
en términos de coautoría (Figura 5).
Fig. 5: colaboración entre países, según coautoría (países > 5 artículos)
Fuente: Elaboración propia
Finalmente, si observamos la colaboración entre autores se puede observar una comunidad
integrada con más de 20 autores colaborando, entre los que se encuentran autores de renombre y
Revista de Ciencias Empresariales y Sociales. Vol. 12, N°9, 2025 (marzo-julio)
ISSN electrónico 2618-2327 (1-28)
22
gran presencia en nuestro corpus, como Dencik, Couldry o Lupton. Luego, hay varios autores
publicando con otro autor, u otros 2 autores, aunque sin integración a otros grupos.
Fig. 6: colaboración entre autores, según coautoría (autores > 1 artículo)
.
Fuente: Elaboración propia.
Conclusiones
En esta sección sintetizamos nuestros resultados, los ponemos en diálogo con la literatura,
e indicamos futuras líneas de indagación. En nuestro recuento de temas y conceptos (RQ1)
identificamos tres grandes grupos de keywords concurrentes que se pueden diferenciar, y un cuarto
menos claro: el primero centrado en los media studies, el segundo en la perspectiva de los critical
data studies, y el tercero en el quantified self y la datificación del mundo educativo. A grandes
Revista de Ciencias Empresariales y Sociales. Vol. 12, N°9, 2025 (marzo-julio)
ISSN electrónico 2618-2327 (1-28)
23
rasgos, este mapeo de temas coincide con el realizado por Flensburg y Lomborg (2023) que
también identificaron estos tres componentes, aunque propusieron otros adicionales de menor peso.
Si bien esta metodología debe ser considerada exploratoria, los resultados sugieren una red
altamente conectada, con muchos keywords que sirven de puentes entre los distintos grupos de
artículos. En esta caracterización coincidimos con la lectura realizada por Flensburg y Lomborg
sobre una red similar, y también con la afirmación de que el “El campo de los estudios de medios
y comunicación está fuertemente representado y podría decirse que es un impulsor clave en la
investigación sobre datificación.” (2023, p. 1457). Luego, nosotros complementamos este análisis
con otra técnica y otra fuente (topic modeling y abstracts) que, si bien arrojó resultados con mayor
granularidad, estos son coherentes con lo encontrado vía análisis de keywords.
En la introducción conceptual referíamos a dos grandes ideas de la datificación: una
centrada en el proceso de recolección de datos y las posibilidades o promesas de su analítica, que
identificamos con el uso de Mayer-Schonberger y Cukier; y otra más amplia que privilegia
cuestionar sus fundamentos sociales, políticos y epistémicos, en la línea de la crítica del dataísmo
que propone van Dijck. El recuento conceptual de Flensburg y Lomborg (2023) también identifica
estas dos ideas tensionadas. Las autoras sugieren que las dos ideas conviven en todos los temas, tal
vez en proporción distinta. De hecho, a partir del análisis de la red de keywords, quisiéramos
matizar la idea de las autoras acerca de que en el campo se encuentran balanceados el interés
crítico/sociológico, y el interés por lo tecnológico/business-oriented. Más bien creemos que se
puede hipotetizar una clara hegemonía de la perspectiva crítica en torno a este concepto. O en
otros términos: creemos que la datificación en el sentido más trivial y menos crítico es, tal vez,
marginal, y que cuando se habla de “datificación” la mirada predominante es la crítica. Cabe
destacar que casi no hay presencia de keywords que supongan un interés netamente comercial,
computacional o informático, como sí hemos observado en otras revisiones centradas en el
concepto big data.
Entre ambos conceptos –big data y datificación– parece haber una relación de proceso-
producto, en la que la mirada sobre el producto es menos crítica, y la mirada en el proceso se
caracteriza por ser deconstructiva. Los principales referentes (RQ2) parecen apoyar esta idea: los
autores y estudios más citados aportan miradas críticas de la datificación y el big data que
Revista de Ciencias Empresariales y Sociales. Vol. 12, N°9, 2025 (marzo-julio)
ISSN electrónico 2618-2327 (1-28)
24
privilegian su trasfondo social y su relación con el capitalismo y sus actores.
Por otro lado, el análisis sobre países de autores (RQ4) y revistas (RQ3) da cuenta de una
comunicación en donde predominan las voces de Estados Unidos y Europa, lo cual impacta en la
casuística sobre la que se elabora la reflexión. Sin embargo, se debe considerar que nuestros
criterios de búsqueda limitaban el corpus a artículos en inglés y de revistas indexadas en Scopus,
lo cual supone cierta capacidad e infraestructura editorial, a veces difícil de lograr para revistas de
Latinoamérica y otros países emergentes. No hay duda que los actores y la lógica de la datificación
suponen un capitalismo trasnacional, pero es importante señalar que esto puede resultar en
impactos y recorridos diferenciados en distintas latitudes. Como bien señalan Milan y Treré (2019),
en torno al big data y la datificación parece operar un cierto “universalismo digital” que tiende a
absorber la heterogeneidad de diversos contextos sobre las diferencias y especificidades culturales.
Para contrarrestarlo nos resulta importante contar con mayor pluralidad de voces que permitan
estudiar las dinámicas relacionadas con la datificación desde otros contextos históricos,
sociopolíticos, regulatorios, culturales y económicos, y considerando distintas historias de
problemas como la desigualdad social, la desposesión y apropiación de recursos, la manera en que
las ideologías se encarnan en las idiosincrasias culturales, entre otros (D’Ignazio & Klein, 2020).
Así, la estrategia colaborativa que abogamos ofrece una tendencia de estudios críticos y líneas de
investigación sobre los datos que cuestionan la centralidad de las interpretaciones
“occidentalistas”. Al igual que Milán y Treré (2019), apostamos a que la colaboración entre
comunidades de conocimiento pueda ser un factor importante para avanzar sobre este punto crítico.
Con este trabajo hemos buscado generar una descripción de la comunicación científica
sobre la datificación, ofreciendo una mirada bibliométrica complementaria que observa el campo
en relación a sus temáticas, ámbitos de producción y colaboración, espacios de publicación y
principales referentes, avanzando el estado del conocimiento en relación a nuestro principal
antecedente, que es el trabajo de Flensburg y Lomborg (2023). Entre nuestros principales aportes
destacamos, por un lado, haber actualizado el corpus, ya que el de dichas autoras abarca hasta
octubre del 2020, y el nuestro hasta diciembre de 2023. Además, hemos podido brindar una imagen
en la que se pone de manifiesto la dimensión geopolítica de los procesos de construcción de
conocimiento en el área. Así, si bien no se optó por una revisión sistemática, los objetivos
Revista de Ciencias Empresariales y Sociales. Vol. 12, N°9, 2025 (marzo-julio)
ISSN electrónico 2618-2327 (1-28)
25
alcanzados brindan un cruce de variables e información que alumbran el proceso de producción
científica en relación a quiénes producen, desde qué lugares del mundo y en qué tipo de revistas
científicas.
En última instancia, creemos que el aporte de este trabajo no sólo es actualizar el estado de
conocimiento en relación a la última revisión sistemática, sino además abrir la discusión sobre las
asimetrías que condicionan la producción científica sobre el proceso de la datificación. Sin
embargo, este recorrido tuvo limitaciones que sería interesante que futuras investigaciones
consideren. Por caso, sería necesario incorporar otras fuentes de datos aparte de Scopus y/o Web
Of Science para ampliar el corpus considerado, así como explorar otros criterios de búsqueda que
reflejen la tematización de otras miradas disciplinares. También, sería importante incluir otros
motores de búsqueda regionales, y/o ampliar a criterios en otros idiomas. Asimismo, que se
integren ciertas preguntas de investigación uniendo la mirada de la revisión sistemática con la
bibliométrica, a fin de profundizar los datos y complejizar el debate bajo esa complementación
metodológica. Dado que se trabajó únicamente con artículos científicos para la construcción del
corpus, sería importante incorporar otros venues o canales, como las conferencias u otros espacios
de la comunidad científica, a fin de enriquecer las fuentes y llegar a otros discursos reconocidos en
el ámbito de la investigación. También, siguiendo el ejemplo de Jobin et al. (2019) para la
inteligencia artificial, sería un aporte sustancial conocer si existe, para el caso de la datificación,
una distribución diferencial de intereses/problemáticas planteadas por investigaciones de países
desarrollados respecto de las “periferias” o del “tercer mundo”. En cualquier caso, se destaca el
riesgo que supone abandonar el conocimiento local, el pluralismo cultural y ciertas exigencias
éticas en las discusiones actuales sobre la datificación, como una forma de cuestionar el
universalismo digital, de cara a futuras investigaciones. Por último, en relación a los resultados del
presente trabajo (RQ2), sería necesario seguir profundizando los resultados de estudios
bibliométricos que trabajen la datificación y el big data, para conocer cuál es el marco conceptual
que predomina en el abordaje de estos fenómenos.
Referencias
Ahmad, I., Ahmed, G., Shah, S. A. A., & Ahmed, E. (2020). A decade of big data literature:
Revista de Ciencias Empresariales y Sociales. Vol. 12, N°9, 2025 (marzo-julio)
ISSN electrónico 2618-2327 (1-28)
26
analysis of trends in light of bibliometrics. The Journal of Supercomputing, 76(5), 3555–3571.
https://doi.org/10.1007/s11227-018-2714-x
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
Becerra, G., & Ratovicius, C. (2022). Social sciences and humanities on big data: a bibliometric
analysis. Journal of Information Systems and Technology Management, 19(e202219011).
https://doi.org/10.4301/S1807-1775202219011
Bibri, S. E., & Krogstie, J. (2020). The emerging data–driven Smart City and its innovative applied
solutions for sustainability: the cases of London and Barcelona. Energy Informatics, 3(1).
https://doi.org/10.1186/s42162-020-00108-6
boyd, D., & Crawford, K. (2012). Critical Questions for Big Data. Information, Communication &
Society, 15(5), 662–679. https://doi.org/https://doi.org/10.1080/1369118X.2012.678878
Brannon, M. M. (2013). Standardized spaces: Satellite imagery in the age of big data.
Configurations, 21(3), 271–299. https://doi.org/10.1353/con.2013.0021
Couldry, N., & Mejias, U. A. (2019). Data Colonialism: Rethinking Big Data’s Relation to the
Contemporary Subject. Television and New Media, 20(4), 336–349.
https://doi.org/10.1177/1527476418796632
D’Ignazio, C., & Klein, L. (2020). Data feminism. The MIT Press.
Dalton, J., & 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/
Eubanks, V. (2018). Automating inequality. Macmillan Publishers.
Flensburg, S., & 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
Hankins, J. L. (1994). The CICNet rural datafication project: Extending network access and
services. Internet Research, 4(1), 71–74.
Jobin, A., Ienca, M., & Vayena, E. (2019). The global landscape of AI ethics guidelines. Nature
Revista de Ciencias Empresariales y Sociales. Vol. 12, N°9, 2025 (marzo-julio)
ISSN electrónico 2618-2327 (1-28)
27
Machine Intelligence, 1(9), 389–399. https://doi.org/10.1038/s42256-019-0088-2
Kalantari, A., Kamsin, A., Kamaruddin, H. S., Ale Ebrahim, N., Gani, A., Ebrahimi, A., &
Shamshirband, S. (2017). A bibliometric approach to tracking big data research trends.
Journal of Big Data, 4(1), 1–18. https://doi.org/10.1186/s40537-017-0088-1
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., & 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
Liu, X., Sun, R., Wang, S., & Wu, Y. J. (2019). The research landscape of big data: a bibliometric
analysis. Library Hi Tech, 38(2), 367–384. https://doi.org/10.1108/LHT-01-2019-0024
Lupton, D., & Williamson, B. (2017). The datafied child: The dataveillance of children and
implications for their rights. New Media and Society, 19(5), 780–794.
https://doi.org/10.1177/1461444816686328
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
Mayer-Schonberger, V., & Cukier, K. (2013). Big data. A revolution that will transform how we
live, work, and think. Eamon Dolan/Houghton Mifflin Harcourt.
Mejias, U. A., & Couldry, N. (2019). Datafication. Internet Policy Review, 8(4), 1–10.
https://doi.org/10.14763/2019.4.1428
Milan, S., & Treré, E. (2019). Big Data from the South(s): Beyond Data Universalism. Television
and New Media, 20(4), 319–335. https://doi.org/10.1177/1527476419837739
Newman, M. E. J. (2006). Finding community structure in networks using the eigenvectors of
matrices. Physical Review E - Statistical, Nonlinear, and Soft Matter Physics, 74(3), 1–19.
https://doi.org/10.1103/PhysRevE.74.036104
O’Neil, C. (2016). Weapons of math destruction. Crown/Archetype.
Pasquale, F. (2015). The Black Box Society. Harvard University Press.
Revista de Ciencias Empresariales y Sociales. Vol. 12, N°9, 2025 (marzo-julio)
ISSN electrónico 2618-2327 (1-28)
28
https://doi.org/10.4159/harvard.9780674736061
Roberts, M. E., Stewart, B. M., & Tingley, D. (2019). Stm: An R package for structural topic
models. Journal of Statistical Software, 91. https://doi.org/10.18637/jss.v091.i02
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
Team R Core. (2018). R: A language and environment for statistical computing. R Foundation for
Statistical Computing. https://www.r-project.org/
van Dijck, J. (2014). Datafication, dataism and dataveillance: Big data between scientific paradigm
and ideology. Surveillance and Society, 12(2), 197–208.
van Dijck, J., & Poell, T. (2013). Understanding social media logic. Media and Communication,
1(1), 2–14. https://doi.org/10.12924/mac2013.01010002
Zuboff, S. (2015). Big other: Surveillance capitalism and the prospects of an information
civilization. Journal of Information Technology, 30(1), 75–89.
https://doi.org/10.1057/jit.2015.5
Zuboff, S. (2019a). Surveillance Capitalism and the Challenge of Collective Action. New Labor
Forum, 28(1), 10–29. https://doi.org/10.1177/1095796018819461
Zuboff, S. (2019b). The Age of Surveillance Capitalism. PublicAffairs.
https://doi.org/https://dl.acm.org/doi/10.5555/3350443