La **datificación** es el proceso de convertir **aspectos de la vida**, actividades o fenómenos **en datos cuantificables** que pueden **almacenarse, analizarse y utilizarse** con tecnología. Significa transformar lo que hacemos o lo que ocurre en números o registros digitales.
Hablamos de datificación por ejemplo cuando una apliación registra tus pasos diarios con el móvil o un reloj inteligente; o cuando una tienda online guarda tu historial de compras para recomendar productos. Otro ejemplo sería el relacionado con plataformas como TikTok o Instagram, donde cada interacción (ver un video, darle like, compartirlo) se convierte en datos que el sistema usa para decidir qué contenido mostrarte después. En todos estos casos, las acciones humanas o eventos se convierten en datos que luego pueden analizarse. Entre otras cosas sirve para: - Analizar comportamientos y tendencias. - Crear sistemas inteligentes como los de Inteligencia Artificial o Ciencia de Datos. - Personalizar servicios (recomendaciones, publicidad, etc.). - Tomar decisiones basadas en datos.Así pues, la datificación es la transformación de la realidad en datos digitales para analizarlos y utilizarlos.
La datificación es clave para crear sistemas de Inteligencia Artificial porque estos sistemas **aprenden analizando** grandes cantidades de **datos**. Cuantos más datos existen sobre un fenómeno, mejor será el sistema reconociendo patrones, haciendo predicciones y tomando decisiones, como, por ejemplo, filtrar correos basura. La IA compara los datos actuales con millones de datos anteriores para decidir qué acción es más adecuada. **Cuantos más datos** se generan mediante la datificación, más aprende el sistema y **más precisas se vuelven sus respuestas o recomendaciones.** La datificación proporciona la materia prima (datos) que necesitan los sistemas de Inteligencia Artificial para aprender, predecir, automatizar tareas y mejorar continuamente. Sin datos suficientes, la IA no podría funcionar de forma eficaz. En el capítulo "*Problematizar la IA generativa en educación: metáforas, tensiones y horizontes posibles"* (Martins 2024), Mariana Ferrarelli y Paola Ricaurte Quijano expresan lo siguiente:En el marco de la **datificación y el desarrollo de la IA generativa**, las grandes **compañías tecnológicas** adquieren una posición dominante gracias a las infraestructuras digitales que controlan. En un escenario cada vez más mediado por algoritmos y por modelos económicos basados en la **explotación de datos**, estas empresas no solo poseen gran parte de la información disponible, sino que también determinan **cómo se procesa, interpreta y aplica** mediante sistemas algorítmicos **poco transparentes** y susceptibles de contener **sesgos.**
Esta acumulación de poder, unida a la progresiva incorporación de estas tecnologías en el ámbito educativo, abre debates relevantes sobre el riesgo de que la educación dependa cada vez más de infraestructuras y programas privados. Asimismo, plantea preocupaciones relacionadas con la protección de la privacidad y con la posibilidad de que prácticas de vigilancia digital se normalicen dentro de los entornos educativos.Además, la **UNESCO** en su ["Guía para el uso de IA generativa en educación e investigación" ](https://unesdoc.unesco.org/ark:/48223/pf0000389227)(2024) advierte sobre los riesgos de la "plataformización" y la pérdida de soberanía de los datos educativos. Una recomendación notable de la UNESCO es la **necesidad de establecer límites de edad para el uso de herramientas de IA generativa**, sugiriendo los 13 años como umbral para **proteger el desarrollo cognitivo de los menores.**
De forma voluntaria, puedes continuar con este vídeo para seguir reflexionando: Así que por un lado, la datificación permite desarrollar herramientas basadas en Inteligencia Artificial y Analítica de datos al servicio pedagógico de profesorado, alumnado y gestores educativos, ya que permiten analizar grandes cantidades de información sobre los procesos de enseñanza-aprendizaje; y gracias a ello, es posible **identificar dificultades, mejorar la toma de decisiones y optimizar la gestión educativa.** Sin embargo, al mismo tiempo, también plantea problemas y dilemas éticos importantes, como la protección de la privacidad de los datos, el posible uso indebido de la información recopilada o la generación de sesgos que pueden aumentar las desigualdades educativas.