Archivos éticos

Acciones ecológicas de Patagonia para salvar el planeta

¿Cómo utiliza Yvon Chouinard su empresa para ayudar al medio ambiente? ¿Por qué Patagonia es una de las empresas más respetuosas con el medio ambiente? Patagonia se esfuerza por utilizar su influencia y sus recursos para luchar contra la crisis medioambiental. Chouinard sostiene que las empresas (como Patagonia) que utilizan recursos naturales deben responsabilizarse de los efectos que tienen sobre el medio ambiente. Echa un vistazo a la iniciativa medioambiental de Patagonia para conocer mejor su misión ecológica.

La tecnología CRISPR de edición genética ofrece grandes avances

¿Cómo está revolucionando CRISPR la medicina y la agricultura? ¿Qué obstáculos y debates éticos impiden su uso generalizado? La tecnología de edición genética CRISPR está facilitando tratamientos innovadores para enfermedades genéticas y fomentando la seguridad alimentaria mundial. La mejora continua de la tecnología CRISPR podría impulsar la medicina personalizada, proporcionar nuevos tratamientos y revolucionar la agricultura y la biotecnología industrial. He aquí un repaso a los posibles usos de la tecnología CRISPR, así como a los obstáculos e implicaciones que conlleva.

Cómo salvar los árboles: La vida oculta de los árboles en acción

Un leñador intenta salvar los árboles bloqueando la carretera por la que circula un camión maderero.

¿Cuántos árboles están en peligro de extinción? ¿Por qué son necesarias las prácticas forestales sostenibles? ¿Cómo pueden los tanatorios arbóreos ayudar a salvar los bosques? En su libro La vida oculta de los árboles, Peter Wohlleben no sólo enseña a los lectores la ciencia de los árboles, también es una llamada a la acción para ayudar a salvar los bosques. Expone múltiples maneras en que las personas y los gobiernos pueden ayudar a salvar los árboles. He aquí las medidas que Wohlleben comparte en su libro.

¿Qué hizo Jordan Belfort para acabar en la cárcel?

Un par de manos esposadas sentadas fuera de los barrotes de la prisión.

¿Qué hizo Jordan Belfort para convertirse en un delincuente financiero? ¿Qué tipo de delitos financieros cometió? Aunque Belfort hizo muchas cosas contrarias a la ley, fueron sus delitos financieros los que le enriquecieron y acabaron enviándole a prisión. Muchos de los negocios de Belfort iban en contra de las regulaciones federales y estatales porque inventó esquemas para ocultar sus transacciones a las instituciones reguladoras. Veamos los principios sobre los que se fundó la empresa de Belfort, Stratton Oakmont, y los delitos que cometió bajo su nombre.

Cómo minimizar los daños sociales: 3 enfoques inspiradores

Una mujer da de comer a un indigente en la calle para evitar daños sociales.

¿Cómo deberíamos abordar daños sociales como la guerra y la pobreza? ¿Sientes una llamada a ocuparte de estos problemas en tu comunidad o en el mundo? El libro de 2023 La vida que vale la pena vivir te insta a adoptar una filosofía de vida. A menudo, estas filosofías de vida personales conllevan la obligación de minimizar daños sociales como la delincuencia y la intolerancia. Los autores comparten planteamientos de Mary Wollstonecraft, James Baldwin y Confucio. Siga leyendo para inspirarse en estos líderes del pensamiento.

Los peligrosos efectos del mal uso de las estadísticas

Una mujer señala los efectos de las estadísticas en una pantalla de cuadros y gráficos.

¿Cuáles son los efectos peligrosos de las estadísticas? ¿Cómo perpetúan las estadísticas los prejuicios sociales? Lo creas o no, los modelos matemáticos peligrosos pueden tener graves repercusiones en la sociedad. Según Cathy O'Neil, las estadísticas peligrosas perjudican desproporcionadamente a los pobres, reproducen prejuicios sociales y crean profecías autocumplidas perjudiciales. Más información sobre cómo las estadísticas pueden afectar negativamente a las personas y a la sociedad cuando se utilizan incorrectamente.

Discriminación por Big Data: Perjudicar a los pobres en favor de los ricos

Una imagen ilustrada del mundo rodeada de cuadros y gráficos.

¿Qué causa la discriminación de los macrodatos? ¿Cómo perjudican a los pobres los modelos matemáticos peligrosos? En Weapons of Math Destruction, Cathy O'Neil sostiene que los modelos matemáticos peligrosos perjudican desproporcionadamente a los pobres. Esto se debe a que muestran favoritismo hacia los ricos. Profundicemos en el problema de la discriminación de los macrodatos.

Cómo mejorar la ética en matemáticas: 3 métodos

Una mujer sentada ante un escritorio y examinando tablas y gráficos sobre papel.

¿Cómo se pueden utilizar éticamente los modelos matemáticos? ¿Qué formas hay de regular el uso de modelos matemáticos por parte de la industria? Cathy O'Neil propone estrategias que las industrias y los gobiernos pueden adoptar para limitar los daños causados por modelos matemáticos peligrosos. Recomienda supervisar los modelos matemáticos, regularlos y establecer objetivos más positivos para los modelos matemáticos. Siga leyendo para saber más sobre la ética en las matemáticas.

La equidad en economía: 2 ejemplos que demuestran que no funciona

Una persona que se atiene a la equidad en economía mientras escribe en un papel con monedas.

¿Debe tenerse en cuenta la equidad en economía? ¿En qué medida entra en conflicto la equidad con la optimización del presupuesto? El economista Richard H. Thaler sostiene que los consumidores se preocupan por la equidad y la cooperación, incluso cuando estas preocupaciones se interponen en su presupuesto. Lo demuestra con dos experimentos: el juego del ultimátum y el dilema del prisionero. Descubra por qué la equidad en economía no siempre tiene un final feliz.

Sesgo de selección en estadística: 2 formas en que los datos defectuosos crean mentiras

¿Hay que fiarse de los argumentos basados en datos? ¿Cómo pueden los datos salir terriblemente mal? En Calling Bullshit, Carl T. Bergstrom y Jevin D. West investigan cómo se crean las mentiras. Afirman que esto ocurre cuando la gente utiliza datos defectuosos como base de sus argumentos. En concreto, afirman que el sesgo de selección puede llevar a la mentira porque justifica conclusiones erróneas basadas en muestras no representativas. Siga leyendo para entender cómo el sesgo de selección en estadística puede dar lugar a información errónea perjudicial.