¿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
¿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
¿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.
Estadísticas de agresiones sexuales a mujeres en Estados Unidos: Un desglose
¿Por qué son tan altas las estadísticas de agresiones sexuales a mujeres en Estados Unidos? ¿Dónde es más probable que se produzcan agresiones sexuales y violaciones? En 2014, Rebecca Solnit estimó que decenas de millones de mujeres son violadas en Estados Unidos cada año. Además, señala que las agresiones sexuales y el acoso tienden a producirse en el lugar de trabajo o en entornos educativos, donde a veces se responsabiliza a las víctimas de evitar estos casos de violencia. Más información sobre por qué las estadísticas de agresiones sexuales a mujeres son tan elevadas en Estados Unidos.
Estadísticas sobre malos tratos a mujeres: Cuántas sufren malos tratos
¿Cuáles son las estadísticas sobre malos tratos a las mujeres? ¿Cómo contribuye el patriarcado a estas cifras crecientes? Según Rebecca Solnit, las mujeres llevan mucho tiempo luchando por los derechos humanos básicos. A pesar de los grandes avances de las últimas décadas, las cifras sobre el maltrato a las mujeres siguen siendo demasiado elevadas. Veamos las estadísticas de maltrato a la mujer para comprender mejor por qué las mujeres siguen luchando por la igualdad.
El efecto de selección por observación: Una herramienta útil para los mentirosos
¿Cuánto daño puede causar una recopilación de datos inadecuada? ¿Cómo pueden aprovecharlos los manipuladores en su propio beneficio? En Calling Bullshit, Carl T. Bergstrom y Jevin D. West sostienen que las patrañas suelen surgir cuando los argumentos basados en datos se apoyan en datos defectuosos. Explican cómo el efecto de selección de observaciones es un ejemplo de ello y muestran cómo algunas personas se aprovechan de él para engañar deliberadamente a otras. Siga leyendo para saber más sobre el efecto de selección de observaciones y cómo puede causar estragos.
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.
Malinterpretar los datos: 6 formas en que los mentirosos intentan engañarte
¿Sabe distinguir la causalidad de la correlación? ¿Te das cuenta de cuándo las cifras se han sacado de contexto? Por desgracia, algunas personas manipulan los datos para engañar a otras. En su libro Calling Bullshit, Carl T. Bergstrom y Jevin D. West sostienen que los mentirosos hacen inferencias no válidas a partir de datos válidos o tergiversan visualmente datos válidos en forma gráfica. Sigue leyendo para saber cómo los mentirosos malinterpretan a propósito los datos para sacar conclusiones injustificadas.
Mentiras en la ciencia: Cómo el énfasis en los valores P conduce a la mentira
¿Es la institución científica inmune a la desinformación? ¿Cómo puede haber mentiras en la ciencia cuando quienes la practican están comprometidos con el método científico? En Calling Bullshit, Carl T. Bergstrom y Jevin D. West sostienen que el hecho de que la ciencia se centre en la significación estadística da lugar a mentiras por dos razones: podemos malinterpretar fácilmente lo que significa la significación estadística, y estamos expuestos a hallazgos estadísticamente significativos sólo debido al sesgo de publicación. Analicemos detenidamente estas dos dinámicas problemáticas de la ciencia.
Llamando a la mierda: El arte del escepticismo en un mundo basado en los datos
¿Reconoces una gilipollez cuando la ves? ¿Qué haces al respecto? ¿Deberías denunciarlas? Con la proliferación de la desinformación en Internet, en las noticias e incluso en el mundo académico, el mundo moderno está repleto de tonterías y mentiras descaradas. En su libro Calling Bullshit, Carl T. Bergstrom y Jevin D. West afirman que cualquiera puede aprender a detectar y refutar las mentiras en sus múltiples formas. Siga leyendo para obtener una visión general de este libro que es más importante que nunca.