Definición
El concepto de “infraestructura de datos” (data infrastructure) se refiere al conjunto de relaciones —no a un objeto único— que hacen posible que un dato exista y circule. Gray, Gerlitz y Bounegru (2018), retomando el trabajo pionero de Star y Ruhleder (1996), argumentan que una infraestructura de datos no es simplemente “la base de datos” o “el software”, sino una red cambiante compuesta por bases de datos, estándares, sistemas de clasificación, procedimientos, comités, formularios de papel, menús desplegables, componentes de interfaz de usuario y las personas que operan y mantienen todo ese entramado. En palabras de los autores, esta perspectiva relacional implica que “los datos no simplemente designan aspectos del mundo de forma neutral: también lo renderizan de acuerdo con visiones, valores y culturas diferentes” (Gray et al., 2018, p. 3, traducción propia).
Esta idea se conecta con un principio metodológico central de los estudios de infraestructura: la “inversión infraestructural” propuesta por Bowker y Star (1999), que consiste en traer al primer plano el trabajo invisible —técnico, burocrático, social— que normalmente permanece oculto detrás de un dato ya terminado. Cuando vemos una cifra como “£245bn en protección social” en un gráfico gubernamental, no vemos las decenas de decisiones, formularios, comités de estandarización internacional (como el esquema COFOG de la ONU) y reconciliaciones contables que produjeron esa cifra.
Ejemplo
El texto ilustra este concepto con el caso del gasto público del Reino Unido. Una búsqueda simple sobre “¿en qué gasta dinero el gobierno?” arroja gráficos agregados con categorías amplias (Salud: £149bn, Educación: £102bn), pero esconde información específica —por ejemplo, cuánto recibió una empresa particular como Google o Deloitte en contratos públicos—. En el otro extremo, el portal de datos abiertos data.gov.uk ofrece más de 1800 datasets con miles de transacciones individuales (incluyendo un documento que registra cada gasto superior a £500 del Museo de Historia Natural en un solo mes), lo que muestra que la misma infraestructura produce datos de granularidad radicalmente distinta según el propósito institucional que los originó (Gray et al., 2018, p. 4).
Un ejemplo cotidiano y más cercano: pensemos en el sistema de calificaciones de una universidad. La “nota final” que ve un estudiante no es un hecho objetivo y crudo; es el resultado de una infraestructura compuesta por rúbricas, políticas de ponderación, plataformas como Moodle o Canvas, criterios de cada docente y reglamentos institucionales. Entender la nota como infraestructura —y no solo como dato— permite cuestionar por qué se pondera de cierta manera y no de otra.
Relevancia
Este concepto es central para la sesión porque desplaza la pregunta de “¿cómo leo o interpreto datos?” hacia “¿cómo se construyen los datos y qué decisiones quedan invisibilizadas en el proceso?”. Para la interactividad del curso, entender la infraestructura de datos como relación (y no como objeto fijo) es la base que permite comprender los otros conceptos del texto, como las “prácticas inventivas” y los “públicos de datos”, ya que ambos dependen de que la infraestructura sea manipulable, cuestionable y rediseñable.
Referencias y recursos externos
Gray, J., Gerlitz, C., & Bounegru, L. (2018). Data infrastructure literacy. Big Data & Society, 5(2), 1–13. https://doi.org/10.1177/2053951718786316 Bowker, G. C., & Star, S. L. (1999). Sorting things out: Classification and its consequences. MIT Press. Star, S. L., & Ruhleder, K. (1996). Steps toward an ecology of infrastructure: Design and access for large information spaces. Information Systems Research, 7(1), 111–134. Star, S. L. (1999). The ethnography of infrastructure. American Behavioral Scientist, 43(3), 377–391. Recurso complementario (video introductorio sobre infraestructuras invisibles): buscar “Susan Leigh Star infrastructure” en YouTube para charlas y seminarios que explican la ethnography of infrastructure de forma accesible.