Programa curso Internet y Sociedad

Descripción actividad curricular

Vivimos en sociedades crecientemente mediadas por lo digital. Gobiernos, empresas, universidades, hasta nuestra propia vida cotidiana, se encuentran cada vez más entrecruzadas por Internet, algoritmos, sensores y plataformas digitales. Pero estas tecnologías no solo median nuestras interacciones sociales, sino que también registran e inscriben esas interacciones en largas bases de datos -en lo que se ha denominado por Big Data. De modo que múltiples prácticas cotidianas, desde comprar en el supermercado, compartir con amistades o subirse al transporte público, pueden dejar algún tipo de huella digital sobre nuestras identidades, vínculos, preferencias y comportamientos.

Bajo este escenario de datificación de la vida social, se ha sostenido que estaríamos ante una ‘nueva era’ o ‘cambio epocal’ en cómo puede ser conocida y gobernada la sociedad, ahora guiados por el Big Data, la inteligencia artificial y visualizaciones interactivas. Al mismo tiempo, se ha criticado fuertemente el uso de estos datos digitales por presentar sesgos y falencias metodológicas, propiciar formas de vigilancia masiva o reproducir brechas, discriminaciones y desigualdades digitales.

Si lo digital se ha vuelto parte fundamental de la vida social, las ciencias sociales deben involucrarse e indagar en estas formas de sociabilidad contemporáneas. La propia investigación social ya se encuentra atravesada por las tecnologías digitales, tanto en sus procesos de generación, recopilación y procesamiento de datos, como en los modos de difundir los hallazgos e incidir en la sociedad. Pero, al mismo tiempo, se han abierto nuevas maneras de aproximarnos y estudiar los fenómenos sociales con métodos más inventivos y experimentales que re-orientan los datos inscritos en Internet.

Este curso busca introducir a lxs estudiantes en una serie de debates teóricos y empíricos sobre los estudios sociales de Internet y las tecnologías digitales. De manera más profunda, aborda el entretejimiento entre lo social y lo digital y sus implicancias para las ciencias sociales. En este sentido, se revisa críticamente los debates contemporáneos en torno a la noción de ‘Big Data’ y las implicancias de los procesos de digitalización y datificación de la vida social para las ciencias sociales. Situado entre la Sociología, los Estudios sociales de Ciencia y Tecnología con las Ciencias de la Computación, el curso aborda lo digital en un doble sentido, tanto como “objeto” de estudio como “instrumento” de investigación. Por lo que en el curso se entregarán técnicas para recolectar y analizar datos digitales para el abordaje de problemas sociales relevantes. Para ello, en el curso se les invita a lxs estudiantes a desarrollar un proyecto de investigación social digital sobre alguna temática de interés, incluyendo la revisión de técnicas para la producción y recolección de datos hasta su vinculación con la sociedad, incluyendo reflexiones críticas sobre la ética, epistemología y los regímenes de propiedad sobre los datos y dispositivos digitales

Propósitos de aprendizaje

Objetivo General

Conocer y comprender los enfoques teóricos y empíricos en torno a los estudios sociales de Internet, y especialmente sobre los métodos digitales para investigar problemas sociales para generar una discusión reflexiva y crítica en torno a su impacto en las ciencias sociales.

Objetivo Específicos

  • Comprender cómo las nuevas tecnologías y medios digitales están moldeando la sociedad contemporánea al generar grandes volúmenes de datos y sus implicancias para las ciencias sociales.
  • Desarrollar habilidades y aplicar métodos digitales, comprendiendo sus presupuestos epistemológicos, así como las principales técnicas de recolección y análisis.
  • Profundizar en tópicos específicos del entretejimiento entre lo social y lo digital, especialmente sobre cómo los datos digitales son indicativos de fenómenos sociales relevantes.

Contenidos

Unidad 1. Teorizando la sociedad digital: Fundamentos para la investigación social digital

  1. El Ciberespacio a la Dataficación de todo
  2. Big Data I: Definiciones generales de las Vs, desarrollo histórico y expectativas.
  3. Big Data II: Estudios críticos de los datos, Brechas de Big data, trabajo gratuito, extractivismo y colonialismo de datos.
  4. La digitalización de la investigación social y debates contemporáneos en torno a los Métodos Digitales

Unidad 2: Re-orientando lo digital para la investigación social: Métodos y técnicas digitales de recolección de información y análisis social.

  1. Thick Data y aproximaciones etnográficas.
  2. Scraping: nociones de código html, páginas web, hipervínculos.
  3. APIs requests: nociones de apps, API y extracción de tweets.
  4. Análisis de Redes Sociales: Teoría y visualización de grafos. Controversias y tópicos.
  5. Análisis de Contenido, Sentimiento y/o Geoespacial.
  6. Ética, archivación y política de la investigación social digital.

Metodología

El curso se desarrollará a través de dos unidades que contaran con dos modalidades de clases.

  1. Sesiones de exposición y discusión de textos de la bibliografía del curso en las cuales se estimulará fuertemente el debate.
  2. Sesiones prácticas de programación en que se enseñarán nociones básicas de programación en el programa de software libre R para la ejecución de métodos digitales. Como con todo lenguaje extraño, la mejor manera de aprender el lenguaje de R es escribiendo y probando muchos códigos.

Evaluación de aprendizajes

La evaluación del curso se realizará mediante los siguientes instrumentos:

  1. Trabajo de Investigación Social Digital (80% de la nota final del curso).

De manera individual deberán definir una pregunta de investigación relevante, que se abordará con la aplicación de métodos de análisis cualitativo y/o cuantitativo utilizando herramientas de métodos digitales. Se entiende el alcance exploratorio del análisis, dado las limitantes de tiempo del curso. La calificación de este trabajo incluye 2 Avances de máximo 2 planas y un reporte final los cuales deberán subirse a un blog multimedial que servirá de bitácora de la investigación:

  • Avance 1: ¿Qué quiero estudiar? 20% de la nota final del curso y plazo: 10 de junio Debe incluir una formulación clara del problema y su contexto, una definición de preguntas y objetivos de investigación, justificación del proyecto y respetar aspectos de formato. (1000-1500 palabras, sin contar referencias)
  • Avance 2: ¿Cómo lo voy a estudiar? 20% de la nota final del curso y plazo: 1 de julio Debe incluir una revisión del problema de investigación, preguntas, objetivos y contexto del proyecto del avance 1. Debe agregar una robusta y pertinente revisión bibliográfica para conceptualizar y comprender el problema de investigación. Esta discusión de literatura debe incluir textos de la bibliografía y contenidos del curso y tender a construir un marco conceptual propio. Además, debe contener una propuesta metodológica para la investigación, identificando técnicas de recolección de datos y análisis a realizar. (2500-3000 palabras, sin contar referencias).
  • Reporte de investigación: 40% de la nota final del curso y plazo: 15 de julio Deberá incluir una introducción atractiva al problema de investigación, marco teórico revisado, descripción de la metodología empleada, presentación de resultados relevantes, conclusiones y reflexión crítica sobre los hallazgos y los dispositivos y métodos utilizados, más referencias (4500-5000 palabras, sin contar referencias).

El atraso en la entrega de cada una de las etapas del trabajo será castigado con una disminución de 0,3 puntos (3 décimas) por día en la nota de dicha evaluación, incluyendo los días de fines de semanas.

  • Participación (20% de la nota final del curso).

Se evaluará la frecuencia y calidad de las preguntas y comentarios de lxs estudiantes en las clases y especialmente los realizados hacia las investigaciones de sus compañerxs.

Nota: Este curso no requiere de grandes conocimientos en programación y no está pensado para formar una gran experticia en computación. Por lo demás, no existe una manera correcta de procesar Big Data en las ciencias sociales, ya que cada caso u objeto a analizar requerirá códigos y herramientas de procesamiento específicas. Por ello que más que un único método, el curso está orientado a dar un panorama general de técnicas y herramientas vigentes de recolección y análisis de datos digitales, tanto cuantitativos como cualitativos, buscando fomentar “sensibilidades” en el manejo de Big Data sobre qué funciona y bajo qué condiciones. Estas sensibilidades requieren paciencia, búsqueda autónoma de soluciones, trabajo colaborativo e iterativo (¡sobre todo iterativo!).

Recursos Pedagógicos

* Asenjo Morosetti, A. & Riveros, C. (2015). Big Data: las implicancias de la democratización de los métodos. Oportunidades y desafíos que los dispositivos y datos digitales plantean para la investigación social. Temas sociológicos, (19), 237-266. http://ediciones.ucsh.cl/ojs/index.php/TSUCSH/article/view/268

Ackland, R. (2013). Web social science: Concepts, data and tools for social scientists in the digital age. Los Angeles, CA: Sage.

Amoore, L. & Volha, P. (2015). Life beyond big data: governing with little analytics. Economy and Society, 44(3), DOI: 10.1080/03085147.2015.1043793

Anderson, C. (2008). The end of theory: the data deluge makes the scientific method obsolete. Wired, June 23. http://www.wired.com/2008/06/pb-­­theory/

* Ardévol, E. (2016). Big data y descripción densa. Virtualis, 7(14), 14-38. https://www.revistavirtualis.mx/index.php/virtualis/article/view/186

Ardévol, E., Estalella, A. & Domínguez, D. (coord.) (2008). La mediación tecnológica en la práctica etnográfica. Actas del XI congreso de antropología de la FAAEE. Donostia, Pais Vasco: Ankulegi Antropologia Elkartea.

Arora, P. (2016). The Bottom of the Data Pyramid: Big Data and the Global South. International Journal of Communication, 10, 1681-1699.

Beaulieu, A. (2004). Mediating ethnography: objectivity and the making of ethnographies of the internet. Social Epistemology, 18(2-3), 139-164.

Beaulieu, A. & Simakova, E. (2006). Textured Connectivity: an ethnographic approach to  understanding the timescape of hyperlinks. International Journal of Scientometrics, Informetrics and Bibliometrics, 10 (1).

Boellstorff,     T.       (2013).      Making      big       data,       in       theory.                         First  Monday, 18(10), http://firstmonday.org/ojs/index.php/fm/article/view/4869/3750.

Borra, E., & Rieder, B. (2014). Programmed method: developing a toolset for capturing and analyzing tweets. Aslib Journal of Information Management, 66 (3), 262-278. http://dx.doi.org/10.1108/AJIM-09-2013-0094

Boyd, D., & Crawford, K. (2012). Critical questions for big data: Provocations for a cultural, technological, and scholarly phenomenon. Information, communication & society, 15(5), 662-679.

Crawford, K. (2013). The hidden biases in big data. Harvard Business Review, Abril 1, 2013.

Brügger, N. (2005) Archiving Websites. General Considerations and Strategies. Aarhus, Dinamarca: The Centre for Internet Research.

Brügger, N. (2013a). Web historiography and Internet Studies: Challenges and perspectives. New Media & Society, 15(5), 752-764. http://dx.doi.org/10.1177/1461444812462852

Brügger, N. (2013b). Historical Network Analysis of the Web. Social Science Computer Review, 31 (3), 306-321. http://dx.doi.org/10.1177/0894439312454267

Bruns, A. (2012). How long is a tweet? Mapping dynamic conversation networks on Twitter using Gawk and Gephi. Information, Communication & Society, 15(9), 1323-1351.

Bruns, A. (2019). After the ‘APIcalypse’: social media platforms and their fight against critical scholarly research. Information, Communication & Society, 22(11), 1544-1566.

Bruns, A., & Liang, Y. E. (2012). Tools and methods for capturing Twitter data during natural disasters. First Monday, 17(4-2). http://firstmonday.org/htbin/cgiwrap/bin/ojs/index.php/fm/article/view/3937/3193

Bruns, A., &  Highfield,  T.  (2013).  Political  networks  on  Twitter:  Tweeting  the  Queensland  state election. Information, Communication & Society, 16(5), 667-691.

Bruns, A., & Stieglitz, S. (2013). Towards  more  systematic  Twitter  analysis:  metrics  for  tweeting  activities. International journal of social research methodology, 16(2), 91-108.

Brussa, V. (2016). Mediatizaciones en tiempos de abundancia de huellas (digitales): Bigdata y métodos digitales para una aproximación a objetos “Stream”. Nuevas mediatizaciones nuevos públicos.

Burrows, R., & Savage, M. (2014). After the crisis? Big Data and the methodological challenges of empirical sociology. Big Data & Society, 1(1), 2053951714540280.

Caliandro, A. (2018). Digital methods for ethnography: Analytical concepts for ethnographers exploring social media environments. Journal of Contemporary Ethnography, 47(5), 551-578.

Coleman, G. (2010). Ethnographic Approaches to Digital Media. Annual Review of Anthropology 39, 487–505.

van Dijck, J. (2014). Datafication, dataism and dataveillance: Big Data between scientific paradigm and ideology. Surveillance & Society, 12(2), 197-208.

van Dijck, J. (2016). La Cultura de la Conectividad. Buenos Aires: Siglo XXI.

DiMaggio, P. (2015). Adapting computational text analysis to social science (and vice versa). Big Data & Society, 2(2). https://doi.org/10.1177/2053951715602908

Edwards, A., Housley, W., Williams, M., Sloan, L., & Williams, M. (2013). Digital social research, social media and the sociological imagination: Surrogacy, augmentation and re-orientation. International Journal of Social Research Methodology, 16(3), 245-260.

Escobar, A. (1994[2005]). Bienvenidos a Cyberia. Notas para una antropología de la cibercultura. Revista de Estudios Sociales, 22: 15-35

Favaro, L. (2018). Los Estudios Críticos de Internet: conceptos, debates y retos. Teknokultura, 15(1), 151-167.

Fielding, N. G., Lee, R. M., & Blank, G. (Eds.). (2008). The SAGE handbook of online research methods. Nueva York: Sage.

Ford, H. (2014). Big Data and Small: Collaborations between ethnographers and data scientists. Big Data & Society 1(2), https://doi.org/10.1177/2053951714544337

Gauntlett, D. (Ed.) (2000). Web. studies: Rewiring media studies for the digital age. London: Arnold.

Giglietto, F., Rossi, L., & Bennato, D. (2012). The open laboratory: Limits and possibilities of using Facebook, Twitter, and YouTube as a research data source. Journal of technology in human services, 30(3-4), 145-159.

Gitelman, L. (Ed.) (2013). “Raw Data” Is an Oxymoron. Cambridge, MA: The MIT Press.

González, M. C., Hidalgo, C. A., & Barabasi, A. L. (2008). Understanding individual human mobility patterns. Nature, 453(7196), 779.

González-Bailon, S. (2013). Social Science in the Era of Big Data. Policy & Internet, 5(2), 147-160.

González-Bailón, S., & Wang, N. (2016). Networked discontent: The anatomy of protest campaigns in social media. Social networks44, 95-104.

Grimmer, J., & Stewart, B. M. (2013). Text as data: The promise and pitfalls of automatic content analysis methods for political texts. Political analysis21(3), 267-297.

Hampton, K. N. (2017). Studying the digital: Directions and challenges for digital methods. Annual Review of Sociology, 43, 167-188.

Hand, M. (2014). From cyberspace to the dataverse: trajectories in digital social research. En Big data? Qualitative approaches to digital research (pp. 1-27). Emerald Group Publishing Limited.

Hilbert, M., Vázquez, J., Halpern, D., Valenzuela, S. & Arriagada, E. (2016). One Step, Two Step, Network Step? Complementary Perspectives on Communication Flows in Twittered Citizen Protests. Social Science Computer Review, Abril 12. http://dx.doi.org/10.1177/0894439316639561

Hine, C. (2000[2004]). Etnografía Virtual. Barcelona: Editorial UOC.

Hine, C. (Ed.). (2005). Virtual methods: Issues in social research on the Internet. Nueva York: Berg.

Hine, C. (2015). Ethnography for the internet: Embedded, embodied and everyday. Bloomsbury Publishing.

* Hine, C. (2017). Ethnography and the internet: taking account of emerging technological landscapes. Fudan Journal of the Humanities and Social Sciences10(3), 315-329.

Horst, H. & Miller, D. (Eds.) (2013). Digital Anthropology, Londres: Berg.

Jürgens, P., & Jungherr, A. (2016). A tutorial for using Twitter data in the social sciences: Data collection, preparation, and analysis. https://ssrn.com/abstract=2710146

Kitchin, R. (2014). The data revolution: Big data, open data, data infrastructures and their consequences. Sage.

Kozinets, R. (2010). Netnography: Doing Ethnographic Research Online. Los Angeles: Sage.

Latour, B., Jensen, P., Venturini, T. (2012). The whole is always smaller than its parts – A digital test of Gabriel Tarde’s Monads. The British Journal of Sociology 63(4): 590–615.

Lazer, D., & Radford, J. (2017). Data ex machina: introduction to big data. Annual Review of Sociology, 43, 19- 39.

Lazer, D., Pentland, A., Adamic, L., Aral, S., Barabási, A. L., Brewer, D., … & Jebara, T. (2009). Computational social science. Science, 323(5915), 721-723.

Lazer, D., Kennedy, R., King, G., & Vespignani, A. (2014). The parable of Google Flu:  traps in big data analysis. Science, 343(6176), 1203-1205.

Lupton, D. (2013). Digital Sociology. Londres: Routledge.

* Maeyer, J. de (2012). Towards a hyperlinked society: A critical review of link studies. New Media & Society, 15(5), 737-751. http://dx.doi.org/10.1177/1461444812462851

Manovich, L. (2011). Trending: The promises and the challenges of big social data. Debates in the digital humanities, 2, 460-475.

Markham, A., & Buchanan, E. (2012). Ethical decision-making and internet research: Version 2.0. recommendations from the AoIR ethics working committee. http://aoir.org/reports/ethics2.pdf

Marres, N. (2006). Net-Work is Format Work. Issue Networks and the sites of civil society politics. En J. Dean, J. Anderson y G. Lovink, Reformatting Politics. Information, Technology and Global Civil Society. Nueva York: Routledge.

Marres, N. (2012). The redistribution of methods: on intervention in digital social research, broadly conceived. The sociological review, 60, 139-165.

Marres, N. (2015). Why Map Issues? On Controversy Analysis as a Digital Method. Science, Technology, & Human Values, 40(5), 1-32. http://dx.doi.org/10.1177/0162243915574602

Marres, N. (2017). Digital Sociology: The reinvention of social research. Cambridge, UK: Polity.

Marres, N. & Gerlitz, C. (2016). Interface methods. Renegotiating relations between digital research, STS and Sociology. Sociological Review, 64(1), 21-46.

* Marres, N. & Rogers, R. (2005). Recipe for Tracing the Fate of Issues and their publics on the Web. En Latour, B. & Wiebel, P. (Eds) Making Things Public. Athmospheres of democracy. Cambridge, MA: MIT Press.

* Marres, N. & Moats, D. (2015). Mapping Controversies with Social Media: The Case for Symmetry. Social Media + Society, 1(2), 1-17. http://dx.doi.org/10.1177/2056305115604176

Marres, N. & Weltevrede, E. (2013). Scraping the social?. Journal of Cultural Economy, 6(3), 313-335 http://dx.doi.org/10.1080/17530350.2013.772070

Mayer-Schönberger, V., & Cukier, K. (2013). Big data: la revolución de los datos masivos. Trad. De Antonio Iriarte. Madrid: Turner.

* Mejías, U., & Couldry, N. (2019). Colonialismo de datos: repensando la relación de los datos masivos con el sujeto contemporáneo. Virtualis, 10(18), 78-97.

* Meneses Rocha, M. E. (2018). Grandes datos, grandes desafíos para las ciencias sociales. Revista mexicana de sociología, 80(2), 415-444.

Milan, S. & Treré, E. (2019). Big Data from the south(s): Beyond data universalism. Television & New Media, 20(4), 319-335.

Miller, D. 2011. Tales from Facebook. Cambridge: Polity Press.

Miller, D. & Slater, D. (2000). The Internet. An Ethnographic Approach. Oxford: Berg.

Murthy, D. (2008). Digital ethnography: An examination of the use of new  technologies  for  social  research. Sociology, 42(5), 837-855.

O’Reilly, T. (2006). Qué es Web 2.0. Patrones del diseño y modelos del negocio para la siguiente generación del software. Boletín de la Sociedad de la Información: Tecnología e Innovación, 3, 177-201. https://www.analfatecnicos.net/archivos/97.QueEsWeb2.0.pdf

Park, H. W. & Thelwall, M. (2003). Hyperlink Analyses of the World Wide Web: A Review. Journal of Computer- Mediated Communication, 8(4). http://dx.doi.org/10.1111/j.1083-6101.2003.tb00223.x

Pentland, A. (2014). Social Physics: How Social Networks can make us smarter. Nueva York, NY: The Penguin Press

Pink, S., Horst, H., Postill, J., Hjorth, L., Lewis, T., & Tacchi, J. (Eds.) (2015). Digital Ethnography: Principles and Practice. Los Angeles, CA: Sage.

Postill, J., & Pink, S. (2012). Social media ethnography: The digital researcher in a messy web. Media International Australia, 145(1), 123-134.

* Rogers, R. (2013). Digital methods. Cambridge, MA: MIT press.

Rogers, R. (2014). Political research in the Digital Age. International Public Policy Review, 8(1), 73-87.

Rogers, R. (2017). Doing Web history with the Internet Archive: screencast documentaries. Internet Histories, 1(1-2), 160-172.

Rogers, R. & Marres, N. (2000). Landscaping climate change: a mapping technique for understanding science and technology debates on the World Wide Web. Public Understanding of Science, 9(2), 141-163.

Ruppert, E., Savage, M. & Law, J. (2013). Reassembling Social Science Methods: The challenge of Digital Devices. Theory, Culture y Society, 30 (4), 22-46.

Ruppert, E. Harvey, P., Lury, C., Mackenzie, A., McNally, R., Baker, S., Lewis, C. (2015). Socializing Big data: from concept to practice. CRESC Working Paper Series No. 138. The University of Manchester and the Open University.

Sadowski, J. (2019). When data is capital: Datafication, accumulation, and extraction. Big Data & Society 6(1), 2053951718820549.

Sajuria, J. & Fábrega, J. (2016). Do we need polls? Why Twitter will not replace opinion surveys, but can complement them. En H. Snee et al. (eds.), Digital Methods for Social Science. Nueva York, EE.UU.:  Palgrave MacMillan.

Salganik, M. (2019). Bit by bit: Social research in the digital age. Princeton: Princeton University Press.

Savage, M., & Burrows, R. (2007). The coming crisis of empirical sociology. Sociology, 41(5), 885-899.

Savage, M., & Burrows, R.  (2009).  Some further reflections on  the  coming  crisis  of  empirical  sociology. Sociology, 43(4), 762-772.

Snee, H., Hine, C., Morey, Y., Roberts, S. & Watson, H. (eds.) (2015). Digital Methods for Social. Nueva York: Palgrave MacMillan.

Smicek, N. (2018). Capitalismo de plataformas. Buenos Aires: Caja Negra.

Terranova, T. (2000). Free labor: Producing culture for the digital economy. Social text, 18(2), 33-58.

Terranova, T. (2017). Red Stack Attack! Algoritmos, capital y la automatización del común. En Avanessian, A. y Reis, M. (Eds.) Aceleracionismo. Estrategias para una transición hacia el postcapitalismo (pp. 91-109). Buenos Aires: Caja Negra.

Thatcher, J, D. O’Sullivan & D. Mahmoudi. (2017). Data Colonialism Through Accumulation by Dispossession: New Metaphors for Daily Data. Environment and Planning D: Society and Space 34(6), 990-1006.

Thelwall, M. (2004). Link Analysis. An information Science Approach. Amsterdam: Elsevier.

Thelwall, M. (2009). Introduction to Webometrics: Quantitative Web Research for the Social Sciences. Morgan & Claypool Publishers.

Thelwall, M., Sud, P., & Vis, F. (2012). Commenting on YouTube videos: From Guatemalan rock to el big bang. Journal of the American Society for Information Science and Technology, 63(3), 616629.

Tinati, R., Halford, S., Carr, L., & Pope, C. (2014). Big data: methodological challenges and approaches for sociological analysis. Sociology, 48(4), 663-681.

Tufekci, Z. (2014). Engineering the public: Big data, surveillance and computational politics. First Monday 19(7). https://firstmonday.org/article/view/4901/4097

Valderrama, M. (2016). Siguiendo los hipervínculos de controversias socio-técnicas:  el caso de  Hidroaysén. Virtualis, 7(14), 170-205.

Valderrama, M.  (2016).  Los Rastros Digitales De Lo Social: Hacia Una Agenda De Estudios Digitales Latinoamericanos. Revista Contenido, Contenido. Cultura y Ciencias Sociales, 7, 1- 24.

Venturini, T. y Latour, B. (2010). “The Social Fabric: Digital Traces and Quali-quantitative Methods”. En Proceedings of Future En Seine 2009. Paris: Editions Future en Seine.

Venturini, T. (2010). Diving in magma: How to explore controversies with actor-network theory. Public Understanding of Science, 19(3), 258–273. http://dx.doi.org/10.1177/0963662509102694

Venturini, T. (2012). Building on faults: how to represent controversies with digital methods. Public Understanding of Science, 21(7), 796-812. http://dx.doi.org/10.1177/0963662510387558

* Venturini, T., & Rogers, R. (2019). “API-Based Research” or How can Digital Sociology and Journalism Studies Learn from the Facebook and Cambridge Analytica Data Breach. Digital Journalism, 1-9. https://doi.org/10.1080/21670811.2019.1591927

Weltevrede, E. & Helmond, A. (2012). Where do bloggers blog? Platform transitions within the historical Dutch blogosphere. First Monday 17(2). http://dx.doi.org/10.5210/fm.v17i2.3775

Weller, K., Bruns, A., Burgess, J., Mahrt, M., & Puschmann, C. (eds.) (2014). Twitter and society. Nueva York: Peter Lang.

Zimmer, M. (2010). “But the data is already public”: on the ethics of research in Facebook. Ethics and information technology, 12(4), 313-325.

Zook M., Barocas, S., boyd, d., Crawford, K., Keller, E., Gangadharan, S.P. et al. (2017). Ten simple rules for responsible         big            data                            research.               PLoS                Comput   Biol                13(3): e1005399. https://doi.org/10.1371/journal.pcbi.1005399