Algoritmos inocentes: reflexiones con perspectiva de género sobre la digitalización y los algoritmos en la música
DOI:
https://doi.org/10.35869/god.v3.6337Palabras clave:
Música, Algoritmos, Inteligencia Artificial, Recomendaciones, Discurso FeministaResumen
El siguiente trabajo examina cómo la digitalización y las tecnologías emergentes, especialmente la inteligencia artificial (IA), están remodelando la sociedad y aborda la intersección, aún poco explorada, entre género, música y tecnologías digitales, mostrando cómo estos procesos influyen en la visibilidad, la representación y el empoderamiento de las artistas. Las plataformas digitales pueden ofrecer nuevos espacios de autonomía y reconocimiento, permitiendo que las mujeres utilicen la música como medio de crítica social y de transformación cultural, desafiando normas tradicionales y subvirtiendo estereotipos de género. Sin embargo, estas posibilidades coexisten con la reproducción de desigualdades sistémicas. Los sistemas algorítmicos y basados en datos suelen favorecer a los artistas masculinos, limitando la presencia y la difusión del trabajo de las mujeres incluso en entornos que se presentan como abiertos y neutrales. Desde una perspectiva feminista, la investigación subraya la necesidad de construir infraestructuras digitales inclusivas que promuevan la diversidad y la igualdad. Basado en la literatura académica reciente, el trabajo identifica la problemática con los sesgos de género en la IA y la ética de los datos con el fin de contribuir al desarrollo de marcos más equitativos y reflexionar sobre el potencial transformador de la tecnología para las mujeres en la música.
Descargas
Citas
Sartori, Giovanni. (1998). Homo videns. La sociedad teledirigida. Taurus. (Orig. 1997).
Aguiar, Luis, Waldfogel, Joel, & Waldfogel, Sarah. (2018). Playlisting favorites: Is Spotify gender-biased? JRC Digital Economy Working Paper 2018-07; JRC Technical Reports, JRC113503. European Commission, Joint Research Centre. https://publications.jrc.ec.europa.eu/repository/handle/JRC113503
Beckwith, Laura, Burnett, Margaret, Grigoreanu, Valentina, & Wiedenbeck, Susan. (2006). Gender HCI: What about the software? Computer, 39(11), 97–101. https://doi.org/10.1109/MC.2006.382
Burnett, Margaret, Beckwith, Laura, Wiedenbeck, Susan, Fleming, Scott, Cao, Jianjun, & Park, Taewoo. (2011). Gender pluralism in problem-solving software. Interacting with Computers, 23(5), 450–460. https://doi.org/10.1016/j.intcom.2011.06.004
Cobo, Leila. (2020, 22 de octubre). Entrevista a Rosalía y Pharrell Williams. YouTube. https://www.youtube.com/watch?v=w09738MzLHY
Ciocca, Stefano. (2017). Spotify’s Discover Weekly: How machine learning finds your new music. HackerNoon. https://hackernoon.com/spotifys-discover-weekly-how-machine-learning-finds-your-new-music COE.
Council of Europe. (2025, 5 marzo). Women as equal partners in the AI revolution: A call for gender equality in the digital age. https://www.coe.int/es/web/portal/-/women-as-equal-partners-in-the-airevolution-a-call-for-gender-equality-in-the-digital-age
Daniels, Jessie, Gregory, Karen, & Cottom, Tressie McMillan. (2017). Digital sociologies (1st ed.). Bristol University Press. https://doi.org/10.2307/j.ctt1t89cfr
Del Villar, Zoila. (2025, 5 febrero). Entrevista sobre IA y sesgos de género. https://www.unwomen.org/es/noticias/entrevista/2025/02/como-la-inteligencia-artificial-refuerza-los-sesgos-de-genero-y-que-podemos-hacer-al-respecto
Deng, Li, & Yu, Dong. (2014). Deep learning: Methods and applications. Foundations and Trends in Signal Processing, 7(3–4), 197–387.
Farris, Dena Nadine, Compton, D’Lane R., & Herrera, Alberto Pedro. (2020). Gender, sexuality and race in the digital age. Springer Nature.
Fernández Álvarez, Lucía. (2021). Soñan Os Androides con Ovellas Machistas? [Comunicación oral]. Cátedra de Feminismos 4.0, UVigo.
Ferraro, Andrés, Serra, Xavier, & Bauer, Christine. (2021). Break the loop: Gender imbalance in music recommenders. In Proceedings of the 2021 Conference on Human Information Interaction and Retrieval (CHIIR ’21) (pp. 249–254). https://doi.org/10.1145/3406522.3446033
Gill, Rosalind, & Orgad, Shani. (2018). The shifting terrain of sex and power: From the “sexualization of culture” to #MeToo. Sexualities, 21(8), 1313–1324.
Goodfellow, Ian, Bengio, Yoshua, & Courville, Aaron. (2017). Deep learning. MIT Press. IM. Instituto de las Mujeres. (Octubre 2025). Ciclo de diálogos. YouTube. https://www.youtube.com/live/GT6kjGl4R8?feature=share
Lagares, José Antonio, Díaz-Díaz, Nuria, & Barranco González, Carlos Daniel. (2022). Aprendizaje profundo: una nueva vía para convertir el dato en conocimiento. Economía Industrial, 423, 25–38. Universidad de Sevilla. https://produccioncientifica.ugr.es/documentos/63c9ee6b9bb1c6154be5e0da
LeCun, Yann, Bengio, Yoshua, & Hinton, Geoffrey E. (2015). Deep learning. Nature, 521, 436–444. https://doi.org/10.1038/nature14539
Metaxa-Kakavouli, Danaë, Wang, Kelly, Landay, James A., & Hancock, Jeff. (2018). Gender-inclusive design: Sense of belonging and bias in web interfaces. Proceedings of the 2018 CHI Conference on Human Factors in Computing Systems (pp. 1–13). ACM. https://doi.org/10.1145/3173574.3174188
ONTSI. Observatorio Nacional de Tecnología y Sociedad. (2025). Brecha digital de género. Edición 2025 – Datos 2024. [Informe]. Gobierno de España. https://www.lamoncloa.gob.es/serviciosdeprensa/notasprensa/transformacion-digital-y-funcion-publica/paginas/2025/070325-informebrecha-digital-genero.aspx
Peláez-Sánchez, Iris Cristina, & Glasserman-Morales, Leonardo David. (2023). Gender digital divide and women’s digital inclusion: A systematic mapping. Multidisciplinary Journal of Gender Studies, 12(3), 258–282. http://dx.doi.org/10.17583/generos.10555
Poow, Cristian. (2025). Cómo funciona el algoritmo de Spotify: explicación completa y ejemplos. https://cristianpoow.com/explicacion-completa-del-algoritmo-de-spotify-con-ejemplos/
PrimaveraPro. (Octubre, 2025). Entrevista sobre algoritmos sesgados y metadata. YouTube. https://www.youtube.com/watch?v=MBPpctCldGw
Romero, Lidia. (2021, 9 de marzo). Entrevista sobre algoritmo musical. https://www.rtve.es/playz/20210309/algoritmo-musical-discrimina-a-mujeres/2059220.shtml
Sáinz, Milagros, Arroyo, Laura, & Castaño, Cecilia. (2020). Mujeres y digitalización: De las brechas a los algoritmos. Instituto de la Mujer y para la Igualdad de Oportunidades; Ministerio de Igualdad. https://www.inmujeres.gob.es/diseno/novedades/M_MUJERES_Y_DIGITALIZACION_DE_LAS_BRECHAS_A_LOS_ALGORITMOS_04.pdf
Smith, Stacy L., Pieper, Katherine, Hernandez, Karla, & Wheeler, Sophia. (2025, enero). Inclusion in the recording studio? Gender & race/ethnicity of artists, songwriters & producers across 1,300 popular songs from 2012 to 2024. USC Annenberg Inclusion Initiative. https://annenberg.usc.edu/research/initiatives/inclusion
Spotify. (2024). 2024 Wrapped [Newsroom]. https://newsroom.spotify.com/2024-wrapped/
Tomás López, Ana Cristina. (2025). Hacia la igualdad digital: Marcos de inclusión en competencias digitales con enfoque de género en la Unión Europea y España. IgualdadES, 12, 125–161. https://doi.org/10.18042/cepc/IgdES.12.04
UNESCO. (2019). Educación en STEM con perspectiva de género. https://unesdoc.unesco.org/ark:/48223/pf0000366803_spa
UNESCO. (s. f.). Acceso y participación de las mujeres en los avances tecnológicos. https://www.unesco.org/es/artificial-intelligence/gender-equality
United Nations. (2025). World Telecommunication and Information Society Day. United Nations. https://www.un.org/es/observances/telecommunication-day
Valles, Cristina. (2025). Innovación con perspectiva de género: Cómo la diversidad impulsa un futuro tecnológico más inclusivo. WITH. https://we-with.com/innovacion-perspectiva-genero-diversidad-impulsa-futuro-tecnologico-mas-inclusivo-cristina-valles/
Wajcman, Judy. (2015). Pressed for time: The acceleration of life in digital capitalism. University of Chicago Press
