{"id":5908,"date":"2025-12-17T14:00:45","date_gmt":"2025-12-17T17:00:45","guid":{"rendered":"https:\/\/blog.scielo.org\/es\/?p=5908"},"modified":"2025-12-17T14:46:26","modified_gmt":"2025-12-17T17:46:26","slug":"soberania-de-datos-cientificos-en-las-tensiones-entre-la-apertura-global-y-la-autonomia-local","status":"publish","type":"post","link":"https:\/\/blog.scielo.org\/es\/2025\/12\/17\/soberania-de-datos-cientificos-en-las-tensiones-entre-la-apertura-global-y-la-autonomia-local\/","title":{"rendered":"Soberan\u00eda de datos cient\u00edficos en las tensiones entre la apertura global y la autonom\u00eda local"},"content":{"rendered":"

Por Fabiano Couto Corr\u00eaa da Silva<\/strong><\/p>\n

Introducci\u00f3n<\/h3>\n
\"Imagen<\/a>

Imagem: jonakoh _ v\u00eda Unsplash<\/a>.<\/em><\/p><\/div>\n

En el centro de los debates contempor\u00e1neos sobre ciencia abierta reside una tensi\u00f3n fundamental que rara vez se explicita: \u00bfc\u00f3mo conciliar el ideal de un conocimiento cient\u00edfico global, accesible para todos, con la necesidad de soberan\u00eda de datos, el derecho de comunidades, instituciones y naciones a controlar los datos que producen,? Este dilema no es meramente t\u00e9cnico o administrativo; toca el n\u00facleo de las relaciones de poder que estructuran la ciencia global. Existe un \u201ctrilema\u201d entre apertura global, soberan\u00eda digital y el riesgo de colonialismo de datos. Para investigadores del Sur Global, comprender y navegar este trilema es esencial para construir una ciencia verdaderamente equitativa.<\/p>\n

El trilema de la ciencia abierta: apertura, soberan\u00eda y colonialismo<\/h3>\n

El ideal de la ciencia abierta es seductor: un bien p\u00fablico global en el que el conocimiento circula libremente a trav\u00e9s de fronteras, acelerando descubrimientos y democratizando el acceso. La respuesta cient\u00edfica a la pandemia de COVID-19 demostr\u00f3 el poder de esa visi\u00f3n. El intercambio r\u00e1pido y abierto de datos gen\u00f3micos del SARS-CoV-2 entre laboratorios de todo el mundo fue decisivo para el desarrollo acelerado de vacunas y tratamientos. Ese es el potencial transformador de la colaboraci\u00f3n sin fronteras.<\/p>\n

No obstante, esta visi\u00f3n optimista debe contrastarse con la realidad geopol\u00edtica de la infraestructura digital que la sostiene. Las plataformas de computaci\u00f3n en la nube, los repositorios de datos a gran escala y los algoritmos de IA m\u00e1s avanzados est\u00e1n dominados por un peque\u00f1o n\u00famero de corporaciones multinacionales (Big Tech<\/em>s), concentradas mayoritariamente en el Norte Global. Esta concentraci\u00f3n de poder crea una dependencia estructural problem\u00e1tica.<\/p>\n

Cuando investigadores del Sur Global depositan sus datos en repositorios controlados por empresas extranjeras, cuando utilizan plataformas de an\u00e1lisis propietarias, cuando dependen de infraestructuras de nube ubicadas en otros pa\u00edses, ceden, en cierta medida, soberan\u00eda sobre un recurso estrat\u00e9gico. Esta dependencia no es solo t\u00e9cnica; tambi\u00e9n es pol\u00edtica y epist\u00e9mica. Quien controla la infraestructura controla, en \u00faltima instancia, las reglas de acceso, las posibilidades de an\u00e1lisis e incluso las formas de conocimiento que pueden producirse.<\/p>\n

Extractivismo de datos: una nueva cara del colonialismo<\/h3>\n

El concepto de extractivismo de datos, inspirado en la cr\u00edtica poscolonial al extractivismo econ\u00f3mico, describe pr\u00e1cticas en las que investigadores e instituciones con mayor poder econ\u00f3mico y simb\u00f3lico extraen datos, muestras y conocimientos de contextos locales sin establecer relaciones genuinamente rec\u00edprocas con las comunidades y los investigadores que hacen posible esa extracci\u00f3n.<\/p>\n

Este fen\u00f3meno es particularmente problem\u00e1tico en \u00e1reas como la salud global, los estudios ambientales y la investigaci\u00f3n social, donde el conocimiento local y el acceso a contextos espec\u00edficos son fundamentales para la calidad de la investigaci\u00f3n. Datos sobre enfermedades tropicales, biodiversidad amaz\u00f3nica, pr\u00e1cticas agr\u00edcolas tradicionales o din\u00e1micas sociales en comunidades vulnerables son recolectados por investigadores del Norte, analizados con herramientas sofisticadas, publicados en revistas de alto impacto y, con frecuencia, los beneficios, tanto en reconocimiento acad\u00e9mico como en aplicaciones pr\u00e1cticas, no retornan a las comunidades de origen.<\/p>\n

El extractivismo de datos no se limita a la apropiaci\u00f3n de recursos materiales. Incluye tambi\u00e9n la apropiaci\u00f3n de conocimientos tradicionales, saberes locales y perspectivas culturales que luego se recontextualizan e interpretan de acuerdo con marcos te\u00f3ricos y metodol\u00f3gicos dominantes, borrando a menudo las contribuciones intelectuales de las comunidades locales.<\/p>\n

Soberan\u00eda de datos: principios y pr\u00e1cticas<\/h3>\n

La soberan\u00eda de datos cient\u00edficos no implica aislamiento o cierre. Se trata de garantizar que las comunidades que generan datos mantengan control sobre c\u00f3mo se usan, por qui\u00e9n y para qu\u00e9 fines. Esto implica:<\/p>\n

    \n
  1. Infraestructuras locales y regionales<\/strong><\/li>\n<\/ol>\n

    Inversi\u00f3n en repositorios de datos, plataformas de an\u00e1lisis y capacidades computacionales locales y regionales. Iniciativas como SciELO Data, repositorios nacionales de datos de investigaci\u00f3n y redes regionales de computaci\u00f3n cient\u00edfica son esfuerzos para reducir la dependencia de infraestructuras extranjeras.<\/p>\n

      \n
    1. Gobernanza participativa<\/strong><\/li>\n<\/ol>\n

      Desarrollo de modelos de gobernanza en los que investigadores, instituciones y, cuando corresponda, comunidades afectadas por la investigaci\u00f3n participen en las decisiones sobre acceso, uso y compartici\u00f3n de datos. Esto es particularmente importante en investigaciones que involucran poblaciones ind\u00edgenas, comunidades tradicionales o grupos vulnerables.<\/p>\n

        \n
      1. Protocolos de compartici\u00f3n equitativa<\/strong><\/li>\n<\/ol>\n

        Creaci\u00f3n de protocolos que garanticen que el intercambio de datos vaya acompa\u00f1ado de un reparto de beneficios, incluida coautor\u00eda, capacitaci\u00f3n, transferencia de tecnolog\u00eda y retorno de resultados a las comunidades de origen.<\/p>\n

          \n
        1. Marcos legales y pol\u00edticos<\/strong><\/li>\n<\/ol>\n

          Desarrollo de legislaciones y pol\u00edticas nacionales y regionales que protejan la soberan\u00eda de datos, como la LGPD en Brasil y regulaciones similares en otros pa\u00edses de Am\u00e9rica Latina.<\/p>\n

          Principios CARE: una alternativa a los principios FAIR<\/h3>\n

          Mientras los principios FAIR (Findable, Accessible, Interoperable, Reusable<\/em> ; Findable, Accessible, Interoperable, Reusable) se centran en la gesti\u00f3n t\u00e9cnica de datos, los principios CARE (Collective Benefit, Authority to Control, Responsibility, Ethics<\/em>; Beneficio Colectivo, Autoridad para Controlar, Responsabilidad, \u00c9tica)1<\/sup><\/a>, desarrollados por comunidades ind\u00edgenas, ponen en el centro la gobernanza de datos desde una perspectiva de justicia y equidad.<\/p>\n

          Los principios CARE reconocen que los datos , especialmente los relacionados con pueblos ind\u00edgenas y comunidades tradicionales, no son solo recursos t\u00e9cnicos, sino que est\u00e1n intr\u00ednsecamente ligados a derechos colectivos, identidades culturales y soberan\u00edas. Proponen que:<\/p>\n

          Beneficio colectivo: Los datos deben utilizarse de maneras que beneficien a las comunidades que los generan.<\/p>\n

          Autoridad para controlar: Las comunidades tienen derecho a gobernar la recolecci\u00f3n, propiedad y aplicaci\u00f3n de sus datos.<\/p>\n

          Responsabilidad: Quienes trabajan con datos tienen la responsabilidad de promover el bienestar de las comunidades.<\/p>\n

          \u00c9tica: Los derechos y el bienestar de las personas deben ser la preocupaci\u00f3n principal en todas las etapas del ciclo de vida de los datos.<\/p>\n

          La integraci\u00f3n de los principios CARE con FAIR representa un camino hacia una ciencia abierta que tambi\u00e9n sea justa y respetuosa de las soberan\u00edas locales.<\/p>\n

          Modelos de colaboraci\u00f3n equitativa: superando el extractivismo<\/h3>\n

          Superar el extractivismo de datos requiere desarrollar nuevos modelos de colaboraci\u00f3n basados en reciprocidad, transparencia y empoderamiento mutuo. Estos modelos deben ir m\u00e1s all\u00e1 de la simple inclusi\u00f3n de investigadores del Sur Global en proyectos concebidos y liderados en el Norte, para promover formas genuinas de co-creaci\u00f3n en las que las agendas de investigaci\u00f3n, las metodolog\u00edas empleadas y los marcos interpretativos se definan colaborativamente desde el inicio.<\/p>\n

          La capacitaci\u00f3n mutua emerge como elemento central en cualquier modelo genuinamente equitativo de colaboraci\u00f3n cient\u00edfica. A diferencia de los modelos tradicionales de \u201ctransferencia de tecnolog\u00eda\u201d, que presuponen un flujo unidireccional de conocimiento del Norte al Sur, la capacitaci\u00f3n mutua reconoce que todos los socios tienen saberes y competencias valiosas que compartir.<\/p>\n

          Ejemplos de pr\u00e1cticas equitativas incluyen:<\/h3>\n