Big Data e Data for Good na Ciência da Informação: aproximação teórica

Patricia Siqueira  Santos; Nathalia Berger Werlang

doi:10.5433/1981-8920.2026v31n2p322

Autores/as

Patricia Siqueira Santos Universidad Federal de Santa Catarina https://orcid.org/0000-0003-3622-3372
Nathalia Berger Werlang Universidad Federal de Santa Catarina https://orcid.org/0000-0003-0172-6025

DOI:

https://doi.org/10.5433/1981-8920.2026v31n2p322

Palabras clave:

Big Data, Datos para el bien, Ciencia de la Información, Revisión de Literatura

Resumen

Introducción: basado en el alcance del Big Data y su relación con las Ciencias de la Información, este trabajo investiga los conceptos y aplicaciones de Data for Good, un enfoque de uso de datos para el bien común.
Objetivo: comprender cómo los temas ya estudiados en Ciencias de la Información se integran en los debates sobre Data for Good, así como identificar qué enfoques, basados en los Grupos de Trabajo de Enancib, permiten una mejor interacción con las publicaciones identificadas em la revisión bibliográfica.
Metodología: se utiliza el análisis temático para identificar las relaciones encontradas y se definen cuatro temas principales: Ciudades; Educación, Salud y Comunidad. Los datos de los artículos investigados se referencian cruzadamente con la información de los resúmenes de los grupos de trabajo de la Reunión Nacional de Investigación en Ciencia de la Información (Enancib).
Resultados: os trabajos recuperados presentan investigación con una diversidad de métodos de recopilación y análisis de datos. Estos estudios, incluso sin referenciar directamente a la Ciencia de la Información, exploran temas que son transversales y claramente relevantes para el área. Los cuatro grupos de trabajo que destacan en la relación hecha con los artículos son GT 05; GT 11; GT 08 y GT 06, encontrando una relación con los temas propuestos.
Conclusiones: es posible establecer un paralelismo entre sus intentos de utilizar Big Data para apoyar la solución de problemas socioambientales, con la identificación de riesgos, beneficios e indicación de buenas prácticas para la toma de decisiones informadas.

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Patricia Siqueira Santos, Universidad Federal de Santa Catarina

Candidata a doctora en Ciencias de la Información en el Programa de Posgrado en Ciencias de la Información de la Universidade Federal de Santa Catarina (UFSC). Florianópolis, Brasil.

Nathalia Berger Werlang, Universidad Federal de Santa Catarina

Doctora en Administración por la Universidade Federal de Santa Catarina (UFSC).Profesora del Departamento de Ciencias de la Información y del Programa de Posgrado en Ciencias de la Información de la Universidade Federal de Santa Catarina (UFSC). Florianópolis, Brasil.

Citas

ASSOCIAÇÃO NACIONAL DE PESQUISA E PÓS-GRADUAÇÃO EM CIÊNCIA DA INFORMAÇÃO (ANCIB). Coordenações e Ementas de GT. 2026. Disponível em: https://ancib.org/coordenacoes-e-ementas-de-gt/. Acesso em: 7 maio 2026.

BORKO, H. Information Science: what is it? American Documentation, New Jersey, v. 19, n. 1, p. 3-5, 1968. Disponível em: https://doi.org/10.1002/asi.5090190103. Acesso em: 21 ago. 2025.

BRAUN, V.; CLARKE, V. Using thematic analysis in psychology. Qualitative Research in Psychology, [S.l.], v. 3, n. 2, p. 77-101, 2006. Disponível em: https://www.tandfonline.com/doi/abs/10.1191/1478088706qp063oa. Acesso em: 13 mar. 2025.

CALZADA, I. Smart Citizens: From Data Providers to Decision-Makers? The Case Study of Barcelona. MDPI Sustainability, 10(9), 3252, p. 1-25, 2018. Disponível em: https://doi.org/10.3390/su10093252. Acesso em: 09 ago. 2026.

CHAI, X.; GUO, X.; XIAO, J.; JIANG, J. Analysis of spatiotemporal mobility of shared-bike usage during COVID-19 pandemic in Beijing. Transactions in GIS, [S.l.], v. 00, p. 1-22, 2021. Disponível em: https://doi.org/10.1111/tgis.12784. Acesso em: 22 fev. 2025.

CHANDY, R.; HASSAN, M.; MUKHERJI, P. Big Data for Good: Insights from Emerging Markets. Journal of Product Innovation Management, [S.l.], v. 34, n. 5, p. 703-713. Disponível em: https://onlinelibrary.wiley.com/doi/abs/10.1111/jpim.12406. Acesso em: 13 mar. 2025.

D4GX INDIA. Data for Good Exchange 2024 India. 2024. Disponível em: https://www.d4gxindia.com/. Acesso em: 13 mar. 2025.

DATA KIND. Our Story. 2025. Disponível em: https://www.datakind.org/about-us/our-story/. Aceso em: 13 mar. 2025.

DATA SCIENCE ACADEMY. Big Data Fundamentos 3.0. 2023. Disponível em: https://www.datascienceacademy.com.br. Acesso em: 10 ago. 2024.

DAVENPORT, T. H. Big data no trabalho: derrubando mitos e descobrindo oportunidades. Rio de Janeiro: Alta Books, 2017.

DAVENPORT, T. H. How strategists use “big data” to support internal business decisions, discovery and production. Strategic Leadership, Leeds, v. 42, n. 4, p. 45-50, 2014. Disponível em: https://doi.org/10.1108/SL-05-2014-0034. Acesso em: 22 ago. 2025.

DRIVENDATA. Data science competitions to build a better world. 2024. Disponível em: https://www.drivendata.org/. Acesso em: 13 mar. 2025.

GUTIERREZ, M.; BRYANT, J. The Fading Gloss of Data Science: Towards an Agenda that Faces the Challenges of Big Data for Development and Humanitarian Action. Development, [S.l.], v. 65, p. 80-93, 2022. Disponível em: https://doi.org/10.1057/s41301-022-00327-2. Acesso em: 22 fev. 2025.

HÖPER, L.; SCHULTE, C. The data awareness framework as part of data literacies in K-12 education. Information and Learning Sciences, [S.l.], v. 125, n. 7/8, p. 491-512, 2023. Disponível em: https://doi.org/10.1108/ILS-06-2023-0075. Acesso em: 22 fev. 2025.

INSTITUTO DE CIDADANIA EMPRESARIAL - ICE. Tecnologias e uso de dados para transformação social: Movimento Data for Good começa a se estruturar no Brasil. 2018. Disponível em: https://ice.org.br/2018/10/17/tecnologias-e-uso-de-dados-para-transformacao-social-movimento-data-for-good-comeca-a-se-estruturar-no-brasil/. Acesso em: 13 mar. 2025.

JIA, S.; KIM, S. H.; NGHIEM, S. V.; DOHERTY, P.; KAFATOS, M. C. Patterns of population displacement during mega-fires in California detected using Facebook Disaster Maps. Environmental Research Letters, [S.l.], v. 15, n. 7. 2020. Disponível: https://doi.org/10.1088/1748-9326/ab8847. Acesso em: 07 maio 2026.

KONTOKOSTA, C. E.; MALIK, A. The resilience to emergencies and disasters index: applying big data to benchmark and validate neighborhood resilience capacity. Sustainable Cities and Society, v. 36, p. 272–285. Disponível em: http://dx.doi.org/10.1016/j.scs.2017.10.025. Acesso em: 09 ago. 2026.

LANCY, D. 3D Data Management: Controlling Data Volume, Velocity, and Variety. Application Delivery Strategies. Stamford: Meta Group. 2001. Disponível em: https://studylib.net/doc/8647594/3d-data-management--controlling-data-volume--velocity--a. Acesso em: 13 mar. 2025.

LUCCHINI, L.; CENTELLEGHER, S.; PAPPALARDO, L.; GALLOTTI, R.; PRIVETERA, F.; LEPRI, B.; NADAI, M. Living in a pandemic: changes in mobility routines, social activity and adherence to COVID-19 protective measures. Scientific Reports, [S.l.], v. 11, n. 24452, p. 1-14, 2021. Disponível em: https://doi.org/10.1038/s41598-021-04139-1. Acesso em: 22 fev. 2025.

MANN, G.; SAHUGUET, A. With Great Data Comes Great Responsibility: How Data Science Can Be Applied to Solve Public Interest Problems Without Losing Its Soul. Journal of Technology in Human Services, [S.l.], v. 36, 2018. Disponível em: https://doi.org/10.1080/15228835.2017.1419157. Acesso em: 13 mar. 2025.

MICHAŁOWICZ, A. Data Sharing for the Common Good – Remarks on the Data Altruism Framework Established under the Data Governance Act. Yearbook of Antitrust and Regulatory Studies, [S.l.], v. 17, n. 29, p. 209-234, 2024. Disponível em: https://doi.org/10.7172/1689-9024.YARS.2024.17.29.7. Acesso em: 22 fev. 2025.

MOHAN, P. S.; RAMSAWAK, R. Using Crowdsourced Data to Assess the Impact of Shelter-in-Place Orders (SIPO) during COVID-19: Lessons from a Small Island Developing State. Journal of Health Management, [S.l.], v. 26, n. 3, p. 555–570, 2024. Disponível em: https://doi.org/10.1177/09720634241244422. Acesso em: 22 fev. 2025.

MONTEIRO, M.J., MAIA, P. A Framework for Building pro-bono Data for Good Projects. In: KAMP, M., KOPRINSKA, I.; BIBAL, A.; BOUADI, T.; FRÉNAY, B.; GALÁRRAGA, L.; ORAMAS, J.; ADILOVA, L.; KRISHNAMURTHY, Y.; KANG, B.; VIARD, T.; WELKE, P.; RUPCCP, M.; AUNE, E.; GALLICCHIO, C.; SCHIELE, G.; PERNKOPF, F.; BLOTT, M.; FRÖNING, H.; SCHINDLER, G.; GUIDOTTI, R.; MONREALE, A.; RINZIVILLO, S.; BIECEK, P.; NTOUTSI, E.; PECHENIZKIY, M.; ROSENHAHN, B.; BUCKLEY, C.; CIALFI, D.; LANILLOS, P.; RAMSTEAD, M.; VERBELEN, T. FERREIRA, P. M.; ANDRESINI, G.; MALERBA, D.; MEDEIROS, I.; FOURNIER-VIGER, P.; NAWAZ, M. S.; VENTURA, S.; SUN, M.; ZHOU, M.; BITETTA, V.; BORDINO, I.; FERRETTI, A.; GULLO, F.; PONTI, G.; SEVERINI, L.; RIBEIRO, R.; GAMA, J.; GAVALDÀ, R.; COOPER, L.; GHAZALEH, N.; RICHIARDI, J.; ROQUEIRO, D.; MIRANDA, D. S.; SECHIDIS, K.; GRAÇA, G. Machine Learning and Principles and Practice of Knowledge Discovery in Databases. Springer: [S.l.], 2021. v. 1525. Disponível em: https://doi.org/10.1007/978-3-030-93733-1_19. Acesso em: 22 fev. 2025.

NGUYEN, H.; NGUYEN, T.; NGUYEN, D. T. A Graph-Based Approach for Population Health Analysis Using Geo-Tagged Tweets. Multimedia Tools and Applications, v. 80, p. 7187-7204, 2021. Disponível em: https://doi.org/10.1007/s11042-020-10034-0. Acesso em: 22 fev. 2025.

PATIL, D. J; MASON, H. Data Driven: Creating a Data Culture. California: O'Reilly Media, 2015.

SANDER, I. Critical datafication literacy – a framework for educating about datafication. Information and Learning Sciences, [S.l.], v. 125, n. 3/4, p. 270-292, 2024. Disponível em: https://doi.org/10.1108/ILS-06-2023-0064. Acesso em: 22 fev. 2025.

SANTOS, A. P.; HEIDER, K.; GRESSE JUNIOR, S.; RODRIGUEZ LOPEZ, J. M. The uneven burden of COVID-19 in the metropolitan region of São Paulo, Brazil – Risk analysis from a bottom-up perspective. Applied Geography, [S.l.], v. 162, 2024. Disponível em: https://doi.org/10.1016/j.apgeog.2023.103146. Acesso em: 22 fev. 2025.

SHERBININ, A.; BOWSER, A.; CHUANG, T. R.; COOPER, C.; DANIELSEN, F.; EDMUNDS, R.; ELIAS, P.; FAUSTMAN, E.; HULTQUIST, C.; MONDARDINI, R.; POPESCU, I.; SHONOWO, A.; AIVAKUMAR, K. The Critical Importance of Citizen Science Data. Frontiers in Climate, [S.l.], v. 3, p. 1-12, 2021. DOI: 10.3389/fclim.2021.650760. Disponível em: https://www.frontiersin.org/articles/10.3389/fclim.2021.650760/full. Acesso em: 22 fev. 2025.

SILVEIRA, M.; MARCOLIN, C. B.; FREITAS, H. Uso Corporativo do Big Data: Uma Revisão de Literatura. Revista de Gestão e Projetos, [S.l.], v. 6, n. 3. set/dez. 2015. Disponível em: https://periodicos.uninove.br/gep/article/view/9627/4372. Acesso em: 13 mar. 2025.

SOCIAL GOOD BRASIL – SGB. Quem somos. 2025. Disponível em: https://socialgoodbrasil.org.br/quem-somos/. Acesso em: 13 mar. 2025.

WANG, G.; ZHAO, J.; VAN-KLEEK, M. G.; SHADBOLT, N. R. ‘Don’t make assumptions about me!’: Understanding children’s perception of datafication online. In: ACM CONFERENCE ON COMPUTER-SUPPORTED COOPERATIVE WORK AND SOCIAL COMPUTING, 22, 2022, Nova Iorque. Anais eletrônicos […] Nova Iorque: Association for Computing Machinery, 2022. p. 1-24. Disponível em: https://dl.acm.org/doi/10.1145/3555144. Acesso em: 22 fev. 2025.

WITAYANGKURN, A.; ARAI, A.; SHIBASAKI, R. Development of Big Data-Analysis Pipeline for Mobile Phone Data with Mobipack and Spatial Enhancement. ISPRS International Journal of Geo-Information, [S.l.], v. 11, n. 196, p. 1-21, 2022. Disponível em: https://doi.org/10.3390/ijgi11030196. Acesso em: 22 fev. 2025.

XIA, J.; WANG, J.; LAI, Y. Development Strategy Based on Combination Typologies of Building Carbon Emissions and Urban Vibrancy—A Multi-Sourced Data-Driven Approach in Beijing, China. Land, [S.l.], v. 13, n. 1062, p. 1-19, 2024. Disponível em: https://doi.org/10.3390/land13071062. Acesso em: 22 fev. 2025.

YOON, A.; COPELAND, A. Understanding social impact of data on local communities. Aslib Journal of Information Management, [S.l.], v. 71, n. 4, p. 558-567, 2019. Disponível em: https://doi.org/10.1108/AJIM-12-2018-0310. Acesso em: 22 fev. 2025.