Machine learning and semiotic logics: the case of digital advertising

This article introduces an approach to the computer machine learning processes from Peirce’s semiotics perspective. To reach this aim, it works in a territory where the machine learning management of data obtained through users’ datafication becomes clearly visible: digital advertising. Based on a r...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autor principal: Zelcer, Mariano
Formato: Artículo revista
Lenguaje:Español
Publicado: Facultad de Ciencia Política y Relaciones Internacionales, Universidad Nacional de Rosario 2023
Materias:
Acceso en línea:https://latrama.unr.edu.ar/index.php/trama/article/view/805
Aporte de:
id I15-R200-article-805
record_format ojs
spelling I15-R200-article-8052023-02-19T19:33:23Z Machine learning and semiotic logics: the case of digital advertising Machine learning y lógicas semióticas: el caso de la publicidad digital -Machine learning y lógicas semióticas: el caso de la publicidad digital Zelcer, Mariano digital advertising machine learning datafication semiotics abduction publicidad digital machine learning datificación semiótica abducción This article introduces an approach to the computer machine learning processes from Peirce’s semiotics perspective. To reach this aim, it works in a territory where the machine learning management of data obtained through users’ datafication becomes clearly visible: digital advertising. Based on a real case, it describes the ways in which machine learning articulates abductive and inductive logics, focusingon how computer systems generate hypotheses based on the identification of similarities and test them in experimental research, whose results work as a new input that feeds back into learning. Este artículo propone una aproximación a los procesos de aprendizaje automático por computadora desde una perspectiva semiótica peirciana. Para ello, trabaja en un territorio privilegiado para la observación de la articulación de la datificación de los usuarios con su posterior gestión mediante sistemas informáticos de aprendizaje por computadora: la publicidad digital. A partir de un caso real, se da cuenta de los modos en los que el machine learning articula lógicas abductivas e inductivas, poniendo foco en los modos en que los sistemas informáticos generan hipótesis a partir de la identificación de semejanzas y las ponen a prueba en investigaciones experimentales, cuyos resultados funcionan como input que realimenta el aprendizaje. Este artículo propone una aproximación a los procesos de aprendizaje automático por computadora desde una perspectiva semiótica peirciana. Para ello, trabaja en un territorio privilegiado para la observación de la articulación de la datificación de los usuarios con su posterior gestión mediante sistemas informáticos de aprendizaje por computadora: la publicidad digital. A partir de un caso real, se da cuenta de los modos en los que el machine learning articula lógicas abductivas e inductivas, poniendo foco en los modos en que los sistemas informáticos generan hipótesis a partir de la identificación de semejanzas y las ponen a prueba en investigaciones experimentales, cuyos resultados funcionan como input que realimenta el aprendizaje. Facultad de Ciencia Política y Relaciones Internacionales, Universidad Nacional de Rosario 2023-02-13 info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion Artículo revisado por pares application/pdf https://latrama.unr.edu.ar/index.php/trama/article/view/805 10.35305/lt.v26i2.805 Journal La Trama de la Comunicación; Vol. 26 No. 2 (2022); 015 - 031 La Trama de la Comunicación; Vol. 26 Núm. 2 (2022); 015 - 031 La Trama de la Comunicación; v. 26 n. 2 (2022); 015 - 031 2314-2634 1668-5628 spa https://latrama.unr.edu.ar/index.php/trama/article/view/805/537 http://creativecommons.org/licenses/by-nc-sa/4.0
institution Universidad Nacional de Rosario
institution_str I-15
repository_str R-200
container_title_str La Trama de la Comunicación
language Español
format Artículo revista
topic digital advertising
machine learning
datafication
semiotics
abduction
publicidad digital
machine learning
datificación
semiótica
abducción
spellingShingle digital advertising
machine learning
datafication
semiotics
abduction
publicidad digital
machine learning
datificación
semiótica
abducción
Zelcer, Mariano
Machine learning and semiotic logics: the case of digital advertising
topic_facet digital advertising
machine learning
datafication
semiotics
abduction
publicidad digital
machine learning
datificación
semiótica
abducción
author Zelcer, Mariano
author_facet Zelcer, Mariano
author_sort Zelcer, Mariano
title Machine learning and semiotic logics: the case of digital advertising
title_short Machine learning and semiotic logics: the case of digital advertising
title_full Machine learning and semiotic logics: the case of digital advertising
title_fullStr Machine learning and semiotic logics: the case of digital advertising
title_full_unstemmed Machine learning and semiotic logics: the case of digital advertising
title_sort machine learning and semiotic logics: the case of digital advertising
description This article introduces an approach to the computer machine learning processes from Peirce’s semiotics perspective. To reach this aim, it works in a territory where the machine learning management of data obtained through users’ datafication becomes clearly visible: digital advertising. Based on a real case, it describes the ways in which machine learning articulates abductive and inductive logics, focusingon how computer systems generate hypotheses based on the identification of similarities and test them in experimental research, whose results work as a new input that feeds back into learning.
publisher Facultad de Ciencia Política y Relaciones Internacionales, Universidad Nacional de Rosario
publishDate 2023
url https://latrama.unr.edu.ar/index.php/trama/article/view/805
work_keys_str_mv AT zelcermariano machinelearningandsemioticlogicsthecaseofdigitaladvertising
AT zelcermariano machinelearningylogicassemioticaselcasodelapublicidaddigital
first_indexed 2023-05-11T18:41:39Z
last_indexed 2023-05-11T18:41:39Z
_version_ 1771348376142479360