--- title: "ACM Conference on Fairness, Accountability, and Transparency" description: "ACM Conference on Fairness, Accountability, and Transparency se centra en las dimensiones técnicas y sociotécnicas de la inteligencia artificial, los algoritmos, los datos y los sistemas computacional..." url: https://dimecongresos.com/congresos/acm-conference-on-fairness-accountability-and-transparency/ date: 2026-08-27 modified: 2026-08-27 author: "Sofía" image: https://dimecongresos.com/wp-content/uploads/2026/08/geralt-web-3963945_640.jpg type: congresos lang: es --- # ACM Conference on Fairness, Accountability, and Transparency ACM Conference on Fairness, Accountability, and Transparency se centra en las dimensiones técnicas y sociotécnicas de la inteligencia artificial, los algoritmos, los datos y los sistemas computacionales que influyen sobre personas, organizaciones y sociedades. El congreso aborda equidad, rendición de cuentas, transparencia, seguridad, privacidad, explicabilidad, gobernanza, justicia y evaluación responsable de tecnologías digitales. Su enfoque es deliberadamente interdisciplinar y admite investigación procedente de informática, ingeniería, ciencias sociales, derecho, humanidades, estadística y filosofía. La convocatoria exige trabajos con una implicación sustancial en las consecuencias sociales de los sistemas computacionales y excluye investigaciones puramente hipotéticas que no analizan de forma profunda el contexto sociotécnico. El objetivo científico de ACM Conference on Fairness, Accountability, and Transparency consiste en mejorar la comprensión y evaluación de los efectos que producen los sistemas de inteligencia artificial y otras tecnologías computacionales. El encuentro favorece investigaciones capaces de identificar riesgos, proponer métodos de análisis, evaluar sistemas desplegados y desarrollar mecanismos técnicos, institucionales o normativos que mejoran su responsabilidad. La convocatoria valora rigor científico, claridad metodológica, originalidad e impacto potencial y admite distintas tradiciones académicas, siempre que la contribución explique con precisión el problema estudiado, sus limitaciones y la relación entre la tecnología y el contexto social en el que opera. La evaluación de datos, algoritmos, modelos, sistemas y aplicaciones constituye una de las principales líneas verificadas. Los trabajos pueden desarrollar auditorías o procedimientos destinados a analizar equidad, justicia, seguridad, privacidad, responsabilidad, transparencia, explicabilidad e inclusión. También pueden estudiar consecuencias culturales, ambientales, sociales o económicas. Esta línea concede importancia a la evaluación empírica de sistemas reales y permite investigar si una tecnología produce diferencias sistemáticas entre grupos, si determinadas métricas representan adecuadamente el daño o si una intervención aparentemente correctora introduce problemas en otras dimensiones. La interpretabilidad y la explicabilidad forman otro eje oficial. Las contribuciones pueden analizar qué información permite comprender una decisión algorítmica y cómo diferentes públicos interpretan las explicaciones proporcionadas. Una explicación técnicamente detallada no siempre resulta útil para una persona afectada, un auditor o una organización responsable. La investigación puede comparar métodos, estudiar sus limitaciones y determinar cuándo una explicación mejora realmente la capacidad para cuestionar o supervisar un sistema. Esta perspectiva relaciona propiedades técnicas de los modelos con necesidades institucionales y humanas. La justicia, el poder y la desigualdad en sistemas computacionales constituyen otro bloque destacado. La convocatoria permite estudiar cómo las tecnologías distribuyen oportunidades, riesgos, beneficios y cargas entre diferentes colectivos. Los trabajos pueden analizar relaciones entre diseño algorítmico, instituciones y estructuras sociales. También pueden investigar impactos laborales y económicos, incluidos cambios introducidos por automatización y sistemas inteligentes. El valor científico reside en proporcionar evidencia y marcos analíticos que permitan comprender cómo determinadas decisiones técnicas participan en procesos sociales más amplios. Los aspectos jurídicos de la inteligencia artificial forman parte expresa del programa. Entre los temas aparecen discriminación, protección de datos, privacidad, propiedad intelectual, responsabilidad, licencias, competencia, desinformación y gobernanza. Los artículos pueden estudiar la relación entre sistemas computacionales y normas jurídicas, analizar cómo se aplican obligaciones existentes o identificar dificultades producidas por nuevas arquitecturas de inteligencia artificial. La investigación jurídica puede combinarse con análisis técnico o empírico cuando esa combinación resulta necesaria para comprender el funcionamiento real de una tecnología. La regulación y la gobernanza de sistemas computacionales representan otra línea prioritaria. Las contribuciones pueden estudiar mecanismos institucionales para supervisar sistemas, marcos de gestión del riesgo, procedimientos de auditoría y formas de documentación. También pueden analizar factores organizativos que influyen en equidad, transparencia y responsabilidad. ACM Conference on Fairness, Accountability, and Transparency reconoce así que muchos problemas no pueden resolverse únicamente modificando un algoritmo y que las estructuras responsables de desarrollar, adquirir y utilizar tecnología condicionan sus resultados. La gestión responsable de datos constituye otro eje científico. Los trabajos pueden abordar procedencia, documentación, calidad, gobernanza, privacidad y decisiones tomadas durante recopilación y preparación. Los datos no aparecen como un recurso neutral, sino como artefactos producidos mediante procesos de selección y clasificación. La investigación puede estudiar cómo esas decisiones afectan posteriormente a modelos y aplicaciones y qué mecanismos permiten documentar limitaciones o evitar usos incompatibles con el propósito original. Los riesgos, daños y fallos de los sistemas computacionales forman una línea especialmente relevante. Los artículos pueden identificar patrones de fracaso, desarrollar modelos de amenaza y proponer mitigaciones. La convocatoria incluye expresamente aproximaciones sociotécnicas a la seguridad de inteligencia artificial y evaluación de sistemas responsables, seguros, éticos y confiables. También admite investigación sobre alineamiento de valores y retroalimentación humana, siempre que analice las consecuencias sociales y no trate estos problemas exclusivamente como optimización técnica. Los métodos participativos y deliberativos constituyen otro ámbito oficial. Las contribuciones pueden estudiar cómo incorporar perspectivas de comunidades y personas afectadas durante diseño, evaluación y gobernanza. También pueden investigar diseño sensible a valores, resistencia, rechazo y contestación de sistemas computacionales. Estas líneas amplían la investigación más allá de quienes construyen la tecnología y reconocen que las personas afectadas pueden aportar conocimiento relevante para identificar riesgos y objetivos que no aparecen en las métricas utilizadas durante desarrollo. La transparencia y la documentación forman otro bloque transversal. Los trabajos pueden investigar mecanismos para documentar datos, modelos, sistemas, procesos y resultados. La transparencia no se entiende únicamente como publicación de información, sino como capacidad para proporcionar evidencia útil a quienes necesitan evaluar una decisión o un sistema. La convocatoria permite estudiar qué información debe conservarse, cómo presentarla y qué límites aparecen cuando existen secretos comerciales, privacidad u otras restricciones. ACM Conference on Fairness, Accountability, and Transparency se dirige a investigadores de inteligencia artificial, ciencias sociales computacionales, derecho, filosofía, política tecnológica, interacción humana, estadística e ingeniería. Su carácter interdisciplinar facilita comparar metodologías y estudiar problemas que atraviesan fronteras académicas tradicionales. ACM Conference on Fairness, Accountability, and Transparency contribuye al avance científico al proporcionar un marco para evaluar la tecnología no solo por sus capacidades, sino también por sus efectos, riesgos, estructuras de responsabilidad y relación con valores sociales. Palabras clave: equidad algorítmica, rendición de cuentas, transparencia, inteligencia artificial responsable, inteligencia artificial segura, inteligencia artificial ética, inteligencia artificial confiable, explicabilidad, interpretabilidad, privacidad, justicia algorítmica, sesgo, discriminación, gobernanza de inteligencia artificial, regulación, auditoría algorítmica, evaluación sociotécnica, gestión del riesgo, protección de datos, responsabilidad, propiedad intelectual, desinformación, impactos laborales, desigualdad, poder, participación, diseño participativo, diseño sensible a valores, documentación de modelos, documentación de datos, gobernanza de datos, seguridad de inteligencia artificial, alineamiento, retroalimentación humana, justicia social, ética tecnológica, sistemas computacionales, evaluación de algoritmos, riesgos tecnológicos, transparencia algorítmica.