Contact

DTL CFT 2018

Winners

 

Call for Tools 2018

El objetivo principal del DTL es apoyar el desarrollo de software dedicado a la transparencia y privacidad de datos. Con este propósito el DTL lanzó la convocatoria internacional de herramientas dirigida a startups, empresas, emprendedores, estudiantes, universidades y centros de investigación para desarrollar aplicaciones, librerías y otras formas de software que ayuden a los usuarios a entender y controlar cómo se usan sus datos cuando se conectan a servicios online: qué datos se recopilan, quién los recopila y cómo se usan. El objetivo de la convocatoria es dar apoyo económico y técnico para el desarrollo de herramientas alineadas con la misión del DTL.

Se han recibido alrededor de 50 proyectos de 17 países y por primera vez han llegado propuestas de Argentina, Colombia, Congo, Perú y Turquía. Los proyectos ganadores se han dado a conocer en la Conferencia DTL del pasado 15 de noviembre. Conoce los proyectos premiados a continuación:

Ganadores

Facebook Tracking Exposed

País: Italia
Importe de la beca: 20 000€
Repositorio: https://github.com/tracking-exposed/facebook
Descripción: Los algoritmos de personalización son herramientas para adaptar la información, en función de la importancia para un usuario específico. En función de la identidad e interacciones de los usuarios, se escogen qué elementos de información mostrar mientras que otros quedan ocultos para ellos. Al implementar este mecanismo de filtrado, Facebook asegura que cada usuario tiene una experiencia adaptada y óptima del servicio, y así no tener que lidiar con un flujo de información no organizado. Los algoritmos de personalización deben ser evaluados positivamente en su potencial para satisfacer las necesidades humanas básicas en la era de la información: reducir la sobrecarga de información, aumentar su alcance y utilidad, y apoyar la autonomía de los usuarios para tomar decisiones informadas. Sin embargo, mientras que los algoritmos facilitan el manejo de la información, las nuevas investigaciones han demostrado evidencias de que este beneficio se ve compensado en gran medida por el efecto negativo social e individual del filtrado. Nuestra visión es aumentar la transparencia detrás de los algoritmos de personalización, para que las personas puedan tener un control más efectivo de su experiencia en Facebook y un mayor conocimiento de la información a la que están expuestos.

Maldita App

País: España
Importe de la beca: 10 000€
Repositorio: https://github.com/MalditaEs/ProofOfConceptMB
Descripción: MalditaApp es una herramienta que alerta de desinformación cuando se navega por internet desde un smartphone. El proyecto de código abierto consiste en una aplicación Android, compatible con el nivel de API> 21, que avisará a los usuarios cuando abran una página web que ha sido desmentida por el proyecto de verificación de datos Maldito Bulo de Maldita.es. La aplicación se conectará a nuestra base de datos para obtener la información requerida y luego verificará localmente si el sitio web o la información misma ha sido previamente desmentida y, en ese caso, mostrará una notificación al usuario. La creación y distribución de la desinformación es muy fácil hoy en día. Esto, junto con el consumo aislado a través de las redes sociales, ha hecho que el ecosistema sea más peligroso. Además, el consumo de noticias en smartphones ha aumentado en España en el último año (Informe del Instituto Reuters). Creemos que es necesario contar con una herramienta que avise cuando se accede a una web que contiene desinformación para permitir que los ciudadanos tomen decisiones y creen opiniones informadas. Además, la aplicación también ofrecería la posibilidad de buscar a través de nuestra información desmentida utilizando dos enfoques diferentes: nuestros usuarios pueden buscar por palabras clave, para lo que necesitamos mejorar nuestro motor de búsqueda con una implementación de Elasticsearch en nuestro servidor; y podrán buscar por imágenes. Esto permitirá al usuario seleccionar una imagen de la galería del dispositivo y combinando diferentes técnicas (tres tipos diferentes de hashes de imagen y OCR) detectará si una imagen similar ya ha sido desacreditada o un audio que se transcribirá y usará como base para buscar por palabra clave.

PersonalData.IO

País: Suiza
Importe de la beca: 20 000€
Repositorio: https://gitlab.com/PersonalDataIO
Descripción: El objetivo general de nuestras actividades es hacer que los derechos sobre los datos personales sean prácticos y útiles, y ayudar a otras organizaciones a hacerlo. Creemos que la construcción colaborativa de un registro de operaciones de procesamiento de datos (disponible como datos abiertos) sería transformadora para nuestros objetivos y los de las organizaciones. La idea principal es replicar el proceso en torno a OpenStreetMap, con el objetivo de mapear de manera flexible los flujos de datos y construir clientes que naveguen por el mapa. Esto significa que podríamos mapear nodos (datos de control), flujos de datos entre ellos, relaciones más complejas entre ellos, y etiquetar cada una de esas entidades de tal manera que las etiquetas sean simultáneamente flexibles y, a la vez, proporcionen una estructura si se desea. Queremos replicar las prácticas de OpenStreetMap, a través de etiquetas de valor-clave, donde las claves y los valores pueden tener una jerarquía adicional, aunque no sea necesario. Esta es una buena práctica ya que la flexibilidad facilita que los recién llegados puedan contribuir. En el lado del mapeo, esperamos contribuciones de expertos en diferentes líneas de trabajo: activistas, académicos, empresarios, reguladores, expertos legales, tecnólogos, comunidades construidas específicamente en torno al empoderamiento de datos personales. Por lo tanto, esperamos etiquetas y contribuciones desde dimensiones diferentes: algunas cubrirán aspectos legales, otras cubrirán la semántica de los datos retenidos, otras cubrirán formatos, auditorías de tecnología (rastreadores en sitios web / aplicaciones), etc. Hay algunos esfuerzos separados en esas diferentes comunidades para hacer este mapeo, por lo que nos centraremos en las herramientas que mantendrán el esfuerzo de mapeo anti-rival [https://en.wikipedia.org/wiki/Anti-rival_good]. Esto significa enfocarse en herramientas: que integran datos de fuentes dispares; que hagan más fácil y más efectivo contribuir; que hagan que este mapa sea lo más rápido posible.

DTL 2018 text logo

Ya puedes registrarte para participar en el Hackathon organizado por LUCA. Conoce los proyectos premiados con una beca Call for Tools. Suscríbete a nuestra Newsletter para estar al día de nuestras noticias y actividades.

This website uses cookies to improve user experience. By using our website you consent to all cookies in accordance with our Cookie Policy.

OK More information