<?xml version="1.0" encoding="UTF-8"?><?xml-stylesheet type="text/xsl" href="static/style.xsl"?><OAI-PMH xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/ http://www.openarchives.org/OAI/2.0/OAI-PMH.xsd"><responseDate>2026-06-01T19:46:13Z</responseDate><request verb="GetRecord" identifier="oai:riuma.uma.es:10630/29998" metadataPrefix="marc">https://riuma.uma.es/rest/oai/request</request><GetRecord><record><header><identifier>oai:riuma.uma.es:10630/29998</identifier><datestamp>2026-02-03T12:03:57Z</datestamp><setSpec>com_10630_2254</setSpec><setSpec>col_10630_37959</setSpec></header><metadata><record xmlns="http://www.loc.gov/MARC21/slim" xmlns:dcterms="http://purl.org/dc/terms/" xmlns:doc="http://www.lyncode.com/xoai" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.loc.gov/MARC21/slim http://www.loc.gov/standards/marcxml/schema/MARC21slim.xsd">
   <leader>00925njm 22002777a 4500</leader>
   <datafield ind2=" " ind1=" " tag="042">
      <subfield code="a">dc</subfield>
   </datafield>
   <datafield ind2=" " ind1=" " tag="720">
      <subfield code="a">Castillo-de-Mesa, Joaquín</subfield>
      <subfield code="e">author</subfield>
   </datafield>
   <datafield ind2=" " ind1=" " tag="260">
      <subfield code="c">2018-11</subfield>
   </datafield>
   <datafield ind2=" " ind1=" " tag="520">
      <subfield code="a">La adopción masiva y la frecuencia de uso de las redes sociales online ha dado lugar a un universo paralelo de socialización (Wilson, Gosling y Graham, 2012) que genera grandes cantidades de datos, atrayendo el interés de investigadores y académicos y siendo denominado Big Social Data (Manovich, 2011). El acceso a estas cantidades masivas de datos posibilita la detección de pautas de comportamientos que a simple vista no son visibles (Boyd y Crawford, 2012). Se trata de un tipo de dato que, siendo más o menos accesible, frente a otros, no molesta a los ciudadanos porque se capturan sin que se sientan observados, otorgando una espontaneidad muy importante en la recogida de los datos. A pesar de las muchas expectativas que genera, hay que matizar que el Big Data no explica las cosas por sí mismo. Se han intensificado las voces que alertan que el Big Data tiene una carencia: explicar el por qué, las razones por las que los usuarios de los servicios hacen lo que hacen, las emociones, sentimientos y realidades que determinan sus comportamientos y actitudes (Boyd y Crawford, 2012). Para cubrir ese vacío Wang (2013) afirma que hace falta el Thick Data, es decir, la “descripción densa” de la información como método para analizar los fenómenos, las culturas y las relaciones entre personas (Geertz, 2003). Para ilustrar con ejemplos, se han analizado movimientos sociales en Twitter® así como la presencia de profesionales en del Trabajo Social en Facebook® (Castillo de Mesa, 2017) utilizando Big Data y Thick Data de forma equilibrada. Para ello se ha utilizado etnografía online, análisis de redes sociales y determinados algoritmos. Los resultados muestran que la afinidad y la emotividad son factores clave de conectividad e interacción.</subfield>
   </datafield>
   <datafield ind1="8" ind2=" " tag="024">
      <subfield code="a">https://hdl.handle.net/10630/29998</subfield>
   </datafield>
   <datafield tag="653" ind2=" " ind1=" ">
      <subfield code="a">Datos masivos - Congresos</subfield>
   </datafield>
   <datafield ind2="0" ind1="0" tag="245">
      <subfield code="a">Big Data aplicada la investigacion y a la intervencion social</subfield>
   </datafield>
</record>
</metadata></record></GetRecord></OAI-PMH>