Dr. Elena Petrova
Investigadora de datos
En EveryInfra, Elena fija los límites de cumplimiento y ética de datos: qué datos se pueden recopilar, cómo se almacenan y cómo se depuran. También revisa la redacción de los términos legales.
Formación
- Higher School of Economics (Moscú), grado y máster en Matemática Aplicada e Informática (2007–2012)
- Max Planck Institute for Software Systems, doctorado en ciencias sociales computacionales (2012–2018)
Experiencia anterior
- MPI-SWS (Kaiserslautern) — Investigadora posdoctoral (2018–2021)
- Un instituto de investigación sobre derechos digitales (Berlín) — Científica investigadora (2021–2024)
Artículos de Dr. Elena Petrova
- Informe semanal de verificación de edad: 1800 reseñas
¿Puede un informe semanal mostrar cómo se aplica la verificación de edad en las apps? Leímos 1800 reseñas de Google Play y los 2604 comentarios públicos a la EU KIDS Act, sin guardar ningún dato personal.
- Licencias de noticias para IA: ahora se paga por uso
En 30 días, Google, Cloudflare y la coalición de editores SPUR empezaron a cobrar el contenido periodístico por cada uso que hace la IA. Nadie ha resuelto quién cuenta esos usos. Medimos cuántas veces tres buscadores muestran el documento original de ocho de estos hechos.
- Cómo convertir datos de listas de sanciones en un flujo de trabajo de selección: desde la coincidencia de nombres hasta la gestión auditable
La descarga de listas y la coincidencia difusa son solo el punto de partida. Este artículo analiza cómo las versiones de listas, la coincidencia de nombres y entidades, la titularidad beneficiaria, la revisión manual, el monitoreo continuo, la degradación ante fallos y la evidencia de auditoría conforman un producto de selección.
- Comercialización de datos de licitaciones públicas: de la captura de avisos a la suscripción de oportunidades verticales
La información de licitaciones públicas ya se puede buscar, ¿por qué se necesita aún una suscripción de pago? Toma como ejemplo los datos oficiales de TED para analizar la filtración sectorial, la verificación de elegibilidad, los plazos y cambios de versión, la distribución de equipos y los métodos de aceptación de las suscripciones de oportunidades.
- Evalúa la productividad con IA mediante evidencias y métricas claras
Analiza los experimentos aleatorios de 2025 y la actualización de diseño de 2026 junto con encuestas técnicas para separar la velocidad de las tareas, la dedicación humana y el valor de entrega.