Inter- y transdisciplina en la educación superior universitaria: reflexiones desde América Latina

189_ Núcleo de Investigación en Inter- y Transdisciplina para la Educación Superior (NITES) INTER ! Y TRANSDISCIPLINA EN LA EDUCACIÓN SUPERIOR LATINOAMERICANA Sección II: Investigaciones y aproximaciones temáticas Celeste Box Nuestro mantra: datos, información y conocimiento Comencemos por el principio: los datos. Nadie ignora que vivimos ro- deados de ellos, y los generan por sí solos nuestros dispositivos (como la geolocalización), los producimos con nuestra actividad en la Red y las compañías con sus servicios, entre otras fuentes. Somos productores constantes de múltiples huellas digitales que alimentan una nube de datos diversa (y a ella volveremos cuando mencionemos los macroda- tos más conocidos como big data). Esto es lo que nos hace, por así decir- lo, ricos en datos. Si bien los datos suelen ser presentados erróneamen- te como oro, lo que constituye realmente un tesoro es el conocimiento a partir de datos (los datos per se no nos hacen comprender más la rea- lidad circundante, pero el conocimiento sí). La principal característica de los datos es que carecen de sentido. Desprovistos de contexto y toda coordenada semántica, no podemos saber para qué sirven. Solo cuando los transformamos en información pueden servir para algo genuinamente útil. Los datos son alojados en bases, y allí es donde pier- den referencias con la realidad. Serán signos —a veces un número, tras un carácter de cualquier índole, otras un valor no numérico—, pero solo servirán cuando sepamos a qué responde ese número, ese carácter o ese valor: serán los metadatos —la información que nos explica qué son esos datos— los que nos señalen si esos valores re " eren a alumnos presentes, a tipos de alas de pájaros o a preferencias de voto de las per- sonas. Y sólo en ese momento podremos verle una utilidad. Cuando los datos ganan sentido —y ello se adquiere cuando incorporan relevancia y " nalidad—, se les aplicarán varias operaciones intelectuales: contex- tualización, corrección y depuración de los errores, combinación de sus variables, categorización (es decir, ordenarlos de acuerdo a algún cri- terio), calcular sus componentes y, en algunos casos, condensarlos, en diferentes procesos de síntesis y mejora. Con éstas y otras operaciones, los datos sin sentido se convirtieron en información. En el caso del conocimiento, en este contexto de desarrollo informático, entenderemos algo muy distinto a lo que las ciencias sociales pueden intuir sobre el término: conocimiento aquí será, pues, la capacidad de obtener, a partir de la transformación de datos en información, un con- junto de elementos para la acción (fuere esta una decisión, la causa de un evento para tomar una posición ante él, etc.). Esta es una labor ge- nuinamente humana —aun cuando se la puede automatizar—, porque es la que requiere de mayor intervención nuestra: logramos compren-