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

191_ 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 datos de su fuente de origen, se los transforma —se combinan colum- nas en la base de datos, se las opera, se las borra, etc.—, y se los carga en los ‘depósitos’ (datawarehouse) para ser recuperados a futuro y trabajar con ellos. La analítica previa es, entonces, un conjunto de procedimien- tos que se necesita cumplir para dejar listos nuestros datos y poder sa- car conocimiento de ellos. Pero la analítica es, también, una manera de abordar los datos (cuanto más compleja, más valiosa): podemos pensar- la descriptivamente —y preguntarnos por el qué—, como diagnóstico — abordando el por qué identi " cando patrones y relaciones—, de manera predictiva —establece tendencias y estimaciones— o prescriptiva —la más compleja de todas, y se interesa por dar opciones para la decisión sobre eventos futuros—. De esta manera, esa ingente cantidad de datos que, hoy por hoy, son fáciles de encontrar, deben ser procesados, ana- lizados, sintetizados y volcados en visualizaciones, para que podamos encontrar el conocimiento implícito en ellos, y ello se obtiene a fuerza de correlaciones, patrones, relaciones y aspectos relevantes que no ve- mos a simple vista. Minar datos —es decir, encontrar piedras preciosas entre muchas rocas sin valor—, es similar a utilizar un microscopio: nos permitirá ver cosas que están más allá del ojo humano. Ciencia social computacional La ciencia social computacional es, en realidad, varias cosas. Duncan Watts (uno de sus principales exponentes), asegura que los desarro- llos norteamericanos, allá por " nes de los ‘90s y principios del milenio, estaba comprometida con el desarrollo de modelos y simulaciones en un marco de sistemas sociales complejos (Attewell y Monaghan 2015). Diez años después, la disciplina deja las simulaciones para acercarse al análisis de datos en un entorno digital como el de las redes sociales, utilizando modelos para comprender la manera en que las personas y grupos actúan. Esos modelos son, por de " nición, hipotéticos, y pueden reconstruir el pasado, el presente —para entenderlo—, o el futuro (la verdadera función computacional aquí no reside solo en la cantidad de datos, sino también en la complejidad de la interacción de las va- riables que intervienen, las que son solo operables con computadoras). De esta manera, la ciencia social computacional resulta en la unión de la ciencia de datos —más adelante la caracterizaremos—, y lo que en la agenda de investigación norteamericana se denomina ciencias del