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

Núcleo de Investigación en Inter- y Transdisciplina para la Educación Superior (NITES) INTER ! Y TRANSDISCIPLINA EN LA EDUCACIÓN SUPERIOR LATINOAMERICANA 192_ Sección II: Investigaciones y aproximaciones temáticas Ciencia (social) de datos, interdisciplina y educación superior: construir un campo en contra de la corriente comportamiento (behavioral science) . Existen otras posturas para conce- bir la ciencia social computacional: por ejemplo, Camille Roth asegura que implica la observación del mundo social con la ayuda de modelado matemático para provocar simulaciones sociales (Cowls y Schroeder 2015), como también, quienes apelan a la ciencia social computacio- nal para abordar problemas clásicos (con ! icto, orden, integración, etc.), donde ‘lo computacional’ quedaría tallado en o " ciar de interfaz y elevar las herramientas y su potencia para mejores análisis (trabajan con algo- ritmos de aprendizaje automático, profundo, etc.). Trabajar con modelos y datos sobre fenómenos sociales que antes no podíamos estudiar desprende, por supuesto, algunas consecuencias epistémicas, como la capacidad de abordar fenómenos posibles de ser estudiados a larga escala —algo que es realmente di " cultoso en la cien- cia social analógica— como puede ser la cooperación en el comporta- miento social, las decisiones en masa, las elecciones de las personas y grupos bajo determinadas condiciones, etc (Cowls y Schroeder 2015). Esto acarrea consecuencias metodológicas, por supuesto: se desdibuja la línea del campo de estudio, se puede acceder y combinar macrovaria- bles demostrando las conclusiones en progresiones que podemos ver (y no solo presuponer a partir de teoría), ya no necesitamos poner el ex- ceso de celo atávico en la muestra, porque el universo nos es asequible y no hay nada que representar; y, quizás lo más importante, el lujo de poder estudiar la realidad social de manera costeable y con fácil acceso, en comparación a antaño, cuando obtener una magnitud considerable de datos primeros resultaba onerosísimo y quizás solo posible en des- pliegues como los de un censo. Seguramente esto parezca el paraíso de la investigación (podemos estudiar aspectos antes impensables, con resultados basados en evidencia, a un costo asequible): pues no lo es, afortunadamente. Y decimos afortunadamente porque nos aleja de un lugar común, un mal entendido tan blandido por el movimiento da- taísta que reza que, con datos, la teoría es irrelevante. Esta posición la popularizó, hace más de una década, Chis Anderson —ex editor de The Wire—, cuando en 2008 aseguró que para saber lo que las personas hacen solo es necesario rastrearlo y medirlo. Aseguraba que, con su " - cientes datos, los números hablan por sí mismos 3 . 3 Anderson, Ch (23/6/2008). The End of Theory: The Data Deluge Makes the Scientific Method Obsolete. Wired . https://www.wired.com/2008/06/pb-theory