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 194_ Sección II: Investigaciones y aproximaciones temáticas Ciencia (social) de datos, interdisciplina y educación superior: construir un campo en contra de la corriente Ciencia de datos La ciencia de datos recopila, procesa y ordena datos para obtener cono- cimiento: esa labor implica diferentes técnicas y procesos de análisis de datos para comprender fenómenos de la realidad social de manera automatizada. La disponibilidad de grandes volúmenes de datos de di- ferentes fuentes (gobierno, transacciones electrónicas, redes sociales, sensores, bases de datos empresariales que alimentan sus sistemas de información internos, etc.), se combina con una capacidad de procesa- miento mucho mayor, que, a su vez es cercana a las personas (con me- morias distribuidas y compartidas —ahora costeables— como el cloud computing ), y el desarrollo de técnicas y algoritmos e " caces para la ex- tracción de conocimiento (Attewell et al. 2015). Quienes hacen ciencia de datos minan datos estructurados (es decir, los que encontramos ordenados en bases de datos en " las y colum- nas) y no estructurados (imágenes, texto de redes sociales, video, etc.), para identi " car patrones (predecirán comportamientos futuros basados en patrones del pasado, integrarán datos de diferentes fuentes y los analizarán, y programarán algoritmos de aprendizaje automático —que son alimentados por los datos—). Por esto, quienes integran equipos de ciencia de datos, combinan diferentes capacidades (fuere en la misma persona o repartidas en el equipo), como el análisis estadístico, compu- tación distribuida, técnicas de comunicación visual, pero, sobre todo, lenguajes de programación. Algunos de ellos ineludibles como Python, R, quizás SAS y sin duda, uno de los lenguajes más complejos pero más valiosos: Java. También es necesario conocer algo sobre bases de da- tos como SQL, NoSQL, MySQL, MongoDB. Es el trabajo con estas herra- mientas lo que permite construir inteligencia (es decir, algoritmos) y extraer signi " cado de los datos. De esta manera, la ciencia de datos es una disciplina de disciplinas: estadística, informática, dominio del conocimiento 6 , y ciencias sociales que integran todo el proceso, que realizando preguntas a los datos y enriqueciendo el proceso de quienes desarrollan (claro que los cientistas sociales pueden ser quienes desa- rrollan, también). 6 Es decir, la materia de los datos con los que trabajamos: si estamos estudiando datos sobre la pandemia de Covid 19, necesitaremos que sanitaristas integren nuestro equipo.