Innovación social y pública: experiencias y aproximaciones a la complejidad contemporánea

CAPÍTULO VIII. Innovación socio-tecnológica Experiencias y aproximaciones a la complejidad contemporánea INNOVACIÓN SOCIAL y PÚBLICA 742 Esto plantea varios retos porque un sistema basado en datos cuyo pro- pósito es tener impacto en las políticas públicas necesita aportar las cualidades de transparencia e interpretabilidad, que no siempre son prioritarias en este tipo de proyectos (Castelvecchi, 2016; Krause et al., 2016). En este texto nos enfocamos en los problemas de planificación de transporte, que son definidos como un conjunto de requisitos que deben cum- plir los planificadores del transporte urbano y/o las personas responsables de políticas públicas en relación con el uso del suelo, la oferta y demanda de transporte público y privado, tanto para personas como para bienes, entre otras áreas (Black, 2018). Si bien una colaboración entre la disciplina del transporte y la cien- cia de datos puede dar resultados prometedores (Bettencourt, 2014; Chen et al., 2016), la mayoría de los esfuerzos que se han realizado han sido ad-hoc, sin establecer maneras de replicar o de extender los procesos que llevan a la creación de una solución transdisciplinar basada en datos. La cuestión que se plantea en este contexto no es la pertinencia de dicha colaboración, sino, dadas las diferencias entre disciplinas, cómo llevar a cabo una colaboración eficaz (Giest, 2017), ya que un enfoque basado en datos no es suficiente para evaluar la calidad de una solución (Green y Chen, 2019). De hecho, el uso principal de estas fuentes de datos modernas debe permitir la creación de nuevos conocimientos por parte de más personas, no sustituirlas (Bettencourt, 2014). Hay metodologías que ponen los valores y el bienestar como objetivos últimos de un proyecto de ciencia de datos (Zhu et al., 2018), aunque esto solo puede obtenerse si sus resultados son adoptados por las partes interesadas pertinentes. Aquí proponemos reducir esta brecha a través de una metodología de cuatro etapas que pone la ciencia de datos y el transporte a trabajar en colaboración para resolver problemas de transporte (Graells-Garrido et al., 2020). Algunos de estos problemas no son nuevos, pero la situación actual y el crecimiento de las ciudades hace inviable la aplicación de los métodos tra- dicionales, ya que son sumamente caros o bien tardan demasiado en generar resultados; al mismo tiempo, los nuevos métodos pueden carecer de las cua- lidades necesarias para ser adoptados en la planificación y la formulación de políticas (Castelvecchi, 2016).