Autores: Gino Cingolani y Julio Alonso

Este teórico fue una palmada en la espalda de nosotros hacia ustedes, fue un teórico dictado por dos ex alumnos, uno ex ayudante, el otro sigue al pie del cañón. Fue un teórico pensado desde nuestro rol de ex alumnos. En los espacios de interacción de Datos que la academia ha dado en llamar teóricos van a ver cosas maravillosas, estamos seguros que tal como nos pasó a nosotros, más de una vez van a salir del aula y en vez de cursar esa materia algo densa (Teórico de Semiótica II quizás?) van a volver rápido a sus casas para meterse en Internet e investigar todo el shot cognitivo que recibieron en las dos horas previas. Pero también estamos seguros que en los espacios de clases prácticas van a estallar en dudas y preguntas y que muchas de esas dudas les quitaran la tranquilidad durante las primeras semanas. Por eso estamos convencidos que un teórico de este tipo es necesario en la cursada de Datos. Les decimos: Prepárense para trabajar y para aprender, otros ya lo han hecho, con resultados dispares, con intereses diferentes y quizás, si, con tiempos y recursos mucho mayores. Pero una cursada de Datos es eso, el punto de partida para dar el salto hacia el cognitive surplus en nuestro campo, les aseguramos que después de este recorrido, van a usar su tiempo en la red de manera completamente diferente.

Como sabemos, gracias a las diferentes metodologías, epistemologías, pensamientos científicos y otros campos que estudiamos en nuestra carrera, los humanistas muchas veces han tratado de aspirar al estatus de cientificidad que tienen las disciplinas científicas de facto. Todos los ideales empiristas que han teñido los orígenes sajones de nuestra disciplina, en donde pareciera ser que los objetos de investigación son anteriores y exteriores al proceso de investigación, en donde la experiencia funciona como principal fuente de conocimiento y en donde el método inductivo es regla fueron dejados de lado y rechazados a partir de la segunda mitad del S XX. A partir de ahí, entramos en el segundo estadío de las Ciencias Sociales, aquel que Bourdieu llamó “perspectiva subjetivista”, en donde caen las verdades absolutas y se generan más preguntas que respuestas, en dónde se va al campo de estudio con un desarrollo teórico ya cerrado y con una tendencia deductiva que muchas veces nos impide ver la totalidad de los fenómenos implicados pero que sin lugar a dudas crece en riqueza y complejidad sobre el entendimiento del mundo. Ahí, entre el inductivismo y el deductivismo aparece el concepto de inferencia de abducción, acuñado por ya-saben-quien:

» (…) no hay sino tres clases elementales de razonamiento. La primera, que yo llamo abducción (…) consiste en examinar una masa de hechos y en permitir que estos hechos sugieran una teoría. De

este modo ganamos nuevas ideas; pero el razonamiento no tiene fuerza. La segunda clase de razonamiento es la deducción, o razonamiento necesario. Sólo es aplicable a un estado ideal de cosas, o a un estado de cosas en tanto que puede conformarse con un ideal. Simplemente da un nuevo aspecto a las premisas (…) El tercer modo de razonamiento es la inducción o investigación experimental. Su procedimiento es éste. Cuando la abducción sugiere una teoría, empleamos la deducción para deducir a partir de esa teoría ideal una promiscua variedad de consecuencias a tal efecto que si realizamos ciertos actos, nos encontraremos a nosotros mismos enfrentados con ciertas experiencias. Cuando procedemos a intentar esos experimentos, y si las predicciones de la teoría se verifican, tenemos una confianza proporcionada en que los experimentos que aún no se han intentado confirmarán la teoría. Yo afirmo que estos tres son los únicos modos elementales de razonamiento que hay» – (Peirce, c.1905).

¿Qué otra cosa más que un proceso de investigación abductiva es lo que Sergei Brin y su equipo de investigación están haciendo en Google cuando analizan los hábitos de miles de enfermos de Parkinson y registran sus hábitos en bases de datos procesadas por el inmensurable poder de cálculo de Google? ¿Qué otra cosa sino hackear el método científico tradicional subvirtiendo el orden establecido y recolectando los datos primero, elaborando hipótesis después y analizando por último los datos a la búsqueda de confirmaciones y nuevas hipótesis?

Este cuatrimestre van a trabajar en un proyecto de humanidades digitales y al igual que Brin, van a tener que aprender a encontrar datos que puedan analizar computacionalmente y hacerles las preguntas correctas para poder encontrar respuestas y nuevas preguntas  y sobre todo van a tener que sacar algunas conclusiones que surgirán de vincular esas preguntas con esos datos. No les exigimos que confirmen o que rebatan sus hipótesis, les pedimos que analicen, que saquen conclusiones creativas, que encuentren patrones interesantes.

Es que éstas preguntas que deben hacerse no serán las mismas a las que están acostumbrados por la carrera. Si, en principio deberán usarlas, para luego re preguntarse sobre ellas, cambiar direcciones, en fin, deberán preguntar distinto. ¿Pero por dónde comenzar se preguntarán? Existen varios caminos y lo irán descubriendo a lo largo de la cursada, uno de los caminos posibles es el de Moretti con su lectura distante (distant reading) que nos permite alejarnos del objeto en sí, de considerarlo de manera aislada (pero distinta a como lo venimos haciendo en la carrera) Siguiendo a Franco y retomando el teórico: “we know how to read texts, now let’s learn how not to read them.” Dónde menos es más, si estamos dispuestos a perder el objeto, pero a ganar amplitud en nuestro campo de investigación.

Van a trabajar con información, con datos almacenados en bases repletas de contenido relevante o irrelevante según la pregunta que se hagan. Van a tener que aprender a filtrar y a curar esa información, van a darse la pared una y mil veces con el hecho de que las computadoras a las que tenemos acceso no nos permiten realizar un análisis semántico de las cosas, no nos permiten entender qué dicen esos datos sino, en el mejor de los casos, quien, donde, cuando y como lo dicen. Serán ustedes los que a través de esos metadatos signifiquen esos valores y los transformen en información significativa, con un objeto y factible de ser leída por alguien.

A través de variados proyectos profesionales y de alumnos que no vale la pena reseñar sino tan sólo mostrar (Al final del post) para que puedan apreciar su riqueza metodológica y teórica hicimos un recorrido por diferentes técnicas ampliamente usadas en las humanidades digitales:

 

Network mapping

La teoría del caos, la teoría de redes de Paul Baran, y tantos otros desarrollos le dan sustento a esta técnica en la que trazando recorridos entre nodos diversos podemos establecer relaciones y sacar conclusiones. Intercambios epistolares a ambos lados del Atlántico, nefastos secuestros ocurridos en la última dictadura militar argentina, trayectos en transporte en las ciudades, todo eso conectado nos permite encontrar regularidades o patrones y nos permite ver que es lo que se aleja del comportamiento normal de las relaciones entre esos nodos.

En este video podemos entender un poco más cómo y por qué Internet es llamada “red de redes”:

Web scraping

Todos hacemos scrapping, todos desguazamos el significado de un texto mientras estamos en el colectivo antes de llegar a la clase. Recorremos con nuestros ojos los párrafos, según nuestras capacidades cognitivas detectamos más o menos ideas principales, entendemos el sentido del texto, extraemos lo que nos es útil para que no parezca que no hemos leído nada antes de cursar. Pero qué pasaría si para cada clase hubiera que leer dos mil o cinco mil textos? Nuestra recomendación es que se consigan un buen programador en Python o Ruby que les pueda desarrollar un programa que haga eso, reemplazando sus ojos por un algoritmo computacional en cuestión de segundos y que además les extraiga esos datos principales en un formato sencillo para que ustedes puedan leer, entender y manipular. Eso es el web scraping: Extraer de manera automatizada determinado tipo de datos (Definido previamente por nosotros) de páginas web, documentos de texto o cualquier formato que pueda ser procesado por el desarrollo que estén usando. Eso se exporta y se almacena en una base de datos para ser usado por ustedes, generando en poco tiempo un volumen de datos grande que les permite tener recursos para responder las preguntas que se plantearon previamente.

Infovisualizaciones

Probablemente la más antigua de las técnicas utilizadas en humanidades [digitales], pero que ahora está en un boom nuevamente mediante redes sociales y páginas de contenido en la web. Probablemente lo hayan hecho en la primaria o en la secundaria, usar una tabla excel y generar un gráfico de torta o de barras. Cuando trabajamos con grandes volúmenes de datos, la legibilidad de esos datos es fundamental. necesitamos establecer dos cosas para poder generar una buena visualización: 1. Una sintaxis de escritura que nos determine cómo estructurar los datos como input para que el output sea una visualización bien construida. Esto va a estar definido en general por el programa que usen para hacer el gráfico. Y 2. Unas claves de lectura a través de pautas o referencias que le permitan a la persona que mira el gráfico entender de que estén hablando. No olviden la famosa discusión sobre el estatuto de lenguaje de la imagen. Si en el lenguaje escrito la polisemia prolifera, en las imágenes es reina. Recuerden esclarecer qué significa cada color, cada barra, cada torta, cada punto, para que no queden dudas y cualquier pueda entender el significado y sacar sus propias conclusiones.

 

NO TEMAN si esto les resultó extraño o abstracto, recuerden que les dijimos que este teórico era una palmada en la espalda para ustedes. Esta clase la pensamos en dos etapas, y en el teórico de la semana 3 (el 3/9) vamos a estar dando un taller sobre estas herramientas de manera práctica y ejemplificada. Para eso les pedimos que lleguen temprano y que traigan sus compus.

Por último, les dejamos algunos consejos para sus proyectos que nos parece que pueden funcionar como recordatorio a lo largo de

 

1. Piensen el problema/pregunta a resolver

Es fundamental que se sienten con un papel y un lápiz y empiecen a pensar cuales son las variables que influyen en su objeto de investigación y que cosas les interesa/pueden responder. Haganlo mas bien temprano que tarde porque este es el fundamento de todo lo que vendrá después.

2. Diseñen una solución

Antes de llevarla a cabo diseñenla. Piensen cómo podrían resolver el problema, qué recursos necesitan, a quien pueden contactar. Cerciorense de que la solución que están diseñando puede ayudarlos a indagar el problema.

3. Investiguen lo realizado

Google es su amigo. Usenlo. Y haganlo regularmente. Hay cientos de proyectos en curso en este momento alrededor del mundo. Quizás esta semana no esté online el que investiga lo mismo que ustedes en otra parte del mundo, pero mañana si. Busquen y busquen regularmente.

4. Recolecten datos teniendo en cuenta su estructura

No es lo mismo procesar un texto en PDF o en un archivo de Word. No es lo mismo una tabla excel que una tabla procesada como un archivo gráfico. Cuando busquen datos tengan en cuenta que tan manipulables son, y si están disponibles en varios formatos (Cosa que usualmente ocurre en las bases de datos de gobiernos y organizaciones grandes) elijan el formato que más les conviene teniendo en cuenta…

5. Elijan bien las herramientas que van a usar para procesarlos

…las herramientas para procesarlos. No siempre la má difícil es la mejor, no siempre la mejor es tan dificil como parece. Vuelvan a hablar con su compañero de colegio que estudia en Exactas o en la UTN, pidan ayuda al equipo de cátedra, recuerden que Google es su amigo. Elijan la mejor herramienta para el proyecto que quieren encarar, para aprender a usarla hay tiempo y sobre todo recursos.

6. Documenten el proceso

Piensen en lo que están haciendo como un proyecto que puede crecer en el futuro y que le puede interesar a otras personas. Mirar productos finales está buenísimo, pero es cuando nos metemos en el proceso productivo en donde aprendemos. No le quiten esa posibilidad a los que estén interesados en el proyecto y no se la quiten a ustedes mismos, porque cuando llegue la hora del coloquio final, esa libretita o Google Docs en donde se nota el proceso y la mejora puede llegar a ayudarlos mucho.

7. Saquen conclusiones y compartanlas en la Web

Sharing is caring. Denle a la red de vuelta algo de todo lo que ella les dió a lo largo de su vida y sobre todo en este proceso. Hay mucha gente interesada en lo que estamos haciendo, no sigamos el derrotero de la monografía producida, entregada, corregida y archivada. Hay cientos de lugares con comunidades muy activas en donde pueden contar lo que están haciendo.

 

Muchas gracias y avanti!

@ginocingolani y @julitoalonso

 

 

Ejemplos vistos en clase:

 

Pro-yectos

Mapping the republic of letters

Mapa76

 

Phototrails

Proyectos del cuatrimestre anterior

Mirador Disney

 

Mitos y verdades en Comunicación

 

Bonus track

1. Del 29 al 31 de Agosto en el Centro Cultural Konex se va a celebrar la Hacks/Hackers Media Party Buenos Aires el encuentro entre periodistas y programadores más grande de Latinoamérica (Y por ende el encuentro de humanidades digitales más grande de Latinoamérica). Del núcleo de Hack/Hackers salió por ejemplo el proyecto de Mapa76. Es una oportunidad única para encontrarse con gente que está investigando y produciendo cosas en la intersección de la comunicación, las ciencias sociales y la tecnología, la programación y la interactividad. Pero además, es un espacio increíble para conocer gente. Varios de los integrantes de la cátedra vamos a estar dando vueltas por ahi, asi que si se quieren sumar, inscribanse en este link y pueden avisarles a sus docentes de prácticos así nos encontramos allá.

 

2. Nos gustó la dinámica que se generó en teóricos anteriores en la que ustedes además de comentar, hacen preguntas en el espacio de comentarios. Haganlas y prometemos responderlas lo más rápido que podamos.