Inicio » ¿Cómo se diseñan evaluaciones? » Uso de nuevas tecnologías en el diseño de evaluaciones
Archivos de la categoría: Uso de nuevas tecnologías en el diseño de evaluaciones
¿Cómo se construye un análisis de red?
Las redes sociales se pueden construir con base al grado de interacción entre los actores, o como una toma de información. La red también tiene su límite que se delimita por la población objetivo que se va a estudiar y cuáles son las relaciones que se buscan estudiar para establecer las conexiones.
¿Qué datos son los que tengo que buscar?
Están los datos convencionales y relacionales, los convencionales se utilizan para cuantificar o calificar los atributos de los actores, mientras que los datos relacionales permiten medir las relaciones entre los actores, estos datos son los contactos y conexiones que relacionan un actor con otro. Mientras que los convencionales son aquellos que están relacionados con actitudes, opiniones y comportamientos de actores sociales. Es importante destacar que los análisis de redes sociales se realizan mediante grados de relación más no en los atributos de cada uno.
Para el levantamiento de información necesaria para este tipo de análisis se puede continuar con el siguiente proceso. El proceso involucra:
- Recolectar información acerca de la relación de un grupo específico de personas. Durante este proceso se requiere:Identificar la red a analizar.Recolectar información específica de la red a través de entrevistas a actores clave.Definir objetivo y alcance de análisis.
Diseñar metodología para recolección de información sobre objeto y alcance de análisis (cuestionarios, entrevistas, encuestas).
- Generar base de datos con la información recolectada
- Utilización de software para análisis y visualización de los datos (EC-FAO).
Guía práctica de UCINET
UCINET es un programa utilizado para el análisis de redes sociales, ha tenido amplia utilización en temas de desarrollo rural y ciencias sociales. Para descargar el demo de prueba del programa ingresa aquí.
El manual para el mejor uso de esta herramienta puede ser descargado en el enlace.
A continuación, ejemplificaremos paso por paso un caso práctico para la utilización de este programa.
El caso a analizar es la relación directa existente entre los diferentes agentes involucrados en la ejecución del Programa Jester, además se realiza un análisis del tipo de institución que representa cada agente.
Paso No. 1.- Elaborar matriz e insertar datos e información.
Se ha obtenido la siguiente información:
Gráfico 1.- Información base para el análisis (Relaciones identificadas)
Gráfico 2.- Elaborar matriz en UCINET
Paso No. 2.- Configurar número de filas y columnas de la matriz. Se elabora una matriz cuadrada que contenga tanto en filas y en columnas a los agentes a analizar.
Gráfico 3.- Editor de matriz, configuración de dimensiones según agentes a analizar
Paso No. 3.- Configurar etiquetas de filas y columnas
Gráfico 4.- Configurar etiquetas de la matriz de forma automática
Paso No. 4.- Rellenar información. Esta información debe ser obtenida a través de encuestas, entrevistas, etc. Se deberá colocar el número 1 para la existencia de relación directa entre ambos actores y 0 para la ausencia.
Gráfico 5.- Insertar información en la matriz
Paso No. 5.- Rellenar valores con 0 de forma automática
Gráfico 6.- Rellenar de forma automática con 0 las celdas
Paso No. 6.- Graficar relación social
Gráfico 7.- Utilizar herramienta para graficar
Paso No. 7.- Abrir la matriz generada
Gráfico 8.- Ingresar datos de la matriz generada en la herramienta de gráficos
Gráfico 9.- Ingresar datos de la matriz generada en la herramienta de gráficos (2)
Gráfico 10.- Gráfico resultante
Paso No. 8.- Ingresar atributos a los nodos de la red. Los atributos pueden ser la edad, sexo, tipo de institución (en este caso práctico) que tengan los nodos, permitiendo un análisis más segregado y categorizado. Estos atributos deben ser ingresados en una matriz, otorgándole un valor a cada categoría. (1 para sector privado, 2 para administración pública, 3 para sector académico y 4 para sociedad civil).
Gráfico 11.-Elaboración de matriz con datos de atributos
Paso No. 9.- Configurar el gráfico según los datos de atributos. Ingresar información al gráfico.
Gráfico 12.- Ingresar datos de atributos en la herramienta para gráficos
Gráfico 13.- Ingresar datos de atributos en la herramienta para gráficos (2)
Paso No. 10.- Configurar el gráfico, otorgar color y forma a los nodos según atributo.
Gráfico 14.-Escoger colores para categorizar nodos según atributos
Gráfico 15.- Escoger colores para categorizar nodos según atributos (2)
Gráfico 16.- Escoger colores para categorizar nodos según atributos (3)
Gráfico 17.- Escoger forma de símbolo para categorizar nodos según atributos
Gráfico 18.- Escoger forma de símbolo para categorizar nodos según atributos (2)
Gráfico 19.- Gráfico resultante
Paso N0. 11.- Guardar la imagen en formato jpeg.
Gráfico 20.- Generación de archivo jpeg
Referencias bibliográficas:
Cardenas, J. (s.f.). Networks provide happiness. Obtenido de http://networksprovidehappiness.com/software-analisis-de-redes/
EC-FAO. (s.f.). Social Network Analysis: Practical Guide.
Lugo-Morin, D. (2011) Análisis de redes sociales en el mundo rural. Revista de Estudios Sociales No 38 pp 129-142. Bogotá Colombia.
Velázquez, A. Aguilar, N. (2005) Manual Introductorio al Análisis de Redes Sociales. Medidas de Centralidad. Centro de Capacitación y Evaluación al Desarrollo Rural. México DF. México.
¿En qué consiste un análisis de redes sociales?
Los análisis de redes sociales (término en inglés: Social Network Analysis) son procesos que estudian estructuras sociales a través del uso de teorías de redes y gráficos. Nacen como una herramienta capaz de comprender y explicar las conexiones entre las personas y grupos de personas que componen una estructura social, tratando de entender la relación entre los actores sociales, instituciones y las interrelaciones que surgen entre ellos.
Se trata de una herramienta que permite saber el grado de influencia de diferentes instituciones, comunidades o empresas en el momento de proponer proyectos, elaborarlos, evaluarlos y/o también para entender las causas de un fenómeno social, cómo funciona y se estructuran las sociedades, lo que conlleva una estrategia para proponer procesos de negociación, cooperación y subordinación, aliviar conflictos, manifestaciones culturales y estrategias de solidaridad, amistad y familiares. Nicolas Christakis muestra en una charla de TED Talk la influencia que tienen las redes sociales para el entendimiento de muchos fenómenos de la vida cotidiana de las sociedades
Ante las problemáticas que surgen en el mundo rural, varios autores han propuesto como solución a estos problemas la construcción de redes sociales entre los agentes implicados para establecer así una comunicación efectiva y colaborar así al desarrollo de zonas rurales (Lugo-Morin, 2011).
Definiciones importantes
Para llevar a cabo un análisis de redes se debe tener en cuenta algunas definiciones que presentamos a continuación.
- Definición de redes: grupo de individuos que en forma agrupada o individual se relacionan con otros con un fin específico, en el cual existe flujo de información. Las redes pueden considerar muchos o pocos actores teniendo relaciones básicas entre pares de actores. La red se compone de 3 elementos: Nodos, vínculos y flujos.
- Nodos: personas o grupos de personas que se encuentran conectadas por un objetivo común, mientras más nodos se tengan se aumentan el tamaño de la red. Están representados por círculos.
- Vínculo: lazos que existen entre los nodos (dos o más). Los vínculos se representan con líneas.
- Flujo: establece cual es la dirección del vínculo, los flujos y se representa por una flecha que te indica el sentido. Se pueden tener flujos dirigidos o unidireccionales representados por una flecha que indica el sentido, o flujos bidireccionales representados por una línea.
Indicadores para el análisis
Los indicadores son los que facilitan el análisis de las redes y son determinados por los valores de conectividad e influencia entre cada uno de los actores. En la siguiente tabla se presentan los indicadores más utilizados para analizar las redes.
Tabla 1.Indicadores utilizados para el análisis de redes sociales. Fuente: Velázquez y Aguilar, 2005.
Recursos y herramientas para el análisis de redes sociales
Existe una gran cantidad de información sobre el análisis de redes, diferenciada en:
- Revistas especializadas en análisis de redes
- Grupos de trabajo para el análisis de redes
- Programas informáticos (Existen más de 100 software y aplicaciones sobre Análisis de Redes. Los principales software para realizar Análisis de Redes en el ámbito rural son UCINET y PAJEK)
Revistas especializadas
Son pocas las revistas especializadas que tengan como tema central el análisis de redes, entre ellas destacan:
- La revista REDES. Revista hispana para el análisis de redes sociales. Esta revista es de acceso libre.
- Social Networks, journal publicada por Elsevier Science. Esta revista es de acceso restringido.
- Journal of Social Structure. Esta revista es de acceso libre.
- Connections, revista de la International Network Society of Social Network Analysts (INSNA). Esta revista es de acceso libre.
Otras abordan la temática de manera secundaria y la mayoría son de acceso restringido; entre ellas se destacan:
- Social Forces, Journal
- Internacional Sociology
- Sociological Methodology
- Rural Sociology
- International Journal of Behavioral Development
- American Journal Sociology
- American Anthropologist
- American Sociological Review
- Annual Review of Anthropology
- Journal of Rural Studies
- Academy of Management Journal
Grupos de trabajo para el análisis de redes mundiales
- International Sunbelt Social Network Conferences. Esta instancia fue creada en 1997 y desde entonces hace una reunión anual, donde se abordan temáticas específicas del análisis de redes; éstas abarcan desde avances epistemológicos hasta el desarrollo de nuevos criterios metodológicos.
- International Network Society of Social Network Analysts (INSNA). Esta instancia fue creada en 1978; es un referente importante de los estudios de análisis de redes sociales mundiales. Publica una revista (Connections) de acceso libre como órgano difusor de sus actividades.
- Como contraparte del INSNA están los portales en español Egoredes y REDES web, que han tenido un crecimiento importante en el estudio de análisis de redes sociales. Su órgano difusor es la revista REDES.
- Por último, está el grupo de trabajo del Dr. Mark Granovetter, que a través de su página personal ofrece artículos clásicos sobre la temática de manera gratuita, para comprender las redes sociales completas o sistemas.
Programas informáticos
Uno de los avances más importante en el análisis de redes sociales ha sido el manejo de la información sustentada en la Teoría de Grafos; esta teoría ha sido la base para el desarrollo de una diversidad de programas informáticos, que permiten un manejo relativamente fácil de los datos relacionales. Para la presente guía se destacan los más importantes y de acceso libre, de tal forma que los interesados puedan descargarlos directamente desde sus computadoras.
Los más importantes para realizar Análisis de Redes son UCINET y PAJEK (sobre todo para el medio rural). A continuación se presenta en la Tabla No. 2, las principales ventajas y desventajas de los principales programas informáticos, ya que existen otros programas para el análisis de redes sociales, pero debido a sus complejidades, su uso en el medio rural puede ser problemático.
Tabla 2 Ventajas y desventajas de los principales programas informáticos para análisis de redes. Fuente: Cardenas, s.f.
Bibliografía:
Cardenas, J. (s.f.). Networks provide happiness.
EC-FAO. (s.f.). Social Network Analysis: Practical Guide.
Lugo-Morin, D. (2011) Análisis de redes sociales en el mundo rural. Revista de Estudios Sociales No 38 pp 129-142. Bogotá Colombia.
Velázquez, A. Aguilar, N. (2005) Manual Introductorio al Análisis de Redes Sociales. Medidas de Centralidad. Centro de Capacitación y Evaluación al Desarrollo Rural. México DF. México.
Inteligencia Colectiva en la toma de decisiones y la Evaluación
Un referente temprano del concepto de inteligencia colectiva (IC) es el libro del Apoyo Mutuo de Krotpokin (1902), al utilizar el concepto para mostrar las ventajas que poseen los pequeños grupos de personas y los animales e insectos sociales. Otro precursor del concepto de inteligencia colectiva es el entomólogo William Morton Wheeler (1910) que estudió el comportamiento de las hormigas. William observó que trabajaban tan coordinadas que llegaban a parecer un solo organismo. Las hormigas eran comparables a las células de un animal generando también una mente colectiva. A esta gran criatura la llamó superorganismo. Según Pierre Levy (1997), escritor, filósofo y profesor tunecino que desarrolló la noción de inteligencia colectiva, la definió como una inteligencia repartida en todas partes, valorizada constantemente, coordinada en tiempo real, que conduce a una movilización efectiva de las competencias. Las nuevas tecnologías están generando una gran revolución en este concepto. Es imposible que todos seamos sabios de todo, pero sí podemos ser expertos en un área específica y a través de las nuevas tecnologías podemos juntar todos esos microsaberes creando un enfoque común. La inteligencia colectiva tiene la ventaja superar sesgos cognitivos individuales logrando lo que lo que Howard Bloom (1995) llamó el cociente Intelectual grupal.
Actualmente es un término generalizado de la cibercultura o la sociedad del conocimiento, vinculado a la toma de decisiones consensuada aplicable en bacterias, animales, seres humanos y computadoras. La inteligencia colectiva se destaca notablemente dentro de la Sociología, de las ciencias de la computación y del comportamiento de masas. Peter Russell en su libro Global Brain en 1983 explica como Internet está uniendo a la humanidad en una sola comunidad mundial, en un “cerebro global”. Tom Atlee (1993) trabajo en la co-inteligencia, una forma de inteligencia compartida e integrada que encontramos dentro y alrededor de nosotros que aparece al unir nuestras inteligencias personales para producir resultados más perspicaces y poderosos que la suma de nuestras perspectivas individuales. En este sentido, la tecnología facilita la interacción de los actores sociales de un grupo aunándolos bajo un denominador socio-cultural de saberes y conocimientos que permiten generar un vínculo cognitivo entre los mismos.
La inteligencia colectiva en la Evaluación
La participación de los implicados es un pilar fundamental en las evaluaciones de proyectos. Esta realidad refuerza la idea de utilizar la inteligencia colectiva como otra pata más de la participación o quizá, como la pata central de la participación. El hecho de poder contar con un mayor número de opiniones sobre las necesidades, los resultados o los impactos de un proyecto, permitirá al evaluador tener una idea más global de la visión de la población sobre el proyecto. Con la Web 2.0 aparecen nuevas formas de relacionarse, en las que los consumidores pasan a ser también creadores, acuñándose el término prosumidores, con espacios dedicados exclusivamente a la creación de contenidos a través de una inteligencia colectiva, como por ejemplo, la creación de software colaborativo de la plataforma Arduino, de fuente abierta y hardware abierto así como un proyecto y comunidad internacional que diseña y manufactura placas de desarrollo de hardware iniciada en 2005. Sin embargo, también existen también controversias en este campo. Hugo Pardo Kuklinski, Doctor en Comunicación por la Universidad de Barcelona, expone el peligro de la aparición de “imprecisiones intelectuales” en los medios al aportar nuevos contenidos o modificarlos. Hugo compara la IC con la comida rápida. Bajo este concepto, se situarían en el mismo nivel a expertos amateurs y expertos profesionales“. Pierre Lévy plantea que la opinión promedio puede perder racionalidad, porque se basa en tendencias, lo que hace que la objetividad se desdibuje.
Aplicaciones de la IC
Se pueden realizar estudios que recopilan datos proporcionados por usuarios de la web, redefiniendo el conocimiento y con una actualización constante. Mediante el análisis de las redes sociales se puede estudiar las preferencias de consumo de los usuarios para efectuarles diversas sugerencias. El beneficio de la inteligencia colectiva en la web, reside en que se obtiene una diversidad de opiniones proveniente de distintas personas, pertenecientes a distintas culturas, residentes en otras partes del mundo. Es entonces como la diversidad de los aportes permite obtener una idea o un dato más cercano a la realidad, abriendo un espacio hacia distintas cuestiones de manera global.
Un ejemplo de inteligencia colectiva que está llevando a cabo el Ayuntamiento de Madrid con su plataforma Decide Madrid para la toma de decisiones de una parte de sus presupuestos. Es lo que se denominan presupuestos participativos en los que toda la población censada puede participar con su voto para elegir en que se invertirán determinadas partidas del presupuesto. Otra iniciativa interesante de esta ciudad son los laboratorios ciudadanos como el Media Lab Prado un laboratorio ciudadano que funciona como lugar de encuentro para la producción de proyectos culturales abiertos. La ventaja de estos lugares es que cualquier persona, aunque carezcan de formación sobre una de formación técnica específica puede hacer propuestas o sumarse a otras y llevarlas a cabo de manera colaborativa. La actividad se estructura en grupos de trabajo, convocatorias abiertas para la producción de proyectos, investigación colaborativa y comunidades de aprendizaje en torno a temas muy diversos. Este tipo de espacios permite crear organismos sociales de trabajo con diferentes perspectivas tanto de ciudadanos de a pie como de personas expertas. Se unen aquí los experimentados y los expertos creando un ambiente a mitad de camino entre la IC y la participación.
Evaluación de Proyectos con Big Data
Big data es un término cuya definición se dio por primera vez en 2001, por el analista Doug Laney de Gartner: “El conjunto de técnicas y tecnologías para el tratamiento de datos, en entornos de gran volumen, variedad de orígenes y en los que la velocidad de respuesta es crítica”. Aunque los datos han sido siempre útiles en la toma de decisiones, no está tan claro cuando es interesante aplicar una solución basada en datos de tipo Big Data. Para reconocer si hay que trabajar con estos macrodatos hay que valorar si es interesante analizar un gran volumen de datos de alta velocidad de generación y con mucha variabilidad, pero no es necesario que se cumplan las tres condiciones. Esta condición que poseen los Big Data, se denomina Regla de las “3 V”: volumen, variabilidad y velocidad. Con volumen, se refieren a grandes cantidades de información y conocimiento que se maneja. Con variabilidad, a la estructura de la composición que tiene ese gran volumen de datos. Y con velocidad, a la rapidez con que ese volumen de datos es transportado y analizado. Algunos expertos, como IBM incluyen la Veracidad como una cuarta V pero no hay unanimidad al respecto por parte de todos los expertos.
Existen dos antecedentes principales del Big Data: por un lado, el Business Intelligence, que utiliza los datos para la realización de análisis y consecuentemente una serie de previsiones; por otro lado, está la Minería de Datos, basada en dos métodos que permiten el análisis y la utilización de los datos: la Inteligencia Artificial; y la estadística, mediante la cual realiza estimaciones.
La cantidad de datos que existe en la actualidad es inmensa y los análisis se complejizan bastante. Estos datos se encuentran en internet y en las relaciones que las nuevas tecnologías de la información ofrecen, el internet de las cosas a través de grabaciones de sonido y video, drones, robots, satélites, smartphones, etc. Hay que tener en cuenta el incremento de complejidad y coste respecto a un análisis tradicional. Los macro datos hay que buscarlos, clasificarlos, organizarlos y analizarlos para que logren tener una utilidad y calidad adecuada a lo que se quiere analizar. Los avances tecnológicos recientes han reducido exponencialmente el coste del gestión y almacenamiento de datos, siendo cada vez más fácil y más barato. En la práctica existen técnicas como minería de datos, cálculo lingüístico, aprendizaje automático, creación de algoritmos para trabajar en la búsqueda y clasificación de la información (Janssen, Vander, & Huayudi, 2016, pág. 5). Es también muy importante la veracidad de los datos, que se refiere a cuánto puede confiar en ellos. Además de los pasos anteriores, el valor del Big Data radica sobre todo en plantearse las preguntas correctas para identificar patrones que puedan predecir comportamientos. Bizer, Boncz, Brodie y Erling (2012) han identificado 6 fases en el Big Data:
Recolección
Para determinar si nos encontramos en el camino correcto, debemos preguntarnos en qué medida el Big Data respalda y habilita las necesidades del proyecto o la evaluación. Se deberá alinear la necesidad de trabajar con Big Data con los objetivos específicos del proyecto o la evaluación. Algunas actividades previas incluyen entender cómo filtrar los registros web para comprender el comportamiento del comercio electrónico, extraer el sentimiento de las redes sociales, de las interacciones de atención al cliente, así como entender los métodos de correlación estadística.
Gestión y Almacenamiento
Lo primero que se debe hacer es almacenar los datos. Su solución de almacenamiento puede residir en la nube, on premise o ambas. La nube es la forma que más está aumentando.
Análisis: Manipulación, limpieza, transformación de datos
Una vez localizados y clasificados existen técnicas y programas específicos que ayudan a organizarlos y analizarlos, ya que los datos poseen un valor intrínseco que no tendrá utilidad hasta que dicho valor se descubra. Los modelos y procesos analíticos de Big Data pueden ser tanto humanos como automáticos. Las capacidades de análisis de Big Data incluyen estadísticas, análisis especiales, semántica, detección interactiva y visualización. Mediante el uso de modelos analíticos, puede relacionar distintos tipos y fuentes de datos para realizar asociaciones y hallazgos significativos.
Utilidad real en Evaluación y limitaciones del Big Data
El análisis de grandes datos es muy útil para las organizaciones en la calidad de su toma de decisiones y, por tanto, también son útiles en la evaluación. El cambio de paradigma está arrastrando los modelos tradicionales de análisis de datos hacia el Big Data de manera rápida y se podría decir que descontrolada. En primer lugar, se crea un nuevo software que tenga la capacidad de sustentar esa cantidad de información, se establecen nuevos modelos de análisis de la misma y se avanza considerablemente en el análisis semántico. Se fomenta el uso de aplicaciones como Hadoop, Apache Hadoop, Apache Spark semejante a Excel pero que permite utilizar miles de nodos distribuidos y con pentabytes de información. Hay que tener en cuenta que el crecimiento de las “3 V” en menos de 10 años pasó de contabilizar la información en Megabytes y Gigabytes a hacerlo en una serie de unidades de medida de un valor considerablemente más alto. Aparece el Pentabyte (1015 bytes), Exabyte (1018 bytes) y el Zettabyte (1021 bytes). También la velocidad del tratamiento de datos aumentó de manera exponencial.
Campos de aplicación
El modelo Big Data es aplicable a casi cualquier campo moderno en el que se precise un análisis de un volumen de datos elevado, a tiempo real, y con la posterior de generación de correlaciones, esto es, casi cualquier ámbito público-privado. En el esquema inferior se destacan las principales áreas en las que se utiliza este modelo.
Más concretamente, en el ámbito público se ha generado un nuevo concepto de, las denominadas Smart Cities (o ciudades inteligentes); que, basadas en el uso de software de análisis de Big Data, monitorizan todos los procesos llevados a cabo en las grandes ciudades con el fin de llevar a cabo medidas con mayor eficacia, eficiencia y sostenibilidad.
Bibliografía:
Brown, B., Chui, M., & Manyika, J. (2011). Are you ready for the era of ‘big data’. McKinsey Quarterly
Chen, Y. -C., & Hsieh, T. -C. (2014). Big data for digital government: Opportunities, challenges, and strategies. International Journal of Public Administration in the Digital Age
Coble, K., Griffin, T., Ahear, M., Ferrel, S., Mcfadden, J., Sonka, S., & Fulton, J. (2016). Avance de la competitividad agrícola de los Estados Unidos Con grandes datos y la economía agrícola Información de mercado, análisis e investigación. Obtenido de www.cfare.org: www.cfare.org
Janssen, M., Vander, H., & Huayudi, A. (8 de 2016). Factores que influyen en la calidad de los datos. Obtenido de journal on buisness research-ELSEVIER: www.sciencedirect.org
Joyanes, L. (2013). Análisis de grandes volúmenes de datos en organizaciones
Raghunathan, S. (1999). Impact of information quality and decision-maker quality on decision quality: A theoretical model and simulation analysis. Decision Support Systems
Zhou, Z. H., Chawla, N. V., Jin, Y., & Williams, G. J. (2014). Big data opportunities and challenges: Discussions from data analytics perspectives. IEEE Computational Intelligence Magazine
Aprovechando el Internet de las Cosas en Evaluación
El término Internet de las cosas fue propuesto por Kevin Ashton, un pionero británico en tecnologías, en 1999. Kevin defendía la idea de que las etiquetas RFID (Radio-frequency identification) asociadas a objetos físicos les conferían una identidad bajo la cual podían generar datos sobre ellos mismos o sobre lo que percibían y publicarlos en internet. En sus palabras:
“And that’s a big deal. We’re physical, and so is our environment. Our economy, society and survival aren’t based on ideas or information—they’re based on things. You can’t eat bits, burn them to stay warm or put them in your gas tank. Ideas and information are important, but things matter much more. Yet today’s information technology is so dependent on data originated by people that our computers know more about ideas than things” (Ashton, 2009)
Los avances tecnológicos han permitido que los objetos cotidianos como los vehículos, máquinas, electrodomésticos, etc. estén provistos de sensores y APIs para conectarse e intercambiar datos por internet. La digitalización del mundo físico puede ayudar a mejorar la vida cotidiana de las personas a través de las ciudades y hogares inteligentes. Algunos ejemplos curiosos son el cepillo de dientes que detectará caries; un despertador que accionara la cafetera; un retrete que realizar análisis de sangre; un frigorífico que detecte productos en mal estado, etc.
https://www.youtube.com/watch?v=uY-6PcO96Bw
Para poder trabajar con la información de los objetos es necesario que las aplicaciones suban la información a la nube para después poder interpretar y transmitir los datos que nos aportan los sensores ¿Cómo puede ayudar el Iot en los proyectos y a la hora de realizar sus evaluaciones? El IoT, consiste en conectar a internet cualquier objeto cotidiano basándose en tres pilares: captura de datos (telemetría, geoposicionamiento…), tratamiento del datos (Business Intelligence, Machine Learning…) y transformación de datos para utilizarlos en el proyecto y su evaluación. Esta información puede ser muy relevante y en el pasado era algo imposible de aprovechar, analizar y finalmente actuar, permitiendo tener un mayor control sobre los procesos, mayor eficiencia, reducción de costes, etc, aportando un extra de información más específica y detallada. En el caso de las evaluaciones, que requieren datos de seguimiento de la actividad a evaluar. puede ser interesante tener objetos conectados a internet que permitan recopilar información sobre el mismo de forma automática y en tiempo real.
Una oportunidad para la Evaluación: Los Vestibles ( Wearables) y las Ciudades Inteligentes ( Smart Cities)
Este concepto se refiere a llevar la tecnología literalmente puesta. La tecnología vestible consiste consiste en llevar en la ropa o en los complementos todas estas opciones que ya nos brindan diferentes aparatos. Estos dispositivos además de ofrecernos información sobre nuestra actividad, también interactúan con nosotros. Si por ejemplo realizamos ejercicio, además de mostrarnos nuestras pulsaciones, nos avisará si nuestro ritmo es demasiado alto. Otro buen ejemplo es cuando utilizamos nuestros dispositivos móviles como GPS, pues gracias a los wearables no hará falta mirar el mapa que muestra la pantalla, sino que ligeras vibraciones nos informará hacia dónde tenemos que girar.
Las ciudades Inteligentes pueden ser también un repositorio de conocimiento, donde los objetos físicos que la habitan, como el mobiliario urbano, sensores de polución, semáforos, camiones de recogida de residuos o sistemas de riego de jardines podrían recoger información sobre los cambios que perciben a lo largo del tiempo. Por ejemplo, el nivel de polución diaria sería actualizada constantemente por los sensores de polución por hora, día y zona, el control de tráfico se apoyaría en la correlación entre un aumento de los niveles de polución de una zona y la información meteorológica relevante, permitiendo tomar decisiones de planificación de tráfico que mejoren la calidad de vida de los ciudadanos. Ya existen ejemplos de metrópolis de este tipo como Smart Santander (España), Amsterdam Smart City (Países Bajos) y Songdo IBD (Corea del Sur). Todo los que se puede medir se puede gestionar. Cuando contamos con cifras, con datos, con todo tipo de información respecto a un fenómeno, y disponemos de los conocimientos y las técnicas para interpretarlos correctamente, podemos ser capaces de identificar los factores que afectan a dicha experiencia y adaptarlos para obtener los resultados deseados.
Las empresas aplican esta tecnología desde hace años, ahora les toca a las personas individuales. La utilidad de recoger continuamente datos de nuestras actividades cotidianas permitirá efectuar análisis de nuestros hábitos. E sta tendencia, se denomina «yo cuantificado» (quantified self) y permitirá hacer visible la información invisible, revelar datos que siempre han estado ahí, pero nunca se han medido.
Un reto importante para estas tecnologías es la autonomía energética para su funcionamiento. No se puede complicar nuestro estilo de vida multiplicando el número de aparatos que debemos monitorizar diariamente. Sin embargo, la telecomunicación y la inteligencia electrónica tienen un coste energético en los dispositivos. La investigación tecnológica en baterías con mayor capacidad por unidad de volumen, microprocesadores con menor consumo, y módulos de comunicaciones inalámbricas con mayor eficiencia energética se incluyen dentro del concepto de energy harvesting (recolección de energía) que se refiere a la capacidad de algunos de los productos inteligentes, especialmente los vestibles o los sensores situados al aire libre, de obtener energía del medio en el que se encuentran, de manera natural y en cantidades suficientes para ser autónomos por largos periodos de tiempo. Algunos ejemplos son la alimentación cone energía solar de sensores, el calzado o equipamiento deportivo capaces de obtener energía acumulada por el movimiento o la flexión que se da durante su uso.
El lado negativo de Iot es que se hace urgente y necesario extremar las medidas de seguridad y desarrollar rápidamente las leyes necesarias para proteger la privacidad de las personas y otorgarles el pleno derecho a ser los decisores del destino de dicha información.
Referencias
Chui, M., M. Löffler y R. Roberts. «The Internet of Things», McKinsey Quarterly, marzo 2010.
Evans, D. «The Internet of Things: How the next evolution of the Internet of Things is changing everything», Cisco, abril de 2011.
Gruman, G., S. Bauer y V. Baya. «Using technology to help customers achieve their goals», PWC Technology Forecast, 1: «Internet of Things: Evolving transactions into relationships», 2013.
Harbor Research. «Shared Destinies: How The Internet of Things, Social Networks & Creative Colaboration Will Shape Future Market Structure», 2009.
Nold, C. y R. van Kranenburg. «The Internet of People for a Post-Oil World», Situated Technologies Pamphlets 8. Nueva York: The Architectural League, 2011.
Smith, I. (ed.). «The Internet of Things 2012. New Horizons», IERC – Internet of Things European Research Cluster, 2012.
Swan, M. «Sensor mania! The Internet of Things, wearable computing, objective metrics, and the Quantified Self 2.0», Journal of Sensor and Actuator Networks, 1, 3 (2012): 217-253.
Van Kranenburg, R. «The Internet of Things. A critique of ambient technology and the all-seeing network of RFID», Network Notebooks 02, Institute of Network Cultures, Ámsterdam, 2007.
Vázquez, J. I., “Horizontes y desafíos de Internet de las cosas”, en C@mbio: 19 ensayos clave sobre cómo internet está cambiando nuestras vidas, Madrid, BBVA, 2013.
Las nuevas tecnologías en el campo de la evaluación
Los grandes avances desarrollados en el campo de las tecnologías de la información y comunicación, principalmente a partir de las últimas décadas del siglo XX, se han intensificado en nuestros días, produciendo cambios significativos en la estructura económica y social, y en el conjunto de las relaciones sociales.
Las nuevas tecnologías de la información y la comunicación se aplican actualmente en todos los ámbitos económicos y se integran en el día a día de las actividades empresariales, científicas, técnicas y educativas. Su utilización ha permitido, por un lado, la realización de actividades de forma más rápida y eficaz y, por otro, introducir nuevas formas y metodologías de trabajo, alentadas por la universalización de los intercambios de información y de las relaciones sociales.
Este desarrollo, al igual que ocurre con el resto de aspectos socioeconómicos, no se ha producido a nivel mundial de forma equilibrada. Esto ha dado lugar a la denominada brecha digital, término referido a las barreras geográficas, económicas, sociales y de alfabetización informática que limitan el uso y apropiación de las nuevas tecnologías de la información.
Según “The Statistics Portal” en 2012 el cálculo de esta brecha digital suponía que tan sólo el 34% de la población tenía acceso a internet. En 2015, según esta misma fuente, esta cifra habría aumentado hasta un 43,4%, sin embargo, las diferencias en el uso y acceso a internet siguen siendo una realidad.
http://www.statista.com/chart/3512/internet-adoption-in-2015/
En el campo de la evaluación, el concepto de brecha digital, adquiere gran importancia, más aún cuando sus actividades se dirigen a la evaluación de programas e iniciativas que tienen lugar en territorios rurales. En este caso, la brecha digital no es tan sólo una cuestión que afecte a los países en desarrollo sino también a los países desarrollados, en los que las áreas rurales menos pobladas, cuentan a menudo con problemas de acceso a internet y, aun cuando tienen acceso, con un menor número de usuarios. Pese a estas cuestiones, el desarrollo de las nuevas tecnologías nos ofrece alternativas que permiten trabajar en zonas, en principio, menos favorables para el uso de dispositivos tecnológicos.
Se abre así un mundo de posibilidades en el campo de la evaluación que los evaluadores deben tener en cuenta a la hora de programar y establecer sus rutinas de trabajo e investigación. Por ello, es importante conocer, experimentar y adaptar estas nuevas herramientas que el avance de las nuevas tecnologías nos ofrece y que nos permiten mejorar el desarrollo del proceso de la evaluación.
Las nuevas tecnologías aplicadas al campo de la evaluación han permitido mejorar la gestión, sistematización y análisis de la información recopilada obteniendo resultados en menos tiempo y de forma más eficaz. En cada una de las etapas de la evaluación: estructuración; observación; análisis y juicio; sea trabajo de campo o de gabinete; nos encontramos con multitud de herramientas que nos facilitan el trabajo del día a día.
(ver post: ¿Qué ofrecen las tecnologías en el campo de la evaluación? Algunas herramientas)
About Miriam López
Social Media en el ámbito de la investigación
Actualmente, vivimos rodeados de una cantidad inmensa de información y herramientas que puede llegar incluso a saturarnos, pero las ventajas y el potencial de todos los recursos es enorme por ello debemos conocerlos y sacarles el máximo rendimiento posible.
En el mundo de la investigación, cada vez más son los que utilizan los medios sociales para sus investigaciones y participan en redes sociales científicas con el objetivo de observar y recopilar información de manera más rápida, sencilla y barata. Así como compartir conocimientos. Si bien es cierto que la participación sigue siendo escasa por falta de tiempo y miedo a perder privacidad.
Aunque no tengan mucha publicidad, existen redes sociales científicas muy conocidas como Academia.edu que cuenta con más de 18 millones de usuarios, ResearchGate, con más de 6 millones y Mendeley, con más de 3 millones.
La revista Nature publicó un estudio que indicaba los investigadores utilizaban estas redes principalmente para la búsqueda de nuevos artículos y para contactar con otros investigadores. Este estudio también nos muestra algunos de los datos que muestran el uso de las redes sociales así como un análisis de la frecuencia de visitas dependiendo del área de especialización. Así tenemos:
- Twitter: más del 50% seguimiento a los debates.
- Facebook más del 55% para ocio.
- LinkedIn: más del 65% para contactar con otros investigadores.
- Ciencias e Ingeniería: las tres redes más consultadas son Google Scholar (60%), ResearchGate (48%) y LinkedIn (40%).
- Ciencias Sociales, Artes y Humanidades: son Google Scholar (70%), Facebook (52%) y LinkedIn (42%).
Un ejemplo de las aportaciones y avances de estas redes son los estudios realizados en 2014 por ResearchGate:
- Ideas para frenar la crisis del Ébola.
- 15 investigadores de nueve países de seis disciplinas ayudaron a proteger la mariposa más grande de África.
- 89.000 personas participaron en la revisión abierta de un estudio de las células madre.
- La investigación del Sida en más de 100 campos de estudio.
La Dra. Olivia Hernández Pozas, profesora asociada de EGADE Business School del Tecnológico de Monterrey, en su afán por el desarrollo de la Inteligencia Cultural promueve el uso de redes sociales alegando que su utilización aumenta los conocimientos adquiridos sobre ambiente multicultural, e internacionales de modo más sencillo y cómodo.
Gracias a esta revolución, en este momento, podemos acceder a una base de datos de más de 2.000 millones de personas. De ahí surge un nuevo concepto, el llamado Social Media Listening o el Social Listening, como elemento clave para conocer más detalladamente las opiniones de las personas.
Por último, a pesar de que debemos intentar sacar el máximo partido posible a estas herramientas, es importante tener en cuenta que respetar la privacidad de las personas es esencial. Los usuarios tienen que conocer en todo momento en qué actividades están participando para que no puedan sentirse molestos o utilizados. Ejemplo de ello, fue cuando en 2012 salió a la luz la noticia de que Facebook había alterado el orden de las noticias que los usuarios ven de sus contactos y fanpages, con el objetivo de demostrar la teoría del contagio emocional. Para ello, decidieron mostrar sólo noticias positivas a un grupo de usuarios, y sólo publicaciones negativas al otro, para comprobar si cada grupo reaccionaba diferente y se contagiaba de la emoción de las publicaciones. Este “experimento” se llevó a cabo sin el consentimiento de los usuarios por lo que provocó el cabreo de los usuarios y debates sobre la legalidad de este proceso.
Redes sociales y Organizaciones sin ánimo de lucro
Como comentábamos en un post anterior el uso de las redes sociales para la evaluación y análisis de distintas actividades organizadas en campos sociales, como el educativo o el médico también están cobrando importancia en los últimos años, no sólo en el marketing de grandes empresas multinacionales. Como nos dice Jan Rezab, el uso de las redes sociales puede crear un mundo mejor. Y aquí entran en juego las organizaciones sin ánimo de lucro.
El uso de las redes sociales en aquellas organizaciones sin ánimo de lucro, ya que su presencia en las redes e Internet debe ser fundamental en los tiempos que corren hoy en día, pero al mínimo coste. La situación económica actual ha desbancado a muchas de estas organizaciones y los fondos que obtienen se han reducido. Además, tiene que competir con las empresas comerciales, tanto en el mundo físico como en el digital. Es por ello que las organizaciones sin ánimo de lucro tienen que rentabilizar sus esfuerzos de la mejor manera posible. Deben centrarse en ser útiles, generar valor e interés en lo que se publica y no utilizarlas, en un primer momento, en canalizar fondos. La idea es divertir y entretener. Las donaciones vendrán luego. Hace falta trabajo previo para construir una comunidad fidelizada y comprometida con la causea que difunda el mensaje y que esté dispuesta a pasar a la acción en el mundo online.
Desde esta perspectiva, Allison H. Fine ha fundado una organización sin ánimo de lucro, Networked Nonprofits, dedicada a la transformación de la evaluación para el cambio social. Esta entidad está dirigida a descubrir y discutir los desafíos particulares y las nuevas oportunidades para medir el uso de las redes sociales por organizaciones de todo tipo, las conexiones y relaciones creadas a través de los medios de comunicación social con el fin de comprender mejor las formas en que los medios digitales están dando forma a los esfuerzos de cambio social. Esta red se dedica a contactar a diversas personas y organizaciones que compartan su trabajo con el fin de crear conciencia de los problemas sociales y organizar a las comunidades para prestar servicios de legislación. En el largo plazo, el objetivo es crear un mundo más seguro, más justo y más saludable para vivir.
¿Cómo funciona? Conecta a las personas, más allá de sus muros, a través de las conversaciones y las relaciones que se mantienen a través de sus redes. Así, se construye una responsabilidad común creando una lista de “cosas pendientes” donde todos los participantes puedan remar en la misma dirección. Alguno de estos medios sociales son las conversaciones generadas en Twitter, Youtube y blogs; la colaboración que se genera en grupos de Google; o las redes construidas a través de Facebook o MySpace.
Las redes sociales tienen una gran fuerza en la vida de los individuos de hoy en día, conectando a personas que se encuentran en polos opuestos de la tierra en tan sólo décimas de segundo. Esto hace unos años era impensable. Las redes sociales han despertado la creatividad y esto es un gran canalizador para luchar por aquellas causas en las que las personas creen. ¿Lo mejor de todo? Es espontáneo.
Social media y educación
Dentro de las nuevas tendencias que se están desarrollando en la actualidad y las redes sociales, en la educación superior por ejemplo, el impacto de las iniciativas no puede ser únicamente determinado por la cantidad de participantes que entran/salen de dichos programas. Es importante determinar una estrategia de seguimiento para recoger los datos de los resultados y evaluar estos planes de educación superior. Se debe recopilar la información de los participantes de primera mano. Puede ser un trabajo largo y laborioso, por la cantidad de participantes que pueden entrar en dichos programas.
Es por ello que el uso de las redes sociales nos puede facilitar mucho trabajo y darnos pistas clave para identificar a dichos participantes, ya sea por su localización, el puesto laboral que desempeñan en la actualidad u otras actividades (voluntariado, por ejemplo) que nos ayuden a determinar perfiles. Algunas de estas herramientas son LinkedIn, ResearchGate o Educa, donde además de la información personal básica se puede recoger información relacionada con publicaciones, comunicaciones, artículos científicos, premios o menciones que completen esa información. Todo esto nos puede ayudar a dibujar un primer mapa con información de la muestra a estudiar de una organización o una especialidad en concreto, por ejemplo: ¿la tendencia de aquellos graduados del 2005 que estudiaron Administración y Dirección de Empresas en la Universidad Autónoma de Madrid? Otro filtro podría ser, ¿cuál es la tendencia de los alumnos que estudiaron la carrera de ciencias de la comunicación en la Comunidad de Madrid en todas las Escuelas? Algunas de etas herramientas pueden ser las encuestas online y su difusión a través de la base de datos recogida gracias a las redes sociales. Algunas de estas herramientas gratuitas son Google Forms, Survey Monkey, Survey Gizmo. Entre aquellas de pago podemos utilizar Qualtrics, SurveyAnalytics, SurveyMonkey o SurveyGizmo. La metodología cualitativa te puede ayudar a profundizar en la personalidad y las perspectivas de cada uno de los participantes.
Bibliografía
