Reseña del libro Bit by Bit: Social Research in the Digital Age por Matthew J. Salganik [Publicado originalmente en el blog LSE Impact of Social Sciences en Julio/2018]

Por Marziyeh Ebrahimi

Imagen: GDJ.

Bit by Bit: Social Research in the Digital Age (Bit por bit: La investigación social en la era digital), escrita por Matthew J. Salganik, profesor de la Universidad de Princeton, ofrece información clara y detallada sobre la realización de la investigación social en la era digital. El libro tiene contenido actualizado que cubre una amplia gama de conceptos relacionados con el contenido en línea y también ofrece actividades y soluciones, lo que lo convierte en un texto perfecto tanto para investigadores que trabajan con big data como para profesores universitarios que buscan un libro de texto sobre este tema. Se puede acceder al libro en su sitio web y Salganik también ha proporcionado una variedad de materiales de enseñanza, como planes de estudios y diapositivas, para cada capítulo.

En la introducción, Salganik señala que este libro tiene dos audiencias clave que tienen mucho que aprender el uno del otro. Por un lado, es para los científicos sociales que tienen entrenamiento y experiencia estudiando el comportamiento social; por otro lado, el libro también es para científicos de datos que han recibido capacitación en ciencias de la computación o ingeniería. Este libro intenta unir a estas dos comunidades para producir algo más rico y más interesante de lo que cualquiera de las comunidades podría producir individualmente.

Bit by Bit tiene siete capítulos y avanza a través de cuatro amplios diseños de investigación: comportamiento de observación; haciendo preguntas; ejecutar experimentos; y crear una colaboración masiva. Al final de cada capítulo, ofrece una amplia gama de actividades, que están etiquetadas por el grado de dificultad y por las habilidades que se requieren para resolverlas, incluidas las matemáticas, la codificación o la recopilación de datos.

En la era analógica, la recopilación de datos sobre el comportamiento (datos relacionados con quién hace qué y cuándo) era costoso y, por lo tanto, relativamente raro. Ahora, en la era digital, el comportamiento de miles de millones de personas se registra, almacena y analiza. Como estos datos son un subproducto de las acciones cotidianas de las personas, a menudo se los llama “rastros digitales”. La creciente cantidad de grandes volúmenes de datos significa que hemos pasado de un mundo donde los datos de comportamiento son escasos a uno en el que abundan.

Salganik considera que el primer paso para aprender sobre big data es darse cuenta de que es parte de una categoría más amplia de datos que se ha utilizado para la investigación social durante muchos años: datos de observación. En términos generales, esto se refiere a cualquier dato que resulte de observar un sistema social sin intervenir de alguna manera. No obstante, como él escribe:

Las fuentes de big data están en todas partes, pero usarlas para la investigación social puede ser complicado. En mi experiencia, hay algo así como una regla de “no comer gratis” para los datos: si no pones mucho trabajo recopilándola, entonces probablemente vas a tener que poner mucho trabajo en pensar en ello y analizarlo.

En cuanto a las fuentes de big data, Salganik escribe que muchos investigadores se centran inmediatamente en los datos en línea creados y recopilados por las empresas, como registros de motores de búsqueda y publicaciones en redes sociales. Sin embargo, esto deja fuera otras dos fuentes importantes de big data. En primer lugar, las fuentes corporativas de big data que provienen de dispositivos digitales en el mundo físico; y, segundo, registros administrativos del gobierno. Es cierto que estas fuentes de información siempre han sido [(no) éticamente] utilizadas por los científicos sociales, pero lo que ha cambiado es la digitalización, que ha hecho que sea más fácil para los gobiernos recolectar, transmitir, almacenar y analizar datos.

Salganik presenta las diez características comunes de big data: grande; siempre encendido; no reactivo; incompleto; inaccesible; no representativo; a la deriva; algorithmically confounded; sucio; y sensible Por ejemplo, la recopilación de datos “siempre activada” permite a los investigadores estudiar eventos inesperados de maneras que de otro modo no serían posibles. Por ejemplo, aquellos que estudian las protestas de Occupy Gezi en Turquía en el verano de 2013 se centrarán típicamente en el comportamiento de los manifestantes durante el evento, ya que los datos fueron accesibles públicamente en línea a través de las redes sociales. Con respecto a la “no reactividad”, Salganik escribe que:

Un desafío de la investigación social es que las personas pueden cambiar su comportamiento cuando saben que los observan los investigadores. Los científicos sociales generalmente llaman a esto reactividad. Un aspecto del big data que muchos investigadores encuentran prometedor es que los participantes generalmente no son conscientes de que se están capturando sus datos o se han acostumbrado tanto a esta recopilación de datos que ya no cambia su comportamiento. Debido a que los participantes no son reactivos, por lo tanto, se pueden usar muchas fuentes de big data para estudiar el comportamiento que no ha sido susceptible de mediciones precisas previamente.

Además, identificó tres estrategias principales para aprender de las fuentes de big data: contar cosas; pronosticar cosas; y aproximar experimentos.

Entre los conceptos de investigación digital que Salganik ha desarrollado a lo largo de este libro, la creación de colaboración masiva, el título del Capítulo Cinco, ofrece una perspectiva única sobre las nuevas formas de investigación social y colaboración en nuestro tiempo. Él explica eso:

La era digital afortunadamente permite muchas formas nuevas de colaboración. Como ejemplo, la clave del éxito de Wikipedia no era el conocimiento nuevo; más bien, era una nueva forma de colaboración. La colaboración masiva combina ideas de la ciencia ciudadana, que trata de involucrar a los ciudadanos en el proceso científico, y el crowd-sourcing, que se refiere a resolver un problema ordinariamente dentro de una organización y subcontratarlo a una multitud e inteligencia colectiva.

Sin embargo, la era digital no solo ha creado nuevas oportunidades para recopilar y analizar datos sociales, sino que también ha producido nuevos desafíos éticos. Salganik sostiene que cuatro principios pueden guiar a los investigadores que enfrentan incertidumbre ética: respeto por las personas; beneficencia; justicia; y respeto por la ley y los intereses públicos. Sin embargo, la ética de la investigación implica luchar por las decisiones sobre qué hacer y qué no hacer. Como una solución a estos dilemas, sugiere que los investigadores se pongan en el lugar de otras personas: “A menudo los investigadores están tan enfocados en los objetivos científicos de su trabajo que ven el mundo solo a través de ese lente. Esta miopía puede llevar a un mal juicio ético”. Por lo tanto, cuando esté pensando en su estudio, trate de imaginar cómo podrían reaccionar sus participantes, otras partes interesadas relevantes e incluso un periodista a la investigación. Esta toma de perspectiva es diferente de imaginar cómo te sentirías en cada una de estas posiciones. Más bien, está tratando de imaginar cómo se sentirán estas otras personas.

En última instancia, Salganik cree que los investigadores sociales están en el proceso de hacer una transición similar al cambio de la fotografía a la cinematografía. El futuro de la investigación social será una combinación de ciencia social y ciencia de datos, donde habrá más recolección de datos centrada en el participante, y la ética pasará de ser una preocupación periférica a una preocupación central y un tema de investigación en sí mismo. Bit by Bit ofrece una visión global sobre esta nueva forma de hacer investigación social en nuestro tiempo, y es uno de esos libros que todos los académicos sociales deberían leer o considerar.

Enlaces externos

Bit by Bit: Social Research in the Digital Age <http://www.bitbybitbook.com/>

Matthew Salganik <http://www.princeton.edu/~mjs3/>

Sobre Marziyeh Ebrahimi

Marziyeh Ebrahimi comenzó a escribir profesionalmente como periodista en la agencia de noticias ISNA en Irán cuando tenía 17 años. Defendió su tesis doctoral sobre análisis de comportamiento de usuarios en la Universidad de Navarra en España en 2016. Actualmente colabora como investigadora post-doc con la Universidad Panamericana en México – Aguascalientes.

Articulo original em inglés

http://blogs.lse.ac.uk/impactofsocialsciences/2018/07/15/book-review-bit-by-bit-social-research-in-the-digital-age-by-matthew-j-salganik/

Traducido del original en inglés por Ernesto Spinak.