{"id":2886,"date":"2018-08-09T10:15:20","date_gmt":"2018-08-09T13:15:20","guid":{"rendered":"http:\/\/blog.scielo.org\/es\/?p=2886"},"modified":"2019-05-02T16:24:29","modified_gmt":"2019-05-02T19:24:29","slug":"resena-del-libro-bit-by-bit-social-research-in-the-digital-age","status":"publish","type":"post","link":"https:\/\/blog.scielo.org\/es\/2018\/08\/09\/resena-del-libro-bit-by-bit-social-research-in-the-digital-age\/","title":{"rendered":"Rese\u00f1a 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]"},"content":{"rendered":"

Por Marziyeh Ebrahimi<\/strong><\/p>\n

\"\"<\/a>

Imagen: GDJ<\/a>.<\/i><\/p><\/div>\n

Bit by Bit: Social Research in the Digital Age<\/em> (Bit por bit: La investigaci\u00f3n social en la era digital), escrita por Matthew J. Salganik, profesor de la Universidad de Princeton, ofrece informaci\u00f3n clara y detallada sobre la realizaci\u00f3n de la investigaci\u00f3n social en la era digital. El libro tiene contenido actualizado que cubre una amplia gama de conceptos relacionados con el contenido en l\u00ednea y tambi\u00e9n 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 tambi\u00e9n ha proporcionado una variedad de materiales de ense\u00f1anza, como planes de estudios y diapositivas, para cada cap\u00edtulo.<\/p>\n

En la introducci\u00f3n, Salganik se\u00f1ala que este libro tiene dos audiencias clave que tienen mucho que aprender el uno del otro. Por un lado, es para los cient\u00edficos sociales que tienen entrenamiento y experiencia estudiando el comportamiento social; por otro lado, el libro tambi\u00e9n es para cient\u00edficos de datos que han recibido capacitaci\u00f3n en ciencias de la computaci\u00f3n o ingenier\u00eda. Este libro intenta unir a estas dos comunidades para producir algo m\u00e1s rico y m\u00e1s interesante de lo que cualquiera de las comunidades podr\u00eda producir individualmente.<\/p>\n

Bit by Bit<\/em> tiene siete cap\u00edtulos y avanza a trav\u00e9s de cuatro amplios dise\u00f1os de investigaci\u00f3n: comportamiento de observaci\u00f3n; haciendo preguntas; ejecutar experimentos; y crear una colaboraci\u00f3n masiva. Al final de cada cap\u00edtulo, ofrece una amplia gama de actividades, que est\u00e1n etiquetadas por el grado de dificultad y por las habilidades que se requieren para resolverlas, incluidas las matem\u00e1ticas, la codificaci\u00f3n o la recopilaci\u00f3n de datos.<\/p>\n

\"\"<\/a><\/p>\n

En la era anal\u00f3gica, la recopilaci\u00f3n de datos sobre el comportamiento (datos relacionados con qui\u00e9n hace qu\u00e9 y cu\u00e1ndo) 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 vol\u00famenes de datos significa que hemos pasado de un mundo donde los datos de comportamiento son escasos a uno en el que abundan.<\/p>\n

Salganik considera que el primer paso para aprender sobre big data<\/em> es darse cuenta de que es parte de una categor\u00eda m\u00e1s amplia de datos que se ha utilizado para la investigaci\u00f3n social durante muchos a\u00f1os: datos de observaci\u00f3n. En t\u00e9rminos generales, esto se refiere a cualquier dato que resulte de observar un sistema social sin intervenir de alguna manera. No obstante, como \u00e9l escribe:<\/p>\n

Las fuentes de big data<\/em> est\u00e1n en todas partes, pero usarlas para la investigaci\u00f3n social puede ser complicado. En mi experiencia, hay algo as\u00ed como una regla de \u201cno comer gratis\u201d para los datos: si no pones mucho trabajo recopil\u00e1ndola, entonces probablemente vas a tener que poner mucho trabajo en pensar en ello y analizarlo.<\/p>\n

En cuanto a las fuentes de big data<\/em>, Salganik escribe que muchos investigadores se centran inmediatamente en los datos en l\u00ednea creados y recopilados por las empresas, como registros de motores de b\u00fasqueda y publicaciones en redes sociales. Sin embargo, esto deja fuera otras dos fuentes importantes de big data<\/em>. En primer lugar, las fuentes corporativas de big data<\/em> que provienen de dispositivos digitales en el mundo f\u00edsico; y, segundo, registros administrativos del gobierno. Es cierto que estas fuentes de informaci\u00f3n siempre han sido [(no) \u00e9ticamente] utilizadas por los cient\u00edficos sociales, pero lo que ha cambiado es la digitalizaci\u00f3n, que ha hecho que sea m\u00e1s f\u00e1cil para los gobiernos recolectar, transmitir, almacenar y analizar datos.<\/p>\n

Salganik presenta las diez caracter\u00edsticas comunes de big data<\/em>: grande; siempre encendido; no reactivo; incompleto; inaccesible; no representativo; a la deriva; algorithmically confounded<\/em>; sucio; y sensible Por ejemplo, la recopilaci\u00f3n de datos “siempre activada” permite a los investigadores estudiar eventos inesperados de maneras que de otro modo no ser\u00edan posibles. Por ejemplo, aquellos que estudian las protestas de Occupy Gezi<\/em> en Turqu\u00eda en el verano de 2013 se centrar\u00e1n t\u00edpicamente en el comportamiento de los manifestantes durante el evento, ya que los datos fueron accesibles p\u00fablicamente en l\u00ednea a trav\u00e9s de las redes sociales. Con respecto a la “no reactividad”, Salganik escribe que:<\/p>\n

Un desaf\u00edo de la investigaci\u00f3n social es que las personas pueden cambiar su comportamiento cuando saben que los observan los investigadores. Los cient\u00edficos sociales generalmente llaman a esto reactividad. Un aspecto del big data<\/em> que muchos investigadores encuentran prometedor es que los participantes generalmente no son conscientes de que se est\u00e1n capturando sus datos o se han acostumbrado tanto a esta recopilaci\u00f3n 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<\/em> para estudiar el comportamiento que no ha sido susceptible de mediciones precisas previamente.<\/p>\n

Adem\u00e1s, identific\u00f3 tres estrategias principales para aprender de las fuentes de big data<\/em>: contar cosas; pronosticar cosas; y aproximar experimentos.<\/p>\n

Entre los conceptos de investigaci\u00f3n digital que Salganik ha desarrollado a lo largo de este libro, la creaci\u00f3n de colaboraci\u00f3n masiva, el t\u00edtulo del Cap\u00edtulo Cinco, ofrece una perspectiva \u00fanica sobre las nuevas formas de investigaci\u00f3n social y colaboraci\u00f3n en nuestro tiempo. \u00c9l explica eso:<\/p>\n

La era digital afortunadamente permite muchas formas nuevas de colaboraci\u00f3n. Como ejemplo, la clave del \u00e9xito de Wikipedia no era el conocimiento nuevo; m\u00e1s bien, era una nueva forma de colaboraci\u00f3n. La colaboraci\u00f3n masiva combina ideas de la ciencia ciudadana, que trata de involucrar a los ciudadanos en el proceso cient\u00edfico, y el crowd-sourcing<\/em>, que se refiere a resolver un problema ordinariamente dentro de una organizaci\u00f3n y subcontratarlo a una multitud e inteligencia colectiva.<\/p>\n

Sin embargo, la era digital no solo ha creado nuevas oportunidades para recopilar y analizar datos sociales, sino que tambi\u00e9n ha producido nuevos desaf\u00edos \u00e9ticos. Salganik sostiene que cuatro principios pueden guiar a los investigadores que enfrentan incertidumbre \u00e9tica: respeto por las personas; beneficencia; justicia; y respeto por la ley y los intereses p\u00fablicos. Sin embargo, la \u00e9tica de la investigaci\u00f3n implica luchar por las decisiones sobre qu\u00e9 hacer y qu\u00e9 no hacer. Como una soluci\u00f3n a estos dilemas, sugiere que los investigadores se pongan en el lugar de otras personas: “A menudo los investigadores est\u00e1n tan enfocados en los objetivos cient\u00edficos de su trabajo que ven el mundo solo a trav\u00e9s de ese lente. Esta miop\u00eda puede llevar a un mal juicio \u00e9tico”. Por lo tanto, cuando est\u00e9 pensando en su estudio, trate de imaginar c\u00f3mo podr\u00edan reaccionar sus participantes, otras partes interesadas relevantes e incluso un periodista a la investigaci\u00f3n. Esta toma de perspectiva es diferente de imaginar c\u00f3mo te sentir\u00edas en cada una de estas posiciones. M\u00e1s bien, est\u00e1 tratando de imaginar c\u00f3mo se sentir\u00e1n estas otras personas.<\/p>\n

En \u00faltima instancia, Salganik cree que los investigadores sociales est\u00e1n en el proceso de hacer una transici\u00f3n similar al cambio de la fotograf\u00eda a la cinematograf\u00eda. El futuro de la investigaci\u00f3n social ser\u00e1 una combinaci\u00f3n de ciencia social y ciencia de datos, donde habr\u00e1 m\u00e1s recolecci\u00f3n de datos centrada en el participante, y la \u00e9tica pasar\u00e1 de ser una preocupaci\u00f3n perif\u00e9rica a una preocupaci\u00f3n central y un tema de investigaci\u00f3n en s\u00ed mismo. Bit by Bit<\/em> ofrece una visi\u00f3n global sobre esta nueva forma de hacer investigaci\u00f3n social en nuestro tiempo, y es uno de esos libros que todos los acad\u00e9micos sociales deber\u00edan leer o considerar.<\/p>\n

Enlaces externos<\/h3>\n

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

Matthew Salganik <http:\/\/www.princeton.edu\/~mjs3\/<\/a>><\/p>\n

 <\/p>\n

Sobre Marziyeh Ebrahimi<\/h3>\n

Marziyeh Ebrahimi comenz\u00f3 a escribir profesionalmente como periodista en la agencia de noticias ISNA en Ir\u00e1n cuando ten\u00eda 17 a\u00f1os. Defendi\u00f3 su tesis doctoral sobre an\u00e1lisis de comportamiento de usuarios en la Universidad de Navarra en Espa\u00f1a en 2016. Actualmente colabora como investigadora post-doc con la Universidad Panamericana en M\u00e9xico \u2013 Aguascalientes.<\/p>\n

 <\/p>\n

Articulo original em ingl\u00e9s<\/h3>\n

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

 <\/p>\n

Traducido del original en ingl\u00e9s<\/a> por Ernesto Spinak.<\/p>\n","protected":false},"excerpt":{"rendered":"

En Bit by Bit: Social Research in the Digital Age<\/i> (Bit por bit: La investigaci\u00f3n social en la era digital), Matthew J. Salganik explora el proceso de llevar a cabo investigaciones sociales en la era digital, examina una amplia gama de conceptos y ofrece actividades y materiales did\u00e1cticos. Al reunir la experiencia de los cient\u00edficos sociales y de datos en beneficio de ambos, esta es una descripci\u00f3n general de los nuevos enfoques de la investigaci\u00f3n social en nuestro tiempo, recomienda Marziyeh Ebrahimi. …<\/span> Read More →<\/span><\/a><\/span><\/p>\n","protected":false},"author":5,"featured_media":2888,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"om_disable_all_campaigns":false,"_monsterinsights_skip_tracking":false,"_monsterinsights_sitenote_active":false,"_monsterinsights_sitenote_note":"","_monsterinsights_sitenote_category":0,"footnotes":"","_links_to":"","_links_to_target":""},"categories":[3],"tags":[7,40],"class_list":["post-2886","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-analisis","tag-comunicacion-cientifica","tag-evaluacion-de-la-ciencia"],"aioseo_notices":[],"_links":{"self":[{"href":"https:\/\/blog.scielo.org\/es\/wp-json\/wp\/v2\/posts\/2886","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/blog.scielo.org\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/blog.scielo.org\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/blog.scielo.org\/es\/wp-json\/wp\/v2\/users\/5"}],"replies":[{"embeddable":true,"href":"https:\/\/blog.scielo.org\/es\/wp-json\/wp\/v2\/comments?post=2886"}],"version-history":[{"count":4,"href":"https:\/\/blog.scielo.org\/es\/wp-json\/wp\/v2\/posts\/2886\/revisions"}],"predecessor-version":[{"id":3363,"href":"https:\/\/blog.scielo.org\/es\/wp-json\/wp\/v2\/posts\/2886\/revisions\/3363"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/blog.scielo.org\/es\/wp-json\/wp\/v2\/media\/2888"}],"wp:attachment":[{"href":"https:\/\/blog.scielo.org\/es\/wp-json\/wp\/v2\/media?parent=2886"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/blog.scielo.org\/es\/wp-json\/wp\/v2\/categories?post=2886"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/blog.scielo.org\/es\/wp-json\/wp\/v2\/tags?post=2886"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}