“Estamos en la cúspide de una nueva era en las ciencias sociales computacionales” (Wallach, 2016 ).
En esta publicación los autores, Wouter Van & Tai-Quan junto a sus colaboradores concentran inicialmente su atención en tres importantes desarrollos derivados de la comunicación computacional con el propósito de brindar una visión general del estudio que se ha hecho sobre la comunicación utilizando métodos computacionales, sin dejar de lado; ventajas y desafíos de esta metodología, beneficios y limitaciones potenciales a los que se enfrentan los académicos que utilizan dichos métodos.
Se destacan tres desarrollos:
1. El gigantesco crecimiento de datos fácilmente accesibles desde redes sociales, archivos
web, periódicos digitales y similares (p. ej., Weber, 2018 ).
2. Herramientas mejoradas para analizar datos. El modelado de temas, incrustaciones de
palabras y métodos sintácticos.
3. El surgimiento de un poder de procesamiento eficaz y económico, de una infraestructura
informática fácil de usar para procesar datos, una nube científica y comercial. Plataformas. Nuevos conjuntos de datos con artefactos de comunicación como tweets, publicaciones, correos electrónicos incluso; nuevos métodos para analizar la estructura y dinámica de la comunicación humana”.
En este artículo, el reconocido profesor de Comunicación Política en Vrije Universiteit, Amsterdam, Wouter van Atteveldt; Cofundador de la división de Métodos Computacionales de la Asociación Internacional de Comunicación y Editor Jefe Fundador de Computational Communication Research. Autor; de varias investigaciones y publicaciones sobre métodos innovadores para analizar textos políticos afirma; que estos desarrollos muestran el progreso sin precedentes de las ciencias de la comunicación; siempre que se superen los desafíos técnicos, sociales y éticos que presentan los mismos. Wouter & Tai sostienen que los métodos computacionales tienen el potencial de cambiar radicalmente nuestra disciplina”. “Por supuesto, los métodos computacionales no reemplazan los enfoques metodológicos existentes, sino que los complementan”.
“En la actualidad, es posible observar metodológicamente la reacción diaria de las personas frente a los estímulos en su entorno real, en lugar de hacerlo en un laboratorio artificial (Barabási, 2016 )”. “Por ej. el consumo de noticias en tiempo real combinado con datos de encuestas facilita una medición más sofisticada del consumo de noticias y sus efectos” (Bodo et al., 2017 ; Guess, Nyhan, & Reifler, 2018 ; Kobayashi, Boase, Suzuki y Suzuki, 2015). El tamaño de la muestra puede pasar fácilmente de la “n” pequeña a la “N”grande con mayor facilidad. De hecho, los datos digitales y las herramientas computacionales facilitan el compartir y el reutilizar estos recursos; acercan la investigación cuantitativa y cualitativa y mejoran nuestra comprensión de los datos y construcción de la teoría. Hazel Know y sus colegas abordan los sesgos de muestreo en la investigación digital y demuestran cómo el aprendizaje automático supervisado puede reducir el sesgo de muestreo inducido por la «desigualdad de población de proxy» en Twitter.
Vale la pena, leer detalladamente el artículo “Cuando la comunicación se encuentra con la computación: oportunidades, desafíos y trampas en la ciencia de la comunicación computacional” ( Wouter Van Atteveldt. & Tai-Quan Peng. 2018); para no emitir un juicio a priori, ni ser engañados por nuestra propia percepción. El artículo deja claro que “ejecutar un método en una computadora no lo convierte en un «método computacional»: de hecho; “los estudiosos de la comunicación han utilizado computadoras para realizar sus estudios durante más de medio siglo” (p. ej., Nie, Bent y Hull, 1970 ; Stone, Dunphy, Smith y Ogilvie, 1966 ).
Indudablemente, la utilización de los métodos computacionales por parte de los investigadores de la comunicación ha revolucionado la forma de hacerle seguimiento al comportamiento social de cara al big data, consumo de noticias en tiempo real, reacciones y aptitudes de los individuos ante las redes; donde lo importante de big data no es la gran cantidad de datos (estructurados y no estructurados) que abundan en una compañía a diario sino, cómo manejar esa información para conseguir directrices válidas que conduzcan a una mejor toma de decisiones y acciones estratégicas.
En buena hora, los métodos computacionales, complementan y facilitan los estudios sobre el comportamiento social de una manera eficaz y quizá sin mayor costo; pero también es cierto; que se convierten en un artefacto privilegiado que puede vulnerar y manipular la intimidad y privacidad del individuo que deja su huella a diario en las redes sin prever que está siendo objeto de estudio sin ser consciente de ello. Esto supone dilemas éticos bastante importantes para el periodismo investigativo computacional (Díaz Campo J & Chaparro D. M. Angeles 2020).
Considero que es necesario revisar los códigos deontológicos de la profesión, por ello sugiero leer y analizar con lupa este tema bien justificado por Wouter, Tai y sus colaboradores. No es que esté en desacuerdo con el uso de estos métodos, pero sí debería analizarse más de cerca hasta qué punto se violan algunos principios como el respeto a la privacidad, la objetividad, la autoría de los datos y la validez del análisis y resultados de esos datos.
Se ha producido un cambio revolucionario en la manera de escribir la información, de almacenarla y comunicarla. La información digitalizada es más mediatizada y a su vez genera cambios en la sociedad en tiempo real. Modifica comportamientos, estilos de vida, formas de trabajo y hasta los valores socioculturales. Todo esto conlleva a una nueva cultura planetaria basada en el desarrollo y oportunidades al compartir información en las redes. Hemos llegado a una época donde el desarrollo científico y tecnológico demuestra que estamos avanzando en la integración de los seres humanos hacia una concepción más global de la humanidad, no obstante; es necesario estar alerta sobre su uso, al final vivimos en un momento histórico donde todo lo bueno es malo y lo malo resulta ser bueno; lo normal es anormal y lo anormal resulta ser normal.
En conclusión; este artículo llama la atención para mirar más de cerca los métodos computacionales disponibles para la investigación de la comunicación. Como lo afirma Matthew Weber ( 2018 ), miembro de Rutgers’ Net SCI Network Science lab y profesor de Communicación “el desafío para los investigadores de la comunicación es evaluar la calidad y representatividad de los datos y luego evaluar la validez externa de sus hallazgos derivados de dichos datos. Trabajar con agencias de financiación y proveedores de datos, como editores de periódicos y plataformas de redes sociales abiertas, para que los conjuntos de datos estandarizados estén disponibles a todos los investigadores y no ser sesgados”. El que los datos sean grandes no significa que sean representativos de una determinada población; lo que lleva a un sesgo de muestreo que debe manejarse con cuidado en los estudios empíricos.
Finalmente es necesario invertir en habilidades, infraestructura e instituciones (Jagadish et al., 2014 ; Wallach, 2016 ); compartir métodos y datos computacionales para salir del analfabetismo computacional. Cada vez es más importante que, como profesionales, seamos expertos en el manejo de datos y herramientas computacionales, así resultará más fácil y eficaz la tarea.
BIBLIOGRAFÍA
Díaz-Campo, J., & Chaparro-Domínguez, M.- Ángeles. (2020). Periodismo computacional y ética. Revista ICONO 14. Revista Científica De Comunicación Y Tecnologías Emergentes, 18(1).
Por: Anwar Vargas Maria
