Las investigaciones en curso basan su desarrollo en la ciencia de datos, debido a que esta proporciona herramientas de análisis que permiten plantear soluciones plausibles bien para lidiar con futuras pandemias como con tratamientos actuales de frente al COVID-19. Por ejemplo, en todo el mundo han surgido comunidades que han creado plataformas que trabajan bajo el modelo de inteligencia colectiva, donde desarrolladores, científicos de datos, investigadores, médicos, entre otros voluntarios, formulan proyectos relacionados con la COVID-19. Una plataforma que centraliza esta información es Helpwithcovid, que cuenta con bibliotecas como el Covid Healthcare Coalition, que permite a cientos de miles de investigadores tener acceso a información clave para trabajar con aprendizaje profundo. Cabe notar que una diferencia importante con las encuestas de opinión dice relación con los métodos de recolección de información.
En ocasiones, su uso se encuentra rodeado de sensacionalismo e hipérbole, lo que ofusca los desafíos, riesgos y compromisos involucrados. Estos aspectos deben ser parte central de la discusión, para la implementación responsable de esta metodología en un contexto clínico. Mientras que la hipérbole puede llevar a una decepción prematura frente a resultados modestos4,18, una cautela excesiva puede ralentizar la adopción de técnicas que objetivamente pueden mejorar https://psicocode.com/miscelanea/curso-ciencia-datos-tripleten/ el cuidado de pacientes y la práctica clínica. Por lo tanto, para que esta metodología pueda revolucionar la disciplina médica, es necesario disponer de un marco conceptual donde sea posible discutir de manera objetiva sus resultados. Por supuesto, esto no agotan los dilemas que se han erigido sobre la relación entre política y redes sociales. Muchas de estos debates se encuentran desarrollados en trabajos de ensayo y teóricos que acá no hemos revisado.
Mario de Felipe, CDO de Grupo ASV protagonista de Territorio Big Data
Así que hemos decidido contaros en el post de hoy algunos ejemplos de investigaciones científicas en las que se generan cantidades ingentes de datos y como el big data ayuda en esos casos. De los 10 títulos encontrados, omitiendo los artículos, preposiciones y verbos,
tenemos 26 palabras con 47 menciones (Anexo), entre las que predominan Big y Data; el resto de las palabras sólo reciben una mención. Por otra parte, y a diferencia de los artículos, donde encontrábamos mayormente
los títulos de las revistas científicas Nature y Science, en los comentarios hay más variedad, así podemos
mencionar ECONTENT y Scientific American donde
publicaron Nancy Davis Kho (2016) y Kate Crawford (2014), respectivamente. En suma, aunque exista la percepción de que estos datos masivos están siendo subutilizados y no se está obteniendo el beneficio que podrían ofrecer47, resulta relevante también que se reflexione sobre sus riesgos y limitaciones, para así estimular una investigación cien tífica con una cultura ética del uso de la información personal de sujetos que pueden ser titulares de derechos48. En primer término, es importante tener en cuenta que el registro médico surge de la práctica clínica, por tanto, el dato que se registra corresponde a un conjun to de acciones realizadas por profesionales de salud, en pos de atender o dar respuesta a una necesidad de salud de quien la requiera. En consecuencia, los datos que se generan no necesariamente son con fines de investi gación científica, por lo cual pueden contener errores, estar incompletos o pueden haberse registrado bajo di ferentes reglas de clasificación o unidades de medida, entre otros.
Sólo por mencionar una definición de información a partir de la CI, Faibisoff y Ely (1976) señalan que, además de contener
datos, la información se encuentra constituida por ideas, símbolos o un conjunto
de símbolos con un significado potencial. A partir de esta conceptualización
encontramos la vinculación y la justificación de nuestra investigación, donde se
observa que los datos son componente esencial de la información, y ésta a su vez
objeto de análisis de la CI. A la
masificación en la producción de datos se le ha denominado Big
Data, término que no sólo se circunscribe a la generación de volúmenes de
datos, sino que desde principios del siglo XXI casi todas curso de ciencia de datos las áreas del conocimiento
han empleado tiempo, espacio y dedicación para su estudio. Esto la convierte, además,
en una fuente de ingresos por la comercialización de equipo y sus aditamentos,
software y aquellos servicios de administración y mantenimiento
de sistemas automatizados, transformando las relaciones económicas y las
interacciones sociales y culturales casi a nivel global. Este artículo tiene como objetivo describir los con ceptos y terminología relacionada con la producción masiva de datos, que son conocidos por el tecnicismo “Big Data”. Así también, se pretende brindar algunos ejemplos en los cuales se están usando este tipo de da tos en el ámbito de la pediatría.
Big Data Research
A ello se añade un cambio en las
rutinas profesionales que desembocan, según Paulussen y Harder (2014), en la navegación diaria de los periodistas
por las redes sociales en la búsqueda de informaciones o para no quedarse rezagados
en la difusión de los hechos. De hecho, un estudio de Pew Research (2012) concluye que el 39 % de los videos sobre
acontecimientos inesperados que fueron difundidos por medios de comunicación habían
sido grabados por los ciudadanos. Por un lado, al hablar de datos en abierto se conectaría con todas la opciones que existen para la recopilación, tratamiento, reutilización y difusión de los datos sin restricciones. En efecto, esta idea estaría relacionada con todos aquellos que apoyan el libre acceso al conocimiento, a los programas informáticos, etc. Por otro lado, la idea de big data tiene que ver con los procedimientos, técnicas y herramientas dispuestas para gestionar grandes cantidades de datos.
La aparición de estas herramientas representa una de las características de este nuevo ciclo de la IA, presente en el mundo desde mediados de la década de los cincuenta. La localización, el análisis de datos y el ‘machine learning’ han dado lugar a un nuevo perfil profesional impensable hace unos años. Empresas e instituciones necesitan completar sus organigramas con expertos en estas disciplinas para predecir situaciones aplicables a cualquier ámbito de actuación. Los objetivos de predecir e inferir están íntimamente ligados con la efectividad y la interpretabilidad de un método.
