El artículo examina el impacto del big data y la inteligencia artificial en el campo de las ciencias sociales computacionales. Se destaca la incidencia de este campo interdisciplinar en los estudios sociales en el marco de tres problemas específicos: a) el reduccionismo ontológico, b) el mito de la neutralidad y c) las complejidades en la distinción entre causalidad y correlación de variables en los fenómenos sociales. Desde una perspectiva crítica, se problematizan los supuestos epistemológicos que sostienen el uso acrítico de algoritmos y modelos de aprendizaje automático en la investigación social aislados del contexto de producción teórica. A partir de una revisión del estado del arte y de la presentación del análisis de un dataset mediante la aplicación de métodos de agrupamiento no supervisado, específicamente el algoritmo de K-means y el clúster jerárquico, se proponen estrategias que integran enfoques computacionales con tradiciones cualitativas, con el fin de potenciar investigaciones aplicadas desde la triangulación metodológica y atentas a los contextos sociopolíticos donde los datos son producidos y utilizados.
El artículo examina el impacto del big data y la inteligencia artificial en el campo de las ciencias sociales computacionales. Se destaca la incidencia de este campo interdisciplinar en los estudios sociales en el marco de tres problemas específicos: a) el reduccionismo ontológico, b) el mito de la neutralidad y c) las complejidades en la distinción entre causalidad y correlación de variables en los fenómenos sociales. Desde una perspectiva crítica, se problematizan los supuestos epistemológicos que sostienen el uso acrítico de algoritmos y modelos de aprendizaje automático en la investigación social aislados del contexto de producción teórica. A partir de una revisión del estado del arte y de la presentación del análisis de un dataset mediante la aplicación de métodos de agrupamiento no supervisado, específicamente el algoritmo de K-means y el clúster jerárquico, se proponen estrategias que integran enfoques computacionales con tradiciones cualitativas, con el fin de potenciar investigaciones aplicadas desde la triangulación metodológica y atentas a los contextos sociopolíticos donde los datos son producidos y utilizados. Read More