En mi post anterior comenté las tres primeras entradas que publiqué en mi último viaje a Estados Unidos, reseñando algunos de los temas más interesantes expuestos en la 2015 Collective Intelligence Conference, que se celebró la semana pasada en Santa Clara, California. Por si no lo sabes, estos posts están publicados en mi otro blog, que dedico íntegramente a artículos sobre Inteligencia Colectiva. Si te interesa el asunto, te invito a suscribirte al blog, y a seguir mi cuenta en Twitter: @TheCIblogger.
Prometí comentar aquí todas las publicaciones que hago en otros sitios, así que paso a resumirte las otras cuatro entradas que escribí sobre resultados de investigación presentados en la #ci2015 que, como veras, tratan de temas muy variados:
1) “¿Es factible el Crowdsourcing de leyes?”
Analizamos aquí el “Crowdsourcing” como mecanismo de participación ciudadana en Política. Tanja Aitamurto, una experta en estos temas, contó una innovadora experiencia promovida por el Ministerio de Medio Ambiente de Finlandia de impulsar un proceso legislativo de reforma de una ley de Tráfico (“Off-Road Traffic Act”) utilizando mecanismos de Crowdsourcing (CS), o sea, abriendo la consulta a los ciudadanos sobre cómo debía ser la nueva normativa que regula, por ejemplo, la circulación de las motos de nieve y vehículos todo terreno por rutas no convencionales. En el post cuento los cinco “atributos de diseño” que estas plataformas deben cuidar para conciliar legitimidad democrática y eficacia pública (Ir al post)
2) “Hallazgo curioso en la selección colectiva de ideas”
Los procesos de naturaleza colectiva, al implicar a muchos participantes, son pródigos en la generación de ideas y provocan a menudo una sobrecarga informacional que es difícil de gestionar. Pasar de cientos de ideas a un número manejable de propuestas que se puedan convertir en proyectos reales exige refinar los métodos de evaluación, filtrado y selección para que no se produzcan pérdidas excesivas de eficiencia que hagan el proceso inviable. En este post reseño una taxonomía de las técnicas que habitualmente se usan para el “filtrado colectivo” de ideas, y explico un hallazgo curioso que han encontrado los científicos sobre estos mecanismos. Te adelanto aquí la clave del descubrimiento: “Somos mucho mejores colectivamente eliminando las malas ideas que identificando las buenas” (Ir al post)
3) “Predicción Colectiva vs Big Data: ¿existen los super-pronosticadores?”
Servan-Schreiber afirma que el Big Data está sobrevalorado en muchas situaciones. Para ilustrarlo utiliza una conocida broma acerca de una persona que ha perdido las llaves del coche y se pone a buscarla en los sitios del suelo donde refleja la luz de la calle. Después de un rato de no encontrarla, un policía le pregunta por qué no amplía su búsqueda a otros lugares, y él responde: “Porque es ahí donde da la luz“. Pues bien, la obsesión actual con el Big Data recuerda en parte este efecto de la luz de la calle, o sea, la tendencia a buscar respuestas donde es más fácil buscarlas, que es algo que no mejora la probabilidad de encontrarlas. Por eso, según el autor, la Inteligencia Colectiva puede proporcionar las “gafas de visión nocturna” que se necesitan para ampliar el espacio de búsqueda. En el post explico cómo funciona Hypermind, un mecanismo de “predicción colectiva” que se basa en un extenso panel de pronosticadores de alto nivel meticulosamente seleccionados entre los mejores de su categoría. Ante los éxitos de esta iniciativa, quisimos hacernos esta pregunta: ¿Se puede ser “experto pronosticador” de cualquier cosa? Pues según los estudios realizados, y siempre en el contexto en el que estamos hablando, la respuesta es SÍ. Parece ser que el grado de certeza en las predicciones no se explica tanto por lo que la gente sabe sino por la forma en que la gente piensa [“how you think => what you know”] (Ir al post)
4) “Computación Humana: luces y sombras”
En la computación clásica el hombre utiliza a los ordenadores para resolver problemas, le asigna tareas; mientras que en la Computación Humana se produce un cambio de roles dado que es la computadora la que “asigna” tareas a grupos de personas, y después colecta, interpreta e integra los resultados que éstas les envían. Estos avances de la Computación Humana no son mera ciencia ficción, sino que ya tienen un reflejo real en la prestación de nuevos servicios, y el post aporta varios ejemplos. Pero… ¿Qué relación tiene con la Computación Humana con el Crowdsourcing y la Inteligencia Colectiva? ¿Cómo nos afecta? ¿Qué pasa con los “digital labor” que participan en estos procesos? ¿Sabes qué es Amazon Mechanical Turk? (Ir al post)
Nota: La imagen del post pertenece al album de Ruth Hartnup en Flickr
