El proyecto LRNG

Analitica del aprendizaje conectado
El proyecto LRNG

La educación abierta es un concepto moderno que define un aprendizaje organizado para desarrollar tus centros de interés y se basa en que somos diferentes y que el aprendizaje motivado por aquello que te gusta es más productivo. Por otro lado el concepto de abierto está muy relacionado en el siglo XXI con el aprendizaje interactivo, es decir, con el aprendizaje conectado a internet.

Estamos en una era de la pedagogía de la abundancia, en la que las búsquedas en internet proporcionan innumerables materiales para realizar aprendizajes de diverso tipo, que se denominan  formales (cuando se producen en enseñanzas regladas), no- formales (si se da una enseñanza no reglada pero conducente a una capacitación) o informales (en cualquier situación en la que se produce conocimiento no reglado y en el que no se pretende cursar nada).

La educación abierta tiene ya un recorrido como son los MOODS o el proyecto LRNG en el que las actividades que se realizan en la formación online se llaman XP y aparecen relacionadas en listas numeradas llamadas Playlist, según el camino que cojas puedes confeccionar un Pathway o itinerario de aprendizaje, la finalización de una playlist proporciona un Badges o medalla que permite el reconocimiento de ese aprendizaje desarrollado. Varios itinirerarios que confecionan una pathway dan lugar a la obtención de un Badges que te puede permitir realizarte profesionalmente en un area del conocimiento.

Voy a poner un ejemplo con unas actividades diseñadas para el mundo de la composición  e improvisación musical.

1. Ámbito formal: Si pensamos en el ámbito formal, estaríamos delimitando estas actividades a recursos introducidos para el Grado Medio de las enseñanzas profesionales de música y se impartiría en los Conservatorios profesionales en la asignatura de 6º de composición o en el conservatorio Superior en la asignatura de 1 de composición. Y se podrían dar como complementos a las explicaciones y a la práctica de una clase presencial. Y como actividades para desarrollar. Las Badges pueden servir en este ámbito para el reconocimiento de haber realizado una actividad y haber adquirido un concepto, alcanzado unos objetivos y adquirido unas competencias. Pero la nota de la asignatura tendrá unos criterios de calificación expuestos en las programaciones de area y de aula. la consecución de los objetivos de todo el curso da lugar a una nota de una asignatura, a la finalización de las asignaturas de todo el grado se recibe un certificado oficial de Grado medio de un instrumento que te posibilita trabajar en una banda y acceder al Grado Superior.   
2. Ámbito no-formal: La formación que imparte el Centro de Profesores para posibilitar la formación del profesorado en sus áreas de interes, estos cursos posibilitan el reciclado, así como la obtención de méritos para los sexenios y para los concursos de Traslados. Estos cursos reciben un diploma que te acredita las horas de formación realizadas y que puntúan como méritos que te permiten posicionarte mejor en los  concursos oposiciones, o para puestos específicos dentro de la Delegación de Educación y para el concurso de Traslados. Las Badges podrían en este ámbito tener una acreditación en horas de formación que permitan ser presentados en la Junta de Educación a los diferentes concursos de méritos. 
3. Ámbito informal La formación que te permite disfrutar de la improvisación y de la creación, sin necesitar ningún tipo de reconocimiento. Las Badges no son necesarias y el aprendizaje puede saltarse actividades y realizar de manera salteada y aleatoria alguna de las listas

Para estos tres ámbitos he diseñado unas actividades que se llaman XP  y que aparecen relacionadas en listas numeradas llamadas Playlist que puedes combinar en itinerarios, según  el camino que cojas confeccionas un Pathway o Itinerario de aprendizaje. Al finalizar una playlist te proporcionan un Badges o medalla que permite el reconocimiento de ese aprendizaje desarrollado. 
Se podría utilizar un powert point   para apoyar la explicación en clase.


En el ámbito formal el docente de la asignatura elegira alguno de los itinerarios para complementar las tareas de la clase presencial y estas pueden ser supervisadas en clase en vez de tener que producir grabaciones.
En el ambito no-formal se realizarán las playlist que sean de tu interés con su certificación correspondiente, si las que realizas forman parte de un itinerario se habrá realizado un Pathway que sería el equivalente a un curso de 30 horas, el Pathway de composición tendría la equivalencia a un curso de 60 horas
En el ámbito informal musicos con conocimientos medios de música que les permitan leer, tocar y analizar de manera básica las partituras habrán desarrollado las playlist que les motiven más.

La improvisación y Composición en los estilos musicales del siglo XX y XXI

El alumnado que quiera participarque quieran participar y obtener las insignias deberá de enviar un correo electrónico a la persona responsable de esta actividad para la verificación de la consecución de las distintas actividades. En el correo-e en asunto deberán de especificar la Playlist escogida, deberan de presentarse, y poner un enlace a su blog en el que habrán compartido las actividades realizadas de cada Playlist.

PATHWAYS de improvisación y composición en estilos musicales del XX y del XXI Contiene 9 itinerarios que a su vez cada uno tiene

Itinerario 1 de improvisación del impresionismo está compuesto por las Playlist 1,2,3,4 Con estas playlist se consigue tener unos conocimientos teóricos, analíticos y prácticos que te permiten comprender e improvisar la música del impresionismo

Itinerario 2 de composición impresionista estaría compuesto por las Playlist de improvisación impresionista más las de composición impresionista 1,2,3,4, y  5, 6, 7 Con estas playlist se consigue tener unos conocimientos teóricos, analíticos y prácticos que te permiten comprender, improvisar y componer música usando los recursos de la música del impresionismo.

Itinerario 3 de improvisación Atonal y conocimiento del Dodecafonismo. Estaría compuesto por Playlist que trabajen la improvisación a la manera de la segunda Escuela de Viena, los conceptos de expresionismo, nuevos timbres, melodía puntillista, tipos de armonías basados en acordes por 4as justa y aumentada así como séptima y segunda, la agrupación interválica, las líneas de timbre y densidad variable y los espejos de la música de Anton Webern

Itinerario 4 de composición  Atonal y  del Dodecafonismo que recoge todos las playlist de itinerario de improvisación atonal y conocimiento del dodecafonismo más los dos play list de los de composición

Itinerario 5 de improvisación y composición en serialismo integral: trabajaría la música de Messiaen, la sinestesia musical, mixturas, los pájaros de su música por el color de su plumaje y por la imitación onomatopéyica de sus cantos, la armonía tímbrica. Estructuración serial, fabricación de series y puesta en marcha de las mismas.

Itinerario 6 de improvisación y conocimiento de la aleatoriedad, nueva simplicidad y música minimalista. Trabajaría la música de autores como John Cage, Cathy Berberian, Earl Brown, Stockhausen, Luis de Pablo, Xenakis Steve Reich, John Adams, Terry Riley.

Itinerario 7 de improvisación y composición aleatoria y minimalista. Que contiene los playlist  del itinerario de improvisación y conocimiento de la aleatoriedad más otros dos, uno de composición Aleatoria y otra minimalista.

Itinerario 8 de composición de música textural  en la que se trabajan obras de Charles Ives, Ligeti y Pendercki y se trabajan conceptos  la superposiciones de estratos diferentes, politemporalidad, la micropolifonia, micro canones

Itinerario 9 de composición a la manera de Strawinsky y Bartok, en la que se trabajan conceptos como los obstinatos, los ritmos, el neoclasicismo, la sección aurea, escalas acústicas o escalas Fibonacci, acordes de Bartok.

PLAYLIST 1 Improvisación impresionista I: Pedales Armónicas  y Diseños pedal

XP 1: Presentación del contexto histórico, autores, relación con la pintura. Aprendemos el concepto de nota pedal y definimos el concepto en nuestro blog XP 2:  Aprendemos la información de qué es un diseño pedal y en nuestro Blog compartimos varios diseños que hayamos encontrado XP 3 Busca en la página de IMSLP las siguientes partituras: -la puerta del Vino de Debussy. -la pieza en forma de habanera de Ravel. -la Habanera del Carmen de Bizet, en versión reducida al piano. Señala los pedales armónicos que te encuentres. Comparte en tu blog el PDF de las pedales señaladas. XP 4 Analiza las pedales Indica en que tonalidad se hayan  y que funciones tonales representan. Escribe en la partitura la función tonal que tienen Súbelo a tu blog XP 5: Analiza los diseños de habanera de la Puerta del vino de la Habanera del Carmen de Bizet, y de la pieza en forma de habanera de Ravel. Señálalos en el PDF de la partitura y súbelos al blog XP 6 Escribe para la mano izquierda del piano y para tu instrumento los distintos diseños, súbelos a tu blog XP 7: Practicad de manera improvisada una pedal Si eres instrumentista de viento o de cuerda frotada  y puedes hacer esta actividad dos personas juntas mucho mejor Si no es posible hacerla junto con un compañero/a graba un audio con la pedal y encima  del audio de la pedal inventa una melodía. Grábate en You tube para ver el resultado final de la improvisación. Comparte el enlace en tu Blog. XP 8: Toca los diseños y realiza un video grabándote mientras los muestras, comparte en tu blog el video

PLAYLIST 2: Improvisación Impresionista II La modalidad, el modo frigio,  escalas exóticas: Pentafonísmo y escala exátona hexatona

XP 1  Leemos información sobre los modos gregoriano y entendemos como se hace un frigio desde cualquier tonica del modo. Escribimos frigios desde cualquier nota y resolvemos la actividad mandando un archivo de sibelius en pdf con las escalas frigias de Re de Mi y de La. XP 2 Analizamos la escala frigia de la puerta del vino y vemos que diferencias tiene con el frigio para descubrir cómo es la gama arábiga de este modo, escribimos en un archivo de sibelius y subimos al blog por pdf la escala utilizada en la puerta del vino, resolviendo las enarmonías que contiene la escala tal y cómo aparece XP 3 Revisamos los diseños rítmicos de la melodía de la puerta del vino de Debussy , de la Habanera de Bizet y de la de Ravel y anotamos los diseños rítmicos disponibles enumerándolos. XP 4. Nos grabamos Si somos pianistas: haciendo un diseño de habanera en la izquierda del piano con el mismo acorde todo el rato, mientras hacemos una melodía frigia con la gama arábiga andaluza y los ritmos enumerados Si somos de otro instrumento y podemos hacer esta actividad con otra persona: nos grabamos en los dos roles una de ellas hace el obstinato y otra la melodía y lo mismo pero cambiando los papeles. XP 5  Analizamos la escalas modales de 5 piezas griegas de y subimos al blog por pdf las escalas utilizadas intentamos improvisar con ellas sobre un obstinato, nos grabamos y lo subimos al blog XP 6 analizamos escalas pentáfonas y exatonas y hacemos improvisaciones melódicas sobre un obstinato  y lo subimos al blog

PLAYLIST 3: Improvisación Impresionista III Mixturas acordales

XP 1 Leemos información sobre que son las mixturas y la armonización con  mixturas y intentamos tocar una en el piano escribimos un ejemplo que compartimos en el Blog XP 2 Buscamos información sobre las mixturas exactas  e intentamos tocar una en el piano escribimos un ejemplo que compartimos en el Blog XP 3 Buscamos información sobre las mixturas exactas  e intentamos tocar una en el piano escribimos un ejemplo que compartimos en el Blog Mixtura modulante XP 4  Buscamos información sobre las mixturas exactas  e intentamos tocar una en el piano escribimos un ejemplo que compartimos en el Blog Mixtura de encuadre XP 5 Analizamos las mixturas de la Puerta del Vino de la habanera de Bizet y de la pieza en forma de Habanera de Ravel Señalamos en los pdf las mixturas y escribimos encima el tipo de mixtura que es,  lo subimos al blog XP 6 Practicamos mixturas tonales con las teclas blancas usando quintas paralelas. Los instrumentistas de cuerda hacen dobles cuerdas y los de viento se graban una línea melódica y hacen la misma línea una quinta por encima sobre la grabación  o con otro compañero o compañera

PLAYLIST 4: Improvisación Impresionista IV Armonia timbrica

XP 1 Analizamos la armonía de la Gimnopedia n 7 de Satie escribimos los acordes en nuestro blog XP 2 Hacemos obstinatos armónicos sobre la base armónica de la Gimnopedia en la tonalidad de Do M

PLAYLIST 5: Composición  Impresionista I: Armonía tímbrica, Pedales Armónicas  y Diseños pedal

PLAYLIST 6: Composición  Impresionista II: Melodías modales (Pentafonismo, Exatonalismo, Modos gregorianos)

PLAYLIST 7: Composición  Impresionista III: Mixturas acordales

Conclusiones: El aprendizaje del futuro será un aprendizaje significativo más personalizado e interactivo.

REFERENCIAS. 

Open Learning. (n.d.). In Wikipedia. Retrieved from http://en.wikipedia.org/wiki/Open_learning 

Weller, M. (2009, September 30). A pedagogy of abundance [Blog post]. Retrieved from http://nogoodreason.typepad.co.uk/no_good_reason/2009/09/a-pedagogy-of-abundance.html

• • 
    
  
  

Analitica del aprendizaje conectado

Trabajo sobre el artículo:

Seis provocaciones para Big Data

de Danah Boyd y Kate Crawford
Trabajo para la asignatura Analitica del aprendizaje conectado
del Master de Educacion y comunicacion en redes sociales

Este trabajo es un texto sintético analítico con las ideas claves del artículo de las autoras Boyd y Crawford, (2012) y con aportación de referencias a otros autores que tratan la misma temática.

El artículo a analizar fué presentado en el Instituto de Internet de Oxford en un simposium sobre las dinamicas de Internet y de la sociedad en septiembre del 2011 por lo que tiene antiguedad en algunos de sus ejemplos, pero sigue formando parte del debate actual en casi todo su discurso.

El Big Data consiste en una multitud de información producida al conectarse e interactuar en la red y estos datos pueden producir ciertos beneficios sociales y económicos.

Según indican Boyd y Crawford, (2012) los datos que aporta el big data son “por y sobre las personas, las cosas y sus interacciones” en estos datos, se buscan patrones de conducta, que se derivan del estudio entre las interconexiones de datos.

En el siguiente enlace se aporta un artículo en el que se clasifican los datos del Big Data en siete tipos de datos:

http://www.brandchats.com/es/2014/09/11/7-tipos-de-datos-que-comprende-el-big-data/

El autor clasifica los datos con el nombre de datos estructurados a aquellos datos que se generan en bases normales de datos y que se han producido mediante diversas formas, ya sea por haber sido creadas por una empresa, provocadas al realizar una valoración, tramitadas al realizar una compra, compiladas como los censos o las informaciones de nuestros datos personales, al matrícular el coche, comprar la casa, o sacarte el DNI o el carnet de conducir. Para estos datos se supone que has dado un consentimiento en las redes, porque de manera voluntaria has realizado acciones que ayudan a que estén registrados esos datos.

Por otro lado clasifica como datos no estructurados o semiestructurados, y los de texto y no texto, que no están en bases de datos relacionales y que pueden ser documentos XML y NoSQL o también en otros formatos como documentos de texto, fotografías, audios, videos, pdf.

De los datos no estructurados, semiestructurados de texto y no texto están los datos que pueden ser más controvertidos, los que se producen de forma voluntaria por los usuarios de las redes sociales mediante mensajes, subir videos o fotos a una plataforma y por último, no se pueden olvidar, los datos que se generan al ser capturados de las acciones de las personas y en las que ellas no tienen conocimiento de que esos datos se están produciendo y capturando, como son el GPS, o cuando realizas búsquedas en la red te registran tus búsquedas.

En el trabajo de Boyd y Crawford (2012) se preguntan si ese análisis de los datos de la red producirá un beneficio en nuestra sociedad o por el contrario un perjuicio. Hoy en día mediante los datos de internet se puede detectar los brotes de enfermedades infecciosas, pero aunque eso es un gran avance, no todo son ventajas.

En el siguiente artículo la autora Perez,G. (2016) se cuestiona los peligros del estudio de los Big data en salud pública y en epidemiología:

http://scielo.isciii.es/pdf/gs/v30n1/debate2.pdf

Perez,G. (2016) indica que los sesgos de información en el big data posibilitan errores, como son el uso que hacen algunas empresas de los modelos Twitterbots por los que dichas empresas emiten mensajes de manera automatizada para aparecer mejor posicionadas en las redes, y añade, que aunque las leyes europeas tienen leyes que protegen los datos, eso mismo no ocurre en otros países com leyes más laxas y que precisamente los datos obtenidos en estos paisas no suelen servir para revertir las situaciones analizadas en sus datos debido a la pobreza y a la falta de medios sanitarios.

La recogida de datos se produce no solo en el mundo industrial sino en el académico, surgiendo la ciencia del estudio de datos que pretende que ser un aporte científico y objetivo para los estudios científicos sociológicos.

Mazzocchi (2015) plantea la ciencia basada en macrodatos no como el fin de la teoría científica sino como nuevas aportaciones a la ciencia “El Big Data y el mito de una ciencia sin teoría en el siguiente artículo:

https://www.intramed.net/contenidover.asp?contenidoID=92288

Las sociedades, según las autoras, están reguladas por cuatro fuerzas: el mercado, la ley, las normas sociales y el código. y en el Big Data, estas fuerzas están en conflicto, porque el mercado piensa en utilizar cualquier medio de lucrarse a costa de recoger datos, la sociedad se asusta y pregunta por la invasión del individuo en esa recogida y las leyes deben de buscar protegernos del abuso del mercantilismo al plantear la recogida

El siguiente artículo se debate el tema de la privacidad de los datos y del abuso de su uso:

https://www.researchgate.net/publication/317304333_Datos_masivos_con_privacidad_y_no_contra_privacidad

La autora Soto,Y. (2017) se plantea el problema de una sociedad en la que estamos siendo vigilados constantemente, mediante el uso de herramientas que hemos adquirido voluntariamente, como son los móviles, tabletas o Pc. Soto, analiza el proyecto PADRIS que recoge una gran cantidad de datos de salud, obtenidos de la población de Cataluña y que en las bases de este proyecto se recoge que esta información podría ser usada por terceros, por lo que podría ser usada de manera incorrecta, y ejemplifica casos de mercantilismo como son Amazon e Inditex.

En el artículo a analizar las autoras Boyd y Crawford, (2012) se plantean seis preguntas claves en torno al Big data.

1.             La automatización de la investigación cambia la definición de conocimiento.

En este apartado plantean como las ciencias humanísticas comienzan a utilizar los datos numéricos y se preguntan por si estos datos del Big Data son objetivos. El método científico requiere de la objetividad, y para que esta sea real, hay que plantearse de dónde provienen los datos a analizar, qué datos se van recoger y cuales se ignorarán y preguntarse por la objetividad en las decisiones tomadas al escoger unos datos y dejar de lado otros.

La investigación científica ha cambiado y la recogida que se produce desde las herramientas del Big Data tienen “limitaciones y restricciones incorporadas” en dos puntos: las pérdidas de datos y el tiempo de acceso a datos. Twitter o facebook como ejemplo de ello permiten la recogida de datos recientes y descuidan y se olvidan de la recogida de datos antiguos.

En el artículo “Por qué el exceso de datos pone en peligro la investigación científica” Alkhateeb, (2017) habla de la automatización del proceso científico y de la incorporación de las máquinas en la investigación:

https://www.elmundo.es/papel/todologia/2017/06/02/593010c9268e3e4e5d8b4584.html

2. Los reclamos de objetividad y precisión son engañosos.

Las autoras Boyd y Crawford, (2012) intentan en este punto definir si las ciencias sociales pueden ser cuantificables y objetivas mediante el uso del Big Data y el resultado es que no, que trabajar con Big Data todavía es subjetivo debido a que la toma de decisiones de que datos se usan y cuáles no, ya exige una interpretación subjetiva y por otro lado existe el problema de que los datos de internet tengan errores por los vacíos y perdidas de datos que generan y no podemos demostrar que los datos sean aleatorios ni representativos.

La interpretación debe de ser objetiva, las autoras lo relacionan con las investigaciones en torno al número de Dunbar:

https://es.wikipedia.org/wiki/N%C3%BAmero_de_Dunbar

Según Dumbar son 150 las relaciones que un individuo realiza. Aquellas investigaciones que limitaron a ese número su estudio ya estaban generando sesgos que no eran objetivos

Sampedro (2017) en su artículo “Nos salvarán los números de la postverdad” plantea que los números nos llevan por la racionalidad y el pensamiento científico

https://elpais.com/elpais/2017/03/24/ciencia/1490376549_895754.html

Sampedro (2017) plantea que los números usados correctamente te llevan por caminos seguros pero en ocasiones se pretenden sustituir por hechos alternativos que ocultan sus verdades.

3. Los datos más grandes no siempre son los mejores

Los científicos sociales tratan de evaluar la validez del trabajo científico mediante el uso del Big Data argumentado que su trabajo es riguroso en la recolección y análisis de datos.

Twitter demuestra que la recolección de datos producida desde esta plataforma no es correcta, ya que algunos usuarios tienen múltiples cuentas, algunas cuentas son utilizadas por varias personas (como ocurre con cuentas de partidos, organismos, sindicatos o inclusos de candidatos políticos) y algunas personas nunca crean una cuenta y por otro lado los tweets se pierden y eliminan con frecuencia por contenidos incorrectos, por lo que un muestreo de los datos de Twitter no podría representar a la sociedad.

Analicemos el artículo del 2015 titulado: Analítica de datos en Twitter

https://ddd.uab.cat/pub/trerecpro/2015/hdl_2072_252402/PFC_DaniMirMontserrat.pdf

Mir (2015) se plantea la problemática de la recogida de datos en twitter y explica las razones por las que para su estudio se limita a recoger una selección de entre los de las celebrities.

En la era digital las investigaciones basadas en datos muy pequeños, incluso enfocándose solamente en un individuo, pueden resultar muy reveladoras, lo importante es responder a las preguntas que generan la investigación.

En el siguiente documento se habla sobre que el exceso de datos, pone en peligro la investigación científica

https://www.elmundo.es/papel/todologia/2017/06/02/593010c9268e3e4e5d8b4584.html

4. No todos los datos son equivalentes

Algunos estudios basados en redes intentan desentrañar las relaciones sociales, incluso teniendo en cuenta la proximidad física que se puede descubrir por la geo localización, pero las relaciones sociales son más complejas, que dos personas estén en el mismo sitio, incluso que compartan el mismo centro de estudios o de trabajo, no significa que se conozcan. Las elecciones de amistades en las redes pueden no ser tus elecciones en el mundo físico, ya que las motivaciones para elegir amigos en las redes pueden contemplar otros parámetros como la canalización de la información o los compromisos de trabajo. El contexto importa.

En el artículo titulado: Tus contactos de Facebook ¿son amigos de verdad? se trata el tema de si son amistades reales o se buscan conocidos o personas que te interesen para canalizar la información que quieres que te llegue

https://www.quo.es/tecnologia/a53175/tus-contactos-de-facebook-son-amigos-de-verdad/

En el enlace siguiente presento el  artículo de Dans (2009) en el que se habla de la asimetría social entre las amistades reales del mundo físico y las de las redes y de la memoria expandida que producen las amistades en las redes mediante poder seguir relacionándote con gente que no recordarías y que gracias al aporte de información adicional que tienen las redes te permite poder ubicarlas en tu estructura memorística

https://www.enriquedans.com/2009/08/redes-sociales-asimetria-y-numero-de-dunbar.html

Las Redes articuladas son las conexiones interpersonales que publicas en las redes.

Las redes de comportamiento son las personas que se comunican entre sí mediante mensajes de texto, etiquetados en fotos o que se encuentran físicamente en el mismo espacio. Pero los estudios de datos que intentan relacionar a las personas por encontrarse en el mismo espacio olvidan las complejidades sociales, ya que la misma ubicación no significa que formen parte de tus redes personales, lo que puede conducir a múltiples errores en los estudios que trabajen las redes de comportamiento.

5. El solo hecho de que sea accesible no lo hace ético

Los datos del Big data pueden comprometer la privacidad, y no son recogidos con permiso, por lo que no se deberían de poder utilizar sin un permiso. Hay que asegurarse de que no haya un perjuicio para los individuos o las sociedades por el uso de esa información, por otro lado se plantea la imposibilidad de que un investigador pida consentimiento a las personas implicadas en una recogida de datos masiva del Big data.

Este apartado hace hincapié en que lo que se publica en la red de manera pública no implica que esté permitido su uso para otras finalidades públicas y que algo publicado en un determinado contesto al extraerlo de ese contexto puede producir un gran daño.

En este artículo se plantean la necesidad de un código ético para los científicos de datos

https://www.lavanguardia.com/tecnologia/20190124/454275359355/cientificos-datos-big-data-compromiso-etico.html

6. El acceso limitado a Big Data crea nuevas divisiones digitales

Gran parte del entusiasmo que rodea a Big Data proviene de la percepción de que ofrece un acceso fácil y barato a grandes cantidades de datos. pero este acceso a los datos es diferente según para quién, ya que unas compañías no venden sus datos, otras venden todos y otras ofrecen unos pocos datos para su estudio. Por lo que se va a producir una brecha entre los que pueden acceder a todos los datos de una empresa de manera libre, los que tienen que comprarlos y los que no pueden comprarlos.

"Solo las empresas de redes sociales tienen acceso a datos sociales realmente grandes, especialmente datos transaccionales. Un antropólogo que trabaje para Facebook o un sociólogo que trabaje para Google tendrá acceso a datos que el resto de la comunidad académica no tendrá " (Boyd y Crawford, 2012)

En el sistema de investigación mediante el Bigdata va a haber diferencias entre los ricos del Big Data y los pobres del Big Data.

Las universidades bien dotadas economicamente favoreceran que sus estudiantes puedan acceder a toda la información de datos, y las menos dotadas no podrán favorecer que sus estudiantes desarrollen trabajos en estos medios.

En el siguiente artículo se habla de la división digital mediante ejemplos en los que los investigadores tienen problemas con el acceso a la información de las redes, por otro lado explica como Twitter, después de años vendiendo sus datos, puso sus datos a disposición solo de 6 proyectos de entre 1000 que se presentaron y que fueron becados para poder usar toda la información.

https://www.eldiario.es/hojaderouter/internet/redes_sociales-twitter-ciencia-investigacion-datos_0_320918959.html

Para extraer datos hay que tener una serie de habilidades computacionales

Los investigadores que tienen acceso a todos los datos de una empresa por trabajar desde dentro están menos motivados en sus investigaciones a comprometer a la empresa y por lo tanto van a realizar estudios subjetivos

El Big Data está implicado cambios históricos y filosóficos. Hay un gran impulso desde la  industrial hacia la recopilación y extracción de datos que permitan ganar más dinero mediante una publicidad personificada y revisan nuestras interacciones en la red, así como los gobierno en aras de la defensa del país realizan acciones de vigilancia.

Como conclusión al estudio de este artículo incorporo una mención al artículo “Grandes datos, grandes desafíos para las ciencias sociales” que es una revisión actualizada de este artículo y trata muchos de los aspectos del artículo analizado, en este artículo Meneses, M.E () explica la necesidad de incorporación de procedimientos computacionales a los estudios humanísticos, habla del origen etimológico de datos como derivado de la palabra dar, que resulta interesante ya que todos los usuarios de internet damos de manera gratuita nuestra información, pero las empresas usan nuestra hueya digital para el mercantilismo de los datos, explica el Big Data  como fuente para el desarrollo ejemplificado en las posibilidades del control de epidemias como el ébola. Define la diferencia entre el Big data y la Smoll data, los atributos para entender el Big data que son la velocidad, volumen, variedad y velocidad, habla de los problemas que se producen en el uso de los Big data en el estudio de campos sociológicos, como son “la veracidad, objetividad, representatividad y los dilemas éticos asociados” trata profundamente sobre la objetividad y cita como una gran referencia el artículo de nuestras autoras.

http://www.scielo.org.mx/pdf/rms/v80n2/0188-2503-rms-80-02-415.pdf

REFERENCIAS

Alkhateed, A. (2017) Por qué el exceso de datos pone en peligro la investigación cientifica. Disponible en: https://www.elmundo.es/papel/todologia/2017/06/02/593010c9268e3e4e5d8b4584.html

BrandChats (2014) 7 tipos de datos que comprende el Big Data. Disponible en: http://www.brandchats.com/es/2014/09/11/7-tipos-de-datos-que-comprende-el-big-data/

Dans, E. (2009) Redes sociales, asimetría y número de Dunbar. Disponible en: https://www.enriquedans.com/2009/08/redes-sociales-asimetria-y-numero-de-dunbar.html

Ferrer, A. (2016) Tus contactos en Facebook ¿son amigos de verdad?. Disponible en: https://www.quo.es/tecnologia/a53175/tus-contactos-de-facebook-son-amigos-de-verdad/

Intramed (2018) EL Big Data y el mito de una ciencia sin teoría. Disponible en: https://www.intramed.net/contenidover.asp?contenidoID=92288

Meneses, M.E. (2018) Grandes Datos, grandes desafíos para las ciencias sociales. Disponible en: http://www.scielo.org.mx/pdf/rms/v80n2/0188-2503-rms-80-02-415.pdf

Micó, J.L. (2019) Un código ético para los científicos de datos. Disponible en: https://www.lavanguardia.com/tecnologia/20190124/454275359355/cientificos-datos-big-data-compromiso-etico.html

Mir, D. (2015) Analítica de datos en Twitter. Disponible en: https://ddd.uab.cat/pub/trerecpro/2015/hdl_2072_252402/PFC_DaniMirMontserrat.pdf

Plaza, A. (2014) Si twitter no refleja la sociedad, ¿por qué los científicos hurgan en tus datos. Disponible en: https://www.eldiario.es/hojaderouter/internet/redes_sociales-twitter-ciencia-investigacion-datos_0_320918959.html

Perez, G. (2015) Peligros del uso de los Big Data en la investigación en salud pública y en epidemiologia. Disponible en: http://scielo.isciii.es/pdf/gs/v30n1/debate2.pdf

Sampedro, J. (2017) Números contra poverdad. Disponible en: https://elpais.com/elpais/2017/03/24/ciencia/1490376549_895754.html

Soto, Y. (2017) Datos masivos con privacidad y no contra privacidad. Disponible en:https://www.researchgate.net/publication/317304333_Datos_masivos_con_privacidad_y_no_contra_privacidad

Wikipedia(2019) Número de Dunbar. Disponible en: https://es.wikipedia.org/wiki/N%C3%BAmero_de_Dunbar