De como predecir basándonos en google trends mientras leemos el periódico o echamos un ratito de descanso

Recientemente leímos el siguiente titular: Investigadores de Harvard afirman que el coronavirus ya estaba en China desde agosto de 2019. A pesar de que este estudio ha sido calificado de ridículo por el gobierno Chino, nos ha llamado la atención la forma de hacerlo. Para ello, los autores afirman haber analizado imágenes satélite donde se observaría un aumento anómalo de tráfico rodado en los hospitales. También analizaron las búsquedas en internet sobre el término “diarrea” que sería un síntoma prevalente en la covid19.

Recientemente leímos el siguiente titular: Investigadores de Harvard afirman que el coronavirus ya estaba en China desde agosto de 2019. A pesar de que este estudio ha sido calificado de ridículo por el gobierno Chino, nos ha llamado la atención la forma de hacerlo. Para ello, los autores afirman haber analizado imágenes satélite donde se observaría un aumento anómalo de tráfico rodado en los hospitales. También analizaron las búsquedas en internet sobre el término “diarrea” que sería un síntoma prevalente en la covid19.

Vídeo con la notica en Red+ noticias
Leer más “De como predecir basándonos en google trends mientras leemos el periódico o echamos un ratito de descanso”

COVID-19. La sabiduría de la gente

Nota a 28 de abril de 2020: El 28 de abril el gobierno español anuncia el desconfinamiento escalonado que comenzaría a partir del 4 de mayo, permitiendo la salidas (casi normales) desde el 10 de mayo. Nuestro experimento predijo la salida para el 6 de mayo. Creemos que ha sido una muy buena aproximación. El 13 de abril se publicó un pequeño artículo con un resumen de este proyecto. Tanto el artículo como los datos originales están disponibles el SocArxive: https://osf.io/preprints/socarxiv/rbhy7/

Presentación y justificación:

En estos momentos la incertidumbre de hasta cuando estará confinada la población es otro de los factores que perjudican la salud psicológica de los ciudadanos. Para poder ayudar en este sentido, y aportar nuestro granito de arena, queremos llevar algo de calma si es posible. Para ello, hemos lanzado un sencillo “experimento” social basado en un fenómeno Psicosocial conocido como Sabiduría de los Grupos.

Resultados de la encuesta:

A medida que se tengan resultados, se presentará aquí un pequeño informe sobre los mismos.

Preguntas hechas sólo
para el caso de España
22/03/202023/03/202024/03/202025/03/20202/04/2020
Días de confinamiento
a partir del 16 de marzo:
Media: 47,2 días (mínimo 44 ~ Máximo 50)
Mediana: 45 días
n=123
Media: 49,2 días (48 ~52)
Mediana: 45
n=156
Media: 50,5 días (48 ~53)
Mediana: 45
n=173
Media: 50,3 días (48 ~53)
Mediana: 45
n=195
Media: 51,1 días (49 ~54)
Mediana: 45
n=203
Contagiados:Media: 1.130.000 personas (348793 ~ 1901725)
Mediana: 60.000 personas
n=120
Media: 1.187.987 (751907 ~1994323)
Mediana: 60.000
n=150
Media: 1.103.079 (706084 ~1837144)
Mediana: 70.000
n=165
Media: 988.234 (639065 ~1633867)
Mediana: 80.000
n=188
Media: 954.745 (619636 ~1574382)
Mediana: 80.000
n=196
Fallecimientos:Media: 26.933 personas (2115 ~51751)
Mediana: 5.000 personas
n=88
Media: 22.242 (12288 ~40648)
Mediana: 5.000
n=119
Media: 21.020 (12237 ~37260)
Mediana: 5.000
n=135
Media: 19.482 (11925 ~33455)
Mediana: 6.000
n=157
Media: 19.178 (11987 ~33475)
Mediana: 6.000
n=165
Final de la crisis:Mayo (30.3%) o Junio (24.6%)
n=123
Mayo (25%) o Junio (25%)
n=156
Mayo (25%) o Junio (23.8%)
n=173
Mayo (26.8%) o Junio (23.2%)
n=195
Mayo (26.2%) o Junio (22.3%)
n=203

Acceder al cuestionario pulsando AQUÍ.

Le rogamos que conteste a un sencillo cuestionario que hemos hecho con Google Form. Si no le aparece a continuación, puede acceder al cuestionario pulsando AQUÍ.

<iframe src="https://docs.google.com/forms/d/e/1FAIpQLSfOzOtlhpYBKlOWeQsQEG7pMoLwkxAJmaYfmlCO_PrPZTWNBg/viewform?embedded=true" width="640" height="1517" frameborder="0" marginheight="0" marginwidth="0">Cargando…</iframe>

Información sobre el cuestionario:

  • El resultado indica sólo la opinión de los participantes y por tanto, no tiene ningún valor objetivo.
  • Su participación es voluntaria.
  • Aunque debe identificarse como usuario, los datos no se graban. Es sólo para garantizar que no hay más de una respuesta por persona. Por tanto, su identificación no será grabada y no será utilizada con ninguna finalidad.
  • Los resultados pueden cambiar a medida que aumente la participación, por tanto es importante que esta página web donde se actualizarán los resultados.

Nota técnica:

En las columnas se indican los estadísticos descriptivos de interés obtenidos al final de cada día con los participantes que han contestado (n). El valor medio indica el promedio de las respuestas. Entre paréntesis se ponen el intervalo donde es probable que se encuentre el valor real, a un nivel de confianza del 95% (intervalos de confianza). Se han despreciado los decimales al redactar los máximos y los mínimos de estas estimaciones. La mediana es otro indicador de valor medio que no se ve afectado por respuestas extremas e indica que el 50% de los que responden eligen esa cantidad o una menor. La fecha del final de la crisis se ha señalado tomado el mes o meses más elegidos por los participantes.

Debe tenerse claro que estos resultados proceden de la opinión de los participantes, y que, aunque el fenómeno “sabiduría del grupo” se ha observado en numerosas ocasiones, debe tomarse siempre con mucha precaución y no debe tomarse como una predicción exacta.

Si observa cualquier error u omisión, se ruega contactar con nosotros: solicitudinformaciondesdepaginaweb@uma.es

Más información:

En el siguiente vídeo se explica en qué consiste el fenómeno “sabiduría de los grupos”:

Si quiere más información, puede contactar con nosotros dejándonos un comentario o a través de correo electrónico pulsando AQUí.

Investigación del grupo IDEI HUM-1009 de la Universidad de Málaga

Por la Ciencia Abierta

¡Qué nadie se entere!: el corporativismo ante los escándalos académicos y científicos

El fraude científico no es nuevo, afectando por igual a todas las disciplinas científicas. El sistema universitario y el rol proteccionista de las instituciones está fomentando estos episodios.

Leer más “¡Qué nadie se entere!: el corporativismo ante los escándalos académicos y científicos”

Big Data: una posible revolución en educación (IX)

El Big Data en Educación. Resumen

En resumen, el Big Data en Educación se caracteriza por:

  • Permite manejar de forma operativa grandes cantidades de tipologías de alumnado. De forma utópica, el número de tipologías o categorías podría llegar a tal punto de que cada tipo sólo incluyese a una sola persona. De esta forma, se lograría la individualización para diseñar un diseño curricular totalmente personalizado.
  • Sin embargo, la realidad es que el Big Data sigue basándose en probabilidades puesto continua trabajando con tipologías que incluyen grupos de personas.
  • El Big Data permite identificar correlaciones con una elevadísima precisión, pero no implica que se puedan establecer relaciones causales sólo por gestionar datos masivos.
  • Facilita la monitorización de los procesos de reorganización del sistema educativo, lo que implica una evaluación más fiable para la toma de decisiones.
  • La evaluación se reestructurará, tanto en la forma de llevarse a cabos como en el objeto. No solamente se centrará en el alumnado, sino que incluirá al docente, gestores, materiales, así como a todo el sistema educativo. Además, incluirá todos los componentes posibles: actitudes, contenidos, conocimientos, relaciones sociales, vías de comunicación, etc.
  • Permite una reestructuración del proceso de enseñanza y aprendizaje. Las nuevas tecnologías se articulan a partir de lo que dicen los datos.
  • Genera un rechazo ante el miedo de cómo y para qué se utilicen los datos
  • Riesgo de aumentar las diferencias entre los estudiantes así como su aislamiento en su desarrollo curricular. Esto podría llegar incluso al proceso de desocialización del individuo.
  • Permitiría una reestructuración del sistema educativo. Esto implica la búsqueda de nuevas estructuras, lo que puede ocasionar el rechazo del propio sistema establecido.
  • Implica una actualización de los método de investigación en Educación.

 

Big Data: una posible revolución en educación (VIII)

El Big Data y la investigación en Educación

Vamos a dedicar este post a comentar algunos efectos de la aparición del Big Data en la investigación en Educación. Tradicionalmente la investigación educativa, como la investigación en Ciencias Sociales en general, se iniciaba con un objetivo, la redacción de los problemas de investigación y la definición de una serie de hipótesis para cada problema de investigación. El siguiente paso era la recolección de datos que estaban vinculados directamente con esas hipótesis de investigación.

La cantidad de datos solía ser limitada dados los recursos disponibles, desde pocas decenas a algunos miles en los mejores de los casos. Para garantizar la representatividad de los datos se ha desarrollado toda una teoría del muestreo y para tratar de generalizar los resultados existe toda una parte de la estadística dedicada a la inferencia de parámetros.

Además, hay que tener en cuenta que el plateamiento de una investigación suele estar limitado con las posibilidades de acceder a datos para desarrollarla. De esta forma, los objetivos de investigación se determinan no solamente por el interés social, sino también por la capacidad de acceder a los datos y la capacidad de analizarlos.

En definitiva, hasta hace pocas décadas la investigación educativa dejaba de lado cuestiones que le eran innaccesibles aunque interesantes. Por ejemplo, era inviable tener información sobre cómo cientos de alumnos realizaban decenas de tareas académicas, o cómo poblaciones de estudiantes de económicas resolvían supuestos prácticos de microneconomía. Por ejemplo, en el ámbito del rendimiento se limitiaban a estudiar las calificaciones obtenias en pruebas de clase, mientras que los procesos cognitivos se estudiaban sobre muestras de pocos estudiantes, cuyos resultados no se podían generalizar.

Sin embargo, con el Big Data esto ha ambiado. No solamente se pueden buscar respuestas más fiables y válidas a los problemas de investigación habituales, sino que se pueden plantear nuevos objetivos de investigación.

Hay dos impactos radicales que comenzamos a experimentar. Por un lado que no es necesario seguir el proceo objetivo, problema de investigación, hipótesis; y por otro que la teoría del muestreo junto con la de la estimación de parámetros dejan de ser tan relevantes.

En el primer caso, los pasos de objetivo-problema-hipótesis no tienen tanto sentido. Actualmente se puede tomar una base de datos de cientos de miles de estudiantes con cientos de variables y plantearse preguntas a partir de los datos. Es decir, no cosistiría tanto en partir de una duda que surge de la experimentación o de la teorización, como de identificar cuestiones de interés a partir del amasijo de datos recopilados de forma diaria.

Además, este proceso se ve favorecido por algoritmos que permiten identificar patrones en los datos sin necesidad de partir de un supuesto teórico previo. Ya no es obligatorio ir comproabando hipótesis tras hipótesis en una cadena larga y costosa de ensayo-error, sino que es posible desarrollar investigaciones donde las computadoras ensayan con decenas de patrones de forma automática hasta encontrar con alguno que tiene sentido para los investigadores.

Esto tiene importantes implicaciones paradigmáticas. El investigador pierde el control sobre el proceso de descubrimiento. No solamente debe dominar las teorías de su disciplina, sino que debe admitir su ignorancia y ser capaz de identificar hechos relevantes para dicha disciplina entre millones de datos. Debe asumir la indeterminación, la complejidad, la probabilidad como axiomas de su identidad como científico, resignándose a admitir la irrelevancia de su dominio de la disciplina e incluso de los procesos metodológicos.

En segundo lugar, los procesos de muestreo e inferencia pierden protagonismo. Ahora, ya no es indispensable establecer siempre un plan de muestreo que asegure una máxima representatividad con un tamaño muestral mínimo. En cambio, se obtienen millones de datos que representa infinidad de dimensiones de interés. Además, la estimación de parámetros no siempre es necesaria. La cantidad de datos es tan abismal que a veces se está muy cerca de trabajar directamente con los parámetros poblacionales.

Todo esto hace que la propia metodología de investigación en Educación se tenga que actualizar. No consiste en rechazar los procedimientos clásicos, sino en incorporar nuevos procedimiento y enriquecer los procedimientos.

Formación basada en evidencias: introducción

En cierta ocasión una musicoterapeuta estaba describiendo su plan de trabajo con sus usuarios. Afirmaba que le funcionaba perfectamente y obtenía grandes beneficios para los participantes. Sin embargo cuando se le preguntó por qué funcionaba esa estrategia, su respuesta fue simple: no lo sé, pero el caso es que funciona. La formación basada en evidencias, no trata de eliminar la actuación basada en la intuición, ni en la tradición.  Por el contrario, el basarse en evidencias pretende que cuado se lleva a cabo un estrategia formativa sea porque se sabe que funciona y se tiene un modelo que explica por qué funciona y todo ello basado en un número suficiente de estudios que soportan ambas cuestiones.

Por otro lado, el tiempo es limitado para todos y el docente debería elegir aquella estrategia más eficiente para obtener el resultado pretendido. Para ello debería cuando elige una metododología docente debería tener garantías de que fucionará en su contexto. Aunque son muchas las técnicas  y los métodos que consiguen obtener buenos resultados en el aula. Sin embargo, el docente debe centrarse en aquellos factores que realmente suponen un cambio eficiente en el aula. Es decir, obtener los mejores resultados con la menor inversión de recursos posibles. Y esto solamente se obtiene, conociendo el porqué una estrategia metodología funciona o el porqué no funciona. Gracias a la investigación en ámbitos como la neuropsicología, la psicología, la psicología social, la ciencia cognitiva, etc., es posible  entender los procesos principales de la enseñanza y del aprendizaje en todos los niveles educativos, específicamente en el ámbito universitario. De esta forma, en la actualidad es posible realizar una aproximación basada en evidencias exitosa.

La aproximación basada en Evidencias no solamente tiene en cuenta los resultados generales obtenidos a través de las investigaciones.  Estas evidencias, y este conocimiento, deben ser tenidos en cuenta cuando se trabajan con un grupo de personas en concreto. Cada curso, cada aula, tiene una especiales características así como los alumnos que los integran. En este sentido, la atención individualizada es otro elemento fundamental de la aproximación basada en evidencias. El docente, como especialista, debe adaptar su conocimiento, mejorarlo, y desarrollarlo a la realidad de su aula.

Siguiendo a Petty (2004) los principios básicos de la práctica basada en evidencias son los siguientes:

  • Todas las evidencias son necesarias para tomar buenas decisiones. Para decidir sobre la mejor estrategía formativa es necesario comparar aquellas de las que se tienen estudios realizados que se dirigen a un mismo objetivo. Debe tenerse en cuenta que siempre puede existir una estrategia más efectiva de la que no se tiene conocimiento. Además, no siempre es un problema de “tamaño del efecto” estadístico. En este sentido siempre es recomendable conocer cómo se han realizados las investigaciones así como los procedimientos científicos utilizados.
  • No es suficiente saber qué funciona, sino por qué fuciona. La decisión sobre una estrategia debe realizarse garantizando que se comprende el porqué funciona. Sólo de esta manera se puede extrare el máximo de su potencial. Igualmente, ante cualquier contratiempo se puede encontrar una solucion razonada.
  • De todo ello se deriva este principio: deben identificarse los factores críticos que determinan el éxito pero que pueden facltar en tu contexto para poder corregir la situación
  • Revisión constante de la labor docente bajo la luz de las evidencias. La monitorización continua permitirá reaccionar ante problemas de forma eficaz, siguiendo las evidencias que se obtengan a partir de la propia práctica.

La aproximación basada en evidencias no dice qué tienes que hacer, por el contrario lo que permite es encontrar diferentes estrategias para conseguir los objetivos que se persigune, pero con la adapatación que sea necesaria. Puesto que la realidad de cada aula de cada alumno es diferente, es labor del docente desarrollar y adaptar las estrategias con mayor soporte científico a sus necesidades específicas.

Para realizar una aproximación basada en evidencias es necesario tener una formación suficiente en metodología de investigación, que permita ser crítico con los estudios que se analizan, comprobando su validez y su utilidad. Cuestiones como la utilización de diferentes fuentes, la utilización de muestras representativas, el desarrollo de estrategias analíticas que se ajusten a los objetivos de la investigación, etcétera son fundamentales para considerar que los estudios en las cuales se basa un docente, tiene suficiente calidad para ser tenidos en cuenta.

 

Referencia

Petty, G. (2014). Evidence-Based Teaching. A Practical Approach. Oxford, U.K.: Oxford University Press.  ENLACE

Criterios de las evaluaciones (de programas)

A principios de la década de los 90 del siglo XX se abrió un debate sobre los principios que deberían cumplir las evaluaciones de programas. El debate surgía de la aparente necesidad de que las evaluaciones se rigiesen por una serie de reglas o valores. En este sentido el Development Assistance Committee (DAC) de la OCDE, propuso una serie de principios o criterios. Actualmente estos criterios se están revisando, tal como puede consultarse en este enlace (LINK1). Los criterios originales están disponibles en este enlace (LINK2).

Leer más “Criterios de las evaluaciones (de programas)”

Pregón de feria de 2017 vs 2003: las comparaciones son odiosas

Como nos comprometimos en el anterior post presentamos aquí un análisis muy resumido, del pregón de la feria de Málaga de 2003, llevado a cabo por Don Juan Antonio Garrido Moraga. Tal como dijimos en el anterior post, se ha elegido el de 2003 porque es el primero que aparece en el listado de pregones de feria de málaga que no lo llevó a cabo alguien no vinculado con el mundo de la canción o las artes intrepretativas (actores).

Leer más “Pregón de feria de 2017 vs 2003: las comparaciones son odiosas”

Análisis del pregón de la feria de Málaga de 2017

El pregón de la feria de Málaga de 2017 fue llevado a cabo por La Mari, cantante del grupo Chambao. Ante las críticas de algunos lectores del pregón (ver al final del post) nos hemos propuesto hacer un pequeño análisis del mismo con técnicas propias del Text Mining.

Leer más “Análisis del pregón de la feria de Málaga de 2017”

Musicoterapia: efectos en el dolor, memoria y aprendizaje

La literatura sobre el efecto de la música no solamente se queda en el efecto sobre el estrés o las enfermedades mentales. Aunque en menor número, son múltiples los campos estudiados. Entre ellos, el impacto sobre la percepción del dolor físico, el efecto sobre la evocación de recuerdos, y el efecto sobre el aprendizaje.

Dolor

En algunos estudios centrados en la ansiedad también encontraron una disminución de la percepción del dolor. En el estudio de Mitchell, MacDonald y Brodie (2006) pacientes que escuchaban música elegida por ellos mismos presentaban mayor tolerancia al dolor que pacientes que realizaban una tarea de distracción consistente en sumar números (Mitchell, MacDonald, & Brodie, 2006). Resultados similares encontró Nilson en otro estudio sobre el dolor y el estrés 2008). En este sentido, la música podría actuar como un distractor, que mediaría en la experiencia del dolor de la misma forma que en el estrés, como se apuntó anteriormente.
Otro elemento tangencial es el vínculo entre el consumo de música durante el “dolor anímico” en la experiencia de duelo y la soledad. Aunque éste no es un aspecto de interés en este post, resulta útil conocer algunas cuestiones al respecto. En este sentido, estudios como el de Saarikallio (2008) han puesto de manifiesto que la población usa la música también para el proceso de consolación. En éste se produce un consumo reiterativo de las piezas musicales, principalmente tristes. No obstante, este deseo de oír música triste en momentos de soledad suele disminuir con la edad (Hanser, ter Bogt, Mark, & Vingerhoets, 2015).

Memoria

Diversas experiencias, algunas de ellas muy mediáticas, han puesto de manifiesto que oír piezas musicales conocidas favorece la evocación del recuerdo (Música para “Despertar” – Mejora le estado en personas con Alzheimer). En este sentido, también se han realizado estudios en laboratorio que ponen de manifiesto el vínculo de oír música popular o conocida (por tanto, no cualquier tipo de música) con la evocación del recuerdo (Hanser, ter Bogt, Mark, & Vingerhoets, 2015).
Una hipótesis de trabajo que explique esta relación se puede ser que la música familiar activa áreas de la memoria a largo plazo, a través del reconocimiento, lo que desencadena el recuerdo. Otra posibilidad, compatible con la anterior, es que esta música también induzca un estado de relajación, lo que favorecería la acceso a la memoría a largo plazo.
En cualquier caso, lo que destaca es que no sirve cualquier música, sino que el efecto en la memoria está vinculado al tipo de música, en este caso, debe ser música familiar para el oyente.
Otras líneas de trabajo sobre la memoria están más vinculadas al aprendizaje. Estos los hemos tratado detenidamente en otros posts. Recordemos que la conclusión final es que el aprendizaje de información nueva, mientras se oye música, está mediado por algunos componentes de las piezas musicales, principalmente el ritmo.
Por otro lado, algunos estudios han puesto de manifiesto que el aprendizaje puede verse afectado por la música de forma indirecta. En un estudio de Shang, Dienes, Shao y Fu (2013) indujeron distintos estados de ánimo a través de la música. Posteriormente los participantes desarrollaron distintas tareas cognitivas que implicaban aprendizaje. Estudios como éste ponen de manifiesto que la música puede afectar al aprendizaje de forma indirecta, induciendo cierto estado de ánimo que será la causa directa de la calidad del aprendizaje.

Referencias

Nilsson, U. (2008). The anxiety- and pain-reducing effects of music interventions: a systematic review. AORN Journal, 87(4), 780-807. https://doi.org/10.1016/j.aorn.2007.09.013
Mitchell, L. A., MacDonald, R. A. R., & Brodie, E. E. (2006). A comparison of the effects of preferred music, arithmetic and humour on cold pressor pain. European Journal of Pain, 10(4), 343-351. https://doi.org/10.1016/j.ejpain.2005.03.005
Hanser, W. E., ter Bogt, T. F. M., Van den Tol, A. J. M., Mark, R. E., & Vingerhoets, A. J. J. M. (2016). Consolation through music: A survey study. Musicae Scientiae, 20(1), 122-137. https://doi.org/10.1177/1029864915620264
Shang, J., Fu, Q., Dienes, Z., Shao, C., & Fu, X. (2013). Negative Affect Reduces Performance in Implicit Sequence Learning. PLOS ONE, 8(1), e54693. https://doi.org/10.1371/journal.pone.0054693
Saarikallio, S. (2008). Music in mood regulation: Initial scale development. Musicae Scientiae, 12(2), 291–309.