El aprendizaje automático combina el análisis estadístico y el procesamiento de datos intensivo en computadora para clasificar, comprender y predecir patrones basados en datos.
Existen muchos obstáculos para que los recursos computacionales, como el aprendizaje automático, se adopten plenamente en sociología.
Primero, el aprendizaje automático está en el campo de la Inteligencia Artificial (IA). Los sociólogos han demostrado una fuerte resistencia a la IA como método aplicable a las ciencias sociales.
- ¿Se puede usar tensorflow en SVM?
- ¿Son las preguntas el verdadero punto de partida del análisis de Big Data?
- ¿Cómo puede el aprendizaje automático ayudar a las agencias de publicidad?
- ¿Qué cursos de estadística de Harvard debería tomar si quiero aprender aprendizaje estadístico / aprendizaje automático?
- En vista de los nuevos temas de TI (AI, IoT, datos grandes / rápidos, análisis, blockchain, etc.), ¿hay alguna ventaja en aprender la programación de Python?
En segundo lugar, la fuerza de una aplicación de Machine Learning reside en su capacidad para predecir eventos. Los sociólogos en general sienten que las predicciones son imposibles para los estudios sobre temas sociales.
El tercer obstáculo es la base estadística del aprendizaje automático. En las últimas décadas, hubo una reducción en la formación de sociólogos en investigación cuantitativa. La sociología “convencional” se ha resistido al uso de análisis de datos y estadísticas en estudios sociales, vistos como enfoques “positivistas”, “empiristas” y “no críticos”. Esta situación ha cambiado en los últimos años. Con un acceso más fácil a los datos y un uso intensivo de la informática, el interés de los sociólogos por los métodos cuantitativos y computacionales está creciendo. Uno puede percibir, tanto en publicaciones como en programas académicos, menos prejuicios entre los científicos sociales contra el análisis cuantitativo de datos. Aun así, todavía hay una falta de conocimiento y desconfianza con respecto a las aplicaciones estadísticas en las ciencias sociales.
Algunos autores comentan otro obstáculo. La sociología es una ciencia basada en hipótesis, mientras que el aprendizaje automático es más apropiado para la investigación inductiva. No estoy de acuerdo porque ni la sociología es una ciencia basada en hipótesis (es más una “autoridad basada en argumentos”), ni el aprendizaje automático se limita a la investigación inductiva. Pero también es un punto destacado cuando se discute la posibilidad de aplicar Machine Learning en Sociología.
Estos obstáculos significan que uno no debería esperar un “cambio de paradigma” en la Sociología en el corto plazo. Sin embargo, es posible vislumbrar un uso creciente del aprendizaje automático y otros métodos computacionales en la investigación sociológica en los próximos años.
Supongamos que un investigador interesado en un estudio sobre la “elite del poder” basado en 11.5 millones de documentos en Panama Papers (https://panamapapers.icij.org/), difundido por el Consorcio Internacional de Periodistas de Investigación (ICIJ). El conjunto de datos es de aproximadamente 2,6 terabytes de información. Es imposible explorar esta gran cantidad de información sin ayuda de la computadora. Por ejemplo, el aprendizaje automático podría usarse para encontrar personalidades y empresas por países para mostrar conexiones multinacionales ocultas entre ellos. En este caso, el investigador se beneficiaría de la aplicación de minería de datos de Machine Learning. Pero esto no significaría necesariamente un cambio en la estructura del pensamiento sociológico. Podría representar algunos resultados adicionales para reforzar los argumentos respaldados previamente por la literatura canónica.
Debido a eso, es más probable que el aprendizaje automático influya en la investigación sociológica como una herramienta de análisis de datos que como una aplicación efectiva de Inteligencia Artificial para estudios sociológicos.
El interés reciente de los sociólogos sobre los recursos computacionales y el conocimiento matemático es una buena señal. Quizás, después del aumento gradual en el número de investigadores que usan recursos computacionales, los sociólogos se convertirán en desarrolladores de nuevas metodologías computacionales basadas en IA aplicadas a estudios sociales.
El campo interdisciplinario de las ciencias sociales computacionales es un movimiento en esta dirección. Investigadores de todo el mundo están discutiendo cómo entender los problemas sociales basados en inteligencia artificial, aprendizaje automático, simulación basada en agentes, análisis de redes sociales, complejidad y otros métodos computacionales. Este campo todavía está en el comienzo y plantea más preguntas que resultados. Pero alimenta las expectativas de que las ciencias sociales (incluida la sociología) pueden seguir los avances observados en otras ciencias en el siglo XXI.
Sugiero leer el artículo de Conte, R. et al. (http://link.springer.com/article…) y viendo este video de Wallach, H. (https://www.youtube.com/shared?c…)
