ChatGPT crea los datos con las relaciones estadísticas que quieras

Quiero que generes una base de datos con 3 variables y 1200 casos: la primera variable es sexo y sus 2 posibles categorías son 1-hombre, 2-mujer. La segunda variable es Tolerancia con la prostitución que es una variable de 10 posibles categorías, es una escala cuyos valores van de 1-nunca a 10-siempre. La tercera variable es nivel educativo que tiene 4 categorías: 1-primarios, 2-secundarios, 3-post-secundarios, y 4-terciarios. Simula una respuesta de las posibles para cada uno de los 1200 casos. Hazlo de tal manera que al hacer un análisis de ANOVA de un factor, haya relación estadísticamente significativa y fuerte entre las variables sexo y tolerancia con la prostitución: que las mujeres tengan una media más alta que los hombres en tolerancia con la prostitución. También simula las respuestas para que no haya relación significativa entre las variables tolerancia con la prostitución y nivel educativo. Entrégame la base de datos en Excel

Me ha contestado generando una base de datos en Excel con datos simulados. En este enlace puedes descargar la base de datos generada por ChatGPT: descargar base de datos simulados.

Para comprobar que ChatGPT ha creado la base de datos con las relaciones significativas entre variables que solicité, he realizado análisis de ANOVA en el software estadístico SPSS. Como puedes ver en los resultados lo ha hecho tal como se lo pedí. Ha creado una relación significativa y fuerte entre sexo y tolerancia de la prostitución, en la que las mujeres tienen un promedio más alto en tolerancia con la prostitución (7,26) que los hombres (5,63).

También me ha obedecido y al generar los datos, ha hecho que no haya relación significativa entre nivel educativo y tolerancia con la prostitución. Llama la atención que, sin pedírselo, ha generados grupos (submuestras) de similar tamaño para hombre y mujer, y para cada uno de los niveles educativos.

Pedí a ChatGPT que creara una base de datos de 1200 casos (personas) ya que es el mismo tamaño de muestra usado en España para la Encuesta Mundial de Valores, y solicité que creara esas relaciones entre variables porque es totalmente al revés de la realidad. El análisis de los datos reales de la Encuesta Mundial de Valores para España indican que sí existe una relación significativa entre nivel educativo y tolerancia con la prostitución, y que los hombres son más tolerantes con la prostitución que las mujeres, como puedes ver en la imagen.

He hecho otra prueba ahora pidiéndole datos para hacer un análisis multivariante de regresión lineal múltiple. Este ha sido el prompt: Quiero que generes una base de datos con 4 variables y 1200 casos: la primera variable es sexo y sus 2 posibles categorías son 1-hombre, 2-mujer. La segunda variable es Tolerancia con la prostitución que es una variable de 10 posibles categorías, es una escala cuyos valores van de 1-nunca a 10-siempre. La tercera variable es nivel educativo que tiene 4 categorías: 1-primarios, 2-secundarios, 3-post-secundarios, y 4-terciarios. La cuarta variable es nivel de ingresos que tiene 10 posibles categorias que van de 1-muy bajos a 10-muy altos. Simula una respuesta de las posibles para cada uno de los 1200 casos. Hazlo de tal manera que al hacer un análisis de regresión lineal con la VD Tolerancia con la prostitución haya relación estadísticamente significativa con las VI sexo (las mujeres son más tolerantes que los hombres) y nivel de ingresos (a más ingresos, más tolerancia). También simula las respuestas para que no haya relación significativa entre las variables tolerancia con la prostitución y nivel educativo. Entrégame la base de datos en Excel

Aquí puedes descargar la base de datos en Excel que me generó ChatGPT. He realizado el análisis de regresión lineal múltiple (también regresión ordinal) y los resultados son tal cual como se los pedí: las personas más tolerantes con la prostitución son mujeres con altos ingresos, y la educación no influye.

La IA es capaz de crear los datos que necesites para demostrar una realidad que no existe, contraria a la real, o tal como te gustaría para tu tesis. Puede que estés pensando: qué peligro, cómo vamos a controlar esto, what the fuck. ¿Qué podemos hacer para preservar la investigación científica? No tengo respuesta para ello. Las revistas científicas han estado pidiendo a los investigadores que compartan los datos usados en los estudios para que editores o revisores puedan comprobar los análisis. Pero esta iniciativa no sirve de mucho porque la inteligencia artificial (IA) crea datos compartibles pero ficticios. Es decir, la persona que quiera engañar, podrá seguir engañando y mucho más que antes.

Nada de esto es nuevo. Ya existían herramientas de simulación, aunque quizás no al alcance de cualquiera y a tan bajo coste. Dice el filósofo Daniel Dennett que uno de los mayores peligros de la IA es que puede que llegue un momento que no confiemos en nadie. Ese momento está llegando a la investigación científica.

Escrito por Julián Cárdenas

Cómo pasar de audio a texto con la IA Whisper, es gratis

La IA te permite pasar grabaciones de audio o vídeo a formato texto en minutos. Hubo un tiempo en que la gente transcribía entrevistas dándole al pause (II) y al play (▷) y se pasaba largas horas y días con la grabadora pegada al oído. También hubo un tiempo en que era necesario que los estudiantes tomaran apuntes. Hoy en día, puedes escuchar al profesor o entrevistar a alguien sin preocuparte de tomar apuntes ya que la inteligencia artificial (IA) lo hará por ti y te permitirá tener todo lo hablado en archivos de texto.

La mejor herramienta de transcripción de audio a texto es Whisper, una IA desarrollada por Open AI, la "fundación" creadora de ChatGPT. Whisper es gratis. Pero gratis de verdad, por lo que puede ser usada en clases y sin preocuparte de que te cobren por acceder al servicio premium. Hay muchas otras herramientas de transcripción de audio a texto pero en todas las buenas debes pagar. Aunque Whisper es la mejor, no ha sido usada masivamente debido a que requiere instalarse en Python y escribir algo de código. Y esto asusta a mucha gente.

En este tutorial, explico cómo usar Whisper sin necesidad de instalar nada en tu ordenador y sin pagar nada.

Necesitas una cuenta de Gmail, ir a Google Drive, y crear un archivo de Google Colaboratory. En Drive: Nuevo > Más > Google Colaboratory. Si no te aparece en Drive, ves a colab.research.google.com > Archivo > Nuevo cuaderno

Google Colab es una herramienta que permite a los usuarios escribir, ejecutar, y compartir código en la nube. Además, ofrece acceso a hardware acelerado como GPU. Esto quiere decir que estamos usando una especie de ordenador virtual  para ejecutar análisis y funciones que necesitan mucha potencia.

Cámbiale el nombre al archivo de Google Colab (por ejemplo, Probando Whisper), el cual quedará guardado en tu unidad de Google Drive, y dale clic al icono de la carpeta

Posteriormente, vamos a subir el archivo de audio. Para ello dale clic al icono de subir un archivo y busca el audio en tu ordenador.

Es mejor que el archivo de audio esté en alguna carpeta de tu Drive, así suele funcionar mejor. No puede ser una carpeta compartida de Drive. Debe estar el archivo de audio en tu Drive. Si tienes el archivo de audio en tu Drive puedes darle acceso a Google Colab para que acceda a tus carpetas de Drive. Para ello dale clic a la carpeta con el símbolo de Drive.

Una vez subido el archivo de audio, los códigos para instalar y ejecutar Whisper están en el repositorio de GitHub. Para no hacer el tutorial eterno, pego aquí directamente los códigos que se deben ejecutar en Google Coalb.

Pega el siguiente código en el archivo de Google Colab para instalar Whisper y dale clic al icono de ejecutar (▷), como aparece en la foto de abajo.

pip install -U openai-whisper

Crea una nueva línea de código debajo. Para hacerlo debes darle clic donde pone + Código

En la nueva línea pega el siguiente código y dale clic al icono de ejecutar (▷):

! sudo apt update && sudo apt install ffmpeg

El siguiente paso es crear una nueva línea de código

En esta nueva línea debes pegar todo este código, pero no ejecutes todavía que lo vamos a cambiar

import whisper
model = whisper.load_model("medium")
result = model.transcribe("audio.mp3")
print(result["text"])

Antes de ejecutar este código debemos copiar la ruta donde está el archivo de audio. Es decir, decirle a Whisper donde tienes el archivo de audio. En la hoja de Google Colab, donde está el archivo de audio, hay que darle clic a esos tres puntos (o botón derecho en el mouse) y darle clic a "Copiar ruta".

Esa ruta debemos pegarla y sustituirla en el código anterior donde ponía "audio.mp3". Debes conservar las comillas. Por tanto, el código definitivo quedaría así

import whisper
model = whisper.load_model("medium")
result = model.transcribe("/content/22 feb, 17.25_.m4a")
print(result["text"])

Una vez sustituida la ruta podemos darle clic al icono de ejecutar (▷). La transcripción tarda según la duración del audio. Hay que ser paciente ya que para transcribir un audio de 10 minutos Whisper tarda unos 20 minutos. ¿Hay alguna forma para que transcriba más rápido? Sí, pero pierde calidad la transcripción. En el último código podemos sustituir el modelo de Whisper de "medium" a "small", quedando el código así:

import whisper
model = whisper.load_model("small")
result = model.transcribe("/content/22 feb, 17.25_.m4a")
print(result["text"])

Pero creo que lo recomendable es obtener una transcripción de calidad que nos ahorrará tiempo y energía de tener que corregirla. Por tanto, sé paciente mientras se ejecuta la transcripción.

¿Y donde está mi transcripción? Aparece en la última línea. Puedes seleccionarla dándole doble clic, copiarla y pegarla en un documento Word.

Algunos comentarios y recomendaciones para concluir:

  • Dice Open AI que el español es uno de los idiomas que mejor reconoce Whisper, por tanto, hay que aprovechar que somos líderes en algo.
  • Whisper soporta formatos de audio como mp3, m4a, mp4 , mpeg , mpga , wav , y webm. Si tu audio está en otro formato (lo cual es raro porque estos son los principales), toca convertir en archivo con alguna herramienta.
  • Los archivos de audio no pueden ser de más de 25MB. Si tu audio es enorme, la solución es partirlo.
  • Si tu archivo es un vídeo en mp4 y, por tanto, muy grande de tamaño, es recomendable convertirlo a mp3 primero, y después subirlo a Whisper en formato mp3.
  • Whisper reconoce el idioma del audio, pero si hubiera algún problema o en el audio se mezclan idiomas, habría que ejecutar un código para decirle a Whisper qué idioma ha de reconocer. Toda esa información puedes encontrarla en el repositorio Github de Whisper.
  • Hay varios modelos de Whisper (tiny, base, small, medium, large). Cuanto más grande el modelo, más lenta la ejecución, pero más calidad la transcripción. Mi recomendación es usar el "medium" ya que el resultado es satisfactorio.
  • ¿Puede Whisper inventarse algo en la transcripción? Como toda IA, también Whisper puede alucinar, pero suele hacerlo muy pero muy poco.

Espero que el uso de esta herramienta de IA te sea útil, te ahorre horas de trabajo de transcripción y así puedas dedicar más tiempo al análisis y la interpretación, que al final y al cabo son lo entretenido de la investigación y la educación. Si te gustó este artículo, por favor, compártelo por Twitter, Facebook, Whatsapp, LinkedIn o email.

IA para interpretar resultados estadísticos a partir de una imagen

¿Te gustaría subir una imagen de una tabla de cualquier análisis estadístico y obtener la interpretación de los resultados? ChatGPT Plus ha habilitado la posibilidad de "diseñar" GPTs a tu gusto. He creado un GPT llamado "Data Interpretation" en el que le subes una imagen de una tabla con resultados estadísticos, y ChatGPT responde comentando todos los resultados, explicándolos, interpretando los hallazgos y hasta proponiendo una acción o intervención.

Acceso a "Data Interpretation": https://chat.openai.com/g/g-dZnBLNSvQ-data-interpretation

Haces una captura de pantalla de los resultados obtenidos con SPSS, Jamovi, Stata, R o una tabla de un artículo científico, subes esa imagen a ChaGPT "Data Interpretation", y obtienes de forma detallada una interpretación de los resultados. Si quieres que la interpretación sea más concreta, debes especificar cuáles son las variables dependiente (VD) e independientes (VI), y el orden de las categorías. Por ejemplo, la VD es "tolerancia con el aborto" (1-nunca... 10-mucho) y las VI son sexo (1-hombre, 0-mujer), edad, y nivel de ingresos (1-bajos... 10-altos). ChaGPT "Data Interpretation" te preguntará por el tipo de variables (nominal, ordinal, escalar) para comprobar que usaste las variables correctas. Seguidamente "Data Interpretation" comentará e interpretará los resultados del análisis estadístico. Puedes seguir chateando para que te explique los resultados como quieras, con lenguaje sencillo, analogías, ejemplos o pidiendo más detalles. En el vídeo puedes ver un ejemplo de interpretación de regresión lineal: incluye comentario sobre la R-cuadrado, significación, betas, multicolinealidad...

El análisis estadístico de datos es imprescindible en la sociedad en la que vivimos donde cada movimiento que hacemos deja un rastro de datos. Herramientas de IA como "Data Interpretation" está facilitando hacer más accesible la interpretación de resultados estadísticos. Un cambio radical para hacer una tesis, entender análisis de datos, y mejorar las clases de cualquier asignatura. Seguimos.

Acceso a Data Interpretation: https://chat.openai.com/g/g-dZnBLNSvQ-data-interpretation

Escenarios futuros posibles de la IA en la educación universitaria

¿Cómo será el futuro de la IA en la academia? Una forma de diagnosticar qué sucederá en el futuro es a través de la descripción de escenarios posibles. Una manera de crear escenarios es mediante el cruce de dos variables. Se crean así cuatro combinaciones tipo según las opciones de las variables. Para pensar en el futuro, usamos dos variables que condicionarían el impacto de la IA en la educación universitaria: el acceso a herramientas de IA, y la aceptación de la IA en las universidades.

Acceso a herramientas de IA

La variable acceso a herramientas de IA se refiere a la facilidad con la que los estudiantes y docentes pueden obtener y utilizar herramientas de IA en sus actividades de enseñanza y aprendizaje. Esta variable se puede dividir en dos posibles opciones: acceso alto y acceso bajo.

Hay alto acceso a herramientas de IA cuando están ampliamente disponibles para los estudiantes y profesores. El coste de uso de estas herramientas es bajo, lo que significa que los estudiantes y profesores pueden acceder a ellas sin incurrir en gastos significativos. Además, no hay regulaciones restrictivas que limiten el uso de la IA en la investigación ni barreras legales o burocráticas que impidan o limiten la IA en el ámbito educativo.

Hay bajo acceso a herramientas de IA cuando existen regulaciones estrictas que restringen el uso de la IA en la universidad, ya sea por preocupaciones éticas, de privacidad, o de seguridad. Las regulaciones del uso de la IA pueden ser a nivel macro (leyes que restrinjan el uso de la IA), a nivel meso (normas en las universidades o facultades), o a nivel micro (profesores que restrinjan el uso de la IA en sus clases). Además, el acceso es bajo cuando los costes económicos asociados al uso de la IA son altos, lo que hace que su adopción sea prohibitiva para muchos estudiantes o docentes, especialmente aquellos que trabajan en instituciones con recursos limitados. ChatGPT tiene una versión sin coste, pero el acceso a su versión más avanzada con los plugins tiene un coste de 20 euros al mes. Midjourney, la herramienta de IA generadora de imágenes, empezó siendo gratis pero ya tiene un coste de 10 euros mensual. Scite tiene un coste de entre 12 y 20 euros al mes. ¿Y si la estrategia de las empresas de IA es hacernos dependientes al uso de la IA para después elevar significativamente los costes? Esta estrategia de mercado ya fue implementada por Amazon o Aliexpress que iniciaron sus ventas asumiendo pérdidas para crear dependencia del comercio online, cambiar costumbres y posteriormente elevar el precio de sus productos. En resumen, el acceso alto a la IA implica costes bajos y regulaciones mínimas, mientras que el acceso bajo implica costes altos y regulaciones estrictas.

Formación y aceptación de la IA por el personal docente

La variable formación y aceptación de la IA hace referencia al grado en que los profesores están familiarizados con las tecnologías de inteligencia artificial y están dispuestos a incorporarlas en sus actividades de enseñanza. Esta variable es importante porque la adopción de la IA en la universidad no solo depende de la disponibilidad de herramientas de IA, sino también de la disposición de los profesores para utilizarlas.

Hay alta formación y aceptación de la IA cuando los profesores están bien formados en el uso de tecnologías de IA y están dispuestos a incorporarlas en sus actividades de docencia. Esto puede deberse a la existencia de programas de formación en IA, a la percepción de que la IA puede mejorar la eficacia y eficiencia de la investigación, o a una cultura académica favorable a la introducción de IA en las universidades y enseñanza.

Hay baja formación y aceptación de la IA cuando los profesores tienen poca formación en el uso de tecnologías de inteligencia artificial y pueden ser reacios a incorporarlas en sus actividades de docencia. Esto puede deberse a la falta de programas de formación en IA, a la percepción de que la IA es compleja o difícil de usar, o a una cultura académica que es cautelosa o resistente al cambio. Si así fuera, es probable que la adopción de la IA en la academia sea lenta y las herramientas de IA se utilicen de manera menos efectiva.

La combinación de estas cuatro categorías crea cuatro escenarios futuros posibles sobre el impacto de la IA en la educación universitaria

“IA para todos”: alto acceso a la IA y alta formación-aceptación de la IA por el personal docente.

En este escenario, las herramientas de IA como ChatGPT son ampliamente accesibles y bien recibidas por los educadores universitarios. Los profesores se apoyan de manera significativa en la IA para facilitar un aprendizaje más personalizado. ChatGPT puede ser usado en las aulas para ayudar a entender temas complejos mediante un lenguaje más accesible a los estudiantes. La IA ayuda a desmitificar teorías, estadísticas o temas complejos proporcionando explicaciones sencillas y adaptadas. Por ejemplo, un prompt para ChatGPT sería: "explica que son los odd ratios con un ejemplo del [fútbol] y un lenguaja sencillo y entendible para alguien que sepa muy poco de estadística".

El profesor dejaría de ser el que resuelva todas las dudas ya que los estudiantes tienen acceso a herramientas de IA que pueden ayudarles a entender conceptos, crear analogías, y ejemplos a medida de sus preferencias. El estudiante ganaría protagonismo en su propia enseñanza y aumentaría sus habilidades de recursividad y autonomía.

Los métodos de evaluación podrían incluir la integración de la IA, por ejemplo, permitiendo que los estudiantes utilicen la IA para resolver problemas y, posteriormente, se les pida profundizar en la interpretación y en cómo convertir los resultados en estrategias de acción. Esto fomentaría una comprensión profunda de los conceptos al obligar a los estudiantes a internalizar, comunicar las metodologías utilizadas por la IA, y enfatizar la toma de decisiones.

Se podrían implementar métodos de evaluación basados en la metacognición. La evaluación metacognitiva se refiere al proceso mediante el cual una persona monitorea, evalúa y regula su propio aprendizaje y pensamiento. En términos sencillos, es la capacidad de una persona para “pensar sobre su propio pensamiento” y evaluar su propio proceso de aprendizaje. Por ejemplo, preguntándose y registrando: ¿qué he aprendido?, ¿cómo lo he aprendido?, ¿para qué me ha servido? y ¿en qué otras situaciones puedo utilizar lo aprendido? Son cuatro preguntas que el alumnado debe ir respondiendo para avanzar por la escalera de metacognición.

El principal problema que los profesores podrían enfrentar es el exceso de dependencia de la IA por parte de los estudiantes. Los estudiantes podrían confiar ciegamente en las soluciones proporcionadas por la IA y no comprender los conceptos subyacentes de un tema.

“Eterno 2023”: alto acceso a la IA y baja formación-aceptación de la IA por el personal docente.

A pesar de que las herramientas de IA son fácilmente accesibles, los profesores de universidad se resisten a integrarlas en su enseñanza. Se produce una alta divergencia en lo que solicita el profesor para aprender, y lo que el estudiante es capaz de hacer con el acceso a las herramientas de IA. Se puede producir una situación en la que el estudiante oculte su uso, y el profesorado cambie su forma de enseñar solo pensando en cómo evitar el uso de la IA.

En este escenario, los métodos de evaluación seguirían siendo los tradicionales, como exámenes escritos y trabajos prácticos. Sin embargo, se podría requerir que los estudiantes demuestren su capacidad para trabajar sin la ayuda de la IA.

El mayor problema para los profesores en este escenario sería la brecha entre la educación universitaria y el mundo laboral, que cada vez se apoya más en la IA. Esto podría llevar a una falta de preparación de los estudiantes para enfrentar los desafíos del mundo real. Mientras que otros sectores como empresas y estudiantes sí usan la IA para realizar sus tareas, la academia se resiste al cambio. Esta divergencia entre estudiantes y empresas que adoptan IA, y académicos que no la utilizan, puede alimentar la percepción de que la universidad es una institución obsoleta, de escaso valor añadido, y utilidad limitada.

“IA para mí”: bajo acceso a la IA y alta formación-aceptación de la IA por el personal docente

Aunque los profesores están dispuestos a usar la IA, el acceso a herramientas de IA es limitado por el coste económico o regulaciones prohibitivas. Los profesores desearían utilizar IA, pero su uso se limitaría a ejemplos o demostraciones básicas debido al alto coste y la regulación restrictiva. Como resultado, la adopción de la IA en la academia es lenta y se concentra en instituciones con elevados recursos. Los académicos en instituciones de países con menos recursos o donde las regulaciones son más estrictas pueden tener dificultades para mantenerse al día con los avances en la investigación impulsada por la IA. La diversidad en la comunidad de investigación disminuye, ya que las barreras de entrada son altas y solo aquellos con acceso a herramientas de IA pueden participar en la generación de conocimiento. En este escenario, la academia se vuelve más desigual y menos inclusiva.

Los métodos de evaluación podrían incluir preguntas teóricas sobre cómo se usaría la IA para resolver ciertos problemas, pero sin poder implementar o practicar su uso. Los estudiantes también podrían ser evaluados por su capacidad para trabajar alrededor de las limitaciones del acceso a la IA, demostrando innovación y resiliencia.

El principal problema para los profesores sería tratar de proporcionar una educación de calidad sin las ventajas de una integración completa de la IA. Los profesores también podrían tener dificultades para mantenerse actualizados con los rápidos avances en la IA sin acceso a las herramientas más recientes.

Back to 2019”: bajo acceso a la IA y baja formación-aceptación de la IA por el personal docente

En este escenario, las herramientas de IA son tanto inaccesibles como poco o nada aceptadas por los profesores universitarios. La enseñanza seguiría siendo tradicional, sin ninguna influencia de la IA. La falta de acceso y adopción de la IA podría limitar la innovación. Solo aquellos pocos académicos con recursos y disposición para innovar en el proceso de investigación usarían las herramientas de IA. Ante la falta de formación y aceptación de la IA, esta tecnología generaría desconfianza y toda discusión sobre su uso sería sobre la ética y privacidad, lo que perpetuaría aún más la resistencia al uso de la IA.

Los métodos de evaluación serían como en 2019, antes de la pandemia y antes de la irrupción de la IA: exámenes, trabajos prácticos escritos y de vez en cuando presentaciones.

Los problemas para los profesores en este escenario incluirían mantener la relevancia de lo enseñado donde se ignora la IA en un mundo cada vez más digital y dependiente de la IA. Sin ninguna influencia de la IA, los estudiantes pueden sentirse desvinculados o poco preparados para un mercado laboral que depende cada vez más de la tecnología y la inteligencia artificial. Las instituciones académicas continuarían enfocándose en ofrecer formación tradicional, ya que la mayoría de los profesores no tendrían acceso a herramientas de IA ni estarían dispuestos a utilizarlas. La falta de adopción de la IA en la academia podría afectar la reputación de las universidades, que podrían ser vistas como rezagadas en comparación con otros sectores que adoptan rápidamente la IA.

Escenario más probable (y deseable)

De los cuatro escenarios posibles, el más probable es el escenario de “IA para todos”: alto acceso a herramientas de IA y alta formación-aceptación de la IA por el personal docente. Es el más probable ya que en la actualidad han proliferado exponencialmente las herramientas de IA, en octubre de 2023 hay más de siete mil aplicaciones de IA accesibles. De todas ellas, muchas son de acceso libre o gratuito, como la versión GPT 3.5 de ChatGPT, Bing Chat, Elicit, SciScape y Consensus y otras de utilidad en la educación e investigación. Además, hay herramientas de IA de todo tipo y para múltiples funciones, como la creación de texto, audio, vídeo o imágenes. Incluso, muchas están específicamente diseñadas para transformar texto a imagen, imagen a vídeo, texto a audio, audio a texto, vídeo a texto, y un sinfín de utilidades.

Las restricciones o regulaciones existentes de la IA en la educación son escasas y flexibles. Se ha creado una Ley de la Inteligencia Artificial por parte de la Unión Europea, pero aún está en proceso de discusión y su uso en la educación es abierto siempre que no vulnere derechos o sea usado para evaluar. Las regulaciones a nivel universitario son casi inexistentes. Finalmente, una parte de los educadores se muestra abierta a su uso y a adaptarse a una realidad que avanza rápido. Por todo ello, es muy probable que el escenario al que nos enfrentemos docentes, estudiantes y gestores sea “IA para todos” de alto acceso a IA y alta aceptación por el personal docente. En conclusión, esto no para y es mejor estar preparado. Para más info:

Cárdenas, Julián (2023) Inteligencia artificial, investigación y revisión por pares: escenarios futuros y estrategias de acción. Revista Española de Sociología 32(4): a184. https://doi.org/10.22325/fes/res.2023.184

El uso de la IA en la educación universitaria y el empleo

O incorporamos las herramientas de inteligencia artificial (IA) en las aulas, incluida ChatGPT, o estamos muertos. Si se produce una enorme divergencia entre lo que hace el alumno en el aula, y lo que puede llegar a hacer fuera del aula con las herramientas de IA, llevará a cuestionar aún más la educación universitaria. Así comienza esta presentación en la que se discuten escenarios futuros posibles y estrategias de evaluación del conocimiento.

Herramienta de IA para revisar un artículo científico

¿Qué te parecería que tu artículo científico sea evaluado por una herramienta de IA en lugar de por revisores (reviewers) humanos? Todos los que hemos enviado manuscritos a una revista científica y hemos recibido una dura evaluación o un rechazo hemos maldecido el peer-review, a editores, y evaluadores. Si los reviewers se equivocan, tienen un conocimiento amplio pero no total, y a veces piden cosas que ni ellos mismos saben hacer, ¿aceptarías que tu artículo sea evaluado por una inteligencia artificial (IA)? ¿Aceptarías que tu proyecto de investigación para solicitar fondos sea evaluado por una IA?

El debate sobre el uso de la IA en peer review ya existe en la comunidad científica. Algunas agencias ya se han posicionado en contra como the U.S. National Science Foundation y the Australian Research Council. Otras como European Research Council se lo están pensando.

¿Y los journals científicos? Casi todas las revistas guardan silencio, por ahora. Las pocas revistas que han dicho algo, como la revista Science, ha prohibido a los reviewers usar herramientas de IA. ¿Pero pueden los editores controlar que los revisores usen ChatGPT, ChatPDF u otra herramienta de IA para leer, revisar y llegar a un dictamen? El proceso de evaluación y revisión de un paper científico es time-consuming, complejo, y se lleva criticando desde hace años porque vive del altruismo de profesores e investigadores. ¿Sería la IA una solución? Que cada uno vaya formando sus opiniones.

Para que juzguemos de qué es capaz la IA en la revisión de artículos, te presento una herramienta de IA que he descubierto hace poco que resume, explica y, lo más sorprendente, da feedback de un artículo científico. Se llama AcademicGPT.

¿Cómo funciona AcademicGPT?

Todo empieza subiéndole un artículo académico en PDF. AcademicGPT tiene varias opciones: escribe un abstract, un resumen extenso (summary), una conclusión, líneas futuras de investigación, o te hace un esquema para una presentación. Pero lo mejor es la opción de “Feedback”. Esta herramienta de IA te hace una revisión crítica del artículo. Lo he probado con un artículo mío escrito en español, y me ha destacado los puntos débiles del artículo como si fuera un mismo evaluador / revisor de una revista científica. Lo bueno es que, al leerme la crítica, le doy la razón en lo que dice ya que no son cosas superficiales que suelen decir algunos revisores como “debe mejorar las implicaciones” o "amplia las conclusiones".

El feedback que da AcademicGPT es bastante detallado en lo que respecta a la forma de organizar y expresar el contenido, es decir, en cómo se comunica la idea y se estructura el argumento. Debemos recordar que esta IA, así como ChatGPT, está basada en un modelo de lenguaje avanzado y es superexperta en comunicación escrita.

Donde no funciona bien es cuando le pedimos un feedback sobre la originalidad del artículo. La respuesta que genera parece basarse en algunos artículos que debe tener almacenados, pero no es capaz de conectarse con la literatura sobre el tema. Otra cosa mala de AcademicGPT es que es de pago. Tienes un crédito que llega para revisar unos cuantos papers, después o te creas otra cuenta con otro email o pagas los 10 euros al mes. Antes de pagar, decir que después de unos días de registrarte te llega un email diciéndote que tienes más crédito (sin pedirlo). Probablemente quieren que uses la herramienta para que la IA se vaya entrenando y aprendiendo.

Esta herramienta de IA puede ser útil para analizar el manuscrito y ver cosas que como humanos no podemos detectar, sobre todo si tenemos que leer y evaluar artículos de 25 páginas (10.000 palabras). Nuestro nivel de atención no es el mismo de hace unos años y si tenemos una IA asistente experta en comunicación escrita, bienvenida. Pero, la decisión si el artículo es aceptado, si necesita cambios o es rechazado sigue siendo de los humanos, DE MOMENTO.

Cómo hacer una revisión de literatura con una herramienta de IA y redes bibliométricas

Debo confesar que uno de los procesos que más odio a la hora de hacer una investigación es la revisión de literatura. Hay que buscar artículos a través de palabras claves, detectar qué obras citan, conocer a través de Scopus o Scholar Google si son altamente citadas, leer los artículos, tomar notas, guardar los papers interesantes en un gestor bibliográfico, y después ponerte a escribir. A veces cuando me pongo a escribir ya no sé ni qué quería decir. Lo peor es que inviertes semanas (o meses) y cuando envías el trabajo a evaluar te dicen: falta revisar este autor clásico, faltan artículos más recientes. Jo***

¿Pueden las herramientas de IA ayudarme a hacer la revisión de literatura?

Existen herramientas de inteligencia artificial (IA) para asistir el proceso de revisión de literatura científica como Scite (pero es de pago) y Elicit (buena para encontrar artículos a partir de una pregunta de investigación y de la cual hemos hablado en anteriores entradas). ChatGPT, la herramienta de IA más popular y usada, es útil para asistir en la redacción del texto, pero inútil para generar citas. Si pedimos a ChatGPT que nos ayude a escribir un artículo científico citará autores y artículos que no existen.

Una herramienta excelente para identificar artículos de un mismo tema sin preocuparnos de las palabras claves es Inciteful. A diferencia de los buscadores clásicos como Scopus o Scholar Google, Inciteful no depende de palabras claves, sino de quién cita a quién. Por tanto, Inciteful es una herramienta basada en redes bibliométricas.

Cómo funciona Inciteful

Primero de todo, debemos identificar por nuestra cuenta un conjunto de artículos sobre nuestro tema. Por ejemplo, he seleccionado 5 artículos sobre "interlocking directorates", que es como se conoce en inglés a las redes entre empresas por compartir directivos. Uso este ejemplo porque hice mi tesis doctoral sobre este tema y conozco muy bien qué se ha publicado, por tanto, puedo comprobar si la revisión de literatura que hace Inciteful es precisa y completa.

A partir de este conjunto de artículos que seleccioné, Inciteful realiza un análisis de los artículos y libros que son citados por este grupo de papers. Es decir, identifica otros artículos similares por tener citas en común. Automáticamente crea una red de artículos conectados entre sí por tener referencias en común. Por ejemplo, en el gráfico se puede ver que Heemskerk (2016), artículo que yo seleccioné inicialmente, está conectado con Graff (2020) debido a que ambos papers usaron referencias bibliográficas similares. Graff (2020), artículo que yo no había seleccionado inicialmente, está conectado con González (2019), art´ículo que yo tampoco había seleccionado. Por tanto, va identificando artículos que son similares por tener referencias similares y que un investigador puede no conocer en un inicio, y que pueden ser útiles de leer.

Inciteful es una herramienta que realiza un análisis de redes basado en citas en común. A partir de este análisis, Inciteful identifica: 1) artículos similares (papers que usan las mismas referencias), 2) artículos "viejos" en esa área de estudio que pueden ser considerados clásicos, 3) review papers (art´ículos que citan a muchos de los artículos similares), 4) los papers más importantes por ser altamente citados, 5) artículos más recientes de los autores más relevantes, 6) artículos más recientes, 7) top autores, y 8) top journals.

De todas las listas de artículos y autores que identifica, me encanta la identificación de review papers (artículos que son revisiones de literatura o análisis bibliométricos). Consigue identificarlos ya que son artículos que citan a muchos de los papers identificados como similares. En el ejemplo sobre el tema de mi tesis, veo que no se ha dejado ningún review paper importante en este campo, incluso ha identificado uno de 2021 que yo no conocía.

También consigue identificar los artículos más importantes en un área de estudio. El criterio para categorizar a un artículo como importante es que sea muy citado por los artículos que se identificaron como similares. Estos artículos importantes suelen ser los papers clásicos en un campo, es decir, aquellos que muchas veces debes citar sí o sí en una tesis o artículo científico. En el ejemplo que he utilizado, compruebo que identifica a Mizruchi (1996), Granovetter (1985), y Davis (1991), los cuales son obras imprescindibles de leer en este tema. Además, se puede ver que no todos los artículos importantes identificados tienen la palabra clave "interlocking directorates", por lo que la identificación de Inciteful es muy buena para detectar los papers más relevantes sin preocuparte de si usaste las keywords correctas.

Inciteful también señala y jerarquiza artículos recientes y similares a los artículos que seleccionamos al inicio. Por tanto, esta herramienta ayuda a conocer las últimas tendencias y así estar actualizado en nuestro campo de estudio.

Finalmente identifica las revistas científicas más relevantes en el área de investigación, lo cual es útil para decidir dónde enviar nuestro manuscrito. Obviamente los primeros puestos de este ranking son las superrevistas Q1, pero puedes ir pasando las páginas hasta encontrar una revista en tu idioma o de menor cuartil.

Inciteful tiene disponible opciones para guardar todas estas referencias en gestores bibliográficos como Zotero, Medeley, RIS y BibTex. En fin, una maravilla que te ahorra semanas de trabajo y con la que ganas días de vida. Además, es gratis. Su creador, M. Weishuhn, es un desarrollador informático que quiso ayudar a su mujer a realizar una revisión de literatura y vio las dificultades que afrontábamos los académicos para identificar artículos o estar al tanto de las novedades. Así creó Inciteful. Qué Dios te lo pague hermano.

Si te gustó, por favor, compártelo por Twitter, Facebook, LinkedIn o Whatsapp.

Más herramientas de inteligencia artificial (IA) para la educación e investigación

La Inteligencia Artificial (IA) es una revolución tecnológica que está cambiando el mundo en el que vivimos, al igual que el invento del automóvil lo hizo hace más de un siglo. Gracias a las herramientas de IA se pueden hacer más cosas en menos tiempo. Gracias al automóvil podemos desplazarnos más lejos en menos tiempo. Al igual que el coche tuvo su rechazo entre los que solo veían el humo que generaba y los peligros que tenía, la inteligencia artificial tiene sus detractores, sobre todo en sectores que ven tambalear o peligrar su jerarquía, incluida la educación y la investigación científica. La prestigiosa universidad Sciences Po de París (Francia) ha señalado que el uso de ChatGPT para la realización de trabajos escritos u orales está prohibido, y aquellos que la usen sin decirlo serán sancionados con la expulsión. Las revistas científicas Nature y Sciences se han apresurado a decir que una IA como ChatGPT no puede ser reconocida como autor, lo cual es una chorrada (un sinsentido). Obvio que no voy a poner como coautor a la IA, pero ¿la puedo usar o no para redactar un artículo científico? Creo que saben que no pueden controlar el uso. Las herramientas de IA generadoras de texto se usan y se usarán masivamente para la redacción de cualquier texto, incluidos artículos científicos. Cuanto antes seamos conscientes en el mundo académico, mejor nos irá a todos. Estas son algunas herramientas de IA especialmente para la educación e investigación:

SciSpace (Typeset), la IA que lee un artículo científico por ti

Como dice en su eslogan "La manera más rápida de leer y entender la literatura científica". Subes un artículo científico en PDF y haces las preguntas que quieras como: "Cuál es la contribución del artículo", "Cuáles son las conclusiones", "Qué datos se utilizaron", "Qué teoría se usó". Esta herramienta de IA te responde en segundos esas preguntas en base a lo que dice el artículo. También puedes seleccionar trozos de texto, tablas, o las siempre complicadas fórmulas matemáticas y te las explica de forma clara. Si para saber si un paper es interesante antes leíamos el abstract, la introducción, la metodología y parte de los resultados, y todo ello nos llevaba más de una hora, ahora podemos "escanear" todo el artículo en 2 minutos. Es gratis tras registrate.

Probé SciSpace subiendo el artículo de Mark Granovetter (1985) Economic Action and Social Structure: The Problem of Embeddedness porque recuerdo que cuando lo leí por primera vez no entendí casi nada. Es un artículo complejo de leer y entender a la primera ya que es muy teórico y abstracto. Le hice varias preguntas y las respuestas que me dio son totalmente coherentes con lo que dice el artículo. Una maravilla si se quiere entender temas que no dominas mucho o que están en un lenguaje complicado. Tiene la posibilidad de subir artículos en español, hacer las preguntas y obtener las respuestas en tu idioma, pero lo he probado y funciona mejor en inglés. Otra limitación es que no funciona muy bien con libros o capítulos de libro.

¿Significa esto que vamos a dejar de leer? ¿Dejarán los estudiantes de leer cuando les mandemos un texto? Yo creo que no, ya que tras usar esta herramienta de IA podrá centrar su lectura en aquel artículo que más le llamó la atención de los 20 que puede revisar en una hora con la IA. Yo antes no podía leer tantos artículos en tan poco tiempo, y debía leer el que me decían que leyera. El principal cambio en la educación universitaria es que el profesor dejará de ser el que diga a los estudiantes qué artículo leer. Ahora es el estudiante el que también debe buscar y proponer qué leer. Los estudiantes tienen las herramientas para tener un papel más activo en su aprendizaje y desarrollo. Yo he aprendido mucho de mis alumnos con sus comentarios en clase. También puedo aprender de aquello que han revisado con la IA y que yo quizás ni conozco.

Humata, la IA que le subes un PDF y te responde sobre el contenido

Te registras, subes un texto en PDF y la IA crea un chat al que le formulas preguntas sobre el texto PDF que acabas de subir. Es decir, lee el texto y te responde lo que le preguntes. Por ejemplo, le he subido un artículo mio que conozco bien. Le he preguntado qué teorías se usaron y me responde de manera acertada, incluso indicando las páginas de donde extrajo la respuesta y subrayando en amarillo las partes del texto. Increíble. Lo he probado con un texto en español y también lo lee y responde. Las oportunidades que se abren con este tipo de herramientas de IA son inmensas: entender textos complejos como leyes, manuales, preguntar en inglés a textos escritos en alemán, ruso o chino. Es gratis, aunque de momento no permite subir un archivo PDF de más de 60 páginas ni 10MB.

Hay otras herramientas de IA como Summate.it que realizan un resumen de un artículo a partir del enlace. Tanto este como otros "resumidores" siguen sin convencerme porque la IA tiene mucha libertad para resumir. En cambio, las herramientas como SciSpace y Humata es el humano el que le pregunta a la IA sobre el texto, por tanto, dirigimos a la IA en base a lo que queremos saber del artículo.

Perplexity, la IA que te escribe trozos de texto con citas

Formulas una pregunta y te genera un texto con referencias bibliográficas. Se puede preguntar de todo, y la IA realiza una búsqueda en Internet y usa esas referencias para generar un texto que responda a la pregunta. Mientras que otras herramientas de IA como ChatGPT u Open AI playground pueden inventarse la respuesta a una pregunta, Perplexity crea el texto basándose en la información encontrada en Internet. Además, provee los enlaces de las fuentes bibliográficas (sources) y sugiere seguir generando texto sobre temas relacionados (related). Si la usas, tras formular la pregunta, pincha donde pone View Detailed para hacer texto más largo. Esta herramienta de IA es gratis y no requiere registrarse.

Cuál es el origen del análisis de redes

¿Para qué puede servir Perplexity? He probado de hacerle preguntas de todo tipo y siempre responde algo en base a lo que ha encontrado rastreando Internet. Prioriza citar artículos científicos, pero se cuelan referencias a textos no científicos. Por ejemplo, suele usar muchas veces Wikipedia como fuente. Por eso hay que tener cuidado con usar Perplexity como fuente científica, la verdad o como herramienta para hacer un artículo académico. Perplexity sirve para obtener algunas frases con citas e informarte de nuevos temas. Si eres un experto en un tema, y le preguntas sobre ese tema te parecerá muy b´ásico, pero si conoces poco sobre el tema te dará un posible punto de arranque.

Consensus, la IA a la que le preguntas y te contesta en base a artículos científicos

Te registras, formulas una pregunta de investigación o preguntas por un concepto, y te busca trozos de artículos científicos para responder tu pregunta. Solo responde en base a artículos de investigación, es decir, no te enlaza con Wikipedia ni con otras fuentes no científicas. Además, te provee el enlace al artículo completo. Por ejemplo, le he preguntado en inglés "¿Cuáles son los mecanismos entre la educación y las tasas de crimen?". Provee frases vinculadas a esa pregunta sacadas de artículos publicados en revistas científicas.

A diferencia de Perplexity, Consensus no genera texto nuevo, sino que extrae frases de artículos científicos para responder la pregunta que le hagas. Esta herramienta de IA es excelente para complementar una revisión de literatura o estado del arte, encontrar artículos o autores que han trabajado un tema, o simplemente informarte sobre algo. Señala también qué artículos han sido altamente citados (highly cited). Es gratis, solo debes registrarte.

Elicit, la IA que te ayuda en toda la investigación

Sobre Elicit ya hablamos hace un tiempo. Tiene más de 30 funciones o tareas (tasks) como generar ideas para justificar el impacto de una investigación, sugerir los elementos o mecanismos que hay entre una causa (variable independiente) y su efecto (variable dependiente), operacionalizar un concepto, identificar indicadores, reformular una pregunta de investigación, o señalar posibles contrargumentos. Es un verdadero asistente de investigación. Es gratis.

Aunque hay gente que critica estas herramientas de IA por verlas como un peligro para el conocimiento, desde mi punto de vista son potenciadoras de conocimiento. Primero de todo, estas herramientas de IA acercan el conocimiento a gente que no tiene una superbiblioteca en su ciudad, o que no tiene contacto con superinvestigadores o profesores que le puedan resolver sus dudas. Segundo, favorecen escanear más conocimiento en menos tiempo. Y tercero, estas herramientas de IA pueden hacer que se nos ocurran nuevas ideas. Así como el automóvil nos permitió llegar a lugares lejanos y acceder a otras culturas, las herramientas de IA para la educación e investigación nos hacen más libres para acceder a más conocimiento.

Si te gustó este artículo, por favor, compártelo por Twitter, Facebook, LinkedIn o Whatsapp.

Qué perfil tiene las personas que quieren verse más guapas

La importancia del atractivo físico

Aunque parezca un tema banal, el atractivo físico es una preocupación central en el desarrollo de las sociedades y de la personalidad de las personas. Verse guapo aumenta la seguridad en sí mismo, abre y cierra puertas, y condiciona las relaciones sociales entre familias, comunidades, reinos y hasta países. Las personas más bellas han sido tomadas como modelos a seguir, preferidas para la reproducción, seleccionadas para puestos de dirección, reducidas a un objeto comercial, y también sufrido la envidia e ira de otras. Por todo ello, el tema del atractivo físico ha sido campo de estudio de disciplinas tan variadas como la sociología, biología, o psicología.

Pero aunque el atractivo físico es un capital, como dice la gran Catherine Hakim y un valor añadido a la personalidad como dicen por ahí, algunas personas se preocupan más que otras por verse guapas. ¿Por qué? ¿Qué factores explican la inversión por aumentar el atractivo físico? Diversas teorías han señalado que hay factores biológicos, económicos, culturales y sociales influyentes. Un resumen en esta imagen.

Fuente: Kowal et al. (2022)

Kowal y más de 180 investigadores (2022), entre ellos William Tamayo, han llevado a cabo una investigación sobre este tema. Increíble cómo habrá sido la coordinación de este proyecto. En fin, el estudio está basado en encuestas realizadas en 93 países a 93.158 personas. Antes de ir a los hallazgos, unas palabras sobre los métodos y datos. La encuesta se hizo online, se tradujo a 43 idiomas, y se distribuyó mayoritariamente en redes sociales. Se invitó a compartirla con conocidos para aumentar el tamaño de la muestra. Por tanto, se siguió un procedimiento de muestreo no-aleatorio por conveniencia y bola de nieve. Aunque la muestra no es representativa para extrapolar los resultados, sí es super útil para generar conocimiento.

¿Cómo se preguntó si las personas se preocupaban por su atractivo físico? Se les preguntó cuanto tiempo al día (entre 0 minutos y 6 horas) invertían en las siguientes actividades para verse mejor: a) maquillarse, b) higiene corporal, c) usar cosméticos, d) hacer ejercicio, e) peinarse, f) vestirse, g) seguir una dieta, y h) otras actividades que indicaran los encuestados. Con la suma de los minutos se construyó un índice de inversión en atractivo físico.

Este mapa del mundo es buenísimo para ver las diferencias entre países. Las personas de Ghana, Nigeria, Túnez, Tailandia, Colombia, República Dominicana, Ecuador y Honduras son las que más tratan de aumentar su atractivo físico. Entre las que menos, las de Francia, Irlanda, Noruega y Finlandia.

Fuente: Kowal et al. (2022)

Qué influye en el tiempo invertido en el atractivo físico

Aunque en el mapa pueda parecer que el desarrollo económico del país es una variable influyente, no tiene relación significativa. La teoría que en los países menos ricos las personas se arreglan más como una forma de movilidad social, no es cierta. En cambio, el análisis de Kowal et al. (2022) muestra que sí son variables influyentes:

  • El sexo, las mujeres invierten más tiempo en verse guapas que los hombres: unas 4 horas al día las mujeres y unas 3 horas y media los hombres (mucho de este tiempo en hacer ejercicio). No es ninguna novedad este resultado, pero sigue explicando que las empresas de la industria de la belleza se centren más en ellas que en ellos. Solo a los 30 y tantos años, los hombres superan en tiempo de arreglarse a las mujeres.
  • La edad es unos de los factores más influyentes: los jóvenes y los adultos mayores más que los de edades intermedias. Mucho tendrá que ver con el tiempo disponible al estar jubilado o estudiando. 
  • El estado civil: las personas que están saliendo con alguien sin estar casados son las que más tiempo invierten. Digamos que están en un proceso competitivo en el cual no se pueden relajar.
  • El historial de enfermedades también influye: las personas con un historial de patógenos mayor invierten más tiempo en verse atractivas. Parece ser que las enfermedades pueden ser un motivador más que un desalentador de la belleza.
  • Invierten más las mujeres que residen en países con mayor desigualdad de género. Además, las mujeres con actitudes menos igualitarias en género, invierten más en verse guapas. Esta variable tiene una alta influencia. Es decir, si crees en la igualdad de género te arreglas menos, y si además vives en un país con baja desigualdad de género, también te arreglas menos. Mucho que pensar con este hallazgo.
  • Las personas con valores más individualistas se preocupan más por belleza. Curioso este resultado: quiero que los demás me vean guapo (pienso en el colectivo) pero importo yo más que ellos (pienso en lo individual).
  • Ver televisión y pasar tiempo en las redes sociales son variables explicativas, y muy influyentes: cuanto más vemos TV y estamos en redes, más tiempo invertimos en arreglarnos. 
  • El estatus socieconómico: las personas pobres invierten más tiempo en arreglarse que las personas con altos ingresos. Además de la hipótesis del ascenso social, habría que debatir si es porque las personas pobres tienen más problemas físicos, por ejemplo provocados por una peor alimentación, que lleva a que inviertan más tiempo en su atractivo. También las personas con menos estudios invierten más que las personas con estudios superiores. 
  • La ideología: las personas de tendencia de derechas se preocupan más por el atractivo físico personal que las personas de izquierdas. ¿Por qué? Tal vez por la asociación que la izquierda ha hecho entre belleza y clasismo, o el rechazo de la izquierda a que la apariencia física sea valorada por encima de otros aspectos.

Estos resultados me llevan a pesar en la ausencia de la belleza en el debate político. ¿Por qué no se habla del atractivo físico si es un tema con tanta influencia en salud mental, crecimiento personal y también determinado por la igualdad de género? Ya sea para aumentar o reducir su importancia, esta ausente en la agenda política. El problema es que se deja este tema solo en manos de las empresas que viven del negocio de la belleza.  

Uno de los hallazgos interesantísimos del estudio de Kowal et al (2022) es que el 99% de los encuestados invierten cada días más de 10 minutos en ponerse guapos. Por tanto, el atractivo físico sí es una preocupación de las personas de todo el mundo. La Sociología y las ciencias sociales no podemos ignorar este hecho.

Si te gustó este artículo, por favor, compartir por Twitter, Facebook, LinkedIn o Whatsapp

Inteligencia artificial en la educación – Informe de la Comisión Europea

La Comisión Europea ha publicado una guía dirigida a profesores de primaria y secundaria sobre el uso de la inteligencia artificial (IA) en la educación. El informe son unas 30 páginas aunque hay mucho esquema e infografía. Está hecho por un grupo de 25 expertos de UNICEF, UNESCO, e IA. La verdad es que se esperaba algo más para tanto experto. Me podrían haber invitado 😉

El informe-guía va dirigido a profesores de primaria y secundaria, lo cual tiene mucho sentido ya que la IA está impactando y va a impactar mucho a la educación, y algunos docentes todavía asocian IA solo a Terminator, Alexa o coches autónomos. Las herramientas de IA generadoras de texto o los “resumidores” están siendo usadas por los estudiantes, y no se puede seguir retrasando su incorporación a las clases. Por tanto, la idea de crear una guía para profesores de colegios debe ser aplaudida. Punto positivo para la Comisión Europea.

Otro de los puntos a favor de este informe-guía es que incentiva a los docentes a presentar temas de la inteligencia artificial en clase para que se discutan las oportunidades y también los riesgos y retos. Excelente este punto ya que es interesante escuchar a los usuarios de la IA, especialmente a jóvenes que han crecido con la tecnología en las manos. También es útil para mostrar que la IA no resuelve y hace todo, sino que se equivoca y no funciona muchas veces como quisiéramos. Finalmente, el informe-guía invita a que los docentes usen la IA para evaluar, detectar posibles abandonos o diseñar intervenciones individualizadas. Esto suena bien, pero no dicen ni cómo ni con qué herramientas. Los 25 superexpertos podrían haber profundizado más.

El principal problema del informe-guía a docentes es que vuelve a centrarse mucho en el tema de la ética y inteligencia artificial (IA). El término ética se repite a lo largo de todo el informe y aparece destacado también en las infografías generadas. Parece que siempre que se hable de IA lo fácil sea dirigir la conversación al uso ético o los problemas éticos de la IA. ¿Es ético hacer un trabajo de clase con una herramienta de IA generadora de texto? La cuestión de la ética impide que se hable y profundice de temas asociados a la educación mucho más relevantes y que están siendo impactados por la IA, como la creatividad, emociones, psicomotricidad, o incluso las relaciones sociales.

El otro día asistí a una excelente mesa sobre IA con Andrés Torrubia y Susana Bokobo en el Valencia Digital Summit donde se discutió si la IA acabará con la creatividad, la fomentará más, o bien no la afectará. Si las herramientas de IA generadoras de imágenes y de historias son capaces de hacer un cuento, o ayudar a hacerlo, terminarlo o dibujarlo, ¿cómo se verá afectada la creatividad de las personas? Si pronto los niños podrán pedirles a la IA que les dibuje un coche, un avión o un helicóptero, ¿tendrán ganas de dibujar o lo verán como una tarea sin sentido? ¿Esto afectará sus capacidades de manejar los dedos para tareas de precisión? Usar un chatbot (hablar por chat con una máquina), ¿aumentaría las habilidades de sociabilidad o las disminuiría?

El tema de las emociones es algo que no menciona el informe pero se encuentra entre los impactos del uso de la IA. ¿Nos satisface que la IA nos ayude a escribir? ¿Nos aburre? ¿Percibimos que la IA es una esperanza, un caballo de troya o un miedo silencioso?

Todas estas cuestiones señalan la importancia de la investigación y gestión de una sociedad afectada por la IA ¿Son los posibles cambios que genera la IA la esperanza que necesita la sociología para reactivarse?

En fin, el informe-guía de la Comisión Europea peca de ser muy poco atrevido, usar los clásicos conceptos de pedagogía, volver con el monotema de la ética y no dar muchas herramientas, pero al menos están reaccionando a tiempo y buscan fomentar el uso de la IA en la educación con niños y adolescentes, y no taparla. Además, este informe-guía nos ha servido para generar inquietudes e ideas, y eso es quizás lo que buscaba.

Si te gustó o sirvió este artículo, por favor, compártelo por Twitter, Facebook, LinkedIn, Whatsapp o email. Gracias

Transcribir discurso a texto con inteligencia artificial (IA) y obtenerlo en inglés

La inteligencia artificial (IA) no deja de sorprenderme. Y entre las herramientas de IA que te dejan con la boca abierta y dices WTF está este transcriptor de discurso a texto de Open AI. ¿Te imaginas tener que transcribir una entrevista de una hora? Quien lo haya hecho sabe que se tarda como 5 horas y es una labor tediosa y aburrida. Ahora con la IA puedes transcribirla en unos minutos, y además obtenerla en inglés para realizar análisis cualitativo.

Solo debes abrir una cuenta en Open AI playground. Es gratis por un tiempo. Si ya estabas registrado en Open AI y te pasó el tiempo de prueba, puedes o pagar o abrir una nueva cuenta con otro email y otro número de teléfono.

Transcribir discurso a texto

Hay varias maneras de pasar de audio a texto, por ejemplo, la herramienta de dictado de Word en la que vas hablando al micrófono y se va transcribiendo a texto lo que dices. Quizás la hayas usado. Es buena ya que aísla el ruido y la música de fondo, pero depende que el discurso que realices sea casi perfecto. Si en el speech (discurso) que estás haciendo se te escapa un "Joder..." queda registrado (aunque transcribe ****), o si repites palabras quedan doblemente escritas. Otro problema de la herramienta de transcripción de Word es la puntuación. No identifica comas ni puntos a no ser que lo indiques expresamente. Y si hablas en inglés y tu inglés no es tan bueno, el texto que obtengas será poco útil.

Discurso a texto con inteligencia artificial

Open AI playground, la famosa inteligencia artificial que genera texto, ha incorporado una herramienta de discurso a texto (speech to text) que transcribe audio a texto. Este audio puede ser:

  • Un vídeo en mp4 u otro formato
  • Una grabación en mp3
  • Un dictado mediante el micrófono

La gran maravilla de esta herramienta es que puedes subir un vídeo (o audio) en español y la herramienta de IA transcribe el audio a texto en inglés. Pero genera un texto bien redactado, con todos los signos de puntuación, y eliminando muletillas y sonidos raros. Veamos un ejemplo.

He descargado un vídeo de Youtube en el que yo hablaba en castellano sobre desigualdad, élites y otros temas. He usado este vídeo ya que conocía el discurso y en él se me escapan muletillas (al principio digo un largo eeeehh), no hago pausas, y a ratos se escucha regular.

Posteriormente lo he subido a Open AI Playground pinchando sobre el icono del micrófono (speech to text).

Este es el texto que genera: directamente en inglés, con un inglés muy aceptable y corregido, sin muletillas, con signos de puntuación, leíble. Casi listo si tuviera que dar el discurso en inglés o si quisiera presentarlo como ensayo. Ni he tenido que traducirlo con Google, ni pedir a alguien que me corrija el inglés, ni reescribirlo.

Esta herramienta de IA abre grandes posibilidades para transcribir largos discursos, hacerlos accesibles para personas sordas, incluso para transcribir entrevistas de una investigación y realizar análisis cualitativo. En fin, la inteligencia artificial sigue haciendo tambalear la educación y los procesos de investigación como vimos en el repaso de herramientas de IA para la investigación e innovación.

Si te sirvió esta entrada, por favor, compártela por Twitter, LinkedIn, Facebook o WhatsApp. Seguimos

Herramientas de inteligencia artificial para la investigación e innovación

Inteligencia artificial es una rama de la Informática que crea máquinas que piensan, aprenden de forma autónoma (machine learning), y razonan y toman sus decisiones (deep learning). Algunos ejemplos de estas máquinas basadas en inteligencia artificial son los coches que conducen solos, los robots de limpieza que reconocen y estudian la vivienda, las plataformas de inversión financiera que deciden cuando comprar y vender, o las aplicaciones que realizan diagnósticos y tratamientos de salud. Pero los avances también han llegado al mundo de la investigación y la educación mediante herramientas de inteligencia artificial que son capaces de escribir un cuento original, dibujar lo que pidamos, hacer una revisi´ón de literatura, diseñar imágenes a nuestro gusto, crear música nueva, generar vídeos, tomar apuntes de forma autónoma, o hasta asistir a una clase o reunión por nosotros.

Las herramientas de inteligencia artificial se han popularizado en los últimos años y han dejado de estar al alcance de una minoría que podía pagarla o usarla. Esto provoca que estén cambiando muchas prácticas que hemos realizado en nuestros trabajos y puede hacer tambalear algunas profesiones como la de asesores financieros, diseñadores, o incluso escritores. Aunque esto asusta a muchísima gente, creo que es mejor conocer y sobre todo usar esta inteligencia artificial que dejarla solo en manos de una élite. Además, la inteligencia artificial no sustituye a las personas, sino que las hace más capaces y les da mayor libertad. A continuación algunas de las mejores herramientas de inteligencia artificial para potenciar más la investigación e innovación. Conociéndolas estaremos más preparados para los cambios que se vienen y para que cada uno decida cómo usar la inteligencia artificial.

Herramientas de inteligencia artificial

Open AI playground

Es un generador de texto. Basado en el modelo de lenguaje GPT-3. Posiblemente el mejor hasta el momento. A partir de frases que nosotros escribimos, las cuales actúan como una orden, input o inspiración, esta herramienta de IA crea un texto original (no plagiado) de la longitud que decidamos. Es capaz de escribirte una canción nueva, poema, carta de amor, tweets, o un escrito sobre Marx, Weber o cualquier teoría. Es brutal y una auténtica revolución. 

OpenAI playground también incopora otras funciones, como análisis de sentimientos de tweets, chatbot y muchas más aplicaciones.

Rytr.me

Es un generador de texto, especializado en crear mensajes convincentes, emails, descripciones de un producto o servicio, preguntas para una entrevista, anuncios, perfiles biográficos y mucho más. Lo mejor es que tiene la posibilidad de elegir el tono del texto: conviencente, informativo, preocupado, divertido, sensual. Crea los mensajes en muchísimos idiomas, no solo en inglés. Aunque parece inclinado para el marketing como Copy.ai, puede usarse para cualquier ámbito. Tiene una parte gratis (5000 caracteres al més), y planes de pago de 10 y 30 dólares al mes, o sea, lo que cuestan dos cervezas en Barcelona o Madrid.

Elicit.org - El MF de los asistentes de investigación

Una auténtica revolución en el mundo de la investigación. Es un asistente de investigación basado en más de 200 millones de artículos científicos que te ayuda a hacer una revisión de literatura, evalua posibles impactos de una investigación, por tanto, indica las posibles implicaciones de una investigación o justifica la elección de un tema. Incluye funciones (tasks) que sugieren contrargumentos, definen conceptos, operacionalizan preguntas de investigación, señalan dimensiones, y hasta ayudan a razonar cadenas causales o correlaciones, por ejemplo, sugiere varias opciones de por qué al aumentar las becas educativas se reduce el crimen (ver imagen). Esto potencia que se nos ocurran más ideas y con ello más innovación. Como me decía una estudiante, esta herramienta de IA es una motivación para investigar y hacer una tesis, proyecto de investigación, o artículo. Facilita que personas en cualquier parte de mundo puedan discutir de temas científicos con alguien, en este caso con una máquina que tiene un conocimiento superlativo y que razona por sí sola.

Tldr.this y otros resumidores

Tldr.this es una herramienta de IA que crea un resumen a partir de un texto ya sea archivo o enlace. Es uno de los varios "resumidores" (summarizers) que existen en la actualidad, como Resoomer, y Essummarizer. Funcionan pero aún deben mejorar. Lo he probado con textos que conozco bien para ver si resumían lo más importante y no me acaban de convencer. Quizás son útiles para sintetizar textos de un tema muy concreto o noticias, pero no cuando el texto original conecta muchas ideas. Sigue siendo necesario leer el texto completo para entenderlo.

Boomy y otros generadores de m´úsica

Esta herramienta crea música nueva y original mediante inteligencia artificial. Se escoge el género musical y genera al instante la base de una canción. Se puede editar y elegir el tipo de instrumento y sonido, incluso agregarle nuestra voz u otra canción para hacer un remix. Se pueden crear 5 canciones gratis con una cuenta y más pagando. Otra plataforma de IA que permite crear musica es Soundraw, la cual permite insertar un vídeo para agregarle música.

Creación de imágenes mediante IA

Hay varias herramientas de IA que crean imágenes nuevas y originales. La que va a hacer estallar diversos mercados es DALL-E, un programa de IA que genera imágenes a partir de descripciones de texto. Si escribimos "un futbolista metiéndole un gol a Poseidón bajo el agua y rodeado de sirenas" nos creará esa imagen. Aún no está disponible para el pueblo, pero coming soon. Mientras, algunas aplicaciones de IA que crean de imágenes art´´ísticas a partir de una breve descripción son Wombo.art (permite descargar la imagen tal como la genera), Hotpot.ai (con posibilidades de escoger el estilo), y Nightcafe. Aquí unos ejemplos al pedirle que pinte "un futbolista en la luna con sirenas". 

Pictory.ai

Es un generador de vídeos. Crea un vídeo en 2 minutos a partir de un texto o un enlace. Hoy en día se tiende más al vídeo que al texto para comunicar, por lo que esta herramienta de inteligencia artificial es muy útil para presentar. Permite editar las escenas, imágenes, velocidad y mucho más. Lo he probado con el texto The Strenght of Weak Ties de Mark Granovetter y lo que hace esta IA es resumir el texto y asociar escenas de vídeo según las palabras del texto. Si lo pruebas es posible que pienses "¿y por qué me ha puesto estas imágenes con este texto?". Bueno, cabe recordar que el vídeo lo hace una máquina que no conoce nuestros gustos, no un humano al que le podemos decir lo que no nos gusta.

Pictory.com también tiene una opción para resumir conferencias online en vídeos cortos. Por ejemplo, se puede pasar de una conferencia magistral de 1 hora, a un vídeo de 2 minutos. Tiene la posibilidad de editar el resumen si queremos incluir o quitar partes al vídeo resumen. Otro creador de vídeos es Steve.ai (freemium).

Synthesia.io

Otro generador de vídeos. Crea un vídeo donde una persona que no existe (es un avatar creado mediante IA) reproduce el mensaje que has escrito. Es de pago, solo permite hacer un vídeo con un texto muy corto. 

Generadores de caras

Generated.photos es una plataforma de IA que permite crear fotos de personas. Son únicas, es decir, esas personas no existen. Se puede elegir la expresión, étnia, pelo, ojos y todo tipo de detalles. Las fotos generados son libre de ser usadas.

Animar caras

Hay varias herramientas de deepafake en las que a partir de una cara y un texto o canción la persona mueva la boca, o aquellas en las que se puede intercambiar la cara de una persona por otra (swap faces). Una curisosa es Myheritage, en la que anima por unos segundos la cara de una persona. Está pensada para animar fotos de nuestros antepasados.

Detector de imágenes retocadas

Fotoforensics es una web que analiza imágenes. No está basada en IA pero mediante un análisis del brillo y textura puede detectar si la foto hay sido alterada digitalmente. 

Transcribir reuniones o clases online

Hay varias herramientas de IA que permiten generar texto de todo lo que se habla y escucha en una reunión o clase online. Beulr.com hace todo lo que haría un asistente en una reunión online, incluso asistir por ti si tú prefieres estar en otra parte. Una herramienta gratuita que transcribe todo lo se habla en una reunión de Zoom o Google Meet es Tactiq. Otra aplicación que toma apuntes por ti en un evento online es Otter.ai y una que transcribe, edita vídeos del evento y hasta permite cambiar la voz en el vídeo es Descript. Estas herramientas son tremendamente útiles para facilitar el trabajo en conferencias online, las cuales proliferaron enormemente durante la pandemia.

Chatbots

Los chatbots son programas diseñados para mantener una conversación online con una máquina. La IA ha potenciado que muchas empresas opten por responder a sus clientes vía chatbots. Las utilidades de los chatbots son enormes, desde entretenimiento, acompañamiento, atención al cliente, resolución de dudas, o consultas médicas y psicológicas. OpenAI playground también incorpora una opción de chatbot. En Replika puedes chatear con una persona que tú elijas y hasta mantener una relación. En Intercom.com puedes (pagando) diseñar tu propio chatbot sin necesidad de saber nada de código o informática avanzada.

Estas son algunas, hay muchas más como las que te hacen tu CV, realizan web scraping, y las que tenemos en el móvil que nos sugieren noticias o publicidad.

La inteligencia artificial es una revolución silenciosa en la universidad, el mercado, la política y toda la sociedad. Antes que temerla o rechazarla, hay que pensar que supone unas posibilidades de investigación e innovación enormes.

¿Se diferencian los españoles de los inmigrantes en temas polémicos como la tolerancia a la prostitución, eutanasia, LGBTI o aborto?

La líder del partido de ultraderecha Alternativa por Alemania (AfD), Alice Weidel, es lesbiana y tiene un mensaje muy claro: la llegada de inmigrantes, especialmente de países árabes, está generando una islamización de Alemania que hace peligrar los derechos civiles y logros sociales, incluidos los de la comunidad LGBTI. ¿Sería este mensaje útil para que los partidos anti-inmigración pudieran atraer votantes en España? ¿Cómo podría un partido generar conflicto entre españoles e inmigrantes para ganar rédito electoral? Una forma de averiguar estas cuestiones es identificar en qué se diferencian españoles de inmigrantes. ¿Se diferencian los autóctonos de los inmigrantes en España en temas polémicos como la tolerancia a la prostitución, los derechos LGBTI, eutanasia, pena de muerte, tener sexo casual, o aborto?

ANOVA
Alice Weidel (AfD). Fuente: El Español

Método y datos:

La técnica estadística ANOVA de un factor, y más concretamente la prueba de F (F-test) es idónea cuando se quieren estudiar que grandes son las diferencias entre sí dos o más grupos respecto a una variable, y qué nivel de homogeneidad tienen grupos internamente respecto a esa misma variable. El valor de F se calcula dividiendo la variabilidad entre los grupos entre la variabilidad dentro de los grupos.

F = (between groups variability) / (within groups variability)

Cuanto más diferentes sean los grupos (p.ej. entre españoles e inmigrantes) respecto a una variable (p.ej. nivel de tolerancia de la homosexualidad), más alto será el valor de F. Cuanto menos diferente (es decir, más homogéneos) sean los grupos internamente (por un lado, los españoles y, por otro lado, los inmigrantes) respecto a la misma variable (nivel de tolerancia de la homosexualidad), más alto será el valor de F. En esta calculadora online de ANOVA se puede ver la fórmula paso a paso. En esta misma web hice un tutorial de qué es y cómo se analiza ANOVA de un factor.

Usamos la base de datos de la Encuesta Mundial de Valores, en su última oleada (2017-2021) para analizar si los inmigrantes residentes en España presentan diferencias significativas cuando se les pregunta por su nivel de tolerancia o justificación respecto a diversos temas: homosexualidad, prostitución, eutanasia, pena de muerte, violencia política, aceptar un soborno, sexo casual… Se preguntó sobre estos aspectos en una escala del 1 al 10 donde 1 es “nunca lo justificaría” y 10 es “siempre lo justificaría”. Se encuestó a 1210 personas en 2017 en España, de los cuales 150 (el 12,4%) son inmigrantes. Se consideró como residente inmigrante a aquellas personas no nacidas en España.

Los resultados:

  • No hay diferencias significativas entre españoles e inmigrantes en la tolerancia respecto a colarse en el transporte público, aceptar un soborno, homosexualidad, prostitución, eutanasia, pedir ayudas al gobierno cuando no corresponden, evadir impuesto y pena de muerte. En todas estas preguntas el valor de F es muy pequeño y el nivel de significación es mayor de 0,05, lo que indica que no hay diferencias estadísticamente significativas entre autóctonos e inmigrantes.
ANOVA comparación medias inmigrantes españoles
  • Solo hay diferencia entre españoles e inmigrantes en 5 de los 13 aspectos preguntados: aborto, divorcio, suicidio, sexo casual y violencia política. El nivel de significación es menor de 0,05 y el valor de F más elevado. Los españoles tienden a tolerar más estos aspectos que los inmigrantes (la media es más alta, como se aprecia en el gráfico de barras), pero son diferencias bastante pequeñas. Por ejemplo, la mayor diferencia (el valor de F más elevado) se encuentra en la opinión respecto al aborto. En una escala del 1 al 10 donde 1 es nunca justificaría y 10 es siempre lo justificaría, los nacidos en España tienen una media de 6,2 y los inmigrantes de 5. El mayor valor de F es 17,7.
  • En Alemania, sí hay una diferencia más grande entre alemanes e inmigrantes, por ejemplo, a la hora de opinar sobre la homosexualidad. El valor de F es muy elevado (F = 197,4; Sig. = 0,000). En promedio, los alemanes toleran en 8,1 y los inmigrantes en 6,1. Además, hay alta desviación estándar dentro de la comunidad de inmigrantes (DE = 3,6), es decir, valoraciones muy diversas, lo que hace aumentar el valor de F.
Fuente: WVS Alemania (2020)

En conclusión:

  • En España, no hay grandes diferencias entre autóctonos e inmigrantes. En la mayoría de las cuestiones polémicas no hay diferencias, ni en la tolerancia respecto a la homosexualidad, ni la prostitución, ni la eutanasia, ni a la hora de aprovecharse de las ayudas sociales ni evadir impuestos. En los aspectos que sí hay diferencias estadísticamente significativas, como el aborto, estas diferencias no son amplias.
  • Esto dificulta que en España emerjan partidos abiertamente anti-inmigración o que alcancen éxito con discursos contra la inmigración ya que no hay temas que enfrenten o diferencien ampliamente a españoles e inmigrantes.
  • La estrategia de la líder de Alternativa por Alemania (AfD) de señalar que la inmigración hace peligrar los derechos sociales como los conseguidos por la comunidad LBGTI podría ser implementada o copiada por algún partido en España, pero no parece que vaya a tener mucho éxito ya que en realidad las opiniones entre españoles e inmigrantes en temas polémicos son similares.
  • Otro tema interesante de investigar a futuro, como me indicaba un estudiante en mi clase, es qué tanto los nacidos en un país se autoperciben como diferentes a los inmigrantes. Queda como pregunta abierta. También cabe investigar de forma más minuciosa el origen de la inmigración y la posible relevancia de variables como la religión y el nivel educativo. Análisis previos han mostrado que en asuntos como la tolerancia a la homosexualidad países de origen árabe y exsoviético tiene los niveles más bajos de aceptación.

Si te gustó esté artículo, por favor, compártelo por Twitter, Facebook o LinkedIn

Qué es la Regresión Lineal Múltiple y cómo analizarla en 4 pasos

Regresión lineal múltiple

La regresión lineal es una técnica estadística destinada a analizar por qué pasan las cosas o cuáles son las principales explicaciones de algún fenómeno. A partir de los análisis de regresión lineal múltiple podemos:

  • identificar que variables independientes (explicativas) que explican una variable dependiente (resultado)
  • comparar y comprobar modelos explicativos
  • predecir valores de una variable, es decir, a partir de unas características predecir de forma aproximada un comportamiento o estado
regresion lineal multiple

Este tutorial enseña a analizar la regresión lineal múltiple en 4 sencillos pasos, sin complicaciones ni lenguaje sofisticado, todo directo y claro para que seamos capaces de entender investigaciones que aplican regresión lineal y ser capaces de usarla en nuestros estudios cuando queramos averiguar las explicaciones de algún fenómeno.

Sigue leyendo Qué es la Regresión Lineal Múltiple y cómo analizarla en 4 pasos

Las 10 mejores películas de Sociología

Lo mejor del cine para aprender Sociología

Confieso que me gusta más ver películas que leer, y es que viendo cine también se aprende y crea Sociología. Las películas para aprender y enseñar Sociología son cualquiera que nos lleve a pensar, reflexionar y discutir sobre las relaciones, instituciones, poder, barrios, sistema, revolución, religión, familia, en fin, sobre la vida misma. Los directores imaginan mundos e interpretan realidades, es decir, hacen Sociología. 

films-sociologia

Esta es una lista de las 10 mejores películas de Sociología para aprender y enseñar diversos aspectos de la sociedad y la vida. Y son películas entretenidas, dejo de lado aquellos filmes metafísico-filosófico-psicológicos superaburridos que quieren transmitir nosequé y al final pensamos que no somos muy inteligentes para entender al director, y ni discutimos ni hablamos de la película.

sociologia-peliculas-carmelo-pintoCuando empecé a estudiar Sociología tuve un profesor, Carmelo Pinto (q.e.p.d.), que enfatizaba la importancia de las películas para conocer la sociedad. Este ranking de las mejores películas de Sociología va dedicado a él. Un abrazo Carmelo.

Sigue leyendo Las 10 mejores películas de Sociología

Odd ratio: qué es y cómo se interpreta

Odd, odd ratio... wtf?

Los odds y odd ratios son de esos conceptos estadísticos por los que la gente se asusta de la estadística y termina odiándola. Podríamos pasar olímpicamente de estos conceptos e ignorarlos, pero son imprescindibles para interpretar los resultados de las regresiones logísticas ya que están basados en la idea de probabilidad, y además se usan mucho en el mundo de las apuestas y las predicciones. Los odd y odd ratio son complejos de entender y explicar. Hasta hoy. En el siguiente artículo explico de forma detallada qué son, para qué sirven, por qué se usan en la regresión logística y cómo se interpretan. Empecemos paso por paso y con ejemplos claros y reales.

odd ratio interpretacion facil

Sigue leyendo Odd ratio: qué es y cómo se interpreta

Qué es ANOVA de un factor y cómo analizarla

ANOVA de un factor

ANOVA de un factor (también llamada ANOVA unifactorial o one-way ANOVA en inglés) es una técnica estadística que señala si dos variables (una independiente y otra dependiente) están relacionadas en base a si las medias de la variable dependiente son diferentes en las categorías o grupos de la variable independiente. Es decir, señala si las medias entre dos o más grupos son similares o diferentes.

como analizar ANOVA

Sigue leyendo Qué es ANOVA de un factor y cómo analizarla

Tablas de contingencia: Cómo analizarlas fácilmente

Análisis de tablas de contingencia

Las tablas de contingencia (también llamadas a veces tablas dinámicas, tablas cruzadas, tablas de control o crosstabs como se conocen en inglés) son posiblemente la técnica estadística más utilizada en análisis de datos. En este tutorial mostraré cómo se analizan las tablas de contingencia para que cada vez que nos encontremos con una en un periódico, artículo científico o informe, podamos leerla e interpretar fácilmente los resultados. Y también para que podamos hacer tablas de contingencia en SPSS y analizar sus resultados de forma muy fácil y sencilla. 

cómo hacer tablas de contingencia facilmente

Sigue leyendo Tablas de contingencia: Cómo analizarlas fácilmente

¿Quiénes son los más intolerantes con la homosexualidad?

“¿Justificaría la homosexualidad? Responda en una escala en una escala del 1 al 10, donde 1 es Nunca y 10 es Siempre". Analizamos las respuestas a esta pregunta que fue realizada en 58 países del mundo en la Encuesta Mundial de Valores entre 2010 y 2014. 

tolerancia homosexualidad

¿Cuáles son los países más intolerantes con la homosexualidad? ¿Dónde hay más variación de opiniones? ¿Qué posibles causas ayudan a explicar la intolerancia respectos al colectivo LGBT (lesbinas, gays, bisexuales y transexuales)? Para responder estas preguntas usamos la técnica de comparación de medias y desviaciones típicas. La encuesta está basada en muestras representativas, por tanto los resultados son extrapolables a la población (nivel de confianza 95%, margen de error del 2%). Veamos los resultados.

Sigue leyendo ¿Quiénes son los más intolerantes con la homosexualidad?

Blogs de Sociología imprescindibles de leer

Mejores blogs de Sociología

Quiero presentaros diversos y muy buenos blogs de Sociología. A los sociólogos nos encanta hablar y contar ideas, y el medio más directo, económico y global para comunicar ideas es el blog. Los blogs son cuadernos donde los bloggers (autores) escriben reflexiones, noticias, enseñanzas o aquello que deseen. La gran ventaja de escribir un blog es que escribes lo que quieres, cuando quieres y como quieres. No hay revisores como en las revistas científicas, ni filtros ni editores que te digan qué escribir o cómo hacerlo. No hay más censura que la que tú te quieras imponer. Creo que por eso gustan tanto.

blogs de sociologia
 
 

Los blogs de Sociología gozan de alta popularidad, son espacios donde se promociona y da a conocer esta ciencia y se forma comunidad. Se aprende mucho leyéndolos. Este blog de Networkianos nació con la idea de fomentar la investigación, crear redes y hablar de Sociología de forma distendida. Hace unos meses contacté con algunos autores de blogs de Sociología para que me ayudaran a difundir el XI Congreso Nacional de Sociología de 2014 en Medellín. Y hoy se me ocurrió crear una lista de los blogs de Sociología que están funcionando para mostrar lo activa, actual y animada que está la Sociología y los sociólogos en la era digital. Esta lista la iremos actualizando. Si me he olvidado algún blog de Sociología por favor escribidme en el formulario de contacto y señaladme blogs de Sociología que debería incluir. Aquí os dejo la lista de blogs de Sociología imprescindibles de leer, por favor si te gusta, compártela por Facebook, Twitter, Google+ o Linkedin: 

Sigue leyendo Blogs de Sociología imprescindibles de leer

Uso de cookies

Este sitio web utiliza cookies para que usted tenga la mejor experiencia de usuario. Si continúa navegando está dando su consentimiento para la aceptación de las mencionadas cookies y la aceptación de nuestra política de cookies, pinche el enlace para mayor información.plugin cookies

ACEPTAR
Aviso de cookies