25 píldoras de Inteligencia Colectiva

Share Button

ConferenciaMe gustan los resúmenes en forma de listas, así que dejo este post con una selección de algunas de las ideas más interesantes que recogí de la 2015 Collective Intelligence Conference, y con éste cierro el seriado que he venido publicando sobre el evento. No son citas literales sino mi interpretación, y por eso no aparecen entrecomilladas. Me han quedado 25 conclusiones breves, en forma de píldoras, que pueden darte unas pistas de por dónde va la investigación en Inteligencia Colectiva:

1.- Los grupos más inteligentes colectivamente, aprenden más rápido [Thomas W. Malone – MIT]

2.- La homofilia (grupos de “amigos” con intereses y creencias parecidas) induce a la polarización grupal y refuerza la viralidad de ciertos tipos de contenidos falsos que se basan en teorías conspirativas [Walter Quatrochiocci – IMT Lucca] (Más sobre esta idea en este post)

3.- La búsqueda excesiva de la diversidad puede provocar que se devalúe o subestime la información más relevante, ponderando en exceso las opiniones marginales [Richard P. Mann – ETH Zúrich]

4.- La media de “empatía social” de los miembros de un equipo fue un predictor significativo de la Inteligencia Colectiva y del rendimiento de los equipos en videojuegos como ‘League of Legends’. Sin embargo, la “igualdad de liderazgo” percibida por los miembros correlacionó negativamente, lo que sugiere que el “liderazgo distribuido” no es visto como una ventaja en entornos muy competitivos [Young Ji Kim – MIT]

5.- Existe una relación de curva en forma de U invertida entre “diversidad cognitiva” e “inteligencia colectiva”, de tal modo que los niveles más altos de IC se consiguen en equipos con niveles moderados de diversidad. Si hay poca diversidad, el grupo puede carecer de ciertas capacidades requeridas para abordar problemas complejos. Pero si hay demasiada, pueden producirse dificultades de comunicación y aumentar en exceso los costes de coordinación dentro del equipo  [Ishani Aggarwal – Tilburg University]

6.- La combinación de diferentes escalas en los proyectos de Inteligencia Colectiva aporta ventajas complementarias. Los grupos pequeños generan “profundidad”, los medianos “diversidad” y “evaluación”, y los grandes “visión común” y “legitimidad” [Minoru Mitsui – Fuji Xerox Co]

7.- Al Crowdsourcing de pago se le llama “Crowd Work”, que puede consistir en la externalización de un servicio o proyecto entero (por ejemplo, un desafío de I+D o de diseño), o tareas puntuales y aisladas dentro de un proyecto mayor, como los “HITs” de Amazon Mechanical Turk, en cuyo caso hablamos de “Microwork” o “Microtasking” [Rajan Vaish – University of California, Santa Cruz] (Más sobre esta idea en este post) (Recomiendo leer, además, este artículo de Aniket Kittur et al: “The Future of Crowd Work”)

8.- Un buen meme no es un “hit maravilla”, sino uno que se mantiene consistente en el tiempo y en interacción con otros memes. Si un meme tiene un pico de popularidad que es más alto que la media, entonces su probabilidad de éxito Esto quiere decir que si un meme quiere sobrevivir, tiene que mantener un perfil bajo [Michele Coscia – Harvard University] (Más sobre esta idea en este post)

9.- En iniciativas de Crowdfunding, un estudio basado en las tres plataformas más populares de Estados Unidos (Kickstarter, IndieGoGo y Rockethub) ha constatado que los proyectos artísticos tienden a conseguir apoyos financieros mucho más fácil que los proyectos científicos [Julie S. Hui – Northwestern University].

10.- Como ha ocurrido con los MOOCs, se vislumbra la posibilidad de impulsar “proyectos de investigación masivos(MOORs) en el que participen cientos y miles de investigadores realizando tareas coordinadas de forma colectiva [Rajan Vaish – University of California, Santa Cruz] (Más sobre esta idea en este post)

11.- Se necesitan enfoques más abiertos, transparentes y participativos en la definición de las prioridades públicas de salud. El Crowdsourcing puede ayudar a que los ciudadanos revelen sus preferencias individuales y así contribuir a identificar colectivamente sus verdaderas necesidades de atención médica. El mecanismo actual basado en expertos es sesgado y carece de legitimidad pública [Juan Andrei Villarroel, School of Management Fribourg]

12.- Los estudios avalan la recogida de datos para investigaciones sociales a través de plataformas de Crowdsourcing como Amazon Mechanical Turk (AMT), donde la demografía de los participantes es a veces incluso más representativa que las muestras que se usan en estudios convencionales. Se ha demostrado que esta vía permite recoger más rápido los datos y con una calidad que satisface los estándares exigidos por la investigación académica [Juan Andrei Villarroel – School of Management Fribourg]

13.- Hay evidencias de que la implicación de la ciudadanía tiene el potencial de cambiar la agenda política si se compara con el enfoque clásico y elitista basado en expertos de puertas para adentro [Tanja Aitamurto – Stanford University] (Más sobre esta idea en este post)

14.- Para mejorar la inteligencia colectiva hay que incrementar las recompensas a las personas que hacen predicciones correctas que sean contrarias a la opinión común [Richard P. Mann – ETH Zurich]

15.- Los mecanismos actuales para corregir errores o creencias falsas que circulan por Internet no son efectivos. Si el rumor coincide con el sistema de creencias del receptor, es difícil que lo corrija aunque se aporten evidencias de que es falso [Walter Quatrochiocci – IMT Lucca] (Más sobre esta idea en este post)

16.- Introducir modularidad en las plataformas colaborativas ayuda a la remezcla y es una manera de fomentar el trabajo en paralelo, lo que acelera tanto el desarrollo de habilidades individuales como la exploración colectiva [Yue Han – Stevens Institute of Technology].

17.- Los científicos usan las “señales sociales” para seleccionar sus temas de investigación, lo que provoca “agujeros culturales” que la ciencia descuida y una menor eficiencia en la búsqueda del conocimiento [Jacob Foster – UCLA] (Más sobre esta idea en este post)

18.- Las plataformas para la solución de problemas colectivos tienen que proveer capacidades de remezcla (mejorar y combinar). Un aspecto clave del enfoque seguido por el proyecto MIT Climate CoLab consiste en dividir el problema general en subpartes y luego facilitar que la gente integre soluciones entre las sub-partes para generar soluciones más grandes [Erik P. Duhaime – MIT]

19.- La precisión en las estimaciones no se explica tanto por lo que la gente sabe y mucho más por la forma en que la gente piensa. Las predicciones agregadas de varios cientos de aficionados, armados únicamente con herramientas de búsqueda, pueden rivalizar o superar a las previsiones internas de la comunidad de inteligencia generadas por analistas profesionales con acceso a la información clasificada [Emile Servan-Schreiber – Hypermind] (Más sobre esta idea en este post)

20.- Tres aspectos afectan el rendimiento en entornos de trabajo colaborativo: (1) el equilibrio entre la exploTación de soluciones conocidas y la exploRación de nuevas, (2) los tipos de estrategias de búsqueda que usan los agentes, y (3) la heterogeneidad y complementariedad en el conocimiento y el comportamiento de los individuos que forman el grupo [Michael Foley – Northeastern University]

21.- Para que un proyecto de Crowdsourcing en la toma de decisiones políticas pueda tacharse de exitoso debe cumplir, al menos, dos condiciones: 1) Legitimidad del proceso: Implicar a un porcentaje significativo de ciudadanos con una participación relativamente activa, 2) Eficacia de los resultados: Generar conocimiento e información útil para mejorar las decisiones en el ámbito público [Tanja Aitamurto – Stanford University] (Más sobre esta idea en este post)

22.- Un estudio basado en las comunidades de Stack Exchange (preguntas/respuestas) demostró que en comunidades muy técnicas (con fuerte carga informática), tener expertos importa más para el éxito que la diversidad; pero en las que no son tan técnicas, la diversidad de los participantes incrementa la habilidad de la comunidad para generar mejores respuestas [Emanuel Federico Alsina – University of Modena and Reggio Emilia].

23.- En el filtrado colaborativo, las multitudes son mucho mejores en la eliminación de las malas ideas que en la identificación de las buenas [Mark Klein – MIT] (Más sobre esta idea en este post)

24.- Las hormigas han usado siempre ‘algoritmos’ para regular su comportamiento colectivo. Nuestro objetivo es descifrar esos algoritmos porque nos pueden ayudar como modelo para la solución de grandes desafíos que tenemos como sociedad [Deborah Gordon – Stanford University]

25.- A más ansiedad y ambigüedad informativa, más propagación de rumores [Dean Eckles – Facebook] (Más sobre esta idea en este post)

Nota: La imagen del post pertenece al album de AJ Cann en Flickr

Share Button

One Comment

  1. Pingback: Inteligencia Colectiva en Nueva York (post-501) |

Leave a Reply

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

*