Post Tagged with: "predicción colectiva"

Crowdsourcing/Co-creación, Ejemplos/Casos, Mecanismos de Agregación, Sistemas de Reputación

Financiación Colectiva de capital: Equity Crowdfunding

Equity crowdfunding

Sigo escribiendo hoy sobre lo más interesante que está pasando en la 2016 Collective Intelligence Conference que se celebra estos días en la New York University. Esta segunda jornada ha sido muy intensa y da para muchos posts pero siguiendo un criterio cronológico, voy a resumir la sesión más tempranera que consistió en un panel de tres expertos más un moderador sobre un tema de moda, la “financiación colectiva de capital” o como se conoce comúnmente: “Equity Crowdfunding”.

Con este tema doy un giro radical después del abordado en mi post anterior de “Inteligencia Colectiva para la toma de decisiones políticas”, y tiene bastante sentido, porque lo que está en el centro del debate sobre el “Equity Crowdfunding” (ECF) es la pregunta de si va a contribuir realmente a democratizar de forma significativa el acceso al capital de las empresas, como algunos dicen. Read more ›

by × junio 3, 2016 × 0 comments

Complejidad, Coordinación/Toma de Decisiones, Crowdsourcing/Co-creación, Cultura Colaborativa, Diseño de Redes, Eficiencia/Productividad, Ejemplos/Casos, Mecanismos de Agregación, Participación, Política/Democracia

25 píldoras de Inteligencia Colectiva

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] Read more ›

by × junio 15, 2015 × 1 comment

Complejidad, Crowdsourcing/Co-creación, Eficiencia/Productividad, Ejemplos/Casos, Mecanismos de Agregación

Predicción Colectiva vs Big Data: ¿existen los super-pronosticadores?

Tejiendo el pronosticoDesde hace un tiempo leo artículos de Emile Servan-Schreiber, co-fundador de Lumenogic e Hypermind, y un reputado experto mundial en Mercados de Predicción. Tuve la oportunidad de decírselo y compartir con él un rato esta semana en la 2015 Collective Intelligence Conference. Me gustaban sus artículos porque eran tan directos y elocuentes como he visto que es en persona. Lumenogic es una empresa que promete resolver problemas complejos usando mecanismos de inteligencia colectiva como: mercados de predicción, concursos de ideas, crowdsourcing y técnicas de visualización de datos, entre otros. Hypermind, por su parte, es un proyecto nacido de Lumenogic que se dedica a la predicción de tendencias, acontecimientos o eventos basándose en la inteligencia colectiva de una multitud o “Crowd” formada por super-pronosticadores que la empresa selecciona siguiendo unos determinados criterios.

Lo más interesante de la charla de Servan-Schreiber es su tesis, ya avanzada en sus artículos, de que el Big Data está sobrevalorado en muchas situaciones. Para ilustrarlo utiliza una conocida broma acerca de una persona que ha perdido las llaves del coche y se pone a buscarla en los sitios del suelo donde refleja la luz de la calle. Después de un rato de no encontrarla, un policía le pregunta por qué no amplía su búsqueda a otros lugares, y él responde: “Porque es ahí donde da la luz“. Pues bien, la obsesión actual con el Big Data recuerda en parte este efecto de la luz de la calle, o sea, la tendencia a buscar respuestas donde es más fácil buscarlas, que es algo que no mejora la probabilidad de encontrarlas.  Por eso, según el autor, la Inteligencia Colectiva puede proporcionar las “gafas de visión nocturna” que se necesitan para ampliar el espacio de búsqueda. Read more ›

by × junio 5, 2015 × 5 comments