Localización, big data e inteligencia artificial, germen del nuevo científico de datos IE Insights

Hoy nos encontramos en medio de cambios profundos en nuestra economía y sociedad impulsados por el análisis de cantidades masivas de datos. La investigación y práctica clínica se encuentran prestas a ser revolucionadas por metodologías que extraen información útil de un gran volumen de registros clínicos y que puede no ser evidente al utilizar los métodos https://el-mexicano.com/cienciaytecnologia/curso-de-ciencia-de-datos-para-pulir-tu-profesion/2198980 tradicionales de análisis. En los últimos años, la cantidad de artículos científicos que hacen uso de estos métodos en un contexto académico y que reportan resultados exitosos se ha incrementado. Junto con éstos, los artículos de prensa que advierten que médicos y radiólogos podrían ser reemplazados por estos métodos en el futuro se han incrementado.

  • Bajo este panorama, ha venido tomando fuerza el desarrollo de software de código abierto, donde la inteligencia colectiva es el engranaje principal para obtener un programa de altas prestaciones, multipropósito en la mayoría de los casos.
  • Así, mientras que los estudios sobre la globalización tienen como punto de partida los Estados nación y son normativamente eurocéntricos en sus narrativas, los estudios globales aspiran a superar estas limitaciones y buscan incorporar múltiples conocimientos sobre aquellos grupos que han sido históricamente excluidos de las narrativas disciplinarias dominantes (Appelbaum 2013, 546).
  • Adicionalmente, esto abre todo un campo de discusión sobre los dilemas éticos que plantea el uso de información privada.
  • Además, es importante que en un comienzo estos métodos no sean adoptados como cajas negras que simplemente reemplazan etapas del flujo de trabajo usual, sino como una fuente de información adicional que asista la toma de decisiones en cada etapa de dicho flujo.

Si los datos son la nueva materia prima de las empresas como Facebook, el acceso a la información para fines privados permanece un tema central en la discusión pública. La red social Twitter, por ejemplo, ha puesto a disposición la totalidad de sus datos para que equipos de investigadores puedan analizar la difusión de noticias falsas. Mientras que la red Facebook, ante los reiterados cuestionamientos a la venta de espacios publicitarios que permitió la difusión de información por parte de cuentas falsas, ha ido en la dirección de bloquear las entradas que hasta ahora habían tenido los investigadores.

La influencia del Big Data en el ámbito deportivo

Esto significa que es relevante quién decide qué se cuenta como dato y qué no, así como también la manera en que este debe ser interpretado, cómo se mide y qué indicadores se usan. Si se pierde de vista esto, se crea una mala interpretación potencial o, peor aún, una manipulación que puede fallar en proteger a las poblaciones vulnerables (Sarfaty, 2018, p. 849). En otro orden, el aprendizaje profundo se refiere a la forma Cómo un bootcamp de tester de software te abre las puertas del sector tecnológico en que la máquina va obteniendo la “respues ta correcta”. El procedimiento se va realizando por ca pas o nodos, de menor a mayor complejidad, el cual se puede realizar con sistemas de aprendizaje supervisa dos o no supervisados. Este tipo de aprendizaje se ha usado en la clasificación de imágenes, por ejemplo, en el estudio de cálculos renales usando un conjunto de datos con imágenes de cálculos en color e infrarrojo23.

articulos cientificos de big data

Estos pueden regis trar información de posición geográfica, variaciones atmosféricas, cambio de temperatura, velocidad de movimiento, entre muchos otros12. El avance tecnológico, tanto en lo que se refiere al almacenamiento como al análisis de esta producción masiva de datos, promete convertirse en una poderosa herramienta, que si se utiliza adecuadamente podría ser muy beneficiosa para las personas y, en el mejor escenario, redundar en una mejor calidad de vida. Sin embargo, también genera muchas dudas en cuanto a un uso malicioso y controlador por los intereses de grandes compañías de la industria2, así como también se advierte sobre los excesos de la cuantificación3, lo que podría llevar de vuelta al reduccionismo cuan titativo, implicando un retroceso en cuanto al valor que ha cobrado la comprensión de los fenómenos en estudio. La IA y el radiodiagnóstico están jugando un papel importante en la detección del COVID-19 con un porcentaje superior al 90%, lo que puede incrementarse cuando se entrena el sistema con mayor cantidad de datos, por lo que el Big Data en conjunto con otras disciplinas analíticas son un factor clave para llevar a feliz término un estudio.

Rev. Bioética y Derecho  no.50 Barcelona  2020

Los sistemas de algoritmos que se emplean en el aprendizaje de las máquinas son frecuentemente opacos y es difícil explicar por qué han tomado determinada dirección pues, al final del día, el diseño del algoritmo recae en un individuo que posee su propia ideología, cultura y ética. Sin embargo, cada vez se ponen en práctica más medidas para conocer el grado de influencia de los algoritmos y estas permiten una mayor transparencia en los reportes que acompañan el sistema de decisiones del análisis de los grandes cúmulos de datos (Mauracciole, 2018, p. 281). Es necesario tener en cuenta que se debe probar la utilidad de las herramientas que vigilan tanto la manera en que se procesan los datos como los resultados que estos arrojan (Datta, Sen & Zick, 2017, p. 72). Otro problema con el análisis de big data es que debido a que los datos se obtienen de distintas fuentes, no hay claridad sobre el propósito predefinido para su recolección, lo que hace que la información que se pudo haber recogido con un propósito sea utilizada de modo muy distinto al momento en que se somete al análisis con posterioridad por parte de quienes los recolectan (Günther, 2017, p. 195).

Por otra parte, los Microdatos corresponden a los registros de las características de las unidades de aná lisis de una población en estudio (individuos, hogares, establecimientos, entre otros), los cuales son recogidos por medio estadísticos formales. Por ejemplo, los re gistros de atención de salud permanente, las encuestas nacionales de salud y censos de población podrían dar origen a Microdatos. Lecuona y Villalobos (2018, p. 2) afirman que, al asignar a una persona o grupo características particulares, un individuo se convierte en un componente de un colectivo que genera preocupaciones sobre la discriminación consciente e inconsciente como resultado del uso de grandes datos en la toma de decisiones. La discriminación bajo este enfoque de las tecnologías disruptivas es un riesgo a tomar en cuenta, máxime cuando la toma de decisiones es cada vez más automatizada. El aprendizaje automático abre un sinnúmero de posibilidades de investigación en diversos campos clínicos, donde la COVID-19 ha sido el impulsor de ello. Esto involucra desde los escáneres faciales para identificación de síntomas como la fiebre, wearables para medición y detección de anomalías cardiacas o respiratorias, hasta chatbots que evalúan a un paciente cuando este menciona sus síntomas y, basado en las respuestas dadas, el sistema le indica si debe permanecer en casa, llamar al médico o ir al hospital.


Posted

in

by

Tags:

Comments

Leave a Reply

Your email address will not be published. Required fields are marked *