CÓMO APLICAR CONOCIMIENTOS DE DATA DRIVEN SCIENCE EN LA VIDA COTIDIANA

Es probable que el término ya se haya acuñado en el ámbito donde se desenvuelve todo científico de datos, pero también hay una probabilidad de que el concepto sea sólo conocido, pero no entendido. Estamos hablando de Data Driven Science y en este artículo no sólo vamos a profundizar un poco más (como ya lo hemos hecho en otras ocasiones dentro de las redes del I2DS) en esta disciplina, sino que esbozaremos algunas acciones que pueden implementarse en la vida cotidiana para resolver retos con datos ¡todo el tiempo!

Resulta casi imposible imaginar el acto de resignificar los procesos, metodologías o técnicas de la ciencia en algo tan improbable, volátil y cambiante como la coexistencia en sociedad, ya que el proceso no significa hacer un calco de acciones (ya que sería inservible porque cada sistema de significación funciona de forma cerrada) del pensamiento científico. De lo contrario, el procedimiento ideal sería el capturar información, entenderla de forma individual y en conjunto, y poner en ejecución un plan de acción basado en los datos recolectados con el fin de resolver una situación específica. 

A pesar de que el proceso sea sencillo de describir, requiere de complejas habilidades, pero, sobre todo, es necesario poseer los conocimientos más fundamentales de Data Driven Science: una metodología cuyo modo de investigación está dirigido al razonamiento de grandes cantidades de información. Un pensamiento científico del cual se pueden abstraer dos puntos fundamentales: recolección y análisis. Acciones que pueden ser aplicadas en cualquier situación de la cotidianidad, por ejemplo, a partir de una observación detallada de los elementos que componen el entorno, así como análisis de patrones y mecanismos de trabajo.

Lo que sucede con los términos científicos y la divulgación de estos es que, en ocasiones, son tan complejos que imposibilitan el llano entendimiento. Si eso te sucedió con la explicación anterior sobre la implementación de conocimientos de Data Driven Science en el día a día, te pondremos un ejemplo concreto: la aplicación de estos en el desarrollo de la enseñanza como disciplina, el cual a continuación explicaremos:

Cada salón de clases está lleno de estudiantes con necesidades, habilidades y niveles de entendimiento distintos. Por lo que sería necesario implementar el siguiente proceso de Data Driven Science: recolectar información perteneciente a evaluación continua y exámenes, así como recolectar información de cada  maestro y vaciarlo en una base de datos. Posteriormente, sería recomendable decidir qué información resulta esencial para encontrar nuevas maneras de ejercer la enseñanza. Al hacer esto es recomendable buscar patrones e investigar las causas detrás de estos para poder formular conclusiones y, por último, planes de estudio, dinámicas y agendas relacionadas a las necesidades específicas de cada grupo, asignatura o incluso estudiante.

Ahora que conoces un poco más de lo que significa Data Driven Science como concepto, quizá te resulten de interés nuestros servicios relacionados a la formación y debate en torno a la Ciencia de Datos.

FUENTE

Why data-driven science is more than just a buzzword, The Conversation, de Tara Murphy, consultado en: https://theconversation.com/why-data-driven-science-is-more-than-just-a-buzzword-76949

Data Driven Instruction, Prodigy Game, de Maria Kampen, consultado en: https://www.prodigygame.com/blog/data-driven-instruction/