Esta tarde se ha inaugurado la 2015 Collective Intelligence Conference, en el hotel Marriott de Santa Clara, CA, con la asistencia de unos 150 participantes, bastantes menos que las dos ediciones anteriores. Como ya anuncié aquí, Jeff Howe, quien acuñó y difundió el término de “Crowdsourcing”, se encargó de dar una breve charla de apertura. Fue amena e informal, pero no dejó ninguna idea de calado que me sirva de titular. Después se presentaron cinco proyectos de investigación, de ellos uno sobre Predicción Colectiva, dos de Crowdfunding (CS) y dos de Crowdsourcing. Ya hablaré de algunos de ellos más adelante.
Por fortuna, tenemos cada vez más estudios sobre cómo aprovechar el Crowdsourcing a gran escala en tareas o desafíos que son complejos, y no sólo para agregar microtareas de escaso valor creativo. Esto se enmarca en lo que se da en llamar “Expert Crowdsourcing”, que en su mejor versión persigue repensar el CS para que potencie y mejore las habilidades de los trabajadores-expertos y además, facilite la colaboración y el trabajo colectivo entre ellos.Aniket Kittur (Carnegie Mellon) y Michael S. Bernstein (Stanford) son dos de los investigadores que están liderando esta línea de trabajo de dignificacióndel “Crowd Work”, y que han participado en conferencias como la que se acaba de inaugurar hoy en Santa Clara.
Rajan Vaish, James Davis y el propio Michael Bernstein son los impulsores de un interesante proyecto (“Crowdsourcing the Research Process”) que se presentó esta tarde por Rajan Vaish en la primera sesión plenaria, que explora la idea de diseñar plataformas de CS que faciliten el encuentro entre investigadores con experiencia y buenas ideas (“mentores”) con estudiantes de Phd (el “Crowd”) que quieran implicarse en proyectos de investigación interesantes.
La intención de desarrollar un marketplace de estas características es oportuno, porque puede ser un buen mecanismo para reducir el gap de información que existe entre científicos prominentes (oferentes de proyectos) e investigadores con menos experiencia que buscan proyectos atractivos (demandantes). Pero la idea más potente que subyace en esa propuesta es, con diferencia, la posibilidad de abrir y escalar los procesos de investigación a grupos mucho más grandes de participantes que los actuales. Pensemos en proyectos a gran escala como el icónico The Polymath Project, que promueve la colaboración masiva entre matemáticos para resolver complejos problemas en esa disciplina, o The Large Hadron Collider, el acelerador y colisionador de partículas lanzado por el CERN, y en el que participan miles de científicos.
Ya sabemos que la investigación es un proceso complejo, que funciona habitualmente en grupos relativamente pequeños, porque los costes de coordinación se disparan cuando el equipo crece mucho. Por otra parte, suele ser complicado atribuir la autoría de un paper a multitud de participantes. Pues bien, para eso se está trabajando en un nuevo modelo, los llamados MOORs (“Massive Open Online Research”), que son una adaptación al ámbito de la investigación de los MOOCs, o “Cursos Online Masivos Abiertos”, del tipo de los que ofrecen plataformas tan conocidas como Coursera o Udacity, entre otras. La misma lógica de los cursos se extrapola a la investigación.
Un equipo de la Universidad de California en San Diego, liderado por el ingeniero Pavel Pevzner, puso la primera piedra lanzando en Coursera un MOOC sobre “Algoritmos Bioinformáticos” que incorporó un componente sustancial de investigación. Según sus impulsores, el concepto de “investigación masiva abierta en línea” puede revolucionar la ciencia y la educación al mismo tiempo (Ver: Is massive open online research the next frontier for education?). En este curso todos los estudiantes que se inscriben tienen la oportunidad de trabajar en proyectos específicos de investigación bajo la dirección de científicos bioinformáticos prominentes de diferentes países, que han accedido a interactuar y mentorizar los equipos. Lo singular es que combina el MOOC con investigación para facilitar la transición del aprendizaje educativo a la investigación, que es un gran salto para muchos estudiantes. Según este modelo, los textos y herramientas del MOOC se vuelven mucho más interactivos, incorporando proyectos y actividades de investigación colaborativa dentro del flujo de trabajo del aprendizaje.
Pero los que tenemos alguna experiencia haciendo investigación científica o académica sabemos lo difícil que es coordinar y sincronizar esfuerzos de multitudes de personas para que se pueda llegar a un artículo o paper coherente y de calidad. Está claro que conseguir productividad y eficiencia en estos proyectos es un gran desafío de diseño, porque como ya explicamos antes, la escala es un problema para la Inteligencia Colectiva, así que conciliar escalado con calidad parece a menudo una tarea imposible. Y es ahí donde se insertan estudios como los descritos esta tarde en la Conferencia (“Crowdsourcing the Research Process”), porque lo que buscan es diseñar mecanismos o protocolos que permitan viabilizar el proceso de “escalado” de la redacción de un paper. Hay que definir unas pautas y una estructura en el flujo de trabajo, una especie de ingeniería de proceso, para que muchas personas interactúen y colaboren de forma organizada en el proyecto, y los científicos impulsores (“mentores”) puedan intervenir en momentos críticos y coordinar la investigación sin que esto les suponga una dedicación inasumible.
Según se explicó en la Conferencia, el proceso transcurre más o menos así. Un investigador con experiencia propone un tema candente de investigación, para el que está dispuesto a dedicar unas 2 horas a la semana a atender a un grupo de estudiantes. Se hace una convocatoria del proyecto en las universidades, y los estudiantes se apuntan. Solo los que lleguen hasta el final de la investigación aparecerán como co-autores del paper. El artículo propone un algoritmo con ocho “operadores” de tareas que puede usar el mentor/investigador para mejorar la productividad del grupo (unir, separar/paralelizar, añadir, suprimir, competir y revertir, entre otros). Los autores reclutaron más de 50 participantes de varias universidades para trabajar con investigadores de UC Santa Cruz y Stanford University en tres proyectos piloto: “Building a new Crowd market”, “Optimal combination of human computation and AI” y “100s of experiments testing the wisdom of the Crowd”. La idea es construir ese protocolo y comprobar si es factible publicar papers de calidad vía crowdsourcing. La cosa pinta bien, pero de momento, quédate con esta idea que compartió el ponente: “El ‘Massive Open Online Research’ (MOOR) va en camino de abrir las puertas de la Torre de Marfil” que hoy limita la investigación a gran escala.
Seguiremos este lunes con más. Hoy por fin he salido del desastre logístico que me tenía desconcentrado desde que llegué porque mi equipaje se extravió en Paris. Llevaba dos días “con lo puesto” pero después de mucha guerra, ya tengo la maleta conmigo. La sesión de mañana es larga y promete muchas intervenciones interesantes. A ver por cuáles me decido para reseñar. Se agradece feedback 
Nota: La imagen del post pertenece al album de Throgers en Flickr
The post De los MOOC a los MOOR via Crowdsourcing appeared first on El Blog de Inteligencia Colectiva.
No hay comentarios:
Publicar un comentario