Las Ciencias Sociales y las Humanidades presentan, especialmente estas últimas, dinámicas de investigación que las diferencian y las dotan de una personalidad propia, identificada como una cultura de investigación específica, diferente a la propia de las Ciencias Exactas y de la Vida (Marcos, 2015; Snow, 1959). La existencia de una excesiva diferenciación entre esas culturas de investigación ha sido criticada de forma reiterada (Bilbeny & Guàrdia, 2015). No obstante, el rumbo fijado para la investigación por las políticas científicas asume la eliminación de esas posibles barreras y la fusión entre los diferentes campos del saber a través de la transferencia de los diferentes enfoques y metodologías (Marcos, 2015; Snow, 1959).
Así, se ha planteado la necesidad de una renovación de las Ciencias Humanas y Sociales, dirigida a matizar, por ejemplo, las dinámicas altamente individuales en la investigación humanística, la inexistencia de grandes grupos de investigación, el desarrollo de procesos de formalización de la información, la integración de metodologías cuantitativas y la integración en programas de investigación más amplios. El uso de las nuevas tecnologías y la implementación de procesos de digitalización ha llevado también a la emergencia de las Ciencias Sociales Computacionales y las Humanidades Digitales, que junto a otras nuevas áreas de conocimiento, como son por ejemplo las Humanidades Ambientales, constituyen la vanguardia en lo referido a las Humanidades y la transdisciplinariedad.
Ya en el capítulo introductorio se resaltaba que la Red de Excelencia SimPastNet es el resultado de la ejecución del proyecto de Investigación transdisciplinar CONSOLIDER Ingenio SimulPast. Simulating the Past to Understand Human Behavior. La experiencia desarrollada durante el proyecto demostró la capacidad de las Ciencias Sociales Computacionales y las Humanidades Digitales para resultar aproximaciones metodológicas que facilitan y promueven la cooperación transversal entre disciplinas.
El modelado computacional y la simulación se han incorporado con fuerza al debate científico en las últimas décadas, produciendo resultados importantes en muchas disciplinas científicas como la Física, la Química, la Biología, la Economía o la Ingeniería. Paralelamente, ha surgido una importante base teórica y herramientas de diferentes campos para estudiar sistemas con un alto número de componentes capaces de autoorganizarse para formar estructuras y comportamientos a escalas mayores -sistemas complejos-, disciplina conocida con el nombre de Complexity Science (Mathews, White & Long, 1999). El progreso logrado en todos estos campos, junto con el desarrollo de la Inteligencia Artificial (AI) y el Data Science, ha desencadenado una revolución en la forma en que trabajamos, nos comunicamos, compramos, etc., posibilitando al mismo tiempo importantes oportunidades económicas y de innovación.
Una nueva disciplina como las Ciencias Sociales Computacionales (Cioffi-Revilla, 2017; Lazer et al., 2009; Mann, 2016) que aglutina la aplicación tanto de las ciencias de la complejidad como del análisis computacional en las Ciencias Sociales, aporta un enfoque innovador para la comprensión del comportamiento humano y social,así como de los fenómenos culturales, al mismo tiempo que permite investigar procesos sociales y económicos a diferentes escalas espaciales o temporales, y también a diferentes niveles de análisis; todo ello a la vez que fomenta la estandarización de datos. Se promueven así no solo otro tipo de preguntas, sino también la cooperación y la colaboración entre disciplinas. Asímismo, se pueden explorar también nuevas hipótesis a partir de la disponibilidad de nuevos conjuntos de datos y nuevas capacidades de exploración de estos. El desarrollo de nuevos paradigmas y la colaboración entre diferentes campos de conocimiento tienen el potencial de promover nuevos escenarios de investigación, evitando la reiteración en construcciones interpretativas preexistentes (Cioffi-Revilla, 2017; Conte et al., 2012).
No obstante, la difusión de estas metodologías analíticas se encuentra todavía en desarrollo, enfrentando aún una gran cantidad de desafíos, como señala el reciente Manifesto of Computational Social Science (Conte et al., 2012):
- El campo de estudio de las Ciencias Sociales y las Humanidades presenta de forma inherente una gran complejidad que actúa a diferentes niveles y en diferentes direcciones. No sólo existen retroalimentaciones entre la micro y la macro escala, sino también mecanismos modulados por diferentes niveles en la mesoescala (familias, grupos, comunidades, etc). La formación de los niveles intermedios y la interacción entre estos niveles y entre las propias entidades en cada nivel generan fenómenos emergentes todavía poco entendidos.
- Desde la perspectiva del modelado, el desarrollo de modelos que incorporen de forma integrada diferentes características culturales, diferentes procesos dinámicos y en diferentes escalas es todavía un desafío. Los modelos jerárquicos y multinivel que capturen este tipo de interdependencias todavía están en desarrollo.
- La utilización de metodologías cruzadas que integren modelado con experimentación bien diseñada, capaz de discernir entre explicaciones alternativas, también supone un desafío para las Ciencias Sociales Computacionales. Si bien el diseño de experimentos, tanto para la inferencia como para la validación de resultados teóricos, y la experimentación social en grandes escala se están desarrollando con éxito en los últimos años, y todavía están lejos de ser metodologías consolidadas en este campo.
- El modelado basado en agentes (Izquierdo et al., 2008), una de las herramientas clave para incorporar la complejidad de los sistemas sociales en modelos formales, presenta también disyuntivas de diseño muy relevantes. El nivel de complejidad individual que es necesario incorporar en los modelos para capturar la inteligencia social de los procesos representa todavía un desafío por resolver en muchos casos.
- Y la propia respuesta al tipo de modelos (Edmonds et al., 2019) que son necesarios en cada contexto y problema científico supone todavía un reto por superar.
Todos estos desafíos muestran el gran potencial de la Ciencia de la Complejidad y las Ciencias Sociales Computacionales para convertirse en herramientas relevantes en diversas áreas de conocimiento, como se ilustra en el capítulo 5 de este mismo documento. Por ejemplo, en Historia, y más específicamente en Arqueología, la adopción de una metodología basada en la simulación computacional ha brindado una oportunidad única para desarrollar y validar nuevas técnicas y enfoques, no solo para apoyar la investigación sobre el pasado, sino también para proporcionar una mejor comprensión del presente y el futuro (Lawrence, 2004). Además, en la actualidad, el acceso a la supercomputación distribuida en red (grid computing technologies) se ha popularizado, lo que facilita, junto con la ubicuidad de datos, la adopción de estos métodos en las Ciencias Sociales y las Humanidades.
Aparte de las Ciencias Sociales Computacionales, las Humanidades Digitales es otra de las columnas metodológicas que sostienen parte de la investigación formal multidisciplinar en Ciencias Sociales y Humanidades. El término ha surgido a modo de concepto paraguas (Dacos, 2011) para englobar investigaciones que comparten, por un lado, un objeto de estudio de las disciplinas humanísticas o sociales; y por otro, su abordaje realizado mediante toda una serie de tecnologías TIC (Tecnologías de Información y Comunicación). Las Humanidades Digitales participan, por una parte, de la dinámica general de digitalización, incluyendo tareas de registro, almacenaje y generación de sistemas de consulta de datos (visuales, textuales, sonoros); así como análisis de texto electrónico o sistemas de marcación digital, entre otros (González-Blanco García, 2016; Rojas Castro, 2013)
Plantea también otros aspectos, todos ellos haciendo uso de tecnologías ampliamente adoptadas en otras áreas de conocimiento, pero que constituyen en algunos casos todavía enfoques novedosos para la actualmente cambiante cultura de investigación propia a las Humanidades (Filatkina, Sánchez-Carretero & Tomalin, 2007; Schindler-Daniels, 2014). Tal sería el caso de aquellos estudios ligados al análisis de datos mediante Big Data, la Simulación Social, el aprendizaje automático, el análisis geoespacial o el análisis de redes, entre otros, que engloban parte de la investigación enmarcada en las Ciencias Sociales Computacionales, pero que también incluyen otros muchos usos computacionales ya no enfocados en el modelado, donde las Ciencias Sociales Computaciones tienen un pronunciado acento. Estas no solo están asociadas a la investigación, sino que exploran otros espacios de experimentación artística en los que tiene cabida las artes visuales y la literatura.
Las Humanidades Digitales plantean una reflexión profunda sobre los efectos de la tecnología en la enseñanza y la investigación científica, participando así de la Estrategia Española de Ciencia y Tecnología y de Innovación 2013-2020, que incluye como uno de sus ocho retos la economía y la sociedad digital.
El rápido crecimiento de grupos de excelencia dedicados a estas perspectivas en el escenario mundial demuestra las expectativas internacionales y las inversiones significativas realiadas en esta dirección. Actualmente, los científicos sociales son conscientes de que las herramientas tradicionales utilizadas en los estudios socioeconómicos se pueden complementar con estas nuevas metodologías para abordar la complejidad de dichos sistemas. Algunas líneas de trabajo que permiten abordar esta complejidad desde diferentes ángulos y perspectivas son la simulación basada en agentes, el análisis de redes, diferentes tipos de análisis cuantitativos y el aprendizaje automático, entre otros. El uso de estas herramientas para explorar la vida social y económica puede permitir enfrentar los principales desafíos sociales y medioambientales tanto a nivel global como local.
Referencias
Bilbeny, N. & Guàrdia, J (eds.). (2015). Humanidades e investigación científica. Una propuesta necesaria. Barcelona: Universitat de Barcelona.
Cioffi-Revilla, C. (2017). Introduction to Computational Social Science. Principles and Applications. Berlin: Springer.
Conte, R., Gilbert, N., Bonelli, G., Cioffi-Revilla, C., Deffuant, G., Kertesz, J., Loreto, V., Moat, S., Nadal, P. P., Sanchez, A., Nowak, A., Flache, A., San Miguel, M. & Helbing, D. (2012). «Manifesto of computational social science». The European Physical Journal Special Topics 214(1): 325-46. http://link.springer.com/10.1140/epjst/e2012-01697-8.
Dacos, M. (2011). «Manifiesto por unas Humanidades Digitales.» https://tcp.hypotheses.org/487.
Edmonds, B., Le Page, C., Bithell, M., Chattoe-Brown, E., Grimm, V., Meyer, R., Montañola-Sales, C., Ormerod, P., Root H. & Squazzoni, F. (2019). «Different Modelling Purposes». Journal of Artificial Societies and Social Simulation 22(3). http://jasss.soc.surrey.ac.uk/22/3/6.html.
Filatkina, N., Sánchez-Carretero, E. & Tomalin, C. (2007). «In Varietate Concordia. A manifesto for the Humanities in Europe.» ESF Standing Committee for the Humanities.: 8.
González-Blanco García, E. (2016). «Un nuevo camino hacia las humanidades digitales: el Laboratorio de Innovación en Humanidades Digitales de la UNED (LINHD) = A new way towards digital humanities: the Digital Humanities Innovation Lab at UNED (LINHD)». Signa: Revista de la Asociación Española de Semiótica 25: 79-93. http://revistas.uned.es/index.php/signa/article/view/16959.
Izquierdo, L.R., J.M. Galán, J.I. Santos & del Olmo, R. (2008). «Modelado de sistemas complejos mediante simulación basada en agentes y mediante dinámica de sistemas». Empiria. Revista de Metodología de Ciencias Sociales 16: 85-112.
Lawrence, R. (2004). «Housing and health: From interdisciplinary principles to transdisciplinary research and practice». Futures 36: 487-502.
Lazer, D., Pentland, A., Adamic, L., Aral, S., Barabási, A., Brewer, D., Christakis, N., Contractor, N., Fowler, J., Gutmann, M., Jebara T., King G., Macy M., Roy D., Van Alstyne, M. (2009). «SOCIAL SCIENCE: Computational Social Science». Science 323(5915): 721-23. https://www.sciencemag.org/lookup/doi/10.1126/science.1167742.
Mann, A. (2016). «Core Concept: Computational social science». Proceedings of the National Academy of Sciences 113(3): 468-70. http://www.pnas.org/lookup/doi/10.1073/pnas.1524881113.
Marcos, A. (2015). «A vueltas con las dos culturas. Las sinergias entre ciencias y humanidades». Investigación y ciencia. 466: 91-93. https://www.investigacionyciencia.es/files/20426.pdf.
Mathews, K. M., White, M. C., Long, R. G. (1999). «Why Study the Complexity Sciences in the Social Sciences?» Human Relations 52(4): 439-62. http://journals.sagepub.com/doi/10.1177/001872679905200402.
Rojas Castro, A. (2013). «Las Humanidades Digitales: principios, valores y prácticas.» Janus: estudios sobre el Siglo de Oro. 2: 74-99. https://repositori.upf.edu/handle/10230/21517.
Schindler-Daniels, A. (2014). «Shaping the Horizon: social sciences and humanities in the EU framework programme “Horizon 2020”». Zeitschrift für Erziehungswissenschaft 17(S6): 179-94. http://link.springer.com/10.1007/s11618-014-0580-8.
Snow, C.P. (1959). Las dos culturas. Universidad Nacional Autónoma de México.
