Buscar
Cerrar este cuadro de búsqueda.

4 tendencias del conocimiento abierto para el 2017

tendencias conocimiento abierto 2017

Por Geraldine García – Esta columna fue publicada originalmente en el blog Abierto al público del BID.

¿Qué deparará el 2017 para el futuro del conocimiento abierto? ¿Cuáles son los principales temas que se discuten en materia de datos abiertos, acceso abierto, metodologías de innovación abierta y aprendizaje abierto?

A continuación, cuatro tendencias a considerar:

1. La realidad virtual abre desafíos del desarrollo

La tecnología de realidad virtual o VR (por sus siglas en inglés) se está volviendo más potente, accesible, barata y compatible con una mayor gama de dispositivos. Lo interesante de esta tendencia, es ver cómo esta nueva tecnología se está utilizando para abrir conocimiento sobre los desafíos del desarrollo.

En este sentido, uno de los pioneros en esta temática han sido las Naciones Unidas quienes a través de su programa de realidad virtual, UNVR, ya han compartido 5 historias de vida vinculadas a desastres naturales, epidemias y conflictos humanitarios. Estos videos estilo documental permiten capturar conocimiento, generar empatía con problemáticas globales, y reforzar la diplomacia global.

Por ejemplo, la experiencia “Nubes sobre Sidra” que relata la historia de una joven refugiada siria en Jordania permitió abrir conversaciones con líderes mundiales y a la vez promover la participación para el reasentamiento exitoso de refugiados. Aquí puedes encontrar más información sobre cómo acceder a este tipo de historias. Además, hasta el 28 de febrero puedes participar de esta convocatoria para desarrollar un proyecto en VR para apoyar los objetivos de desarrollo sostenible de las Naciones Unidas.

El Banco Interamericano de Desarrollo, también está comenzando a aplicar la realidad virtual para abrir conocimiento sobre desafíos de desarrollo en la región. Como parte de los proyectos de vivienda y desarrollo urbano ha generado dos historias: una sobre comunidades en la cuenca del Rio Juan Diaz en Ciudad de Panamá y otra sobre el Canal de Panamá.

2. La era de los títulos MOOCs

Así como el 2012 fue el año de los Cursos Masivos Abiertos en Línea (denominados MOOCs por sus siglas en inglés), el 2017 será el año de los Títulos MOOC. En diciembre de 2016, la universidad australiana Deakin University anunció el primer conjunto de títulos de posgrado ofrecidos completamente a través de la plataforma de MOOCs en Gran Bretaña, FutureLearn.

Obtener títulos en línea de algunas de las mejores instituciones del mundo se puede volver realidad. Se espera que la práctica se pueda extender a otras plataformas como edX y Coursera. Los MOOCs vuelven así a revolucionar el aprendizaje abierto con más opciones de grado y hasta alternativas como “micromasters” como parte de la oferta.

3. Modelos abiertos de aprendizaje automático
Un nuevo informe del McKinsey Global Institute, “La era de la analítica: compitiendo en un mundo basado en datos” (disponible en inglés), sugiere que la gama de aplicaciones y oportunidades vinculadas a los grandes datos o “big data” continuarán expandiéndose y el dilema para las instituciones va a ser cómo integrar nuevas capacidades en sus operaciones y estrategias.
El informe también destaca que solo el 10-20% del valor potencial del “big data” ha sido capturado hasta el momento en el sector público y atención de la salud. Las mayores barreras que las organizaciones enfrentan para extraer valor de los datos y su análisis son organizacionales. En consecuencia, muchos luchan por incorporar información basada en datos en los procesos de negocios cotidianos.
Frente a este escenario, una nueva tendencia es la de los modelos abiertos, es decir, la disponibilidad de sistemas de aprendizaje de máquina pre-entrenados de acceso abierto que pueden ser reutilizados. Por ejemplo, para el desarrollo de algoritmos de clasificación, regresión, “clustering” y otras herramientas para el lenguaje de programación Python existen Scikit y Pandas. Para análisis de lenguaje humano, el kit de herramientas, NLTK. En el caso del denominado aprendizaje profundo (deep learning), aquí puedes acceder a ejemplos de “framework Caffe, Theano y TensorFlow.
Así, el desarrollo de nuevas capacidades de aprendizaje automático (machine learning), generan nuevas aplicaciones que permitirán llevar los grandes datos a un nuevo nivel y generar un valor significativo para las organizaciones.
4. Habilidades en datos abiertos

Uno de los principales desafíos de los datos abiertos es que todavía su uso se limita a usuarios con habilidades técnicas avanzadas. El segundo plan de acción de la IV Conferencia Internacional de Datos Abiertos destaca la generación de capacidad como uno de los principales retos para este año.

Para que los esfuerzos de apertura de datos sean fructíferos, y que permitan a ciudadanos, empresas y organizaciones tomar decisiones informadas usando la abundancia de datos abiertos disponibles, es necesario que dichos datos sean abiertos para todos.

Para ello, de manera creciente se está extendiendo el uso de herramientas que permiten a personas sin conocimiento técnico desde usar y explorar los datos hasta poder compartir datos de una manera accesible como comentamos en este blog. A la vez, equipos multidisciplinarios permiten complementar y potenciar nuevas habilidades. Tal es el caso del periodismo de datos y la manera en que han revolucionado las redacciones de los medios.

Deja un comentario