Una perspectiva documental y bibliotecológica sobre el big data y el periodismo de datos

Los algoritmos que se usan para hacer este análisis de big data generalmente no son transparentes y crean lo que Paterson y Maeve han descrito como el efecto black box. Es aquí, justamente, donde las técnicas de aprendizaje autónomo e inteligencia artificial que permiten que las máquinas logren decidir con base a un código de programación puede representar un riesgo para los derechos humanos (Ureña, 2019, p. 104), pues este tipo de información, puesta en manos de dictadores o potenciales terroristas, puede representar un gran riesgo para las sociedades (Alfaro et al., 2012, p. 111). En [53] se hace énfasis en la utilización de técnicas de Inteligencia Artificial (IA) para facilitar la captura y estructuración de grandes volúmenes de datos y también cómo se han implementado para el análisis de estos. Se presentan algunas preocupaciones respecto a la integración de IA con Big Data, que no se resuelven solo con pensar en la distribución y paralelización, sino que requieren otros análisis. Las técnicas de IA para el tratamiento de Big Data permiten la delegación de tareas complejas de reconocimiento de patrones, aprendizaje y otras tareas basadas en enfoques computacionales, la IA contribuye a la velocidad en la manipulación de los datos, facilitando la toma de decisiones rápidas.

Hay que tener en cuenta que para que un fármaco llegue al mercado, desde el momento en que se empieza a investigar sobre esa molécula, pasan, de media, algo más de diez años. Así que hemos decidido contaros en el post de hoy algunos ejemplos de investigaciones científicas en las que se generan cantidades ingentes de datos y como el big data ayuda en esos casos. Los tópicos analizados muestran que hay una intersección de la temática Big
Data con otras materias, en un grado mayor se opta por aquellas
revistas académicas del tipo multi o interdisciplinar, y en mucho menor medida se
eligen las publicaciones de carácter especializado, por ejemplo, las ciencias
computacionales, la economía, la astronomía, la astrofísica y la óptica, por
mencionar algunas. La diferenciación, la concentración de ciertas publicaciones o la
ausencia de publicaciones en journals especializados nos permiten
valorar los vacíos y por lo tanto detectar las oportunidades investigativas o
destinos para publicar. La aceleración de los cambios informativo-computacionales que se producen no ya sólo en la sociedad, sino en la práctica periodística, hace difícil el análisis de la respuesta desde la documentación a los retos, incertidumbres y problemas que surgen.

Derecho  no.84 Lima ene-jun 2020

Pero esta enormidad de datos también presenta una serie de retos, como es la gestión de la privacidad, el almacenamiento y la accesibilidad desde centros remotos. Esto la convierte, además,
en una fuente de ingresos por la comercialización de equipo y sus aditamentos,
software y aquellos servicios de administración y mantenimiento
de sistemas automatizados, transformando las relaciones económicas y las
interacciones sociales y culturales casi a nivel global. En la recuperación, el periodista cambia sus hábitos o refuerza sus tareas cotidianas en función de la valoración https://disenowebakus.net/noticias/tecnologia/tester de los datos, como consecuencia del incremento de la demanda, por parte de las audiencias, a la hora de recibir noticias cada vez más transparentes y documentadas. Las redes sociales también han traído consigo un cambio de rutinas en los medios; no sólo para el periodista, sino también para el documentalista. Es tan profundo el cambio de prácticas que, en la mayoría de las ocasiones, no se vislumbran límites entre las tareas periodística y documental, aunque ambas figuras siguen siendo operativas ya que en el uso del big data y del open data se exige una actualización permanente.

Seguidamente, se presenta un recuento de cinco de los documentos clasificados como raíz del enfoque, la selección de los documentos presentados en este escrito se hace después del análisis por parte de los autores de la totalidad de los documentos raíz e identificando los más relevantes. Revisando los resultados agrupados por país de publicación, se puede ver una concentración en Estados Unidos y China como se aprecia en la Fig. En los países europeos se encuentra un número también significativo de trabajos, mientras que en Sur América, Oceanía y África, el desarrollo de investigaciones en el campo es aún incipiente. A partir de la entrada en vigor de la presente ley, todas las referencias efectuadas al Euskal Estatistika Erakundea/Instituto Vasco de Estadística en la Ley 4/1986, de 23 de abril, de Estadística de la Comunidad Autónoma de Euskadi, o en otras disposiciones, se entenderán realizadas a Eustat-Euskal Estatistika Erakundea en su versión en euskera y a Eustat-Instituto Vasco de Estadística en su versión en castellano. A tales efectos, los municipios de la Comunidad Autónoma de Euskadi deberán remitir periódicamente, en soporte informático, de acuerdo con los formatos y en períodos estandarizados, la información del padrón municipal de habitantes al Eustat-Instituto Vasco de Estadística. El artículo 2 establece el desarrollo y ejecución de los programas anuales de estadística, con su previsión de adaptación a las necesidades futuras debidamente motivadas.

Un análisis de big data encuentra nuestra comida demasiado dulce

Es importante notar que la manera en que se da la protección a la transferencia de datos y, si es posible, muchas veces al tratamiento que se hace de los mismos, difiere entre un Estado y otro como en el caso de la Unión Europea y los Estados Unidos, que, sin embargo, han accedido a tener un marco regulatorio común para el manejo de los datos (2017, p. 852). Ahora bien, el análisis de grandes volúmenes de datos es un tema que hoy Un curso de tester de software que te prepara en tan sólo 5 meses por hoy interesa a la comunidad internacional. Por un lado, tenemos a los Estados que tienen la capacidad para ser creadores y proveedores de tecnologías; y, por otro, a los Estados que se limitan a la importación de dichos avances tecnológicos. Sin embargo, el uso de las tecnologías puede afectar por igual a los individuos, por lo que al momento de regular el uso de las tecnologías los Estados deben participar en conjunto.

• Lo anterior deja ver que Big Data presenta oportunidades incalculables para la formulación de investigación científica, acelera la innovación y puede ayudar a mejorar ámbitos que van desde la salud hasta el Gobierno.
• Esto es un claro ejemplo de que las cosas pueden salir mal cuando las máquinas tienen un aprendizaje que proviene de los usuarios incorrectos (2018, p. 848).
• Para ello FAIR4Health aplica técnicas de minería de datos distribuida que preservan la privacidad en los conjuntos de datos compartidos.

Otra especialidad de la IA es el aprendizaje profundo (Deep Learning) para evaluar datos de tipo imagen, video y audio empleando redes neuronales convolucionales con sus diversas variantes (Tang et al., 2020) y redes neuronales de memoria a corto y largo plazo. En los últimos diez años han proliferado los regis tros de pacientes gracias a la implementación de FCE, los que inicialmente se almacenaban como Microdatos. Pero la incorporación de toda la información dis ponible, en grandes volúmenes y de variados formatos, hizo que, en algunos casos, estos datos se convirtieran en macrodatos. Estos micro o macrodatos se convirtie ron en la fuente principal que alimentan los llamados “Sistema de apoyo a la Decisión Clínica”, SDC o DSS en inglés25. Los SDC consisten en brindar información filtrada de manera inteligente y presentada para ayudar a los clínicos.

La nube híbrida, una pieza clave en el desarrollo de la IA Generativa

Se plantea, además, que un marco de trabajo para el procesamiento de Big Data presenta ciertos desafíos de investigación, los cuales se pueden reunir en una estructura de tres niveles. La parte central, la “plataforma de minería de Big Data” (nivel I), que se enfoca en el acceso a los datos de bajo nivel y computación. Los desafíos en el intercambio de información y la privacidad, los dominios de aplicación de Big Data y el conocimiento forman el nivel II, que se concentra en la semántica de alto nivel, las aplicaciones de dominio de conocimiento y los problemas de privacidad del usuario. SCOPUS es una de las más grandes bases de datos de resúmenes y citas de literatura revisadas por pares, contienen artículos de revistas científicas, libros y artículos de congresos, posibilitando tener una visión global de la producción académica e investigativa en campos de la ciencia, tecnología, medicina, artes y humanidades [6].

Por ejemplo, muchas operaciones de la bolsa son hechas por sistemas basados en IA en lugar de personas, la velocidad de las operaciones puede aumentar y una transacción puede conducir a otras. Existen varios problemas emergentes asociados a la IA y Big Data, en primer lugar, la naturaleza de algunos de los algoritmos de machine-learning son difícilmente usados en ambientes como MapReduce, por lo cual se requiere de su adaptación. En segundo lugar, Big Data trae consigo datos “sucios”, con errores potenciales, incompletos o de diferente precisión, la IA puede ser usada para identificar y limpiar estos datos sucios. En tercer lugar, la visualización de los datos, con la IA se puede lograr incluir la captura de capacidades de visualización de conocimiento para facilitar el análisis de datos, un enfoque es crear aplicaciones inteligentes de visualización para determinados tipos de datos.

La alerta electrónica (e-alerta) es un sub producto de estos sistemas, las cuales son emisiones de recordatorios con recomendaciones, basadas en guías clínicas y en la situación clínica del paciente, con el fin de apoyar el diagnóstico y las decisiones clínicas del personal de salud. El horizonte de uso de la producción masiva de datos en salud es inconmensurable y, por ende, cada año se incrementa exponencialmente el número de ar tículos científicos que reportan estudios donde se usan Big Data en diferentes disciplinas relacionadas con la salud16,24. A continuación, se describirán algunas ex periencias de aplicación en pediatría de datos masivos y las estrategias de procesamiento y análisis descritas anteriormente en el acápite anterior.