Tenemos fiebre de métricas y estamos cayendo en esas tensiones que nos da ese “espejo” de las métricas (Espejito..espejito quien es más guapo de los dos). Creo que estamos llevando un mal camino en cuanto a las métricas de influencia que están apareciendo en  Social Media:

a) La comodidad ante el uso de herramientas de terceros (y además muchas de ellas gratuitas) para medir una organización que tiene sus particularidades y un capital social que está en la bese de sus fortaleza. Estas herramientas de terceros son opacas y no podemos adecuar su algoritmo a nuestras necesidades.

b) Todos (o casi todos los Social Media tienen características de red social y como tal medible. Se le pueden aplicar la metodología y medidas del análisis de redes con herramientas que nos extraen los grafos de nuestra red. El problema: que no es tan fácil extraer los datos (también con herramientas de terceros con unas características específicas (NameGenWeb y netvizz) y no son open. Y si se extraen no los trata como base de datos relacional o soportando por ejemplo Neo4j.

Métricas hechas con PeerIndex

Vamos a tratar el archiconocido Klout, que en este día dice que ha optimizado y mejorado el algoritmo opaco. No se si estamos un poco todavía maravillados desde este país por las nuevas herramientas que van surgiendo, pero no hay críticas al respecto viendo del cluster marketiniano. En el mundo anglosajón predominan las críticas y no es una herramienta querida por algunos analistas de Social Media. Al final dejo algunas referencias sobre el tema. El CEO de la empresa, Joe Fernandez, tuvo que salir al paso ante periodístas y bloggers para desmentir algunas de las afirmaciones que se habían vertido sobre Klout y creo que con mucha razón esas críticas.

 Las puntuaciones de Klout

La puntuación de Klout es una métrica calculada sobre toda la actividad de sus medios sociales (van por ahora 12 medios y no deja poner enlaces por sindicación a blogs). Klout muestrea una variedad de actividades en las que se puede involucrar una persona, desde entradas y número de seguidores en Twitter hasta la actividad en Facebook y algunas otras redes. En total según cuenta Jason Keath son más de 30 variables. Las fuentes de sus datos pueden ser mejores que las que están disponibles para los “simples mortales”. Tienen un acceso al feed de Twitter completo y sus modelos de negocio intercambian el acceso a las puntuaciones de Klout para que pueda acceder Klout a los datos personales del usuario.

Klout aplica una fórmula propietaria y nada transparente para pesar todos sus usuarios sobre una escala de porecentajes, con celebridades como @ladygaga que encabezan la escala de casi del 100% (actualmente 92), una fuerte “clase media” que anda en en el rango 30%-70% y la mayoría de usuarios despreocupados de Twitter  y situados muy por debajo de esta marca.

Dice el CEO de Klout que tiene muchos ingenieros y eso lo hace más riguroso ( . Y me pregunto ¿por qué no sociólogos, antropólogos y economistas que tienen larga tradición de haber trabajado en estudios analíticos y le dan otra perspectiva?

¿Puede influir en Klout en la medida de algo? Quién sabe. De todo lo que he visto, sí. Pero es bueno para ello? No lo es. La mayor acción o clusterización es que hay un montón de influencias por ahí con resultados que no son tan altos. Todo se reduce al contexto chato y la toma de decisiones humanas basadas en los resultados que están creando.

Lo que Klout ha hecho es poner una cantidad masiva de datos en conjunto de una manera muy estratégica. Y una gran cantidad de datos que es muy conveniente para las situaciones de mercadeo. Creo que los productos de cualquiera de marketing en línea debe prestar atención a Klout y en busca de una oportunidad de utilizar sus datos, pero de forma crítica con esta herramienta por sus condiciones poco solventes para moldear y personalizar.

Críticas a Klout 

Geoff Livingston plantea 5 problemas  que están en Klout y no creo que se hayan solucionado ni con esta última actualización del algoritmo:

1) Se carece de un análisis cualitativo. Se trata de un algoritmo (pedestre) que no mide con precisión las relaciones y sus propiedades y que es propio del análisis de redes. Es más fácil poner un resultado cuantitativo y a correr. Las medidas profesionales de centralidad, poder e influencia tienen muchos matices y se debe “vocalizar en un punto en un área o punto concreto de la red-contigo para ver los resultados. Tan importantes son los nodos centrales como los periféricos en esas interacciones dadas.

2) Es un algoritmo roto (y de poco alcance), ya que la realidad de muchos autores que han influido ampliamente en personas no se toma en cuanta por que no “juegan” con las variables de Klout. Los algoritmos de este tipo deben ser holísticos. Esa influencia tácita no se mide. Por ejemplo, Clay Shirky con una gran influencia en los Social Media y con dos libros de impacto tiene sólo 30. O juegas a su juego o nada. Podría nombrar muchos más casos. Quien se tome a pies juntillas la calificación de Klout será contraproducente para su propia organización. Se tu mismo y no vayas por la vida con la legua fuera para conseguir subir.

3) Quieren influenciar a las organizaciones y toman el camino de respuesta no-confiables, diciendo lo que quieren oír los usuarios seguidores de la empresa, sin que sea esa la realidad. Aquí en España, por nuestro carácter, también ante esto dudamos. Somos personas que desconfiamos a primera instancia.

4) La comercialización de Klout hecha a partir de dar bonos y billetes de avión a los más posesionados arriba del todo en la lista. Algo totalmente estúpido y que crea una cultura tan jerárquica y de clase que en una sociedad red es volver y retroceder para atrás.

5) Las críticas que recibe son hechas sólo con comentarios, pero no se han puesto manos a la obra. Quedarse en las palabras no es un buen ejemplo.

6) Estrategia de cambio. Haz un cambio que parece razonable (como el hecho ayer) para que todo quede igual y acalles las críticas. Como no podemos ver en el algoritmo lo que se ha cambiado nos deja como estábamos.

No soy una persona que critique por criticar, pero esto me parece un abuso a mano levanta para beneficio propio. No tiene pies ni cabeza con respecto a la manera de medir la influencia y centralidad/poder que han desarrollado economistas, antropólogos, sociólogos desde principios de siglo XX cuando Jacob Moreno inventó la sociometría. Yo creo, que debemos tomar una posición distante ante toda esta fiebre de posicionamiento y de medidas. Como alternativas tenemos a Kred y PeerIndex (este último mide la actividad, audiencia y autoridad y que merece la pena probarlo). No creo de todas las maneras conveniente usar en una organización, sea empresarial o no, este tipo de herramientas de terceros.

ALTERNATIVAS

Las alternativas sería pagar por herramientas más caras como Radian6 (que tienen una mayor flexibilidad) o ajustarse al capital humano y las redes que tiene la propia organización para crecer midiendo y creando un algoritmo si es preciso para aplicarlo a herramientas de análisis de redes como Gephi, Netminer, NodeX, Pajek, Ucinet, etc. Esta creo que es una solución rentable mientras no se cambie mucho la API del servicio de Social Media. Mucho más precisa, centrada y localizada en el tipo de centralidad y dentro de un contexto determinado. Creo que estamos tomando un camino “sin control” y de tierras movedizas para empresas y organizaciones serias que quieran hacer medidas serias. De esta manera como en blog de RSA Projects se genera una sociedad de castas.

Actualización:

Otras alternativas a probar y que utilizan sólo Twitter para medir posición, influencia y poder del usuario:

* Twittalizer. No tengo muchas noticias de él y de su funcionamiento. Si alguien quiere comentarlo.

* TweetLevel y su metodología de análisis.

* Tweet Grader y la explicación de su funcionamiento (Gracias Eduardo Woo por el aporte). Creo que está empezando y le faltan ajustar métricas. Es bueno que se centre sólo en Twitter y en su explicación deja muy poco entrever como funciona el algoritmo.

Referencias:

• 17 Alternatives to Klout by David Strom http://rww.to/uV4ZeS
• How Klout Scores Work http://kathlenehestir.com/2010/07/13/how-klout-scores-work/ 
• Why Critics of Klout Are Missing the Big Picture http://bo.lt/89riq
• Why Klout is Important for Your Career http://www.yellowbrickroad.com/follow/3-reasons-why-klout-is-important-for-your-career/
• Klout.com: Find and Compare your Influence with others http://www.mustseeon.net/social-network/klout-com-find-and-compare-your-influence-with-others/
• Why I’m Not Digging the New Klout http://kathlenehestir.com/2010/10/19/why-im-not-digging-the-new-klout/
• Klout & Critics: Time to Close the Door or Kick it Wide Open? http://bit.ly/sVxBn3
• 5 Primary Problems with Klout http://geofflivingston.com/2010/12/16/five-primary-problems-with-klout/
• Is Klout a Good Judge of Your Social Media Influence? http://www.socialmediaexaminer.com/is-klout-a-good-judge-of-your-social-media-influence/
• Nuevo: Klout Responds to Questions and Critics http://bit.ly/sCOTkr
• Nuevo: Qué es Klout y para que sirve: http://bbc.in/vd3nq4
• Nuevo: Klout, herramienta para medir la influencia de tu empresa en las redes sociales: http://bit.ly/uBOi1i

Os dejo la presentación de una propuesta de reforma electoral de la mano de Manuel Castells (cabeza visible) y otras personas que no han querido que salieran en la presentación. Es una vídeo que resume muy bien todo lo que ha venido diciendo hasta ahora. Creo que es el momento de dejar de lado emociones ante el movimiento 15M y lo mediático para pasar al movimiento, a la acción..a la construcción de un pensamiento integrador y, a la vez, disruptivo. No os lo perdáis.

Para la configuración de espacios informales debemos disponer de algoritmos del juego, la intersección y ensamblaje por medio de la sintaxis de los espacios, unas pizcas de capacidad serindípica, metodologías de los espacios abiertos mas las técnicas de los espacios auto-organizados.

Llevo probando unos días Google+, a partir de ahí probando cuestiones de su interface y sus no-posibilidades delatan cuestiones que describiré a continuación, pero antes quiero comentar algo de botón +1.
¿Cómo desvincular +1 de la relación e influencia en tus búsquedas de Google?. Creo que no se puede. Además es una imposición, ya que se hace imposible quitar ese maldito +1. Está influyendo de manera negativa en búsquedas más inteligentes y personalizadas. Creo que el algoritmo debería haber sido al revés. Sobre los gustos extraídos de la cantidad de datos que tiene Google sobre nosotros (Google Reader, Google News, GDocs, Google Maps, etc) a partir de ahí generar un algoritmo personalizado y que vaya aprendiendo de nosotros, no de la imposición de otros. El botón +1 es tendencioso y no es lo mismo que el like de Facebook. Creo que va más allá. Es completamente asimétrico en su posibilidades de acción con un signo -1 (que no lo hay) para dejar de salir resultados de determinada persona o concepto en una expresión booleana de búsqueda.
Es asimétrica la relación de datos con Google (será una simpleza), sabe datos que combinados son muy potentes y que optimizaría los resultados de búsqueda de cada perfil y pudiendo generar una personalización (aquí en la personalización falla y es muy escasa comparándolo con otras alternativas como Blekko y sus slashtag).

Creo que volvemos al período de los “sucios” resultados del motor de búsqueda Altavista (1998-2002) en pasados tiempos. El cambio del algoritmo de Google va encaminado a ser “más” negocio en el posicionamiento. Creo que el +1 sea un apéndice al cambio de sus algoritmo (Panda), pero este no es tema de nuestro post y del que no tengo el suficiente conocimiento para poder hablar de él. Las búsquedas de Google cada vez son menos limpias y entrecruza contenidos spam.

El ecosistema de Google pasa por una integración estratégica de sus otras aplicaciones en G+. Una integración flexible que permita establecer mecanismos de compartición desde cualquier punto. El sitio de red social del que estamos hablando debe hacerse invisible a los ojos del usuario. No se debería tener que entrar en la plataforma para que se pueda interactuar y compartir determinados objetos y contenidos. Si estoy en Picassa, debería integrar lo que quiera en G+, si estoy en GDocs debería poder compartir con un círculo. Por esto, los objetivos y el funcionamiento de este ecosistema es muy distinto a otros como el de Facebook, por ello no se pueden comparar.

La extracción de los contenidos es algo que merece la pena insistir y ver que es fundamental que los contenidos que generamos podamos descargar y hacer una copia de ella. Pero con esto no basta, es insuficiente. Lo que queremos es tener acceso a las vínculos y relaciones. Esto nos permite analíticas de nuestros círculos y las interacciones entre sus nodos.

Los círculos, como representación gráfica, son una metáfora muy poderosa. Esta es, la representación de pequeño mundo en la que muchos teóricos del análisis de redes sociales lo representaron de forma circular. Se trata a mi modo de ver, de redes de afiliación, en el que el compartir y el tráfico constante y exponencial como forma de crecimiento. La afiliación de este sitio de red social tiende a crear una simetría en sus relaciones, pero poco probable en las superestructuras de Internet como una red de libre escala. Busca por ello el equilibrio en unas macroestructuras caóticas y asimétricas. Es lo que se entiende en ARS como una relación diádica que es representada con una flecha con dos arcos.

Un grafo hecho con Fizz en el que vemos la importancia de los círculos

Otra característica es que tiene buenas “armas” para generar clusterización y transitividad en las relaciones de grupo.

Habló de grupo, pero su objetivo cuando se desplieguen las capas de otras herramientas (supongo que esté en unos meses dispuesto en el API) es que se vayan convirtiendo en “robustas” comunidades.
El control de tus publicaciones es un poco sibilino ya que no te deja compartir contigo sólo (solipsismo). Esto lo comento debido a que si publicas un contenido con un círculo como algo restringido por ti, no es así. Cualquiera del círculo puede republicar. Para ello, y no de forma general, se debe ir a una pestaña de triángulo invertido para prohibir la republicación y también la opción de no publicar comentarios. Estos y otros detalles hacen que el funcionamiento de estos grupos sean permeables y sus fronteras líquidas. Esto es una característica de los sitios de redes de los últimos años. ¿Por qué se hace esto?¿Por qué su affordance social de este interface es tan claro pero a la vez tan oculto y limitado para el dominio de sus contenidos? Estos sistemas de sitios de redes sociales pueden ofrecer este tipo de características débiles en un principio y que se despliega su potencial cuando se combinan características sociales y técnicas.

Otro aspecto es la fragmentación de sus flujos, de su densidad de nodos. Es otro de los aspectos a tener en cuenta de los sitios de redes sociales contemporáneos. El contenido sigue siendo secundario en las redes personales o ego-centricas. Las relaciones y sus estructuras sociales es a través de nodos como personas. No son redes para establecer aspectos cognitivos. Las redes cognitivas deben establecer el centro en contenidos, artefactos y objetos. El protagonismo de las personas mata el poder generar redes cognitivas y enactivas propicias para crear movimientos sociales. Las redes de afiliación (el libro de cromos) a gran escala suelen ser estructuras de redes “domesticadas” y controladas por el diseño de las mismas. La personalización e imprevisibilidad de estas, o lo que es lo mismo, la complejidad brilla por su ausencia. Redes propiciadas para afiliarse (me gusta o no me gusta) pero no distribuidas, centralizadas en un nicho de empresas que están para posicionarse en el mercado entre las grandes empresas. No tienen en cuenta aspectos imprevisibles y a la vez disruptivos.
G+, más de lo mismo.

::Conscious Awareness::

Fuente original: Essential Skills for 21st Century Survival: Part 5: Conscious Awareness de Venessa Miemis

Un artículo reciente en el New York Times, Building One Big Brain de R. Wright, me impulsó a escribir sobre esta habilidad en esta serie de 12 partes. La obra cita opiniones de Nicholas Carr sobre cómo Internet está reduciendo la “capacidad para la concentración y la expectación,” dispersando nuestra atención y reduciendo nuestra capacidad de concentración.

A continuación, se plantea que “la tecnología está tejiendo los seres humanos en redes electrónicas que se asemejan a grandes cerebros.” (Es gracioso ver este concepto yendo al flujo principal … hemos hablado sobre esa idea aquí en noviembre pasado en el post “Twitter’s Intelligent, Welcome to Web 3.0”). La etapa siguiente en la línea de pensamiento es que este proceso es parte de nuestra evolución de las especie:

¿Podría ser que, en cierto sentido, el foco de la evolución, tanto la evolución biológica que ha creado una especie inteligente y la evolución tecnológica que está obligada a desencadenar una especie lo suficientemente inteligente, haya sido la creación de estos cerebros sociales, y tal vez incluso tejerlos en un cerebro planetario gigante, poco organizado? ¿Es el tipo de forma biológica en que el punto de la maduración de un organismo es crear un organismo adulto?

El artículo no consideraba la evolución de la tecnología como algo que iba a pasar fuera de nosotros, tal como una inteligencia artificial que nos superará, tal como trae consigo la singularidad tecnológica. (lo que también puede suceder, sin embargo). Más bien, sugiere algo más parecido a un proceso de desarrollo evolutivo, en el que la interconectividad y la cooperación indicarán un movimiento hacia una inteligencia superior. Las ideas que me recordó el trabajo realizado por John Stewart y el grupo de Investigación de la Evolución, Complejidad y Cognición sobre la evolución intencional. Consulte su Manifiesto evolutivo.

Como alguien que paso la mayor parte de mi tiempo online, igual que en las premisas del artículo, disminuyó la atención centrada e incrementó el potencial para una conciencia distribuida. Pero me pregunto si va a surgir un cerebro planetariamente inteligente sin alguna intención y conciencia de la conciencia por nuestra parte.

Llamado presencia, el concepto budista de la atención, o una versión de la meditación, pero que veo que este aumento de la hiperconectividad nos fuerza a adoptar algún tipo de prácticas mentales con el fin de ser humanos altamente operativos y eficaces. Mientras que la Web es una herramienta que nos permite ampliar nuestras mentes, nuestras identidades y nuestras visiones del mundo, también puede ser una trampa que nos lleva a comportamientos compulsivos que pueden ser casi incapacitantes. Lo experimento por mi mismo, tratando de leer cualquier cosa semi-interesante, de lo que me envían por correo electrónico, buscando afanosamente Twitter para que el artículo de lectura obligada que va a ser realmente importante, o chateando e ideando con los amigos sin parar. En algún momento, se da un paso atrás y se da cuenta de que uno está operando en un estado reaccionario la mayor parte del tiempo, intentando la imposible tarea de “estar al día” con el flujo de información o persiguiéndolo tangencialmente.

¿Dónde está nuestra práctica que nos recuerda que debemos reevaluar la situación, recontextualizarla, y tenerla presente y ser conscientes de nuestros pensamientos y acciones?

Una red mundial interconectada de pensamientos dispersos no suena inteligente, suena caótico. Tanto dentro como fuera de la web, si nos permitimos que nos distraigan todas las fuerzas que hay a nuestro alrededor, ¿realmente creemos que vamos a evolucionar por arte de magia? Y ¿qué entendemos por la evolución? Sólo por estar conectados no se garantiza el crecimiento. Si aspiramos a ascender en la escala de la conciencia a ideales más elevados como la auto-reflexión, la cooperación, la compasión y la empatía, ¿no va a requerir algo de conciencia intencional?

Hemos visto estudios que indican que la meditación/atención fomentan la envergadura de la atención, así como el estado de ánimo y la fuerza mental. Pero también nos hace pensar un poco sobre el papel de sí mismo y cómo se relaciona con el otro, sobre lo que somos, por qué pensamos lo que pensamos, cómo nuestros pensamientos y comportamientos están influenciados por nuestras mentes y nuestros entornos, cómo aprovechar más la intuición y la claridad, cómo filtrar a través del ruido para llegar a lo que importa, y cómo decidir incluso lo que importa cuando nuestra conciencia se expande para incluir a toda la humanidad.

Claro, el mundo es rápido y complejo, pero parece que mucho de lo que nos distrae se debe a nuestra propia incapacidad para conectar con tierra y optar por dirigir nuestra atención a lo que realmente valoramos. El sistema está configurado de modo que es muy fácil poner el piloto automático, yendo a través de propuestas de resolución sin necesidad de ser conscientemente consciente. Pero no podemos darnos ese lujo durante mucho tiempo. Es interesante que lo que una vez se consideró como una práctica exclusivamente oriental o un capricho de la New Age pueda muy bien resultar ser una herramienta esencial para la supervivencia y la cordura, gracias a la tensión impuesta por nuestros avances tecnológicos.

Fuente original: Essential Skills for 21st Century Survival: Part 2: Environmental Scanning by Vanessa Miemis

Hemos analizado recientemente el reconocimiento de patrones y el papel que desempeña en la comprensión y toma de decisiones. El siguiente tema, en esta parte de una serie de 12 (incompletos), partió de la caja de herramientas de pensamientos de futuros.

Exploración del entorno

Tradicionalmente, el análisis ambiental [environmental scanning] se explicaba en un contexto empresarial como un enfoque estratégico para la adquisición de información con el fin de mantenerse al día sobre los acontecimientos, nuevas tendencias y factores externos que podrían influir o impactar en una organización. Básicamente, significa prestar atención a lo que está pasando dentro de una industria, controlando lo que están haciendo sus competidores, lo que están diciendo sus clientes, y sensibilizándose de las posibles amenazas u oportunidades en el camino.

Recientemente me encontré con un ensayo titulado A new framework for environmental scanning, que presenta un enfoque de este proceso más holístico. El autor referencia el trabajo de Ken Wilber, el desarrollador de la Teoría Integral, que ha creado un marco para examinar las “maneras de conocer”, la cual se divide en cuatro cuadrantes. La imagen de arriba es un boceto simplificado que hice después de ver su versión y otra que vi aquí.

El área generalmente dirigida a los profesionales está representada en el cuadrante inferior derecho, que analiza las tendencias en los sistemas a gran escala que están constantemente en juego. [Las siglas STEEP se usan para recordar las categorías, sociales, tecnológicas, ambientales, económicas y políticas]. Muchos de nosotros somos exploradores activos online, y hay una multitud de herramientas para facilitar el proceso. Se pueden configurar los canales RSS, alertas de Google, suscripciones a listas de correo y boletines de noticias, o visitas a sitios agregados por tema, como Alltop, o utilizar los servicios donde los usuarios hacen la agregación, como Twine. El futurista John Mahaffie ya ha escrito un post muy completo sobre esto titulado Environmental Scanning in the Digital Age, así que trataré de no ser demasiado repetitiva.

La única herramienta que voy a añadir, que ella no mencionó en su post, es Twitter. Se ha convertido en mi plataforma online favorita para el descubrimiento compartido, no sólo porque está todo el flujo de la información que realmente ocurre en tiempo real, sino porque se está hablando de la vida real! Aunque tiene un formato muy corto (sólo 140 caracteres), se pueden intercambiar opiniones o puntos rápidos en torno a un tema, lo que permite considerar una serie de perspectivas. Este tipo de interacción también cambia la exploración de lo que es el cuadrante puramente objetivo y de lo que es subjetivo y colectivo. La evaluación de las tendencias y las estadísticas es valiosa, pero también lo es la exploración de los valores culturales e hipótesis que cambian como resultado de la nueva información o circunstancias.

Pensando en offline, el proceso de exploración se refiere a tener conciencia del entorno inmediato y exponerse a situaciones en las que pueden cruzar ideas y hacer nuevas conexiones. Esto puede ser cualquier cosa, desde reuniones en congresos u otros eventos de red en donde se pueden compartir ideas con otros pensadores en su campo de interés.

Al comprometerse con otra habilidad que abordaremos más adelante en la serie, la atención, la vida entera se convierte en un proceso de exploración. Permanecer centrado conscientemente en el presente mantiene en contacto con los propios pensamientos y emociones, y consciente de las interacciones y relaciones con otras personas. Entender lo que hacen a las personas al instante y por qué piensan lo que piensan es tan importante como una habilidad de comprensión de las fuerzas más importantes que operan en la sociedad.

¿Por qué es importante?

Bueno, si el reconocimiento de patrones es una habilidad que conduce a una mejor toma de decisiones, el análisis ambiental es un proceso para ayudar a detectar patrones. El mundo es cada vez más plenamente interdependiente, y no es suficiente prestar atención al propio campo o industria. La más global y comprensivo que se puede obtener de la “gran imagen”, la posición mejor será anticipar y adaptarse al cambio, manteniéndose competitivo uno mismo y la propia organización.

Fuente original: Essential Skills for 21st Century Survival: Part I: Pattern Recognition by Vanessa Miemis

Durante los últimos meses, hemos estado discutiendo las diferentes habilidades necesarias para funcionar eficazmente en un mundo caracterizado por la información y el cambio, y yo he estado integrando estas ideas en un marco para una nueva arquitectura de pensamiento. Este post será el primero de una serie de doce, y señala sus influencias a partir de los campos de Estudios del futuro, Ciencia de la complejidad, Teoría de sistemas, Cibernética, Análisis de redes sociales, Gestión del conocimiento, sentido común, y exploración en mi propio pensamiento.
Todas las habilidades de las que trataré ya están en práctica en nuestros cerebros, es sólo una cuestión de ser más consciente de ellas para que podamos agudizarlas. Me las imagino todas ocurriendo al mismo tiempo y todas reforzándose entre sí, creando lazos de retroalimentación constante que conciencian a las personas y construyen la inteligencia. Aunque voy a identificar 12 áreas, la mayoría son componentes de las demás, así que veremos cómo podemos ampliarlas o perfeccionarlas a medida que las presentamos.

Pattern Recognition- Reconocimiento de patrones

La habilidad para localizar modelos existentes o emergentes es una de las principales (sino la más importante) habilidades críticas en la toma de decisiones inteligente, sobre todo cuando somos conscientes de que lo hacemos todo el tiempo. La combinación de la experiencia, intuición y sentido común, la capacidad de reconocer patrones nos da la capacidad de predecir lo que sucederá en el futuro con algún grado de exactitud. Los más capaces somos de predecir lo que sucederá, cuanto más inteligentes seamos. Así, se podría decir que el propósito de la inteligencia es la predicción.
Veamos un ejemplo:
Imagine estar conduciendo desde el trabajo a casa y que tienes varias rutas diferentes disiponibles. Usted puede saber que la ruta A le obligará a ir pegado detrás del autobús escolar, la B le pondrá en tráfico “dead-stop” con los viajeros que salen del tren y la C es más larga, pero que llegará a casa antes porque el flujo del tráfico es mejor.
Probablemente no pensará en estas opciones cada vez que vaya a casa, porque sería un desperdicio de energía mental. Ya ha pasado por el proceso de descubrir que la ruta C es la mejor en un momento determinado del día en determinados días de la semana.
Una extensión más de este ejemplo es el proceso de llegar a casa una vez que se seleccione la ruta óptima. Si usted es como yo, es posible que muchas veces haya llegado a su casa sólo para darse cuenta que no tiene ningún recuerdo consciente de cómo ha llegado hasta allí. Claro, usted sabe que tomó la ruta C, pero realmente estaría pensando en cada vuelta que haya realizado, ¿o fue su cerebro en “piloto automático”?
Una vez más, no tendría sentido para usted tener que pensar en ello cada vez. En su lugar, usted probablemente es consciente ambientalmente de su ubicación, que a la derecha está ese árbol grande, a la izquierda la pizzería, y otra vez a la derecha la casa de Bob. Su cerebro está reconociendo patrones en su entorno.
De la misma manera que el reconocimiento del patrón en el ejemplo de la conducción, está funcionando cada vez que sus sentidos tomen información. Ya sea algo que vea, oiga, saboree, toque o huela, en el momento mismo que esté teniendo la experiencia actual, su cerebro está comparándolo con cosas que ya conoce, y viendo cómo encaja. Si tiene un punto de referencia, su cerebro lo archiva como una correlación o similitud o tangencial. Si se trata de una novedad, su cerebro está retado y, o bien va a construir un nuevo modelo para comprender y procesar esta información, a guardarla para su posterior consideración, o simplemente rechaza y desecha la información.
(Esta siguiente etapa del proceso de pensar, de elegir la forma de integrar la información y darle sentido, se ha denominado “interpretar [sensemaking].”Sabiendo que información integrar y de cuál hacer caso omiso es una habilidad en sí misma, como lo expresó Shirky, “no es la sobrecarga de información, es el fracaso en filtrar.” Pero esta etapa es también un lugar donde muchos de nosotros desaprovechamos oportunidades de crecimiento, porque a menudo es más fácil rechazar la información que no se entiende de inmediato que hacer el esfuerzo de crear un nuevo modelo mental. Esto me hace pensar en las personas que luchan con la adaptación al cambio o borran experiencias potencialmente intuitivas como “coincidencias.” Más sobre interpretar en posts siguientes.)
El punto es que a nuestro alrededor hay señales fuertes y débiles, los patrones, los cuales indican que ha sucedido un cambio, está sucediendo, o tiene el potencial de suceder. Aunque todavía habrá comodines y cisnes negros [es la peli] eventos de baja probabilidad, o gran impacto, la capacidad para anticipar y adaptarse a condiciones cambiantes en el entorno son las características de las personas y organizaciones inteligentes.
Aunque algunas investigaciones sugieren que más del 99,99% del procesamiento en el cerebro ocurre en un nivel subconsciente, y por lo tanto más allá de nuestro “control”, he encontrado que simplemente el hecho de ser consciente de mi proceso de pensamiento mejora mi capacidad de reconocer patrones. Para mí, la atención y la metacognición (más habilidades de esta serie) han sido importantes instrumentos para ayudar a ampliar mi capacidad cognitiva.
Así pues, he descrito como veo que funciona el reconocimiento de patrones a nivel individual, pero estoy aún más interesada en saber cómo se aplica esto a la construcción de la inteligencia colectiva. Hemos estado explorando diferentes maneras de fomentar la colaboración y la expansión de la mente dentro de un entorno de red, al igual que con nuestra idea Junto, y tengo curiosidad por escuchar sus ideas sobre cómo identificar los patrones que podrían desempeñar un papel más importante en los proyectos e iniciativas que estamos construyendo juntos.

Exploración adicional

Futures Studies

Foresight

Complex Adaptive Systems

NoosphereCollective Intelligence

Extended Mind Monica Anderson of Syntience, on Artificial Intuition

Books

Thinking about the Future

Futuring: The Exploration of the Future

Foundations of Futures Studies

Este término es adaptado del inglés “Swarm Intelligence” y se trata de un enjambre/grupo que se define como una población de elementos interactuantes que son capaces de optimizar un objetivo global a través de la búsqueda de colaboración de un espacio (Kennedy, 2001). Los elementos o agentes pueden ser máquinas muy simples o muy complejas. Existen dos restricciones que deben observarse: se suelen limitar a las interacciones locales, por lo general la interacción no se realiza directamente, sino indirectamente a través del entorno. Es lo que se llama la estigmergía. La propiedad básica que los hace enjambres es su comportamiento de autoorganización, es decir, es el hecho de que una gran cantidad de procesos simples pueden conducir a resultados complejos y que explica muy bien Len Fisher en su último libro “The perfect swarm: the science of complexity in everyday life”

El comportamiento de las hormigas es el ejemplo más conocido de la inteligencia de enjambre. En muchas especies de hormigas tienen un depósito de una sustancia química llamada feromona. Es un medio de señales cuyas principales ventajas son el gran alcance y el evitar obstáculos, puesto que son arrastradas por el aire. Por ello, las hormigas no se comunican directamente entre sí, pero siguen rastros de feromona (dejando a sus propias feromonas, por lo que la pista se ve reforzado). El camino que conecta la fuente de alimento y el nido está optimizado, y además, no tienen ningún tipo de conocimiento global del problema por cualquiera de los agentes. Este proceso de comunicación indirecta en un enjambre se llama estigmergía (en el siguiente post hablaré de su importancia para una colaboración natural en grupos) como comentamos arriba. La posibilidad de que un sistema se quede atascado localmente es una solución mucho mejor, pero no la óptima no se conoce el estancamiento (Bonabeau, 1999).

Elementos de la investigación

La inteligencia de enjambre es un creciente campo de investigación bastante activo y sus aplicaciones fuera de Internet son múltiples. Las técnicas de inteligencia de enjambre se han aplicado a muchos tipos diferentes de problemas. Los ejemplos van desde la muy general, el gráfico como colorante (Costa, 1995) o la satisfacción de restricciones (ver Zlochin de 2002, para una encuesta sobre este tema), a las aplicadas a problemas muy particulares como la asignación de tareas para los robots en una fábrica (Morley , 1996), la expedición de una flota de camiones (Gambardella, 1999), o incluso el diseño de un calendario conjunto de cursos universitarios (Socha, 2002). Hay un buen estudio de aplicaciones de robótica, junto con las explicaciones de los comportamientos diferentes de hormigas que los inspiraron (alimentación de los alimentos para el transporte colectivo o la construcción de nidos).

Aplicaciones a partir de agentes virtuales

La mayoría de las aplicaciones basadas en fenómenos de la inteligencia de enjambre se basan en grupos de agentes virtuales. Ellos muestran buenos resultados cuando se aplica a los problemas que se distribuyen espacialmente y cambian con el tiempo. Como muchos de los problemas de Internet se distribuyen y variables en el tiempo por la naturaleza, basado en la optimización de enjambre y técnicas de resolución de problemas se presenta con buenos resultados cuando se aplica a ellos.
Si nos centramos en aplicaciones orientadas a la red, la mayoría están relacionados con problemas de enrutamiento. Aunque ha habido mucha investigación sobre este tema (véase Steenstrup, 1995 para una buena encuesta), las técnicas de inteligencia de enjambre se adaptan especialmente a los grupos de los problemas a medida o que tienen unas ciertas similitudes unos de otros y que son inherentemente dinámicos y distribuidos.
En redes de paquetes como Internet, cada paquete puede seguir una ruta diferente hacia su destino. La función principal de una red de paquetes es asegurar la distribución eficiente de información entre sus usuarios. Hay tres cuestiones principales que deben tenerse en cuenta: el control de la congestión, la seguridad de la comunicación, y de enrutamiento. Ha habido muchos enfoques de enjambre basado en el problema de enrutamiento (ver Dorigo, 2004 para una encuesta). Nos centraremos aquí en el algoritmo AntNet en la forma que lo explica Dorigo (2004), ya que es un ejemplo representativo y muestra todas las características principales de los enfoques basados en enjambre (los agentes simples, la comunicación indirecta, y el comportamiento de enjambre de forma emergente). Se pueden encontrar más algoritmos de optimización en Bonabeau (1999) y Dorigo (2004).

El algoritmo AntNet

El algoritmo AntNet es distribuido y adaptativo, aplicando la distancia-vector al algoritmo de enrutamiento. Es un caso especial del algoritmo ACO sobre la base de hormigas artificiales y deposición de las feromonas. Los agentes de AntNet , al mismo tiempo, exploran la información en la red y el intercambio de la recogida. La comunicación entre los agentes es indirecta y asincrónica, mediada por la propia red (características para investigaciones en conceptos como estigmergía y autoorganización). En AntNet (Paper: AntNet: Distributed Stigmergetic Control for Communications Networks). En este artículo se presenta un enfoque diferente y cómo optimizar el aprendizaje de adaptación ante una situación o problema. Cada nodo mantiene dos tablas diferentes (aparte de la tabla de enrutamiento): una tabla de feromona, T, y una red de tráfico de modelo, M. Su construcción y el mecanismo de actualización se explica a continuación (Gutiérrez, 2007):
AntNet utiliza dos tipos de agentes artificiales en las hormigas: las hormigas adelantadas y las hormigas retrasadas. Las hormigas son independientes y no hay ni coordinación ni comunicación directa entre ellas. Las hormigas de adelante se generan en cada nodo, y se dirigen a otros nodos en relación con el tráfico generado del nodo: las hormigas de adelante se van hacia los nodos donde se está más de tráfico han enviado. Comparten las colas normales utilizados por los paquetes de datos, por lo que la experiencia de la misma carga de tráfico. Almacenan el camino para viajar hasta que llegan a su destino. Las hormigas con versiones anteriores se generan cuando una hormiga de adelante llega a su destino, y sigue el camino almacenados por la hormiga hacia adelante correspondiente. No todas las hormigas de adelante lleguen a su destino, como las hormigas que realizan un ciclo (visita un nodo ya visitado), que es más de la mitad de la edad de la hormiga que descartan. Las hormigas con versiones anteriores de uso de colas de alta prioridad en su camino de regreso.
Después de llegar a cada nodo, las hormigas seleccionan su próximo salto probabilístico de acuerdo con la matriz de feromonas (evitando, si es posible, los nodos que ya han visitado). Las feromonas de la matriz tienen un número de columnas igual al número de nodos en la red, y un número de filas igual al número de enlaces salientes (vecinos) del nodo. Todas las columnas suman uno y, para un determinado destino, que muestran la probabilidad (sin corregir) que una hormiga de adelante seguirá ese enlace. Esta probabilidad se corrige mediante una regla heurística que le da una mayor probabilidad a los vínculos con colas vacías de salida, así que el sistema es reactivo a las fluctuaciones de carga de la red. La misión de las hormigas a seguir es almacenar la ruta seguida a su destino y para registrar el tiempo necesario para llegar a todos los nodos a lo largo de ella.

La misión de las hormigas de atrás es la actualización de las feromonas y las matrices en el modelo de tráfico. El modelo de tráfico de la matriz tiene tres filas, y para todos los almacenes de destino posible de la media (μd) y el tiempo de la varianza (σd) para llegar allí, así como el mejor momento durante las iteraciones máximas del pasado. Cuando una hormiga de atrás llega a un nodo, el nodo de la matriz M se actualiza con los valores almacenados en la memoria de la hormiga (recogidos por la hormiga con interés correspondiente). La media de ambos se actualizan de forma que los valores más recientes tienen más peso que los antiguos. La actualización de la matriz T feromonas se realiza de una manera que depende de una medida de la bondad asociadas con el tiempo de viaje experimentado por la hormiga hacia adelante. El valor de feromonas que se corresponde con el nodo de destino y el enlace de salida de las hormigas que se incrementan (valores pequeños de feromonas se incrementan proporcionalmente más). Los demás valores se reducen en consecuencia (la evaporación de feromonas virtuales) para que la columna de resumen a uno.
Por último, los paquetes de datos en un escenario AntNet se envían probabilísticamente. Las tablas de rutas se calculan a partir de tablas de feromonas para elevar cada probabilidad a un factor, por lo tanto aumentan las probabilidades altas y dejan de lado las bajas.
AntNet se ha simulado y en comparación con otros algoritmos de estado es una técnica de ruta distribuida llamada Bellman-Ford.

Otros algoritmos.

Existen otros algoritmos de optimización en estadios de enjambre:

• Optimización de la colonia de la hormiga (Ant Colony Optimization)
• Optimización del enjambre de la partícula (Particle Swarm Optimization)
• Búsqueda estocástica de la difusión (Stochastic diffusion search)
• Gravitacional algoritmo de búsqueda (Gravitational search algorithm)
• Gotas de agua inteligentes (Intelligent Water Drops)
• Rio dinámico de formación (River formation dynamics)

Existen muchos más algoritmos que optimizan los procesos y acciones de emjambre (swarming).

Inteligencia de enjambre aplicada a grupos sociales

Hay varias aplicaciones que se basan en personas reales en lugar de agentes virtuales, pero sin embargo muestran características de los comportamientos de enjambre. Ejemplo de ello es cuando una gran cantidad de personas que interactúan sin ninguna comunicación directa entre ellos, la comunicación indirecta a través de algún tipo de entorno (de aprendizaje), y sus patrones emergentes, no se relacionan con comportamientos individuales.
Hay dos formas que se pueden analizar en grupos sociales desde esta perspectiva:
1) El filtrado colaborativo.
Se basa en la premisa de que las personas que buscan información debe ser capaz de hacer uso de lo que otros ya han encontrado y evaluado.
Los sistemas tradicionales de filtrado colaborativo (Dron, 1999) almacena las preferencias y las evaluaciones de los usuarios con respecto a varios elementos (de las novelas y canciones, a los recursos de aprendizaje en una clase). Esas preferencias permiten a otros usuarios a ver lo que sus compañeros preferidos, y utilizar esta información como guía para sus acciones.
En los últimos años, el crecimiento del comercio electrónico ha estimulado el uso de sistemas de filtrado de colaborar como los sistemas de recomendación. Por lo tanto, el objetivo de un sistema moderno de filtrado colaborativo puede enunciarse como la predicción de la utilidad de un determinado tema para un usuario particular, sobre la base de gustos anteriores del usuario y las opiniones de otros usuarios con gustos similares.
Modernos sistemas de filtrado colaborativo puede ser clasificados en dos tipos: basados en memoria y basados en su modelo. Los primeros en utilizar una base de datos de usuario-elemento para generar una predicción. Estos sistemas utilizan técnicas estadísticas para encontrar un conjunto de usuarios (vecinos) que tienen un perfil similar de acuerdo con el usuario de destino. Modelo basado en algoritmos de filtrado colaborativo proporcionan recomendaciones para un tema concreto, en primer lugar el desarrollo de un modelo de valoraciones. Algoritmos en esta categoría adoptan un enfoque probabilístico y visualizan el proceso de filtrado colaborativo como calcular el valor esperado de una predicción de usuario, teniendo en cuenta su calificación en otros artículos. El proceso de construcción de modelos se realiza mediante diferentes técnicas, tales como las redes bayesianas, el análisis semántico latente o los enfoques basados ​​en reglas.

2) Secuenciación adaptativa de colaboración.
La secuenciación de adaptación es uno de los principales retos en la actualidad en el ámbito de la educación basada en la Web o en cursos virtuales a distancia. Se puede afirmar que el problema de seleccionar el orden en que se presentan un conjunto de unidades para el estudiante (en una secuencia) con el fin de hacer su aprendizaje lo más exitosa posible, teniendo en cuenta las capacidades y necesidades de cada estudiante (personalización). Estos estudiantes diferentes maximizan su aprendizaje con diferentes secuencias de actividades: algunos se beneficiarán de una secuencia con un enfoque de arriba hacia abajo, mientras que otros prefieren lo contrario, secuencias más largas de ejercicios para los temas que se encuentran especialmente difícil puede ser preferible, así como más corto para los conjuntos de temas que ya conocen, y algunos prefieren actividades con una gran cantidad de texto escrito, mientras que otros aprenden más con los recursos gráficos, etc.
Aunque los estudiantes diferentes prefieren diferentes secuencias de aprendizaje, sus preferencias muestran cierto grado de correlación, como en el caso anterior. Por otra parte, el problema de la secuenciación es una de optimización de la ruta (“encontrar el camino que maximiza el aprendizaje”) como hace las técnicas de swarming planteadas aquí.

Futuro

En cualquier caso, muchas de las aplicaciones más prometedoras de las técnicas de inteligencia de enjambre se están desarrollando en Internet y proceden del ámbito enjambre social. Filtrado colaborativo es un campo activo en algunas aplicaciones comerciales, como el sistema de recomendación Amazon.com (Linden, 2003), mientras que la investigación sobre la secuencia de colaboración puede conducir a una mejor comprensión de la forma en que el usuario navega por la Web.

Aunque el problema de la secuenciación trae similitudes con otros problemas de optimización de ruta, existen diferencias que deben tenerse en cuenta. En primer lugar, el camino tiene que ser optimizado para cada usuario. El camino que es “óptimo” para todo el mundo puede no ser óptima para cada estudiante. Esto es especialmente crítico para los sistemas e-learning. El enfoque adoptado por Gutiérrez (2006) es una mezcla de ambos en colaboración tradicionales de filtrado y sistemas de secuenciación de colaboración, dando a los estudiantes información sobre el desempeño de sus pares y las medidas adoptadas por ellas (como grupo, no individualmente). Este enfoque pone al estudiante en un estado metacognitivo cuando se enfrentan con sus compañeros a los resultados o resolución de probelmas y trae algunas similitudes con el método propuesto en Valigiani (2006), aunque en ese caso la comparación se hace entre los alumnos y el nivel de ejercicios.

Ver el siguiente post con algún video: Swarm Intelligence (15 de febrero de 2011) por Andrés Schuschny.

Referencias:

Abraham, A., Grosan, C., & Ramos, V. (2006). Swarm intelligence in data mining. Springer.
Blum, C., & Merkle, D. (2008). Swarm intelligence: introduction and applications. Springer.
Bonabeau, E., Dorigo, M., & Theraulaz, G. (1999). Swarm intelligence: from natural to artificial systems. Oxford University Press.
Coello, C. A. C., Dehuri, S., & Ghosh, S. (2009). Swarm Intelligence for Multi-objective Problems in Data Mining. Springer.
Dorigo, M. (2010). Swarm Intelligence: 7th International Conference, ANTS 2010, Brussels, Belgium,September 8-10, 2010. Proceedings. Springer.
Dorigo, M., Blum, C., & Birattari, M. (2008). Ant colony optimization and swarm intelligence: 6th international conference, ANTS 2008, Brussels, Belgium, September 22-24, 2008 ; proceedings. Springer.
Dorigo, M., & Stützle, T. (2004). Ant colony optimization. Cambridge, Mass: MIT Press.
Dron, J., Mitchell, R., Siviter, P,& Boyne, C. (1999). CoFIND: Experiment in n-dimensional collaborative filtering. In Proceedings of WebNet 99.

Freire, M. (2007). Encyclopedia of Internet Technologies and Applications. Information Science Publishing.
Gambardella, L. M., Taillard, E., & Agazzi, G. (1999). MACS-VRPTW: A Multiple Ant Colony System for Vehicle Routing Problems with Time Windows. Istituto Dalle Molle Di Studi Sull Intelligenza Artificiale. Recuperado a partir de http://portal.acm.org/citation.cfm?id=870474
Huang, Y., & Liu, C. (2009). Applying Adaptive Swarm Intelligence Technology With Structuration in Web-based Collaborative Learning. Computers & Education, 52, 789–799. Recuperado a partir de http://www.scribd.com/doc/31566493/Huang-Applying-Adaptive-Swarm-Intelligence-Technology-With-Structuration-in-Web-based-Collaborative-Learning
Gutiérrez, S., Pardo, A., Delgado, & Kloos, C. (2006). Some ideas for the collaborative search of the optimal learning path. Proceedings of Adaptive Hypermedia 2006.
Gutiérrez, S., Pardo, A., & Delgado, C. (2007). Swarm Intelligence Applications for the Internet. En Encyclopedia of Internet Technologies and Applications. Hershey, PA: Information Science Publishing.
Kennedy, J., Eberhart, R. C., & Shi, Y. (2001). Swarm intelligence. Morgan Kaufmann. Recuperado a partir de http://www.swarmintelligence.org/SIBook/SI.php
Li, F., He, X., & Xu, J. (2010). A new learning model for swarm intelligence based on Q-learning. En Intelligent Control and Automation (WCICA), 2010 8th World Congress on (págs. 2769-2775). Presented at the Intelligent Control and Automation (WCICA), 2010 8th World Congress on. doi:10.1109/WCICA.2010.5554902
Lim, C. P., Jain, L. C., & Dehuri, S. (2009). Innovations in Swarm Intelligence. Springer.
Miller, &. (2007). Swarm Theory. [[National Geographic Magazine]]. Recuperado a partir de http://www7.nationalgeographic.com/ngm/0707/feature5/
Miller, P. (2007). Swarm Theory. Recuperado a partir de http://www7.nationalgeographic.com/ngm/0707/feature5/
Nedjah, N., & Mourelle, L. D. M. (2006). Swarm intelligent systems. Springer.
Surhone, L. M., Timpledon, M. T., & Marseken, S. F. (2010). Swarm Intelligence: Collective Behavior, Decentralization, Self-organization, Artificial Intelligence, Cellular Automaton, Swarm Robotics, Swarm, Ant Colony Optimization, Particle Swarm Optimization. Betascript Publishers.
Swarm intelligence: from natural to artificial systems. (2006). . Oxford University Press.
Tan, Y. (2010). Advances in Swarm Intelligence: First International Conference, ICSI 2010, Beijing, China, June 12-15, 2010, Proceedings. Springer.
Valigiani, G., Lutton, E., Jamont, Y., Biojout, R., & Collet, P. (2006). Automatic rating process to audit a man-hill. WSEAS Transactions on Advances in Engi- neering Education, 3(1), 1-7.
Winkler, R. (2005). Swarm intelligence: review and application. University of Northern Colorado.
Wong, L., & Looi, C. (2010). Swarm intelligence: new techniques for adaptive systems to provide learning support. Interactive Learning Environments. doi:10.1080/10494821003714681
Yao Xinsheng, Xu Guangyin, Cui Yan, Fan Shasha, & Wei Jianguang. (2009). Application of the swarm intelligence in the organization of agricultural products logistics. En Computer Science & Education, 2009. ICCSE ’09. 4th International Conference on (págs. 77-80). Presented at the Computer Science & Education, 2009. ICCSE ’09. 4th International Conference on. doi:10.1109/ICCSE.2009.5228522