Explorando nuevas formas de colaboración y trabajo en red

TOP

marzo 2015

En un post anterior escribí sobre los límites de la diversidad en los proyectos de Inteligencia Colectiva, y me gustaría volver a este tema añadiendo un nuevo factor que desarrolla Michael Nielsen en su libro “Reinventing Discovery”, y que explica por qué a veces resulta imposible escalar colectivamente la inteligencia de un grupo si no existe lo que él llama una “praxis común” (“a shared praxis”) que haga posible la agregación. Michael Nielsen afirma que un requisito fundamental para amplificar la Inteligencia Colectiva es que los participantes compartan “un cuerpo común de conocimientos y técnicas”. Que haya una “praxis común” significa que el colectivo se ha puesto de acuerdo en torno a unas premisas básicas para abordar el problema, y que hay referentes compartidos sobre cómo valorar lo que es correcto o  incorrecto. Cuando eso se da, los participantes pueden reconocer si avanzan, o no, en el proceso de búsqueda colectiva de la solución. Esta idea se va a entender mejor con ejemplos. En ámbitos como el análisis matemático, el razonamiento ajedrecístico o la programación de software, existen métodos y normas estándar que ayudan a adoptar códigos comunes y a discernir entre una mala o buena solución. No ocurre así en campos como la política, donde es fácil discrepar sobre los valores y las premisas básicas; o en el arte, donde las perspectivas suelen ser muy subjetivas (no hay estándares estéticos consensuados) a la hora de evaluar el valor de una obra creativa, o una pieza musical, una pintura, e incluso, un libro. Un caso interesante es la Economía, donde si bien existen métodos de razonamiento generalmente aceptados, también hay fuertes discrepancias en torno a cuestiones fundamentales. Como dice Nielsen: “aunque hay una ‘praxis común’ en economía, no es tan fuerte como la que existe en matemática, programación o el ajedrez”. Eso explica, de acuerdo al autor, que haya muchas cuestiones en economía que cueste tanto abordarlas por métodos de Inteligencia Colectiva. Esto, al parecer es más fácil cuando el debate se centra en modelos matemáticos, pero en otros ámbitos, es más complicado. Tendría que aclarar algo aquí. Cuando Nielsen dice que sin praxis común es difícil “escalar” la Inteligencia Colectiva (IC), se refiere a llegar a conseguir consensos o acuerdos robustos y muy mayoritarios. Se está refiriendo a lograr una IC de calidad, o sea, que refleje un juicio o decisión colectiva que satisfaga al mayor porcentaje posible de participantes. Hago esta matización

En un post anterior expliqué el gran proyecto de “Escuela de Innovación Política” (@innovapolítica) que se está impulsando desde Colombia por el equipo de Camilo Romero, y con el que tengo el placer de colaborar desde sus inicios. El primer curso-piloto se estrenó el 2 de Marzo, y me he estado encargando de dinamizar y acompañar el módulo inicial dedicado a la Inteligencia Colectiva. Además de seguir el grupo que se creó en Facebook, hemos estado respondiendo preguntas sobre el tema que se han subido a Reddit. La participación es intensa, y se nota un gran interés en torno a este asunto, lo que a mí me tiene encantado :-) Para cerrar este primer módulo, organizamos un hang-out en vivo el pasado jueves-12, con el fin de explicar conceptos, herramientas y metodologías de Inteligencia Colectiva, y responder preguntas que nos hicieran a través de las redes sociales. El hang-out fue un éxito, a pesar de que el horario elegido no era el más cómodo para los participantes (13:00 hrs. de Colombia), pero tuvimos que buscar una solución de compromiso para no tener que trasnochar o madrugar desde España. Hubo como mínimo unas 130 conexiones en la transmisión en directo desde distintas ciudades y municipios de Colombia, también con alumno/as desde México, Chile, Ecuador y otros países. Los organizadores estiman una participación real mucho mayor, porque en varios sitios el seguimiento fue en grupo (5-6 personas por ordenador), por colectivos que decidieron seguir el hang-out a través de una misma IP. En ciudades como Pasto o Ibagué, había grupos de 15-30 estudiantes viendo la transmisión. Asimismo, para las personas que no pudieron asistir al streaming, se ha subido el vídeo a Youtube, que también se está visionando de forma asíncrona como material pedagógico de apoyo al módulo-1. El nivel de implicación y actividad de los participantes en el curso está siendo sorprendente. Ha sido muy gratificante para mí recibir tan buen feedback del alumnado sobre los contenidos compartidos de Inteligencia Colectiva. Todos los comentarios han sido muy positivos. Cuando estaba diseñando el hang-out, tuve dudas de si convenía usar alguna presentación o ir directamente a responder preguntas. Al final pensé que era bueno usar algún soporte en forma de diapositivas para fijar conceptos y fundamentos, porque sé que tener ideas-fuerza por escrito ayuda desde el punto de vista pedagógico, y esto, en definitiva, es una escuela. Ahora creo que hice bien en preparar esa

La cuestión que más me ha costado responder al delimitar el concepto de Inteligencia Colectiva (IC) es la que titula este post. O sea, si se puede dar la Inteligencia Colectiva (IC) en situaciones donde los participantes no interactúan directamente entre sí, ni son conscientes de funcionar como un colectivo. El MIT Centre for Collective Intelligence y buena parte de las voces más reconocidas en este campo reconocen como manifestaciones de “Inteligencia Colectiva” tanto el resultado de agregaciones no conscientes como las que afloran de la colaboración activa. Sin ir muy lejos, en el libro de James Surowiecki “Wisdom of Crowds”, al que debemos que esta disciplina se popularice en los últimos años, abundan los ejemplos de sabiduría de la multitud que se basan precisamente en la agregación meramente estadística, o sea, sin interacción directa entre los participantes. Una forma muy gráfica de realzar las diferencias entre las dos modalidades es llamarlas Inteligencia Colectiva “Colectada” y “Colaborativa”. Voy a explicar ahora cada una: IC “COLECTADA”: Aquí el resultado colectivo emerge de sumar y combinar acciones independientes. Alguien "colecta" datos que después agrega. No se da una interacción social directa, ni consciente, entre los individuos. El resultado aparece de agregar comportamientos individuales que actúan movidos por  un interés estrictamente personal. Los ejemplos más conocidos pueden ser Amazon, con su sistema de recomendaciones, o el buscador de Google. En ambos casos hay “agregación colectiva”, porque se procesan los metadatos de miles o millones de usuarios para generar una recomendación de compra o un ranking de enlaces a contenidos. La arquitectura de participación es más tecnológica porque solo busca encontrar un modo ingenioso de agregar las aportaciones individuales.  Y lo que es más relevante a los efectos de este análisis: esa solución tecnológica, habitualmente en forma de un algoritmo estadístico, está en manos de un agregador externo, que lo usa sin control del colectivo. El “Crowd” pone los datos, y el agente externo (Amazon, Google, Facebook, etc.) los procesa y devuelve como un resultado colectivo, del que se sirven los individuos. James Surowiecki exige, de hecho, que haya “independencia” entre los individuos como requisito para que pueda darse la Inteligencia Colectiva. Según su lógica, evitar la interacción directa es lo que garantiza que no se influyan mutuamente, y que el efecto estadístico de la agregación se salve de sesgos o manipulaciones. Los individuos actúan como si no existiera una estructura que los conecta como grupo, y por eso algunos