viernes, 5 de diciembre de 2014

La nueva ciencia de las ciudades y las limitaciones del big data

Uno de los elementos más sugerentes del régimen discursivo de la smart city es su apelación al surgimiento de una nueva ciencia de las ciudades. En una era de esplendor tecnológico, apelar a la ciencia como catalizadora de una nueva forma de pensar y construir las ciudades resulta atractivo. Sin embargo, no es algo novedoso. De hecho, ya en 1913 el término The city scientific ya fue utilizado por George B. Ford como título de su conferencia en la quinta reunión anual de la National Conference on City Planning celebrada en Chicago (Shelton, Zooky Wigg).

Entender las dinámicas urbanas a través de un aparato cibernético, de ecuaciones y algoritmos ha sido un empeño cíclico. Hoy planteamientos como los de Geoffrey West, Luis Betttencourt o Michael Batty son una continuación o reedición de los primeros trabajos de Jay Forrester y otros en el MIT desde finales de la década de 1950, basados en “equations that described how varios parts of te city operated –husing and laabour markets, for instance- and how they interacted with each other. These rrelationships were programmed into a computer to create a simulation that purported to explain how cities grow, stagnate, decline, and recover” (Townsend 2013:78). Estos ejercicios no quedaron en el ámbito académico o en los laboratorios de simulación, sino que fueron llevados a la práctica en ciudades como Pittsburgh o Nueva York con sonoros fracasos y críticas posteriores Goodspeed2014). De esta forma, esta disciplina sufrió su particular viaje por el desierto hasta que fue redescubierta por IBM a principios del siglo XXI para aplicarla en Portland, a través de nuevos modelos más complejos, refinados y sistemáticos. De nuevo, sus resultados –Townsend los expone con detalle- fueron decepcionantes para los gestores públicos, en un caso que refleja las limitaciones teóricas (aquí el libro The new science of cities es un buen material) y, sobre todo, prácticas de este tipo de acercamientos.
 “Part of the problem seems to lie in the public´s penchant for fetishizing the engineer as the ultimate savior, as if superb knowledge of technology could ever make up for ignorance of local norms, customs, nd regulations...Non-technologists may be more successful in identifying the shortcomings of technologies in given contexts. They may be better equipped to foresee how proposed technological solutions complement or compete with other available non-technological solutions as well as to anticipate the political and institutional backlash that can result from choices off technology”. (Morozov 2012)
Imagen: data.path Ryoji.Ikeda - 3 (CC BY-SA 2.0) 
Esta nueva ciencia de las ciudades ha sido, en realidad, más impulsada desde grandes titulares de periódicos más que por los propios nombres antes citados quienes, si bien es cierto que ofrecen sus recursos científicos con rotundidad como un conocimiento objetivable sobre el funcionamiento y la predicción sobre el futuro de las ciudades, suelen ser más humildes en la forma de presentar sus argumentos. Aún así, esa nueva ciencia tiene un fuerte predicamento, hasta el punto de que son varias las universidades en el mundo que están alineando sus departamentos y facultades para ofrecer programas de formación y de investigación proponiendo esta nueva ciencia como reclamo (Center for Urban Science + Progress, Centre for Advanced Spatial Analysis, Santa Fe Institute, etc.). Sin embargo, más allá de su utilización como reclamo propagandístico, esta “ciencia de las ciudades” está lejos de ser una disciplina de contornos exactos. Como refleja el informe de Future Cities Catapult (2014),
"The science of cities is still emerging and has not yet generated global language norms. It is also an inter-disciplinary science, and this makes clarity of concepts harder to achieve. A more consistent and globally accepted set of principles for future cities may, paradoxically, take shape over the next decade, but it is likely that this will happen at the same time as local and corporate propositions an terminologies continue to multiply”.
En cualquier caso, detrás de esta reclamación de una nueva capacidad científica reside la retórica y la realidad del big data. Las implicaciones de las capacidades de recolección, almacenamiento, procesamiento y explotación de cantidades masivas de datos en un escenario de datificación de cualquier realidad social, empresarial, económica, etc. (Mayer-Schönberger y Cukier, 2013) apenas han sido exploradas de manera crítica. De nuevo, nos encontramos ante una primera fase de socialización espectacularizada de un concepto y unas tecnologías que sólo ahora empiezan a apuntar sus desafíos (Kitchin 2014a). Uno de estos desafíos, quizá el que más se relaciona con el día a día ciudadano y el más capaz de generar impactos mediáticos es el relacionado con su potencial como tecnología de control y vigilancia  y como mecanismo de discriminación laboral, criminal o como consumidores. Boyd y Crawford (2012) señalan algunas de las interrogantes que se abren:
“Diverse groups argue about the potential benefits  and costs of analyzing genetic sequences, social media interactions, health records, phone logs, government records, and other digital traces left by people. Significant questions emerge. Will large-scale search data help us create better tools, services, and public  goods? Or will it usher in a new wave of privacy incursions and invasive marketing?  Will data analytics help us understand online communities and political movements? Or will analytics be used to track protesters and suppress speech? Will large quantities of data transform how we study human communication and culture, or narrow the palette of research options and alter what ‘research’ means?”
En este sentido, podemos hablar de una ansiedad creciente sobre la reducida capacidad de actuar frente a mecanismos de control social automatizados, invasivos, imperceptibles y masivos que están detrás de episodios de espionaje, pero también en niveles más cotidianos (principalmente, a través del control de preferencias y gustos para la manipulación comercial como consumidores). Como señala Crawford (2014):
“(…) the lived reality of big data is suffused with a kind ofsurveillant anxiety — the fear that all the data we are shedding every day is too revealing of our intimate selves but may also misrepresent us. Like a fluorescent light in a dark corridor, it can both show too much and not enough. Anxiety, as Sianne Ngai has written, has a temporality that is future oriented: it is an expectation emotion, and the expectation is generally of risk, exposure, and failure”.
Sin embargo, el desafío va más allá y, en muestro caso, nos interesa más su relación con la pretensión de construir unas nuevas bases científicas para el estudio del hecho urbano y la ciudad contemporánea. De nuevo, encontramos en Crawford (2014) un llamamiento a entender las implicaciones epistemológicas y culturales del big data:
“The current mythology of big data is that with more data comes greater accuracy and truth. This epistemological position is so seductive that many industries, from advertising to automobile manufacturing, are repositioning themselves for massive data gathering. The myth and the tools, as Donna Haraway once observed, mutually constitute each other, and the instruments of data gathering and analysis, too, act as agents that shape the social world. Bruno Latour put it this way: “Change the instruments, and you will change the entire social theory that goes with them.” The turn to big data is a political and cultural turn, and we are just beginning to see its scope”.
Como advierte Jurgenson (2014), la propuesta de “revolución” científica del big data no implica sólo una acumulación cuantitativa de información para la mejora del conocimiento, sino también una mejora cualitativa al permitir traspasar los límites de la ciencia normal para llegar a una nueva revolución científica:
“As the name suggests, Big Data is about size. Many proponents of Big Data claim that massive databases can reveal a whole new set of truths because of the unprecedented quantity of information they contain. But the big in Big Data is also used to denote a qualitative difference — that aggregating a certain amount of information makes data pass over into Big Data, a “revolution in knowledge,” to use a phrase thrown around by startups and mass-market social-science books. Operating beyond normal science’s simple accumulation of more information, Big Data is touted as a different sort of knowledge altogether, an Enlightenment for social life reckoned at the scale of masses”
Con estas premisas, el movimiento del big data ofrece un nuevo campo de actuación en el ámbito del análisis predictivo, el análisis de sentimientos (principalmente a través de la exploración de las redes sociales), las ciencias naturales (la secuenciación genómica, por ejemplo), el urbanismo cuantitativo o el periodismo de datos, por citar sólo unas ejemplos de aplicación. En este sentido, no es más que una reedición de las promesas del positivismo, instrumentadas ahora por un aparato de gestión informacional sin precedentes. Con ello reaparece en la sociedad y en el espectro del conocimiento científico la posibilidad de conocer de manera objetiva, neutral y desinterasada la realidad a estudiar, reflejada ahora en los datos masivos observados a través de una metodología –el big data y el uso de algoritmos- capaz de ofrecernos una imagen supuestamente perfecta de la realidad (Jurgenson 2014):
“Positivism’s intensity has waxed and waned over time, but it never entirely dies out, because its rewards are too seductive. The fantasy of a simple truth that can transcend the divisions that otherwise fragment a society riven by power and competing agendas is too powerful, and too profitable. To be able to assert convincingly that you have modeled the social world accurately is to know how to sell anything from a political position, a product, to one’s own authority. Big Data sells itself as a knowledge that equals power. But in fact, it relies on pre-existing power to equate data with knowledge”.
Esta ideología cultural de fetichización de los datos se ha infiltrado en la sociedad, en las prácticas científico-tecnológicas, en los discursos institucionales y en los estudios sociales en una época dominada por las redes sociales como espacio de socialización y, sobre todo, de promoción de nuevos negocios y novedades tecnológicas (Crawford et al 2014):
“This cultural mythology can be seen in city billboards promoting “big data solutions,” at highly profitable big data conferences, and  in the many newspaper and magazine columns covering the advances brought about by big data science. The very term big data science is itself a kind of mythological artifact: implying that the precepts and methods of scientific research change as the data sets increase in size”.
El big data se presenta, de hecho, como un asidero en el que las ciencias sociales pueden incluso quitarse de encima su complejo frente a las ciencias matemáticas, ya que ahora disponen de un instrumental para dotar de potencial estadístico comparable al de otras ciencias cuantitativas:
Big Data offers the humanistic disciplines a new way to claim the status of quantitative science and objective method. It makes many more social spaces quantifiable. In reality, working with Big Data is still subjective, and what it quantifies does not necessarily have a closer claim on objective truth – particularly when considering messages from social media sites. But there remains a mistaken belief that qualitative researchers are in the business of interpreting stories and quantitative researchers are in the business of producing facts. In this way, Big Data risks reinscribing established divisions in the long running debates about scientific method and the legitimacy of social science and humanistic inquiry. (Boyd y Crawford 2012)
Analizando esta aspiración, las propias autoras apuntan una serie de desafíos que el big data no puede evitar afrontar:

La pretensión de objetividad y exactitud son una ilusión
Más datos no implican siempre mejores datos
Sin contexto el big data pierde su significado
Que sea accesible no lo hace ético necesariamente
Acceso limitado al big data crea nuevas brechas digitales

Expo Big Bang Data
Big data implica, en definitiva, un extraordinario desafío sobre los marcos de trabajo de todas las disciplinas científicas, principalmente por el cuestionamiento que implica sobre el papel de la causalidad y la correlación en el método científico (Mayer-Schönberger y Cukier 1013; Anderson 2008). También implica la exclusión de todo lo que no es cuantificable, sea esto la economía informal, los cuidados que prestan las personas a cargo de familiares difícilmente medibles en datos, etc. (Thackara 2013):
“My biggest concern with Big Data is the prospect that they will give managers and policy makers a sense of being in control when such confidence is not justified. We have incomplete or contradictory knowledge about large-scale, system-wide challenges such as climate change, or resource depletion. Such ‘wicked’ challenges do not lend themselves to data-driven solutions: These interconnected systems influence each other in unknowable ways”.
En el escenario de espectacularización y banalización de las potencialidades y limitaciones del big data, el riesgo de los sesgos cognitivos es uno de los más decisivos. Para Crawford (2013), la sobre-representación de ingenieros y expertos en análisis de redes sociales en muchos de los experimentos y plataformas de agregación de datos masivos y la consecuente su-representación de críticos sociales –más acostumbrados a hacerse preguntas y a tener en cuenta el riesgo de sesgos- está detrás de muchos de los proyectos invalidados por sus planteamientos viciados:
“This points to the next frontier: how to address these weaknesses in big data science. In the near term, data scientists should take a page from social scientists, who have a long history of asking where the data they’re working with comes from, what methods were used to gather and analyze it, and what cognitive biases they might bring to its interpretation (for more, see “Raw Data is an Oxymoron“). Longer term, we must ask how we can bring together big data approaches with small data studies — computational social science with traditional qualitative methods”.
De la misma, estos sesgos se manifiestan en las exclusiones de información, lo que el big data no contiene en su aplicación práctica. A esta debilidad, las expectativas siempre responderán con una misma salida: si faltan datos, es precisamente porque necesitamos más datos, necesitamos ampliar el alcance de lo que podemos datificar, convirtiendo cualquier crítica sobre la insuficiencia de datos en un absurdo. Sin embargo, es precisamente en las ausencias de lo que no es cuantificable o lo que no es cuantificado –la perspectiva de la exclusión (Lerman 2013)- donde se abren las brechas para la crítica del neo-positivismo de los datos como escenario de conocimiento perfecto de la realidad. ¿Quién deja rastro de sus actividades en la ciudad? ¿Quiénes participan en los circuitos e infraestructuras captadores de datos digitales? ¿Es esta la realidad reflejada a través de estos rastros digitales? ¿Quién no participa de estos circuitos de datificación? Y, sobre todo, ¿de qué manera el uso del big data responde a una realidad fraccionada? Sirva el escenario desarrollado por Lerman (2013) para situar exactamente la dinámica de exclusión del big data aplicado a la gestión pública:

Todos estos elementos forman parte de la retórica de la ciencia de las ciudades como aplicación del fenómeno del big data a la organización y gestión urbanas. El funcionamiento de la ciudad, de sus servicios, de sus infraestructuras y de sus ciudadanos es una constante producción de datos digitales que pueden ser capturados, procesados, almacenados y explotados para optimizar su funcionamiento. Hasta aquí, nada particularmente nuevo en la historia de la ciudad, en la medida en que las ciudades se pueden comprender como espacios de concentración de información, intercambios y flujos. Siguiendo la distinción que establecíamos anteriormente, no es tanto el aumento de escala –cuantitativo- sino el cambio conceptual –cualitativo- el que está detrás de esta emergencia del big data como mecanismo de gestión de la ciudad:
While the notion of the city as a data-generating, storing, processing and formatting machine might not be new, the reduction of the city to those functions — which are increasingly automated — and the reification of that data, is distinct to our time.” (Mattern 2013)
----

ANDERSON, Chris (2008) The end of theory: the data deluge makes the scientific method obsolete, en Wired Magazine.
BOYD, Danah y CRAWFORD (2012) "Critical questions for big data: Provocations for a cultural, technological,  and scholarly phenomenon", en Information, Communication & Society, 15(5), 662–679.
CRAWFORD, Kate (2013) The hidden biases in big data, en Harvard business Review blogs.
CRAWFORD, Kate (2014) The anxieties of big data, en The New Inquiry
CRAWFORD, Kate, Kate MILTNER y Mary L. GRAY (2014) "Critiquing Big Data: Politics, Ethics, Epistemology", en International Journal of Communication 8 (2014), 1663–1672
FUTURE CITIES CATAPULT (2014) What are future cities? Origins, meanings and uses.
GOODSPEED, Robert (2014) “Smart cities: moving beyond urban cybernetics to tackle wicked problems”, en Cambridge Journal of Regions, Economy and Society Advance
SHELTON, Taylor, Matthew ZOOK y Alan WIIG (XXX) “The ‘actually existing smart city”, en Cambridge Journal of Regions, Economy and Society Forthcoming
JURGENSON, Nathan (2014) View from nowhere. On the cultural ideology of big data, en The New Inquiry
KITCHIN, Rob (2014a) “The Real-time City? Big Data and Smart Urbanism.” Geo Journal 79: 1–14.
LERMAN, Jonas (2013) "Big data and its exclusions", en Stanford Law Review onlines 55.
MATTERN, Shannon (2013), Methodolatry and the art of measure, en Places Journal
MAYER-SCHöNBERGER, Viktor y Kenneth CUKIER (2013) Big data. La revolución de los datos masivos, Turner, Madrid
MOROZOV, Evgeny (2012), Technological utopianism, en Boston Review
THACKARA, John (2013) Trust is not an algorithm, en Design Observer.
TOWNSEND, Anthony (2013) Smart Cities: Big Data, Civic Hackers, and the Quest for a New Utopia. New York: W. W. Norton & Company.

----



Tras la primera presentación que hice de la estructura de la tesis (The myths behind the smart city technological imaginary (PhD brief notes #1)), a partir de ahora iré publicando algunos retazos del texto, que va avanzando. En algunos casos serán notas bastante desestructuradas o incluso una sucesión de citas, pero igual sirven como guía para entender cómo va evolucionado los temas que voy trabajando, qué referencias nuevas van apareciendo, etc. Todas las notas aquí.

Comparte esta entrada

2 comentarios :

  1. ¡Qué completo y qué bien escrito como siempre!
    Del texto yo me quedo con dos reflexiones muy importantes:
    El carácter interdisciplinar de la ciudad y la interminable lucha de los "verdaderos" científicos positivistas contra los científicos que trabajan aspectos cualitativos (¿en serio después de dos siglos seguimos ahí?).
    En mi opinión, esa interdisciplinariedad apuntado en el informe de Cities Catapult debería ser suficiente arma para argumentar que el Big Data tiene unas limitaciones evidentes. En las ciudades hay obviamente muchos procesos que se pueden medir y cuyo rendimiento se puede optimizar. Sin embargo, creo que los campos más importantes para el desarrollo de una ciudad son ciencias no exactas: la economía y relación de poderes estudiada en sociología y políticas.
    Las Ciencias Sociales han analizado las revoluciones y las depresiones económicas a lo largo de la historia y lo cierto es que muestran patrones de semejanza, pero al igual que en los procesos vividos en las ciudades, siempre estarán sujetos a hechos que sólo serán explicables una vez pasado cierto tiempo.
    De hecho, ¿quién podía predecir este boom que está cambiando tanto nuestras ciudades como es la economía colaborativa?
    Avanzar hacia el futuro no es digitalizarlo y cuantificarlo todo sino entender que no todo se puede digitalizar y cuantificar.

    ResponderEliminar
    Respuestas
    1. Sito, gracias por pasarte por el barrio y perdón por tardar en contestar :-)

      Hay que insistir, hasta donde nos pueda la paciencia, en no hacer tabula rosa de los estudios urbanos entre tanta fascinación/mitificación del dato. En ello estamos, ¿no?

      Eliminar

Related Posts Plugin for WordPress, Blogger...