Cómo puede contribuir el crowdsourcing a los resultados

"Teniendo en cuenta que el mundo está cada vez más interconectado, lo más probable es que la importancia del crowdsourcing crezca en el futuro".

Cómo puede contribuir el crowdsourcing a los resultados.

En 2013, el profesor del IESE Rafael Silberzahn y Eric L. Uhlmann, de INSEAD, publicaron un artículo académico que despertó el interés de medios de comunicación de todo el mundo. Su investigación halló que las personas con apellidos "nobles" en Alemania, como Kaiser (emperador) o Fürst (príncipe) tenían más probabilidades de alcanzar puestos directivos que los empleados con nombres no tan gloriosos.

Así las cosas, ¿deberían los ambiciosos de apellido "humilde" cambiarlo para hacer carrera? No tan rápido. Además del interés público, la investigación suscitó alguna opiniones críticas que Silberzahn y Uhlmann recibieron con los brazos abiertos.

Los autores compartieron el conjunto de datos de su estudio con Uri Simonsohn, de la Universidad de Pennsylvania. Simonsohn abordó la misma cuestión con una base de datos más amplia y un enfoque analítico distinto.

Con este nuevo marco, resultó que había una explicación alternativa a la conexión entre los nombres y el cargo. Los tres académicos compararon sus enfoques, y Silberzahn y Uhlmann tuvieron que reconocer que el de su colega Simonsohn era mejor.

En un acto inusual, los tres profesores publicaron un artículo conjunto explicando las lecciones aprendidas. Silberzahn y Uhlmann han utilizado la experiencia para llevar su investigación al siguiente nivel y fijarse en la colaboración abierta o crowdsourcing.

Quien mucho abarca poco aprieta.

En investigación, la colaboración abierta se refiere a la participación de diferentes personas del mundo académico para analizar los mismos datos y llegar a una conclusión grupal.

En la investigación tradicional, un equipo de investigación asume tres funciones:

1. Formular ideas e hipótesis.

2. Escrutar los datos en busca de confirmación.

3. Cuestionar las conclusiones con diferentes enfoques para detectar errores.

Esto significa que a menudo las mismas personas llevan a cabo diferentes funciones, lo que hace hace más probables descuidos, sesgos inconscientes o, simplemente, que los investigadores pasen por alto enfoques alternativos más adecuados.

El proyecto abierto de Silberzahn y Uhlman sugiere que un equipo no debería abarcar todo el trabajo, sino que el papel de abogado del diablo que cuestiona los resultados debería recaer en un grupo de trabajo distinto.

Para comprobar esta hipótesis, los autores reclutaron a 29 equipos que debían responder una pregunta: ¿Hay más probabilidades de que los árbitros de fútbol muestren tarjetas rojas a jugadores de piel oscura que a jugadores de piel clara?. Todos los equipos trabajaron con los mismos datos, recogidos por una empresa de estadísticas deportivas en cuatro grandes ligas de fútbol. Los diferentes grupos diseñaron sus enfoques individualmente y escogieron su propio marco analítico para probarlos.

Lo que sucedió a continuación da que pensar. Los grupos compartieron sus metodologías e intercambiaron puntos de vista sobre la investigación antes de dar a conocer los resultados. Cada grupo tuvo la oportunidad de modificar su marco, tras lo cual publicaron un informe conjunto sobre sus hallazgos.

Recurrir a la multitud para dar respuestas.

Con la misma muestra de datos y la misma pregunta, ¿cuánto pueden variar las conclusiones del estudio?.

Sustancialmente, como se vio después. 20 de los 29 estudios encontraron una correlación significativa entre tener la piel oscura y la probabilidad de recibir una tarjeta roja. De los nueve restantes, algunos detectaron una tendencia estadísticamente insignificante a penalizar más a los jugadores de piel clara, mientras que otros no hallaron ninguna diferencia.

En este punto, el verdadero valor de la colaboración participativa se hizo evidente. Cada equipo pudo examinar los datos del resto de grupos, sugerir mejoras analíticas y discutir qué significaban realmente los números.

En su análisis final, los equipos de investigación llegaron a la conclusión de que los jugadores de piel oscura tienden a recibir más tarjetas que los jugadores de piel clara. Pero la verdadera novedad no es tanto este hecho, que probablemente no sorprenda a muchos, como el enfoque de la investigación, que permitió a los investigadores beneficiarse de la experiencia de otros y perfeccionar sus habilidades analíticas.

Otra conclusión: Debemos ser cuidadosos a la hora de confiar en un único análisis de un problema, que es precisamente lo que fomenta el actual sistema de publicación científica.

Pros y contras de la colaboración abierta.

Naturalmente, este tipo de colaboración ofrece ventajas e inconvenientes. Entre los primeros se incluyen: •Una segunda opinión. Los investigadores gozan de un espacio seguro para revisar enfoques analíticos y explorar dudas.

1. Menos incentivos para resultados llamativos: El proyecto de un solo equipo de investigación solo se publicará si muestra resultados significativos o sorprendentes, mientras que los proyectos de colaboración abierta revelan una gama de posibilidades y pueden resultar más creíbles.

2. Aprendizaje mutuo: Estos proyectos suponen una oportunidad para retocar y mejorar metodologías.

3. Rigor: Un esfuerzo coordinado incentiva múltiples perspectivas.

4. Vital para diseño de políticas públicas: Considere estudios sobre problemas con consecuencias trascendentales para las políticas públicas y la población, como las medidas de austeridad. Estas cuestiones merecen el estudio de más de un equipo.

5. Desacuerdo: La colaboración participativa puede socavar el sistema actual, que prioriza argumentos llamativos e ideas arraigadas.

6. Rentabilidad: Los autores de este estudio no tenían presupuesto, pero fueron capaces de atraer a decenas de colegas científicos con dos tuitss y un post de Facebook.

A pesar de los múltiples beneficios, algunas consideraciones prácticas hacen recomendable cierta cautela sobre la colaboración participativa:

1. Recursos: El crowdsourcing puede acaparar recursos significativos en el estudio de una sola cuestión.

2. Algunas cuestiones no son apropiadas: Es probable que las muestras de datos simples, en particular, no se beneficien tanto del estudio de múltiples equipos como otras más grandes y complejas.

3. No elimina el sesgo: En última instancia, cualquier elección refleja un sesgo, tanto si se trata de la elección de la información que se va a incluir como la de la hipótesis a comprobar. El crowdsourcing puede reducir el sesgo, pero no eliminarlo.

4. Posibilidad de no alcanzar consenso: En la investigación, no sirve hacer la media de los resultados. Los diferentes equipos llegarán a conclusiones distintos y, en algunos casos, pueden optar por no dejar que los resultados de los demás influyan en sus decisiones finales.

Conclusión.

Como en cualquier otro modelo, la colaboración abierta presenta imperfecciones. Sin embargo, quizá el argumento más convincente a su favor provenga de su aplicación en el terreno de las políticas públicas. Cuando se deben tomar decisiones que afectan a un gran número de personas, ¿no es mejor que un número importante de individuos estudien antes sus implicaciones?.


Fuente: Rafael Silberzahn y Eric L. Uhlmann/ IESE Insight.