8.2
Unidad 8.2 · Semanas 82–86

Desarrollo del proyecto

Estructura de análisis multidimensional. Integración de lentes, no yuxtaposición. Diseño de intervención. Síntesis para responder tu pregunta.

Sesión A — Estructura de un proyecto integrador

Un capstone tiene una estructura clara: Introducción (qué pregunta investigas y por qué), Literatura (qué sabe el mundo), Análisis multidimensional (qué revelan los cuatro lentes), Síntesis (cómo integran los lentes para responder tu pregunta), Intervención/Propuesta (qué cambios sugerirías), Evaluación crítica (qué podría fallar), Conclusión (qué aprendiste).

La diferencia entre un capstone malo y uno bueno es integración vs. yuxtaposición. Yuxtaposición: "Bloque 1 dice X, Bloque 2 dice Y, Bloque 3 dice Z. Entonces la respuesta es X+Y+Z." Integración: "El problema es un sistema donde X, Y, Z son causalidades entrelazadas. El cambio en una causality amplificia o amortigua otra. La intervención debe diseñarse sabiendo eso."

Ejemplo de yuxtaposición: "Wikipedia tiene sesgo de género (hecho). Esto es un problema de inteligencia colectiva (Bloque 1) porque hay conformidad. Es un problema de ML (Bloque 2) porque los embeddings de género son sesgados. Es un problema híbrido (Bloque 3) porque bots interactúan con editores. Es sistémico (Bloque 4) porque hay loops." Ejemplo de integración: "Wikipedia tiene sesgo de género porque: los incentivos de la comunidad valoran editores 'expertos' (que tienden a ser hombres en campos como ciencia), la conformidad a normas de 'relevancia' de Wikipedia discrimina mujeres (notability bias), y los bots que actúan sin transparencia crean desconfianza en editores marginalizados, amplificando su retiro. Para reducir sesgo, cambiar un factor (ej: solo cambiar notability policy) fracasará porque los otros factores contrarrestan. Necesitas intervención sistémica."

Sesión B — Práctica

Sesión B — Práctica: Integración multidimensional

En la visualización a la derecha, verás un workspace de integración. Elige un problema de ejemplo (o introduce el tuyo). El sistema te muestra cuatro recuadros, uno por cada lente (IC, ML, Híbrido, Sistémico). En cada recuadro, escribe una insight que el lente revela. El sistema detecta conexiones entre insights y dibuja líneas que las conectan. Esto te entrena a ver cómo los lentes no son aislados—son aspectos diferentes del mismo sistema.

La clave es buscar contradicciones. Si el lente de IC dice "el grupo es muy independiente (bueno)" pero el lente sistémico dice "hay feedback positivo que amplifica desacuerdos (malo)," eso es interesante. La contradicción no es un error—es profundidad. Tu síntesis debe explicar cómo ambas cosas son ciertas simultáneamente, y qué implica eso para tu intervención.

Sesión C — Evaluación

Sesión C — Evaluación de dominio

Dominaste este concepto si:

Quiz de evaluación

Responde correctamente 3 de 4 preguntas (75% mínimo).

Contexto histórico

La evolución del proyecto como forma de aprendizaje

La investigación universitaria hace 300 años era diferente. En Oxford y Cambridge (siglo XVIII), los estudiantes aprendían recitando textos clásicos. Se esperaba que memorizaras Aristóteles, no que cuestionaras. El "proyecto" como forma pedagógica no existía.

El cambio ocurrió lentamente. En el siglo XIX, el modelo alemán de Friedrich Wilhelm IV introdujo la idea de que la universidad debía ser un lugar de "investigación original," no solo transmisión. Los profesores tenían estudiantes de doctorado que producían conocimiento nuevo. Esta fue la primera vez que un "proyecto de investigación" era considerado un proceso de aprendizaje legítimo.

La tesis de doctorado emergió como formato. En 1883, la Universidad de Cambridge requería que cada estudiante de doctorado defendiera un "thesis"—un argumento original apoyado por evidencia. Esto fue revolucionario. De repente, aprender no era recitación; era argumentación.

Pero las tesis eran (y siguen siendo) muy especializadas. Un doctorado en Historia sobre "Política de Tudor en Gales 1540-1560" es profundo pero estrecho. En los 1990s, educadores comenzaron a notar que los graduados eran expertos en su micro-dominio pero no sabían cómo pensar across domains. Surgió el concepto de "capstone project"—un proyecto de síntesis donde integras lo que aprendiste.

Harvard Business School es un ejemplo clásico. El MBA Capstone (años 1950s onwards) requería que estudiantes analicen un caso real de negocios usando múltiples lentes: estrategia, finanzas, operaciones, comportamiento organizacional, ética. El objetivo no era demostrar expertise en una disciplina, sino demostrar capacidad de integrar múltiples perspectivas para resolver un problema real.

La case method de Harvard (1920s onwards) enfatizaba que aprendes no leyendo teoría abstracta, sino analizando casos concretos. Un caso podría ser: "XYZ Corporation perdió 40% de market share en 2 años. ¿Qué pasó? ¿Qué harías?" Para responder, necesitas conocimientos de finanzas, marketing, tecnología, gestión, historia de industria. El aprendizaje es integrador por construcción.

En educación K-12, el movimiento de project-based learning (Dewey, 1938, "Experience and Education"; Kilpatrick, 1918, "The Project Method") enfatizaba que los estudiantes aprenden mejor haciendo proyectos que escuchando clases. Un proyecto integrador es más próximo a cómo aprendemos en la vida real: tienes un problema, necesitas múltiples skills, iteras hasta que funciona.

Hoy, muchas universidades top-tier han adoptado el capstone como culminación de programas. MIT, Stanford, Cambridge, ahora también incluyen capstones en pregrado. La idea es: después de 3 años aprendiendo disciplinas específicas, produces algo que integra lo aprendido y demuestra pensamiento sistémico.

La London Interdisciplinary School (LIS), fundada en 2018, va más lejos. Invierte el modelo: en lugar de aprender disciplinas primero y luego integrar, elige un problema primero y enseña disciplinas según sea necesario. Un estudiante de LIS podría pasar las primeras semanas estudiando sociología, estadística, historia, filosofía—todo en servicio de entender un único problema. El capstone no es el final; es toda la educación.

Teoría profunda

Integración vs. multidisciplinariedad vs. transdisciplinariedad

Multidisciplinariedad: Múltiples disciplinas estudian el mismo problema pero desde sus propias perspectivas, sin integración. Ej: Un equipo de médicos, economistas, e ingenieros estudian la obesidad. El médico habla sobre metabolismo. El economista habla sobre incentivos de precios. El ingeniero habla sobre diseño de ciudades que fomenten movimiento. Cada uno dice su parte. No hay síntesis.

Interdisciplinariedad: Las disciplinas interactúan y se informan mutuamente. El médico aprende que los incentivos económicos importan para la salud. El economista aprende que el metabolismo tiene límites. El ingeniero reconoce que el comportamiento humano (med) responde a incentivos (econ). Hay diálogo, pero cada uno mantiene su marco.

Transdisciplinariedad: Las disciplinas se disuelven en un marco nuevo que captura la complejidad. En lugar de "medicina + economía + ingeniería," emerges un framework que ve la obesidad como un sistema socio-técnico donde cuerpo, incentivos, infraestructura, historia, cultura, tecnología están entrelazados. Un nuevo lenguaje emerge que no es puramente médico, económico, ni ingenieril.

Un capstone bien hecho es transdisciplinario. Los cuatro lentes (IC, ML, Híbrido, Sistémico) no son disciplinas separadas—son perspectivas sobre un sistema. Tu síntesis es transdisciplinaria cuando identificas que el problema es un fenómeno emergente que no puedes explicar reduciendo a una sola lens.

Estructura del análisis multidimensional:

  1. Problema declarado: "Wikipedia tiene sesgo de género."
  2. Aplicación de Lente 1 (IC): ¿Qué fallas de inteligencia colectiva ves?
    • Conformidad: Editores nuevos siguen normas implícitas sin cuestionarlas
    • Independencia débil: Editores marginalizados se retiran, reduciendo diversidad
    • Agregación defectuosa: El proceso de "consenso" favorece ediciones que confirman sesgos existentes
    • Autores
  3. Aplicación de Lente 2 (ML): ¿Qué problemas de optimización o data ves?
    • Sesgo en datos: Wikipedia refleja la demografía de editores (mayormente hombres)
    • Embeddings sesgados: Modelos de lenguaje entrenados en Wikipedia heredan el sesgo
    • Concepto drift: A medida que Wikipedia envejece, los artículos sobre hombres se enriquecen más
    • Autores
  4. Aplicación de Lente 3 (Híbrido): ¿Qué interacciones humano-máquina ves?
    • Falta de transparencia: Los bots actúan sin que los editores humanos entiendan por qué
    • Automatización sesgada: Los bots perpetúan sesgos sin fricción
    • Desconfianza amplificada: Editores marginalizados desconfían de bots, se retiran
    • Autores
  5. Aplicación de Lente 4 (Sistémico): ¿Qué dinámicas complejas ves?
    • Loop vicioso: Menos mujeres editoras → articulos sobre mujeres peores → mujeres menos interesadas en editar → menos artículos
    • Punto de inflexión: Si el 10% de editores son mujeres, tal vez el equilibrio es estable. Si baja al 5%, colapsa.
    • Amplificación: Un cambio pequeño (un editor tóxico) puede amplificarse globalmente a través de bots
    • Autores
  6. Síntesis: Estos cuatro lentes son causalidades entrelazadas. No puedes solucionar el problema de género de Wikipedia solo cambiando la loss function del algoritmo (Lente 2) porque el raíz es inteligencia colectiva + dinámica sistémica (Lentes 1+4). Tampoco basta con "educar a bots" porque necesitas también cambiar incentivos sociales (Lente 1) y confianza humano-máquina (Lente 3).
  7. Intervención integrada: "Para reducir sesgo de género en Wikipedia, propongo: (a) cambiar el criterio de 'notability' para incluir mujeres desrepresentadas (Lente 1: mecanismo de agregación), (b) entrenar embeddings en datasets más balanceados (Lente 2), (c) hacer que los bots expliquen sus acciones a editores (Lente 3), (d) monitorear continuamente el gender ratio de editores como early warning signal de punto de inflexión (Lente 4)."

Detección de contradicciones: La integración genuina a menudo revela trade-offs o contradicciones. Ej: "Para aumentar participación de mujeres, necesitamos bajar el estándar de notability. Pero Lente 4 me dice que eso podría desencadenar una reacción violenta de los editores existentes, ampliando polarización." Una buena síntesis reconoce esta contradicción y propone cómo manejarla (ej: cambio gradual + educación + transparencia).

Cómo estudiar el material

Guía práctica para análisis multidimensional y síntesis

Paso 1: Lectura y anotación de literatura (2-3 semanas)

Reúne 15-25 papers/libros relevantes a tu pregunta. Léelos críticamente. Para cada uno, haz anotaciones bajo cada lente:

Paso 2: Síntesis por lente (1 semana)

Escribe un sub-análisis para cada lente de 1000-1500 palabras:

Paso 3: Identificación de convergencias y contradicciones (1 semana)

Ahora mira transversalmente. ¿Dónde dicen lo mismo los lentes? ¿Dónde se contradicen? Ejemplo:

Paso 4: Escritura de síntesis integrada (1-2 semanas)

Ahora escribe una sección "Síntesis integrada" de 2000-3000 palabras que:

Paso 5: Diseño de intervención (1-2 semanas)

Basándote en tu síntesis, propone cambios concretos. Estructura:

Paso 6: Evaluación crítica (1 semana)

Ahora critica tu propia propuesta:

Recursos de referencia:

Ejercicio expandido

Tres ejercicios de análisis integrado

Ejercicio 1: Mapeo por lentes de un caso real

Caso: En 2016, Amazon lanzó un sistema de recomendación para contratación. Debía seleccionar candidatos automáticamente. Resultó: el sistema discriminaba mujeres. Amazon pausó el proyecto.

Tu tarea: Analiza este caso desde los cuatro lentes:

Respuesta esperada: Es un fallo de todos los lentes integrados. Solo mirando ML (sesgo en datos) no explica por qué el sistema no fue detectado antes. Solo mirando IC no explica por qué datos históricos sesgados fueron usados. La explicación completa requiere ver cómo IC, ML, Híbrido, y Sistémico se amplificaron mutuamente.

Ejercicio 2: Identificación de contradicciones en tu propio análisis

Toma tu pregunta de investigación (de Unidad 8.1). Ahora escribe un párrafo desde cada lente sobre lo que sugiere hacer:

¿Hay contradicciones? (Ej: IC sugiere "máxima participación" pero Sistémico dice "demasiada participación causa polarización"). Excelente. Ahora escribe una síntesis de 300 palabras que reconcilia las contradicciones. La síntesis no es "ambos pueden ser ciertos"—es explicar cuándo cada uno es cierto y por qué.

Ejercicio 3: Diseño de intervención robusta ante incertidumbre

Propone una intervención para tu problema. Luego identifica 3 maneras en que podría fallar (una de cada lente preferentemente):

Ahora diseña salvaguardas para cada fallo. Ej: Para Fallo 1, incluir auditoría de comportamiento de grupo. Para Fallo 2, incluir validación en datos no vistos. Para Fallo 3, monitorear "early warning signals" de consecuencias no deseadas. Una intervención robusta no es "perfecta"—es consciente de sus límites y tiene planes de contingencia.