La Madrid del 1900

Sacar del cajón datos históricos para mostrarlos con las tecnologías actuales y, lo más importante, ponerlos a disposición del ciudadano, es de vital importancia. Estudiantes, amantes de la historia, aficionados de lo retro, y los madrileños que quieran saber cómo era Madrid hace un siglo, tienen a su disposición un nuevo geoportal de cartografía y demografía histórica para la ciudad de Madrid.

El geoportal es el resultado de un proyecto de colaboración ente el Centro de Ciencias Humanas y Sociales (CCHS) del Consejo Superior de Investigaciones Científicas (CSIC),  y la Dirección General de Estadística del Ayuntamiento de Madrid. El visor cartográfico permite examinar cartografía histórica del “plano de Madrid y pueblos colindantes” de 1902 del cartógrafo español Facundo Cañada López, junto con cartografía, fotografía aérea para el período 1860-2012. Como datos estadísticos de referencia, se ha hecho uso del Registro Longitudinal de Población Histórico de la Ciudad de Madrid entre 1890 y 1935 y de sus Anuarios Estadísticos entre 1897 y 1935.

Un proyecto que mezcla tecnología actual, con datos geográficos de ayer y hoy. Una gran herramienta para las humanidades y ciencias sociales en general.

¿Hay alternativa al actual sistema de evaluación científica? (II)

Hace unos meses comentábamos la importancia de la evaluación colectiva para complementar la evaluación individual de la ciencia. En mi parece, basar la evaluación científica únicamente en méritos individuales o en los del grupo, distorsiona la realidad. 
Lo primero porque la ciencia se hace actualmente en el marco de un grupo, un colectivo que trabaja hacia un mismo objetivo. Un investigador no trabaja solo sino que colabora con muchos. Los resultados científicos son los frutos de trabajo colectivo. Evaluar al individuo omitiendo al grupo supone, al menos, perder el contexto y la motivación de la investigación, por lo que puede ignorarse o malinterpretarse el peso de un individuo en su grupo. Lo segundo porque ceñir la evaluación únicamente a los méritos del grupo en su conjunto esconde obviamente la participación individual de cada uno de los miembros del grupo. De esto hay un sinfín de ejemplos que todos conocemos y no vale la pena profundizar más.
Una evaluación híbrida, que tenga en cuenta la contribución individual en el contexto de un grupo, puede dar más contexto y transparencia para entender mejor la trayectoria y contribución científica de un individuo.

Todo lo anterior se resume como el impacto científico de un individuo, que pierde toda su esencia para procesos de evaluación científica si no se tiene también en cuenta el impacto social de la investigación. ¿Que beneficios aporta mi investigación a la sociedad,  a la naturaleza, a los animales, a las ciudades, a la historia, en definitiva, en hacer un mundo mejor? ¿Se ha enterado la sociedad de los resultados alcanzados en la investigación? ¿El investigador se ha puesto en el lugar del ciudadano y se ha preguntado para qué puede servir lo que está haciendo? Algunos ejemplos imaginativos de divulgación y para involucrar a los ciudadanos en proyectos científicos como charlas en colegios, libros para niños, y otros tantos ejemplos nos lo cuenta el artículo "Impact: Pack a punk", publicado en Nature 502, 397-398, 2013.

Big Data en unidades de información

Imagina un mundo en que existen conjuntos de datos descomunales que contienen datos sobre cada uno de los detalles de las publicaciones científicas, los autores, el rol de cada autor, los datos empleados en los estudios, las presentaciones públicas derivadas de cada presentación, videos, manuales y documentos asociados, información sobre los proyectos que financian dichas investigaciones, las patentes asociadas, y detalles sobre los productos o servicios transferidos al mercado derivados de la investigación, y porque no otros tantos mensajes, tuits, fotos y entradas de blogs provenientes de las redes sociales que cuentan la impresión y percepción que tienen terceros (colegas, clientes, amigos e incluso la familia) sobre el último trabajo científico.

Jim Cray lideró el cambio hacia el cuarto paradigma en la ciencia, basado íntegramente en una ciencia intensiva en datos. El término paradigma presupone un tipping point, un cambio en hacer las cosas como resultados de la acumulación de pequeños cambios a lo largo del tiempo. Tal como apuntó Kuhn en su indispensable libro The structure of scientific revolutions”, "la ciencia no progresa mediante acumulaciones lineales de nuevo conocimiento, sino que periódicamente suceden revoluciones, o cambios de paradigma, que transforman radicalmente la naturaleza del método científico en ciertas disciplinas y campos".

La ciencia intensiva en datos esta aquí y viene para quedarse. Representa el inicio hacia un cambio de paradigma que se asentara durante los próximos años. Significa una revolución necesaria para adecuarse a las nuevas condiciones del entorno: datos, datos y datos. Y por qué ahora surge esta manía colectiva por los datos si siempre hemos estados rodeados de inmensas cantidades de datos? El cumulo de varios factores puede explicar que este cambio de paradigma suceda justo ahora y no antes.

Primero, la democratización de la tecnología móvil ha propiciado que muchos ciudadanos lleven un “generador de datos en cualquier lugar y momento” en su bolsillo.

Segundo, el giro hacia el usuario, la colaboración, y la producción de contenido colaborativo de la Web 2.0 ha permite la creación masiva de datos y ha sido un factor determinante para que se precipite el cambio de paradigma.

Tercero, la tecnología necesaria para el almacenamiento, análisis y minería de grandes cantidades de datos ha alcanzo un estado de madurez aceptable para que la ciencia intensiva en datos sea posible. Aquí no me refiero a una única tecnología sino a un conjunto de tecnologías interrelaciones como la computación en la nube, virtualización, bases de datos No-SQL, nuevos modelos de computación como MapReduce, sensores, y un largo etcétera, que hacen posible en conjunto Big Data, o sea, el tratamiento masivo de datos.

Cuarto, el coste de las herramientas Big Data se ha reducido de tal forma que cualquiera puede tener acceso a ellas, y no solo un selecto club de privilegiados (CERN, Yahoo!, o Google) como era hasta ahora.

Quinto, los espabilados que ven negocio a través de los datos también han impulsado la demanda por Big Data. Lo que nos cuentan los datos puede servir para explorar nuevas tendencias de mercado, segmentación de clientes, estudiar la productividad de una comunidad científica, pronosticar intención de voto, analizar el tejido empresarial-investigación de una región e incluso diseñar nuevas políticas de futuro.

La ciencia intensiva en datos necesita de herramientas, métodos y personal con miras analíticas para explotar convenientemente Big Data. A lo largo de las próximas semanas analizaremos las Vs que caracterizan a Big Data así como su valor e impacto para las Unidades de Información 

ENVIROFI: ISESS 2013 Best Scientific Paper Award

Un artículo firmado con otros colegas del proyecto ENVIROFI ha sido premiado como mejor artículo científico del Simposio Internacional en Sistemas Software Medioambiental (ISESS 2013), celebrado a principio de Octubre cerca de Viena. El artículo lleva por título "The Future Intener Enablement on the Environment Information Space" y también lo podéis consultar a texto completo.

2, 50, 75 y 80

Se dice que una imagen vale más que mil palabras. Los humanos tenemos una destreza visual envidiable. Carlo Ratti, profesor del MIT, dijo en una entrevista algún tiempo atrás cuatro números que dicen más que mil imágenes.

Las cuatro cifras importantes que hay que recordar sobre las ciudades son las siguientes: 2, 50, 75 y 80. Las ciudades solo suponen el 2 % de la corteza terrestre, pero concentran al 50 % de la población, representan el 75 % del consumo energético y el 80 % de las emisiones de CO2.

A primera vista parece que el gran problema al desarrollo y consumo sostenible y eficiente de recursos naturales y energético reside en las grandes urbes, ya que consumen prácticamente tres cuartas partes de toda la energía mundial y son responsables del 80% de las emisiones de CO2. 

Mas bien todo lo contrario: las ciudades son la clave para una cultura de desarrollo y consumo sostenible. 

Lo que parece claro es que las ciudades deben ser el foco de estudio, investigación  e innovación durante los próximos años.  Reduciendo el gasto energético y minimizando la contaminación en las ciudades, el porcentaje global de consumo energético y emisiones se reduciría drásticamente.

Para 2050 se estima que la población mundial llegue a la barrera de lo 9.000 millones. Más de la mitad vivirán en ciudades. Los dos primeros números para 2050 podrían ser 5, 70: los ciudades crecerían y emergerían nuevas urbas para dar cabida al 70% de la población mundial en 2050, que sería cerca de la población total actual.  ¿Lograremos que los dos últimos sean 50, 50 para 2050? 

ENVIROFI, punto y seguido

La reunión final en Bruselas con el Project Officer a finales de agosto puso el broche final al proyecto europeo ENVIROFI en el que he estado involucrado los últimos 2 años. ENVIROFI es el nombre corto para The Environmental Observation Web and its Service Applications within the Future Internet, subvencionado por la Comisión Europea dentro del programa FP7-ICT. Se trata de un proyecto totalmente distinto a otros proyectos en los que he trabajado. En primer lugar, ENVIROFI es un proyecto más del ecosistema de proyectos entrelazados del programa Future Internet Public-Private Partnership (FI-PPP). Esto supone una gran diferencia puesto que el éxito del proyecto no depende únicamente del trabajo realizado por los miembros del consorcio sino que también depende que los demás proyectos realizaran su trabajo. Cuando existen dependencias entre proyectos, el riesgo de fracaso se incrementa pero en caso de éxito el resultado en conjunto supera con creces los resultados individuales de cada uno de los proyectos. 

Hablaré en próximas entradas sobre los resultados de ENVIROFI en particular, y sobre el programa FI-PPP, ya que es muy fácil perderse entre tanto proyecto y siglas. Pero sobre todo porque se esperan novedades interesantes de aquí hasta el 2015 . Vale la pena anticipar que una de las partes mas novedosas e interesante del proyecto ENVIROFI y por extensión del programa FI-PPP es su impacto sobre el tejido empresarial. Aparte de la documentacion técnica generada y de un montón de artículos científicos,  ENVIROFI sobresale por ofrecer a las pymes del sector de las tecnologías geoespaciales unos cuantos recursos valiosos. Por eso no es un punto final sino un punto y a parte:

• Un catalogo online de acceso publico donde encontrar los resultados del proyecto.
• Un conjunto enablers o "facilitadores" desarrollados para cubrir funcionalidades especificas de las aplicaciones medioambientales. 
• Un conjunto de aplicaciones móviles que internamente combinan los "facilitadores" anteriores para tareas ya mas complejas, y elaborados como (i) la colección,  gestión y evaluación de la calidad de los datos facilitados por los usuarios para la conservación de la biodiversidad y la monitorización de la calidad del aire.

Big Data: The future is in analytics

Este artículo de Abril de 2013 en la revista Geospatial World comenta algunas recomendaciones  que me han llamado especialmente la atención. Primero, no caigamos en el mismo error del pesado (lease servicios OGC vs. servicios web), y pensamos que necesitamos un Geo Big Data especial para la comunidad  geoespacial diferente de la corriente  actual de desarrollo en Big Data. Nada de eso, lo que hay que intentar es revalorizar el componente geográfico en el contexto de la tecnología actual de Big Data, sin tener que crear dos mundos artificiales distintos, uno geo y otro el resto del mundo, que en la vida real están totalmente conectados desde el punto de vida del usuario. Por ejemplo, no creo que estas dos preguntas a un Big Data necesiten tecnología distintas: Dame los sensores que miden contaminación de aire o dame los sensores que miden contaminación de aire cerca de mi? Segundo, Big Data, en una simple frase,  trata del almacenamiento de grandes cantidades de datos estructurados y no estructurados, que con la tecnología actual de bases de datos no es posible. Esto ya es un reto, por supuesto. Pero mas que el almacenaje de datos, lo interesante es sacar jugo a los datos, descubrir relaciones ocultas que únicamente emergen cuando se aplican técnicas de análisis de datos. De ahí la importancia  de la parte analítica en el Big Data. Tercero y ultimo, cito textualmente al autor porque lo explica de maravilla:

GIScience needs to move away from this approach [descriptive analysis] and move on to a model-centric approach, which stresses the underlying spatial processes rather than addressing the data bottleneck. [...]. The need is for runtime stream data analysis. The focus therefore shifts from the database to a model dictionary that is applied to streaming data to detect the states of the environment to highlight normal and abnormal conditions. Stream processing can be used to tune model parameters and to store useful data samples.