Descubriendo redes de innovación periférica

Los últimos días estuve de paso por Santiago, Chile, para la conferencia COINs 2013 (Collaborative Innovation Networks), organizada en la Pontificia Universidad Católica de Chile. Fue la primera vez que he visitado Chile y fue una visita muy interesante, tanto por la conferencia como por haberme permitido conocer más de primera mano cosas que vienen sucediendo por el sur – sea recorriendo la ciudad de Santiago o escuchando las presentaciones de miembros de instituciones como el CONICYT o la CORFO, o conocer más de cerca lo que la misma universidad está haciendo para convertirse en una potencia regional en investigación e innovación, que les ha valido alcanzar el segundo lugar en el QS World University Rankings para la región latinoamericana, pisándole los talones a la Universidad de Sao Paulo.

En la conferencia, presenté un poco sobre el trabajo que he venido haciendo para mi tesis de maestría sobre la industria de videojuegos en el Perú – concretamente, uno de los primeros componentes que incluye el marco de referencia en el cual estoy ubicando la investigación, referido al tema de la complejidad económica, y parte de la reconstrucción de la historia de la creación de videojuegos en el Perú a través de los años noventa. El paper que presenté busca empezar a formular algunas preguntas e ideas sobre cómo pueden las economías en desarrollo maximizar su inversión en innovación de manera que diversifiquen sus fuentes de ingresos y actividades productivas, pero evitando tener que hacer inversiones gigantescas en implementar infraestructura en sectores específicos. La posibilidad que me interesa aquí es la de explorar el trabajo que hacen de manera casi invisible y difícil de registrar diferentes comunidades informales de producción tecnológica, mediática y cultural, cuyas actividades pueden ser potenciadas, consolidadas y aceleradas para convertirse en sectores productivos, innovadores y de alto impacto.

El paper mismo con el análisis completo está publicado en Arxiv junto con las actas de la conferencia, mientras que las diapositivas de mi presentación están aquí:

Cualquier comentario o pregunta sobre este contenido es más que bienvenido, ya que es la base sobre la que vengo desarrollando mi trabajo de investigación sobre este tema, y sobre la que he estado haciendo trabajo de campo en Lima los últimos dos meses. Así que cualquier idea o aporte, no duden en hacérmelo saber.

La caja negra del MIT Media Lab

Considero que toda forma de desmitificación de la tecnología es en general algo positivo. Normalmente, hasta que empezamos a interactuar con ella, toda forma tecnológica se muestra como misteriosa y opaca, lejana y esotérica. Una caja negra. Y lo mismo ocurre, en realidad, con formas tecnológicas menos convencionales, como instituciones, procesos sociales, y demás construcciones que implementamos para domesticar la realidad. La persistencia de las cajas negras se convierte en una forma perversa de dominación, donde lo tecnológico persiste como mágico y los individuos perdemos agencia frente a ello.

Así, entre otras cosas, algo parecido ocurre en algunos casos con el Media Lab del MIT, un lugar que quizás justificadamente se ha ganado un halo de misticismo tecnológico y es considerado como un gran templo de la ciencia y la tecnología. Pero es también un lugar sumamente opaco desde el exterior, un lugar cuya estructura y funcionamiento confunden a muchas personas porque en realidad son bastante confusos. No es una organización típica, y tiene una serie de sutilezas internas difíciles de captar. Y es que en realidad, el Media Lab es por lo menos tres cosas al mismo tiempo: un programa académico, una colección de grupos de investigación semiautónomos, y un espacio, y los límites entre estos tres aspectos no están nunca claramente delimitados.

El Media Lab es como se conoce coloquialmente al programa académico en Media Arts and Sciences (MAS) del MIT, cuyo nombre de por sí es un poco engañoso. No es lo que podríamos considerar típicamente como “ciencias y artes de la comunicación”, sino que es un programa orientado estrictamente a la investigación y el desarrollo de nuevas tecnologías. Y el énfasis en “nuevas” es radical”: no son solamente nuevas implementaciones, sino que el objetivo es generar nuevas tecnologías. Sean nuevas interfases, nuevos dispositivos, nuevos paradigmas, y sobre todo una infinidad de nuevos diseños y prototipos. En MAS, que es además un programa solamente de posgrado (y en la mayoría de los casos, solo acepta estudiantes para el doctorado), uno no leerá a Benjamin, no escuchará de Lazarsfeld ni llevará clases sobre semiótica: de hecho, uno no lleva clases a menos que lo quiera. Normalmente, el 100% del tiempo del estudiante se dedica a trabajo de investigación en laboratorio, donde participa de proyectos de diseño y desarrollo de tecnología que ya se vienen llevando a cabo, al mismo tiempo que llevan adelante sus propios proyectos vinculados a tesis de maestría o disertación doctoral. El Media Lab es técnicamente parte de la Escuela de Arquitectura y Planeamiento Urbano, pero aunque el tema espacial y urbano son temas importantes de investigación en algunas áreas del programa, la relación es en la práctica más que nada una formalidad.

Los espacios abiertos de trabajo al interior del ML

Como programa, MAS es singular además porque no es que tenga un solo tronco común de temas o cursos, porque el Media Lab es una colección de grupos de investigación semiautónomos, con diferentes áreas de trabajo, enfoques, métodos, etc. Cada grupo es liderado por un investigador principal, que tiene autonomía respecto a cómo maneja su grupo, los proyectos en los que trabaja y las organizaciones e individuos con los que colabora. Las admisiones de nuevos estudiantes son descentralizadas, pues aplicar a MAS implica aplicar a alguno de sus grupos de investigación, cada uno de los cuales toma sus propias decisiones respecto a quién acepta. Y cada uno de los grupos funciona como un laboratorio de diseño y desarrollo. Además, en el universo del Media Lab existen también grupos de investigación que participan de muchas de sus actividades y mantienen diferentes formas de colaboración, pero no forman parte administrativamente del Media Lab: es el caso, por ejemplo, de mi programa, Comparative Media Studies, o del laboratorio en el que trabajo, el MIT Education Arcade, que existen y trabajan dentro del Media Lab. Aunque todos estos grupos mantienen un alto grado de autonomía, es normal que se generen colaboraciones e interacciones entre todos ellos.

El lobby de E15

Estas interacciones se dan porque, además, el Media Lab es un espacio: un complejo formado por dos edificios, E14 y E15, que son respectivamente el nuevo y el viejo edificio del Media Lab, conectados internamente. Estos edificios albergan a todos los grupos de investigación y sus espacios de trabajo en una arquitectura abierta, donde uno puede circular libremente a través de la mayoría de laboratorios. Mesas de trabajo con herramientas, cables que cuelgan de los techos, enormes cantidades de fichas de Lego, y todo tipo de componentes y piezas electrónicas son las vistas usuales a través del laboratorio. Además, el complejo tiene dos espacios abiertos de trabajo en el tercer y el quinto piso del nuevo edificio, que en la práctica son como lounges con muebles cómodos y mesas de trabajo donde uno puede tener reuniones o simplemente instalarse a trabajar (un gran elemento de diseño del edificio es que hay enchufes y puertos de red instalados por todas partes). Dos máquinas de café en el tercer piso brindan café gratis permanentemente, y la configuración del espacio no está regimentada, de modo que uno puede mover los muebles, las mesas y las sillas como mejor le parezca. Y el espacio del Media Lab es frecuentemente utilizado para eventos, sea para las charlas organizadas por el laboratorio frecuentemente, o en dos auditorios en el sexto piso que son también utilizadas regularmente para eventos externos.

El Media Lab, entonces, es por lo menos todo esto: un programa académico, una colección de grupos de investigación, y un espacio. Pero es, además, la comunidad de investigadores que trabaja en cualquiera de estos tres, y la red de alumni que ha sido en el pasado parte de esta comunidad. Y todas estas capas superpuestas tienen fronteras borrosas y maneras singulares de operar, pero que no son por eso indescifrables: solamente se benefician de que esa ambigüedad permite altos grados de interacción y permeabilidad. No es una cultura donde uno tenga que pedirle permiso a nadie para hacer algo o fomentar una colaboración, sino donde la pregunta es más bien cómo hacerlo antes que si se puede o debe hacer (lo cual, por supuesto, tiene tanto sus pros como sus contras, pues ninguna organización es perfecta). Pero sí es un arreglo institucional que no solo se ha mostrado enormemente productivo a través de los años, sino del cual se pueden extraer muchísimas lecciones e ideas interesantes cuando se trata de generar instituciones, espacios y comunidades que abran las cajas negras de la tecnología para reinterpretarlas o rediseñarlas por completo.

Aprender a programar programando

Introducción al diseño empírico de sistemas de información

No soy ingeniero, ni soy programador. Pero en las últimas semanas me he estado metiendo más y más en el tema de aprender a programar y a la implementación de herramientas informáticas sencillas para resolver algunos problemas o necesidades. Y aunque sé que no lo estoy haciendo “bien”, en el sentido de que sé que mis soluciones no son las mejores ni las mejor optimizadas, es una experiencia de la cual saco mucho: siento que tengo más control sobre la tecnología que utilizo, que puedo personalizar mejor la manera como manejo la información, y que entiendo mejor la manera como funcionan otras herramientas que utilizo. En el proceso de crearlas, las herramientas se desmitifican.

Mi “proceso”, si puede llamarse así, es completamente empírico. Siento que una de las principales barreras que uno enfrenta en este tipo de situaciones de aprendizaje es que el costo de empezar es muy alto: aprender a programar significa, por ejemplo, aprender la sintaxis de un lenguaje de programación, aprender a utilizar ciertas herramientas de desarrollo, montar un entorno de desarrollo, etc. Así que estoy tratando de modelar mi proceso no como una alternativa a metodologías profesionales de desarrollo de software o tecnologías en general, sino más como una recomendación sobre cómo empezar para aquel que no sabe bien por dónde. Y es que en estos casos en mi propia experiencia me ha parecido importante, primero, no hacerlo en abstracto, como suelen hacerlo la mayoría de tutoriales de programación con ejercicios de ciertos conceptos formales, sino empezar desde el principio trabajando sobre un problema que resulte personalmente importante. Y segundo, simplemente empezar e ir arreglando los problemas sobre la marcha, en lugar de intentar tener todas las preguntas resueltas de antemano.

Lo que sigue es un intento por esquematizar este proceso, como lo he venido experimentando armando herramientas como CVRanalytics o Gamedex.

1. Identificar un problema

Siempre que he intentado aprender con tutoriales, mi experiencia ha sido frustrante porque pierdo el interés rápidamente y pierdo la constancia para seguir practicando. Lo mismo ocurre con herramientas como Codeacademy.

He tenido mucho mejores resultados cuando parto desde el principio trabajando en un proyecto, cualquiera que sea el proyecto, incluso cuando no tenga objetivos claramente definidos. Trabajar con un proyecto específico le da propósito a aprender conceptos básicos como bucles, condicionales, funciones, clases, y demás. Y se vuelve más un tema de qué es lo que quiero hacer: con CVRanalytics, por ejemplo, mi intención era simplemente ver cómo era posible explorar el Informe Final de la CVR usando código y herramientas computacionales, sin saber bien cuál sería el resultado. Con Gamedex, en cambio, necesitaba una herramienta de investigación que me permitiera catalogar información sobre producción de videojuegos, para luego poder analizarla. Partir de necesidades personales sirvió como incentivo personal para seguir aprendiendo.

Lo interesante además fue que en ambos casos, era consciente de que existían mejores maneras de cumplir con estos objetivos. Pero como se trataba de aprender a diseñar estas herramientas, en realidad no importaba que ya fuera un problema resuelto, sino al contrario, que las soluciones ya existentes podían servirme como plantilla para responder a algunas preguntas o resolver problemas.

2. Modelar los datos

Escoger un problema para trabajar entonces era un tema medianamente trivial, a partir de los problemas o tareas en las que estaba trabajando. Lo siguiente era pensar en el tipo de modelado de datos que tenía que hacer. En otras palabras: decidir cuáles eran los inputs de información sobre los cuales quería hacer algún tipo de procesamiento, y qué tipo de datos necesitaba sobre ellos para poder hacerlo.

Tiene mucho que ver que desde el principio me enfoqué en trabajar con programación orientada a objetos. En este paradigma, uno define ciertos objetos con los cuales trabajará, que tienen ciertos atributos. Un cuadrado, por ejemplo, tiene un solo atributo, longitud, a partir del cual todo el cuadrado puede calcularse. En una aplicación web, un usuario puede tener atributos como su nombre de usuario y contraseña para poder acceder al sistema. Y así sucesivamente. Entonces un primer paso es decidir (1) cuáles serán los objetos con los cuales trabajaremos, y (2) qué atributos tienen que tener estos objetos que nos interese luego poder manipular o analizar.

En Gamedex esto fue fácil, pues el objeto era claramente un videojuego. Pero luego se fueron desprendiendo, sobre la marcha, la necesidad de otros objetos: el objeto Organización para registrar información de los desarrolladores, el objeto Nota para almacer comentarios e información adicional sobre los juegos, o el objeto Evento para información sobre la historia de una Organización. En CVRanalytics, la elección y el diseño de los objetos estuvo mucho más atado al análisis de secciones específicas del Informe y la manera como presentaban la información: así, por ejemplo, leyendo la cronología de los acontecimientos uno podía encontrar que un objeto podía delimitarse en función a cada una de las secciones anuales en esa parte del documento. Estas decisiones se convierten luego en clases dentro del modelo de programación orientada a objetos, y cada instancia de una clase se vuelve un objeto operable.

Lo importante aquí es recalcar también que esto es un proceso iterativo, y que se complica poco a poco. No es importante tener el modelo de datos perfecto para poder empezar: implicar tener simplement alguno que se pueda ir probando. Esto es a lo que me refiero por diseño empírico: podemos ensayar una hipótesis en código, probarla, y seguir trabajando sobre ella hasta chocar contra un problema que nos obliga ampliar o corregir el código, y así sucesivamente. En este modelo, empezar con cualquier esquema es mejor que esperar hasta tener el esquema “correcto” para poder empezar.

3. Escoger herramientas

Me ha pasado incontables veces que la selección de las herramientas correctas se vuelve una parte importantísima de un proyecto. ¿Qué lenguaje, qué framework, qué entorno de desarrollo usar para programar?

No importa. Lo que importa es empezar.

Las herramientas más importantes para empezar con una aplicación básica son un buen editor de textos (diferente a un procesador de textos) y una terminal de comandos. No se necesita mucho más que eso. Las opciones de lenguajes de programación son varias, y para alguien que recién empieza deberían ser más contingentes a la facilidad de su curva de aprendizaje y el volumen de recursos de ayuda existentes: lenguajes con comunidades de usuarios extensas son preferibles a lenguajes altamente especializados. Algunas opciones recomendables pueden ser Python (que es lo que yo he escogido hasta ahora), Javascript (que es lo que quiero aprender luego), Ruby, o Processing.

Varios de estos lenguajes ofrecen herramientas sobre las cuales uno puede empezar a programar directamente, sin nada adicional. Pero quizás la mejor opción es utilizar un buen editor de textos, idealmente uno que resalte elementos de sintaxis del lenguaje escogido. Algunas buenas opciones son Notepad++, TextWrangler o Sublime Text.

¿Es necesario algún software adicional especial para empezar a programar? No. Cualquier otra cosa, para alguien que recién empieza, probablemente confunda más que ayude, y puede llevar a depender más de una herramienta que del conocimiento que se adquiera sobre el lenguaje. Es mucho más importante aprender a utilizar bien herramientas como Google y, especialmente, Stack Overflow para saber dónde buscar soluciones cada vez que uno encuentra un problema. Otra herramienta muy útil es GitHub, que te permite ir actualizando versiones de tu código y ver a versiones anteriores si encuentras que algún cambio que hiciste malogra algo, además de poder subir tu repositorio de código a la web para poder compartirlo con otras personas o utilizarlo desde varias computadoras. Y en Quora puedes encontrar buenas respuestas sobre por qué utilizar una herramienta, plataforma o tecnología por encima de otra.

4. Crear una versión básica

Tienes tu proyecto, los datos con los que quieres trabajar, y las herramientas que utilizarás. Ahora solo se trata de empezar.

Aquí es donde los tutoriales pueden ser útiles para saber cómo empezar a empezar. Pero el ciclo de desarrollo, al menos en mi experiencia, es algo más o menos así:

  1. Quiero implementar una función X en el lenguaje Y
  2. Googleo “función X en lenguaje Y”
  3. Encuentro un artículo en Stack Overflow, o un mensaje en un foro, o un blog post que habla sobre el tema.
  4. Leo dos o tres como para comparar las opciones.
  5. Reproduzco el código que ofrecen y lo adapto para funcionar con el código que ya tengo.
  6. Volver a 1.

De cuando en cuando, este ciclo incluirá descubrimientos como que necesito un módulo o componente adicional, que entonces debo instalar y configurar para poder seguir avanzando, pero en general es un ciclo iterativo de resolución de problemas. Esto es programar en su versión más cotidiana.

Lo importante aquí es aspirar a una primera versión básica, un prototipo, que permita ir evaluando algunos de nuestros supuestos en el proceso de diseño e implementación. Simplemente que funcione, aunque esté incompleto o no haga mucho. Por ejemplo, cuando uno trabaja con Python, es muy probable que la primera versión funcione solo a través de la línea de comando y se vea sumamente primitiva para estándares actuales. Pero no importa, pues eso es suficiente para permitirnos evaluar varias cosas.

5. Agregar funciones

Lo que sigue a partir de ese prototipo es ir ampliando y mejorando nuestro diseño original. De nuevo, iterando. Y muchas veces, conforme vamos perfeccionando la técnica, regresando sobre los primeros esfuerzos para corregirlos, mejorarlos, o rehacerlos por completo. La primera interface web que hice en Python, para CVRanalytics, era una implementación un poco torpe de web.py. Pero luego con Gamedex aprendí a hacerlo mejor utilizando Flask, lo que me motivó a volver y rehacer la original de nuevo con Flask. Es el tipo de decisiones y ajustes que uno va haciendo sobre la marcha.

Un desarrollador profesional no haría esto, sino que tomaría estar decisiones de antemano, a partir de una investigación y análisis de las diferentes opciones existentes – un análisis de sistemas. Pero los que no somos desarrolladores profesionales, y queremos aprender, no tenemos este lujo, sino que más bien aprendemos a hacerlo empíricamente. El segundo proyecto se vuelve mejor, y luego el tercero, y así sucesivamente. A partir de jugar con diferentes módulos, versiones y herramientas, uno aprender a comparar y evaluar qué versiones son mejores en función al proyecto en el que está trabajando.

Quizás esta no es una buena introducción para el absoluto neófito, sino para aquel que ya tiene cierta noción del interés que tiene y que lo ha intentado algunas veces. Pero para aquel que está en esta posición, me parece importante desmitificar los requerimientos iniciales para poder crear algo, y mostrar que en realidad, con un editor de textos y acceso a Google uno puede empezar a experimentar con cosas interesantes.

Metafísica y epistemología de la innovación

Conforme he ido explorando el mundo de la industria de los videojuegos en el Perú (con algunas notas iniciales aquí), he ido encontrándome también con las intersecciones que este mundo tiene con otros mundos tecnológicos que están en proceso de emergencia o de consolidación. Las retóricas del emprendimiento, de la investigación, de la tecnología y de la innovación atraviesan el mundo de los videojuegos en diversos puntos de encuentro, empezando a hacerse un lugar en la visión que está construyendo el Perú de sí mismo como un país que empieza a introducirse en las dinámicas del “progreso”.

Pero son, por supuesto, discursos complicados y que en general abordamos con dificultad porque no tenemos mucha experiencia en estos temas – y más aún, tenemos mucha experiencia con estructuras e infraestructuras (tanto técnicas como sociales) que obstaculizan el desarrollo de estos temas. Tenemos que enfrentarnos, por ejemplo, al desafío de cultivar ecosistemas sostenibles de innovación sin contar con una base instalada de investigación y desarrollo científicos y tecnológicos, y en muchos casos es fácil encontrar posiciones que creen que se puede tener una cosa sin la otra, o que la investigación básica o aplicada no deberían ser prioridades para nuestros desarrollo tecnológico. Ahora, la posición inversa también es fácil de encontrar: la que dice que no hay innovación si no hay primero el fomento de la investigación básica y de la ciencia pura. Ambos extremos adolescen de alguna forma de ingenuidad: o de una ingenuidad práctica que considera que se puede avanzar en innovación sin aparatos que la alimenten y la sostengan; o de una ingenuidad teórica que cree que las innovaciones surgen casi por ósmosis, sin ningún tipo de gestión, cultivo o canalización.

Todo lo cual muestra que hay múltiples epistemologías de la innovación que están explicitadas en ninguna parte, y que no son particularmente reconciliables entre sí. La innovación, concepto oscuro difícil de definir y acotar, es subsumida bajo la lógica económica del desarrollo de productos y servicios, o bajo la lógica científica del descubrimiento de la mejora técnica, y en ambos casos se deja de reconocer la importante ambigüedad, multidimensionalidad y complejidad de hablar de algo como la innovación. Los cambios cualitativos significativos que implican los procesos de innovación transformadora son difícilmente planificables, difícilmente anticipables, y sus consecuencias son difícilmente evaluables a priori: “innovar” no es solamente generar algo nuevo; es generar, a partir de elementos conocidos, un resultado desconocido que va más allá de la suma de sus partes. Si los resultados pueden ser anticipados con claridad, me atrevo a decir que no se trata de un resultado innovador. Las innovaciones realmente disruptivas son aquellas que escapan por completo a los sistemas que las generan, muchas veces volviéndolos obsoletos.

De modo que la innovación no puede saberse a priori, como no puede realmente saberse con claridad cómo innovar. Lo cual no quiere decir que no se pueda hacer nada al respecto: estamos hablando, finalmente, de cómo se genera un cambio cualitativo radical que va más allá de la simple acumulación cuantitativa. Y lo cierto es que históricamente hemos visto suficientes procesos de generación de cambio radical – técnico, económico, político, social, etc. – como para saber qué condiciones suelen ir de la mano con este tipo de cambios, y cuáles no. De modo que aunque no sabemos cómo producir lo desconocido como no sabemos cómo decir lo indecible, si sabemos construir sistemas y contextos donde lo indecible suele encontrar su camino hacia la enunciación con mayor facilidad. Con eso, al final estamos jugando un juego de probabilística: no podemos nunca garantizar al 100% un resultado innovador de un proceso cualquiera; pero sí podemos ampliar la cantidad de intentos que realizamos, y maximizar la posibilidad de resultados que sean, en mayor o menor medida, representativos de un cambio significativo en nuestra manera de hacer las cosas. Las innovaciones no pueden generarse a propósito. Lo que se puede generar a propósito son los entornos que tienen una mayor tendencia a generar innovaciones.

Ésta es, me parece, una mejor epistemología de la innovación, o incluso una metafísica: una manera de articular cómo pasa a ser lo que en teoría no puede ser. De todos modos me parece que es controversial, pues muchas personas creen que las innovaciones, cualquiera sea su forma, sí pueden ser accesibles voluntaria e intencionalmente. Pero en todo caso, estas discusiones y consideraciones de alto nivel especulativo me parecen relevantes porque el ámbito de la innovación, y su pariente cercano, el del emprendimiento, se han llenado de una serie de discursos no solo poco sustanciados, sino en gran medida anecdóticos y superficiales. Hay una enorme voluntad para el argumento y el discurso que parten de la excepción – por ejemplo, del tipo “si X pudo, tú también puedes” – en lugar del análisis del contexto en el que suceden las cosas y los factores endógenos y exógenos que llevaron a un individuo o a un grupo a introducir en el mundo algo que no existía antes.

Desde mi perspectiva, el discurso motivacional, casi de autoayuda de vender la idea del emprendimiento o la innovación como discursos de autosuperación o de realización personal no nos benefician a gran escala ni a largo plazo. Lo que estos discursos generan son grandes números de individuos enfrentándose a niveles sumamente altos de riesgo, resultados inciertos e impredecibles y altas probabilidades de fracaso, y todo por las razones incorrectas: por cumplir con una autoimagen, por aspirar a un mejor futuro material “liberado del trabajo de oficina”, pero no por el interés de realizar una visión propio, de construir algo radicalmente nuevo, de cuestionar estructuras establecidas o crear algo realmente significativo. A largo plazo, creo que esto puede terminar quemando muchos puentes, pues no se trata de conseguir la mayor cantidad de gente intentando lanzar la mayor cantidad posible de start-ups. Me parece mucho más sostenible conseguir la mayor cantidad de gente con el perfil adecuado para tentar la innovación una y otra vez hasta realizar una visión, siendo consciente de los riesgos que eso implica, y brindándoles las capacidades y el contexto que les permita desarrollar esa visión. No se trata de empezar a ponerse excluyente: cualquiera puede participar, por supuesto, pero eso no quiere decir que todos vayan a disfrutar la fiesta.

Una lectura computacional del Informe Final de la CVR, 2

Siguiendo en la línea de mi post anterior, algunas muestras más generadas por el código que tengo y el tipo de preguntas o narrativas que se pueden generar cuando se examinan. En el caso anterior, a manera de ejemplo generé mapeos simples de términos como “PCP-SL” o “MRTA” en el documento de la cronología de eventos que está incluido en el Informe Final de la Comisión de la Verdad y Reconciliación. Aunque son interesantes, no son terriblemente profundos.

Pero también podemos hacer otros tipos de mapeos. Por ejemplo, si queremos hacer un poco de historia política reciente, podemos mapear búsquedas de los principales personajes de la historia política durante el periodo de violencia interna en el Perú entre 1978 y el año 2000. A manera de ejemplo, estos son los resultados de mapear en el documento la incidencia de los nombres de presidentes peruanos en este periodo (Belaúnde, García, Fujimori, Paniagua, Toledo), a lo largo del mismo periodo. Mayor o menor frecuencia puede indicar mayor o menor participación en la vida política a lo largo de este periodo, al menos en lo que refiere a lo documentado por la CVR.

Belaúnde:

1978: ##1
1979: ##1
1980: ###################################12
1981: #######################8
1982: ############################################15
1983: ##################################################17
1984: #########################################14
1985: ##1
1986: ##1
1987: ##1
1988: ########3
1989: ##1
1990: ##1
1991: ##1
1992: ##1
1993: ########3
1994: ##1
1995: 0
1996: ##1
1997: 0
1998: ##1
1999: #####2
2000: #################6

García (el término es problemático por ser un apellido bastante común, se presta a usos potencialmente ambiguos):

1978: #1
1979: ###2
1980: 0
1981: #1
1982: ###2
1983: ########5
1984: ########5
1985: #####################################22
1986: ##################################################29
1987: ####################12
1988: #####################################22
1989: ##################################################29
1990: ####################12
1991: ######4
1992: ###############9
1993: ###2
1994: #############8
1995: ########5
1996: ###2
1997: #1
1998: #1
1999: ######4
2000: ########5

Fujimori:

1978: 0
1979: 0
1980: 0
1981: 0
1982: 0
1983: 0
1984: 0
1985: 0
1986: 0
1987: 0
1988: 0
1989: 1
1990: ########################42
1991: ######################38
1992: ###############################54
1993: ##############################52
1994: ###############################55
1995: ################################56
1996: #########################43
1997: ##########################46
1998: ##############25
1999: #############################51
2000: ##################################################86

Paniagua:

1978: 0
1979: 0
1980: 0
1981: 0
1982: ##########1
1983: 0
1984: ##########1
1985: 0
1986: 0
1987: 0
1988: 0
1989: 0
1990: 0
1991: 0
1992: 0
1993: 0
1994: 0
1995: 0
1996: 0
1997: 0
1998: 0
1999: 0
2000: ##################################################5

Toledo:

1978: 0
1979: 0
1980: 0
1981: 0
1982: 0
1983: 0
1984: 0
1985: 0
1986: 0
1987: 0
1988: 0
1989: #####2
1990: 0
1991: 0
1992: 0
1993: 0
1994: #######################8
1995: ########3
1996: 0
1997: 0
1998: 0
1999: #####2
2000: ##################################################17

Cuando vemos los mapeos en comparación, ¿qué tipo de observaciones podemos hacer? Primero que nada, podemos ver que las “estelas” de Belaúnde y García son más extensas que las de los demás. Como podríamos anticipar, Fujimori no existe antes del 89: la data no hace sino validar su categoría de “outsider” al sistema política partidario, y su incremento abrupto y marcado en los años subsiguiente coincide con el descenso en la frecuencia de los demás nombres – coincidente con el desmantelamiento de la clase política tradicional que operó el fujimorismo. Paniagua tiene un rol menor en los ochentas y luego virtualmente desaparece hasta la transición del 2000, mientras que Toledo registra solamente en periodos electorales (1995 y 2000).

En realidad estos cuadros no muestran nada que no sepamos ya – de hecho, a muchas de estas observaciones sólo podemos llegar porque ya sabemos muchas de estas cosas, y apenas comparamos nuestro conocimiento con lo que muestra la data. Lo interesante está, creo, en que la data, sin haber sido diseñado para eso (o para siquiera ser considerada como data) efectivamente valida estos patrones. Si no supiéramos varias de las cosas que ya sabemos, y trabajáramos con documentos menos estructurados, un análisis de este tipo nos mostraría tendencias para poder volver sobre estos vacíos y patrones y examinar en detalle por qué se dan discrepancias o se generan tendencias.

En este caso los ejemplos nos sirven más bien para validar que la herramienta efectivamente arroja datos válidos y por extensión, potencialmente interesantes. Si nos mostrara patrones que no tienen mayor sentido, alrededor de los no podemos construir una narrativa coherente, entonces pensaríamos o que el algoritmo está mal diseñado o que mi capacidad de programación es muy pobre. Felizmente, parece que ambas cosas no son (totalmente) ciertas porque de hecho tenemos resultados en apariencia válidos, con lo cual podemos seguir buscando nuevas cadenas y combinaciones y comparaciones que nos empiecen a insinuar cosas que no sabemos.

Con lo cual vale la pena mencionar algo más sobre el código: por ahora, a lo mucho hay una o dos funciones interesantes y una capacidad muy pobre de representación gráfica. Pero espero ir ampliando esto con el tiempo para darle mayor utilidad. Por lo cual cualquier feedback me sirve para ir pensando en maneras cómo se pueden generar interrogaciones sistemáticas extendiendo el código. Una de las primeras cosas que quiero agregar, además, es la capacidad para generar mejores gráficos que reflejen con mayor claridad los patrones, y quizás incluso con la capacidad de comparar múltiples resultados al mismo tiempo (por ejemplo, la data presentada arriba sería mucho más útil comparada lado a lado que como cinco gráficos separados). También quiero buscar la manera de hacer búsquedas por colocaciones (bigramas, trigramas o enegramas) para poder buscar nombres completos, nombres de organizaciones e instituciones.

Una lectura computacional del Informe Final de la CVR

He estado trabajando últimamente en un proyecto que involucra el uso de procedimientos computacionales para el análisis de datos, trabajando en el desarrollo de programas en Python para catalogar y analizar datos o para procesar textos en busca de patrones. Una de las cosas interesantes que ha salido de esto es un trabajo a partir del Informe Final de la Comisión de la Verdad y Reconciliación peruana, que además este año cumple diez años de haber sido publicado. El Informe Final es un esfuerzo masivo de investigación que involucró a un equipo enorme trabajando a través del Perú durante varios años, y es quizás el documento más comprehensivo de nuestra historia reciente sobre nuestra historia reciente. Se trata de nueve tomos más sus anexos, para un total de, si mal no recuerdo, alrededor de ocho mil páginas.

Por ello mismo, es sumamente difícil poder leerlo todo – a pesar de que lo he intentado varias veces, nunca lo he logrado. Existe Hatun Willakuy, la versión abreviada del IF en un solo volumen, pero obviamente no tiene la misma densidad y profundidad de información. De modo que se me ocurrió que el texto mismo del informe podría prestarse para una forma de lectura lejana (lo opuesto a una lectura cercana) donde el texto es tomado como la base de un análisis computacional que procesa el texto en busca de patrones significativos. Esto es totalmente un experimento, pero la idea del experimento es realizar este tipo de lecturas no con la intención de que un algoritmo agote el significado del texto, sino de que podamos utilizar un algoritmo para alzar preguntas y exponer áreas de interrogación que quizás no hubiéramos considerado antes. Esta aclaración es importante porque este tipo de herramientas de análisis basadas en computación o métodos en el ámbito de las humanidades digitales son suficientemente nuevas como para que su uso se pueda confundir o malinterpretar en el sentido de que intentemos dejar que la computadora responda preguntas, cuando en realidad es más interesante que genere posibilidades de interrogación.

Como un primer experimento dentro de lo espero se vaya volviendo un proyecto más completo con el tiempo (y que espero pueda resultar de interés a otras personas que se quieran ir sumando), he trabajado con la cronología de eventos entre 1978-2000 que forma parte de los anexos del informe. El archivo original en PDF, por supuesto, no está disponible en un formato fácilmente analizable, así que lo primero que hice fue convertirlo en un archivo de texto que pudiera ser analizado. Luego, dividí el archivo en secciones por año, para poder hacer un análisis comparativo a lo largo del tiempo. Todo el código que he generado está disponible en Github como el proyecto CVR Analytics para que cualquiera lo clone o analice. El código se apoya en el módulo NLTK para procesamiento y análisis del lenguaje natural, y es todavía un trabajo en progreso – de hecho, varias cosas importantes como la identificación de eventos y fechas todavía no funcionan como deberían.

Pero incluso en su forma actual se pueden formular algunas preguntas interesantes. La función word_map(), por ejemplo, permite buscar un término específico en el texto y visualizar la frecuencia con la que aparece en la cronología año por año. Esto genera algunos resultados interesantes, aún cuando muchos de ellos pueden ser esperables. Por ejemplo, una búsqueda por “PCP-SL” como término genera lo siguiente:

1978: 0
1979: ###2
1980: ########5
1981: #############8
1982: ####################################21
1983: #####################################22
1984: ##################################################29
1985: ##################11
1986: #############8
1987: #################10
1988: ########################14
1989: ################################19
1990: ######################13
1991: #########################15
1992: ####################################21
1993: ########################14
1994: ######################13
1995: #####3
1996: ###2
1997: #1
1998: ###2
1999: #1
2000: #1

Una búsqueda por “MRTA” genera la siguiente distribución:

1978: 0
1979: 0
1980: ##1
1981: 0
1982: ########3
1983: ##1
1984: ######################8
1985: #################################12
1986: #############5
1987: #################################12
1988: ##############################11
1989: ##################################################18
1990: #################################12
1991: ################6
1992: ###################7
1993: ################6
1994: ##1
1995: #####2
1996: ######################8
1997: #################################12
1998: 0
1999: ########3
2000: #####2

(Soy consciente de que mis visualizaciones son un poco crudas, pero vamos, esto es sólo una prueba de concepto.)

Otra función interesante es la de yearly_collocations(), que utiliza las funciones incluidas en NLTK para generar bigramas frecuentes: palabras que coinciden juntas con una inusual frecuencia. Las colocaciones para los años 1979-1981, por ejemplo, son éstas:

1978
Building collocations list
Asamblea Constituyente; Movimientos sociales; Francisco Morales; Hugo
Blanco; Óscar Molina; Cisneros Vizquerra; Partidos políticos; paro
nacional; Blanco Galdós; Fuerzas Armadas; Molina Pallochia; Morales
Bermúdez; alto nivel; decretos legislativos; las elecciones; origen
político; más alto; Luis Cisneros; Alva Orlandini; Estados Unidos
1979
Building collocations list
Partidos políticos; Morales Bermúdez; Francisco Morales; Junta
Militar; Movimientos sociales; Pacto Andino; Partido Comunista; Bedoya
Reyes; Cuadros Paredes; Raúl Haya; otro lado; Armando Villanueva; Por
otro; movimiento popular; Víctor Cuadros; Víctor Raúl; Luis Bedoya;
garantías individuales; las Fuerzas; Asamblea Constituyente
1980
Building collocations list
Belaunde Terry; Richter Prada; Partidos políticos; Pedro Richter;
origen político; Barrantes Lingán; Movimientos sociales; Manuel
Ulloa; Elecciones Generales; Alfonso Barrantes; Ulloa Elías; José
María; Orrego Villacorta; Silva Ruete; Eduardo Orrego; San Martín;
Armando Villanueva; Mientras tanto; Javier Silva; del Interior

Claramente no es un análisis perfecto – parte de los problemas que he encontrado hasta ahora han girado en torno al trabajo con un texto en español, cuando la mayoría de documentación y cuerpos de análisis disponibles están todos en inglés, de modo que el análisis es muchas veces menos que perfecto. Pero es un punto de partida, y muchos de los problemas seguramente pueden corregirse (seguramente con facilidad por alguien con mejor manejo del código que yo). Lo que quiero señalar con esto es simplemente que este tipo de análisis de textos masivos, como el Informe Final, pueden servir para elucidar preguntas y evidenciar patrones que de otra manera podrían permanecer ocultos en el texto y pasar desapercibidos a una lectura pormenorizada.

De ninguna manera esto es un mejor modo de lectura, o reemplaza al trabajo exegético y analítico que las humanidades y las ciencias sociales están acostumbradas a hacer. Pero ciertamente puede servir como un complemento, ayudando a abrir líneas de investigación u oportunidades de trabajo a seguir explorando. En mi caso, representa un primer experimento para seguir trabajando no sólo como aproximación analítica sino con suerte para luego complementarlo con un trabajo productivo, tomando no sólo la cronología sino también otras partes del informe y procesándolas para generar visualizaciones, archivos, o reinterpretaciones que permitan que un público más amplio pueda aproximarse a esta información y navegarla sin tener que saltar la valla altísimo de enfrentarse al informe en su totalidad.

Y claro, nunca está de más decir que cualquier comentario o pregunta sobre esto es bienvenido, para ir mejorando y ampliando el proyecto en otras direcciones.

Próxima Estación

Empieza a salir el sol en Cambridge, Massachusetts, y empieza a sentirse cada vez más la primavera. La gente sale a las calles y a jugar en los parques, los restaurantes sacan sus mesas a la calle, los veleros salen a navegar por el río Charles. El ánimo de la ciudad cambia por completo a medida que nos vamos librando de la necesidad del encierro para guarecernos del frío.

Y yo me voy. Al invierno del otro lado del mundo.

Pero en fin, debo repetirme continuamente que es por una buena causa. Desde principios de junio estaré aterrizando en Lima la gris, la neblinosa, para pasar ahí varias semanas levantando información para mi proyecto de tesis. Mi intención es trabajar de cerca con la comunidad local de desarrollo de videojuegos, conversar con varios de sus integrantes y participar de sus eventos, para hacer un estudio de las prácticas, los prospectos y los desafíos que tiene la industria de videojuegos en el Perú y cómo está conectada con sectores similares en América Latina. Así que llego con la intención de enterarme de todo lo que esté pasando al respecto: proyectos, tendencias, ideas, problemas, historias, antecedentes, emprendimientos, todo. Me interesa saber no sólo lo que está pasando con videojuegos, sino también otras industrias tecnológicas en software, hardware y servicios, y lo que esté pasando tanto a nivel comercial como no comercial (hackers, hobbistas, amateurs, etc.). El objetivo es no sólo alimentar lo que se convertirá eventualmente en mi tesis de maestría, sino también trabajar con el sector local para elaborar una suerte de diagnóstico para entender el estado actual del sector, y para informar el trabajo de todos los actores involucrados en su desarrollo mirando hacia adelante.

Aunque en principio estoy enfocándome en Lima, estoy bastante interesado también en saber qué está pasando en estos temas en otras ciudades del Perú, y me gustaría enormemente comunicarme con comunidades activas en estos temas para intentar coordinar una visita en algún momento de los próximos meses.

La información (bastante preliminar) de mi proyecto de investigación puede encontrarse aquí (y un poco de la idea original, que ya mutó bastante, aquí), donde además iré agregando más información conforme la tenga y donde hay también un formulario para los que estén trabajando en estos temas y estén interesados en participar del estudio.

Me interesa también ir pensando en aprovechar mi tiempo en Lima para experimentar con algún tipo de evento o taller sobre este tema y otros temas cercanos: algo sobre videojuegos como industrias creativas, humanidades digitales, educación y nuevas tecnologías, o algún otro de los temas en los que he estado trabajando últimamente. Me interesa tanto para enterarme de las iniciativas que están emergiendo en Lima como para compartir un poco de las cosas que estoy descubriendo por aquí y contribuir ideas o recursos que puedan alimentar la práctica local. De modo que si tienen ideas de temas que creen que podríamos explorar, o están interesados en algo de este estilo, avísenme por acá o por correo electrónico para ir tomándolo en cuenta.

Mientras tanto, me voy acostumbrando a la idea de que este año no me toca tener verano.

¿Cómo serán las nuevas instituciones de educación superior?

Cada vez estoy más convencido de que estamos en un curso de colisión acelerado en lo que refiere a educación superior, por no decir educación en general. Nuestros modelos e instituciones ya no dan para mucho más, por múltiples razones, y las alternativas son pocas y no del todo convincentes.

El problema central es que la universidad como modelo organizacional central en la educación superior sufre desde que pierde el monopolio fáctico sobre la creación y sobre todo distribución de conocimiento. No es la única razón, pero es el meollo del asunto: información que antes uno podía solamente conseguir a través de estudios universitarios hoy se puede conseguir por múltiples otros canales. Obviamente no intento sugerir que una universidad sea solamente transferencia de información, pero sí me parece que las demás capas de valor que aporta una formación universitaria empezaron a volverse visibles y a llamar la atención cuando esta capa primordial se vio desequilibrada.

Pero a partir de allí vienen una serie de problemas estructurales de nuestras universidades contemporáneas que son difíciles de equilibrar. Por ejemplo, la diferenciación entre universidades como espacios de formación e investigación, y universidades como espacios de capacitación profesional. Las diferencias entre ambos enfoques son importantes: la primera está más interesada en la exploración y el desarrollo de nuevo conocimiento, mientras que la segunda está orientada hacia el desarrollo de habilidades específicas que sus estudiantes necesitarán en el ámbito laboral. No es que una sea superior a la otra: graduar estudiantes sin capacidades que puedan desplegar para desarrollar sus carreras es tan malo como promover visiones estáticas y estrictamente funcionales de áreas de conocimiento, pero de lejos la mayor de las faltas es intentar vender una de estas ideas para luego realizar la otra. La inspiración “filosófica” de la institución tiene importantes repercusiones operativas: una universidad como espacio de capacitación profesional tiene más oportunidades de financiarse a partir de los ingresos generados por sus estudiantes, mientras que una universidad como espacio de investigación, al ofrecer directamente menor certidumbre sobre el retorno a la inversión, dependerá más de otras fuentes de financiamiento como los retornos sobre nuevas patentes o fondos para financiar proyectos.

Al mismo tiempo, hay una suerte de carrera por encontrar la pieza mágica que resolverá el problema no sólo de manera costeable, sino también escalable. ¿Qué tecnología mágica permitirá distribuir contenidos a más estudiantes, a menor costo, sacrificando lo menos posible de la calidad del contenido? Educación a distancia, objetos de conocimiento reusables, telepresencia, herramientas colaborativas, una mezcla de todos los anteriores – o, últimamente, la idea de que los MOOCs (massively open online course) serán el futuro de la educación. Los MOOCs vienen con una retórica utópica sobre llevar la mejor educación a los lugares más remotos del mundo, sea con una orientación más académica como en el caso de edX, o una más comercial como en el caso de Coursera. La idea es relativamente simple, pero la ejecución sumamente complicada: generar plataformas para distribuir cursos universitarios en línea, que incorporen además espacios de colaboración y comunidad donde los estudiantes puedan comunicarse entre sí para resolver sus propias preguntas – mitigando así en cierta medida el problema de la falta de socialización que genera el espacio virtual frente al curso presencial, y la dificultad de brindar apoyo personalizado cuando la lista de inscritos de cuenta en miles en lugar de decenas.

Modelos como edX o Coursera alzan legítimamente la pregunta, ¿entonces qué valor queda para la universidad si uno puede llevar cursos de las mejores universidades en línea? Bueno, el que las mejores universidades puedan hacer esto es una clara retórica que les permite afirmar que su valor no está en el contenido mismo – el contenido te lo regalo porque me dedico a cosas más importantes, como ofrecer vínculos personales con especialistas de alto calibre, recursos de investigación, oportunidades para participar de proyectos, etc. Y por supuesto, siempre queda la capa de certificación: puedes haber llevado todos los cursos en línea de las mejores universidades del mundo y ser un especialista de facto en la materia, pero eso no te da el título que lo certifique y que te puede servir para conseguir un trabajo. Ese detalle todavía representa una significativa inversión de dinero, y en muchos casos, es el único detalle que le importa a muchas personas que consideran que ir a una universidad de primer nivel es mucho más un tema de branding que de aprendizaje.

Pero ante las posibilidades del MOOC están también los que legítimamente dicen que “no es lo mismo” – que la distribución masiva de contenidos en línea no puede reemplazar la experiencia educativa, que debe entenderse como más que solamente transferir información de una cabeza a otra (argumento que tiene importante sustento epistemológico). Sin embargo, hay que tener en cuenta también cuál es la línea de base con la cual se hace esta comparación. Es muy distinto comparar con una visión idealizada de lo que es la educación que con lo que efectivamente ocurre en los salones de clase, y en este sentido me atrevo a decir que la educación universitaria que reciben muchos de los estudiantes en, por ejemplo, muchas de las universidades peruanas, dista mucho de ser una gran “experiencia educativa”. Es más, incluso en las que se pueden considerar como las mejores universidades peruanas (si nos guiamos por algo como el ránking realizado por América Economía) difícilmente los alumnos participan de esta mística experiencia educativa, algo que observo a partir de mi propia experiencia dictando clase en algunas de ellas y las experiencias que recibo de varios amigos que aún lo hacen. Siempre encuentra uno alumnos excepcionales, pero también una abrumadora mayoría de gente que pasa por el sistema educativo con una perspectiva un tanto fatalista de que “no hay otra opción” o una determinista de que “simplemente lo que hay que hacer”.

El otro polo del espectro es aún peor: el libertinaje universitario de las últimas décadas en el Perú que llevó a la creación indiscriminada de nuevas instituciones sin ningún tipo de control de calidad y la subsecuente serie de historias de terror de universidades funcionando en garajes y demás condiciones inaceptables, que terminó por llevar al Congreso a aprobar una moratoria para la creación de nuevas universidades hasta el 2017. Tanto en el caso anterior, como especialmente en este caso, uno tiene forzosamente que preguntarse si algo como un MOOC no sería una mejor alternativa para muchas de estas personas. No que sea la mejor opción en todos los mundos posibles, sino que allí donde el estudiante realmente no está involucrado con la experiencia educativa, o donde la infraestructura está por debajo de cualquier estándar de calidad, ¿no se pueden contemplar alternativas transicionales más interesantes?

Aún así, el hecho de que las “mejores universidades” puedan darse el lujo de regalar su contenido en la forma de MOOCs es algo que tiene que pensarse en todas sus ramificaciones, pues sí efectivamente se logra consolidar un modelo funcional, no sólo se corre el riesgo de terminar volviendo obsoletas a aquellas instituciones que se encuentran más abajo en el espectro de calidad (como sea que se la defina), sino también por amenazar significativamente a las que están más hacia el medio. Si la disyuntiva entre un MOOC de primer nivel y una universidad local de medio rango se vuelve legítima, se corre el riesgo de volver irrelevante la existencia de un enorme número de instituciones que cumplen, entre otras, una función importante de accesibilidad al brindar más espacios para que la gente reciba una educación. La promesa de accesibilidad absoluta podría generar el daño colateral de terminar elitizando la educación superior al hacer la educación presencial un lujo disponible solamente a unos pocos por el criterio que sea – poder adquisitivo, capacidad intelectual, buena fortuna – mientras que todos los que no cumplan con esa categoría no tengan más opciones que la educación virtual como un “peor es nada”.

Por otro lado, para muchos académicos cansados del universo académico tradicional esto se presenta como una increíble oportunidad de experimentación. Para muchas personas en el mundo académico, la promesa de la vida intelectual de investigación y docencia choca con una realidad en la cual hay menos plazas disponibles que gente intentando ocuparlas, donde la gestión de las instituciones es muchas veces poco transparente, los sueldos son bajos y la carga docente alta, y un mundo en el cual finalmente se encuentran frustrados porque no solamente no encuentran ese espacio prometido de gratificación intelectual, sino que tampoco reciben los beneficios materiales que uno podría esperar del mercado laboral. Ante ese prospecto (y ojo que digo aquí que me refiero a ese prospecto, no el de las minorías que efectivamente logran construir una carrera académica satisfactoria) la posibilidad que puede tener un académico de independizarse del mundo institucional y dedicarse a construir su propio islote de conocimiento utilizando herramientas como MOOCs o cualquier otra me parece sumamente interesante. Si uno tiene la capacidad de construir una comunidad de interés lo suficientemente grande como para tener un número significativo de gente dispuesta a pagar por acceso a contenido o por interacciones más personales, uno podría tranquilamente generar una estructura sostenible que le genere por lo menos tantos ingresos como tendría en el sistema tradicional, pero con mayor libertad de contenidos y enfoques. No creo que esto necesariamente vaya a ser un modelo que le convenga a todos o a cualquiera; pero en este momento, si creo que para algunos académicos que encuentren la manera de construir una marca personal y una comunidad de interés puede ser un modelo sumamente interesante. Y a largo plazo y a escala, uno podría imaginarse a sí mismo, como estudiante, armándose carreras ad hoc con currículas personalizadas que incluyan cursos con especialistas que no estén limitados por sus afiliaciones institucionales o por su ubicación geográfica, a costos potencialmente menores. Finalmente, muchas veces olvidamos que muchas de las barreras en torno a nuestra organización del conocimiento no son sólo conceptuales, sino también físicas: organizamos cursos y currículas de tal o cual manera porque debemos concentrar recursos (profesores, salones, alumnos, libros, etc.) en un mismo lugar. Una vez que tiramos por la ventana la barrera física, se vuelve también legítimo cuestionas las demás.

No hay una conclusión final aquí. Solamente son algunas notas sobre temas vinculados a educación superior que quería procesar y compartir, como para ir o seguir armando una discusión.

Aceleración de sectores

A pesar de que nos gusta pensar que cada caso es único y excepcional, y de que si nos concentramos lo suficiente para mirar las cosas con suficiente detalle parecería ser cierto, también es verdad que entre múltiples casos similares hay suficientes rasgos comunes como para poder hacer abstracciones y hablar de patrones. Encontrar estos patrones en, por ejemplo, la manera como aparecen y evolucionan organizaciones en un sector, se vuelve especialmente difícil cuando se trata de un sector joven o sumamente diverso. Pero en esos mismos casos, encontrar esos patrones se vuelve doblemente importante porque son aquello que permitirá a las organizaciones existentes crecer más rápido y más efectivamente, y a las organizaciones nuevas tener un panorama del tipo de desafíos y preguntas que probablemente se estarán formulando a lo largo de su ciclo de vida.

Durante mi tiempo en Ashoka tuve la oportunidad de trabajar con una gran diversidad de organizaciones sociales e innovadores sociales en diferentes puntos de su ciclo de vida – algunos que recién estaban empezando, algunos que ya tenían varios años haciéndolo, algunos sólo a nivel local y algunos cruzando fronteras nacionales. Y aunque había una enorme diversidad de objetivos, de estrategias y de modelos, uno podía más o menos hacerse una idea de la manera como el sector funcionaba, y también cómo y dónde dejaba de funcionar: al margen de su grado de éxito e impacto, ciertas preocupaciones comunes emergían gruesamente en el mismo punto en la evolución de una organización. Conocer y documentar esos puntos de tensión se volvía entonces en una clave posible para acelerar el sector social en su conjunto: si yo puedo anticipar con cierto grado de confiabilidad que dentro de dos o tres años tu organización va a tener X o Y problemas o preguntas, te estoy dando dos o tres años de anticipación para planificar tu respuesta. Esa capacidad de anticipación, que no es inusual en una serie de sectores comerciales, es por el contrario muy escasa en el sector social. Esto porque en gran medida el sector social se ha resistido a incorporar herramientas y modelos del sector empresarial, y porque se considera que las organizaciones sociales son tan diversas en sus propósitos que no pueden trazarse puntos de comparación entre sus modelos: si tú trabajas en torno a medio ambiente y yo trabajo con un foco en el tema educativo, la primera suposición es que tus estrategias no serán aplicables a mis problemas. Pero si uno empieza a comparar múltiples casos, empieza a encontrar que los problemas son mucho más parecidos de lo que uno esperaría.

Así, luego de varias conversaciones, visitas y observaciones, compilé un pequeño modelo que por ningún motivo debería ser considerado riguroso. La evidencia que lo informa es más bien anecdótica, pero considera lo siguiente: una innovación social pasa por un ciclo evolutivo más o menos común, donde en cada etapa encontrará diferentes preocupaciones como las prioritarias que deben ser resueltas efectivamente para pasar al siguiente nivel. Así consideradas las cosas, el pequeño modelo anecdótico se puede representar más o menos así:

El pequeño modelo anecdótico supone que el objetivo de una innovación social es maximizar su impacto posible, de modo que pretende tener un alcance global para atender a un problema social. De no ser ése es el caso, como no lo es quizás para la mayoría de iniciativas, su techo de crecimiento es quizás el nivel 2 o el nivel 3. En cualquier caso, el modelo puede desglosarse en una serie de necesidades comunes que enfrentará una innovación social y una serie de preguntas que debería estarse haciendo según su grado de evolución:

  • Nivel 0: desarrollar un prototipo funcional. ¿Cómo funciona el modelo? ¿Cómo genera impacto? Es la etapa de experimentación y diseño, probando variaciones del modelo hasta alcanzar un producto mínimo viable.
  • Nivel 1: llevar el modelo al mercado. Una vez que se tiene un modelo surgen dos preguntas claves: ¿Cómo se van a procurar los recursos para su aplicación sostenida? ¿Y cómo se va a llevar el modelo mismo a su lugar de aplicación, como se van a comunicar sus beneficios? El desafío de consolidar un modelo más allá del prototipo pasa por articular una comunidad que se beneficie de él y le dé respaldo.
  • Nivel 2: con el modelo probado e implementado, ¿cómo se replica en otros espacios y se amplía su impacto? Los desafíos se vuelven diferentes: se necesitan diferentes modelos organizacionales para aguantar el crecimiento, y necesitan mecanismos de evaluación para saber cuándo algo está funcionando y cuándo no. Además, la necesidad de expansión plantea la nueva necesidad de generar redes y alianzas con otras organizaciones que apoyen o dirijan nuevas implementaciones locales.
  • Nivel 3: llevar un modelo replicado a escalas más grandes. El salto en escalabilidad es probablemente un salto cualitativo antes que cuantitativo: no es sólo hacer más de lo mismo, sino cambiar las estrategias. El trabajo con políticas públicas, por ejemplo, ofrece la oportunidad de mucho más rápidamente replicar un modelo a gran escala, y el desarrollo de nuevas herramientas conceptuales y teóricas puede servir para influenciar las estrategias de una nueva generación de actores desde su formación.
  • Nivel 4: impacto global. Es aquí donde los problemas y los modelos se vuelven casi siempre singulares, pues deben navegar diferentes procesos políticos, económicos, sociales y culturales, y en casi todos los casos lo harán siguiendo un camino distinto a través de diferentes realides nacionales y regionales. Pero las necesidades de los niveles anteriores – la construcción de una red de alianzas, la búsqueda de un liderazgo intelectual, etc. – serán todas herramientas importantes a la hora de llegar a este punto.

Armado con esta información, un innovador social puede acelerar el tiempo que le toma llevar su iniciativa desde un prototipo hasta el impacto global anticipándose a las necesidades que muy probablemente encontrará en el camino. Pensado a nivel sectorial, el sector en su conjunto puede acelerarse si se diseñan intervenciones claves orientadas a cada uno de estos niveles, de modo que existan las estructuras de soporte para acompañar a las innovaciones a lo largo de su ciclo evolutivo.

Me parece valioso compartir estas ideas por dos razones. La primera es porque la intención era utilizar esta información para el diseño de esas intervenciones claves que permitieran acelerar el crecimiento del sector en su conjunto, algo que finalmente por una cuestión de tiempo no se llegó a dar. Y tener esta información oculta en mi disco duro, donde no puede compartirse, discutirse ni refinarse, no era particularmente útil para nadie. Creo que al menos compartiéndola puede fortalecerse el pequeño modelo anecdótico para dejar de ser tan pequeño y tan anecdótico y convertirse en una herramienta analítica y predictiva más útil – o incluso, en el mejor de los casos, para validar que las ideas van por buen camino.

La segunda razón es porque mi trabajo actual está yendo en una dirección similar, aunque esta vez orientado más hacia la aceleración de sectores tecnológicos – en particular, trabajando en la aceleración del sector de videojuegos como una inversión estratégica para economías en desarrollo. De modo que volver sobre estas ideas me ayuda a buscar similitudes, diferencias y analogías, e ir refinando el modelo, esta vez con una base documental mucho más sólida que tenga en consideración la historia del sector, la particularidad del medio del videojuego y contando con data que permita respaldar un modelo de similar alcance y pretensiones para un sector diferente.

Por qué “No”

El tema de la revocatoria a Susana Villarán como alcaldesa de Lima me parece, personalmente, el punto más bajo al que ha llegado la política peruana – o más bien limeña, porque no puedo hablar realmente por todo el país – en los últimos años. Y eso es decir bastante. Pero ya nada tiene sentido, es un Juego de Tronos criollo donde los ciudadanos podemos poco más que contemplar y preguntarnos por qué las casas se pelean entre ellas con nosotros de por medio.

No voy a poder votar en esta revocatoria por estar en el extranjero, y sorprendentemente no me considero afortunado por ello. Va a ser una votación muy ajustada y seguramente cada voto hará la diferencia, aunque suene trillado. De modo que mi inequívoco voto por el “No” no podrá ser contado. Pero lo que sí puedo hacer es, al menos, explicar las razones por las que, si pudiera votar, votaría por el “No”.

Las cosas que sabemos

La revocatoria es, efectivamente, una facultad legítima. Mal utilizada con abundante frecuencia, pero finalmente legítima. Pero la revocatoria tiene un sentido que, aunque susceptible a diferentes interpretaciones, apunta a condiciones objetivas: revocar a una autoridad que abusa de sus funciones o comete actos de corrupción. Es un mecanismo cuyo sentido es proteger al ciudadano del abuso de la autoridad.

Pero el argumento que sustenta la revocatoria sobre la base de la eficiencia no es convincente. Primero porque ha sido desmentido repetidamente, en el caso más reciente por un artículo en la revista Poder. Si hacemos las comparaciones respectivas, los primeros años de la gestión de Susana Villarán no sólo no han sido menos eficientes que los de sus predecesores inmediatos, sino quizás han sido hasta más, según varias de las cifras oficiales. Que la capacidad comunicacional de la Municipalidad de Lima haya sido casi nula en el mismo tiempo de gestión es algo totalmente cierto, pero que no invalida por sí mismo lo que sí ha ejecutado. Sobre todo, no es una buena justificación del hipotético “revocador responsable” que dice ser un votante informado pues, si efectivamente lo fuera, conocería la información detrás del vacío comunicacional.

Decir que la persistencia de problemas estructurales, o incluso su agravamiento, como la inseguridad ciudadana o los problemas de tráfico y transporte, son motivo suficiente como para considerar la gestión ineficiente, es también una falta importante de perspectiva. Primero, porque a pesar de que indudablemente le afecta directamente, la MML no tiene toda la injerencia ni capacidad como organismo para lidiar con estos problemas. Recordemos que los serenazgos distritales sólo existen, primero que nada, porque la Policía Nacional no es capaz de darse abasto y responder efectivamente a problemas locales. Pero garantizar el orden interno es primeramente responsabilidad del Ministerio del Interior, el cual por lo menos debería marcar la pauta y llevar la agenda sobre el tema. La MML no puede en este tema sino llevar a cabo reformas superficiales o a lo mucho intentar convocar a los actores responsables, pero el que respondan termina estando fuera de su esfera de influencia (o al menos, así queda a la falta de operadores políticos experimentados).

Algo parecido ocurre con el transporte: Susana Villarán no ha venido a causarte el tráfico de Lima. Años sucesivos de malas políticas de transporte, junto con crecimiento económico y mayor acceso a crédito tienen efectos que se componen durante mucho tiempo. La falta de articulación institucional en la materia no ayuda: que el Ministerio de Transportes pueda sacar adelante un proyecto de tren eléctrico que no esté desde el principio diseñado para articularse con el proyecto ya existente de buses segregados de alta capacidad es una muestra de que la responsabilidad, de nuevo, no recae sólo sobre la MML. Y de hecho, el compromiso demostrado con la reforma de transportes, en contra de continua presión política, es definitivamente un paso importante en la dirección correcta.

¿Quiere esto decir que la gestión Villarán está libre de polvo y paja, y es una gestión maravillosa? No, en ningún momento dije eso. Hay cosas que rescatar, especialmente a nivel de construcción institucional, así como también varias que criticar – el vacío comunicacional siendo una de las más importantes. Pero que se le pueda y deba criticar no quiere decir que se le deba revocar. Por cualquier ángulo que lo mire, la revocatoria NO se justifica sobre la base de los argumentos que se circulan. Y el instrumento de la revocatoria no está diseñado simplemente para expresar tu desacuerdo – para eso están las elecciones. Si no te gustan sus políticas, y aún así gana, pues así como defenderías la revocatoria deberías defender su legitimidad para terminar su periodo de gobierno. El “referéndum” sobre si un alcalde debe seguir o no es su capacidad para postular a la reelección. La revocatoria es un instrumento diseñado para lidiar con el abuso. Y que no esté de acuerdo con tus políticas personales no es una forma de abuso, es justamente la base de la arquitectura democrática.

Las cosas que sospechamos

De modo que, si el voto a favor de revocar a Susana Villarán no está motivado por la eficiencia o efectividad de sus políticas públicas y “obras”, entonces es, a falta de una mejor palabra, un voto estrictamente político, en su sentido de manejo de intereses. No tienen nada de malo que se manejen intereses: pero sí tiene mucho de malo que se me vengan con huevadas a tratar de justificarme el voto revocador por cualquiera de las razones anteriores, o tratar de escudar el “no me cae” o la izquierdofobia debajo de la fachada institucional de la revocatoria como “ejercicio de la democracia”.

Pero esto es contraproducente por dos razones. La primera es que votar por el “Sí” es un autogol. Es no sólo preservar, sino radicalizar todas las razones por las que supuestamente se apoya la revocatoria. En este momento, Susana Villarán, desde su precaria posición política, es el dique de contención de una serie de cosas: el descontrol en el transporte público, el descontrol en el ordenamiento urbano, etc. Si es revocada, sea quien sea que entre no va a tener siquiera el endeble aparato político para continuar y defender estas reformas estructurales. Que una ciudad del tamaño y complejidad de Lima pierda 18 meses durante un momento de transformaciones profundas es indefendible y, a la vez, irrescatable. Todas las razones que se argumentan para estar a favor de la revocatoria son precisamente las razones por las que habría que estar en contra.

La segunda razón es que reventar ese dique de contención va a generar una serie de vacíos de poder por todos lados. Todos los espacios que la MML ha recuperado o ganado quedarían de un día para otro abiertos al mejor postor: las reformasp pueden ser desarmadas por sus opositores, la gestión enflaquecida obligada a recurrir a todo tipo de consultores y proveedores externos para cumplir con funciones básicas sin ningún tipo de fiscalización o control, y, especialmente, el vacío político cooptado por una serie de personajes que hoy dicen no ser los dueños del circo. Pero al final, todo parece estar armado de tal manera que puedan cómodamente deslizarse a esos vacíos de poder, políticos y organizacionales, y enquistarse en todos sus niveles. No hay corrupción en las gestiones previas si no hay quién la investigue, no hay negociados políticos y pactos de no agresión que han durado años si no hay quién los denuncie y enfrente.

Pero por alguna razón, que no comprendo, al que apoya la revocatoria todo esto parece no importarle, porque “Susana no hace nada”, o porque simplemente le cae mal y que se vaya. Por eso la revocatoria es como la democracia deliberativa, funciona todo lindo en experimentos conceptuales donde todos saben lo que quieren y respetan las condiciones dentro de las cuales pueden intentar conseguirlo.

La revocatoria es la paradoja perfecta en la cual nadie sabe realmente qué quiere, y para intentar conseguirlo hacen cualquier cosa con las reglas de juego para finalmente conseguir exactamente lo contrario.