Blog | CRiSS-LAB Chile

Aprendizaje no supervisado para sistemas sociales

Sat, 30 May 2026 00:00:00 +0000

Muchos datos sociales llegan sin etiquetas limpias. No siempre sabemos de antemano qué tipos de estudiantes, firmas, barrios, conversaciones o trayectorias culturales existen en los datos.

El aprendizaje no supervisado permite convertir esa incertidumbre en una herramienta analítica. Clustering, embeddings, reducción de dimensionalidad, modelos de tópicos y detección de anomalías ayudan a encontrar estructura sin imponer categorías demasiado temprano.

En CRiSS-LAB esto es clave para preguntas sobre grupos de estudiantes, memoria científica, movilidad urbana y cultura. Buenos flujos no supervisados no reemplazan la teoría: ayudan a formular mejores hipótesis.

MúsicaCL: estudiar la música como red cultural

Fri, 29 May 2026 00:00:00 +0000

La música no es solo un conjunto de canciones o artistas. También es un sistema social compuesto por colaboraciones, escenas, audiencias, lugares, equipos de producción, plataformas y memorias compartidas.

MúsicaCL nace desde esa idea. El proyecto pregunta cómo las ciencias sociales computacionales pueden mapear la música chilena como una red cultural, conectando repertorios, influencia, atención y colaboración.

El objetivo es analítico y creativo: entender mejor cómo se forman las escenas, cómo circula la atención y cómo los ecosistemas creativos locales pueden volverse más visibles.

Ejercicios Meisner como laboratorio de señales sociales

Thu, 28 May 2026 00:00:00 +0000

La técnica Meisner pone la atención en la otra persona. Sus ejercicios trabajan escucha, repetición, impulso, timing y respuesta.

Eso la vuelve interesante para las ciencias sociales computacionales. Muchos datos registran lo que las personas hicieron, pero no cómo estuvieron presentes mientras interactuaban. Un entorno estructurado de interacción puede ayudar a observar coordinación, reciprocidad, turnos, alineamiento emocional y respuesta adaptativa.

El proyecto Meisner es una línea creativa, pero también conecta con preguntas aplicadas: cómo los equipos construyen confianza, cómo un docente lee una sala, cómo lideramos escuchando y cómo diseñar sistemas humano-IA más responsivos.

Graph embeddings y diversificación de firmas

Wed, 27 May 2026 00:00:00 +0000

Las firmas rara vez diversifican al azar. Sus nuevas actividades dependen de capacidades, proximidad de mercado, oportunidades institucionales y del historial de lo que ya saben hacer.

El nuevo capítulo sobre diversificación de firmas usa datos de compras públicas y embeddings de grafos para representar empresas y actividades en un espacio relacional. Esa representación permite que los modelos de machine learning capturen proximidades que pueden reflejar capacidades y oportunidades.

Para complejidad económica, esto importa porque hace la diversificación más medible y potencialmente más accionable.

Cuando la inseguridad cambia la forma de moverse

Tue, 26 May 2026 00:00:00 +0000

La movilidad urbana no es solo un problema de transporte. También está moldeada por percepción, miedo, rutina y exposición desigual al riesgo.

El artículo en EPJ Data Science sobre sentimientos de inseguridad estudia cómo la percepción de inseguridad se relaciona con el movimiento diario, con énfasis en diferencias de género. Al conectar percepciones subjetivas con datos objetivos de movilidad, el trabajo muestra cómo el miedo puede convertirse en una restricción real sobre el uso de la ciudad.

Para la política pública, la lección es concreta: ciudades más seguras e inclusivas no se miden solo por estadísticas de delito, sino también por la reducción de barreras cotidianas para moverse libremente.

Autismo, reciprocidad e integración en aulas

Mon, 25 May 2026 00:00:00 +0000

Las salas de clases son sistemas sociales. El aprendizaje, el bienestar y la inclusión dependen no solo de características individuales, sino también de la estructura de relaciones entre estudiantes.

El artículo en Scientific Reports sobre autismo, integración social y reciprocidad usa datos de interacción en aulas para estudiar cómo se insertan estudiantes autistas en redes de pares. Este tipo de evidencia permite observar cooperación, reciprocidad, aislamiento e integración con mayor precisión.

Para CRiSS-LAB, el punto general es que si la inclusión es relacional, la evidencia que usamos para apoyarla también debe ser relacional.

Capybara y convivencia escolar basada en evidencia

Wed, 25 Feb 2026 00:00:00 +0000

La convivencia escolar es un fenómeno relacional. No basta con mirar casos aislados: es necesario entender cómo se organizan los cursos, dónde aparecen señales de aislamiento, qué vínculos son recíprocos y qué dinámicas pueden escalar.

Capybara transforma una experiencia breve para estudiantes en evidencia útil para equipos directivos, convivencia escolar, orientación y docentes. La plataforma ayuda a observar cooperación, reciprocidad, liderazgo, fragmentación e integración.

Para CRiSS-LAB, Capybara conecta investigación aplicada, teoría de juegos experimental, ciencia de redes e inteligencia artificial con un problema urgente para colegios en Chile: actuar antes de que el conflicto se vuelva más difícil de abordar.

Memoria colectiva y ciencia retractada

Wed, 25 Feb 2026 00:00:00 +0000

La ciencia tiene mecanismos formales para corregirse, pero una retractación no garantiza que una idea desaparezca del sistema científico ni del espacio público.

El proyecto FONDECYT Regular 2026 sobre decaimiento de memoria colectiva en ciencia estudia por qué investigaciones invalidadas pueden seguir siendo citadas, recordadas o usadas como referencia. Para esto combina bibliometría a gran escala, redes de citación, procesamiento de lenguaje natural, inteligencia artificial y modelos de memoria colectiva.

La pregunta de fondo es simple y difícil: ¿cuándo una corrección formal se transforma realmente en olvido del sistema?

Qué aporta la ciencia de redes a la educación

Thu, 11 Dec 2025 00:00:00 +0000

La educación es relacional. Los estudiantes aprenden con pares, los docentes coordinan intervenciones, los programas compiten y se complementan, y las instituciones moldean trayectorias mediante reglas, admisión e información.

La ciencia de redes permite hacer explícitas esas relaciones. Ayuda a distinguir estudiantes aislados de estudiantes integrados, colaboración redundante de acceso diverso a información, y trayectorias frágiles de ecosistemas educativos más robustos.

Para CRiSS-LAB, esto no es solo una preferencia metodológica. Es una postura práctica: mejor evidencia relacional puede apoyar mejores decisiones pedagógicas, mejor acompañamiento estudiantil y mejor diseño institucional.