Contextualized problem for a data scientist from a socio-formative approach
Keywords:
data analysis, data scientist, data collection, social formationAbstract
A proposal for combining the work of data science with socio-training approach to offer greater certainty when working with real and current scenarios was made as well as allowing adapting and optimize solutions already used to generate successful replicas in similar environments. For this purpose, a documentary analysis was carried out with a qualitative and comprehensive approach through a structured registry. For future research, data science planning strategies and socio-formative approach will be reviewed for establishing the point of convergence and ensure better achievements.Downloads
References
Ahituv, N. (2019). What should be taught in an academic program of data sciences? Digital Presentation and Preservation of Cultural and Scientific Heritage, 9 (December), 55–64.
Arias, F. (2016). El proyecto de investigación: introducción a la metodología científica (Episteme (ed.); 6th ed.). https://ebevidencia.com/wp-content/uploads/2014/12/EL-PROYECTO-DE-INVESTIGACIÓN-6ta-Ed.-FIDIAS-G.-ARIAS.pdf.
Arriagada-Benítez, M. (2020). Ciencia de datos: Hacia la automatización de las decisiones. Ingeniare. Revista Chilena de Ingeniería, 28(4), 556–557. https://doi.org/10.4067/S0718-33052020000400556.
Bermeo-Yaffar, F., Hernández, J. S. & Tobón, S. (2016). Análisis documental de la V heurística mediante la cartografía conceptual. Ra Ximhai,12(6), 103–122. https://doi.org/10.35197/rx.12.01.e3.2016.05.fb.
Carayannis, E. G. & Grigoroudis, E. (2022). Towards an Ambidextrous, Robust and Resilient Impact Assessment of Sustainable Smartes Specialisation Strategies (AR2IA/S4). Journal of the Knowledge Economy, 1-43. https://doi.org/https://doi.org/10.1007/s13132-022-00991-2.
De-Fuentes, A., Hernández, M. S. & Escudero-Nahón, A. (2019). Metodología de Diseño Curricular en la Nube: Una Propuesta de Innovación Educativa para la Creación de la Licenciatura en Ciencia de Datos. Congreso Internacional de Educación: Currículum 2019, 5, 1–13. https://posgradoeducacionuatx.org/pdf2019/C030.pdf.
Dulzaides-Iglesias, M. E. & Molina-Gómez, A. M. (2004). Análisis documental y de información: dos componentes de un mismo proceso. Acimed, 12(2), 1–5.
Gibert, K., Horsburgh, J. S., Athanasiadis, I. N. & Holmes, G. (2018). Environmental Data Science. Environmental Modelling and Software, 106, 4–12. https://doi.org/10.1016/j.envsoft.2018.04.005.
González-Ordiano, J. A. (2021, January 26). CIENCIAIBERO ¿Cómo resolver un problema usando la ciencia de datos? https://investigacion.ibero.mx/investigador/jorge-angel-gonzalez-ordiano.
González-Peña, M. D. L. (2018). UVE socioformativa: estrategia didáctica para evaluar la pertinencia de la solución a problemas de contexto. IE Revista de Investigación Educativa de La REDIECH, 9(16), 133–153. http://www.scielo.org.mx/scielo.php?script=sci_abstract&pid=S2448-85502018000100133&lng=es&nrm=iso.
Gutiérrez-Hernández, A., Herrera-Córdoba, L., de-Jesús-Bernabé, M. & Hernández-Mosqueda, J. S. (2016). Problemas de Contexto: un camino al cambio educativo. Ra Ximhai2, 12(6), 227–239. https://www.redalyc.org/pdf/461/46148194015.pdf.
Hernández, E. J., Duque, N. D. & Moreno, J. (2017). Big Data: una exploración de investigaciones, tecnologías y casos de aplicación. TecnoLógicas, 20(39), 15–38. https://doi.org/10.22430/22565337.685.
Hernández, J. S., Guerrero, G. & Tobón, S. (2015). Los problemas del contexto: base filosófica y pedagógica de la socioformación. Ra Ximhai, 11(4), 125–140. https://www.redalyc.org/pdf/461/46142596008.pdf.
Irizarry, R. A. (2020). The Role of Academia in Data Science Education. Harvard Data Science Review, 1–8. https://doi.org/10.1162/99608f92.dd363929.
Lemus-Delgado, D. & Pérez-Navarro, R. (2020). Ciencia de datos y estudios globales: aportaciones y desafíos metodológicos. Colombia Internacional, 102, 41–62. https://doi.org/10.7440/colombiaint102.2020.03.
León-Gómez, N. A. (2021). Enseñanza de la Estadística con sentido y en contexto a través de la resolución de problemas. Realidad y Reflexión, 21(53). https://doi.org/10.5377/ryr.v53i53.10897.
Lerena, O. (2019). Métodos y Aplicaciones de la Ciencia de Datos para las Políticas de CTI: redes sociales, minería de textos y clustering. Centro Interdisciplinario de Estudios en Ciencia, Tecnología e Innovación. https://www.researchgate.net/publication/334668096_Metodos_y_aplicaciones_de_la_ciencia_de_datos_para_las_politicas_de_CTI_vol_1-Redes_sociales_mineria_de_textos_y_clustering.
Lima, P. B., Giana, G. E., Bollati, V. A., Pletsch, L. C., CinApTIC, U. T. N. & CONICET-CinApTIC, U. T. N. (2020). Ciencia de datos y Agilidad: una revisión de la literature. CibSE, 222–234. https://cibse2020.ppgia.pucpr.br/images/artigos/6/S06_P3.pdf.
Méndez, N., & Porven, J. (2018). Ciencia de datos: una revisión del estado del arte. UCE Ciencia, 6(3). https://doi.org/10.1016/j.aci.2014.10.001.
Naciones-Unidas. (2018). La Agenda 2030 y los Objetivos de Desarrollo Sostenible: una oportunidad para América Latina y el Caribe. In Revista de Derecho Ambiental (Issue 10). https://doi.org/10.5354/0719-4633.2018.52077.
Pérez-Rave, J., Correa-Morales, J. C. & González-Echavarría, F. (2019). Metodología para explorar datos abiertos de accidentalidad vial usando Ciencia de Datos: Caso Medellín. Ingeniare, Revista Chilena de Ingeniería, 27(3). https://doi.org/http://dx.doi.org/10.4067/S0718-33052019000300495.
Pinto, M. & Gálvez, C. (2011). Análisis Documental de Contenido. Procesamiento de la Información. In E. Síntesis (Ed.), Manual de ciencias de la información y documentación (pp. 335–353).
Prado, R. A. (2018). La socioformación: un enfoque de cambio educativo. Revista Iberoamericana de Educación, 76(1), 57–82. https://doi.org/10.35362/rie7612955.
PREDIK Data-Driven. (2021). Ciencia de Datos: Modelos más utilizados en los negocios. CentralAmericaData. https://www.centralamericadata.com/es/article/home/Modelos_de_Big_Data_ms_utilizados_en_los_negocios.
PREDIXData-Driven. (2021, July 16). ¿Qué son y para qué se usan los modelos predictivos?
Rollins, J. B. (2015). Metodología Fundamental para la Ciencia de Datos. 6. https://www.ibm.com/downloads/cas/WKK9DX51.
Sandoya, F. (2022). La analítica y la ciencia de datos en la formación profesional en Ecuador. Revista Ecuatoriana de Investigación Educativa, 1(1), 7–18. https://doi.org/https://doi.org/10.24133/reie.v1i1.1506.
Sarker, I. H. (2021). Data Science and Analytics: An Overview from Data-Driven Smart Computing, Decision-Making and Applications Perspective. SN Computer Science, 2, 377. https://doi.org/https://doi.org/10.1007/s42979-021-00765-8.
Sierra-Sierra, J. (2021). Los datos: ¿una amenaza? Gestión de documentos en la era de los datos. Tábula, 24, 11–14.
Tobón, S., Gonzalez, L., Nambo, J. S. & Vazquez-Antonio, J. M. (2015). La Socioformación: Un Estudio Conceptual. Paradígma, 36(1), 7–29. https://doi.org/10.13140/RG.2.1.2957.5289.
Urcuqui, C. C., García, M., Osorio, J. & Navarro, A. (2018). Ciberseguridad: un enfoque desde la ciencia de datos. In Ciberseguridad: un enfoque desde la ciencia de datos. Editorial Universidad Icesi. https://doi.org/10.18046/eui/ee.4.2018.
Vargas-Yañez, S. A. (2021). Principales competencias laborales de especialidad para desarrollarse como profesional de ciberseguridad en Latinoamérica . Researchgate. https://www.researchgate.net/publication/355189963_Principales_competencias_laborales_de_especialidad_para_desarrollarse_como_profesional_de_ciberseguridad_en_Latinoamerica.
Vázquez-Brust, A. (2020). Ciencia de Datos para Gente Sociable. Bookdown. https://bitsandbricks.github.io/ciencia_de_datos_gente_sociable/index.html.
Zhang, A. X., Muller, M. & Wang, D. (2020). How do Data Science Workers Collaborate? Roles, Workflows, and Tools. Proceedings of the ACM on Human-Computer Interaction, 4(CSCW1), 1–23. https://doi.org/10.1145/3392826.
Zimmermann, V. & Renaud, K. (2019). Moving from a “Human-as-problem” to a “human-as-solution” cybersecurity mindset. International Journal of Human Computer Studies, 131, 169–187. https://doi.org/https://doi.org10.1016/.
Published
How to Cite
Issue
Section
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
Esta obra está bajo una Licencia Creative Commons Reconocimiento-NoComercial 4.0 Internacional
La Revista Ciencia & Futuro es una revista de acceso abierto, todo el contenido está disponible gratuitamente sin cargo para el usuario o su institución. Los usuarios pueden leer, descargar, copiar, distribuir, imprimir, buscar o vincular los textos completos de los artículos, o utilizarlos para cualquier otro fin lícito, sin pedir permiso previo al editor o al autor. Todo lo anterior, de acuerdo con la definición de BOAI de acceso abierto.
Los autores que publican en esta revista están de acuerdo con los siguientes términos: Licencia Creative Commons Atribución-NoComercial permite que el beneficiario de la licencia tenga el derecho de copiar, distribuir, exhibir y representar la obra y hacer obras derivadas para fines no comerciales siempre y cuando reconozca y cite la obra de la forma especificada por el autor o el licenciante. Los autores pueden establecer por separado acuerdos adicionales para la distribución no exclusiva de la versión de la obra publicada en la revista (por ejemplo, situarlo en un repositorio institucional o publicarlo en un libro), con un reconocimiento de su publicación inicial en esta revista. Se permite y se anima a los autores a difundir sus trabajos electrónicamente (por ejemplo, en repositorios institucionales o en su propio sitio web) antes y durante el proceso de envío, ya que puede dar lugar a intercambios productivos, así como a una citación más temprana y mayor de los trabajos publicados (Véase The Effect of Open Access) (en inglés). Lo anterior debe realizarse siempre sobre el artículo ya publicado por Ciencia & Futuro.
Los autores mantienen el control sobre la integridad de sus trabajos y el derecho a ser adecuadamente reconocidos y citados.
A los editores se les otorgan derechos no exclusivos para publicar y distribuir.
