Guía de métodos computacionales para la investigación en trabajo social

Original en inglés: A Beginner's Guide to Computational Methods in Social Work Research (publicado el 10 de agosto de 2026)

Últimamente he recibido numerosas consultas de estudiantes de maestría y doctorado en trabajo social interesados en aprender métodos computacionales, en particular el análisis computacional de textos. Escribo estas líneas porque las mismas interrogantes se reiteran de forma continua y resulta más práctico responderlas de manera unificada aquí. El planteamiento suele ser similar: tienen claro su objeto de estudio, desean trabajar con textos o registros administrativos y no logran dilucidar en qué instancia de su programa formativo se adquiere dicha capacitación. Desarrollé la mayor parte de mi propia formación fuera de mi programa de posgrado, de modo que le invito a adoptar aquello que se ajuste a su institución y descartar el resto.

Primero, los métodos tradicionales

Antes de abordar cualquiera de estos métodos, es indispensable aprender con solidez los métodos de investigación convencionales. Un estudio computacional prospera o fracasa sobre la base de los mismos fundamentos que cualquier otra investigación: si la pregunta amerita formularse y si el instrumento de medición efectivamente capta lo que se afirma medir; operar a mayor escala no subsana ninguna de esas dos condiciones. En todo caso, la escala complejiza aún más la segunda, argumento que boyd and Crawford sostuvieron en 2012 y que mantiene plena vigencia. Cuento con una guía básica de métodos cuantitativos en la investigación en trabajo social en este sitio que detalla la secuencia previa que recomendaría dominar antes de adentrarse en la dimensión computacional.

En la base de todo ello se encuentra su postura epistemológica. Su concepción de qué constituye evidencia define qué interrogantes considerará dignas de un año de trabajo y qué datos permitirían dilucidarlas, y ningún nivel de dominio de Python resolverá esa decisión por usted.

Tipologías de métodos

La ciencia social computacional adoptó su denominación en Science en 2009 y efectuó un balance de su evolución en la misma revista en 2020, habiendo revisado Edelmann and colleagues sus alcances en la sociología. No constituye, empero, una comunidad homogénea, y la tipología presentada a continuación responde a mi propio criterio. Procede de observar los espacios donde se publica y los congresos a los que asisten los investigadores, sin pretender el respaldo de una taxonomía formal, por lo que sugiero tomarla como un mapa preliminar. Si desea contrastarla más allá de mi apreciación subjetiva, el programa de IC2S2 constituye el referente idóneo. Los talleres y el programa de sesiones se publican anualmente y ambos evidencian hacia dónde se desplaza el interés del campo. Participé en el comité de programa de dicho congreso en 2024, y la revisión de ponencias sustentó gran parte de esta delimitación.

Desde una perspectiva interna, el trabajo tiende a articularse en tres modalidades que difieren en datos y espacios de difusión, resultando más provechoso determinar a cuál de ellas se proyecta incorporar que decidir qué técnica aprender en primer lugar.

Aprendizaje automático para la inferencia causal. Esta vertiente emplea primordialmente los datos tabulares cuantitativos habituales y aplica el aprendizaje automático para identificar efectos de forma más robusta. Se articula junto con la econometría y los diseños cuasiexperimentales, concentrando a numerosos investigadores en políticas públicas. Abarca métodos como los causal forests para efectos de tratamiento heterogéneos y el double machine learning para estimaciones con múltiples covariables. Si su interés radica en datos longitudinales o longitudinales intensivos y en demostrar causalidad, esta es su área, en la que participan activamente la sociología, la ciencia política y la economía.

Datos administrativos a gran escala. En este ámbito, lo computacional remite al procesamiento a escala debido al volumen masivo de datos. El análisis en sí no requiere apelar al aprendizaje automático y con frecuencia recurre a métodos tradicionales de las ciencias sociales aplicados a archivos de dimensiones incompatibles con el software de aprendizaje estándar. Esta labor confluye estrechamente con la demografía y la informática en salud, disciplinas que procesan censos y registros electrónicos de salud desde hace décadas y han resuelto ya gran parte de estos desafíos. Conviene revisar sus publicaciones antes de diseñar soluciones desde cero.

Datos no estructurados. Esta modalidad es la que experimenta un crecimiento más acelerado, impulsada por los modelos de lenguaje de gran tamaño. Textos, audios y videos, tratados históricamente como fuentes cualitativas, se digitalizan y almacenan hoy masivamente convirtiéndose en macrodatos no estructurados, aun cuando el identificador de usuario y la marca temporal se alojen en tablas convencionales a su lado. Su escala los hace idóneos para interrogantes exploratorias, razón por la cual los científicos sociales han confluido hacia ellos. Metodológicamente, esta vertiente parte del procesamiento del lenguaje natural y las ciencias de la computación; Grimmer, Roberts and Stewart constituye la referencia fundamental sobre el texto como dato en ciencias sociales, mientras que Ziems and colleagues representa la referencia obligada para el uso de modelos de lenguaje de gran tamaño como anotadores. El análisis computacional de textos se desarrolla en la sociología, la ciencia política y la comunicación. Asimismo, los textos clínicos y las imágenes médicas constituyen una fracción sustantiva de la informática en salud.

No investigo en absoluto en la primera modalidad. Mi propio trabajo se inscribe en la segunda y tercera, y tanto mis métodos como los congresos a los que asisto se desprenden de dicha adscripción.

Cualquiera sea la dirección que elija, no podrá implementarla en SPSS ni en Stata, por lo que el primer paso resulta idéntico en ambos casos: los fundamentos de un lenguaje de programación y luego lo que exija su interés particular. Una advertencia sobre la primera modalidad: desarrollarla con rigor exige interactuar directamente con los algoritmos, lo cual demanda una base sólida de álgebra lineal. El trabajo con datos no estructurados también puede requerirla, pero en menor medida.

Equidad algorítmica y ética de la IA

Una porción considerable de la investigación computacional sobre problemas sociales se desarrolla completamente al margen de la comunidad de ciencia social computacional, siendo el caso más paradigmático el desarrollo de modelos predictivos: algoritmos de riesgo de maltrato infantil, suicidio, pobreza y elegibilidad para beneficios sociales. Parte de estos trabajos se expone en espacios de ciencia social computacional, pero la discusión crítica sistemática al respecto se suscita en la comunidad de equidad algorítmica, en FAccT y EAAMO.

La mayoría de estos modelos se construyó sobre datos administrativos y tabulares. Chouldechova y sus colegas examinaron la herramienta de cribado de maltrato infantil utilizada en el condado de Allegheny, que representa el caso más próximo a la práctica del trabajo social. Obermeyer y sus colegas demostraron que un algoritmo empleado en diversos sistemas de salud de EE. UU. subestimaba las necesidades de los pacientes negros debido a que utilizaba el costo de atención como indicador aproximado de morbilidad. En la esfera clínica, Walsh, Ribeiro y Franklin entrenaron modelos con registros de salud para predecir intentos de suicidio. Una proporción creciente de estas investigaciones recurre hoy además a datos no estructurados, especialmente notas clínicas, por lo que la frontera con la tercera modalidad tiende a disiparse.

Si este es su ámbito de interés, aprenda la primera y la tercera modalidad por igual, ya que necesitará tanto la estimación como el procesamiento de textos, e interactúe con la comunidad de FAccT y no exclusivamente con la de trabajo social.

Para quien se interese en la ética de la IA específicamente, el alcance del término se ha transformado sustancialmente. El debate inicial giraba en torno a la equidad algorítmica, que en la práctica aludía a modelos predictivos y a la distribución asimétrica del perjuicio. La IA generativa ha reconfigurado ese escenario, de modo que mantenerse al día exige hoy mucho más que saber aplicar un modelo de lenguaje sobre texto no estructurado. Requiere además cierta comprensión del funcionamiento interno de estos modelos, el comportamiento de los sistemas agénticos, los modelos de financiamiento y estructura de las corporaciones que los desarrollan, y la literatura de los estudios sociales de la ciencia y la tecnología que lleva formulando estas interrogantes sobre la tecnología desde mucho antes que nosotros.

Asignaturas y cursos optativos

Los programas doctorales en trabajo social rara vez imparten estos métodos de forma directa, por lo que los cursos deben cursarse en otras dependencias universitarias. Dali and Caidi, al examinar los documentos de acreditación del trabajo social en América del Norte desde la perspectiva de las ciencias de la información, constataron que los contenidos tecnológicos se abordaban como «un complemento optativo antes que como un conocimiento esencial», lo cual concuerda con lo que exhiben los planes de estudio.

La tarea práctica consiste en identificar qué departamentos autorizan su matrícula, y la respuesta suele ser más favorable de lo que los estudiantes suponen.

• Consulte la política de inscripción de la facultad que imparte el curso. La School of Information de Michigan indica que «todos los estudiantes de la University of Michigan pueden inscribirse en asignaturas de la School of Information cuando existan vacantes disponibles», lo que posibilita cursar asignaturas como SI 630 (Natural Language Processing) sin requerir ninguna excepción de matrícula.
• Verifique si su universidad ofrece un certificado en ciencia de datos abierto a todo estudiante de posgrado. El MIDAS Graduate AI and Data Science Certificate de Michigan se encuentra «abierto para la matrícula de estudiantes de posgrado de la University of Michigan pertenecientes a cualquier programa que otorgue títulos». Michigan no dispone de un certificado denominado explícitamente ciencia social computacional, por lo que conviene buscar en función de los contenidos impartidos antes que por la denominación esperada.
• Pregunte por la existencia de itinerarios formales antes de asumir que no existen. La University of Washington articuló una especialidad en estadística para estudiantes de doctorado en trabajo social junto con su Center for Statistics and the Social Sciences, y tanto Penn como Case Western ofrecen certificados de análisis de datos en sus programas de maestría. Cuando no existan formalmente, la dirección del programa doctoral constituye la instancia idónea de consulta.
• Asista como oyente antes de matricularse formalmente. Un curso de aprendizaje automático en un departamento de estadística asume conocimientos de álgebra lineal y familiaridad con demostraciones matemáticas que la formación cuantitativa en trabajo social no suele proporcionar. Asista durante dos semanas y tome los requisitos previos de forma literal.
• Aproveche la unidad de consultoría estadística de su universidad. La de Michigan es CSCAR, situada en el Institute for Social Research. La mayoría de las universidades de investigación cuenta con una unidad equivalente, y los estudiantes de doctorado tienen pleno acceso a ella.
• Curse primero el lenguaje de programación y luego una asignatura orientada a proyectos. Un semestre dedicado a Python o R es suficiente para seguir el contenido de cualquier curso posterior, y una materia que concluya con un análisis de libre elección le brinda un primer proyecto de investigación y un repositorio público simultáneamente.

Institutos de verano

Dos semanas durante el verano constituyen el bloque de tiempo de mayor rendimiento disponible para un estudiante de doctorado, pues representa el único formato en el que se programa durante jornadas completas el tiempo suficiente para que la codificación se convierta en una práctica cotidiana.

SICSS, el Summer Institute in Computational Social Science, es al que postularía en primer término. En 2026 funcionó en 27 sedes asociadas y «no se cobra matrícula para asistir a los Summer Institutes, cubriendo algunas sedes los gastos de traslado, alojamiento y manutención». Cada sede establece sus propios plazos y solo es posible postular a una a la vez. La totalidad de los materiales pedagógicos es de acceso abierto, por lo que puede estudiar el plan de estudios independientemente de si resulta admitido. Asistí a la sede de Rutgers en 2022 y colaboré en la organización de la sede de NYU Silver en 2023, y junto con Amanda Ritchie y Marya Gwadz evalué los aprendizajes que los participantes adquirieron (Yoo et al., 2026, de próxima aparición en el Journal of Social Work Education, disponible en mi página de publicaciones). En 15 participantes, dos semanas generaron considerables ganancias autoinformadas en conocimientos (d = 1,43), web scraping (d = 1,46), recolección mediante API (d = 1,16) y aprendizaje automático (d = 1,03), al tiempo que disminuyó la ansiedad ante el uso de computadoras (d = -0,74).

El ICPSR Summer Program en Michigan resulta idóneo para quien busque adquirir una técnica específica. El catálogo de 2026 incluyó Data Science and Text Analysis in Python, Machine Learning in R, Network Analysis sin requisitos previos y una semana introductoria de Introduction to Python, todos en modalidad híbrida, por lo que la opción vía Zoom evita costos de alojamiento. El descuento institucional para miembros es sustancial: una sesión general cuesta $2.725 en una institución miembro frente a $4.975 en otras entidades. ICPSR otorga además más de $300.000 anuales en becas, encontrándose el trabajo social explícitamente entre las disciplinas elegibles, a diferencia de la mayoría de estos programas.

• Los talleres de The Carpentries suelen ser de asistencia gratuita, ya que el costo lo asume la institución anfitriona y las lecciones son abiertas. Data Carpentry mantiene un plan de estudios para ciencias sociales, R for Social Scientists, basado en datos de encuestas en lugar de genómica, siendo posible solicitar un taller para su propia institución.
• Los institutos de verano en bioestadística financiados por los NIH no están orientados a su perfil. El Big Data Summer Institute de Michigan y sus equivalentes en Boston University, Columbia y Yale están concebidos para estudiantes de licenciatura que se preparan para postular al posgrado. Conviene leer los requisitos de elegibilidad antes de destinar una tarde a preparar la solicitud.
• Las becas de Data Science for Social Good constituyen la vertiente aplicada de un instituto de verano. El programa de la University of Washington incorpora a los becarios en proyectos reales con organizaciones colaboradoras, y Coding it Forward opera de manera análoga al interior de agencias gubernamentales. Son remuneradas y culminan en un proyecto empírico demostrable.
• Su propia asociación profesional ya organiza estas actividades. La SSWR ofrece talleres computacionales desde hace varios años, incluyendo una introducción al aprendizaje automático impartida por Anao Zhang y un taller sobre implementación local de modelos de lenguaje de código abierto que dicté junto con Cheng Ren y Gaurav Sinha. Resultan muy accesibles, dado que ya se asiste al congreso.

Python o R

Elija uno y domínelo adecuadamente antes de emprender el aprendizaje del segundo. Cualquiera de los dos responderá a la mayoría de sus necesidades, si bien dejan de ser intercambiables cuando la investigación se centra en datos textuales.

Python concentra el ecosistema de herramientas para análisis de texto y procesamiento de lenguaje. Transformers, spaCy, gensim, BERTopic y scikit-learn están desarrolladas íntegramente en Python, y si proyecta emplear modelos de lenguaje preentrenados en cualquier etapa, ese será su entorno de trabajo. R constituye una mejor opción si su formación estadística previa se sustenta en R y su análisis de texto será de carácter descriptivo, dado que paquetes como quanteda, tidytext y stm abarcan un amplio espectro y reciben mantenimiento de científicos sociales. La elección tampoco es excluyente ni irreversible, existiendo spacyr para que un usuario de R pueda invocar spaCy.

• Comience en Google Colab para evitar que la instalación local sea un obstáculo. La sección de preguntas frecuentes de Colab señala con claridad que «su uso es gratuito», advirtiendo con idéntica franqueza que «el acceso a recursos de alto costo como GPU está sujeto a restricciones considerables» y que las sesiones «pueden ejecutarse durante un máximo de 12 horas». Elaboré una guía básica sobre Colab y una guía más extensa que concluye en Hugging Face. Cuando instale localmente, las orientaciones para principiantes de Python remiten al instalador estándar, y la modificación de licencias de Anaconda de 2024 no aplica a universidades.
• Cuando Colab resulte insuficiente, examine los recursos que su propia universidad ya financia. El Research Computing Package de Michigan provee «acceso anual sin costo» al clúster Great Lakes, con hasta 80.000 horas de CPU, generalmente mediante la asignación de su director de tesis. Kaggle proporciona 30 horas semanales gratuitas de GPU.
• Aprenda primero los fundamentos y recurra luego a asistentes de codificación basados en IA. Casi la totalidad de los participantes en nuestra evaluación empleó uno durante las dos semanas, y no existe razón para prescindir de ellos. Lo que estas herramientas no proporcionan es el razonamiento lógico de la programación: comprender qué es una estructura de datos, qué efectúa un bucle, por qué se produjo un error y si la salida resulta metodológicamente plausible. En particular con datos textuales, una respuesta errónea se presenta con una apariencia muy semejante a una correcta, requiriéndose dominar los fundamentos para detectarla. Kazemitabaar and colleagues at CHI 2023 constataron que participantes novatos con generadores de código completaron más tareas y obtuvieron mejores puntuaciones sin perder destreza para modificar código manualmente, si bien sus sujetos fueron niños de 10 a 17 años. El servicio institucional U-M GPT de Michigan es gratuito para todos los estudiantes, mientras que las herramientas de Claude Code y Codex basadas en él se tarifican por token.

Para la secuencia concreta de aprendizaje de Python, dispongo de una serie de tutoriales en este sitio que comienza con el lenguaje en sí, continúa con pandas y avanza hacia la preparación de datos y la visualización.

Cursos en línea

Antes de seleccionar cursos, conviene identificar qué tipo de datos involucra su pregunta de investigación. Si la información ya se organiza en filas y columnas —como ocurre en encuestas, registros administrativos y archivos de facturación—, requerirá profundizar en modelos de regresión avanzados antes que en aprendizaje automático. Si la fuente consiste en texto, imágenes o audio, la mayor parte de los cursos señalados a continuación se orienta a la transformación de esos insumos en variables estructuradas, recomendando cursarlos en el siguiente orden aproximado:

• Python for Everybody impartido por Charles Severance en la School of Information de Michigan, en primer término e independientemente de las asignaturas posteriores. El curso es gratuito en su propio sitio web, con certificación sin costo para miembros de Michigan, siendo esa la plataforma que conviene utilizar, dado que Coursera reemplazó su modalidad de auditoría libre en 2025 por una vista previa que restringe los módulos posteriores al primero.
• Un curso orientado a la tipología textual con la que efectivamente investigará. Para quien trabaje en servicios de salud o salud conductual, el curso Clinical Natural Language Processing de la University of Colorado, dictado por Laura Wiley, integra la especialización en Clinical Data Science cuyo curso introductorio completé en 2022. Trabaja con notas clínicas en lugar de artículos de prensa o reseñas de productos, lo que se aproxima mucho más a los documentos habituales en la investigación en trabajo social.
• Aprendizaje automático, si su horizonte radica en el modelado predictivo. La predicción de riesgos, los algoritmos de detección y los efectos de tratamiento heterogéneos lo demandan, por lo que conviene cursar una materia formal si esa es su orientación. No constituye un requisito indispensable para el análisis de texto, y gran parte de la producción computacional destacada en nuestro campo prescinde por completo de modelos predictivos.
• The Hugging Face LLM course una vez que pueda programar en Python con soltura, y fast.ai a continuación. Ambos son de acceso gratuito.

Coursera ofrece ayuda económica en cursos individuales, lo cual resulta más accesible que abonar la suscripción, y una porción sustancial de estos contenidos se encuentra disponible como grabaciones de clases gratuitas en YouTube, de modo que un programa arancelado suele equivaler a una bibliografía que puede abordarse por vías alternativas.

Nada de esto exige cursar una segunda titulación ni obtener un certificado formal. Puede desarrollar la totalidad del aprendizaje mediante cursos en línea y programas formativos breves, siendo este campo singular por la enorme cantidad de materiales de excelencia académica que se ofrecen de manera abierta. El manual de posgrado de referencia en procesamiento del lenguaje natural, Jurafsky and Martin, está disponible gratuitamente en borrador en el portal de Stanford. An Introduction to Statistical Learning es un archivo PDF gratuito tanto en su edición de R como de Python. La obra de Salganik, Bit by Bit, que constituye el primer libro que recomendaría a un científico social, cuenta con una edición integral gratuita en línea. Para el análisis de texto en R, tanto Text Mining with R como Supervised Machine Learning for Text Analysis in R son obras de acceso libre.

Primeros proyectos

El error que observo con mayor recurrencia radica en postergar el primer proyecto computacional hasta la tesis doctoral. Constituye un desafío desmedido, pues implicaría aprender el método y sustentarlo académicamente de forma simultánea.

Un proyecto inicial más adecuado se estructura sobre una base de datos, una pregunta de investigación y un único método, completado en un semestre y expuesto en un congreso. Eso resulta suficiente para aprehender aquellas dimensiones que nadie plasma por escrito, como el tiempo real que demanda la recolección de datos y el volumen de depuración previo a la obtención de una tabla de resultados.

Los tamaños muestrales reducidos no representan un impedimento insalvable. Los participantes de nuestra evaluación plantearon esta inquietud reiteradamente, dado que la investigación clínica y organizacional en trabajo social suele operar con algunos cientos de unidades antes que con millones, siendo la respuesta objetiva que la mayoría de los métodos de análisis de texto son indiferentes a esa escala. Los modelos de tópicos y los clasificadores requieren un volumen considerable de documentos, no de individuos, por lo que 200 usuarios con notas de evolución extensas constituyen un corpus textual idóneo. La asignación de puntuaciones de sentimiento, los métodos basados en diccionarios y los índices de legibilidad operan con cualquier tamaño muestral. Donde la escala muestral resulta crítica es en la predicción, y un primer proyecto no constituye el espacio para formular un modelo predictivo.

Si los datos son textuales, el orden en el que aconsejo proceder es el más metódico: contar las frecuencias de palabras, examinar luego qué términos coocurren, medir variables en cada documento y modelar posteriormente la estructura latente. Las frecuencias léxicas tras la eliminación de palabras vacías (stopwords) le permitirán constatar en menos de una hora si el corpus contiene lo que supone que contiene, habiendo descartado más de una hipótesis en dicha fase preliminar.

Acceso a los datos

Dos problemáticas diferenciadas reciben habitualmente esta misma denominación, exigiendo abordajes contrapuestos.

La primera consiste en localizar datos para ejercitarse, ante lo cual la recomendación es no recolectar nada por cuenta propia. Utilice bases preexistentes y depuradas, de modo que el método sea la única dimensión de aprendizaje. Dispongo de dos publicaciones al respecto: una sobre búsqueda de conjuntos de datos secundarios y otra sobre bases de datos de servicios de salud y salud mental, siendo ilimitadas las descargas de ICPSR en instituciones miembros. Para texto, Hugging Face reúne más de un millón de conjuntos de datos y Kaggle alberga un extenso repositorio propio. Con un corpus depurado por terceros, no destinará tiempo a la recolección, etapa que insume la mayor parte del esfuerzo en un proyecto real.

La segunda problemática radica en recolectar datos para una investigación que se proyecta publicar, ante lo cual la ruta depende de la naturaleza de los datos requeridos por la pregunta de estudio.

Para datos estructurados, se trata de localizar el repositorio pertinente antes que recolectar nada desde cero. ICPSR permite descargas ilimitadas en instituciones miembros, la API del Censo abarca tablas de la ACS y censos decenales contando con una ruta de Python que he documentado, y las agencias federales publican directamente registros de proveedores e instituciones, fuente a partir de la cual se construyeron los directorios analizados en mis publicaciones sobre recursos humanos profesionales.

Los datos semiestructurados y no estructurados exigen recolectarlos o tramitar una solicitud de acceso, existiendo tres vías:

• API de plataformas, que constituyen el inicio más accesible. La YouTube Data API es gratuita, requiere únicamente una cuenta de Google y una clave, y devuelve los comentarios de cualquier video público. Es la vía mediante la cual he recopilado la mayor parte de los datos sobre comunidades de seguidores con los que investigo, existiendo una guía detallada en este sitio.
• Repositorios y colecciones bajo licencia, que albergan aquello que las plataformas ya no facilitan de manera directa. Michigan custodia el Social Media Archive en ICPSR, donde se alojan actualmente los datos de las plataformas de Meta para investigadores, y Reddit cuenta con un programa para investigadores que requiere postular con documentación de aprobación del comité de ética (IRB).
• Extracción web (web scraping), para cualquier contenido con una página pública que carezca de API, lo que en este campo remite a directorios de proveedores, sitios web de agencias y registros gubernamentales.

Conviene prestar atención a dos cambios recientes que suelen sorprender a los investigadores. Pushshift, empleado en la mayor parte de los estudios publicados sobre Reddit, se encuentra restringido actualmente a moderadores, y la API de X carece de plan gratuito.

Los datos de salud exigen acreditación previa a cualquier descarga. MIMIC requiere certificación CITI y un acuerdo de uso firmado, mientras que All of Us exige una cuenta registrada, suministra $300 en créditos en la nube y suprime cualquier frecuencia observada de entre 1 y 20 casos.

Directores de tesis y comités evaluadores

La mayoría de los estudiantes de doctorado en trabajo social que desean aplicar estos métodos no cuentan con un director de tesis que los utilice. En nuestros grupos focales este obstáculo se señaló con mayor frecuencia que cualquier otro, descrito como una escasez de docentes con experiencia y cohortes reducidas en las que ningún otro estudiante investiga bajo esta modalidad.

No consideraría aquello como una razón para cambiar de tutor. Su director de tesis le orienta sobre la dimensión sustantiva de la investigación, que es la que define si el estudio amerita realizarse, lo cual no exige que programe en Python. Recomiendo, en cambio, incorporar a un metodólogo al comité de tesis doctoral —procedente del departamento de estadística, la facultad de información, sociología o bioestadística—, haciéndolo con la suficiente anticipación para que incida en el diseño empírico. La conformación del comité evaluador constituye uno de los escasos mecanismos del itinerario doctoral que usted efectivamente controla.

En el entorno del comité, los demás recursos resultan más accesibles de lo que parecen:

• Los bibliotecarios de datos reciben retribución precisamente para atender este tipo de consultas, y son casi siempre desaprovechados.
• Las unidades de consultoría estadística atienden a estudiantes de doctorado, y la mayoría de las universidades de investigación cuenta con una.
• La red de pares surgida de un instituto de verano perdura en el tiempo, y constituye parte sustantiva de lo que esas dos semanas le aportan.

Portafolio de investigación

Todo proyecto debería concluir con un repositorio público, siendo este el hábito que genera mayor rendimiento acumulativo. Kesari and colleagues, al reflexionar sobre la formación doctoral en ciencia social computacional, situaron el “código legible y reproducible” puesto a disposición pública como uno de los tres pilares fundamentales, junto con las competencias técnicas y la comunidad, siendo este el pilar sobre el cual es menos habitual que se oriente a un estudiante de trabajo social.

• Aloje el código en GitHub y resguárdelo además en otro repositorio permanente. La política editorial de Science explicita la razón con nitidez: “Dado que las bibliotecas de GitHub pueden ser modificadas posteriormente por sus autores comprometiendo la reproducibilidad, todo código alojado en dicho sitio debe resguardarse en su versión definitiva en un repositorio público permanente antes de la publicación”. La guía de bibliotecas de NYU precisa el destino, señalando que “Zenodo constituye actualmente el mejor repositorio para preservar código de investigación”, y la integración de GitHub con Zenodo asigna un DOI a cada versión, haciendo que el código sea citable en su currículum vitae.
• Comience a redactar artículos desde etapas tempranas. El repositorio evidencia la destreza técnica, y un comité de contratación contabiliza la publicación. La redacción suele además visibilizar qué secciones de un análisis no se encontraban efectivamente concluidas.
• Trate una base de datos como un producto académico. Si ha armonizado un corpus de datos que no existía previamente, deposítelo y cítelo. Mis bases están alojadas en openICPSR, y demandaron una fracción del esfuerzo que exigieron los artículos asociados. Las universidades promueven esto con fuerza creciente, disponiendo la mayoría de un repositorio institucional con tal fin, siendo el de Michigan Deep Blue.
• Publique la herramienta de forma independiente cuando sea reutilizable. Un script de depuración no constituye un paquete, pero sí lo es un procedimiento que otros investigadores requieren. Publiqué uno en PyPI tras programar la misma auditoría en tres oportunidades distintas.
• Examine la política sobre código de la revista a la que aspira postular, pues difieren más de lo previsible. JSSWR estipula únicamente que “se podrá solicitar a los autores que aporten datos o código de sintaxis para su revisión”, mientras que Science exige que el código se resguarde en un repositorio público permanente con anterioridad a la publicación. Si su investigación cuenta con financiamiento de los NIH, la Data Management and Sharing Policy rige de manera obligatoria desde enero de 2023, al margen de los requisitos particulares de la revista.

Revistas y congresos

El trabajo social computacional no cuenta con una revista propia, por lo que las investigaciones se canalizan hacia tres tipos de espacios:

• Revistas de trabajo social que aceptan artículos de orientación metodológica, principalmente el Journal of the Society for Social Work and Research y el Journal of Technology in Human Services.
• Informática en salud y salud digital, donde la familia de revistas JMIR publica con notable agilidad y en acceso abierto, con un costo por procesamiento de artículo superior a $2.500.
• Revistas de ciencia social computacional, entre ellas EPJ Data Science, Journal of Computational Social Science y Big Data and Society.

Los congresos constituyen el ámbito en el que las normas académicas difieren con mayor nitidez de aquello para lo que se prepara a un estudiante doctoral de trabajo social, conviniendo conocer estas discrepancias antes del envío.

• IC2S2 constituye el principal congreso anual de ciencia social computacional y opera sobre resúmenes sin actas archivables, por lo que una ponencia representa una presentación académica y no una publicación formal.
• ICWSM, organizado por la AAAI, y los foros de la ACL —incluyendo CLPsych, el taller de psicología clínica celebrado anualmente desde 2014— publican actas completas con revisión por pares. En ciencias de la computación, dichas actas representan publicaciones definitivas y no un paso preliminar hacia un artículo de revista, siendo esta la norma que más desorienta a quienes proceden del trabajo social.
• La informática en salud cuenta con su propio circuito, siendo el AMIA’s Annual Symposium el encuentro principal. Para investigaciones sobre notas clínicas, registros de servicios o salud digital, convoca a un público más afín que los congresos de ciencia social computacional.
• La difusión de preprints (versiones preliminares) es una práctica esperada. La política de ACL Rolling Review establece que los autores “pueden publicar y debatir preprints no anónimos en cualquier momento” durante el proceso de evaluación.
• La evaluación es doble ciego y los plazos de entrega son estrictos e improrrogables.

Dentro del trabajo social, la SSWR cuenta actualmente con un grupo de interés especial sobre Ciencia de Datos e Inteligencia Artificial, en cuya organización participo, constituyendo la vía más accesible para vincularse con otros investigadores que trabajan bajo esta modalidad.

Estudiantes de maestría

Si aún cursa un programa de MSW o de maestría y lee estas notas, dispone de mayor margen de acción de lo que supone, y la secuenciación es diferenciada:

• Curse todas las asignaturas optativas de métodos cuantitativos que ofrezca su programa, y la materia de modelos lineales generalizados si existe, dado que la regresión logística constituye el punto de partida genuino para comprender el funcionamiento de un clasificador.
• Aproveche una tutoría dirigida para desarrollar un proyecto de análisis acotado junto a un docente. Constituye la experiencia más próxima a un aprendizaje de investigación formal que puede brindar una maestría.
• Obtenga el certificado en análisis de datos si su institución lo ofrece. Tanto Penn como Case Western brindan certificados en el área de política social, lo que aportará más a una trayectoria investigadora que cursar una optativa adicional de intervención.
• Fuera del plan de estudios formal, Python for Everybody y las lecciones para ciencias sociales de The Carpentries son de acceso gratuito. Resultan suficientes para ingresar a un programa doctoral sabiendo ya programar, lo cual transforma radicalmente los alcances de sus dos primeros años formativos.

Consejos no solicitados

• Sea paciente y construya desde las bases. Puede experimentar apremio. Comencé a aprender Python en 2017, hace prácticamente diez años, y solo recientemente he adquirido plena seguridad en su manejo. Parte de ello obedece a los asistentes de programación con IA, que sin duda son de ayuda; la mayor parte deriva de los años anteriores, en los que leía la documentación y escribía el código por mí misma, gran parte del cual se refleja en los tutoriales de este blog. Esas horas de dedicación son las que forjaron mi confianza.
• Asuma un horizonte de tres años antes de que un nuevo método rinda frutos sustantivos. Si desea incorporar un método a su repertorio, planifique al menos ese período de dedicación constante y desestime atajos.
• Un método se vuelve propio a través de la práctica reiterada. Prácticamente ninguno se consolida en la primera aproximación; ello acontece mediante la repetición y el uso sistemático, mucho después de concluida la asignatura que lo introdujo.
• No pretenda dominar la totalidad de la disciplina. Los métodos evolucionan con mayor rapidez de la que cualquier persona puede asimilar, y los propios investigadores a quienes usted admira consultan la documentación sobre la marcha. Aprenda lo que exija el proyecto que tiene entre manos e incorpore la técnica siguiente a partir del proyecto sucesivo.
• Su conocimiento sustantivo de dominio constituye el insumo escaso. Los métodos se encuentran documentados y son susceptibles de enseñarse, y existen hoy herramientas capaces de redactar la mayor parte del código junto a usted. Identificar qué pregunta sobre acceso a servicios o vivencias de los usuarios justifica un año de dedicación resulta mucho más complejo de adquirir, y usted ya ha destinado años a construir ese criterio.
• Permítase sentirse desorientada. Nada de lo aquí expuesto me fue transmitido por escrito por nadie. Lo reuní recorriendo múltiples espacios y transitando entre ellos, trazando mi propio mapa sobre la marcha. Inicié mi trayectoria en un centro de investigación de big data en 2019 durante mi maestría, me desempeñé como asistente de investigación en proyectos que utilizaban estas metodologías, asistí a un instituto de verano, regresé para colaborar en la organización de otro y redacté posteriormente una tesis doctoral sustentada en ellos, sin que nadie me hubiese proporcionado esa secuencia con antelación. Confío en que trace su propio mapa. No busque el camino fácil y dedique tiempo genuino a experimentar la incertidumbre; el doctorado constituye precisamente el espacio formativo concebido para ello.