Los dos desafíos

Las Ciencias Sociales Computacionales (en adelante, CSC) son un espacio de diálogo entre la investigación social y los desarrollos informáticos¹. Como tal, constituyen un “puesto de avanzada” para dos grandes desafíos: por un lado, el de la experimentación con teorías, métodos, técnicas y datos de maneras novedosas; por otro, el de la reflexión epistemológica acerca de la producción de conocimiento social en sociedades crecientemente digitalizadas y mediadas por algoritmos.

El primer desafío consiste en aprender a experimentar con técnicas y materiales de investigación sin subordinar la reflexión sociológica a la solución técnica. Las CSC requieren hacer dialogar conceptos, teorías y metodologías con las posibilidades que abren el código, los datos y las infraestructuras digitales para potenciar la investigación. Así, remarcando que, lejos de ser una incorporación de una en la otra, Lindgren (2020) caracteriza este desafío como el de “hackear” teoría y método, buscando formas no convencionales de reensamblar estos componentes para abrir enfoques más allá de sus límites e intenciones originales.

El segundo desafío exige mirar en dos direcciones. Hacia dentro de las ciencias sociales, porque la experimentación computacional sólo puede ser valiosa si logra atender a los problemas propios de nuestras disciplinas, destrabando dualismos tales como los que se han dado entre dato/teoría, comprensión/explicación, o cualitativo/cuantitativo, entre muchos otros (Becerra & Castorina, 2023). Así, por ejemplo, Salganik (2018) identifica como grandes oportunidades la posibilidad de diseñar experimentos (digitales) controlados o colaborar de maneras novedosas con las poblaciones estudiadas. Y hacia afuera, porque lo computacional también debe ser objeto de estudio para la investigación social: necesitamos indagar sus condiciones de producción, circulación y uso, incluso para reflexionar sobre los condicionamientos que esas mismas tecnologías introducen en nuestros diseños computacionales.

Estos objetivos no son nuevos. Una mirada hacia la historia de las CSC nos muestra que la experimentación metodológica, la investigación empírica y la reflexión crítica se han potenciado mutuamente en distintos momentos, y que podemos recurrir a esta experiencia para encarar con más y mejores herramientas los desafíos que nos presentan los tiempos actuales. Tal vez, de esta manera, la novedad de la IA no nos deje tan estupefactos.

Genealogía y definición de las Ciencias Sociales Computacionales

Hacia fines del siglo XX, con la expansión del uso de computadoras, las CSC comenzaron a ensayar maneras de expresar teorías sociales en lenguajes formales y ponerlas a prueba en entornos artificiales, especialmente a través del modelado y la simulación computacional. La propuesta de Epstein & Axtell (1996) expresó con claridad este giro: las simulaciones basadas en agentes permitirían explicar un fenómeno “haciéndolo crecer” en una sociedad artificial, mostrando cómo ciertas regularidades macroscópicas podían emerger de interacciones locales bajo reglas simples. Así, la investigación in silico abría nuevos espacios para la argumentación teórica, al explicitar supuestos y volver observables sus consecuencias. Pero este tipo de esfuerzos no eran sencillos y requerían abordar un gran desafío epistemológico: abrirse al diálogo interdisciplinario evitando reduccionismos. Grandes proyectos que se continúan hasta nuestros días, como las teorías de sistemas y los estudios de la complejidad, siguen explorando estas posibilidades (Becerra, 2016).

Con la expansión de Internet y la digitalización de la vida social durante los años 2000, las CSC ya no sólo recrearon procesos sociales en mundos artificiales: también comenzaron a observar, registrar y analizar prácticas que dejaban huellas digitales en la web 2.0. Foros, blogs, redes sociales, plataformas colaborativas, repositorios y bases abiertas se convirtieron en nuevas fuentes para la investigación social. Pero aún más: la web también se constituyó como un entorno para construir datos, diseñar herramientas y abrir la investigación a la participación de activistas, comunidades y organizaciones. En esta línea, las CSC incorporan saberes de desarrollo y diseño web para producir proyectos colaborativos, contra-archivos digitales y dispositivos de documentación orientados a registrar discursos invisibilizados, preservar memoria pública y sostener demandas sociales. Dos proyectos recientes bastan para ilustrar esta potencia: “Data Against Feminicide” co-diseñó junto a activistas herramientas digitales para facilitar la producción de datos sobre feminicidios (Suárez Val et al., 2024), mientras que “Huellas Incómodas” se propuso documentar, contextualizar y preservar digitalmente rastros de movimientos sociales e intervenciones efímeras en el espacio público (Rogel-Salazar et al., 2025). Al mismo tiempo, las CSC se constituyeron como un espacio privilegiado para indagar el papel de algoritmos, plataformas y protocolos como mediadores de la vida social.

Hacia la década de 2010, la digitalización avanzó al punto que la sociedad se encuentra a sí misma sumergida en el big data: cada vez más aspectos de la vida social parecían poder ser registrados, medidos, datificados y optimizados. Ahora, los datos se generalizan como commodity y se los entiende como el nuevo petróleo, generando una transformación en la división social de la producción del conocimiento, especialmente, con la llegada de nuevos actores corporativos (no-académicos) que recopilan, interpretan y comercian datos y metadatos (Dijck, 2014). También cambió la cultura del modelado. Si antes la técnica buscaba comprender procesos sociales hipotetizando sobre mecanismos y poniéndolos en movimiento, ahora buena parte del trabajo se orientaba a detectar inductivamente patrones latentes en grandes fuentes disponibles. Para las CSC, esta transformación abrió una discusión epistemológica decisiva frente a las voces que anunciaban la obsolescencia de los métodos clásicos de investigación social, e incluso el “fin de la teoría”, bajo la promesa de que los datos hablarían por sí mismos. En poco tiempo las CSC tomaron distancia de ese “revival positivista”, a la vez que aceptaron que el big data fue una gran oportunidad para renovar fuentes, técnicas y métodos, en la medida en que dicho esfuerzo se realice con una epistemología reflexiva y crítica (Becerra & Castorina, 2023; Kitchin, 2014). Con estos recaudos, el web scraping, la incorporación de APIs, los lenguajes de programación, los dashboards y el aprendizaje automático ampliaron las posibilidades de recolección, análisis, modelado y comunicación pública de la investigación social empírica.

Con la masificación de la inteligencia artificial, el escenario vuelve a desplazarse. Aunque todavía no sea claro qué problemas nuevos traerá para las CSC, no hay duda de que se trata de una tecnología epistémica: interviene en la producción, organización y validación del conocimiento (Alvarado, 2023). En este punto se profundiza una transformación que Humphreys ya había señalado para los métodos computacionales: al extender nuestras capacidades más allá de los límites humanos, “scientific epistemology is no longer human epistemology” (Humphreys, 2004, p. 8). Pero la IA también exige una sociología de la tecnología capaz de interrogar las condiciones sociales, políticas y geopolíticas de su desarrollo. Para las CSC, el desafío no es sólo incorporarla como herramienta, sino someterla a una vigilancia ética y epistemológica que reclame transparencia, responsabilidad y explicabilidad, y que permita identificar sesgos capaces de reproducir desigualdades.

En suma, esta breve genealogía invita a sostener una definición amplia de las CSC. El vínculo entre investigación social y desarrollos informáticos no responde a una única agenda o dirección: ha incluido modelado y simulación, métodos digitales, construcción colaborativa de datos, crítica del dataísmo e interrogación de la inteligencia artificial. Su riqueza reside en esa heterogeneidad. Antes que sólo una caja de herramientas ampliada, las CSC constituyen un campo plural de experimentación metodológica, investigación empírica y reflexión crítica para una sociedad cada vez más mediada por la tecnología.

La propuesta editorial de Desarrollos en Ciencias Sociales Computacionales

Para que este campo siga cumpliendo ese papel, es necesario preservar su heterogeneidad y crear espacios donde sus distintos objetivos puedan dialogar. Por ejemplo, las discusiones sobre métodos que alguna vez fueron novedosos —como las simulaciones computacionales de los años noventa— pueden volver a iluminar preguntas actuales sobre la artificialidad, la modelización y la explicación. Del mismo modo, las experiencias de construcción colaborativa de datos recuerdan que las CSC no deben limitarse a analizar datos producidos por otros: también pueden intervenir en sus condiciones de producción. Con este propósito, la Revista Desarrollos en Ciencias Sociales Computacionales (DCSC) busca constituirse como un foro abierto para alojar y promover esa conversación. Sus secciones responden a esta apuesta: cada una intenta reconocer una forma específica en que las CSC producen conocimiento.

En primer lugar, la sección Desarrollos busca dar reconocimiento académico a producciones que suelen quedar por fuera de un paper tradicional. Un scraper, una API, una base curada, un clasificador, un paquete de R o Python, un tablero interactivo o una aplicación pueden condensar decisiones teóricas, metodológicas y técnicas relevantes para la investigación social. Sin embargo, con frecuencia estos esfuerzos quedan relegados a la sección metodológica o al anexo de un artículo más amplio. DCSC ofrece un formato editorial específico para visibilizarlos, discutirlos y evaluarlos según su calidad técnica, relevancia social, transparencia metodológica y reproducibilidad. Esperamos que este formato también ayude a mediar una distancia persistente en la sociología desde su institucionalización como disciplina (Blois, 2014): la separación entre quienes producen conocimiento en la academia y quienes ejercen profesionalmente, ahora en ámbitos vinculados con tecnologías digitales, donde muchas prácticas de las CSC existen desde hace años sin suficiente reconocimiento, y sin que la disciplina pueda aprender de esta experiencia.

En segundo lugar, queremos que convivan investigaciones que usan técnicas computacionales con trabajos que estudian empírica y teóricamente las condiciones sociales de esas mismas tecnologías. Por ello, DCSC invita, en la sección Artículos, a trabajos que aborden lo computacional como método y como objeto. Es decir, estudios que empleen análisis de datos, minería de textos, modelado, simulación o experimentos digitales para investigar fenómenos sociales; y trabajos que analicen cómo se construyen los datos, cómo circulan los datasets, qué sentidos orientan la adopción tecnológica o qué sesgos incorporan los modelos. De esta manera, esperamos que la reflexión metodológica y la mirada crítica compartan un foro y no se den de modo disociado.

En tercer lugar, buscamos abrir un espacio para discutir el desafío formativo que atraviesan las ciencias sociales. Estas necesitan desarrollar nuevas competencias —leer y escribir código, usar APIs, hacer scraping, manipular bases de datos, construir visualizaciones o interactuar críticamente con sistemas de inteligencia artificial— sin abandonar aquello que les da especificidad: teoría social, metodología, ética, conocimiento de campo y capacidad interpretativa. Por ello, DCSC invita al envío de experiencias de Enseñanza y Aprendizaje que documenten cómo se enseñan métodos computacionales, cómo se aprende a programar en ciencias sociales, cómo se trabaja con datos reales y cómo se integran criterios éticos, tanto desde la perspectiva del docente como de la del estudiante.

El primer número de Desarrollos en Ciencias Sociales Computacionales

Presentamos el primer número de Desarrollos en Ciencias Sociales Computacionales como una muestra inicial de esta apuesta editorial. En la sección Desarrollos, los trabajos de Colin-Arce (2026) y Becerra (2026) documentan herramientas orientadas a la comunicación y al análisis de la investigación social. El primero presenta una adaptación al castellano y al público latinoamericano de Humanities and Social Sciences Commons, una plataforma multilingüe para difundir resultados y productos académicos. El segundo presenta una herramienta en JavaScript, utilizable desde R o de manera autónoma, para asistir procesos de anotación y codificación cualitativa de textos mediante una interfaz web y almacenamiento en formato abierto JSON. Ambos trabajos son breves porque el desarrollo principal vive en sus repositorios; la comunicación editorial se concentra en justificar su necesidad, precisar su aporte y situarlo frente a alternativas disponibles.

En la sección Artículos, cuatro trabajos abordan la inteligencia artificial desde distintas entradas empíricas y metodológicas. de Souza Godinho et al. (2026) exploran percepciones sobre ChatGPT entre docentes de la Universidad de Flores. González (2026) parte de una experiencia pedagógica para indagar discursos sociales sobre inteligencia artificial generativa en posgrado. Mezzadra et al. (2026) presentan la adaptación y validación de una escala psicométrica para estudiar actitudes hacia la inteligencia artificial en el contexto argentino. El trabajo de Bello et al. (2026), por último, analiza el uso de chatbots de inteligencia artificial para ayuda psicológica en población general.

La sección Enseñanza y Aprendizaje reúne dos contribuciones de estudiantes universitarios. Ávila (2026) y Ortíz et al. (2026) reflexionan sobre la incorporación de la inteligencia artificial en sus propias prácticas formativas, atendiendo especialmente a sus implicancias éticas. Ambos trabajos fueron discutidos en las III Jornadas de Inteligencia Artificial organizadas por la Universidad de Flores en noviembre de 2025, donde fueron destacados y seleccionados para su publicación.

Referencias