Salir
logo hrs4r

Seminario IEDIS-BIFI sobre análisis de datos de Inteligencia Colectiva

Un encuentro multidisciplinar de inteligencia colectiva a partir de la experiencia de la plataforma Collective Learning
SEMINARIO IEDIS BIFI

Hoy lunes 13 de marzo de 2023, investigadores e investigadoras de diversos ámbitos de la sociología, física, economía, educación y participación ciudadana, se han dado cita en el primer seminario organizado por el Instituto Universitario de Investigación en Empleo, Sociedad Digital y Sostenibilidad (IEDIS) y el Instituto de Biocomputación y Física de Sistemas Complejos (BIFI) de la Universidad de Zaragoza. Un encuentro multidisciplinar para debatir y mostrar avances en inteligencia colectiva. Un prometedor entorno en el que investigadores analizaron algunos de los retos de investigación generados desde un enfoque interdisciplinar.

SEMINARIO IEDIS-BIFI

Conscientes de las oportunidades que ofrece la Inteligencia Colectiva, investigadores del Instituto de BIFI y la empresa Kampal han desarrollado una herramienta de Inteligencia Colectiva, Collective Learning, que ofrece un marco ideal para que investigadores de distintos campos puedan analizar los procesos de interacción que ocurren en la misma y la calidad de las respuestas que se generan. En el encuentro que tuvo lugar en la Facultad de Educación de la Universidad de Zaragoza, quedaron plasmados los muchos interrogantes y retos de investigación que se generan. La inteligencia colectiva ofrece un marco conceptual y empírico en el que abordar investigaciones sobre la solución colectiva de problemas de distinta naturaleza. Las posibilidades de colaboración que Internet ofrece, incrementan notablemente el número de personas que pueden estar implicados en los procesos de análisis y búsqueda de solución a distintos problemas, pero ello, conlleva también algunas dificultades adicionales. En un intento de mejorar estos procesos, este seminario sirvió para compartir resultados y generar nuevas preguntas de investigación.

SEMINARIO IEDIS-BIFI

José Alberto Molina, director del Instituto Universitario de Investigación en Empleo, Sociedad Digital y Sostenibilidad (IEDIS) ha sido el encargado de dar la bienvenida a los asistentes. Después, ha presentado el seminario Santos Orejudo Hernández, profesor titular del área de Psicología Evolutiva y de la Educación e Investigador Principal del Proyecto 2022/2012: Aplicación de herramientas de inteligencia colectiva para la prevención de la vulnerabilidad de los adolescentes en las redes sociales: ciberacoso, abuso y otras conductas de riesgo - LMP46_21 del Instituto Universitario de Investigación en Empleo, Sociedad Digital y Sostenibilidad (IEDIS). Tras esta presentación, Alfonso Tarancón Lafita, catedrático del Área de Física Teórica, Departamento de Física Teórica de BIFI, presentaba la herramienta Collective Learning. Para hablar de las experiencias de análisis de datos obtenidos con esta herramienta de Inteligencia Colectiva en Educación, han tenido la palabra Raquel Lozano Blasco, Pablo Bautista Alcaine y Santos Orejudo. Los tres son investigadores del Proyecto Aplicación de herramientas de inteligencia colectiva para la prevención de la vulnerabilidad de los adolescentes en las redes sociales: ciberacoso, abuso y otras conductas de riesgo - LMP46_21 Grupo de Investigación Educaviva. Eduación y Procesos Psicológicos del Instituto Universitario de Investigación en Empleo, Sociedad Digital y Sostenibilidad (IEDIS). El acto ha finalizado con un debate moderado por Carmen María Elboj Saso, catedrática de Sociología e Investigadora del Proyecto Aplicación de herramientas de inteligencia colectiva para la prevención de la vulnerabilidad de los adolescentes en las redes sociales: ciberacoso, abuso y otras conductas de riesgo - LMP46_21 del Instituto Universitario de Investigación en Empleo, Sociedad Digital y Sostenibilidad (IEDIS).

SEMINARIO IEDIS-BIFISEMINARIO IEDIS-BIFISEMINARIO IEDIS-BIFI

>>>>Descargar cartel: Cartel Seminario IEDIS-BIFI

Noviembre 2024

L M M J V S D
28
 
29
 
30
 
31
 
1
 
2
 
3
 
4
 
5
 
6
 
7
 
8
 
9
 
10
 
11
 
12
 
13
 
14
 
15
 
16
 
17
 
18
 
19
 
20
 
21
 
22
 
23
 
24
 
25
 
26
 
27
 
28
 
29
 
30
 
1