Libros
Publicaciones de mi autoría disponibles para descarga.
CLAUDE para Ciencias Sociales
Qué es y qué no es Claude Antes de incorporar cualquier herramienta al trabajo intelectual conviene entender qué es lo que se está incorporando. Con Claude, esa comprensión no exige conocimiento técnico especializado, pero sí requiere abandonar algunas analogías que, aunque cómodas, conducen a expectativas equivocadas y, lo que es peor, a usos acríticos que comprometen la validez del trabajo. Claude es un modelo de lenguaje de gran escala desarrollado por la empresa Anthropic. Fue entrenado con enormes cantidades de texto —libros, artículos académicos, páginas web, documentos de toda clase— para aprender los patrones del lenguaje escrito. A partir de ese entrenamiento, es capaz de generar texto coherente, pertinente y, con notable frecuencia, correcto. Eso es lo que Claude hace en su núcleo: genera texto. Esa descripción tan escueta ya contiene las semillas de sus límites. Pero antes de llegar a ellos, conviene desmontar tres analogías equivocadas que aparecen con regularidad cuando los investigadores comienzan a usar herramientas de inteligencia artificial generativa... Lo que Claude no es Claude no es un buscador de información. Cuando alguien usa un motor de búsqueda, el sistema rastrea páginas indexadas en la web y devuelve enlaces a contenido que existe en algún servidor, con una fecha de actualización verificable. Claude no hace eso. No consulta internet en tiempo real —salvo cuando tiene habilitada explícitamente una herramienta de búsqueda web— y no recupera información de ninguna base de datos externa. Lo que hace es generar texto a partir de patrones aprendidos durante su entrenamiento, que tiene una fecha de corte. Si se le pregunta sobre hechos recientes, estadísticas del último año o eventos políticos de los últimos meses sin que tenga acceso a búsqueda web, no va a encontrar esa información: va a generar una respuesta que puede ser parcialmente correcta, completamente incorrecta, o simplemente una admisión de que no tiene datos actualizados.
Los que siempre sobran
La diferencia entre un movimiento que genuinamente busca transformar las condiciones estructurales de desigualdad y uno que solo busca reemplazar a una elite por otra mientras mantiene o agrava la exclusión no siempre es obvia. Pero hay señales. Los movimientos que genuinamente buscan justicia amplían derechos; los que buscan poder los restringen. Los que buscan justicia nombran a los responsables estructurales; los que buscan poder buscan chivos expiatorios. Los que buscan justicia construyen instituciones; los que buscan poder las debilitan. Los jóvenes latinoamericanos que hoy están siendo captados por discursos de extrema derecha no son ingenuos ni tontos: muchos son personas inteligentes que están respondiendo de manera comprensible a condiciones reales de exclusión y frustración. El problema no es su inteligencia ni su moral. Es que se les está ofreciendo un mapa del mundo que nombra correctamente algunos problemas —la corrupción, la burocracia ineficiente, la hipocresía de cierta izquierda— mientras diagnostica mal las causas y propone soluciones que reproducen o intensifican las condiciones que generan la exclusión. Reconocer esto no es defender acríticamente a la izquierda latinoamericana, que tiene sus propias responsabilidades históricas, sus propias corrupciones y sus propios fracasos. Es reconocer que el diagnóstico importa tanto como la denuncia. Que «esto no funciona» es el principio de un análisis, no su conclusión. Y que la pregunta de «¿quién se beneficia de este diagnóstico?» siempre vale la pena hacerse antes de sumarse a una causa.
Introducción a R
Durante años, el análisis de datos en ciencias sociales estuvo atado a programas de pago, menús cerrados y resultados difíciles de reproducir. R cambió esa historia. Es gratuito, libre, transparente y se ha convertido en una de las herramientas más usadas del mundo para investigar, evaluar programas y comunicar hallazgos. Pero su fama de "difícil" ha alejado a muchas personas que se beneficiarían enormemente de aprenderlo. La filosofía de este libro cabe en una frase: “aprender R sin miedo y comprender cómo usarlo para analizar datos reales”. Por eso cada concepto viene acompañado de ejemplos prácticos, cada capítulo cierra con ejercicios resueltos, y cada error frecuente se anticipa antes de que te tropieces con él. ¿Para quién es este libro? Pensamos en ti si eres: • Estudiante universitario: que necesita analizar datos para una tesis, un trabajo de curso o un proyecto de investigación. • Investigador o investigadora principiante: que quiere dejar atrás las hojas de cálculo y trabajar de forma reproducible. • Profesional de las ciencias sociales: (sociología, economía, psicología, educación, trabajo social) que trabaja con encuestas, registros o datos administrativos. • Personal de monitoreo y evaluación (M&E): que construye indicadores, líneas de base y reportes para proyectos de cooperación. • Cualquier persona sin experiencia previa en programación: que quiera dar sus primeros pasos. Este libro “no” está dirigido a programadores avanzados ni pretende cubrir estadística inferencial compleja. Es, deliberadamente, un primer contacto.
Como hacer análisis de coyuntura
Este libro nació de una pregunta incómoda: ¿por qué, en una época en que tenemos acceso a más información que cualquier generación anterior, nos cuesta tanto entender lo que pasa? La respuesta, como suelen ser las respuestas importantes, no es sencilla. Tiene que ver con la manera en que funciona nuestra mente, con las estructuras sociales en las que estamos insertos y con las transformaciones tecnológicas que han reconfigurado la producción y el consumo de información durante las últimas dos décadas.
Metodología bajo restricciones
Este libro no nació en una biblioteca. Nació en territorios: en centros escolares públicos del municipio de Mejicanos, en comunidades de primera infancia de los distritos del centro histórico de San Salvador, en reuniones de coordinación con equipos de campo en múltiples departamentos del país, en tardes de análisis de datos que empezaban después de jornadas de levantamiento de información en territorios de alta complejidad social. Nació, también, en la incomodidad de tener que entregar un informe técnico impecable cuando los datos no decían exactamente lo que el cronograma había previsto que dijeran. Lo que aquí se ha expuesto como tensión conceptual entre rigor y viabilidad, entre dato y evidencia, entre conocimiento y acción, no es una elaboración abstracta de gabinete. Es la formalización de dilemas que cualquier investigador social latinoamericano reconocerá de inmediato: los plazos que no esperan, las comunidades que no encajan en los instrumentos diseñados para otras realidades, los financiadores con buenas intenciones y formatos que a veces aprietan más de lo que liberan, la necesidad de producir conocimiento útil sin sacrificar el conocimiento verdadero. Siete años de trabajo en investigación social aplicada, monitoreo y evaluación de programas, diseño de líneas de base y caracterizaciones territoriales me han ensenado algo que ningún manual de metodología dice con suficiente claridad: la restricción no es la excepción del proceso de investigación; es su condición normal. Y trabajar con seriedad dentro de esa condición requiere no solo técnica sino criterio, no solo instrumentos sino juicio, no solo datos sino la capacidad de convertirlos en evidencia que oriente decisiones reales sobre poblaciones reales.