Ciencia de datos para la historia

A lo largo del siglo XIX, la prensa jugó un papel central en la construcción de la opinión pública, marcando el pulso de debates políticos, sociales y culturales. Este proyecto busca desentrañar las emociones expresadas en los periódicos de la época mediante el uso de inteligencia artificial y aprendizaje automático, permitiendo así una lectura más profunda de las dinámicas discursivas, sus sesgos y su impacto en la sociedad. Más que un ejercicio de análisis de datos, la investigación propone una nueva forma de acercarse a la historia, combinando el rigor académico con herramientas computacionales para ampliar la comprensión de estos documentos y sus significados ocultos.

Al mismo tiempo, el proyecto busca contribuir a la democratización del acceso a los datos históricos, creando herramientas intuitivas que permitan a investigadores, estudiantes y ciudadanos explorar estos archivos de manera accesible y enriquecedora. Además, se desarrollan modelos de inteligencia artificial que integran los contextos lingüísticos específicos de América Latina, desafiando la hegemonía de los modelos entrenados en inglés y con sesgos eurocéntricos.

A largo plazo, esta investigación sienta las bases para un estudio automatizado más preciso de fuentes históricas en español. Incorporar estrategias computacionales que respeten los cambios semánticos y los giros lingüísticos propios de cada época no solo amplía las posibilidades metodológicas en el campo de las humanidades digitales, sino que también abre nuevas puertas para repensar la historia desde perspectivas innovadoras y accesibles.

Este proyecto adopta un enfoque interdisciplinario que combina herramientas computacionales avanzadas con métodos cualitativos de análisis histórico. Para garantizar la solidez y transparencia del proceso, se han desarrollado diversas estrategias:

Recopilación y curaduría del corpus: Se construyó un conjunto de datos con más de 25.000 páginas de periódicos históricos digitalizados, seguido de un proceso de limpieza y normalización para hacerlos compatibles con herramientas de análisis automatizado. Además, se elaboraron metadatos que permiten contextualizar cada documento dentro de su marco histórico.

Procesamiento y análisis de texto: A partir de algoritmos de procesamiento de lenguaje natural (NLP), se extrajo información clave de los textos, identificando patrones de emoción, ironía, lenguaje poético y cambios en el discurso a lo largo del tiempo. También se emplearon modelos de aprendizaje automático para analizar estas variaciones y evaluar posibles sesgos en la interpretación de los datos.

Análisis computacional de imágenes: Mediante redes neuronales, se examinaron ilustraciones, caricaturas y elementos gráficos presentes en la prensa histórica, con el fin de identificar patrones visuales en la representación de figuras políticas y sociales.

Metodología colaborativa: El proyecto ha seguido un proceso iterativo de experimentación y refinamiento, validando los resultados con historiadores y lingüistas para garantizar su precisión. Asimismo, se ha priorizado la transparencia metodológica, facilitando la replicabilidad de los estudios y promoviendo un diálogo interdisciplinario sobre los hallazgos.

El proyecto pone un énfasis especial en la necesidad de interpretar los resultados dentro de su contexto histórico, evitando reduccionismos cuantitativos y complementando el análisis automatizado con un enfoque crítico propio de las ciencias sociales.