Este artículo tiene como objetivo presentar el concepto de “Prompts datificados“. En el campo de la Inteligencia Artificial, los “prompts” son fragmentos de texto que las aplicaciones, como Midjourney, interpretan para generar textos, videos, sonidos o imágenes. Existen diversos tipos, pero en este artículo nos centraremos en los de texto, los cuales consisten en una descripción literal de lo que se desea producir o crear. Cuanto más detallados sean estos prompts, mayores serán las posibilidades de obtener el resultado deseado.

Ahora, pasemos a la segunda parte del concepto propuesto: “datificados”. Los prompts a los que nos referimos tienen su origen en la descripción de textos que incluyen datos, e incluso conjuntos de data completos. Estos pueden provenir de sets en formatos “tradicionales” como Excel, archivos históricos o incluso entrevistas con testigos directos de hechos y acontecimientos complejos. El proceso de descomponer y curar esta información para transformarla en prompts de texto marca el inicio de un enfoque narrativo de los datos.

 A través de la utilización de datos concretos en la creación de prompts, se abre la posibilidad de explorar y revelar historias ocultas, patrones subyacentes y correlaciones que de otra manera podrían pasar desapercibidas. Esta combinación de datos y narrativa enriquece la comprensión y el análisis de la información, permitiendo a los investigadores y creadores obtener una visión más completa y contextualizada de los fenómenos que están estudiando. Al incorporar datos en la creación de prompts de texto en el contexto de la IA, se abre un nuevo abanico de posibilidades narrativas, artísticas y analíticas.

LOS CIMIENTOS

El texto continúa el diálogo propuesto por S. Louisa Wei y Huaxin Wei en su artículo titulado “Uncovering hidden maps: Illustrative narratology for digital artists/designers“. Estos investigadores enfatizan la importancia de dominar técnicas narrativas en el ámbito de la creación digital para cautivar al público y transmitir mensajes poderosos. Con este propósito, presentan una narratología dirigida a artistas y diseñadores digitales, estudiantes de medios de comunicación y otros interesados, junto con métodos para descubrir los “mapas ocultos” presentes en la estructura y los diversos esquemas narrativos.

Los autores destacan elementos comunes, como el narrador/artista, quien tiene la responsabilidad de enunciar el discurso, mediar entre las fuerzas que conforman la trama, crear personajes y dar forma al relato. Además, mencionan la importancia de los personajes, que son estructuras o efectos de sentido que participan tanto en el discurso narrativo como en las acciones de la historia, incluyendo al protagonista y al antagonista. Estos personajes generan tensiones que se desenvuelven en el tiempo-espacio, donde las fuerzas narrativas están en constante interacción.

Por otro lado, el espacio es el escenario donde se desarrollan las acciones de la historia, y a través de la narración se construye la escena de los hechos, a veces desde la perspectiva de un personaje o del narrador. En cuanto al tiempo, este determina el orden y la duración de los acontecimientos en la narración, pudiendo presentarse de forma lineal o a través de anacronías, como la analepsis (retrospección) o la prolepsis (anticipación). Asimismo, la trama busca establecer conexiones causales entre los diferentes elementos de la narración.

Estos conceptos fundamentales y las tensiones crecientes que existen entre los personajes y las fuerzas narrativas dentro de un espacio y un tiempo determinados, plantean la necesidad de descubrir los “mapas ocultos” y las relaciones presentes en las narraciones. Uno de los métodos novedosos para lograrlo es el “data narrative”, el  cual se estudia de forma más profunda en  “Towards a Conceptual Model for Data Narratives” realizado por Faten El Outa, Matteo Francia, Patrick Marcel, Veronika Peralta y Panos Vassiliadis. En dicho artículo , se resalta que las narrativas de datos requieren de información factual que respalde la historia. Este proceso de exploración y análisis de los datos permite descubrir nuevas redes de conocimiento y desvelar los “mapas ocultos” potencialmente presentes.

LAS CUATRO CAPAS DE CHATMAN

Siguiendo los principios de las cuatro capas de la narrativa de datos propuestos por Chatman (Chatman, S.: Story and Discourse: Narrative Structure in Fiction and Film. Cornell paperbacks, Cornell University Press , 1980), que se refleja desde la transición desde los hechos en bruto hasta las imágenes comunicadas al lector. Estas capas incluyen la capa fáctica, que se encarga de explorar los hechos y analizarlos; la capa intencional, que identifica los mensajes y personajes que el autor desea comunicar; la capa estructural, que modela la estructura de la narrativa organizando la trama en actos y episodios; y finalmente, la capa de presentación, que representa visualmente la narrativa de datos. 

Este proceso ejemplifica la búsqueda de nuevos métodos que van más allá de la trama y los personajes que típicamente ocupan el primer plano. En este sentido, considero relevante incluir en esta conversación el uso de los “prompts datificados” como una herramienta (especialmente para historiadores y cientificos soaicles)  para visibilizar conexiones y dar lugar a relatos vivos, dinámicos y colectivos.

Los prompts de Midjourney, basados en inteligencia artificial, permiten explorar y dar vida a fuerzas que solo se mantienen presentes en forma de números, listas o conjuntos de datos. Al acceder a estos prompts y llevarlos a posibilidades visuales con casi infinitas variaciones numéricas, se establece una base sólida para tomar decisiones creativas informadas.

Al comprender los fundamentos narrativos se pueden  desentrañar patrones narrativos, tendencias del público, de la época, de las mentalidades del pasado y el presente  y comprender los elementos que generan un impacto significativo en una historia.

UN NUEVO FLUJO

Me llamó la atención al leer el texto de S. Louisa Wei y Huaxin Wei el esquema de “Narrator & narrative voice” donde se presentan los tipos de narradores: Voz única dominante, Dos voces dialogantes y Multiplicidad de voces. En los relatos de cada narrador, diferentes arquetipos de héroes son protagonistas, desde aquellos en los que la primera persona es el personaje principal, hasta héroes desafiantes y rebeldes.

En la narrativa de datos, se evidencia el uso de estas voces. Veamos ejemplos concretos, antes de “saltar” en la propuesta de flujo que más se adapte al de la “datificación de prompts”:

EJEMPLOS NARRATIVOS EN EL CONTEXTO DE LA NARRATIVA DE DATOS

En “Happy data“ de Giorgia Lupi, se emplean los principios fundamentales del “humanismo de los datos” para descubrir las historias humanas que se esconden detrás de las cifras y las estadísticas. El narrador/visualizador es solo una parte de una multiplicidad de voces que narran un problema, un acontecimiento o un drama desde diferentes ángulos. Los protagonistas de estas historias son héroes desafiantes que actúan contra fuerzas contrarias que intentan detener sus propósitos.

En el caso de “Stories behind a line” de Federica Fragapaney y Alex Piacentini, se propone una narración visual de las rutas de seis solicitantes de asilo que viajan desde su ciudad natal hasta Italia. Este proyecto busca contar sus historias a través de los datos que dieron forma a su trayectoria personal. Además, visibiliza a narradores con múltiples voces y héroes que luchan contra fuerzas contrarias que aumentan la tensión como una cuerda a punto de reventar, mientras avanzan hacia su destino. Esta propuesta de narrativa de datos juega con la linealidad del tiempo, permitiendo saltar desde el inicio hasta el final y explorar sus ramificaciones, retrocediendo si es necesario para captar todos los ángulos de la historia y los datos que la respaldan, como en un flashback.

Por otro lado, “whydocatsanddogs.com” (un proyecto de Google Trends) podría haberse limitado a simples gráficos de burbujas, que se utilizan comúnmente para comparar y mostrar relaciones entre categorías circulares. Sin embargo, se convierte en una historia que el usuario puede recorrer de forma autónoma. El usuario es quien se sumerge en una experiencia de datos y elige su propio “destino”, determinando sus recorridos y estaciones, y moldeando su propios puntos de entrada y salida. Ya sea que el usuario prefiera los gatos, los perros o ambos, se identifica con las preguntas que otros amantes de los animales han planteado sobre sus mascotas, lo que los une involuntariamente en una serie de conexiones que van más allá de simples tendencias y búsquedas aisladas en Google. Esto crea comunidades de datos vivos.

---

Ahora, pasemos a la propuesta del flujo propio, que comienza con la figura del Narrador o Narradores (artistas) que recolectan datos. Estos datos pueden encontrarse en archivos, artículos, entrevistas o en bases tradicionales con celdas y columnas. Una vez recopilados los datos, se procede a la selección y curaduría, siguiendo una intención narrativa previamente establecida por el “narrador-artista”. Esto incluye la definición de personajes que se presentan como dinámicos y desafiantes ante otras fuerzas que les sirven de contrapeso y generan fricciones, definiendo así la trama y su tono.

Después de esta etapa, se prepara todo para convertir los datos en textos descriptivos, en prompts que puedan ser plenamente identificados por Midjourney u otros programas similares de generación de imágenes, entrenados por IA. A través de varios ejercicios de intercambio de prompts a imágenes y de imágenes a variables, se seleccionan aquellos que cumplen con los objetivos de la investigación o el trazado de la historia original. Finalmente, se concluye con la disponibilización de la narración, generalmente en formato transmediático, para que los usuarios puedan interactuar con el relato.

Una historia de dos fuerzas 
Si bien en el texto de Liu es claro que la acción y el contraataque entre dos fuerzas generan tensión en la narrativa, y que la fuerza impulsora en una historia dramática suele ser el deseo o la búsqueda de una persona o un objeto, quise explorar cómo se manifiesta esta fricción en términos de “narrativa de datos”. Para ello, realicé mi propio ejercicio y puse en práctica el “joven” concepto de “prompts datificados”.

Datos como personajes 

Partiendo del tema principal de mi tesis sobre la utilización de herramientas digitales, como los chatbots, para la enseñanza de la historia, decidí enfocarme en la masacre de las bananeras como primer tema para desarrollar un producto mínimo viable. Para ello, realicé una serie de visualizaciones basadas en datos encontrados en archivos y testimonios de historia oral relacionados con los eventos ocurridos en 1928 en Ciénaga, Magdalena. Los protagonistas de esta tragedia fueron los trabajadores bananeros, quienes luchaban por condiciones laborales dignas.

Uno de los aspectos más controvertidos es el número de víctimas. Mientras las cifras oficiales hablan de 9 muertos y una decena de heridos, los trabajadores sobrevivientes estiman alrededor de 200 fallecidos en la plaza de Ciénaga mientras protestaban pacíficamente, 1010 asesinados en diferentes lugares del municipio, cientos de heridos y cerca de 500 encarcelados. También debemos mencionar la versión de Gabriel García Márquez, quien afirmó que fueron 3000 los trabajadores caídos, cuyos cuerpos fueron transportados en trenes y arrojados al mar.

La definición del número de “víctimas” no es un mero dato anecdótico, sino que sienta las bases de la narrativa de la época, influye en la concepción de los términos “bandolero” y “huelguista” utilizados por el discurso oficialista, y contribuye a la comprensión del tratamiento de la memoria colectiva de los obreros colombianos en el siglo XX, así como su legado arraigado en pleno siglo XXI.

Al convertir estos datos en prompts textuales, podemos observar una diferencia abismal entre las dos versiones mencionadas. En la primera imagen, se muestra un gran número de trabajadores abatidos en un plano amplio y panorámico, esperando su destino final. Por otro lado, las cifras oficiales crean una representación de un pequeño grupo de trabajadores con expresiones neutrales, realizando su trabajo en una plantación de banano como si nada fuera a sucederles en el futuro, más allá del agotamiento de la rutina y el trabajo duro.

Los prompts crean personajes , espacios, escenas datificadas que construyen su propia trama y visivbilizan las tensiones detras de las cifras.

Afianzando lo visto en el texto, esta metodologia de construcción de narrativas partiendo de prompts datificados permiten:

1.Visualizar personajes y sus relaciones

2. Dividir la historia en detalles razonables que sean “visibles” para todos (colaboradores, co-creadores, usuarios-lectores).

AI : MUSA DE LA VISUALIZACIÓN

En el texto “Towards a Conceptual Model for Data Narratives” (el cual guarda una complementariedad increíble con el de los investigadores de Hong Kong), se thacen evidentes las cuatro capas para la construcción de una narrativa de datos. La capa fáctica que explora los hechos, la capa intencional que identifica los mensajes y objetivos de la investigación, la capa estructural que modela la estructura de los datos y la capa de presentación que representa la narrativa visual usando distintos mecanismos y herramientas (Power BI, páginas web, proyecciones transmedia, conjunto de gráficas). Resaltando que al finalizar ese proceso por etapas, se producen “mensajes” que guardan en su interior todo un conjunto de exploraciones minuciosas de hechos que se convierten en la base para construir episodios y transmitir información organizada a la audiencia. Los actos y episodios pueden ser representan en tableros o componentes visuales (y usan el término tablero porque es lo suficientemente general para acomodar varios tipos de visualizaciones, por ejemplo, un tablero de Business Intelligence, una infografía, una secciónen un cuaderno de python, una sección en un blog o página web).. Y como en un tablero de ajedrez, estos pueden tener varios personajes en disputa, una trama drámatica y un desenlace incierto .

La idea es que después de decidir abordar un objetivo a través de preguntas analíticas y explorar datos, el análisis haya dado como resultado un conjunto de mensajes para transmitir a la audiencia.

Uno de mis grandes intereses era crear gráficas y visualizaciones de datos utilizando los mismos datos como prompts de texto en Midjourney. Quería dar instrucciones precisas sobre el tipo de gráfico, componentes, elementos relacionales y variables. Sin embargo, no logré obtener visualizaciones coherentes, precisas ni que reflejaran información basada en cifras. Es decir, no pude reflejar en el gráfico una escena, una problemática ni unos personajes predeterminados basados en un conjunto de datos.

El uso de IA también puede ser una fuente de inspiración gráfica, sugiriendo diferentes caminos y puntos de partida para explorar, estimular la creatividad, testeo, elongación de nuestros propios límites y desafiante de la imaginación y la co-creación.

En lugar de ser un comentario crítico, este es un diálogo sobre la importancia de pensar en nuevas formas de narrar los datos en el mundo actual y buscar un uso práctico para retarnos como humanistas digitales antes problemas clásicos de las ciencias sociales.