{"id":282,"date":"2023-05-16T07:07:24","date_gmt":"2023-05-16T07:07:24","guid":{"rendered":"https:\/\/visiones.uniandes.edu.co\/lcastillo83\/?p=282"},"modified":"2023-05-16T07:21:37","modified_gmt":"2023-05-16T07:21:37","slug":"prompts-datificados-la-union-inesperada-para-resucitar-archivos","status":"publish","type":"post","link":"https:\/\/visiones.uniandes.edu.co\/lcastillo83\/2023\/05\/16\/prompts-datificados-la-union-inesperada-para-resucitar-archivos\/","title":{"rendered":"“Prompts datificados”: la uni\u00f3n inesperada para resucitar archivos.\u00a0"},"content":{"rendered":"\n
\"\"
Ejercicio realizado con Midjourney a trav\u00e9s de prompts y ordenes datificadas, usando como base el tema de exportaciones bananeras en Colombia en 1920-1930<\/figcaption><\/figure>\n\n\n\n

Este art\u00edculo tiene como objetivo presentar el concepto de “Prompts datificados<\/strong>“. 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 im\u00e1genes. Existen diversos tipos, pero en este art\u00edculo nos centraremos en los de texto, los cuales consisten en una descripci\u00f3n literal de lo que se desea producir o crear. Cuanto m\u00e1s detallados sean estos prompts<\/em>, mayores ser\u00e1n las posibilidades de obtener el resultado deseado.<\/p>\n\n\n\n

Ahora, pasemos a la segunda parte del concepto propuesto: “datificados”. Los prompts a los que nos referimos tienen su origen en la descripci\u00f3n de textos que incluyen datos, e incluso conjuntos de data completos. Estos pueden provenir de sets en formatos \u201ctradicionales\u201d como Excel, archivos hist\u00f3ricos o incluso entrevistas con testigos directos de hechos y acontecimientos complejos. El proceso de descomponer y curar esta informaci\u00f3n para transformarla en prompts de texto<\/strong> marca el inicio de un enfoque narrativo de los datos.<\/p>\n\n\n\n

 A trav\u00e9s de la utilizaci\u00f3n de datos concretos en la creaci\u00f3n de prompts, se abre la posibilidad de explorar y revelar historias ocultas, patrones subyacentes y correlaciones que de otra manera podr\u00edan pasar desapercibidas.<\/strong> Esta combinaci\u00f3n de datos y narrativa enriquece la comprensi\u00f3n y el an\u00e1lisis de la informaci\u00f3n, permitiendo a los investigadores y creadores obtener una visi\u00f3n m\u00e1s completa y contextualizada de los fen\u00f3menos que est\u00e1n estudiando. Al incorporar datos en la creaci\u00f3n de prompts de texto en el contexto de la IA<\/em>, se abre un nuevo abanico de posibilidades narrativas, art\u00edsticas y anal\u00edticas. <\/p>\n\n\n\n

LOS CIMIENTOS <\/strong><\/p>\n\n\n\n

El texto contin\u00faa el di\u00e1logo propuesto por S. Louisa Wei y Huaxin Wei en su art\u00edculo titulado “Uncovering hidden maps: Illustrative narratology for digital artists\/designers<\/strong>“. Estos investigadores enfatizan la importancia de dominar t\u00e9cnicas narrativas en el \u00e1mbito de la creaci\u00f3n digital para cautivar al p\u00fablico y transmitir mensajes poderosos. Con este prop\u00f3sito, presentan una narratolog\u00eda dirigida a artistas y dise\u00f1adores digitales, estudiantes de medios de comunicaci\u00f3n y otros interesados, junto con m\u00e9todos para descubrir los “mapas ocultos” presentes en la estructura y los diversos esquemas narrativos.<\/p>\n\n\n\n

Los autores destacan elementos comunes, como el narrador\/artista<\/strong>, quien tiene la responsabilidad de enunciar el discurso, mediar entre las fuerzas que conforman la trama, crear personajes y dar forma al relato. Adem\u00e1s, 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 est\u00e1n en constante interacci\u00f3n.<\/p>\n\n\n\n

Por otro lado, el espacio es el escenario donde se desarrollan las acciones de la historia, y a trav\u00e9s de la narraci\u00f3n 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 duraci\u00f3n de los acontecimientos en la narraci\u00f3n, pudiendo presentarse de forma lineal o a trav\u00e9s de anacron\u00edas, como la analepsis (retrospecci\u00f3n) o la prolepsis (anticipaci\u00f3n). Asimismo, la trama busca establecer conexiones causales entre los diferentes elementos de la narraci\u00f3n.<\/p>\n\n\n\n

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.<\/strong> Uno de los m\u00e9todos novedosos para lograrlo es el \u201cdata narrative<\/strong>\u201d, el  cual se estudia de forma m\u00e1s profunda en  “Towards a Conceptual Model for Data Narratives<\/a>” realizado por Faten El Outa, Matteo Francia, Patrick Marcel, Veronika Peralta y Panos Vassiliadis. En dicho art\u00edculo , se resalta que las narrativas de datos requieren de informaci\u00f3n factual que respalde la historia. Este proceso de exploraci\u00f3n y an\u00e1lisis de los datos permite descubrir nuevas redes de conocimiento y desvelar los “mapas ocultos” potencialmente presentes.<\/p>\n\n\n\n

LAS CUATRO CAPAS DE CHATMAN <\/strong><\/p>\n\n\n\n

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<\/em>), que se refleja desde la transici\u00f3n desde los hechos en bruto<\/em> hasta las im\u00e1genes comunicadas al lector. Estas capas incluyen la capa f\u00e1ctica, 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 presentaci\u00f3n, que representa visualmente la narrativa de datos. <\/p>\n\n\n\n

Este proceso ejemplifica la b\u00fasqueda de nuevos m\u00e9todos que van m\u00e1s all\u00e1 de la trama y los personajes que t\u00edpicamente ocupan el primer plano. En este sentido, considero relevante incluir en esta conversaci\u00f3n el uso de los “prompts datificados” como una herramienta (especialmente para historiadores y cientificos soaicles)  para visibilizar conexiones y dar lugar a relatos vivos, din\u00e1micos y colectivos.<\/strong><\/p>\n\n\n\n

Los prompts de Midjourney<\/em>, basados en inteligencia artificial, permiten explorar y dar vida a fuerzas que solo se mantienen presentes en forma de n\u00fameros, listas o conjuntos de datos. <\/strong>Al acceder a estos prompts<\/em> y llevarlos a posibilidades visuales con casi infinitas variaciones num\u00e9ricas, se establece una base s\u00f3lida para tomar decisiones creativas informadas.<\/p>\n\n\n\n

Al comprender los fundamentos narrativos se pueden  desentra\u00f1ar patrones narrativos, tendencias del p\u00fablico, de la \u00e9poca, de las mentalidades del pasado y el presente  y comprender los elementos que generan un impacto significativo en una historia.<\/p>\n\n\n\n

UN NUEVO FLUJO<\/strong><\/p>\n\n\n\n

Me llam\u00f3 la atenci\u00f3n 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 \u00fanica dominante, Dos voces dialogantes y Multiplicidad de voces. En los relatos de cada narrador, diferentes arquetipos de h\u00e9roes son protagonistas, desde aquellos en los que la primera persona es el personaje principal, hasta h\u00e9roes desafiantes y rebeldes.<\/p>\n\n\n\n

En la narrativa de datos, se evidencia el uso de estas voces. Veamos ejemplos concretos, antes de “saltar” en la propuesta de flujo que m\u00e1s se adapte al de la “datificaci\u00f3n de prompts”:<\/p>\n\n\n\n

EJEMPLOS NARRATIVOS EN EL CONTEXTO DE LA NARRATIVA DE DATOS <\/strong><\/p>\n\n\n\n

En “Happy data<\/a>“<\/strong> de Giorgia Lupi, se emplean los principios fundamentales del “humanismo de los datos” para descubrir las historias humanas que se esconden detr\u00e1s de las cifras y las estad\u00edsticas. El narrador\/visualizador es solo una parte de una multiplicidad de voces que narran un problema, un acontecimiento o un drama desde diferentes \u00e1ngulos. Los protagonistas de estas historias son h\u00e9roes desafiantes que act\u00faan contra fuerzas contrarias que intentan detener sus prop\u00f3sitos.<\/p>\n\n\n\n

En el caso de “Stories behind a line<\/a><\/strong>” de Federica Fragapaney y Alex Piacentini, se propone una narraci\u00f3n visual de las rutas de seis solicitantes de asilo que viajan desde su ciudad natal hasta Italia. Este proyecto busca contar sus historias a trav\u00e9s de los datos que dieron forma a su trayectoria personal. Adem\u00e1s, visibiliza a narradores con m\u00faltiples voces y h\u00e9roes que luchan contra fuerzas contrarias que aumentan la tensi\u00f3n 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 \u00e1ngulos de la historia y los datos que la respaldan, como en un flashback<\/strong><\/em>. <\/p>\n\n\n\n

Por otro lado, “whydocatsanddogs.com<\/a><\/strong>” (un proyecto de Google Trends) podr\u00eda haberse limitado a simples gr\u00e1ficos de burbujas, que se utilizan com\u00fanmente para comparar y mostrar relaciones entre categor\u00edas circulares. Sin embargo, se convierte en una historia que el usuario puede recorrer de forma aut\u00f3noma. 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<\/strong>. Ya sea que el usuario<\/em> 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 m\u00e1s all\u00e1 de simples tendencias y b\u00fasquedas aisladas en Google. Esto crea comunidades de datos vivos.<\/strong><\/p>\n\n\n\n

\n
\n
\"\"<\/figure>\n\n\n\n
\"\"<\/figure>\n\n\n\n
\"\"<\/figure>\n\n\n\n
\"\"<\/figure>\n\n\n\n
\"\"<\/figure>\n<\/figure>\n<\/div>\n\n\n\n
\n\n\n\n

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, art\u00edculos, entrevistas o en bases tradicionales con celdas y columnas. Una vez recopilados los datos, se procede a la selecci\u00f3n y curadur\u00eda, siguiendo una intenci\u00f3n narrativa previamente establecida por el “narrador-artista”. Esto incluye la definici\u00f3n de personajes que se presentan como din\u00e1micos y desafiantes ante otras fuerzas que les sirven de contrapeso y generan fricciones, definiendo as\u00ed la trama y su tono.<\/p>\n\n\n\n

Despu\u00e9s 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 generaci\u00f3n de im\u00e1genes, entrenados por IA. A trav\u00e9s de varios ejercicios de intercambio de prompts a im\u00e1genes y de im\u00e1genes a variables, se seleccionan aquellos que cumplen con los objetivos de la investigaci\u00f3n o el trazado de la historia original. Finalmente, se concluye con la disponibilizaci\u00f3n de la narraci\u00f3n, generalmente en formato transmedi\u00e1tico, para que los usuarios puedan interactuar con el relato.<\/p>\n\n\n\n

\"\"<\/figure>\n\n\n\n
\"\"<\/figure>\n\n\n\n
\"\"
Ver flujo completo en Miro<\/a><\/figcaption><\/figure>\n\n\n\n

Una historia de dos fuerzas <\/strong>
Si bien en el texto de Liu es claro que la acci\u00f3n y el contraataque entre dos fuerzas generan tensi\u00f3n en la narrativa, y que la fuerza impulsora en una historia dram\u00e1tica suele ser el deseo o la b\u00fasqueda de una persona o un objeto, quise explorar c\u00f3mo se manifiesta esta fricci\u00f3n en t\u00e9rminos de “narrativa de datos”. Para ello, realic\u00e9 mi propio ejercicio y puse en pr\u00e1ctica el “joven” concepto de “prompts datificados”.<\/p>\n\n\n\n

Datos como personajes <\/strong><\/p>\n\n\n\n

Partiendo del tema principal de mi tesis sobre la utilizaci\u00f3n de herramientas digitales, como los chatbots, para la ense\u00f1anza de la historia, decid\u00ed enfocarme en la masacre de las bananeras como primer tema para desarrollar un producto m\u00ednimo viable. Para ello, realic\u00e9 una serie de visualizaciones basadas en datos encontrados en archivos y testimonios de historia oral relacionados con los eventos ocurridos en 1928 en Ci\u00e9naga, Magdalena. Los protagonistas de esta tragedia fueron los trabajadores bananeros, quienes luchaban por condiciones laborales dignas.<\/p>\n\n\n\n

Uno de los aspectos m\u00e1s controvertidos es el n\u00famero de v\u00edctimas. 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 Ci\u00e9naga mientras protestaban pac\u00edficamente, 1010 asesinados en diferentes lugares del municipio, cientos de heridos y cerca de 500 encarcelados. Tambi\u00e9n debemos mencionar la versi\u00f3n de Gabriel Garc\u00eda M\u00e1rquez, quien afirm\u00f3 que fueron 3000 los trabajadores ca\u00eddos, cuyos cuerpos fueron transportados en trenes y arrojados al mar.<\/p>\n\n\n\n

La definici\u00f3n del n\u00famero de “v\u00edctimas” no es un mero dato anecd\u00f3tico, sino que sienta las bases de la narrativa de la \u00e9poca, influye en la concepci\u00f3n de los t\u00e9rminos “bandolero” y “huelguista” utilizados por el discurso oficialista, y contribuye a la comprensi\u00f3n del tratamiento de la memoria colectiva de los obreros colombianos en el siglo XX, as\u00ed como su legado arraigado en pleno siglo XXI.<\/p>\n\n\n\n

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 n\u00famero de trabajadores abatidos en un plano amplio y panor\u00e1mico, esperando su destino final. Por otro lado, las cifras oficiales crean una representaci\u00f3n de un peque\u00f1o grupo de trabajadores con expresiones neutrales, realizando su trabajo en una plantaci\u00f3n de banano como si nada fuera a sucederles en el futuro, m\u00e1s all\u00e1 del agotamiento de la rutina y el trabajo duro.<\/p>\n\n\n\n

Los prompts<\/em> crean personajes , espacios, escenas datificadas que construyen su propia trama y visivbilizan las tensiones detras de las cifras.<\/strong><\/p>\n\n\n\n

Afianzando lo visto en el texto, esta metodologia de construcci\u00f3n de narrativas partiendo de prompts datificados<\/em><\/strong> permiten: <\/p>\n\n\n\n

1.Visualizar personajes y sus relaciones<\/p>\n\n\n\n

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

\"\"<\/figure>
\n

Ejemplo de prompts datificados, para construir una escena no oficial de la cifra de v\u00edctima de la masacre de las bananeras , usando Midjourney. Con base a una transcripci\u00f3n de una entrevosta de uno de los l\u00edderes sobrevivientes de la huelga, se crea un “prompt”. En un inicio Midjourney, se niega a realizar la im\u00e1gen, y decid\u00f3 apelar la decisi\u00f3n. La apelaci\u00f3n es aceptada y crea una im\u00e1gen limpia <\/em>pero impactante del texto (muchas veces no se cuenta con f\u00e1cil acceso a archivos fotogr\u00e1ficos de los trabajadores, o sus caras eran borradas intencionalmente, como un intento de deshumanizarlos y tratarles como m\u00e1quinas o herramientas). <\/p>\n<\/div><\/div>\n\n\n\n

\n

Ejemplos de personajes datificados, a la izquierda: construido a partir de datos de transcripci\u00f3n de entrevistas con “huelguistas” y en el lado derecho, con la versi\u00f3n oficialista. <\/p>\n\n\n\n

\"\"<\/figure>\n<\/div>
\"\"<\/figure><\/div>\n\n\n\n

AI : MUSA DE LA VISUALIZACI\u00d3N <\/strong><\/p>\n\n\n\n

En el texto “Towards a Conceptual Model for Data Narratives” (el cual guarda una complementariedad incre\u00edble con el de los investigadores de Hong Kong), se thacen evidentes las cuatro capas para la construcci\u00f3n de una narrativa de datos. La capa f\u00e1ctica que explora los hechos, la capa intencional que identifica los mensajes y objetivos de la investigaci\u00f3n, la capa estructural que modela la estructura de los datos y la capa de presentaci\u00f3n que representa la narrativa visual usando distintos mecanismos y herramientas (Power BI, p\u00e1ginas web, proyecciones transmedia, conjunto de gr\u00e1ficas). 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 informaci\u00f3n organizada a la audiencia. Los actos y episodios pueden ser representan en tableros o componentes visuales (y usan el t\u00e9rmino tablero porque es lo suficientemente general para acomodar varios tipos de visualizaciones, por ejemplo, un tablero de Business Intelligence, una infograf\u00eda, una secci\u00f3nen un cuaderno de python, una secci\u00f3n en un blog o p\u00e1gina web).. Y como en un tablero de ajedrez, estos pueden tener varios personajes en disputa, una trama dr\u00e1matica y un desenlace incierto . <\/p>\n\n\n\n

\"\"<\/figure>
\n

Im\u00e1genes basadas en las cifras de exportaciones de banano en los a\u00f1os 20 en Colombia, vs otros productos (comparaciones con el caf\u00e9, palma, algod\u00f3n, ca\u00f1a). <\/p>\n\n\n\n

\"\"<\/figure>\n<\/div><\/div>\n\n\n\n

La idea es que despu\u00e9s de decidir abordar un objetivo a trav\u00e9s de preguntas anal\u00edticas y explorar datos, el an\u00e1lisis haya dado como resultado un conjunto de mensajes para transmitir a la audiencia. <\/p>\n\n\n\n

Uno de mis grandes intereses era crear gr\u00e1ficas y visualizaciones de datos utilizando los mismos datos como prompts de texto en Midjourney. Quer\u00eda dar instrucciones precisas sobre el tipo de gr\u00e1fico, componentes, elementos relacionales y variables. Sin embargo, no logr\u00e9 obtener visualizaciones coherentes, precisas ni que reflejaran informaci\u00f3n basada en cifras. Es decir, no pude reflejar en el gr\u00e1fico una escena, una problem\u00e1tica ni unos personajes predeterminados basados en un conjunto de datos.<\/p>\n\n\n\n

El uso de IA tambi\u00e9n puede ser una fuente de inspiraci\u00f3n gr\u00e1fica, sugiriendo diferentes caminos y puntos de partida para explorar, estimular la creatividad, testeo, elongaci\u00f3n de nuestros propios l\u00edmites y desafiante de la imaginaci\u00f3n y la co-creaci\u00f3n. <\/p>\n\n\n\n

En lugar de ser un comentario cr\u00edtico, este es un di\u00e1logo sobre la importancia de pensar en nuevas formas de narrar los datos en el mundo actual y buscar un uso pr\u00e1ctico para retarnos como humanistas digitales antes problemas cl\u00e1sicos de las ciencias sociales. <\/p>\n\n\n\n

<\/p>\n\n\n\n

<\/p>\n","protected":false},"excerpt":{"rendered":"

Este art\u00edculo 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 im\u00e1genes. Existen diversos tipos, pero en este art\u00edculo nos centraremos en los de texto, los cuales consisten en una […]<\/p>\n","protected":false},"author":151,"featured_media":0,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_eb_attr":"","_themeisle_gutenberg_block_has_review":false,"footnotes":""},"categories":[1],"tags":[],"class_list":["post-282","post","type-post","status-publish","format-standard","hentry","category-sin-categoria"],"_links":{"self":[{"href":"https:\/\/visiones.uniandes.edu.co\/lcastillo83\/wp-json\/wp\/v2\/posts\/282","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/visiones.uniandes.edu.co\/lcastillo83\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/visiones.uniandes.edu.co\/lcastillo83\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/visiones.uniandes.edu.co\/lcastillo83\/wp-json\/wp\/v2\/users\/151"}],"replies":[{"embeddable":true,"href":"https:\/\/visiones.uniandes.edu.co\/lcastillo83\/wp-json\/wp\/v2\/comments?post=282"}],"version-history":[{"count":20,"href":"https:\/\/visiones.uniandes.edu.co\/lcastillo83\/wp-json\/wp\/v2\/posts\/282\/revisions"}],"predecessor-version":[{"id":326,"href":"https:\/\/visiones.uniandes.edu.co\/lcastillo83\/wp-json\/wp\/v2\/posts\/282\/revisions\/326"}],"wp:attachment":[{"href":"https:\/\/visiones.uniandes.edu.co\/lcastillo83\/wp-json\/wp\/v2\/media?parent=282"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/visiones.uniandes.edu.co\/lcastillo83\/wp-json\/wp\/v2\/categories?post=282"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/visiones.uniandes.edu.co\/lcastillo83\/wp-json\/wp\/v2\/tags?post=282"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}