Viernes 7 de agosto | 17:00 a 20:00 hs | Modalidad virtual
Inscribite: Click aquí
Objetivo
Introducir a lxs participantes en el uso de algoritmos, inteligencia artificial y métodos computacionales para la extracción y análisis automatizado de eventos de protesta a partir de noticias periodísticas, promoviendo una reflexión crítica sobre sus fundamentos epistemológicos, sus potencialidades, sus limitaciones y sus aplicaciones en la investigación en ciencias sociales y humanas.
Descripción
El taller propone un primer acercamiento al análisis automatizado de eventos de protesta, una de las principales aplicaciones de las ciencias sociales computacionales en el estudio de la acción colectiva y la conflictividad social. A partir de una combinación de exposiciones conceptuales y demostraciones prácticas, se abordarán los principales debates epistemológicos, metodológicos y técnicos involucrados en la construcción automatizada de datos, así como las herramientas y desarrollos recientes basados en procesamiento del lenguaje natural (NLP) y modelos de lenguaje (LLMs). Finalmente, se presentará un flujo de trabajo para la extracción automatizada de eventos y se realizarán ejercicios exploratorios con diferentes modelos.
Contenidos
I. Perspectivas críticas sobre la automatización del análisis de eventos de protesta
- La expansión de los métodos computacionales en las ciencias sociales.
- El giro digital, el big data y la sobreabundancia de datos.
- Genealogía de las tecnologías de medición de la conflictividad social.
- Automatización y construcción de datos: oportunidades y desafíos.
- Tensiones epistemológicas, metodológicas y técnicas.
- Caja negra y caja blanca.
II. Estado del arte en la automatización del análisis de eventos
- Del procesamiento clásico del lenguaje natural a los Transformers.
- De BERT a los modelos de lenguaje generativos.
- Modelos abiertos y modelos privativos.
- Extracción automática de eventos desde noticias.
- Clasificación y codificación automatizada de eventos de protesta.
- Principales desarrollos recientes y aplicaciones en estudios de conflictividad social.
III. Taller práctico: un flujo de trabajo para la extracción automatizada de eventos
- Diseño de un pipeline para el análisis de eventos de protesta.
- Extracción de información mediante herramientas de NLP (spaCy).
- Comparación entre enfoques tradicionales y modelos de lenguaje (LLMs).
- Experimentación en Google Colab con diferentes modelos.
- Evaluación de resultados y comparación entre codificación humana y automatizada.
- Discusión sobre potencialidades, límites y criterios de validación.
Material de trabajo
Google colab https://colab.research.google.com/drive/1yukWg9d9Sb6NQt4nws1pNYo8HJ9uvcKu?usp=sharing
Bibliografía de consulta sugerida
- Caren, N., Andrews, K. T., y Ray, R. (2023). Extracting protest events from newspaper articles with ChatGPT [Preprint]. SocArXiv. https://doi.org/10.31235/osf.io/dvht7
- Guldi, J. (2023). The dangerous art of text mining: A methodology for digital history. Cambridge University Press.
- Guldi, J., y Pons, A. (2023, 11 de diciembre). Historical research and digital methods: In conversation with Jo Guldi. Politika. https://www.politika.io/fr/article/historical-research-and-digital-methods-in-conversation-with-jo-guldi
- Halterman, A. (2025). Synthetically generated text for supervised text analysis. Political Analysis, 33(3), 181–194. https://doi.org/10.1017/pan.2024.31
- Halterman, A., y Keith, K. A. (2026). Codebook LLMs: Evaluating LLMs as measurement tools for political science concepts. Political Analysis, 34(2), 188–204. https://doi.org/10.1017/pan.2025.10017
- Halterman, A., y Keith, K. A. (2026). What is a protest anyway? Codebook conceptualization is still a first-order concern in LLM-era classification. En M. Liakata, V. P. Moreira, J. Zhang y D. Jurgens (Eds.), Proceedings of the 64th Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers) (pp. 2043–2059). Association for Computational Linguistics. https://doi.org/10.18653/v1/2026.acl-long.92
- Halterman, A., Schrodt, P. A., Beger, A., Bagozzi, B. E., y Scarborough, G. I. (2023). Creating custom event data without dictionaries: A bag-of-tricks [Preprint]. arXiv. https://doi.org/10.48550/arXiv.2304.01331
- Hanna, A. (2017). MPEDS: Automating the generation of protest event data [Preprint]. SocArXiv. https://doi.org/10.31235/osf.io/xuqmv
- Haunss, S., Daphi, P., Dollbaum, J. M., Hristova, L., Susánszky, P., y Steinhilper, E. (2025). PAPEA: A modular pipeline for the automation of protest event analysis. Political Science Research and Methods, 1–18. https://doi.org/10.1017/psrm.2025.10013
- Hyman, L. (Ed.). (s. f.). Computational History. Substack. Recuperado el 27 de julio de 2026, de https://computationalhistory.substack.com/archive
- Prescott, A. (2016, 16 de septiembre). Avoiding the rear-view mirror. Digital Transformations: Talks and Presentations. https://medium.com/digital-transformations-talks-and-presentations/avoiding-the-rear-view-mirror-870319290bb2
