POBLACIÓN
1.000.000

TIPO
Grandes ciudades

Youth for Climate utilizó la tecnología de PLN de CitizenLab para convertir miles de contribuciones de los ciudadanos en percepciones concisas y aplicables. Esto es lo que aprendimos al analizar más de 1.700 ideas.

El 20 de agosto, una activista climática sueca de 15 años llamada Greta Thurnberg se sentó frente al gobierno sueco con un cartel de protesta por la inacción contra el cambio climático. Al día siguiente, se le unieron un puñado de otros manifestantes. Unas semanas más tarde, cientos se habían unido. Unos meses después, el movimiento se había vuelto global y los grupos de Youth for Climate salieron a las calles de todo el mundo para conseguir que la política actuara contra el cambio climático. 

El movimiento llegó rápidamente a Bélgica. A principios de 2019 los jóvenes belgas comenzaron a protestar todos los jueves, marchando a través de Bruselas y otras grandes ciudades belgas. A medida que la atención de la prensa y el impulso crecían, los organizadores de Youth for Climate de Bélgica decidieron rápidamente que necesitaban una forma de canalizar la energía y las ideas que se expresaban cada semana en la calle. En enero de 2019, se creó una plataforma CitizenLab para ellos: Youth4Climate, en la que se invitaba a los usuarios de Bélgica y otros países a presentar ideas sobre cómo abordar el cambio climático. Los debates en la plataforma fueron tan animados y apasionados como en las calles: en poco menos de 3 meses, los usuarios publicaron más de 1.700 ideas, 2.600 comentarios y votaron más de 32.000 veces por las iniciativas que querían apoyar.

Las ideas publicadas en la plataforma Youth4Climate

Como en todos los proyectos de participación, aquí es donde el desafío realmente comenzó. Recopilar aportaciones fue sólo la parte fácil: para convertir estas ideas en acciones y recomendaciones significativas, Youth for Climate necesitaba procesar miles de ideas en un corto período de tiempo. Este fue un caso de uso perfecto para la función de análisis automatizado de datos de la plataforma CitizenLab. 

Al acompañar a Youth for Climate en el proceso de recolección y análisis de los datos, pudimos probar nuestra tecnología de PLN a gran escala y ejecutarla con miles de contribuciones escritas en múltiples idiomas. Aquí están algunos de los aprendizajes que hicimos a lo largo del camino.  

Aprendizaje 1: primero el humano, segundo la tecnología

Con el objetivo final de presentar un informe conciso y procesable a los funcionarios electos, los organizadores de Youth For Climate, junto con CitizenLab, decidieron organizar las ideas de la plataforma en prioridades máximas para el clima. Los temas que existían en la plataforma y que ya habían sido asignados a algunas de las ideas no se podían utilizar: la mayoría de los temas eran demasiado vagos para determinar las verdaderas prioridades, y una gran parte de los usuarios había optado por no clasificar sus ideas, lo que significaba que la mayor parte de las ideas no estaban marcadas.

La clasificación automática tampoco era una opción: intentar etiquetar automáticamente todas las ideas habría sido casi imposible. Sin dar a los algoritmos instrucciones sobre cómo clasificar las ideas, habrían aplicado un modelo de clasificación que estaba fuera de contexto o era demasiado vasto. Hicimos algunas pruebas que confirmaron nuestra intuición: con conversaciones tan complejas y con un número tan alto de mensajes, los algoritmos necesitan un cierto encuadre antes de que puedan obtener resultados fiables. 

La solución fue, por lo tanto, determinar manualmente las principales categorías leyendo las ideas y utilizando temas recurrentes. Para evitar leer a través de 1.700 ideas, se decidió centrarse primero en las más “populares”. El 15% de las ideas más populares (217 ideas) representaban casi el 74% de los votos, un fuerte signo de que eran representativas de las ideas en su conjunto. Las ideas que reunieron más de 100 votos (60 ideas en total, que representan el 43% del total de votos) nos dieron las 10 principales prioridades. Las ideas que reunieron entre 50 y 100 votos (57 ideas, que representan el 15% de los votos) nos dieron otras 5 prioridades. Estas 15 prioridades fueron suficientes para cubrir el resto de las ideas: leímos manualmente otras 139 ideas que habían reunido entre 20 y 50 votos, y todas ellas encajan en al menos una de las 15 prioridades.

Prioridades identificadas

Las 15 prioridades identificadas en la plataforma Youth4Climate

Una vez determinadas estas prioridades, recurrimos a la PLN para aplicarlas a las 1.400 ideas restantes. Estas ideas fueron etiquetadas usando el método de similitud: cada idea del pote “sin etiquetar” fue comparada con una idea del pote “con etiqueta manual” – la comparación se hizo mirando palabras similares y comprobando el contexto. No basta con que dos ideas utilicen la palabra “libro”: también queremos asegurarnos de que la palabra significa lo mismo en ambos comentarios. Lo contrario también es cierto: si una idea menciona “un libro” y otra idea menciona “lectura”, el algoritmo reconoce que son similares. Una vez que el algoritmo encontró la idea etiquetada más cercana, aplicó la misma etiqueta a la idea no etiquetada. La comprobación manual de los resultados mostró que incluso cuando los algoritmos se equivocaban en la etiqueta, la etiqueta que se había aplicado seguía siendo de alguna manera relevante para la idea. 

Aprendizaje 2: anticiparse a los prejuicios

En términos de número de ideas y comentarios, Youth For Climate ha sido una de las mayores plataformas con las que hemos trabajado. Por lo tanto, ha sido una oportunidad para nosotros de entrenar nuestro algoritmo en conjuntos de datos que son más grandes que los que solemos ver en otras plataformas. Al hacerlo, hemos sido capaces de aprender y ajustar nuestro enfoque. 

Somos conscientes de las limitaciones que vienen con la asignación manual de ideas, y sabemos que siempre hay un sesgo humano que viene con la selección o resumen de las ideas principales. Ser conscientes de este posible sesgo significa que podemos tratar de pasarlo por alto y mantenernos lo más neutrales posible.

Tomamos la decisión de que las ideas más populares eran también las más relevantes, pero podría ser, por supuesto, que algunas ideas que no fueron votadas también sugirieran prioridades válidas. Además, la plataforma mostraba primero las ideas populares, reforzando así las proposiciones dominantes. Para evitar esto en futuras plataformas, ahora hemos aleatorizado el orden de las ideas en las páginas de los proyectos. 

Por último, un aprendizaje positivo ha sido que el multilingüismo no es necesariamente una barrera para los proyectos de participación ciudadana. Las traducciones automáticas aseguraron que los usuarios que hablaban diferentes idiomas pudieran leer, comentar y votar ideas en diferentes idiomas, eliminando así el sesgo del idioma. Durante la fase de análisis, pudimos trabajar con los 3 idiomas de la plataforma (francés, holandés e inglés) traduciendo las ideas a un solo idioma y trabajando desde allí. Las comprobaciones manuales mostraron que la agrupación de ideas era entonces capaz de trabajar y agrupar ideas que se tradujeron de diferentes idiomas.

Aprendizaje 3: ¡transparencia, transparencia, transparencia!

El análisis de las contribuciones no lo es todo: para que el proyecto se complete, también es necesario compartir los resultados con los participantes. En el espíritu de co-construcción y transparencia, los organizadores de Youth4Climate se propusieron mantener todo el proceso lo más abierto posible. 

Una vez que se determinaron las 15 prioridades, los resultados se publicaron en la plataforma junto con una explicación de cómo se habían procesado las ideas. Los resultados y la metodología también se compartieron por correo electrónico con todos los usuarios que habían creado una cuenta en la plataforma, independientemente de si habían presentado una idea. Este enfoque contribuyó a aumentar la confianza en el proceso y mantuvo el interés de los usuarios mucho tiempo después de haber interactuado con la plataforma. También ayudó a que los usuarios volvieran a la plataforma para la siguiente fase del proyecto.

Cronología del proyecto en la plataforma Youth4Climate

Las 15 prioridades ciudadanas se han traducido en nuevas “ideas” en la plataforma. Cada una de estas prioridades viene con una breve descripción, y presenta enlaces a las ideas relacionadas más populares publicadas por los ciudadanos en la primera fase. Los ciudadanos han sido invitados a votar por los temas que creen más importantes. Una vez que se finaliza la priorización y se cuentan los votos, los organizadores de Youth4Climate compartirán las propuestas con los funcionarios electos y las llevarán a un panel de expertos con el que están en estrecho contacto. Estas próximas fases se han explicado en la plataforma, dejando claro a los usuarios hacia dónde se dirige el proyecto y por qué su voto es importante.

Formar parte de este proyecto ha sido una gran experiencia de aprendizaje para CitizenLab. Nos ha permitido trabajar junto a un grupo de la sociedad civil en un tema que nos apasiona. A lo largo del proceso, también hemos podido reunir valiosos aprendizajes que podremos implementar en futuras plataformas. Si quiere saber más sobre cómo usamos la inteligencia artificial en CitizenLab, ¡venga por aquí!

¿Qué sigue para el clima? Dirígete a la plataforma Youth4Climate y comprueba el estado de las ideas!

El presente artículo es una versión adaptada de un texto desarrollado por Citizenlab. El artículo original en Inglés puede consultarse aquí.

There are currently no comments.