Las técnicas de minería de datos podrían facilitar la búsqueda de expertos en una materia.
No es fácil encontrar a un experto. Es difícil saber en quién confiar, y es aún más complicado saber si esa persona responderá adecuadamente cuando le solicitemos ayuda. Esto puede acabar siendo un problema para aquellas grandes empresas y organizaciones donde es fundamental que sus empleados tengan un nivel de conocimientos especial en un área determinada.
En la Conferencia sobre Factores Humanos en Sistemas Informáticos (CHI2009), celebrada en Boston esta semana, varios científicos informáticos demostraron cómo encontrar personal experto de manera más precisa. Usando técnicas de minería de datos, un tipo de software nos puede ayudar a determinar las técnicas o habilidades que una persona posee y practica más a menudo, así como su predisposición para responder a las solicitudes de ayuda.
A menudo las grandes empresas guardan información acerca de los conocimientos y experiencia de sus empleados en un directorio central o base de datos. Pero es difícil cuantificar el nivel de pericia de alguien a partir de una simple búsqueda, señala Volker Wulf, profesor asociado en la Universidad de Siegen, en Alemania. Se trata de darle forma al conocimiento—un concepto abstracto que es difícil que un ordenador pueda entender. El estudio de Wulf intenta ahondar más allá de la mera descripción de un puesto de trabajo o de un directorio de empresa, al mismo tiempo respetando la privacidad de cada individuo.
Algunos programas como el Altas de IBM son capaces de crear perfiles de los empleados de una empresa de forma automática, pero es una técnica que suele resultar muy invasiva, señala Wulf. Otros métodos, como el de pedir a los usuarios que rellenen cuestionarios, requieren mucho trabajo y no se puede confiar en ellos.
Wulf y sus colegan han creado un sistema que realiza búsquedas a través de las distintas partes del ordenador de una persona para determinar sus áreas de mayor especialización. Si una organización utiliza este sistema, sus empleados pueden crear sus propios perfiles, pero también pueden designar en qué carpetas se deben realizar las búsquedas automáticamente. El sistema analiza los documentos en esas carpetas y busca palabras clave que sugieran el área de especialización del usuario. Por ejemplo, si un empleado ha guardado un buen número de archivos en los que se discute acerca de JavaScript y otros temas relacionados con la programación web, el sistema llegará a la conclusión de que esa persona es experta en esas áreas. Después enviará esta información a un servidor central, que hace las funciones de centro de referencia de todos los perfiles de usuario. La ventaja, señala Wulf, es que el sistema se puede hacer una idea clara del área de especialización del usuario, incluyendo la forma en que estos conocimientos varían a lo largo del tiempo, y todo ello sin entrar en áreas que dichos usuarios no quieran exponer de forma pública.
Además de identificar áreas de especialización, el investigador de IBM N. Sadat Shami afirma que es igualmente importante averiguar qué expertos están más predispuestos a responder ante solicitudes de ayuda. “Si la persona no responde, no sirve de nada haber encontrado a esa persona.” señala.
Shami estudia los detalles en que nos basamos para decidir contactar a un experto u otro. Su estudio demuestra que normalmente buscamos expertos que se involucren en actividades sociales relacionadas con sus áreas de especialización—por ejemplo, aquellos que contribuyan en foros de discusión o mantengan un blog con temas relacionados. Shami cree que actividades como estas son un signo de que el experto está predispuesto a participar en comunidades más amplias, puesto que formar parte de este tipo de actividades de gran nivel supone un esfuerzo.
Shami opina que en la búsqueda de expertos debne incluirse datos de carácter social, dando un mayor valor a aquellos resultados de búsqueda que ofrezcan un perfil de alguien no sólo especializado sino también accesible. Finalmente, también sería posible obtener información acerca del tipo de interacción de los usuarios con otros expertos para así mejorar aún más los resultados de nuestra búsqueda.
Peter Pirolli, dedicado al estudio del comportamiento de las búsquedas en la web en Centro de Investigación de Palo Alto, afirma que el análisis de las redes sociales también revela otro tipo de experto: aquel al que se le da bien llevar información especializada de un grupo a otro. Esta habilidad para compartir información entre grupos especializados puede ser crucial de cara a la innovación, y es algo que quizá las compañías deban tener en cuenta a la hora de contratar personal, señala Pirolli. Es más, sugiere que este tipo de experto podría ser encontrado con sólo analizar las redes sociales y buscar a aquellas personas que hayan creado lazos sólidos con miembros de dos grupos de expertos distintos.
Wulf pone especial énfasis en que cualquier método diseñado para identificar áreas de especialización debe tener en cuenta qué cantidad de minería de datos están dispuestos a tolerar los usuarios, en especial si el objetivo final es construir un sistema comercial con estos datos (tal y como están llevando a cabo Wulf y sus colegas con una startup llamada C3 Networking). A la hora de poner a prueba sus sistema, Wulf comenta que a los usuarios les preocupaban las consecuencias que conlleva el exponer la información acerca de su propio área de especialización. Algunos jefes temían que sus competidores pudieran utilizar esta información para contratar y llevarse a los expertos de sus compañías; algunos trabajadores temían que sus compañeros de trabajo acabarían sobrecargándolos con peticiones de ayuda.
Las compañías que utilicen sistemas de recomendación deben considerar cómo van a resolver las situaciones que se deriven del uso de este tipo de sistema, señala Wulf: “Hacemos visibles cosas que antes no lo eran, para bien y para mal.”