Para diseñar proyectos de impacto social, solemos resaltar el rol de empatía que se debe usar para entender las necesidades de los beneficiarios. Los métodos de design thinking nos enseñan a investigar de manera profunda los hábitos y frustraciones del usuario, para crear las soluciones adecuadas. Este trabajo es a menudo instintivo y experiencial : diseñar soluciones a partir de la experiencia vivida de donde faltan la equidad, la justicia y la sostenibilidad. Si bien esta fase de investigación cualitativa es esencial para sacar aprendizaje, no debe substituirse a una investigación cuantitativa avanzada. De hecho, los datos revelan patrones y verdades ocultas, y evidencias que pueden confirmar o derribar una hipótesis. Son guías esenciales para dirigir el sentido de la investigación y ajustar las soluciones.
Reducir el ausentismo escolar instalando lavadoras en las escuelas
En 2015, un estudio llevado por la marca Whirlpool se enfocó en como reducir el ausentismo en las escuelas de Estados Unidos. Un cruce inteligente de datos entregó un resultado sorprendente : existía una correlación significativa entre el ausentismo de los alumnos y la falta de acceso a ropa limpia. Este aprendizaje llevó la marca a colocar lavadoras en 82 escuelas desde entonces, apoyando a 38 000 alumnos. ¿Esta solución hubiera surgido sin el uso de datos? Parece poco probable. El cruce de datos permite explorar hipótesis que nuestro cerebro humano tiene poca probabilidad contemplar, por los sesgos que influencian nuestro pensamiento.
También te puede interesar : Black Mirror vs la realidad : la inteligencia artificial no es lo que piensas
En el plenario de SOCAP 19 de este jueves, los principales investigadores y aquellos que han sido influenciados por los números discutirán cómo podemos anular nuestro sesgo implícito y rediseñar una nueva economía que permita que todos prosperen. Esta conferencia se podrá ver en livestreaming aquí.
