CONICET | Buscador de Institutos y Recursos Humanos

El Análisis Multidimensional de Datos (AMD), tal como lo concibió la escuela francesa en los años 70 con el nombre de analyse des données, ha sido presentado como la alternativa a la estadística tradicional. Sin embargo el contexto de aplicación de estas técnicas ha cambiado adaptándose a las modificaciones en los usos y demandas de la sociedad respecto de las nuevas tecnologías. Es así que en la actualidad se elige hablar de Data Mining, Text Mining y Web Mining en lugar de Análisis de Datos Numéricos, Textuales o Simbólicos. En la última década se han desarrollado nuevos instrumentos y nuevos campos de aplicación; una de las principales consecuencias de la difusión del AMD ha sido la introducción de sus técnicas en los paquetes estadísticos de mayor difusión, tales como el SAS o el SPSS, que se han interconectado asimismo con el software especializado, el SPAD de origen francés. Entre los nuevos campos de aplicación caben citar las técnicas de reconocimiento de imágenes y reconstrucción de formas que afrontan problemas de identificación y clasificación. Asimismo, a partir de la informatización generalizada de los textos, se asiste a una gran difusión del análisis de datos textuales como una rama de la lexicometría, cuyas posibilidades de aplicación van desde el análisis de las respuestas abiertas en las encuestas al análisis de textos literarios, discursos políticos y judiciales o tests psicológicos, pasando por el procesamiento de textos publicados en internet. De la misma manera las nuevas herramientas de inteligencia artificial así como de las bases de datos orientadas a objetos han promovido el desarrollo del análisis de datos simbólicos. En el campo de las ciencias sociales, el AMD se reveló como una opción de gran importancia para el procesamiento de la información que en la generalidad de los casos es rica en categorías y no en continuos, de naturaleza ambigua, con grandes dificultades de diseño. Sin embargo su aplicación se extendió prácticamente a todas las disciplinas donde la exploración de estructuras de datos y la construcción de tipologías constituyen objetivos de estudio.