“Cuando la curiosidad humana encuentra en los datos una forma de preguntar al universo, la computación deja de ser una herramienta y se convierte en un nuevo lenguaje para descubrirlo.”
Preámbulo
A medida que se acerca la fecha de cierre de inscripciones para el Hackathon “Clasificación de Series de Tiempo con Aplicación a Datos Astronómicos”, resulta oportuno detenernos un momento para reflexionar sobre el significado que puede adquirir una experiencia de esta naturaleza.
Más allá de representar un reto tecnológico o una competencia de conocimientos, el Hackathon se plantea como un espacio de encuentro entre la ciencia, la educación, la computación y la curiosidad por comprender el universo.
Esta iniciativa cuenta con el apoyo de CUDI y LAMOD, quienes contribuyen con soporte técnico e infraestructura mediante PIG y Grid-UNAM, fortaleciendo las condiciones necesarias para acercar a los participantes a herramientas y entornos relacionados con el procesamiento y análisis de datos científicos.
En este segundo artículo, el énfasis se encuentra precisamente en el Hackathon como experiencia educativa, científica y generadora de vocaciones.
La intención es explorar cómo un problema relacionado con la clasificación de series de tiempo astronómicas puede convertirse en una oportunidad para aprender haciendo: observar datos, formular preguntas, construir modelos, experimentar con algoritmos, equivocarse, corregir, colaborar y, sobre todo, descubrir nuevas formas de mirar la ciencia.
Porque detrás de cada curva de luz existe una historia del universo, y detrás de cada estudiante que se atreve a interpretarla puede surgir una nueva vocación científica.
El verdadero valor de estos espacios no se limita al resultado obtenido durante el reto; también reside en las preguntas que permanecen después de haberlo concluido y en el deseo de continuar buscando respuestas.
Agradezco de antemano su tiempo y disposición para la lectura de este segundo recorrido, así como el acompañamiento en estas reflexiones que buscan acercarnos, mediante la ciencia, los datos y la computación, más allá de la frontera de la ciencia.
Gracias por acompañarnos en este recorrido.
Introducción
Desde sus orígenes, la astronomía ha acompañado al ser humano en su esfuerzo por comprender el universo. Observar las estrellas, registrar sus movimientos e intentar explicar los fenómenos celestes fueron algunas de las primeras manifestaciones del pensamiento científico.
Sin embargo, la astronomía del siglo XXI se encuentra ante un escenario radicalmente diferente.
Los avances tecnológicos han permitido observar el universo con una precisión, velocidad y profundidad que hace apenas unas décadas resultaban difíciles de imaginar. Los instrumentos astronómicos contemporáneos producen enormes cantidades de información y convierten al universo observable en una fuente prácticamente inagotable de datos.
Esta transformación tecnológica ha modificado también la manera de hacer ciencia. Ya no es suficiente con observar objetos individuales y estudiar cuidadosamente cada uno de ellos.
La astronomía moderna requiere analizar grandes poblaciones de fuentes, identificar patrones, detectar comportamientos inusuales y transformar enormes volúmenes de información en conocimiento científico.
En consecuencia, el volumen, la velocidad y la complejidad de los datos hacen indispensable el empleo de herramientas computacionales, métodos estadísticos, modelos de aprendizaje automático y estrategias reproducibles de análisis.
Los grandes sondeos astronómicos han cambiado particularmente la forma en que se estudian los objetos variables y transitorios. Actualmente es posible obtener observaciones repetidas de millones de fuentes y construir para ellas secuencias temporales de mediciones.
Entre estas representaciones destacan las curvas de luz, que muestran cómo cambia el brillo de un objeto astronómico a través del tiempo. Su análisis permite identificar patrones relacionados con estrellas variables, sistemas binarios, tránsitos planetarios y diversos fenómenos transitorios.
Surge así un problema científico y computacional de gran relevancia: ¿cómo clasificar de manera confiable millones de series de tiempo astronómicas? La respuesta requiere integrar conocimientos de astronomía, matemáticas, estadística, programación, ciencia de datos y aprendizaje automático.
Pero esta problemática ofrece además una oportunidad educativa extraordinaria.
Si un problema real de la astronomía contemporánea puede convertirse en un reto para estudiantes, docentes e investigadores, entonces el proceso de aprendizaje puede trascender el aula tradicional y aproximarse a la experiencia auténtica de hacer ciencia.
En este contexto aparece el hackathon científico, entendido no simplemente como una competencia tecnológica, sino como una estrategia de aprendizaje activo, experimentación y colaboración.
Un hackathon puede colocar al estudiante frente a una problemática concreta y desafiarlo a utilizar sus conocimientos para construir una solución en un tiempo determinado. Esta experiencia permite formular preguntas, explorar datos, desarrollar modelos, cometer errores, corregir estrategias, interpretar resultados y comunicar conclusiones.
Desde esta perspectiva, el hackathon puede convertirse en un puente entre la educación y la investigación científica, y particularmente en una herramienta para despertar vocaciones científicas.
La astronomía en la era de los grandes datos
Durante gran parte de la historia de la astronomía, los investigadores podían concentrarse en un número relativamente reducido de objetos. La observación de una estrella, un planeta o una galaxia podía implicar largos periodos de estudio y análisis detallado.
La situación contemporánea es sustancialmente diferente.
Los modernos instrumentos de observación permiten monitorear simultáneamente enormes regiones del cielo y producir grandes catálogos astronómicos. El reto ya no consiste únicamente en obtener información, sino en desarrollar métodos capaces de encontrar conocimiento dentro de ella.
Podemos imaginar un catálogo compuesto por millones de estrellas. Para cada una existen observaciones realizadas en distintos momentos. Algunas permanecen aparentemente estables; otras presentan variaciones periódicas; algunas experimentan cambios repentinos y otras muestran patrones que pueden revelar la existencia de sistemas planetarios o fenómenos astrofísicos particulares.
Analizar manualmente cada fuente sería prácticamente imposible.
La ciencia necesita, por tanto, procedimientos computacionales que permitan procesar grandes volúmenes de información y localizar automáticamente aquellos objetos que presentan características científicamente relevantes.
Esta transformación representa una nueva forma de observación. La astronomía continúa mirando hacia el cielo, pero ahora lo hace también mediante datos, algoritmos, modelos matemáticos y sistemas computacionales.
La observación visual y la instrumentación tradicional se complementan con una observación basada en patrones matemáticos.
La serie de tiempo y la curva de luz: una huella del universo
Una serie de tiempo puede entenderse de manera sencilla como una sucesión ordenada de observaciones realizadas a lo largo del tiempo. En astronomía, puede representar la evolución del brillo de una estrella.
Si se registra el brillo de un objeto astronómico en diferentes momentos y posteriormente se representan esas mediciones gráficamente, se obtiene una curva de luz.
Esta curva puede interpretarse como una especie de huella temporal del objeto astronómico.
Su forma puede contener información sobre los procesos físicos que ocurren en la estrella o en su entorno.
Una variación periódica puede estar asociada con determinados procesos de pulsación; una disminución repetitiva del brillo puede relacionarse con eclipses o tránsitos; mientras que una modificación irregular puede revelar otros tipos de variabilidad.
Sin embargo, las observaciones astronómicas no son perfectas. Las señales pueden estar acompañadas de ruido, mediciones incompletas y diferentes condiciones de observación. Por ello, clasificar una serie de tiempo no consiste simplemente en observar una gráfica y asignarle una categoría.
Es necesario identificar características relevantes de la señal y construir modelos capaces de distinguir patrones.
La pregunta deja entonces de ser únicamente:
¿Qué estamos observando?
y comienza a convertirse en:
¿Qué patrón temporal caracteriza lo que estamos observando y cómo podemos reconocerlo automáticamente?
Esta transformación convierte a la serie de tiempo en un objeto matemático y computacional de gran interés.
Del dato astronómico al modelo matemático
El proceso de análisis puede comprenderse como una cadena de transformación.
Primero se obtiene una observación.
Después, esa observación se convierte en datos.
Posteriormente, los datos son organizados y preparados para su análisis.
A continuación, se identifican características relevantes de las series de tiempo.
Finalmente, estas características pueden utilizarse para construir un modelo capaz de distinguir diferentes categorías de objetos.
En apariencia, se trata de un procedimiento técnico. Sin embargo, desde una perspectiva educativa, cada etapa representa una oportunidad para desarrollar pensamiento científico.
El estudiante debe preguntarse qué representan los datos, si son confiables, qué nivel de ruido contienen, qué características permiten distinguir una clase de otra, qué modelo resulta apropiado y cómo puede comprobarse que dicho modelo funciona correctamente.
Estas preguntas permiten que el aprendizaje deje de ser exclusivamente conceptual y se convierta en una experiencia de investigación.
El estudiante comienza a comprender que la ciencia no consiste únicamente en conocer respuestas, sino en saber construir preguntas, formular hipótesis y encontrar procedimientos para ponerlas a prueba.
Aprendizaje automático: reconocer patrones en grandes volúmenes de información
Los modelos de aprendizaje automático ofrecen herramientas particularmente útiles para enfrentar problemas de clasificación.
Su principio básico puede explicarse de manera accesible: se proporcionan al modelo ejemplos previamente identificados para que aprenda relaciones entre determinadas características de los datos y las categorías correspondientes. Posteriormente, el modelo puede utilizar ese conocimiento para clasificar nuevas observaciones.
En astronomía, un algoritmo puede recibir numerosas curvas de luz previamente clasificadas y aprender patrones característicos de cada grupo. Una vez entrenado, puede analizar nuevas series de tiempo y proponer una clasificación.
Sin embargo, el aprendizaje automático no sustituye al conocimiento científico.
El investigador debe determinar qué datos utilizar, cómo prepararlos, qué características extraer, qué modelo seleccionar y cómo evaluar sus resultados. Además, debe interpretar el significado científico de las predicciones y reconocer las limitaciones del algoritmo.
Por ello, la inteligencia artificial debe considerarse una herramienta dentro de un proceso científico más amplio.
Esta integración ofrece una oportunidad educativa de gran valor: los estudiantes pueden aprender simultáneamente conceptos de astronomía, matemáticas, estadística, programación y análisis de datos.
La interdisciplinariedad deja de ser una idea abstracta y se convierte en una necesidad práctica para resolver el problema.
El hackathon como laboratorio científico
En este escenario, el hackathon adquiere una dimensión educativa particularmente significativa.
Un hackathon científico puede definirse como una experiencia intensiva en la que un grupo de participantes trabaja colaborativamente para resolver una problemática determinada durante un periodo establecido.
Pero cuando el reto está relacionado con una pregunta científica real, el hackathon puede transformarse en un laboratorio científico temporal.
Los participantes reciben un problema y deben construir su propia estrategia para abordarlo.
No necesariamente existe un procedimiento único. Cada equipo puede formular hipótesis, elegir herramientas, probar diferentes métodos, comparar resultados y defender sus decisiones.
El aprendizaje ocurre mediante la acción.
Esta característica resulta fundamental para la formación científica porque la ciencia no se aprende solamente memorizando teorías. También se aprende haciendo preguntas, diseñando procedimientos, analizando evidencias y enfrentando problemas cuya solución no es conocida de antemano.
El hackathon crea precisamente ese ambiente de incertidumbre productiva.
El estudiante no recibe únicamente una respuesta; recibe un problema.
Y resolver un problema científico exige pensar.
Una experiencia científica, no solamente tecnológica
Es importante evitar que un hackathon científico sea entendido únicamente como una competencia de programación.
La programación es una herramienta, pero el objetivo fundamental es resolver un problema.
En el caso de la clasificación de series de tiempo astronómicas, los participantes pueden comenzar estudiando el fenómeno científico, explorar los datos, construir visualizaciones, identificar patrones y seleccionar métodos de análisis.
Algunos equipos pueden emplear técnicas estadísticas tradicionales. Otros pueden utilizar algoritmos de aprendizaje automático. Otros pueden combinar diferentes metodologías.
La diversidad de soluciones permite comprender que en ciencia no siempre existe un único camino para alcanzar un resultado.
El proceso puede desarrollarse mediante distintas etapas: exploración de datos, preparación de la información, extracción de características, construcción del modelo, evaluación e interpretación.
Cada una de estas etapas permite desarrollar competencias científicas y tecnológicas.
La exploración permite aprender a observar.
La preparación enseña a reconocer la importancia de la calidad de los datos.
La extracción de características permite identificar qué información es realmente relevante.
La construcción del modelo introduce al estudiante en la formulación computacional del problema.
La evaluación desarrolla pensamiento crítico.
Y la interpretación permite comprender que un resultado matemático solamente adquiere significado científico cuando puede ser contextualizado.
El error como parte del aprendizaje científico
Uno de los elementos más valiosos del hackathon es la posibilidad de experimentar con el error.
En ciertos contextos educativos, equivocarse puede percibirse como una falla.
En la investigación científica, en cambio, un resultado inesperado puede convertirse en una fuente de conocimiento.
Un modelo puede presentar baja precisión.
Una característica puede resultar poco útil.
Una hipótesis puede no explicar los datos.
Una simulación puede comportarse de manera diferente a lo esperado.
Cada uno de estos resultados puede generar una nueva pregunta.
El hackathon permite que los estudiantes experimenten este proceso en un entorno colaborativo.
Aprenden que investigar significa también corregir, modificar, comparar y volver a intentar.
Esta experiencia puede transformar la percepción de los jóvenes sobre la ciencia.
El científico deja de aparecer como una persona que posee todas las respuestas y comienza a comprenderse como alguien que formula preguntas y construye soluciones frente a la incertidumbre.
El hackathon como generador de vocaciones científicas
La generación de vocaciones científicas constituye uno de los grandes desafíos educativos contemporáneos.
No basta con decir a los estudiantes que la ciencia es importante. Es necesario proporcionarles experiencias que les permitan descubrir que ellos también pueden participar en ella.
Un estudiante que analiza una curva de luz, construye un programa, observa una gráfica y consigue clasificar correctamente un conjunto de objetos está viviendo una experiencia diferente a la de simplemente leer sobre astronomía.
Está haciendo ciencia.
Puede descubrir que disfruta las matemáticas.
Puede encontrar interés en la programación.
Puede sentir curiosidad por la astronomía.
Puede descubrir afinidad con la estadística, la inteligencia artificial o la ciencia de datos.
Y, quizá lo más importante, puede comenzar a imaginarse a sí mismo como futuro científico.
En este sentido, el hackathon funciona como un puente entre la educación y la investigación.
La experiencia resulta especialmente poderosa cuando el problema planteado está relacionado con preguntas reales de la ciencia contemporánea. Analizar datos astronómicos no es solamente resolver un ejercicio académico: es aproximarse, aunque sea a escala educativa, a uno de los problemas que actualmente enfrentan los investigadores.
El estudiante comienza a comprender que detrás de los datos existen fenómenos reales y que sus conocimientos pueden utilizarse para estudiarlos.
Aprender a trabajar como científico
Otra aportación fundamental del hackathon es el desarrollo de competencias que difícilmente pueden adquirirse mediante la memorización.
Los participantes necesitan comunicarse, distribuir tareas, administrar el tiempo, tomar decisiones, justificar sus métodos y presentar resultados.
Aprenden a trabajar con información incompleta.
Aprenden a defender una idea mediante argumentos.
Aprenden a escuchar otras perspectivas.
Aprenden a documentar sus procedimientos.
Aprenden a presentar resultados positivos y negativos.
Estas competencias forman parte de la práctica científica real.
El hackathon puede concebirse, por tanto, como una aproximación educativa a la experiencia de investigación.
El estudiante deja de ocupar exclusivamente el papel de receptor de conocimiento y comienza a asumir el papel de investigador en formación.
La reproducibilidad como principio científico y educativo
La ciencia contemporánea requiere que los resultados puedan ser revisados y, cuando sea posible, reproducidos.
Si un equipo desarrolla un modelo de clasificación, debe ser posible conocer cómo llegó a sus resultados.
Esto implica conservar el código, documentar el tratamiento de los datos, describir las variables utilizadas y explicar los procedimientos.
Herramientas como RStudio, C ++, Python, Julia, por mencionar algunos, pueden facilitar este proceso al integrar programación, análisis estadístico, visualización y documentación.
Dentro del hackathon, los lenguajes de programación pueden funcionar como un verdadero laboratorio computacional.
A través de ellos, es posible generar series de tiempo simuladas, visualizar curvas de luz, analizar propiedades estadísticas, extraer características y construir modelos de clasificación.
La simulación posee además una importante ventaja pedagógica: permite controlar las condiciones del experimento.
Los estudiantes pueden generar diferentes tipos de señales, incorporar ruido, modificar la frecuencia, cambiar la amplitud o reducir el número de observaciones y observar cómo estas modificaciones afectan la capacidad de clasificación.
La computadora deja así de ser únicamente una herramienta para ejecutar instrucciones y se convierte en un espacio experimental donde las ideas pueden transformarse en hipótesis comprobables.
Infraestructura y colaboración institucional: de la experiencia educativa a la investigación científica
La posibilidad de convertir un hackathon en una experiencia científica auténtica se fortalece cuando existe el respaldo de instituciones y comunidades académicas capaces de proporcionar infraestructura, conectividad y soporte tecnológico.
En este sentido, el presente Hackathon cuenta con el apoyo de CUDI (Corporación Universitaria para el Desarrollo de Internet) y LAMOD, cuya participación contribuye a fortalecer las condiciones técnicas necesarias para desarrollar una experiencia educativa vinculada con la ciencia de datos, la computación de alto rendimiento y el análisis de información astronómica.
Este apoyo se complementa con la infraestructura proporcionada mediante PIG y Grid-UNAM, lo que permite aproximar a los participantes a entornos tecnológicos relacionados con problemas científicos que requieren capacidades de procesamiento y manejo de grandes volúmenes de información.
De esta manera, el estudiante no solamente aprende conceptos relacionados con astronomía, series de tiempo o aprendizaje automático. También tiene la oportunidad de acercarse a una infraestructura computacional que representa, a escala educativa, algunas de las condiciones presentes en la investigación científica contemporánea.
La relevancia de esta colaboración radica en que la astronomía moderna depende cada vez más de infraestructuras distribuidas, redes académicas y recursos computacionales capaces de procesar grandes cantidades de datos.
Los grandes sondeos astronómicos producen información que, por su volumen y complejidad, requiere herramientas especializadas para su almacenamiento, procesamiento, análisis y visualización.
En consecuencia, formar a los futuros científicos implica también familiarizarlos con los entornos tecnológicos que hacen posible la ciencia basada en datos.
Desde una perspectiva educativa, esta colaboración permite que el hackathon trascienda el concepto tradicional de una actividad académica aislada.
La experiencia se convierte en un punto de encuentro entre estudiantes, docentes, investigadores, infraestructura tecnológica y problemas científicos.
El participante puede comenzar con una pregunta aparentemente sencilla:
¿Es posible clasificar objetos astronómicos a partir de sus curvas de luz?
Para responderla deberá recorrer un camino que reproduce, a pequeña escala, distintas etapas del trabajo científico contemporáneo: comprender el problema, acceder a los datos, procesarlos, desarrollar algoritmos, utilizar recursos computacionales, evaluar resultados y comunicar los hallazgos.
La participación de CUDI y LAMOD, junto con el soporte técnico y la infraestructura mediante PIG y Grid-UNAM, contribuye así a crear un ecosistema de aprendizaje en el que la tecnología deja de ser un elemento externo y se convierte en parte integral del proceso científico.
Este aspecto adquiere especial importancia en la generación de vocaciones científicas.
Un estudiante que tiene la oportunidad de trabajar con datos reales o simulados, utilizar herramientas de programación, acercarse a infraestructura computacional y colaborar con otros participantes puede comenzar a visualizar una trayectoria profesional que antes quizá parecía distante.
La experiencia permite comprender que la ciencia contemporánea no pertenece exclusivamente a los grandes observatorios o centros especializados. También puede comenzar en un aula, en un laboratorio universitario o en un hackathon, siempre que exista una pregunta que despierte curiosidad y un entorno que permita intentar responderla.
Por ello, el respaldo institucional del Hackathon no debe entenderse únicamente como apoyo técnico.
Representa una apuesta por una forma de educación científica basada en la experimentación, la colaboración, el acceso a herramientas tecnológicas y la resolución de problemas auténticos.
En esencia, constituye una manera de acercar la cultura de la investigación a quienes se encuentran en las primeras etapas de su formación.
Una propuesta educativa basada en retos
La clasificación de series de tiempo astronómicas puede utilizarse como fundamento para diseñar un hackathon científico cuyo reto central sea:
El objetivo principal del Hackathon es diseñar, implementar, evaluar y presentar modelos computacionales capaces de clasificar series de tiempo astronómicas..
A partir de este planteamiento, los equipos pueden recibir un conjunto de datos y una descripción general del problema.
Sin embargo, el desafío no debería consistir únicamente en obtener la mayor precisión posible.
Una evaluación integral puede considerar la calidad del análisis, la justificación científica, la metodología utilizada, la reproducibilidad, la creatividad, la interpretación de los resultados, la claridad de la presentación y la capacidad de trabajo colaborativo.
De esta manera, el hackathon no premia únicamente el resultado final.
Premia el proceso científico.
Esta distinción resulta fundamental. Un modelo con la mayor precisión no necesariamente representa la mejor propuesta si sus resultados no pueden interpretarse, reproducirse o justificarse científicamente.
Por el contrario, una propuesta que obtenga resultados modestos pero presente una metodología sólida, reproducible y científicamente bien argumentada puede representar un aprendizaje mucho más significativo.
El objetivo educativo consiste, por tanto, en que los participantes comprendan que investigar no significa simplemente encontrar una respuesta, sino construir una respuesta que pueda ser examinada, cuestionada y mejorada.
Conclusión: del aula al universo
La astronomía contemporánea ofrece un escenario privilegiado para demostrar que la educación científica puede transformarse cuando los estudiantes tienen la oportunidad de enfrentarse a problemas auténticos.
La clasificación de series de tiempo aplicada a datos astronómicos constituye un ejemplo particularmente significativo. A partir de las curvas de luz es posible acercarse a fenómenos del universo y, al mismo tiempo, desarrollar competencias en matemáticas, estadística, programación, aprendizaje automático y análisis de datos.
Sin embargo, el mayor potencial de esta propuesta no se encuentra únicamente en la tecnología.
Se encuentra en su capacidad para formar personas capaces de pensar científicamente.
Un hackathon científico puede transformar un conjunto de datos en un desafío; un desafío puede convertirse en una experiencia; una experiencia puede despertar curiosidad; y la curiosidad puede convertirse en una vocación.
En este sentido, el hackathon representa mucho más que una competencia. Es un espacio donde el estudiante puede experimentar el proceso científico de manera directa: observar, preguntar, formular hipótesis, programar, analizar, equivocarse, corregir, colaborar y comunicar.
El apoyo de CUDI y LAMOD, junto con el soporte técnico y la infraestructura proporcionados mediante PIG y Grid-UNAM, fortalece esta experiencia al aproximar a los participantes a un entorno tecnológico relacionado con las necesidades de la investigación científica contemporánea.
La verdadera importancia de esta propuesta, sin embargo, no se encuentra solamente en la capacidad de procesamiento ni en la sofisticación de los algoritmos.
Se encuentra en las personas que participan en ella.
Un estudiante que descubre cómo una curva de luz puede revelar el comportamiento de una estrella; que aprende a transformar datos en información; que desarrolla un programa para clasificar señales; que observa que su modelo funciona y que después se pregunta por qué funciona, ha comenzado a recorrer el camino del pensamiento científico.
El hackathon puede convertirse, entonces, en una puerta de entrada a la ciencia.
La astronomía proporciona el universo como escenario; los datos proporcionan las evidencias; las matemáticas ofrecen el lenguaje; la computación proporciona las herramientas; el aprendizaje automático abre nuevas posibilidades de análisis; las instituciones aportan infraestructura y acompañamiento; y los estudiantes aportan aquello que ninguna tecnología puede sustituir: la curiosidad por comprender.
En última instancia, el propósito más profundo de un hackathon científico no debería ser solamente encontrar la solución más eficiente a un problema determinado. Su verdadero éxito podría medirse por algo mucho más trascendente: cuántos participantes terminan el desafío con nuevas preguntas, nuevas habilidades y el deseo de continuar investigando.
Porque una vocación científica puede comenzar con una curva de luz, con una línea de código, con un dato aparentemente insignificante o con una pregunta formulada durante un reto.
Y cuando la educación consigue transformar esa pregunta en curiosidad, la curiosidad en conocimiento y el conocimiento en deseo de descubrir, el hackathon deja de ser solamente un evento académico.
Se convierte en una semilla para la ciencia del futuro.
Así, el verdadero resultado de este encuentro no se encuentra únicamente en el algoritmo desarrollado, en la clasificación obtenida o en la métrica alcanzada. Se encuentra en la posibilidad de que, frente a una curva de luz y ante la inmensidad del universo, un estudiante descubra que también puede hacer preguntas científicas y que tiene las herramientas para intentar responderlas.
Ese momento puede ser el inicio de una trayectoria.
Puede ser el instante en que el aula se convierte en laboratorio, el dato se convierte en evidencia, el código se convierte en instrumento y la curiosidad se convierte en vocación.
En ese sentido, el hackathon científico representa un puente entre el aula y el universo, entre la educación y la investigación, entre el conocimiento adquirido y el conocimiento que todavía está por descubrir.
Para más información consulte este link: https://cudi.edu.mx/noticias/Hackathon-Supercomputo
“Quizá el verdadero propósito de explorar el universo mediante algoritmos no sea únicamente descubrir nuevas estrellas, clasificar galaxias o interpretar curvas de luz, sino descubrir en nosotros mismos la capacidad de formular preguntas que todavía no tienen respuesta. Cada dato es una pequeña huella del cosmos; cada algoritmo, una forma de recorrerla; y cada estudiante que se atreve a investigar representa una nueva posibilidad para comprender el universo. Porque cuando el pensamiento humano transforma los datos en conocimiento y el conocimiento en curiosidad, el código deja de ser solamente una secuencia de instrucciones: se convierte en una forma de contemplar el cosmos. Y tal vez allí, entre una línea de código y una estrella distante, comience una vocación científica”.
