ENTREVISTA  
TRAMAS SOCIALES • N° 06 | ISSN: 2683-8095  
El riesgo está del lado de la crítica  
abstracta más que del retorno al  
empirismo ingenuo  
The risk lies more on the side of abstract  
criticism than on a return to naive empiricism  
Entrevista a Germán Federico Rosati por Beatriz Soria,  
Anabella Abarzúa Cutroni y Francisco Nicolás Favieri  
Recepción: 16/12/2024  
Aceptación: 30/12/2024  
Germán Federico Rosati. Consejo  
Nacional de Investigaciones Cientí-  
ficas y Técnicas (CONICET), Instituto  
de Altos Estudios Sociales (IDAES),  
Universidad Nacional de San Martín  
(UNSAM), Argentina.  
-
98  
ENTREVISTA  
TRAMAS SOCIALES • N° 06 | ISSN: 2683-8095  
Resumen  
Germán Rosati, sociólogo e investigador del CONICET, comparte en  
esta entrevista sus perspectivas sobre el vínculo entre ciencias socia-  
les y enfoques computacionales. Como director del Diploma en Ciencias  
Sociales Computacionales y Humanidades Digitales de la UNSAM, Rosa-  
ti propone una reflexión crítica que integra teoría, empiria y técnica,  
destacando la necesidad de construir puentes entre el lenguaje socio-  
lógico y el computacional.  
Abordamos temas como la reproducibilidad técnica en sociología, el  
rol del conocimiento técnico para fundamentar análisis críticos, y las  
tensiones entre las tradiciones teóricas y metodológicas frente a la  
transformación tecnológica. Rosati subraya que el valor de estas he-  
rramientas radica en cómo son orientadas por preguntas sociológicas  
relevantes, más allá de su mera aplicación técnica.  
Beatriz Soria. Facultad de Ciencias  
Políticas y Sociales (FCPyS), Univer-  
sidad Nacional de Cuyo (UNCUYO),  
Argentina.  
La entrevista es una invitación a re-imaginar la práctica sociológica en  
un contexto de Big Data e inteligencia artificial, equilibrando potencia-  
lidades y limitaciones para comprender la complejidad social actual.  
-
Anabella Abarzúa Cutroni. Consejo  
Nacional de Investigaciones Cientí-  
ficas y Técnicas (CONICET), Instituto  
de Ciencias Humanas, Sociales y  
Ambientales (INCIHUSA), Facultad de  
Ciencias Políticas y Sociales (FCPyS),  
Universidad Nacional de Cuyo (UN-  
CUYO), Argentina.  
AbstrAct  
Germán Rosati, sociologist and CONICET researcher, shares his  
perspectives on the relationship between social sciences and  
computational approaches in this interview. As the director of the  
Diploma in Computational Social Sciences and Digital Humanities  
at UNSAM, Rosati proposes a critical reflection that integrates  
theoretical, empirical, and technical dimensions, emphasizing the  
need to bridge the gap between sociological and computational  
languages.  
-
Francisco Nicolás Favieri. Consejo  
Nacional de Investigaciones Científi-  
cas y Técnicas (CONICET), Gabinete de  
Estudios e Investigación en Sociología  
(GEIS), Programa de Investigación y  
Estudios del Trabajo (PIET), Instituto  
de Investigaciones Socio-Económicas  
(IISE), Facultad de Ciencias Sociales  
(FACSO), Universidad Nacional de San  
Juan (UNSJ), Argentina.  
The discussion addresses topics such as the importance of reproducible  
techniques in sociology, the role of technical knowledge in fostering  
critical analysis, and the tensions between theoretical traditions and  
methodological shifts in the face of technological transformation.  
Rosati highlights that the true value of computational tools lies in their  
application to sociologically relevant questions, beyond their technical  
implementation.  
-
This interview invites a re-imagination of sociological practice in the  
context of Big Data and artificial intelligence, balancing the potential  
and limitations of these tools to better understand contemporary social  
complexity.  
Palabras clave  
Ciencias sociales computacionales,  
enfoques computacionales críticos.  
Modelos de lenguaje  
Keywords  
Computational social sciences,  
critical computational approaches.  
Large Language Models  
Rosati | Soria, Abarzúa, Favieri  
El riesgo está del lado de la crítica abstracta más que del retorno al empirismo ingenuo | 98 - 113  
99  
ENTREVISTA  
TRAMAS SOCIALES • N° 06 | ISSN: 2683-8095  
Introducción  
Experiencias de estudio y trabajo: "hice  
quinientos millones de encuestas"  
En esta entrevista, Germán Rosati, sociólogo, investi-  
gador del CONICET y docente de la Universidad Nacio-  
nal de San Martín (UNSAM) nos comparte sus reflexio-  
nes sobre las discusiones, diálogos, tensiones entre  
las ciencias sociales y los enfoques computacionales.  
Desde hace unos años, Germán dirige el “Diploma en  
Ciencias Sociales Computacionales y Humanidades  
Digitales “ de la UNSAM. En esta charla, además, nos  
proponemos repensar este vínculo sin perder de vista  
una perspectiva crítica que articule dimensiones teóri-  
cas, empíricas y técnicas. Además, es de interés poder  
examinar la necesidad de tender puentes entre los len-  
guajes de la teoría social y la computación, ya sea para  
revisar las formaciones de grado en las carreras de so-  
ciología pero también para pensar el futuro de la in-  
vestigación social y profesional. Para ello es necesario  
reconocer las potencialidades que estas herramientas  
posibilitan pero también sus limitaciones.  
Francisco: Para empezar nos podrías contar, ¿cómo es  
tu trayectoria académica y profesional? ¿Cómo fuiste  
acercándote al campo de las ciencias sociales compu-  
tacionales?  
Germán: Siempre es todo como racionalización ex post.  
Siempre todo tiene sentido después, pero bueno, haga-  
mos como que funciona así. A ver, desde el tercer año  
de la carrera -más o menos- cuando cursaba el grado  
en sociología en la Universidad de Buenos Aires (UBA)  
empecé a trabajar como encuestador en la Encuesta  
bablemente haya sido mi primer laburo estable. Estable  
no sería el término correcto pero sí con cierto grado de  
continuidad, y sobre todo el primero que tenía relación  
directa con lo que estaba estudiando. Entonces, entré a  
trabajar con lo cuantitativo, por decirlo de esa manera,  
desde muy temprano, ese fue el primer hito.  
En esta entrevista abordamos cuestiones esenciales  
como la necesidad de técnicas reproducibles en la so-  
ciología, y el papel del conocimiento técnico para de-  
sarrollar fundamentos críticos. Su perspectiva nos re-  
cuerda que la clave no está en la técnica per se, sino en  
cómo las preguntas sociológicas guían su aplicación.  
En ese momento, había una cátedra de Metodología de  
la Investigación Social que la dictaban personas vin-  
(INDEC), en ese momento Alejandro Giusti, Sebastián  
Bruno, Áurea Dias, Rodrigo Hobert y Ariel Lucarini y  
que funcionaba con un sistema de cohorte. Las tres  
metodologías giraban sobre un mismo tema y, en prin-  
cipio, la idea era que el grupo de estudiantes fuese el  
mismo durante los tres cuatrimestres. Esa materia fue  
un click, para mí. Tenía comentarios negativos: que era  
la peor materia de la carrera, por lo cual iba con las ex-  
pectativas muy bajas. Y nada que ver, estaba muy bien,  
me voló la cabeza, digamos. Desde ese momento, me  
empezó a interesar el aspecto como metodólogo, antes  
de hacer ninguna investigación -con una soberbia to-  
tal-, porque en el fondo nunca había hecho nada y ya  
me estaba preocupando por el cómo, bueno… cosas de  
estudiante.  
La entrevista también explora temas relevantes como  
el impacto de los modelos de lenguaje en la investiga-  
ción social, los desafíos de la docencia en tiempos de  
transformación tecnológica y las tensiones entre las  
tradiciones teóricas y metodológicas de la sociología.  
Este diálogo se convierte en una invitación para pen-  
sar los futuros (o los presentes) que las Ciencias Socia-  
les pueden tomar en un mundo atravesado por el Big  
Data y la inteligencia artificial. Proponemos re-imagi-  
nar la práctica sociológica en tiempos de cambio pero  
también a aprender, criticar y construir nuevas herra-  
mientas para entender la complejidad social.  
Para la misma época, empecé a trabajar en el Programa  
Argentina (PIMSA), en el equipo de Estructura Social,  
ahí comenzamos a laburar con fuentes cuantitativas,  
los censos. Creo que lo primero que hicimos fue un tra-  
bajo sobre de estructura social con el censo del 1991 y  
del 2001,. Primero trabajamos con tabulados publica-  
dos que pasamos a SPSS para procesarlos porque re-  
cién se estaban empezando a publicar los microdatos.  
Esa fue como la primera experiencia de investigación,  
también ya muy vinculada a lo cuantitativo.  
Rosati | Soria, Abarzúa, Favieri  
El riesgo está del lado de la crítica abstracta más que del retorno al empirismo ingenuo | 98 - 113  
100  
ENTREVISTA  
TRAMAS SOCIALES • N° 06 | ISSN: 2683-8095  
Después, pasé a ser editor de encuestas en el Gobier-  
no de la Ciudad, seguí trabajando como encuestador  
en varios operativos y después, hacia 2005 o 2006,  
empecé a trabajar en el Centro de Investigaciones en  
Estadística Aplicada (CINEA), que es como un centro  
de investigación que prestas servicios de herramientas  
de datos de la Universidad Nacional de Tres de Febre-  
ro (UNTREF). Etré ya como analista y a partir de ahí  
todo lo que hice estuvo vinculado a encuestas y releva-  
mientos cuantitativos más tradicionales (es decir, más  
habituales).  
sin llegar a ser Big data, y con datos muy diferentes,  
porque eso eran datos de eventos. La medición de ra-  
ting funcionaba con un aparatito que graba el sonido  
de la televisión. En función de ese audio (y comparán-  
dolo con un audio máster en gabinete) se determina  
qué programa se está sintonizando en esa televisión.  
Eso viaja por línea celular y, obviamente, hay mil pro-  
blemas y contingencias en esa transmisión y hay datos  
que “se pierden en el camino”. Parte del trabajo era lim-  
piar esa información. Fue la primera vez que me en-  
contré con ese volúmen de datos y de errores. Errores,  
por su parte, en los que no era posible ir a un cuestio-  
nario a revisar los datos que faltaban. No era técnico  
en sonido, ni mucho menos, así que había cosas que no  
teníamos mucha idea cómo resolverlas y teníamos que  
laburar en conjunto con ingenieros e informáticos.  
A fines de 2008 gané una beca de doctorado del Con-  
sejo Nacional de Investigaciones Científicas y Técnicas  
(CONICET). Mi tema de tesis fue el impacto de la me-  
canización de la cosecha de algodón en Chaco, Argen-  
tina, es decir, el paso de la cosecha manual a la cosecha  
mecánica. Esa fue la primera vez que hice entrevistas  
en profundidad, historias de vida, historias laborales  
en serio. Entrevistas diseñadas por mí, que eran para  
mi propia agenda y no para otros. Esa fue como la pri-  
mera experiencia intensa con algo cualitativo, con re-  
colección de datos cualitativos.  
Trabajar con gente de ingeniería fue muy interesante  
en ese sentido. Ahí sí, probablemente empecé a traba-  
jar con datos mucho más grandes que sesenta mil filas  
en una tabla, como puede ser una tabla de la EPH. De  
ahí surgieron otros proyectos vinculados al análisis de  
redes sociales y cosas por el estilo. Y ahí empecé a tra-  
bajar un poco con PLN con técnicas todavía muy rudi-  
mentarias.  
Luego de finalizar el doctorado empecé a trabajar y  
vincularme más con temas como aprendizaje automá-  
tico y en Procesamiento de Lenguaje Natural (PLN)1 y  
demás, en la Universidad Nacional de San Martín (UN-  
SAM). En la UNSAM había una propuesta de proyecto…  
un tanto delirante, pero hermoso que consistía en ar-  
mar una medidora estatal de rating en el año 2014. Era  
una propuesta que se vinculaba como parte de la Ley  
de Medios. En ese momento estaba la necesidad de una  
medición estatal que fuera una alternativa a IBOPE2,  
que era (creo) la única medición de rating que existía  
en Argentina. Ahí es donde empecé a trabajar también  
con volúmenes de información mucho más grandes,  
Bueno, y después logré entrar a carrera en el CONI-  
CET, en el medio trabajé en el Ministerio de Trabajo.  
Pero bueno, más o menos eso. Pero siempre en la parte  
de análisis de datos, diría siempre en ese rubro.  
Beatríz: ¿Hiciste alguna formación específica vincula-  
da a las ciencias sociales computacionales? ¿Fue más  
autodidacta?  
Germán: Al principio, fue autodidacta. Eran herra-  
mientas o técnicas que iba necesitando por cuestiones  
o requerimientos laborales. Entonces cuando empecé  
a trabajar ahí en el CINEA, en la UNTREF, había cosas  
que nos preguntamos ¿cómo procesar esto? ¿cómo en  
un índice? Eso suponía una parte autodidacta (buscar  
material, papers, aplicaciones) y otra que se daba char-  
lando con el resto del equipo. Luego avancé en formali-  
zar algunas cuestiones: hice la maestría en estadística  
ahí en UNTREF, empecé, pero no terminé por la maes-  
tría en Data Mining de la Austral.  
1
Se trata de un subcampo de la informática y la inteligencia arti-  
ficial (IA) que emplea el aprendizaje automático para permitir que  
las computadoras comprendan y se comuniquen con el lenguaje  
humano. Se dedica al estudio y la creación de algoritmos y modelos  
digitales diseñados para procesar, interpretar y generar textos en  
lenguaje natural, es decir, aquellos escritos o hablados que utilizan  
el lenguaje humano tal como se emplea de manera cotidiana, inclu-  
yendo gramática, vocabulario y estructuras propias de una lengua.  
Un lugar que no lo nombré recién y que probablemente  
sea donde más aprendí, fue cuando me tocó dar clases  
y coordinar los cursos de Data Science en Digital Hou-  
se…. Fue como una especie de locura, medio que ahí,  
casi que aprendí a programar en Python en serio. Lue-  
2
Es una empresa de servicios dedicada a realizar mediciones de  
audiencia en los medios de comunicación en Argentina, de televi-  
sión, radio, publicidad exterior, entre otras.  
Rosati | Soria, Abarzúa, Favieri  
El riesgo está del lado de la crítica abstracta más que del retorno al empirismo ingenuo | 98 - 113  
101  
ENTREVISTA  
TRAMAS SOCIALES • N° 06 | ISSN: 2683-8095  
go, yo tiendo a hacer y aprovechar mucho los cursos on-  
line. Suelo hacer bastantes Moocs3. Siempre en función  
a algún tema puntual o para profundizar algún aspec-  
to. Últimamente estuve haciendo algunos de LLMs. En  
mi opinión son un gran recurso.  
Efectivamente es una discusión importante. Pero no  
deja de ser cierto que hoy hay un montón de fuentes  
e información que uno podría utilizar para plantear  
-insisto-, problemas que son más bien los problemas  
clásicos, entonces sí, ahí hay un aporte, me parece.  
Un segundo aporte que considero… lo voy a decir así  
muy brutalmente. Si estamos de acuerdo en que la  
Sociología o las Ciencias Sociales son efectivamente  
ciencias (y yo creo que lo son y no tienen que andar  
pidiéndole permiso a nadie) también sería un tanto  
necio negar que tenemos una serie de problemas en  
términos de la aplicación del método científico. Las  
causas son múltiples : son disciplinas jóvenes, el objeto  
es complejo, etc. y yo probablemente esté de acuerdo  
con todas las explicaciones, pero no deja de ser cierto  
que hay un problema en ese punto.  
El “starter’s kit”: Lo más importante de  
las ciencias sociales computacionales  
son las ciencias sociales  
Francisco: ¿Cómo definís a las ciencias sociales compu-  
tacionales? ¿Existe algún campo disciplinar propio? Si  
es así, ¿Cuáles serían esas contribuciones? Digo, las con-  
tribuciones de las ciencias sociales a la ciencia de datos.  
¿Qué aportes haría? Y a todo esto, como para cerrar el  
combo. ¿Qué aportes haría también para la sociología?  
Germán: Empiezo por el final, que para mí es lo más fá-  
cil. Me parece que los aportes de... llamémoslo, por ahora,  
a un “enfoque computacional” (con toda la ambigüedad  
que tiene el término) a la sociología (o a las ciencias so-  
ciales), me parecen evidentes en un montón de aspectos.  
Uno de esos problemas, que está entre los más impor-  
tantes, em mi opinión, es la falta de replicabilidad o  
mejor dicho reproducibilidad. En Ciencias Sociales no  
nos hemos preocupado -yo no creo que no se pueda-,  
pero soy más de la idea de que no nos hemos preocupa-  
do lo suficiente por hacer reproducibles los hallazgos  
de nuestras investigaciones.  
Primero, diría yo, la posibilidad de abordar temas, pro-  
blemas o preguntas, que a lo mejor antes estaban plan-  
teadas en forma teórica (o en forma conceptual) y ahora  
tenemos chances de abordarlas de forma más sistemá-  
tica y, sobre todo, de forma empírica. Y quizás llegar  
a una respuesta, no taxativa -aunque probablemente  
nada sea posible responder así tan taxativamente. En  
fin, creo que se abre esa posibilidad de atacar sistemá-  
ticamente muchos problemas de las ciencias sociales  
en general y de la sociología en particular. Me parece  
que ahí hay un punto, ¿no?. Después podemos discutir  
todo lo que quieran sobre Big Data4, los sesgos y demás.  
Cualquiera que haya trabajado en investigación lo  
sabe, el problema es múltiple: va desde el investigador  
que se guarda los datos y no los quiere compartir -que  
es el caso más mezquino de la cuestión- hasta posturas  
epistemológicas que plantean que efectivamente la re-  
producibilidad no es posible. En ese continuum hay de  
todo, pero hay un problema ahí. Creo que el enfoque  
computacional, digamos, con todas las comillas del  
caso, plantea una diferencia potencial queva asociada  
a la producción de código de análisis, de procesamien-  
to y modelado, a la liberación de fuentes de datos, al  
uso de datos abiertos. Me parece que puede avanzar o  
puede potenciar un poco esa falta de reproducibilidad  
que solemos tener en las Ciencias Sociales.  
3
Un MOOC (Massive Open Online Course) es un curso en línea  
masivo y abierto, diseñado para ofrecer formación a gran escala,  
accesible a cualquier persona con conexión a Internet, generalmen-  
te sin costo. Combina recursos como videos, lecturas y actividades  
interactivas, a menudo en plataformas educativas.  
Me parece que esos son los dos aportes más importan-  
tes. Probablemente haya alguno que ahora me estoy  
olvidando, pero creo que esos son los aportes de los  
cuales nosotros nos podemos aprovechar, desde las  
Ciencias Sociales.  
4
Se refiere al manejo, procesamiento y análisis de grandes vo-  
lúmenes de datos que, por su tamaño, velocidad de generación y  
variedad, superan las capacidades de los métodos tradicionales de  
gestión de datos. Estos datos pueden provenir de múltiples fuentes,  
como redes sociales, sensores, transacciones digitales, dispositivos  
móviles, entre otros, y son utilizados para extraer patrones, tenden-  
cias y conocimientos valiosos para la toma de decisiones.  
Siguiendo con la pregunta, el tema de si era un campo  
disciplinar o no. Yo pienso cada vez más que no. Para  
mí, lo importante de la Ciencia Social Computacional  
son las primeras dos palabras, reformulando, para mí  
no debería ser un campo disciplinar. Debería ser obvio  
Rosati | Soria, Abarzúa, Favieri  
El riesgo está del lado de la crítica abstracta más que del retorno al empirismo ingenuo | 98 - 113  
102  
ENTREVISTA  
TRAMAS SOCIALES • N° 06 | ISSN: 2683-8095  
que en las Ciencias Sociales se usan estas herramien-  
tas, como se puede usar otras. No debería existir la  
necesidad, para mí, de un campo que sea Ciencia So-  
cial Computacional, como tampoco debería existir un  
campo que sea Ciencia Social Cuantitativa o Cualita-  
tiva.  
sobre todo de discusión, de intercambio. Las últimas  
dos o tres Jornadas de Sociología de la UBA hubo una  
mesa al respecto. En las de San Juan también hubo una  
mesa, como que se está empezando a abrir como es-  
pacio de discusión. Y para mí eso está bien, pero otra  
vez, yo no sé si podés encuadrar un equipo de investi-  
gación en eso. En todo caso, de reflexión, de uso y de  
formación, diría yo, en este tipo de herramientas. Pero  
sí veo que comparado hace cinco años, me parece que  
hay una diferencia, incluso en la UBA también y me pa-  
rece que muy de la mano del campo de NLP, ¿no? Me  
parece que ahí hubo algo que a todo el mundo le inte-  
resa, incluido yo. Con lo que mucha gente se engancha,  
porque permite, otra vez, plantear todas una serie de  
hipótesis sobre el lenguaje que antes siempre estaban  
planteadas en términos muy teóricos y permite ir ba-  
jando a tierra algunas ideas. Entonces, me parece que  
tiene como un atractivo en ese aspecto.  
En relación a las características que tiene, bueno…  
es ciencia social que usa técnicas computacionales y  
fuentes diversas, pero yo siento que para mí la ciencia  
social debería ser eso. Debería usar fuentes diversas,  
debería usar métodos diversos. Por eso digo, no sé si  
me cierra tanto pensarlo como un campo, porque creo  
que no debería existir.  
Francisco: Con lo que comentaste recién ¿Cuál es tu  
perspectiva sobre el desarrollo de estas técnicas en Ar-  
gentina?  
Germán: Yo creo que se está empezando un poco a  
ver que hay posibilidades de abordar ciertas cuestio-  
nes, usar ciertas técnicas, abordar ciertos problemas.  
Me parece que hay algo que está empezando. De he-  
cho, creo que hay por lo menos dos Diplomas que yo  
conozca que trabajan sobre estas herramientas desde  
la perspectiva de la ciencias sociales. Quiero decir, no  
una maestría en Ciencia de Datos que recibe gente de  
Ciencias Sociales. Eso también hay un montón, sino  
programas que se plantearon desde el lado de las Cien-  
cias Sociales intentando abrir un espacio de formación  
en estas técnicas. Como todo, después hay que ver qué  
queda, ¿no? Porque también para mí, ahora hay como  
una explosión de cursos, diplomas, posgrados.  
Francisco: En la línea de las Ciencias Sociales Compu-  
tacionales ¿qué aspectos considerás que son básicos  
para hacer Ciencia Social Computacional en la aplica-  
ción de estas estrategias?  
Germán: Sí, por un lado, algo que uno da por hecho,  
es la formación en Ciencias Sociales. Es decir, tener  
en la cabeza una serie de problemas vinculados a la  
ciencia social, sino ¿cuál es la diferencia entre esto y  
lo que puede hacer una empresa que arma sistemas de  
recomendación, por decir cualquier cosa? No porque  
esté mal hacer eso, digo, pero ¿cuál sería la diferencia  
entre hacer investigación básica y producir ese tipo de  
herramientas? Entonces, para mí eso es central. O sea,  
el planteo de problemas de la ciencia social.  
Francisco: Claro, ¿vos ves que hay como grupos o equi-  
pos de investigación, espacios que se van consolidando  
en esta línea un poco con eso?  
Después es una cosa que yo sí creo importante es una  
formación metodológica: saber operacionalizar con-  
ceptos,cómo poder pasar de una pregunta de investi-  
gación general y abstracta a algo que es operacionali-  
zable, medible y abordable. Ese es uno de los problemas  
que tiendo a ver, por lo menos, en parte de la formación  
de grado. Hay un salto entre la teoría, digamos, la teo-  
ría social y cómo se puede trabajarla en un proyecto  
de investigación concreto, ya sea investigación básica,  
aplicada, consultoría, en sector privado o público.  
Germán Rosati: Yo creo que... no sé si espacios, no sé si  
grupos de investigación, porque para mí el problema  
es que en el fondo no deja de ser un enfoque metodo-  
lógico. Es decir, son herramientas. Entonces, no es que  
hay un equipo de investigación en Ciencias Sociales  
Computacionales, o al menos yo no lo conozco y no sé  
si tiene mucho sentido que exista. Hay algo ahí del or-  
den de que lo podés aplicar a cualquier cosa, y en algún  
punto es la idea, es difícil hacer investigación centrado  
solamente en eso, en abstracción de cualquier proble-  
ma concreto.  
Y el tercer punto, sí es más técnico: contar con ciertas  
habilidades vinculadas a la cuestión de escritura de có-  
digo, programación, estadística básica y algunas otras  
cuestiones relacionadas a eso. Para mí ese es como el...  
¿cómo se dice? starter’s kit para empezar.  
Lo que creo es que se están empezando a usar este tipo  
de herramientas, y que se están armando espacios,  
Rosati | Soria, Abarzúa, Favieri  
El riesgo está del lado de la crítica abstracta más que del retorno al empirismo ingenuo | 98 - 113  
103  
ENTREVISTA  
TRAMAS SOCIALES • N° 06 | ISSN: 2683-8095  
Beatriz: Con esto que decís, ¿Cómo le ordenamos un  
poco el camino a un estudiante de sociología con estos  
temas? Empezar por dónde ¿cómo sería?  
problema y de tenerlo en la cabeza dado que el meollo  
no es la técnica per se. Si uno no tiene algo en que apli-  
car lo que aprendió es complicado. Igualmente depen-  
de de cada uno, pero a mí me suele ser más estimu-  
lante pensar cuando tengo un problema en la cabeza  
sociológico, antropológico, lo que sea.  
Germán: En términos de formación, yo diría que em-  
piecen a pensar en formarse en programación y esta-  
dística, estadística en el sentido amplio. Incluye Machi-  
ne Learning, en métodos cuantitativos en general/ Eso  
es lo que, creo, tiende a faltar en las carreras de grado  
en Ciencias Sociales y en general todavía no hay una  
oferta -me parece- en esa dirección. Esa pata es la que  
se van a tener que agenciar solos o vinculándose con  
equipos o con grupos que laburen en eso.  
El riesgo a la crítica abstracta y la  
relación teoría-método  
Beatriz: En relación a esto se ve que hay una revitali-  
zación de los estudios cuantitativos vinculados a los  
enfoques computacionales, pero también empiezan las  
alertas de un giro cuantitativista, como una cuestión  
más acrítica ahí. ¿Eso es algo que te preocupa? Pen-  
sando en quienes todavía creemos que se puede hacer  
Ciencia Social crítica, y bueno, si existe algo también  
ahí sumando a la Ciencia Social Computacional críti-  
ca, y digo, ¿te preocupa o es más decir, ‘bueno, como  
siempre, depende del uso que hagamos de los métodos  
y que no necesariamente está ligado a una perspectiva  
más epistemológica’?  
Tener una experiencia en la producción de datos, como  
encuestador no está mal, depende de cómo uno lo  
mire, ¿no? Está muy mal en términos de condiciones  
laborales, en términos salariales, pero ver un poco la  
“cocina” de la estadística en algunas cuestiones, me pa-  
rece que está piola. Sobre todo en el Sistema Estadísti-  
co Nacional es muy esclarecedor, ver cómo funcionan  
ciertas categorías que, a lo mejor uno las tiene bastante  
claras en la teoría, y el contraste de ver qué en el cam-  
po no funcionan tan así, o el tipo de decisiones que se  
toman. En fin, desnaturalizar un poquito el mundo  
cuantitativo como si fuese totalmente aséptico y total-  
mente estandarizado. Me parece que transitar eso es  
interesante, insisto, más allá de la remuneración y de  
las condiciones de trabajo.  
Germán: Sí, yo soy más de la segunda, en principio.  
Enseguida matizo esto que digo. Pero empiezo por la  
segunda parte de la pregunta sobre la Ciencia Social  
crítica… A esta altura del partido, que me digan posi-  
tivista, ya me resulta un elogio. Pero una técnica en el  
fondo es neutral. A veces se leen o se escuchan afirma-  
ciones del estilo “Machine Learning5 es la CIA” y son un  
poco graciosas.  
Para mí cualquier etapa de producción del dato, me  
parece que es interesante. Porque a veces, insisto, en  
las materias de metodología, uno da como una especie  
de esquema muy estilizado y muy cerradito del proce-  
so de investigación: problema-pregunta-hipótesis-da-  
tos… Y está bien, porque hay que ordenar en términos  
pedagógicos y clarificar las etapas lógicas del proceso  
de investigación, cómo es el proceso de producción de  
la información. Pero en la realidad entre el momen-  
to en que se diseña el cuestionario, se hace el campo y  
se comienza el análisis, hubo una cantidad enorme de  
decisiones que se tomaron en el camino y de las cua-  
les, a veces, uno no es consciente. En los relevamientos  
cuantitativos, que suponen un equipo de gente más o  
menos grande, me parece que es interesante tratar de  
entender, no idealizar el proceso de producción de in-  
formación.  
Las técnicas son técnicas. Hay un salto metodológi-  
co enorme entre una afirmación teórica, una técnica  
de investigación y el momento de la recolección de la  
información. Yo creo que hay muchas posturas que  
tienden a no ver esa mediación. Entonces para estas  
posturas lo cuantitativo es positivista, lo cuantitativo  
es la CIA. Y lo cualitativo es lo crítico. El problema es  
5
Machine Learning (aprendizaje automático) es una rama de  
la Inteligencia Artificial que se centra en desarrollar algoritmos y  
modelos que permiten a las computadoras aprender y mejorar su  
rendimiento en tareas específicas a partir de datos, sin necesidad  
de ser programadas explícitamente para cada caso. Estos sistemas  
identifican patrones en los datos y los utilizan para hacer predic-  
ciones, tomar decisiones o realizar análisis, mejorando su precisión  
conforme reciben más información.  
Entonces, pensar en formarse en programación, e in-  
sisto, en métodos cuantitativos en términos genéricos,  
es un buen primer paso. Luego, buscar algo que les in-  
terese para trabajar. Volviendo a lo que decíamos del  
Rosati | Soria, Abarzúa, Favieri  
El riesgo está del lado de la crítica abstracta más que del retorno al empirismo ingenuo | 98 - 113  
104  
ENTREVISTA  
TRAMAS SOCIALES • N° 06 | ISSN: 2683-8095  
que algo parecido se da al revés. Porque ese es el otro  
punto, al revés pasa igual, lo cualitativo es metafísica  
y lo cuantitativo es ciencia verdadera. Entonces ahí me  
parece que hay una cuestión importante. Yo creo que lo  
primero es ponernos de acuerdo en que, en buena me-  
dida , las técnicas, son técnicas, y son de alguna mane-  
ra“agnósticas” (no es un término que me guste del todo)  
respecto a las posturas teóricas que están de base, o las  
posturas teóricas que guían una investigación.  
importante es tener una teoría crítica. Y, en segundo  
lugar, todas las técnicas, obviamente, ¿no? Si no, es dar  
vuelta la causalidad, el orden lógico de las operaciones.  
Y respecto al retorno a un empirismo medio ingenuo o  
demás, yo siempre le robo a Germani7 lo que dijo res-  
pecto al empirismo abstracto al estilo Lazarsfeld en el  
Prólogo a “La imaginación sociológica”8. Ahí plantea,  
algo así como: ‘Esto está muy bien, pero para Argentina  
no aplica, ¿no?’. Es un poco la operación de lectura de  
ese libro de Wright Mills y en este punto algo de razón  
tiene. Dice Germani, ‘los científicos latinoamericanos  
están más familiarizados con las críticas a las moder-  
nas técnicas de investigación que con las modernas  
técnicas de investigación en sí mismas’. Y yo creo que  
hay algo de eso. Insisto, no porque no se las pueda (y  
deba) criticar, no porque no se las pueda mejorar, pero  
primero hay que conocerlas. Si no, uno se queda una es-  
pecie de crítica de la técnica muy abstracta al estilo de  
Eric Sadin9 o Byung Chul Han o Yuval Harari que es un  
acercamiento muy superficial al problema. En el caso  
de Sadin hay partes que son muy graciosas pero es por-  
que no conoce lo que está criticando, y por eso hace una  
serie de afirmaciones que son técnicamente equivoca-  
das, por decir lo menos… Hay muchísimos problemas,  
riesgos y demás que se le atribuyen a la Inteligencia Ar-  
tificial, que en realidad son problemas que están desde  
mucho antes. Me parece que ya la crítica filosófica así,  
en esta instancia, llegó a un límite de lo que puede apor-  
tar, digamos. Desde Weber, Adorno, y compañía no sé  
cuánto más queda por decir al respecto.  
Aquello está tan arraigado, justo hoy me acordaba pre-  
parando este entrevista puntualmente, me acordaba  
de algo que había leído en una introducción a la edi-  
ción alemana de “El oficio de sociólogo”6. Encima era  
una traducción al inglés, es decir que lo que uno lee  
es la traducción de la traducción. Ahí Bourdieu decía  
algo así como -yo me acuerdo porque lo twitteé-o: ‘Yo  
uso Análisis de Correspondencias Múltiples, porque  
es un método que está muy en línea con mis posturas  
teóricas sobre la teoría de campos y demás”. En mi opi-  
nión eso es un error, porque no hay teorías asociadas  
a métodos. En mi opinión, no hay problemas cuanti-  
tativos y problemas cuantitativos. Hay problemas de  
investigación de los cuales , a veces, tenemos el cono-  
cimiento suficiente como para estandarizar indicado-  
res, entonces, los abordamos cuantitativamente. Hay  
problemas de los que no sabemos lo suficiente como  
para estandarizar la observación, y entonces, proba-  
blemente, ahí estemos más obligados a usar enfoques  
más cualitativos, más flexibles. Hay algo ahí que yo no  
termino de visualizar, ¿por qué se ve esa asociación tan  
fuerte entre teoría y método? Quiero decir: esa idea de  
que una teoría determina un método. Yo soy más de la  
segunda opción, en general, son técnicas y demás.  
Para mí el punto ahora es que hay que conocer las téc-  
nicas para poder eventualmente criticarlas, modificar-  
Ahora, dicho esto, eso no quiere decir que no se las  
puede usar mal, obviamente, pero el problema está en  
las hipótesis teóricas. Entonces, ¿puede haber ciencia  
social cuantitativa y de derecha, conservadora? Sí, ob-  
vio, ¿cómo no? La hay, de hecho, ¿por qué no la va a ver?  
Ahora, el problema es invertir la causalidad y pensar  
¿es de derecha porque es cuantitativa? o ¿es no crítica?  
Y por tanto, ¿es conservadora por ser cuantitativa y no  
por las hipótesis teóricas que la sustentan? Para hacer  
Ciencia Social Computacional crítica, en mi opinión, lo  
7
Gino Germani (1911-1979) fue un sociólogo pionero de la sociolo-  
gía en América Latina. Su obra se centró en los procesos de moder-  
nización, la movilidad social y el autoritarismo en las sociedades  
latinoamericanas.  
8
En “La imaginación sociológica” (1959), C. Wright Mills plantea  
la capacidad de conectar problemas personales con estructuras so-  
ciales más amplias, destacando la relación entre historia, biografía  
y sociedad para comprender el mundo social críticamente.  
9
Éric Sadin (1973- ) es un filósofo francés que critica el impacto  
6
En “El oficio de sociólogo” (1968), Pierre Bourdieu, Jean-Claude  
de las tecnologías digitales en la sociedad, señalando los riesgos de  
la automatización y el control algorítmico. Sus obras analizan cómo  
estas transformaciones afectan la vida cotidiana y las relaciones  
humanas.  
Chamboredon y Jean-Claude Passeron destacan la importancia del  
rigor metodológico y epistemológico en la sociología, abordando su  
práctica como una construcción científica sistemática y crítica.  
Rosati | Soria, Abarzúa, Favieri  
El riesgo está del lado de la crítica abstracta más que del retorno al empirismo ingenuo | 98 - 113  
105  
ENTREVISTA  
TRAMAS SOCIALES • N° 06 | ISSN: 2683-8095  
las o usarlas con una agenda crítica. Por eso, el riesgo  
que más preocupa en lo inmediato es el otro . Creo que  
es más riesgoso para las ciencias sociales el de una crí-  
tica abstracta que el del retorno al empirismo ingenuo,  
más en el ámbito argentino, latinoamericano… En todo  
caso, el riesgo del empirismo ingenuo viene más por el  
uso que otras disciplinas puedan hacer de problemas  
de las ciencias sociales que al revés, ahí hay algo de eso  
también, me parece.  
objetos. Lo que quiero decir es que no me parece que  
el objeto sea sustancialmente distinto de las Ciencias  
Sociales, no es que hay un objeto nuevo.  
Acá en algún punto estuvimos medio planteando, cuáles  
son los impactos y los efectos de estas técnicas sobre la  
Ciencia Social, pero después uno puede plantear la pre-  
gunta al revés. Diría que las Ciencias sociales en general  
pueden hacerlo, por ejemplo, ¿Cuáles son los impactos  
de la economía de plataformas? o es al revés, ¿Cómo la  
Inteligencia Artificial, cambia el objeto de la sociología?  
Entonces, ¿los mercados de trabajo de las aplicaciones  
son diferentes? ¿Sí o no? ¿por qué? Pero la pregunta es  
una pregunta clásica. Esa pregunta es muy pertinente  
y merece ser abordada pero, otra vez, no me parece que  
esa pregunta sea sustancialmente distinta a lo que se pre-  
guntaban los clásicos, hace cincuenta años, en condicio-  
nes nuevas y en otra etapa del desarrollo capitalista, claro.  
Beatriz: Me quedé pensando en la primera pregunta,  
el primer bloque de preguntas sobre que donde hay las  
mayores transformaciones, es más que nada en el com-  
ponente técnico. Pero, si no hay efectivamente algún  
impacto sobre el objeto propio de las Ciencias Sociales,  
si uno no redefine esto de que uno de los aportes tiene  
que ver con la posibilidad de contrastar empíricamen-  
te objetos que de otra manera quizás no hubiéramos  
podido hacerlo, o si quizás todavía siguen existiendo  
ciertos objetos privilegiados para la aplicación de mé-  
todos computacionales -que eso me parece más obvio-  
entonces ¿cómo hacemos? ¿cómo pensás esta cuestión?  
Una cosa es que una técnica nueva permite abordar  
cosas que antes no se podían abordar empíricamente  
pero conceptualmente sí y que a partir de allí se abran  
matices, preguntas y demás. Otra cosa, es pensar que  
hay un objeto nuevo, es decir, que la digitalización ge-  
nera un objeto completamente novedoso.  
Germán: Me imagino que es esperable que, cuando  
uno pueda abordar una pregunta, un problema, un  
objeto, o lo que sea, que antes no podía, es razonable  
que aparezcan preguntas nuevas, ¿no? Creo que, efec-  
tivamente, es así. Quizás podamos tener una aproxi-  
mación a ciertos aspectos del discurso producido de  
forma más “espontánea”, pero no más espontánea que  
una entrevista. Seguramente se van a abrir a pregun-  
tas nuevas y observables novedosos, también. ¿Cuán-  
to...? Es una pregunta que vale la pena, porque ¿cuánto  
de eso es efecto de la técnica o de la fuente nueva? ¿y  
cuánto no? Me parece que es una pregunta que tiene  
sentido, porque la técnica en algún punto, es verdad,  
también redefine el objeto, pero una cosa es pensar  
que redefine el objeto o que abran preguntas nuevas  
o demás, y otra cosa es pensar que hay un campo dis-  
ciplinar totalmente novedoso por la aparición de una  
técnica.  
Los “Large Language Model” (LLM’s) y  
la automatización en los procesos de  
investigación  
Beatriz: También para pensar en lo que solemos ense-  
ñar, ¿no? El proceso de investigación tiene determina-  
das características, momentos o fases. En relación a  
este, pareciera que el principal cambio viene más por  
el lado herramental o técnico, es decir, la alteración de  
ciertas fases o ciertos momentos del proceso de inves-  
tigación. Parece que es bastante más claro en la parte  
de procesamiento y análisis, pero también se están em-  
pezando a ver transformaciones y mutaciones en la di-  
mensión más puramente conceptual. Entonces, bueno,  
¿cómo ha sido ese proceso para vos? Porque también es  
un aprendizaje en acto, me parece, muchas veces.  
En particular, para mí, las preguntas de las Ciencias  
Sociales (las preguntas realmente importantes) son más  
o menos las mismas de hace ciento cincuenta años, con  
matices, con redefiniciones, pero siguen siendo más o  
menos las mismas. Y en algún punto, ¿por qué no lo  
serían? Para pocas hubo respuestas concluyentes, en-  
tonces, me parece que la aparición de estas técnicas, de  
estas herramientas y fuentes nuevas, creo que podrían  
conducir a refinar esas preguntas, hacerlas más espe-  
cíficas, eventualmente a plantear nuevas y a redefinir  
Germán: Sí, para mí, esto último es interesante. Creo  
que todavía son más bien tanteos, ¿no? Son intentos,  
son cuestiones que, me parece, se están empezando  
a explorar ahora, con lo cual tampoco sabemos hasta  
dónde. O sea, ¿cuánto de eso efectivamente va a tener  
impacto real, no? Sobre todo, y yo creo que ahí sí hay  
un salto cualitativo, hay una diferencia fuerte a partir  
Rosati | Soria, Abarzúa, Favieri  
El riesgo está del lado de la crítica abstracta más que del retorno al empirismo ingenuo | 98 - 113  
106  
ENTREVISTA  
TRAMAS SOCIALES • N° 06 | ISSN: 2683-8095  
de los LLM10. Ahí hay un corte fuerte. Antes la “auto-  
matización”, operaba, creo, en dos aspectos. Uno, la  
aparición de fuentes nuevas y de datos masivos, y todo  
lo sabemos. Internet, la tecnología móvil, etc., “hacen  
disponible” datos -lo digo entre comillas porque no  
están totalmente abiertos-, pero bueno… digo, hacen  
disponible un montón de información que antes no es-  
taba. Entonces, ese es un aspecto de la automatización.  
Otra tarea que parece abrirse a la automatización son  
ciertas formas de captura de datos. ero no ya con web  
scraping13, y demás que, son más o menos, los bichos  
que escuchaban en redes sociales y o que crawleaban  
sitios web diversos. No, se empezaron a hacer pruebas  
de entrevistas en profundidad con chatbots. La perso-  
na interactúa con un chatbot, y el chatbot le repregunta.  
O sea, funciona como un entrevistador, no como un  
IVR14, no como un encuestador. Entonces ahí hay un  
par de papers que empezaron a hacer eso y están eva-  
luando qué pasa con eso y cómo funciona15.  
Otro aspecto es la aparición de las técnicas de Machine  
Learning, del aprendizaje automático, que funcionan  
como formas de automatizar la búsqueda de modelos..  
Con los LLM aparece una cosa nueva, creo, porque ha-  
brá que ver hasta dónde llega. Pero lo cierto es que pare-  
ce abrirse la posibilidad de automatizar otras etapas del  
proceso de investigación. Por un lado, tareas como, por  
ejemplo la codificación de respuestas abiertas, o el sub-  
rayado de entrevistas, o todo lo que tiene que ver con  
trabajar con texto abierto, fueron siempre tareas que  
al tener que lidiar con texto abierto, tuvieron siempre  
un fuerte componente manual, se requerían equipos de  
codificadores, etc. Esas tareas parecen ser susceptibles  
de ser automatizadas en gran medida a partir de los  
LLMs. Quizás no pueda llegarse a una automatización  
total pero creo que nos encaminamos a un esquema de  
trabajo en el que la parte manual tiende a ser más revi-  
sar y verificar que sea correcto lo que hizo el LLM.  
En el trabajo citado arriba, exploran un poco la expe-  
riencia de los encuestados mediante este chatbot, qué  
les pasa al interactuar con una máquina. Lo que se ve  
es que no parecen plantear una preferencia de un en-  
trevistador humano por sobre la máquina, en térmi-  
nos generales. Habrá que pensar en la calidad de esa  
información recabada de esa manera. Pero ahí hay un  
pasito más. Es decir, es claro que aparece la posibilidad  
de automatizar parte de las etapas de recolección de  
datos, de procesamiento y de análisis. Pero además  
hay intentos de avanzar en la automatización en eta-  
pas previas: las etapas de planteo de problemas, de  
planteo de hipótesis, de diseño metodológico.  
Hay algunos trabajos que lo que hacen es armar un en-  
torno computacional al cual el usuario (investigador)  
le plantea una situación, por ejemplo, un juicio o una  
subasta con cinco escenarios, y el único input del mo-  
delo es la definición de la situación. Lo que el modelo  
Podríamos pedirle a un LLM “codificame tal cosa, codi-  
ficame ocupaciones”, para poner un ejemplo usando el  
CUIO11. En general, ese tipo de tareas la resuelven con  
una buena performance y en un tiempo bastante me-  
nor que diez, veinte, treinta codificadores. Y en todo  
caso la parte manual es revisar que lo que hizo el “bi-  
cho” esté correcto, ¿no? Eso es una12.  
org/10.1177/08944393241286471  
13 Es una técnica para extraer automáticamente información de  
sitios web, transformando los datos disponibles en páginas HTML  
en formatos estructurados como tablas o bases de datos. Es útil  
para recopilar grandes volúmenes de datos de manera eficiente.  
10 Large Language Model (LLM) son modelos de Inteligencia Artifi-  
cial diseñados para procesar y generar lenguaje natural mediante re-  
des neuronales entrenadas con grandes volúmenes de texto, permi-  
tiendo tareas como traducción, resumen y diálogo. Por ejemplo: GPT.  
14 Interactive Voice Response (IVR) es un sistema automatiza-  
do de respuesta telefónica que permite a los usuarios interactuar  
con un menú mediante comandos de voz o teclas, para acceder a  
información o realizar acciones sin asistencia humana. Es común  
en servicios de atención al cliente.  
11  
La Clasificación Internacional Uniforme de Ocupaciones  
(CUIO) es una herramienta para organizar las ocupaciones en una  
serie de grupos definidos en función de las tareas que comporta  
cada ocupación.  
12  
Un ejemplo de este tipo de tareas codificando orienta-  
15 Un ejemplo puede verse en Chopra, F. & Haaland, I. (2023).  
Conducting Qualitative Interviews with AI, CESifo Working Pa-  
cfm?abstract_id=4583756.  
ciones ideológicas de políticos en X puede verse en Törnberg,  
P. (2024). Large Language Models Outperform Expert Coders  
and Supervised Classifiers at Annotating Political Social Me-  
Rosati | Soria, Abarzúa, Favieri  
El riesgo está del lado de la crítica abstracta más que del retorno al empirismo ingenuo | 98 - 113  
107  
ENTREVISTA  
TRAMAS SOCIALES • N° 06 | ISSN: 2683-8095  
hace es plantear hipótesis, relaciones causales, simu-  
lar y analizar los resultados. En esos trabajos todos los  
ejemplos son ejemplos conocidos, porque en parte se  
trata de ver cómo funciona el entorno. Y pasan cosas  
como que el bicho simula una subasta de arte y enton-  
ces se observan cosas que ya son obvias, por ejemplo,  
cuando todos los compradores pujan por la obra, el  
precio sube y sucede lo contrario cuando baja. Si bien  
todos son resultados obvios y conocidos, el punto es  
que el bicho lo sacó de la nada. Solo con la definición de  
la situación generó todas las hipótesis, armó un esque-  
ma de simulación y analizó los resultados. Entonces,  
ahí uno dice ‘yo no tengo tan claro cómo va a impactar  
eso’. Quizás termine siendo un fiasco pero bueno, hay  
una serie de cuestiones que antes no podíamos ni con-  
cebirlas como posibilidad y hoy sí.  
Si uno ve que las cosas funcionan bien, en el sentido  
de lo que uno está queriendo, está tentado automáti-  
camente a asumir que esto funciona perfectamente. Yo  
creo que hay una cuestión a pensar ahí y que ya existe  
desde hace un tiempo, ¿no? Antes de los LLMs también  
la cuestión de la “cajanegrización” existía. Me parece  
que hay una cuestión a tener en cuenta.  
Con la aparición de estos modelos enormes se plantean  
una serie de problemas que hay que tener en cuenta.  
Por ejemplo, no es un dato menor que hay unas cuatro  
o cinco empresas en el mundo con los recursos físicos,  
humanos, de hardware, etc que pueden entrenar desde  
cero un LLM. Esto tiene muchas aristas pero hay una  
que se vincula con algo que planteamos más arriba:  
la reproducibilidad. Si mañana a OpenAI16 se le ocurre  
pasar del GPT-4 al GPT-5.1, lo cierto es que no tenemos  
ninguna garantía de que lo que corrimos en GPT-4 va a  
tener los mismos resultados en este modelo nuevo, in-  
cluso en algo tan acotado como codificar una variable.  
¿Cuánto de eso serán “juguetitos” más o menos útiles  
para dominios muy acotados o cuántos efectivamente  
van a tener impacto real y significativo en la forma en  
que hacemos investigación? En las etapas de análisis y,  
precisamente, de información, me parece que hay ele-  
menos de sobra como para pensar que el impacto va a  
ser fuerte. Me parece que ahí no hay mucha vuelta que  
darle. Hay toda una serie de problemas potenciales que  
corresponden a la cuestión de los sesgos y demás, pero  
me parece que sí es clarísimo el impacto. En esta otra  
etapa no sé todavía. Pero de pronto se están empezan-  
do a probar, a testear ese tipo de herramientas.  
Estos tipos de modelos son opacos: no podemos sa-  
ber bien qué es lo que está pasando adentro, A su vez,  
muchos de esos modelos son propietarios. Es decir,  
hay que pagar para usarlos. Y muchos, además, son  
cerrados en el sentido que no se puede acceder a sus  
parámetros. No tenemos forma de acceder a GPT, no se  
puede acceder a los parámetros del modelo. Todo esto  
atenta contra la reproduibildad.  
Siempre dijimos, ‘bueno, las preguntas las planteamos  
los seres humanos’, las máquinas ejecutaban los pasos  
necesarios para dar una respuesta. Yo sería más pru-  
dente con ese tipo de afirmaciones absolutas (en am-  
bos sentidos). Hace un par de años este tipo de cuestio-  
nes no eran ni concebibles. Ahora se están empezando  
a probar. Entonces, me parece que hay que estar atento  
a eso. ¿Y es un riesgo o no? No sé, justamente parte de  
toda esta situación un tanto vertiginosa es que no lo  
tenemos muy claro ¿eso nos va a liberar la cabeza para  
otro tipo de tareas? No sé. Yo espero que sí.  
Eso cambió un poco, a mediados del año pasado, cuan-  
do Meta, que era la que se estaba quedando atrás en  
toda la “carrera armamentística” de estas herramien-  
tas, saca su propio LLM y lo “libera”. Lo hace libre para  
uso comercial, para uso académico y, además, lo libera  
en su totalidad: es decir, que hoy podemos bajar Llama  
(el modelo de Meta) y correrlo localmente (si dispone-  
mos de la infraestructura adecuada). No necesaria-  
mente tenés que usar un servidor de ellos. Entonces  
eso fue medio una pateada de tablero. Por que parte del  
problema de reproducibilidad queda solucionado. Ahí  
cambió un poquito la cosa, pero bueno, el riesgo está la-  
tente. Entonces, insisto, me parece que se hace todavía  
más necesario el saber o los saberes que la ciencia social  
tiene justamente para evaluar esas cuestiones. Los mo-  
delos en buena medida son cajas negras, los modelos,  
sobre todo, los LLMs y lo que nos tenemos que dar son  
estrategias para evaluarlos, pero no en términos de...  
Beatriz: En las discusiones sobre la falta de transparen-  
cia en cómo los modelos de inteligencia artificial proce-  
san los datos y generan resultados, la “cajanegrización”,  
¿Te preocupa como sociólogo? ¿Qué priorizo? ¿Cómo  
balancear? Decir, por ejemplo, ‘pierdo control y trans-  
parencia sobre el proceso de investigación pero ganó  
escalabilidad’ por ejemplo ¿esa tensión está presente?  
Germán: Sí, obvio, que sí. Sobre todo porque uno es  
víctima inconsciente del sesgo de confirmación, ¿no?  
16 Es la empresa, fundada en el año 2015, creadora de ChatGPT.  
Rosati | Soria, Abarzúa, Favieri  
El riesgo está del lado de la crítica abstracta más que del retorno al empirismo ingenuo | 98 - 113  
108  
ENTREVISTA  
TRAMAS SOCIALES • N° 06 | ISSN: 2683-8095  
¿Son “el mal”? ¿Son Skynet?. Me parece que es más pro-  
ductivo pensar en evaluaciones concretas asociadas a  
tareas concretas. Si yo estoy usando este modelo para  
esta tarea, bueno, necesito tener criterios para evaluar  
cómo funciona en esa tarea. A eso me refiero. Y antes  
de eso, ¿es este modelo el más adecuado para esta tarea  
que yo estoy queriendo realizar o no? A eso me refiero  
con evaluar. No a la crítica de la técnica, que se puede  
hacer, pero me parece que corre por otro canal.  
Yo recuerdo a docentes (muchos de los cuales fueron  
mis docentes) que enseñan materias de teoría socioló-  
gica. Y muchos exámenes eran ‘¿Qué es la plusvalía?’  
por poner un ejemplo. O ‘¿Qué es un hecho social?’. Y lo  
cierto es que esas preguntas ya eran “vulnerables” a la  
tecnología desde que existe Wikipedia (o Encarta para  
los más veteranos). Es cierto: en estos casos era más fá-  
cil detectar si alguien estaba copiando y pegando un  
texto. Ahora es un poco más difícil. Pero lo que quiero  
decir es que quizás el problema está en la pregunta que  
hacemos, no en la herramienta. La cuestión ahí son las  
consecuencias pedagógicas, que a mí un poco se me  
escapan, porque, la verdad, no es algo que yo maneje.  
La cuestión de los LLM’s y la enseñanza  
en las carreras de grado  
Anabella: Volviendo un poco a lo que planteabas de  
que los seres humanos somos los que hacemos las  
preguntas y pensando con melancolía en eso, en qué  
enseñar en el grado, con la irrupción del chat GPT y  
cómo incorporarlo a las clases sin ser conservadores  
ni prohibirlo, porque de todos modos lo van a usar.  
Tomando lo que vos decís de los criterios para evaluar  
los modelos ¿cómo integrarías vos el uso de estas he-  
rramientas?. Un poco la línea nuestra es decir, ‘bueno,  
hay que ser expertos en un tema para poder evaluar  
las respuestas que da el modelo y a la vez hay que saber  
preguntar y adquirir esa capacidad de preguntar’. Eso  
es lo que más o menos intentamos hacer en el grado,  
pero bueno ¿qué pensas vos de eso y qué te parece que  
sería útil enseñar?  
En mi caso, en el tipo de materias que doy, creo que es  
lo mejor que me pudo pasar. De hecho, yo suelo alentar  
el uso de GPT (o algún otro LLM) para escribir o para  
corregir código de R o Python. Por otro lado, si yo lo  
hago ¿por qué les voy a decir que no lo hagan? Bueno, si  
fueran carreras de programación, quizás no sea la me-  
jor herramienta, porque es probable que el código que  
produce no sea el mejor código. Es probable que pueda  
escribirse de una manera más elegante, más perfor-  
mante. Y yo no lo discuto. Pero bueno, eso por un lado.  
Después están todos los usos ya “fuera del aula” y en  
términos de investigación. Si la decisión es usar algún  
LLM entonces me parece que nociones mínimas de lo  
que se llama ingeniería de prompts17. En algún momen-  
to, hay que pensar cómo hacer para introducirlo en la  
formación de grado. No sé si como parte de metodolo-  
gía. La verdad es que no tengo claro cómo sería el dise-  
ño curricular, pero en algún lado va a tener que estar y  
lo mismo, creo, en relación a rudimentos en PLN. Qui-  
zás no para entrenar modelos, porque yo creo que todo  
lo que antes hacíamos con Topic Modeling18, se lo van a  
terminar comiendo estos “bichos”, y lo van a hacer mu-  
cho mejor. Yo creo que vamos hacia eso, pero sí para  
tener alguna idea de lo que está pasando por atrás.  
Germán: Pues ahí yo separaría los usos posibles de es-  
tos “bichos”. Por un lado, está el que uno se imagina,  
que todo el mundo más o menos en este ámbito hace o  
está por hacer: usarlo como asistente para traducciones,  
para re-escrituras de texto, etc. Ese tipo de usos creo  
que es, en principio, el menos riesgoso. Y me arriesgaría  
a decir que es un uso muy productivo para el nivel de  
grado. Luego, está la cuestión de que es un uso medio  
inevitable, entonces, uno puede hacer como que estas  
cosas no existen. Está bien, puede fingir demencia todo  
lo que quiera, pero la verdad es que existen y se usan.  
Otro uso, me parece tiene más que ver con el miedo de  
buena parte de los docentes… es decir, ¿cómo hago para  
garantizar que no le pidan a GPT que le escriba el exa-  
men o la monografía? Bueno, no sé. Me parece que esa es  
una pregunta mal planteada, porque es al revés, somos  
nosotros los que tenemos que diseñar un formato de eva-  
luación que sea robusta a esas herramientas. Y en todo  
caso, pensar cómo podemos utilizar todas las potencias,  
incluso los problemas que tenés sobre las herramientas  
para tomarlo como parte del diagnóstico de evaluación.  
17 La ingeniería de prompts (prompt traducido al español refiere  
a indicación, instrucción o solicitud) consiste en diseñar entradas  
claras y optimizadas para guiar modelos de lenguaje a generar res-  
puestas precisas y relevantes. Se basa en iterar, ajustar y proporcio-  
nar contexto para mejorar los resultados.  
18 El Modelado de Tópico (Topic Modeling) es una técnica de NLP  
que identifica automáticamente temas ocultos en grandes conjun-  
tos de texto no estructurado. Es útil para descubrir patrones y cate-  
gorizar documentos de manera no supervisada.  
Rosati | Soria, Abarzúa, Favieri  
El riesgo está del lado de la crítica abstracta más que del retorno al empirismo ingenuo | 98 - 113  
109  
ENTREVISTA  
TRAMAS SOCIALES • N° 06 | ISSN: 2683-8095  
Por más que uno no conozca el detalle y el mínimo de  
estos bichos, pero sí es necesario entender ciertos as-  
pectos de su funcionamiento. Incluso para evitar al-  
gunas discusiones medio bizantinas como la pregunta  
sobre si son inteligentes o razonan. En lo personal, yo  
creo que algún nivel de razonamiento hay, porque hay  
pasos y encadenamiento de pasos para una respues-  
ta. No creo que haya inteligencia. Pero en todo caso,  
esta discusión importa poco en el uso cotidiano. Pero  
volviendo a lo anterior… yo creo que la ingeniería de  
prompts junto con algunos rudimentos en programa-  
ción y NLP van a ser necesarios porque en el transcurso  
de una investigación real es altamente probable que la  
interfaz de chat sea suficiente.  
ese sería el punto. Pero contanos sobre este concepto,  
¿cómo lo entendés? Después pensar, bueno, esto como  
una reflexión tuya, ¿cuán refractario o cuán comple-  
jo es ir a esa formación de analistas de datos sociales,  
cuando los y las propios docentes estamos formán-  
donos en eso? Entonces, ¿apostamos a una formación  
más democrática -estamos todos y todas en un punto  
aprendiendo- o seguimos con las formaciones acadé-  
micas tradicionales, donde el lugar del saber queda un  
poco más diluido? Estoy pensando sobre todo en la for-  
mación de grado.  
Germán: Está bien el punto. A mí me parece que son  
dos cuestiones que son relevantes. La idea de “traduc-  
tor” es más una impresión (y tampoco es algo que se  
me haya ocurrido a mí), pero sí me parece algo que es  
importante, sobre todo en relación a la idea de inter-  
disciplina y los problemas asociados.  
En algún momento preguntarle al chat GPT, tal y como  
está, no va a alcanzar. Porque eso tiene más que ver con  
el uso como asistente del que hablábamos antes. El uso  
de las APIs19 va a haber que introducirlo. Eso supone  
dar alguna noción de programación, dar alguna no-  
ción de lo que es una API. Me parece que, en algún mo-  
mento, va a haber que salir de la interfaz de chat como  
única forma de interactuar con estos modelos y pasar a  
un entorno más programático. Eso supone un poco de  
programación, e ingeniería de prompts, que me parece  
que va a haber que incorporarlo en algún momento. In-  
sisto, no sé en dónde, si en metodología. No sé si vamos  
a dejar de dar estadística y vamos a pasar a dar inge-  
niería de prompt -no creo que eso sea deseable- pero  
sí se me ocurre que esos son los requisitos mínimos,  
digamos, como para poder hacer un uso mínimamente  
responsable y útil de estas herramientas.  
Cualquiera que le haya tocado trabajar en algún equi-  
po mínimamente diverso en términos de disciplinas,  
se da cuenta que no alcanza con poner computólogues,  
físiques, sociólogues, antropólogues, para que funcio-  
ne. La interdisciplina no ocurre por mera aglomera-  
ción disciplinaria. No hay emergencia ahí, no hay au-  
to-emergencia. Esta idea “traductor” apunta a pensar  
en un perfil de personas que hablen los dos idiomas,  
que hablen, que conozcan la teoría social y los proble-  
mas de las ciencias sociales, que estén formados en los  
métodos de las ciencias sociales, pero también que es-  
tén familiarizados con el “mundillo” machine learning,  
inteligencia artificial, estadística, computación, pon-  
gámosle el rótulo que uno quiera. Eso debería, creo,  
facilitar justamente el trabajo común. Y ahí si, el tra-  
bajo, inter, trans -no sé cómo llamarlo-, disciplinario,  
que haya diálogo entre las disciplinas en serio, sino es  
como que no va a funcionar. Para mí eso vale para los  
dos lados.  
Beatriz: Por otro lado, consultarte, estamos en una cri-  
sis de las carreras de sociología fuertísima en términos  
de matrícula, si quizás no hay una oportunidad de aire  
con la incorporación de estas formaciones.  
Anabella: En Ciencia Política, también.  
Yo también creo que los computólogos tendrían que  
aprender teoría social y metodología, pero mientras  
no pasa, bueno, nosotros podemos operar sobre este  
polo de la relación. Me parece que eso es importante,  
pensar en la posibilidad de poder dialogar y trabajar  
en equipos interdisciplinarios, y eso va más allá de la  
academia. En la academia y la investigación básica, se-  
guro pero en un entorno laboral no académico -profe-  
sional- también.  
Beatriz: Te hemos escuchado hablar de la noción de  
“traductores”, es decir, tener la posibilidad de, por lo  
menos, dialogar en estos dos universos distintos y  
que nos entendamos que la comunicación sea posible,  
19 Application Programming Interface (API) es un conjunto de re-  
glas, protocolos y herramientas que permite a diferentes aplica-  
ciones o sistemas comunicarse e intercambiar información. Actúa  
como un intermediario que facilita la interacción entre software,  
definiendo cómo solicitar y transmitir datos.  
A mí me ha tocado trabajar en consultorías y demás,  
con otras disciplinas, y en general, aunque no había  
traductores, por lo menos había un intento de buena  
Rosati | Soria, Abarzúa, Favieri  
El riesgo está del lado de la crítica abstracta más que del retorno al empirismo ingenuo | 98 - 113  
110  
ENTREVISTA  
TRAMAS SOCIALES • N° 06 | ISSN: 2683-8095  
predisposición y un intento sincero de dialogar entre  
disciplinas. A veces, eso no ocurre y lleva a que se rom-  
pan equipos, o que proyectos que tendrían que ocu-  
rrir no ocurran. Me parece que la formación en estas  
técnicas es ineludible. No es solo para llevarse “bien”  
con otras disciplinas, sino me parece que enriquecería  
la propia disciplina también. No es una mera cuestión  
reactiva, creo.  
fractario” que da teoría social ¿qué les hará hacer? ¿un  
examen presencial? ¿les confiscarías los celulares du-  
rante el examen y los corregirá a mano? Bueno, qué sé  
yo, está bien. Nosotros nos formamos un poco en esa  
escuela, y tampoco fue tan mal eso.  
Ahora, sí me parece que hay un problema en instancias  
más vinculadas a la práctica (académica o profesional),  
por ejemplo, a la producción de tesinas. Ahí sí, me pa-  
rece que puede haber un problema. También en instan-  
cias de taller de tesis, puede haber una cuestión, porque  
efectivamente, si un estudiante se topa con un director  
de tesis o un docente de taller que es refractario… creo  
que allí puede haber un problema porque se está cerran-  
do todo un arsenal metodológico antes de empezar... Yo  
desconozco cómo resolverlo, si no es con algún tipo de  
pauta institucional más o menos clara en esa dirección.  
Respecto a la segunda, para mí no es un problema, de  
hecho, hay muchos estudios que muestran que cuan-  
do hay mucha distancia -distancia pedagógica- en tér-  
minos de conocimiento, práctica, saber, etc., entre un  
docente y estudiantes, los resultados son peores. Por-  
que cuando alguien ha trabajado mucho tiempo en un  
tema o una técnica o lo que sea, hay ciertas relaciones  
conceptuales, lógicas, etc que ya están “automatiza-  
das”. Esa persona no está repensando todo el tiempo  
en…, no sé, por poner un ejemplo, en cómo tenés que  
hacer un for loop20. Ahora bien, un estudiante que está  
llegando, está obligado a pensar eso porque, probable-  
mente, es la primera que se lo tope. Entonces, esa dis-  
tancia en el fondo, termina siendo contraproducente  
porque ese docente experimentado ya realiza ese pro-  
ceso casi inconscientemente, sin pensar demasiado en  
sus implicancias. No tiene que reveer el proceso cada  
vez que ocurre.  
Beatriz: En relación a lo anterior y en parte con el deba-  
te sobre la matrícula ¿En la Diplomatura ha crecido?21  
Germán: Bueno, este año sí, contrariamente a todo lo  
que nos imaginábamos. De hecho, aumentó incluso un  
poquito respecto al año anterior. Habrá unos quince o  
veinte estudiantes más. Después siempre hay un des-  
granamiento, obviamente, en la cursada, pero sí cal-  
culamos que van a terminar unas ochenta o noventa  
personas, que es más o menos la misma cantidad que  
el año pasado.  
En cambio, cuando la distancia -es horrible el térmi-  
no-, cuando la distancia pedagógica entre docente y  
estudiante es menor, en general tiende a funcionar  
mucho mejor el diálogo pedagógico y demás. Hay va-  
rios laburos de eso, muy vinculados a la enseñanza de  
tecnología, de disciplinas tecnológicas. Entonces, yo  
no veo un problema grave en esa especie de distancia  
corta, no sé cómo llamarlo, ¿no? El modelo de clase ma-  
gistral hace años que está perimido, para mí. Escuchar  
a alguien tres horas hablar no sé cuán productivo pue-  
de ser, digo tres horas, no cuarenta minutos.  
Bueno, ya no quiero abrir otra arista, pero hay cierto  
formato de formación que está un poco en crisis. Mu-  
cha de la gente que se acerca al Diploma tiene inten-  
ciones muy serias de formarse metodológicamente en  
este tipo de herramientas pero no quiere encarar dos  
años o tres años de cursada y más la escritura de una  
tesis de maestría, doctorado, lo que sea. Y en algún  
punto algo de sentido tiene esa intención, digamos.  
Anabella: En el grado también, los estudiantes ya no  
quieren estudiar, estudiar con un cierto orden, una  
materia atrás de otra, una unidad detrás de otra, con-  
tenido que muchas veces les parece arbitrario.  
Lo otro vinculado a la cuestión de los ”docentes refrac-  
tarios”, es como una nueva categoría, un nuevo tipo  
social, ¿no? Existen, es así, yo creo que efectivamente  
pasa, no veo cómo resolverlo. Si hay un “docente re-  
Germán: Para mí el caso del grado es diferente, por-  
que en esa instancia sí es muy necesaria cierta cons-  
20 Un for loop es una estructura de control en programación que  
se utiliza para iterar sobre una secuencia (como listas, rangos o  
cadenas) y ejecutar un bloque de código repetidamente por cada  
elemento. Es ideal para recorrer colecciones o repetir tareas un nú-  
mero definido de veces.  
21 Nos referimos al “Diploma en Ciencias Sociales Computacio-  
nes y Humanidades Digitales” que dirige Germán Rosati en la UN-  
SAM desde 2021.  
Rosati | Soria, Abarzúa, Favieri  
El riesgo está del lado de la crítica abstracta más que del retorno al empirismo ingenuo | 98 - 113  
111  
ENTREVISTA  
TRAMAS SOCIALES • N° 06 | ISSN: 2683-8095  
tancia. En el caso del Diploma hablamos, en general,  
de gente que ya está recibida, ya está formada, incluso  
transitó alguna formación de posgrado, en algunos ca-  
sos, o la está transitando. Y lo que quiere es adquirir un  
conjunto de habilidades vinculadas al análisis de datos  
con una perspectiva “moderna”, por decirlo de algu-  
na manera. No es un posgrado y es cierto que se abre  
una disyuntiva allí. Mi postura es mantenernos en ese  
formato “no posgrado formal” y que eventualmente  
después se pueda articular con otros posgrados más  
formalizados. De hecho, se han reconocido créditos  
en el Doctorado de la UNSAM y en algunas maestrías  
por cursar el Diploma. Pero creo que este formato nos  
sirve. En el nivel del grado creo que es necesaria una  
formación mucho más de mediano o largo aliento.  
uso del suelo) con cuestiones vinculadas a trayectorias  
vitales. En efecto, si abstraemos el dominio específi-  
co (suelo, trayectorias de vida, secuencias de ADN) lo  
cierto es que estamos lidiando con datos de secuen-  
cias. Entonces, allí se abre la posibilidad de usar una  
serie de herramientas de análisis de secuencias suma-  
mente útiles para construir, por ejemplo, tipologías de  
cambios en el uso del suelo22. Es más, esas herramien-  
tas son análogas en ese mismo sentido a buena parte  
de las técnicas de PLN. Hay una homología “metodo-  
lógica” allí que me resulta muy interesante. Entonces,  
estamos explorando un poquito algunas de esas herra-  
mientas y algunas fuentes en esa dirección.  
Y después estamos empezando un poco a laburar aho-  
ra sí con LLMs, estamos empezando a pensar cómo  
empezamos con un Silicon Sampling23 -un “muestreo de  
silicio”-, esto es, de alguna manera, aprovecharse un  
poco de los sesgos que efectivamente tienen los LLMs  
para plantear preguntas interesantes de investigación.  
Hay una serie de trabajos que están explorando esta  
cuestión. Esto, en el fondo no deja de hacer una simu-  
lación. Si yo le pido a un LLM que asuma un cierto rol y  
le hago algunas preguntas, en las cuales yo conozco el  
resultado en la población general puedo comparar am-  
bos resultados. Estamos pensando un poco, en cómo  
explorarlos un poco más para el contexto latinoame-  
ricano y argentino en principio. Hay muchos trabajos  
sobre Estados Unidos, como se imaginarán, pero para  
mí hay una serie de cuestiones interesantes que tienen  
que ver con explorar perfiles poco alcanzados por las  
encuestas. Te diría que en principio, eso son los laburos  
que estamos trabajando ahora sí de investigación.  
Anabella: Tiene que haber una sistematización, pero  
digo que cada vez les parece más arbitrario, ¿no? Un  
programa cerrado de contenidos.  
Germán: Es verdad que suele haber en muchas carre-  
ras de grado poca articulación entre las materias… es  
como que pusimos los títulos y después el contenido.  
Armamos los vasos y cada quien le puso el líquido que  
quería, ¿no? Pero creo que en todo caso supone la ne-  
cesidad de un mejor diseño curricular y no un achica-  
miento de contenidos.  
Un poco de futuro para el final  
Anabella: ¿En qué proyectos estás trabajando ahora o  
en qué estás poniendo atención?  
Germán: Bien. A ver, lo que estamos laburando ahora  
es parte de lo que yo vengo laburando en CONICET,  
que tiene que ver con expansión de frontera agraria.  
Hay estudiantes de grado que están trabajando su te-  
sina también alrededor de esa temática. Es un trabajo  
plural inclusivo, plural en serio, porque estamos traba-  
jando para identificar en el mapa distintas formas de  
expansión de la frontera agraria con productos deri-  
vados de imágenes satelitales y estamos tratando de  
construir trayectorias de uso del suelo, a nivel pixel,  
digamos, a nivel de cien metros cuadrados, con el ob-  
jetivo de poder mapear y cuantificar cómo cambió en  
cada pixelito, en cada manzana, cómo cambió el uso  
del suelo en los últimos 10, 15 años.  
Seguimos trabajando con la diplomatura, con una  
especie de reingeniería de algunos contenidos y pen-  
sando en cómo actualizar algunos contenidos que nos  
quedaron medio obsoletos. Sobre todo el módulo de  
NLP. Este año vamos a hacer una clase de LLM  
22 Un primer resultado puede leerse en Rosati, G. (2023). “Ana-  
lizando trayectorias de uso del suelo. Una propuesta de clusteriza-  
graficando.fahce.unlp.edu.ar/article/view/geoe130.  
23 Te invitamos a explorar este artículo:  
A mí es un tema que me resulta apasionante, porque  
es posible establecer algunas analogías “metodológi-  
cas” entre el tipo de dato que usamos (trayectorias de  
ticle/out-of-one-many-using-language-models-to-simulate-hu-  
man-samples/035D7C8A55B237942FB6DBAD7CAA4E49  
Rosati | Soria, Abarzúa, Favieri  
El riesgo está del lado de la crítica abstracta más que del retorno al empirismo ingenuo | 98 - 113  
112  
ENTREVISTA  
TRAMAS SOCIALES • N° 06 | ISSN: 2683-8095  
Francisco: Para cerrar, ahora sí ¿Qué futuro le ves a la  
sociología?  
les. Es evidente, entonces, que no se trata de una etapa  
expansiva.  
Germán: Como mencionábamos antes, hay una cues-  
tión que tiene que ver con la matriculación en las ca-  
rreras de grado. Me da la sensación de que es algo un  
poco general. No creo que sea un problema localizado  
en la UBA, pasa lo mismo en la UNSAM, aunque apa-  
rentemente no fue tan grave. Pero es bastante claro  
que hay un ataque muy fuerte sobre las Ciencias Socia-  
Pero quizás este contexto sea una oportunidad para re-  
pensar ciertas cuestiones. Puede ser un contexto más o  
menos propicio como para volver sobre algunas prácti-  
cas que tenemos naturalizadas y que, en última instan-  
cia tienen que ver con todo lo que estuvimos hablando:  
cierta forma de investigar, cierta pedagogía, cierto tipo  
de perfil que se está generando en las Ciencias Sociales.  
Rosati | Soria, Abarzúa, Favieri  
El riesgo está del lado de la crítica abstracta más que del retorno al empirismo ingenuo | 98 - 113  
113