{"id":1903,"date":"2026-06-04T15:31:26","date_gmt":"2026-06-04T18:31:26","guid":{"rendered":"https:\/\/datamining.dc.uba.ar\/predictivos\/?p=1903"},"modified":"2026-06-04T15:34:27","modified_gmt":"2026-06-04T18:34:27","slug":"la-educacion-no-tiene-que-ver-con-la-explicacion-tiene-que-ver-con-enamorarse-de-la-materia","status":"publish","type":"post","link":"https:\/\/datamining.dc.uba.ar\/predictivos\/?p=1903","title":{"rendered":"\u201cLa educaci\u00f3n no tiene que ver con la explicaci\u00f3n; tiene que ver con enamorarse de la materia\u201d"},"content":{"rendered":"

\"\"<\/a><\/p>\n

Gustavo Denicolay lleva dos d\u00e9cadas ense\u00f1ando Data Mining en Econom\u00eda y Finanzas en la Maestr\u00eda en Ciencia de Datos de la UBA. En esta entrevista repasa las transformaciones de la disciplina, el impacto de la inteligencia artificial en el aula y los cambios demogr\u00e1ficos que est\u00e1n por redise\u00f1ar la educaci\u00f3n superior en Argentina.<\/span><\/i><\/p>\n

Hay docentes que ense\u00f1an una materia. Y hay docentes que vivieron el nacimiento de una disciplina. Gustavo Denicolay<\/strong> es de los segundos. Ingeniero en Computaci\u00f3n de la Universidad de la Rep\u00fablica (Uruguay), egresado de la Licenciatura en Inform\u00e1tica de la ESLAI y Mag\u00edster en Administraci\u00f3n de Empresas del CEMA; es consultor de Data Science, Marketing y Finanzas para los principales bancos y entidades financieras del pa\u00eds desde 2002. Dicta clases de ciencia de datos en la Maestr\u00eda en Ciencia de Datos de la UBA desde 2005 \u2014casi desde su fundaci\u00f3n\u2014 y en otras universidades privadas. Pocos en la Maestr\u00eda pueden contar la historia del campo desde adentro con tanta continuidad.<\/span><\/p>\n

Gustavo, sos uno de los docentes hist\u00f3ricos de la Maestr\u00eda. \u00bfC\u00f3mo describir\u00edas la evoluci\u00f3n de la disciplina en estos \u00faltimos 20 a\u00f1os?<\/b><\/p>\n

El cambio m\u00e1s visible fue la democratizaci\u00f3n de la ciencia de datos. Al comienzo, hasta el 2012-2013 aproximadamente, el 55 por ciento de los alumnos ven\u00eda del \u00e1rea de sistemas. Hoy ni siquiera son la primera minor\u00eda. Hay maestr\u00edas donde representan el 10 o el 12 por ciento. Los economistas y los licenciados en administraci\u00f3n de empresas los superan ampliamente. Ya hay m\u00e9dicos y hay abogados. El a\u00f1o pasado tuvimos cuatro m\u00e9dicos en la maestr\u00eda de la UBA. Antes pod\u00edan pasar seis a\u00f1os sin que entrara un m\u00e9dico.<\/span><\/p>\n

Eso cambi\u00f3 absolutamente todo: c\u00f3mo se ense\u00f1a, qu\u00e9 cosas hay que apoyar m\u00e1s y con qu\u00e9 nos enfrentamos, porque muchos alumnos llegaban sin saber programar. Y no es algo que se aprende en un curso de ingreso. Llevar una idea a c\u00f3digo implica bastante pr\u00e1ctica y horas de entrenamiento.<\/span><\/p>\n

\u00bfY en cuanto a las herramientas que se usaban?<\/b><\/p>\n

Ese fue otro cambio gigantesco. Yo soy tan antiguo que cuando empec\u00e9 no era todo Open Source. La maestr\u00eda ten\u00eda convenio con SPSS; otras universidades usaban SAS, que costaba 120.000 d\u00f3lares de licencia m\u00e1s 60.000 de mantenimiento anual. Solo las empresas m\u00e1s grandes del mundo pod\u00edan comprarlo. Eso cambi\u00f3 alrededor de 2014 y 2015, cuando todo empez\u00f3 a ser gratuito. En la Maestr\u00eda reci\u00e9n adoptamos las herramientas nuevas en 2016. Fue el click en cuanto a herramientas. Ese cambio llev\u00f3 la ciencia de datos a empresas que no eran gigantescas.<\/span><\/p>\n

\u00bfC\u00f3mo encar\u00e1s la materia de Data Mining en Econom\u00eda y Finanzas para que los alumnos no la vivan como algo \u00e1rido o puramente t\u00e9cnico?<\/b><\/p>\n

La materia siempre fue muy pr\u00e1ctica. Hay una competencia \u2014desde 2019 usamos la plataforma Kaggle\u2014 donde el ganador es el que m\u00e1s plata obtiene en pesos argentinos, en su campa\u00f1a de marketing. El ejercicio es real: retenci\u00f3n de clientes VIP de una entidad financiera. \u00bfCu\u00e1les van a darse de baja? \u00bfA cu\u00e1les les conviene hacerles una campa\u00f1a? Los alumnos construyen un modelo predictivo, le asignan un est\u00edmulo a los clientes que consideran m\u00e1s propensos a abandonar y al final la competencia se resuelve en dinero concreto: \u00bfcu\u00e1nto captur\u00f3 cada equipo? Eso engancha, porque cualquier alumno, trabaje en Finanzas, en Retail, en una Telco o en Seguros, sabe que en su empresa tambi\u00e9n necesitan retener clientes.<\/span><\/p>\n

Y los datos financieros argentinos tienen algo especial: son tremendamente vivos. Vivieron una inflaci\u00f3n alt\u00edsima, cambios de administraci\u00f3n, restricciones cambiarias, saltos del d\u00f3lar e incluso la pandemia. Los alumnos dicen: \u00abesto ya lo viv\u00ed\u00bb. Tienen que aprender a detectar esos picos y decidir c\u00f3mo tratarlos para que no contaminen el modelo. Es una lecci\u00f3n metodol\u00f3gica que ning\u00fan dataset est\u00e1tico puede ense\u00f1ar de la misma manera.<\/span><\/p>\n

En definitiva, para enamorar a los alumnos de la materia hay que contarles historias y plantearles problemas que sientan cercanos a los que van a tener en el ejercicio profesional.<\/span><\/p>\n

\u00bfTen\u00e9s alg\u00fan marco te\u00f3rico que oriente tu forma de ense\u00f1ar?<\/b><\/p>\n

Seymour Papert. Era matem\u00e1tico, disc\u00edpulo de Jean Piaget en Suiza, uno de los fundadores del Media Lab del MIT, e inventor del lenguaje Logo para ni\u00f1os, el ancestro del Scratch que se usa hoy en las escuelas. Desarroll\u00f3 lo que llam\u00f3 construccionismo: aprendemos de manera m\u00e1s efectiva cuando construimos cosas tangibles en el mundo real.<\/span><\/p>\n

Papert ten\u00eda una idea muy provocadora sobre qu\u00e9 es lo que realmente produce aprendizaje. Dec\u00eda que hay que preguntarse qu\u00e9 genera implicaci\u00f3n, qu\u00e9 atrapa a cada persona, y que eso est\u00e1 mucho m\u00e1s relacionado con el amor que con la l\u00f3gica, mucho m\u00e1s relacionado con c\u00f3mo uno se ve a s\u00ed mismo encajando en el tejido social y cultural que con el orden l\u00f3gico de los contenidos. Su frase m\u00e1s citada es contundente: \u00abla educaci\u00f3n tiene muy poco que ver con la explicaci\u00f3n; tiene que ver con el compromiso, con enamorarse del material\u00bb. Y eso lo llevaba a cuatro condiciones concretas para que ese enamoramiento ocurra: 1. proyectos reales que los alumnos sientan cercanos a su realidad; 2. pares, hacerlo con otros; 3. juego, probar combinaciones, equivocarse y ajustar (el error no es un fracaso, es parte del camino) y 4. un desaf\u00edo genuino donde tengas que combinar cosas, como en un Lego, para encontrar la mejor soluci\u00f3n.\u00a0<\/span><\/p>\n

Cuando todo eso se da junto, el alumno no estudia porque tiene que estudiar: quiere pasar m\u00e1s horas con eso.\u00a0 Las competencias tienen exactamente ese efecto. Cuatro meses intentando lo mismo, comparti\u00e9ndose trucos, queriendo ganarle al otro equipo. Es una cancha y los alentamos. Y desde la pandemia tenemos un chat en vivo donde la clase contin\u00faa: los profesores tiramos ideas, los alumnos comentan y discutimos juntos. Se genera una din\u00e1mica emergente que antes no exist\u00eda.<\/span><\/p>\n

\u00bfY c\u00f3mo cambia todo eso con la irrupci\u00f3n de ChatGPT y los modelos de lenguaje?<\/b><\/p>\n

Tiene pros y contras muy concretos. La ventaja: gente que antes no estaba capacitada para escribir c\u00f3digo ahora puede hacerlo. En clase se genera m\u00e1s c\u00f3digo que antes; los alumnos llegan a construir cosas que antes les resultaban inalcanzables. Una alumna me cont\u00f3 que usa ChatGPT para casi todo en su vida cotidiana, que se convirti\u00f3 en un compa\u00f1ero permanente. Y no es la excepci\u00f3n: hay alumnos que terminaron la Maestr\u00eda dici\u00e9ndome que ChatGPT fue su compa\u00f1ero durante los dos a\u00f1os y ahora los acompa\u00f1a en la tesis.<\/span><\/p>\n

El problema es m\u00e1s sutil. Como dec\u00eda Papert: la educaci\u00f3n tiene poco que ver con la explicaci\u00f3n y mucho con el engagement, con que el alumno se enganche con la materia. Para enamorarse, algunas cosas tienen que costarte un poco. Si vas a ChatGPT y con eso resolv\u00e9s un trabajo pr\u00e1ctico (porque el trabajo pr\u00e1ctico est\u00e1 mal dise\u00f1ado y se puede responder con IA), no te queda tiempo para empezar a enamorarte de la ciencia de datos. Porque no acumul\u00e1s las horas de exposici\u00f3n que necesita ese proceso.<\/span><\/p>\n

Hay que usar la IA para que el alumno diga: \u00abquiero pasar m\u00e1s horas con esto porque ahora puedo hacer cosas que antes no pod\u00eda.\u00bb No para zafar. Lo que veo son dos tipos de alumnos: el que usa la IA para construir cosas con sus manos, para probar ideas nuevas y para engancharse m\u00e1s. Y el que se recuesta en ella para pasar el menor tiempo posible en la materia. Para el primero, la IA es un amplificador. Para el segundo, puede ser un cortocircuito que impide que nazca el amor por la disciplina.<\/span><\/p>\n

Actualmente existe un claro temor a que la IA elimine empleos en el \u00e1rea. \u00bfLo compart\u00eds?<\/b><\/p>\n

Hay que mirar la historia. Geoffrey Hinton \u2014premio Turing 2018 y Nobel de F\u00edsica 2024, la \u00fanica persona que tiene ambos premios\u2014 dijo en 2016 que los especialistas en im\u00e1genes m\u00e9dicas iban a desaparecer porque las computadoras ya reconoc\u00edan tumores mejor que ellos. Hoy hacen falta m\u00e1s especialistas en im\u00e1genes que antes. Los mam\u00f3grafos modernos obtienen cien im\u00e1genes en vez de dos: la IA ayuda a procesarlas, pero alguien tiene que interpretar, decidir, contextualizar. El mismo Hinton en 2025 admiti\u00f3 que se equivoc\u00f3 con esa predicci\u00f3n.<\/span><\/p>\n

Lo que pasa siempre es que los trabajos se transforman. En todas las empresas donde trabajo hay m\u00e1s \u00e1reas de ciencia de datos ahora que hace cinco a\u00f1os. En YPF hay m\u00e1s de un sector dedicado a esto. Los empleos no desaparecen: cambian y se multiplican. S\u00ed existe un riesgo real para quien tiene 50 y pico de a\u00f1os muy especializado en algo que se automatiz\u00f3 y ya no tiene tiempo de reconvertirse. Eso pasa. Pero para quien est\u00e1 en formaci\u00f3n o puede actualizarse, la se\u00f1al es clara: hay m\u00e1s trabajo, en m\u00e1s dominios, con problemas m\u00e1s interesantes.<\/span><\/p>\n

Contanos un poco de tu actividad privada. \u00bfEn qu\u00e9 proyectos est\u00e1s trabajando?<\/b><\/p>\n

Sigo trabajando en el mundo de finanzas: datos de bancos, empresas de seguros, riesgo crediticio y fraude financiero. Este \u00faltimo creci\u00f3 enormemente con la pandemia. Hoy desde cualquier lugar del mundo se pueden hacer estafas de forma remota, sin el riesgo f\u00edsico de antes. Y con el crecimiento explosivo de las operaciones online, el volumen de transacciones a analizar se multiplic\u00f3. Son problemas que requieren modelos muy robustos, muy bien calibrados, porque el costo de equivocarse es alto en los dos sentidos: si dej\u00e1s pasar fraude o si fren\u00e1s operaciones leg\u00edtimas.<\/span><\/p>\n

Pero lo m\u00e1s interesante en lo que estoy ahora tiene que ver con un l\u00edmite que siempre tuvieron los modelos predictivos tradicionales. Un modelo te dice: este cliente tiene un 70% de probabilidad de irse. Eso es \u00fatil. Pero la empresa quiere saber m\u00e1s: \u00bfqu\u00e9 hace que se vaya? \u00bfQu\u00e9 pasa si le cambio el precio? \u00bfSi me comunico por otro canal? \u00bfSi encadeno las interacciones de cierta forma, primero esto, luego aquello y un mensaje al final? El modelo cl\u00e1sico no puede responder esas preguntas porque es descriptivo, no causal.<\/span><\/p>\n

Ah\u00ed aparece la importancia de que los modelos predictivos sean robustos y que la empresa pueda entenderlos, que pueda entender realmente c\u00f3mo funcionan para tomar mejores decisiones.<\/b><\/p>\n

Exactamente. Y eso es lo que diferencia un modelo que genera impacto de uno que queda archivado. Las empresas no quieren solo una \u201ccaja negra\u201d que predice con un algoritmo poderoso. Quieren entender los engranajes. \u00bfQu\u00e9 hace que este cliente compre o no compre? \u00bfQu\u00e9 variables muevo yo como empresa para cambiar ese resultado?<\/span><\/p>\n

Lo que se est\u00e1 construyendo ahora son modelos de causa-efecto, lo que se empieza a llamar World Models o modelos del mundo (se recomienda ver el paper \u201c<\/span>Understanding World or Predicting Future? A Comprehensive Survey of World Models<\/span><\/a>\u201d). Se trata de simuladores que reproducen c\u00f3mo funciona la relaci\u00f3n con los clientes. La idea es que los responsables de negocio puedan \u00abjugar\u00bb con ese simulador. Subir el precio, cambiar el canal de comunicaci\u00f3n, modificar la secuencia de interacciones, ver qu\u00e9 pasa si la competencia hace una movida. Todo esto est\u00e1 relacionado con los modelos causales estructurales.<\/span><\/p>\n

Te doy un ejemplo concreto. En riesgo crediticio, la pregunta no es solo \u00ab\u00bfeste cliente va a pagar?\u00bb. La pregunta m\u00e1s interesante es: \u00bfy si le ofrezco el pr\u00e9stamo junto con un amigo, de modo que compartan la carga? \u00bfMejora la tasa de repago porque ninguno quiere quedar mal frente al otro? Eso es un What If. Para responderlo necesit\u00e1s un simulador del mundo, no solo un predictor. Creo que es lo m\u00e1s interesante que est\u00e1 pasando en el campo ahora mismo.<\/span><\/p>\n

Para cerrar: \u00bfqu\u00e9 cambios estructurales ves venir en la educaci\u00f3n superior en Argentina?<\/b><\/p>\n

\"\"<\/a>Hay una ola que ya arranc\u00f3 y es imparable. Desde 2016 nace un 40% menos de gente en Argentina. Eso ya cerr\u00f3 maternidades, jardines y primarias. En dos a\u00f1os llega a los secundarios. En ocho a\u00f1os llega a las universidades. Un 40% menos de estudiantes. Quien no se prepare para eso va a tener un problema muy serio: van a hacer falta 40% menos de profesores y seguramente muchas instituciones privadas van a tener que cerrar o fusionarse.<\/span><\/p>\n

Pero hay otra ola que va en sentido contrario: los adultos que decidieron tener menos hijos tienen m\u00e1s tiempo libre. Van a necesitar m\u00e1s educaci\u00f3n, m\u00e1s actualizaci\u00f3n permanente. Las maestr\u00edas van a rejuvenecer \u2014en Europa ya se hacen a los 26 a\u00f1os, no a los 33\u2014. Y hay mucha gente que desde el AMBA se va a ir a vivir a la Patagonia con Vaca Muerta, al norte por la industria del Litio o a otros polos. Eso abre una oportunidad enorme para la educaci\u00f3n virtual de calidad: con la misma exigencia, con ex\u00e1menes orales y con todo lo que garantice que no se haga trampa.<\/span><\/p>\n

Y despu\u00e9s est\u00e1 el ingl\u00e9s. Si tenemos profesores capacitados para dictar en ingl\u00e9s, \u00bfpor qu\u00e9 no ofrecer los posgrados para el exterior de forma virtual? Todos estos cambios son desaf\u00edos en s\u00ed mismos. Pero sobre todo son posibilidades que hay que empezar a pensar ahora, sin perder tiempo, porque la ola ya arranc\u00f3.<\/span><\/p>\n

 <\/p>\n","protected":false},"excerpt":{"rendered":"

Gustavo Denicolay lleva dos d\u00e9cadas ense\u00f1ando Data Mining en Econom\u00eda y Finanzas en la Maestr\u00eda en Ciencia de Datos de la UBA. En esta entrevista repasa las transformaciones de la disciplina, el impacto de la inteligencia artificial en el aula y los cambios demogr\u00e1ficos que est\u00e1n por redise\u00f1ar la educaci\u00f3n superior en Argentina.<\/p>\n","protected":false},"author":4,"featured_media":1905,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_mi_skip_tracking":false},"categories":[24,22],"tags":[],"_links":{"self":[{"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=\/wp\/v2\/posts\/1903"}],"collection":[{"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=\/wp\/v2\/users\/4"}],"replies":[{"embeddable":true,"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=1903"}],"version-history":[{"count":3,"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=\/wp\/v2\/posts\/1903\/revisions"}],"predecessor-version":[{"id":1909,"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=\/wp\/v2\/posts\/1903\/revisions\/1909"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=\/wp\/v2\/media\/1905"}],"wp:attachment":[{"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=1903"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=1903"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/datamining.dc.uba.ar\/predictivos\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=1903"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}