Un proyecto de investigación presenta aprendizajes sobre cómo las comunidades educativas respondieron a la crisis sanitaria y qué estrategias pueden fortalecer la resiliencia del sistema educativo frente a futuros riesgos.

El estudio, denominado “Educación y participación ciudadana en la gestión y reducción de riesgos de desastres en el Área Metropolitana de Asunción y Bajo Chaco: el caso de los Comités Educativos Institucionales para la Gestión del Riesgo (CEIGR) en la pandemia de la covid-19”, analizó el funcionamiento de estos comités en 25 instituciones educativas, con el objetivo de comprender cómo se tomaron decisiones y qué mecanismos permitieron sostener la continuidad educativa en un contexto de emergencia.

Entre los principales hallazgos se destaca el papel de la coordinación interinstitucional durante la pandemia. En el ámbito educativo, el Ministerio de Educación y Ciencias (MEC) brindó acompañamiento a las instituciones a través de guías prácticas y capacitaciones orientadas a la gestión del riesgo en las escuelas.

En este proceso, los supervisores educativos cumplieron un rol fundamental como vínculo entre las autoridades educativas y las comunidades escolares.

Los resultados muestran que las decisiones tomadas durante la pandemia fueron mayoritariamente colectivas y participativas, lo que contribuyó a fortalecer la autonomía de las comunidades educativas. El proyecto propone recomendaciones estratégicas orientadas a fortalecer el sistema educativo

La defensa de Google afirmó el martes que su filial YouTube no buscó hacer intencionalmente esta plataforma adictiva para los niños, en el segundo día de un juicio en Estados Unidos que puede marcar un precedente para cientos de casos contra las gigantes tecnológicas. YouTube “no quiere volver a la gente adicta (a su sitio) más de lo que lo estarían a los buenos libros o al aprendizaje de cosas nuevas”, explicó el abogado Luis Li en su alegato inicial ante los 12 miembros del jurado en un tribunal civil de Los Ángeles.

El lunes, en la apertura de las audiencias, el abogado de la demandante, Mark Lanier, acusó a Google y a Meta, matriz de Facebook e Instagram, de “volver adictos los cerebros de los niños”. “Lo hicieron a propósito”, afirmó. La demanda se centra en las acusaciones de una mujer de 20 años, identificada como Kaley G.M, que sufrió un grave daño mental porque se volvió adicta a las redes sociales cuando era niña.

Esta dependencia le causó depresión, ansiedad y trastornos de la imagen propia. YouTube no intenta “meterse en tu cerebro y reconfigurarlo”, recalcó Li. Mencionó comunicaciones internas de directivos de YouTube que, según él, mostraban la intención de privilegiar la calidad de los contenidos sobre su viralidad.

Los contenidos se vuelven populares en la plataforma porque los usuarios los recomiendan, agregó, no por acción de la empresa. “No es adicta a YouTube. La pueden escuchar en sus propias palabras (...) ella dijo que no, su doctor lo dijo, su padre lo dijo”, aseguró Li. “No es adicción a las redes sociales cuando no es una red social y no hay adicción”, insistió, cuestionando la definición que a menudo se aplica a YouTube.

TikTok y Snapchat debían inicialmente responder por las mismas acusaciones, pero prefirieron llegar a un acuerdo amistoso con la presunta víctima, por un monto confidencial. Frente a operadores protegidos por la ley estadounidense en cuanto a los contenidos de sus plataformas, los demandantes en este y otros casos cuestionan el diseño de las redes sociales, es decir, el algoritmo y las funciones de personalización que fomentan el visionado compulsivo de contenidos.

Los demandantes acusan a este diseño de ser negligente y nocivo. Retoman así una estrategia llevada a cabo con éxito contra la industria tabacalera en las décadas de 1990 y 2000. El resultado de las audiencias podría sentar un precedente judicial en materia de responsabilidad civil de los operadores de redes sociales.

Fuente: AFP.

La economía de México registró el año pasado su peor desempeño desde el desplome que provocó en 2020 la pandemia de covid, lastrada por las persistentes tensiones comerciales con Estados Unidos, el principal destino de sus exportaciones.

Las cifras oficiales publicadas este viernes muestran que la expansión anual del Producto Interno Bruto (PIB) de México, la segunda economía de América Latina después de la de Brasil, fue de apenas 0,7 % en 2025.

Este constituye el peor resultado desde la contracción de 8,5 % que anotó en 2020, según datos del instituto nacional de estadística, INEGI. En 2024, la economía mexicana creció 1,2 %.

El débil desempeño del año pasado coincidió con el regreso a la Casa Blanca de Donald Trump, quien encabezó una ofensiva proteccionista mundial al imponer aranceles a las exportaciones de numerosos países.

México, que envía a Estados Unidos más del 80 % de sus exportaciones, resulta particularmente vulnerable a las políticas comerciales de Trump, lo que ha generado incertidumbre en sectores empresariales y en el clima de negocios en general.

“La administración de Trump sigue representando un riesgo para las exportaciones mexicanas y el crecimiento económico”, señaló Gabriela Siller, directora de análisis del grupo financiero BASE en un reporte tras la publicación del indicador.

Te puede interesar: Legislador colombiano y otras 14 personas mueren en accidente aéreo

La cifra de crecimiento resultó, no obstante, levemente superior al consenso de las estimaciones de analistas del sector privado, que esperaban una expansión de 0,4 %, según la más reciente encuesta del banco central mexicano.

El crecimiento anual estuvo encabezado por las actividades primarias, que abarcan sectores como la pesca, la agricultura y la ganadería, que crecieron 3,7 %, según el reporte del INEGI.

El vasto sector de servicios (actividades terciarias) creció 1,4 % con respecto a 2024, mientras la industria y el sector manufacturero (actividades secundarias), fuertemente orientadas a la exportación a Estados Unidos, cayeron 1,1 %.

En el cuarto trimestre de 2025 el PIB mexicano creció 1,6 % con respecto al mismo trimestre del año previo.

La expansión estuvo encabezada por las actividades primarias, que aumentaron 6 % con respecto al mismo trimestre de 2024. Las actividades secundarias, en tanto, avanzaron solo 0,3 %, mientras las terciarias crecieron 2 %.

Para Siller, el crecimiento del cuarto trimestre y la cifra débil pero positiva de todo 2025 “evitó la recesión” en México, pero no conjura la amenaza de un “estancamiento” económico, debido a factores como un aumento de la informalidad laboral y una caída de la inversión productiva.

• Fuente: AFP

Lea más: Militares venezolanos juraron “lealtad y subordinación” a Delcy Rodríguez

AlphaGenome, la herramienta de inteligencia artificial (IA) de Google hecha pública el miércoles, da un paso más en la comprensión del genoma al analizar cómo determinadas porciones del ADN regulan la actividad de los genes en la célula. El decodificación del conjunto del genoma humano en 2003 “nos dio el libro de la vida, pero leerlo sigue siendo un desafío”, destacó Pushmeet Kohli, vicepresidente de investigación de Google DeepMind, con motivo de la presentación de AlphaGenome en la revista Nature.

“Tenemos el texto” —la sucesión de 3.000 millones de pares de nucleótidos A, T, C y G que componen el ADN—, pero “comprender la gramática y la manera en que ésta gobierna la vida constituye la próxima gran frontera de la investigación”, subrayó ante la prensa. Solo 2 % de las secuencias de ADN “codifican” directamente proteínas, indispensables para el funcionamiento de los organismos vivos.

El 98 % restante desempeña un papel de “director de orquesta”: coordina, protege y regula la expresión de la información genética en cada una de nuestras células. Estas secuencias, llamadas “no codificantes”, contienen numerosas variantes asociadas a enfermedades. Es justamente ésto lo que AlphaGenome estudia, complementando otros modelos desarrollados por el laboratorio de IA de Google: AlphaMissense (análisis de las secuencias codificantes del ADN), AlphaProteo (diseño de proteínas) y AlphaFold (predicción de la estructura de proteínas, que obtuvo el premio Nobel de Química en 2024).

El modelo de aprendizaje profundo (en el que una red neuronal aprende a reconocer automáticamente patrones complejos) fue entrenado con datos procedentes de grandes consorcios públicos, que midieron experimentalmente estas propiedades en cientos de tipos de células y tejidos en humanos y ratones. Es capaz de analizar una larga secuencia de ADN y “predecir” la influencia de cada par de nucleótidos en distintos procesos biológicos de la célula.

Ya existían otros modelos, pero debían adoptar un compromiso entre la longitud de las secuencias analizadas y la precisión de la resolución.

Una secuencia larga —de hasta un millón de pares de nucleótidos— es “necesaria para comprender el entorno regulador completo de un único gen”, explica Ziga Avsec, uno de los coautores del proyecto.

La precisión de la resolución permite estudiar el efecto de variantes genéticas comparando las predicciones de secuencias mutadas con las de secuencias no mutadas.

Otro avance es que AlphaGenome modela simultáneamente la influencia de la secuencia sobre once procesos biológicos, mientras que hasta ahora los científicos debían utilizar varios modelos.

Esta herramienta “puede acelerar nuestra comprensión del genoma ayudando a cartografiar la ubicación de los elementos funcionales y a determinar sus roles a nivel molecular”, estima Natasha Latysheva, también coautora.

“Esperamos que los investigadores lo enriquezcan con más datos y modalidades”, señala Kohli sobre el modelo, que ya fue probado por 3.000 científicos de 160 países y que ahora está disponible en código abierto para la investigación no comercial.

“Identificar con precisión las diferencias en nuestros genomas que nos hacen más o menos susceptibles a desarrollar miles de enfermedades es un paso clave hacia mejores tratamientos”, observa Ben Lehner, responsable de genómica generativa y sintética en el Wellcome Sanger Institute, de Cambridge.

El investigador, que no participó en el proyecto, pero probó el modelo, lo considera “muy eficaz”, aunque todavía “lejos de ser perfecto”.

“Los modelos de IA son tan buenos como los datos utilizados para entrenarlos”, y la mayoría de los conjuntos de datos existentes “son demasiado pequeños y no están suficientemente estandarizados”, explica en una reacción al organismo británico Science Media Center (SMC).

AlphaGenome no es una “solución milagrosa para todas las cuestiones biológicas”, ya que la expresión de los genes “es influida por factores ambientales complejos, pero constituye una herramienta fundamental”, coincide Robert Goldstone, responsable de genómica en el Francis Crick Institute, citado en el mismo texto. Según él, esta nueva herramienta permitirá a los científicos “estudiar y simular de manera programática las bases genéticas de las enfermedades complejas”.

Fuente: AFP.