
Implementación experimental centrada en la privacidad de un marco sociológico para el análisis posicional multiplataforma.
Análisis Observacional y Sociodinámico Multiplataforma de Configuraciones Individuales
Este repositorio es una prueba de concepto. MOSAIC es un marco sociológico para el análisis conductual multiplataforma, construido en artículos antes de ser construido en código. Lo que encuentras aquí es su primer banco de pruebas: el lugar donde la teoría se encuentra con datos reales, y donde se le permite romperse.

Consideremos un caso ilustrativo. La misma persona participa en distintos entornos digitales. En GitHub, sus contribuciones parecen metódicas y colaborativas. En Reddit, sus intercambios son más confrontativos. En los comentarios de YouTube, son más breves y desdeñosos.
La mayoría de las herramientas preguntarían qué descripción captura mejor a la persona. MOSAIC plantea una pregunta distinta: ¿qué explica la variación entre contextos, y qué puede inferirse legítimamente de ella?
No quién es alguien. Dónde se sitúa.
La hipótesis central del marco:
Las huellas digitales no deben interpretarse como señales conductuales estables, sino como una varianza posicional estructurada a través de entornos sociotécnicos.
La varianza entre plataformas no es ruido que haya que filtrar. Es la señal. El marco propone leerla a través de tres componentes:
Estas son categorías analíticas, no descubrimientos. "Lo que se escapa" no revela un "verdadero yo" oculto tras la presentación pública; señala dónde las dos primeras lecturas dejan de explicar los datos. Los tres se leen como una estructura, nunca se colapsan en una puntuación.
Este es un marco conceptual. Sus hipótesis aún no están validadas empíricamente, y el código actual no las demuestra.
Estas distinciones son compromisos metodológicos, no garantías. La intención teórica por sí sola no determina lo que hace un sistema: los datos que recopila, los resultados que genera y los usos que hace posibles importan igualmente.
| Diseñado para no | Diseñado para |
|---|---|
| Inferir la personalidad | Analizar cómo varía la expresión entre contextos |
| Predecir el comportamiento | Describir los movimientos que una posición hace plausibles |
| Perfilar psicológicamente | Mapear una posición dentro de un campo |
| Vigilar | Producir una lectura en un momento dado, indexada en el tiempo |
Cada compromiso se sostiene solo si la práctica lo respeta. "Plausible" sigue siendo una inferencia, no una predicción validada. Describir una posición no es en sí mismo un perfil psicológico, pero puede derivar hacia uno si atribuye características estables a una persona. Una lectura indexada en el tiempo no es en sí misma vigilancia, pero puede servirle si la recopilación, el consentimiento, la retención y el uso no siguen el mismo compromiso.
El gran maestro no necesita conocer al jugador. La posición es suficiente.
| Estado | |
|---|---|
| Teoría: arquitectura de tres niveles, descomposición de señales, capital posicional, compromisos epistemológicos | Paper I — documento de trabajo, no revisado por pares |
| Método: protocolos para cada componente, gramática de decisiones analíticas, validación | Paper II — en preparación |
| Código: recopilación multiplataforma, estructuración, lectura asistida por LLM | PoC alfa — este repositorio |
El código va deliberadamente por detrás de la teoría. Recopila, estructura y puede producir resultados asistidos por LLM. Esos resultados aún no son una aplicación completa ni reproducible de los protocolos del marco, que se están especificando en el Paper II. Las plantillas de prompts actuales son anteriores al marco y se reescribirán para seguirlo.
MOSAIC proporciona una gramática para el análisis, no un procedimiento analítico validado. El código actual puede producir resultados asistidos por LLM, pero el analista sigue siendo responsable de interpretarlos.

git clone https://github.com/Or1un/MOSAIC.git && cd MOSAIC
pip install -r requirements.txt
cp modules/config.yaml.example modules/config.yaml # optional: YouTube, Telegram keys
python3 mosaic.py
Análisis con LLM local (recomendado):
pip install -r requirements_llm.txt
curl -fsSL https://ollama.com/install.sh | sh # Windows: https://ollama.com/download
ollama serve &
ollama pull mistral:7b-instruct
Fuentes: GitHub, Stack Overflow · Reddit, Telegram, Mastodon, Bluesky · YouTube, Medium
Privacidad ante todo, en la práctica
Privacidad ante todo significa local por defecto, para el analista y para la persona analizada.
results/ (ignorado por git).results/ cuando finalice un análisis.Privacidad ante todo es un valor por defecto de diseño, no una garantía: solo se cumple mientras el analista lo respete.
Para quién es
Autoanálisis, investigación sociodinámica y análisis con sujetos voluntarios. Saber que existe un análisis no es lo mismo que consentirlo, y el consentimiento por sí solo no resuelve la proporcionalidad, la minimización de datos ni la reutilización de resultados. Para los análisis con voluntarios, las condiciones de consentimiento y retirada se especificarán con la convocatoria de participantes del Paper II.
No es para vigilancia, acecho, acoso, perfilado de alguien sin su conocimiento ni análisis automatizado masivo.
Cumplimiento. Eres responsable del RGPD y de la legislación local. MOSAIC no hace que un uso sea conforme; este README describe la herramienta, no una garantía legal.
El objetivo no es confirmar la teoría, sino ver qué partes sobreviven al contacto con datos reales. Cuestiona los supuestos, el método, la ética. Señala dónde falla.
Issues y Discussions en GitHub · [email protected]