Una reciente publicación en la revista “npj Climate and Atmospheric Science” de Nature propone un nuevo marco conceptual para clasificar los datos generados por sensores de calidad del aire. El objetivo es ayudar a usuarios e instituciones a distinguir entre distintos tipos de productos de datos, reforzar la trazabilidad y fomentar el desarrollo de tecnologías más confiables y accesibles. 

La investigación  “A framework for advancing independent air quality sensor measurements via transparent data generating process classification“, liderada por Sebastián Diez, investigador del Centro de Investigación C+ de la Facultad de Ingeniería UDD, surge ante la creciente dependencia de sensores de bajo costo en contextos donde el monitoreo tradicional de la calidad del aire es escaso o inexistente. Si bien estas tecnologías abren nuevas oportunidades de medición, especialmente en países de ingresos bajos y regiones desatendidas, también plantean desafíos importantes en términos de transparencia y confiabilidad. 

“La mayoría de los usuarios no sabe qué tipo de proceso está detrás de los datos que utilizan. A veces, lo que creemos que es una medición puede ser en realidad el resultado de un modelo predictivo opaco, difícil de auditar”, explica Diez. 

El artículo introduce el concepto de mediciones independientes con sensores (ISM, por su sigla en inglés), definiendo criterios mínimos para distinguirlas de estimaciones más procesadas o dependientes de insumos externos. Además, propone una tabla de clasificación de niveles de procesamiento para que fabricantes, investigadores y agencias reguladoras puedan etiquetar sus productos de forma clara y comparable. 

La propuesta fue desarrollada por un equipo internacional de expertos en calidad del aire, metrología y ciencia de datos, provenientes de 13 instituciones en Europa, América Latina y Estados Unidos. El trabajo busca avanzar hacia sistemas de sensores más robustos, fomentar la innovación tecnológica y, en última instancia, contribuir a una mejor toma de decisiones en salud pública. 

Puedes leer el artículo completo aquí: A framework for advancing independent air quality sensor measurements via transparent data generating process classification