Art in Humanity's Code

Resumen Técnico: El Arte en el Código de la Humanidad

Planteamiento del Problema
Si bien las bibliotecas de código abierto lideradas por artistas, tales como Processing, openFrameworks y p5.js, han influido significamente en los campos del arte generativo y la programación creativa, existe una falta de datos empíricos a gran escala sobre la diversidad, distribución y preservación de estas prácticas. Las investigaciones previas se han basado en entrevistas, estudios de caso o propuestas de nuevas técnicas, dejando un vacío en la comprensión de la escala global de las obras basadas en código. Además, la fragilidad del arte digital plantea un desafío de conservación; el código alojado en plataformas que pueden cerrar o ser eliminadas por sus autores conlleva el riesgo de una pérdida permanente. Este estudio aborda la necesidad de cuantificar el alcance de los repositorios de arte generativo, analizar la diversidad geográfica y técnica de sus colaboradores y evaluar el papel de los archivos en la preservación de este patrimonio digital.

Metodología
Los autores llevaron a cabo un estudio empírico a gran escala utilizando el archivo Software Heritage (SWH), que contiene más de 400 millones de repositorios de código. La metodología consistió en cuatro escalas distintas de análisis:

1. Minería de Datos y Curaduría: Los investigadores minaron el conjunto de datos del grafo de SWH (versión 2025-05-18) en busca de 1,613,571 repositorios que contuvieran "señales relacionadas con el arte" específicas. Estas señales se definieron como la presencia de archivos o extensiones de archivo específicos asociados con siete entornos de programación clave: p5.js, openFrameworks, Processing, SuperCollider, TouchDesigner, nodebox y vvvv. Para garantizar la escalabilidad, la búsqueda se centró en patrones de nombres de archivos (por ejemplo, .pde, .scd, ofApp.cpp) en lugar de analizar el contenido de los archivos o las declaraciones de dependencias.
2. Pregunta de Investigación 1 (Alojamiento y Preservación): Se analizó el conjunto de datos completo para determinar las plataformas de alojamiento (por ejemplo, GitHub, GitLab, Bitbucket) y el estado de disponibilidad de los repositorios. Se enviaron solicitudes HTTP a las URL de alojamiento originales para clasificar los repositorios como "en línea" o "fuera de línea" (archivados pero ya no accesibles en la fuente).
3. Pregunta de Investigación 2 (Distribución Geográfica): Se seleccionó una muestra aleatoria del 10% de los repositorios de GitHub en línea (154,832 repos) . Se identificó al colaborador principal de cada uno y se extrajo su ubicación declarada de su perfil de GitHub. Estas ubicaciones de texto libre fueron normalizadas y geocodificadas mediante la API de Geoapify para mapear a los colaboradores en 124 países distintos.
4. Pregunta de Investigación 3 (Características Técnicas): Se filtró una muestra aleatoria del 1% de los repositorios de p5.js (7,985 repos) para identificar "archivos de bocetos" (archivos HTML o JS que contienen una función setup()). Tras filtrar los bocetos que invocaban al menos tres funciones de p5.js, quedaron 17,875 bocetos. Estos fueron analizados mediante un LLM (Qwen3-Coder-30B) para clasificarlos basándose en un marco que cubre Material/Procesos (síntesis vs. procesamiento de audio/imagen/texto, aleatoriedad), Interacción (interactivo vs. no interactivo) y Resultado Sensorial (visual/auditivo, estático vs. basado en el tiempo).
5. Pregunta de Investigación 4 (Propósito del Colaborador): Se analizaron manualmente las 42 cuentas principales de GitHub por número de repositorios (un total de 17,156 repositorios). Dos investigadores realizaron una codificación inductiva de los metadatos de los repositorios (nombres, descripciones, READMEs) para categorizar el propósito primario del código en tres grupos: Educación en Ciencias de la Computación (CS), Educación en Arte y Arte.

Contribuciones Clave

• Creación de Conjunto de Datos: El lanzamiento del primer conjunto de datos a gran escala de 1,613,571 repositorios de código público relacionados con el arte generativo y la programación creativa, junto con los scripts de análisis asociados y los conjuntos de datos intermedios.
• Evidencia Empírica del Alcance Global: Evidencia cuantitativa que demuestra que los practicantes de la programación creativa están presentes en 124 países de todos los continentes, desafiando la percepción de que estas prácticas están limitadas a América del Norte o Europa.
• Validación de la Conservación: Demostración de que Software Heritage ha preservado 84,666 repositorios relacionados con el arte que ya no son accesibles en sus plataformas originales, validando la necesidad de tales archivos para el patrimonio cultural digital.
• Caracterización de las Prácticas: Una taxonomía detallada del uso de p5.js, que revela que, si bien la síntesis visual es dominante, una parte significativa de las obras involucra sonido, texto, procesamiento de datos externos e interactividad.
• Clasificación de Propósitos: Identificación de tres motivaciones primarias para la creación de código público en este dominio: educación en CS (aprendizaje de conceptos de programación), educación en Arte (aprendizaje de diseño creativo) y Arte (producción de instalaciones y nuevos medios).

Resultados

• Alojamiento y Preservación: GitHub aloja el 99.3% de los repositorios identificados. Sin embargo, el 5.5% (84,175 repos) ya no están accesibles en línea, habiéndose perdido debido al cierre de plataformas (por ejemplo, Google Code, Gitorious) o la eliminación por parte del usuario. Software Heritage preservó con éxito estas obras perdidas.
• Distribución Geográfica: Se identificaron colaboradores en 124 países. Aunque EE. UU. lidera con 4,303 colaboradores, existen comunidades significativas en Japón (586), Brasil (934) e India (1,055). El estudio también confirmó practicantes activos en regiones subrepresentadas, incluyendo África, Oriente Medio, Asia Central y el Océano Índico.
• Características de los Bocetos de p5.js:
  • Material: El 96.21% de los bocetos sintetizan nuevo material visual; el 6.61% sintetiza audio; el 18.81% sintetiza texto.
  • Activos Externos: El 34.99% de los bocetos utilizan artefactos externos (imágenes, videos, archivos de datos), muchos de los cuales los obtienen dinámicamente mediante solicitudes HTTP.
  • Interacción y Resultado: El 60.52% de los bocetos son interactivos y basados en el tiempo. Los resultados puramente estáticos representan solo el 21.89%. Los resultados auditivos son raros (179 bocetos) y siempre son basados en el tiempo.
• Propósitos de los Colaboradores: Las 42 cuentas principales revelaron patrones distintos. Las cuentas de educación en CS (por ejemplo, League-Level0-Student) suelen mostrar un alto número de repositorios pero una actividad a largo plazo menor, lo que se correlaciona con los semestres de los cursos. Las cuentas de educación en Arte (por ejemplo, drawwithcode) sirven como registros de proyectos estudiantiles. Las cuentas enfocadas en el Arte (por ejemplo, junkiyoshi, imclab) demuestran un compromiso sostenido y a largo plazo, produciendo a menudo un repositorio por obra o por día.

Significado
El artículo afirma que este estudio proporciona la primera base empírica a gran escala para comprender el ecosistema del arte generativo y la programación creativa. Ofrece evidencia concreta de que el código es un medio creativo ampliamente adoptado a nivel mundial, utilizado para diversos propósitos que van desde la educación hasta la producción artística profesional. Los hallazgos resaltan el papel crítico de los archivos como Software Heritage en la preservación del arte digital que, de otro modo, sería efímero. Para los investigadores, el estudio ofrece una base para investigar los desafíos de la ingeniería de software específicos para el arte basado en código (por ejemplo, gestión de dependencias, preservación). Para los educadores, valida el uso de la programación creativa como un vehículo para enseñar tanto programación como diseño artístico. Finalmente, para la comunidad, subraya la necesidad de una diversidad sostenida en la construcción del mundo digital y proporciona una hoja de ruta para el trabajo futuro en la restauración de proyectos rotos y el modelado de las complejas dependencias del arte basado en software.