Bienvenidos al Blog de TIcid


Presentación

Motivados por las permanentes consultas respecto a la elaboración de la tesis en estadística y la experiencia acumulada en el desarrollo de talleres de tesis, el equipo del TICiD desarrolla un espacio de discusión que permita alcanzar recomendaciones sobre cómo elaborar la tesis en el contexto de la ciencia de datos. Es importante destacar que nos centramos en el proyecto de tesis porque consideramos que éste es el último eslabón de un proceso que llamamos “mejoramiento de la idea de tesis”, a saber: exploración, concreción, planteamiento y delimitación.

De allí que, los artículos se organizarán siguiendo el proceso de desarrollo o mejoramiento de la idea de tesis. En el espacio de exploración, se discutirá las actividades que tienen que ver con buscar y construir el objeto de investigación. Seguidamente, en la etapa concreción, se discutirá los aspectos que contribuyan a decidir por el tema o foco de investigación, ubicar la problemática en un marco teórico, tiempo y presupuesto. El espacio que llamaremos etapa de planteamiento, permitirá discutir los aspectos relacionados con la definición de términos y sus relaciones (teorización) y cómo expresar el problema de investigación. Finalmente, en la etapa de delimitación, se tocarán los temas que permitan al interesado plasmar el proyecto de tesis (qué, cómo y por qué) en su aspecto teórico (única), práctico (preciso) y realista (capacidades humanas, recursos, etc.).

sábado, 7 de abril de 2018

NOS MUDAMOS A UN LUGAR MÁS AMPLIO!!!



Debido a la gran expectativa generada en este lugar de discusión se ha visto por conveniente ampliar el alcance a otros campos del conocimiento. Debido a ello, nos mudamos a un nuevo espacio donde se discutirá temas de la metodología de la investigación en Ciencias Sociales, Ingeniería y Ciencia de Datos con un enfoque práctico. Nos vemos en:

La Tesis Universitaria
http://vaciodeconocimiento.blogspot.com

jueves, 28 de diciembre de 2017

Conferencia Magistral:
Cómo realizar tu tesis y No morir en el intento


Centro de Tecnologías de Información y Comunicaciones (CTIC-UNI)
START UP – UNI  / THESIANA / TICiD

Dr. Luis Huamanchumo de la Cuba   /    Mg. Luis Guillen Grados
lhuamanchumo@uni.edu.pe                   lguilleng@uni.edu.pe

I.                   Introducción

La conferencia Cómo realizar tu Tesis y no morir en el intento presenta la problemática universitaria de la baja producción de Tesis evidenciada por un reducido ratio de graduados por esta modalidad. Brown y Atkins (1990) enumeran los problemas comunes de un estudiante o egresado cuando se enfrentan a la tarea de elaborar su tesis como: dificultades metodológicas, pobre planeamiento y gestión de su proyecto, escritura, aislamiento, problemas personales que no tienen que ver con la investigación e inadecuada o negligente asesoramiento. A partir de ello, se propone un análisis sistémico de la problemática y se concluye en la necesidad de centrar un primer esfuerzo en el proyecto de tesis porque se considera que éste es el último eslabón de un proceso de cuatro etapas que llamamos “mejoramiento de la idea de tesis”, a saber: exploración, concreción, planteamiento y delimitación. Finalmente, se presenta algunas recomendaciones sobre gestión de documentos científicos con el fin de que el tesista pueda desempeñarse con eficiencia en la etapa exploratoria.
 
II.                Problemática de la Tesis Universitaria

La Ley Universitaria (Diario Oficial El Peruano, 2014) en su artículo N°45, sobre obtención de Grados y Títulos, menciona que: “para obtener el título profesional se requiere del grado de Bachiller y la aprobación de una tesis o trabajo de suficiencia profesional. Las universidades acreditadas pueden establecer modalidades adicionales a estas últimas”. De esto, se puede anticipar que el futuro de la Tesis, entendida como investigación científica, es incierto. Las universidades en su afán de mejorar sus ratios de competitividad desarrollarán diferentes modalidades de titulación en desmedro del espíritu científico original de la universidad. Como veremos, para alcanzar con éxito la producción de tesis es importante desarrollar habilidades comunicativas escritas y estadísticas, capacidades para la argumentación científica y uso de la evidencia empírica a partir de los datos. Esto se tendría que traducir en un diseño curricular orientado al desarrollo y fortalecimiento de capacidades en el estudiante.

En una investigación no publicada del Dr. Luis Huamanchumo respecto a las Tesis de la Escuela Profesional de Ingeniería Estadística de la Universidad Nacional de Ingeniería (Lima-Perú) que abarcó el periodo entre los años desde 1997 hasta 2016, se observó que dieciséis tesis de un total de veintitrés utilizaron datos reales. Como se anticipó en su momento, estas investigaciones, aunque se publicaron como Tesis, se enfocaron en aplicaciones estadísticas en otras áreas del conocimiento humano siendo completamente distante al tratamiento de un problema científico en la ciencia estadística dando, en consecuencia, más importancia a la aplicación del modelo estadístico que a responder una pregunta de investigación. Esto explica por qué la proporción de páginas dedicadas a la discusión del estado del arte es menor al 5%, es decir, cerca de tres páginas en la mayoría de las Tesis. En este punto, es importante destacar que en el caso de las tesis que utilizaron datos reales el estado del arte no lo fue en stricto sensu debido a que se constató que la discusión se centró en las diferentes aplicaciones de la técnica estadística tratada pero no en la búsqueda de un vacío de conocimiento y rescate de la hipótesis de investigación.  Al contrario, se observa que las Tesis que utilizaron datos simulados sí centraron la investigación en un problema estadístico propiamente. A partir del año 2000, no se observan Tesis que utilicen datos simulados.





Gráfico 01.- Participación de los capítulos (estado del arte, metodología, resultado y marco teórico) según tipo de dato (real, simulado e internet) utilizado y páginas promedio de la tesis desde 1998 hasta marzo 2016 (cantidad de páginas/páginas totales)*100%

 En gran medida el gráfico 01 evidencia una disminución en la calidad de las tesis. Una explicación puede estar en la poca importancia que se le ha dado en los últimos años al proyecto de tesis o plan de tesis. Éste se ha convertido en un documento de mero trámite administrativo que solo requiere la aprobación del asesor de tesis sin pasar por la opinión de revisores antes de ser aprobado. Así, el tesista inicia la elaboración de su tesis hasta concluir su preliminar con solo la aprobación de su asesor. Finalmente, los revisores tienen que opinar sobre un documento prácticamente terminado en donde se ven limitados a dar observaciones de fondo. Como consecuencia, no solo los profesores sino también el ámbito administrativo han perdido de vista que el proyecto de tesis se formula para evaluar la factibilidad científica de una propuesta y que no se puede iniciar la elaboración de la tesis si ésta no ha sido aprobada por revisores. Esta realidad contribuye a desarrollar un ambiente impredecible e inseguro que desanima al estudiante o egresado al momento de decidirse a iniciar la elaboración de su tesis.
  
III.             Factores intervinientes en la producción de la Tesis

De lo señalado en el punto anterior, también se puede advertir que el estudiante se encuentra en un medio académico que no necesariamente contribuye a que estos adquieran las habilidades necesarias para enfrentar con éxito la elaboración de su tesis. El tesista pasa de un escenario educativo en donde es únicamente receptor a otro en donde debe ser generador de conocimiento. Ahora no solo será lector sino que además se convertirá en autor de su investigación. Este cambio cultural puede ser una barrera muy importante para algunos tesistas, sobre todo si a lo largo de su actividad académica no recibió los conocimientos y adquirió las habilidades necesarias para este cambio cultural.

Factores como la gestión administrativa, gestión académica, currículo establecido, disponibilidad de docentes investigadores y las cualidades del estudiante influyen en el proceso de elaboración de la tesis. Si estos factores no funcionan adecuadamente entonces se generan obstáculos para el estudiante, desanimándolo a iniciar la tesis o abandonarla en el camino.

Una adecuada gestión administrativa asegura procesos eficientes y documentados, reglamentos claros y medios para una adecuada gestión académica y docente. La gestión académica influye positivamente en la investigación cuando involucra docentes asesores con líneas de investigación, así como las herramientas necesarias para facilitar la búsqueda y sistematización de documentación científica. Un currículo que fomente y proporcione habilidades y conocimientos para la investigación científica es otro de los factores muy importantes.



Figura 01.-   Factores intervinientes en la producción de la Tesis. El grosor de la línea indica un mayor grado de causalidad.

Rivas (2011) presenta una comparación entre dos modelos de competencias de un investigador, y en base a las debilidades identificadas por el autor, se propone un modelo LART (Luis Alberto Rivas Tobar) de nueve competencias que debe tener todo investigador: 1) plantear un problema de investigación, 2) elaboración de un marco contextual, 3) saber revisar el estado del arte, 4) construir y validar modelos, 5) creación y validación de un instrumento de recolección de datos, 6) dominar las técnicas de análisis de datos, 7) saber estructurar un documento científico y dominar la escritura científica, 8) tener la capacidad para participar en un encuentro científico como conferencista, y 9) poseer conocimientos de idiomas y sensibilidad sobre arte y cultura universales. Si bien el tesista cumple un rol de investigador, no necesariamente la competencia número ocho sea imprescindible en nuestro medio.

Prieto y Fonseca (2009) destacan la importancia de los factores personales en la realización de una tesis. Estos autores enfatizan la actitud y la motivación como cualidades personales imprescindibles para el logro de la tesis. La disponibilidad de tiempo y de recursos, son también importantes. Un tesista curioso, constante, creativo y motivado y que, además, tenga las facilidades descritas en el párrafo anterior, le permitirá lograr con éxito su investigación.

IV.             El proceso de mejoramiento de la idea

El proyecto de tesis es el resultado final de un proceso de mejoramiento de una idea inicial, a saber: exploración, concreción, planteamiento y delimitación –ver figura 02. La idea de la tesis es una idea no estructurada, una inspiración o interés particular por un tema. Cuando iniciamos con la búsqueda bibliográfica relacionada con el tema de interés habremos ingresado a la primera etapa de este proceso: la etapa exploratoria. Organizar los artículos científicos relacionados con el tema de interés, resaltando párrafos o citas entre líneas es el punto de partida que nos llevará, al final de esta etapa, a definir el objeto de investigación. Aunque en las ciencias sociales es más apropiado decir: “construir el objeto de investigación” puesto que la complejidad del estudio humano conlleva a respaldarse en una Escuela de Pensamiento para lograr establecer el objeto de investigación con exactitud. El estudiante, en esta etapa, debe iniciar la escritura. En principio es recomendable que sea simple pero se debe alcanzar un nivel de escritura científica. Éste es uno de los mayores retos que debe enfrentar un estudiante de pregrado. Requiere mucho más estudio independiente, práctica, paciencia y auto motivación. Aunque posiblemente sea la tarea de escritura más larga que podría enfrentar un estudiante, los diseños curriculares deberían incluir en sus contenidos el fortalecimiento de habilidades comunicativas escritas y el proceso de escritura científica para que ésta no sea una tarea penosa. Es importante mencionar el enfoque de Murray (2002) cuando propone, bajo la metodología SMART (Specific, Measurable, Assignable, Realistic y Time-related) para el establecimiento de objetivos, un enfoque interesante que trata la efectividad en la escritura de la tesis planteando una simbiosis entre objetivos efectivos basados en el proceso y objetivos asociados a la motivación interna del tesista.

En la etapa de concreción, el tesista debe decidir por el tema o foco de la investigación. Debe ubicar la problemática en un marco teórico y correlacionar ésta con el estado del arte relacionado al tema. Aquí es donde el estudiante debe utilizar o fortalecer sus habilidades de argumentación sustentados por evidencia empírica y la teoría (Caffarella y Barnett, 2000). También debe ser práctico y realista llevando las posibilidades de realización de la tesis en términos de la disponibilidad de recursos humanos y materiales que dispone.


Figura 02.- Proceso de mejoramiento de la idea

En la etapa de planteamiento, es fundamental que el tesista ya disponga de una información sistematizada del estado del arte sobre la problemática de su interés. Es decir, a partir de investigaciones publicadas en artículos científicos se debe registrar de manera organizada la información relacionada con la hipótesis de investigación y sus aspectos metodológicos correspondientes. El tesista debe centrarse en identificar las principales hipótesis de investigación, las definiciones operativas y sus relaciones. Por lo general, tratan de vendernos la idea de que el problema de investigación puede determinarse por reglas, recetas para definir una matriz de consistencia (¿o inconsistencia?); en realidad, éstas no existen. Solo la resolución de problemas rutinarios es, por definición, una actividad regida por reglas. Bunge (2000), por ejemplo, da unos consejos que pueden mejorar la probabilidad de éxito al momento de establecer un problema de investigación. Entre ellos se puede enumerar: (1) Claridad en la formulación del problema minimizando la vaguedad de los conceptos y la ambigüedad de las definiciones; (2) explicitar los supuestos relevantes; (3) averiguar la historia reciente del problema; (4) seleccionar el método; (5) simplificar, eliminando información redundante y datos e introduciendo supuestos simplificadores; (6) programar la estrategia y (7) controlar la solución, entre otros.

Finalmente, en la etapa de delimitación el tesista se avocará a estructurar en “blanco y negro” y bajo un estándar pre-establecido su idea de tesis que, por cierto, ya se ha ido perfeccionando a través de las etapas previas del proceso. Las principales preguntas planteadas: qué, cómo y con qué deben ser factibles científicamente de ser contestadas (teórico, preciso) y también realista.

V.                Gestión documental científica

Entre las habilidades indispensables de todo tesista está la de saber gestionar información científica que sirva al propósito de su investigación. La gestión no solo implica el saber utilizar motores de búsqueda especializada, sino además, saber identificar la calidad de la información, la relevancia al objetivo planteado y su sistematización, permitiendo una revisión bibliográfica ordenada con lo cual, como indican Martín y Lafuente (2017), el investigador va construyendo el marco teórico, documentando antecedentes y elaborando la bibliografía que se incluye al final de un trabajo científico o académico.

El entorno de la información electrónica ha modificado drásticamente los comportamientos informativos en el sector de la educación universitaria (Rodríguez-Bravo, Simões, Freitas y Frías, 2017). Esta información electrónica, actualmente se encuentra accesible a través de internet, por lo que aprender a utilizar herramientas de búsqueda como Google Scholar o Microsoft Academic Search y repositorios como Elsevier, JSTOR o Scopus, se ha convertido en una necesidad imprescindible para todo investigador. La gran cantidad de documentación electrónica a la que se puede acceder desde internet, trae como consecuencia la necesidad de su sistematización, esto es, estructurar su archivamiento en medios magnéticos, no solo del archivo o texto completo, sino además, de la meta data del documento (autor, año, editor, DOI, url, etc.). Actualmente existen herramientas informáticas que permiten crear y organizar una base de datos de forma automática, importar referencias desde la mayoría de bases de datos, catálogos de bibliotecas, buscadores, etc. Automatizar la creación de bibliografías e insertar citas y referencias al mismo tiempo que se escribe un documento de investigación y compartir las referencias son otras de sus grandes ventajas. El software de gestión documental desempeña un papel vital en la asistencia de trabajos de investigación. Cada software de gestión tiene su propia fuerza y su propia debilidad que los hace menos y más importante entre los diferentes grupos de usuarios en función de la configuración y las características (Chawla y Gupta, 2017). Es importante que el estudiante fortalezca habilidades necesarias para la búsqueda documental como son: lectura en otro idioma (inglés), uso de motores de búsqueda (académicos, repositorios), validación del contenido encontrado y un procedimiento a seguir en la búsqueda. Así mismo, se dio a conocer el gestor bibliográfico Zotero, el cual posee las características descritas anteriormente, además de ser una herramienta gratuita y fácil de utilizar.

VI.             Conclusión

La conferencia Cómo realizar tu Tesis y no morir en el intento presenta cómo la poca importancia que se le ha dado en los últimos años al proyecto de tesis o plan de tesis ha contribuido con la problemática universitaria de la baja producción de Tesis y la disminución en la calidad de éstas. Se debe tener en cuenta que factores como: la gestión administrativa, gestión académica, currículo establecido, disponibilidad de docentes investigadores y las cualidades del estudiante influyen en el proceso de elaboración de la tesis. Si estos factores no funcionan adecuadamente, entonces, se generan obstáculos para el estudiante, desanimándolo a iniciar la tesis o abandonarla en el camino. Se resaltó la importancia del proyecto de tesis y que constituye el resultado final de un proceso de mejoramiento de una idea inicial, a saber: exploración, concreción, planteamiento y delimitación. Finalmente, se recomendó que para desenvolverse con éxito en la etapa exploratoria es fundamental gestionar la documentación científica disponible en Internet dando a conocer las habilidades necesarias para la búsqueda documental como son: lectura en otro idioma (inglés), uso de motores de búsqueda (académicos, repositorios), validación del contenido encontrado y un procedimiento de búsqueda.

 Referencias Bibliográficas

Brown, G. y Atkins,M. (1990).  Effective Teaching in Higher Education. Londres.
Bunge, M. (2000). La investigación científica. Su estrategia y su filosofía. Ed. Siglo XXI Editores. Buenos Aires, Argentina. p. 224-229.
Caffarella, R. y Barnett, B. (2000). “Teaching doctoral students to become scholarly writers: the importance of giving and receiving critiques”. Studies in Higher Education, 25(1). p. 39-51.
Chawla, V., & Gupta, M. (2017). Reference Management Softwares: A Study of ENDNOTE, MENDELEY, REFWORK, ZOTERO.
Diario Oficial El Peruano. Normas Legales. Ley N°30220, Ley Universitaria. 09 de Julio de 2014.
Martín, S. G., & Lafuente, V. (2017). Referencias bibliográficas: indicadores para su evaluación en trabajos científicos. Investigación Bibliotecológica. Archivonomía, Bibliotecología e Información, 31(71), 151-180.
Murray, R. (2002). How to Write a Thesis. Open University Press. Primera edición. p. 20-22.
Prieto, L. y Fonseca, R. (2009). “Las emociones del investigador: Construcción social y evaluación cognitiva”. Revista Venezolana de Ciencias Sociales. Vol. 13. Nº 1. (44 – 65). Cabimas, estado Zulia Venezuela. Fondo editorial UNERMB.
Rivas, L. A. (2011). Las nueve competencias de un investigador. Investigación Administrativa, (108).
Rodríguez, B., Simões, M. D. G., Freitas, M. C. V. D., & Frías, J. A. (2017). Descubrimiento de información científica: ¿todavía misión y visión de la biblioteca académica? In El profesional de la información (Vol. 26, No. 3, pp. 464-479).


martes, 1 de agosto de 2017

El objeto de investigación

lguilleng@uni.edu.pe
01-08-2017


I. Introducción

Como describe Huamanchumo (2017), se suele confundir entre investigación científica aplicada y aplicación cuando se trata de la ciencia estadística, por lo que las tesis en estadística suelen enfocarse en aplicaciones estadísticas en otras áreas del conocimiento. Tal confusión puede ser resuelta con una correcta definición del objeto de investigación.

En este artículo propongo una guía que ayude a definir correctamente el objeto de investigación en estadística. La guía se sustenta en las nociones presentes en un objeto de investigación según Barriga y Henríquez (2003).

II. El objeto de investigación

Si bien es importante lo que se investiga, también es relevante la manera cómo se investigan y definen los objetos de investigación para que sean realmente significativos y favorezcan el avance de una disciplina (Rodríguez, 2010), pues una correcta delimitación del objeto permite su estudio dentro de un cuerpo de conocimiento. Llevando esta afirmación al campo de la estadística, el objeto de investigación debe ser tal que, la solución de un problema, debe tener como efecto añadir conocimiento a esta ciencia. Como señalan Carrillo y Becerra (2004), un objeto de investigación científica no es empírico, sino conceptual; se construye desde referentes interpretativos y el conocimiento previo de la realidad por investigar. Debemos entender entonces que, la investigación científica genera conocimiento sobre un objeto definido como un sistema de relaciones expresamente construido, y no sobre un objeto real, pre-construido.

La inquietud que nos viene a la mente es, ¿qué es objeto de investigación? Como señala Barriga y Henríquez (2003), el objeto de investigación es lo que quiero saber; es parte de la realidad que se quiere aprender de una forma científica. Estos autores señalan que el objeto contiene de forma explícita o implícita las nociones siguientes:

- Caso o casos que nos interesa observar (caso);
- Característica o características que queremos observar de esos casos (característica);
- Qué queremos hacer con esas observaciones (qué hacer); y
- El contexto en el cual queremos hacer estas observaciones (contexto).

Las cuatro nociones definen al objeto de investigación permitiendo su estudio en un cuerpo de conocimiento, evidenciando el marco teórico sobre el cual ha sido construido.

III. Las nociones de un objeto de investigación en estadística

Las nociones de un objeto de investigación descritas por Barriga y Henríquez (2003), permiten determinar si el conocimiento que se quiere construir (objeto de investigación), se encuentra dentro del contexto de la ciencia estadística. Como regla práctica, diremos que un objeto de investigación quedará delimitado en esta disciplina, cuando un patrón de datos o una técnica o método estadístico, se encuentre contenido en dos de las nociones del objeto: caso y contexto, pues lo que se haga con lo observado en los casos, generará conocimiento en esta disciplina. La tabla 1 muestra algunos ejemplos.

Tabla 1
Ejemplos de objetos de investigación en estadística y sus nociones

Objeto de investigación
Nociones del objeto de investigación
Caso
Característica
Qué hacer
Contexto
Desempeño predictivo del modelo logit binario en datos desbalanceados
Modelo logit estimado
Desempeño del modelo
Evaluar resultados (comparación de resultados)
Desbalance de datos (escenarios)
Detección de outliers con boxplot en presencia de asimetría
Distribución de una variable aleatoria (datos)
Outliers correctos e incorrectos (detectar)
Evaluar efecto de la asimetría en la detección errónea de outliers
Boxplot


El primer ejemplo de la tabla 1 muestra un objeto de investigación que tiene como casos observados a un modelo estadístico, en un contexto de problema en los datos sobre los cuales se ajusta el modelo. Un segundo ejemplo muestra un objeto que tiene a los datos de una distribución como casos observados, en un contexto de una técnica estadística conocida. Estas características definidas en los objetos, delimitan a estos dentro de un marco teórico perteneciente a la ciencia estadística, por lo que el conocimiento que se genere del estudio de estos objetos, contribuye a dicha disciplina. La tabla 2 describe el conocimiento generado.

Tabla 2
Ejemplos de objetos de investigación y conocimiento estadístico generado

Objeto de investigación
Conocimiento
Desempeño predictivo del modelo logit binario en datos desbalanceados
En que escenarios de datos desbalanceados (diferentes niveles de desbalance y tamaño de muestra) el modelo logit tiene un desempeño predictivo aceptable
Detección de outliers con boxplot en presencia de asimetría
Sobre el conocimiento de cómo afecta la asimetría en la detección de outlier, se propone un ajuste al gráfico boxplot para las cotas de identificación de outliers. 


Como se observa en la tabla 2, el conocimiento generado se enmarca dentro de un problema en los datos (desbalance y asimetría), y como estos influyen en el desempeño de dos técnicas estadísticas, estando ambos problemas dentro del contexto de la ciencia estadística. 

Por consiguiente, para conseguir que un objeto de investigación permita su estudio y genere conocimiento dentro de la ciencia estadística, deberá quedar delimitado de manera tal, que los casos que se quieren observar y el contexto sobre el cual se observa, sean temas netamente estadísticos, como son: problema en los datos, distribuciones, estimadores, técnicas o métodos estadísticos, entre otros, ya que esto asegura su contribución a este cuerpo de conocimiento. 



Figura 1. El objeto de investigación estadística desde la perspectiva sistémica.

¿Y cómo quedan las investigaciones que utilizan a la estadística como herramienta? A diferencia de un objeto de investigación en estadística, un objeto en otro campo del conocimiento involucra a una técnica o método estadístico como herramienta de apoyo en la medición y análisis de los casos observados. La tabla 3 muestra algunos ejemplos.

Tabla 3
Ejemplos de objetos de investigación en otras ciencias y sus nociones

Objeto de investigación
Nociones del objeto de investigación
Caso
Característica
Qué hacer
Contexto
Un modelo predictivo de quiebra empresarial en economías emergentes mediante un modelo logístico mixto
Empresas
Indicadores de quiebra
Analizar mediante un modelo logístico mixto predictivo
Economías emergentes
Aplicación de la distribución de Pareto para analizar el crédito hipotecario en el sistema financiero peruano.
Clientes
Crédito hipotecario
Analizar comportamiento utilizando la distribución de Pareto
Sistema financiero peruano

La tabla 3 presenta dos ejemplos en los cuales los casos a observar son unidades físicas, mientras que el contexto en el cual se observa corresponde a áreas del conocimiento como la economía o las finanzas, lo que delimita a estos objetos de investigación y el conocimiento generado de su estudio, en una ciencia distinta a la estadística. En dichos ejemplos la estadística está siendo utilizada como herramienta de análisis, y no como objeto de estudio, permitiendo el tratamiento de las características observadas en los casos.

Tabla 4
Ejemplos de objetos de investigación y conocimiento generado

Objeto de investigación
Conocimiento
Un modelo predictivo de quiebra empresarial en economías emergentes mediante un modelo logístico mixto
En qué condiciones debe encontrarse una empresa para establecer (probabilísticamente) si esta quebrará, utilizando como herramienta un modelo logístico mixto.
Aplicación de la distribución de Pareto para analizar el crédito hipotecario en el sistema financiero peruano.
Entender el comportamiento del crédito hipotecario en el Perú, utilizando como herramienta la distribución de Pareto.

De la tabla 4 se desprende que, ambos conocimientos se encuentran dentro de un contexto económico-financiero, los cuales han podido ser generados gracias a la aplicación de herramientas estadísticas.

IV. Como conclusión

Un objeto de investigación en estadística debe ser tal que, permita su estudio dentro del cuerpo de conocimiento de la ciencia estadística. Para lograrlo, es necesario que dos de sus cuatro nociones (caso y contexto) se encuentren compuestos por datos, distribuciones, técnicas o métodos estadísticos, es decir, temas estrictamente estadísticos, quedando así delimitado en dicha ciencia.


Referencias Bibliográficas

Barriga, O., & Henríquez, G. (2003). La presentación del objeto de estudio. Cinta de Moebio. Revista de Epistemología de Ciencias Sociales, (17).
Carrillo, A. T., & Becerra, A. J. (2004). La construcción del objeto y los referentes teóricos en la investigación social. La práctica investigativa en ciencias sociales, 13.
Huamanchumo, L. (2017). ¿Investigación científica aplicada en estadística o aplicación estadística? Recuperado de
Rodríguez, J. A. M. (2010). El objeto de estudio como sustento esencial de la investigación en comunicación. Pangea: revista de la Red Académica Iberoamericana de Comunicación, (1), 108-123.

domingo, 25 de junio de 2017


¿Investigación científica aplicada en estadística o aplicación estadística?


lhuamanchumo@uni.edu.pe
25-06-17


I.                Introducción

Es común confundir investigación científica aplicada y aplicación cuando se trata de la ciencia estadística posiblemente porque ésta provee de herramientas de análisis a las demás ciencias y, consecuentemente, las tesis en estadística suelen enfocarse en aplicaciones estadísticas en otras áreas del conocimiento. Adicionalmente, se incurre en otro error al confundir, desde la perspectiva estadística, un problema práctico con un problema científico del campo de la estadística.

El problema surge porque al proyectarse una investigación como aplicación estadística toma preponderancia el campo de aplicación y, por lo tanto, se espera que el vacío de conocimiento sea buscado en el estado del arte de esta ciencia. Sin embargo, en este caso, la estadística solo interviene como una caja de herramientas de análisis. Cuando una investigación en estadística se formula de esta manera la tesis en estadística termina siendo una presentación de cómo se aplica una técnica estadística para resolver un problema práctico de otra especialidad más no en incrementar o proporcionar aportes significativos al conocimiento del campo donde se está aplicando y mucho menos al de la ciencia estadística.


Otro punto que es necesario resaltar es la diferencia entre problema práctico y problema científico. Aquel se formula como un obstáculo que requiere transformar la realidad y exige una propuesta de solución. Por el contrario, en un problema científico existe un vacío de conocimiento que requiere la formulación de preguntas que deben ser contestadas con evidencia empírica. Las tesis en estadística deben enfocarse en un problema científico. 


II.                Investigación aplicada en estadística

Frecuentemente se escucha: “… mi investigación es aplicada” para hacer referencia a una aplicación estadística y por contraposición a teórica (investigación básica). La investigación científica puede ser básica o aplicada. Una investigación científica básica llena vacíos de conocimiento y busca generalizar resultados, acrecienta el conocimiento aunque no tenga implicancia prácticas inmediatas y crea hipótesis. De igual forma, la investigación científica aplicada acrecienta el conocimiento pero utilizando hipótesis probadas por la ciencia básica y el estado del arte. Interesa la aplicación, utilización y consecuencias prácticas del conocimiento, es decir, se esperan descubrimientos de interés práctico.

La investigación científica aplicada en estadística está orientada a acrecentar el conocimiento de la ciencia estadística respondiendo cuestionamientos  relacionados con el dato usando hipótesis probadas por la investigación básica y el estado del arte de la estadística. Por ejemplo, Golberger (1964), Chambers y Cox (1967), McFadden (1974) y Amemiya (1981) proporcionan, bajo la escuela frecuentista, una solida base matemática en la formulación de los modelos logit y los supuestos de partida respecto a los datos. Aunque esto constituiría investigación básica, los hallazgos de Cramer (1999) en el estudio del efecto de los datos desbalanceados en los modelos logit se clasificarían dentro de la investigación científica aplicada. En el negocio de los microcréditos la observación de clientes que devuelven el crédito y los que no representan proporciones del 95% y 5% respectivamente (datos desbalanceados). Esto genera un problema con los supuestos de partida exigidos por la teoría estadística para la aplicación de los modelos logit con fines predictivos. Como se observa, la investigación responde a un interés práctico de aplicación en el negocio financiero motivado por un problema en los datos. Cramer utiliza las hipótesis y la formulación existente en el conocimiento científico de los modelos logit. La ciencia estadística ahora dispone de mayor conocimiento teórico que surgió por un interés aplicativo.    


Como un ejemplo de aplicación estadística se podría mencionar el trabajo de Chi (2006) quien desarrolla una predicción de no pago en la cartera de clientes de una entidad financiera utilizando los hallazgos de Cramer (1999, ibid.). 


III.                Desde la perspectiva de la ciencia de datos

Cuando los estudiantes tienen interés en desarrollar su tesis desde la perspectiva de la ciencia de datos surge la pregunta: ¿mi tesis tiene que ser multidisciplinaria? La respuesta es no. En principio, la misma metodología de la investigación científica exige la identificación de un vacío de conocimiento en un campo específico. Se debe tener en cuenta que la estadística desempeña un papel central en el cambio de paradigma que trae consigo la ciencia de datos. Sin embargo, lo importante siempre será el dato aunque cambie su naturaleza y soporte. Las técnicas computacionales son herramientas, sin el dato no existe la ciencia de datos. Inclusive, hacer investigación científica exige análisis estadístico. La investigación en máquina de aprendizaje, por ejemplo, requiere análisis estadístico para calificar sus resultados de manera concluyente.


En segundo lugar, la diferencia entre problema práctico y científico también es importante en la ciencia de datos. Nuevamente, el problema práctico está relacionado con extraer información que permita resolver problemas en el campo de los negocios, medicina, etc. Aquí es posible la colaboración multidisciplinaria. Por el contrario, en la ciencia interesa llenar vacíos de conocimiento en campos específicos como la estadística, matemáticas, máquina de aprendizaje, computación, etc. En la ciencia de datos como en cualquier otro campo del conocimiento humano la colaboración es más bien interdisciplinaria (Feast, 2010). El trabajo interdisciplinario integra diferentes perspectivas, se caracteriza por la negociación y argumentación y por los fuertes fundamentos del conocimiento de una disciplina en el sentido de favorecer la efectiva comunicación, participación, contraste y evaluación de hallazgos (Friedman, 2003; Wender, 1999). Dicho esto, si el estudiante decide por esta opción, entonces, tendrá que ser particularmente cuidadoso para presentar una justificación metodológica que explique por qué ha escogido este enfoque a lo largo de la discusión, sus implicancias y aportes en los hallazgos sin dejar de lado los aspectos retóricos que deberá tener en cuenta.

IV.                A manera de conclusión

Un estudiante de la especialidad de estadística debe tener en cuenta que un profesional en ciencia de datos es un estadístico con habilidades informáticas de modo que lo empodera para resolver problemas complejos de otras disciplinas haciendo uso de herramientas estadísticas e informáticas con el fin de crear significado y valor sobre los datos. Sin embargo, es importante que los tesistas de la especialidad de estadística tengan en cuenta que en la investigación científica se seguirán visualizando vacíos de conocimiento en la teoría estadística que son inherentes al dato independientemente de los nuevos escenarios tecnológicos. Aunque la velocidad de avance de la ciencia estadística es menor al avance tecnológico, la estadística debe ser parte del cambio paradigmático que trae consigo la ciencia de datos.


Referencias Bibliográficas

Chambers, E. A. y Cox, D. R. "Discrimination Between Alternative Binary Response Models," Biometrika.1967.54(3-4), pp. 573-78.
Chi, L. C., y Tang, T. C. Bankruptcy prediction: Application of logit analysis in export credit risks. Australian Journal of Management.2006. 31(1), 17-27.
Cramer, J. S.  Predictive performance of the binary logit model in unbalanced samples. Journal of the Royal Statistical Society: Series D (The Statistician). 1999. 48(1), 85-94.
Feast, L. Epistemological Positions Informing Theories of Design Research: Implications for the Design Discipline and Design Practice. Proceedings of 'Design and complexity', the 2010 Design Research Society International Conference (DRS2010). Design Research Society. Montreal, Canada.2010.
Friedman, K. Theory construction in design research: criteria: approaches, and methods. Design Studies. 2003. 24(6), 507-522. p.250.
Goldberger, A. S. Econometric theory. New York: Wiley. 1964.
McFadden, D. "Conditional Logit Analysis of Qualitative Choice Behavior," in Frontiers in econometrics. Edited by P. ZAREMBKA. New York: Academic Press. 1974. pp. 105-42.
Newendorp, N. A guide to writing a senior thesis in social studies. Faculty of Arts and Sciences. Harvard University. Harvard College. 2011. p.9
Rogers, Y., Scaife, M., & Rizzo, A. Interdisciplinarity: An Emergent or Engineered Process? In S. J. Derry, M. A. Gernsbacher & C. D. Schunn (Eds.), Interdisciplinary collaboration: An emerging cognitive science. Mahwah, New Jersey: Lawrence Erlbaum. 2005.
Wender, E. Communities of practice: learning, meaning, and identity. Cambridge: Cambridge University Press. 1999. p.103.