IDEAS IMPORTANTES SOBRE LA CALIDAD DE LOS

DATOS

Los indicadores de calidad de los datos son

medidas estadísticas que dan una indicación
de la calidad del producto o de los resultados.
Sin embargo, algunos indicadores de calidad
también pueden dar una indicación de la
calidad del proceso.

¿Cuáles son los indicadores de calidad de los

datos? Los indicadores se definen de forma
explícita en relación a elementos medibles que
guardan relación con las estructuras, procesos
o resultados. Sabemos que la información
necesaria para la elaboración de indicadores
de calidad puede derivarse tanto de métodos sistemáticos como no sistemáticos.

a) Los métodos no sistemáticos son rápidos y simples, pero los indicadores resultantes
pueden ser menos confiables que los desarrollados mediante el uso de métodos
sistemáticos.

b) Los métodos sistemáticos pueden basarse directamente en la evidencia científica o

directrices, o combinar pruebas y opiniones de expertos.

Sin embargo, se necesita tomar en cuenta el contexto. En las Ciencias Sociales, por
ejemplo, rara vez se cumple con los estándares absolutos y las normas tienen que ser
fijadas y ajustadas de acuerdo al contexto local.

Los indicadores de calidad indican un juicio sobre la calidad prevista y los indicadores
de desempeño son dispositivos estadísticos para supervisar el rendimiento (como el uso
de recursos). Los indicadores de calidad no proporcionan respuestas definitivas, pero
orientan sobre posibles problemas o la apropiada calidad de los datos.

Siempre que sea posible, los indicadores deben basarse en la evidencia científica,
como los estudios empíricos realizados de manera rigurosa. Cuanto mejor sea la
evidencia, más fuerte serán los beneficios de la aplicación de los indicadores.
Para lograr maximizar la eficacia, es necesario tomar en cuenta factores como:

• La selección de la muestra. (Por ejemplo, número, nivel de homogeneidad-

diversidad, etc.).
• ¿Cómo se presenta la información? (Por ejemplo, nivel de evidencia).
• ¿Cómo se estructura la interacción? (Por ejemplo, número de rondas).
• Método de consensuar juicios individuales (Por ejemplo, la definición de un
acuerdo).

Las medidas desarrolladas por técnicas de consenso tienen validez parcial y las
basadas en la evidencia rigurosa poseen validez de contenido. Este es un requisito
previo mínimo para cualquier medida de la calidad. A todas las medidas deberán
aplicarse las pruebas de aceptabilidad, factibilidad, fiabilidad, sensibilidad al cambio y
validez:

• Aceptabilidad: la aceptabilidad de los datos recogidos depende de si los

resultados son aceptables, tanto para los que están siendo evaluados, como
para los que evalúan.
• Viabilidad: información sobre la calidad de los datos, que está definida por la
disponibilidad de los datos.
• Confiabilidad: se refiere al grado en que una medición con un indicador
determinado es reproducible.
• Sensibilidad al cambio: detecta cambios en la calidad de los datos, con el fin
de discriminar entre (inter) y dentro (intra) de los sujetos del estudio.
• Validez: en este contexto, se refiere a utilizar diferentes metodologías para
verificar la calidad de los indicadores desarrollados.

Aunque difícilmente se puede producir una medida

libre de errores de calidad, las medidas deben ser
probadas durante su desarrollo, tomando en cuenta
la aplicación de aceptabilidad, factibilidad, fiabilidad,
sensibilidad al cambio y su validez. Esto optimizará
su eficacia en las estrategias de mejora de la
calidad. Los indicadores son más propensos a ser
eficaces si se derivan de la evidencia científica
rigurosa.
Sin embargo, el hecho de simplemente medir algo no necesariamente se traduce en
una mejora automática y los indicadores deben ser utilizados dentro de los enfoques de
mejora de la calidad que se centran en una comprensión global del sistema o
comunidad estudiada.

En el caso de fuentes de datos surgidas del uso de nuevas tecnologías como, por
ejemplo, mensajes compartidos en plataformas de medios sociales como Facebook o
Twitter; éstos presentan nuevos desafíos por la volatilidad de su naturaleza. Respecto
de la viabilidad de datos, los datos generados por dichas plataformas son compilados y
analizados por las compañías propietarias puerta adentro, pero con limitada
disponibilidad externa.

En el caso de Twitter, su API público permite acceder solamente a un 1% de la

población de tuits generados en un determinado momento por la plataforma y algunos
estudios han demostrado que el conjunto de tuits extraído al mismo momento y con la
misma tecnología desde dos conexiones distintas al API no son los mismos, lo que
limita la confiabilidad de dicho API como herramienta de muestreo.

En cuanto a la validez del contenido, sabemos que en redes sociales un usuario puede
generar varias cuentas con personas falsas o personajes imaginarios; cuentas grupales
o institucionales; y hasta seres artificiales como robots, generados para diseminar o
empujar propaganda.

Por todos estos motivos, el uso de datos de medios sociales debe ser cuidadosamente
planeado desde el punto de vista metodológico, sobre todo en la fase de recopilar y
limpiar datos, ya que se requiere invertir una considerable cantidad de tiempo y
esfuerzo para garantizar la limpieza y validez de los datos.

REFERENCIAS

1. Campbell, S. M., Braspenning, J., Hutchinson, A., & Marshall, M. N.

(2003). Improving the quality of health care: Research methods used in
developing and applying quality indicators in primary care. BMJ: British Medical
Journal, 326 (7393), 816.
http://www.ncbi.nlm.nih.gov/pmc/articles/PMC1758017/pdf/v011p00358.pdf