Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Matriz de consistencia
AQUI !!!!
Cualidades de una buena hipótesis
• Formalmente correctas: claras y precisas
• Compatibles con el conocimiento existente.
Debne tener base en la teoría existente
• Contrastable: debe haber una forma de
someterla a experimentación u otro tipo de
verificación empírica, que permita o
confirmarla o refutarla. Si la hipótesis es muy
general, hay que crear hipótesis secundarias
más concretas que puedan ser contrastables.
Ejemplo de malas hipótesis
• La implementación de la metodología ágil SCRUM
mejorará la producción de software en una factoría de
software.
• MUY IMPRECISA: mejorar la producción desde la perspectiva
de la factoría (costo), del cliente (calidad), del programador
(motivación, ambiente laboral)?
• El diseño y aplicación de una red neuronal permitirá
mejorar la planificación de compras de medicinas en
ESSALUD
• Crear el experimento o caso de estudio es difícil: como elimino
el efecto de otros factores en la planificación?
Tipos de hipótesis
• Explicativas o causales: X tiene una causa Y (Esta
arquitectura es robusta por que tiene elementos
redundantes)
• Correlacionales: X e Y tiene una relación no causal
(correlación estadística). No se puede afirmar si X
causa Y, Y causa X o una tercera causa a ambas.
• Descriptivas: X tiene una propiedad P (Pocos testers
peruanos [<10%] utilizan herramientas automatizadas
para generar sus casos de prueba)
• Diferencia de grupos (los gerentes de TICs del sector
privado mitigan riesgos de seguridad más que los del
sector público)
Hipótesis nula
• Es la opuesta a la hipótesis de
investigación: no hay correlación, no hay
causa-efecto.
• Si la hipótesis de investigación se denota
como H, la nula es H0
• No hay consenso si son necesarias o no.
Parecen un formalismo
• Su uso se vuelve popular por que los
estadísticos siempre plantean H y H0.
Variables
• Propiedad de la realidad o de un artefacto que puede
fluctuar y que puede ser observada.
• Qué es lo que queremos medir para demostrar la
hipótesis?
• Por medio de ellas, caracterizamos los fenómenos o
los artefactos que estudiamos.
• Definición de la variable: debe ser puntual, de ser
posible provenir de la literatura (bibliografía) y
mencionar sus dimensiones
• Ejemplos: productividad de una factoria de sofware,
madurez del proceso de desarrollo de sofware.
Malas (no tan buenas) variables
• Globalización de la economía, sinergía organizacional:
muy imprecisos. El primero es un fenómeno que incluye
capitales, personas, servicios, ideas, etc. El segundo no
tiene una definición comunmente aceptada.
• Intención de compra on-line: cómo la mido? No puedo
preguntar al usuario del comercio electrónico si de
verdad quería comprar y esperar que me responda.
• Inversión en TICs de los narcotraficantes: a quién
pregunto? Quién se anuncia como narcotraficante de
forma pública?
• Cantidad de software producido: mido por sistemas, por
paquetes, por clases, por líneas de código?
Buenas variables
• Calidad del software: parace genérica e
imprecisa, pero la literatura ya tiene modelos
que permiten medirla (de forma compleja, pero
se puede medir) con dimensiones, niveles, etc.
• Tasa de satisfacción del soporte técnico: los
usuarios de soporte técnico están a la mano
para responder encuestas
• Intentos de penetración del sistema: se pueden
contar usando los logs de firewalls, servidores,
etc.
Variables dependientes e
independientes
• Si hay una hipótesis causal, esa hipótesis tiene una o
más variables independientes y una dependiente.
• Las independientes “causarían“ la dependiente
• Ejemplo: si la hipótesis es “la implementación de una
red neuronal de imágenes radiográficas mejora la
precisión en el diagnóstico de cáncer de mama“, la
variable independiente es la implementación de la red
neural, y la dependiente es la precisión en el
diagnóstico de ese cáncer.
Dimensiones
• Una variable de alto nivel puede tener una definición
conceptual, que la relacione a otros conceptos.
Ejemplo: la flexibilidad de un sistema de información
es su capacidad para cambiar cuando cambian los
requerimientos del negocio.
• Pero cómo mido eso?
• Hay que tener una definición operacional, que me diga
cómo medir esa variable.
• En variables de alto nivel, hay que hacer muchas
mediciones, que se pueden agrupar en dimensiones.
Dimensiones
• Ejemplo: dimensión de flexibilidad de conectividad, de
recursos humanos, de integración.
• Cada dimensión tiene uno o más indicadores (de
preferencia >1). Por ejemplo la flexibilidad de recursos
humanos tiene: grado de aprendizaje de nuevas
tecnologías, grado de alineación del personal con las
estrategías de la organización, grado de conocimiento
de las funciones del negocio, proactividad, etc.
• Cada indicador debe medirse con 1 o más items que
tratan de medir lo mismo pero de diferentes formas.
Para qué? Para validar esos instrumentos de medición.
Indicadores y items
• Por ejemplo, el indicador “grado de aprendizaje de
nuevas tecnologías“ puede medirse de varias formas:
grado de aprendizaje de cloud computing, de big
data, de machine learning, de Internet de las cosas.
Si 80% esta aprendiendo sobre big data y 90% sobre
machine learning, y así por el estilo, se puede afirmar
caon confianza que hay un grado alto de aprendizaje
de nuevas tecnologías. Pero si las cifras son 80%
para algunos items y 10% para otros?
• Cada item se asocia a un instrumento de medición:
encuesta, recopilación de documentación, extracción
de datos de logs del sistema, etc.
Escalas y niveles
• Escalas: pueden ser de Likert (3 o más categóricas),
de Sí/No (hay o no hay algo), contínuas (número real,
ej.: tasa de retorno de la inversión), discretas (número
entero: cantidad de proyect managers certificados).
Cada item debe tener su propia escala
• Sería deseable que todos los items de un indicador
tengan la misma escala. Y si es posible, todos los
item de los indicadores de la misma dimensión.
• Niveles: las posibles escalas para la dimensión.
Ejemplo: nivel de madurez de los procesos de
software.
Operacionalización de las variables
• Consiste en definir las variables, sus dimensiones,
los ítems de cada dimensión, y los niveles.
• Ejemplo: Fuente: Joel Visurraga A.
Ejemplo
VARIABLE: Gestión del conocimiento
DIM1: IN1.1 It1 Areas Encuesta
ORGANIZACIONAL Identificación de
activos de conoc.
IN1.2 It1 SW Inventario de SW
Infraestructura de It2 HW Inventario de HW
soporte de G.C.
IN1.3 It1 Tiempo Encuesta gerente
Apoyo de alta It2 percibido Encuesta trabaj.
dirección
DIM2: INDIVIDUAL IN1.1 It1 Captura Encuesta
Conocimientos It2 Compart Encuesta
It3 Preserv Encuesta
IN1.2 It1 Cantidad Encuesta
Competencias
PROB. OBJ.GRAL. H VI de H
TESIS VD de H
OBJ.ESP.1 H1 VI de H1
VD de H1
OBJ.ESP.2 H2 VI de H2
VD de H2
OBJ.ESP.3 H3 VI de H2
VD de H2
Ejemplo
Problema Objetivos Hipótesis Variables Indicadores Medición