Errores al plantear un problema de investigación

Cuando se plantea un problema de investigación, se cometen errores frecuentes que dificultan o distorsionan el trabajo de investigación. Es fácil confundir el método de investigación con el propósito que queremos investigar, siendo un error común focalizar el esfuerzo en  la aplicación de procedimientos, algoritmos o metodologías de moda, olvidándose del problema de investigación.

Plantear un problema de investigación pasa por estructurar y afinar formalmente una idea de investigación, que representa el primer acercamiento a la realidad que se investigará o a los fenómenos, sucesos y ambientes a estudiar. De hecho, el planteamiento del problema de investigación pasa por desarrollar la idea en los siguientes elementos: objetivos de la investigación, preguntas de investigación, justificación de la investigación, viabilidad de la investigación y evaluación de las deficiencias en el conocimiento del problema. Pues bien, es habitual comprobar que algunos de estos conceptos se confunden o no se delimitan bien, lo cual entorpece o desvía el esfuerzo del investigador novel.

http://tutesisesfacil.blogspot.com.es/

Los objetivos y las preguntas de investigación deben ser coherentes entre sí e ir en la misma dirección. Los objetivos de investigación establecen qué se pretende con la investigación. Las preguntas de investigación dicen qué respuestas deben encontrarse mediante la investigación. La justificación establece por qué y para qué debe hacerse la investigación. La viabilidad señala si es posible realizarla y, por último, la evaluación de deficiencias valora la evolución del estudio del problema.

Pero veamos algunos ejemplos de errores frecuentes:

Pregunta de investigación poco específica: “¿Cuáles serán las necesidades de formación de alto nivel de las empresas constructoras medianas y grandes de la zona centro del país?” La falta de concreción es evidente: ¿Qué tipo de necesidades (financieras, tecnológicas, de calidad….)? ¿Qué significa “alto nivel”? ¿Qué son las empresas medianas y grandes? ¿ Cuál es la zona centro del país?

Objetivo de investigación vago o muy general: “Determinar los problemas de producción de las empresas constructoras“. ¿Qué tipo de problemas? ¿Empresas constructoras de cualquier tamaño? ¿Construcción civil o edificación?

Objetivo de investigación dirigida a una etapa de la investigación y no a todo el proceso: “Medir el valor del capital humano en empresas constructoras medianas de la Comunidad Valenciana“. Además de impreciso, “medir” no es un objetivo de investigación, sino una actividad del proceso completo.

Por tanto, algunos de los errores más frecuentes que presentan los objetivos o las preguntas de investigación, son los siguientes:

  • Términos generales, poco específicos.
  • Objetivos o preguntas dirigidas a una etapa de la investigación y no a todo el proceso.
  • Objetivos o preguntas dirigidas a una consecuencia, entregable, producto o impacto de la investigación.
  • Objetivos o preguntas que no implican una investigación completa (el proceso) sino la obtención de un dato o cierta información.
  • Objetivos o preguntas que son de poco valor como para desarrollar toda una investigación.
  • Objetivos o preguntas que plantean estudios dispersos (en varias direcciones).

Os recomiendo el libro “Metodología de la investigación”, de Roberto Hernández Sampieri y colaboradores, de la editorial McGraw-Hill Education, que en el 2014 ya van por su sexta edición. Os dejo un vídeo del autor sobre el tema.

Mis líneas de investigación en el Programa de Doctorado en Ingeniería de la Construcción

.facebook_2096399093El Programa de Doctorado en Ingeniería de la Construcción de la Universidad Politécnica de Valencia está seleccionado con “Mención hacia la Excelencia”. Hoy día el título de doctor constituye un valor añadido no sólo en los ámbitos universitarios, sino en las empresas e instituciones. Este Programa de Doctorado está muy relacionado con el Máster Universitario en Ingeniería del Hormigón, aunque no es necesario hacer el máster para acceder a este nivel de posgrado. Dentro de este programa existen tres líneas de investigación en las que estoy trabajando y liderando proyectos de investigación, que son las siguientes:

PROPT-ED: 5. Modelos predictivos aplicados al hormigón estructural basados en la minería de datos e inteligencia artificial

El descubrimiento de conocimiento en bases de datos constituye un área donde se están realizando muchos esfuerzos, tanto en metodología como en investigación. En este contexto, la minería de datos constituye un conjunto de herramientas empleadas para la extracción de información no trivial que reside de manera implícita en los datos. Esta parcela reúne ventajas de varias áreas como la Estadística, la Inteligencia Artificial, la Computación Gráfica, las Bases de Datos y el Procesamiento Masivo. Mediante los modelos extraídos utilizando este tipo de técnicas se puede abordar la solución a problemas de predicción, clasificación y segmentación aplicados al hormigón estructural. Algunas de sus herramientas más representativas son las redes neuronales, la programación genética, las máquinas de soporte vectorial, los árboles de decisión, modelos estadísticos avanzados multivariantes y de diseños de experimentos y el agrupamiento o clustering. Estas herramientas construyen modelos abstractos a partir de datos basándose en métodos de aprendizaje automático ¿machine learning. Dentro de esta línea se encuentra el proyecto de investigación HORSOST, que trata del diseño eficiente de estructuras con hormigones no convencionales basados en criterios sostenibles multiobjetivo mediante el empleo de técnicas de minería de datos.

PROPT-ED: 6: Optimización heuristica en ingeniería

Los problemas en ingeniería habitualmente son difíciles de optimizar mediante métodos exactos, al igual que ocurre con muchos problemas de decisión en el campo de la investigación de operaciones. La línea de investigación profundiza en métodos de optimización empleados en Inteligencia Artificial tales como los algoritmos genéticos, las redes neuronales, la cristalización simulada, la búsqueda tabú, los sistemas de hormigas, GRASP, etc., capaces de proporcionar buenos resultados en numerosos problemas de ingeniería como son las estructuras, las redes de transporte, la planificación de obras, etc.

PROPT-ED: 7: Estandarización de la gestión de la innovación en empresas del sector de la construcción

La gestión de la innovación en empresas del sector de la construcción se encuentra en un estado inmaduro, con ideas innovadoras que proceden básicamente de los problemas que aparecen en la obra. Sin embargo, la gestión estratégica empresarial no suele considerar la innovación, sino que se apoya en subcontratistas especializados. Esta línea de investigación pretende analizar la forma en que se desarrolla la innovación en las organizaciones del sector de la construcción, los factores de los que depende y las barreras más importantes; se parte de un modelo propuesto en una investigación exploratoria previa, que se contrasta en diferentes tipos de empresas y circunstancias.

Los resultados de estas líneas de investigación se materializan en un número significativo de tesis doctorales, tesinas de máster y proyectos de investigación cuyos resultados son algunas publicaciones que podéis consultar en el siguiente enlace:  http://victoryepes.blogs.upv.es/publicaciones/articulos-jcr/

¿Qué son las metaheurísticas?

 ¿Cómo se podrían optimizar en tiempos de cálculo razonable problemas complejos de redes de transporte, estructuras de hormigón (puentes, pórticos de edificación, túneles, etc.) y otro tipo de problemas de decisión empresarial cuando la dimensión del problema es de tal calibre que es imposible hacerlo con métodos matemáticos exactos? La respuesta son los métodos aproximados, también denominados heurísticas. Este artículo divulgativo trata de ampliar otros anteriores  donde ya hablamos de los algoritmos, de la optimización combinatoria, de los modelos matemáticos y otros temas similares. Para más adelante explicaremos otros temas relacionados específicamente con aplicaciones a problemas reales. Aunque para los más curiosos, os paso en abierto, una publicación donde se han optimizado con éxito algunas estructuras de hormigón como muros, pórticos o marcos de carretera: (González et al, 2008).

Desde los primeros años de la década de los 80, la investigación de los problemas de optimización combinatoria se centra en el diseño de estrategias generales que sirvan para guiar a las heurísticas. Se les ha llamado metaheurísticas. Se trata de combinar inteligentemente diversas técnicas para explorar el espacio de soluciones. Osman y Kelly (1996) nos aportan la siguiente definición: “Los procedimientos metaheurísticos son una clase de métodos aproximados que están diseñados para resolver problemas difíciles de optimización combinatoria, en los que los heurísticos clásicos no son ni efectivos ni eficientes. Los metaheurísticos proporcionan un marco general para crear nuevos algoritmos híbridos combinando diferentes conceptos derivados de la inteligencia artificial, la evolución biológica y la mecánica estadística”.

Aunque existen diferencias apreciables entre los distintos métodos desarrollados hasta el momento, todos ellos tratan de conjugar en mayor o menor medida la intensificación en la búsqueda –seleccionando movimientos que mejoren la valoración de la función objetivo-, y la diversificación –aceptando aquellas otras soluciones que, aun siendo peores, permiten la evasión de los óptimos locales-.

Las metaheurísticas son susceptibles de agruparse de varias formas. Algunas clasificaciones recurren a cambios sucesivos de una solución a otra en la búsqueda del óptimo, mientras otras se sirven de los movimientos aplicados a toda una población de soluciones. El empleo, en su caso, de memoria que guíe de la exploración del espacio de elecciones posibles permite otro tipo de agrupamiento. En otras circunstancias se emplean perturbaciones de las opciones, de la topología del espacio de soluciones, o de la función objetivo. En la Figura se recoge una propuesta de clasificación de las heurísticas y metaheurísticas empleadas en la optimización combinatoria (Yepes, 2002), teniendo en común todas ellas la necesidad de contar con soluciones iniciales que permitan cambios para alcanzar otras mejores. Es evidente que existen en este momento muchas más técnicas de optimización, pero puede ser dicha clasificación un punto de partida para una mejor taxonomía de las mismas.

 

Taxonomía de estrategias empleadas en la resolución aproximada de problemas de optimización combinatoria sobre la base de soluciones iniciales.
Figura. Taxonomía de estrategias empleadas en la resolución aproximada de problemas de optimización combinatoria sobre la base de soluciones iniciales (Yepes, 2002)

Las  metaheurísticas empleadas en la optimización combinatoria en podrían clasificarse en tres grandes conjuntos. Las primeras generalizan la búsqueda secuencial por entornos de modo que, una vez se ha emprendido el proceso, se recorre una trayectoria de una solución a otra vecina hasta que éste concluye. En el segundo grupo se incluyen los procedimientos que actúan sobre poblaciones de soluciones, evolucionando hacia generaciones de mayor calidad. El tercero lo constituyen las redes neuronales artificiales. Esta clasificación sería insuficiente para aquellas metaheurísticas híbridas que emplean, en mayor o menor medida, estrategias de unos grupos y otros. Esta eventualidad genera un enriquecimiento deseable de posibilidades adaptables, en su caso, a los diferentes problemas de optimización combinatoria.

Referencias

GONZÁLEZ-VIDOSA-VIDOSA, F.; YEPES, V.; ALCALÁ, J.; CARRERA, M.; PEREA, C.; PAYÁ-ZAFORTEZA, I. (2008) Optimization of Reinforced Concrete Structures by Simulated Annealing. TAN, C.M. (ed): Simulated Annealing. I-Tech Education and Publishing, Vienna, pp. 307-320. (link)

OSMAN, I.H.; KELLY, J.P. (Eds.) (1996). Meta-Heuristics: Theory & Applications. Kluwer Academic Publishers.

YEPES, V. (2002). Optimización heurística económica aplicada a las redes de transporte del tipo VRPTW. Tesis Doctoral. Escuela Técnica Superior de Ingenieros de Caminos, Canales y Puertos. Universitat Politècnica de València. 352 pp. ISBN: 0-493-91360-2. (pdf)

Licencia de Creative Commons
Esta obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0 Internacional.

Automatic design of concrete vaults using iterated local search and extreme value estimation

La optimización de estructuras reales de hormigón armado constituye un campo de gran interés no sólo en la investigación, sino en la aplicación real en obra. Os paso un artículo reciente donde se explica una forma de optimizar bóvedas de hormigón empleadas habitualmente en pasos inferiores como falsos túneles. Los ahorros que se pueden conseguir, en este caso, han sido de un 7% respecto a un diseño tradicional. En el caso de obras lineales de gran longitud, los ahorros pueden ser nada despreciables. La revista Latin American Journal of Solids and Structures es una revista en abierto, de donde podéis descargaros éste y otros artículos de interés.

 

Licencia de Creative Commons
Este obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0 Internacional.

¿Qué es un artículo científico?

¿Alguna vez os habéis preguntado cómo se almacena el conocimiento científico hoy en día? Pues sí, se trata de los ARTÍCULOS CIENTÍFICOS. No siempre se ha hecho así, baste recordar las grandes bibliotecas como la de Alejandría, los manuscritos copiados una y otra vez por escribas y monjes, las cartas entre científicos, etc. Sin embargo, son las revistas  y los artículos científicos los que hoy en día se consideran como custodios del acervo científico actual.

Pero, ¿qué es un artículo científico? Se trata de un informe escrito que comunica, por primera vez, los resultados de una investigación. No es nada fácil escribir un artículo de este tipo, puesto que requiere de una rigurosidad, claridad, precisión y concisión muy elevadas. Además, antes de publicarse un artículo científico en una revista de alto impacto científico, este artículo se ve sometido a una rigurosa revisión por otros especialistas en el tema tratado (revisión por pares). Se podría decir que una investigación termina realmente cuando el público especializado tiene acceso a un artículo publicado en una revista científica.

¿Cómo podemos leer o escribir un artículo científico? ¿Por qué es importante escribirlo? ¿Qué estructura tiene?

Para poder contestar brevemente alguna de estas preguntas, vamos a difundir un par de videos explicativos sobre el tema, a sabiendas que nos quedaremos cortos y que en internet existen múltiples enlaces de gran calidad que nos pueden ayudar. También resulta de gran utilidad leer con detenimiento las instrucciones que las propias revistas exigen a sus autores para garantizar un mínimo de calidad en el estilo. No olvidemos que una buena investigación puede quedarse sin publicar si no somos capaces de transmitir bien lo que queremos decir.

 Os paso una plantilla para detectar los errores más frecuentes en los que podemos caer al redactar un artículo científico:

TÍTULO

TIPO DE ERROR SI/NO ANOTAR LA EVIDENCIA
Sintaxis equívoca
Uso de términos ambiguos o vagos
Uso de jerga o jerigonza
Uso de abreviaturas y siglas
Falta de brevedad
Título telegráfico o inespecífico
Exceso de preposiciones y artículos
Uso de subtítulos innecesarios
Uso de palabras repetitivas o vacías
Otro tipo de errores detectados

AUTORES

TIPO DE ERROR SI/NO ANOTAR LA EVIDENCIA
Nombre incompleto, con iniciales que llevan a la confusión
Incluye grados académicos o posiciones jerárquicas en la burocracia institucional
No incluye la institución donde se llevó a cabo la investigación
No figura la dirección postal exacta de cada institución
Cuando hay varios autores, no figura el autor responsable de la correspondencia con la revista
Otros errores

RESUMEN

TIPO DE ERROR SI/NO ANOTAR LA EVIDENCIA
No existe el resumen
No se puede entender el resumen por sí mismo, sin el contenido del resto del artículo
No incluye los objetivos
No incluye los materiales y métodos
No se incluyen los resultados más relevantes
Incluye información irrelevante
Incluye conclusiones no mencionadas en el texto
Carece de precisión o concisión
No está ordenado adecuadamente
Otros errores

 

PALABRAS CLAVE

TIPO DE ERROR SI/NO ANOTAR LA EVIDENCIA
Selección de palabras que no son “clave”
Excesivo número de palabras (más de 10)
Escaso número de palabras (menos de 3)
Términos inespecíficos o ambiguos
Uso de abreviaturas
Uso de preposiciones
Otros errores

INTRODUCCIÓN

TIPO DE ERROR SI/NO ANOTAR LA EVIDENCIA
Inexactitud en la identificación del problema general
Imprecisión en la definición del problema de investigación
Ausencia de un marco de referencia conceptual
Ausencia o insuficiencia de respaldo bibliográfico
Objetivos demasiados generales, vagos o ambiguos
Supuestos básicos no explícitos
Variables no identificadas
Exclusión de las definiciones de términos principales
Hipótesis mal formuladas
Limitaciones del estudio no explícitas
Falta de enlace con el resto del artículo, explicando su estructura
Otros errores

MATERIALES Y MÉTODOS (este apartado va a depender del tipo de artículo)

TIPO DE ERROR SI/NO ANOTAR LA EVIDENCIA
Metodología inapropiada para el objetivo de la investigación
Metodología en desacuerdo con el nivel actual de conocimientos sobre el problema
Imprecisión en la descripción del método de muestreo
Imprecisión en la descripción de los materiales, aparatos, etc.
Imprecisión en la descripción de la metodología
Supuestos básicos de la investigación no explícitos
Falta de orden lógico
Imposibilidad de repetibilidad de la investigación
Otros errores

 

RESULTADOS

TIPO DE ERROR SI/NO ANOTAR LA EVIDENCIA
Incluir información no pertinente a los objetivos del estudio
Confundir hechos con opiniones
Presentación de los hallazgos sin secuencia lógica
Falta de tratamiento estadístico, o bien es inapropiado o no se entiende
Información insuficiente para justificar las conclusiones
Medios de presentación (tablas, gráficos, etc.) inadecuados o poco claros para justificar las conclusiones
Los cuadros y gráficos carecen de legibilidad y de comprensibilidad
Los cuadros y gráficos repiten información ya expuesta en el texto
Los cuadros y gráficos se utilizan de forma indiscriminada, inadecuada e innecesaria
Los gráficos incluyen muchas series estadísticas juntas o con muchas categorías, lo que dificulta el dibujo e interpretación
Los gráficos se presentan incompletos. Falta de información sobre título, número, escalas, fuente y simbología
Los gráficos son inadecuados, complejos y de difícil interpretación
Exceso de cuadros, material gráfico
Otros errores

 

DISCUSIÓN

TIPO DE ERROR SI/NO ANOTAR LA EVIDENCIA
Repetir los resultados
No confrontar los resultados
Reformular los puntos ya tratados
Polemizar de forma trivial
Hacer comparaciones teóricas sin fundamento
Hacer conjeturas sin identificarlas como tales y sin relacionarlas estrecha y lógicamente con la información empírica o teórica disponible
Otros errores

 

CONCLUSIONES

TIPO DE ERROR SI/NO ANOTAR LA EVIDENCIA
No hay conclusiones
Las conclusiones no se justifican por cuanto no se apoyan en los resultados
Las conclusiones no concuerdan con las preguntas de investigación formuladas en la introducción
Otros errores

 

AGRADECIMIENTOS

TIPO DE ERROR SI/NO ANOTAR LA EVIDENCIA
Falta de concisión en la exposición del agradecimiento
Otros errores

 

REFERENCIAS

TIPO DE ERROR SI/NO ANOTAR LA EVIDENCIA
No se presentan referencias
Las referencias son exiguas
Las referencias son muy numerosas
Las referencias son obsoletas y muestran la desactualización del autor
Las referencias no están citadas en el texto o se citan equivocadamente
Las referencias se seleccionan sin cuidado y no son pertinentes
Los documentos que respaldan las referencias no son accesibles al lector
Las referencias citadas están incompletas
Se incluyen referencias no aceptables para la comunidad científica (reuniones no publicadas, documentos inéditos, comunicaciones personales, tesis no accesibles…)
Otros errores

 

APÉNDICES

TIPO DE ERROR SI/NO ANOTAR LA EVIDENCIA
Hacer caso omiso del apéndice e incluir información complementaria – no esencial- en el cuerpo del artículo
Información desordenada
Otros errores

 

Licencia de Creative Commons
Esta obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0 Internacional.