Ciencia y Técnica Admistrativa

Ciencia de alto impacto: elaboración y escritura de proyectos de investigación

Marcelo Claudio Perissé

Departamento de Ciencias Económicas
Universidad Nacional de La Matanza

mperisse@unlam.edu.ar


Resumen

Contextualización: en el marco del estudio de la ciencia y tecnología, y más particularmente en sus actividades de investigación y desarrollo Gap | Intersticio: el trabajo expone sobre las condiciones necesarias y suficientes para iniciar un proceso de investigación, en lo que se refiere a su planteo, desarrollo, y exposición. Propósito: el principal propósito es presentar las formas más adecuadas de llevar adelante una revisión sistemática de la literatura científica, mediante la cual se puedan encontrar, sintetizar y analizar las evidencias relevantes necesarias para constituir un proceso de investigación científica. Metodología: la metodología de base que se ha tomado es la revisión sistemática basada en una matriz de análisis basada en una endecatupla epistemológica propuesta por Mario Bunge. Resultados: el principal resultado es el de alcanzar una «organización científica del trabajo creativo», expuesta aquí bajo la forma de un manual por el cual se describe la técnica para llevar adelante una metódica y sistemática revisión de la literatura científica Conclusiones: contar con un proceso sistémico de revisión de la literatura científica permite mejorar la eficiencia y efectividad de los procesos de investigación y desarrollo, lo que conlleva a una efectividad en la manera de construir nuevas ideas racionales.

Palabras Clave

7201 Filosofía del conocimiento , 7201.02 Epistemología, 7201.06 Teoría de la razón (Nomenclatura Internacional de la UNESCO )

Introducción

los procesos de innovación científico-tecnológica: reglas metodológicas para el Arte de Inventar y su análisis racional

Referencia y Evidencia

Evidencia

La relatividad de los datos

Revisión bibliográfica tradicional y sistemática en la investigación académica: qué buscar, dónde buscar, cómo buscar, y cómo gestionar la información

Revisiones sistemáticas de Literatura

Metodología

Preguntas de investigación e hipótesis

Los problemas son preguntas: sentencias declarativas

Pregunta de investigación: cómo elaborarla

Hipótesis

Revisiones bibliográficas dónde y cómo realizarlas

Bases de datos académicas: constitución de un grupo óptimo

Registro de las bases de datos

Bases de datos académicas: estructura y funciones

El registro

Sistema de Búsqueda

Página de resultados

Revisión bibliográfica: cómo realizarla

Búsqueda en las bases de datos académicas: Scopus, Web of Science, Googles Scholar, Microsoft Academic

Gestión de la información recuperada

Programación de alertas en las bases de datos académicas

Revisión bibliográfica sistemática

Framework SALSA

Proyecto de Investigación: propuesta de un formato simple

Portada

Resumen

Introducción: justificación e hipótesis

Métodos

Formas para el análisis de resultados

Resultados esperados

Implicaciones para el área

Plan de trabajo

Bibliografía

Redacción e interpretación de las reivindicaciones de patentes

Gestión en ciencia y tecnología: una perspectiva sistémica para la I+D+i

Referencias

Marcelo Claudio Perissé
Marcelo Claudio Perissé. Impacto de las nuevas ideas

" Empezamos estudiando lo que
otros dicen en sus libros, y
continuamos aprendiendo y enseñando
de lo que nosotros mismos investigamos."

Introducción

Si consideramos que los científicos trabajan, en base a sus capacidades, para generar «ideas»; entonces, para desarrollar una ciencia de alto impacto, se precisará estipular cuáles son las capacidades que permiten impulsar el potencial de esas «ideas». Una manera de abordar dicha magnitud será la de establecer su validez proposicional y su valor en el marco del tema y del problema en los cuales se desarrollarán esas «ideas»; pero además precisaremos que esta «invención de nuevas ideas» se vea sustanciada por la producción de invenciones útiles, a lo que llamaremos «innovación».

Mirando al razonamiento de René Descartes, Immanuel Kant y más particularmente a Gottfried Leibniz, al describir la capacidad que tiene la razón para innovar, explicitado en el escrito De la sagesse, mediante el método de análisis y síntesis (Theoria cum Praxi), donde asegura que la marca distintiva de un buen uso del «Ars Inveniendi», como lógica del descubrimiento científico, radicará, por una parte, en el hallazgo de buenas definiciones a lo largo de la fase de análisis, y por la otra, en el «Ars Innovandi» como la producción de invenciones útiles en la fase de síntesis.

 

Ciencia: imbricamiento analítico sintético
Ciencia: imbricamiento analítico sintético Fuente: Perissé, Marcelo Claudio

Entonces si basáramos nuestra búsqueda de nuevas «ideas», en una sistemática que racionalice el pensamiento y que permita aumentar su productividad, deberíamos pensar en una «organización científica del trabajo creativo». (Perissé, 2019)

Para ello, debemos determinar a los principales elementos necesarios que nos permitan abordar una estrategia para elaborar «ideas» sustanciadas en «evidencias» relevantes, y para ello precisamos:

  • construir ideas como nociones racionales, que guíen el entendimiento por medio de la experiencia,  (Kant, 2000)
  • conocer el área o campo de conocimiento científico (conocer las fronteras del conocimiento),
  • conocer la comunidad científica (conocer las personas, que publicaron, que estudian, con que metodología),
  • establecer de tres a cinco principales revistas científicas (base de datos, repositorios) que publican textos relevantes en el campo de conocimiento en el que se localiza la línea de investigación,
  • conocer los congresos y reuniones significativas de la comunidad científica,
  • elaborar, en función del propósito de la investigación, una «revisión sistematizada» o, mejor aún, una «revisión sistemática» que permita realizar la búsqueda, evaluación, síntesis, y análisis de las «evidencias relevantes disponibles» (Framework Search AppraisaL Synthesis Analysis - SALSA).
Ars inveniendi - Ars Innovandi reglas para favorecer la invención y la innovación Fuente: Perissé, Marcelo Claudio

Ars inveniendi - Ars Innovandi reglas para favorecer la invención y la innovación Fuente: Perissé, Marcelo Claudio. Episteme

Donde:

Toda Idea Proyecto (Ip) de I+D debe especificar la siguiente tupla: Ip = < DGAPOM>

D: Dominio del Discurso u objeto de estudio en un determinado contexto de entes reales certificados o presuntos.

G: Concepción General filosofía inherente constituida por: ontología, gnoseología, y ethos.

A: Fondo Acumulado de los supuestos de la comunidad científica específica o de campos lindantes, constituidos en conocimiento verdaderos o eficaces, expresados por: datos, hipótesis, teoremas.

P: Problemática cognitiva referente a la naturaleza, y en particular, a las leyes de D

O: Objetivos fines o metas (resultado a priori o descubrimiento esperado) expuesto en la hipótesis de D y resultante de la aplicación de una Metódica pertinente.

M: Metódica métodos procedimientos escrutables (comprobar, analizar y criticar) y justificables (explicables)

Los procesos de innovación científico-tecnológica: reglas metodológicas para el Arte de Inventar y su análisis racional

La marca distintiva de un buen uso del Ars Inveniendi radica en dos cuestiones:

  1. el hallazgo de buenas definiciones a lo largo de la fase de análisis, y
  2. la producción de invenciones útiles en la fase de síntesis.

El análisis debe ser llevado a cabo sobre la base de proponer definiciones nuevas y más perfectas que las proporcionadas por nuestros antecesores. La síntesis ha de justificar deductivamente lo ya conocido, y además, ha de suministrar nuevos teoremas, hechos, y artefactos. (Echeverría, 2001)

Veamos el siguiente procedimiento:

  1. Aprender lo aprehendido: conocer aquello que se está investigando, determinando sus propiedades específicas para llegar a su definición, ir de lo particular a lo general. Se trata de investigar las «evidencias relevantes» disponibles.
  2. Definir: integrar cada uno de los términos que hayan surgido y que atiendan al concepto del objeto de estudio y por las que se produzcan claras y precisas definiciones de cada uno de los conceptos analizados. Para saber si una definición es buena o mala existe un primer criterio: que sea constructiva, es decir, que muestre en la definición misma la posibilidad de lo definido.
  3. Abstracciones: Elaborar la idea como noción racional; el proceso se repite para las nuevas definiciones que van surgiendo de conceptos anteriores, hasta que se llegue a términos que nos parezcan inanalizables, o por sí mismos inteligibles. Por consiguiente, habremos llegado a un cierto grado de conocimiento, cuando por todas las ramas de nuestro árbol analítico, conocemos la cosa propuesta lo mejor posible,
  4. Elaboración de una idea racional Fuente: Perissé, Marcelo Claudio
    Elaboración de una idea racional Fuente: Perissé, Marcelo Claudio
  5. Los análisis anteriores han de ser repetidos una y otra vez, tanto para hallar posibles errores como para descubrir vías de análisis que no se nos habían ocurrido anteriormente. El objetivo consiste en tener presentes a todos los requisitos generales de la cosa analizada. Si somos capaces de dar razón (conceptual) de todas las definiciones iniciales mediante estos requisitos generales, lograremos elaborar un conocimiento válido de la cosa. El análisis conceptual realizado nos será muy útil para demostrar y para encontrar nuevas verdades. Es más fácil, hallar nuevas verdades, a partir de los requisitos intermedios, que analizar hasta el final un concepto o una definición.
  6. Actos lógicos del entendimiento Fuente: Perissé, Marcelo Claudio
    Actos lógicos del entendimiento Fuente: Perissé, Marcelo Claudio
  7. Esta primera fase de análisis va de lo sencillo a lo difícil. El modelo de los conos de resolución se presenta como un instrumento válido para el análisis y resolución de problemas, por el cual empezamos considerando que, si nos hallamos en el vértice del cono, nuestro modelo será reducido porque tenemos dos puntos que están en interacción el uno con el otro. Esto es útil si se conoce el valor asignado a cada punto; ahora, mientras descendemos por el cono de resolución vamos comprendido más y más lo que realmente sucede, y al llegar al fondo del cono, encontramos el modelo isomórfico sin más, siendo que esto tampoco aporta mucho, pues la única manera de proceder en este último nivel de la construcción de modelos consiste en seguir manejando la situación tal cual es. (Perissé, 2020)
  8. Procurar no omitir nada. El procedimiento de las dicotomías (Jano), permite analizar binariamente los conceptos e ideas, que luego nos permitirá constituir el imbricamiento analítico sintético.
  9. El resultado último del análisis es la obtención de los requisitos más simples (no burdos o toscos) y generales, dado el estado actual de nuestros conocimientos.
  10. Partiendo de esta colección de requisitos simples por lo bien elaborados, el método de síntesis, como proceso de inventiva, consiste en combinarlos unos con otros de las diversas maneras posibles, lo cual generará algunas de las nociones previamente existentes, pero también dará lugar a problemas y nociones nuevas.

Los pensamientos, por así decirlo, se concentran en la dirección para esta principal tarea inventiva; y así se unen las ideas que están directamente relacionadas con la tarea de resolver el problema. Como resultado, la probabilidad de una conjunción de tales pensamientos aumenta significativamente, y su combinación dará las soluciones que buscamos. (Altshuller, 1965)

Un ejemplo para el abordaje metodológico que permita constituir una estrategia creativa, puede ser el «Algoritmo para Resolver Problemas Inventivos» que permite organizar la formación sistemática de los inventores (Perissé, Estrategia creativa: el Algoritmo para Resolver Problemas Inventivos, 2019)

Algoritmo para Resolver Problemas Inventivos
Estrategia creativa. Perissé, Marcelo Claudio

Si esto es así, entonces, la revisión sistemática como método de sistematización de la literatura científica se constituye en un buen comienzo para llevar adelante investigaciones y desarrollos innovativos. Concretamente, la «revisión sistemática» es un tipo de «investigación» centrada en la «revisión bibliográfica» de una temática y problemática en particular bien definida. Su propósito es el de sistematizar las «evidencias relevantes disponibles»; consecuentemente, su estrategia será la de:

definir las preguntas o hipótesis de investigación, de las cuales se derivarán los términos y conceptos que determinen los criterios de valoración e inclusión de los datos e información, disponibilizada por los motores de búsqueda en las bases de datos científicas y a ser considerada como «evidencias relevantes disponibles» para la justificación y el análisis de la investigación.

La «revisión sistemática» nos permite: juntar hechos, reunir los mejores datos y la mejor información sobre lo que ya fue producido de aquellos hechos; permite pues, afirmar o concluir que el tema propuesto fue estudiado y el problema está justificado en un método; por tanto, el dominio del discurso fue estudiado y consecuentemente los científicos, obteniendo o no buenos resultados, los han expuesto en los textos científicos como «evidencias relevantes» que contribuyen al progreso del conocimiento científico. (Kuhn, 2004, pág. 20)

Modelo conceptual de ciencia Fuente Perissé, Marcelo Claudio
Ilustración 1 Modelo conceptual de ciencia Fuente Perissé, Marcelo Claudio (Semantic web in higher education, 2008, págs. 223-234) basado en Thomas Kuhn (La estructura de las revoluciones científicas):'Si la ciencia es la constelación de hechos, teorías y métodos reunidos en los libros de texto actuales, entonces los científicos son hombres que, obteniendo o no buenos resultados, se han esforzado en contribuir con alguno que otro elemento a esa constelación particular' .

Además, si en el objeto de estudio (dominio del discurso) hubiera una evidencia cuantitativa, el «metaanálisis» nos permitirá observar los valores de las evidencias mensurables.

El «metaanálisis» es el conjunto de técnicas estadísticas desarrolladas para integrar valores obtenidos en dos o más estudios independientes, sobre una misma cuestión de investigación, combinando en una medida resumida, los resultados de tales estudios.

Referencia y Evidencia

Toda teoría factual tiene que considerarse desde dos perspectivas: la referencia, y la evidencia (Bunge, La investigación científica: su estrategia y su filosofía, 2004, pág. 434)

Referencialmente (semánticamente) considerada, una teoría factual apunta de modo inmediato a una imagen conceptual o a un modelo teorético, y a su vez referencia a un sistema real.

Las teorías incluyen modelos
Las teorías incluyen modelos, que son una representación idealizada de una clase de objetos reales.
(Bunge, La investigación científica: su estrategia y su filosofía, 2004, pág. 337)
Relación de la teoría con la realidad y la experiencia
Una teoría es un sistema deductivo en el cual ciertas consecuencias observables se siguen de la conjunción de hechos observados con la serie de las hipótesis fundamentales del sistema.
Relación de la teoría con la realidad y la experiencia. Mientras que la teoría se refiere a los hechos experienciales (observados y observables) que se incluyen en el conjunto más amplio de los hechos, sólo el subconjunto de los hechos observados le da apoyo evidencial.
(Bunge, La investigación científica: su estrategia y su filosofía, 2004, pág. 435)
Semántica de significación

D = Designación

R = Representación

Δ = Denotación

Donde Δ se define como una relación entre el conjunto de expresiones de un lenguaje conceptual y
el conjunto de clases de objetos, tal que Δ = D Ç R

Referencia inmediata de la teoría a su propio modelo ideal Fuente: Perissé, Marcelo Claudio
Referencia inmediata de la teoría a su propio modelo ideal

Fuente: Perissé, Marcelo Claudio, fundamentado en Eco, Humberto (Eco, 2000)

Así: un modelo ideal de un cristal es un conjunto de partículas a distancias iguales y enlazadas por un hilo elástico sin masa; y un modelo grosero de la ecología de un pez comedor de peces es un ecosistema de dos componentes (presa-cazador) desatendiendo a cualquier otro factor.

Modelo ideal de cristal

Pez comedor de peces

Evidencialmente (metodológicamente) considerada, la misma teoría alude indirectamente a un conjunto de hechos observados como la «evidencia disponible», y, de un modo mediato, a una clase más amplia de hechos observables. Los correlatos mediatos o reales de una teoría no tienen por qué ser directamente observables; y no lo son nunca, si la teoría es lo suficientemente profunda.

Para evitar ciertos equívocos y errores de comprensión hay que distinguir la «evidencia» de la «referencia»; de hecho:

  1. la concentración de la atención sobre la evidencia, en desmedro de la referencia, puede llevar al subjetivismo a través de un empirismo estrecho; y
  2. el olvido de la naturaleza (sumamente indirecta) de casi toda evidencia, así como de la idealización que supone todo modelo teorético, da lugar a la idea de que las teorías son imágenes especulares de la realidad.(Bacon, 2000, pág. aforismo 42)

En ambos casos se yerra el punto capital de la teorización, que es la representación conceptual y contrastable de la realidad. (Bunge, La investigación científica: su estrategia y su filosofía, 2004, pág. 437)

Conocimiento genuino
Fuente: Perissé, Marcelo Claudio. Episteme

Evidencia

Toda pieza de evidencia empírica tiene que juzgarse a la luz de la teoría utilizada al diseñar y llevar a la práctica la técnica con la cual se ha obtenido esa información. Entonces, del mismo modo que ninguna teoría factual se sostiene por sí misma, por analogía, tampoco hay dato que se constituya por sí mismo en evidencia a favor o en contra de una teoría. Por lo tanto:

  • para que el dato se constituya como evidencia, éste ha de ser conseguido e interpretado con la ayuda de alguna teoría científica;
  • consecuentemente, ninguna información obtenida por medios no correspondientes con la ciencia puede considerarse evidencia en contra teorías científicas o en favor de teorías no científicas. (Bunge, La investigación científica: su estrategia y su filosofía, 2004, pág. 17)

Entonces, La información empírica sola, no constituye evidencia de ninguna clase:

para que un dato se convierta en evidencia en favor o en contra de una hipótesis científica, tiene que ser interpretado a la luz de algún conjunto de teorías. (Bunge, La investigación científica: su estrategia y su filosofía, 2004, pág. 34)

Proceso decisorio: del dato a la sabiduría. Perissé, Marcelo Claudio
Perissé, Marcelo Claudio. Episteme

Mario Bunge (Bunge, 2004, pág. 205) nos dice que, con frecuencia, la ciencia se encuentra puesta en jaque no por falta de evidencia empírica, sino por falta de hipótesis fuertes.

Consecuentemente tampoco pueden utilizarse «enunciados fenomenalistas en bruto» como «evidencia» en favor o en contra de «hipótesis»: esos enunciados tienen antes que interpretarse, esto es, tienen que transformarse en «enunciados objetivos» formulados en el mismo lenguaje de objeto físico que la hipótesis. Entonces:

tal como se presentan los «enunciados fenomenalistas» no son ni sustitutivos de las hipótesis científicas, ni siquiera son evidencia relevante alguna para ellas. (Bunge, La investigación científica: su estrategia y su filosofía, 2004, pág. 228)

Otra manera para eludir la contrastación empírica consiste en maximizar la vaguedad. Ciertas frases restrictivas como: "en determinadas circunstancias", "en condiciones favorables", o "mutatis mutandis", pueden producir burdas o toscas verdades, o sea, verdades tan insensibles a los detalles empíricos que llegan a parecerse mucho a las verdades lógicas. Así, por ejemplo, difícilmente pondrá en duda un psicólogo moderno que "La condición del sistema nervioso, en un momento dado, determina el comportamiento en un momento posterior". Pero esa proposición es tan vaga que casi resulta incontrastable, y la incontrastabilidad es un precio demasiado elevado para comprar con ella la certeza. En realidad, si la condición, el comportamiento, y la relación entre una y otro no se especifican, cualquier ejemplo de comportamiento servirá como evidencia confirmadora de esa hipótesis, puesto que, cualquiera que sea su naturaleza, todo acontecimiento comportamentístico estará sin duda precedido por algún estado del sistema nervioso; sólo si se formula la hipótesis de una precisa relación entre los estados neurales y los de comportamiento conseguiremos una hipótesis plenamente contrastable.

En general, las relaciones funcionales indeterminadas, o sea, las funciones no especificadas, de tal modo que no pueda inferirse una variable de las demás, son incontrastables. Una expresión como "y depende de x", o sea "y =f(x)", no es una proposición, sino una función proposicional, si no se especifican (interpretan) más que las variables y se deja sin determinar la función f. Es obvio que no podemos someter a contrastación algo que no ha sido siquiera formulado. En este caso no nos encontramos propiamente con una hipótesis, sino con una hipótesis de relación, una hipótesis de trabajo o de programática que es como un hueco a rellenar mediante la investigación. A veces adoptamos fórmulas vagas, por ignorancia o porque deseamos que sean lábiles. Pero antes de intentar tales supuestos, tenemos que precisarlos: tal como se presentan, evitan demasiadamente todo compromiso, y las contrastaciones empíricas lo que buscan es precisamente obligarnos a comprometernos. (Bunge, La investigación científica: su estrategia y su filosofía, 2004, pág. 229)

El camino no va directamente de los datos a la teoría, sino de los datos al problema, del problema a la hipótesis (derivación lógica con consecuencias contrastables), y de la hipótesis a la teoría; y luego a la inversa, de la teoría y la evidencia, a una proyección que podrá someterse a contrastación con la ayuda de otro elemento de evidencia y la de otras teorías. (Bunge, La investigación científica: su estrategia y su filosofía, 2004, pág. 400)

Concepción ingenua de la construcción de teorías: la experiencia como fuente de la teoría
Concepción ingenua de la construcción de teorías: la experiencia como fuente de la teoría
la teoría provocada y contrastada por datos que arraigan en la experiencia
Una concepción más realista aunque aún simplificada la teoría provocada y contrastada por datos que arraigan en la experiencia
contrastación empírica de una teoría que tenga supuestos iniciales muy complejos
La contrastación empírica de una teoría que tenga supuestos iniciales muy complejos (pero que se supone también muy precisos) exige la construcción de una teoría intermedia más simple con problemas efectivamente resolubles. (Bunge, La investigación científica: su estrategia y su filosofía, 2004, pág. 413)

Las evidencias de una teoría son en general diferentes de las descripciones de los correlatos de la teoría. Pues los correlatos mediatos (relación dinámica) de una teoría se suponen existentes con independencia de la teoría (cosa que no vale respecto del correlato inmediato, o modelo teorético); este supuesto, desde luego, puede ser falso, como tan a menudo ocurre en las teorías de partículas "elementales"; pero el supuesto de la existencia independiente se hace siempre, aunque no sea más que por mérito de la cuestión. Entonces:

 no hay evidencia sin teoría, es decir, no puede haber o dejar de haber evidencia más que en favor o en contra de alguna teoría. La teoría misma lo determina -generalmente con la ayuda de otras teorías-, porque los informes de observación (datos) tienen que interpretarse en lenguaje teorético para poder convertirse en evidencias. Las evidencias no nacen, se hacen: sólo una teoría puede transformar un dato en una evidencia, por ejemplo, un hueso fósil en una evidencia relevante para una teoría sobre la filogénesis humana.

generalización empírica

La generalización empírica como resumen de datos de observación.

La transformación de la generalización empírica en una ley de nivel bajo (un teorema de una teoría)

 

Pasemos, pues, a conclusiones generales:

  • los datos utilizados para contrastar teorías no se recogen, sino que se producen con la ayuda de la misma teoría o también con la ayuda de otras teorías. Toda evidencia es un dato, pero no todo dato es una evidencia. El carácter evidencial de un dato no es una propiedad intrínseca suya. Son evidencias, los datos que son relevantes para alguna «idea».
  • las teorías, supuestas en la interpretación de los hechos observados como evidencia reconstruyen (hipotéticamente) la cadena entera que está entre el hecho-referencia y el hecho-evidencia, entre el resfriado y el estornudo, entre la amistad y el apretón de manos. En la ciencia no hay experiencias neutrales, pues toda evidencia se produce a la luz de alguna teoría, o conjunto de fragmentos de teorías, y es relevante para alguna teoría. (Bunge, La investigación científica: su estrategia y su filosofía, 2004, pág. 441)

Entonces,

la «evidencia» es un concepto complejo: tiene que ponerse en relación con las particulares hipótesis para las cuales es relevante, y con el trasfondo de conocimiento -que es a menudo un conjunto de fragmentos de teorías- T en base al cual sostenemos que el dato es una evidencia relevante para la hipótesis.

Por tanto, la expresión

El dato e es una evidencia relevante para la hipótesis h

es una expresión incompleta, y debería sustituirse por esta otra:

En base a la teoría -o fondo de conocimiento- T, el dato e es una evidencia relevante para la hipótesis h

El concepto de evidencia tiene, pues, la estructura de una relación triádica o ternaria. Dicho de otro modo:

Toda evidencia es relativa a alguna hipótesis en virtud de un cuerpo de conocimiento teorético: ninguna evidencia es absoluta y ninguna evidencia es anterior a toda teoría.

Estructura de un cuerpo científico: Lenguaje científico y la construcción de modelos y teorías
Fuente Perissé, Marcelo Claudio br> Organización autopoiética: Cosmos con estructura racional
Estructura de un cuerpo científico: Lenguaje científico y la construcción de modelos y teorías
La relatividad de los datos

Por ejemplo: la desviación observada de una aguja magnética en la proximidad de un circuito eléctrico (dato e) favorece la hipótesis hx de que la electricidad está fluyendo por el circuito, pero lo hace en base a la teoría Tj según la cual las corrientes eléctricas producen campos magnéticos que entran a su vez en interacción con los campos de las agujas magnéticas. Pero ese mismo «dato e» favorece como evidencia la hipótesis, rival de la anterior, h2 que dijera que se ha colocado cerca algún gran imán, y ese apoyo se basaría en la teoría T2 que enseña que los imanes pueden entrar en interacción unos con otros. (Bunge, La investigación científica: su estrategia y su filosofía, 2004, pág. 614)

La relatividad de los datos: un mismo dato apunta    ambiguamente a dos hipótesis diferentes a través de dos teorías diferentes

La relatividad de los datos: un mismo dato apunta ambiguamente a dos hipótesis diferentes a través de dos teorías diferentes

 

Antes de realizar una observación que tenga por finalidad producir evidencia, hay que decir qué clase de datos se considerarán como evidencias. Pues ningún dato por sí mismo es una evidencia, sino que puede convertirse en una evidencia una vez interpretado con ayuda de alguna teoría.

Adoptemos, pues, la siguiente Regla:

La clase de datos que deben contar como evidencia tiene que precisarse por anticipado, antes de la observación y sobre la base de la teoría.

Para ser científicos,

 los datos no tienen que ser irrefutables, sino contrastables.

En conclusión:

la ciencia no conoce datos últimos; no hay sino datos que, en un determinado estadio de la investigación, no se analizan ni controlan ulteriormente y se usan como evidencia relevante para ciertas hipótesis y teorías. En un estadio posterior esos mismos datos pueden someterse a un examen crítico.

Muchas evidencias son prácticamente concluyentes por la simple razón de que en algún momento tenemos que tomar decisiones; pero esas decisiones no son arbitrarias, y ninguna evidencia es nunca concluyente y final en un sentido teorético (teoría inmanente en el objeto).

Los datos se elaboran (refinan) y sistematizan para compararlos con descripciones o teorías
Los datos se elaboran (refinan) y sistematizan para compararlos con descripciones o teorías
Contrastabilidad empírica
Contrastabilidad empírica: h1 es más directamente contrastable que h2, la cual tiene apoyo indirecto de la evidencia e, relevante para h1. Pero e es relevante para h1 a través y por medio de su refinado e*, comparable con la traducción t* de la consecuencia t de h1

Revisión bibliográfica tradicional y sistemática en la investigación académica: qué buscar, dónde buscar, cómo buscar, y cómo gestionar la información

Una revisión bibliográfica o de literatura científica (literature reviews),

es una búsqueda y evaluación de la literatura disponible en su tema dado o área temática elegida. Documenta el estado de las evidencias científicas con respecto al tema en el que se encuentra el problema sobre el que se está investigando. Recursivamente, se constituye en una investigación en sí misma.

Sus principales objetivos, son:

  • examinar la literatura sobre los trasfondos teóricos del objeto de estudio en el campo del conocimiento determinado,
  • sintetizar, la información de la literatura científica relevada, constituyendo un conjunto de ideas fundamentales relacionadas con el objeto de estudio,
  • analizar la información obtenida con el fin de identificar intersticios en los conocimientos actuales que muestren alguna limitación teórica, controversias en los puntos de vista, u "opiniones" necesarias de especificar.
  • exponer los resultados de la literatura relevada de una manera organizada.

La revisión bibliográfica de la literatura científica expone que se ha alcanzado un determinado nivel de conocimiento necesario, por el que se permite justificar la relevancia y la significación de los aportes esperados de la propia línea de investigación al campo del conocimiento científico. (Royal Literary Fund)

Las revisiones bibliográficas (literature reviews) ayudan a identificar los intersticios (inter: entre, statum: detenido), que se exponen como oportunidades de investigación, y a su vez proporcionan el marco teórico y metodológico que permitirán hacer los propios aportes de la investigación.

Una «revisión bibliográfica» (literature review), puede consistir en la elaboración de alguno de estos productos:

  • Estado de la cuestión (state of the art): una revisión de tipo global de un ámbito del conocimiento. Puede formar parte de un trabajo más amplio, como una tesis doctoral, por ejemplo.
  • Marco conceptual (conceptual framework), marco teórico (theoretical framework) o marco metodológico (methological framework). Aunque son cosas distintas, se puede decir que en general consisten en la presentación más o menos detallada del aparato conceptual, teórico o metodológico, respectivamente, en el que se basa una investigación.
  • Antecedentes teóricos o metodológicos en artículos científicos. Conecta con el segundo apartado, aunque no es necesariamente lo mismo. Lo importante es que, sin este apartado, la mayor parte de los editores de revistas científicas rechazarán el trabajo.
  • Trabajo de revisión sistemática (systematic review): una investigación basada en la selección y el análisis de la evidencia publicada sobre una intervención, un programa determinado, o un ámbito del conocimiento.

Detengámonos un instante y pensemos cómo llegamos a la necesidad de realizar una revisión sobre la literatura científica, y ocurre que si vamos a llevar adelante un proyecto de investigación en el marco de una línea de investigación, esta circunstancia nos requiere la utilización de un método científico (descripción, problematización, conjetura, y contrastación); método que nos requerirá cumplimentar con los siguientes cinco pasos (Bunge, Epistemología, 1980, págs. 28-35) (Bunge, La ciencia: su método y su filosofía, 1995, pág. 33) :

    • plantear un problema,
    • construir una hipótesis (modelo teórico),
    • elaborar predicciones (deducción de consecuencias particulares),
    • probar la hipótesis, y
    • sacar conclusiones e introducirlas en la teoría (alcance y valor cognoscitivo del resultado de la investigación).

Ahora bien, para constituir el primer paso de una idea proyecto, precisaremos descubrir la laguna, brecha o intersticio (gap) en el dominio del discurso sobre el cual estamos investigando (en lo posible en términos matemáticos, aunque no necesariamente cuantitativos); para percibir este espacio intersticio, necesitaremos plantear de forma precisa al problema, o bien replantear algún problema existente, ahora, a la luz de los conocimientos (empíricos o teóricos, sustantivos o metodológicos); para ello deberemos ir a la búsqueda de conocimientos relevantes al problema (p. ej., datos empíricos, teorías, aparatos de medición, técnicas de cálculo o de medición), aquello que denominamos «evidencias relevantes y disponibles».

Revisiones sistemáticas de Literatura

Una «revisión sistemática» de literatura científica (systematic literature review) es un tipo de revisión de la literatura que recopila y analiza críticamente múltiples estudios o trabajos de investigación a través de un proceso sistemático. Es un método sistemático para: identificar, evaluar, e interpretar, el trabajo de investigadores en un campo elegido; y que su objetivo, es el de proporcionar un resumen exhaustivo de la literatura disponible pertinente a una pregunta de investigación. (Fink, 1998)

Metodología

  • Definir las preguntas de investigación (en ella estará el objetivo como resultado a priori)
  • Definir criterios de inclusión y exclusión para la systematic literature review.
  • Definir los términos que atienda a un concepto de búsqueda.
  • Identificar las bases de datos científicas y motores de búsqueda que se van a utilizar.
  • Buscar y extraer datos relevantes.
  • Evaluar la calidad de estos resultados.
  • Reunir los resultados más sobresalientes para su análisis.

Preguntas de investigación e hipótesis

Mientras que las preguntas de investigación son adecuadas para toda clase de investigaciones; particularmente en las del tipo cualitativo, se presentan como una opción necesaria; en tanto las hipótesis son exigibles para las investigaciones experimentales y cuantitativas. Solo a título de ejemplo citamos a las indicaciones del Journal Article Reporting Standard (APA)

Requerimientos de APA Style Journal Article Reporting Standards – JARS para informes cuantitativos

Requerimientos de APA Style Journal Article Reporting Standards – JARS para informes cuantitativos ver»

Los problemas son preguntas: sentencias declarativas

En los últimos programas habíamos expuesto que un problema es una pregunta; una pregunta que refiera a una situación-problema de un hecho, observado u observable, que es percibido y contextualizado a través de un determinado «trasfondo de conocimiento», por lo cual debe expresarse semánticamente en un lenguaje filosófico científico.

Entonces, la esencia de la filosofía científica es saber hacer las preguntas correctas sobre lo que no se, y así poder ir a buscar y descubrir los datos necesarios que requerirá mi investigación para poder responder aquellas preguntas.Así podremos, metodológicamente, y en el marco de la filosofía científica:

  1. plantear, mediante preguntas significativas y no triviales, cuestiones fácticas razonables, para luego utilizando teorías, leyes, o reglas existentes o concebibles,
  2. probar respuestas probables.

En otras palabras, la pregunta de investigación atiende a la elaboración del proyecto de investigación; más concretamente, la pregunta problematizante sobre el objeto de estudio (dominio del discurso) estará en el contexto del «trasfondo de conocimiento»: formal, específico y acumulado.

Por lo tanto, la pregunta de investigación debe ser: conceptualmente clara, precisa, viable de tener una respuesta (porque el correcto planteo del problema implica su respuesta), y relevante (o sea atender a una necesidad concreta y justificada).

Pregunta de investigación: cómo elaborarla
El silogismo
Fuente Perissé, Marcelo Claudio. El silogismo se compone de proposiciones, las proposiciones de términos; los términos no tienen otro valor que el de las nociones. Entonces, si las nociones (y éste es punto fundamental) son confusas, debido a una abstracción precipitada, lo que sobre ellas se edifica carece de solidez; no tenemos, pues, confianza más que en una legítima inducción. (Bacon , 2000, pág. 5)

Haciendo una ejemplificación, expresada muy básica y coloquialmente, con mis estudios de Valor Agregado, podríamos presentar el siguiente ejemplo:

Situación problema:

  • una empresa tiene una ganancia determinada en 2000 pesos, se estableció que la repartirá entre los agentes de la producción que la conforman (trabajador, rentista, y capitalista), y
  • uno de ellos debe recibir tanto como los otros dos juntos.

Preguntas:

  • Cuál es el monto de la mayor parte.
  • Cuál es el monto de la menor parte

Representación:

(x + y) + z = 2000

z = (x + y)

Respuestas:

z + z = 2000 (estoy reemplazando la dos en la uno)

2z = 2000 (pasaje de término)

z = 2000/2

z = 1000

Por lo tanto, la mayor parte es z, que es la respuesta a mi primera pregunta,

Ya sabiendo que el resto cobrará 1000 pesos,

La respuesta para la segunda pregunta: Cuál es el monto de la menor parte …no se sabe

En el enunciado no hay elementos para poder saber cuánto recibirán los otros agentes.

Hipótesis

Más allá de asumir que no existen preguntas finales y por consiguiente respuestas definitivas, la principal regla del método científico nos indica que la primera operación que debe emprenderse es la del análisis: lógico, sintáctico y semántico de estas preguntas que han de expresarse a través de proposiciones que, sistematizadas en un silogismo, se constituyen en las hipótesis científicas.

Veamos un poco más en detalle a este análisis que se nos presenta como una serie de leyes lógicas que establecen relaciones entre términos universales, a las que Aristóteles (Aristóteles, 1994, págs. 212, 213, 216, 295) definió como silogismo de la siguiente manera:

Un silogismo es un argumento en el cual, establecidas ciertas cosas, resulta necesariamente de ellas, por ser lo que son, otra cosa distinta de las antes establecidas.

Con esto nos referimos a una inferencia por la cual se establece un proceso de deducción que conduce a establecer una relación del tipo Sujeto-Predicado partiendo de enunciados que manifiestan asimismo la relación Sujeto-Predicado.

Tomemos un silogismo hipotético de tipo categórico: este silogismo hipotético está compuesto de tres proposiciones; la última de ellas, denominada conclusión, es una consecuencia lógica de las dos primeras llamadas las premisas. (Bunge, La ciencia: su método y su filosofía, 1995, págs. 35,36)

Todo silogismo tiene tres y sólo tres términos; de los cuales el que es Sujeto (S) de la conclusión es llamado el término menor, el Predicado (P) de la conclusión es llamado término mayor y el restante, común a ambas premisas, es denominado término Medio (M). (Boole, 1960, pág. 78)

Además, en este tipo de silogismo (Schluss), que es una síntesis de juicios, se identifican y unifican tres momentos: lo universal o término mayor (P), lo particular o término medio (M), y lo individual o término menor (S). Ambos dos: juicio y silogismo, tienen tres especies (Hegel, 1976, pág. 13):

  • El juicio de existencia (ej.: esta rosa es roja): une débilmente un objeto, que tiene también otras cualidades, con una cualidad, que pertenece también a otros objetos; y puede ser afirmativo o negativo o infinito.
  • El juicio de reflexión (ej.: esta planta es curativa) relaciona dos seres (planta y enfermedad), superando la pura comprobación de una existencia inmediata; puede ser individual, particular o universal.
  • El juicio de necesidad (la rosa es una flor) afirma la identidad entre el sujeto y un género; puede ser categórico, hipotético o disyuntivo.
  • El juicio de concepto (esta rosa es hermosa) expresa la conformidad de un sujeto respecto a su concepto; puede ser asertórico, problemático o apodíctico; pero, siendo un juicio mediato, nos lleva ya al dominio del razonamiento, cuya forma lógica es el silogismo.
Premisas
Mayor Todas las M son P
Menor Todas las S son M
Conclusión Todas las S son P

Todos los Ingreso son distribuidos entre los Agentes Económicos

Todo Valor Agregado es Ingreso

Todo Valor Agregado es distribuido entre los Agentes Económicos

Por último

 un factor importante en la aceptación o rechazo preliminar de muchas hipótesis, estará dado por la medida de hasta qué punto forman un conjunto sólido con las teorías y hechos vinculados.

Ejemplo de Carnap (Carnap, 1998, pág. 9)

Tomemos la proposición P1: "Esta llave está hecha de hierro." Existen muchos modos de verificar esta proposición; por ejemplo:

Si coloco la llave cerca de un imán, y luego percibo que la llave es atraída. Aquí la deducción se ha hecho del modo siguiente:

P remisas:

P1: "Esta llave está hecha de hierro"; la proposición que va a ser examinada (Hipótesis).

P2: "Si se coloca un objeto de hierro cerca de un imán, es atraído"; ésta es una ley física ya verificada.

P3: "Este objeto —una barra— es un imán"; proposición ya verificada.

P4: "La llave se coloca cerca de la barra"; esto se verifica ahora directamente por medio de nuestra observación.

De estas cuatro premisas podemos deducir la conclusión:

P5: "La llave será atraída ahora por la barra." Esta proposición constituye una predicción que puede ser examinada mediante la observación.

En el amplio campo de la ciencia, toda aseveración P tiene este carácter que o bien asevera algo acerca de percepciones actuales o de otras experiencias, y entonces es verificable por medio de ellas, o bien esas proposiciones acerca de futuras percepciones son deducibles de P y de otras proposiciones ya verificadas.

Ahora pasemos este ejemplo a nuestra estructura silogísitca deductiva del tipo categórica:

Para poner en contexto estamos combinando la semántica de Carnap con la lógica de Boole, es hacer el juego que propone Hegel entre juicios y silogismos.

Hipótesis: Esta llave está hecha de hierro

(Peirce, 1878, págs. 65-90, 323-338)

Deducción Premisa
Regla Todos son (x,P) son Q (x)
Caso Estos son (x,P)
Resultado Estos son Q (x)
Si P implica Q , P por tanto Q
Si P implica Q , P por tanto Q
P → Q , P ⊢ Q

A los que se llegará partiendo del conjunto axiomático y a través del proceso de deducción.

Hipótesis Esta llave está hecha de hierro
Regla Si se coloca un objeto de hierro cerca de un imán (P), es atraído (Q) P → Q
Caso La llave se coloca cerca de una barra -la barra es un imán- (P) P
Resultado La llave será atraída ahora por la barra (Q) ⊢Q
Conclusión Esta llave está hecha de hierro
Confirma Si se coloca un objeto de hierro cerca de un imán, es atraído

Ver Perissé, Marcelo Claudio. episteme: silogismo, lógica, deductivo, inductivo, Mill JS

José Antonio Marina. Teoría de la inteligencia creadora Keith J. Devlin - infon Herbert Alexander Simon - chunk Claude E. Shannon y Warren Weaver (Teoría matemática de la comunicación)

Matriz de análisis para una línea de investigación
Matriz de análisis para una línea de investigación l = <C, S, D, G, F, E, P, A, O, M, «V»>

Revisiones bibliográficas dónde y cómo realizarlas

Una base de datos académica es un sistema de información que registra documentos que resultan de actividades académica y científicas, tales como artículos, actas de congresos y capítulos de libros.

Su objetivo es doble:

  • apoyar la producción de nuevo conocimiento, gracias a la naturaleza acumulativa de la ciencia, que se beneficia de los trabajos anteriores;
  • proporcionar métricas e informaciones sobre las características de la producción científica que permita a los gestores de la ciencia tomar decisiones informadas.

La estructura de una base de datos académica consta de tres módulos interrelacionados para cubrir al primero de los objetivos:

  • Sistema de búsqueda
  • Página de resultados
  • Registro

Además, disponen de un cuarto módulo para el segundo objetivo:

  • Sistema de análisis y métricas de la producción científica

Bases de datos académicas: constitución de un grupo óptimo

Este grupo óptimo se genera combinando un subgrupo generalista de bases de datos, que siempre debemos considerar, más un subgrupo específico del que correspondería elegir una o más bases de datos según las características de cada proyecto. Vamos a presentar a continuación estos dos subgrupos.

El grupo generalista se trata de bases de datos omni-disciplinares, multidisciplinares y multi-editoriales.

El grupo específico recibe esta denominación porque proporciona la lista inicial de bases de datos candidatas a formar parte del grupo óptimo en función de las características específicas de cada proyecto y de cada campo disciplinar.

¿Cuáles son algunas de las principales bases de datos y motores de búsqueda académicos?, Ejemplos:

  • Scopus
  • Web of Science
  • Dialnet Plus
  • Google Scholar
  • Microsoft Academic
  • WorldWideScience.org

La formulación general para formar el grupo óptimo se puede expresar mediante un diagrama de este modo:

Bases de datos académicas: constitución de un grupo óptimo
Registro de las bases de datos
Uso Fuentes Ámbitos
Scopus Multieditorial Omni-disciplinar
Web of
Science
Multieditorial Omni-disciplinar
Communication
&
Humanities
Source
Multieditorial Ciencias Humanas, Jurídicas y Sociales
DialnetPlus Multieditorial Ciencias Humanas, Jurídicas y Sociales
Taylor &
Francis
Online
Plataforma editorial Multidisciplinar
Sage
Journals
Plataforma editorial Multidisciplinar
Wiley
Online
Library
Plataforma editorial Multidsiciplinar
Project
MUSE
Multieditorial Ciencias Humanas y Sociales
Emerald
Insight
Plataforma editorial Ciencias sociales y Salud
F & TVLI Plataforma editorial Especializada: Cine y Televisión

Scopus Tutorial Scopus Multieditorial Omni-disciplinar

Bases de datos académicas: estructura y funciones

Toda base de datos académica necesita básicamente de estos tres componentes:

  • Registro
  • Sistema de Búsqueda
  • Página de Resultados
  • Utilidades
Visión de conjunto de los componentes principales de las bases de datos académicas

Las relaciones entre los tres componentes del sistema se representan con líneas continuas, en tanto las funcionalidades de la base de datos para con el usuario, que se ponen en marcha a partir de la pregunta del usuario, con líneas discontinuas.

Los registros, mediante el uso de metadatos representan la información clave de cada documento que forma parte de las bases de datos. El sistema de búsqueda toma las palabras clave y la estructura canónica de la consulta de los usuarios para realizar la búsqueda. La página de resultados, por su parte, presenta de forma ordenada, según criterios del usuario aquellos documentos seleccionados por la aplicación. Por último, las utilidades consisten en un grupo de funciones que incluye facilidades para exportar información en diversos formatos, definir perfiles de búsqueda reutilizables u obtener análisis diversos.

El registro

Un registro (record), es el componente que permite que una base de datos exhiba su principal característica: el tratamiento sistemático, fiable y seguro de la información que contiene.

En una base de datos académica, cada recurso (artículo, informe, tesis) está representado en un registro.

Los registros, a su vez, se estructuran en campos, tales como:

  • Título del documento
  • Fuente
  • Autor(es)
  • Afiliación
  • Idioma
  • Fecha de publicación
  • Resumen
  • Palabras clave
  • Categorías
  • Referencias
  • Métricas
  • Altmétricas

Una parte de estos campos (Título, Autor, Fuente, Resumen, Fecha) consisten en la transcripción de partes del documento, pero otras (Palabras clave, Categorías) pueden consistir en metadatos añadidos por la base de datos.

el conjunto de metadatos que describe a cada registro cumple una triple función:

  • Identificar de forma inequívoca el documento (título, autor, afiliación, fuente, etc.)
  • Representar el contenido esencial del documento mediante resúmenes y palabras clave y otras formas de categorización. Estas formas de representación cumplen funciones de descubrimiento de la información, ya que aportan formas adicionales de acceso a la información que no dependen de las palabras clave utilizadas en la fase de búsqueda.
  • Proporcionar utilidades relacionadas con el documento, principalmente, opciones de exportación y de definición del tipo de aplicaciones para su gestión.
Diagrama de funciones de las bases de datos académicas
Diagrama de las funciones principales del registro en una base de datos académica. Fuente: LLuis Codina.

CAPTURAR PANTALLAS DE MODELO DE REGISTROS DE SCOPUS Y WOS

Sistema de Búsqueda

Funciones proposicionales y proposiciones de búsqueda: operadores lógicos AND, OR inclusivo, y OR exclusivo XOR, operador de exclusión NOT, Operadores cercanos (NEAR, NEXT y ADJ), lógica de Boole: se trata en silogismos hipotéticos

Ecuaciones de búsqueda: qué son y cómo se utilizan en bases de datos académicas ·1: operadores booleanos

Estructura y funciones de las bases de datos académicas · 2: la búsqueda

Página de resultados

En una buena página de resultados debemos encontrar al menos cuatro funciones: ordenar, filtrar, resumir, analizar y exportar.

Estructura y funciones de las bases de datos académicas · 3: la página de resultados

Estructura y funciones de las bases de datos académicas

Revisión bibliográfica: cómo realizarla

Revisiones bibliográficas tradicionales o sistemáticas y cómo llevarlas a cabo con bases de datos académicas

Estructura y funciones de las bases de datos académicas

Estructura y funciones de las bases de datos académicas · 2: la búsqueda

Uso de  bases de datos académicas

procedimiento de las 5 fases para usar bases de datos académicas

  • Preparación, o fase de ideación y provisión de palabras clave (término y concepto).
  • Búsqueda, preferentemente utilizando una función lógica compuesta por operadores lógicos expresada en forma canónica, o un formulario de búsqueda avanzada a fin de poder representar con precisión nuestra necesidad de información.
  • Página de resultados seleccionados por el título indicativo del tema y el problema
  • Metadatos, donde procedemos a un primer testeo de resultados, evaluando la relevancia de los mismos en base al título y al resumen, si cumplimenta con los requerimientos de la matriz de análisis se procede a obtener el documento completo.
  • Exportaciones, operación que llevamos a cabo con las referencias más relevantes y que necesitaremos poder recuperar en el futuro en cualquier momento. La exportación se realiza a un gestor de referencias bibliográficas como Mendeley, Zotero o el sistemas de referencias del Word.
  • Alertas, mediante las cuales aseguramos que, en el futuro, estaremos conveniente informados de las novedades sin necesidad de repetir las mismas búsquedas. Dejaremos a un bot encargado de tales tareas.

Recursos

Análisis de los resultados de las bases de datos académicas

Búsqueda en las bases de datos académicas: Scopus, Web of Science, Googles Scholar, Microsoft Academic

Interfaces de búsqueda en bases de datos académicas: análisis comparativo de Scopus, WoS, Google Scholar y Microsoft Academic

Componentes principales de una interfaz de búsqueda avanzada en bases de datos académicas.

Gestión de la información recuperada

Sintetizar y representar información cualitativa: tablas y diagramas en tesis de máster y tesis doctorales

Sintetizar y representar información cualitativa

Programación de alertas en las bases de datos académicas

Programación de alertas en bases de datos académicas: contexto, definición y planificación

Programación de alertas en bases de datos académicas

Experiencia de búsqueda en cibermedios: análisis comparativo de diarios nativos digitales [reseña y enlaces de descarga]

Cómo utilizar de modo eficiente bases de datos académicas en 6 pasos: Web of Science

Cómo utilizar de modo eficiente bases de datos académicas en 6 pasos: Scopus

Scopus: caracterización y guía de uso avanzado · Preparación, búsqueda y exportación de resultados

Scopus: caracterización y guía de uso avanzado

Operadores de búsqueda avanzada de Google que todo periodista debería conocer

Microsoft Academic en el ecosistema de la información científica: análisis de la versión 2019

Cómo encontrar revistas académicas y conocer su impacto y visibilidad · MIAR, Scimago J&CR, Scopus Sources y WoS MJL

Cómo encontrar revistas académicas y conocer su impacto y visibilidad · MIAR, Scimago J&CR, Scopus Sources y WoS MJL

Revisiones sistematizadas para trabajos académicos · 1: Conceptos, fases y bibliografía

Revisiones sistematizadas para trabajos académicos · Fases de Búsqueda y Evaluación

Revisiones sistematizadas para trabajos académicos · Fases de Búsqueda y Evaluación

Revisiones sistematizadas para trabajos académicos · Análisis y Síntesis

Revisión bibliográfica sistemática

Revisiones bibliográficas y cómo llevarlas a cabo con garantías: systematic reviews y SALSA Framework

Framework SALSA

El Framework SALSA, es un marco que considera cuatro faces en una revisión sistemática (o sistematizada) y son los siguientes:

  • Search | Búsqueda
  • AppraisaL | Evaluación
  • Synthesis | Síntesis
  • Analysis | Análisis

El procedimiento indica que:

  • los trabajos objeto de análisis deben proceder de una búsqueda bien planificada.
  • los recursos así obtenidos deberán ser evaluados y, en su caso, se rechazarán los que no cumplan los criterios de calidad con los cuales hemos decidido hacer esta evaluación.
  • los resultados de cada artículo serán sintetizados de acuerdo con algún esquema, y
  • los resultados globales analizados o valorados para poder ser presentados de forma coherente.

Esto tomará la forma de un trabajo de investigación del tipo de revisión o de un estado de la cuestión.

Search = búsqueda

Esta fase se refiere al modo de planificar la búsqueda de los trabajos que serán objeto de revisión. La systematic review prevé que tal búsqueda se realice principalmente utilizando bases de datos de referencia, como Web of Science (WoS) o Scopus (Elsevier) en el ámbito multidisciplinar.

La Sdel framework se refiere también a que la búsqueda debe hacerse con criterios bien definidos, tanto de inclusión como de exclusión de los trabajos a analizar. Normalmente, estos criterios se expresarán con la elección de la pregunta y de las palabras clave, las ecuaciones de búsqueda correspondientes y posiblemente aplicando filtros de algún tipo. Por ejemplo, documentos publicados en los últimos 5 o 10 años, o en determinados idiomas.

El objetivo final de esta fase es conseguir un banco de artículos formado por un número variable que puede oscilar entre unas decenas o miles, dependiendo del tipo de estudio, los objetivos y los criterios de selección y exclusión aplicados.

Entre estos últimos, se suelen especificar criterios que deben cumplir los documentos encontrados para formar parte del banco de documentos. Por ejemplo, que atiendan a la matriz de análisis de Mario Bunge. (Perissé, Marcelo Claudio. Episteme)

Appraisal = evaluación

Esta fase se refiere a la evaluación de los trabajos obtenidos a través de las diversas búsquedas, con qué criterios se considerarán las contribuciones de cada uno de los componentes del banco de artículos inicial para decidir si finalmente formarán parte de la revisión.

Suelen utilizarse criterios que establecen un doble filtro: criterios pragmáticos, como la fecha de publicación de los trabajos, los ámbitos geográficos o temático, entre otros; y criterios de calidad de los trabajos, como la calidad de la investigación, las metodologías utilizadas, o los resultados acordes a los objetivos planteados.

Esta fase permitirá seleccionar, por su pertinencia y calidad, aquellos trabajos del corpus final.

Synthesis y Analysis

Estas dos fases se refieren a aquellas que nos permitirán reunir y comparar los resultados de cada uno de los componentes del banco de artículos. En el caso de investigaciones cuantitativas, se hará mediante técnicas estadísticas.

En el caso de investigaciones cualitativas, se puede presentar en diversas formas, entre ellas, la revisión o la narración crítica y el estado de la cuestión (state of the art).

  • Mediante la Synthesis se lleva a cabo una representación de cada trabajo basándose en un esquema que permita la extracción de las características de cada artículo considerado. En el caso de las investigaciones cuantitativas se referirá a aspectos numérico-estadísticos mediante técnicas de metasíntesis.
  • En el caso de investigaciones de tipo cualitativo se pueden utilizar tablas o fichas para sintetizar las dimensiones comunes con las que se han estudiado los diferentes artículos o trabajos seleccionados.
  • Por su parte, Analysis se refiere a la descripción y valoración global de los resultados encontrados. Por eso decimos que, en el caso de los estados de la cuestión, son las dos fases que nos permiten presentar un discurso global sobre la situación del campo de estudios considerado, a través del análisis de los mismos.

Cabe insistir que algunos aspectos del marco SALSA se entienden mejor si consideramos que procede de estudios de revisión donde se analizan resultados cuantitativos de tipo clínico o experimental. De este modo, por ejemplo, el doble filtro (pragmático y de calidad) serviría para establecer si se admiten o no trabajos en función de la metodología aplicada o del tipo de diseño experimental utilizado, etc.

No obstante, tanto la filosofía como los principios operativos del marco SALSA y de las revisiones sistemáticas son no solamente válidos, sino absolutamente necesarios también en investigaciones cualitativas, como tantas de las que se llevan a cabo en el ámbito de las Humanidades y las Ciencias Sociales en general.

Proyecto de Investigación: propuesta de un formato simple

Portada

  • título,
  • director.

Resumen

  • Contextualization | Contextualización: campo de conocimiento y su importancia,
  • Gap | Intersticio: espacio faltante en las evidencias relevantes disponibles, por una brecha o un vacío observable, o un problema que será estudiado,
  • Purpose | Propósito: principal fin, meta, u objetivo de la investigación, 
  • Methodology |Metodología: métodos utilizados,
  • Results | Resultados: principal hallazgo esperado,
  • Implications | Implicaciones: Derivar las consecuencias lógicas contrastables de las conjeturas.

Si se tratara del informe final del proyecto de investigación

Tipos de resúmenes:

  • Descriptivo: narra la naturaleza y el propósito de la investigación, o
  • Informativo: expone la información más relevante de la investigación

Estilo de resúmenes:

  • oraciones concisas y completas,
  • utilizar el tiempo verbal pasado, y
  • de preferencia la voz activa;

Estructura del resumen:

  • Contextualization | Contextualización: campo de conocimiento y su importancia,
  • Gap | Intersticio: espacio faltante en las evidencias relevantes disponibles, por una brecha o un vacío observable, que será estudiado,
  • Purpose | Propósito: principal fin, meta, u objetivo de la investigación,
  • Methodology |Metodología: métodos utilizados,
  • Results | Resultados: principal hallazgo,
  • Conclusions | Conclusiones: cómo los resultados aportan al campo de conocimiento.

Directores experimentados:

  • Purpose | Propósito,
  • Methodology |Metodología,
  • Results | Resultados,
  • Conclusions | Conclusiones.

Si el informe fuera de revisión:

  • Contextualization | Contextualización,
  • Gap | Intersticio.

Introducción: justificación e hipótesis

  • Contextualización: enunciar el área de investigación, su importancia, y el tópico de interés (correctamente referenciada y citada; revisión sistematizada).
  • Gap: describir limitaciones, cuello, problemas: motivación

Nota: por «gap» entendemos un Intersticio o una brecha existente en el campo de conocimiento, y consecuentemente sustentada en una constatación del vació existente en las líneas de investigación (Research gap)

  • «evidencias relevantes disponibles» (revisión sistémica): describir lo más relevante y reciente.
  • Objetivos
  • general (toda el área), y
  • específicos (los que precisa hacer para alcanzar el objetivo general)

Si la investigación es del tipo experimental:

Métodos

Formas para el análisis de resultados

Resultados esperados

Implicaciones para el área

Plan de trabajo

  • Metas y cronograma

Bibliografía

 

Recursos

Proyecto Social: formulación y evaluación (Perissé, Marcelo Claudio) El impacto de un proyecto o programa social

Redacción e interpretación de las reivindicaciones de patentes

Propiedad Intelectual: derechos sobre invenciones y creaciones (Perissé, Marcelo Claudio)

Redacción de solicitudes de patente (Perissé, Marcelo Claudio)

Redactar reivindicaciones de patente con propósito comercial (Perissé, Marcelo Claudio)

Propiedad Intelectual: derechos sobre invenciones y creaciones (Perissé, Marcelo Claudio)

Gestión en ciencia y tecnología: una perspectiva sistémica para la I+D+i

Gestión en cyt


Bibliografía

.


Condiciones de utilización

Aprobado: 11 de noviembre de 2020. por Ciencia y Técnica Administrativa

Pre Publicado el 14 de diciembre de 2020 por: Ciencia y Técnica Administrativa – CyTA

Pte. Tte. Gral. Perón 3047 PB.3, Buenos Aires Argentina

http://www.cyta.com.ar

Copyright © 2020 por Ciencia y Técnica Administrativa

Todos los derechos reservados bajo las convenciones internacionales y panamericanas de derecho de autor, para fines no comerciales.

Esta publicación puede ser reproducida o transmitida en cualquier forma o por cualquier medio sin permiso previo escrito por el editor, siempre que: se reproduzca con precisión, se identifique la fuente del material, y se reconozca el estado de Copyright © Ciencia y Técnica Administrativa - CyTA.

ISSN: 1666-1680 series de estándares de información nacional

ISRN: CYTA/ATK/7201--2020-1+032

CyTA / Leva bajo norma Niso Z39.18-2005 (Revisión 2010)