{"id":929,"date":"2021-08-24T01:32:31","date_gmt":"2021-08-24T01:32:31","guid":{"rendered":"https:\/\/sandbox.cliento.mx\/jorgeprezcolinmx\/?p=929"},"modified":"2021-08-25T13:57:37","modified_gmt":"2021-08-25T13:57:37","slug":"multiverso-en-ciencia-de-datos","status":"publish","type":"post","link":"https:\/\/sandbox.cliento.mx\/jorgeprezcolinmx\/multiverso-en-ciencia-de-datos\/","title":{"rendered":"Dos conclusiones contradictorias del mismo conjunto de datos: el multiverso en la ciencia de datos"},"content":{"rendered":"\n

En la implementaci\u00f3n de procesos de anal\u00edtica avanzada para empresas<\/strong> hay un riesgo importante para la toma de decisiones cuando se tienen dos conclusiones distintas del mismo conjunto de datos. Al respecto, \u00bfes posible que ante una misma base de datos dos equipos de cient\u00edficos de datos lleguen a resultados diferentes?<\/strong> \u00bfExiste alg\u00fan modo de identificar las elecciones anal\u00edticas que crean esas variaciones?<\/strong><\/p>\n\n\n\n

Un estudio<\/a> de crowdsourcing publicado en la revista Organizational Behavior and Human Decision Processes document\u00f3 el experimento en el que se reuni\u00f3 a un grupo de analistas para que, de manera independiente, evaluaran un conjunto de datos e intentaran contrastar la misma hip\u00f3tesis<\/strong>.<\/p>\n\n\n\n

Cada uno decidi\u00f3 tanto el enfoque anal\u00edtico como la manera de integrar las distintas variables. El resultado no fue homog\u00e9neo: algunos equipos falsearon la hip\u00f3tesis, otros no lo pudieron hacer y el resto no pudo concluir nada.<\/p>\n\n\n\n

Todos los analistas usaron la plataforma DataExplained<\/a>, con lo cual fue posible acceder en tiempo real tanto a las v\u00edas anal\u00edticas que eligieron como a las que rechazaron, y por ende a sus procesos de evaluaci\u00f3n y toma de decisiones.<\/p>\n\n\n\n

Adem\u00e1s, mediante esta herramienta<\/strong> se obtuvo una representaci\u00f3n gr\u00e1fica del flujo de trabajo de cada uno, lo cual fue muy \u00fatil al momento de comunicar su trabajo y, a su vez, permiti\u00f3 realizar un an\u00e1lisis cualitativo de las decisiones cuantitativas de esta investigaci\u00f3n iterativa<\/strong>.<\/p>\n\n\n\n

Para ello se realiz\u00f3 un an\u00e1lisis multivariante<\/strong>, el cual ayud\u00f3 a mostrar que los resultados dependen m\u00e1s de las formas de realizar un an\u00e1lisis y manejar sus variables que de las estad\u00edsticas.<\/p>\n\n\n\n

\u00bfQu\u00e9 an\u00e1lisis se realizaron?<\/h2>\n\n\n\n

La investigaci\u00f3n de crowdsourcirng<\/strong> mencionada analiz\u00f3 un complejo conjunto de datos sobre g\u00e9nero y estatus profesional en reuniones de grupo<\/strong>. No hubo restricci\u00f3n alguna para la conceptualizaci\u00f3n y la forma de operar las distintas variables (como el estatus social).<\/p>\n\n\n\n

El conjunto de datos de este proyecto incluy\u00f3 m\u00e1s de tres millones de palabras de di\u00e1logos extra\u00eddos de un foro en l\u00ednea de debates cient\u00edficos. Tras un programa piloto, los expertos coincidieron en dos hip\u00f3tesis<\/strong>:<\/p>\n\n\n\n