UNIVERSIDAD YACAMBU
DOCTORADO EN
GERENCIA
SEMINARIO AVANZADO “DISEÑO DE INVESTIGACIONES EN GERENCIA I (CUANTITATIVO)”
TRABAJO II: ARTICULO
PARTICIPANTE:
GUSTAVO GARCIA
FACILITADORES:
JOSE PARDO, CARLOS ZAVARCE, FREDDY ZAVARCE
RESUMEN
En el presente articulo se presentara una primera aproximación al diseño de la investigación cuantitativa, utilizando la estadística como herramienta, para efectuar la contrastación de la hipótesis de la Tesis Doctoral: Redes de conocimiento: una perspectiva para el aumento de la productividad.
PALABRAS CLAVE:
estadística, cuantitativa, redes.
ABSTRACT
In the present I articulate appeared one first approach to the design of
the quantitative investigation, using the statistic like tool, to carry out the
contrast of the hypothesis of the Doctoral Thesis: Networks of knowledge: a
perspective for the increase of the productivity.
KEY WORDS
Statistics, quantitative, networks.
A
traves del proceso de investigación científica se generan nuevos conocimientos
o se busca comprobar conocimientos ya desarrollados. A partir de una teoría
derivamos hipótesis y estas debemos contrastarlas para su comprobación o
rechazo. Cuando por la naturaleza de la hipótesis planteada podemos recabar
datos numéricos, la estadística se transforma en una poderosa herramienta de
análisis de estos para el desarrollo de la investigación y la posterior toma de
decisión acerca de la validez de la hipótesis.
En el desarrollo del presente articulo se considerara la dimensión
aplicada de la estadística. De acuerdo a Villarroel (2001), la estadística
puede ser comprendida como un conjunto de herramientas con doble propósito:
a) apoyar el proceso de generación de datos con el propósito de juntar los
mismos de forma organizada.
b) Proponer herramientas de análisis de datos: ¿como aprovechar los datos
colectados?
El tema
de la Tesis Doctoral es acerca del diseño organizacional en red y su efecto
sobre la productividad, siendo el caso una empresa de alimentos. Se presentara
una breve explicación inicial acerca del tema y luego se planteara el diseño de
la investigación cuantitativa: población a estudiar, variables dependientes e
independientes, tamaño de la muestra, análisis descriptivo e inferencial de los
datos y como se efectuara el contraste para determinar la validez de la
hipótesis.
La
investigación a realizar se orienta fundamentalmente a la generación de una
teoría que sirva de base a las organizaciones para la creación de modelos
particulares de gestión del conocimiento a través del establecimiento de redes
internas.
De acuerdo a Hecht (citado por Zavarce, 2005), el crecimiento
económico en Venezuela va en descenso. También plantea que el enérgico
crecimiento experimentado por Estados Unidos y
otras economías industrializadas, de 1995 a 1999, aunado a la tecnología
de la información se debe al uso del conocimiento más que el de los clásicos
capital, tierra y trabajo.
Ahora bién,
¿qué relación guardan los argumentos anteriores con la investigación a
realizar? Nuestra economía va en declive debido a que nuestras empresas no se
están adaptando con la necesaria rapidez y flexibilidad a los cambios del
entorno. Deben transformarse en organizaciones de aprendizaje, que han
adquirido la capacidad continua de adaptarse al cambio. (Robbins, 2004).
Un problema de
nuestras organizaciones es que no se adaptan al cambio debido a la ausencia de
una adecuada estructura organizacional que se oriente hacia el aprendizaje y la
administración del conocimiento. De acuerdo a las experiencias personales
obtenidas en varias empresas, las estructuras organizacionales son
mecanicistas, con mucha departamentalización, centralización y tramos de
control estrechos. Este tipo de estructura es adecuada para una estrategia de
minimización de costos. La estrategia para el cambio es la innovación y la
estructura que se adapta a esta estrategia es la orgánica, con equipos
multifuncionales, de jerarquías variadas, tránsito libre de información.
El problema
principal es que no se dispone de conocimientos teóricos, basados en nuestro
contexto nacional, para el desarrollo de diseños organizacionales adecuados
para gerenciar el conocimiento de los miembros de nuestras organizaciones y que
potencien la innovación y la creatividad para el aumento de la productividad.
La hipótesis de la investigación es que el diseño organizacional en red es el adecuado para la organización que aprende, por ende aumenta la transmisión del conocimiento y como consecuencia la productividad.
GENERACIÓN
DE DATOS.
Volviendo a
Villarroel (2001) el proceso de “juntar”
los datos de manera organizada se puede plantear en estadística aplicada
a traves del protocolo de observación y el protocolo de experimentación según
el investigador controle o no los factores.
En el
protocolo de observación se genera un documento de trabajo que contempla los
siguientes puntos:
a)
Definición
de resultados esperados.
b)
Definición
de la población y unidades de observación.
c)
Definición
de las variables.
d)
Definición
del método de colectar datos.
e)
Definición
del plan de muestreo.
f)
Definición
del tamaño de la muestra.
g)
Definición
de los métodos estadísticos.
En el
protocolo de experimentación se deben definir los siguientes puntos:
a)
Definición
de resultados esperados y condiciones de aplicación.
b)
Definición
de factores.
c)
Definición
de las unidades de experimentación.
d)
Definición
de observaciones.
e)
Definición
del diseño experimental.
f)
Definición
del modelo matemático.
En cuanto al
análisis de datos, el mismo autor plantea las siguientes fases:
a)
Análisis
exploratorio de datos,
b)
Análisis
descriptivo.
c)
Análisis
inferencial.
En el
presente articulo se seguirán los pasos descritos con anterioridad como la base
del diseño de la investigación cuantitativa a realizar. Antes de efectuar esta
secuencia se efectuara una breve descripción de la situación y de la relación
entre las variables a investigar.
DESCRIPCIÓN
DE LAS LINEAS DE PRODUCCIÓN A INVESTIGAR Y CONCEPTOS INVOLUCRADOS.
La idea de la investigación es analizar el efecto del diseño organizacional en dos líneas diferentes. Se efectuará en forma simultanea: en una de ellas se aplicará un diseño organizacional tradicional (piramidal) y en la otra un diseño organizacional en red. El lapso a estudiar será de seis meses. Las líneas trabajan todo el mes en forma continua, por lo que se efectuaran 180 mediciones de dos indicadores que se utilizan en la empresa para medir la productividad de las líneas que son el performance y el rendimiento.
El
performance son las horas trabajadas sobre las horas brutas de producción. Es
una medición general de la productividad de la línea pero sin tener en cuenta
actividades programadas.
El
rendimiento son las horas trabajadas de producción sobre las horas planificadas
de producción. En esta medición se toman en cuenta las actividades programadas
de limpieza, mantenimiento, cambios de formatos de empaque, horas de formación
del personal. La diferencia estriba en que esta medición se pueden desglosar
mejor los factores que inciden en la productividad tales como paradas técnicas,
paradas organizacionales (por ejemplo: falta de personal, falta de materia
prima, etc.), paradas debido a calidad de la materia prima y calidad del
producto. Para la planificación anual de objetivos estos son indicadores claves
que se toman en cuenta en cada área de producción de la empresa.
Cada línea
de producción cuenta con mecánicos de línea y operadores que reportan a jefes
diferentes. El jefe de producción recibe indicaciones en forma lineal de la
gerencia de fábrica, quien a su vez es asesorado por el departamento de
logística quien planifica la producción en base a las indicaciones de mercadeo,
quién efectua investigaciones basadas en encuestas y datos de años anteriores
para determinar la tendencia de los consumidores. Toda la estructura es
clásicamente piramidal. Esta es la estructura que se seguirá en esta línea de
producción. El análisis de la productividad diariamente se efectua en una
reunión donde solo participan producción, mantenimiento y logística, se toman
algunas decisiones que involucran a estos departamentos, pero son también en forma
lineal, la transmisión de la comunicación y por tanto la transmisión del
conocimiento. Se efectúan análisis pero más que todo desde el punto de vista
técnico y los factores que inciden en la productividad, también son complejos
ya que pueden ser laborales (clima organizacional por ejemplo), el mercadeo
puede ser afectado por la situación económica del país, pueden ser contables
(falta de flujo de caja), de calidad (un proveedor que está suministrando
materia prima de mala calidad).
Debido a
esto es que en la otra línea se incluirán representantes de otros departamentos
como administración, mercadeo, recursos humanos, aseguramiento de calidad y los
usuales de producción y mantenimiento.
La interrelación entre los actores o nodos de la red no será lineal, obviamente,
y el conocimiento será multidisciplinario, abarcando aspectos que en la línea
con estructura piramidal no se toman en cuenta. Es por esto que el análisis
diario de productividad tendrá un mayor alcance y efecto, produciendo
decisiones que pueden generar ideas innovadoras y lograr un aumento en la
productividad.
La variable
dependiente será la productividad medida en el tiempo (meses),y la variable
independiente será el diseño organizacional de cada línea, lo que se denomina
el factor en el diseño experimental. De acuerdo a Villarroel (op. cit.) el
factor, en el protocolo de experimentación es una variable de naturaleza
cualitativa que tiene incidencia sobre otra variable denominada de observación.
La productividad será medida a traves del rendimiento como variable
dependiente, ya que es la medición mediante la cual se pueden discriminar con
más facilidad los diversos aspectos que inciden en la misma.
PROTOCOLO
DE OBSERVACIÓN.
Definición de resultados esperados.
Se debe
identificar de manera muy precisa cuales son los resultados esperados de la
investigación, lo cual permite identificar cual es el aporte concreto de la
misma.
En el caso
de la investigación a realizar, el principal resultado esperado es un aumento
del rendimiento –medición de la productividad en este caso- en la línea piloto
que actúa en red, en comparación con la que sigue el diseño piramidal
tradicional. Colateralmente se esperan otros resultados tales como disminución
de paradas técnicas, organizacionales y de calidad.
Definición de la población y unidades de observación.
En este
punto se debe delimitar el objeto de la investigación. Serán dos líneas piloto,
con el mismo peso desde el punto de vista productivo y con un esquema
organizacional diferente, estudiadas en el mismo intervalo de tiempo.
Definición de las variables.
La variable
dependiente es el rendimiento en el intervalo de tiempo estudiado. La variable
independiente es el diseño organizacional aplicado en cada línea, la cual es
cualitativa y es la variable a observar para lograr el resultado esperado.
Definición del método de colecta de
datos.
Los datos
serán tomados de la base de datos diaria de la empresa, la cual es almacenada
por el departamento de producción por medio de un software especial para este
caso.
Definición
del plan de muestreo.
El plan de
muestreo será “no probabilistico”, ya que la selección de las unidades de
estudio no se efectuó al azar, sino en base a la importancia de las líneas y a
su similitud.
Definición
del tamaño de la muestra.
La muestra
será N=6. Se medirá el rendimiento durante un lapso de tres meses. A pesar de
son 180 mediciones, la empresa evalúa su rendimiento mensualmente y es el
índice con que se compara con otras fábricas del mismo grupo a nivel mundial.
Este análisis se efectuará para cada línea de producción.
Definición
de los métodos estadísticos.
Este es el
punto más importante de la aplicación de la estadística a la investigación y de
la correcta selección del método puede depender la confiabilidad de los
resultados.
En este
punto, se seguirá el método planteado por Siegel (1995):
-Establecer
la hipótesis nula H0 y la alterna H1. Seleccionar una prueba estadística (con
su modelo estadístico asociado) para probar H0.
-De entre
varias pruebas que pueden usarse con un diseño de investigación determinado,
elegir el modelo de prueba que se aproxime lo más cercanamente posible a las
condiciones de la investigación en términos de las suposiciones en las cuales
está basada la prueba.
-Especificar
un nivel de significancia α y un tamaño de muestra N.
-Encontrar
la distribución muestral de la prueba estadística bajo la suposición de que H0
es verdadera.
-Con base en
los puntos anteriores definir la región de rechazo para la prueba estadística.
-Recabar los
datos obtenidos de la muestra, computar el
valor de la prueba estadística. Si ese valor esta en la región de
rechazo, la decisión es rechazar H0, si ese valor está fuera de esa región la
decisión es que H0 no puede ser rechazada en el nivel de significación elegido.
A
continuación se seguirán los pasos descritos en los párrafos anteriores.
HIPOTESIS NULA E HIPOTESIS
ALTERNA
La hipótesis
nula es una hipótesis de “no efecto” y por lo general se formula con el
propósito expreso de ser rechazada, es decir es la negación del punto que se
está tratando de probar. (Siegel, 1995)
La hipótesis
alterna es la declaración operacional de la hipótesis de investigación del
experimentador. La hipótesis de investigación es la predicción derivada de la
teoría sometida a prueba. (Siegel, op. cit.).
Hipótesis
nula (H0): el diseño organizacional en red disminuye el rendimiento.
Hipótesis
alterna (H1): el diseño organizacional en red aumenta el rendimiento.
NIVEL
DE SIGNIFICANCIA α Y TAMAÑO DE LA MUESTRA.
El nivel de
significancia α
es la probabilidad de
rechazar equivocada o falsamente a H0. Aquí es importante definir que es un
error del tipo I y del tipo II.
Error del
tipo I: es rechazar la hipótesis H0 cuando de hecho es verdadera.
Error del
tipo II: es rechazar la hipótesis H0 cuando de hecho es falsa.
Otro
concepto importante es la potencia de una prueba, la cual es la probabilidad de rechazar H0 cuando de hecho es falsa:
Potencia = 1
– P [error de tipo II] = 1 – β
El nivel
para el cual se decide colocar µ depende del nivel de una estimación del nivel de
importancia del resultado que será obtenido.
Para el caso
de la investigación se trabajará con un nivel de significancia de µ = 0,05 y el tamaño de la muestra será N
= 6.
DISTRIBUCIÓN MUESTRAL
La
distribución muestral es una distribución teórica. Es la distribución que
podríamos obtener si tomáramos todas las posibles muestras del mismo tamaño de
la misma población, extraídas cada una de ellas aleatoriamente. En otras
palabras la distribución muestral es la distribución de todos los posibles
valores que algún estadístico, (por ejemplo la media de la muestra), puede
tomar siendo H0 verdadero, cuando ese estadístico es computado de muchas
muestras de igual tamaño extraídas de la misma población. (Siegel, 1995).
El punto
siguiente de la discusión será la elección de la prueba estadística donde se
explicará porque se usaran pruebas no paramétricas en lugar de paramétricas.
ELECCIÓN DE LA PRUEBA
ESTADÍSTICA
No solo la potencia
de una prueba es un criterio para elegir la misma. Se deben considerar otros
factores tales como: la manera como se obtuvieron los datos, la naturaleza de
la población de la cual fue extraída la muestra, las hipótesis particulares que
deseamos probar y el tipo de mediciones que se emplearon en las definiciones de
la variable implicada. (Siegel, 1995).
Las pruebas
estadísticas paramétricas prueban hipótesis acerca de parámetros específicos,
tales como la media. Se supone que tales parámetros son idénticas a nuestras
hipótesis de investigación. Si se tienen razones para creer que estas
condiciones se encuentran en los datos que se están analizando, se puede elegir
una prueba paramétrica como t o F. Por ejemplo para la prueba t debemos supones
que las observaciones son derivadas de poblaciones normalmente distribuidas.
En el caso
de la investigación a realizar, no es posible determinar que las mediciones de
rendimiento corresponden a una distribución específica, las líneas no fueron
elegidas al azar.
La prueba
estadística paramétrica especifica ciertas condiciones acerca de la
distribución de respuestas en la población de la cual se ha obtenido la muestra
investigada. Como estas condiciones no son normalmente evaluadas, solo se
suponen. La significación de los resultados de la prueba paramétrica depende de
la validez de esas suposiciones. (Siegel, op. cit.).
La prueba
estadística no paramétrica esta basada en un modelo que especifican condiciones
muy generales y ninguna acerca de la forma específica de la cual fue obtenida
la muestra.
Entre las
ventajas de utilizar una prueba paramétrica en la investigación está en que el
tamaño de la muestra es pequeño N = 6. y que no se conoce la naturaleza de la
distribución. Otra es que las pruebas no paramétricas son más fáciles de
aprender y aplicar que las pruebas paramétricas.
Una vez
definido que se utilizará una prueba no paramétrica en la investigación ahora
queda el determinar cual.
De acuerdo a
Siegel (op.cit.) las pruebas estadísticas de una sola muestra que implican dos
medidas o pares replicado se utilizan cuando el investigador desea saber si dos
tratamientos son diferentes o un tratamiento es mejor que el otro. En el caso
de la investigación propuesta se desea saber la influencia del diseño
organizacional sobre el rendimiento de dos líneas diferentes, lo cual
representa dos muestras diferentes. En las comparaciones entre dos grupos en
ocasiones las diferencias significativas entre dos grupos no son resultado del
tratamiento. En el caso de las líneas piloto pueden haber trabajadores más
capaces en una que en otra, pueden diferir también en cada turno laboral.
Considerando
que las dos muestras son independientes se seleccionará la prueba no
paramétrica de Wilcoxon-Mann-Whitney.
PRUEBA DE WILCOXON-MANN-WHITNEY (Prueba U)
La prueba de
Wilcoxon-Mann-Whitney, en adelante se resumirá como la prueba de Wilcoxon, se
utiliza para evaluar si dos grupos independientes fueron extraídos de la misma
población.
En esta
prueba se analiza el grado de separación entre las muestras. Mientras menor sea
esta separación, será más razonable considerar el azar como la explicación
subyacente (Pagano, 1999).
En el caso
de la investigación a realizar se efectuaran comparaciones de 30 valores del
rendimiento en una línea con diseño organizacional piramidal con 30 valores de
la otra línea con diseño organizacional en red. Esto es para efectuar
comparaciones por mes, aunque el análisis final se hará con una muestra de N =
6, que son los meses de duración de la prueba. Ambos grupos de mediciones son
independientes.
A
continuación se expondrán los pasos a seguir para la aplicación de la prueba de
Wilcoxon:
De acuerdo a
Siegel (1995), en una muestra, m es el número de casos del grupo X y n es el
número de casos de la muestra del grupo Y. Para aplicar la prueba de Wilcoxon,
primero debemos combinar las observaciones de ambos grupos y ordenarlos por
rangos de manera ascendente. En este ordenamiento se considera el tamaño
algebraico, es decir los rangos inferiores serán asignados a los valores negativos
mayores.
Se asigna el
rango 1 a la puntuación algebraicamente menor. Los rangos variaran de 1 a m + n
= N. Se asigna a las observaciones empatadas el promedio de los rangos
empatados.
Se determina
el valor de W× sumando los rangos del grupo X. El método para determinar la
significación de Wx, depende del tamaño de m y n:
a) si
m≤10 y n≤10 (o n≤12
para m = 3 o 4), la probabilidad asociada exacta con un valor tan grande (o tan pequeño) como una suma Wx, se proporciona en la tabla J del
Apéndice I (Siegel, 1995).
b) si m<10 o n<10 la probabilidad asociada
con un valor tan extremo como un valor de Wx, se puede calcular mediante la
aproximación normal y evaluando
la significación de z con base en la tabla A del Apéndice I.
si el valor
observado de Wx tiene una probabilidad asociada igual o menor que α,
rechace H0 a favor de H1.
PROTOCOLO DE EXPERIMENTACION.
Definición de resultados esperados y condiciones de aplicación.
Los
resultados esperados son los mismos que se plantearon en el protocolo de
observación. Las condiciones de aplicación serán en condiciones reales, no
artificiales. Será un ensayo de confirmación.
Definición de factores.
Un factor es
una variable de naturaleza cualitativa que tiene incidencia sobre otra
variable denominada de observación. En
el caso de la investigación a realizar este factor es el diseño organizacional
y la variable en observación es la productividad medida a traves del
rendimiento.
Definición de las unidades de experimentación.
Las unidades
experimentales son aquellas que reciben un nivelo variante del factor y son objeto
de “medición” y son las unidades en las que se evalúan los efectos del factor.
En este caso las unidades experimentales son cada una de las líneas de
producción a evaluar y en las cuales se medirá la productividad.
Definición
de observaciones.
Se deben
definir las variables que van a ser observadas en cada unidad experimental así
como variables accesorias. La variable a observar en cada línea es la
productividad medida a traves del rendimiento y las variables accesorias las
paradas técnicas, organizacionales y de calidad.
Definición
del diseño experimental.
Corresponde
a la manera como se asignan los niveles
del factor a las unidades experimentales. El factor se asignará en un solo
nivel a cada una de las líneas, será un diseño organizacional para cada una.
ANÁLISIS DE DATOS.
En esta fase
es donde se aprovecha la significación de los datos obtenidos para comprobar o
rechazar la hipótesis planteada.
En la
investigación a realizar se aprovecharan tanto las herramientas de la
estadística descriptiva como de la inferencial. La estadística descriptiva es
el conjunto de herramientas que ayudan a presentarlos los datos y la
inferencial es el conjunto de herramientas que permiten inferir los datos
obtenidos en una muestra hacia la población.
Mediante la
estadística descriptiva se presentaran histogramas, distribuciones de
frecuencia, estadísticos básicos como la mediana, la media, la desviación
estándar que puedan servir para
organizar y presentar los datos.
La
estadística inferencial se utilizara para el análisis de datos, utilizando la
estadística no paramétrica mediante la
prueba U de Wilcoxon-Mann-Whitney. En este caso la idea es contrastar la
hipótesis nula con la hipótesis alterna
para probar la teoría planteada como tema de la investigación de la tesis
doctoral. El procedimiento ya fue descrito en el protocolo de observación.
CONCLUSIONES
La
estadística es una poderosa herramienta cuantitativa para el análisis del
conjunto de datos recabados en un una investigación. A través de sus métodos,
tanto paramétricos como no paramétricos se pueden contrastar las hipótesis para
rechazar o aceptar una teoría con un nivel de significación que queda a juicio
del investigador, de acuerdo a la naturaleza del problema.
Para lograr
la aceptación o rechazo de la hipótesis es muy importante la selección del
método estadístico, el cual va desde la correcta colecta de datos, la
presentación de los datos mediante la estadística descriptiva y el análisis
inferencial de los mismos para contrastar las hipótesis.
Con este artículo
se espera aportar una metodología de investigación cuantitativa mediante la
estadística que pueda ser aplicada en casos análogos al del tema de la tesis
doctoral planteada. Es muy importante tomar en cuenta que es una investigación
de campo en el que las variables están sujetas a “contaminación” por variables
ambientales no controladas, aunque también este tipo de investigación tiene la
ventaja de que tiene un grado de adecuabilidad alto para estudiar influencias
complejas, sociales y psicológicas, procesos y cambios en situaciones similares
a la vida real.
REFERENCIAS
BIBLIOGRAFICAS.
Pagano, R. (1999).
Estadística para las Ciencias del Comportamiento. México: Thomson.
Robbins, Stephen.
(2004). Comportamiento Organizacional. México: Prentice Hall
Siegel, S. y Castellan,N. (1995). Estadística No
Paramétrica.México: Trillas.
Villarroel, L. (2002). Rol de la estadística aplicada en
investigación científica. Disponible en CD Antología de epistemología y
metodología en la web. Caracas: Entretemas.
Zavarce, C.(2005) Seminario Avanzado “Pensamiento Gerencial
Emergente”. Etrain4you. Caracas