• Ir al contenido principal
  • Skip to secondary menu
  • Ir a la barra lateral primaria
  • Ir al pie de página
  • Inicio
  • Secciones
    • Ciencia de datos
    • Criptografía
    • Herramientas
    • Noticias
    • Opinión
  • Programación
    • JavaScript
    • Julia
    • Matlab
    • Python
    • R
  • Boletín
  • Contacto
  • Acerca de Analytics Lane
  • Tienda
    • Libros
    • Equipamiento de oficina
    • Equipamiento en movilidad
    • Tiendas afiliadas
      • AliExpress
      • Amazon
      • GearBest
      • GeekBuying
      • JoyBuy

Analytics Lane

Ciencia e ingeniería de datos aplicada

  • Ciencia de datos
  • Criptografía
  • Python
  • Matlab
  • R
  • Julia
  • JavaScript
  • Herramientas
  • Opinión
  • Noticias

Preguntas en formularios: precisión y entorno

octubre 10, 2018 Por Daniel Rodríguez Dejar un comentario

En una entrada anterior se explico cómo puede afectar la forma de preguntar a las respuestas obtenidas cuando se pregunta sobre tendencia. En esta nueva entrada se explicará el efecto que puede tener el entorno en la precisión de los valores obtenidos. Analizando cómo se puede relacionar la precisión y entorno.

Las herramientas empleadas para la realización de medidas de distancia, volumen, peso, tiempo o, especialmente, dinero suelen ser bastante precisas. Los valores son siempre comparados con un patrón de referencia determinado, por ejemplo, el metro o el segundo. Los metros, básculas y relojes ofrecen siempre los mismos valores para las mismas magnitudes. Esto es independiente del entorno en que se realicen las medidas. Por otro lado, al obligar a las personas a estimar cualquiera magnitud lo realizará mediante contraste. Para ello emplea los valores conocidos existentes en el entorno en ese momento. Esto provoca que se puede obtener un valor diferente para la misma magnitud en función del entorno.

Efectos del entorno en las evaluaciones

Existen multitud de ejemplos visuales con los que se puede explorar cómo el entorno cambia la visión que se tiene de la realidad. Un ejemplo se puede apreciar en la siguiente figura donde se rodean dos círculos huecos con seis de diferente tamaño. En ambos casos el tamaño de los círculos centrales es exactamente el mismo, pero no se aprecia así. Aquí el contraste con el entorno de cada uno de los círculos hace pensar que el círculo central de la derecha es más grande que el de la izquierda. En hecho de que ambos círculos son iguales se puede comprobar con simplemente utilizando un metro.

Contraste de círculos

Otro ejemplo de cómo afecta el entorno se puede ver en la siguiente figura. En esta se han dibujado dos líneas rectas con la misma longitud, pero terminadas de diferente manera. La mayoría de las personas suelen indicar que la línea superior en más larga que la de abajo. Al igual que en el caso anterior un metro permite comprobar el error de apreciación.

Contraste de líneas

Este error introducido por el entorno se ha de tener en cuenta a la hora de evaluar la respuesta en los formularios. Al realizar una comparación, aunque esta sea inconsciente, puede provocar que se infravaloran o sobrevaloren las magnitudes preguntadas. Por ejemplo, en un entorno habituados a registros en torno a 500 un valor de 1.000 no es un suele ser valor elevado, si este mismo ejercicio se realiza en un entorno donde los registros se sitúan en torno a 100 el valor de 1.000 es muy elevado pudiendo inducir a sea infravalorado

Precisión y entorno en la Torre de Pisa

Finalmente, los ejemplos visuales presentados previamente pueden parecer un poco forzados, pero los efectos pueden ser tan sutiles como el de la siguiente figura. En esta figura se muestran dos imágenes de la Torre Inclinada de Pisa, la imagen de la derecha la torre parece más inclinada que en la de la izquierda, siendo realmente la misma. Este efecto es debido a que se toman ambas imágenes como si fuesen una única escena. En un entorno natural cuando dos torres vecinas se alzan hacia el cielo la imagen de sus contornos convergerá cuanto más se alejen de la vista. Esta norma básica de perspectiva es dada por sentada por el sistema visual y como en este caso las torres no convergen el sistema visual se ve obligado a pensar que las dos torres están separadas una de la otra.

Precisión y entorno en la Torre de Pisa
Dos copias de la misma imagen de la Torre de Pisa

Conclusiones

En esta entrada se ha comprobado cómo se relaciona la precisión que se puede esperar de una respuesta en función del entorno. Las personas evalúan los resultados de forma cualitativa comparando los valores con los de su entorno. Al encontrarse con un entorno donde los valores habituales son elevados, la respuesta se adaptará estimará por comparación.

En la próxima entrada de la serie abordará los efectos del pastoreo (“herding”) y auto-pastoreo (“self-herding”). Explicándole cómo se adaptan dinámicamente los valores de las respuestas a los ofrecidos anteriormente.

Imágenes: Pixabay (rawpixel) | Pixabay (John-Silver)

¿Te ha parecido de utilidad el contenido?

¡Puntúalo entre una y cinco estrellas!

Puntuación promedio 0 / 5. Votos emitidos: 0

Ya que has encontrado útil este contenido...

¡Síguenos en redes sociales!

¡Siento que este contenido no te haya sido útil!

¡Déjame mejorar este contenido!

Dime, ¿cómo puedo mejorar este contenido?

Contenido relacionado

Archivado en:Ciencia de datos Etiquetado con:Small Data

Interacciones con los lectores

Deja una respuesta Cancelar la respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

I accept the Terms and Conditions and the Privacy Policy

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

Publicidad


Barra lateral primaria

Suscríbete a nuestro boletín

Suscríbete al boletín semanal para estar al día de todas las publicaciones.

Política de Privacidad

¡Síguenos en redes sociales!

  • facebook
  • github
  • telegram
  • pinterest
  • rss
  • tumblr
  • twitter
  • youtube

Publicidad

Tiendas afiliadas

Ayúdanos realizando tus compras sin coste adicional con los enlaces de la tienda. ¡Gracias!

Entradas recientes

Convertir números en cadenas y cadenas en números en Python

enero 25, 2021 Por Daniel Rodríguez Dejar un comentario

Creación de un certificado Let’s Encrypt en Windows con Win-Acme

enero 22, 2021 Por Daniel Rodríguez Dejar un comentario

Aplicaciones de Node en producción con PM2

enero 20, 2021 Por Daniel Rodríguez Dejar un comentario

Publicidad

Es tendencia

  • Seleccionar filas y columnas en Pandas con iloc y loc bajo Python
  • ¿Cómo eliminar columnas y filas en un dataframe pandas? bajo Python
  • Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas bajo Python
  • Unir y combinar dataframes con pandas en Python bajo Python
  • Excel en Python Guardar y leer archivos Excel en Python bajo Python

Publicidad

Lo mejor valorado

5 (3)

Ordenar una matriz en Matlab en base a una fila o columna

5 (3)

Automatizar el análisis de datos con Pandas-Profiling

5 (5)

Diferencias entre var y let en JavaScript

5 (6)

Operaciones de filtrado de DataFrame con Pandas en base a los valores de las columnas

5 (3)

Unir y combinar dataframes con pandas en Python

Publicidad

Comentarios recientes

  • Daniel Rodríguez en Calculadora de probabilidades de ganar a la lotería
  • abel en Calculadora de probabilidades de ganar a la lotería
  • David Arias en Diferencias entre regresión y clasificación en aprendizaje automático
  • Juan Aguilar en Archivos JSON con Python: lectura y escritura
  • Camilo en Contar palabras en una celda Excel

Publicidad

Footer

Secciones

  • Ciencia de datos
  • Criptografía
  • Herramientas
  • Noticias
  • Opinión

Programación

  • JavaScript
  • Julia
  • Matlab
  • Python
  • R

Analytics Lane

  • Acerca de Analytics Lane
  • Boletín de noticias
  • Contacto
  • Lo más popular
  • Tienda

Tiendas Afiliadas

  • AliExpress
  • Amazon
  • BangGood
  • GearBest
  • Geekbuying
  • JoyBuy

Sobre de Analytics Lane

En Analytics Lane tratamos de explicar los principales conceptos de la ciencia e ingeniería de datos con un enfoque práctico. Los principales temas tratados son ciencia de datos, ingeniería de datos, inteligencia artificial, machine learning, deep learning y criptografía. Además, también se habla de los principales lenguajes de programación y herramientas utilizadas por los científicos e ingenieros de datos.

Tiendas afiliadas

Ayúdanos realizando tus compras sin coste adicional con los enlaces de la tienda. ¡Gracias!

Amazon

2018-2020 Analytics Lane · Términos y condiciones · Política de Cookies · Política de Privacidad · Herramientas de privacidad · Contacto