• Saltar al contenido principal
  • Skip to secondary menu
  • Saltar a la barra lateral principal
  • Saltar al pie de página
  • Inicio
  • Secciones
    • Ciencia de datos
    • Criptografía
    • Herramientas
    • Machine Learning
    • Noticias
    • Opinión
    • Productividad
    • Programación
      • JavaScript
      • Julia
      • Matlab
      • Python
      • R
  • Programación
    • JavaScript
    • Julia
    • Matlab
    • Python
    • R
  • Laboratorio
    • Estadística
      • Calculadora del Tamaño Muestral en Encuestas
      • Calculadora de estadísticos descriptivos
      • Test de normalidad
      • Calculadora de contrastes de hipotesis
      • Calculadora de tamano del efecto
      • Simulador de Regresión Lineal con Ruido
      • Visualizador de PCA
      • Visualizador de Series Temporales
      • Simulador de Regresión Logística
      • Simulador de K-Means
      • Simulador de DBSCAN
      • Detector de la Ley de Benford
      • Ajuste de Curvas
      • Calculadora de Matrices
    • Probabilidad
      • Calculadora de Probabilidad de Distribuciones
      • Calculadora de Probabilidades de Lotería
      • Simulador del Problema de Monty Hall
      • Simulador de la Estrategia Martingala
    • Finanzas
      • Calculadora de Préstamos e Hipotecas
      • Conversor TIN ↔ TAE
      • Calculadora DCA con ajuste por inflación
      • Calculadora XIRR con Flujos Irregulares
      • Simulador FIRE (Financial Independence, Retire Early)
    • Negocios
      • CLV
      • Scoring
    • Herramientas
      • Formateador / Minificador de JSON
      • Conversor CSV ↔ JSON
      • Comparador y Formateador de Texto y JSON
      • Formateador y Tester de Expresiones Regulares
      • Inspector de JWT
      • Generador y verificador de hashes
      • Codificador / Decodificador Base64 y URL
      • Conversor de bases numericas
      • Conversor de Timestamp Unix
      • Conversor de colores
      • Generador de UUIDs
    • Juegos
      • Tres en Raya
      • Nim con Q-Learning
    • Más
      • Método D’Hondt
      • Generador de Contraseñas Seguras
  • Noticias
  • Boletín
  • Contacto
  • Tienda
    • Libros
    • Equipamiento de oficina
    • Equipamiento en movilidad

Analytics Lane

Ciencia e ingeniería de datos aplicada

  • Ciencia de datos
  • Machine Learning
  • IA Generativa
  • Python
  • Pandas
  • NumPy
  • R
  • Excel

Preguntas en formularios: anclaje

Small Data

octubre 15, 2018 Por Daniel Rodríguez Deja un comentario
Tiempo de lectura: 3 minutos

Anclaje

Esta entrada finaliza la serie en la que se revisan diferentes efectos que se han de tener en cuenta a la hora de diseñar formularios o workshops. Comenzó con una entrada sobre la interpretación que puede existir al preguntar sobre tendencia. En la siguiente se ha discutido los efectos del entorno en la precisión. La tercera ha sido analizado los fenómenos de pastoreo y auto-pastoreo. En esta cuarta entrega se hablará acerca de cómo el anclaje puede afectar a la toma de decisiones.

El anclaje aparece cuando se pregunta a una persona sobre un valor desconocido, sea del tipo que sea. En esta situación se tiende a buscar un valor de referencia sobre el que pivotar la respuesta. Incluso aunque no tenga ninguna relación con el preguntado. A partir de este se generará la respuesta. Por ejemplo, al preguntar sobre el peso de alguien se usa la referencia del peso de alguien conocido y se responde modificando la respuesta. Debido a este fenómeno las respuestas se encuentran siempre en torno a los mismos valores.

Anclaje

El efecto del anclaje es más sutil de lo que se puede pensar en un primer momento. En experimentos se ha preguntado a diferentes personas el precio que estaría dispuestos a pagar por un producto artesano. Por lo que no tiene un valor conocido de mercado. En algunos de estos experimentos se les he pedido que inicialmente indiquen las dos últimas cifras de su número de la seguridad social. Al realizar esta sencilla operación se observa una correlación entre el número de la seguridad social con la cantidad dispuesta a pagar. Las dos últimas cifras del número de la seguridad social puede interpretarse como un número aleatorio en esta situación. Por lo que la correlación observada no debería existir a priori. La principal conclusión de este experimento es que incluso un número aleatorio puede condicionar las respuestas en los formularios. Como, por ejemplo, el número de la seguridad social, el número de empleado, el número de consulta o el número de página.

Los récords con asterisco, o la épica del titular sin contexto – El bestiario de los indicadores económicos absurdos (parte 8 y final)
En Analytics Lane
Los récords con asterisco, o la épica del titular sin contexto – El bestiario de los indicadores económicos absurdos (parte 8 y final)

Así puede apreciarse que el anclaje es un fenómeno que se puede aparecer de forma sutil. Por lo que evitar su aparición, e incluso identificarlo a posteriori, es complicado. A continuación, se ofrecen algunas recomendaciones.

Evitar la presencia de valores

Es importante evitar la presencia de valores en los formularios. Incluso ejemplos pueden ser utilizados como referencia a la hora de responder. En muchas situaciones se puede encontrar en un formulario algo como:

Introduzca en valor en miles de euros (por ejemplo 100 para 100.000 €)

este simple comentario puede servir como anclaje para la persona que lo realiza, por lo que se debe de evitar en la medida de lo posible.

A partir del experimenten descrito anteriormente incluso se ha de tener cuidad con los valores que no tienen sentido. Es decir, tener a la vista el número de la seguridad social o el número de empleado puede ejercer el efecto de anclaje. En el caso de que sea necesario etiquetar los formularios con un número el fenómeno de anclaje se puede evitar situando la identificación al final de este. No al principio como es la costumbre. Otra alternativa es la utilización de códigos alfanuméricos, más difíciles de utilizar como referencia.

Publicidad


Valores relativos

A la hora de clasificar películas, música o libros según nuestros gustos y preferencias suele aparecer el problema de anclaje. Iniciamos la clasificación de una lista con algo que nos ha gustado, por ejemplo, le damos cinco estrellas. Ahora esta primera evaluación es la referencia por la que nos guiaremos en el resto de los casos a evaluar. Todo lo que nos ha gustado más tendrá cinco estrellas y lo que menos una, dos, o tres.

En este ejemplo se puede observar como el orden de presentación puede influir en las respuestas obtenidas. Las primeras preguntas sirven de referencia para el resto. Si las preguntas se formulan en orden ascendente, puede aparecer un crecimiento de los valores hacia el infinito. Por otro lado, con una ordenación descendente, el efecto observado será el contrario. Así, para reducir los posibles efectos del anclaje lo más adecuado es ordenar las preguntas de modo que el orden los valores sea aleatorio.

Conclusiones

Con esta entrada finaliza la serie en la que se revisan diferentes efectos que se han de tener en cuenta a la hora de diseñar formularios o workshops. Se ha finalizado con los efectos de anclaje uno de los más sutiles de los que se pueden aparecer.

Imágenes: Pixabay (Lars_Nissen_Photoart)

¿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?

Publicaciones relacionadas

  • Los récords con asterisco, o la épica del titular sin contexto – El bestiario de los indicadores económicos absurdos (parte 8 y final)
  • Lanzamos el video de ScoreFlow: crea scorecards de crédito de forma ágil y sin IT
  • Las fórmulas con DNI, o cómo dividir cualquier cosa entre cualquier otra cosa puede acabar publicado en un titular serio – El bestiario de los indicadores económicos absurdos (parte 5)
  • Data Leakage en Credit Scoring: El Error que Invalida tu Modelo
  • La liga internacional, o cuando Harvard y Johns Hopkins suman peras con manzanas – El bestiario de los indicadores económicos absurdos (parte 6)
  • Los indicadores que se autocumplen, o cuando medir es modificar – El bestiario de los indicadores económicos absurdos (parte 7)
  • Customer Lifetime Value: la fórmula clásica que todo analista debería dominar
  • Segmentación RFM: cómo clasificar tu cartera de clientes antes de calcular el CLV
  • PSI: Cómo Saber Cuándo tu Modelo de Credit Scoring se ha Degradado

Publicado en: Ciencia de datos Etiquetado como: 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.

Barra lateral principal

Suscríbete a nuestro boletín

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

Política de Privacidad

Analytics Lane en redes sociales

  • Amazon
  • Bluesky
  • Facebook
  • GitHub
  • Instagram
  • Mastodon
  • Pinterest
  • RSS
  • Telegram
  • Tumblr
  • Twitter
  • YouTube

Publicidad

Entradas recientes

Cómo Comparar Dos Hipotecas con Todos los Gastos Incluidos

julio 30, 2026 Por Daniel Rodríguez

Segmentación RFM: cómo clasificar tu cartera de clientes antes de calcular el CLV

julio 28, 2026 Por Daniel Rodríguez

Los récords con asterisco, o la épica del titular sin contexto – El bestiario de los indicadores económicos absurdos (parte 8 y final)

julio 23, 2026 Por Daniel Rodríguez

Publicidad

Es tendencia

  • Gráficos de barras en Matplotlib publicado el julio 5, 2022 | en Python
  • Buscar en Excel con dos o más criterios publicado el septiembre 7, 2022 | en Herramientas
  • Comparar archivos en Visual Studio Code publicado el enero 10, 2024 | en Herramientas
  • Web del proyecto HeidiSQL HeidiSQL: administrador de base de datos publicado el diciembre 20, 2019 | en Herramientas
  • Comprobar hash SHA-256 o MD5 en Windows, macOS y Linux publicado el noviembre 1, 2023 | en Criptografía, Herramientas

Publicidad

Lo mejor valorado

4.9 (24)

Seleccionar filas y columnas en Pandas con iloc y loc

4.6 (16)

Archivos JSON con Python: lectura y escritura

4.4 (14)

Ordenación de diccionarios en Python mediante clave o valor

4.7 (13)

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

4.1 (11)

Aplicar el método D’Hondt en Excel

Comentarios recientes

  • Daniel Rodríguez en Los récords con asterisco, o la épica del titular sin contexto – El bestiario de los indicadores económicos absurdos (parte 8 y final)
  • Juan en Los récords con asterisco, o la épica del titular sin contexto – El bestiario de los indicadores económicos absurdos (parte 8 y final)
  • bif en JSON en bases de datos: cuándo es buena idea y cuándo no
  • bif en Cómo desinstalar Oracle Database 19c en Windows
  • M. Pilar en Cómo eliminar las noticias en Windows 11 y recuperar tu concentración

Publicidad


Footer

Analytics Lane

  • Acerca de Analytics Lane
  • Boletín de noticias
  • Contacto
  • Libros
  • Lo más popular
  • Noticias
  • Tienda
  • Tiendas afiliadas

Secciones

  • Ciencia de datos
  • Criptografía
  • Herramientas
  • Machine Learning
  • Opinión
  • Productividad
  • Programación
  • Reseñas

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.

Copyright © 2018-2026 Analytics Lane ·Términos y condiciones ·Política de Cookies ·Política de Privacidad ·Herramientas de privacidad ·Contacto