El Método Delphi.
Autor: MsC. Arabel Moráguez Iglesias
arabelm@hlg.rimed.cu
Resumen
El trabajo tiene como finalidad ofrecer una
metodología para la aplicación del Método Delphi en las investigaciones
pedagógicas. El autor parte del análisis bibliográfico en relación con este
tema y lo argumenta con un ejemplo práctico llevado a cabo en la tesis de
maestría del propio investigador, lo que posibilita una mejor comprensión de
las ideas expuestas. Además, está concebido dentro de un conjunto de temas
afines al respecto, que conformarán un libro electrónico acerca de la
estadística aplicada a la investigación científico-pedagógica. Mediante el
empleo de hipervínculos, el trabajo articula su solución con el tabulador
electrónico Excel del Windows.
Palabras claves: Delphi, expertos, investigación,
método, metodología.
Summary
The work has as
purpose to offer a methodology for the application of the Method Delphi in the
pedagogic investigations. The author leaves of the bibliographical analysis in
connection with this topic and he argues him with a practical example carried
out in the master thesis of the own investigator, what facilitates a better
understanding of the exposed ideas. In addition, it is conceived inside a group
of topics tune in this respect that will conform an electronic book about the
statistic applied to the scientific-pedagogic investigation. By means of the
hyperlinks employment, the work articulates its solution with the electronic tabulator
Excel of the Windows.
Key words: Delphi,
experts, investigation, method, methodology.
Muchas veces,
al revisar diferentes tesis de grado científico, académico y trabajos de
diplomas, se ha observado que en algunos se hace alusión al llamado Método Delphi,
pero cuando se analiza el trabajo se observa, en ocasiones, imprecisiones en la
forma de aplicar dicho Método, la manera en que en se seleccionaron los
expertos y hasta en basar el análisis solamente en una ronda de consulta. Es
por ello que este trabajo tiene como objetivo aclarar todas las dudas que
puedan surgir en los profesores e investigadores en relación con el tema
tratado, mediante la aplicación de un ejemplo práctico, tomado de la tesis de
maestría del autor en la que lo aplica.
Antes de desarrollar
el tema, se aclara que estos artículos conforman un libro electrónico del
autor, por lo que existen hipervínculos que enlazan contenidos presentados en
otros temas y que puedan resultar de interés su consulta. Para ello el
interesado solo debe situarse sobre el hipervínculo dado y hacer doble
click.
1.
¿Qué
es el Método Delphi?
El Método
Delphi (1) consiste en la utilización
sistemática del juicio intuitivo de un grupo de expertos para
obtener un consenso de opiniones informadas. (Valdés, 1999; Moráguez, 2001).
Resulta imprescindible que estas opiniones no se encuentren permeadas o
influenciadas por criterios de algunos expertos. Este Método resulta más
efectivo si se garantizan el anonimato, la retroalimentación controlada y la
respuesta estadística de grupo.
El mismo
puede ser aplicado:
§
Como
previsión del comportamiento de variables conocidas; es decir, para evaluar el
comportamiento de una variable conocida y así se pueda inferir posibles formas
de comportamiento.
§
En la
determinación perspectiva de la composición de un sistema, Vg.: en el caso que
los elementos del sistema a estudiar no sean conocidos, o nunca hayan sido
aplicados al objeto de estudio y se orienta la muestra a la determinación de la
estructura posible del sistema o modelo a aplicar. Este último caso constituye
el ejemplo que ilustramos.
2.
¿Qué
ventajas tiene el Método?
Este autor considera, al igual
que Zayas (1998), Campistrous (1998), Valdés (1999) y Moráguez (2001), que las
ventajas del Método están dadas en que:
·
Permite la formación
de un criterio con mayor grado de objetividad.
·
El consenso
logrado sobre la base de los criterios es muy confiable.
·
La tarea de
decisiones sobre la base de los criterios de expertos, obtenidos por este tiene
altas probabilidades de ser eficiente.
·
Permite valorar
alternativas de decisión.
·
Evita conflictos
entre expertos al ser anónimo (lo que constituye un requisito imprescindible
para garantizar el éxito del Método) y crea un clima favorable a la
creatividad.
·
El experto se
siente involucrado plenamente en la solución del problema y facilita su
implantación. De ello es importante el principio de voluntariedad para participar en la investigación.
·
Garantiza
libertad de opiniones (por ser anónimo y confidencial). Ningún experto debe conocer que a su igual se
le está solicitando opiniones.
3.
¿Cuáles
son sus desventajas?
Sus desventajas más
significativas están dadas en que:
·
Es muy laborioso
y demanda tiempo su aplicación, debido a que se requiere como mínimo de dos
vueltas para obtener el consenso necesario.
·
Es costoso en
comparación con otros, ya que requiere del empleo de tiempo de los expertos,
hojas, impresoras, teléfono, correo...
·
Precisa de
buenas comunicaciones para economizar tiempo de búsqueda y recepción de
respuestas.
·
Debe ser llevado
a cabo por un grupo de análisis: los expertos como tales.
·
Se emiten
criterios subjetivos, por lo que el proceso puede estar cargado de
subjetividad, sometido a influencias externas. De aquí la necesidad de aplicar
varias vueltas, buscar técnicas variadas de análisis para obtener un consenso y
pruebas estadísticas para determinar su grado de confiabilidad y pertinencia.
4.
¿Cómo
se seleccionan los expertos y qué instrumentos se aplican?
Para la aplicación práctica del
Método es necesario considerar metodológicamente dos aspectos fundamentales: selección
del grupo de expertos a encuestar y la elaboración del cuestionario
o los cuestionarios. Pero ante todo: ¿A quiénes se pueden considerar
expertos?
Se define como experto el
individuo en sí, grupo de personas u organizaciones capaces de ofrecer
valoraciones conclusivas de un problema en cuestión y hacer recomendaciones
respecto a sus momentos fundamentales con un máximo de competencia, (Valdés,
1999; Moráguez, 2001). De esta definición se infiere como requisito básico para
la selección de un experto, que este tenga experiencia en el tema a consultar,
dado por sus años de trabajo (praxis), y que puedan ser complementados con
conocimientos teóricos adquiridos a través de las distintas formas de
superación y grado académico o científico alcanzado en relación con el tema,
entre otros.
5.
¿Cómo
se desarrolla el Método?
La explicación se basará en la
forma que el autor lo realizó en su tesis de maestría (puede consultarse en la
Biblioteca Universitaria “Miguel de
Cervantes Saavedra” del ISP “José de la Luz y Caballero”, de Holguín).
Se confeccionó una “bolsa de
posibles expertos” o relación de estos, en función de las características
siguientes: experiencia, competencia, creatividad, disposición a participar
en la encuesta, capacidad de análisis y de pensamiento, interés
colectivista y autocrítico.
Al tener en cuenta las características anteriores, se
aplicó el instrumento 1, que solo fue utilizado con los posibles expertos (Anexo 1). Así se consideró una
población de 50 probables candidatos de todo el país, por estimación del autor
y consultas a otros factibles expertos, de quienes ellos consideraron pudieran
ser (la decisión de hacerlo, o no, se mantuvo en anonimato con estos posibles
expertos). Al determinar el coeficiente de competencia se obtuvieron 30
personas que integraron la bolsa de expertos a considerar en esta temática a
partir del coeficiente de competencia (K), en la que:
El coeficiente de competencia (K) del experto se
determina como:
§
Kc: coeficiente de conocimiento
sobre el tema que se le pide opinión.
Este coeficiente se autovalora acorde con el valor de la escala (Anexo
1, pregunta 1). Este valor, propuesto por el posible experto, se multiplica por
0,1 y se obtiene una puntuación, v. g.: Si el posible experto marcó el número
8, este se multiplica por 0,1 y se obtiene 0,8; luego, Kc = 0,8.
§
Ka: coeficiente de argumentación.
Este coeficiente se autoevalúa en alto (A), medio (M) o bajo (B) como el grado
de influencia de las fuentes siguientes: análisis teóricos realizados por el
posible experto, su experiencia obtenida, trabajos de autores nacionales,
trabajos de autores extranjeros, su propio conocimiento del estado del problema
en el extranjero y su intuición (Anexo
1, Tabla 2).
Veamos la tabla 2 de este anexo:
Fuentes de argumentación |
Grado de influencias de cada una de las fuentes |
||
A (alto) |
M (medio) |
B (bajo) |
|
Análisis teóricos realizados por usted. |
(0,4) |
(0,3) |
(0,2) |
Su experiencia obtenida. |
(0,5) |
(0,4) |
(0,2) |
Trabajos de autores nacionales. |
(0,025) |
(0,025) |
(0,025) |
0.025 |
0.024 |
0.022 |
|
Trabajos de autores extranjeros. |
(0,025) |
(0,025) |
(0,025) |
0.025 |
0.024 |
0.022 |
|
Su propio conocimiento del estado del problema en
el extranjero. |
(0,025) |
(0,025) |
(0,025) |
0.025 |
0.024 |
0.022 |
|
Su intuición. |
(0,025) |
(0,025) |
(0,025) |
0.025 |
0.024 |
0.022 |
Fuente: Campistrous, 1998.
Al observar la tabla, en el aspecto: fuentes de
argumentación, las propuestas revisadas (Campistrous, 1998; Valdés, 1999), no
distinguen entre las categorías de Alto, Medio y Bajo, a partir del indicador
“trabajos de autores nacionales” (observe los valores que aparecen en la parte
superior entre paréntesis y no marcados en negrita, a partir del indicador
“trabajos de autores nacionales”), adjudicándole la misma puntuación a cada
rubro; por lo que se propone su diferenciación a partir de los valores que
aparecen debajo de la barra en negrita para que queden bien diferenciadas cada
una de las categorías de las fuentes de argumentación.
De acuerdo con los puntos obtenidos, este coeficiente
recibe el valor de 0.796, (suma de cada rubro de este indicador, vea en el Anexo 1, Tabla 2, valores
marcados con una `X´). Entonces el coeficiente de competencia de este experto
estará dado por: K = ½ (0,8 + 0,796) = 0, 798 ≈ 0,8, que en este caso es
alto, debido a que:
·
Si 0,8 £ K £ 1;
entonces, el coeficiente de competencia
es alto.
·
Si 0,5 £ K < 0,8: coeficiente
de competencia medio.
·
Si K < 0,5: coeficiente de competencia bajo.
Es importante aclarar que los valores de cada uno de
los rubros de la segunda tabla del anexo 1 son de interés del investigador, por
lo que no deben de aparecer en la misma.
Para los efectos de esta encuesta se determinó
excluir a 25 personas como posibles expertos por alcanzar un bajo coeficiente
de competencia (muchos fueron profesores de la Educación Técnica y Profesional
con gran experiencia, pero les faltaban otros requisitos). Por lo que quedaron
25 expertos.
6.
¿Qué
es el Modelo Torgerson?
Existen distintas técnicas y
modelos para la valoración de consensos para los expertos, que pueden ser
estudiados en el Folleto del Grupo de Técnicas de Dirección (Getedi) (Zayas,
1990) y otros manuales, que por razones obvias del alcance de este trabajo no
se van analizar; por lo que se considera conveniente explicar un método y
modelo matemático muy útil, cuando las escalas empleadas en los instrumentos
aplicados a los expertos sean ordinales: Modelo Matemático Torgerson, que
es una variante del Método Thurstone.
(Moráguez, 2001).
Ya se analizó
que una de las desventajas del Método (Delphi) radica en la subjetividad de los
criterios emitidos; por lo que para tratar de resolver este problema se opta
por emplear este modelo matemático, que permite no solo asignar un valor de escala a cada indicador, sino determinar límites entre cada
categoría y, de esta forma, se pueden obtener los límites reales
(asignado por un número real), entre las categorías ordinales y sus
correspondientes a escala de intervalo (números reales), entre cada uno de los
rangos que componen los criterios evaluativos dados por los expertos, y de esta
forma se pueden conocer con precisión cuáles son los límites reales de cada
categoría. Es decir, hasta qué valores reales se puede considerar que la
variable es indispensable, muy útil, etc.
Con el Modelo Torgerson se trata de dar objetividad a
los criterios de los expertos u otro personal encuestado, al convertir la
escala ordinal en escala de intervalo (de cualitativo a cuantitativo). Para
lograr la objetividad, a partir de los criterios subjetivos, el Modelo se apoya
en dos leyes de la psicología social: Ley de los Juicios Comparativos y
la Ley de los Juicios Categóricos
(Campistrous, 1998; Moráguez, 2001). Además se sustenta en los
presupuestos siguientes:
1)
Cada
objeto (indicador) se corresponde con la dimensión subjetiva de una variable
aleatoria distribuida normalmente, cuya media, m, es el valor de escala de ese objeto. Todas las varianzas son
iguales.
2)
Cada
límite de categoría se corresponde con la dimensión subjetiva de una variable
aleatoria distribuida normalmente, cuya media, t, es el valor de escala de ese límite. Todas las variables son
iguales.
3)
Las
variables aleatorias que representan tanto a los objetos como a los límites,
son independientes. Una variable no puede contener valores de otra.
4)
Regla
de decisión: un objeto a
pertenece a la k-ésima categoría cuando su valor de escala x, está entre los
valores de los límites de orden k-1 y k. Esta regla deja bien definida la
frontera entre cada una de las categorías asumidas para los indicadores.
(Campistrous, op. cit.; Moráguez, op. cit).
Este Modelo permite convertir los juicios ordinales,
emitidos por expertos independientes, acerca de los indicadores, en un
instrumento que expresa su posición relativa en un continuo; o sea, permite
llevar las escalas ordinales a escala de intervalo (números reales) y de esta
forma conocer los límites, en valores reales, en que se encuentra cada categoría.
Por ejemplo: Excelente, Muy Bien...; o de 5, 4, 3...
7.
Metodología
para aplicar el Modelo Matemático Torgerson.
1) Operacionalización de las variables a emplear:
Es importante aclarar que cuando
se solicite información a los expertos acerca de estimar la posible
categorización de cada uno de los indicadores o variables propuestas, es
necesario que el investigador deje bien definidos los conceptos que asume para
cada variable, así como establecer su operacionalización, que no es más que
disponer los distintos parámetros e indicadores que permitan medir la variable
en el sujeto (Tena, 1996), para
posibilitar una mejor comprensión y evaluación de los juicios emitidos
por los expertos.
Para comprender mejor el Método, se tomó como
referente la propuesta de este autor de su tesis de maestría, que por el Método
de Expertos determinó los 24 indicadores, distribuidos en seis dimensiones,
sugeridos para evaluar la eficiencia externa o el impacto educacional de las
escuelas politécnicas. (Moráguez, 2001). De estos indicadores se tomó como
referente de análisis la dimensión Efecto Académico, constituida por seis
indicadores. El autor le recuerda al lector que las palabras que aparecen
subrayadas y en color azul son hipervínculos creados para que él mismo,
haciendo control + clic, pueda ir directamente al anexo, tabla, etc.
En el anexo 2
puede observarse cómo quedó la pertinencia de cada indicador para medir las variables
propuestas, para la segunda vuelta de los expertos, en la dimensión Efecto
Académico. En las columnas aparecen las categorías ordinales para medir las
variables dadas en: Indispensable (I), Muy Útil (MU), Útil (U),
Quizás Sirva (Q) y No Sirve (N). Fíjese que a cada indicador se
le hizo corresponder un número consecutivo (filas) para facilitar el trabajo de
compilación y estadística de los mismos, que por razones obvias no se
detallarán en este trabajo.
2) Compilación de la frecuencia absoluta:
El autor le recuerda al lector
interesado, que haciendo click en los hipervínculos marcados, puede desarrollar
el cálculo en Excel de este mismo ejemplo.
Como resultado de la compilación de los instrumentos
aplicados a los expertos se hace una tabla (Anexo 2, Tabla I) en Excel y en ella se
llevan los criterios de los expertos en relación con los indicadores
correspondientes a la dimensión Efecto Educativo. Las columnas reflejan los
totales de cada categoría.
3) Determinación de la frecuencia acumulada:
A cada indicador se le determina
su frecuencia acumulada, así al indicador 1 (Anexo 2, Tabla I) 21 expertos lo
consideraron Indispensable y 4 Muy Útil, por lo que en la frecuencia acumulada
(Anexo 2, Tabla II) que aparece en el rubro Muy Útil es de 25 (casilla C14);
por consiguiente están incluidos los 21, que lo ven como Indispensables
(casilla B14),y los 4 Muy Útil. De forma análoga se halló cada uno y se
completó la tabla según Anexo 2.
4) Determinación
de la frecuencia relativa acumulada
o probabilidad acumulada:
Se determina la matriz de
probabilidades acumulada con cuatro cifras decimales (Anexo II, Tabla III), que resulta
de dividir cada acumulado entre el número de la muestra, en este caso 25; por
ejemplo, si se divide 21 (valor de la casilla B14) entre 25, resulta la
probabilidad acumulada 0,8400 (casilla B23). De esta forma se completa dicha
tabla.
Es importante
observar cómo a partir de la categoría en que se repite la probabilidad 1, que
en este caso es la categoría de Muy Útil, no es necesario completar las
siguientes columnas, porque ya acumuló la máxima probabilidad, lo que quiere
decir que este indicador es considerado, como mínimo, de Muy Útil. Para
comprender mejor el paso siguiente, se ha eliminado solamente la última
columna, No Sirve, para medir la variable (N).
5) Cálculo de los puntos
de cortes y escala de los indicadores (Anexo 2, Tabla IV):
5.1
Determinación de los valores normales estándar inversos.
a) Método manual para buscar los valores:
Para determinar los valores
normales estándar inversos de las probabilidades acumuladas de cada indicador,
se localizan los valores en las tablas del anexo 3 (hoja 1 hasta la 3, que no es
más que la tabla de la distribución estándar), acorde con la probabilidad
asociada y se procede como sigue:
Se busca en
el anexo 3 el valor más próximo de la curva Normal Estándar de la probabilidad
acumulada 0,8400 (tabla III, anexo 2).
Se aclara que en Excel se le llama a esta función estándar inversa porque,
conocido el valor de la probabilidad acumulada, se deben buscar los valores
estandarizados de la tabla. En el anexo 3, hoja 2, aparece el valor más próximo
de la probabilidad acumulada (aparece marcado) de 0, 8389 y le corresponde el
valor estándar inverso de 0,99;
valor que se coloca en la casilla B32
de la tabla IV del anexo 2. Se
procede de igual forma para el resto de los valores de las probabilidades
acumuladas hasta la casilla E28.
Es importante
saber que cuando la probabilidad acumulada sea igual a 1, le corresponde el
valor estándar inverso de 3,5 y que este valor se hace asintótico a partir de
3,49, por lo que en la práctica se toma igual a 3.5, para trabajar con ambos
extremos iguales; es decir, si por el contrario la probabilidad acumulada es
igual a 0, entonces el valor estándar inverso se asume igual a -3,5 (Anexo 3, hoja 3 y hoja 1,
respectivamente); observe en la tabla (Anexo
III Hoja 1) que las probabilidades, a partir de z= -3,5 toma valores
sumamente pequeños (infinitesimales), por lo que se puede considerar que para
valores menores de -3.5 se asuma la probabilidad acumulada igual a 0 y es,
además, un recurso fácil para asociar las probabilidades máximas y mínimas a un
mismo valor absoluto (3.5). Luego si Z = -3.5, la probabilidad para este valor
= 0 (la mínima); por el contrario, si Z
= 3.5, la probabilidad asociada a este valor es 1 (la máxima).
Resulta
oportuno aclarar al lector, que los valores máximo y mínimos de la función
normal, muchos autores difieren en ellos. Por ejemplo, Murray (1961) toma como
valor máximo 3,99 y mínimo -3,99; Freud (1977) asume 3,09 y -3.09; Douglas
(1996) toma ± 3, 99; Devore (2000) asume ± 3,49. Pero como todos estos valores
son asintóticos a partir de ± 3, 5, es por ello que este autor lo asume así,
por ser hasta más fácil de recordar.
De esta
manera se pueden encontrar los valores de esta función de forma manual y llenar
la tabla IV (Anexo 2).
b) Método automático para buscar los valores de la
función estándar inversa:
Estos valores se hallan de forma
automática a través del Microsoft Excel
del Windows. Para determinar de forma automática cada uno de dichos valores
se debe situar en la casilla donde se va a insertar el valor de la Función
Normal Estándar Inversa (Casilla B39 de
la hoja 1 de Excel, que en el ejemplo de este trabajo corresponde a la
casilla B32, del anexo 2.
Una vez
situado en dicha casilla, se debe especificar en la barra de cálculo, buscar la
Función Estándar Inversa correspondiente a la probabilidad acumulada 0,8400 (casilla B31 de la Tabla III, anexo 2),
pero se debe especificar que cuando la probabilidad acumulada sea igual a 0, la
función inversa toma el valor -3,5 (valor marcado en gris de la Hoja 1, anexo 3); por el contrario, si
la probabilidad acumulada tomase el valor de 1, entonces su Función Estándar
Inversa asume el valor de 3, 50 (último valor de la Hoja 3, anexo 3). Esto se programa en
la barra de fórmula del Excel:
=SI(B23=0,-3.5,SI(B23=1,3.5,(DISTR. NORM. ESTAND. INV(B23))))
Observe que
la casilla a la que se hace referencia es la B23 (tabla III, anexo 2), porque es la
primera casilla a la que se debe de determinar la Función Estándar Inversa de
la probabilidad acumulada.
Así se
programa esta función (en Excel) que permite determinar los valores inversos de
cada probabilidad asociada, de manera tal que cuando esta probabilidad sea
igual a cero, entonces la computadora lo asume como una respuesta lógica de
verdad y devuelve el valor -3.50, y
cuando sea la probabilidad 1, devuelve el valor lógico de 3.50. Esto se puede
observar haciendo click en la barra de cálculo de Excel y clic en el
hipervínculo siguiente: Llamar
ejercicio en Excel.
Se aclara que
según la metodología planteada por el Modelo, se elimina(n) la(s) última(s)
columna(s) cuyos valores sean iguales a 3,5, debido a que cuando se determine
el último punto de corte, indicará que todos los valores mayores que ese valor
corresponderá(n) a la(s) variable(s) eliminada(s) (presupuesto número 4 del
método). Esto último se comprenderá mejor en el epígrafe siguiente. Por tal
razón solo aparecen cuatro columnas con las escalas I, MU, U y Q. (Anexo 2, Tabla IV); se insiste que por
razones de comprender mejor el paso siguiente, no se han eliminado las columnas
de U y Q, (se puede hacer), ya que el valor máximo de la Distribución Normal
llega hasta 3, 5 (probabilidad 1,000).
5.2 Búsqueda de los puntos de
corte.
Una vez determinada cada imagen
por la Curva Normal Estándar Inversa, se suma cada columna y cada fila (Anexo 2, Tabla IV); se promedian las
filas: las sumas de las filas se dividen entre cuatro, que es el número de
columnas que se hace corresponder a cada escala, y el resultado se asigna a la
columna Promedio (P, casilla G32).
Si se hubiesen eliminado las columnas U y Q, entonces se dividiría por dos
(números de columnas que quedaron: I y MU). Se procede de igual forma con las
columnas donde aparecen las escalas de I, MU, U y Q, pero el resultado de la
suma de la columna se divide entre el número de indicadores (en este caso 6) y
se halla el promedio de cada columna (Anexo
2, Tabla IV, fila 39). A los valores que resultan de las operaciones
anteriores se les llaman puntos de
corte y determinan los valores del intervalo en que van a estar
comprendidas las variables cualitativas (I, MU, U y Q). (Ver rayo numérico
determinado con los valores de los intervalos en la parte inferior del Anexo 2).
Ahora se
promedian los valores de los puntos de cortes, que no son más que los promedios
de cada categoría (columna), por lo que se obtiene el promedio de promedio,
llamado valor límite N. Para saber en qué rango verdaderamente está la
variable, se le resta al valor límite N el valor promedio de cada fila P.
Por ejemplo, para la primera fila o
indicador No. 1 (1), se le resta al valor límite N (promedio de promedio) (2,79)
el valor promedio de esta fila P (2,87, casilla G32) (Anexo 2, Tabla IV) y su resultado
aparece en la columna N-P (-0,08, casilla
H32). Como este valor está por debajo de 0,66 (casilla B39), que es el
punto de corte o límite superior para la categoría de Indispensable (I). Por lo
que los expertos consideraron que esta categoría era indispensable para el
indicador (1).
De manera análoga se
determina cada rango del resto de los indicadores, cuyos resultados se puede
apreciar en la tabla del anexo antes citado.
8. Determinación
del nivel de consenso de la primera vuelta.
El nivel de consenso (C) se
determina por la expresión: ; donde:
C: coeficiente de concordancia.
Regla de decisión: Sí C ³ 75 %, se considera que hay consenso.
Vn: Votos negativos; Vt: Votos totales.
En caso de
que no haya consenso entre los expertos C< 75 %, se deberá hacer otra vuelta
de consulta, realizándose las modificaciones y aclaraciones necesarias que
permitan obtener consenso a las nuevas modificaciones y adecuaciones de la
nueva propuesta de estos expertos.
Como se
observa en el Anexo 2, Tabla IV, los 25 expertos consideraron que los seis
indicadores propuestos, para evaluar el efecto educativo resultaron
indispensables (I), con un elevado grado de relevancia; ya que no hubo votos
negativos (Vn = 0); los votos totales fueron 25, que coincidieron
con los positivos (Vt = 25), entonces: C = (1 – 0/25) · 100 = 100 %.
De esta forma se determinó el resto de los 24 indicadores en las seis
dimensiones propuestas.
A manera de
conclusión se puede expresar que el Método Delphi o Método de Expertos es muy
valioso para la toma de decisiones y que en la actualidad se emplea ampliamente
en las empresas líderes como método de dirección e investigaciones de índole
general, debido a la participación que se le concede a toda una serie de
expertos, lo que permite obtener opiniones informadas con un alto nivel de
competencia para finalmente arribar a consensos en relación con las
problemáticas planteadas.
Uno de los elementos más importantes de este Método
radica en la minuciosa selección de los posibles expertos a partir de una bolsa
o relación, de los que se supone pudieran serlos, con la aplicación de los
instrumentos ya analizados y que permitan garantizar el anonimato, que cada
experto no sepa quién es su igual, para así evitar efectos de halo, entre
otros.
Por lo general, cuando se trata de evaluar o
determinar la pertinencia de indicadores expresados en escala ordinal, se debe
aplicar el Modelo Matemático Torgerson, (ya explicado su empleo en este
trabajo) modificación del Modelo Thurstone, que permite llevar las escalas
ordinales a escala de intervalo y así conocer en qué intervalo numérico se
encuentran cada una de dichas categorías cualitativas para conocer el grado de
pertinencia de los indicadores, variantes metodológicas y en general las
propuestas realizadas.
Este no es el
único Método que existe para compilar los resultados de las opiniones de los
expertos; al contrario, este puede, y debe ser combinado con otros que
coadyuven a obtener un mejor consenso de las formulaciones efectuadas. El autor
sugiere a los interesados consultar al respecto al Folleto del Grupo de
Técnicas de Dirección (Getedi). (Zayas,
1990.)
(1) Este método fue creado en la RAND CORPORATION de USA en la
década de 1940, por T. J. Cordon y Olaf Helmer, y se publicó en 1964. (Zayas,
1990: 30).
BIBLIOGRAFÍA:
CAMPISTROUS PÉREZ, L. Y CELIA RIZO CABRERA.
Indicadores e investigación educativa. Ciudad de La Habana, 23 de ago. de 1998. (Material inédito).
FRIEDRICH, W. Métodos de la investigación social
marxista-leninista. Ciudad de La Habana, Editorial de Ciencias Sociales, 1988.
MORÁGUEZ IGLESIAS, A. Propuesta de indicadores para evaluar la
eficiencia externa de las escuelas politécnicas industriales de la provincia de
Holguín. Tesis para optar por el título de Máster en Planeamiento,
Administración y Supervisión de Sistemas Educativos. Ciudad de La Habana,
Instituto Pedagógico Latinoamericano y Caribeño, 2001.
TENA SUCK, E., A.
Manual de investigación experimental: elaboración de tesis. México, Editorial Plaza y Valdés, 1996.
THURSTONE, L. L. The Metod of
paired Comparisson for Social Values. (El método de comparación de pares para valores sociales). En J.
Abn. Soc. Psychol, No. 21, 1927.
-----. Theory of
Attitude Measurement. (Teoría de la medición de actitudes). En Psychol , No. 36, 1929.
TORGERSON, W. S. Multidimensional
Acalling: I. Theory and Metod. (Escala
multidimensional: I Teoría y método). En Psychometrika,
No 17, 1952.
-----. Multidimensionalk Scalling of Similitary. (Escala
multidimensional de semejanza) En Psychometrika,
No. 30, 1965.
ZAYAS MIRANDA, E.
El proceso de las decisiones y de soluciones de problemas. Grupo
Técnicas de Dirección GETEDI. Serie: Temas de dirección. No 004. Holguín, ISTH,
1990.
Páginas electrónicas consultadas:
1. PROSPECTIVA
... Método DELPHI.
Irene Konow - Ing. Comercial. ... Se espera
que el uso del Método Delphi continuará creciendo a pasos
acelerados. II.-ASPECTOS CONCEPTUALES. ...
geocities.com/Pentagon/Quarters/7578/pros01.html
- 20k.
2. Método Delphi
... resultado de: Método
Delphi,
se han encontrado 2475 entradas en Internet, 3
recomendados. ¿Quieres mejorar tu nivel de inglés? ... METODO
DELPHI. ...
buscador.hispavista.es/metodo-delphi/
3. El método DELPHI
- Dirección Comercial -CIEMAT
... EL MÉTODO DELPHI. En el estudio del futuro las
técnicas basadas exclusivamente en la extrapolación de los datos existentes suelen
presentar dificultades de ...
www.ciemat.es/sweb/dircom/delphi.htm - 11k .
4. método
Informe Delphi. Anexo 1: El método Delphi. LA UTILIDAD DE
LOS PRONOSTICOS.
El propósito ... 2. EL DISEÑO DEL METODO DELPHI. El método
...
www.upaz.edu.uy/informes/delphi/metodo.htm
- 7k
5. [PDF] EL MÉTODO DELPHI
Formato de
archivo: PDF/Adobe Acrobat - Versión
en HTML
Pág. 1. 1 EL MÉTODO DELPHI Eneko Astigarraga ... Pág. 2. 2 EL MÉTODO DELPHI
El método Delphi1, cuyo nombre se inspira en el antiguo oráculo de Delphos, ...
www.codesyntax.com/Eneko/Metodo_delphi.pdf.
6. CodeSyntax - delphi
... El Método Delphi, cuyo nombre se inspira en el antiguo
oráculo de Delphos, parece que fue ideado
originalmente a comienzos de los años 50 en el seno del ...
www.codesyntax.com/prospectiva/delphi - 7k .
[ Más
resultados de www.codesyntax.com ]