UNIVERSIDAD NACIONAL DEL ALTIPLANO

FACULTAD DE MECNICA ELCTRICA, ELECTRNICA Y SISTEMAS

ESCUELA PROFESIONAL DE INGENIERA DE SISTEMAS

PROYECTO DE TESIS

MODELO DE ARBITRAJE SOPORTADO POR UN SISTEMA EXPERTO

PARA MEJORAR LA CALIDAD DE INVESTIGACIN EN LA
UNIVERSIDAD NACIONAL DEL ALTIPLANO - PUNO

PRESENTADO POR:

MARCOS LENIN QUISPE CALISAYA

JOSE ALEX QUISPE CALISAYA

PARA OPTAR EL TITULO PROFESIONAL DE:

INGENIERO DE SISTEMAS
PUNO PERU

2012

INDICE
I. DATOS GENERALES.

1.1. TTULO.

1.2. RESPONSABLES.

1.2.1. Ejecutores

1.2.2. Director

1.2.3. Asesor

1.3. TIPO Y REA DE INVESTIGACIN

1.4. LOCALIZACION.

1.5 FECHA DE INICIO Y FINALIZACION.

II. PLAN DE INVESTIGACIN.

2.1. PROBLEMA.

4
4

2.1.1. FORMULACIN Y DEFINICIN DEL PROBLEMA.

2.1.2. JUSTIFICACIN DE LA INVESTIGACIN.

2.1.3. OBJETIVO GENERAL

2.1.4. OBJETIVOS ESPECIFICOS

2.2. MARCO TERICO.

2.2.1. ANTECEDENTES BIBLIOGRFICOS

6
6

2.2.1.1. ANTECEDENTES A NIVEL NACIONAL.

2.2.1.2. ANTECEDENTES A NIVEL INTERNACIONAL.

2.2.2. DEFENICIN DE TERMINOS BSICOS.

2.3 HIPTESIS

9
20

2.3.1. HIPOTESIS GENERAL

20

2.3.2. HIPOTESIS ESPECFICAS

20

2.3.3. OPERACIONALIZACIN DE VARIABLES

20

2.4. MATERIALES Y METODOS

21

2.4.1. MTODO DE INVESTIGACIN

21

2.4.2 POBLACIN.

21

2.4.3. MUESTRA

22

2.4.4. DISEO DE LA INVESTIGACIN

22

2.4.5. METODOS DE RECOPILACIN DE DATOS.

23

2.4.5.1. INSTRUMENTOS.

23

2.4.5.2 TCNICAS DE RECOLECCIN DE DATOS

23

7.8. TRATAMIENTO ESTADSTICO.

2.5. ADMINISTRACIN DEL PROYECTO.

23
24

2.5.1. CRONOGRAMA DE EJECUCIN.

24

2.5.2.

25

FINANCIAMIENTO.

2.6. BIBLIOGRAFA.

26

I. DATOS GENERALES.
1.1. TTULO.
MODELO DE ARBITRAJE SOPORTADO POR UN SISTEMA
EXPERTO PARA MEJORAR LA CALIDAD DE INVESTIGACIN
EN LA UNIVERSIDAD NACIONAL DEL ALTIPLANO - PUNO.
1.2. INVESTIGADOR.
1.2.1. Ejecutores

: Bach. Marcos Lenin Quispe Calisaya.

Bach. Jos Alex Pealoza Cordero.

1.2.2. Director

: M.Sc.Robert Romero Flores.

1.2.3. Asesor

: Ing. Julio E. Sotomayor Abarca.

1.3. TIPO Y REA DE INVESTIGACIN

Tipo de Investigacin :

Experimental.

rea de Investigacin:

Informtica Sistemas de Informacin

Tradicionales y Expertos.

1.4. LOCALIZACION.
Departamento

: Puno.

Provincia

: Puno.

Distrito

: Puno.

1.5 FECHA DE INICIO Y FINALIZACION.

Fecha de inicio

: Octubre 2012.

Fecha de finalizacin

: Diciembre 2012.

II. PLAN DE INVESTIGACIN.

2.1. PROBLEMA.
2.1.1. FORMULACIN Y DEFINICIN DEL PROBLEMA.
PISCOYA (2006), Indica que en el Ranking 2006 de
Shanghai han aparecido de manera constante, aunque en
diferentes posiciones slo siete universidades de Amrica
Latina, cuatro de Brasil, una de argentina, una de Mxico y
una de Chile. En los Rankings de Londres han aparecido,
casi

proporcionalmente,

slo

dos

universidades:

la

Universidad Nacional Autnoma de Mxico y la Universidad

de Sao Paulo de Brasil.
Carlos R. Abeledo (2004, p. 122), Dentro del marco de
Convenio CONCYTEC-BID. Este consultor afirm que
ninguna

de

las

universidades

peruanas

puede

ser

considerada una universidad de investigacin.

Cul es el grado de influencia que ejerce el modelo de
arbitraje soportado por un sistema experto para mejorar la
calidad de investigacin en la Universidad Nacional del
Altiplano - Puno?
2.1.2. JUSTIFICACIN DE LA INVESTIGACIN.
La difusin del conocimiento es un aspecto fundamental
para el progreso, el desarrollo humano y la mejora de las
condiciones de salud y de vida; por ende, en las tareas de
enseanza as como de investigacin, la publicacin es un
componente importante, es ms, la investigacin no sera
completa si no se publicaran los resultados, as estos
hayan sido negativos.
4

La publicacin cientfica vista de esta manera, es por lo

tanto, uno de los principales productos de la investigacin y
de la actividad cientfica. As los hallazgos de la
investigacin o las soluciones que se proponen a raz de
ella, slo estn sometidas al juicio y a la crtica de los
usuarios o al intento de replicacin de otros investigadores,
cuando son publicadas en forma adecuada.
Este proceso de evaluacin de trabajos de investigacin
ser desarrollada por un modelo de arbitraje soportado por
un sistema experto que nos permitir evitar la publicacin
de trabajos de mala calidad y mejorar el contenido cientfico
de los artculos que ayudara a fortalecer el lenguaje y la
presentacin de los datos.
2.1.3. OBJETIVO GENERAL
Determinar el grado de influencia que ejerce el modelo de
arbitraje soportado por un sistema experto para mejorar la
calidad de investigacin en la Universidad Nacional del
Altiplano - Puno.
2.1.4. OBJETIVOS ESPECIFICOS

Determinar el grado de influencia que ejerce el modelo de

arbitraje soportado por un sistema experto para mejorar la
calidad de investigacin en su factor de impacto en la
Universidad Nacional del Altiplano - Puno.

Determinar el grado de influencia que ejerce el modelo de

arbitraje soportado por un sistema experto para mejorar la
calidad de investigacin en su factor de prestigio en la
Universidad Nacional del Altiplano - Puno.
5

2.2. MARCO TERICO.

2.2.1. ANTECEDENTES BIBLIOGRFICOS
2.2.1.1. ANTECEDENTES A NIVEL NACIONAL.
PISCOYA (2006). En su texto Ranking Universitario en el Per
nos muestra el siguiente cuadro estadstico.

PISCOYA (2007), en la revista decanos en Lnea el

investigador manifiesta que Es incomprensible, por
ejemplo, cmo existen programas de postgrado en los que
se da mucha prioridad al tema econmico y no as a la
investigacin,

algo

fundamental

para

la

produccin

cientfica..

Adems indica que existe un hecho que lamentar: la

presencia de universidades latinoamericanas en esos
rankings es muy dbil. Las nicas que aparecen son casas
de estudios de Brasil. Mxico, Argentina y chile Y el
Per ? Lejos. Muy lejos.
FLOREZ (2008), En el boletn de la Sociedad Peruana de
Computacin SPC indica que:
. Los problemas que hacen difcil desarrollar actividades
de investigacin en las universidades peruanas son: 1. La
poca experiencia de desarrollar investigacin dentro de las
universidades. 2. La poca presencia de grupos de
investigacin organizados. 3. La falta de cooperacin entre
los grupos de investigacin existentes y las empresas
2.2.1.2. ANTECEDENTES A NIVEL INTERNACIONAL.
MIRANDA at el (2007) en su investigacin realizada
concluye indicando que:
1. Las redes acadmicas universitarias y la movilidad que
se genera tanto en el personal docente como en el
estudiantil a nivel nacional e internacional, puede
ayudar a consolidar las lneas de investigacin, que
desde el pregrado se deben establecer, con el fin de
apuntalar la realizacin de proyectos de investigacin
conjuntos, donde se aproveche las fortalezas de cada
una de las instituciones. De esta manera sera posible
consolidar

verdaderos

grupos

investigativos

que

generen lneas de trabajo atendiendo a las necesidades

reales y sentidas del pas. Lo anterior permitira que las
actividades

de

las

universidades

estuvieran
7

encaminadas

la

generacin

aplicacin

del

conocimiento y no se centrara en la transmisin del

mismo. Esto repercutira de manera directa en un
cambio de concepcin de ciencia e investigacin y
ayudara a que los resultados de las tesis de grado,
adems de publicarse en revistas indexadas, tuvieran
una aplicacin y un impacto importante y no se
perdieran en los anaqueles
2. La relacin entre universidad y empresa, es decir, entre
el mundo laboral y la educacin superior, con el fin de
hallar un equilibrio entre la labor que conlleve la
bsqueda del conocimiento y la atencin a necesidades
sociales que respondan a expectativas y problemticas
reales y sentidas. Al respecto las pasantas son un buen
camino,

pero

an

falta

un

mayor

compromiso,

especialmente de la empresa privada, que permita

gestionar,

desarrollar

apoyar

econmicamente

proyectos investigativos.
3. El uso de las nuevas tecnologas, sistemas de
informacin y comunicacin posibilitan oportunidades
para acceder y mejorar las formas de produccin,
organizacin, difusin y control del conocimiento. En
este sentido, surge la necesidad de garantizar un
acceso equitativo a estas tecnologas en todas las
instituciones universitarias del pas. Esto permitir, entre
otras cosas, constituir redes y bancos de informacin,
diseo de material didctico, transferencias tecnolgicas
y fortalecimiento de las funciones de servicio a la
comunidad que tienen las universidades, a travs de
medios de informacin que garanticen la difusin y
apropiacin social del conocimiento
8

2.2.2. DEFENICIN DE TERMINOS BSICOS.

LOS SISTEMAS EXPERTOS
A principios de la dcada de los 70, los investigadores del
rea de la Inteligencia Artificial1 reconocieron que los
mtodos y tcnicas para resolver problemas generales
desarrollados los aos anteriores eran insuficientes para
abordar aplicaciones de la vida diaria. Ellos comprendieron
que era necesario un conocimiento especfico y limitado del
dominio de la aplicacin de inters, ms que uno general
que abarcara muchos dominios. Fue as que construyeron
los primeros sistemas expertos en reas concretas del
saber, tales como MYCIN para el diagnstico mdico,
DENDRAL para deducir la estructura de una composicin
qumica, PROSPECTOR para la exploracin mineral y
muchos ms que tuvieron mucho xito.
Actualmente cada vez es mayor el nmero de usuarios que
utilizan sistemas expertos, en diversos campos, tales como
en el anlisis financiero, interpretacin de imgenes,
pronstico de tiempo, auditora e impuestos, planeacin de
operaciones, diagnstico mdico, diseo de redes, etc. Lo
usan instituciones como Microsoft que incorpora en sus
paquetes sistemas expertos de ayuda al usuario, la NASA
para apoyar el lanzamiento de sus cohetes, Digital
Equipment Corp. para el diagnstico de fallas de equipos,
etc.
Definicin.

Feigenbaum1, un lder en este campo, define a un sistema

experto como ... un programa de computadora inteligente
que usa conocimiento y procedimientos de inferencia para
resolver problemas, de un dominio concreto, que son lo
suficientemente difciles como para requerir la experiencia
humana para su solucin.. Esta definicin introduce varios
conceptos que tienen un especial significado e implicacin
en el rea de los sistemas expertos. A continuacin los
desglosaremos.
El dominio de un sistema experto denota el rea del
problema del que tiene conocimiento. Est compuesto por
una coleccin de conocimiento representativo, hechos,
procedimientos, reglas, algoritmos y datos. Los sistemas
expertos, por lo general, son diseados para resolver
problemas de un dominio limitado y concreto.
El trmino inteligente incluye muchos aspectos (pensar,
recordar, razonar, comprender, adquirir conocimiento), pero
en este contexto enfatiza un aspecto especfico del
comportamiento inteligente: razonar usando heurstica 2
para resolver problemas eficientemente. Por otro lado,
resolver un problema quiere decir: buscar una respuesta.
As pues, una resolucin inteligente de problemas usa
conocimiento a priori (heurstica) para reducir el espacio de
bsqueda de la solucin, utilizando algunos indicios que
pueden guiar a la obtencin de una conclusin aceptable,
en contraposicin con la bsqueda exhaustiva que llevan a
cabo las resoluciones no inteligentes
1

En 1977, en el Congreso Mundial de la Inteligencia Artificial, Bartels and Weber, Analytical and
Quantitative Cytology and Histology, 1989.
2

Denota el conocimiento acumulado con el tiempo y que es resultado de asociaciones empricas

propias de cada persona.

10

La habilidad para almacenar conocimiento, manipularlo y

usarlo es el corazn de la metodologa de los sistemas
expertos.

El

conocimiento

comprende

hechos

procedimientos, incluye conceptos, ideas, experiencia previa

y heursticas. Adems, el conocimiento usado en los sistemas
expertos se expresa en forma simblica y no numrica, es
decir, se manejan conceptos (tumor canceroso) y categoras
(grande, largo, difuso).
Finalmente, la definicin menciona inferencia. Inferir es el
proceso por el cual el sistema experto utiliza los hechos y los
procedimientos de su base de conocimientos para alcanzar
una solucin. En los sistemas expertos se separan
claramente los procesos de inferencia del conocimiento.
Caractersticas.
Algunas caractersticas de los sistemas expertos se pueden
apreciar cuando son comparados con otras soluciones,
tales

como software convencional o expertos humanos.

Ventajas.
a) Replicacin.- Los sistemas expertos reproducen el
conocimiento y heurstica de los expertos humanos. Esto
permite que se pueda copiar y distribuir la experiencia tanto
como se necesite y a un costo razonable.
b)

Fcil

modificacin.-

El

concepto

de

separar

el

conocimiento del mecanismo de inferencia facilita el

proceso de modificacin del conocimiento. Esto es
importante porque el conocimiento cambia frecuentemente.

11

c) Consistencia en las respuestas.- Los expertos humanos

pueden dar soluciones diferentes al mismo problema;
incluso el mismo experto humano puede dar respuestas
distintas en diferentes ocasiones. Por su parte, los sistemas
expertos son siempre consistentes en la solucin de los
problemas, brindando respuestas iguales todo el tiempo.
d) Disponibilidad permanente.- Los sistemas expertos estn
siempre disponibles, las 24 horas del da.
e) Preservacin de la experiencia.- El conocimiento de los
expertos humanos presente en los sistemas expertos, se
preserva para la posteridad.
f) Solucin a problemas con datos incompletos.- Los
sistemas expertos, debido a su naturaleza heurstica, son
capaces de resolver problemas con datos incompletos o
inciertos. Esta caracterstica es importante porque la
informacin completa y exacta de un problema rara vez
est disponible.
g) Explicacin de la solucin.- Una caracterstica clave de
los sistemas expertos es que son capaces de explicar
cmo llegaron a sus conclusiones, qu decisiones tomaron
y por qu lo hicieron. Esta explicacin clarifica y justifica los
resultados. Adicionalmente, provee una forma rudimentaria
de tutora.
Desventajas.
a) Dominio limitado.- El dominio de aplicacin de los
sistemas expertos es limitado.

12

b) Escaso sentido comn.- El sentido comn de un humano

es difcil de representarlo en un sistema experto.
Componentes estructurales.
Bsicamente se puede decir que los sistemas expertos
estn formados por la base de conocimientos y por el motor
de inferencia, aunque generalmente se les aaden ms
mdulos para facilitar su uso y enriquecer su desempeo.
En la fig. 1 se muestra un diagrama en el que se han
incluido la arquitectura de un sistema experto tpico.

Fig. 1: componentes de un sistema experto tpico.

a) El motor de inferencia.- El motor de inferencia es el
intrprete del conocimiento almacenado en la base de
conocimientos. Sus tareas incluyen seleccionar, decidir y
aplicar el conocimiento de la base de conocimientos sobre
la base de hechos, con el fin de obtener la solucin
deseada. Sus funciones principales son la inferencia y el
control.
El control se refiere a la secuencia en que se examinan las
primitivas de la base de conocimiento. La inferencia es el
13

razonamiento que realiza a partir del anlisis y evaluacin

de las primitivas de la base de conocimiento, encadenando
conclusiones intermedias hasta presentar la solucin final.
b) La base de conocimientos.- La base de conocimientos
es la parte ms importante de un sistema experto. Contiene
el conocimiento y las heursticas del dominio en el cual el
programa es competente y, en algunos sistemas, el
conocimiento de control (metaconocimiento).
La

eleccin

del

formalismo

de

representacin

es

fundamental para el rendimiento del sistema. Por ello su

eleccin y diseo requieren de un estudio cuidadoso. La
base de conocimientos debe permitir un rpido acceso a
los conocimientos, debe ser modular y fcil de desarrollar y
mantener.
c) La base de hechos.- Tambin llamada base temporal,
almacena los datos recibidos de los usuarios sobre el
problema particular que en un momento dado se intenta
resolver y sobre el estado del sistema en cada instante.
d) La interface de usuario.- La interface de usuario facilita la
comunicacin entre el

usuario y el sistema, aceptando

datos

planteando

del

usuario,

preguntas,

dando

informacin y mostrando la conclusin final a la que ha

arribado el sistema experto. Toda esta informacin, ya sea
de entrada o de salida, pasa por la base de hechos.
Es aconsejable poner especial atencin en la interface,
pues el reconocimiento de la bondad del sistema experto
depende de su aspecto y uso. En la interface se deben
incluir elementos grficos, colores, ratones, ventanas, etc.
14

e) El mdulo de explicacin.- El mdulo de explicacin

justifica el proceso de razonamiento que ha seguido el
sistema experto para llegar a sus conclusiones. Los
usuarios pueden hacer preguntas del tipo: por qu?,
cmo?, qu pasa si? y ste mdulo les proporcionar la
respuesta adecuada.
f) El mdulo de adquisicin del conocimiento.- El mdulo de
adquisicin del conocimiento es el programa que permite a
los expertos modificar la base de conocimientos. Es muy
til

porque

el

conocimiento

constantemente

est

cambiando y es necesario actualizarlo. Tambin sirve para

corregir errores que existan en dicha base.
Representacin del conocimiento.
El principal problema de los sistemas expertos es la
representacin del conocimiento de los expertos humanos
en la computadora. Como existen muchas maneras de
representar el conocimiento, y cada una de ellas tiene
ventajas respecto al resto, la eleccin del sistema de
representacin depende del tipo de problema que pretenda
resolver el sistema experto. A veces se opta por las
llamadas representaciones hbridas para intentar conseguir
las ventajas de varias de estas representaciones.
Comentaremos brevemente las principales caractersticas
de las tcnicas de representacin de conocimiento que
actualmente se usan: lgica, reglas, redes asociativas,
marcos y objetos.
Lgica.

15

La lgica es una disciplina relacionada con la validez del

conocimiento. Es muy importante dentro del contexto de la
Inteligencia Artificial y especialmente en los sistemas
expertos, debido a que brinda el formalismo para dos
importantes conceptos: la representacin del conocimiento
y el proceso de inferencia. Dentro de la lgica existen
varias notaciones para representar el conocimiento, las
ms importantes son: la lgica proposicional y el clculo de
predicados.
La lgica proposicional usa proposiciones para describir y
manejar hechos acerca del mundo. Una proposicin es una
sentencia simple que tiene un valor de verdad o falsedad
(ej.: hoy es viernes, hace fro). Las proposiciones
pueden ser combinadas con otras proposiciones para
expresar conceptos complejos acerca del mundo (ej.: hoy
es viernes y hace fro), usando conectivos lgicos como
la conjuncin, disjuncin, negacin e

implicacin.

Las

proposiciones compuestas tambin tienen su propio valor

de verdad, el cual depende de los conectores y del valor de
verdad de cada proposicin componente.
El clculo de predicados est basado en la idea de que las
proposiciones deberan expresar relaciones entre objetos,
como tambin cualidades y atributos de tales objetos. Tales
relaciones se llaman predicados y los objetos son los
argumentos de los predicados. El uso de argumentos
permite que un predicado exprese una relacin acerca de
muchos objetos diferentes, ms que de un solo objeto (ej.:
color (pasto, verde), color (cielo, azul)).
Como las proposiciones, los predicados tienen un valor de
verdad, pero este valor de verdad depende de sus
argumentos. El clculo de predicados tambin soporta el
16

uso de variables y de cuantificadores. Por eso se dice que

la lgica de proposiciones es un subconjunto del clculo de
predicados.
La esencia de la lgica de predicados es realizar
inferencias lgicas, o sea, derivar nuevas verdades a partir
de hechos conocidos. La lgica de predicados provee un
conjunto de reglas de inferencia enteras que garantizan
que las nuevas conclusiones inferidas sean ciertas, si los
hechos de los cuales se han derivado lo son. Las reglas
enteras ms importantes son el modus ponens y el modus
tolens. La resolucin3 es otra regla entera y es el
mecanismo

fundamental

usado

por

el

lenguaje

de

computacin PROLOG4 (PROgramming in LOGic). El

PROLOG es pues, una implementacin de la lgica de
predicados en computadoras.
Reglas.
Las reglas son la tcnica ms popular para representar el
conocimiento. Esto puede atribuirse a que ellas tienen un
formato parecido al que utilizan los expertos humanos para
expresar su conocimiento (condicin/accin).
Adicionalmente,

son

excelentes

para

representar

el

conocimiento heurstico, su implementacin es fcil, su

entendimiento es rpido y pueden usar medidas de
incertidumbre.
La frmula general de la regla es la siguiente:

Desarrollada por Robinson en 1965.

Desarrollado por A. Colmerauer en los aos 70.

17

SI < Condiciones > ENTONCES < Conclusiones o

acciones>
La primera parte de la regla es una prueba condicional
(tambin llamada premisa o antecedente). Si la prueba se
satisface a travs de un emparejamiento con los hechos
conocidos, entonces la segunda parte de la regla (tambin
llamada conclusin, accin o consecuente) tambin se
satisface.
Las reglas pueden ser aplicadas de dos maneras:
encadenadas hacia delante o encadenadas hacia atrs. En
el encadenamiento hacia adelante se busca la solucin
utilizando

todos

los

hechos

iniciales

se

aplica

reiterativamente la regla del modus ponens para derivar

hechos intermedios hasta que se encuentre la respuesta
final. Este tipo de razonamiento es adecuado si existen
pocos datos (o muchos, pero adquiridos automticamente)
y muchas soluciones. Esto es cierto en aplicaciones de
diseo, configuracin, planeacin y organizacin.
En cambio, en el encadenamiento hacia atrs se parte de
un objetivo que trata de demostrarse buscando slo
aquellos datos que lo confirmen; es decir, se aplican las
reglas slo para derivar valores que demuestren objetivos o
hechos intermedios, que posteriormente sern usados para
evaluar el objetivo final. Este mtodo es til cuando existen
demasiados datos iniciales, muchos de los cuales son
irrelevantes, y un nmero limitado de resultados. Es
perfecto para aplicaciones de diagnstico.
Es interesante notar que si las reglas slo incluyen
proposiciones

(constantes),

entonces

los

hechos
18

emparejarn exactamente con ellas. Esto quiere decir que

la interconexin entre las reglas y los hechos es explcita y
es conocida antes de la ejecucin, por lo que la base de
conocimientos puede verse como un rbol de decisin y/o
(y para las condiciones de cada regla, o para distintas
reglas). En otros casos, si las reglas incluyen variables, se
usa el emparejamiento con patrones para ligarlas con los
hechos, consecuentemente las relaciones entre las reglas y
los hechos varan en cada corrida del programa y slo se
pueden conocer durante el tiempo de ejecucin. El primer
tipo de reglas se aplica exitosamente en sistemas de
diagnstico y clasificacin. El segundo tipo es til en
situaciones en las cuales es necesario probar muchos
datos antes de conseguir la solucin, como en el diseo,
planeacin y sntesis.
Finalmente, la ventaja de las reglas es que son muy
modulares, uniformes y naturales, pero tienen la desventaja
de que su nmero crece muy rpido y a la hora de realizar
su mantenimiento se debe tener mucho cuidado para no
introducir

reglas

contradictorias

que

generen

encadenamiento infinito.

19

2.3 HIPTESIS
2.3.1. HIPOTESIS GENERAL
El modelo de arbitraje soportado por un sistema experto
mejora significativamente la calidad de investigacin en la
Universidad Nacional del Altiplano - Puno.
2.3.2. HIPOTESIS ESPECFICAS
El modelo de arbitraje soportado por un sistema experto
mejora significativamente la calidad de investigacin en su
factor de impacto en la Universidad Nacional del Altiplano Puno.
El modelo de arbitraje soportado por un sistema experto
mejora significativamente la calidad de investigacin en su
factor de prestigio en la Universidad Nacional del Altiplano
-Puno.
2.3.3. OPERACIONALIZACIN DE VARIABLES
VARIABLE INDEPENDIENTE.
Modelo de arbitraje soportado por un sistema experto
Dimensiones:

Robusto

Flexible

Mantenible

Escalabilidad y rendimiento

Seguridad
20

VARIABLE DEPENDIENTE.
Calidad de investigacin
Dimensiones:

Factor de impacto

Factor de prestigio

2.4. MATERIALES Y METODOS

2.4.1. MTODO DE INVESTIGACIN
La investigacin es de carcter experimental, ya que se
medir la calidad de los trabajos de investigacin al ser
revisado por el modelo de arbitraje soportado por un
sistema experto.
2.4.2 POBLACIN.
Investigadores de la Universidad Nacional del Altiplano Puno.
.Poblacin de la investigacin
Usuarios

Poblacin

Estudiantes por mes del Centro de Cmputo e

informtica de la Universidad Nacional del
Altiplano de Puno

600

Docentes

20

Trabajadores Administrativos

10
Cuadro 02: Poblacin
21

2.4.3. MUESTRA
Para seleccionar la muestra se utilizara la tcnica de
Muestreo Aleatorio estratificado.

2.4.4. DISEO DE LA INVESTIGACIN

El diseo elegido es de dos grupos:

a. Un grupo experimental
b. Un grupo control

Con post test solamente, cuya representacin grfica es la

siguiente:
G1: x O1
G2: O2
Donde:
G1

: Grupo experimental.

G2

: Grupo control.

: Observacin.

: Tratamiento con el modelo de arbitraje.

: Sin tratamiento con el modelo arbitraje.

22

2.4.5. METODOS DE RECOPILACIN DE DATOS.

2.4.5.1. INSTRUMENTOS.
Se emplearan los siguientes instrumentos:

Pruebas de conocimientos.

Cuestionario para encuestas y entrevistas

Fichas de Observacin

2.4.5.2 TCNICAS DE RECOLECCIN DE DATOS

Para los instrumentos mencionados de emplearn las
siguientes tcnicas de recoleccin de datos.

Encuestas

Entrevistas

Observaciones

7.8. TRATAMIENTO ESTADSTICO.

En el proceso estadstico de anlisis y tratamiento de los
datos se tomar en cuenta lo siguiente.
-

Los datos estadsticos se tabularn

en el software

estadstico SPSS V12.0 for windows y el Minitab.

-

Se utilizara la estadstica descriptiva y la inferencia

estadstica

23

2.5. ADMINISTRACIN DEL PROYECTO.

2.5.1. CRONOGRAMA DE EJECUCIN.

CRONOGRAMA DE TRABAJO

Ejemplares

X
X

DICIEMBRE

SETIEMBRE

NOVIEMBRE

AGOSTO

JUNIO

OCTUBRE

Experimentacin
Toma de Resultados
Anlisis de resultados
Redaccin e Impresin de

JULIO

Instrumentos
Validacin de Instrumentos
Aplicacin de la

MAYO

ACTIVIDADES
Elaboracin del Proyecto
Elaboracin
de

ABRIL

2012

X
X

X
X
X

2.5.2. FINANCIAMIENTO.
24

Remuneraciones
Personal digitador
Asesor estadstico
Asesor general
Material para el procesamiento de
datos
Discos compactos
DVD
Software estadstico
Alquiler de proyector
Internet
Servicios
Pasajes
Viticos
De Impresin
Papel bond A4 de 80 gr (2 millares)
Papel bulki (1 millar)
Stencil (2 cajas)
Tinta de mimegrafo (2 tubos)
Otros
Encuadernacin
Impresin
Fotocopias
Resaltadotes
Tablero de encuestador
Lapiceros y lpices
Costo total

Monto S/.
700.00
1500.00
1500.00

50.00
20.00
200.00
100.00
200.00
100.00
300.00
70.00
15.00
70.00
50.00
100.00
100.00
500.00
200.00
10.00
10.00
10.00
5805.00

2.6. BIBLIOGRAFA.
1. AVILA ACOSTA, Roberto, Metodologa de la Investigacin, Editorial
Estudios y Editores S.A. 2001.
2. CARRASCO DIAZ, Sergio, Metodologa de la Investigacin Cientfica.,
Editorial San Marcos, Per, 2006.
3. FLOREZ U. Omar, Investigando en universidades, Boletn SPC Volumen 1,
Nro. 4 Junio 2008, www.spc.org.pe

25

4. HERNNDEZ SAMPIERI ROBERTO at el. Metodologa de la investigacin

/ Hernndez Sampieri Roberto, Carlos Fernndez collado, Pilar Baptista
Lucio. Colombia, Ed. Panamericana formas e Impresos S.A., 1997.
5. MIRANDA Juan Francisco at el, La construccin de una institucionalidad y
una poltica en ciencia y tecnologa. En Ciencia y tecnologa Colombia Vol
24, 2006, Pg 6.
6. PISCOYA HERMOZA, Luis, El Ranking Universitario en el Per, Lima ANR
UNESCO, 2006.
7. PORTILLO LOAYZA, Maricela, Metodologa de la Investigacin Cientfica,
Editorial Juan Gutemberg, 2003.
8. RICHARD FROST. Base de datos y Sistemas Expertos , Ingeniera de
Conocimiento, primera edicin ,Editores Diaz de Santos SA, Madrid 1989.
9. STUART RUSSELL,PETER NORVIG. Inteligencia Artificial un Enfoque
Moderno,primera edicin, Editorial Prentice Hall Hispanoamericana SA,
Mxico 1996.
10. TORRES FERNNDEZ, PAUL. Cmo redactar una tesis?, Editorial,
Asesores Bioestadsticas, 1997.
11. VELAZQUEZ FERNANDEZ, ngel, Metodologa de la Investigacin
Cientfica, Editorial San Marcos. 2000.

GLOSARIO DE TERMINOS.
1. Investigacin.
2. Factor de impacto.
3. Factor de prestigio.
4. Sistema experto.
5. Calidad.
6. Arbitraje.
26

7. Modelo.
8. Ranking.
9. Grado
10. Influencia
11. Impacto.
.

27