Estoy siguiendo una clase en línea de nivel universitario/graduado sobre metodología de investigación y escritura. Hay cosas en la clase que no he sabido antes. (Si tiene alguna recomendación sobre literatura sobre metodología de investigación y escritura, no dude en hacérmelo saber. He oído hablar de algunos en el pasado, pero en realidad no he leído ninguno. Siempre es bueno saber o recordar qué fuentes son buenas .)
La clase cubre los siguientes temas:
Seleccionar y refinar un tema de investigación.
Localizar y analizar la literatura relevante.
Formular preguntas de investigación específicas que aborden problemas prácticos o conceptuales a la luz de la literatura teórica y empírica relevante.
Formule un conjunto de hipótesis para abordar sus preguntas de investigación.
Elabore un plan de investigación, identificando un diseño, métodos y análisis apropiados para probar sus hipótesis.
...
Durante la etapa de formulación de hipótesis, distingue entre
El Plano Teórico, donde pensamos en términos de Proposiciones que comparan Constructos. Una construcción es la forma en que expresamos nuestros conceptos, y una proposición es una relación tentativa y conjetural entre construcciones que se establece de forma declarativa.
El Plano Empírico, donde pensamos en términos de Hipótesis comparando Variables.
Las construcciones abstractas no se pueden probar directamente. Se pueden descubrir variables que se pueden usar para probar indirectamente estos constructos y sus relaciones con otros constructos.
Las construcciones no se pueden medir directamente y se deben operacionalizar antes de que pueda ingresar al plano empírico y comenzar a realizar cualquier trabajo. Para medir constructos, desarrolle métricas o indicadores medibles. Una combinación de indicadores es una variable. La comparación de indicadores puede evaluar la precisión.
No estoy investigando en la frontera, sino estudiando un tema nuevo. Así que estoy tratando de escribir una encuesta sobre la comparación de modelos de concurrencia en informática . Más específicamente, compare Actor Model y Communication Sequential Processes (CSP). De alguna literatura, he visto que los modelos se comparan por la sintaxis y la semántica de los lenguajes formales que los describen, y cómo se usan para resolver algunos problemas comunes de concurrencia (exclusión mutua, comedor filósofo), y se sacan algunas conclusiones:
CSP es más flexible que el modelo de actor: en el modelo de actor, el medio de comunicación está estrechamente vinculado a la unidad de ejecución: cada actor tiene precisamente un buzón de correo; En CSP, los canales son de primera clase y se pueden crear, escribir, leer y pasar de forma independiente entre tareas.
Nada impide que CSP admita la distribución y la tolerancia a fallas , pero históricamente CSP no ha tenido el mismo nivel de enfoque y soporte de los dos que el modelo actor.
Tanto el modelo de actor como el CSP no admiten directamente el paralelismo . El paralelismo tiene que ser creado basado en bloques de construcción de concurrencia.
Los aspectos anteriores son, hasta donde yo sé, sobre si un modelo posee una propiedad o alguna cualidad. Se sienten como "construcciones", y me hacen ver como si estuviera en "El Plano Teórico". Para "ingresar al plano empírico y comenzar a hacer cualquier trabajo", estoy tratando de buscar y encontrar algunas métricas, o cosas directamente medibles, pero me resulta difícil medir los modelos en los aspectos, si son "medibles". significa ser capaz de cuantificar.
Me pregunto si es común en todas o en la mayoría de las áreas de investigación científica que "Para medir construcciones, desarrolle métricas o indicadores medibles. Una combinación de indicadores es una variable. La comparación de indicadores puede evaluar la precisión".
¿Eso (buscar métricas o indicadores/variables medibles) también se aplica a algunas teorías informáticas, que estudian sobre modelos formales? (Al igual que las matemáticas, que también es una ciencia formal?)
También debo mencionar que los antecedentes de la mayoría de los asistentes a la clase son análisis o estadísticas, donde tengo algunas experiencias. Pero la clase no está abierta solo a personas de esa área. Incluso en análisis o estadísticas, ¿todas o la mayoría de las investigaciones tienen métricas o indicadores/variables medibles? (Creo que podemos estudiar algunos modelos matemáticos formales en estadística, pero no estoy seguro de la pregunta)
Gracias.
Gran parte de la investigación se ocupa del desordenado mundo real y, a menudo, depende de las estadísticas para lograr respuestas aproximadas o respuestas que son verdaderas para las poblaciones pero no para los individuos (no necesariamente humanos).
Entonces, la respuesta a su pregunta principal es probablemente sí. "La mayoría" de las áreas de investigación buscan métricas. Pero no todos.
Pero las matemáticas puras y algunas otras cosas no son así. La física teórica, por ejemplo, podría no ser así en absoluto. Los teoremas matemáticos no son "empíricos".
Algunas cosas en matemáticas aplicadas están cerca de la descripción dada. Y la estadística en sí misma, como construcción matemática, no es empírica, pero sus aplicaciones sí lo son. Las Ciencias Sociales son casi en su totalidad empíricas (puede haber excepciones de las que no estoy al tanto).
Pero, dado que usted etiqueta las matemáticas aquí, déjeme señalar que la "formulación de hipótesis" se mantiene, pero a su manera. Para hacer matemáticas (puras) de manera efectiva, necesita una visión de un subcampo, no solo el conocimiento de lo que se sabe. Esa percepción lo lleva a hacer preguntas sobre lo que podría ser cierto pero que aún no se sabe. Esto lo lleva a formular un teorema potencial (una hipótesis) y luego a buscar evidencia matemática (una prueba o una contradicción) para resolver la pregunta.
Hace un tiempo, alguien preguntó cómo se relaciona la derivada con la integral. El resultado de la exploración fue el teorema fundamental del cálculo.
La informática puede parecerse mucho a las matemáticas. Informática teórica especialmente. Pero algunas cosas son empíricas. Preguntar si un algoritmo es superior a otro puede ser una pregunta teórica o empírica. Cuánto mejor es un esquema de optimización del compilador que otro, a menudo se encuentra en la última categoría.
daniel haton