65-96

el algoritmo, seguido por el uso de un conjunto de datos de prueba para medir la

precisión de las predicciones hechas por el algoritmo. Aunque estos estudios de
implementación son muy diferentes entre sí, debe en ambos casos asegurarse de que
su evaluación metodológica conduce a resultados que son válidos y confiables.
8.3.6 Experimento
Un experimento se centra en investigar algunas variables y las formas en que estas
se ven afectados por las condiciones experimentales. Por lo general, los experimentos se utilizan para
verificar o falsificar una hipótesis formulada previamente. Para el propósito de prueba, la hipótesis
generalmente se formula como una relación causal. Un ejemplo de tal relación causal es la hipótesis de que
incluye soporte para gráficos en un tipo particular de software que degrada su rendimiento. Los
experimentos son entonces diseñados y realizados de tal manera que los resultados apoyen o falsifiquen
la hipótesis de que los gráficos degradan el rendimiento. Es importante tener en cuenta que el
resultado positivo en un experimento nunca se puede decir que "pruebe" que la hipótesis
es correcto. Esto se debe a que siempre podría haber alguna otra explicación para el
resultado. También hay un número ilimitado de cosas que pueden salir mal en cualquier
experimento, y que puede conducir a resultados erróneos y engañosos. Por lo tanto, nosotros
podemos decir que un resultado positivo presta cierto apoyo a la hipótesis, pero no podemos
afirmar que "prueba" su corrección.

En las ciencias de la computación y la información, los experimentos a menudo se realizan implementando

un modelo de algún sistema y simulaciones en ejecución para ver cómo es el modelo afectado por diferentes
variables. Esto nuevamente plantea los problemas discutidos en el Cap. 8.3.5 sobre la validez y
confiabilidad de las implementaciones, ya que la implementación debe obviamente reflejar correctamente
el modelo. Además, el modelo en sí mismo también debe ser una caracterización correcta del sistema en
estudio, que agrega un nivel adicional de dificultad a la simulación como método de investigación.

Si está utilizando experimentos en sus proyectos, se le aconseja que consulte literatura sobre diseño
experimental. Cuando, por ejemplo, diseñando experimentos involucramos sujetos humanos, debe diseñar
la elección de los sujetos para asegurar resultados estadísticamente válidos. Hay muchos problemas
complejos relacionados con el diseño de experimentos que están más allá del alcance de este libro. El
consultar literatura adicional y discutir el diseño experimental con su supervisor deberían ser considerados
obligatorios si está planeando usar este tipo de método

8.3.7 Sumario
Dependiendo de los métodos que sean relevantes para su proyecto, le recomendamos buscar fuentes
complementarias y ejemplos de trabajos previos que hayan utilizado los métodos elegidos. Existe abundante
cuerpo de literatura que se centra en los métodos, para ejemplo, Yin (1994), Denzin y Lincoln (1994) y
Tichy (1998). También tu supervisor es probable que tenga recomendaciones sobre literatura relevante de
su propia área específica. Puede ser muy esclarecedor leer otros trabajos desde una perspectiva de método,
y puede proporcionar pautas valiosas y sugerencias sobre cómo aplicar un método. Para ejemplos, ver Jain
(1991), Walsham y Waema (1994), Sampaio yPaton (1997), o Maansaari e Iivari (1999).

8.4 Una analogía ilustrativa

Para enfatizar las características de diferentes métodos, utilizaremos una analogía de

el campo del deporte. Esperamos que ayude a aclarar algunos aspectos relacionados con los métodos
y su posible uso en diferentes situaciones problemáticas.
Nuestra discusión en esta analogía se basa en una serie de escenarios diferentes. Nosotros
Reconozco que uno puede cuestionar el realismo de algunos aspectos en estos escenarios.
Sin embargo, esperamos que puedan actuar como ilustraciones útiles. Por ejemplo, sería de
Por supuesto, es muy difícil motivar a los jugadores del equipo para jugar el número de
coincidencias necesarias para cumplir con las exigencias de un experimento diseñado adecuadamente
(por ejemplo, para lograr significación estadística).
Fondo - Contexto y actores en el dominio. Supongamos que hay un fútbol equipo que juega en una liga de
fútbol (es decir, una competencia organizada), para que lo hagan competir con varios otros equipos en la
liga anualmente. En esto Por analogía, nos referiremos al equipo de fútbol específico como "Hopeless
United". El equipo consiste en un conjunto de jugadores y un entrenador. Entre otras tareas, el entrenador
decide sobre la estrategia y las tácticas por las cuales el equipo debería jugar, y es responsable del
rendimiento general del equipo (y en consecuencia, también para cada individuo rendimiento del jugador).
Los dueños del equipo tienen responsabilidad financiera y están dispuestos a recibir algún rendimiento de
su dinero invertido. Finalmente, el periódico local escribe una serie de artículos sobre Hopeless United.
Antecedentes de un estudio en el equipo. El año pasado, el equipo tuvo un mal desempeño, y el diferentes
actores tienen diferentes enfoques sobre cómo abordar el problema de identificar los factores que pueden
mejorar el rendimiento del equipo.
Por lo tanto, en esta analogía podríamos decir que hay un objetivo común para todos los actores involucrado,
a saber: para identificar los factores que pueden mejorar el rendimiento del equipo. Dejar ahora
consideremos cómo cada actor trata de lograr este objetivo.
Escenario 1 - Propietarios. Los propietarios están interesados en lo que se puede hacer para el equipo, como
un todo, para mejorar su desempeño general. Esto se basa en un supuesto de que si el equipo juega bien,
habrá más espectadores interesados en viendo los partidos del equipo, con un consecuente aumento en los
fondos del patrocinadores del equipo. De ese modo, el rendimiento individual de jugadores individuales
(en general) no sería de interés específico. Una excepción obvia probablemente ya sea de superestrellas, ya
que si el equipo tiene tales jugadores, lo más probable es que ser muy popular entre los espectadores y
fanáticos. En una reunión dos acercamientos potenciales surgir.

8.4 Una analogía ilustrativa

Un enfoque sería comprar dos nuevos jugadores prometedores; un portero y un adelante. Los propietarios
esperan que estos dos nuevos jugadores hagan que el equipo se desempeñe mejor; que el nuevo delantero
marcará más goles, y el nuevo portero hacer más salvaciones. Los dueños del equipo podrían evaluar el
desempeño del equipo después de un año, y luego decidir si los nuevos jugadores deben permanecer en el
equipo o no.
Podríamos caracterizar este enfoque como una forma de experimento durante el cual el nuevo los jugadores
son probados.
Otro enfoque sería escuchar a otros expertos en el área para obtener asesoramiento sobre qué hacer.
Podríamos caracterizar este enfoque como un estudio de caso, ya que probablemente solo
Se contactará a algunos expertos. Por lo tanto, la situación actual en el equipo sería examinado y analizado
a la luz de las "teorías" existentes, que algunas otras los expertos tienen (es decir, cada experto tiene su
propia visión de cómo debería jugarse el fútbol).
Preferiblemente, se usaría un estilo de entrevista abierta para capturar la esencia de lo que otros expertos
piensan que se debe hacer para mejorar el desempeño del equipo.
Escenario 2 - Entrenador. El entrenador ha intentado, durante varias semanas, descubrir qué hacer con la
situación actual. Tres posibles enfoques para tratar con la situación ha surgido.
Uno es obtener una visión general de lo que otras personas piensan que está mal y cómo el equipo puede
ser mejorado. La razón de esto es que el entrenador piensa que él también es cerca del medio ambiente (es
decir, administrar el equipo, elegir la estrategia) y, por lo tanto, necesita algunas aportaciones de personas
que tienen un poco más de distancia de su trabajo. los
El entrenador decide que sería útil obtener información tanto de la corriente como ex jugadores y miembros
del club local de aficionados. Podríamos caracterizar este enfoque como una forma de encuesta, ya que el
entrenador está buscando la opinión de muchas gentes. Como muchas personas están involucradas, la
información probablemente deba ser recolectada mediante el uso de cuestionarios. Además, estos
cuestionarios deberían ser anónimo, para que los jugadores involucrados se sientan seguros de que pueden
expresar sus opiniones libremente
Alternativamente, el entrenador podría preguntar a algunos investigadores en la universidad cercana por
ayuda Él ha escuchado que los investigadores han desarrollado un programa de computadora para probando
diferentes estrategias de cooperación entre los agentes de software. Además, el los investigadores parecen
haber usado un juego de computadora para la simulación de fútbol como prueba ambiente. Por lo tanto, el
entrenador espera que los investigadores puedan construir una computadora aplicación que puede explicar
diversos aspectos de la estrategia utilizada por Hopeless
Unido. Además, el entrenador espera poder usar este programa de computadora para verificar la hipótesis
de que los jugadores marcan más goles cuando juegan de acuerdo con un particular táctica. Podríamos
caracterizar este enfoque como una forma de implementación, ya que un programa de computadora necesita
ser desarrollado. El entrenador podría usar el implementación para demostrar los aspectos específicos de la
estrategia que deben ser mejorado. También podríamos caracterizar este enfoque como una forma de
experimento, ya que el entrenador planea probar algunas de sus hipótesis, ajustando la táctica utilizada por
los jugadores, para verificar (o falsificar) que se anotan más goles.
Finalmente, el entrenador podría alterar la formación actual del equipo (dos delanteros, cuatro mediocampo
y cuatro defensores) a una nueva formación (por ejemplo, tres delanteros, cuatro centrocampistas y tres
defensores). El entrenador podría dejar que el equipo juegue con la nueva
formación para diez partidos, e investigar si hay alguna mejora en actuación. Podríamos
caracterizar este enfoque como una forma de experimento, ya que el entrenador planea probar
una nueva formación en diez partidos, y luego investigar si la nueva formación ha mejorado el
rendimiento del equipo. Escenario 3: periódico local. El periódico local planea publicar una serie
de artículos sobre por qué el equipo gana tan pocos partidos y qué se puede hacer para mejorar
Su desempeño. Para estos artículos, tienen la intención de revisar su archivo de artículos y libros
sobre Hopeless United. El objetivo es proporcionar una visión general histórica de cómo el equipo
ha evolucionado a lo largo de los años, e investigar si hay sugerencias para la mejora se puede
identificar en base a esta descripción histórica. Podríamos caracterizar este enfoque como una
forma de análisis de la literatura, ya que muchas fuentes de literatura (libros y artículos de
periódico) serán analizados. Observaciones finales. Como se puede ver en estos escenarios,
todos comparten el mismo objetivo: identificar los factores que pueden mejorar el rendimiento del
equipo. Dependiendo del punto de vista desde el cual consideramos la situación, encontramos
que una amplia gama de métodos se puede usar para alcanzar el objetivo. Incluso cuando
consideramos un solo actor y un solo situación, es evidente que se puede aplicar más de un
método para alcanzar el objetivo. Además, no es obvio que un solo método sea ideal. En cambio,
a menudo el caso de que una combinación de métodos podría conducir al mejor resultado.

8.5 Un proceso de cuatro pasos

Aquí describimos en forma general cuatro pasos a seguir en el proceso de identificación y describiendo los
objetivos de su proyecto, y para elegir los métodos adecuados para usar para cumplir los objetivos.

8.5.1 desarrollar objetivo

Una vez que haya establecido un objetivo claro para su proyecto, puede comenzar a pensar cómo vas a
lograr ese objetivo. Intenta pensar en términos de tu objetivo (objetivos) eso te llevará hacia el objetivo.
Por lo tanto, cumpliendo cada uno de los objetivos que debe alcanzar el objetivo. Para algunos objetivos,
puede ser útil anotar el apuntalamiento argumento, para que sepa por qué está abordando cada objetivo.

El alcance de los objetivos puede variar de una institución a otra. Algunas instituciones
puede requerir cada tarea que realice, por ejemplo, escribir el informe, que se describirá
como un objetivo; otras instituciones pueden requerir solo que describa la práctica
trabajar en términos de objetivos. La mayoría de los proyectos de tesis no requieren más
de tres para cuatro objetivos.

Aquí sigue un ejemplo de un objetivo y su conjunto de objetivos. Objetivo: comparar la

teoría actual sobre X con la forma en que las empresas admiten X en práctica.
8.5 un proceso de cuatro pasos

Objetivos

● Seleccionar empresas. Identifique diez empresas que trabajan con X en la práctica.

Estas las empresas deberían haber estado trabajando con X durante al menos 5 años.
● Seleccione los criterios de comparación. Los criterios de comparación deben
identificarse para ser capaz de comparar la teoría actual de X con la práctica actual de
X. Si tal los criterios de comparación no están ya disponibles, p. en la literatura,
necesitarán para ser inventado
● Investigar cómo las empresas trabajan en X con respecto a los criterios de
comparación. ● Analiza los resultados obtenidos de las empresas y compara con lo que
es dicho en la literatura sobre X
8.5.2 identificar métodos especiales

Una vez que haya anotado sus objetivos, puede comenzar a identificar posibles métodos
para cada objetivo. Piense en términos de: cómo se puede lograr este objetivo o
resuelto? Por ejemplo, reconsidere el objetivo: investigue cómo las empresas trabajan
en X con respecto a los criterios de comparación. Este objetivo se puede lograr usando
un número de métodos diferentes, p. cuestionarios o entrevistas, que a su vez debe
dividirse en diferentes tipos de entrevistas, etc. Anotar solo aquellos métodos que son
relevantes para su objetivo (en el contexto de su objetivo). Por lo tanto, no tiene sentido
enumerar métodos irrelevantes solo para mostrar una gran cantidad de alternativas. Una
vez que haya identificado un método potencial, describa brevemente cómo podría ser
solía cumplir su objetivo y cuáles podrían ser las implicaciones para su resultado final.
En nuestro ejemplo, podría describir el tipo de material que podría recopilarse realizando
una entrevista, y cómo ese material podría afectar la calidad del resultado final del
proyecto.
8.5.3 elija entre los métodos potenciales

Cuando haya identificado un conjunto de métodos posibles para un objetivo, necesita

elija el (o los) que va a usar. Por supuesto, cada elección debe estar debidamente
justificado. Cada método tiene sus propias ventajas y desventajas, y debe elegir el
método que cree que, al final, le dará resultado final de la más alta calidad. Por ejemplo,
elegir un método que proporcione datos de la mala calidad, al final, reducirá la calidad
del resultado final de su trabajo. No tome decisiones con argumentos como "debido a
limitaciones de tiempo, método X no se elegirá como método ". Un examinador o
supervisor puede luego responder con un argumento como "usted ha identificado y
descrito un método que no
8 desarrollando sus objetivos y eligiendo métodos
incluso en teoría se puede aplicar dentro del tiempo permitido del proyecto ". Qué lo que
puedes hacer es mencionar el método que no se debe usar debido a restricciones de
tiempo en tu discusión sobre el trabajo futuro. Perfecciona el método que no puedes
usar en su proyecto puede ser utilizado en un proyecto de seguimiento en el futuro
8.5 .4 detalles actuales del enfoque elegido
Cuando haya elegido los métodos que pretende utilizar, puede ser útil resumir su enfoque general. Esto
sirve al menos dos propósitos importantes. Primero, lo harás ser capaz de obtener una vista panorámica de
los métodos que ha elegido y ver sus relaciones.
En segundo lugar, podrá presentar detalles adicionales de cómo pretender usar estos métodos en tu
proyecto. Además, será más fácil para otras personas para comprender su enfoque si ha proporcionado un
resumen de cómo pretende estructura tu trabajo.
9 siguiendo los objetivos
Una vez que la descripción de su problema ha pasado el control de calidad (ver Fig. 4.1), usted puede
embarcarse en realidad haciendo el proyecto. Todo lo que tienes que hacer ahora, a menos que sea algo lo
imprevisto sucede, es seguir tus objetivos. Ellos te guiarán hacia logrando el objetivo
Durante el transcurso del proyecto, es probable que encuentres interesantes aspectos que no se conocían
cuando escribiste el objetivo. Algunas veces estos pueden desviarse del objetivo principal de su proyecto.
Por lo tanto, es importante para referirse de nuevo al objetivo, y decidir si esta nueva pista cae dentro del
alcance de el proyecto, o si no debería ser perseguido y en su lugar posiblemente se sugiera como trabajo
futuro. Tal vez el objetivo debe actualizarse para que el nuevo problema pueda ser suavemente incorporado
en el proyecto. Siempre discuta estas cosas con su supervisor antes de comenzar a ajustar el objetivo. Su
supervisor puede no completamente aprecia que hayas cambiado el objetivo y el enfoque del proyecto sin
discutir la motivación para el cambio, cualquier posible implicación, etc., con él o su primer. (el objetivo
acordado es su objetivo común y contrato)
Las reuniones con su supervisor y el examinador son puntos de control importantes para monitorear el
progreso del proyecto y darle retroalimentación valiosa. No subestimar la importancia de estas reuniones;
pueden ayudarte a evitar problemas futuros.
Si te encuentras en una situación en la que no puedes cumplir tus objetivos, es importante que lo discutas
con tu supervisor de inmediato. Aquí enumeramos algunos consejos para estudiantes y supervisores sobre
qué hacer en estas situaciones. Niveles de riesgo rango de 1 a 3, donde 1 es de bajo riesgo y 3 denota alto
riesgo de rechazo por el examinador.

● Trabajo adicional (nivel de riesgo 1). ¿Puede un trabajo adicional, es decir, más
experimentos, simulaciones, entrevistas, lectura, etc. (según el método elegido)
producen resultados adicionales que cumplirán con sus objetivos y le permitirán dibujar
conclusiones de tu proyecto? Riesgos: el trabajo adicional puede tomar demasiado
tiempo para realizarse. Si comienzas en adicional trabajo que no tiene tiempo para
completar, entonces está perdiendo el tiempo que podría se han dedicado a
M. Berndtsson et al. (eds.), Planificación e implementación de su proyecto de
informática: ¡con éxito! © Springer 2008escribir sobre las conclusiones extraídas de los
resultados que ya tener

Consejo: planifique el tiempo muy bien y no comience a trabajar a menos que sea 100%
seguro de que podrá completarlo. Discuta el plan de tiempo con su supervisor y
asegúrese de seguir los consejos dados
● Objetivos alternativos (nivel de riesgo 2). ¿Ha resultado su trabajo en algo muy interesante?
Hallazgos que no se establecieron en los objetivos y metas de su informe? En esto caso, es posible actualizar
las partes iniciales de su informe y cambiar su objetivos y / o objetivos para que correspondan a los
hallazgos que ha realizado.
Riesgos: si esto no se hace hábilmente y con precaución, puede terminar con un informe donde las diferentes
partes son inconsistentes Es más probable que el examinador le dé un calificación desfavorable si presenta
un informe donde las metas y objetivos no corresponden,
donde los resultados no se corresponden con los objetivos, o donde las secciones de
los antecedentes y el trabajo relacionado4 no se corresponden con las metas y objetivos. En
En algunos casos, puede terminar reescribiendo todo o la mayoría del informe

Sugerencias: lea todo el borrador de su informe y compruebe cuidadosamente que todo

lo que hace sentido y que las actualizaciones son consistentes. Discuta los cambios con
su supervisor y presente los borradores del informe modificado lo más rápido posible. ●
Análisis de fallas (nivel de riesgo 3). ¿El incumplimiento de los objetivos causados por
algún problema inesperado, que puede ser de interés general? Si es así, puede ser
posible "guardar" el proyecto agregando un análisis detallado de este inesperado
problema, e informe que como el principal hallazgo de su proyecto. Ten cuidado, sin
embargo, que esto solo convencerá al examinador si el problema inesperado es tan
interesante como el problema original descrito en su propuesta de proyecto. Esto
raramente sucede. Además, tenga en cuenta que esto requerirá mucha reescritura del
informe, ya que los fines y objetivos no se corresponderán con los resultados.
Riesgos: es inusual que un problema que encuentre durante el proyecto sea interesante
lo suficiente como para valer la pena informar. Por lo tanto, existe un alto riesgo de rechazo por parte de
examinador. También es fácil subestimar la cantidad de reescritura necesaria en la inicial
partes del informe.
Sugerencias: No use esta opción a menos que se encuentre en una situación desesperada. Discute todo
en detalle con su supervisor, y si es posible con el examinador

Si ninguna de estas opciones funciona, es muy probable que el examinador no te dé

una calificación aprobatoria para su proyecto. En tales casos, es importante averiguar
qué suceder como consecuencia. Esto tiende a variar significativamente, dependiendo
de qué curso está tomando, en qué nivel está en sus estudios, en qué departamento se
encuentra estudiando, en qué universidad, y en qué materia, etc. También puede
depender en su desempeño anterior en otras asignaturas en sus estudios.
Independientemente de todo esto, es de suma importancia que discutas la situación con
tu supervisor, examinador, asesor de estudio u otras personas que puedan brindarle
información y asesoramiento sobre cómo proceso
Presentar y analizar sus datos

A medida que siga los objetivos, comenzará a recopilar datos (por ejemplo, datos de
simulaciones, datos de entrevistas o datos de análisis de literatura). Los datos
recopilados necesita ser presentado adecuadamente al lector. En sectas. 10.1 y 10.2
brevemente describir técnicas y lineamientos sobre cómo presentar información no
numérica y Datos numéricos. Una vez que los datos han sido presentados, pueden ser
analizados. En pocas palabras, para analizar los datos significa que evalúa los datos
contra los objetivos de su proyecto. Lineamientos cómo se analizan sus datos se
describen en la secc. 10.3. El resultado del análisis representa sus resultados (o
hallazgos). Sección 10.4 discute la naturaleza de un buen resultado y la evaluación de
una hipótesis a la luz de los datos obtenidos
10.1 presentar datos no numéricos
En esta sección, presentamos pautas para presentar datos no numéricos, como:
● Datos de un análisis de la literatura
● Datos de entrevistas
● Datos de cuestionarios
● Datos de implementaciones
10.1.1 presentación de datos de un análisis de literatura

Cuando presentas lo que has encontrado en tu análisis de la literatura, lo más importante

Lo que hay que tener en cuenta es su propósito en su proyecto. Este propósito siempre
debe estar a la vanguardia cuando decida cómo estructurar su presentación. Por
ejemplo, si está utilizando un análisis de literatura como su método para identificar
diferencias entre dos métodos de ingeniería de software (por simplicidad, simplemente
los llamamos
M. Berndtsson et al. (eds.), Planificación e implementación de su proyecto de informática: ¡con éxito!
© Springer 2008

presentar y analizar datos

método X y método Y), puede estructurar la presentación del análisis de la literatura de

varias maneras diferentes. Aquí sigue dos ejemplos:

1. Puede comenzar con una descripción detallada del método X, que incluye citas y
extractos de la literatura que usaste Debe informar cualquier incoherencia en la
literatura, por ejemplo, si algunos autores afirman que el método X no es adecuado para
un tipo dado de sistema, mientras que otros autores afirman lo contrario. Debieras
informe los argumentos que fueron utilizados por cada autor para apoyar sus reclamos.
La descripción del método X puede ser seguida por una descripción detallada de método
Y, usando la misma técnica. A continuación, puede informar lo que se dice en otra
literatura que ha comparado los dos métodos, si tal literatura existe.

2. Puede comenzar informando lo que se dice en la literatura acerca de las propiedades

deseables de los métodos de ingeniería de software. Nuevamente, debes reportar
cualquier diferencia o contradicciones en las opiniones de diferentes autores, y declarar
los argumentos que están utilizando para apoyar sus puntos de vista. Después de esto,
puede dar descripciones detalladas de los métodos X e Y, que se deben comparar en
su estudio. La parte final de su estudio de la literatura puede ser para comparar los
métodos X e Y sobre la base de la propiedades identificadas anteriormente. A
continuación, debe informar cuáles de estas propiedades son presente en cada método,
y en qué grado.

Del ejemplo anterior debe quedar claro que presenta los datos de una literatura el
análisis no se puede hacer simplemente al enumerar un conjunto de citas. Más bien,
requiere estructuración el material de una manera adecuada para el propósito del
análisis. También significa separar cuidadosamente la literatura que es más útil para el
análisis, de lo que es menos útil. Por lo general, no debe incluir una discusión de, o
extracto de, una fuente que ha leído, si resulta que no está relacionado con su proyecto
y no tendrá ningún impacto en su trabajo o objetivo. La cantidad de el tiempo que ha
dedicado a leer una fuente en particular no es relevante para saber si debería ser
discutido en su análisis. De nuevo, si siempre recuerdas el propósito de el análisis de la
literatura en su proyecto, esto no debería ser un problema

Muy a menudo, un análisis de la literatura se puede estructurar de tal manera que

proporcione un argumento para una cierta idea o interpretación. Este argumento es
entonces compatible y ejemplificado con material de la literatura. Sin embargo, también
debes incluir todos contraargumentos importantes que has encontrado. Por ejemplo,
supongamos que proyecto tiene como objetivo investigar la utilidad potencial de las
redes neuronales para predecir las cosechas de los cultivos, y ha elegido el análisis e
implementación de la literatura de un prototipo de sistema como sus métodos. Su
análisis de literatura puede ser entonces estructurado como un argumento para la
utilidad de las redes neuronales para esta predicción tarea. Además de literatura
agrícola, también puede usar literatura sobre neurología redes en general, y otra
literatura, para apoyar sus argumentos. Aquí hay dos posibles ejemplos de cómo
estructurar el análisis de literatura para este ejemplo proyecto:

1. Comience describiendo en detalle qué propiedades tienen las redes neuronales,

usando técnicas literatura sobre este tema. Continúa describiendo trabajos previos
sobre la cosecha de cultivos predicción, incluido el trabajo que ha identificado
claramente y descrito los motivos

para las deficiencias de los métodos anteriores. De esta forma, puedes identificar las
propiedades que se espera que tenga un método para predecir las cosechas de cultivos
con éxito. A continuación, puede concluir su análisis de la literatura mostrando que las
propiedades de las redes neuronales coinciden con las identificadas en la literatura
como exitosas. Finalmente, incluya cualquier material que haya encontrado que indique
que las redes neuronales puede fallar en esta tarea y describir los argumentos
expuestos por esos autores.

2. Comience describiendo en detalle el trabajo previo en la predicción de cosecha de

cultivos, incluyendo la literatura que identifica las deficiencias de los métodos anteriores.
Describe en detallar las propiedades de las redes neuronales, así como el trabajo previo
sobre la aplicación redes neuronales en diferentes tareas. Muestra la similitud de
algunas de estas aplicaciones con el problema de predicción de la cosecha, revisando
con más detalle partes de la literatura que describen las propiedades de los problemas
de aplicación. Utilizar citas y extractos de secciones que, en su opinión, convencerán al
lector de que un método que tenga éxito en una aplicación particular también debería
tener éxito en el cultivo predicción de cosecha Finalmente, incluya cualquier material
que haya encontrado que indique que las redes neuronales pueden fallar en la
predicción de cosecha
Como lo ilustran los ejemplos anteriores, hay muchas maneras diferentes de analizar la literatura
puede ser estructurado, y no hay un formato "fijo" a seguir. Tendrás que desarrollar
la estructura que mejor se adapta a su proyecto en particular, los datos que ha encontrado
y los argumentos que quiere hacer en su análisis.
Una de las mejores formas de aprender cómo presentar un análisis de la literatura es mirar
en ejemplos. Debería estudiar los ejemplos de análisis de literatura que encuentra en el
literatura que lees durante el proyecto. Además, deberías hacer uso del consejo
de su supervisor, ya que él o ella tiene experiencia tanto en escritura como en lectura
análisis de literatura. Puedes, por ejemplo, elegir algunos ejemplos que creías
bien, y tráigalos a una de las reuniones con su supervisor. Pregúntale
para verificar si esos análisis son buenos ejemplos para aprender. Si tu
El supervisor está de acuerdo, entonces puede ser muy útil discutir uno de los análisis en
más detalles más adelante. Identificar y analizar lo que era bueno y malo
el análisis de la literatura de otra persona puede ser una forma muy útil de aprender cómo
escribe esta parte del informe.
10.1.2 presentación de datos de entrevista y cuestionario
Si ha realizado entrevistas, probablemente tenga un montón de cintas o notas
que juntos representan su material de las entrevistas. Este material debe ahora
ser estructurado y presentado al lector en una forma apropiada. En esencia, tú
tiene que hacer una elección en cuanto a qué incluir, que van desde transcripciones "exactas" (palabra
por palabra) de entrevistas enteras, a resúmenes de cada entrevista. Deberías discutir
esta elección con tu supervisor
Si ha utilizado cuestionarios, es probable que desee presentar sus datos mediante el uso de
figuras o tablas (ver Sección 10.2).
10 presentar y analizar sus datos
Tabla 10.1 diferentes formas de estructurar la presentación de los datos recopilados

No agrupamiento Agrupamiento Sumario

Compañia A Compañia A Compañia A

• Q1 • Q1-Q5 • Sumario de Q1-Qn
• Q2 • Q6-Q8 Compañia B
• Qn Compañia B • Sumario de Q1-Qn
Estructura de la
CompañiaB • Q1-Q5
compañia
• Q1
• Q2
• Qn
Q1 Q1-Q5 Q1-Q5
• Compañia A • Compañia A • Resumen de la
• Compañia B • CompañiaB compañia A y B
Q2 Q9-Qn Q9-Qn
Estructura por • Compañia A • Compañia A • Resumen de la
pregunta • Compañia B • Compañia B compañia A y B
Qn
• Compañia A
• Compañia B

Lo que los datos de las entrevistas y los cuestionarios podrían tener en común es cómo estructurar la
presentación de los datos recopilados. En la Tabla 10.1, presentamos una serie de formas diferentes de
estructurar datos de entrevistas y cuestionarios. El método elegido podría restringir la cantidad de
alternativas que tiene para estructurar los datos. Por ejemplo, si ha realizado una entrevista abierta, puede
ser problemático (o incluso inapropiado) organizar el material en orden secuencial (es decir, la pregunta 1
seguida de la pregunta 2, etc.). Entonces las alternativas enumeradas en la Tabla
10.1 solo debe verse como un conjunto de ejemplos de cómo puede estructurar los datos

10.1.3 Presentación de datos de implementaciones

Una implementación puede ser parte de su método por varias razones, por ejemplo, si confía en los datos
de simulación y necesita implementar usted mismo el modelo de simulación o la herramienta de simulación.
En otros casos, puede implementar un sistema para demostrar que se puede hacer algo, o como parte de
probar un método para el desarrollo de sistemas. En todos estos casos, es necesario utilizar buenas prácticas
de desarrollo de software, parte de las cuales es documentar bien la implementación.
Dado que la implementación es parte de su método para el proyecto, también debe mostrar tanta
documentación como sea necesaria para convencer al lector de que la implementación es correcta. Por
ejemplo, puede haber implementado un algoritmo y realizado algunas simulaciones en las que lo comparó
con otro algoritmo. Tal vez ya describió el algoritmo muy claramente en su informe, pero para convencer
al lector de que sus datos de simulación son significativos, también debe demostrar que las simulaciones se
realizaron con una implementación correcta del algoritmo. En otras palabras, debe convencer al lector de
que las diferencias observadas entre los algoritmos no son causadas por errores en el código.
Entonces, ¿cómo presenta la implementación de una manera que convenza al lector de que es correcta? Una
cosa para descartar inmediatamente es simplemente enumerar el código y esperar que el lector verifique
que sea correcto. Las implementaciones de la computadora a menudo contienen miles de líneas de código,
e incluso una implementación corta de un centenar de líneas es irremediablemente difícil de verificar por
inspección manual.
En su lugar, debe demostrar al lector que ha utilizado buenas prácticas de desarrollo de software y mostrar
los pasos en el proceso de desarrollo de la implementación. Un ejemplo es mostrar primero el algoritmo en
pseudocódigo y explicar partes relevantes del pseudocódigo por escrito. A continuación, puede mostrar una
representación gráfica del código, utilizando, por ejemplo, diagramas de flujo u otro formato de gráfico,
que es apropiado para el algoritmo particular en cuestión. Esta representación gráfica también debe
discutirse en el texto para que el lector lo comprenda muy bien (y está convencido de que usted también lo
hace). Finalmente, puede presentar partes relevantes del código, es decir, aquellas partes que contienen las
características clave de la implementación. Esta técnica es particularmente útil si está utilizando la
implementación para, por ejemplo, mostrar que un lenguaje de programación o un modelo carece (o
contiene) ciertas características. En ese caso, estos ejemplos de código pueden ser la parte principal de sus
datos.

Las Figuras 10.1 y 10.2 muestran ejemplos breves de las técnicas de descripción descritas en el párrafo
anterior. Para obtener más detalles sobre la escritura de pseudocódigos y el uso de representaciones gráficas
de código, debe consultar libros de texto introductorios en ciencias de la computación o ingeniería de
software. Sin embargo, es importante darse cuenta de que estas técnicas no son suficientes para todo tipo
de implementaciones en todo tipo de proyectos. Puede implementar un software mucho más grande donde
sea necesario utilizar técnicas de descripción de nivel superior, o puede implementar software de seguridad
crítica donde sea necesario demostrar que ha utilizado un procedimiento de verificación formal para
verificar la corrección de los programas. En resumen, debe usar el tipo de técnica de descripción que mejor
se adapte a su proyecto y tipo de implementación, y aplicarlo de tal forma que demuestre al lector que ha
realizado un buen trabajo.

Consejos adicionales:

.Dónde colocar el código. La mayoría del código que escribe debe colocarse como un apéndice del informe.
Nadie va a leer grandes cantidades de código y, por lo tanto, es una distracción verlo en el medio del texto.
Sin embargo, como se mencionó anteriormente, puede incluir secciones breves de código dentro del texto
para demostrar cómo se resolvieron problemas de implementación en particular, o para demostrar la
ausencia o presencia de características particulares. Las secciones de código que se incluyen en el texto
deben tener solo unas pocas líneas. Si puede usar medios adicionales para su informe, puede, por ejemplo,
proporcionar un CD-ROM que contenga el código o ponerlo a disposición en un sitio web.

10 Presentar y analizar sus datos

Iniciar(He)
iniciar(Hs)
iniciar(Pe)
iniciar( Ps)

Mientras (t < maxgen) hacer

hasta ( (h He) y (h cancela Pe U (PS)

evalúa ( He, Pe U Ps

reproduce( He) t
=t+1

Fin

añadir h a Hs

hasta ( ( p  Pe y ( p cancela He U Hs) )

evaluar ( Pe, He U Hs)

Reproduce( Pe) t
=t+1

Fin

Añadir p a Ps

Fin

Fig. 10.1 Representación de pseudocódigo de un algoritmo de ejemplo

 Mapa conceptual

Fig. 10.2 Representación gráfica del algoritmo de ejemplo de la figura 10.1, utilizando
las convenciones de gráficos de programación estructurada de Jackson

. Comentando. Todas las reglas de código de comentario que se aplican en la ingeniería

de software también se aplican al código escrito como parte de un proyecto. En otras
palabras, todo el código debe comentarse cuidadosa y sistemáticamente. Cualquier
buen libro de texto sobre ingeniería de software contendrá pautas completas sobre cómo
comentar. Debe leer esas pautas y aplicarlas meticulosamente.
.Otra información. Dependiendo del propósito de la implementación, es posible que deba proporcionar al
lector otra información sobre el software. Los ejemplos incluyen requisitos de hardware y software,
instrucciones para el usuario, etc.

.Si ha creado un simulador, también puede validar la implementación utilizando

algoritmos de referencia (es decir, líneas de base). Al hacerlo, muestra que su
implementación se comporta correctamente con respecto a algoritmos y líneas de base
ya establecidos.

10.2 Presentación de datos numéricos

En esta sección, presentamos pautas para presentar datos numéricos, que incluyen:

 Usar tablas y gráficos

 Evitar gráficos engañosos

 Pruebas de significancia

10.2.1 Usando Tablas y Gráficos

Considere los datos de ejemplo en la Tabla 10.2. Está relativamente claro cómo el tiempo de actualización
depende del número de tuplas. Podemos ver simplemente leyendo los números en la columna de la derecha
que el tiempo de actualización se duplica aproximadamente para cada fila, es decir, para cada incremento
de 10.000 tuplas. Sin embargo, esta dependencia es aún más clara si graficamos el tiempo de actualización
con el número de tuplas, como se ha hecho en la figura 10.3. Este tipo de gráfico se llama un gráfico de
líneas, y esta forma simple de gráfico es suficiente para los datos que tenemos en este ejemplo. El gráfico
da una impresión inmediata de

Tabla 10.2 Tabla de ejemplo que muestra cómo el tiempo de actualización depende del número de tuplas
de la base de datos para dos algoritmos que se están comparando en un proyecto de ejemplo. Cada tiempo
de actualización es el promedio de diez simulaciones

Tiempo de actualización (segundos)

Tuples (× 1,000) Antiguo algoritmo Nuevo algoritmo

Nuevo algoritmo

10 0.8 1.1
20 1.6 2.1
30 2.5 3.2
40 3.3 3.9
50 6.2 5.1
60 8.9 7.5
70 19.6 9.9
80 36.4 11.3
90 59.7 15.4
100 108.2 20.3

10 Presentar y analizar sus datos

Fig. 10.3 Gráfico de líneas que muestra el rendimiento, es decir, el tiempo de
actualización del antiguo algoritmo de acceso a la base de datos. Todos los tiempos de
actualización graficados son promedios de diez simulaciones

Fig. 10.4 Gráfico de líneas que muestra la comparación del rendimiento entre dos algoritmos de acceso a
la base de datos

la dependencia del tiempo de actualización del número de tuplas, lo que indica que el tiempo de
actualización aumenta exponencialmente con el número de tuplas. Es costumbre organizar gráficos de
líneas de tal forma que los valores de la variable independiente aparezcan en el eje x, y los de la variable
dependiente en el eje y.
En la figura 10.4, hemos agregado una segunda variable dependiente al diagrama de líneas. Éste muestra el
tiempo de actualización para el nuevo algoritmo propuesto. El lector puede ver de inmediato que el nuevo
algoritmo parece escalar mejor que las situaciones con grandes cantidades de tuplas. Otro detalle que se ha
agregado en el nuevo gráfico es un conjunto de barras de error, que muestra la variación en el tiempo
promedio de actualización para cada número de tuplas.
Los dos algoritmos parecen tener un rendimiento aproximadamente igual en el rango de 10.000 a 60.000
tuplas, por lo que no es aparente en el gráfico si podemos sacar la conclusión de que el nuevo algoritmo es
mejor en general para el intervalo investigado. Por lo tanto, es necesario mostrar la parte inferior del
intervalo con más detalle, y una forma de hacerlo es simplemente trazar el rango de 10,000 a 60,000 tuplas
en un gráfico separado (otra alternativa podría ser usar una escala logarítmica para el y -eje).
10.2 Presentación de datos numéricos

Fig. 10.5 Gráfico de líneas que muestra la comparación del rendimiento entre dos
algoritmos de acceso a la base de datos. Igual que el gráfico de la figura 10.4, excepto
que solo se incluye el intervalo de 10,000 a 60,000 tuplas

Esto se hace en la figura 10.5, y de hecho muestra que el nuevo algoritmo tiene un
rendimiento peor que el algoritmo estándar para el intervalo de 10,000-40,000 tuplas.
Por otro lado, la diferencia entre los dos algoritmos es muy pequeña en este intervalo,
lo que resulta en una superposición entre las barras de error. Esto significa que la
pequeña diferencia probablemente pueda explicarse como una variación aleatoria, en
lugar de ser una diferencia real en el rendimiento entre los algoritmos
10.2.2 Evitar gráficos engañosos

Al elegir qué intervalo graficar en el gráfico de líneas, es importante tener en cuenta que puede dar una
impresión falsa fácilmente al mostrar un intervalo demasiado estrecho. Considere elegir graficar el intervalo
de 10,000-40,000 tuplas en la figura 10.5. Si no se señala claramente al lector que tal diagrama es un
complemento del de todo el intervalo, en la figura 10.4, el gráfico puede dar la impresión errónea de que el
nuevo algoritmo es peor que el anterior. Esta impresión engañosa también podría surgir de la tabla, si
incluyéramos solo las filas 1 a 4 en la Tabla 10.2.
El propósito de usar gráficos es hacer que los datos numéricos sean más fáciles de comprender
visualizándolos. Vimos un ejemplo de esto en la secc. 10.2.1 donde se usaron gráficos de líneas para
visualizar los datos de la Tabla 10.2. Sin embargo, dado que estas visualizaciones pueden realizarse de
diferentes maneras, también es posible darle al lector diferentes impresiones de los datos. Hasta cierto
punto, esto es bueno, ya que diferentes interpretaciones son posibles, pero también existe el riesgo de dar
impresiones falsas o engañosas.
Un ejemplo de un gráfico engañoso se muestra en la figura 10.6. Contiene un gráfico de columnas donde
el eje y se ha cortado para que comience en 0.75, en lugar de en cero. La consecuencia de esto es que las
diferencias entre los algoritmos parecen más grandes de lo que realmente son. Esto debería ser obvio al
considerar la diferencia en 10,000 tuplas, donde la columna para el nuevo algoritmo es aproximadamente
diez veces más alta que esa
Fig. 10.6 Gráfico de columnas engañosas, que hace que la diferencia entre el algoritmo viejo y el nuevo
parezca más grande al permitir que el eje y comience en 0.75 s en lugar de a cero. La consecuencia de esto
es que las diferencias entre los algoritmos parecen más grandes de lo que realmente son. Esto debería ser
obvio al considerar la diferencia en 10,000 tuplas, donde la columna para el nuevo algoritmo es
aproximadamente diez veces más alta que esa

Fig.

10.6 Gráfico de columnas engañosas, que hace que la diferencia entre el algoritmo viejo y el nuevo parezca
más grande al permitir que el eje y comience en 0.75 s

para el viejo algoritmo, aunque la diferencia real es que el nuevo algoritmo

1.1 s y el viejo 0.8 s. Por lo tanto, el nuevo algoritmo tarda un 37% más en ejecutarse que el anterior, lo que
significa que la columna solo debe ser un 37% más alta. Esta discrepancia disminuye más arriba en el eje
x, pero está presente en todo el gráfico. En 20,000 tuplas, la columna para el nuevo algoritmo es 55% más
alta que la columna para el antiguo algoritmo, pero la Tabla 10.2. muestra que el nuevo algoritmo tardó
solo un 31% más en ejecutarse que el anterior (2.1 y 1.6 s, respectivamente).
Hay herramientas disponibles en la actualidad para dibujar gráficos muy rápidamente al automatizar parte
del proceso. Algunas de estas herramientas son fáciles de aprender y muy eficientes de usar para generar
gráficos para su informe. Un inconveniente, sin embargo, es que a veces pueden crear automáticamente
gráficos engañosos. El acortamiento del eje y de la figura 10.6, por ejemplo, puede hacerse automáticamente
con algunas herramientas. Por lo tanto, debe inspeccionar el gráfico con cuidado y corregir los errores
cometidos por la herramienta.

para el viejo algoritmo, aunque la diferencia real es que el nuevo algoritmo

1.1 s y el viejo 0.8 s. Por lo tanto, el nuevo algoritmo tarda un 37% más en ejecutarse que el anterior, lo que
significa que la columna solo debe ser un 37% más alta. Esta discrepancia disminuye más arriba en el eje
x, pero está presente en todo el gráfico. En 20,000 tuplas, la columna para el nuevo algoritmo es 55% más
alta que la columna para el antiguo algoritmo, pero la Tabla 10.2. muestra que el nuevo algoritmo tardó
solo un 31% más en ejecutarse que el anterior (2.1 y 1.6 s, respectivamente).
Hay herramientas disponibles en la actualidad para dibujar gráficos muy rápidamente al automatizar parte
del proceso. Algunas de estas herramientas son fáciles de aprender y muy eficientes de usar para generar
gráficos para su informe. Un inconveniente, sin embargo, es que a veces pueden crear automáticamente
gráficos engañosos. El acortamiento del eje y de la figura 10.6, por ejemplo, puede hacerse automáticamente
con algunas herramientas. Por lo tanto, debe inspeccionar el gráfico con cuidado y corregir los errores
cometidos por la herramienta.
10.2.3 Pruebas de significancia Puede presentar una comparación numérica de datos de
experimentos o simulaciones en los que haya variado un parámetro. En tal caso, si el sistema
que ha estudiado es estocástico, es decir, si el resultado de una ejecución individual depende en
cierto grado de la probabilidad, será necesario repetir cada configuración de parámetros varias
veces para presentar el resultado promedio. de una serie de carreras. Esto se debe a que una
sola ejecución puede producir un resultado atípico por casualidad. Por lo tanto, es importante
que cualquier resultado que se tenga en cuenta al sacar conclusiones, no sean solo efectos
aleatorios. Esto se puede hacer aplicando una prueba de significación estadística. Como
ejemplo, podemos observar que las ventajas del viejo algoritmo en la figura 10.4 no fueron
estadísticamente significativas, ya que las barras de error se superponen para cada punto
trazado en el intervalo de 10,000 a 60,000 tuplas. Las diferencias entre los 10.3 Analiza tus
datos 83 los algoritmos, sin embargo, parecen ser significativos para todos los puntos superiores
a 60,000 tuplas. En resumen, esto significa que podemos decir que estos experimentos indican
que el nuevo algoritmo es ventajoso para 70,000-100,000 tuplas, pero que ni una ventaja ni una
desventaja se encontraron para un menor número de tuplas. Es de vital importancia, antes de
intentar sacar conclusiones de los datos obtenidos a través de experimentos o simulaciones, que
aplique una prueba adecuada para la significación estadística. Si no lo hace, corre el riesgo de
sacar conclusiones incorrectas y, por supuesto, que su examinador rechace las conclusiones
que propone, ya que no se ha demostrado que sean significativas. La prueba de significación
que se ajuste a sus datos dependerá de la configuración experimental y del tipo de datos que
haya generado, y este es un problema demasiado grande para analizar en detalle en este libro.
Por lo tanto, le recomendamos encarecidamente que consulte la literatura de estadísticas y que
solicite el consejo de su supervisor sobre este i 10.3.2 Proyectos orientados

En un proyecto con un fuerte énfasis teórico, es posible que haya ampliado o comparado los modelos
teóricos existentes, sin probarlos en la práctica. Consideremos el objetivo y los objetivos del primer
proyecto de ejemplo en la Sec. 5.2.2. El objetivo de este proyecto fue "extender una teoría o modelo ya
existente". Suponemos que ya ha recopilado, leído y presentado los datos relevantes (es decir, la teoría o
modelo existente).
De acuerdo con el primer objetivo, debe "identificar los detalles de la extensión". Para cumplir este objetivo,
debe analizar los datos recopilados (por ejemplo, detalles de las posibles extensiones). En este ejemplo,
identificaría qué características deberían incluirse en la extensión. Luego deberá justificar por qué algunas
características son más relevantes que otras. El resultado de este objetivo es su descripción detallada de la
extensión.
En el segundo objetivo, debe "introducir la extensión al modelo teórico original". Para cumplir este
objetivo, primero debe presentar la extensión al modelo original. Además, implica que debe verificar que
la extensión se haya introducido correctamente. El resultado de este objetivo es un nuevo modelo teórico
compuesto por el modelo teórico original y la extensión.
En el tercer objetivo, debe "comparar el modelo teórico original con la versión extendida". Para cumplir
este objetivo, debe comparar los dos modelos con algunos criterios de comparación. El resultado de este
objetivo puede ser determinar si el nuevo modelo tiene mejor soporte para algunas características que el
modelo anterior.
10.3 Analiza tus datos 85

En el primer objetivo, debe "configurar un simulador para el almacenamiento en caché de datos web". Para
satisfacer este objetivo, debe diseñar e implementar el simulador. Además implica que debe justificar que
el simulador es válido y correcto con respecto a las líneas de base existentes. El resultado de este objetivo
es un simulador que puede usarse en sus experimentos posteriores.
En el segundo objetivo, debe "implementar el nuevo algoritmo". Para satisfacer este objetivo, debe
implementar el algoritmo con la ayuda del simulador. Debe justificar que ha implementado el algoritmo
correctamente en el simulador. El resultado de este objetivo es una implementación del nuevo algoritmo en
el simulador.
En el tercer objetivo, debe "probar y analizar el nuevo algoritmo". Esto incluye configurar escenarios de
prueba relevantes y analizarlos. Investigue el resultado de cada escenario. ¿Puede usted, para cada
escenario, explicar el resultado del experimento? Además, debería ver si puede identificar cualquier patrón
en los resultados de los experimentos. Es posible hacer una categorización de los resultados de los
experimentos. El resultado de este objetivo es su explicación y categorización de los resultados obtenidos
de los experimentos.
En el cuarto objetivo, debe "identificar los refinamientos para el diseño del algoritmo". Para cumplir este
objetivo, debe investigar el resultado del tercer objetivo. Según lo que encontraste en el tercer objetivo,
¿puedes sugerir algún refinamiento para el diseño del algoritmo? El resultado de este objetivo es su
recomendación para refinar el diseño del algoritmo
10.3.4 A Comparison of Theory and Practice
Una comparación de teoría y práctica Como se mencionó anteriormente, los proyectos
que combinan teoría y práctica suelen contrastar la teoría con la práctica actual en
empresas u organizaciones. Consideremos el objetivo y los objetivos del proyecto de
ejemplo en la Sect. 5.2.4. El objetivo de este proyecto fue "contrastar la teoría actual
relacionada con un tema en particular con la forma en que las empresas y las
organizaciones lo apoyan en la práctica". En el primer objetivo, debe "seleccionar
empresas u organizaciones" para ser investigadas. También deberá proporcionar
justificaciones de por qué ciertas compañías u organizaciones no son parte de su
investigación. El resultado de este objetivo es su lista de empresas y organizaciones
que deben ser investigadas. En el segundo objetivo, debe "seleccionar criterios de
comparación". Para cumplir este objetivo, debe seleccionar las características de un
tema en particular y justificar su investigación de ellas. Esto es necesario para poder
hacer una comparación en el objetivo número cinco. El resultado de este objetivo es su
conjunto de criterios de comparación. En el tercer objetivo, debe "investigar los detalles
de la teoría del tema en particular". Esto implica que usted evalúa la teoría contra los
criterios de comparación. El resultado de este objetivo es determinar hasta qué punto la
teoría admite los criterios de comparación. En el cuarto objetivo, debe "investigar cómo
trabajan las empresas u organizaciones con el tema en particular en la práctica". Para
cumplir este objetivo, 86 10 Presentar y analizar sus datos necesidad de evaluar cómo
el tema particular es compatible en la práctica con los criterios de comparación. El
resultado de este objetivo es determinar hasta qué punto los criterios de comparación
son compatibles en la práctica. En el quinto objetivo, debe "comparar los resultados
obtenidos de los objetivos segundo y tercero". Para cumplir este objetivo, debe evaluar
los resultados obtenidos del tercer y cuarto objetivo. ¿Hay similitudes o diferencias?
¿Puedes explicar las razones de las similitudes y diferencias? El resultado de este
objetivo es su identificación de similitudes y diferencias entre la teoría y cómo las
empresas y las organizaciones apoyan el tema en la práctica

10.4 ¿Qué es un buen resultado?

Un buen resultado es aquel en el que se puede llegar a una conclusión clara con una
gran confianza. Desde el punto de vista de determinar el éxito del proyecto, no importa
si la conclusión es que la hipótesis es compatible o falsificada. En el proyecto de ejemplo
de la Secc. 10.2, los datos pueden ser satisfactorios y el proyecto exitoso,
independientemente de si los experimentos muestran que el nuevo algoritmo fue mejor
o peor que el algoritmo anterior. Siempre que los datos le permitan sacar conclusiones
claras con gran confianza, su trabajo se ha realizado con éxito. Entonces, ¿qué significa
que puede sacar conclusiones claras de los datos? En primer lugar, significa que ha
configurado los experimentos y aplicado los métodos de tal manera que puede confiar
en los datos. En segundo lugar, significa que ha realizado su presentación y análisis de
los datos a fondo, sin introducir ningún error. Después de haber hecho estas cosas,
puede sacar conclusiones claras, confiables y confiables. En otras palabras, has hecho
tu trabajo. Existe una falacia potencial aquí, porque sus conclusiones pueden estar
influenciadas por el deseo de ver un resultado particular. En el ejemplo mencionado
anteriormente, puede haber pasado mucho tiempo desarrollando, implementando y
probando el nuevo algoritmo. Por lo tanto, espera ver que es mejor que los algoritmos
anteriores, por lo que puede presentar su algoritmo como una mejor solución que la de
los demás. En esta situación, es importante tener en cuenta que su deseo subjetivo de
ver un algoritmo "ganar" sobre otro no debe influir en cómo ve los datos. Su trabajo es
hacer una evaluación objetiva de los dos algoritmos y presentar los datos. Siempre que
aplique una metodología sólida al realizar la evaluación, su proyecto será exitoso, sin
importar cuál algoritmo resulte ser el mejor. Si su proyecto se basa en una hipótesis
explícita, entonces es necesario evaluar si esta hipótesis está falsificada o respaldada
por los datos. La hipótesis debe resumir el objetivo del proyecto, expresándolo en forma
de una proposición que puede ser probada. Todo el proyecto debería centrarse
entonces en probar esta proposición y evaluar

11 Dibujando sus conclusiones e identificando el trabajo futuro

Lo más importante que debe recordar sobre la sección de conclusiones de su informe es que
debe referirse a la finalidad y los objetivos. Por ejemplo, si ha declarado una hipótesis específica,
la sección de conclusiones de su informe debe analizar si esta hipótesis aún se cumple después
de la finalización de su trabajo. ¿Apoyó la hipótesis sus experimentos o investigaciones, o el
resultado muestra que la hipótesis ya no se cumple? En este último caso, puede proponer una
nueva hipótesis revisada, que luego puede convertirse en la base del trabajo futuro en su área.
Alternativamente, al menos debe dar algunas explicaciones posibles de por qué la hipótesis
actual no es válida. Las conclusiones también deben poner sus resultados en un contexto más
amplio. Por ejemplo, suponga que encontró que un tipo particular de método de modelado para
datos relacionales podría expresar algunas características orientadas a objetos, ¿qué significaría
esto en un contexto más amplio? Podríamos decir que no es necesario desarrollar nuevos
métodos de modelado. Esta posible conclusión debe ser discutida. Debe presentar argumentos
de apoyo, así como todos los argumentos en contra que pueda pensar. Además, debe hacer un
análisis de su proyecto en términos de identificar su punto débil y sus puntos fuertes. En otras
palabras, repase todos los pasos del proceso y haga una evaluación de lo que hizo bien y qué
errores cometió. Una razón para esto es que ayudas al lector a identificar esos puntos débiles y
fuertes. Además, haciendo tal evaluación de su propio trabajo, está demostrando su
conocimiento de cómo se debe hacer un proyecto. Puede haber cometido algunos errores en el
camino, pero ahora tiene la oportunidad de mostrar su conocimiento de esos errores y del
impacto que pueden haber tenido en el resultado del proyecto. Finalmente, también debe
identificar las direcciones futuras más relevantes relacionadas con su trabajo. Es raro que un
proyecto presente la respuesta definitiva a una pregunta de investigación o la solución óptima a
un problema. Dado esto, es parte de su trabajo identificar más trabajos de dos tipos: trabajo que
haría usted mismo si continuara con el mismo proyecto; y el trabajo que sugerirías para otros
proyectos. Una razón para hacer esto es que hace que su informe sea más interesante si
proporciona sugerencias para las personas que pueden considerar continuar su trabajo. También
ubica tu trabajo en un contexto más amplio y muestra que entiendes cómo encaja en el progreso
general en tu campo. Lo más importante, eres el que está en la mejor posición para señalar las
direcciones futuras, dadas sus experiencias al hacer el proyecto. En las siguientes secciones discutiremos
estos problemas con más detalle.

11.1 Resumiendo los resultados

Mientras que el capítulo de resultados (vea el Capítulo 14 para más detalles)
proporciona una presentación y análisis exhaustivos de sus resultados, el capítulo de
conclusiones debe dar un resumen de los resultados. Esto se debe a que el capítulo de
conclusiones está "construido" alrededor de los resultados y hace uso de los resultados
de varias maneras: contextualizándolos, evaluándolos a la luz de cómo se llevó a cabo
el proyecto e identificando cómo se pueden extender a través de ellos. trabajo futuro. El
resumen de resultados facilita la lectura de la discusión sin tener que volver al capítulo
de resultados. Para escribir este resumen, es útil pensar en ciertas preguntas, tales
como: "¿Cuáles fueron los principales hallazgos en el capítulo de resultados?" Por
ejemplo, es posible que haya podido demostrar que hubo una diferencia
estadísticamente significativa entre Rápidamente, los usuarios se volvieron
competentes en el uso del software cuando tenían acceso a la documentación en línea,
y cuando solo tenían un manual impreso. En el capítulo de resultados, es posible que
haya utilizado varias páginas para mostrar los resultados detallados de su experimento
y para explicar la prueba estadística que aplicó para probar la importancia. En el capítulo
de conclusiones, sin embargo, esto se puede resumir en algunas oraciones. Otra
pregunta útil para hacerse es: "¿Qué podía mostrar con confianza y qué era incierto?"
El resumen de los resultados debe diferenciar entre ciertos resultados y menos ciertos,
ya que estos deben tratarse de manera diferente en la discusión posterior. y evaluación.
Para un resultado muy cierto, es muy relevante analizar cuál puede ser el impacto del
resultado en el área temática y de qué manera el resultado será útil en el futuro. Sin
embargo, para un resultado incierto, es más relevante discutir qué trabajo adicional se
debe hacer para obtener un resultado más seguro.
11.2 Poniendo los resultados en contexto
Después de resumir los resultados, el siguiente paso es analizar cómo encajan en el
contexto más amplio de la materia en su conjunto. Al hacer esto, ayuda al lector a
comprender el impacto, el significado y la utilidad de su trabajo. En cierto sentido, esta
es la sección más importante de su informe completo, porque es aquí donde se explica
el objetivo del trabajo y sus resultados. Al igual que con el resumen de resultados, puede
desarrollar su redacción de las conclusiones formulándose una serie de preguntas. Aquí
presentamos algunos ejemplos de preguntas típicas que pueden ayudarlo. "¿Para qué
pueden usarse mis resultados?" Este es quizás el punto más interesante para un lector
de su informe. Algunos lectores pueden estar desinteresados en su
informe hasta que lean para qué se pueden usar los resultados, y solo entonces
comenzarán a analizar qué hizo exactamente, cómo llegó a esos resultados o cómo
funciona su solución propuesta para algún problema. "¿Quién puede usar mis hallazgos
y de qué manera diferente?" Por ejemplo, si los resultados muestran que el personal
que usa software para el trabajo cooperativo respaldado por computadora fue más
productivo que el personal que no lo hizo, entonces también es parte de su trabajo para
discutir quién puede usar este resultado. En este ejemplo, tal vez el resultado sea más
útil para las grandes corporaciones, y mucho menos relevante para las más pequeñas.
O tal vez su investigación se limitó a estudiar personal en una industria en particular. En
ese caso, debe recordarle al lector este hecho y dar su opinión sobre si el resultado es
aplicable a otras industrias o no. "¿He hecho una contribución a mi campo de
investigación?" Esta es una pregunta muy importante, ya que el objetivo de la
investigación es avanzar en la comprensión del tema. Por lo tanto, debe identificar
cualquier contribución que haya realizado y su nivel de importancia. Para un proyecto
de pregrado, la contribución puede ser relativamente pequeña, ya que el tiempo
disponible es limitado y porque recién está comenzando a aprender las habilidades de
la investigación. Sin embargo, aún es posible hacer una contribución real en un proyecto
de pregrado, y sucede que los hallazgos de los proyectos de pregrado se abren camino
en artículos de investigación. "¿Hay áreas de investigación relacionadas que puedan
beneficiarse de mis resultados?" Por ejemplo, si su proyecto ha resultado en un nuevo
algoritmo para la extracción de datos en datos de imágenes, es muy posible que el
mismo algoritmo sea muy útil para la extracción de datos en otros tipos de datos. Tal
vez el algoritmo también podría usarse para aplicaciones distintas de la minería de
datos. En ese caso, también debe analizar brevemente qué adaptaciones del algoritmo
serían necesarias para la aplicación alternativa. Es necesario identificar los posibles
efectos indirectos para que su trabajo sea más interesante para un público más amplio.
También es una de las formas en que la ciencia progresa: los métodos desarrollados en
un campo resultan útiles en otros campos, con algunas modificaciones, y luego la
versión modificada puede adoptarse en otro campo
"¿Son mis resultados útiles en aplicaciones del mundo real, o son una contribución de
naturaleza teórica, para que profundicen nuestra comprensión del tema?" Debería
responder a esta pregunta en su informe y explicar las razones por las que cree que los
resultados son útiles en cada caso. Si los resultados son principalmente teóricos, debe
analizar cómo podrían potencialmente conducir a aplicaciones prácticas. De manera
similar, si los resultados son principalmente prácticos, debe describir las formas en que
podrían desarrollarse en una teoría o llevar a modificaciones o adiciones a una teoría
existente. "¿Cómo se comparan mis resultados con los de los demás?" Probablemente
ya se hayan hecho partes de esta comparación en la sección de análisis, pero en las
conclusiones, puede hacer comparaciones adicionales con el trabajo relacionado.
Mientras que la sección de análisis puede haber contenido una comparación detallada
con un enfoque alternativo, la sección de conclusiones puede traer trabajos relacionados
adicionales y dar comparaciones menos detalladas con estos. "¿Están mis hallazgos en
línea con otros trabajos relacionados?" Debería evaluar si los resultados confirman el
marco existente en su campo, o si constituyen algo fundamentalmente nuevo que
podrían invalidar las
teorías existentes en el campo. Si sus resultados contradicen una gran parte del trabajo
relacionado importante, entonces debe tener una discusión extensa de las posibles
causas de esto. Como regla general, mientras más controvertidos sean sus resultados,
más deberá presentar argumentos sólidos para convencer a los lectores de que sus
resultados y conclusiones son correctos.

11.3 Evaluación del proceso

Otra parte del capítulo de conclusiones debe ser una evaluación de su trabajo. La
importancia de esta sección es que ayuda al lector a ver los puntos débiles y fuertes del
trabajo, lo cual es útil para decidir cuál de sus resultados es más confiable. Entonces,
después de haber discutido la utilidad de sus hallazgos, también debe analizar hasta
qué punto se puede confiar en ellos. Puede desarrollar esta evaluación volviendo a cada
paso del proceso e identificando debilidades y cualquier error que se haya puesto de
manifiesto. Puede hacer esto tanto tratando de recordar los errores como leyendo el
informe y tratando de detectar errores mientras lee. Por cada error que identifique,
piense en las consecuencias que puede haber tenido en los siguientes pasos del
proceso, y qué podría significar para los resultados. Para dar un ejemplo muy pequeño,
suponga que ha comparado la precisión de dos sistemas expertos al supervisar un
proceso de producción y decidir cuándo se debe detener el proceso. Quizás probó cada
sistema en cinco escenarios de prueba, pero más tarde se dio cuenta de que había otros
tres escenarios relevantes que deberían haberse incluido. En este caso, describa qué
aspectos del rendimiento de los sistemas no se han probado. Quizás también es posible
sugerir cómo los dos sistemas habrían tenido éxito en los tres escenarios de prueba
adicionales, en base a lo que usted sabe sobre ellos. Además de buscar errores,
también debe intentar identificar las buenas decisiones que tomó durante el proceso. Si
produjo un excelente diseño experimental que le permite confiar en usted con confianza
para garantizar la exactitud y validez de sus resultados, debe señalarlo en las
conclusiones. En general, debe pensar en cómo cada buena decisión que tomó
contribuyó a los resultados.

11.4 Identificación del trabajo futuro

Esta es una parte importante de su informe, ya que una buena sección de "trabajo futuro"
no solo convence al examinador de que usted sabe cómo encaja su trabajo en el
desarrollo general de la materia, sino que también ayuda a los lectores a planificar
nuevos proyectos utilizando su trabajar como punto de partida. En una perspectiva más
larga, en realidad será posible evaluar la importancia de su trabajo al observar el número
y la calidad de los proyectos que lo han utilizado como punto de partida. Al igual que
con algunas otras secciones, es posible desarrollar esta pregunta haciéndose una serie
de preguntas:
De los objetivos que tenía, ¿hay alguno que aún no se haya cumplido? "Para cada uno
de estos, piense en lo que tendría que hacer para cumplirlos. No es aceptable que
muchos de sus objetivos no se hayan cumplido, pero puede tener uno o dos que solo
se completaron parcialmente. Esto representa el trabajo futuro más obvio, así que
comience describiendo cómo lo haría. "Si tuviera más tiempo para dedicarme a mi
proyecto, ¿cuáles serían las cosas más importantes para hacer?" Tenga en cuenta que
esto es diferente del punto anterior. Lo que se quiere decir aquí es que debe pensar en
las continuaciones más importantes y posibles de su proyecto, una vez que se hayan
cumplido los objetivos actuales. Como ejemplo, tal vez su proyecto haya identificado los
factores que son más importantes para mejorar los protocolos de comunicación para los
sistemas de bases de datos distribuidas, que también era el objetivo del proyecto. Una
extensión natural sería desarrollar un nuevo protocolo de comunicación que tendría una
capacidad mejorada sobre los factores identificados en su proyecto. "¿Mis resultados
revelaron nuevas preguntas abiertas que deben abordarse?" Muy a menudo, se llega a
un resultado que responde al problema al que se dirige, y responde con éxito las
preguntas que comenzó, pero que también lleva a algunas preguntas nuevas. Como
ejemplo, puede haber investigado métodos computarizados para analizar los datos de
un tipo de experimento biomédico que proporciona información sobre los niveles de
actividad de miles de genes. Tal vez descubrió que una forma simple de algoritmo de
agrupamiento funcionó muy bien en esta tarea, pero también descubrió que hay un
problema en cómo ayudar a los usuarios a interpretar los clústeres resultantes, ya que
hay demasiados datos en cada agrupamiento. Luego, podría sugerir trabajos futuros
para desarrollar técnicas de visualización que podrían ayudar al personal del laboratorio
biomédico a interpretar los grupos producidos por su algoritmo. Si sus resultados son
teóricos, puede preguntarse: "¿Qué hay que hacer antes de que mis resultados se
puedan aplicar en la práctica?". Luego debe explicar los pasos de este proceso y dar
estimaciones de cuánto trabajo hay para hacerse en cada paso
12 Presentar y defender su trabajo oralmente

Este capítulo te ayuda a prepararte para presentar y defender tu trabajo en forma oral,
así como a actuar como un oponente
12.1 Presentación oral

¿Qué caracteriza a una buena presentación oral? Una de las principales dificultades
para planificar una buena presentación oral es cómo encontrar el equilibrio adecuado
entre (1) incluir detalles suficientes para que el proyecto sea comprensible para la
audiencia, y (2) sin incluir tantos detalles que la presentación no se ajusta dentro del
tiempo asignado para ello. Para tener éxito en alcanzar el equilibrio correcto, debe
planear su presentación a fondo. En particular, debe seleccionar cuidadosamente qué
detalles incluir en la presentación y cuáles omitir. También debe pensar cómo deben
presentarse esos detalles para que la audiencia pueda captarlos de la manera más
rápida y clara posible. Una buena presentación oral se caracteriza por ser clara, al punto,
interesante y, por supuesto, inspiradora. Todas estas características solo se pueden
lograr planificando bien la presentación. La planificación no solo le permite ser claro y
directo, sino que también lo ayuda a sentirse a gusto y cómodo durante la presentación.
Sentirse confiado en la calidad de su presentación es la clave para poder convencer e
inspirar a la audiencia. Sin embargo, se debe tener en cuenta que las presentaciones
académicas están destinadas a comunicar un mensaje, en lugar de simplemente
entretener. En otras palabras, generalmente puede salirse con la suya siendo aburrido,
si lo que dice está bien organizado y claro; pero no se puede escapar siendo entretenido
sin un mensaje bien fundado y bien comunicado. En este libro, suponemos que usará
diapositivas para su presentación oral. Puede usar un proyector de diapositivas y
transparencias o una computadora conectada a un proyector de video. Las diapositivas
son fáciles de usar, ya que te ayudan a comunicar y a enfatizar tu mensaje a la
audiencia.

12.1.1 Before the Presentation

Los dos primeros pasos clave para planificar una presentación son decidir qué decir y en qué
orden. A partir de entonces puede continuar con los detalles de cómo decirlo. En otras palabras,
debe comenzar a pensar sobre su (s) mensaje (s) clave y desarrollar una estructura para su
presentación, y luego completar los detalles. Una de las ventajas de desarrollar la estructura
primero es que sabrá de antemano aproximadamente cuántas diapositivas tendrá tiempo de
presentar. La estructura facilita mucho el seguimiento de la cantidad de espacio que puede usar
para cada parte de la presentación. Otra ventaja de desarrollar primero la estructura es que
facilita la discusión de la presentación con su supervisor. Teniendo la estructura en mente, usted
está más claramente al tanto de qué cosas quiere decir y en qué orden, y por lo tanto puede
hablar más fácilmente sobre qué omitir, cómo reordenar o qué partes cambiar. Mantener la
estructura en mente te ayuda a ver las consecuencias de un cambio particular más claramente.
En la figura 12.1 se muestra una estructura de presentación de ejemplo. Se supone en el ejemplo
que el tiempo permitido es de 20 minutos y que las preguntas se hacen después de la
presentación. Las dos primeras diapositivas (página de título y esquema) se utilizan para
presentar al orador y la charla. Por lo general, es una buena idea presentar y definir conceptos
clave antes de presentar el objetivo. Por lo tanto, se han asignado dos diapositivas a la
explicación y definición de conceptos importantes (la diapositiva "de fondo") y a la presentación
de los argumentos detrás del objetivo. Se ha asignado una diapositiva al objetivo y los objetivos
del proyecto. Dos diapositivas se asignan a una descripción de cómo abordaron el problema, su
método, etc. Dos diapositivas se asignan a la presentación de los resultados. Tenga en cuenta
que esta estructura de ejemplo no asigna diapositivas a una presentación de los datos
recopilados, que pueden o no ser necesarios, según el proyecto. La presentación finaliza con
dos diapositivas de sus conclusiones y sugerencias para el trabajo futuro. En general, aquí se
supone que cada diapositiva tardará 2 minutos en presentarse y explicarse. Esto, por supuesto,
variará, dependiendo del contenido de cada diapositiva. Por supuesto, debe hacer
presentaciones de prueba y comprobar cuánto tiempo le lleva realmente dar su charla.
Contenido Diapo
sitivas
Pagina del titulo 1
Contorno 1
Fondo 1
Argumentos 1
Objetivo y objetivos 1
Enfoque 2
Resultados 2
Conclusiones 1
Trabajo futuro 1
Total 11
Fig. 12.1 Una estructura de presentación de ejemplo

12 Presentar y defender su trabajo oralmente

Una vez que tenga esa estructura de presentación, es hora de comenzar a completar los
detalles. Esto a menudo conduce a una reorganización de la estructura, pero mantener un
documento de estructura y actualizarlo para cada cambio puede ser una buena forma de cumplir
con el objetivo de un número fijo de diapositivas. De lo contrario, es fácil terminar con tantas
diapositivas que no hay forma de que pueda presentar todo su material. Al completar los detalles,
hay algunas reglas básicas a seguir en la preparación de cada diapositiva. Estas reglas tienen
que ver con la claridad de la presentación. Tenga en cuenta que una diapositiva con demasiados
detalles puede ser informativa para usted, pero es realmente inútil para aquellos en la audiencia
que no pueden ver su letra pequeña o no tienen tiempo para leer todo. En otras palabras,
mantenga cada diapositiva clara, concisa y al grano. Aquí hay un conjunto de pautas para
preparar diapositivas:  Diseño. Intenta usar un diseño consistente en todas (o la mayoría) de
tus diapositivas. Esto hace que su presentación sea más fácil de entender, ya que la audiencia
puede enfocarse en el contenido de cada diapositiva, en lugar de tratar de descubrir dónde se
encuentran las diferentes cosas. Usar un diseño consistente significa, por ejemplo, ubicar el
encabezado en la misma posición, usar viñetas y tamaños de letra de manera consistente, y
esforzarse por tener una estrategia consistente para ubicar las figuras en relación con el texto. 
Tamaño de letra. Uno de los peores errores es utilizar una fuente que es tan pequeña que la
audiencia no puede leer la diapositiva. Una vez más, si la información no es legible, ¡entonces
es mejor que no tenga ninguna diapositiva! Por lo tanto, tenga en cuenta que toda la audiencia
debería poder leer el texto, y no solo los que están sentados en las primeras filas. Exactamente
qué tamaño de letra se necesita dependerá, por supuesto, del tamaño de la habitación. Entonces,
lo mejor que puede hacer es ir a la sala donde se realizará la presentación y probar algunas
diapositivas con distintos tamaños de fuente. También vale la pena tener en cuenta que el
tamaño de texto predeterminado, utilizado en algunas herramientas para hacer diapositivas, es
de 32 puntos. Por supuesto, puede ajustar esto, pero en general, la fuente nunca debe ser menor
de 18 puntos para el cuerpo del texto.  Orientación vertical u horizontal. La orientación más
adecuada dependerá del contenido de la diapositiva. Sin embargo, debe intentar usar una
orientación constante a lo largo de su presentación. El paisaje es normalmente la orientación
preferida.  Idioma. Usa expresiones cortas El espacio en las diapositivas es limitado. En lugar
de la frase "La evaluación del método implementado muestra que fue un 22% más lenta que el
método estándar actual ", escriba algo así como" Método implementado un 22% más lento que el estándar
". Tenga en cuenta que lo que está escrito en las diapositivas se complementa con lo que dice al hablar de
él, por lo que las frases abreviadas de las diapositivas se explican durante la charla. Por otro lado, se trata
de lograr el equilibrio adecuado: el texto de las diapositivas debe ser breve, pero no demasiado críptico.

12.1 Presentación oral

Énfasis. A veces, tiene mucho texto en una diapositiva es inevitable, por ejemplo al
mostrar citas. Si es difícil de analizar el texto y captar el significado rápidamente,
entonces usted puede ayudar a la audiencia por subrayar palabras importantes o
conceptos utilizando negrita o subrayado. Figuras. Para ayudar a la audiencia a
interpretar lo que está diciendo, hacer uso de las técnicas de visualización en lugar de
sólo texto. Si se incluye una fórmula matemática, a menudo puede visualizarse la
relación entre las variables con un gráfico. Si se trata de algunos programas, puede
utilizar un dibujo para mostrar los componentes principales y cómo se relacionan.
Describa los pasos de un proceso, puede dibujar un diagrama de los pasos y se
aproxima al paso de los anteriores. En otras palabras, para cualquier tipo de mensaje,
es posible utilizar el tipo de técnica para la visualización para facilitar la interpretación.
Por otro lado, recuerda que las cosas también deben formularse en palabras, una
presentación que r ...

12 Presentar y defender su trabajo oralmente

Cuan detallado es el manuscrito que necesita en general depende de cuán usado se está para dar
presentaciones orales. Si esta es tu primera vez, es posible que tengas que escribir casi palabra por palabra
lo que vas a decir. Si tiene mucha experiencia en presentaciones orales, sabrá ya qué nivel de detalle necesita
en sus notas o manuscrito. Quizás incluso pueda hablar libremente sin ninguna nota, pero en todos los casos,
es necesario practicar la conversación, ya sea solo o frente a otra persona. Si no está seguro de la redacción
de pasajes difíciles, asegúrese de anotarlos o memorizarlos, de modo que no se quede atascado y pierda
tiempo durante la presentación.
 Uso excesivo de notas durante la presentación. Las notas y los manuscritos se deben usar principalmente
antes de la presentación, en lugar de durante el mismo. Son para practicar, para que pueda conocer su charla
lo suficientemente bien como para poder brindarla sin ayudantes. Es muy aburrido escuchar una charla
donde el orador lee sus notas. Sin embargo, está bien mirar ocasionalmente sus notas si olvida algunas
palabras o frases clave. Entonces, el punto no es que esté "prohibido" mirar tus notas, sino que solo deberías
mirarlas de vez en cuando. Esto por supuesto se logra ensayando.

12.1.2 La presentación

Debe comenzar cualquier presentación presentándose usted mismo, el título de su charla y el

nombre de su supervisor. Esta introducción siempre debe ser breve, ya que es el contenido del
proyecto el centro de atención, por lo tanto, mantenga la introducción en una o dos oraciones.
Es bueno tener una página de título de las diapositivas que muestre la misma información y
mostrar esta diapositiva para que el público tenga tiempo suficiente para leerla. De esta manera,
usted está señalando claramente el comienzo de su presentación y que la audiencia debería
comenzar a prestar atención a su charla. Una forma común de comenzar, después de la página
de título, es mostrar una diapositiva con una lista de contenidos para la charla. Sin embargo, para
conversaciones cortas, se puede argumentar que esto es una pérdida de tiempo valioso. El
primer minuto de la charla puede ser el único momento en que tenga la atención plena de todos
en la audiencia. Por lo tanto, es una buena idea comenzar con información importante de
inmediato. Si decide usar una lista de contenidos, asegúrese de que tenga elementos que sean
significativos. Comenzar una charla de 15 minutos diciendo que el resto de la charla consistirá
en: 'introducción seguida por antecedentes, problemas y conclusión', no es muy significativa.
Asegúrese de indicar las cosas más importantes sobre su proyecto en los primeros minutos de
la presentación. Como probablemente habrás notado durante las conferencias, a veces es difícil
seguir escuchando con atención
durante mucho tiempo. Si comienzas tu charla siendo vago, poco claro o simplemente sin interés,
es probable que algunas partes de la audiencia dejen de prestar atención, lo que significa que
perderán los argumentos bien formulados que presentarás más adelante en tu charla.