Seminario de Metodología

Dra. Hayde Peregrina; hperegrina (at) inaoep.mx
Dra. Alicia Morales Reyes; a.morales (at) inaoep.mx
Horario: Viernes 9:00 a 12:00. Salón 8301

Descripción

Este curso es obligatorio dentro del programa de maestría de la coordinación de ciencias computacionales. La materia se imparte durante el primer periodo docente de la maestría y enlaza con los seminarios metodológicos subsiguientes. Los contenidos del curso están enfocados a dar al estudiante unas herramientas metodológicas iniciales para llevar a cabo investigación científica y ofrecerles un panorama introductorio de la investigación que actualmente llevan a cabo los investigares de la coordinación.

El seminario consta de dos partes. Una, se conforma de lecturas de apoyo con dinámicas de grupo que incluyen discusión de las ideas presentadas en los artículos. Los artículos cubrirán los temas descritos en el contenido del curso. En esta parte, los alumnos elegirán 3 temas de los que componen el curso (por grupos diferentes en cada tema) y en la semana correspondiente harán la exposición del mismo dando tiempo a una discusión del mismo por el resto de la clase. En la segunda parte, los propios investigadores de la Coordinación tendrán asignado una ranura de tiempo en que expondrán a los alumnos los temas de su investigación y algunas ideas para posibles temas de tesis.

Objetivos

Los objetivos del curso son:

1. Fortalecer las capacidades de investigación del estudiante, apoyándoles en el desarrollo de sus capacidades crítica y creativa.
2. Proporcionar a los estudiantes los fundamentos básicos de la metodología científica, el diseńo experimental, el análisis de la información y la interpretación de resultados.
3. Proporcionar a los estudiantes los fundamentos básicos de la metodología científica, el diseńo experimental, el análisis de la información y la interpretación de resultados.
4. Proporcionar a los estudiantes un panorama de la investigación realizada en la Coordinación de Ciencias Computacionales del INAOE.

Capacidades

Al final del curso, un estudiante será capaz de:

1. Buscar literatura científica relacionada con su tema de tesis, y ser capaz de leerla con actitud crítica.
2. Escribir una propuesta de tesis de maestría con elementos originales demostrando su capacidad creativa.
3. Relacionar de forma coherente las preguntas de investigación formuladas con los objetivos propuestos, las hipótesis establecidas y diseńar los experimentos de forma apropiada para dar soporte o refutar la hipótesis propuesta en cada caso, así como validar los métodos propuestos.
4. Interpretar, elaborar y discutir los resultados obtenidos poniéndolos en contexto de la literatura existente, e identificando posibles limitaciones de los mismos.

Notas

El curso está pensado para 40h. La densidad de horas por semana del mismo depende del número de semanas disponibles en el periodo. Aunque el curso no presupone conocimientos previos el alumno puede verse beneficiado si ya con anterioridad ha realizado tesis de licenciatura (o maestría en caso de segundas maestrías), conoce unos principios básicos de metodología científica y/o ha publicado resultados en forma de artículos con anterioridad. Se asume el conocimiento de español e inglés a nivel leído escrito y conversacional.

Aquellos alumnos que, de forma excepcional y previo acuerdo con los profesores, tengan permiso para no asistir de forma presencial al curso, deberán enviar las presentaciones en forma escrita con anterioridad a la fecha de la clase correspondiente sin excepción.

Contenido del curso

Contenido del Curso
0. Organización y evaluación del curso


1. Metodología científica
Método científico, metodología de investigación y diseńo experimental
Búsqueda, lectura y análisis crítico de literatura
Escritura científica, y presentación de resultados
Validación y prueba de hipótesis

2. Investigación en la CCC
Visitas de investigadores

• Semana 1: Método científico, metodología de investigación y diseñoo experimental.

  Leer y analizar artículos sobre el método científico y la metodología de investigación. A continuación se indica lectura recomendada, pero se espera que el alumno complemente esta bibliografía:

  1. Material preparado por el Dr. Felipe Orihuela Método Científico
  2. A. Bundy et al., The Researchers Bible 
     
  3. Cotton J and Sekula S. The Scientific Method http://www.physics.smu.edu/pseudo/SciMeth/
  4. http://teacher.nsrl.rochester.edu/phy_labs/AppendixE/AppendixE.html
  5. Bundy, A. ``The Need for Hypotheses in Informatics'' http://www.inf.ed.ac.uk/teaching/courses/irm/notes/hypotheses.html
  6. Dean, A and Voss, D. ``Design and Analysis of Experiments''. Springer (1999)
  7. Keppel, G. ``Design and analysis: A researcher's handbook'' (1991-2004) 4th Ed.
  8. Kirk, R.E. ``Experimental design'' Wiley Online Library (1982) http://www.corwin.com/upm-data/29173_Millsap___Chapter_2.pdf
  9. Swanborn PG (1996) ``A common base for quality control criteria in quantitative and qualitative research'' Quality & Quantity 30: 19-35
  10. 9 Suresh KP (2011) ``An overview of randomization techniques: An unbiased assessment of outcome in clinical research'' Journal of Human Reproductive Sciences 4(1):8-11
  11. Schulz KF y Grimes DA (2002) ``Generation of allocation sequences in randomised trials: chance, not choice'' Lancet 359:515-519

  Realizar una presentación con los puntos anteriores demostrando actitud crítica sobre lo leído.

• Semana 2: Búsqueda, lectura y análisis de literatura.

  Leer y analizar artículos sobre cómo leer artículos científicos. A continuación se indica lectura recomendada, pero se espera que el alumno complemente esta bibliografía:

  1. Material preparado por el Dr. Felipe Orihuela Búsqueda
  2. Fuentes, Qué leer?
  3. Bill Griswold, How to Read an Engineering Research Paper
  4. M. Mitzenmacher, N. Ramsey, How to read a research paper
  5. CSCI 6962 Mobile robotics, How to read a research paper
  6. D. Chapman (editor), How to do Research at the MIT AI Lab http://dspace.mit.edu/bitstream/handle/1721.1/41487/AI_WP_316.pdf?sequence=4

  Identificar los buscadores científicos relevantes, y hacer una críticas de sus características, virtudes y limitaciones

  Realizar una presentación con los puntos anteriores demostrando actitud crítica sobre lo leído.

• Semana 3: Escritura científica, y presentación de resultados

  Leer y analizar documentos sobre la escritura científica. A continuación se indica lectura recomendada, pero se espera que el alumno complemente esta bibliografía:

  1. Material preparado por el Dr. Felipe Orihuela Escritura
     
  2. San Francisco Edit, Eight Steps to Developing an Effective Outline
  3. Luca Aceto, How to write a paper
  4. D. Chapman (editor), How to do Research at the MIT AI Lab http://dspace.mit.edu/bitstream/handle/1721.1/41487/AI_WP_316.pdf?sequence=4
  5. Writing technical articles
  6. Ian Parberry, How to present a paper in theoretical computer science: a speaker's guide for students
  7. ALGUNO ESPECÍ&FICO SOBRE REFERENCIAS Y CITAS

  Identificar las herramientas de soporte de gestión de referencias, y hacer una críticas de sus características, virtudes y limitaciones

  Realizar una presentación con los puntos anteriores demostrando actitud crítica sobre lo leído.

• Semana 5: Validación y prueba de hipótesis Validación

  Leer y analizar artículos sobre validación, y pruebas estadísticas. A continuación se indica lectura recomendada, pero se espera que el alumno complemente esta bibliografía:

  1. Material preparado por el Dr. Felipe Orihuela
  2. Cronbach, L. J.; Meehl, P. E. (1955). "Construct validity in psychological tests". Psychological Bulletin 52 (4): 226-302
  3. Weiner H y Braun HI (1988) ``Test validity'' Routledge, 267 pgs.
  4. http://www.socialresearchmethods.net/kb/introval.php
  5. W. Boldstad, Bayesian Statistics, Cap. 2 y 3
  6. G. P. Kanji, 100 Statistical Tests, Third Edition, Sage
  7. Martin Bland ``An introduction to Medical Statistics'' Oxford Medical Publications, 3rd Edition (2000) 405pgs
  8. Armitage P ``Statistical Methods in Medical Research'' Blackwell Publishing, 4th Edition (2002) 816 pgs
  9. Handbook of Engineering Statistics. http://www.itl.nist.gov/div898/handbook/
  10. Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). New Jersey: Lawrence Erlbaum, Cap. 8
  11. Lachim JM (1981) ``Introduction to Sample Size Determination and Power Analysis for Clinical Trials'' Controlled Clinical Trials 2:93-113
  12. Demsar, J. ``Statistical Comparisons of Classifiers over Multiple Data Sets'' Journal of Machine Learning Research 7 (2006) 1-30
  13. Dietterich, T. G. ``Statistical tests for comparing supervised classification learning algorithms'' (1997)

  Elaborar una breve taxonomía de los tipos de validación existentes, identificar mecanismos de validación y establecer como diferentes mecanismos de validación pueden ser utilizados para lograr diferentes tipos de validación.

  Realizar una presentación con los puntos anteriores demostrando actitud crítica sobre lo leído.

• Semana 6: Preguntas de investigación (qué fenómeno), Objetivos (qué aspectos?), Experimentos (Qué hipótesis?), Metodología (Cómo?) .

  Establecer las diferencias entre una tesis de maestría y una tesis doctoral. Observa que mucha de la literatura sugerida para esta semana está enfocada a doctorandos, pero es igualmente aplicable a estudiantes de maestría.

  Leer y analizar artículos sobre qué son y cómo formular las preguntas de investigación. Leer y analizar artículos sobre que son los objetivos generales y específicos de una tesis, cómo acotarlos, cómo formular una hipótesis, y cómo establecer una metodología científica. A continuación se indica lectura recomendada, pero se espera que el alumno complemente esta bibliografía:

  1. Material preparado por el Dr. Felipe Orihuela Preguntas
     
  2. U. Manitoba, Guidelines for writing a successful MSc thesis proposal
  3. Estelle Phillips & D.S. Pugh How to get a PhD Open University Press ISBN 0 335 155367 (paper back)
  4. Bundy, A. du Boulay, J.B.H., Howe, J.A.M. & Plotkin, G., ``How to get a Ph.D. in A.I.'', in Artificial Intelligence: Tools, Techniques and Applications, O'Shea, T. & Eisenstadt, M. (eds.), Harper & Row: London, 1984.
  5. C. G. Burke, The doctoral dissertation proposal
  6. A. Kak, Some thoughts on what it takes to produce a good Ph.D. thesis
  7. Sloman, A. (2009) ``Notes on presenting a thesis'' School of Computer Science, The University of Birmingham http://www.cs.bham.ac.uk/research/projects/poplog/teach/theses.pdf
     
  8. http://www.cs.bham.ac.uk/internal/research_students/theses.php
  9. Formulating the research question http://www.socscidiss.bham.ac.uk/research-question.html
  10. What makes a good research question? Duke University http://twp.duke.edu/uploads/media_items/research-questions.original.pdf

  Discusión sobre las virtudes y limitaciones de algunos ejemplos de preguntas de investigación.

Identificar fuentes de sesgo comunes que impiden que una metodología pueda ser exitosa

Realizar una presentación con los puntos anteriores demostrando actitud crítica sobre lo leído.

• Semanas 7 en adelante:

  Cada investigador de la coordinación tendrá una ranura de 40 minutos para exponer sus temas de investigación y plantear algunos posibles temas de tesis.

  El formato de las presentaciones por parte de los investigadores es libre.

  El calendario de presentaciones por parte de los investigadores de la coordinación se dará a conocer a la mayor brevedad posible.

1. Artículos científicos relacionados, y los indicados en cada actividad
2. DeGroot, M- H. y Schervish, M.-J. Probability and Statistics. 4a Ed. 2012
3. Dean, A and Voss, D. Design and Analysis of Experiments. Springer (1999)