Portada de Investigación en una página
Impreso E-book E-book

Investigación en una página

Con IA

Luis Alfonso Pérez Romero

ECOE Ediciones

Sinopsis

Investigación en una página guía el uso de la inteligencia artificial para optimizar el ciclo completo de la investigación científica. Expone cómo la IA puede agilizar la búsqueda de información, el análisis de datos, la redacción de manuscritos y la preparación de publicaciones, facilitando la toma de decisiones y mejorando la eficiencia de los investigadores.

Se propone una metodología innovadora, condensada en una página, para organizar y potenciar el proceso de investigación. El libro se divide en cinco capítulos: el primero aborda la integración de la IA con los razonamientos inductivo, deductivo y abductivo; el segundo presenta el proceso en una página mediante 8 columnas dinámicas y holísticas; los capítulos tercero y cuarto desarrollan el análisis estadístico descriptivo, inferencial y multivariado con IA; y el quinto se centra en la investigación y análisis de datos cualitativos.

La obra está dirigida a estudiantes universitarios, de maestrías y doctorados en cualquier disciplina. También es ideal para profesionales del área de investigación en empresas y académicos que busquen integrar herramientas de inteligencia artificial para optimizar su flujo de trabajo y mejorar la calidad de sus proyectos y publicaciones científicas.

Sobre el autor

Luis Alfonso Pérez Romero

Luis Alfonso Pérez Romero

Médico de la Universidad Autónoma Metropolitana, magíster en Mercadotecnia del Instituto Tecnológico y de Estudios Superiores de Monterrey, México, magíster en Administración-Organizaciones de la Universidad Autónoma de México; Ph. D. en Administración de la Universidad Autónoma de México. Profesor e investigador de la Universidad Autónoma de Guadalajara, México.
ORCID: https://orcid.org/0000-0002-0741-2820
Correo: [email protected]

Contenido

  1. Prólogo — p. xxi
  2. Introducción — p. xxv
  3. Capítulo 1. Método de investigación — p. 1
  4. 1.1 Método inductivo-deductivo-abductivo (IDA) — p. 1
  5. 1.1.1 Historia de la ciencia — p. 8
  6. 1.2 La IA en proyectos de investigación — p. 16
  7. 1.3 Asistentes específicos con IA para la investigación — p. 25
  8. 1.4 Importancia, ventajas y desventajas de la IA en proyectos de investigación — p. 31
  9. 1.5 La IA generativa y la IA agéntica en la investigación científica — p. 32
  10. 1.6 Sistema RAG — p. 33
  11. 1.7 Diseño de prompts — p. 34
  12. 1.8 Conclusión — p. 38
  13. 1.9 Palabras clave — p. 41
  14. 1.10 Preguntas — p. 41
  15. Capítulo 2. Metodología de investigación en una página con ia — p. 43
  16. 2.1 Investigación en una página con IA — p. 43
  17. 2.2 Columna de idea y tema — p. 46
    1. 2.2.1 Fuentes de información — p. 46
    2. 2.2.2 Tipos de investigación — p. 46
    3. 2.2.3 Planteamiento del problema — p. 47
    4. 2.2.4 Objetivos — p. 48
    5. 2.2.5 Hipótesis — p. 48
    6. 2.2.6 Diseño de la investigación — p. 49
    7. 2.2.7 Cronograma de actividades y presupuesto — p. 49
  18. 2.3 Columna de variables y método — p. 49
  19. 2.4 Columna de estado del arte — p. 51
  20. 2.5 Columna de mensurabilidad de las variables — p. 51
  21. 2.6 Columna de hipótesis — p. 54
  22. 2.7 Columna de técnicas de investigación — p. 56
    1. 2.7.1 Criterios de viabilidad, validez y confiabilidad — p. 59
    2. 2.7.2 Pruebas de validez — p. 61
    3. 2.7.3 Pruebas de confiabilidad — p. 62
    4. 2.7.4 Pruebas de confiabilidad con alfa de Cronbach y KR20 del instrumento de medición o de consistencia interna — p. 63
    5. 2.7.5 La IA para la construcción y validación de cuestionario — p. 65
  23. 2.8 Columna de muestra y trabajo de campo — p. 67
    1. 2.8.1 Fórmulas para la selección del tamaño de la muestra — p. 71
    2. 2.8.2 Método de muestreo probabilístico y no probabilístico — p. 76
    3. 2.8.3 Trabajo de campo: ¿Cómo se realizará el trabajo de campo? ¿Quién lo realizará? ¿Qué nivel de supervisión se debe realizar al trabajo de campo? — p. 78
  24. 2.9 Columna de diseño estadístico — p. 78
  25. 2.10 La IA en el proceso de investigación e innovación — p. 80
  26. 2.11 La IA para la selección de variables del proyecto de investigación — p. 83
  27. 2.12 La IA para plantear el problema de investigación — p. 84
  28. 2.13 La IA para el diseño de la metodología de la investigación — p. 85
  29. 2.14 La IA para el diseño de las estadísticas a usar en el proyecto de investigación — p. 86
  30. 2.15 Conclusión — p. 87
  31. 2.16 Palabras clave — p. 89
  32. 2.17 Preguntas — p. 89
  33. Capítulo 3. Análisis estadísticos — p. 91
  34. 3.1 Estadística para representatividad de la muestra — p. 91
    1. 3.1.1 La IA en la estadística para la representatividad de la muestra — p. 94
  35. 3.2 Análisis estadístico descriptivo e inferencial — p. 95
    1. 3.2.1 Prueba de hipótesis para diferencia de medias y proporciones — p. 98
  36. 3.3 Estadística univariada descriptiva e inferencial — p. 112
    1. 3.3.1 Univariado: escala nominal — p. 113
    2. 3.3.2 Univariado: escala ordinal — p. 115
    3. 3.3.3 Univariado: escala intervalar y de razón — p. 116
  37. 3.4 Estadística bivariada — p. 116
    1. 3.4.1 Escala nominal: prueba de chi-cuadrada — p. 118
    2. 3.4.2 Bivariada: escala ordinal vs. nominal (análisis de la varianza de Kruscal Wallis) — p. 120
    3. 3.4.3 Bivariada: escala intervalar y de razón — p. 121
    4. 3.4.4 Bivariada: pruebas no paramétricas — p. 122
  38. 3.5 La IA en la estadística descriptiva e inferencial — p. 127
  39. 3.6 Conclusión — p. 128
  40. 3.7 Palabras clave — p. 129
  41. 3.8 Preguntas — p. 129
  42. Capítulo 4. Análisis multivariado — p. 131
  43. 4.1 Estadística multivariada — p. 131
  44. 4.2 Análisis de la varianza o ANOVA — p. 135
    1. 4.2.1 Análisis de ANOVA factorial — p. 137
    2. 4.2.2 Análisis de varianza multivariable o MANOVA — p. 138
    3. 4.2.3 Análisis de covarianza o ANCOVA — p. 139
    4. 4.2.4 Análisis de varianza no métrica — p. 140
  45. 4.3 Análisis de correlación y regresión — p. 140
    1. 4.3.1 Correlación — p. 140
    2. 4.3.2 Regresión — p. 142
  46. 4.4 Análisis de factores — p. 149
  47. 4.5 Análisis discriminante — p. 150
  48. 4.6 Análisis de clúster — p. 153
  49. 4.7 Ecuaciones estructurales — p. 154
  50. 4.8 La IA en los análisis estadísticos multivariables — p. 156
  51. 4.9 Conclusión — p. 156
  52. 4.10 Palabras clave — p. 158
  53. 4.11 Preguntas — p. 158
  54. Capítulo 5. Metodología de la investigación cualitativa — p. 159
  55. 5.1 Investigación cualitativa en una página con inteligencia artificial — p. 159
  56. 5.2 Metodología de la investigación cualitativa en una página — p. 168
    1. 5.2.1 Definir el fenómeno u objeto de estudio a investigar — p. 168
  57. 5.3 Definir el fenómeno u objeto de estudio desde la perspectiva epistemológica — p. 173
  58. 5.4 Estado del arte — p. 176
  59. 5.5 Métodos de investigación cualitativa — p. 177
    1. 5.5.1 Interacción entre los tres métodos en investigación cualitativa — p. 179
    2. 5.5.2 Interacción de los métodos inductivo, deductivo y abductivo en la investigación cualitativa — p. 179
  60. 5.6 Tipos de razonamiento en la investigación — p. 182
  61. 5.7 Hipótesis en la investigación cualitativa — p. 184
  62. 5.8 Técnicas de investigación en ciencias sociales — p. 185
  63. 5.9 Fenomenología — p. 190
    1. 5.9.1 Puntos clave para entender el método fenomenológico — p. 191
    2. 5.9.2 Fenomenología y las líneas de vida — p. 195
  64. 5.10 La fenomenología y la hermenéutica — p. 197
  65. 5.11 Fenomenología y etnografía — p. 202
  66. 5.12 Integración de los métodos y técnicas cualitativas — p. 203
  67. 5.13 Técnicas de investigación cualitativa según el nivel de profundidad de la investigación — p. 205
  68. 5.14 Investigaciones cualitativas: transversales y longitudinales — p. 207
  69. 5.15 Muestra y trabajo de campo en las ciencias sociales — p. 209
  70. 5.16 Codificación en estudios cualitativos — p. 210
    1. 5.16.1 Pasos principales en el proceso de codificación — p. 215
    2. 5.16.2 Importancia de la codificación en la investigación cualitativa — p. 217
    3. 5.16.3 Pasos más recomendados para facilitar la codificación — p. 217
  71. 5.17 Análisis de los datos cualitativos — p. 218
    1. 5.17.1 Análisis temático — p. 219
    2. 5.17.2 Análisis narrativo — p. 221
    3. 5.17.3 Análisis de contenido — p. 221
    4. 5.17.4 Análisis del discurso — p. 222
    5. 5.17.5 Análisis fenomenológico e interpretativo (AFI) — p. 223
    6. 5.17.6 Análisis etnográfico — p. 223
    7. 5.17.7 Análisis hermenéutico — p. 224
    8. 5.17.8 Triangulación de técnicas de investigación cualitativa — p. 225
  72. 5.18 Mejores prácticas para un análisis cualitativo riguroso — p. 225
  73. 5.19 Matriz de consistencia en los análisis de la   investigación cualitativa — p. 227
  74. 5.20 Antinomias en la epistemología de las ciencias sociales — p. 229
  75. 5.21 La IA generativa en la investigación cualitativa — p. 230
  76. 5.22 Prompts útiles en el proceso de la investigación cualitativa — p. 232
  77. 5.23 Reducción de sesgos con la IA generativa — p. 234
  78. 5.24 Herramientas de IA para investigación cualitativa: descripción profunda y usos — p. 237
  79. 5.25 Software especializado con integración de IAG — p. 238
  80. 5.26 Beneficios de usar la IA en la investigación cualitativa — p. 241
  81. 5.27 Consideraciones y desafíos — p. 241
  82. 5.28 Conclusiones — p. 242
  83. 5.29 Palabras clave — p. 243
  84. 5.30 Preguntas — p. 243
  85. Referencias — p. 245
  86. Acerca del autor — p. 257

Materias

BISAC

  • REF020000. REFERENCIA > Investigación
  • COM004000. ORDENADORES > Inteligencia (IA) y Semántica

Thema

  • GPS. Métodos de investigación: general
  • UYQ. Inteligencia artificial

Dewey

  • 001.4. Generalidades > Generalidades y ciencias de la computación > Conocimiento > Investigación

Más de ECOE Ediciones

Ver todas