Diseño de una herramienta software para análisis descriptivo y factorial de datos
Cuando nos referimos al campo de las ciencias sociales la necesidad de analizar datos cualitativos se convierte en una necesidad para entender fenómenos complejos y generar conocimiento. Las encuestas son una herramienta de recolección de estos datos, pero la naturaleza de dichos datos provenientes...
- Autores:
-
Martínez, Rafael Ángel
Aguilera, Samuel
Almenarez, José Daniel
- Tipo de recurso:
- Fecha de publicación:
- 2024
- Institución:
- Universidad del Norte
- Repositorio:
- Repositorio Uninorte
- Idioma:
- spa
- OAI Identifier:
- oai:manglar.uninorte.edu.co:10584/13167
- Acceso en línea:
- http://hdl.handle.net/10584/13167
- Palabra clave:
- CFA
EFA
Streamlit
Factorial analysis
Descriptive analysis
Python
SEM
Dashboard
Web page
Análisis factorial
Página web
Análisis descriptivo
- Rights
- License
- Universidad del Norte
| Summary: | Cuando nos referimos al campo de las ciencias sociales la necesidad de analizar datos cualitativos se convierte en una necesidad para entender fenómenos complejos y generar conocimiento. Las encuestas son una herramienta de recolección de estos datos, pero la naturaleza de dichos datos provenientes de preguntas cerradas, junto con el uso de diversas escalas, requieren de herramientas analíticas que sean capaces de realizar un manejo cuidadoso de dichos datos (Mativi, Niveiros, et al, 2020). Tradicionalmente, el análisis de datos de encuestas se ha apoyado en métodos manuales o en software especializado como SPSS o Jamovi (Breuninger, Goyal, et al, 2023). El objetivo del presente proyecto es diseñar una herramienta sencilla, integral y centrada en el usuario que permita realizar análisis descriptivos, factorial exploratorio y confirmatorio de data categórica provenientes de encuestas. Esta solución será accesible desde cualquier dispositivo con conexión a internet y contará con la capacidad de manejar datos con Python y R. Las técnicas empleadas combinarán la estadística descriptiva con enfoques factoriales, facilitando la identificación de patrones y relaciones subyacentes en los datos. Además, contará con la integración de un API de Vertex AI para obtener descripciones de las variables deseadas. Su diseño seguirá un enfoque iterativo centrado en el usuario, buscando una óptima usabilidad en las herramientas para el análisis de los datos, permitiendo ser una opción viable con respecto a herramientas existentes. |
|---|