SISTEMA DE GESTIN ACADMICA DEL CENTRO DE CMPUTO E INFORMATICA DE LA UNIVESRSIDAD NACIONAL DEL ALTIPLANO DE PUNO CON TECNOLOGIA DATA WAREHOUSE PARA EL SOPORTE DE TOMA DE DECISIONES

UNIVERSIDAD NACIONAL DEL ALTIPLANO

FACULTAD DE MECNICA ELCTRICA, ELECTRNICA Y SISTEMAS

ESCUELA PROFESIONAL DE INGENIERA DE SISTEMAS

PROYECTO DE TESIS

modelo de arbitraje soportado por un sistema experto para mejorar la calidad de investigacin en LA UNIVERSIDAD NACIONAL DEL ALTIPLANO - PUNO

PRESENTADO POR:

MARCOS LENIN QUISPE CALISAYAJOSE ALEX QUISPE CALISAYAPARA OPTAR EL TITULO PROFESIONAL DE:

INGENIERO DE SISTEMAS

PUNO PERU

2012

INDICE

I. DATOS GENERALES.

3

1.1. TTULO.

3

1.2. RESPONSABLES.

3

1.2.1. Ejecutores

3

1.2.2. Director

3

1.2.3. Asesor

3

1.3. TIPO Y REA DE INVESTIGACIN

3

1.4. LOCALIZACION.

3

1.5 FECHA DE INICIO Y FINALIZACION.

3

II. PLAN DE INVESTIGACIN.

4

2.1. PROBLEMA.

4

2.1.1. FORMULACIN Y DEFINICIN DEL PROBLEMA.

4

2.1.2. JUSTIFICACIN DE LA INVESTIGACIN.

4

2.1.3. OBJETIVO GENERAL

5

2.1.4. OBJETIVOS ESPECIFICOS

5

2.2. MARCO TERICO.

6

2.2.1. ANTECEDENTES BIBLIOGRFICOS

6

2.2.1.1. Antecedentes a nivel nacional.

6

2.2.1.2. Antecedentes a nivel internacional.

7

2.2.2. DEFENICIN DE TERMINOS BSICOS.

9

2.3 HIPTESIS

20

2.3.1. HIPOTESIS GENERAL

20

2.3.2. HIPOTESIS ESPECFICAS

20

2.3.3. OPERACIONALIZACIN DE VARIABLES

20

2.4. MATERIALES Y METODOS

21

2.4.1. MTODO DE INVESTIGACIN

21

2.4.2 POBLACIN.

21

2.4.3. MUESTRA

22

2.4.4. DISEO DE LA INVESTIGACIN

222.4.5. METODOS DE RECOPILACIN DE DATOS.

23

2.4.5.1. INSTRUMENTOS.

23

2.4.5.2 TCNICAS DE RECOLECCIN DE DATOS

23

7.8. TRATAMIENTO ESTADSTICO.

23

2.5. ADMINISTRACIN DEL PROYECTO.

24

2.5.1. CRONOGRAMA DE EJECUCIN.

24

2.5.2. financiamiento.

25

2.6. BIBLIOGRAFA.

26

I. DATOS GENERALES.

1.1. TTULO.

modelo de arbitraje soportado por un sistema experto para mejorar la calidad de investigacin en la UNIVERSIDAD NACIONAL DEL ALTIPLANO - Puno.1.2. INVESTIGADOR.

1.2.1. Ejecutores: Bach. Marcos Lenin Quispe Calisaya.

Bach. Jos Alex Pealoza Cordero.1.2.2. Director: M.Sc.Robert Romero Flores.

1.2.3. Asesor : Ing. Julio E. Sotomayor Abarca.1.3. TIPO Y REA DE INVESTIGACIN

Tipo de Investigacin : Experimental. rea de Investigacin: InformticaSistemas de Informacin Tradicionales y Expertos.

1.4. LOCALIZACION.

Departamento: Puno.

Provincia

: Puno.

Distrito

: Puno.

1.5 FECHA DE INICIO Y FINALIZACION.

Fecha de inicio

: Octubre 2012.

Fecha de finalizacin: Diciembre 2012.

II. PLAN DE INVESTIGACIN.

2.1. PROBLEMA.

2.1.1. FORMULACIN Y DEFINICIN DEL PROBLEMA.

PISCOYA (2006), Indica que en el Ranking 2006 de Shanghai han aparecido de manera constante, aunque en diferentes posiciones slo siete universidades de Amrica Latina, cuatro de Brasil, una de argentina, una de Mxico y una de Chile. En los Rankings de Londres han aparecido, casi proporcionalmente, slo dos universidades: la Universidad Nacional Autnoma de Mxico y la Universidad de Sao Paulo de Brasil.

Carlos R. Abeledo (2004, p. 122), Dentro del marco de Convenio CONCYTEC-BID. Este consultor afirm que ninguna de las universidades peruanas puede ser considerada una universidad de investigacin.

Cul es el grado de influencia que ejerce el modelo de arbitraje soportado por un sistema experto para mejorar la calidad de investigacin en la Universidad Nacional del Altiplano - Puno?

2.1.2. JUSTIFICACIN DE LA INVESTIGACIN.

La difusin del conocimiento es un aspecto fundamental para el progreso, el desarrollo humano y la mejora de las condiciones de salud y de vida; por ende, en las tareas de enseanza as como de investigacin, la publicacin es un componente importante, es ms, la investigacin no sera completa si no se publicaran los resultados, as estos hayan sido negativos.

La publicacin cientfica vista de esta manera, es por lo tanto, uno de los principales productos de la investigacin y de la actividad cientfica. As los hallazgos de la investigacin o las soluciones que se proponen a raz de ella, slo estn sometidas al juicio y a la crtica de los usuarios o al intento de replicacin de otros investigadores, cuando son publicadas en forma adecuada.

Este proceso de evaluacin de trabajos de investigacin ser desarrollada por un modelo de arbitraje soportado por un sistema experto que nos permitir evitar la publicacin de trabajos de mala calidad y mejorar el contenido cientfico de los artculos que ayudara a fortalecer el lenguaje y la presentacin de los datos.

2.1.3. OBJETIVO GENERAL

Determinar el grado de influencia que ejerce el modelo de arbitraje soportado por un sistema experto para mejorar la calidad de investigacin en la Universidad Nacional del Altiplano - Puno.2.1.4. OBJETIVOS ESPECIFICOS

Determinar el grado de influencia que ejerce el modelo de arbitraje soportado por un sistema experto para mejorar la calidad de investigacin en su factor de impacto en la Universidad Nacional del Altiplano - Puno.

Determinar el grado de influencia que ejerce el modelo de arbitraje soportado por un sistema experto para mejorar la calidad de investigacin en su factor de prestigio en la Universidad Nacional del Altiplano - Puno.

2.2. MARCO TERICO.

2.2.1. ANTECEDENTES BIBLIOGRFICOS

2.2.1.1. Antecedentes a nivel nacional.

PISCOYA (2006). En su texto Ranking Universitario en el Per nos muestra el siguiente cuadro estadstico.

PISCOYA (2007), en la revista decanos en Lnea el investigador manifiesta que Es incomprensible, por ejemplo, cmo existen programas de postgrado en los que se da mucha prioridad al tema econmico y no as a la investigacin, algo fundamental para la produccin cientfica..

Adems indica que existe un hecho que lamentar: la presencia de universidades latinoamericanas en esos rankings es muy dbil. Las nicas que aparecen son casas de estudios de Brasil. Mxico, Argentina y chile Y el Per ? Lejos. Muy lejos.

FLOREZ (2008), En el boletn de la Sociedad Peruana de Computacin SPC indica que:

. Los problemas que hacen difcil desarrollar actividades de investigacin en las universidades peruanas son: 1. La poca experiencia de desarrollar investigacin dentro de las universidades. 2. La poca presencia de grupos de investigacin organizados. 3. La falta de cooperacin entre los grupos de investigacin existentes y las empresas

2.2.1.2. Antecedentes a nivel internacional.

Miranda at el (2007) en su investigacin realizada concluye indicando que:

1. Las redes acadmicas universitarias y la movilidad que se genera tanto en el personal docente como en el estudiantil a nivel nacional e internacional, puede ayudar a consolidar las lneas de investigacin, que desde el pregrado se deben establecer, con el fin de apuntalar la realizacin de proyectos de investigacin conjuntos, donde se aproveche las fortalezas de cada una de las instituciones. De esta manera sera posible consolidar verdaderos grupos investigativos que generen lneas de trabajo atendiendo a las necesidades reales y sentidas del pas. Lo anterior permitira que las actividades de las universidades estuvieran encaminadas a la generacin y aplicacin del conocimiento y no se centrara en la transmisin del mismo. Esto repercutira de manera directa en un cambio de concepcin de ciencia e investigacin y ayudara a que los resultados de las tesis de grado, adems de publicarse en revistas indexadas, tuvieran una aplicacin y un impacto importante y no se perdieran en los anaqueles

2. La relacin entre universidad y empresa, es decir, entre el mundo laboral y la educacin superior, con el fin de hallar un equilibrio entre la labor que conlleve la bsqueda del conocimiento y la atencin a necesidades sociales que respondan a expectativas y problemticas reales y sentidas. Al respecto las pasantas son un buen camino, pero an falta un mayor compromiso, especialmente de la empresa privada, que permita gestionar, desarrollar y apoyar econmicamente proyectos investigativos.

3. El uso de las nuevas tecnologas, sistemas de informacin y comunicacin posibilitan oportunidades para acceder y mejorar las formas de produccin, organizacin, difusin y control del conocimiento. En este sentido, surge la necesidad de garantizar un acceso equitativo a estas tecnologas en todas las instituciones universitarias del pas. Esto permitir, entre otras cosas, constituir redes y bancos de informacin, diseo de material didctico, transferencias tecnolgicas y fortalecimiento de las funciones de servicio a la comunidad que tienen las universidades, a travs de medios de informacin que garanticen la difusin y apropiacin social del conocimiento

2.2.2. DEFENICIN DE TERMINOS BSICOS.

Los sistemas expertos

A principios de la dcada de los 70, los investigadores del rea de la Inteligencia Artificial1 reconocieron que los mtodos y tcnicas para resolver problemas generales desarrollados los aos anteriores eran insuficientes para abordar aplicaciones de la vida diaria. Ellos comprendieron que era necesario un conocimiento especfico y limitado del dominio de la aplicacin de inters, ms que uno general que abarcara muchos dominios. Fue as que construyeron los primeros sistemas expertos en reas concretas del saber, tales como MYCIN para el diagnstico mdico, DENDRAL para deducir la estructura de una composicin qumica, PROSPECTOR para la exploracin mineral y muchos ms que tuvieron mucho xito.

Actualmente cada vez es mayor el nmero de usuarios que utilizan sistemas expertos, en diversos campos, tales como en el anlisis financiero, interpretacin de imgenes, pronstico de tiempo, auditora e impuestos, planeacin de operaciones, diagnstico mdico, diseo de redes, etc. Lo usan instituciones como Microsoft que incorpora en sus paquetes sistemas expertos de ayuda al usuario, la NASA para apoyar el lanzamiento de sus cohetes, Digital Equipment Corp. para el diagnstico de fallas de equipos, etc.

Definicin.

Feigenbaum, un lder en este campo, define a un sistema experto como ... un programa de computadora inteligente que usa conocimiento y procedimientos de inferencia para resolver problemas, de un dominio concreto, que son lo suficientemente difciles como para requerir la experiencia humana para su solucin.. Esta definicin introduce varios conceptos que tienen un especial significado e implicacin en el rea de los sistemas expertos. A continuacin los desglosaremos.

El dominio de un sistema experto denota el rea del problema del que tiene conocimiento. Est compuesto por una coleccin de conocimiento representativo, hechos, procedimientos, reglas, algoritmos y datos. Los sistemas expertos, por lo general, son diseados para resolver problemas de un dominio limitado y concreto.

El trmino inteligente incluye muchos aspectos (pensar, recordar, razonar, comprender, adquirir conocimiento), pero en este contexto enfatiza un aspecto especfico del comportamiento inteligente: razonar usando heurstica para resolver problemas eficientemente. Por otro lado, resolver un problema quiere decir: buscar una respuesta. As pues, una resolucin inteligente de problemas usa conocimiento a priori (heurstica) para reducir el espacio de bsqueda de la solucin, utilizando algunos indicios que pueden guiar a la obtencin de una conclusin aceptable, en contraposicin con la bsqueda exhaustiva que llevan a cabo las resoluciones no inteligentes

La habilidad para almacenar conocimiento, manipularlo y usarlo es el corazn de la metodologa de los sistemas expertos. El conocimiento comprende hechos y procedimientos, incluye conceptos, ideas, experiencia previa y heursticas. Adems, el conocimiento usado en los sistemas expertos se expresa en forma simblica y no numrica, es decir, se manejan conceptos (tumor canceroso) y categoras (grande, largo, difuso).

Finalmente, la definicin menciona inferencia. Inferir es el proceso por el cual el sistema experto utiliza los hechos y los procedimientos de su base de conocimientos para alcanzar una solucin. En los sistemas expertos se separan claramente los procesos de inferencia del conocimiento.

Caractersticas.

Algunas caractersticas de los sistemas expertos se pueden apreciar cuando son comparados con otras soluciones, tales como software convencional o expertos humanos.

Ventajas.

a) Replicacin.- Los sistemas expertos reproducen el conocimiento y heurstica de los expertos humanos. Esto permite que se pueda copiar y distribuir la experiencia tanto como se necesite y a un costo razonable.

b) Fcil modificacin.- El concepto de separar el conocimiento del mecanismo de inferencia facilita el proceso de modificacin del conocimiento. Esto es importante porque el conocimiento cambia frecuentemente.

c) Consistencia en las respuestas.- Los expertos humanos pueden dar soluciones diferentes al mismo problema; incluso el mismo experto humano puede dar respuestas distintas en diferentes ocasiones. Por su parte, los sistemas expertos son siempre consistentes en la solucin de los problemas, brindando respuestas iguales todo el tiempo.

d) Disponibilidad permanente.- Los sistemas expertos estn siempre disponibles, las 24 horas del da.

e) Preservacin de la experiencia.- El conocimiento de los expertos humanos presente en los sistemas expertos, se preserva para la posteridad.

f) Solucin a problemas con datos incompletos.- Los sistemas expertos, debido a su naturaleza heurstica, son capaces de resolver problemas con datos incompletos o inciertos. Esta caracterstica es importante porque la informacin completa y exacta de un problema rara vez est disponible.

g) Explicacin de la solucin.- Una caracterstica clave de los sistemas expertos es que son capaces de explicar cmo llegaron a sus conclusiones, qu decisiones tomaron y por qu lo hicieron. Esta explicacin clarifica y justifica los resultados. Adicionalmente, provee una forma rudimentaria de tutora.

Desventajas.

a) Dominio limitado.- El dominio de aplicacin de los sistemas expertos es limitado.

b) Escaso sentido comn.- El sentido comn de un humano es difcil de representarlo en un sistema experto.

Componentes estructurales.

Bsicamente se puede decir que los sistemas expertos estn formados por la base de conocimientos y por el motor de inferencia, aunque generalmente se les aaden ms mdulos para facilitar su uso y enriquecer su desempeo. En la fig. 1 se muestra un diagrama en el que se han incluido la arquitectura de un sistema experto tpico.

Fig. 1: componentes de un sistema experto tpico.

a) El motor de inferencia.- El motor de inferencia es el intrprete del conocimiento almacenado en la base de conocimientos. Sus tareas incluyen seleccionar, decidir y aplicar el conocimiento de la base de conocimientos sobre la base de hechos, con el fin de obtener la solucin deseada. Sus funciones principales son la inferencia y el control.

El control se refiere a la secuencia en que se examinan las primitivas de la base de conocimiento. La inferencia es el razonamiento que realiza a partir del anlisis y evaluacin de las primitivas de la base de conocimiento, encadenando conclusiones intermedias hasta presentar la solucin final.

b) La base de conocimientos.- La base de conocimientos es la parte ms importante de un sistema experto. Contiene el conocimiento y las heursticas del dominio en el cual el programa es competente y, en algunos sistemas, el conocimiento de control (metaconocimiento).

La eleccin del formalismo de representacin es fundamental para el rendimiento del sistema. Por ello su eleccin y diseo requieren de un estudio cuidadoso. La base de conocimientos debe permitir un rpido acceso a los conocimientos, debe ser modular y fcil de desarrollar y mantener.

c) La base de hechos.- Tambin llamada base temporal, almacena los datos recibidos de los usuarios sobre el problema particular que en un momento dado se intenta resolver y sobre el estado del sistema en cada instante.

d) La interface de usuario.- La interface de usuario facilita la comunicacin entre el usuario y el sistema, aceptando datos del usuario, planteando preguntas, dando informacin y mostrando la conclusin final a la que ha arribado el sistema experto. Toda esta informacin, ya sea de entrada o de salida, pasa por la base de hechos.

Es aconsejable poner especial atencin en la interface, pues el reconocimiento de la bondad del sistema experto depende de su aspecto y uso. En la interface se deben incluir elementos grficos, colores, ratones, ventanas, etc.

e) El mdulo de explicacin.- El mdulo de explicacin justifica el proceso de razonamiento que ha seguido el sistema experto para llegar a sus conclusiones. Los usuarios pueden hacer preguntas del tipo: por qu?, cmo?, qu pasa si? y ste mdulo les proporcionar la respuesta adecuada.

f) El mdulo de adquisicin del conocimiento.- El mdulo de adquisicin del conocimiento es el programa que permite a los expertos modificar la base de conocimientos. Es muy til porque el conocimiento constantemente est cambiando y es necesario actualizarlo. Tambin sirve para corregir errores que existan en dicha base.

Representacin del conocimiento.

El principal problema de los sistemas expertos es la representacin del conocimiento de los expertos humanos en la computadora. Como existen muchas maneras de representar el conocimiento, y cada una de ellas tiene ventajas respecto al resto, la eleccin del sistema de representacin depende del tipo de problema que pretenda resolver el sistema experto. A veces se opta por las llamadas representaciones hbridas para intentar conseguir las ventajas de varias de estas representaciones.

Comentaremos brevemente las principales caractersticas de las tcnicas de representacin de conocimiento que actualmente se usan: lgica, reglas, redes asociativas, marcos y objetos.

Lgica.

La lgica es una disciplina relacionada con la validez del conocimiento. Es muy importante dentro del contexto de la Inteligencia Artificial y especialmente en los sistemas expertos, debido a que brinda el formalismo para dos importantes conceptos: la representacin del conocimiento y el proceso de inferencia. Dentro de la lgica existen varias notaciones para representar el conocimiento, las ms importantes son: la lgica proposicional y el clculo de predicados.

La lgica proposicional usa proposiciones para describir y manejar hechos acerca del mundo. Una proposicin es una sentencia simple que tiene un valor de verdad o falsedad (ej.: hoy es viernes, hace fro). Las proposiciones pueden ser combinadas con otras proposiciones para expresar conceptos complejos acerca del mundo (ej.: hoy es viernes y hace fro), usando conectivos lgicos como la conjuncin, disjuncin, negacin eimplicacin. Las proposiciones compuestas tambin tienen su propio valor de verdad, el cual depende de los conectores y del valor de verdad de cada proposicin componente.

El clculo de predicados est basado en la idea de que las proposiciones deberan expresar relaciones entre objetos, como tambin cualidades y atributos de tales objetos. Tales relaciones se llaman predicados y los objetos son los argumentos de los predicados. El uso de argumentos permite que un predicado exprese una relacin acerca de muchos objetos diferentes, ms que de un solo objeto (ej.: color (pasto, verde), color (cielo, azul)).

Como las proposiciones, los predicados tienen un valor de verdad, pero este valor de verdad depende de sus argumentos. El clculo de predicados tambin soporta el uso de variables y de cuantificadores. Por eso se dice que la lgica de proposiciones es un subconjunto del clculo de predicados.

La esencia de la lgica de predicados es realizar inferencias lgicas, o sea, derivar nuevas verdades a partir de hechos conocidos. La lgica de predicados provee un conjunto de reglas de inferencia enteras que garantizan que las nuevas conclusiones inferidas sean ciertas, si los hechos de los cuales se han derivado lo son. Las reglas enteras ms importantes son el modus ponens y el modus tolens. La resolucin es otra regla entera y es el mecanismo fundamental usado por el lenguaje de computacin PROLOG (PROgramming in LOGic). El PROLOG es pues, una implementacin de la lgica de predicados en computadoras.

Reglas.

Las reglas son la tcnica ms popular para representar el conocimiento. Esto puede atribuirse a que ellas tienen un formato parecido al que utilizan los expertos humanos para expresar su conocimiento (condicin/accin).

Adicionalmente, son excelentes para representar el conocimiento heurstico, su implementacin es fcil, su entendimiento es rpido y pueden usar medidas de incertidumbre.

La frmula general de la regla es la siguiente:

SI < Condiciones > ENTONCES < Conclusiones o acciones>

La primera parte de la regla es una prueba condicional (tambin llamada premisa o antecedente). Si la prueba se satisface a travs de un emparejamiento con los hechos conocidos, entonces la segunda parte de la regla (tambin llamada conclusin, accin o consecuente) tambin se satisface.

Las reglas pueden ser aplicadas de dos maneras: encadenadas hacia delante o encadenadas hacia atrs. En el encadenamiento hacia adelante se busca la solucin utilizando todos los hechos iniciales y se aplica reiterativamente la regla del modus ponens para derivar hechos intermedios hasta que se encuentre la respuesta final. Este tipo de razonamiento es adecuado si existen pocos datos (o muchos, pero adquiridos automticamente) y muchas soluciones. Esto es cierto en aplicaciones de diseo, configuracin, planeacin y organizacin.

En cambio, en el encadenamiento hacia atrs se parte de un objetivo que trata de demostrarse buscando slo aquellos datos que lo confirmen; es decir, se aplican las reglas slo para derivar valores que demuestren objetivos o hechos intermedios, que posteriormente sern usados para evaluar el objetivo final. Este mtodo es til cuando existen demasiados datos iniciales, muchos de los cuales son irrelevantes, y un nmero limitado de resultados. Es perfecto para aplicaciones de diagnstico.

Es interesante notar que si las reglas slo incluyen proposiciones (constantes), entonces los hechos emparejarn exactamente con ellas. Esto quiere decir que la interconexin entre las reglas y los hechos es explcita y es conocida antes de la ejecucin, por lo que la base de conocimientos puede verse como un rbol de decisin y/o (y para las condiciones de cada regla, o para distintas reglas). En otros casos, si las reglas incluyen variables, se usa el emparejamiento con patrones para ligarlas con los hechos, consecuentemente las relaciones entre las reglas y los hechos varan en cada corrida del programa y slo se pueden conocer durante el tiempo de ejecucin. El primer tipo de reglas se aplica exitosamente en sistemas de diagnstico y clasificacin. El segundo tipo es til en situaciones en las cuales es necesario probar muchos datos antes de conseguir la solucin, como en el diseo, planeacin y sntesis.

Finalmente, la ventaja de las reglas es que son muy modulares, uniformes y naturales, pero tienen la desventaja de que su nmero crece muy rpido y a la hora de realizar su mantenimiento se debe tener mucho cuidado para no introducir reglas contradictorias o que generen encadenamiento infinito.

2.3 HIPTESIS

2.3.1. HIPOTESIS GENERAL

El modelo de arbitraje soportado por un sistema experto mejora significativamente la calidad de investigacin en la Universidad Nacional del Altiplano - Puno.

2.3.2. HIPOTESIS ESPECFICAS

El modelo de arbitraje soportado por un sistema experto mejora significativamente la calidad de investigacin en su factor de impacto en la Universidad Nacional del Altiplano - Puno.El modelo de arbitraje soportado por un sistema experto mejora significativamente la calidad de investigacin en su factor de prestigio en la Universidad Nacional del Altiplano -Puno.

2.3.3. OPERACIONALIZACIN DE VARIABLES

VARIABLE INDEPENDIENTE.

Modelo de arbitraje soportado por un sistema experto

Dimensiones:

Robusto

Flexible

Mantenible

Escalabilidad y rendimiento

Seguridad

VARIABLE DEPENDIENTE.

Calidad de investigacin

Dimensiones:

Factor de impacto

Factor de prestigio

2.4. MATERIALES Y METODOS

2.4.1. MTODO DE INVESTIGACIN

La investigacin es de carcter experimental, ya que se medir la calidad de los trabajos de investigacin al ser revisado por el modelo de arbitraje soportado por un sistema experto.2.4.2 POBLACIN.

Investigadores de la Universidad Nacional del Altiplano - Puno.

.Poblacin de la investigacin

UsuariosPoblacin

Estudiantes por mes del Centro de Cmputo e informtica de la Universidad Nacional del Altiplano de Puno

Altiplano 600

Docentes20

Trabajadores Administrativos10

Cuadro 02: Poblacin2.4.3. MUESTRA

Para seleccionar la muestra se utilizara la tcnica de Muestreo Aleatorio estratificado.2.4.4. DISEO DE LA INVESTIGACINEl diseo elegido es de dos grupos:

a. Un grupo experimental

b. Un grupo control

Con post test solamente, cuya representacin grfica es la siguiente:

G1: x O1G2: O2

Donde:

G1 : Grupo experimental.

G2 : Grupo control.

O: Observacin.

X: Tratamiento con el modelo de arbitraje.

- : Sin tratamiento con el modelo arbitraje.

2.4.5. METODOS DE RECOPILACIN DE DATOS.

2.4.5.1. INSTRUMENTOS.

Se emplearan los siguientes instrumentos:

Pruebas de conocimientos.

Cuestionario para encuestas y entrevistas

Fichas de Observacin

2.4.5.2 TCNICAS DE RECOLECCIN DE DATOS

Para los instrumentos mencionados de emplearn las siguientes tcnicas de recoleccin de datos.

Encuestas

Entrevistas

Observaciones

7.8. TRATAMIENTO ESTADSTICO.

En el proceso estadstico de anlisis y tratamiento de los datos se tomar en cuenta lo siguiente.

Los datos estadsticos se tabularn en el software estadstico SPSS V12.0 for windows y el Minitab.

Se utilizara la estadstica descriptiva y la inferencia estadstica

2.5. ADMINISTRACIN DEL PROYECTO.

2.5.1. CRONOGRAMA DE EJECUCIN.

CRONOGRAMA DE TRABAJO

ACTIVIDADES2012

ABRILMAYOJUNIOJULIOAGOSTOSETIEMBREOCTUBRENOVIEMBREDICIEMBRE

Elaboracin del ProyectoXX

Elaboracin de InstrumentosXX

Validacin de InstrumentosXXXX

Aplicacin de la

ExperimentacinXX

Toma de ResultadosXX

Anlisis de resultadosX

Redaccin e Impresin de

EjemplaresX

2.5.2. financiamiento.

RemuneracionesMonto S/.

Personal digitador700.00

Asesor estadstico1500.00

Asesor general1500.00

Material para el procesamiento de datos

Discos compactos50.00

DVD20.00

Software estadstico200.00

Alquiler de proyector100.00

Internet200.00

Servicios

Pasajes100.00

Viticos300.00

De Impresin

Papel bond A4 de 80 gr (2 millares)70.00

Papel bulki (1 millar)15.00

Stencil (2 cajas)70.00

Tinta de mimegrafo (2 tubos)50.00

Otros100.00

Encuadernacin100.00

Impresin500.00

Fotocopias200.00

Resaltadotes10.00

Tablero de encuestador10.00

Lapiceros y lpices10.00

Costo total5805.00

2.6. BIBLIOGRAFA.

1. AVILA ACOSTA, Roberto, Metodologa de la Investigacin, Editorial Estudios y Editores S.A. 2001.

2. CARRASCO DIAZ, Sergio, Metodologa de la Investigacin Cientfica., Editorial San Marcos, Per, 2006.

3. FLOREZ U. Omar, Investigando en universidades, Boletn SPC Volumen 1, Nro. 4 Junio 2008, www.spc.org.pe

4. HERNNDEZ SAMPIERI ROBERTO at el. Metodologa de la investigacin / Hernndez Sampieri Roberto, Carlos Fernndez collado, Pilar Baptista Lucio. Colombia, Ed. Panamericana formas e Impresos S.A., 1997.

5. MIRANDA Juan Francisco at el, La construccin de una institucionalidad y una poltica en ciencia y tecnologa. En Ciencia y tecnologa Colombia Vol 24, 2006, Pg 6.

6. PISCOYA HERMOZA, Luis, El Ranking Universitario en el Per, Lima ANR UNESCO, 2006.

7. PORTILLO LOAYZA, Maricela, Metodologa de la Investigacin Cientfica, Editorial Juan Gutemberg, 2003.

8. RICHARD FROST. Base de datos y Sistemas Expertos , Ingeniera de Conocimiento, primera edicin ,Editores Diaz de Santos SA, Madrid 1989.

9. STUART RUSSELL,PETER NORVIG. Inteligencia Artificial un Enfoque Moderno,primera edicin, Editorial Prentice Hall Hispanoamericana SA, Mxico 1996.

10. TORRES FERNNDEZ, PAUL. Cmo redactar una tesis?, Editorial, Asesores Bioestadsticas, 1997.

11. VELAZQUEZ FERNANDEZ, ngel, Metodologa de la Investigacin Cientfica, Editorial San Marcos. 2000.

GLOSARIO DE TERMINOS.

1. Investigacin.

2. Factor de impacto.

3. Factor de prestigio.

4. Sistema experto.

5. Calidad.

6. Arbitraje.

7. Modelo.

8. Ranking.

9. Grado

10. Influencia

11. Impacto.

.

En 1977, en el Congreso Mundial de la Inteligencia Artificial, Bartels and Weber, Analytical and Quantitative Cytology and Histology, 1989.

Denota el conocimiento acumulado con el tiempo y que es resultado de asociaciones empricas propias de cada persona.

Desarrollada por Robinson en 1965.

Desarrollado por A. Colmerauer en los aos 70.

1