Saltar al contenido principal
Library homepage
 
LibreTexts Español

3.4: Análisis ético de datos

  • Page ID
    103180
  • \( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \) \( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)\(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\) \(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\)\(\newcommand{\AA}{\unicode[.8,0]{x212B}}\)

    Al analizar los datos, evite los datos de cocción, recorte y recolección de cerezas.

    Captura de pantalla 2020-05-26 a las 22.10.30.png

    Los datos de cocción son la práctica de falsificar datos. También puede ser la práctica de eliminar datos que no prueben una hipótesis con el fin de presentar un argumento más fuerte que pruebe la hipótesis. Por ejemplo, ¿y si estuvieras pidiendo pizza para un evento, y realmente quisieras que cada pizza tuviera tocino? AMAS el tocino. Si encuestaste a 100 personas sobre si les gustaba o no el tocino, y 50 personas dijeron que sí, y 50 personas dijeron que no, pero 25 de los “no” eran vegetarianos, entonces podrías reportar los datos con veracidad, a esa mitad de las personas encuestadas les gusta el tocino. Quizás la mitad de las pizzas deberían tener tocino encima. O bien, podrías “cocinar” los datos excluyendo a los vegetarianos de la encuesta porque, como razonas, no es que no les guste el tocino sino que no COMEN tocino, que es completamente diferente a gustarle. Entonces se podría decir que 2/3 de las personas encuestadas les gusta el tocino, o 67%, y por lo tanto tienes una razón para pedir tocino en todas las pizzas.

    El recorte de datos es un método utilizado para disminuir el efecto de los valores atípicos estadísticos sobre los resultados de un estudio. Si recortas datos, entonces debes decirle a tu lector que recortó los datos, y a qué porcentaje los recortó. Por ejemplo, si estabas pidiendo pizza para un evento, y realmente querías que cada pizza tuviera tocino, entonces podrías encuestar a 100 personas sobre si les gustaba o no el tocino. Su encuesta también incluye una pregunta sobre de qué planeta son las personas (este es un ejemplo ridículo, pero solo quería que fuera simple). Cuando miras los resultados, ves que a 55 personas les gusta mucho el tocino. Se nota que 45 personas dicen que no les gusta el tocino, sino que hay irregularidades en esos datos. Por ejemplo, 10 de esos encuestados dicen que son del planeta Mercurio, por lo que no pueden comer ningún alimento humano en absoluto. Entonces, recortará los datos para omitir estas irregularidades. Eso significa que a 55 personas les gusta mucho el tocino y a 35 no. Y le dirías a tus lectores que el 10% de las respuestas fueron criadas por irregularidades. También se pueden exponer cuáles fueron las irregularidades. Está bien recortar datos que están fuera del ámbito de las posibilidades, siempre y cuando se lo digas a tus lectores. No está bien recortar los datos simplemente porque te lo facilita o apoya mejor tu argumento.

    Captura de pantalla 2020-05-26 at 22.12.19.png

    Los datos de recolección de cerezas son la práctica de usar solo datos que respalden su hipótesis. Un buen ejemplo, con gráficas y humor, de la recolección de cerezas está aquí.

    Captura de pantalla 2020-05-26 at 22.12.27.png

    Vemos estos métodos utilizados tan a menudo en la presentación de datos en los medios, que podríamos llegar a creer que está bien cocinar, recortar y recoger datos para su análisis. No lo es.

    ¿Qué tan bien entiende la ética en el análisis de datos?

    Sesgos y Comunicación Técnica (Una Actividad)

    Como discusión final sobre ética y comunicación técnica, veamos las formas en que uno puede “traducir” un documento a una audiencia diferente. El documento de muestra vinculado a continuación es El primer informe de los ciudadanos, un documento creado en la India por el Centro de Ciencia y Medio Ambiente de la India. Haga clic en la portada de la revista para ver un elemento de muestra de ese documento. El elemento de muestra, “The Killer Still at Large”, explica el impacto que la fórmula para bebés está teniendo en la salud de los niños de la India.

    La pregunta para ti es, ¿cómo se “traduce” una pieza informativa escrita a un público determinado (en este caso, indio) con cierta perspectiva (preocupación por el medio ambiente y la salud pública) y cierto sesgo (esa fórmula comercial es inferior a la leche materna) en una pieza de interés humano para los lectores de un pequeño periódico en el sur de Estados Unidos? Cuatro escritores, abajo, asumen la tarea.

    Después de leer el artículo original, vinculado a la portada, arriba, leer a través de las cuatro revisiones, enlazadas a continuación. Cada uno fue revisado para que sirviera como historia periodística de interés humano para un periódico de un pequeño pueblo, el sur de Estados Unidos.

    Artículo revisado por Fenton Harcourt

    Artículo revisado por Chandra Mistry

    Artículo revisado por Lisa Reed

    Artículo revisado por Jerry Rouche

    ¿Cuál escritor hizo el mejor trabajo al revisar el artículo original para atender las necesidades del nuevo público? ¿Por qué lo crees? Registra tu voto aquí:

    Acceder a la encuesta

    Si fueras el editor de este periódico, ¿qué comentarios proporcionarías a los escritores? Utilizando sus mejores habilidades profesionales de comunicación técnica, brinde retroalimentación a los escritores en las cajas apropiadas en el Padlet. Ten en cuenta que lo que publicas está disponible públicamente. Adherirse a estas pautas de netiqueta.

    Accede al Padlet

    Obras Citadas

    Aristóteles, Nicomachean Libro de Ética 2. Traducido por W.D. Ross. 350 B.C. E. http://classics.mit.edu/Aristotle/ni...haen.2.ii.html Avise, J.C. 2001.

    Metáforas genómicas en evolución: Una nueva mirada al lenguaje del ADN. Ciencia 294:86-87. Carolan MS 2006.

    Los valores y vulnerabilidades de las metáforas dentro de las ciencias ambientales. Sociedad y Recursos Naturales 19:921-930. Herbers, JM. 2007.

    ¡Cuida tu idioma! Metáforas cargadas racialmente en la investigación científica. BioScience 57:104-105.

    Kant, Emmanuel. Bases para la Metafísica de la Moral. Traducido por Jonathan Bennett. 1785. http://www.earlymoderntexts.com/asse...s/kant1785.pdf

    Keuffer, Christoph y Brendon M. H. Larson. “Uso Responsable del Lenguaje en la Escritura Científica y la Comunicación Científica”. BioScience. 64.8 (2014): 719-724.

    Velásquez, Manuel G. Ética empresarial: conceptos y casos. 6ª Edición. Pearson/Prentice Hall: Upper Saddle River, NJ, 2006.

    Zuidema, Leah A. y Jonathan Bush. “Redacción Profesional en el Aula de Inglés”. Diario inglés. 100.6 (2011): 95-98.

    Captura de pantalla 2020-05-26 at 22.19.10.png


    This page titled 3.4: Análisis ético de datos is shared under a CC BY license and was authored, remixed, and/or curated by Tiffani Reardon, Tammy Powell, Jonathan Arnett, Monique Logan, & Cassie Race.