Tecnología. La única condición para hacer minería de datos es tener un problema relacionado con el negocio y los datos pertinentes

Transcripción

1

2 Tecnología ESTRATEGIAS Y PROCESOS RELACIONADOS CON LA ADQUISICIÓN Y RETENCIÓN DE ESTUDIANTES EN UNA UNIVERSIDAD PRIVADA UTILIZANDO HERRAMIENTAS Y TECNOLOGÍAS DE INTELIGENCIA DE NEGOCIOS La única condición para hacer minería de datos es tener un problema relacionado con el negocio y los datos pertinentes RAFAEL CASTILLO SANTOS 1 Resumen La educación universitaria en nuestro país, dada la necesidad que tienen las universidades de carácter privado de competir por la vinculación de nuevos estudiantes, retener a los que ya están y evitar las deserciones, convierten cada vez más este servicio, en un producto comercial por el cual competir, y por lo tanto permanecer o no en el mercado. Por la razón anterior, el objetivo principal del presente artículo, es mostrar las bondades de la aplicación de la minería de datos en el proceso de adquisición y retención de estudiantes en una universidad privada, relacionando las técnicas de modelamiento predictivo y modelamiento descriptivo, análisis de retención y sus algoritmos respectivos, cuando se formulan preguntas como Cómo lograr un mayor número de estudiantes matriculados? Cuántos estudiantes que ingresan continuaran después del Primer semestre? Cuántos continuaran después del segundo semestre? Cuál es el perfil de estudiante que probablemente continuara? Cuál el perfil del estudiante que más probablemente desertara? Se hace énfasis en la deserción universitaria debido a que es un problema crítico que se presenta actualmente en la mayoría de las universidades no solamente de Colombia, sino de la mayoría de países latinoamericanos. Se describen las etapas de la metodología propuesta por Michael Berry y Gordon Linoff y las cuatro fases en las cuales se agrupan: filtrado de datos; Selección de variables; extracción del conocimiento e interpretación y evaluación. Además se proporcionan algunas guías que permitirán a una entidad universitaria privada tomar las acciones necesarias tendientes a mejorar la adquisición de sus estudiantes y retener a los que ya están matriculados. Palabras clave: Retención y Deserción Universitaria; Minería de datos; modelamiento predictivo; modelamiento descriptivo; análisis de retención. Abstract The university education in our country, given the necessity that private universities have of competing for the linking of new students, to retain those that are already and to avoid the desertions, it convert more and more this service, in a commercial product for the one which to compete, and therefore to remain or not in the market. For the previous reason, is the main objective of the present article, to show the kindnesses of the application of data mining in the process of acquisition and students retention in a private university, relating the techniques of predictive and descriptive modeling, retention analysis and its respective algorithms, when ones formulate questions like How to achieve a bigger number of registered students? How many did students that enter continue after the First semester? How many did 1 Docente T.C. Universidad Autónoma de Colombia. rcastill@correo.fuac.edu.co 77

3 Clepsidra. Número they continue after the second semester? Which is student s profile that probably continued? Which is the student s profile that more probably deserted? Emphasis is made in the university desertion because it is a critical problem that shows up at the moment not only in most of the universities of Colombia, but of most of Latin American countries. The stages of the methodology described are proposed by Michael Berry and Gordon Linoff and the four phases in which its groups: filtrate of data; Selection of variables; extraction of the knowledge and interpretation and evaluation. Some guides are also provided that will allow to a private university to take the necessary spread actions to improve the acquisition of their students and to retain those that are already Words key: Retention and University Desertion; Data Mining; Predictive and descriptive modeling; Retention analysis. INTRODUCCIÓN Y ANTECEDENTES Durante el tiempo transcurrido desde la fundación de la universidad, la toma de decisiones la han realizado los directivos fundamentalmente con base en la experiencia, después de realizar largos y tediosos análisis del comportamiento de la información, obtenida ésta, con herramientas que aunque facilitan el proceso, lo hacen de manera muy lenta y luego de interminables cruces. Actualmente el proceso de acreditación por la calidad de la educación superior, condiciona a las universidades y establece algunos lineamientos orientados a mejorar la calidad. Algunos de ellos están relacionados con calidad académica, bienestar universitario y contratación de docentes. Para el manejo de estas variables, es importante contar con un sistema de información que permita determinar comportamientos, hallar proyecciones y relacionar diferentes variables. Por lo tanto la minería de datos sobre información histórica se constituye en una herramienta útil al permitir facilidades de generación de reportes y descubrir y entender patrones ocultos en bodegas de datos. Estos reportes y patrones permiten entender comportamientos y tendencias con muy alta precisión por medio del uso de algoritmos supervisados o no supervisados. El Resultado? Las instituciones universitarias podrán de una manera más adecuada realizar todos sus procesos de proyección, planeación y gestión de los recursos. En enero de 2004 SPSS, compañía dedicada a elaborar software para análisis estadístico y CLEMENTINE, software para minería de datos, publicó a través de JING LUAN, PHD, Jefe de planeación y registro, el artículo Data mining application in Higher education [1] en el cual se plantean los beneficios del uso de la minería de datos, en entidades universitarias. En él se hace una comparación de los procesos llevados a cabo en entidades de carácter comercial que también utilizan herramientas de minería de datos. Luego de presentar tres casos de estudio, el autor concluye estas herramientas le permiten a una universidad un mejor uso y planeación de los recursos y la predicción de algunos comportamientos tales como procesos de aprendizaje, transferencia entre carreras y relaciones de mercadeo con los estudiantes [1]. En el IV Coloquio Internacional sobre Gestión Universitaria en América del Sur ALIANZAS ESTR ATÉGICAS, INTEGRACIÓN Y GESTIÓN UNIVERSITARIA 8-10 de diciembre de 2004, Florianópolis, Santa Catarina Brasil, el Ing. Diego D. Gregoraz y el Dr. Julio C. Durand, presentaron la ponencia Explotación de la información académica para la mejora continua, donde entre otros aspectos orientados a mejorar los procesos administrativos de la universidad, incluyeron la minería de datos como herramienta que está en la intersección de varias disciplinas como estadística, aprendizaje automático (machine learning) y manejo de bases de datos, entre otras. A través de un ejemplo mostraron cómo se pudo establecer la correlación de diferentes variables (por ejemplo ubicación geográfica y resultados en diferentes asignaturas) para encontrar comportamientos ocultos de la deserción de los estudiantes. En la Argentina, Universidad Nacional de la Patagonia, UNPA, un grupo de docentes realizó un estudio debido a la preocupación existente ante la deserción de estudiantes. Inicialmente se realizó un estudio cuantitativo que en una primera etapa estableció el perfil del alumno que ingresaba y si esto tenía relación con el abandono. La segunda etapa fue de comprensión de las razones y en esta instancia, se fue directamente a la búsqueda de los alumnos desertores para que explicaran los motivos. Otra instancia se fundó en la percepción de esos motivos, donde descubrieron por ejemplo, entre otros, el aspecto metodológico de estudio, la relación con los profesores, las exigencias y falencias de aprendizaje [2]. En la universidad de Río, provincia de Córdoba, Argentina, también se ha llevado a cabo un proceso similar, teniendo en cuenta que el proceso de deserción universitaria comprende tres términos proceso de selección, medida del rendimiento académico, y eficacia del sistema educativo [3]. El primero se enmarca en el enfoque sociológico, según el cual la selección que se opera en la Enseñanza Superior, se constituye en un filtro social que frena la movilidad. El segundo, en la Universidad se debiera abordar tres dimensiones: éxito, retraso y abandono. Y el tercero, la deserción sólo da cuenta que en 78

4 Tecnología algunos estudios se registra una mayor tendencia al abandono en las instituciones que no tienen examen de ingreso [3]. En Uruguay [4], y en Europa [5] las preocupaciones son similares y los estudios realizados pretenden explicar y encontrar soluciones al tema. SITUACIÓN DE LAS UNIVERSIDADES PRIVADAS FRENTE AL INGRESO DE NUEVOS ESTUDIANTES Y A LA DESERCIÓN ESTUDIANTIL La situación presentada actualmente en las universidades a nivel latinoamericano incluyendo a México es preocupante. Debido por un lado al no ingreso o niveles bajos de ingreso de nuevos estudiantes y por otro lado a los altos índices de deserción universitaria. Según la revista Estadísticas e indicadores de la universidad Nacional de Colombia, basada en La información estadística del Departamento Nacional de Planeación, Boletín No 27, Educación y fuerza de trabajo, Bogotá, septiembre de 2000, y el Informe de Desarrollo Humano para Colombia, 1999 [6], muestra que tal tendencia para Colombia se ve reflejada en indicadores tales como el estrato social, tipo de educación impartida, ubicación geográfica, actividad económica y en menor medida el sexo. Para el caso de los estratos 1, 2 y 3 se ve una tendencia significativa a la deserción debido fundamentalmente a que la edad de estos estudiantes oscila entre 17 y 20 años, en la cual ya están aptos para el ingreso a la población económicamente productiva; a la disminución de los ingresos familiares y por otra parte a la mayor valoración del trabajo material antes que el intelectual. Quizá el mayor impacto de estas estadísticas, tal como lo muestra la figura 1, esta en el ingreso familiar, el cual para ingresos de estratos 5, cerca del 99% de los estudiantes ingresan y permanecen en la educación superior, mientras que para estrato 4 la cifra es de apenas el 37% y 18% para estrato 3. Quintil de Ingreso per cápita Cobertura de educación Superior Diferencia TB-TN Extraedad Tasa bruta de coberttura Tasa neta de coberttura < 18 años > 24 años Total Fuente: Cálculos de la Misión Social del DNP con base en Encuesta de Calidad de Vida Figura 1. Cuadro comparativo de ingreso a la educación superior con relación a los ingresos familiares [6]. Las cifras presentadas también reflejan de alguna manera la falta de apoyo del estado a la educación superior pública, la cual ha mostrado una tendencia a la baja. Sin embargo un factor positivo en esta dinámica lo muestran las estadísticas de empleo. Tal como lo muestra el cuadro de la figura 2, Los salarios de los ocupados con educación superior crecieron entre 1991 y 1998 un 26% en las zonas urbanas, mientras que para las personas con sólo estudios básicos de primaria decrecieron en un 18%. El aumento de salarios ha favorecido a los que tienen educación superior y la ocupación para personas con secundaria y universitaria aumentó en un 18% y 41% respectivamente, mientras que la tasa de empleo de las personas sin educación o con educación primaria bajó. Una condición que afecta el ingreso a los niveles saláriales altos o al ingreso a determinados cargos es la exigencia de un mayor nivel educativo (figura 3.) 79

5 Clepsidra. Número Zona Ocupados Salario medio Ocupados Salario medio Ocupados Salario medio Urbano Ninguna Primaria Secundaria Superior Subtotal* Rural Ninguna Primaria Secundaria Superior Subtotal* Total Ninguna Primaria Secundaria Superior Subtotal* * El número restante para alcanzar el total corresponde a las personas que no informan Fuente: DANE. Encuesta de ogares para septiembre de cada año Figura 2. Empleo y salarios según nivel educativo. [6] Nivel educativo/ocupación 1978 % 1991 % 1993 % 1995 % 1997 % 1999 % Alguna universitaria y más Profesionales, técnicos y directivos Personal administrativo Comerciantes, vendedores Trabajadores de los servicios Trabajadores agrícolas Trabajadores operarios no agrícolas Fuente: Cálculos Departamento Nacional de Planeación-UDS-DIOGS con base en Dane. Encuesta de HOgares, Septiembre. Figura 3. Población ocupada, para educación universitaria o superior. [6] 80

6 Tecnología Desde otro contexto el problema puede ser visto teniendo en cuenta las consideraciones presentadas por el diario la Prensa en su edición de Junio 20 de 2005 [7]. En este artículo se comenta que el porcentaje de estudiantes que no terminan su carrera universitaria esta alrededor del 52%., es decir de cada dos estudiantes que ingresan a la educación superior solamente uno termina. Entre las razones que se manifiestan para la deserción están: Razones económicas. Mala calidad de los programas. 51 programas están a punto de ser cerrados por el incumplimiento de requisitos de calidad [7]. Dificultades en el aprendizaje y en la lectura. Falta de información sobre la vida universitaria. Ausencia de una orientación vocacional. CONTEXTO DE LA DESERCIÓN UNIVERSITARIA Algunas universidades, como la Universidad Tecnológica de Pereira, han tomado algunas medidas tendientes a contrarrestar el problema. En este caso concreto se modifico el reglamento estudiantil, el cual esta vigente desde septiembre 15 de 2005, para permitir transferencias de estudiantes de no solamente carreras tecnológicas, sino de cualquier estudiante de cualquier carrera afín a las Ingenierías. También en esta reforma se hacen cambios relacionados con la inscripción de materias de semestres anteriores que el estudiante tenga pendientes (ahora puede verlas cuando quiera, siempre que cumpla con los prerrequisitos). Igualmente se puede cancelar una materia hasta una semana antes de exámenes finales; la inasistencia del 20% a una asignatura, siempre y cuando esta no sea práctica no implicara su perdida. Todas estas medidas pretenden disminuir la deserción universitaria y dar mayores posibilidades a los estudiantes de clases menos favorecidas.[8] En la Universidad Tecnológica de Bolívar, el problema de la deserción universitaria esta siendo enfrentado con estrategias de tipo financiero tales como dar mayor flexibilidad al pago de la matrícula, apoyado por la diversificación del portafolio de ayuda financiera (convenio con bancos, tarjetas de crédito, crédito directo, crédito ICETEX, monitorías, prácticas administrativas, becas, descuentos), y estrategias de tipo académico tales como la revisión del reglamento académico, programa de recuperación y asistencia académica, nuevo modelo pedagógico, programa de formación de docentes en habilidades pedagógicas, entre otros.[9] Las técnicas de minería de datos, permiten la clasificación de datos según un contexto o comportamiento, por ejemplo de ingresos o retiros de estudiantes. Adicionalmente permite obtener comportamientos por medio del análisis secuencial; permite la totalización de datos y la visualización de los mismos por medio de diferentes representaciones (árboles de decisión, funciones lineales o no lineales, modelos de probabilidad, por mencionar solamente algunos). Los resultados que se esperan tener de la aplicación de un proceso a través de minería de datos, son uno o varios modelos de decisión que deben haber sido probados suficientemente, para que puedan ser aplicados por uno o varios departamentos o secciones de la universidad. Estos modelos se comportaran como agentes inteligentes, donde la inteligencia estará dada por la aplicación de las políticas y reglas de la universidad. Dos modelos usados frecuentemente en minería de datos son el descriptivo y el predictivo. Modelamiento descriptivo. Este modelamiento presenta las características fundamentales de los datos a ser estudiados, sin que para ello se creen trabas a la cantidad de los datos. Como resultado se obtendrá un entendimiento mas concreto de las relaciones de los datos y sus correspondientes estructuras. Un modelo obtenido de esta manera se considera que es Generativo, debido a que los datos generados tendrán las mismas características de los datos reales de los cuales se generan. [12] Modelamiento predictivo (Ver figura 4). El objetivo principal al aplicar un modelo predictivo, es el de encontrar el valor no conocido de una variable, dados los valores o comportamientos de otras variables. Por ejemplo en el caso planteado como titulo de este artículo, el de encontrar cuantos estudiantes, nuevos en la universidad desertaran de su carrera y de la universidad. Este tipo de modelamiento se puede presentar como la relación un grupo de valores en un vector y sus resultados esperados, obtenidos por medio de una funcion y= f(x; ) donde x son los valores medidos y los parámetros del modelo. Training Data Data Mining System New Data Model BODEGAS DE DATOS Y MINERÍA DE DATOS En la edición anterior de la revista, Pág. 33 [10], el autor menciona las condiciones bajo las cuales se aplica la minería de datos, con sus correspondientes definiciones y marcos teóricos de aplicación. Prediction Figura 4. Proceso para realizar el modelamiento predictivo en minería de datos. [13] 81

7 Clepsidra. Número La minería de datos, también tiene como característica que es un proceso que tiende a ser orientado a hallar comportamientos a nivel de detalle, como por ejemplo encontrar a aquellos estudiantes que prefieren un grupo particular de asignaturas orientadas por algún docente; notas obtenidas por estudiantes que en el ultimo periodo fueron superiores al promedio, en un grupo particular, sin que esto signifique que no se puedan tener resultados a nivel totalizado como por ejemplo cuantos estudiantes de los que desertan tienen promedio académico inferior al mínimo establecido. Otra técnica recientemente empleada en mercadeo utilizando herramientas de minería de datos, muy relacionada con la retención de clientes, es el Análisis de supervivencia o análisis de eventos en el tiempo (time to event analysis). Ésta está orientada a entender a los clientes cuando hay motivos por los cuales preocuparse, relacionados estos con la ocupación que están haciendo de los servicios de la organización y determinar cuáles factores de los que tienen que ver con una relación comercial tienen el mayor efecto en la permanencia de un cliente. Las características de esta última técnica es la de proveer el entendimiento de eventos en el tiempo tales como [11]: Cuándo será que un cliente se retirará. Cuál será la siguiente ocasión que un cliente se cambiara a otro segmento del mercado. Cuál la siguiente ocasión que un cliente ampliará o disminuirá la relación comercial. Cuáles son los factores en la relación comercial que incrementan o disminuyen el uso de los recursos por parte de los clientes. Hay dos valores muy importantes que soportan la información de retención o sobrevivencia de los clientes: la fecha de inicio y la fecha de finalización de la relación comercial. En algunas aplicaciones estos son bastante evidentes, como por ejemplo el inicio y finalización de un semestre académico, un curso de capacitación o inscripción a alguna revista o periódico. Pero en otras aplicaciones, como las transaccionales, estos datos no son muy evidentes. Con los datos proporcionados por los periodos de retención de clientes, se puede hacer una grafica o curva de retención, la cual mostrara el porcentaje de clientes que se retienen para un periodo de tiempo particular (ver figura 5). En esta curva los clientes que están en los mayores periodos de retención también lo están en los menores, es decir tiene un comportamiento de Histograma y permitirá establecer cuando la mitad de los clientes saldrá o dejará de tener vínculos con la organización (aproximadamente 20 meses, en la grafica) y también a partir de ella, el tiempo promedio de retención de un cliente (ya que el área bajo la curva es la cantidad de clientes dividido por la cantidad total de clientes (aproximadamente 45 meses en la grafica). Figura 5. Curva de retención de clientes por periodos de tiempo con duración total de 10 años. [11] Un análisis de retención se complementara en forma mas precisa con el análisis de amenazas (Hazard analysis) el cual posteriormente podrá servir de base para el análisis de sobrevivencia. Mientras que el primero permite responder a preguntas como cuántos clientes que han sobrevivido a una cantidad de tiempo tx, saldrán o se retiraran en el tiempo tx +1? la segunda determina la probabilidad que hay que un cliente permanezca después de ese periodo de tiempo (los valores de sobrevivencia normalmente se calculan a partir de los valores dados por el análisis de amenazas. LA MINERÍA DE DATOS Y LOS PROCESOS DE ADQUISICIÓN Y RETENCIÓN DE ESTUDIANTES El proceso a realizar se encuentra enmarcado en las condiciones necesarias para las cuales la minería de datos se aplica. Un buen punto base para el inicio, será tomar el plan estratégico que la universidad tenga y las proyecciones planeadas para el logro del mismo. Todo proyecto de minería de datos es factible si se tiene la necesidad y los datos para realizarlo. Visto de otra manera, quiere decir que al interior de la Universidad se puede realizar cualquier proyecto relacionado con minería de datos, siempre que se tenga una necesidad real que conlleve a una mejora de las condiciones de la organización, mejores condiciones económicas, aumento de los índices de participación en el mercado y se cuente con la suficiente cantidad de datos sobre los cuales se puedan entrenar los diferentes algoritmos o establecer las condiciones necesarias para su aplicación. El análisis de factibilidad económico permitirá determinar si los costos que conlleva el montar todo el proceso de minería de datos, resultará en un producto que genere beneficios económicos a la organización. El plan estratégico tiene varios objetivos institucionales (como por ejemplo proyección social, calidad administrativa y académica) los cuales a su vez tienen objetivos estratégicos (Generar ofertas 82

8 Tecnología educativas que se adapten a las necesidades de la comunidad, desarrollar e innovar programas y procesos curriculares, promover el desarrollo de líneas y grupos de investigación tanto en pregrado como en posgrados, entre otros) basados a su vez en proyectos necesarios para el logro de los mismos. Algunos de estos proyectos son: Establecer relaciones con entidades gubernamentales y educativas; ofrecimiento de nuevos programas académicos de pregrado y posgrado; virtualización de componentes curriculares y de educación; capacitación continua de docentes; adquisición de nuevos estudiantes y disminución del índice de deserción universitaria. Cada uno de estos proyectos puede tener condiciones similares de factibilidad por lo que habrá que determinarse de alguna manera cual de ellos será el que inicialmente se lleve a cabo. Una forma de realizar esta selección puede ser a través de la asignación de prioridades establecidas con lo que la universidad espera obtener en corto y mediano plazo para el logro de sus objetivos. Siendo los estudiantes quienes aportan la mayor cantidad de dinero con el cual se financia la Universidad, no es difícil determinar que uno de los proyectos con el cual se puede iniciar un proceso de minería de datos es el de la adquisición de nuevos estudiantes y evitar el retiro o deserción de los mismos. Cuando se trata de establecer las estrategias de adquisición de nuevos estudiantes, la fuente de la información esta en los datos históricos que se tienen en el datamart de estudiantes. Las variables a identificar serán aquellas que relacionen a los estudiantes que hayan terminado sus estudios graduados o no y los que aun están cursando algún semestre, con el estrato social del que provienen, el área geográfica de la ciudad donde residen, la institución donde realizaron sus estudios primarios y secundarios, el valor de la matrícula que pagan en la universidad, la carrera que cursaron, ubicación de los estudiantes egresados en cargos oficiales o privados, facilidad de ubicación laboral durante o después de cursar la carrera, etc. Del análisis de cada una de estas variables puede generarse un plan de mercadeo orientado a fortalecer aún más las áreas donde se es fuerte y a aumentar la participación en aquellas donde se tiene debilidad o ninguna participación. Igualmente según lo planteado en los numerales 2 y 3 de este artículo, también se pueden desarrollar modelos de minería de datos para el retiro (o deserción) voluntaria o no de estudiantes de la universidad. Es necesario hacer la diferenciación, pues las causas suelen ser diferentes. Las razones involuntarias pueden ser salir de la universidad porque el promedio académico exigido no le permite continuar o por sanciones disciplinarias y voluntarias por falta de recursos económicos, exigencia laboral en la entidad donde trabaja o va a trabajar, a que encontró otras opciones dependiendo de su visión de calidad académica o costos de los estudios mas baratos en otra universidad con igual o similares proyecciones profesionales, por mencionar algunos. En cualquiera de los casos planteados habrá necesidad de desarrollar varios modelos de minería de datos basados en algoritmos de segmentación, o de predicción, o de clasificación, realizar el análisis de sobrevivencia (survival análisis) [11] explicados en la sección 4 de este artículo y en las graficas obtenidas como por ejemplo curvas de retención (ver figura 5), o curvas de amenazas, curvas de sobrevivencia. Los resultados permitirán a la universidad crear las acciones necesarias para encontrar su nicho en el mercado, mejorar y flexibilizar los programas académicos y proporcionar planes de financiación que le permitan al estudiante continuar sus estudios basados en algún plan especial de pagos, financiación, becas, planes alternos de estudio, programas especiales de nivelación, etc. LA MINERÍA DE DATOS Y LOS PROCESOS RELACIONADOS CON EL CICLO DE VIDA DEL ESTUDIANTE Existen datos suficientes recopilados a través del ciclo de vida que un estudiante realiza en la Universidad para llevar a cabo los procesos relacionados en la sección anterior y en cada uno de ellos, se puede realizar la gestión de manera más detallada, relacionada con la minería de datos. Estos pasos secuenciales o no pueden ser: Inscripción para el primer semestre. Se hace a través del formulario de inscripción, el cual contiene los datos básicos del nuevo prospecto a ser estudiante. Los datos suministrados alimentan la base de datos de estudiantes (y/o el datamart de estudiantes). La ayuda que Las técnicas de clasificación, predicción, agrupamiento o estimación pueden dar a la universidad, consiste en conocer cuántos estudiantes se inscribieron, de qué colegio o institución salieron, en qué año y como se enteraron de la universidad. Adicionalmente la minería de datos, establecerá qué comportamiento tiene la inscripción dependiendo de si es el primer o segundo semestre académico. Matricula estudiantes primer semestre. En este paso se completa toda la información que la universidad requiere del estudiante, complementada con los resultados que al final del semestre el estudiante haya obtenido (por ejemplo los resultados de las notas obtenidas). Las técnicas a usar son muy similares a las del paso descrito anteriormente, las cuales permiten clasificar al estudiante en algún grupo en particular, por medio de patrones encontrados luego de entrenar algún algoritmo de estimación y/o predicción. Esto permitirá posteriormente, establecer con mayor exactitud, cuáles son las características o comportamientos del grupo de estudiantes que continuara sus estudios en otros semestres académicos o también determinar al grupo de estudiantes que deserto y cuales sus posibles causas. 83

9 Clepsidra. Número Inscripción y matricula de estudiantes en semestres posteriores al primer semestre. Los comportamientos de los estudiantes para semestres posteriores al tercer semestre tienden, según las estadísticas a ser muy estables. En este paso los estudiantes que continúan sus estudios, semestre a semestre proporcionan información con los resultados obtenidos en las diferentes actividades académicas y de participación de la universidad. Por lo tanto la ayuda de la minería de datos puede ser bastante restrictiva, y orientada fundamentalmente a la inscripción de asignaturas que son electivas y orientadas por algún docente en particular. El perfil del estudiante será más completo al igual que sus correspondientes patrones de comportamiento. La ayuda en este caso será para las directivas de la universidad, al poder gestionar los recursos, como planta física, número de docentes, asignación de salones, número de cursos, horarios, etc. Retiro (deserción) de estudiantes por diversas causas. Cuando un estudiante se retira de la universidad, se le proporciona un formato donde entre otros datos expone las razones por la cuales toma la decisión y cual es la probabilidad de regreso. Estos datos digitados en la base de datos de estudiantes (y/o en el datamart de estudiantes), permitirá establecer las características de los grupos de estudiantes que mas frecuentemente toman esta decisión; las causas comunes por las cuales la toman; permitirá establecer la correlación de variables y determinar algún patrón que modele las condiciones para realizar predicciones para la toma de decisiones. En otras actividades relacionadas con el desarrollo del periodo lectivo tales como cancelación o adición de asignaturas, habilitaciones y validaciones, suspensión de estudiantes por promedio inferior al reglamento, suspensión de estudiantes por faltas graves, sustentaciones de tesis y graduación, suspensión temporal de estudios, reintegros de estudiantes, transferencias externas de otras universidades o transferencia interna a otra carrera son procesos que alimentan la base de datos de estudiantes, con datos que permitirán correlacionar las variables del sistema y hallar comportamientos y patrones ocultos. CONCLUSIONES Un factor clave de éxito en la aplicación de la minería de datos, es conocer o tener establecido cual es el objetivo de su aplicación, es decir saber cual es el problema que se pretende resolver. Tenerlo claro permite orientar y definir con un alto grado de éxito el desarrollo y resultados del proyecto a desarrollar. También es fundamental establecer cómo se hará la aplicación del ciclo de vida de la minería de datos, pues ésta constituye la forma organizada y detallada de llevar a cabo el proceso y la obtención de un modelo que permita realizar el logro de los objetivos propuestos. La minería de datos permite establecer comportamientos futuros y encontrar patrones de comportamiento ocultos, basados en datos históricos obtenidos en el transcurso de la vida de una universidad. No todos los modelos y algoritmos desarrollados dan solución a los problemas planteados o satisfacen sus necesidades. Por lo tanto es prioritario determinar cuales son los modelos de minería de datos que más se ajustan a los tipos de búsqueda y análisis de información para una institución de carácter universitario y en el caso del presente artículo a la deserción y/o retención de estudiantes o reclutamiento de nuevos estudiantes. BIBLIOGRAFÍA [1] Data Mining Applications in Higher Education. Jing Luan, PhD Chief Planning and Research Officer, Cabrillo College Founder, Knowledge Discovery Laboratories. SPSS [2] La UNPA encabeza un estudio sobre las causas de la deserción educativa. Periódico Austral. Julio 1 de [3] El factor educacional como causa potencial de la deserción en primer año de la universidad. Universidad Nacional de Río, Córdoba, Argentina. cde/h21.htm. Artículo bajado de internet el 25 de octubre de [4] BOADO, MARCELO. Una aproximación a la deserción estudiantil universitaria en Uruguay. Publicado por Instituto Internacional para la Educación Superior en América Latina y el Caribe. UNESCO. [5] Latiesa, Margarita. Tipología y causas de la deserción universitaria y el retraso en los estudios. Artículo bajado de Internet el 25 de octubre de [6] Estadísticas e indicadores de la universidad Nacional de Colombia, basada en La información estadística del Departamento Nacional de Planeación, Boletín No 27, Educación y fuerza de trabajo, Bogotá, septiembre de 2000, y el Informe de Desarrollo Humano para Colombia, [7] Caicedo C., Guarino (2005, Junio 20). COLOMBIA; Alto porcentaje de deserción universitaria; Estadística alcanza el 52% y es considerada como una verdadera tragedia nacional. El Diario La Prensa, p. 14. [8] Apoyando la formación superior de los estratos I, II y III. article75219.html#h2_6. Bajado de Internet el 22 de octubre de

10 Tecnología [9] 25. Estrategias para disminuir la deserción en la Universidad Tecnológica de Bolívar. [10] Castillo Santos, Rafael, Detección de intrusos mediante técnicas de minería de datos. Revista Clepsidra, Numero 2, [11] M. Berry, G. Linoff, Data mining techniques for marketing, sales and customer relationship management, Wiley Publishing, Inc. Indianapolis, 2004, pp [12] Hand, David; Mannila, Heikki and Smyth, Padhraic Principles of Data Mining. The MIT Press 2001 (546 pages) [13] Thearling, Kurt Ph.D. An Introduction to Data Mining. 85

11

12 Tecnología METODOLOGÍA PARA EL DISEÑO DE SALAS DE CONTROL LUINI LEONARDO HURTADO CORTÉS 1 Resumen Una acertada utilización del análisis de Factores Humanos (FH), contribuye de forma primordial al desarrollo de diseños de sistemas tecnológicos altamente especializados, como lo son las Salas de Control (SDC) para la supervisión de procesos o sistemas. El buen desempeño de las funciones que realizan los operarios en una SDC, depende de la Interacción Humano-Máquina (IHM). La calidad del diseño de una SDC, depende de la exactitud del método adoptado por el tratamiento de los FH con respecto a la automatización, control supervisor e interacciones dinámicas humanas. Un modelo Cognitivo Simple (MCS), basado en la combinación de la Ergonomía Cognitiva (EC) con la Ingeniería, para estudiar el comportamiento humano en actividades de supervisión con miras al diseño de SDC, comprende cuatro fases de modelamiento: un paradigma del comportamiento humano, una clasificación relacionada con las acciones humanas erróneas y su relación con el ambiente de trabajo, y un procedimiento para la aplicación de la metodología en el diseño de SDC. El presente artículo pretende mostrar una metodología de diseño de SDC, adoptando el modelo MCS involucrando el concepto de usabilidad y accesibilidad de producto, a fin de lograr la satisfacción en el contexto de la supervisión de procesos o sistemas. Palabras clave: Factores Humanos, Interacción Humano-Máquina, Ergonomía Cognitiva, Usabilidad. Abstract A guessed right utilization of the analysis of Human Factors (HF), contributes of basic form to the development of designs of technological highly specializing systems, since they it are the Rooms of Control (SDC) for the supervision of processes or systems. The good performance of the functions that the workmen realize in a SDC, there depends on the Human-Machine Interaction (HMI). The quality of the design of a SDC, depends on the accuracy of the method adopted as HF s treatment with regard to the automation, control supervisor and dynamical human interactions. A Cognitive Simple Model (CSM) based on the combination of the Cognitive Ergonomics (CE) with the Engineering to study the human behavior in activities of supervision with a view to SDC s design, includes four phases of modeling: a paradigm of the human behavior, a classification related to the human erroneous actions and the relation with the environment of work, and a procedure for the application of the methodology in SDC s design. This paper tries to show a methodology of SDC s design, adopting the model CMS involving the concept of usability and accessibility of product, in order to achieve the satisfaction in the context of the process supervision or systems. Keywords: Human Factors, Human-Machine Interaction, Cognitive Ergonomics, Usability. INTRODUCCIÓN La automatización se ha establecido para trabajar, cooperativamente, con humanos para cumplir un objetivo, y debe ser considerada como uno de los muchos recursos disponibles, para el operador humano, en quien recae la responsabilidad de la dirección y manejo completo de la planta. Desde este punto de vista, a menudo es llamada Automatización Orientada al Humano (AOH) [6], y usualmente se acepta como pauta fundamental para el diseño de nuevas SDC. Desafortunadamente, los sistemas actualmente automatizados no parecen cumplir su papel como un equipo cooperativo, y por ende son necesarios cambios para optimizar los diseños y así mejorar la coordinación y la cooperación entre humanos y máquinas. En la industria, nos encontramos con frecuencia, procesos que deben que ser controlados por seres humanos. La interacción de las personas encargadas del control de las operaciones, se 1 Profesor Adjunto, Facultad de Ingeniería, Universidad Autónoma de Colombia. 87

13 Clepsidra. Número lleva a cabo dentro de las llamadas Salas de Control (SDC), en ellas se puede encontrar un ejemplo de la importancia de un buen Diseño Orientado al Humano. En una SDC, generalmente se dispone de un gran número de dispositivos automáticos que funcionan bajo condiciones normales. La eficacia de las decisiones tomadas en su diseño se comprueba en situaciones de alto riesgo, ya que cuando sucede un evento inesperado, el ser humano es el que tiene que tomar control sobre el proceso, interactuando directamente con los dispositivos. El diseño de SDC ha sufrido un cambio de filosofía en los últimos años, debido a la importancia de la Interacción Humano-Máquina (IHM) y, por tanto, de la contribución de la Ergonomía Cognitiva (EC) en este contexto. La EC, se encarga de describir e integrar todos los procesos cognitivos que son responsables de la adquisición, almacenamiento y uso de la información que está disponible, para que la persona pueda realizar el trabajo y de esta manera ayudar a que el diseño del sistema sea el apropiado para el ser humano, mejorando su bienestar y evitando los temibles errores humanos. La correcta utilización del análisis de Factores Humanos (FH), contribuye de forma primordial al desarrollo de diseños de sistemas tecnológicos altamente especializados, las SDC para la supervisión de procesos, son uno de ellos. En particular, el problema de los HF afecta tres elementos principales de dichos sistemas de trabajo, a saber: la automatización del lazo de control, el papel de supervisión del operador, y la naturaleza dinámica de la IHM y de la Interacción Humano-Humano (IHH). Estos tres elementos están interconectados fuertemente. La tarea de un operario en una sala de control consiste en supervisar lo que ocurre, conocer el estado del sistema, reprogramarlo, tomar el control de los procesos automatizados cuando sea necesario, intervenir cuando se requiera, y planificar las acciones futuras a corto y largo plazo [1]. Estas funciones tienen relación con los procesos cognitivos humanos y su correcto funcionamiento depende de la Interacción Humano- Máquina. Cuando el operario interactúa con la planta, normalmente modifica el estado del proceso o implementa un nuevo procedimiento. Esto requiere de una fuerte IHM. Sin embargo, frecuentemente existe una variedad de sistemas complejos, bajo la supervisión de un número ilimitado de operarios, que exigen que la comunicación y todas las IHH, sean tenidas en cuenta para el diseño de nuevas SDC. La calidad del diseño de una SDC, depende de la exactitud del método adoptado por el tratamiento de FH con respecto a la automatización, control supervisor e interacciones dinámicas humanas. Una metodología basada en la combinación de la EC con la Ingeniería, para estudiar el comportamiento humano, en actividades de control supervisor, con el fin de diseñar SDC comprende cuatro fases de modelamiento [7]: 1. Un paradigma del comportamiento humano. 2. Una clasificación relacionada con las acciones humanas erróneas. 3. La clasificación de las acciones humanas erróneas y su relación con el ambiente de trabajo y, 4. Un procedimiento para la aplicación de la metodología en el diseño de SDC. Veámoslos con mayor detalle a continuación: 1. El Paradigma del Comportamiento Humano: La naturaleza cíclica de la cognición demanda la aparición de fases diferentes de trabajo mental, combinando los estímulos externos, con el razonamiento de eventos pasados y la anticipación de la evolución de los procesos, antes de que una decisión sea tomada y varias acciones sean llevadas a cabo. Se ha establecido un modelo de cognición [8], que consiste de cuatro etapas, las cuales muestran en la figura 3: Percepción/Observación Interpretación (identificación/diagnóstico). Decisión (planeación y toma de decisión); y Ejecución de un plan. Todas estas funciones están ligadas a la memoria, su finalidad es representar el proceso básico de recolección de información y conocimientos por la experiencia. La arquitectura del Modelo Cognitivo Simple (MCS), se describe como un proceso secuencial de decisión que se hace a través de los tres niveles de la conducta conocidos como Habilidad, Regla y Conocimiento. Interpretación Percepción/observación Datos/Mediciones Memoria Figura 3. Modelo Cognitivo Simple Planeación/Decisión Ejecución de la acción Acciones 88

14 Tecnología Las cuatro funciones del modelo representan los requisitos mínimos para el desarrollo de una simulación de procesos cognitivos y de comportamiento. 2. Una clasificación relacionada con las acciones humanas erróneas: Una clasificación del comportamiento humano erróneo, tiene que estar asociada con el paradigma de modelamiento en aras de determinar la combinación apropiada de las características del ambiente de trabajo, con las diferentes funciones del modelo cognitivo. La clasificación de interés para la arquitectura del modelo anterior, se ha caracterizado por dos problemas principales: la atención al comportamiento humano erróneo (lógica entre las causas y las consecuencias a todos los niveles del comportamiento humano) debido a la carga excesiva de trabajo, la tensión, los miedos, etc; y las manifestaciones de sus efectos (comportamiento), como retrasos, omisiones, repeticiones, etc. Los procesos cognitivos son los resultados de un cierto trabajo de la mente, y sus causas son los factores internos y externos que afectan la actividad mental. Hay una correspondencia lógica entre los efectos del comportamiento erróneo en cualquier nivel del modelo, con las causas del comportamiento erróneo al nivel inmediatamente siguiente. 3. La Clasificación y el Ambiente de Trabajo: La correlación de la anterior clasificación con el ambiente de trabajo se aplica en dos direcciones: a través de factores externos que afectan el comportamiento humano y a través de las manifestaciones de tal comportamiento. Las causas relacionadas al sistema, o externas, son dinámicamente generadas por la continua evolución de los accidentes y varían sustancialmente según el área de aplicación. El analista de FH tiene la función de examinar el ambiente de trabajo, el diseño, y el sistema de control, para definir las posibles causas y formas de comportamiento. De esta manera, el planteamiento teórico del modelo y la clasificación, son complementados con datos exactos y reales correspondientes al sistema en el estudio. En otros términos, debe desarrollarse una base de datos de un análisis exacto del ambiente de trabajo, con el fin de definir las causas contextuales y las manifestaciones de la conducta errónea. PROCEDIMIENTO PARA APLICAR LA METODOLOGÍA El paso final corresponde al procedimiento para la aplicación de la metodología en el diseño de SDC. El referente tomado para este paso, se denomina: Modelo de Proceso de la Ingeniería de la Usabilidad y la Accesibilidad (MPIUA) [2], que nos proporcionará la manera de proceder organizadamente para poder obtener usabilidad en el diseño de una SDC, como un producto interactivo. Se trata de un procedimiento multidisciplinar que tiene sus raíces en otros saberes básicos: la psicología cognitiva, la psicología experimental, la etnografía y la ingeniería de software. La usabilidad está definida como la medida en la que un producto se puede usar por determinados usuarios para conseguir objetivos específicos con efectividad, eficiencia y satisfacción, en un contexto de uso especificado [3]. El MPIUA dirigido al diseño de SDC involucra en una serie de actividades (ver figura 1) que se pueden clasificar como: Requisitos de Usabilidad de SDC. Objetivos de Usabilidad de SDC. Actividades Diseño de SDC. Actividades de evaluación de los objetivos de usabilidad de SDC. Veámoslos más detalladamente. Requisitos de usabilidad Objetivos de usabilidad Prototipado Diseño de SDC Evaluación de objetivos Figura 1. Actividades de diseño de SDC usando la MPIUA. Construcción de SDC Pruebas Requisitos de Usabilidad de SD C En esta fase, se establecen los servicios que una SDC debe proporcionar y las restricciones bajo las cuales está expuesta. Esto se realiza a través de un Análisis Etnográfico, el cual nos permite observar y describir la población objetivo en una 89

15 Clepsidra. Número SDC (los operarios), para determinar sus aspectos culturales. Entre los aspectos más relevantes, se destacan: 1) El perfil del operario: las características más relevantes de los operarios de una SDC son muy diversas, p. e.: el grado de conocimiento o uso de los equipos, la experiencia profesional, el nivel de estudios, la experiencia en el puesto o tipo de trabajo, el entorno social, etc. 2) El análisis contextual de tareas: para llegar a especificar y entender los objetivos de los operarios en el ambiente de trabajo, de una SDC, debe realizarse un estudio de las tareas que actualmente realizan, cómo las realizan, y cuales patrones de trabajo utilizan. 3) Los actores: es muy importante para poder modelar las tareas de supervisión, identificar los diferentes tipos de actores relevantes que intervienen en una SDC, éstos pueden identificarse basándose en dos diferentes tipos de variables: Características psicológicas, como estilos cognitivos o habilidades espaciales; y Características relacionadas con las tareas, por ejemplo, el nivel de conocimiento de la tecnología utilizada en una SDC. 4) Los roles: indican clases de actores, los cuales tienen asignados ciertos subconjuntos de tareas, ya sea por elección propia o como resultado de la organización. 5) La organización: hace referencia a la relación que existe entre actores y roles en el contexto de las tareas a realizar en una SDC, y describe la estructura jerárquica y de delegación de responsabilidades entre roles, así cómo el papel de los actores en los diferentes roles. 6) Los objetos: cada cosa que sea relevante en las actividades del Control Supervisor, en una cierta situación, es un objeto en el sentido del análisis de tareas. Por ejemplo, indicaciones, mensajes, contraseñas, firmas, etc. 7) La plataforma: se relaciona con el estudio y documentación de la plataforma tecnológica escogida para estructurar una SDC, las posibilidades que ofrece y las restricciones tecnológicas. 8) El perfil del entorno: el entorno suele influir directamente en la manera en que se realiza el trabajo de supervisión, por lo que deberá tenerse en cuenta dicho factor a la hora de realizar el diseño de una SDC, pues las tareas necesarias para su consecución pueden variar dependiendo del concepto mental que se pueda tener. Objetivos de Usabilidad de SDC De las actividades anteriores se obtienen objetivos específicos que reflejan cualitativamente los requisitos de usabilidad de una SDC, además de un mínimo de objetivos cuantitativos para que el operario pueda disponer de un buen funcionamiento del sistema. Estos objetivos serán fundamentales en la fase de diseño y sobretodo en la evaluación, para garantizar un alto grado de usabilidad de una SDC. Los objetivos básicos de la usabilidad en SDC se pueden enumerar de la siguiente manera: 1) Facilidad de aprendizaje: Minimizar el tiempo necesario que se requiere desde el desconocimiento de las actividades de Control Supervisor, hasta su total comprensión. Proporcionar ayuda a usuarios novatos en la utilización de los dispositivos presentes en la SDC, de modo que les permita llegar a un nivel de conocimiento y uso máximo del sistema. 2) Consistencia: una SDC es un sistema consistente si todos los mecanismos que se utilizan son siempre usados de la misma manera en cualquier momento. Algunas recomendaciones para diseñar sistemas consistentes, son: Seguir guías de estilo siempre que sea posible. Diseñar con un aspecto común. No hacer modificaciones si no son necesarias. Añadir nuevas técnicas al conjunto preexistente, en lugar de cambiar las ya conocidas y/o probadas. 3) Flexibilidad: se refiere a las múltiples maneras en que el operario y el proceso intercambian información con los artefactos de la SDC. Los parámetros que miden la flexibilidad son: Control del operario: Permitir a los operarios dirigir las actividades de supervisión. Permitir a los operarios no estar forzados a trabajar para el proceso. Volver a los operarios inteligentes para que resulte obvio el cómo proceder. Como dar control al operario: Dar a los operarios la posibilidad de poder corregir. Dar a los operarios control para empezar y acabar las operaciones siempre que sea posible. Migración de tareas: está relacionada con la transferencia del control entre el operario y el sistema. Tanto el operario como el sistema han de poder pasar de una tarea a otra o fomentarla, de manera que pueda ser completamente interna o compartida entre los dos. Capacidad de substitución: permitir que valores equivalentes puedan ser substituidos, eliminando cálculos innecesarios al operario, minimizando errores y esfuerzo cognitivo. 90

16 Tecnología Adaptabilidad: consiste en la adecuación automática al sistema. Las decisiones para poder hacerlo están basadas en la experiencia del operario y/o en la observación de la repetición de ciertas secuencias de tareas de supervisión. 4) Recuperabilidad: es el grado de facilidad con que el sistema instalado en una SDC, le permite, a un operario, corregir una acción una vez se halla reconocido un error. 5) Tiempo de respuesta: Se define, generalmente, como el tiempo que necesita el proceso para expresar los cambios de estado señalados por el operario. 6) Disminución de la carga cognitiva: Esto significa que los operarios: Deben confiar más en los conocimientos que en la memoria. No tienen que recordar abreviaciones y códigos muy complicados. Actividades Estructuradas del Diseño de SDC Diseño: La finalidad esencial del diseño de Salas de Control es proporcionar el soporte necesario a las personas en su trabajo diario: la Supervisión de procesos. Uno de los aspectos más importantes en las DSC radica en la interacción con el operario. Los dispositivos (hardware y software), facilitan al operario el acceso a los recursos del sistema. Estos determinarán en gran medida la percepción e impresión que el operario tendrá del diseño. El operario no debe interesarse en la estructura interna de un determinado diseño de SDC, sino en cómo usarla. Debe empezarse con la idea clara de cómo se quiere la sala y cómo serán las interacciones con el operario, para después desarrollar las especificaciones funcionales que sirvan de guía al diseño posterior. Teniendo como base los requisitos de la fase anterior y los objetivos obtenidos de la misma, se rediseñarán las tareas del operario para racionalizar la organización del trabajo y explotar las capacidades que la automatización proporciona. En esta fase no interviene diseño alguno, ya que sólo se trata de estructurar la parte funcional de la información obtenida del análisis de requisitos de usabilidad. Las actividades del diseño de SDC son: Análisis de tareas: consiste en el proceso de analizar la forma como los operarios realizan sus trabajos, las cosas que hacen, las cosas sobre las cuales o con las cuales actúan y las cosas que necesitan conocer. Existen varios métodos para realizar el análisis de tareas, los cuales se diferencian entre sí básicamente por el grado de formalismo de su notación y por su poder de expresión y finalidad. Todos ellos parten de un objetivo, unas tareas a realizar para el alcance de tal objetivo y una serie de acciones ó pasos a seguir para estructurar el orden y el cómo deben ejecutar dichas tareas. Modelo conceptual: es una descripción de la sala propuesta en términos de un conjunto integrado de ideas y conceptos sobre lo que ésta debe hacer, sobre cómo debe comportarse y como debe parecer, para que sea comprensible por los operarios de la forma en que se ha propuesto. El desarrollo de un modelo conceptual, implica previsualizar la sala propuesta, basándose en las necesidades del operario y otros requisitos identificados. Se pueden distinguir diferentes clases de modelos conceptuales, pero agrupados o clasificados en dos grandes grupos: Modelos Conceptuales basados en las actividades: interactuando con SDC, los operarios suelen verse envueltos en tareas no excluyentes, como: Instruir, Conversar, Manipular y Explorar. Modelos Conceptuales basados en los objetos: estos tienden a ser más específicos que los anteriores ya que se basa en equipos o artefactos utilizados en el contexto de la Supervisión. Estilo: La definición de un estilo garantiza la coherencia visual y funcional de una SDC. Es aconsejable, incluso, que una vez definido el estilo, se documente debidamente para que sirva de guía para todo diseño, teniendo en cuenta que casi todos evolucionan con el tiempo (nuevas funcionalidades, nuevas capacidades, etc.). Existen algunos estándares, como ANSI, ISO, DIN, MIL-STD, NASA-STD, creados para proteger la uniformidad y la línea de productos desarrollados, mejorando, con ello, la eficiencia del operario y aseguran la coherencia y la consistencia a lo largo del diseño. En algunos casos también existen estándares específicos, que recogen aspectos particulares del cliente final. Suelen tener mayor importancia cuando se trata de actividades específicas como SDC de plantas nucleares, de estaciones espaciales, cabinas de aeronaves, etc. Diseño detallado: esta fase es el resultado de la evolución lógica de las fases anteriores luego de haber sido prototipadas y evaluadas como mínimo una vez, aunque el número de iteraciones necesarias para definir esta fase dependerá enormemente de la magnitud del proyecto. Se procede a realizar un diseño de SDC que recoge todas las referencias agrupadas en tareas anteriores con el mayor detalle posible hasta disponer de una versión definitiva. Prototipado: El concepto de prototipado engloba todas las herramientas que permiten realizar simulaciones por los diseñadores de SDC. El esquema del modelo de proceso no marca ninguna pauta para indicar a los diseñadores en qué situaciones deberán recurrir al uso de una determinada o determinadas técnicas para simular el funcionamiento de una SDC, como tampoco limita a estos a poder realizar un primer prototipo en la fase inicial del proyecto, incluso antes de realizar cualquier análisis de tareas, si es que creen conveniente hacerlo. Esto es así porque el modelo propuesto intenta garantizar que se cumplan los pasos necesarios para disponer de un producto altamente usable a la hora que dota al diseñador de un alto grado de libertad para que decida cuando y como deberá aplicar las diferentes técnicas. 91

17 Clepsidra. Número Los prototipos responden cuestiones y dan soporte a los diseñadores a la hora de escoger entre varias alternativas. Es más, sirven para una gran variedad de propósitos como por ejemplo para probar la fiabilidad técnica de una idea, clarificar requisitos que quedaron imprecisos, etc. Las actividades del Prototipado de SDC, son: Los escenarios: son una forma de reflejar las actividades cotidianas de los operarios en el contexto de la Supervisión. Destacan objetivos sugeridos por la apariencia y comportamiento del proceso; qué es lo que los operarios quieren hacer con él; qué procedimientos se usan, cuales no se usan, se realizan o no satisfactoriamente y que interpretaciones hacen de lo que observan. Los escenarios tienen dos elementos característicos: la configuración, que sitúa la acción donde se desenvuelve, con que elementos, características iniciales, etc., y los actores, que son los que realizan la acción. Prototipos en papel: se basa en la utilización de lápiz, papel y tijeras; en definitiva instrumentos que se puedan utilizar para describir un diseño en un papel. Este sistema permite una gran velocidad y flexibilidad a la hora de hacer los prototipos, a la vez que se trata de una técnica altamente económica puesto que se trabaja con materiales muy básicos. La técnica del prototipaje en papel consiste en dibujar, sin entrar en grandes detalles estéticos, las SDC que se van a evaluar. Maquetas: son objetos construidos normalmente con materiales muy básicos, como por ejemplo madera o cartón, que sirven de herramienta con el fin de evaluar una parte física de una Sala de Control. Gráficos de históricos: consiste de una serie de ilustraciones que le muestran al operario, la evolución de la situación mientras está interactuando con el proceso. Esta técnica suele acompañar a los escenarios con lo que se consigue una mayor precisión y sobretodo aporta un mayor grado de información para su posterior evaluación. Algunas herramientas de diagramación que pueden utilizarse son: narrativa, flowchart, texto procedimental y vídeos. Construcción: es el momento en que se ven concretadas en mayor o menor grado las expectativas puestas en el producto. Si el cliente se trata de una organización, el grado de satisfacción dependerá de que personas dentro de la estructura jerárquica de dicha organización examinaran los resultados. De todas formas cabe indicar que la percepción que el usuario final del producto tiene un peso específico enorme a la hora de indicar si el producto será aceptado o no. El éxito total de la SDC desarrollada dependerá de dos factores muy importantes. Por un lado, que el operario se sienta cómodo, es decir, que no le resulte complicado usarla, que recuerde fácilmente donde están las diferentes opciones y sus funcionalidades, etc., y por otro lado, que los responsables obtengan los resultados esperados. Aspectos Ergonómicos en el Diseño de SDC Ergonomía Física: el objetivo final de la ergonomía en el diseño de SDC, es configurar el puesto de trabajo para que sea más seguro, cómodo y productivo. Para ello la ergonomía tiene que auxiliarse de diferentes disciplinas que le proporcionan la información necesaria para obtener el puesto de trabajo con los atributos requeridos: ingeniería, medicina, psicología y sociología son probablemente las disciplinas que contribuyen de forma más directa, específicamente, se tienen: La antropometría: El diseño de SDC se realiza atendiendo a las acciones que deben ejecutarse para una determinada tarea y al tipo de acciones que el operario puede ejecutar con un margen suficiente de seguridad y comodidad. La antropometría es la ciencia que estudia las medidas del cuerpo humano tomando como referencias las estructuras anatómicas principales. El número de medidas antropométricas varía en función de la precisión deseada y de los fines buscados. Una lista, comprendiendo 24 parámetros se ofrece en la tabla 1. Altura poplítea. (AP) Distancia sacro-poplítea.(sp) Distancia sacro-rótula (SR) Altura muslo asiento (MA) Altura muslo-suelo (MS) Altura rodilla suelo (RS) Altura codo asiento (CA) Distancia codo-mano (CM) Alcance máximo del brazo adelante (Amab) Alcance mínimo del brazo adelante (Amib) Altura ojos-suelo sentado (OSs) Altura hombros asiento (HA) Tabla 1. medidas antropométricas Altura de caderas (muslos) sentado) (RRS) Altura subescapular, sentado (AS) Altura iliocrestal (AI) Distancia vertical Ancho codo-codo (CC) Profundidad de pecho (PP) Profundidad de abdomen (PA) Anchura de hombros (HH) Altura hombros-suelo de pie (HSp) Altura codo-suelo, de pie (CSp) Altura ojos-suelo, de pie (Osp) Ancho de tórax (AT) Estatura (E) Los datos antropométricos además de estar afectados por la población de referencia pueden cambiar a lo largo del tiempo, de aquí la importancia de realizar estudios antropométricos con la suficiente frecuencia para tener bases de datos actualizadas. Entre las principales variables que afectan los parámetros del 92

18 Tecnología hombre medio están la edad y el sexo, aunque puedan influir otras variables como el grupo étnico o variables sociales diferentes como el grupo económico. Probablemente el factor de variación más analizado en antropometría es el sexo. Los datos absolutos obtenidos para hombres y mujeres indican que los valores son mayores para los hombres. En la tabla 2, se observan tales diferencias. Funciones que Mejor hace el Hombre Recepción de amplia gama de estímulos Funciones que Mejor hace la Máquina Operaciones de rutina Hombres Mujeres Dif. Rel. Peso 70,30 57,48 12,55 1,22 Estatura 1.685, ,23 104,74 1,07 Altura del nivel de los ojos 1.582, ,90 103,62 1,07 Altura del nivel de los hombros 1.401, ,67 89,33 1,07 Altura del nivel de los codos 1.073, ,24 62,64 1,06 Alcance máximo vertical mano 2.103, ,45 146,95 1,08 Alcance máximo frente mano 768,71 713,70 55,01 1,08 Longitud del brazo 341,46 322,45 19,01 1,06 Longitud del antebrazo 275,40 252,68 22,72 1,09 Longitud cadera-rodilla 506,55 504, ,00 Altura al nivel de las rodillas 482,96 452,98 29,98 1,07 El diseño en función de la población: El diseño de SDC raramente se hace atendiendo a una sola persona, es demasiado costoso y los puestos de trabajo no suelen ser unipersonales. En el caso de que así fuera se procedería tomando las medidas antropométricas de la persona en cuestión. El diseño unipersonal es raro y lo habitual es que el diseño de SDC se realice para un grupo o población. En éste caso hay varios sistemas de diseño. Diseño para los extremos: se efectúa cuando se tiene en cuenta las medidas antropométricas extremas del grupo en cuestión. Por ejemplo, si se trata de decidir la distancia a la que hay que situar un mando de control se tendría en cuenta la distancia más corta del brazo de los miembros del grupo, de forma que todos lo puedan alcanzar sin problemas. Diseño ajustable. es el tipo de diseño que se realiza cuando se quiere que cada operario de un puesto de trabajo adapte las medidas con las que tiene que trabajar, de forma que le permitan la máxima seguridad y comodidad de operaciones. Diseño promedio. en este caso el diseño se efectúa atendiendo a los parámetros antropométricos del hombre medio anteriormente expuestos. La Interacción Hombre-Máquina IHM: en la situación del actual desarrollo tecnológico, pueden establecerse tres tipos básicos de entornos o tipo de interacción con el propio trabajo: manual, mecánico y automático. Para el diseño de SDC se tiene en cuenta un entorno automático. Los sistemas automáticos son aquellos en los que la IHM es muy escasa, ya que la propia máquina realiza el proceso de autocontrol necesario para su operación. Sin embargo, un automatismo total es prácticamente inexistente ya que siempre es necesaria alguna forma de supervisión y control externo por parte del hombre. El diseño adecuado de la IHM supone el análisis previo de las funciones y tareas que ejecuta mejor la máquina y las que realiza mejor el hombre. Cada uno de los elementos de la IHM tiene sus partes fuertes. La tabla 3 reúne alguna de ellas. Generación de esquemas percibidos Retención de alto volumen de percepción Capacidad de juicio Improvisación Respuestas originales Cambio de procedimientos Operaciones rápidas y precisas Respuesta inmediata a señales Trabajos de considerable fuerza y precisión Capacidad de recobro de mucha información Cálculos rápidos y precisos Sensible a estímulos fuera del registro humano Insensibilidad a factores humanos patógenos Tabla 3. Interacción Hombre-Máquina El espacio de trabajo: es el lugar donde se realizan las tareas de supervisión. En algunos casos es fijo, en otros casos es móvil debiendo ejecutarse en diferentes lugares. La determinación del espacio de trabajo debe atenderse a posturas, movimientos y visibilidad espacial. La posición en el trabajo: la posición del puesto de trabajo en una SDC es uno de los aspectos más importantes de su diseño ergonómico. Las posiciones posibles en un puesto de trabajo son múltiples, pero mientras algunas son cómodas y requieren poco esfuerzo, otras hacen más difícil e inseguro trabajo y con el tiempo son causa de molestias cuando no de accidentes o lesiones. Las posiciones de trabajo más cómodas son de pie y sentado. No obstante cada posición tiene sus ventajas e inconvenientes. Cuando la posición es de pie y el trabajo es estático hay un gasto de energía considerable en el mantenimiento del equilibrio y una circulación sanguínea insuficiente. Sin embargo la posición de pie es más 93

19 Clepsidra. Número conveniente cuando se tienen que hacer movimientos que implican el uso de fuerza. La posición de sentado supone una modificación de la columna vertebral que deja de tener su forma normal (lordosis) para adoptar una forma más tensa y contraída (cifótica), aquí se debe tener en cuenta el diseño del asiento, lo más conveniente es que su altura sea regulable entre 32 y 50 cm. Con profundidad entre 40 y 50 cm. La anchura debe ser calculada atendiendo al máximo de cadera de las personas que vayan a sentarse. El respaldo debe suministrar apoyo a la zona lumbar, el plano medio del asiento no debe superar un ángulo de tres grados respecto a la horizontal y el respaldo los 100 grados respecto al asiento. Se sugiere que la planta del pie se apoye cómodamente en el suelo y que la rodilla forme un ángulo de 90º. Otros elementos a considerar son el apoyabrazos, el soporte y acolchamiento (distribuye de forma equilibrada la presión del cuerpo). En cuanto al soporte o apoyo sobre el suelo, su característica más importante es que sea estable (se recomienda cinco puntos de apoyo móviles). Los planos de trabajo: la altura del operario es el criterio más relevante cuando se trata de establecer la altura del plano de trabajo que se debe efectuar con las manos en una SDC. La altura media recomendada es para un hombre de 170 cm, por ello, en la medida que sea posible, los planos de trabajo deberían ser modificables y adaptables en una amplitud de mas de 20 cm y menos de 30 cm. El uso de los planos de trabajo sentado sigue una lógica semejante a la anterior. De nuevo se pueden distinguir tres tipos de trabajo: de precisión, mecanográfico o similar y de lectoescritura. Las áreas de trabajo: el área o espacio de trabajo conveniente en una SDC es aquel en el que se realizan los movimientos pertinentes y necesarios sin que ello suponga gastos energéticos excesivos o esfuerzos notables. Los movimientos normales son aquellos que se realizan con los brazos paralelos al tronco y los antebrazos en un ángulo de 90º. Dispositivos informativos visuales: existen diferentes formas de transmitir visualmente la información necesaria para la interacción en una SDC. El criterio de selección a seguir es el de eficacia y sencillez. La transmisión de la información depende de algunos parámetros físicos como la visibilidad y legibilidad del mensaje transmitido. Existen siete tipos básicos de dispositivos visuales. Alarmas: Suelen ser pilotos luminosos que se activan. Frecuentemente se utiliza el sistema de parpadeo más que el encendido para atraer más rápidamente la atención. Su encendido indica una llamada de atención que debe ser atendida inmediatamente. En función de su importancia pueden llevar añadida una alarma sonora complementaria. Indicadores: Se diferencian de las alarmas en que su encendido no implica una acción inmediata, sino la transmisión de una información que debe ser tenida en cuenta, por ejemplo, de que se está realizando una acción sobre el proceso. Símbolos: Son señales convencionales que transmiten una información o norma que debe cumplirse. Los símbolos son muy eficaces ya que su interpretación requiere menos conocimientos y transmiten de forma intuitiva la información pretendida. Escritura: Con frecuencia el lenguaje escrito acompaña a la información suministrada por los símbolos para aclararlo o para insistir en su mensaje. En el contexto de los dispositivos visuales, el escrito debe ser breve y claro, si es posible en sentido afirmativo, dotado de una buena legibilidad. Contadores: Son dispositivos que informan de un número o valor con el que se debe operar. Como tales expresan directamente el número o valor en cuestión, la altura o profundidad puede ser un ejemplo. No se aconsejan para procesos de cambios muy rápidos. Diales y cuadrantes: Son los dispositivos visuales más complejos y pueden tomar diferentes formas: circulares, semicirculares, rectangulares, cuadrados etc. Los hay de dos tipos indicadores móviles con una escala fija, como el cuentarrevoluciones o escalas móviles con un indicador fijo. Pantallas: Tienen una gran extensión de uso. Las más conocidas son las pantallas de los monitores de computador, que se exponen en otra parte. Además, otras pequeñas pantallas o displays juegan un papel informativo de retroalimentación del comportamiento del proceso para el operario. Dispositivos auditivos: tienen la ventaja de que no requieren una ubicación fija del operario en una SDC y son más resistentes a la fatiga. Para que puedan escucharse debidamente deben de tener un volumen de 10 db por encima del ruido ambiental. Suelen utilizarse preferentemente cuando tienen una función colectiva, como una sirena. Su uso suele complementar a los dispositivos visuales, los acompañan cuando hay una sobrecarga visual y cuando se quiere llamar inmediatamente la atención. Dispositivos táctiles: se usan en lugares con una iluminación deficiente, cuando el número de controles es muy elevado y se corre el riesgo de confusión o para ser utilizados por personas que tienen problemas de visión. Ayudan a aumentar la flexibilidad del sistema. El control de la interacción: La IHM en la SDC tiene como función controlar los procesos que se desarrollan a fin de poder alcanzar el objetivo previsto y obtener los resultados esperados, al menos dentro de unos límites. Las funciones básicas que desarrollan los controles son las de iniciar o 94

20 Tecnología detener un proceso, fijar los valores discretos con los que se quiere trabajar, especificar un valor continuo con el que se quiere operar, cambiar el tipo de proceso o introducir nuevos datos en un sistema. Los tipos de controles que pueden ser utilizados para ello son múltiples: palancas, volantes, pedales, manivelas, perillas, selectores rotativos, interruptores y botones de diverso tipo y forma de activación. Es importante la selección del tipo de control a utilizar pues de ello depende su eficacia. Así la selección de los controles debe seguir el principio de no sobrecargar ninguna extremidad. Según la precisión de la operación el control se debe asignar a las manos o a los pies, dejando para los pies los controles menos precisos y que más fuerza deben aplicar. Así como las manos pueden accionar varios controles sin riesgo de error, el uso de controles por medio de los pies debe usarse de forma limitada. La figura 2 expone los criterios a seguir en la selección de los controles. Activación (Velocidad y precisión) Fijación de un valor discreto Fijación de un valor continuo SI Manos NO SI <2 a3 NO SI ocupadas alternativas Botón pie Botón mano interruptor de palanca Interruptor de palanca volante mano Perilla discreta Selector rotativo Figura 2. Criterios en la selección de los controles en SC. NO SI Selector rotativo Rapidez presición Control interrumpido NO Fuerza grande Valores dicretos NO SI SI Volante mano Perilla volante Pedales Ratón Escáner Teclado Voz Manos ocupadas Entrada de datos NO Manivela Volante palanca El primer requisito de los controles es que su uso sea sencillo y minimicen las posibilidades de error. El ideal de cualquier control es que una vez conocida su función, su utilización sea intuitiva o al menos permita un aprendizaje seguro y rápido. La compatibilidad estudia estos aspectos desde diferentes puntos de vista. Existen cuatro aspectos de la compatibilidad que es necesario tener en cuenta: espacial, de movimientos, temporal y cultural. La compatibilidad espacial o geométrica se refiere a la correspondencia espacial entre los dispositivos informativos y sus controles correspondientes. La relación entre ellos debe ser fácilmente percibida de forma que al manejar un control se sepa a que indicador corresponde. La compatibilidad de movimientos se refiere a la correspondencia entre el movimiento que se debe efectuar en los controles y el sentido marcado por los indicadores correspondientes, de forma que indicador y control vayan en el mismo sentido. En nuestra cultura los valores de la escala deben aumentar de izquierda a derecha o de abajo a arriba y los mandos de los controles deben accionarse en el mismo sentido. Así, una perilla girará a la derecha para aumentar un valor, y una palanca se accionará hacia arriba cuando se desea aumentar los índices de referencia. La compatibilidad temporal se refiere a la velocidad de reacción que se establece entre el indicador y el control. La relación entre la información del indicador y la necesidad de respuesta del usuario no debe sobrepasar la capacidad de reacción motriz media. La compatibilidad temporal depende del tiempo de reacción, que se define como el tiempo entre la recepción de una señal y la rapidez de ejecución posible de la respuesta adecuada. Con frecuencia el tiempo de reacción no es una variable crítica porque la información no es urgente y simultáneamente relevante y depende de muchos factores como la edad, el entrenamiento, el tipo de señal recibida, la fatiga etc. Existen dos tipos de tiempo de reacción, el simple, que depende de una señal del tipo ausenciapresencia, y el tipo complejo que depende de una información con diferentes alternativas. Existen algunas referencias que tratan de establecer el tiempo de reacción en función del tipo de señal recibida, que se resumen en la tabla 4. SENTIDO TRS-TRC (ms) Tacto 11º-155 Audición Visión Temperatura Olfato Dolor Tabla 4. Tiempos de reacción simple y complejo en función de la naturaleza estimular 95