lunes, enero 26, 2015

Nuevo proyecto: Rasgo Latente

Rasgo Latente


Un blog colectivo de divulgación de Psicología. Porque la Psicología merece un mayor protagonismo en la conversación social, hemos creado Rasgo Latente.

Me lanzo a este proyecto y aventura junto a Guido Corradi y Javier Jiménez, como editores, y un grupo de colaboradores que vamos construyendo. Aquí podéis leer con más detalle las razones que nos llevan a lanzar el blog.

De momento, nos estrenamos con dos entradas: una, sobre la psicología del terrorismo; otra, sobre la alimentación intuitiva como ejemplo de concepto nuevo-pero-antiguo.

Este proyecto, seguro, va a deparar muchas alegrías, pero también va a suponer una buena cantidad de trabajo y esfuerzo. El tiempo irá marcando cómo consigo compaginar ambos blogs.

sábado, enero 17, 2015

Dicotomizar variables numéricas en regresión, informar únicamente de resultados significativos: Malas ideas.

Imaginemos que queremos ver si hay relación entre el índice de masa corporal (kg / m^2) y la depresión, evaluada ésta a través de alguno de los muchos tests disponibles. Tendríamos, pues, dos variables representadas numéricamente. La técnica de análisis de elección sería, pues, una correlación o su prima hermana, la regresión lineal.

Otra opción habitualmente aplicada es dicotomizar la variable predictora. Podríamos cambiar el IMC, con sus infinitos valores posibles, por una nueva variable donde marcásemos si las personas presenta infranormopeso (IMC < 25) o sobrepeso y obsesidad (IMC > 25). Así, podríamos aplicar una t de Student.

Algunos prefieren este modo de analizar datos. Primero, por tradición. En algunos campos como psicología experimental es más común el aplicar análisis de variance o pruebas t que regresiones. Segundo, porque algunos investigadores estiman que es más comprensible la explicación de los resultados si éstos están basados en grupos. Puede ser más descriptivo hablar de "normopeso frente a sobrepeso" que hablar de "cambio esperado con incrementos de IMC".

Otro motivo habitual para dicotomizar es la presencia de más de dos variables predictoras. Si sospechamos que la relación entre IMC y depresión no es igual para hombres y mujeres, estamos suponiendo que la presencia de una interacción entre una variable numérica y otra categórica. Un modelo de regresión con un término de interacción es bien sencillo de calcular e interpretar, pero no suele verse en la carrera y muchos investigadores no se sienten cómodos con ese análisis. Desgraciadamente, el SPSS, programa de análisis estadístico de referencia en Psicología, no ofrece directamente estos modelos, sino que son necesarios algunos pasos como creación de variables o trabajar con la sintaxis. Sin embargo, los investigadores están mucho más acostumbrados a trabajar con interacciones en un ANOVA y el SPSS las calcula por defecto. Esto ayuda a explicar el recurso a la dicotomización.

El dicotimizar variables presenta amplios problemas. Éstos han sido extensamente descritos en la literatura científica. Demos una primera dos aproximaciones intuitivas:
- Al dicotomizar variables incrementamos algunas diferencias mínimas y minimizamos algunas diferencias enormes. En el ejemplo en el que nos encontramos, dos personas, una con un IMC de 24.9 y otra con IMC de 25.1, serán asignados a dos grupos separados, tan separados como puedan estar. Y dos personas con IMCs de 17 y 24 pertenecerán al mismo grupo.
- Imaginemos que queremos calcular la correlación entre nuestra altura calculada en metros y nuestra altura calculada en centímetros. Será de 1, porque conocida una variable podemos pronosticar sin error el valor en la otra, y la recta es creciente. Sin embargo, si intento pronosticar la altura en metros mediante una variable que marque a los participantes como bajos = 0 o altos = 1, será imposible encontrar una correlación perfecta. El saber si alguien ha sido marcado como alto no me permite determinar a la perfección su altura en metros.

Esto supone que la dicotomización del predictor ha de reducir el tamaño estimado de la asociación entre variables. Vamos a verlo con un pequeño estudio de simulación. La sintaxis en R la encontrarán al final del post.

Hemos trabajado con tamaños muestrales iguales a 50. Estos tamaños no son infrecuentes en psicología experimental o con muestras clínicas. Hemos simulado 10000 réplicas donde, conociendo la correlación poblacional real (valores desde 0 hasta 1 con incrementos de 0.01), vemos cuál es la correlación muestral estimada. Las dos variables siguen una distribución normal. La variable predictora se dicotomiza por la media. Tanto para el caso continuo como para el caso dicotomizado, la relación entre variables se evalúa con una correlación de Pearson.

Veamos los resultados. En la siguiente figura se representan los tres cuartiles de la correlación muestral (en negro, mediana; en rojo, percentiles 25 y 75) según valor de la correlación poblacional, tanto para la variable continua como para la dicotomizada. La línea de la diagonal sirve de referencia. En la medida que las líneas se acercan a esa diagonal, menor sesgo habrá.

Se observa que para la variable continua la mediana de la correlación recuparada coincide con el valor poblacional. La variabilidad en las correlaciones recuperadas (la separación entre líneas rojas) se va reduciendo a medida que aumenta la correlación poblacional. (Si tenemos una correlación poblacional igual a 0.95, es complicado tener una alta variabilidad).

Tal y como cabía esperar, la situación cambia para el predictor dicotimizado. Lo más reseñable es cómo este paso de variable numérica a variable categórica reduce el tamaño de estimado de la relación entre variables. Para el caso de una relación perfecta entre variables originales, la transformación reduce la correlación a 0.80. Esta infraestimación está presente para cualquier valor de la correlación poblacional (excepto cuando no hay relación) y se hace tanto mayor cuando más se acerca la relación a la unidad. Para correlaciones reales medias y altas, ni el error muestral lleva a alcanzar estimaciones cercanas a la correlación real (línea roja superior).


Esta infraestimación de los tamaños de los efectos tiene traducción en la potencia estadística de los contraste. En la siguiente figura se muestra la proporción de correlaciones marcadas como diferentes de 0 de forma estadísticamente significativa (alfa = 0.05). La línea continua es el caso de variable numérica; la línea discontinua, la variable dicotomizada.

Por definición de alfa, la probabilidad de marcar como estadísticamente significativa una correlación muestral proviniente de una población donde las dos variables son independientes es igual a 0.05. Podemos ver que, efectivamente, para ambos tipos de variables esa probabilidad al comienzo de las líneas se sitúa en el valor que corresponde.

En nuestro caso, la potencia estadística es la probabilidad de marcar como estadísticamente signitificativo un efecto poblacionalmente no nulo. Por tanto, las líneas representan, para cualquier valor de correlación poblacional distinto de 0, la potencia estadística. Vemos cómo ambas líneas siguen una sigmoide (arrancan más bien planas, se aceleran y, cuando se acercan al máximo, reduce la pendiente). Para valores poblacionales medios-altos o mayores, la potencia es básicamente igual a 1, esto es, siempre se marcarán las correlaciones como estadísticamente significativas. En la comparación que más nos interesa, para cualquier valor de correlación poblacional, la potencia siempre es menor cuando trabajamos con variables dicotomizadas.


Lamentablemente, es común que los resultados estadísticamente no significativos tengan problemas para ser publicados. Nos pondremos en el peor escenario: ps < 0.05 suponen publicación, ps > 0.5 suponen que el estudio se queda en el cajón. Esto equivale a publicar únicamente los estudios que caen por debajo de las líneas de la figura anterior y a malgastar los estudios que caen por encima.

En un caso así, los datos publicados no son una muestra representativa de los resultados posibles. Aquellos estudios con tamaños del efecto inflados por el error muestral tendrán más opciones de ser publicados. Esto lo vemos en la siguiente figura, donde se muestran el promedio de las correlaciones estadísticamente significativas. A medida que avanzamos por la correlación poblacional vamos aumentando desde un 5% de los estudios disponibles hacia el 100% de los estudios disponibles.

Cuando la correlación poblacional es igual a 0, la media de las correlaciones significativas es básicamente igual a 0, también: las correlaciones significativas lo son tanto con signo positivo como negativo y, así, se anulan. Sería un escenario en el que tendríamos correlaciones publicadas absolutamente contradictorias.

Para correlaciones menores a, aproximadamente, 0.4, el informar únicamente de los resultados significativos sesga positivamente y de forma marcada la correlación estimada. De un modo interesante, para un rango de valores poblacionales de la correlación (en torno a [0.10, 0.30]), apenas hay cambios en la correlación muestral. Valores muestrales claramente diferentes suponen valores recuperados casi iguales. Esto supone para variables tanto originales como dicotomizadas. Por último, para valores de correlación poblacional medios y mayores, dado que la potencia estadística se aproxima a 1, no hay diferencia entre lo esta figura y la anterior.



Tenemos, pues, que la dicotomización de variables sesga negativamente la distribución de las correlaciones muestrales y reduce la potencia estadística. El informar únicamente de resultados estadísticamente significativos infla de forma marca la estimación del tamaño de los efectos, salvo que la potencia estadística sea alta (y, así, pocos estudios queden en el cajón).

No nos hemos situado en el caso de dicotomización con mayor impacto. Si en lugar de dicotomizar por la media (o mediana), lo hacemos con un valor que haga los tamaños de los grupos muy desiguales, mayor será la reducción en la correlación recuperada. Si hacemos un análisis con grupos extremos (nos quedamos con el primer cuartil y el cuarto cuartil y tiramos el resto de los datos), nos metemos en un follón todavía peor.

Teniendo todo esto en cuenta, se desaconseja la dicotomización de variables y, ojalá, algún día los resultados no significativos pueden ser evaluados al margen de su valor-p. Hay multitud de estudios de simulación que señalan el problema que yo he ilustrado aquí. Los manuales de estadística indican el modo más adecuado de analizar datos.

La sintaxis permite ver el efecto para otros tamaños muestrales, distribuciones o modos de dicotomizar. Hay que tener en cuenta que el número de puntos con los que se evalúa el efecto de la correlación muestral (101) y el número de réplicas (10000) puede hacer lenta la ejecución del código. Para 'echar un vistazo', se pueden reducir estos números. Seguro que hay mil modos de acelarar la velocidad de ejecución del código. Soy un poco 'peatón' de R, asi que cualquier consejo será bien recibido.
rm(list=ls())
poblacion.cort1t2 <- seq(0, 1, 0.01)
res.cort1t2 <- matrix(nrow = length(poblacion.cort1t2), ncol = 3)
res.cord1t2 <- matrix(nrow = length(poblacion.cort1t2), ncol = 3)
res.sigt1t2 <- NULL
res.sigd1t2 <- NULL
res.corsigt1t2 <- NULL
res.corsigd1t2 <- NULL
muestra <- 50
replicas <- 10000
t1 <- replicate(replicas,rnorm(muestra))
et2 <- replicate(replicas,rnorm(muestra))
d1 <- t1>colMeans(t1)
d1[t1>colMeans(t1)] <- 1
d1[t1<=colMeans(t1)] <- 0
 
 
for (j in 1:length(poblacion.cort1t2)) {
  muestra.cort1t2 <- NULL
  muestra.pt1t2 <- NULL
  muestra.cord1t2 <- NULL
  muestra.pd1t2 <- NULL
  t2 <- t1*poblacion.cort1t2[j] + et2*(1-poblacion.cort1t2[j]^2)^.5
  for (i in 1:replicas) {
    cort1t2 <- cor.test(t1[,i],t2[,i])
    cord1t2 <- cor.test(d1[,i],t2[,i])
    muestra.cort1t2 <- c(muestra.cort1t2, cort1t2$estimate)
    muestra.pt1t2 <- c(muestra.pt1t2, cort1t2$p.value)
    muestra.cord1t2 <- c(muestra.cord1t2, cord1t2$estimate)
    muestra.pd1t2 <- c(muestra.pd1t2, cord1t2$p.value)
  }
  res.cort1t2[j,] <- quantile(muestra.cort1t2, c(.25, 0.50, .75))
  res.cord1t2[j,] <- quantile(muestra.cord1t2, c(.25, 0.50, .75))
  res.sigt1t2[j] <- mean(muestra.pt1t2<0.05)
  res.sigd1t2[j] <- mean(muestra.pd1t2<0.05)
  res.corsigt1t2[j] <- mean(muestra.cort1t2[muestra.pt1t2<0.05]) 
  res.corsigd1t2[j] <- mean(muestra.cord1t2[muestra.pd1t2<0.05])
}
 
par(mfrow=c(1,2))
plot(poblacion.cort1t2, poblacion.cort1t2, type="l", col="orange", lwd=5,
     xlab="Correlación poblacional", ylab="Correlación muestral", main="Variable continua")
lines(poblacion.cort1t2, res.cort1t2[,1], col="red", lwd=3)
lines(poblacion.cort1t2, res.cort1t2[,2], col="black", lwd=3)
lines(poblacion.cort1t2, res.cort1t2[,3], col="red", lwd=3)
plot(poblacion.cort1t2, poblacion.cort1t2, type="l", col="orange", lwd=5,
     xlab="Correlación poblacional", ylab="Correlación muestral", main="Variable dicotomizada")
lines(poblacion.cort1t2, res.cord1t2[,1], col="red", lwd=3, lty=2)
lines(poblacion.cort1t2, res.cord1t2[,2], col="black", lwd=3, lty=2)
lines(poblacion.cort1t2, res.cord1t2[,3], col="red", lwd=3, lty=2)
 
par(mfrow=c(1,1))
plot(poblacion.cort1t2, res.sigt1t2, type="l", col="black", lwd=3,
     xlab="Correlación poblacional", ylab="Proporción de ps < 0.05", main="Correlaciones estadisticamente significativas")
lines(poblacion.cort1t2, res.sigd1t2, col="black", lty=2, lwd=3)
abline(h=0.05, lty="dotted", col="blue", lwd=3)
abline(h=0.80, lty="dotted", col="blue", lwd=3)
 
par(mfrow=c(1,1))
plot(poblacion.cort1t2, poblacion.cort1t2, type="l", col="orange", lwd=5,
     xlab="Correlación poblacional", ylab="Correlación muestral | p < 0.05", main="Correlaciones muestrales de los resultados significativos")
lines(poblacion.cort1t2, res.corsigt1t2, col="black", lwd=3)
lines(poblacion.cort1t2, res.corsigd1t2, col="black", lwd=3, lty=2)
Created by Pretty R at inside-R.org

miércoles, enero 14, 2015

¿Plazas perfiladas o plazas con foto carné?

Es triste aceptarlo, pero peor es negarlo. La Universidad española está podrida.

Primero, el contexto. Los profesores Asociados son, por ley, se encargan de "aportar a la universidad el conocimiento y la experiencia de profesionales del sector productivo". Son personas con trabajo fuera de la universidad, que simulatanean con la docencia. Cuando se convocan plazas de Asociado (o de cualquier figura de profesorado), en ocasiones se define un determinado perfil que se espera por parte de los candidatos. El incumplimiento de ese perfil puede ser un demérito a la hora de puntuar el currículum o una causa de exclusión directa del aspirante.

El sentido común y la buena fe indican que el perfil habría de ser lo menos detallado posible, lo justo para dejar fuera a quienes manifiestamente no podrían asumir la tarea docente que supone el contrato. Los méritos no se han de incluir en un perfil, sino en los criterios de baremación de los candidatos. Perfiles muy detallados son manifiestación de que el departamento ha convocado la plaza la oferta con un candidato ya en mente y que los convocantes entienden que el concurso público de acceso es un paripé sin más.

Veamos dos ejemplos de la Universidad de Zaragoza, plazas convocadas por el área de Economía Financiera y Contabilidad (plaza 1, plaza 2). Copio y pego de los correspondientes Anexos I:


Qué desvergüenza. Por si los requisitos del primer caso no olieran mal, en el segundo ya señalan, indirectamente, el nombre y apellidos. A ver cuánta gente ha supervisado a estudiantes en Auren Auditores. Esos perfiles hiperdetallados provienen de la gente que considera que la universidad es su cortijo, que las leyes son para otros. Son quienes hunden la reputación de los académicos dignos.

sábado, enero 10, 2015

¿Cómo escribir un artículo científico? ¿Cómo hacer investigación?

Dudo que realmente haya un "cómo" fijo y universal a la hora de sacar adelante investigación. Así que un título más oportuno (y menos 'comercial') para el post sería "Trucos que a mí me sirven en el doloroso proceso de investigar".

Empecemos por la base. ¿Qué es un artículo? Es la venta razonada y honesta de un argumento científico. Es una intervención en una conversación a nivel mundial que busca entender un fenómeno. Si consideras que un artículo es únicamente un mérito en el currículum, vamos muy mal.

Por tanto, es necesario que tengas muy claro qué es lo que quieres contar. ¿Cuál es la idea motriz de tu artículo? Lo deseable es que la respuesta sea, a esta altura, si ya estás para escribir, bien sencilla. Tendrías que habértelo planteado hace ya bastante tiempo. A fin de cuentas, esta cuestión es equivalente a cuál es tu pregunta de investigación, la que te habrá guiado a la hora de diseñar y ejecutar las fases previas.

Lo que supone una buena pregunta te lo va a decir una intuición bien informada y formada. Lee mucho. Ahora, un poco más. Pero no tanto como que la lectura se convierta en excusa para hacer frente al trabajo de redacción.

Para localizar textos relevantes, recurre a bases de datos como Web of Science, Scopus, PubMed o Google Scholar. En general, salvo que tu disciplina académica lo justifique, olvídate de lo escrito en castellano. La lengua actual de la ciencia es el inglés. Sí, también para los españoles, aunque se nos haga cuesta arriba a veces.

En mi caso, suelo emplear Web of Science (WoS). Google Scholar lo dejo para mantenerme al día de lo ultimísimo (sabiendo que entra mucha morralla) y cuando el tema es tan pequeño que WoS me ofrece pocos documentos. Hago dos tipos de búsquedas en WoS. La primera, teniendo claro cuáles son las palabras clave para lo que llevo entre manos, reviso lo que se ha publicado en los últimos años. El lapso de tiempo lo marca el nivel de producción en esa área de conocimiento. Reviso los últimos treinta o cincuenta documentos y selecciono unos cinco que creo que vale la pena leer. Ordenar por número de citas puede ayudar. Los meta-análisis y revisiones son documentos claramente a leer. Aquí te harás una idea de qué cuál es la frontera del conocimiento, por dónde respira al área y, con las referencias de los artículos, cuáles son los clave que no hay que perderse.

En la segunda, amplío más el lapso de tiempo para la búsqueda -unos quince años- y, aquí siempre, ordeno por número de citas. Los artículos más citados, probablemente, serán revisiones y los artículos teóricos que han y están perfilando el campo. Coincidirán, probablemente, con las referencias que se iban repitiendo en los artículos encontrados en la fase anterior. Si el investigador A presentó la teoría T, recomiendo leer directamente a A y, si es posible, en el artículo original, y no quedarse con la descripción posterior realizada por otros autores.

Estos serán los artículos con los que empezar. Después vendrán más. Lo común es que cada artículo que lees te dé pie a leer, al menos, como tres artículos más. Si sólo son tres, ya puedes ir bajando el ritmo de lectura, porque, muy probablemente, sea imposible conseguir bajar ese número. Por más que leas, siempre habrá algo más disponible.

No sólo leas. Empápate. Haz tuyos los modos de expresión, la metodología de investigación, la estructura común de los artículos... Una ventaja del oficio de investigador es que tenemos acceso a cientos de buenos ejemplos. Con esto no digo que te prepares para ser un imitador. No. Pero uno tiene que saber por dónde se va a mover y, si en algo hay que innovar, ha de ser sobre el dominio de lo previo, para poder justificar la necesidad del cambio.

Una vez aquí, no te plantees qué se puede hacer, sino qué vale la pena contar. ¿Cuáles son las grietas de lo que se sabe hasta ahora? Si quieres entrar en la conversación como uno más, has de situar tu discurso a un nivel que lo haga atractivo. Por ejemplo, en mi campo, la medición psicológica, es común que equipos de investigación españoles publiquen artículos sobre traducción y adaptación a nuestro idioma de escalas originalmente publicadas en inglés. Suelen ser artículos fáciles de colocar. El interés de estos artículos es limitado, puesto que los resultados suelen ser equivalentes a los de las escalas originales y el mensaje que uno lanza en la conversación global es "Somos capaces de traducir". Otra aproximación, desde mi punto de vista más interesante, es, mediante la adaptación al castellano, realizar preguntas teóricas de mayor calado, como si realmente esa escala mide lo que afirmaba medir, si ese constructo que los autores defendían como una novedad es muy diferente a constructos previos, o si, tal y como afirmaban los autores originales sin demostrarlo, esa escala servía para evaluar tanto a hombres como a mujeres o si presenta algún tipo de sesgo. Con estas preguntas teóricas, nuestro público objetivo ya no son investigadores españoles que necesiten ese test en castellano, sino, adicionalmente, investigadores a nivel mundial que trabajen en el campo.

Dentro de lo que has leído, habrás detectado qué técnicas de análisis suelen ser las más comunes. Profundiza en ellas. Entiende qué estás haciendo y por qué. El estudiar estadística y análisis de datos es una necesidad, aun en el caso de que cuentes con un estadístico en el equipo de investigación. No saber de metodología de la investigación y de estadística limita el alcance de las preguntas que te formulas y de las respuestas que puedes ofrecer. Piensa que una parte muy importante de lo que se publica, especialmente en revistas de perfil medio-bajo, está analizado con técnicas obsoletas y erróneas. Empolla manuales recientes y especializados. No es necesario que seas capaz de hacerlo todo, de aplicar todas las técnicas. Eso dependerá de cada equipo de investigación. Pero sí que conozcas opciones y puedas hacer una lectura crítica de artículos y de tus propios datos.

Una vez recogida la muestra, realiza los análisis oportunos.Y estos análisis son los que desde antes de recoger un solo dato ya sabías que eran los que ibas a emplear. Empezar a recoger información sin saber cómo se a va analizar es un error grave. Y no, contactar con alguien con conocimientos de estadística a posteriori no lo soluciona siempre. Si trabajas con SPSS, con R..., la sintaxis o el código los puedes completar desde que tienes muy pocos participantes. A los programas les da igual que cuentes con cinco o con mil observaciones.

El tener claro qué análisis vas a realizar te ayudará a realizar un proceso de traducción inherente a la investigación, del lenguaje teórico (más cercano a nuestro modo de expresión ordinario) al lenguaje estadístico. La frase "Los chicos crecen a un ritmo mayor que las chicas durante la adolescencia" se puede traducir a "El efecto de la variable predictora edad en el variable criterio altura varía según el sexo. Por tanto, estamos esperando una interacción edad x sexo". Si no es hecho el proceso de traducción adecuado, es posible que te des cuenta demasiado tarde que no has recogido información básica.

Recuerda que el objetivo no es conseguir resultados estadísticamente significativos, sino poder ofrecer la mejor de las respuestas disponibles a la pregunta de investigación que te has formulado. No tortures los datos. No escondas datos. Imagina un fármaco para la tos que no cura la tos y que produce irritación de piel. Por definición de error Tipo I y potencia estadística, habrá estudios donde parezca que ese fármaco sí que cura la tos y, también, habrá ocasiones donde parecerá que no tiene efectos secundarios. (Esto ocurre por azar de muestro, no por mala voluntad de los investigadores). ¿Qué pasará si sólo se publican los ensayos clínicos donde el fármaco parece funcionar y si los investigadores omiten en sus informes los efectos secundarios sistemáticamente? Es posible que el actuar así reduzca tus opciones de publicar, pero aquí hablamos de ética, del bien común y de tu deber con respecto a quienes muy posiblemente te estén pagando tu beca/sueldo.

No intentes contarlo todo. Quizá tus datos den para más. Cíñate a la pregunta a la que intentas dar respuesta. Seguro que hay información periférica muy interesante, pero va a romper el flujo argumentativo y tus primeros lectores, revisores y editor, no lo van a agradecer. Pero no intentes contar de menos para así conseguir una mayor cantidad de publicaciones. Por ejemplo, hay quien recoge datos sobre adolescentes de ambos sexos y, después, publica por separado los resultados para ambos sexos. Al hacerlo así, necesariamente genera un solapamiento entre el contenido de los artículos enorme y, todavía más importante, hace imposible integrar el conocimiento. No podremos saber cómo se comparan chicos y chicas.

En mi caso, lo primero que monto son las tablas y gráficos. No suponen escribir y son elementos cruciales en el discurso argumentativo del artículo. Hay que darle vueltas para que sirvan como herramientas en la línea narrativa y expositiva. ¿Mejor tablas? ¿Mejor gráficas? Hay que probar. Tienen que ser en la medida de lo posible autoexplicativas (cuida los ejes, las notas a pie de tabla...). No estás obligado a calcar los modos de artículos previos. Estás obligado buscar el mejor soporte para la información que quieres transmitir. (Muy posiblemente el mejor apoyo para esa presentación sí que sea seguir modos previos).

La siguiente sección que suelo escribir es la de método. Tiene poco margen de creatividad y así uno va soltando dedos con ese artículo. Has de dar información para que el lector entienda qué has hecho y, en el caso de desearlo, pueda replicar tu estudio. Ten en cuenta que lo que manda en la redacción científica es la claridad y la facilidad de lectura. No hay que ser ni especialmente fresco ni creativo. Si, por ejemplo, has de describir en cinco tests que has administrado, lo más adecuado es que siempre sigas la misma estructura de redacción: nombre del test, referencia del test original, descripción de qué mide según subescalas, número de ítems por subescala, un ítem de ejemplo por subescala, opciones de respuesta, referencia al artículo que ofreció la versión en castellano que has pasado, y fiabilidad. (Otro orden ya iría bien. Lo importante es que la estructura sea relativamente fija y, así, se reduca la carga cognitiva de la lectura). En otro tipo de redacciones, se valora que uno vaya usando sinónimos, cambios en estructura... Aquí, no. Pero no entiendas esto como una invitación a la escritura aburrida.

Lo siguiente, para mí, son los resultados. Una vez llegados aquí, con todo el esfuerzo de montar gráficas y tablas y habiendo roto la inercia, tendría que ser relativamente fácil (donde relativamente es... relativo). Los resultados son lo que hay, esto es, de nuevo el margen de creatividad es limitado. Has de ir contando la respuesta estadística a las preguntas que te has formulado. No es la parte más personal del artículo, pero no ha de ser algo extremadamente frío y distante. Incluir expresiones como "tal y como esperábamos", "contrariamente a nuestras hipótesis"... puede ayudar a que el lector siga la descripción que vamos haciendo. Somos los guías en una visita a nuestros datos.

Saltamos a la introducción. Suelen tener una estructura común. Y no, no empiezan con "Ya desde la Grecia clásica...". La estructura viene ser:
(a) El tema A (donde tú te ocupas de un microtema dentro del tema más general A) es muy importante (referencia con estudio epidemiológico, una revisión...). No hagas sensacionalismo científico. Si quieres decir que la depresión es un problema social serio, hay decenas de fuentes con las que fundamentarlo; no selecciones el estudio aislado donde se encuentra mayor prevalencia en la población.
(b) Dentro del tema A está mi tema que se integra así (referencia de artículo 'fundador del mini-tema y revisión). Descripción sucinta del mini-tema.
(c) Lo que queda por saber en el mini-tema, incoherencias y limitaciones de los estudios previos... lo que sea necesario para ir caldeando la narración hacia la necesidad de tu investigación.
(d) Por tanto, ¡qué importante sería aclarar nuestra pregunta de investigación!
(e) Hipótesis básicas y pregunta de investigación. Objetivo del artículo.

La redacción ha de ser suficientemente estructurada como para que la transición entre ideas y párrafos sea natural, incluso hasta dar la sensación de ser evidente y necesaria. El lector que nos acompaña ha de llegar a nuestros objetivos con la sensación de "Claro que es necesario, tiene todo el sentido preguntarse esto". La presencia de contectores ("siguiendo esta idea", "por tanto"...) ayuda. Piensa en el lector, lleva de la mano al lector por tu argumentario.

Toda la redacción de la introducción (y del artículo en general) se ha de ajustar al previsible público objetivo. Uno ha de ilustrar aquello que podemos anticipar que no van a saber y ser muy breves en aquello sobradamente conocido. Queremos garantizar que el lector nos sigue en nuestra argumentación, que no se aburre ni se pierde. El público objetivo depende según el tema del que estemos escribiendo y la revista donde queramos publicar. En revistas generalistas de perfil medio-bajo, es más probable que los revisores (primeros lectores) tengan menos conocimiento del campo y, por ello, haya que extenderse más en algunos aspectos.

Yo sigo con la discusión y conclusiones. Empezamos con un párrafo resumen de la introducción y un párrafo resumen de los resultados. Después, ¿qué quiere decir esto?, ¿qué implicaciones teóricas?, ¿qué implicaciones prácticas?, ¿encajes y desencajes con resultados y teorías previas?. Suele ser habitual concluir con limitaciones, futuras líneas de investigación y dos pinceladas de aportaciones del artículo. Escribe lo que tenga sentido escribir. Si tu artículo es un diseño experimental con ratones, no te lances a  hablar de cómo vas a curar el cáncer en humanos. No recurras a frases hechas: "Es necesaria más investigación al respecto". ¿Conoces algún artículo que haya cerrado por completo un tema como para que no fuera necesaria más investigación?

En mi caso, acabo con el resumen. Sólo puedo escribirlo cuando ya lo tengo todo montado. Tema del que vas a hablar, pregunta de investigación, resumen de método, resultados básicos, conclusiones básicas.


Sigue las normas de la revista. Por respeto y por estrategia. Si uno no se amolda a lo más sencillo, lo perfectamente definido, como el interlineado, el modo de referenciar..., quien lee tenderá a pensar que mucho menos va a ser capaz de controlar algo tan abierto como es la investigación. También las normas implícitas. Lee artículos de esa revista para saber qué suele gustar, si hay algo particular en esa publicación.

Si recuerdas que el objetivo es participar en una conversación global, eso te ayudará a escoger tu revista objetivo. ¿Dónde tienden a publicarse artículos sobre este tema? ¿Dónde es probable que mi artículo sea visible para que lo lean aquellos con quienes quiero conversar? La respuesta no te la dará el factor de impacto.

Espero que a alguien le sirva de ayuda. Yo he sudado mucho hasta conseguir tener mi sistema de escritura y todavía me cuesta horrores cada artículo. Pero se va cogiendo soltura.

martes, diciembre 23, 2014

Valoración de políticos españoles



Creo que los dato se comentan por sí mismos. Alguien tiene un problema... y no miro a nadie. (He restringido el análisis a quienes, ahora mismo, parece que serían los tres líderes de partidos más votados).

Este tipo de análisis resultan posibles gracias a la política de 'datos abiertos' del Gabinete de Estudios Social y Opinión Pública (web, tuiter) y El Periódico de Cataluña. El fichero de SPSS se puede descargar aquí. Esperemos que cunda el ejemplo, y no únicamente en encuestas políticas, sino en el mayor número posible de campos de investigación.

sábado, diciembre 20, 2014

Selección de profesorado universitario: ¿Pronosticar desempeño o contar méritos?

Imaginemos que usted quiere seleccionar a un delantero para su equipo de fútbol, actualmente en puestos medios en la liga comarcal. El contrato que va a ofrecer es de cinco años. Dos son los candidatos. Manolinho lleva diez años en el mejor equipo de la comarca. La temporada pasada saltó al campo todos los partidos y anotó cincuenta goles. Celebrando el ascenso de categoría, se cayó del tractor con el que el equipo hacía ruta festiva por el pueblo. Le pasó el vehículo por encima y ahora, lo que para usted o para mí es un único hueso, el fémur, para él son unos mil huesecitos bien pequeños. El otro candidato es Pepinho, un chico de 20 años salido de un equipo con puestos más bajos en la tabla. Se incorporó a la liga a mitad de temporada y consiguió anotar quince goles. Cuando el médico del pueblo quiere poner un ejemplo de alguien en sano y 'en perfecto estado de revista', habla de Pepinho. ¿A quién contrataría usted?

Contratación desde la perspectiva de la universidad
Claramente, hay que contratar a Manolinho 'el Cojo'. Tiene más experiencia, más títulos y mejores resultados anotadores. La decisión está clara.

En la selección de profesorado universitario, en el mejor de los casos, se define un baremo y se puntúa a los diferentes candidatos en relación a él. De nuevo en el mejor de los casos, el baremo es suficientemente claro como para poder garantizar una alta fiabilidad interjueces (con independencia de quienes puntúen, los resultados serán altamente similares). Los méritos suponen un recuento de lo hecho en el pasado, donde todo suma, y las condiciones de partida del candidato son triviales para la valoración.

En este caso, Manolinho ha de ser el seleccionado, con independencia de que: (a) su mejor rendimiento goleador pueda explicarse, al menos parcialmente, por jugar en un mejor equipo y por haberlo hecho durante más minutos; (b) el rendimiento de un jugador sea decreciente a partir de una cierta edad, por lo que muy probablemente este jugador está ya en la cuesta abajo de su carrera; y (c) su situación física implica que su desempeño pasado va a sobreestimar su desempeño futuro.


Contratación desde la perspectiva del pronóstico del desempeño
Desde este punto de vista, uno asume que el pasado es una  herramienta para anticipar el desempeño futuro. Con esto es mente, sería mucho más razonable contratar a Pepinho, a quien les quedan, esperemos, años en activo y de progresión, y que bastante bien lo ha hecho considerando dónde y cuánto ha jugado.

En el caso universitario, el primer paso, y no es tarea sencilla, sería consensuar qué entendemos por desempeño en la universidad. Por simplificar, dividiré en dos áreas, investigación y docencia, sin negar la importancia de la gestión y la transferencia.

El mérito investigador se puede contar como número de publicaciones, índice H, número de citas, puntos de impacto acumulados, evaluación por expertos de calidad... y otros tantos modos que podamos pensar. Llamémoslo MI, sin más. El MI futuro es, claro, desconocido. Para pronosticarlo, tendríamos que pensar un modelo de regresión tal que:

MI(pronosticado) = b0 + b1X1 + b2X2 + ... + bnXn

A la hora de pensar qué variables incluir, muy posiblemente la primera candidata sería relativa a las publiciones.


MI(pronosticado) = b0 + b1Publicaciones


Todos acordaríamos que el coeficiente correspondiente a esta variable tendrá signo positivo, esto es, a más publicaciones (número, calidad, impacto... como quiera que lo operativizáramos) en el pasado, mejor MI podemos esperar una vez contratado.



Pasemos a un segundo mérito posible. Por ejemplo, estancias en el extranjero. Ahora el modelo sería:


MI(pronosticado) = b0 + b1Publicaciones + b2Estancias


Ahora mismo, lo estándar en las comisiones de selección es que las estancias sean puntuadas favorablemente. Visto desde un modelo de regresión, la interpretación cambia. El valor del coeficiente b2 se interpreta como, a igualdad de publicaciones (y esto es fundamental), ¿cuál es el efecto esperado en el MI por cada unidad de estancia (número, meses...) adicional? Esta explicación puede quedar más clara si imaginamos a dos personas igualadas en todos los predictores salvo en el que queremos valorar en este momento. Yo he ido a Harvard diez veces y tengo quince artículos. Usted no ha salido de la Universidad de Alpedrete en la vida y tiene quince artículos. ¿De quién cabe esperar mayor desempeño investigador en el caso de ser contratado por una nueva universidad? De quien sin tener el viento a favor ha conseguido mismo resultados que quien ha disfrutado de mejores condiciones. Por tanto, en términos de modelo predictivo, el coeficiente asociado a las estancias tendría que ser negativo.

Lo mismo puede decirse de otros tantos indicadores comúnmente empleados, como los proyectos financiados, las becas disfrutadas o las tesis dirigidas. En tanto que son instrumentos para conseguir rendimiento investigador, a igualdad de productividad, son más bien deméritos que no méritos.

¿Implica esto que haya que rechazar salir al extranjero? No. Signfica que, como oportunidad para hacer contactos, establecer colaboraciones y aprender, sólo tienen valor si se traduce en los verdaderos outputs investigadores. Salir un año a Canadá a aprender inglés y volver sin ningún artículo (frente a una persona así perdí yo una plaza) no puede tener valoración positiva. Conseguir un proyecto de cinco millones de euros para sacar tres artículos, cuando otros consiguen eso sin financiación, no puede ser un mérito que te abra las puertas a conseguir ascensos o más proyectos que malgastar.

Veamos ahora el caso del mérito docente (MD), donde también encontraremos resultados paradójicos. Lo estándar es que los méritos docentes se valoren 'al peso', simplemente número de horas o créditos de docencia impartidos. A veces, se añade como criterio la puntuación obtenida en las encuestas de valoración contestadas por el alumnado. En ocasiones, se añade un desprecio a la docencia impartida en grado, de tal modo que la docencia en másteres puntúa más.

El pequeño gran problema es que la experiencia docente es un predictor esencialmente nulo, sino negativo, de la calidad docente. H. W. Marsh (1991) ofrece datos de una calidad excepcional para valorar esto. Del resumen:
Students' evaluations of teaching effectiveness (SETEs) are weakly related—negatively—to teaching experience and age according to Feldman's (1983) comprehensive review of cross-sectional studies. Cross-sectional studies, however, provide a weak basis for inferring the future ratings of less experienced teachers or the past ratings of more experienced teachers. Considered here are ratings of 6024 classes taught by a diverse cohort of 195 teachers representing 31 academic departments who were evaluated continuously over a 13-year period using the same multidimensional Students' Evaluations of Educational Quality instrument. For both undergraduate and graduate level courses, there were almost no changes over time for any of the nine content-specific dimensions, the overall course rating, or the overall instructor rating. The findings were consistent for teachers who had little, moderate, or substantial amounts of teaching experience at the start of the study. These results are important because this is apparently the only study to examine the stability of faculty ratings using a longitudinal design with a large and diverse group of teachers over such a long period of time.
Por ello, el número de años de experiencia docente es irrelevante en la predicción del mérito docente futuro. (Es posible encontrar estudios donde la experiencia se asocia con mejores y con caídas del desempeño docente. Por ello, considero que considerar la relación como nula es lo más conservador).

En otros casos, como decía, se valora la puntuación en las encuestas administradas al alumnado. En el caso de la Universidad de Zaragoza, por ejemplo, según el Boletín Oficial de Aragón de 16/03/2011, "la obtención de una evaluación negativa no será causa de exclusión del candidato, pero los cursos evaluados negativamente no se valorarán." Como he comentado en un post anterior, en la UZ es casi imposible conseguir una evaluación negativa, dado que el modo de construir la prueba y de interpretarla están pensados para que todos los profesores salgamos bien en la foto.

Por tanto, si uno es realmente, realmente malo, no le contará la experiencia docente. Eso significa que si yo, profesor nefasto, me presento a una plaza y también lo hace usted, candidato sin experiencia, ambos conseguiremos la misma puntuación en este apartado. Pero a un candidato sin experiencia, el mérito docente que cabe pronosticarle no es de cero, sino un mérito docente promedio. (En Estadística, cuando no hay pronosticadores o éstos son inútiles, el valor esperado es la media de la variable. Si ahora entra una persona por la puerta y yo no sé nada de ella, esperaré que mida como 1.70 metros, más o menos, porque la media es la mejor apuesta cuando no tenemos información). Por ello, es de esperar que un candidato sin experiencia sea mejor que un profesor que sabemos claramente que es malo.

Veamos otros méritos comúnmente computados. Por ejemplo, participación en proyectos de innovación docente. Cuando lea alguna investigación bien diseñada que muestre que la participación en estos proyectos tiene impacto en la actividad docente, me creeré que tengan que valorarse. E, incluso ahí, si estos proyectos mejoran la actuación docente, ya se verá eso en las encuestas de evaluación. Computar tanto medios como resultados es premir por duplicado y no penalizar cuando los medios no resultan efectivos.

Considero que lo razonable, cuando se selecciona a alguien, es plantearse en qué medida ese persona podrá hacer frente de manera solvente a sus próximas responsabilidades y tareas. El sistema actual de contratación en la universidad (incluso si obviamos el mafioseo y la endogamia) está centrado en contar méritos pasados. Una selección más razonable requiere de un modelo de regresión (empírico o teórico) donde uno se plantee qué hace esperar un mejor desempeño, qué criterios son redundantes y no han de ser incorporados, y qué elementos están más cerca de ser un demérito que un mérito, cuando uno ya ha contabalizado el resto de aspectos.

lunes, diciembre 15, 2014

Francisco Mora, el neuroeducador con problemas de adanismo

En los últimos años, el profesor Francisco Mora Teruel se ha convertido en una de los opinadores de referencia en España sobre cuestiones educativas. Se ha convertido en uno de los grandes defensores de la 'neuroeducación', con un libro con ese mismo título. Esto supone una presencia frecuente en medios de comunicación (p.ej., aquí) y eventos educativos (p.ej., aquí). En febrero de este año lo entrevistaban para un blog de El País, donde se descolgaba con esta frase.

Esto me llevaba al siguiente intercambio de tuits con el profesor Mora:



Y ahí se acababa el diálogo. Parece ser que para el Sr. Mora disciplinas científicas como la pedagogía o la psicología, con décadas de recorrido, no han ofrecido nada, que hasta la llegada de la neuroeducación no sabíamos nada sobre educación, sobre cómo potenciar el aprendizaje y cómo explicarlo. Desde mi punto de vista, ahí hay un serio problema de adanismo educativo.

martes, diciembre 02, 2014

¿Por qué denunciar la situación de la Universidad española?

¿Por qué, como académicos, hemos de denunciar las miserias de la Universidad española?
  • Por ética:
    • Con los externos a la universidad o la sociedad en su conjunto: En un amplio porcentaje, el dinero público es el que nutre los presupuestos de las universidades. Podemos pensar que el dinero público no es de nadie o, mucho mejor, que el dinero público es de todos. Cada euro que se invierte en la universidad no se invierte en otros fines socialmente relevantes. Hemos de ofrecer la mejor univesidad posible para la sociedad que nos financia. Como universitarios, no "tenemos derecho a dinero", sino que la sociedad ha optado por entragárnoslo, bajo el supuesto de que obtendremos el mayor rendimiento del mismo.
    • Con los relacionados con la universidad: Hay gente muy buena que se queda fuera (fuera de un puesto de trabajo como docente, fuera de conseguir financiación para la investigación...) y hay gente muy mala que está dentro. En la medida en la que consigamos reducir estas dos disfunciones, que no puedo cuantificar sobre el total de profesorado universitario, estaremos generando un sistema más justo y que ofrecerá un mejor servicio. Cuando uno concede una plaza a un candidato con un currículum peor que otro, está quebrando el plan de vida del segundo injustamente y se nos tendría que caer la cara de vergüenza por ello.
  • Por estrategia:
    • Institucional: La situación, creo, es bien sencilla, o limpiamos la casa nosotros o vendrán de fuera y nos enchufarán la manguera de agua a presión. E iremos a peor. Con la situación económico y social actual, todo está ahora mismo bajo lupa. Ha llegado el turno de la universidad. Teníamos mucha basura y ahora está saliendo a la luz. O realizamos una demolición controlada de las viejas estructuras que dan problemas o nos bombardearán sin piedad y sin planos para nuevas estructuras.
    • Social: Cada vez que se ataca a la universidad pública, se ataca, por generalización, a lo público. Como trabajadores de universidades públicas, no sólo representamos a nuestra universidad, sino, parcialmente, a lo público. No denunciar lo que necesita cambio en la universidad es ayudar a que se entornen las puertas de servicios públicos básicos.
    • Personal:  Si uno es un profesional de valía, de los muchos que hay en la universidad, comprometido con docencia, investigación, gestión y transferencia, va a ganar con la mejora de la institución. Trabajar con vagos e incompetentes reduce la satisfacción laboral y la productividad. Lo mismo, con los cambios oportunos hasta conseguiríamos tener un sueldo coherente con la formación y especialización que aportamos.
¿Por qué no hemos de denunciar la situación?
  • Por estrategia:
    • Institucional y social: Ciertos partidos políticos y parte de la sociedad parece que han sacado el hacha, dispuestos a recortar, sin especial priorización, lo público. En la medida en la que con nuestra denuncia les demos argumentos, estaremos disparando contra nosotros mismos.
    • Personal: En la universidad se valora el perfil bajo. Para promocionar, lo que uno necesita es situarse en la cola, que ésta ya irá avanzando hasta llegar a uno. Uno de los motivos claros para salir de esta cinta transportadora conocida como carrera académica es hablar de más. Así que, una vez medio situado y con el puesto claro en la fila, ¿para qué hablar? El futuro está claro, el funcionariado, aunque eso lleve años. ¿Qué nos espera si cambia el sistema? A saber. ¿Y quién quiere incertidumbre?

sábado, noviembre 29, 2014

La relación entre estatus de peso percibido e IMC varía según edad y sexo

Es impresión común el considerar que, en general, el ganar edad se traduce también en ganancia de peso. Para ver en qué medida hay apoyo para esta idea vamos a recurrir a los datos de la Encuesta Nacional de Salud 2012. Ahí se pregunta se pregunta a varios miles de encuestados con una edad mínima de 15 años, en entrevista domiciliaria y representativa a nivel de país, sobre su altura y peso, dentro de una gran batería de preguntas¹. Con un sencillo modelo de regresión, podemos ver el índice de masa corporal (kilos / metros^2) estimado según edad y sexo. (Seleccionamos únicamenta a mayores de edad para éste y el resto de análisis).



Para poder interpretar este gráfico, es oportuno recordar los puntos de corte recomendados por la Organización Mundial de la Salud para transformar el índice de masa corporal² en categorías de estatus nutricional. Estos puntos de corte son iguales a lo largo de toda la edad adulta y no difieren según sexo:
- Por debajo de 18.5 kg/m^2, infrapeso.
- Entre 18.5 y 25, normopeso.
- Entre 25 y 30, sobrepeso.
- Por encima de 30, obesidad.

Mirando el gráfico, vemos cómo:
- El IMC pronosticado para personas jóvenes se sitúa, aproximadamente, en el punto de corte entre el normopeso y el sobrepeso.
- El IMC que esperamos encontrar aumenta con la edad, y este incremento paulatino es más marcado para hombres que para mujeres.
- Para cualquier edad, el IMC pronosticado para los hombres es mayor que para las mujeres. En coherencia con el punto anterior, la diferencia en IMC esperado entre hombres y mujeres crece con la edad.

En la Encuesta Nacional de Salud se le pregunta a la gente no sólo por su peso y altura, sino también por su percepción: "En relación a su estatura, diría que su peso es:
- Bastante mayor de lo normal
- Algo mayor de lo normal
- Normal
- Menor de lo normal"

Tenemos, así, el IMC autoinformado y el estatus de peso percibido. Podemos plantearnos para cada valor de IMC cuál es la probabilidad de situarse en cada uno de los diferentes niveles de peso percibido. Puesto que hombres y mujeres difieren en sus IMC promedio y éste cambio según la edad, es esperable la edad y el sexo sean variables relevantes a la hora de explicar la percepción de peso. Para poner a prueba esta idea, ajustamos un modelo de regresión logística multinomial, con estatus de peso percibido como variable dependiente y, como independientes, sexo, edad e IMC.

En la siguiente gráfica representamos las probabilidades de considerarse en cada uno de los cuatro estatus de peso percibido, para hombres y mujeres de 25 y 55 años. Ya que la edad es una variable continua, es necesario fijar un par de valores (arbitrarios) para poder representar gráficamente la relación:


¿Qué podemos ver aquí?
- Lo más evidente, que según vamos incrementando el IMC va subiendo el nivel de estatus de peso percibido en el que es más probable situarse.
- El IMC a partir del cual una persona empieza a considerarse con un peso bastante mayor del normal está marcadamente por encima de 30, el punto de corte de la OMS  para definir la obesidad.
- En general, a mayor edad, las líneas se desplazan hacia la derecha. Esto es, los IMC de corte para pasar de considerarse con algo de peso de más o bastante peso de más van siendo valores más altos.
- Para las mujeres, las líneas se situán a la izquierda de las líneas de los hombres. Esto es, pese a que para la OMS no hay diferencia por sexo en cómo categorizar los IMCs, las mujeres necesitan un IMC menor que los hombres para considerarse con sobrepeso. O, visto por el otro extremo, se consideran con un peso normal hasta IMCs más bajos que los hombres, antes de pasar a considerar que pesan de menos.

Por tanto, tenemos que las líneas de probabilidades de autodescripción son cambiantes según sexo y edad. Para poder ver este patrón de resultados, vamos a representar la gráfica que marca los diferentes puntos de corte entre las líneas. Los puntos de corte de IMC nos indican a partir de qué valores de IMC pasa a ser más probable considerarse en un determinado nivel de peso percibido en comparación con su nivel adyacente.


Aquí vemos lo anteriormente comentado con mayor claridad:
- Los puntos de corte van aumentado con la edad.
- Para las mujeres, estos puntos de corte están por debajo que para los hombres.
- El punto de corte que diferencia entre peso por debajo del normal y peso normal viene a corresponderse con el punto de corte de la OMS para señalar el infrapeso
- También lo hace, aunque en menor medida, el punto que marca el cambio entre peso normal y peso algo mayor del normal con IMC que según la OMS señala el paso al sobrepeso. Para los hombres mayores, tienden a considerarse como con algo de peso por encima del normal cuando según la OMS ya están bastante cerca de la obesidad.
- Importantemente, el punto de corte entre tener algo de peso de más y bastante peso de más se sitúa muy por encima de un IMC de 30, la frontera entre el sobrepeso y la obesidad. Se sitúan más bien en donde la OMS corta entre obesidad clase I y obesidad clase II.

Por tanto, si bien cabe esperar que vayamos ganando peso con los años, esto tiene un efecto limitado sobre nuestra percepción de estatus de peso, dado que vamos acomodando, correspondientemente, los puntos de corte. En general, a igualdad de IMC, las mujeres tienden a atribuirse un estatus de peso percibido superior al de los hombres. La frontera para estimar que tenemos bastante más peso del normal está muy por encima de punto en el que la OMS señala el comienzo de la obesidad.

En un futuro post espero poder discutir por qué la preocupación por el peso y el IMC son entre una tontería y contraproducentes y cómo estos datos cuadran con lo que sabemos sobre la relación entre el IMC y la salud.

Por cierto, si alguien se anima a convertir este pequeño post en un artículo científico, será muy bien recibido. Aquí hay material para ello, diría yo.

¹ Gran batería de preguntas en la que la salud mental ocupa un papel mínimo, del que se puede deducir sin demasiado problema la relevancia de este campo para el Ministerio de Sanidad.
² Estos puntos de corte tienen sentido a nivel epidemiológico, no individual. El estatus nutricional de una persona no puede determinarse considerando únicamente su IMC.

domingo, noviembre 23, 2014

Endogamia universitaria por decreto. El caso de la Universidad de Zaragoza.


Imagine que es usted profesor Ayudante Doctor o Contratado Doctor en la Universidad de HFG, donde ha conseguido, gracias a su esfuerzo y capacidad, un excelente currículum. Lamentablemente, le acaban de diagnosticar usted una enfermedad rara. Como tratamiento, parece que lo mejor son baños regulares en las aguas del Ebro. Por ello, una buena idea sería cambiar a la Universidad de Zaragoza. Revisando la página web¹ con las plazas disponibles, ve que está a tiempo de presentar los papeles para una convocatoria en su área de conocimiento de Contratado Doctor. Tirando de Google, ve que, tal y como era previsible, todo apunta a la presencia de candidato interno.

Para saber bien en qué terreno se mueve, consulta la normativa que regula la normativa de acceso. Para ello, se va a los Estatutos de la Universidad de Zaragoza. Ahí lee:
Artículo 147. Proceso de selección de profesorescontratados doctores
1. El proceso de selección de los profesores contratados doctores para el desarrollo de tareas de docencia e investigación se realizará conforme a lo previsto para la selección de profesores titulares.
Tal y como suele ser habitual en estos textos, 'rebota' hacia otro artículo:
Artículo 141. Criterios para resolver los concursos de acceso
2. El proceso de selección de los profesores titulares constará de dos pruebas:
a) La primera prueba consistirá en la exposición y debate del currículo, del proyecto docente, que  incluirá el programa de una de las materias o asignaturas de las que el área de conocimiento de que se trate tiene asignadas en el centro al que inicialmente se adscribe la plaza, y del proyecto investigador del candidato.
b) La segunda prueba consistirá en la exposición por el candidato, y posterior debate con la comisión, de un tema del programa presentado y elegido por aquél.

Nada anómalo, por el momento: exposición del CV, proyecto docente, proyecto investigador y tema. Pero sigue usted buceando por la normativa, hasta llegar a las disposiciones transitorias:
Disposiciones transitorias. Octava. 6.
Las plazas de profesor funcionario, profesor contratado doctor, profesor ayudante doctor o profesor colaborador convocadas conforme al apartado anterior se proveerán en la forma establecida en la normativa general de universidades y en estos Estatutos. En los procedimientos selectivos que se convoquen conforme a esta disposición, las comisiones de selección de profesorado contratado valorarán especialmente como mérito los servicios prestados a la Universidad de Zaragoza como personal docente e investigador, en los términos que señalen las correspondientes convocatorias de acuerdo con los criterios generales que establezca el Consejo de Gobierno.
Vaya. Esto ya empieza a tener malo pinta. Los méritos generados en la UZ puntúan más para la UZ. ¿Cómo encaja esto con el Artículo 103.3 de la Constitución Española, donde se habla de "acceso a la función pública de acuerdo con los principios de mérito y capacidad"?

Viendo cómo sus opciones migratorias se reducen y con el ánimo bajo, prosigue con su revisión sobre procedimientos. Llega a la Normativa reguladora de los concursos para la provisión de plazas de profesorado contratado por procedimiento ordinario, documento fechado en mayo de 2014. Ahí se aclara en qué consiste la valoración especial de ser candidato de la casa.
Disposiciones transitorias. Segunda. Valoración singular de los servicios prestados a la Universidad de Zaragoza en concursos a plazas de profesor contratado doctor y profesor colaborador
1. En las concursos correspondientes a las transformaciones de plazas a los que les sea de aplicación la disposición transitoria octava de los Estatutos de la Universidad de Zaragoza, las correspondientes comisiones de selección valorarán especialmente como mérito los servicios prestados en la Universidad de Zaragoza como personal docente e investigador, de acuerdo con lo establecido en los párrafos siguientes. Esa valoración afectará a la primera prueba.
2. En la primera prueba, la aplicación de los criterios adoptados por la comisión de selección, supondrá para cada candidato una puntuación denominada P1.
3. Además, a cada candidato se le calculará el valor V = 0,4 x P1 x n/N, siendo n el número de años con servicios prestados a la Universidad de Zaragoza como personal docente e investigador con dedicación a tiempo completo, y N el valor máximo de entre los candidatos que concurren, con un valor mínimo de cinco. Para fracciones de tiempo inferiores a un año o de dedicación a tiempo parcial se aplicarán reglas de proporcionalidad.
4. La valoración de los servicios prestados en la Universidad de Zaragoza se realizará sin perjuicio de la que se efectúe por otros conceptos que, aun que correspondan temporalmente a ese período, tomen en consideración otros criterios.
- La puntuación final de la primera prueba (P2) será la suma de P1 y V.
- Esta primera prueba valdrá, al menos, el doble que la segunda.
Traducido. Si un candidato interno lleva al menos cinco años trabajando en la Universidad de Zaragoza, su valoración en el primer ejercicio de dos (y este primer ejercicio ha de contar, al menos, el 67% de la puntuación final) se verá incrementada en un 40%. En el caso de haber varios candidatos internos o llevar menos de cinco años, se especifica la fórmula a aplicar.

Llegados a este punto, usted, probablemente, habrá descartado por completo la idea de presentarse a una plaza para la que no tiene ninguna opción. Le sorprenderá enormemente la desvergüenza de la Universidad de Zaragoza de publicar normativa descaradamente favorable hacia la endogamia. Pero, recapacitando, verá que tampoco es tan grave. Nadie en su sano juicio se presenta a una plaza que no es "su" plaza. Ganas innecesarias de pasar un mal trago para no conseguirla. Luego, ¿para qué regular la endogamia cuando ésta ya se produce sin hacer el ridículo en los boletines oficiales?

¹ ¿Algún día creará el Ministerio una página web donde se publiquen todas las plazas convocadas y obligará a las universidades a enviar información sobre cada nueva plaza? Buscar trabajo de profesor universitario fuera de tu universidad de origen supone estar revisando semana a semana unas 50 páginas web, habitualmente no demasiado fáciles de encontrar.

miércoles, noviembre 19, 2014

Los que nos preocupó y ya no y lo que nos preocupa en España

Una de las preguntas habituales del CIS en sus encuentas pide a los encuestados su opinión sobre los tres principales problemas de España. Aquí tienen los datos desde mayo de 1985 hasta octubre de 2014. Esto nos permite ver la evolución sobre lo que nos preocupó y ya no... (en el eje de las Y el porcentaje de encuestados que sitúa cada tema entre sus tres temas prioritarios)


... y la evolución de los temas que ahora consideramos como los principales problemas de España.

martes, noviembre 11, 2014

Demasiados psicólogos. Empleabilidad de los estudiantes de Psicología.

Estudiar Psicología es un mal invento en términos de empleabilidad.

Según Hernández (2003), en el curso 2003-2004 se podía estudiar la licenciatura de Psicología en España en 31 universidades. Veamos lo que ya se decía en el año 2005 en el Libro Blanco del Título del Grado en Psicología (PDF).
A pesar de la elevada demanda social de la profesión de psicólogo, el volumen de estudiantes y profesionales de la Psicología en España, es claramente superior a las posibilidades de inserción laboral. Esta desproporción deriva en gran medida del hecho de que, siendo una titulación demandada y popular, se ha considerado por parte de las autoridades educativas que no requería grandes inversiones en recursos humanos, docentes y de servicios o en recursos materiales. Ello ha convertido a la Licenciatura en Psicología en una titulación política, social y económicamente rentable. Hemos asistido así a la proliferación de Centros con estudios de Psicología en las universidades españolas que, además, han soportado históricamente una fuerte demanda de estudiantes de nuevo ingreso. Ni lo uno ni lo otro ha ocurrido normalmente en el resto de Europa. Por tanto, consideramos que ha llegado el momento de poner límite tanto a la creación de nuevos Centros con estudios de psicología como al número global de estudiantes que acceden a los mismos, teniendo en cuenta los recursos disponibles en cada Universidad. En consecuencia, se recomienda disminuir de forma significativa el número de alumnos que acceden a la Titulación de Psicología, en el conjunto de las Universidades españolas.
En contradicción con este mensaje, el número de universidades donde se puede estudiar Psicología ha aumentado hasta situarse en 45 durante el curso 2013-2014 (datos del MECD). Una parte importante de este incremento en la oferta se puede explicar por la proliferación de universidades privadas y a distancia, pero no por completo. Desde la redacción del Libro Blanco se han abierto estudios de Psicología en las universidades públicas de Cádiz, de Lérida, Rey Juan Carlos, de Zaragoza... La base de datos desde el curso 2008-2009 hasta el curso 2013-2014 puede consultarse aquí (libro Excel).

En coherencia con el aumento en la oferta de universidades donde cursar Psicología, ha aumentado también el número de estudiantes y, con ello, de egresados. Veamos los datos para el periodo 2008-2009 a 2013-2014. (Aquí no he considerado las dobles titulaciones, pocas y con pocos alumnos, que incluyen Psicología).


Nada de esto sería problemático si la expensación en la oferta de Psicología se correspondiera con una alta empleabilidad de quienes reciben esta formación. Lamentablemente, no parece ser el caso. El mes pasado el MECD hizo públicos los resultados principales del informe de Inserción Laboral de los Estudiantes Universitarios (PDF del PowerPoint de presentación). Siguiendo la mejor tradición en la política de transparencia, el informe original no se puede consultar todavía. Fiándome de los datos ofrecidos por El País, y sin poder entrar a valorar la metodología y no saber bien qué se mide, encontramos estos resultados (hoja Excel aquí):


Los titulados en el curso 2009-2011 en Psicología afiliados a la Seguridad Social en marzo del año 2014 se quedaban en 61%. Es importante tener en cuenta que aquí no se diferencia según características del puesto de trabajo. Lo cual sitúa a Psicología en un discreto punto medio, entre las titulaciones con mejores y peores opciones laborales, según informaron los periódicos (p.ej., El País).

En julio de este año, la AQU (Agencia para la Calidad del Sistema Universitario de Cataluña) publicaba otro informe de empleabilidad (PDF). Asumiré que la situación catalana y del resto de España no es muy diferente a este respecto. El informe permite una comparativa más fácil y completa entre áreas. Lamentablemente, aquí tenemos fundidos los resultados para Psicología y Pedagogía, aunque en los anexos pueden revisarse los datos en mayor detalle. En la página 79 del PDF se puede encontrar la definición de cada uno de los indicadores. Las flechas rojos indican que el área se sitúa peor de lo esperable si el tipo de estudios fuera trivial, la amarilla señala que no hay efecto y la verde que se encuentra por encima de lo esperable. Como puede verse, Psicología y Pedagogía acumulan flechas rojas, consiguen pocas amarillas y ninguna verde.


Por tanto, tenemos que Psicología es una titulación con más alumnos de los que se pueden colocar, sobre la que se han lanzado mensajes claros de reducir el número de estudiantes desde hace casi una década y sin voluntad universitaria por hacer caso a estos mensajes.

¿La parte positiva? En el informe de la AQU, se le pregunta a los entrevistados si volverían a escoger los mismos estudios si tuvieran que empezar de nuevo su recorrido universitario. Entre los psicólogos, el 75.25% dijo que sí, que se mantendría con su opción de Psicología. En general, quien estudia Psicología demuestra, desde el comienzo, ser más bien insensible a la empleabilidad y se mantiene así a lo largo del tiempo.

En otro post escribiré por qué está situación es imposible que se solucione desde la propia universidad.