Abstract
Los datos y la significacion representan estructuras secuenciales para la relevancia cientifica. El proposito del estudio fue identificar barreras epistemologicas en la arquitectura de los datos y la significacion del modelo predictivo de la ciencia. El estudio se realizo desde enero hasta julio del 2020 seleccionandose mediante un muestreo probabilistico aleatorio, 100 articulos de Scopus donde se accedio a traves, de la plataforma ScienceDirect como herramienta cientifica de busqueda. Las estructuras secuenciales se compararon mediante la prueba t-Student considerandose significativos los resultados con un nivel de confianza del 95% y donde se encontro diferencias entre ellas (t = -53,88; p = 7,09). Se observo que, el analisis de los datos fue menos relevante en comparacion con la importancia que se atribuye a su significacion. Se concluyo que, la identificacion de las barreras epistemologicas para la arquitectura de los datos y la significacion en el modelo predictivo de la ciencia representa una guia a considerarse para la medicion de las variables y su interpretacion hacia un conocimiento cientifico.
Highlights
Algunas preguntas epistemológicas se pueden formular para asumir que algunos modelos de predicción científicos, constituyen explicaciones de la realidad pues de lo contrario, detalles significativos no se considerarían y por tanto, influirían en las inferencias
La identificación de las barreras epistemológicas para la arquitectura de los datos y la significación en el modelo predictivo de la ciencia representa una guía a considerarse para la medición de las variables y su interpretación hacia un conocimiento científico
Summary
El estudio se realizó desde enero hasta julio del 2020 y se seleccionó mediante un muestreo probabilístico aleatorio, 100 artículos de Scopus a los cuales de se accedió a través, de la plataforma ScienceDirect como herramienta científica de búsqueda (Figura 1). Parece ser muy diferenciable que la ciencia de datos no es estadística per se, pues en las habilidades del modelado e inferencias no se enfatiza. Existe el almacén y acceso a los datos mediante algoritmos de comprensión sobre el cómo, implementarse un método de análisis elegido por cuanto, no se establece el desarrollo de teorías estadísticas (Klein et al, 2014; Dunson, 2018). Algunas preguntas epistemológicas se pueden formular para asumir que algunos modelos de predicción científicos, constituyen explicaciones de la realidad pues de lo contrario, detalles significativos no se considerarían y por tanto, influirían en las inferencias. Se analizó dos estructuras metodológicas del modelo predictivo de la ciencia: los datos y la significación de la teoría desde una concepción en el pensamiento filosófico de Popper (1962, 1976), Kuhn (1962, 1982), Lakatos (1987) y Feyerabend (1958, 1989). Se ancoalmizpóareánndeolsepromgerdamianateestlaadpísrtuiecoba t-Stdudeecnotn. fLiaonszaredseullt9a5d%os. se consideraron profesiosniganlificaStitvaotsgrcaopnhuincsnivelCdeenctounrfiioanza del 95%
Sign-in/Register to view highlights & summary Sign-in/Register to access full text options 
Talk to us
Join us for a 30 min session where you can share your feedback and ask us any queries you have
Schedule a callDisclaimer: All third-party content on this website/platform is and will remain the property of their respective owners and is provided on "as is" basis without any warranties, express or implied. Use of third-party content does not indicate any affiliation, sponsorship with or endorsement by them. Any references to third-party content is to identify the corresponding services and shall be considered fair use under The CopyrightLaw.
