Descripció de l’assignatura
Aquesta assignatura proporciona als estudiants un coneixement aprofundit del disseny i la gestió de projectes de recerca aplicada. El curs prepara els estudiants per a la realització del Treball de Fi de Grau (TFG) durant el quart any del programa.
L’assignatura ensenya un únic mètode: el mètode científic en la seva forma més útil dins d’una organització, i l’aplica de principi a fi al llarg de quinze setmanes sobre un conjunt de dades real, amb un laboratori computacional de 30 minuts en cada sessió a partir de la Sessió 3.
El mètode és el procés de resolució de problemes en set passos de McKinsey, desenvolupat en l’obra Bulletproof Problem Solving de Conn i McLean:
- Definir el problema.
- Desagregar les qüestions.
- Prioritzar.
- Construir un pla de treball.
- Realitzar les anàlisis.
- Sintetitzar els resultats.
- Comunicar la història.
És el mateix esquema fonamental que la resolució de problemes basada en qüestions (issue-based problem solving) de Rasiel i el model TEAM FOCUS de Friga; la secció 4.1 n’explica la correspondència.
Les quatre tècniques fonamentals
Els set passos es recolzen en quatre tècniques principals, que constitueixen el nucli pràctic de l’assignatura:
- Descomposició MECE (Mutually Exclusive, Collectively Exhaustive) (pas 2): un arbre lògic les branques del qual no se solapen i les fulles del qual reconstrueixen exactament la mètrica analitzada.
- Priorització de Pareto (pas 3): anàlisi de concentració aplicada a la mètrica definida al pas 1, que permet identificar les poques causes que expliquen la major part dels efectes.
- Contrastació d’hipòtesis (pas 5): disseny d’investigacions capaces de demostrar que l’estudiant està equivocat. Inclou potència estadística, preregistre, validació sense filtracions (leak-free validation) i identificació causal.
- Principi de la Piràmide de Minto (passos 6 i 7): organització de la comunicació començant per la conclusió principal, seguida per una línia argumental MECE i, finalment, per les evidències que la sustenten.
La contrastació d’hipòtesis es limita a evidència quantitativa, incloent:
- Aprenentatge automàtic en els seus quatre paradigmes principals.
- Mètodes de big data.
- Inferència causal.
- Intel·ligència artificial generativa utilitzada estrictament com a assistent científic i no com a font de fets.
Relació amb el Treball de Fi de Grau (TFG)
L’assignatura dona suport a les tres modalitats de TFG:
- Tesi acadèmica
- Nova empresa (New Venture)
- Cas de gestió (Management Case)
Aquestes tres modalitats inclouen sis itineraris específics. Tots segueixen els mateixos set passos de resolució de problemes; allò que canvia és l’audiència i, per tant, l’estàndard d’evidència requerit.
Cada estudiant ha de disposar d’un director o assessor formal, intern o extern, abans de la primera setmana de desembre.
Resultats d’aprenentatge
En finalitzar l’assignatura, els estudiants seran capaços de:
- Definir objectius de recerca realistes.
- Dissenyar mètodes de recerca adequats i rigorosos.
- Realitzar revisions bibliogràfiques exhaustives.
- Analitzar dades quantitatives i qualitatives.
- Redactar i presentar els resultats de la recerca.
- Aplicar conceptes teòrics en contextos professionals reals.
- Desenvolupar competències de gestió necessàries per liderar projectes de recerca amb èxit.
Exemples d’interacció entre el marc metodològic i els tipus de projecte
| Etapa FOCUS | Tesi acadèmica | Nova empresa | Cas de gestió |
|---|---|---|---|
| Frame | Pregunta de recerca i buit en la literatura que pretén cobrir | La hipòtesi més arriscada del model de negoci | La pregunta principal del client i qui ha de prendre la decisió |
| Frame (la M) | Variable dependent operacionalitzada | Motor econòmic clau: CAC, LTV, conversió o període de retorn | KPI pel qual s’avalua la persona decisora |
| Organize | Model conceptual i hipòtesis H1...Hk | Arbre d’assumpcions del model de negoci | Arbre de qüestions dels factors creadors de valor |
| Organize (poda) | Hipòtesis que les dades disponibles poden contrastar | Assumpció que, si és falsa, invalida el projecte empresarial | Anàlisi de Pareto sobre el KPI per identificar on es genera realment el valor |
| Collect | Dades secundàries, enquestes o panells amb traçabilitat | Pàgines d’aterratge, entrevistes, pilots i dades de mercat | Sistemes d’informació del client i referències obertes |
| Understand | Estimació, robustesa i limitacions | Resultats experimentals i economia de cohorts | Anàlisi dels factors impulsors amb impacte quantificat |
| Synthesize | Discussió i contribució científica declarada | Narrativa per a inversors i full de ruta | Recomanacions i pla d’implementació |
| Audience | Tribunal avaluador | Inversor escèptic o comitè d’inversions | Responsable de la presa de decisions que ha d’actuar |
Competències desenvolupades
Entre les competències adquirides destaquen:
- Planificació.
- Organització.
- Gestió del temps.
- Comunicació interpersonal.
- Treball en equip.
- Lideratge.
Els estudiants tindran l’oportunitat d’aplicar coneixements desenvolupats en diverses àrees, com ara:
- Direcció de màrqueting.
- Màrqueting internacional.
- Gestió de recursos humans.
- Gestió intercultural.
- Direcció de projectes.
L’assignatura proporciona, a més, una experiència pràctica especialment orientada a la preparació i realització satisfactòria del Treball de Fi de Grau.
Professors Titulars
Pas 1. Definir el problema (RA1–RA3)
- RA1. Convertir un símptoma organitzatiu mal definit en una declaració del problema de tipus SMART, formulada en una sola frase, que identifiqui un responsable de la decisió, una decisió, una palanca d’acció, una mètrica mesurable, un llindar i un horitzó temporal.
- RA2. Especificar aquesta mètrica amb un estàndard professional: definició conceptual, fórmula, nivell de granularitat, font de dades, llindar i possibles biaixos o distorsions coneguts; a més, implementar-la com una funció documentada i validada.
- RA3. Formular hipòtesis falsables amb proves crítiques clarament identificades, seleccionar un disseny de recerca capaç de donar suport a l’afirmació desitjada i calcular la potència estadística i l’efecte mínim detectable abans de recopilar les dades.
Passos 2–4. Descompondre, prioritzar i planificar (RA4–RA5)
- RA4. Descompondre una mètrica mitjançant un arbre de problemes MECE (Mútuament Excloent i Col·lectivament Exhaustiu) que la reconstrueixi exactament, i identificar els errors habituals de descomposició (solapaments ocults, branques metodològiques i barreja de nivells d’anàlisi).
- RA5. Prioritzar les branques utilitzant una anàlisi de Pareto aplicada a la mètrica seleccionada, juntament amb criteris d’esforç i valor de la informació, i elaborar un pla de treball en què cada activitat finalitzi amb un lliurable clarament definit.
Pas 5a. Recollir l’evidència (RA6–RA7)
- RA6. Avaluar la procedència, la cobertura, el mostreig i les dades mancants; elaborar una auditoria reproduïble de qualitat de dades i una declaració de dades que permeti a qualsevol persona reproduir el procés d’obtenció de la informació.
- RA7. Treballar a l’escala requerida per la pregunta de recerca mitjançant emmagatzematge columnar, consultes sobre grans volums de dades i dissenys de mostreig deliberats, explicant per què l’augment del volum de dades no elimina els biaixos.
Pas 5b. Realitzar les anàlisis (RA8–RA11)
- RA8. Seleccionar entre mètodes no supervisats, supervisats, semisupervisats, causals i seqüencials segons el tipus d’afirmació que poden sustentar legítimament, i validar-los d’acord amb el nivell d’evidència requerit.
- RA9. Construir processos d’aprenentatge supervisat lliures de filtracions d’informació (data leakage), seleccionar una mètrica d’avaluació i un llindar operatiu basats en l’estructura de costos de la decisió, i informar sobre el calibratge i el rendiment en subgrups.
- RA10. Dissenyar i analitzar experiments i quasi-experiments, ajustant les conclusions a la solidesa del disseny metodològic emprat.
- RA11. Utilitzar la intel·ligència artificial generativa com un coinvestigador instrumentat per generar, criticar i classificar idees dins d’un marc de verificació, declarant de manera completa i transparent aquest ús.
Passos 6–7. Sintetitzar i comunicar (RA12–RA14)
- RA12. Organitzar els resultats utilitzant la Piràmide de Minto: una idea principal recolzada per una dada quantitativa, una línia argumental MECE i evidències específiques per a cada argument.
- RA13. Defensar l’argument resultant davant preguntes crítiques, delimitar-lo mitjançant limitacions específiques i orientades en una direcció concreta, i indicar quina evidència podria refutar-lo.
- RA14. Lliurar un repositori completament reproduïble que qualsevol persona pugui clonar i executar, incloent-hi un annex complet sobre l’ús de la IA i una descripció detallada de l’entorn de treball utilitzat.
Pràctica professional (RA15)
- RA15. Establir i gestionar una relació formal amb un assessor o tutor, amb objectius acordats per escrit, reunions periòdiques documentades i mecanismes d’escalat precoç d’incidències, tot registrat en un informe mensual de seguiment.
El vocabulari principal de l’assignatura: el procés de set passos
El vocabulari principal de l’assignatura és el procés de resolució de problemes en set passos. Cada pas produeix un únic resultat, i cap pas no pot començar fins que existeixi el resultat del pas anterior.
| Pas | Resultat que produeix | Tècnica | Sessions |
|---|---|---|---|
| 1. Definir el problema | Una declaració SMART del problema: responsable de la decisió, decisió, mètrica mesurable (M), llindar i horitzó temporal | SMART | 2–3 |
| 2. Desagregar les qüestions | Un arbre lògic les fulles del qual reconstrueixen exactament la M | MECE | 4 |
| 3. Prioritzar les branques | El mateix arbre, ordenat segons la seva contribució a la M per unitat d’esforç i depurat | Pareto | 5 |
| 4. Elaborar el pla de treball | Una fila per a cada branca prioritzada: hipòtesi, anàlisi, dades, responsable, data i lliurable final | Taula de planificació | 5 |
| 5a. Recollir l’evidència | Un dossier de dades i fets amb la procedència, el mostreig i les distorsions conegudes documentades | Obtenció de dades i mostreig | 6–7 |
| 5b. Realitzar les anàlisis | Resultats amb mides de l’efecte i una estimació honesta de la incertesa | Contrastació d’hipòtesis | 8–13 |
| 6. Sintetitzar els resultats | Una idea central recolzada per una línia argumental MECE | Piràmide de Minto | 14 |
| 7. Comunicar la història | Un document i una defensa sobre els quals l’audiència pugui actuar | Piràmide de Minto | 15 |
Cal destacar l’estructura del curs: quatre dels set passos no produeixen resultats, sinó disseny. Els passos 1 a 4 ocupen les sessions 2 a 5 perquè és precisament aquí on els Treballs de Fi de Grau acostumen a tenir èxit o fracassar.
4.1.1 Un mètode, quatre vocabularis
Els estudiants seran supervisats, contractats i avaluats per persones que utilitzen paraules diferents per descriure els mateixos set moviments intel·lectuals. La correspondència següent fa que les competències adquirides siguin transferibles. Es presenta a la Sessió 1 i, a partir d’aquí, s’utilitza la terminologia dels set passos durant tot el curs.
| 7 passos (aquesta assignatura) | Mètode científic | Marc FOCUS | Resolució de problemes basada en qüestions |
|---|---|---|---|
| 1. Definir el problema (SMART) | Observar i formular una pregunta contrastable | F – Frame | Definir la qüestió |
| 2. Desagregar (arbre lògic, MECE) | Deduir conseqüències | O – Organize | Arbre de qüestions |
| 3. Prioritzar (Pareto, 80/20) | Decidir quina prova és decisiva | O – Organize | Podar l’arbre |
| 4. Elaborar el pla de treball | Planificar l’experiment | O – Organize | Pla de treball |
| 5a. Recollir / 5b. Analitzar | Recollir evidència; contrastar i falsar | C – Collect / U – Understand | Dossier de fets; demostrar o refutar |
| 6. Sintetitzar els resultats | Extreure una conclusió | S – Synthesize | I què? |
| 7. Comunicar la història | Defensar-la públicament | S – Synthesize | Narrativa |
Sobre FOCUS i TEAM
El model FOCUS de Friga (Frame, Organize, Collect, Understand, Synthesize) és una simplificació de la mateixa seqüència metodològica. En aquesta assignatura s’utilitza únicament com a etiqueta estructural de les cinc parts del curs.
La part TEAM (Talk, Evaluate, Assist, Motivate) descriu com treballa un equip i no com es resol un problema. Per això es tracta com una pràctica professional vinculada a la relació amb el tutor i al registre mensual de seguiment, i no com un marc metodològic objecte d’avaluació.
4.2 La relació entre Pareto i SMART
L’assignatura es fonamenta en una idea explícita:
La priorització de Pareto és una operació aritmètica realitzada sobre la M definida a l’enunciat SMART del problema.
L’afirmació «el 80 % dels efectes prové del 20 % de les causes» no té significat fins que es respon a la pregunta:
80 % de què?
Aquest «què» és precisament el criteri d’èxit mesurable (M) fixat a la Sessió 2.
La lògica consta de cinc passos:
- Definir la M: una fórmula, una granularitat, una finestra temporal i una font de dades.
- Enumerar les unitats: clients, productes, sucursals, països o causes d’error.
- Calcular la contribució: quantificar la part de la M atribuïble a la unitat i. Això exigeix exclusivitat mútua perquè cap contribució es compti dues vegades.
- Ordenar les unitats: classificar-les de major a menor contribució; la participació acumulada forma la corba de Lorenz o de Pareto.
- Escollir el punt de tall: identificar el conjunt mínim d’unitats que cobreix la part de la M que realment importa.
Si canvia la mètrica, canvia la classificació; si canvia la classificació, canvia la llista de prioritats; i si canvia la llista de prioritats, canvia la recomanació.
Per això Frame ha de precedir Organize: la priorització no és un judici subjectiu afegit a l’arbre de qüestions, sinó un càlcul l’entrada del qual és la mètrica.
Els estudiants verificaran aquest principi empíricament al laboratori de la Sessió 5 i hauran d’informar una mesura real de concentració (unitats necessàries per arribar al 80 %, quota del decil superior o coeficient de Gini) en lloc d’assumir automàticament una distribució 80/20.
4.3 Comunicació: el Principi de la Piràmide com a passos 6 i 7
El Principi de la Piràmide de Minto no és simplement una tècnica de redacció; constitueix directament els passos 6 i 7 del procés.
Un argument complet està format per:
- Una idea principal que inclou un verb i una xifra.
- Una línia argumental MECE formada per tres a cinc raons.
- Evidències que sustenten cadascuna de les raons.
Les seves quatre regles fonamentals són:
- Les idees superiors resumeixen les idees inferiors.
- Les idees agrupades han de ser del mateix tipus.
- Les idees han d’estar ordenades lògicament.
- Els grups han de complir el principi MECE.
La mateixa disciplina utilitzada per construir l’arbre de qüestions a la Sessió 4 s’aplica posteriorment a la construcció de l’argument final.
5. Tres opcions de TFG, sis itineraris, un únic mètode
Els estudiants han de declarar la seva opció i itinerari de Treball de Fi de Grau (TFG) a la Sessió 3.
Tots els itineraris s’avaluen mitjançant la mateixa rúbrica, perquè tots segueixen els mateixos set passos.
5.1 Els sis itineraris
| Itinerari | Audiència que cal convèncer | La M acostuma a ser | Estàndard d’evidència |
|---|---|---|---|
| A1 · Acadèmic independent | Un tribunal avaluador sense interès directe en el tema | Una variable dependent operacionalitzada | Disseny reproduïble, mides de l’efecte amb incertesa i limitacions explícites |
| A2 · Acadèmic vinculat a un grup de recerca | El supervisor i els coautors del grup, i posteriorment el tribunal | La variable que mesura l’instrument del grup | Compliment del protocol del grup i coherència amb el seu treball publicat |
| B1 · Nova empresa existent | Un inversor amb accés a les dades reals de l’empresa | La mètrica econòmica unitària que presenta problemes | Dades operatives pròpies comparades amb un control o una referència |
| B2 · Escissió d’una empresa familiar | El consell familiar, que també gestiona l’empresa existent | Marge incremental net de canibalització | Dades de l’empresa existent més una validació independent de nova demanda |
| B3 · Pla de negoci | Un comitè d’inversió sense dades pròpies de l’estudiant | L’assumpció més arriscada expressada com una xifra | Evidència primària generada per l’estudiant |
| C · Cas de gestió | Un responsable de decisió dins d’una organització | El KPI pel qual és avaluat el responsable | Sistemes d’informació del client més referències obertes i impacte quantificat sobre el KPI |
Nota sobre les opcions
Les opcions no representen diferents nivells de dificultat ni diferents àrees temàtiques.
Representen audiències diferents.
L’audiència determina l’estàndard d’evidència exigit. Si un estudiant no pot identificar clarament la seva audiència, encara no ha triat realment el seu itinerari.
5.3 El tutor: una data límit innegociable
Tots els estudiants han de disposar d’un tutor formal, intern o extern aprovat, abans de la primera setmana de desembre.
Un estudiant que no hagi presentat formalment l’acord de tutorització abans d’aquesta data no podrà defensar el seu TFG en aquesta convocatòria.
| Quan | Fita | Evidència |
|---|---|---|
| Sessions 1–3 | Elaborar una llista de tres tutors potencials | Tres noms i una breu justificació de la seva aportació |
| Sessió 3 | Declarar l’opció i l’itinerari del TFG; identificar el primer tutor que es contactarà | Formulari de declaració |
| Sessions 3–5 | Contactar el tutor amb un resum d’una pàgina adjunt | Correu electrònic enviat amb el resum |
| Sessions 5–8 | Acordar l’abast: freqüència de reunions, documents a revisar i contribució pròpia de l’estudiant | Document d’abast |
| Primera setmana de desembre | Presentar formalment l’acord de tutorització i, si escau, l’acord d’accés a dades | Annex I signat |
| A partir de desembre | Com a mínim una reunió substancial al mes | Acta datada enviada al tutor en un termini de 24 hores |
Als estudiants se’ls explica clarament a la Sessió 1, i se’ls recorda a les sessions 3, 5 i 8, que una conversa cordial a l’octubre no constitueix un acord formal. Si un tutor deixa de respondre o l’accés a les dades promès no es materialitza, l’estudiant ha d’informar-ne el coordinador del programa en un termini màxim de dues setmanes.
5.4 Els mateixos passos, diferents lliurables
| Pas | Tesi Acadèmica (A1, A2) | Nova Empresa (B1, B2, B3) | Cas de Gestió (C) |
|---|---|---|---|
| 1. Definir | Pregunta de recerca i buit que pretén cobrir; per a A2, aportació addicional al treball del grup | L’assumpció més arriscada del model de negoci o la mètrica econòmica que està fallant | La pregunta principal del client i qui ha de prendre la decisió |
| 1. Definir (la M) | Variable dependent operacionalitzada | CAC, LTV, conversió, període de retorn; en B2, marge incremental net de canibalització | KPI pel qual és avaluat el responsable de la decisió |
| 2. Desagregar | Model conceptual i hipòtesis H1...Hk | Arbre d’assumpcions o identitat econòmica unitària | Arbre de factors impulsors de valor |
| 3. Prioritzar | Quines hipòtesis poden contrastar-se amb les dades disponibles | Quina assumpció, si fos falsa, invalidaria el negoci | Anàlisi de Pareto del KPI |
| 4. Pla de treball | Pla de capítols amb dades i calendari | Pla de proves amb cost per prova | Pla d’anàlisi acordat amb el patrocinador |
| 5a. Recollir | Dades secundàries, enquestes o panells amb procedència documentada | Pàgines d’aterratge, entrevistes, pilots, comptabilitat pròpia i dades de mercat | Sistemes d’informació del client i referències obertes |
| 5b. Analitzar | Estimació, robustesa i limitacions | Resultats experimentals i economia de cohorts | Anàlisi de factors impulsors amb impacte quantificat |
| 6. Sintetitzar | Discussió i contribució declarada | Narrativa per a inversors i full de ruta | Recomanació i pla d’implementació |
| 7. Comunicar | Defensa davant d’un tribunal | Defensa davant d’un inversor escèptic | Defensa davant d’un responsable que ha de prendre decisions |
| Extensió habitual | 40–70 pàgines | 20–30 pàgines més un model | 20–30 pàgines més annexos |
Metodologia docent
Les sessions de classe combinaran de manera dinàmica la teoria i la pràctica. Els estudiants hauran de realitzar les lectures assignades abans d’assistir a classe i preparar-se per debatre les qüestions rellevants en grup, així com per aplicar els coneixements adquirits a casos i exemples pràctics.
Al llarg del curs, els estudiants treballaran en equip en un projecte de recerca continu que hauran de dissenyar, executar i avaluar. Cada concepte teòric introduït al curs serà posat a prova de manera pràctica mitjançant aquests projectes. També s’espera que els estudiants desenvolupin una part substancial del treball fora de l’aula.
La dimensió pràctica de gestió del projecte de recerca està concebuda perquè els estudiants actuïn com a responsables del projecte sota la supervisió del professorat. En aquest context, les «classes» es redefineixen com a «reunions», i els estudiants han d’aprendre a planificar-les i organitzar-les de manera efectiva per assolir els objectius que ells mateixos estableixin.
El professorat orienta els estudiants en relació amb els continguts teòrics, que s’han de preparar abans de les reunions i han d’influir directament en les accions desenvolupades i en els lliurables generats.
L’objectiu final és simular de la manera més realista possible el funcionament d’un equip de recerca treballant en un projecte de consultoria professional.
Estructura de les sessions setmanals
Sessions setmanals de 3 hores, organitzades en tres blocs:
- Bloc conceptual.
- Taller pràctic.
- Laboratori de Python de 30 minuts.
Per a més informació, consulteu l’apartat de Continguts.
La seva nota final per a aquest curs es compondrà dels següents percentatges: 25% Proposta de projecte en parelles (Mindmap) per al 6 de novembre via eStudy 40% Revisió bibliogràfica en parelles (2.000 paraules) per al 18 de desembre a través d' eStudy. 20% Examen final 15% Participació Participació i actitud: Participar en les discussions de classe, ser actiu en les preguntes i respostes, proporcionar exemples, ser un membre actiu i compromès de l'equip. Comportament apropiat, evitant interrupcions innecessàries i converses secundàries. També es restaran punts per mal ús del telèfon, per ser disruptiu, per haver estat expulsat de classe, etc. Assistència - Les tasques pendents només s'acceptaran si la seva absència està justificada pel seu tutor. IA: Els alumnes que optin per utilitzar una IA en els seus treballs (si el professor l'autoritza) hauran d'incloure un paràgraf al final de la tasca o activitat en la qual l'alumne hagi utilitzat aquesta eina i explicar per què ha decidit utilitzar-la i el resultat obtingut d'aquesta. La no inclusió d'aquesta informació serà considerada com un intent de frau o parany per enganyar el sistema d'avaluació. En tal cas s'aplicaran les sancions establertes en el Reglament de Còpies de La Salle Campus Barcelona. https://www.salleurl.edu/en/copies-regulation Política de recuperació: No hi ha examen de recuperació en aquesta assignatura.
Sistema d’avaluació
| # | Component | Pes | Lliurament | Avalua | Passos |
|---|---|---|---|---|---|
| 0 | Quaderns de laboratori (13, sessions 3–13) | 15% | Setmanalment des de la sessió 3 | RA2, RA6–RA11, RA14 | 1, 5 |
| 1 | Declaració del problema, arbre de qüestions i pla de treball | 10% | Sessió 4 | RA1, RA2, RA4, RA5 | 1–4 |
| 2 | Memòria d’evidència i disseny, i nucli analític | 25% | Setmana de l’examen parcial | Diversos | Diversos |
| 3 | Lliurable final basat en la Piràmide de Minto i defensa oral | 20% | Sessió 13 | RA6–RA11 | 5 |
| 4 | Participació i actitud | 10% | Sessió final | RA12, RA13 | 6–7 |
| 5 | Examen final | 20% | Període oficial d’exàmens | Tots | Tots |
0. Quaderns de laboratori (15%)
Tretze quaderns breus, un a cadascuna de les sessions 3 a 15, qualificats amb el sistema apta/no apta segons tres criteris:
a) El quadern s’executa de principi a fi des d’un nucli net (clean kernel) sense passos manuals.
b) S’han intentat tots els exercicis marcats com your code here, i l’exercici final «aplica-ho al teu propi projecte» està adaptat a l’itinerari de TFG de l’estudiant.
c) Hi ha un paràgraf d’interpretació que explica què demostra i què no demostra el resultat obtingut.
Obtenir 11 dels 13 exercicis aprovats equival a obtenir la qualificació màxima, de manera que es poden deixar de presentar dos quaderns sense penalització.
Cada laboratori es publica en dues versions:
- Versió per a l’estudiant: inclou les cel·les d’exercicis amb estructures base perquè l’estudiant hi incorpori el seu codi.
- Versió amb solucions: es publica després de la data límit de lliurament i conté el codi complet, així com una explicació detallada de cada exercici, dels resultats esperats i dels errors més habituals. És també la versió utilitzada pel professorat durant la sessió.
1. Declaració del problema i arbre de qüestions (10%)
Dues pàgines més un paràgraf.
Pàgina 1
- Declaració SMART del problema.
- Definició de la mètrica M amb la seva especificació en sis línies.
- Arbre MECE anotat.
Pàgina 2
- Evidència Pareto (corba, unitats necessàries per arribar al 80 % i coeficient de Gini).
- Decisió de priorització i poda.
- Taula del pla de treball.
Paràgraf addicional
- Explicació explícita del que l’equip no analitzarà i de les raons per les quals queda fora de l’abast del projecte.
2. Memòria d’evidència i disseny, i nucli analític (25%)
Ha d’incloure:
- Declaracions de dades per a cadascuna de les fonts utilitzades.
- Anàlisi població–marc mostral–mostra, incloent la direcció dels possibles biaixos en cada etapa.
- Anàlisi de les dades mancants (missingness) i evidències associades.
- Pla d’anàlisi preregistrat i datat.
- Explicació de l’escala de dades i de l’estratègia de mostreig, incloent-hi la instantània (snapshot) utilitzada i la política de múltiples comparacions.
Les dues branques prioritzades del projecte han de ser analitzades amb un nivell de rigor defensable.
A més, s’exigeix:
- Selecció adequada del mètode per respondre la pregunta de recerca.
- Compliment del protocol de validació corresponent.
- Presentació de les mides de l’efecte i la seva incertesa.
- Coherència entre el llenguatge de les conclusions i la solidesa del disseny metodològic.
- Taula de subgrups i equitat (fairness) sempre que un model realitzi assignacions o classificacions.
- Reproduïbilitat completa.
- Annex d’ús d’IA actualitzat i complet.
3. Lliurable final basat en la Piràmide de Minto i defensa (20%)
Consisteix en:
- Un document estructurat segons la Piràmide de Minto, en el format i extensió corresponents a l’itinerari de TFG de l’estudiant (vegeu l’apartat 5.4).
- Una defensa oral de 10 minuts.
- Un torn de preguntes de 5 minuts.
El format pot variar segons l’itinerari, però l’estructura lògica és sempre la mateixa:
- Una idea principal rectora.
- Una línia argumental MECE.
- Evidències que sustenten cadascun dels arguments.
4. Participació i actitud (10%)
S’avaluarà:
- La participació activa en les discussions de classe.
- La participació en les sessions de preguntes i respostes.
- L’aportació d’exemples rellevants.
- El compromís i la contribució al treball de l’equip.
- Una actitud professional i col·laborativa.
També es podran descomptar punts per:
- Ús inadequat del telèfon mòbil.
- Comportaments disruptius.
- Converses paral·leles innecessàries.
- Expulsió de l’aula per mala conducta.
Assistència: les tasques pendents només s’acceptaran si l’absència ha estat degudament justificada i validada pel tutor.
5. Examen final (20%)
L’examen final avalua el nivell de domini de la metodologia desenvolupada al llarg de l’assignatura.
Ús de la intel·ligència artificial
Els estudiants que decideixin utilitzar eines d’intel·ligència artificial en els seus treballs, sempre que el professorat ho autoritzi, hauran d’incloure un paràgraf al final de la tasca o activitat indicant:
- Per què han decidit utilitzar la IA.
- Com l’han utilitzat.
- Quin resultat han obtingut.
El nivell màxim d’ús permès és el nivell 3.
La manca d’aquesta informació, o una declaració insuficientment clara, serà considerada un intent de frau acadèmic, ja que altera el sistema d’avaluació. En aquest cas s’aplicarà la Normativa sobre còpies de La Salle Campus Barcelona.
Política de recuperació
La recuperació consistirà en un examen final.
La qualificació màxima que es podrà obtenir en la recuperació serà un 6,0.
Nivells d’ús de la IA
| Nivell | Significat | Ús de la IA | Requisits per a l’estudiant |
|---|---|---|---|
| 1 | Sense IA | No es permet l’ús de la IA en cap fase de la tasca. | L’activitat s’ha de completar íntegrament sense eines d’IA, demostrant els coneixements i les competències pròpies. |
| 2 | IA per a la generació d’idees i l’estructuració | La IA es pot utilitzar per generar idees, esquemes o orientació inicial, però no contingut final. | La versió final ha d’estar redactada íntegrament per l’estudiant i no pot contenir text generat per IA. |
| 3 | IA per a l’edició | La IA es pot utilitzar per millorar la claredat, la gramàtica, la puntuació o l’estil, però no per generar contingut nou. | Cal lliurar el treball original i la versió prèvia a l’edició amb IA com a evidència del procés. |
| 4 | IA per executar tasques, amb avaluació humana | La IA pot utilitzar-se per completar parts específiques de la tasca. | Els resultats generats per IA han de ser analitzats críticament i correctament referenciats. |
| 5 | Ús complet de la IA | La IA pot utilitzar-se de manera extensa com a eina de suport o copilot. | Els estudiants poden integrar la IA lliurement segons els objectius de la tasca. En aquest nivell no és obligatori indicar quines parts s’han generat amb IA. |
Saunders, M et al. (2006) Research Methods for Business Students, 4th edition, FT Prentice Hall. Other readings will depend on the theme of the project.
Conn, C. & McLean, R. (2019). Bulletproof Problem Solving. Wiley.
Friga, P. N. (2009). The McKinsey Engagement. McGraw-Hill. — TEAM FOCUS in full.
Conn, C. & McLean, R. (2019). Bulletproof Problem Solving. Wiley. — the seven steps, with worked cases.
Rasiel, E. M. (1999). The McKinsey Way. McGraw-Hill. — the origin of issue-based problem solving.
Minto, B. (2009). The Pyramid Principle (3rd ed.). Pearson. — read the first 60 pages now, the rest before Session 14.
Popper, K. (1959/2002). The Logic of Scientific Discovery. Routledge. — falsifiability, chapters 1 and 4.
Google Research (2025). Accelerating scientific breakthroughs with an AI co-scientist. research.google/blog — the multi-agent architecture discussed today.