Descripción de la asignatura
Esta asignatura proporciona a los estudiantes un conocimiento profundo sobre el diseño y la gestión de proyectos de investigación aplicada. El curso prepara a los estudiantes para la realización del Trabajo de Fin de Grado (TFG) durante el cuarto año del programa.
La asignatura enseña un único método: el método científico en su forma más útil dentro de una organización, y lo aplica de principio a fin a lo largo de quince semanas sobre un conjunto de datos real, con un laboratorio computacional de 30 minutos en cada sesión a partir de la Sesión 3.
El método es el proceso de resolución de problemas en siete pasos de McKinsey, descrito por Conn y McLean en Bulletproof Problem Solving:
- Definir el problema.
- Descomponer los temas o cuestiones.
- Priorizar.
- Construir un plan de trabajo.
- Realizar los análisis.
- Sintetizar los hallazgos.
- Comunicar la historia.
Es el mismo motor metodológico que la resolución de problemas basada en cuestiones (issue-based problem solving) de Rasiel y el modelo TEAM FOCUS de Friga; la sección 4.1 presenta la correspondencia entre ellos.
Las cuatro técnicas fundamentales
Los siete pasos se apoyan en cuatro técnicas principales, que constituyen el núcleo práctico de la asignatura:
- Descomposición MECE (Mutually Exclusive, Collectively Exhaustive) (paso 2): un árbol lógico cuyas ramas no se solapan y cuyas hojas reconstruyen exactamente la métrica analizada.
- Priorización de Pareto (paso 3): análisis de concentración aplicado a la métrica definida en el paso 1, que permite identificar las pocas causas que explican la mayor parte de los efectos.
- Contraste de hipótesis (paso 5): diseño de investigaciones capaces de demostrar que el estudiante está equivocado. Incluye potencia estadística, prerregistro, validación sin filtraciones (leak-free validation) e identificación causal.
- Principio de la Pirámide de Minto (pasos 6 y 7): organización de la comunicación comenzando por la conclusión principal, seguida por una línea argumental MECE y, finalmente, por las evidencias que la sustentan.
El contraste de hipótesis se limita a evidencia cuantitativa, incluyendo:
- Aprendizaje automático en sus cuatro paradigmas principales.
- Métodos de big data.
- Inferencia causal.
- Inteligencia artificial generativa utilizada estrictamente como asistente científico y no como fuente de hechos.
Relación con el Trabajo de Fin de Grado (TFG)
La asignatura da soporte a las tres modalidades de TFG:
- Tesis académica
- Nueva empresa (New Venture)
- Caso de gestión (Management Case)
Estas tres modalidades incluyen seis itinerarios específicos. Todos siguen los mismos siete pasos de resolución de problemas; lo que cambia es la audiencia y, por tanto, el estándar de evidencia requerido.
Cada estudiante deberá contar con un director o asesor formal, interno o externo, antes de la primera semana de diciembre.
Resultados de aprendizaje
Al finalizar la asignatura, los estudiantes serán capaces de:
- Establecer objetivos de investigación realistas.
- Diseñar métodos de investigación rigurosos y adecuados.
- Realizar revisiones bibliográficas exhaustivas.
- Analizar datos cuantitativos y cualitativos.
- Redactar y presentar resultados de investigación.
- Aplicar conceptos teóricos en contextos profesionales reales.
- Desarrollar competencias de gestión necesarias para liderar proyectos de investigación con éxito.
Ejemplos de interacción entre el marco metodológico y los tipos de proyecto
| Etapa FOCUS | Tesis académica | Nueva empresa | Caso de gestión |
|---|---|---|---|
| Frame | Pregunta de investigación y vacío en la literatura que aborda | La hipótesis más arriesgada del modelo de negocio | La principal pregunta del cliente y quién debe tomar la decisión |
| Frame (la M) | Variable dependiente operacionalizada | El impulsor económico clave: CAC, LTV, conversión o período de recuperación | El KPI por el que se evalúa al responsable de la decisión |
| Organize | Modelo conceptual e hipótesis H1...Hk | Árbol de supuestos del modelo de negocio | Árbol de problemas o factores impulsores de valor |
| Organize (poda) | Qué hipótesis pueden contrastarse con los datos disponibles | Qué supuesto, si resultara falso, invalidaría la empresa | Análisis de Pareto sobre el KPI para identificar dónde se genera realmente el valor |
| Collect | Datos secundarios, encuestas o paneles con trazabilidad | Páginas de aterrizaje, entrevistas, proyectos piloto y datos de mercado | Sistemas de información del cliente y referencias abiertas |
| Understand | Estimación, robustez y limitaciones | Resultados experimentales y economía de cohortes | Análisis de impulsores con impacto cuantificado |
| Synthesize | Discusión y contribución declarada | Narrativa para inversores y hoja de ruta | Recomendación y plan de implementación |
| Audience | Un tribunal evaluador | Un inversor escéptico o comité de inversiones | Un directivo o responsable que debe tomar una decisión |
Competencias desarrolladas
Entre las competencias adquiridas destacan:
- Planificación.
- Organización.
- Gestión del tiempo.
- Comunicación interpersonal.
- Trabajo en equipo.
- Liderazgo.
Los estudiantes tendrán la oportunidad de aplicar conocimientos desarrollados en diversas áreas, tales como:
- Dirección de marketing.
- Marketing internacional.
- Gestión de recursos humanos.
- Gestión intercultural.
- Dirección de proyectos.
Asimismo, la asignatura proporciona una experiencia práctica especialmente orientada a la preparación y realización exitosa del Trabajo de Fin de Grado.
Profesores Titulares
Paso 1. Definir el problema (RA1–RA3)
- RA1. Convertir un síntoma organizativo mal definido en una declaración del problema tipo SMART, formulada en una sola frase, que identifique un responsable de la decisión, una decisión, una palanca de acción, una métrica medible, un umbral y un horizonte temporal.
- RA2. Especificar dicha métrica con un estándar profesional: definición conceptual, fórmula, nivel de granularidad, fuente de datos, umbral y posibles sesgos o distorsiones conocidos; además, implementarla como una función documentada y validada.
- RA3. Formular hipótesis falsables con pruebas críticas claramente identificadas, seleccionar un diseño de investigación capaz de respaldar la afirmación deseada y calcular la potencia estadística y el efecto mínimo detectable antes de recopilar los datos.
Pasos 2–4. Descomponer, priorizar y planificar (RA4–RA5)
- RA4. Descomponer una métrica mediante un árbol de problemas MECE (Mutuamente Excluyente y Colectivamente Exhaustivo) que la reconstruya exactamente, e identificar los errores habituales de descomposición (solapamientos ocultos, ramas metodológicas y mezcla de niveles de análisis).
- RA5. Priorizar ramas utilizando análisis de Pareto aplicado a la métrica seleccionada, junto con criterios de esfuerzo y valor de la información, y elaborar un plan de trabajo en el que cada actividad concluya con un entregable claramente definido.
Paso 5a. Recopilar la evidencia (RA6–RA7)
- RA6. Evaluar la procedencia, cobertura, muestreo y datos faltantes; elaborar una auditoría reproducible de calidad de datos y una declaración de datos que permita a cualquier persona reproducir el proceso de obtención de la información.
- RA7. Trabajar a la escala requerida por la pregunta de investigación mediante almacenamiento columnar, consultas sobre grandes volúmenes de datos y diseños de muestreo deliberados, explicando por qué el aumento del volumen de datos no elimina los sesgos.
Paso 5b. Realizar los análisis (RA8–RA11)
- RA8. Seleccionar entre métodos no supervisados, supervisados, semisupervisados, causales y secuenciales según el tipo de afirmación que pueden sustentar legítimamente, y validarlos de acuerdo con el nivel de evidencia requerido.
- RA9. Construir procesos de aprendizaje supervisado libres de filtraciones de información (data leakage), seleccionar una métrica de evaluación y un umbral operativo basados en la estructura de costes de la decisión, e informar sobre la calibración y el rendimiento en subgrupos.
- RA10. Diseñar y analizar experimentos y cuasi-experimentos, ajustando las conclusiones a la fortaleza del diseño metodológico empleado.
- RA11. Utilizar la inteligencia artificial generativa como un co-investigador instrumentado para generar, criticar y clasificar ideas dentro de un marco de verificación, declarando de forma completa y transparente dicho uso.
Pasos 6–7. Sintetizar y comunicar (RA12–RA14)
- RA12. Organizar los resultados utilizando la Pirámide de Minto: una idea principal respaldada por un dato cuantitativo, una línea argumental MECE y evidencias específicas para cada argumento.
- RA13. Defender el argumento resultante ante preguntas críticas, delimitarlo mediante limitaciones específicas y orientadas a una dirección concreta, e indicar qué evidencia podría refutarlo.
- RA14. Entregar un repositorio totalmente reproducible que cualquier persona pueda clonar y ejecutar, incluyendo un anexo completo sobre el uso de IA y una descripción detallada del entorno de trabajo utilizado.
Práctica profesional (RA15)
- RA15. Establecer y gestionar una relación formal con un asesor o tutor, con objetivos acordados por escrito, reuniones periódicas documentadas y mecanismos de escalado temprano de incidencias, todo ello registrado en un informe mensual de seguimiento.
El vocabulario principal de la asignatura: el proceso de siete pasos
El vocabulario principal de la asignatura es el proceso de resolución de problemas en siete pasos. Cada paso produce un único resultado, y ningún paso puede comenzar hasta que exista el resultado del paso anterior.
| Paso | Resultado que produce | Técnica | Sesiones |
|---|---|---|---|
| 1. Definir el problema | Una declaración SMART del problema: responsable de la decisión, decisión, métrica medible (M), umbral y horizonte temporal | SMART | 2–3 |
| 2. Descomponer los problemas | Un árbol lógico cuyas hojas reconstruyen exactamente la M | MECE | 4 |
| 3. Priorizar las ramas | El mismo árbol, ordenado según su contribución a la M por unidad de esfuerzo y depurado | Pareto | 5 |
| 4. Elaborar el plan de trabajo | Una fila por cada rama priorizada: hipótesis, análisis, datos, responsable, fecha y entregable final | Tabla de planificación | 5 |
| 5a. Recopilar la evidencia | Un dossier de hechos con procedencia, muestreo y distorsiones conocidas documentadas | Obtención de datos y muestreo | 6–7 |
| 5b. Realizar los análisis | Hallazgos con tamaños del efecto y una estimación honesta de la incertidumbre | Contraste de hipótesis | 8–13 |
| 6. Sintetizar los hallazgos | Una idea central respaldada por una línea argumental MECE | Pirámide de Minto | 14 |
| 7. Comunicar la historia | Un documento y una defensa sobre los que la audiencia pueda actuar | Pirámide de Minto | 15 |
Obsérvese la estructura del curso: cuatro de los siete pasos no producen hallazgos, sino diseño. Los pasos 1 a 4 ocupan las sesiones 2 a 5 porque es precisamente allí donde los proyectos de fin de grado suelen tener éxito o fracasar.
4.1.1 Un método, cuatro vocabularios
Los estudiantes serán supervisados, contratados y evaluados por personas que utilizan diferentes términos para describir los mismos siete movimientos intelectuales. La siguiente correspondencia hace que las habilidades adquiridas sean transferibles. Se introduce en la Sesión 1 y, a partir de ahí, se utiliza la terminología de los siete pasos durante todo el curso.
| 7 pasos (este curso) | Método científico | Marco FOCUS | Resolución de problemas basada en cuestiones |
|---|---|---|---|
| 1. Definir el problema (SMART) | Observar y formular una pregunta contrastable | F: Frame | Plantear el problema |
| 2. Descomponer (árbol lógico, MECE) | Deducir consecuencias | O: Organize | Árbol de problemas |
| 3. Priorizar (Pareto, 80/20) | Decidir qué prueba es decisiva | O: Organize | Podar el árbol |
| 4. Elaborar el plan de trabajo | Planificar el experimento | O: Organize | Plan de trabajo |
| 5a. Recopilar evidencias / 5b. Realizar análisis | Recopilar evidencias; contrastar y falsar hipótesis | C: Collect / U: Understand | Dossier de hechos; demostrar o refutar |
| 6. Sintetizar los hallazgos | Extraer una conclusión | S: Synthesize | ¿Y qué? |
| 7. Comunicar la historia | Defender públicamente las conclusiones | S: Synthesize | Narrativa |
Sobre FOCUS y TEAM
El modelo FOCUS de Friga (Frame, Organize, Collect, Understand, Synthesize) es una simplificación de la misma secuencia metodológica. En esta asignatura se utiliza únicamente como una etiqueta estructural para organizar el contenido.
La parte TEAM (Talk, Evaluate, Assist, Motivate) se refiere al funcionamiento del equipo y no al proceso de resolución de problemas. Por ello, se trata como una práctica profesional vinculada a la relación con el tutor y al registro mensual de seguimiento, y no como un marco metodológico evaluable.
4.2 La relación entre Pareto y SMART
La asignatura se fundamenta en una idea explícita:
La priorización de Pareto es una operación matemática realizada sobre la métrica M definida en la formulación SMART del problema.
La afirmación "el 80 % de los efectos proviene del 20 % de las causas" carece de sentido hasta que se responde a la pregunta:
¿80 % de qué?
Ese "qué" es precisamente la métrica de éxito medible (M) definida en la Sesión 2.
La lógica consta de cinco pasos:
- Definir M: fórmula, granularidad, ventana temporal y fuente de datos.
- Enumerar las unidades: clientes, productos, sucursales, países o causas de fallo.
- Calcular la contribución: cuantificar cuánto aporta cada unidad a la M. Esto exige exclusividad mutua para evitar dobles contabilizaciones.
- Ordenar las unidades: clasificarlas de mayor a menor contribución y construir la curva de Pareto o Lorenz.
- Seleccionar el punto de corte: identificar el conjunto mínimo de unidades que explica la proporción relevante de la M.
Si la métrica cambia, cambia la clasificación; si cambia la clasificación, cambia la lista de prioridades; y, finalmente, cambia la recomendación.
Por ello, Frame debe preceder a Organize: la priorización no es una opinión añadida al árbol de problemas, sino un cálculo cuyo dato de entrada es la métrica.
Los estudiantes comprobarán este principio empíricamente en el laboratorio de la Sesión 5 y deberán informar de una medida de concentración observada (porcentaje de unidades necesarias para alcanzar el 80 %, participación del decil superior o coeficiente de Gini), en lugar de asumir automáticamente una distribución 80/20.
4.3 Comunicación: el Principio de la Pirámide como pasos 6 y 7
El Principio de la Pirámide de Minto no es simplemente una técnica de redacción, sino que constituye los pasos 6 y 7 del proceso.
Un argumento finalizado está compuesto por:
- Una idea principal (con verbo y cifra).
- Una línea argumental MECE formada por tres a cinco razones.
- Evidencias que respaldan cada razón.
Sus cuatro reglas fundamentales son:
- Las ideas superiores resumen las inferiores.
- Las ideas agrupadas deben ser del mismo tipo.
- Las ideas deben seguir un orden lógico.
- Los grupos deben cumplir el principio MECE.
La misma disciplina intelectual utilizada para construir el árbol de problemas en la Sesión 4 se aplica posteriormente a la construcción del argumento final.
5. Tres opciones de TFG, seis itinerarios, un único método
Los estudiantes deben declarar su modalidad e itinerario de Trabajo de Fin de Grado (TFG) en la Sesión 3.
Todos los itinerarios son evaluados mediante la misma rúbrica, ya que todos siguen el mismo proceso de siete pasos.
5.1 Los seis itinerarios
| Itinerario | Audiencia a convencer | La M suele ser | Estándar de evidencia |
|---|---|---|---|
| A1. Académico independiente | Tribunal evaluador sin interés directo en el tema | Variable dependiente operacionalizada | Diseño reproducible, tamaños del efecto con incertidumbre y limitaciones explícitas |
| A2. Académico vinculado a grupo de investigación | Supervisor y coautores del grupo, además del tribunal | Variable medida por los instrumentos del grupo | Cumplimiento del protocolo del grupo y alineación con publicaciones previas |
| B1. Nueva empresa existente | Inversor con acceso a datos reales de la empresa | Indicador económico unitario que presenta problemas | Datos operativos propios comparados con un control o referencia |
| B2. Escisión de una empresa familiar | Consejo familiar de administración | Margen incremental neto de canibalización | Datos de la empresa actual más validación independiente de nueva demanda |
| B3. Plan de negocio | Comité de inversión sin acceso a datos propios del estudiante | La hipótesis más arriesgada expresada como una cifra | Evidencia primaria generada por el estudiante |
| C. Caso de gestión | Responsable de una decisión organizativa | KPI por el que se evalúa al decisor | Sistemas del cliente más referencias abiertas y estimación cuantificada del impacto |
Nota sobre las opciones
Las opciones no representan distintos niveles de dificultad ni distintas áreas temáticas.
Representan audiencias diferentes.
La audiencia determina el estándar de evidencia requerido. Si un estudiante no puede identificar claramente a su audiencia, todavía no ha elegido realmente su itinerario.
5.2 Diferencias entre los itinerarios
Tesis académica (A1 y A2)
A1. Investigación independiente
El estudiante identifica por sí mismo una laguna en la literatura científica y asume la responsabilidad completa sobre la teoría, el instrumento y el acceso a los datos.
Está dirigida a estudiantes que poseen una pregunta propia de investigación y una vía realista para obtener datos.
El riesgo principal es descubrir demasiado tarde que la laguna identificada no estaba suficientemente definida.
A2. Integración en un grupo de investigación
El estudiante se incorpora a una línea de investigación en marcha dentro de un grupo universitario.
El grupo proporciona normalmente el protocolo, los instrumentos y, en muchos casos, los datos.
Está orientado a estudiantes que buscan especialización, colaboración científica y posibilidades de publicación.
Condiciones:
- Debe asegurarse un contacto dentro del grupo antes de la fecha límite para la asignación del tutor.
- La contribución individual del estudiante debe quedar claramente identificada y documentada desde la Sesión 3.
Nueva empresa (B1, B2 y B3)
B1. Empresa propia ya existente
La empresa ya opera y dispone de ingresos, costes de adquisición y tasas de abandono reales.
El principal riesgo consiste en la falta de objetividad, ya que el estudiante actúa simultáneamente como fundador y analista.
B2. Escisión de una empresa familiar
Consiste en desarrollar una nueva línea de negocio, producto o mercado a partir de una empresa familiar ya establecida.
Un error habitual es considerar como nuevos clientes a personas que simplemente han sustituido un producto por otro de la misma empresa.
B3. Plan de negocio
Todavía no existe la empresa ni se dispone de datos propios.
Por ello, el estudiante debe generar evidencia primaria mediante:
- Landing pages.
- Entrevistas estructuradas.
- Experimentos de precios.
- Proyectos piloto.
Un plan de negocio basado exclusivamente en investigación documental no será aprobado.
5.3 El tutor académico: una fecha límite innegociable
Todos los estudiantes deben contar con un tutor formal, ya sea interno o externo, antes de la primera semana de diciembre.
Un estudiante que no haya presentado formalmente el acuerdo de tutoría antes de esa fecha no podrá defender su TFG en esa convocatoria.
Calendario
| Momento | Hito | Evidencia |
|---|---|---|
| Sesiones 1–3 | Elaborar una lista de tres posibles tutores | Tres nombres y una justificación para cada uno |
| Sesión 3 | Declarar modalidad e itinerario de TFG | Formulario de declaración |
| Sesiones 3–5 | Contactar con el primer tutor potencial | Correo enviado con resumen adjunto |
| Sesiones 5–8 | Acordar alcance y forma de trabajo | Documento de alcance |
| Primera semana de diciembre | Formalizar el acuerdo de tutoría | Anexo I firmado |
| Desde diciembre | Mantener al menos una reunión mensual | Acta fechada enviada al tutor en menos de 24 horas |
Los estudiantes son informados desde la Sesión 1 de que una conversación informal no constituye un compromiso formal. Si un tutor deja de responder o el acceso prometido a los datos no se materializa, el estudiante debe comunicarlo al coordinador del programa en un plazo máximo de dos semanas.
5.4 Los mismos pasos, distintos entregables
| Paso | Tesis académica (A1, A2) | Nueva empresa (B1, B2, B3) | Caso de gestión (C) |
|---|---|---|---|
| 1. Definir | Pregunta de investigación y laguna teórica | Hipótesis más arriesgada o indicador económico problemático | Pregunta principal del cliente |
| 1. Definir la M | Variable dependiente operacionalizada | CAC, LTV, conversión, payback o margen incremental | KPI del responsable de la decisión |
| 2. Descomponer | Modelo conceptual e hipótesis | Árbol de supuestos o identidad económica | Árbol de factores de valor |
| 3. Priorizar | Hipótesis que los datos pueden contrastar | Supuesto que invalidaría el proyecto | Pareto del KPI |
| 4. Plan de trabajo | Plan de capítulos | Plan de pruebas y costes | Plan de análisis acordado con el cliente |
| 5a. Recopilar | Datos secundarios, encuestas o paneles | Entrevistas, pilotos, landing pages, datos propios | Sistemas del cliente y referencias externas |
| 5b. Analizar | Estimación, robustez y limitaciones | Resultados de experimentos y análisis de cohortes | Análisis de impulsores con impacto cuantificado |
| 6. Sintetizar | Discusión y contribución | Narrativa para inversores y hoja de ruta | Recomendación e implementación |
| 7. Comunicar | Defensa ante tribunal | Defensa ante inversores | Defensa ante responsables de decisión |
| Extensión habitual | 40–70 páginas | 20–30 páginas más modelo financiero | 20–30 páginas más anexos |
Metodología docente
Las sesiones de clase combinarán de manera dinámica la teoría y la práctica. Los estudiantes deberán realizar las lecturas asignadas antes de asistir a clase y prepararse para debatir cuestiones relevantes en grupo, así como para aplicar los conocimientos adquiridos a ejemplos y situaciones prácticas.
A lo largo del curso, los estudiantes trabajarán en equipos sobre un proyecto de investigación continuo que deberán diseñar, ejecutar y evaluar. Cada concepto teórico introducido en la asignatura se pondrá a prueba de forma práctica mediante dichos proyectos. Asimismo, se espera que los estudiantes desarrollen una parte importante del trabajo fuera del aula.
La dimensión práctica de gestión de proyectos de investigación está concebida para que los estudiantes actúen como responsables del proyecto bajo la supervisión del profesor. En este contexto, las «clases» se redefinen como «reuniones», y los estudiantes deben aprender a planificarlas y organizarlas eficazmente con el fin de alcanzar los objetivos que ellos mismos establezcan.
El profesorado orienta a los estudiantes en relación con los contenidos teóricos, que deben prepararse previamente a las reuniones y servir de base para las acciones desarrolladas y los entregables generados.
El objetivo final es simular de la manera más realista posible el funcionamiento de un equipo de investigación trabajando en un proyecto de consultoría.
Estructura de las sesiones semanales
Sesiones semanales de 3 horas, organizadas en tres bloques:
- Bloque conceptual.
- Taller práctico.
- Laboratorio de Python de 30 minutos.
Para más información, consulte el apartado de Contenidos.
Sistema de evaluación
| # | Componente | Peso | Entrega | Evalúa | Pasos |
|---|---|---|---|---|---|
| 0 | Cuadernos de laboratorio (13, sesiones 3–13) | 15% | Semanalmente desde la Sesión 3 | RA2, RA6–RA11, RA14 | 1, 5 |
| 1 | Declaración del problema, árbol de cuestiones y plan de trabajo | 10% | Sesión 4 | RA1, RA2, RA4, RA5 | 1–4 |
| 2 | Memoria de evidencia y diseño, y núcleo analítico | 25% | Semana del examen parcial | Varios | Varios |
| 3 | Entrega final basada en la Pirámide de Minto y defensa oral | 20% | Sesión 13 | RA6–RA11 | 5 |
| 4 | Participación y actitud | 10% | Sesión final | RA12, RA13 | 6–7 |
| 5 | Examen final | 20% | Periodo oficial de exámenes | Todos | Todos |
Uso de la inteligencia artificial
Los estudiantes que decidan utilizar herramientas de inteligencia artificial en sus trabajos, siempre que el profesorado lo autorice, deberán incluir un párrafo al final de la tarea o actividad indicando:
- Por qué han decidido utilizar la IA.
- Cómo la han utilizado.
- Qué resultados han obtenido.
El nivel máximo de uso permitido es el Nivel 3.
La ausencia de esta información, o una declaración insuficientemente clara, será considerada un intento de fraude académico, ya que altera el sistema de evaluación. En tal caso, se aplicarán las sanciones establecidas en la Normativa sobre Copias de La Salle Campus Barcelona.
Política de recuperación
La recuperación consistirá en un examen final.
La calificación máxima que podrá obtenerse en la recuperación será un 6,0.
Niveles de uso de la IA
| Nivel | Significado | Uso de la IA | Requisitos para el estudiante |
|---|---|---|---|
| 1 | Sin IA | No se permite el uso de la IA en ninguna fase de la tarea. El trabajo debe realizarse íntegramente sin asistencia artificial. | La actividad debe completarse de forma independiente, demostrando los conocimientos y competencias propios del estudiante, sin utilizar herramientas de IA. |
| 2 | IA para generación de ideas y estructuración | La IA puede utilizarse para lluvia de ideas, elaboración de esquemas, orientación inicial o sugerencias organizativas, pero no para producir el contenido final. | La IA solo puede utilizarse como apoyo preliminar. La entrega final debe estar redactada íntegramente por el estudiante y no puede incluir contenido generado por IA. |
| 3 | IA para edición | La IA puede utilizarse para mejorar la redacción, la claridad, la gramática, la puntuación o el estilo, pero no para generar contenido nuevo. | Los estudiantes deberán presentar trabajo original e incluir la versión inicial (previa al uso de IA) como evidencia del proceso de edición. |
| 4 | IA para realizar tareas, con evaluación humana | Se autoriza el uso de la IA para completar partes específicas de la tarea. El énfasis se sitúa en el análisis crítico y la evaluación humana del contenido generado. | Los estudiantes deberán utilizar la IA en las partes indicadas, analizar y evaluar críticamente los resultados obtenidos y referenciar claramente cualquier contenido generado por IA. |
| 5 | Uso completo de la IA | La IA puede utilizarse extensamente durante todo el proceso como herramienta de apoyo o “copiloto”. | Los estudiantes pueden integrar libremente la IA en su trabajo de acuerdo con los objetivos de la tarea. En este nivel no es obligatorio indicar qué partes han sido generadas mediante IA. |
0. Cuadernos de laboratorio (15%)
Trece cuadernos breves, uno en cada una de las sesiones comprendidas entre la Sesión 3 y la Sesión 15, evaluados únicamente con la calificación de Apto/No apto según tres criterios:
a) El cuaderno se ejecuta correctamente de principio a fin desde un entorno limpio (clean kernel), sin necesidad de realizar pasos manuales.
b) Se han intentado todos los ejercicios marcados como your code here, y el ejercicio final «aplícalo a tu propio proyecto» está adaptado al itinerario específico de TFG del estudiante.
c) Se incluye un párrafo de interpretación que explique claramente qué demuestra y qué no demuestra el resultado obtenido.
La obtención de 11 aprobados de un total de 13 cuadernos otorga la máxima puntuación, por lo que es posible no entregar dos sin penalización.
Cada laboratorio se publica en dos versiones:
- Cuaderno del estudiante, que contiene plantillas y estructuras base para completar los ejercicios.
- Cuaderno con soluciones resueltas, publicado tras la fecha límite de entrega, que incluye el código completo y una explicación detallada de cada ejercicio, indicando qué demuestra la solución y cuáles son los errores más frecuentes. Esta es también la versión utilizada por el profesor durante la sesión.
1. Declaración del problema y árbol de cuestiones (10%)
Dos páginas más un párrafo adicional.
Página 1
- Declaración SMART del problema.
- Definición de la métrica M con su especificación en seis líneas.
- Árbol MECE anotado.
Página 2
- Evidencia de Pareto (curva, número de unidades necesarias para alcanzar el 80 % y coeficiente de Gini).
- Decisión de priorización y poda.
- Tabla del plan de trabajo.
Párrafo adicional
Un párrafo claramente identificado que especifique qué aspectos el equipo no va a analizar y explique las razones para excluirlos del alcance del proyecto.
2. Memoria de evidencia y diseño, y núcleo analítico (25%)
Deberá incluir:
- Declaraciones de datos para todas las fuentes utilizadas.
- Análisis población-marco muestral-muestra, indicando la dirección de los posibles sesgos en cada etapa.
- Análisis del patrón de datos faltantes (missingness) y la evidencia correspondiente.
- Plan de análisis preregistrado y fechado.
- Explicación de la escala de los datos y de la estrategia de muestreo, incluyendo la instantánea de datos (pinned snapshot) y la política de control de multiplicidad.
Las dos ramas priorizadas deberán analizarse con un nivel de rigor metodológico defendible.
Asimismo, será obligatorio incluir:
- La justificación del método elegido para responder a la pregunta planteada.
- El cumplimiento del protocolo de validación correspondiente.
- Tamaños del efecto acompañados de medidas de incertidumbre.
- Conclusiones redactadas utilizando un lenguaje coherente con la fortaleza del diseño metodológico empleado.
- Una tabla de subgrupos y de equidad (fairness) siempre que un modelo realice asignaciones, clasificaciones o recomendaciones.
- Reproducibilidad completa del trabajo.
- Un anexo actualizado y completo sobre el uso de inteligencia artificial.
3. Entrega final basada en la Pirámide de Minto y defensa oral (20%)
Consiste en:
- Un documento estructurado de acuerdo con el Principio de la Pirámide de Minto, con el formato y la extensión correspondientes al itinerario de TFG elegido por el estudiante (véase apartado 5.4).
- Una defensa oral de 10 minutos.
- Un turno de 5 minutos de preguntas.
El formato puede variar según el itinerario, pero el objeto lógico evaluado es siempre el mismo:
- Una idea principal o tesis rectora.
- Una línea argumental MECE.
- Evidencias que respalden cada uno de los argumentos.
4. Participación y actitud (10%)
Se valorará:
- La participación activa en las discusiones de clase.
- La participación en las sesiones de preguntas y respuestas.
- La aportación de ejemplos relevantes.
- La implicación como miembro activo y comprometido del equipo.
- Una actitud profesional y colaborativa.
Asimismo, podrán descontarse puntos por:
- Uso inadecuado del teléfono móvil.
- Comportamientos disruptivos.
- Conversaciones paralelas innecesarias.
- Expulsión de clase por conducta inapropiada.
Asistencia: las actividades pendientes únicamente serán aceptadas cuando la ausencia haya sido debidamente justificada y validada por el tutor.
5. Examen final (20%)
El examen final evalúa el nivel de dominio alcanzado por el estudiante en la metodología desarrollada a lo largo de la asignatura.
Uso de la inteligencia artificial
Los estudiantes que decidan utilizar herramientas de inteligencia artificial en sus trabajos, siempre que su uso haya sido autorizado por el profesorado, deberán incluir un párrafo al final de la tarea o actividad en la que se haya utilizado dicha herramienta. En este apartado deberán explicar:
- Por qué decidieron utilizar la IA.
- Cómo la utilizaron.
- Qué resultados obtuvieron.
El nivel máximo de uso permitido es el Nivel 3.
La ausencia de esta información, o una declaración insuficientemente clara, será considerada un intento de fraude académico al inducir a error en el proceso de evaluación. En tal caso, se aplicarán las sanciones establecidas en la Normativa sobre Copias de La Salle Campus Barcelona.
Política de recuperación
La recuperación consistirá en un examen final.
La calificación máxima que podrá obtener un estudiante en la recuperación será de 6,0.
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.