El análisis de datos simbólicos como herramienta para la extracción del conocimiento: Su aplicación en la encuesta permanente de hogares

• Autores: Lilian Adriana Mallea, José Ernesto Torres
• Localización: Dos puntas, ISSN 1852-3420, Nº. 21, 2020, págs. 56-78
• Idioma: español
• Enlaces
  • Texto Completo Ejemplar
• Resumen
  • español

    Los investigadores de las Ciencias Sociales trabajan con conjuntos de elementos, cuyos datos presentan una variabilidad intrínseca, que no es tenida en cuenta por el análisis estadístico clásico, con la consecuente pérdida de información. El Análisis Simbólico de Datos proporciona un marco que permite representar datos con variabilidad. Los datos simbólicos pueden ser conjuntos finitos de valores, intervalos o distribuciones. El propósito del presente trabajo es mostrar que el Análisis Simbólico de Datos es una poderosa herramienta para la extracción de conocimiento. Se aplica su metodología a la Encuesta Permanente de Hogares, con dos objetivos: caracterizar los hogares del Gran San Juan y comparar a los encuestados en cuanto a su condición de actividad, en relación a variables de interés. Se construyen objetos a partir del cruce de variables, con el fin de realizar un clustering simbólico de clases.

  • English

    Social Science researchers work with sets of elements, whose data present an intrinsic variability, which is not taken into account by the classical statistical analysis implying loss of information. Symbolic Data Analysis provides a framework for representing data with variability.

    Symbolic data can be finite sets of values, ranges, or distributions. The aim of this paper is to show that Symbolic Data Analysis is a powerful tool for knowledge extraction. Its methodology is applied to the Permanent Household Survey, with two objectives: to characterize the homes of Greater San Juan and to compare the respondents in terms of their activity status, in relation to variables of interest. Objects are constructed from the crossing of variables, in order to carry out a symbolic clustering of classes.