Mi opinión personal es que si está haciendo una investigación seria, no hay forma de hacerlo sin estadísticas, lo cual es parte de Big Data.
Sin embargo, si se limita a las pruebas de hipótesis como las pruebas T, puede hacer mucho como tesis de maestría.
En la investigación hay dos enfoques:
- Andrew Ng: ¿Qué opinas de AlphaGo?
- ¿Qué distingue una capa de una red neuronal de otras capas?
- ¿Por qué la traducción automática neuronal a nivel de caracteres es más difícil que la traducción automática neuronal a nivel de palabra?
- ¿Hay algún proyecto de aprendizaje automático de código abierto al que un principiante pueda contribuir?
- ¿Cómo funcionan los vectores de párrafo frente a codificadores automáticos variacionales?
- El cuantitativo, que es cada vez más famoso en economía y utiliza las mismas técnicas promovidas en Big Data.
- El cualitativo que es muy famoso en ciencias sociales e historia.
El segundo no involucra muchas estadísticas y se trata principalmente de entrevistar a algunas personas (3-15) y analizar sus respuestas.
Entonces, un tema típico de tesis de maestría podría ser:
¿Cómo presentar los datos de manera que cambien el comportamiento de las personas?
Tome el consumo de energía como un ejemplo. La mayoría de las personas reciben una factura anual por su consumo y tienen que pagarla. La pregunta sería cómo puede cambiar su comportamiento educándolos con sus propios datos.
En mi opinión, este es uno de los problemas más importantes que tenemos actualmente. Es un gran desafío para la investigación asegurarse de que los hallazgos terminen en un cambio de comportamiento.
Otro ejemplo que podría imaginar:
- Comparar la utilidad de los diferentes tipos de diagramas y la comprensibilidad de las personas.
- Cómo desarrollar software en el que las personas confíen
- ¿Con qué frecuencia tienes que repetir un hecho hasta que la gente lo recuerde?
- …
Espero que ayude
Manuel
