El mtodo Delphi

Autor: Ing. Arabel Morguez Iglesias

OTROS CONCEPTOS DE ECONOMA
05-2006

El trabajo tiene como finalidad ofrecer una metodologa para la aplicacin del
mtodo Delphi en las investigaciones pedaggicas.
El autor parte del anlisis bibliogrfico en relacin con este tema y lo argumenta
con un ejemplo prctico llevado a cabo en la tesis de maestra del propio
investigador, lo que posibilita una mejor comprensin de las ideas expuestas.
Adems, est concebido dentro de un conjunto de temas afines al respecto, que conformarn
un libro electrnico acerca de la estadstica aplicada a la investigacin cientfico-pedaggica.
Mediante el empleo de hipervnculos, el trabajo articula su solucin con el tabulador
electrnico Excel del Windows.
Summary
The work has as purpose to offer a methodology for the application of the method Delphi in the
pedagogic investigations.
The author leaves of the bibliographical analysis in connection with this topic and he argues
him with a practical example carried out in the master thesis of the own investigator, what
facilitates a better understanding of the exposed ideas.
In addition, it is conceived inside a group of topics tune in this respect that will conform an
electronic book about the statistic applied to the scientific-pedagogic investigation.
By means of the hyperlinks employment, the work articulates its solution with the electronic
tabulator Excel of the Windows.
Muchas veces, al revisar diferentes tesis de grado cientfico, acadmico, y trabajos de
diplomas, se ha observado que en algunos se hace alusin al llamado Mtodo Delphi; pero

cuando se analiza el trabajo se observa, en ocasiones, imprecisiones: en la forma de aplicar

dicho mtodo, la manera en que en se seleccionaron los expertos, y hasta en basar el anlisis
solamente en una ronda de consulta.
Es por ello que este trabajo tiene como objetivo aclarar todas las dudas que puedan surgir en
nuestros profesores e investigadores en relacin con el tema tratado, mediante la aplicacin
de un ejemplo prctico, tomado de la tesis de maestra del autor en la que aplica dicho
mtodo.
Antes de desarrollar el tema, se aclara que estos artculos conforman un libro electrnico del
autor, por lo que existen hipervnculos que enlazan contenidos presentados en otros temas y
que puedan resultar de inters su consulta. Para ello el interesado slo debe situarse sobre l
hipervnculo dado y hacer doble click.
1. Qu es el mtodo Delphi?
El mtodo Delphi[1] consiste en la utilizacin sistemtica del juicio intuitivo de un grupo de
expertos para obtener un consenso de opiniones informadas (Valds, 1999), (Morguez,
2001). Resulta imprescindible que estas opiniones no se encuentren permeadas o
influenciadas por criterios de algunos expertos.
Este mtodo resulta ms efectivo si se garantizan: el anonimato, la retroalimentacin
controlada y la respuesta estadstica de grupo.
El mtodo puede ser aplicado:
Como previsin del comportamiento de variables conocidas; es decir, para evaluar el
comportamiento de una variable conocida y as se pueda inferir posibles formas de
comportamiento.
En la determinacin perspectiva de la composicin de un sistema, Vg.: en el caso que los
elementos del sistema a estudiar no sean conocidos, o nunca hayan sido aplicados al objeto
de estudio y se orienta la muestra a la determinacin de la estructura posible del sistema o
modelo a aplicar.
Este ltimo caso constituye el ejemplo que ilustramos.
2. Qu ventajas tiene el mtodo?

Este autor considera, al igual de Zayas (1998), Campistrous (1998), Valds (1999), Morguez
(2001), que las ventajas del mtodo estn dadas en que:
Permite la formacin de un criterio con mayor grado de objetividad.
El consenso logrado sobre la base de los criterios es muy confiable.
La tarea de decisiones, sobre la base de los criterios de expertos, obtenido por ste tiene
altas probabilidades de ser eficiente.
Permite valorar alternativas de decisin.
Evita conflictos entre expertos al ser annimo, (lo que constituye un requisito imprescindible
para garantizar el xito del mtodo) y crea un clima favorable a la creatividad.
El experto se siente involucrado plenamente en la solucin del problema y facilita su
implantacin. De ello es importante el principio de voluntariedad del experto en participar en la
investigacin.
Garantiza libertad de opiniones (por ser annimo y confidencial). Ningn experto debe
conocer que a su igual se le est solicitando opiniones.
3. Cules son sus desventajas?
Sus desventajas ms significativas estn dadas en que:
Es muy laborioso y demanda tiempo su aplicacin, debido a que se requiere como mnimo de
dos vueltas para obtener el consenso necesario.
Es costoso en comparacin con otros, ya que requiere del empleo de: tiempo de los
expertos, hojas, impresoras, telfono, correo...
Precisa de buenas comunicaciones para economizar tiempo de bsqueda y recepcin de
respuestas.
Debe ser llevado a cabo por un grupo de anlisis: los expertos como tales.
Se emiten criterios subjetivos, por lo que el proceso puede estar cargado de subjetividad,
sometido a influencias externas.

De aqu la necesidad de aplicar varias vueltas, buscar tcnicas variadas de anlisis para
obtener un consenso y pruebas estadsticas para determinar su grado de confiabilidad y
pertinencia.
4. Cmo se seleccionan los expertos y qu instrumentos se aplican?
Para la aplicacin prctica del mtodo es necesario considerar metodolgicamente dos
aspectos fundamentales: seleccin del grupo de expertos a encuestar y la elaboracin del
cuestionario o los cuestionarios. Pero ante todo: A quines se pueden considerar expertos?
Se define como experto el individuo en s, grupo de personas u organizaciones capaces de
ofrecer valoraciones conclusivas de un problema en cuestin y hacer recomendaciones
respecto a sus momentos fundamentales con un mximo de competencia (Valds, 1999)
(Morguez, 2001).
De esta definicin se infiere, como requisito bsico para la seleccin de un experto, que ste
tenga experiencia en el tema a consultar, dado por sus aos de trabajo (praxis), y que puedan
ser complementados con: conocimientos tericos adquiridos a travs de las distintas formas
de superacin, y grado acadmico o cientfico alcanzado en relacin al tema, entre otros.
5. Cmo se desarrolla el mtodo?
La explicacin se basar en la forma que el autor lo realiz en su tesis de maestra (puede
consultarse en la biblioteca).
Se confeccion una bolsa de posibles expertos o relacin de stos, en funcin de las
caractersticas siguientes: experiencia, competencia, creatividad, disposicin a participar en la
encuesta, capacidad de anlisis y de pensamiento, inters colectivista y autocrtico.
Al tener en cuenta las caractersticas anteriores, se aplic el instrumento 1, que solo fue
utilizado con los posibles expertos (Anexo 1).
As se consider una poblacin de 50 probables candidatos de todo el pas, por estimacin
del autor y consultas a otros factibles expertos, de quines ellos consideraron pudieran ser (la
decisin de hacerlo o no se mantuvo en anonimato con estos posibles expertos).
Al determinar el coeficiente de competencia se obtuvieron 30 personas que integraron la bolsa
de expertos a considerar en esta temtica a partir del coeficiente de competencia (K), en la

que:
El coeficiente de competencia (K) del experto se determina como:
Kc: coeficiente de conocimiento sobre el tema que se le pide opinin. Este coeficiente se
autovalora acorde con el valor de la escala (Anexo 1, pregunta 1). Este valor, propuesto por el
posible experto, se multiplica por 0,1 y se obtiene una puntuacin, v. g.: Si el posible experto
marc el nmero 8, ste se multiplica por 0,1 y se obtiene 0,8; luego, Kc = 0,8.
Ka: coeficiente de argumentacin. Este coeficiente se autoevala en alto (A), medio (M) o
bajo (B) como el grado de influencia de las fuentes siguientes: anlisis tericos realizados por
el posible experto, su experiencia obtenida, trabajos de autores nacionales, trabajos de
autores extranjeros,
su propio conocimiento del estado del problema en el extranjero y su intuicin (Anexo 1, Tabla
2). Veamos la tabla 2 de este anexo:

Grado de influencias de cada una

Fuentes de

de las fuentes

argumentacin
A (alto)

M (medio) B (bajo)

(0,3)
(0,5)

Su propio
conocimiento del

Fuente: Campistrous, 1998.

(0,025)

(0,4)

Al observar la tabla, en el aspecto: fuentes de argumentacin, las propuestas revisadas

(Campistrous, 1998), (Valds, 1999)..., no distinguen entre las categoras de Alto, Medio y
Bajo, a partir del indicador: trabajos con autores nacionales (observe los valores que aparecen
en la parte superior entre parntesis y no marcados en negrita, a partir del indicador trabajos
de autores nacionales), adjudicndole la misma puntuacin a cada rubro; por lo que se
propone su diferenciacin a partir de los valores que aparecen debajo de la barra en negrita,
para que queden bien diferenciadas cada una de las categoras de las fuentes de
argumentacin.
De acuerdo con los puntos obtenidos, este coeficiente recibe el valor de 0.796, (suma de cada
rubro de este indicador, vea en el Anexo 1,
Tabla 2, valores marcados con una `X). Entonces el coeficiente de competencia de este
experto estar dado por: K = (0,8 + 0,796) = 0, 798 0,8, que en este caso es alto, debido a
que:
S 0,8 K 1; entonces, el coeficiente de competencia es alto.
S 0,5 K < 0,8: coeficiente de competencia medio
S K < 0,5: coeficiente de competencia bajo
Es importante aclarar que los valores de cada uno de los rubros de la segunda tabla del anexo
1 son de inters del investigador, por lo que no deben de aparecer en la misma.
Para los efectos de esta encuesta se determin excluir a 25 personas como posibles expertos
por alcanzar un bajo coeficiente de competencia (muchos fueron profesores de la Educacin
Tcnica y Profesional con mucha experiencia, pero les faltaban otros requisitos). Por lo que
quedaron 25 expertos.
6. Qu es el Modelo Torgerson?
Existen distintas tcnicas y modelos para la valoracin de consensos para los expertos, que
pueden ser estudiados en el Folleto del Grupo de Tcnicas de Direccin (Getedi) (Zayas,
1990)
y otros manuales, que por razones obvias de alcance de este trabajo no se van analizar; por
lo que se considera conveniente explicar un mtodo y modelo matemtico muy til, cuando las
escalas empleadas en los instrumentos aplicados a los expertos sean ordinales: Modelo
Matemtico Torgerson, que es una variante del mtodo Thurstone (Morguez, 2001).

Ya se analiz que una de las desventajas del mtodo (Delphi) radica en la subjetividad de los
criterios emitidos, por lo que para tratar de resolver este problema, se opta por emplear este
modelo matemtico, que permite, no slo asignar un valor de escala a cada indicador, sino
determinar lmites entre cada categora y, de esta forma, se pueden obtener los lmites reales
(asignado por un nmero real), entre las categoras ordinales y sus correspondientes a escala
de intervalo (nmeros reales), entre cada uno de los rangos que componen los criterios
evaluativos dados por los expertos, y de esta forma se pueden conocer con precisin cules
son los lmites reales de cada categora; es decir, hasta qu valores reales se puede
considerar que la variable es indispensable, muy til, etc.
Con el modelo Torgerson se trata de dar objetividad a los criterios de los expertos u otro
personal encuestado, al convertir la escala ordinal en escala de intervalo (de cualitativo a
cuantitativo).
Para lograr la objetividad, a partir de los criterios subjetivos, el modelo se apoya en dos leyes
de la psicologa social: Ley de los Juicios Comparativos y la Ley de los Juicios Categricos
(Campistruos, 1998), (Morguez, 2001). Adems se sustenta en los presupuestos siguientes:
1) Cada objeto (indicador) se corresponde con la dimensin subjetiva de una variable aleatoria
distribuida normalmente, cuya media, m, es el valor de escala de ese objeto. Todas las
varianzas son iguales.
2) Cada lmite de categora se corresponde con la dimensin subjetiva de una variable
aleatoria distribuida normalmente, cuya media, t, es el valor de escala de ese lmite. Todas las
variables son iguales.
3) Las variables aleatorias que representan tanto a los objetos como a los lmites, son
independientes. Una variable no puede contener valores de otra.
4) Regla de decisin: un objeto a pertenece a la k-sima categora cuando su valor de escala
x, est entre los valores de los lmites de orden k-1 y k. Esto regla deja bien definida la frontera
entre cada una de las categoras asumidas para los indicadores. (Campistrous, op. cit.),
(Morguez, op. cit).
Este modelo permite convertir los juicios ordinales, emitidos por expertos independientes,
acerca de los indicadores, en un instrumento que expresa su posicin relativa en un continuo;

o sea, permite llevar las escalas ordinales a escala de intervalo (nmeros reales) y de esta
forma conocer los lmites, en valores reales, en que se encuentra cada categora; por ejemplo:
Excelente, Muy Bien...; o de 5, 4, 3...
7. Metodologa para aplicar el Modelo Matemtico Torgerson
1) Operacionalizacin de las variables a emplear
Es importante aclarar que cuando se solicite informacin a los expertos acerca de estimar la
posible categorizacin de cada uno de los indicadores o variables propuestas, es necesario
que el investigador deje bien definidos los conceptos que asume para cada variable, as como
establecer su operacionalizacin, que no es ms que disponer los distintos parmetros e
indicadores que permitan medir la variable en el sujeto (Tena, 1996), para posibilitar una
mejor comprensin y evaluacin de los juicios emitidos por los expertos.
Para comprender mejor el mtodo, se tom como referente la propuesta de este autor de su
tesis de maestra, que por el mtodo de expertos determin los 24 indicadores, distribuidos en
seis dimensiones, sugeridos para evaluar la eficiencia externa o el impacto educacional de las
escuelas politcnicas (Morguez, 2001). De estos indicadores se tom como referente de
anlisis la dimensin Efecto Acadmico, constituida por seis indicadores.
Le recordamos al lector que las palabras que aparecen subrayadas y en color azul son
hipervnculos creados para que el mismo haciendo control + clic pueda ir directamente al
anexo, tabla, etc.
En el anexo 2 puede observarse cmo qued la pertinencia de cada indicador para medir las
variables propuestas, para la segunda vuelta de los expertos, en la dimensin Efecto
Acadmico.
En las columnas aparecen las categoras ordinales para medir las variables dadas en:
Indispensable (I), Muy til (MU), til (U), Quizs Sirva (Q) y No Sirve (N). Fjese que a cada
indicador se le hizo corresponder un nmero consecutivo (filas) para facilitar el trabajo de
compilacin y estadstica de los mismos, que por razones obvias no se detallarn en este
trabajo.
2) Compilacin de la frecuencia absoluta

Le recordamos al interesado que haciendo click en los hipervnculos marcados puede

desarrollar el clculo en Excel de este mismo ejemplo.
Como resultado de la compilacin de los instrumentos aplicados a los expertos se hace una
tabla (Anexo 2, Tabla I) en Excel, y en ella se lleva los criterios de los expertos en relacin con
los indicadores correspondientes a la dimensin Efecto Educativo. Las columnas reflejan los
totales de cada categora.
3) Determinacin de la frecuencia acumulada
A cada indicador se le determina su frecuencia acumulada, as: al indicador 1 (Anexo 2, Tabla
I) 21 expertos lo consideraron Indispensable y 4 Muy til, por lo que en la frecuencia
acumulada (Anexo 2, Tabla II) que aparece en el rubro Muy til es de 25 (casilla C14); por
consiguiente estn incluidos los 21, que lo ven como Indispensables (casilla B14), y los 4 Muy
til. De forma anloga se hall cada uno y se complet la tabla segn Anexo 2.
4) Determinacin de la frecuencia relativa acumulada o probabilidad acumulada
Se determina la matriz de probabilidades acumulada con cuatro cifras decimales (Anexo II,
Tabla III), que resulta de dividir cada acumulado entre el nmero de la muestra, en este caso
25; por ejemplo, si dividimos 21 (valor de la casilla B14) entre 25, resulta la probabilidad
acumulada 0,8400 (casilla B23). De esta forma se completa dicha tabla.
Es importante observar cmo a partir de la categora en que se repite la probabilidad 1, que en
este caso es la categora de Muy til, no es necesario completar las siguientes columnas,
porque ya acumul la mxima probabilidad, lo que quiere decir que este indicador es
considerado, como mnimo de Muy til. Para comprender mejor el paso siguiente, se ha
eliminado solamente la ltima columna: No Sirve para medir la variable (N).
5) Clculo de los puntos de cortes y escala de los indicadores (Anexo 2, Tabla IV)
5.1 Determinacin de los valores normales estndar inversos
a) Mtodo manual para buscar los valores
Para determinar los valores normales estndar inversos de las probabilidades acumuladas de
cada indicador, se localizan los valores en las tablas del anexo 3 (hoja 1 hasta la 3, que no es

ms que la tabla de la distribucin estndar), acorde con la probabilidad asociada y se

procede como sigue:
Se busca en el anexo 3 el valor ms prximo de la curva Normal Estndar de la probabilidad
acumulada 0,8400 (tabla III, anexo 2). Se aclara que en Excel se le llama a esta funcin
estndar inversa porque conocido el valor de la probabilidad acumulada se debe buscar los
valores estandarizados de la tabla.
En el anexo 3, hoja 2 aparece el valor ms prximo de la probabilidad acumulada (aparece
marcado) de 0, 8389 y le corresponde el valor estndar inverso de 0,99; valor que se coloca
en la casilla B32 de la tabla IV del anexo 2. Se procede de igual forma para el resto de los
valores de las probabilidades acumuladas hasta la casilla E28.
Es importante saber que cuando la probabilidad acumulada sea igual a 1, le corresponde el
valor estndar inverso de 3,5 y que este valor se hace asinttico a partir de 3,49, por lo que en
la prctica se toma igual a 3.5, para trabajar con ambos extremos iguales; es decir, si por el
contrario la probabilidad acumulada es igual a 0, entonces el valor estndar inverso se asume
igual a -3,5 (Anexo 3, hoja 3 y hoja 1 respectivamente); observe en la tabla (Anexo III Hoja 1)
que las probabilidades, a partir de z= -3,5 toma valores sumamente pequeos (infinitesimales),
por lo que se puede considerar que para valores menores de -3.5 se asuma la probabilidad
acumulada igual a 0 y es, adems un recurso fcil para asociar las probabilidades mximas y
mnimas a un mismo valor absoluto (3.5); Luego si Z = -3.5, la probabilidad para este valor = 0
(La mnima); por el contrario, si Z = 3.5, la probabilidad asociada a este valor es 1 (la mxima).
Resulta oportuno aclarar al lector, que los valores mximo y mnimos de la funcin normal
muchos autores difieren en ellos; por ejemplo: Murray (1961) toma como valor mximo 3,99 y
mnimo -3,99; Freud (1977) asume 3,09 y -3.09; Douglas (1996) toma 3, 99; Devore (2000)
asume 3,49.
Pero como todos estos valores son asintticos a partir de 3, 5 es por ello que este autor lo
asume as, por ser hasta ms fcil de recordar,De esta forma se pueden encontrar los valores
de esta funcin de forma manual y llenar la tabla IV (Anexo 2). b) Mtodo automtico para
buscar los valores de la funcin estndar inversaEstos valores se hallan de forma automtica a
travs del Microsoft Excel del Windows. Para determinar de forma automtica cada uno de
dichos valores se debe situar en la casilla donde se va a insertar el valor de la Funcin Normal
Estndar Inversa (Casilla B39 de la hoja 1 de Excel, que en el ejemplo de este trabajo
corresponde a la casilla B32, del anexo 2.

Una vez situado en dicha casilla, se debe especificar en la barra de clculo, buscar la Funcin
Estndar Inversa correspondiente a la probabilidad acumulada 0,8400 (casilla B31 de la Tabla
III, anexo 2), pero se debe especificar que cuando la probabilidad acumulada sea igual a 0, la
funcin inversa tome el valor -3,5 (valor marcado en gris de la Hoja 1, anexo 3); por el
contrario, si la probabilidad acumulada tomase el valor de 1, entonces su Funcin Estndar
Inversa asumir el valor de 3, 50 (ltimo valor de la Hoja 3, anexo 3). Esto se programa en la
barra de frmula del Excel: =SI(B23=0,-3.5,SI(B23=1,3.5,(DISTR.NORM.ESTAND.INV(B23))))
Observe que la casilla que se hace referencia es la B23 (tabla III, anexo 2), porque es la
primera casilla a la que se debe determinar la Funcin Estndar Inversa de la probabilidad
acumulada.
As se programa esta funcin (en Excel) que permite determinar los valores inversos de cada
probabilidad asociada, de manera tal que cuando esta probabilidad sea igual a cero, entonces
la computadora lo asuma como una respuesta lgica de verdad y devuelva el valor -3.50, y
cuando sea la probabilidad 1, devuelva el valor lgico de 3.50.
Esto lo puede observar haciendo click en la barra de clculo de Excel haciendo clic en el
hipervnculo siguiente:
Llamar ejercicio en Excel.Se aclara que segn la metodologa planteada por el modelo, se
elimina(n) la(s) ltima(s) columna(s) cuyos valores sean iguales a 3,5, debido a que cuando se
determine el ltimo punto de corte, indicar que todos los valores mayores que ese valor
corresponder(n) a la(s) variable(s) eliminada(s) (presupuesto nmero 4 del mtodo); esto
ltimo se comprender mejor en el epgrafe siguiente. Por tal razn slo aparecen cuatro
columnas con las escalas I, MU, U y Q. (Anexo 2, Tabla IV); se insiste que por razones de
comprender mejor el paso siguiente, no se han eliminado las columnas de U y Q, (se puede
hacer) ya que el valor mximo de la Distribucin Normal llega hasta 3, 5 (probabilidad
1,000).5.2 Bsqueda de los puntos de corteUna vez determinada cada imagen por la Curva
Normal Estndar Inversa, se suma cada columna y cada fila (Anexo 2, Tabla IV); se promedian
las filas: las sumas de las filas se divide entre cuatro, que es el nmero de columnas que se
hace corresponder a cada escala, y el resultado se asigna a la columna Promedio (P, casilla
G32). Si se hubiesen eliminado las columnas U y Q, entonces se dividira por dos (nmeros de
columnas que quedaron: I y MU). Se procede de igual forma con las columnas donde
aparecen las escalas de I, MU, U y Q, pero al resultado de la suma de la columna se divide
entre el nmero de indicadores (en este caso 6) y se halla el promedio de cada columna
(Anexo 2, Tabla IV, fila 39).

A los valores que resultan de las operaciones anteriores se les llama puntos de corte, y
determinan los valores del intervalo en que van a estar comprendidas las variables cualitativas
(I, MU, U y Q) (ver rayo numrico determinado con los valores de los intervalos en la parte
inferior del Anexo 2).
Ahora se promedia los valores de los puntos de cortes, que no son ms que los promedios de
cada categora (columna), por lo que se obtiene el promedio de promedio, llamado valor lmite
N.
Para saber en qu rango verdaderamente est la variable, se le resta al valor lmite N el valor
promedio de cada fila P. Por ejemplo: para la primera fila o indicador No. 1 (1), se le resta al
valor lmite N (promedio de promedio) (2,79) el valor promedio de esta fila P (2,87, casilla G32)
(Anexo 2, Tabla IV) y su resultado aparece en la columna N-P (-0,08, casilla H32). Como este
valor est por debajo de 0,66 (casilla B39), que es el punto de corte o lmite superior para la
categora de Indispensable (I).
Por lo que los expertos consideraron que esta categora era indispensable para el indicador
(1).
De manera anloga se determina cada rango del resto de los indicadores, cuyos resultados
se puede apreciar en la tabla del anexo antes citado.
8. Determinacin del nivel de consenso de la primera vuelta.
El nivel de consenso (C) se determina por la expresin: ; donde:
C: coeficiente de concordancia.
Regla de decisin: S C 75 %, se considera que hay consenso.
Vn: Votos negativos; Vt: Votos totales.
En caso de que no haya consenso entre los expertos C< 75 %, se deber hacer otra vuelta de
consulta, realizndose las modificaciones y aclaraciones necesarias que permitan obtener
consenso a las nuevas modificaciones y adecuaciones de la nueva propuesta de estos
expertos.
Como se observa en el Anexo 2, Tabla IV, los 25 expertos consideraron que los seis
indicadores propuestos, para evaluar el efecto educativo resultaron indispensables (I), con un

elevado grado de relevancia; ya que no hubo votos negativos (Vn = 0); los votos totales fueron
25, que coincidieron con los positivos (Vt = 25), entonces: C = (1 0/25) 100 = 100 %. De
esta forma se determin el resto de los 24 indicadores en las seis dimensiones propuestas.
A manera de conclusin se puede expresar que el mtodo Delphi o mtodo de expertos, es
muy valioso para la toma de decisiones, y que en la actualidad se emplea ampliamente en las
empresas lderes como mtodo de direccin e investigaciones de ndole general, debido a la
participacin que se le conceden a toda una serie de expertos, lo que permite obtener
opiniones informadas con un alto nivel de competencia, para finalmente arribar a consensos
con relacin a las problemticas planteadas.
Uno de los elementos ms importantes de este mtodo radica en la minuciosa seleccin de
los posibles expertos a partir de una bolsa o relacin, de los que se supone pudieran serlos,
con la aplicacin de los instrumentos ya analizados y que permitan garantizar el anonimato:
que cada experto no sepa quin es su igual, para as evitar efectos de halo, entre otros.
Por lo general, cuando se trata de evaluar o determinar la pertinencia de indicadores
expresados en escala ordinal, se debe aplicar el modelo matemtico Torgerson, (ya explicado
su empleo en este trabajo) modificacin del modelo Thurstone, que permite llevar las escalas
ordinales a escala de intervalo y as conocer en qu intervalo numrico se encuentran cada
una de dichas categoras cualitativas para conocer el grado de pertinencia de los indicadores,
variantes metodolgicas, y en general las propuestas realizadas.
Este no es el nico mtodo que existe para compilar los resultados de las opiniones de los
expertos; al contrario, este mtodo puede, y debe ser combinado con otros que coadyuven a
obtener un mejor consenso de las formulaciones efectuadas.
Sugerimos a los interesados consultar al respecto al Folleto del Grupo de Tcnicas de
Direccin (Getedi) (Zayas, 1990). Por ltimo, se propone al interesado que