Análisis Cualitativo Comparativo Difuso (fsQCA) y su relación con la innovación : Discusión e interpretación de resultados /

tomo II

Introducción . -- Capítulo 4. Análisis cualitativo comparativo de datos difusos (fsQCA) La naturaleza del conjunto de datos difusos (fuzzy-sets) . -- Ejemplo del conjunto de datos difusos (fuzzy-sets) . -- Ejemplo constructo de conjunto de datos difusos (fuzzy-sets) de seis valores . -- Ejemplo de constructo de conjunto de datos difusos (fuzzy-sets) de valores continuos . -- Fundamentos y operaciones del conjunto de datos difusos (fuzzy-sets) . -- Negación . -- Conjunción AND lógico . -- Unión OR lógico . -- Calibración fsQCA de las condiciones . -- Modelos de calibración . -- Métodos de calibración . -- Los conjuntos de datos difusos (fuzzy-sets) y las conexiones explícitas . -- fsQCA y su relación como técnica basada en conjuntos teóricos . -- Operaciones con conjuntos difusos . -- Análisis de condiciones suficientes . -- Conjunto de datos difusos (fuzzy-sets) y tablas de verdad . -- Correspondencia entre las esquinas del espacio vectorial y filas de la tabla de verdad . -- Distribución de casos a través de las combinaciones causales . -- Evaluando la consistencia de los subconjuntos de datos difusos (fuzzy-sets) . -- Analizando la tabla de verdad . -- Convivencia de los conjuntos de datos difusos (fuzzy-sets) de no hacerlos dicotómicos . -- Resumen fsQCA para cómo hacer tablas de verdad con datos difusos (fuzzy-sets) . -- Casos fsQCA . -- Gráfica con datos en negación. Caso 1 . -- Principio de subconjunto y relación aritmética entre las puntuaciones de pertenencia en datos nítidos (crisp-sets) . -- Principio de subconjunto y relación aritmética entre las puntuaciones de pertenencia en datos difusos (fuzzy-sets) . -- Gráfica con datos sin negación. Caso 2 . -- Cuando la puntuación es necesaria . -- Cuando la puntuación es suficiente . -- Gráfica considerando intersección de casos. Caso 3 . -- Gráfica considerando unión de casos. Caso 4 . -- Uso del algoritmo de tablas de verdad de datos difusos (fuzzy-sets) . -- Análisis de tabla de verdad de datos difusos (fuzzy-sets) . -- Caso 5 . -- Ajustando el resultado (Outcome). Caso 6 . -- Instrucción: Specify Analysis Option. Caso 7 . -- Instrucción: Standard Analyses Option. Caso 8 . -- Preparando datos difusos para calcular la consistencia y cobertura . Caso 9 . -- Cálculo de la consistencia (consistency) . Caso 10 . -- Cálculo de la solución por consistencia (solution consistency). Caso 11 . -- Cálculo de solución por cobertura (solution coverage). Caso 12 . -- Cálculo de cobertura bruta (raw coverage). Caso 13 . -- Cálculo de cobertura única (unique coverage) . Caso 14 . -- Resumen fsQCA para la construcción de conjuntos de datos difusos (fuzzy-sets) . -- Capítulo 5. Evaluación del conjunto de datos fsQCA . -- Condiciones INUS y SUIN . -- Evaluando la fuerza del soporte empírico . -- Consistencia del marco teórico de la investigación. Caso 1 . -- Formalizando la consistencia. Caso 2 . -- Cobertura del marco teórico de la investigación. Caso 3 . -- Cobertura de partición. Caso 4 . -- Caso 5 . -- Capítulo 6 . -- La calibración y su importancia en fsQCA . -- Implicaciones de la calibración . -- Condiciones de alcance y contexto . -- La investigación cuantitativa: prácticas de mediciones comunes . -- Pros y Contras de usar indicadores . -- SEM y fsQCA . -- La investigación cualitativa: prácticas de mediciones comunes . -- Teoría de difusión de innovación de Rogers y Ley de Moore . -- La necesidad de calibrar . -- El conjunto de datos difusos (fuzzy-sets) como puente entre ambos enfoques . -- El conjunto de datos (fuzzy-sets) y su relación con las variables . -- Técnicas de calibración de datos difusos (fuzzy-sets) . -- De variables de escala de intervalo a conjunto de datos difusos (fuzzy-sets) . -- Método directo de calibración . -- Caso 1 . -- Caso 2 . -- Método indirecto de calibración . -- Caso 3 . -- Cómo usar las mediciones calibradas . -- Consistencia . -- Caso 4 . -- Resumen fsQCA para la calibración de datos difusos (fuzzy-sets). Método directo . -- Capítulo 7 . -- Pensamiento configuracional en fsQCA . -- Relación con el punto de vista cualitativo . -- Relación con el punto de vista cuantitativo . -- Evaluación del grado de pertenencia en una configuración . -- Comparando las trayectorias causales . -- Resumen fsQCA para cómo evaluar una trayectoria causal . -- Capítulo 8 . -- Efectos netos en fsQCA . -- La corriente de efectos netos . -- Problemas con la corriente de efectos netos . -- Cambiando el enfoque a tipos de casos . -- Comparación de configuraciones . -- Conjuntos difusos y análisis configuracional . -- Capítulo 9 . -- Efectos netos vs. Configuraciones en fsQCA . -- Caso hipotético con el análisis de efectos netos . -- Caso hipotético con fsQCA . -- Finalizando . -- Resumen fsQCA de calibraciones usadas en el análisis de conjunto de datos difusos (fuzzy-sets) . -- Capítulp 10 . -- Guía de análisis csQCA . -- Análisis de condiciones necesarias. Caso 1 . -- Representar datos en la tabla de verdad. Caso 2 . -- Identificar filas contradictorias. Caso 3 . -- Identificar filas con remanentes lógicos. Caso 4 . -- Análisis de suficiencia para los resultados (1) y (0). Caso 5 . -- Minimización de la Tabla de la Verdad para la ausencia de (-OIN). Caso 7 . -- Interpretación de los resultados . Caso 8 . -- Capítulo 11 . -- Guía de análisis fsQCA . -- Matriz de datos y su preparación . -- Gráficos XY Plots . -- Estudio de caso . -- Las condiciones causales que intervienen . -- Criterios de asignación de valores difusos . -- Acceso al archivo de trabajo. Caso 1 . -- Análisis de condiciones necesarias, con ocurrencia del fenómeno. Caso 2 . -- Análisis del reporte de condiciones necesarias . Caso 3 . -- Interpretación de la consistencia y la cobertura. Caso 4 . -- Generación de la tabla de la verdad. Caso 5 . -- Aplicando Standard Analyses. Caso 6 . -- Interpretación de las soluciones generadas. Caso 7 . -- Generación de la tabla de la verdad, con no ocurrencia del fenómeno. Caso 8 . -- Aplicando Standard Analyses con análisis de implicaciones principales. Caso 9 . -- Interpretando las soluciones generadas . -- Glosario . -- Referencias . --

"El objetivo de esta obra es la de introducir al lector en los conceptos básicos del uso del análsis cualitativo comparativo (Qualitative Comparative Analysis) con el conjunto de datos difusos (fuzzy-sets) a través de demostraciones de su uso con ejemplos varios en la administración de la innovación.Desde fines de los años 80, su precursor, el análisis cualitativo comparativo (QCA.Qualitative Comparative Analysis) ha estado en el centro de atención de la metodología de las ciencias sociales ya que se fundamenta, en el cojunto de relaciones y objetivos establecidos en el descubrimiento de condiciones suficientes y necesarias, así como la consistencia y de cobertura y varios principios como el de equifinalidad en la propuesta de soluciones a diversos problemas de investigación.Se espera que el investigador logre una mayor claridad de los conceptos alrededor de análisis cualitativo comparativo con el conjunto de datos difusos (fuzzy-sets o fsQCA), así como los criterios óptimos para su aplicación a través del software fsQCA 3.0." . -- tomado de la página web del Repositorio Institucional de la Universidad de Guadalajara