Spanish (pdf)
Article in xml format
Automatic translation
Cited by SciELO 
Cited by Google 
Similars in
SciELO 
Similars in Google 
Permalink
INTRODUCCIÓN
La toma de decisiones es inherente en las actividades diarias que lleva a cabo el ser humano. Hay decisiones intrascendentes como decidir la ruta para ir de casa al trabajo en la mañana, del mismo modo que hay otras que son de gran relevancia, como sería la elección de una nueva oportunidad laboral, o decidir la carrera profesional que se va a estudiar.
En todos los casos, el decisor cuenta con información para elegir la decisión que va a tomar, esta información hoy día, suele ser abundante dados los medios tecnológicos con que se cuenta, pero algunas veces no es suficiente, ya que mucha información a la que una persona tiene acceso puede no ser veraz, o bien simplemente representar una opinión de quien la ha dado, por lo cual es importante que quien tome la decisión sepa en qué información basarse 1.
Además, la información puede contener elementos objetivos, como el caso del costo de un producto, o bien subjetivos, cuando se hace con alguna escala relativa o basado en la opinión de alguien.
A nivel de las organizaciones, la toma de decisiones es una herramienta estratégica de gran importancia, que puede coadyuvar para un buen desempeño, que normalmente implica aspectos económicos, técnicos, sociales y humanos, lo que redunda en lograr los objetivos que se han planteado de antemano 2.
Es usual que las decisiones se tomen sin contar con toda la información requerida para el caso, lo que trae consigo hacer supuestos, lo que implica riesgo e incertidumbre, debiendo el decisor estar consciente que el resultado de la decisión puede diferir del proceso o metodología que se haya seguido para llegar a ella.
Se recomienda que en las organizaciones las decisiones se tomen de manera racional y con un proceso lógico, que incluya los elementos de información disponible, tangible e intangible, haciendo a un lado las preferencias personales del decisor.
Ante esto, han surgido los métodos multicriterio de decisión, los cuales ya no buscan la solución óptima, sino una que se aproxime el máximo posible al cumplimiento de los objetivos que se pretenden lograr con la decisión.
Suele suceder que una alternativa de decisión sea mejor que otra en uno de los criterios, pero no en todos y esto complica la decisión, puesto que muchas veces la mejora en uno de ellos, va en detrimento de otro, conforme a lo que señala el principio de Pareto.
Los modelos multicriterio dan la oportunidad de elegir la mejor opción de decisión en función de las condiciones establecidas en cada caso 3.
Estos modelos han sido ampliamente usados en casi todas las naciones del mundo en numerosos sectores como el de energía, medio ambiente, cadenas de suministro, materiales, selección de proveedores, manejo de proyectos, sistemas de manufactura, tecnología, investigación de operaciones, sistemas de calidad, administración de la seguridad, manejo de riesgos, informática y otros, lo que da una clara idea que su aplicación es muy amplia y difundida.
Este trabajo aborda el caso de elegir entre varios candidatos al mejor de ellos para ocupar una plaza de profesor en una institución de educación superior, para lo cual se aplican 5 métodos multicriterio, para ver las coincidencias entre ellos en la elección del mejor candidato y mediante análisis de sensibilidad ver hasta qué rango de valores del candidato en los diferentes criterios la solución inicial se mantiene.
Los modelos utilizados son SAW (Simple Additive Weighting), Moora (Multi Objective Optimization on basis of Ratio Analysis), ANP (Analytic Network Process), Topsis (Technique for Ordering Preference by Similarity to an Ideal Solution) y Promethee (Preference Ranking Organization Methods for Enrichment Evaluations), los cuales se describen brevemente para luego aplicarlos al caso de estudio y analizar los resultados alcanzados.
DESARROLLO
Método SAW
El método SAW es uno de los primeros modelos de puntuación directa 4, el cual se ha aplicado en varias disciplinas conjuntamente con otros modelos para el análisis de decisiones en diversas situaciones, de las cuales se comentan algunas para dar al lector una idea de la amplitud de aplicaciones de esta metodología.
Podvezko et al.5 lo usaron para evaluar contratos de construcción, usando AHP para definir los pesos de los criterios de decisión y evaluando las opciones con suma de rangos, SAW y Topsis.
Podvezko (6 lo ha aplicado junto con Topsis y Vikor para evaluar cantidades complejas y en otro estudio ha efectuado una comparación de SAW y Copras, concluyendo que el primero es más sencillo, pero el segundo permite una evaluación más precisa (7.
Moreno Calderón 8 lo usó junto con otros 3 métodos para elegir la mejor tecnología en salud en Colombia. Lamelas Gracia lo aplicó junto con Promethee en 2 casos: seleccionar el mejor sitio para extracción de arena y grava en la ciudad de Zaragoza, España 9 y en la localización óptima de un sitio para uso residencial 10. Por su parte, León Santiesteban y Larrañaga Núñez 11 aplicaron SAW para identificar la mejor alternativa de integración de conocimiento y tecnología para el caso de empresas restauranteras de Mazatlán, Sinaloa, México.
La metodología consiste en los pasos siguientes 7:
Se forma la matriz de decisión, que contiene las m alternativas de decisión, una en cada fila y los n criterios, ubicados por columna, tal y como se muestra en la Tabla 1.
Se obtiene el peso de los criterios Wj, con alguna metodología de priorización, cuya suma debe ser la unidad, conforme a la ecuación (1):
(1)
Se obtiene la matriz normalizada, en la cual cada elemento r ij se calcula con las ecuación (2) para criterios a maximizar y la ecuación (3) para los de minimización:
(2)
(3)
En caso que hubiese elementos con valores negativos en la matriz de decisión, éstos se transforman mediante la siguiente ecuación (4):
(4)
Con esto, el valor negativo mínimo se convierte en uno.
Se calcula entonces la puntuación de cada opción con la siguiente ecuación (5):
(5)
Se ordenan las alternativas conforme a su valor de S i , siendo la mejor de ellas, la que haya logrado el valor máximo de S i .
Método Moora
El método MOORA nació a mediados de la primera década del tercer milenio, siendo sus autores Brauers y Zavadskas, quienes lo usaron en la privatización de algunos servicios de gobierno en economías de transición en Europa del Este 12.
Es un método basado en definir una función de utilidad, el cual se recomienda usar cuando los criterios de decisión tienen muy diversas unidades de medida, valores que se homologan con el proceso de normalización, para sentar una base para evaluar las diferentes opciones de decisión.
Entre sus aplicaciones, que son muy numerosas, están la de Chérrez Troya et al.13, quienes lo aplicaron para seleccionar un material para discos de frenado, mientras que Mallick et al.14 lo usaron para clasificar inventarios.
Curchod et al.15 lo utilizaron en la evaluación de postulantes para ingreso en la Universidad Nacional de Córdoba, Argentina. Por su parte, Salazar Martínez 16 aplicó Moora junto con otros métodos en la selección de materiales para un guardafango de vehículos. En otras aplicaciones, Granada Molina 17 aplicó Topsis y Moora junto con simulación en el caso de la selección de materiales para el aislamiento de cajuelas de vehículos.
La metodología consta de los siguientes pasos:
1. Determinar la matriz inicial de decisión, en la cual las opciones de decisión se ubican como filas y los criterios como columnas.
2. Definir los pesos de los criterios, W j conforme a su importancia.
3. Obtener la matriz de radios normalizada y ponderada por los pesos de los criterios, donde cada elemento se obtiene con la siguiente ecuación (6):
(6)
x * ij = Elemento normalizado ponderado de la fila i y columna j.
X ij = Elemento de la matriz de decisión de la fila i y columna j.
W j = Peso del criterio de la columna j.
m = Número de alternativas de decisión.
4. Se obtiene la función de agregación para cada alternativa Y i , mediante la ecuación (7):
(7)
En esta ecuación suman los g criterios de maximización y restan los n-g criterios de minimización.
5. Se ordenan las alternativas de decisión conforme a su valor de la función de agregación, en orden descendente, siendo la mejor opción aquella con el valor máximo de Y i .
Método ANP
La metodología del ANP es una extensión del AHP de Saaty, la cual permite interacciones entre las opciones y los criterios de decisión, como pueden ser relaciones de interdependencia y/o retroalimentación, lo que da más solidez a la decisión que se elija.
Con el AHP se obtiene solo una relación jerárquica sin interdependencia o realimentación entre los elementos del sistema, mientras que en el ANP cada grupo de criterios, subcriterios y alternativas forman un clúster, pudiendo haber relaciones de interdependencia, así como retroalimentación entre clústers.
Al haber tales relaciones, la alternativa seleccionada resulta con una mejor evaluación, lo cual puede ser diferente a la que se daría si la relación solo es jerárquica.
Esta metodología también se ha utilizado ampliamente en numerosos casos, de los cuales se mencionan solamente algunos y también es, al igual que Moora, un modelo que se clasifica dentro de aquellos basados en una función de utilidad.
Aznar Bellver 18 ha aplicado ANP junto con AHP y Critic para valoración de activos en España. Farfán Tiscar 19 ha efectuado un estudio llevando a la práctica cuatro casos con los que se estudiará el funcionamiento del AHP y ANP, dos de ellos de forma simple, y otros dos de manera más compleja, con lo cual se busca comprender el funcionamiento de estos modelos de manera aplicada.
Fernández Ferreras 20 ha usado ANP en el desarrollo de una metodología de evaluación de la sostenibilidad de la fracturación hidráulica en España, que incluye aspectos ambientales, económicos, sociales y tecnológicos, integrándolos en una herramienta, de forma que se consideren las interrelaciones existentes entre los diferentes indicadores.
Rodríguez Carrillo et al.21, Alcalá Casanova et al.22 y Fernández Sánchez 23 lo han aplicado al desarrollo y selección de proveedores, mientras que García Lozano 24 lo utilizó en la valoración económica y evaluación del rendimiento de deportistas en España.
La metodología del ANP consta de los pasos siguientes 25:
1. En el problema de decisión, identificar los elementos de la red, que debe incluir los criterios y las alternativas de decisión.
2. Agrupar los elementos de la red en componentes o clústers.
3. Hacer el análisis de la red de influencias, lo que lleva a la matriz de dominación interfactorial, la cual es una matriz cuadrada con un número de filas igual al de la suma de los criterios más las alternativas.
4. Calcular las prioridades entre los elementos de la red, lo que lleva a obtener la supermatriz original.
5. Efectuar los cálculos de prioridades entre clústers, lo que lleva a la supermatriz ponderada, en la cual su suma de elementos de cada columna debe ser la unidad. En caso necesario, deben normalizarse por la suma aquellas columnas cuya suma sea diferente de uno.
6. Se multiplica la supermatriz ponderada por ella misma las veces que sea necesario hasta lograr la supermatriz límite, que es cuando entre una multiplicación y la siguiente ya no hay cambios y con el valor de sus elementos, se selecciona aquella opción de decisión mejor evaluada. La multiplicación no es por la supermatriz ponderada inicial, sino por la nueva matriz producto que se va obteniendo tras cada multiplicación matricial.
Método Promethee
Este es un método de los más aplicados a nivel mundial y que pertenece a los modelos de superación o sobreclasificación, los cuales establecen relaciones de preferencia entre las alternativas de decisión, donde cada una presenta un grado de dominación sobre las otras respecto a un criterio dado.
Esta metodología se debe a Jean-Pierre Brans, quien desde la década de los 80 presentó su primera versión (Promethee I), que al igual que Electre tiene varias versiones, siendo la primera Promethee I, que es la más simple y genera una ordenación parcial de las opciones de decisión, mientras que Promethee II genera la ordenación completa y es la que se aborda en este estudio.
Hay versiones posteriores como la III, IV y V, así como el módulo visual interactivo GAIA (Geometrial Analysis for Interactive Aid) y la versión VI, que es una extensión de la metodología Promethee-GAIA.
Dentro de las múltiples aplicaciones de esta metodología, está la de Behzadian, et al.26, quienes señalan que Promethee es de los métodos más utilizados en ámbitos muy diversos, tales como la gestión empresarial, la gestión ambiental, gestión del agua, finanzas, química, logística, transporte, fabricación y montaje, energía, agricultura, educación, medicina, diseño, gobierno y deportes.
Una de las aplicaciones más usuales es en el caso de la selección de proveedores 27), (28), (29. Asimismo, otro uso frecuente es en la localización de sitios de manufactura 30), (31), (32.
También hay un numeroso grupo de académicos que la han aplicado en su versión Promethee-GAIA 33), (34), (35.
Otro uso común ha sido la de aplicar este método con AHP para la toma de decisiones en diversos
problemas 36), (37), (38), (39.
Esto da una clara idea del uso tan extendido de este método en todo el mundo, desde que apareció hace ya 4 décadas.
Promethee es una metodología que compara las diferentes opciones de decisión entre sí bajo varios criterios, buscando llegar a la mejor de ellas, lo que logra iniciando con la matriz de decisión, generando matrices de diferencias para cada uno de los criterios considerados, por lo cual no se requiere su normalización. A partir de esto, se llega a la matriz de índices de preferencia agregada, de la que se obtiene la jerarquización de las opciones.
Una opción A h será mejor que otra A k , si tiene un valor superior en su flujo neto, que corresponde a la versión Promethee II.
La metodología inicia por tener la matriz de decisión, que es la mostrada en la Tabla 1, con m opciones y n criterios de decisión. Luego, mediante alguna técnica de ponderación, deben obtenerse los pesos de los criterios, los que deben normalizarse por la suma para que sea la unidad, conforme a la ecuación (1).
Enseguida se obtiene para cada criterio la matriz de desvíos, que contendrá en cada celda la diferencia en la evaluación que hay entre las alternativas correspondientes. Así para el caso del criterio j, en la celda de la fila h y columna k, el desvío d j (A h , A k ) es:
(8)
Siendo d j (A h -A k ) la diferencia de valor de los elementos de la matriz de decisión de las opciones h y k en el criterio j, ecuación (8).
La matriz de desvíos para el criterio j se llena evaluando todas las diferencias entre los pares de opciones de decisión, con lo cual es una matriz cuadrada con un número de filas y columnas igual al del número de alternativas, siendo cero los elementos de la diagonal principal.
Luego se define para cada criterio, la función de preferencia P j (A h A k ), según sean los desvíos antes obtenidos, habiendo 6 diferentes tipos de funciones, los cuales son:
1. Tipo Usual. Es el más simple y para el cual el elemento de la función de preferencia P (d) será cero, si el desvío d j (A h , A k ) es menor o igual a cero y P (d) será uno, en caso que el desvío sea mayor que cero. En este caso no se requiere ningún parámetro.
2. Tipo Forma U. en este se define el parámetro q, que es el umbral de indiferencia y el elemento de la función de preferencia P (d) será cero si el desvío dj (A h , A k ) es menor o igual a q, o uno en caso que el desvío sea mayor a q.
3. Tipo Forma V. Ahora se define el parámetro p, que es el umbral de preferencia estricta y el elemento de la función de preferencia P (d) será cero, en caso que el desvío d j (A h , A k ) sea menor o igual a cero; si el desvío se ubica entre cero y p, P (d) será el cociente d j (A h , A k )/p; y si el desvío es mayor que p, entonces P (d) es la unidad.
4. Tipo Escalonado. En este tipo se definen los dos parámetros, p y q, mencionados antes. El elemento de la matriz de preferencia P(d) será cero si el desvío es menor o igual a q; será 0,5, si el desvío se ubica entre q y p; y la unidad en caso que el desvío sea mayor a p.
5. Tipo Forma de V con indiferencia. Para esta función, se definen q y p y el elemento de la matriz de preferencia será cero si el desvío es menor o igual a q; será la unidad en caso que el desvío sea mayor a p; y en caso que el desvío esté entre q y p, P(d) se calcula con la ecuación (9):
(9)
6. Tipo Gaussiano. Para esta función se define el parámetro s, cuyo valor se ubica entre q y p y si el desvío es menor o igual a cero, el elemento de la matriz de preferencia P(d) será cero; y en caso que el desvío sea mayor a cero, P(d) debe calcularse con la siguiente ecuación(10):
(10)
Finalmente, si un elemento de la función de preferencia entre alternativas P j (A h , A k ) es mayor que cero, el elemento de la celda transpuesta, P j (A k , A h ) será igual a cero.
Esto se da tal y como se ha descrito cuando el criterio de decisión se desea maximizar; en cambio, para aquellos criterios a minimizar, los desvíos deben multiplicarse por -1 antes de aplicar estas propiedades para definir las funciones de preferencia.
En cuanto a la definición de los umbrales de indiferencia, q y de preferencia estricta p, q es el valor máximo para el cual dos alternativas se consideran indiferentes, mientras que p es el valor mínimo para que una opción de decisión sea mejor que otra.
Para definir el tipo de función de preferencia, la Tabla 2 proporciona algunas sugerencias.
Una vez definidas las funciones de preferencia, se procede a obtener los índices de preferencia agregada de una alternativa h sobre otra k, denotado por π (A h , A k ), conforme a la ecuación (11) siguiente:
(11)
Siendo W j el peso del criterio j.
Estos índices son los elementos de la matriz de dominancia agregada, siendo π(A h , A k ) el elemento de la fila h y columna k. Los elementos de la diagonal principal serán ceros, ya que una opción no es preferible sobre sí misma.
Una vez definida la matriz de dominancia agregada, se calculan los flujos positivos y negativos de cada alternativa de decisión mediante la ecuación (12) y ecuación (13):
(12)
(13)
Luego se estima el flujo neto de cada alternativa, f(A h ), el cual viene dado por la ecuación (14):
Los flujos netos tendrán valores entre -1 y +1, siendo su sumatoria para todas las opciones igual a cero.
(14)
La mejor opción será aquella con el valor máximo de su flujo neto.
Método Topsis
Esta metodología se debe a C.L. Hwang y K. Yoon desde hace 4 décadas y su nombre es una abreviación de Technique for Ordering Preference by Similarity to an Ideal Solution (Técnica de ordenación de preferencias por su similaridad a una solución ideal) (1, basado en el axioma de Zeleny 40: Es racional seleccionar la opción de decisión que quede más próxima a la solución ideal, o más alejada de la solución antiideal.
El método pertenece a la categoría de modelos basados en la distancia a soluciones ideales junto con Vikor y es muy popular, pues se ha aplicado extensamente en diferentes ámbitos, como el caso de elegir opciones de inversión para sistemas de manufactura avanzada 41.
Por su parte, Mayor et al.42 lo han aplicado en la selección de contratistas para proyectos de infraestructura en Colombia y Osorio Gómez et al.43 lo han aplicado al caso de selección de proveedores.
Otros autores lo han empleado en la selección de sitios para locales comerciales 44.
Por su parte 45 ha aplicado Topsis y Promethee para la selección de vehículos, mientras que Hernández Vázquez 46et al. usaron Topsis y AHP para la evaluación de opciones de generación de energía eléctrica a partir de fuentes renovables. Carignano et al.47 aplicaron Topsis y variables lingüísticas en la localización de un sitio inmobiliario en Córdoba, Argentina. Valarezo Orejuela 48 aplicó Topsis y AHP al caso de la evaluación de proyectos de alumbrado público en el sur de Ecuador y Pérez Ramírez y Martínez Damián 49 utilizaron estos mismos métodos en el caso de la selección de proyectos productivos en el medio rural mexicano.
Sin embargo, hay investigadores como Wang y Luo 50, que afirman que una desventaja del método es que en caso de eliminarse una de las opciones de decisión iniciales, el orden de clasificación puede cambiar, lo que es inconveniente, ya que no habría confiabilidad al estar aplicando la metodología. No obstante, estos autores no aportan ninguna solución para este problema mientras que, a este respecto, García Cascales et al.51, proponen evitar el orden inverso mediante el uso de nuevas fórmulas para la norma y el cálculo de las soluciones ideales positiva y negativa.
En Topsis si una alternativa cumple con ser la más próxima a la ideal y la más lejana a la antiideal, es la que debe elegirse. Sin embargo, puede darse el caso que no haya una opción que cumpla con esta condición, por lo cual se introduce el concepto de similaridad, que permite obtener una puntuación para cada opción de decisión, de modo que se elija la de máximo puntaje.
La metodología consta de los pasos siguientes (52:
Se obtiene la matriz de decisión, tal y como se mostró en la Tabla 1.
Se obtienen los pesos de los criterios, W j , mediante alguna metodología de ponderación, debiendo su suma ser la unidad, conforme a la ecuación (1).
Se estima la matriz normalizada, obteniendo cada uno de sus elementos con la ecuación (15) siguiente:
(15)
Siendo v ij el elemento normalizado de la fila i, columna j.
Se obtiene la matriz normalizada ponderada, en la que cada elemento, p ij , se calcula con la siguiente ecuación (16):
(16)
Para cada criterio, encontrar su alternativa ideal, 
, y su alternativa antiideal, 
, que se obtienen para cada columna de la matriz normalizada ponderada: para aquellos criterios a maximizar, el valor máximo de la columna, será y el valor mínimo será (I
-
); mientras que, para los criterios a minimizar, será lo opuesto.
Se obtiene para cada opción de decisión i, la distancia ideal positiva, 
, con la ecuación (17):
(17)
Y la distancia antiideal, d i - , mediante la ecuación (18):
(18)
Se calcula para cada opción de decisión, su índice de similaridad, 
, mediante la ecuación (19):
(19)
Se clasifican las alternativas conforme al orden decreciente de su índice de similaridad, de modo que la mejor opción será la que tenga el valor máximo.
Aplicación al caso de Selección Docente
Para el caso motivo de este estudio, de elegir al mejor candidato a ocupar un puesto vacante de docencia en una institución de educación superior, las alternativas de decisión son cada uno de los candidatos al puesto, mientras que los criterios bajo los cuales deben evaluarse estas opciones deben definirse conforme a los aspectos deseables de un buen profesor. Para esto, tras una reunión consensuada del cuerpo académico de la institución de educación superior, que nos ocupa, se listaron los siguientes 11 criterios 53:
La experiencia docente del candidato, pues se considera que tener experiencia previa en la labor docente es un atributo deseable.
Su experiencia profesional, ésta relacionada al quehacer docente, esto es, que es bueno para el aspirante que cuente con experiencia profesional en el ámbito de lo que será su labor docente.
Su formación académica, pues en esta época se pide a los aspirantes, que cuenten con posgrado, mínimo con estudios de maestría y preferentemente de doctorado.
Formación docente, será deseable que los candidatos cuenten con cursos de formación docente, que pueden ser de pedagogía y didáctica, así como aquellos relacionados con educación a distancia.
Su producción académica, la que puede incluir autoría de libros, artículos de investigación y divulgación, ponencias en congresos y otras.
Impartición de una clase muestra, acerca de un tema previamente seleccionado y afín a lo que vaya a impartir el candidato en su futura labor docente.
Entrevista con un comité ad hoc, en la cual se evaluará al candidato buscando definir su actitud, buen ánimo y disposición para ingresar a la institución, así como cuestiones relacionadas con su perfil académico y profesional.
Examen psicométrico, en el cual se evaluará su capacidad de aprendizaje y aplicación de nuevos conocimientos, así como su coeficiente intelectual y sus habilidades de análisis y síntesis.
Conocimiento de un idioma, preferentemente Inglés, ya que es el idioma universal en que avanza la ciencia.
Exámenes médicos, que muestren que el aspirante cuenta con buen estado de salud y no consume drogas o alcohol en exceso.
Conocimientos de las tecnologías de información y comunicaciones (TIC), ya que en estos tiempos su manejo es imprescindible.
Estos 11 criterios se evalúan en una escala de cero a diez puntos, por parte del comité de selección de los candidatos a ocupar una plaza de profesor en la institución.
El siguiente paso fue obtener los pesos de estos criterios (Tabla 3), para lo cual se aplicó AHP, llegando a lo siguiente:
La razón de consistencia ha sido de 0,0613, que indica que los resultados son consistentes y el análisis AHP es válido para definir los pesos de los 11 criterios.
Para el caso de estudio, se aplica a 6 candidatos a ocupar la posición docente, siendo la matriz de decisión (Tabla 4), la siguiente:
Esta matriz incluye en su última fila los pesos de los criterios obtenidos con AHP.
RESULTADOS
Luego se procedió a aplicar cada uno de los 5 métodos, iniciando con SAW, llegando a las siguientes puntuaciones (Tabla 5), S i ,:
El mejor candidato ha sido D, seguido de F, C, E, B y A.
Luego, al aplicar la metodología Moora, se llega a los siguientes valores de funciones de agregación Y i (Tabla 6).
En este caso, el resultado ha sido idéntico al obtenido con SAW.
Al aplicar la metodología ANP, se llega a los puntajes siguientes (Tabla 7).
Que es muy parecido al obtenido con SAW y Moora, cambiando solamente las posiciones de los lugares 3 y 4, los que ahora se han invertido, al ser mejor E que C.
Luego se procede a hacer los cálculos con Promethee, en su versión II, definiendo para todos los criterios las funciones de preferencia del tipo V con indiferencia, con p igual a 3 y q igual a cero, con lo cual se llega a los siguientes flujos netos y ranking de las opciones (Tabla 8).
Cuyo resultado es idéntico al obtenido con SAW y Moora.
Finalmente, al aplicar la metodología de Topsis, los índices de similaridad, D+ de cada opción (Tabla 9), han resultado los siguientes:
El mejor candidato ha sido otra vez D, pero el segundo sitio lo ocupa en este caso C, seguido de E, F, B y al final A. Estos resultados difieren más a los alcanzados con los otros 4 modelos.
Análisis de Sensibilidad
Se procedió después a hacer análisis de sensibilidad, el cual consistió en disminuir en cada uno de los criterios la calificación del mejor candidato y ver hasta qué valor se daba un cambio en el ranking de las opciones, o sea que D dejase de ser el aspirante mejor evaluado y el posicionado en segundo lugar pasase a ser el de mejor puntuación.
Con ello, los resultados se sintetizan en la Tabla 10, en la cual puede verse que esta tabla se explica para el caso del método SAW para el cual, la calificación del aspirante D en el criterio de experiencia docente, tiene una evaluación original de 6 puntos, la cual, aun cuando bajase a cero, no habría cambio del mejor candidato; en el criterio de experiencia profesional, D tiene un puntaje inicial de 10 puntos, que aun cuando bajase a cero, tampoco habría cambio del aspirante mejor evaluado, lo cual también sucede para los criterios de formación docente, producción académica, examen médico e Inglés. Para el criterio de formación académica, D tiene un puntaje inicial de 8, que, si bajase a 5, habría cambio en el aspirante mejor evaluado, siendo entonces F, que ocupaba la segunda posición.
Se observa que, de los 5 métodos aplicados al caso, el que ha resultado con la mayor sensibilidad ha sido el ANP, ya que se dio cambio del aspirante mejor evaluado en los 11 criterios de evaluación, luego le siguió Topsis con cambio en 8 de los criterios, seguido de Moora con 6, SAW con 5 y el menos sensible fue Promethee, para el cual sólo se dio cambio en 4 de los criterios.
En cuanto a los criterios para los que hubo cambio del candidato mejor evaluado, los más sensibles han sido la formación académica, la clase muestra, la entrevista y el manejo de TIC, ya que hubo cambio en estos criterios para los 5 métodos aplicados, siendo estos criterios los de mayor peso, lo cual incide al ser más importantes en la evaluación global del candidato. Los criterios para los cuales hubo menos cambios fueron la producción académica, el examen médico y el inglés, ya que para éstos, sólo se dio cambio con la metodología ANP y no con el resto de los métodos.
Si se analiza el criterio de formación académica, para el cual el peso del criterio fue el máximo (0,272), hubo cambio del aspirante mejor evaluado con los 5 métodos, pero el más sensible fue Topsis, ya que con una disminución de un punto (de 8 puntos iniciales bajar a 7), habría cambio; mientras que si la evaluación del candidato D bajase a 6, se daría cambio con Promethee; si bajase a 5, se daría cambio con SAW y Moora; y con ANP habría modificación sólo si su evaluación fuese de 3 puntos, siendo el método menos sensible respecto a este criterio.
Otra prueba que se realizó fue la de incrementar en una unidad la evaluación del segundo candidato mejor posicionado en los 4 criterios más importantes, como fueron la formación académica, la clase muestra, la entrevista y el uso de TIC y ver si con esto desplazaba al mejor aspirante, lo cual se dio para los 5 métodos utilizados en este estudio, lo cual muestra que, con puntuaciones más parecidas, la decisión a la que se llega con cualquier metodología puede verse afectada.
CONCLUSIONES
Para el caso bajo estudio, todos los métodos han coincidido en el candidato mejor evaluado, que ha sido D, lo cual muestra que todos llevarían a la misma decisión.
Esto podría modificarse si las diferencias entre las puntuaciones de los diferentes candidatos fuesen más parecidas. En este caso el candidato D ha tenido las mejores evaluaciones en varios criterios.
Si fuese el caso de contratar a dos docentes, el segundo sitio sería para F, ya que 4 de los 5 métodos manejados lo tienen en segundo sitio y sólo Topsis seleccionaría a C.
Conforme al análisis de sensibilidad para el cambio en el mejor aspirante, el método más sensible en general ha sido ANP, ya que presenta cambios en la mejor decisión si se modifican cada uno de los 11 criterios, mientras que el menos sensible ha sido Promethee con cambios en solo 4 de los criterios, que son los de mayor peso. Sin embargo, Promethee ha sido más sensible que ANP a un cambio en el mejor candidato en el criterio de formación académica, ya que con obtener un puntaje de 6 habría cambio, mientras que con ANP la evaluación de D debería bajar hasta 3 para que se diera tal cambio.
En cuanto a la sensibilidad de cada criterio, se ha dado en función de los pesos de los criterios, siendo más sensible el resultado si el peso del criterio es mayor.
Si las puntuaciones de las opciones de decisión -en este estudio los candidatos al puesto docente- fuesen similares, la decisión podría cambiar.
En general, se concluye que los resultados de los 5 modelos de decisión aplicados a este caso, son similares, aunque no idénticos, lo cual muestra que es de utilidad usarlos para la toma de decisiones, en este caso la selección del mejor aspirante a un puesto docente.
Además, este caso de estudio muestra que puede ser una buena aportación para las instituciones de educación superior adoptar como guía el proceso de selección de su personal docente aquí descrito.
A futuro, la institución educativa deberá estar atenta a los resultados que se vayan dando con este proceso propuesto, a fin de hacerle los ajustes pertinentes conforme se vaya aplicando en la selección de personal, siendo uno de ellos el de utilizar otros modelos de decisión multicriterio, en caso que no hubiese coincidencia en los que se han aplicado.
