Técnicas para el análisis causal

Durante el año 2012 me encontraba estudiando profundamente el estado del arte sobre el análisis causal, buscando una forma de mejorar el proceso. Uno de los primeros objetivos que fijé fue relevar cuales eran las técnicas que se estaban utilizando para desarrollar esta práctica. Lo que aquí les presento es parte de los hallazgos durante la revisión:

El diagrama de Ishikawa es la técnica más utilizada, la evidencia analizada muestra que los diagramas causa-efecto de Ishikawa (alias espina de pez) son la técnica más utilizada para la implementación de actividades de DCA en la industria del software.

Sin embargo encontré otras igual de interesantes y que puede decirse que no son de uso tradicional, sin embargo sí que vale la pena considerar:

Mapas Mentales (Mind Mapping) es una técnica desarrollada por Tony Buzan desarrollada para rastrear y registrar pensamientos. Debido a que el cerebro procesa información a alta velocidad es imposible documentar e incluso recordar todos los pensamientos e ideas que van surgiendo. Entonces ya que el ser humano habla en palabras y piensa en imágenes, esta técnica incorpora ambas en el proceso mientras intenta documentar todos los pensamientos que sea posible.

Pensamiento sistémico (Systemic thinking/system dynamics) fue desarrollada por Jay Forrester et. al. del MIT. Esta técnica ilustra las interrelaciones dentro de un sistema, basado en diferentes objetos que forman parte del sistema. Así pueden ser identificadas varias relaciones causa-efecto con el efecto de cada ciclo dentro del sistema. En el pensamiento sistémico cualquier elemento (variable) en una situación, se pueden trazar flechas (eslabones) que representan la influencia de un elemento sobre otro. A su vez estos revelan ciclos que se repiten una y otra vez, mostrando como varían las situaciones. Por lo tanto en el pensamiento sistémico, a diferencia de otras herramientas de diseño lineal se admiten ciclos. En el contexto de la ingeniería de software, esta técnica fue utilizada fue utilizada para explicar cómo los procesos de software funcionan.

Mapas Cognitivos (Cognitive Mapping) es una técnica fundada sobre la teoría de constructos personales de George Kelly. Esta técnica está basada en conocimiento causal. Su objetivo es la representación de conceptos y relaciones causales. La representación de esta técnica está dada por grafos. Los mapas cognitivos son en una forma un modelo grafico y cualitativo cuyo foco esta en las relaciones causales abstractas entre conceptos. Son utilizados como soporte a los procesos de adquisición de conocimiento y toma de decisiones.

Modelo de Ecuaciones Estructurales (SEM por las siglas en inglés para Structural Equation Model) es una técnica fundamentada sobre la teoría estadística. En esta técnica información de causa-efecto cualitativa es combinada con datos estadísticos para proveer de valoración cuantitativa de las relaciones causa-efecto entre las variables de interés. En el contexto de ingeniería de software, SEM propone un enfoque cuantitativo para predecir debilidades especificas de las organizaciones respecto del proceso de software basado en las relaciones causa-efecto entre áreas del proceso que pueden tener efecto sobre el resultado y las medidas resultantes en el proceso especifico de una organización de software.

Modelos Gráficos (Graphic Model) es una técnica fundada sobre la unión entre la teoría de probabilidad y la teoría de grafos. Así las relaciones causa-efecto dentro de un modelo causal son significativas estadísticamente cuando la técnica es utilizada bajo ciertas condiciones especificas. En el contexto de la ingeniería de software, los modelos gráficos son utilizados (como parte de SEM) para la predicción de debilidades especificas de los procesos de software de una organización basado en el estudio de las relaciones causa-efecto.

Modelo Causal Estructural (SCM por las siglas en inglés para Structural Causal Model) es una técnica creada por Judea Pearl y desarrollada para ser aplicada en ciencias cognitivas y ciencias sociales. La técnica combina muchas de las ventajas de los modelos causales tales como: SEM y modelos gráficos. En el contexto del software, SCM ha sido aplicado para el análisis de causa-efecto en proyectos de desarrollo de inteligencia artificial (AI).

Análisis de Causa Raíz (Causal Path Analysis) es una técnica desarrollada y descrita por Simon, Blalock et. al. se trata de una herramienta simple y muy poderosa basada en mapas cognitivos para explorar relaciones causa-efecto entre variables, utilizada en el contexto de ingeniería de software como parte del análisis de relaciones causa-efecto en proyectos de AI.

Análisis de Gráfico Radial (Radial Analysis Chart) esta técnica es en el contexto de ingeniería de software, una propuesta para extender los diagramas radiales (Radial Charts) para el análisis de defectos de forma de ser utilizadas para DCA, en donde cada banda radial representa un elemento al cual puede atribuirse un defecto (Henderson, 2008).

Modelo Basado en Reglas (Rule-based Models) se trata de una forma común de modelo computacional. Básicamente es un conjunto de clausulas denominadas reglas las cuales codifican conocimiento acerca de los fenómenos que están siendo modelados. En el contexto de ingeniería de software, esta técnica es aplicada como parte de un sistema de predicción de defectos multi-modelo.

Teoría Relacional para Mapas Causales (Relational Theory for Causal Maps) básicamente es un grafo dirigido que representa afirmaciones individuales sobre creencias respecto a su entorno. En el contexto de ingeniería de software, este tipo de enfoques es utilizado habitualmente en proyectos de AI y es aplicable únicamente en el caso de grafo sin ciclos.

Esto son solo parte de los hallazgos de la revisión, lo interesante de aplicar el método científico a una búsqueda es que no solo generas una evidencia que respalde los resultados sino que también obtienes un método que hace de la búsqueda un sistema.