Diseño de una metodología de análisis cuantitativo-cualitativo integrando métodos clásicos, fsQCA y aprendizaje automático

• Autores: Acacio Ernesto Dom Luis
• Directores de la Tesis: Rafael Benítez Suárez (dir. tes.) , María Carmen Bas (codir. tes.)
• Lectura: En la Universitat de València ( España ) en 2025
• Idioma: español
• Número de páginas: 210
• Tribunal Calificador de la Tesis: Lourdes Canós Darós (presid.) , Vicente José Bolós Lacave (secret.) , Mariano José Rodríguez-Arias Fernández (voc.)
• Programa de doctorado: Programa de Doctorado en Estadística y Optimización por la Universitat de València (Estudi General) y la Universitat Politècnica de València
• Calificación: Sobresaliente Cum Laude
• Enlaces
  • Tesis en acceso abierto en:  webges.uv.es (pdf)  RODERIC 
• Resumen

  • Esta tesis propone una metodología alternativa e integradora de análisis configuracional que combina el rigor lógico del Análisis Cualitativo Comparativo QCA con la eficiencia exploratoria y computacional de la Minería de Reglas de Asociación ARM, incorporando lógica difusa y técnicas de ordenación multicriterio. El trabajo parte del reconocimiento de que, si bien el QCA, especialmente en su versión difusa fsQCA, ha ganado notoriedad en las ciencias sociales por su capacidad para modelar causalidades complejas y trayectorias múltiples hacia un mismo resultado (equifinalidad), presenta limitaciones sustanciales. Entre ellas destacan la alta sensibilidad a la calibración, la conversión forzada de datos difusos a valores binarios, la dificultad de escalar a grandes volúmenes de datos y la ausencia de una formalización matemática rigurosa comparable a los métodos modernos de análisis de datos. En respuesta a estos desafíos, la investigación desarrolla una nueva formalización matemática del QCA, abordando tanto su versión con conjuntos nítidos csQCA como su variante difusa fsQCA. Se demuestra teóricamente que las soluciones derivadas del csQCA son subconjuntos de las obtenidas mediante ARM con reglas binarias, y que el fsQCA, a pesar de su enfoque lingüístico, produce en la práctica soluciones booleanas, ya que los datos calibrados son discretizados en la construcción de la tabla de verdad. A partir de esta constatación, se propone un marco lógico-algorítmico unificado que reinterpreta las condiciones necesarias y suficientes del QCA como reglas del tipo SI -> ENTONCES, típicas de la lógica de la ARM. Basándose en esta nueva perspectiva, la tesis desarrolla un modelo alternativo mediante reglas de asociación difusas que preserva la lógica configuracional del QCA (incluyendo consistencia y cobertura), pero con mayor expresividad semántica y robustez computacional. Se introduce un algoritmo de minimización de reglas basado en una adaptación del método de Quine - McCluskey para entornos difusos, permitiendo reducir la explosión combinatoria sin perder interpretabilidad. Asimismo, se incorpora el método multicriterio uwTOPSIS, que facilita la priorización de reglas relevantes sin la necesidad de pesos subjetivos, utilizando métricas como soporte, confianza, lift y cobertura. La tesis también presenta implementaciones computacionales propias en lenguaje R, con algoritmos reproducibles y versátiles, aplicables a diversas bases de datos. Estas herramientas fueron validadas a través de múltiples estudios de caso de diferente naturaleza y escala. Entre ellos se incluye un análisis sobre los cortes de internet en África (con N pequeño), donde se identificaron configuraciones causales asociadas a decisiones autoritarias frente a manifestaciones y contextos de tensión política. También se aborda el tema de la inmigración en contextos internacionales (con N grande), extrayendo reglas que vinculan actitudes sociales con factores como el nivel educativo, el sentimiento de identidad nacional y la percepción de amenaza económica. Un caso de la caída de la democracia en Europa durante el período de entreguerras aplicó se el fsQCA y reglas cuantitativas. Además, se utilizó un ejemplo relacionado con la pandemia de COVID-19, demostrando cómo uwTOPSIS pude ser aplicado. Finalmente, se aplicó la metodología al contexto educativo real de la Universidad Licungo (Mozambique), explorando la satisfacción estudiantil. A través de reglas fuzzy, se detectaron patrones claros: baja satisfacción asociada a impuntualidad docente, trato inadecuado, carencias de saneamiento e infraestructura; y alta satisfacción vinculada a acogida institucional, disponibilidad docente y acceso a recursos pedagógicos. Este análisis no solo validó empíricamente el modelo, sino que también aportó evidencia útil para la mejora de políticas internas. Los resultados muestran que la ARM difusa supera las limitaciones del fsQCA, permitiendo una modelización más rica, robusta y escalable de configuraciones causales. La formalización matemática propuesta permite, por primera vez, integrar el QCA en un marco algorítmico coherente, alineado con técnicas modernas de inteligencia artificial y minería de datos. Esta contribución representa tanto una innovación teórica como una herramienta práctica aplicable a diversos campos como la educación, la ciencia política, la salud pública y el análisis de políticas sociales. En conjunto, la tesis ofrece un enfoque metodológico sólido, flexible y orientado a los desafíos analíticos del siglo XXI.