Análisis de las relaciones entre hábitos de vida, percepción del entorno y apoyo social, utilizando herramientas de Big Data

Resumen

La metodología abordada en los artículos que buscan caracterizar los hábitos de vida de los jóvenes implica en general un análisis cualitativo profundo, donde las técnicas provenientes del Big Data no han sido prácticamente utilizadas. Con el progreso de la tecnología se genera y recoge diariamente una gran cantidad de datos, los cuales son significativos sólo cuando se puede obtener información oculta dentro de ellos. De esta forma, en la investigación actual es necesario el análisis de bases de datos extensas y complejas, y aunque las técnicas del Big Data fueron desarrolladas para estudiar grandes cantidades de datos en tiempo real, esto no significa que dichas herramientas no puedan ser aplicadas a contextos con una menor cantidad de datos cuyo procesamiento, en un menor tiempo, resulta ventajoso para los investigadores. De esta forma se considera que la metodología desarrollada en el ámbito del Big Data presenta una respuesta a las limitantes de los métodos tradicionales y ofrece una variedad de herramientas que es posible utilizar en el entorno de las Ciencias Sociales. Con la finalidad de obtener resultados a través de los cuales se puedan desarrollar y crear estrategias de actuación para mejorar el entorno de los adolescentes, el objetivo principal de esta investigación es analizar las relaciones entre hábitos de vida, percepción y apoyo social, utilizando herramientas de Big Data. La caracterización de los jóvenes se hizo considerando la edad, el sexo, la clase social, calidad de alimentación, actividad física, adicción a la nicotina, consumo de bebidas alcohólicas, percepción del apoyo social, función familiar, satisfacción con la vida, calidad de vida relacionada con la salud, salud mental, preocupación por la figura y satisfacción con la imagen corporal. Para cumplir el objetivo se utilizó el sobremuestreo estratificado presentado por Siddiqi (2006); el análisis de clúster a través del TwoStep Cluster propuesto por Chiu, Fang, Chen, Wang & Jeris (2001); la descomposición de matrices utilizando las CUR desarrollada por Mahoney & Drineas (2009); finalizando con el análisis de segmentación a través del algoritmo TAID presentado por Castro (2005). Concluyendo como el uso de la metodología proveniente del Big Data en Ciencias Sociales, permite, además de trabajar con grandes cantidades de datos en una mejor cantidad de tiempo, crear estrategias de intervención más eficaces para mejorar el entorno de los adolescentes y jóvenes.