El objetivo del estudio fue describir la verdad y validez del conocimiento desde la teoría de señuelos por supuestas premisas falsas. El estudio se realizó entre enero y febrero de 2022 donde se consideró, desde la base de datos Sciendirect (Editorial Elsevier) y mediante la ecuación de búsqueda y sin filtros lo siguiente: truth of knowledge. Se seleccionó mediante un muestro no probabilístico por conveniencia, los artículos que correspondieron: 1ro) periodo de 2019 – 2021, y 2do) de revisión. Luego, se realizó un muestreo probabilístico aleatorio sistemático con rango de 5 en la progresión aritmética donde se seleccionaron 35 artículos (10 % / total) para el análisis conceptual de la verdad y la validez. Se consideró, el reconocimiento del contraste de hipótesis desde una probabilidad casi máxima (0,01) y valorarse en el proceso de búsqueda de la verdad y la existencia de la validez, el examen sobre dos señuelos de premisas falsas (P1*, P2* y P1**, P2**), pues su análisis de razonamiento lógico, determina que sean verdaderas. Se concluye, que la verdad y validez del conocimiento pueden ser, desde aceptar o rechazar las premisas, pero un criterio de juicio para la decisión a contrastar, es indicarse cualquier determinación donde se considere el rechazo desde la propia lógica interpretativa entre lo que se selecciona para demostrar, y las premisas que se piensan sean “supuestas falsas”.

El objetivo del estudio fue reflexionar sobre la probabilidad estadística del contagio ante la eficacia de las vacunas contra la COVID-19. El estudio se realizó en enero y febrero de 2022 donde se analizó, 250 artículos desde la base de datos ScienceDirect y que refirieron a la efectividad de las vacunas contra la COVID-19. Los artículos correspondieron al tipo: revisión, investigación, reporte de casos, discusión y comunicaciones breves. Las claves de búsqueda se refirieron a: 1ro) tipo de vacunas, 2do) tamaño representativo de la muestra, 3ro) intervalos de confianza de la incertidumbre, 4to) tipo de prueba paramétrica y no paramétrica, 5to) p-valor umbral de significación estadística, y 6to) argumento del acto de las conclusiones. Se consideró, dos poblaciones de 100 personas bajo la administración de la vacuna A: NT162b2 mRNA/Pfizer-BioNTech y la vacuna B: COVID-19 absorbida: inactivada/CoronaVac en la otra población. Se supuso un programa de vacunación simultáneo reconociéndose la probabilidad de seleccionar una persona con una u otra vacuna mediante la expresión: P(A ∪ B) = P(A) + P(B) donde la probabilidad fue 0,73% lo cual indica, menor el riesgo del cuadro severo y/o crítico de la COVID-19, pero debe interpretarse que el modelo matemático, no es distante al modelo biológico. Se concluye, que es una necesidad continuar la reflexión sobre la significación de probabilidad ante el reporte de eficacia de las vacunas, ya que las decisiones deben sustentarse en las explicaciones desde modelos estadísticos de vacunación y la ciencia de datos para la protección contra la COVID-19.

El propósito del estudio fue describir la necesidad en la toma de decisiones desde la formación conceptualizada entre la Estadística y Ciencia de Datos. Cuatro elementos son claves en la ciencia: teoría, datos, metodología y problema, por cuanto, si los datos forman parte de la ciencia entonces, parece erróneo que exista una Ciencia de Datos, pues ninguna metodología desde la Ciencia de Datos puede decidir, el patrón “ideal o correcto” dado que existen múltiples patrones a comprenderse. Por su parte, si los programas estadísticos son incapaces de analizar cientos de miles de datos (carece de sentido al reconocerse las decisiones desde una muestra probabilística aleatoria y, por el contrario, no considerarse imposibilita hacer inferencias), entonces la posibilidad de representar la diversidad desde la Estadística es limitada, ya que existe una centralización en minimizar las sumas de las desviaciones al cuadrado medio y no comprender la diversidad que realiza la Ciencia de Datos. Se concluye, que la Estadística suma a la confiabilidad y validez, mientras que la Ciencia de Datos permite el desarrollo de metodologías que condicionan a la incorporación de tecnologías donde resulta difícil desmarcar la barrera entre la Estadística y la Ciencia de Datos, pues en algunas ocasiones son indistintas entre sí y en otros casos se comparte una asociación. Por tanto, el dominio del tratamiento de los datos desde la Estadística y el aprendizaje automático que facilita la Ciencia de Datos se requiere para la decisión, pero debe existir la formación en ambos campos de estudio. Palabras clave: ciencia de datos – competencia profesional – decisiones – estadística

El objetivo del estudio fue evaluar la arquitectura de la gestión financiera no asociada al coeficiente de competencia empresarial 3CA. Se seleccionaron, dos organizaciones de Cuba y una del Perú donde se clasificó, en tres categorías de centro. Se analizó, ocho criterios específicos de la gestión financiera, así como indicadores propios de gestión financiera desde el coeficiente de competencia empresarial 3CA. El costo de canales de comercialización y el nivel de endeudamiento explicaron el 99,92 % de la variabilidad entre todos los criterios. No se halló, diferencias estadísticamente significativas entre las organizaciones de producción para los valores de gestión financiera en la competencia de capacidad del coeficiente de competencia empresarial 3CA. Las tres organizaciones estadísticamente fueron iguales, pero ESAC y DISAIC muestran características muy similares entre ellas (dendrograma) en comparación con AMTAWI. El nivel de competencia para las organizaciones fue satisfactorio y el orden correspondió a: DISAIC > AMTAWI > ESAC. El coeficiente de correlación entre los criterios específicos de la gestión financiera y los indicadores propios del coeficiente de competitividad organizacional 3CA, indicó relación débil: 0,19 donde R-cuadrado fue de 3,57%. Se concluye, que los indicadores específicos de gestión financiera no se asocian con los indicadores propios del coeficiente de competencia empresarial 3CA y ello significa, una decisión inadecuada en el desempeño organizacional, por tanto, se requiere integrar los indicadores específicos al coeficiente para mostrarse mayor arquitectura hacia la dimensión de competencia y visibilidad organizacional.

El objetivo del estudio fue proponer el coeficiente de competitividad empresarial-3CA. El estudio se realizó desde enero hasta marzo de 2021 donde se revisó el sitio web de ScienceDirect introduciéndose las siguientes palabras claves en idioma español e inglés: modelo, coeficiente, competitividad empresarial. Se consideró, 75 artículos científicos entre el periodo 2015 hasta el 2020, donde 20 revistas científicas se consultaron. A partir, de la valoración hermenéutica de las publicaciones científicas se establece el coeficiente de competitivad empresarial-3CA, el cual consideró tres dimensiones de variables de competencias de capacidad: 1ro) de producción, 2do), de comercialización, y 3ro) de ingreso reconocible. Cada dimensión de competencia de capacidad mostró para su análisis, más de un indicador los cuales fueron ponderados en tres niveles: I) bajo (0,2; II), medio (0,6) y III) alto (1,0). El coeficiente de competitividad empresarial-3CA arrojó tres rangos: 1ro) 0,2-0,7; 2do) 0,9-1,4 y 3ro) 2,3-3,4 donde el primero refiere que la competitividad empresarial es insuficiente, el segundo será satisfactoria, mientras que el tercero es de excelencia. Se concluye que, el coeficiente de competitividad empresarial-3CA garantiza la excelencia de procesos y servicios desde cualquier factor que se pretenda analizar en los indicadores, pues su ponderación distingue la posibilidad que la empresa en sí misma, pueda medirse. Palabras clave: competencia empresarial – conexión – productividad – sociedad