Serviços Personalizados
Journal
Artigo
Indicadores
- Citado por SciELO
- Acessos
Links relacionados
- Similares em SciELO
Compartilhar
Revista Chapingo serie ciencias forestales y del ambiente
versão On-line ISSN 2007-4018versão impressa ISSN 2007-3828
Resumo
ZAMUDIO-SANCHEZ, Francisco J. et al. Modelo de selección y evaluación de aspirantes a un posgrado en ciencias forestales. Rev. Chapingo ser. cienc. for. ambient [online]. 2017, vol.23, n.3, pp.353-367. ISSN 2007-4018. https://doi.org/10.5154/r.rchscfa.2016.12.074.
Introducción:
El proceso de admisión de estudiantes al posgrado es muy importante para el mejoramiento de los indicadores de mayor ponderación en la calidad del programa. El problema es la gran cantidad de información solicitada que no siempre se considera objetivamente para la selección de aspirantes con el perfil deseado.
Objetivo:
Analizar modelos de evaluación para seleccionar aspirantes al posgrado y, vía una métrica, elegir el modelo más compatible.
Materiales y métodos:
Se utilizó información de 19 solicitantes de ingreso al programa de la Maestría en Ciencias Forestales de la Universidad Autónoma Chapingo. Se aplicaron métodos subjetivos de análisis multicriterio en la fase de ponderación de los criterios (3) y subcriterios (8): método de asignación de puntos y proceso jerárquico analítico. Los valores fueron agregados mediante el método TOPSIS y el método de suma ponderada. La combinación ponderación-agregación más compatible se determinó con el ordenamiento de Pareto.
Resultados y discusión:
La combinación del método de la suma ponderada y el proceso jerárquico analítico presentó una distancia promedio menor al ordenamiento del resto de las combinaciones y, consecuentemente, generó una selección de aspirantes más compatible con los criterios de selección.
Conclusión:
Los métodos multicriterio representan una buena opción para considerar apropiadamente la cantidad de información generada en un proceso de selección.
Palavras-chave : Análisis multicriterio; suma ponderada; TOPSIS; ordenamiento Pareto.