Lo primero realizamos la carga de datos extraidos de los sistemas de información de la experiencia 12/13
Ahora diponemos de 466 respuestas a cuestiones de trabajo en equipo así como 457 respuestas a cuestiones sobre liderazgo, compromiso y motivación y orientación a resultados.
La experiencia tiene que ver con 8 proyectos simultaneos de códigos 1301, 1302, 1303, 1304, 1305, 1306, 1307, 1308.
Analicemos la percepción de liderazgo por proyecto dependiendo de del rol del autor:
#
library(lattice)
attach(sdatosBC)
bwplot(RolE ~ Lider | PRJ, xlab = "Liderazgo", ylab = "Rol", main = "Liderazgo por Proyecto y rol del Evaluado")
Analicemos la percepción de Compromiso y Motivación por proyecto dependiendo de del rol del autor:
#
bwplot(RolE ~ CyM | PRJ, xlab = "Compromiso y Motivación", ylab = "Rol", main = "Motivación por Proyecto y rol del Evaluado")
Analicemos la percepción de Orientación a Resultados por proyecto dependiendo de del rol del autor:
#
bwplot(RolE ~ ORes | PRJ, xlab = "Orientación a Resultados", ylab = "Rol",
main = "Orientación a Resultados por Proyecto y rol del Evaluado")
detach(sdatosBC)
Exploramos a continuación las competencias de negociación
#
sdatosTW[, 9] <- apply(sdatosTW[, 7:8], 1, sum, na.rm = T)
colnames(sdatosTW)[9] <- "TW"
attach(sdatosTW)
bwplot(RolE ~ TW | PRJ, xlab = "Trabajo en Equipo", ylab = "Rol", main = "Percepción del Trabajo en Equipo por Proyecto y rol del Evaluado")
detach(sdatosTW)
Exploramos a continuación las competencias de Liderazgo y su relación con la Orientación a resultados:
#
attach(sdatosBC)
xyplot(Lider ~ ORes | PRJ, xlab = "Orientación a Resultados", ylab = "Liderazgo",
main = "Liderazgo vs Orientación a Resultados por proyecto")
detach(sdatosBC)
Exploramos a continuación las competencias de Compromiso y Motivación y su relación con la Orientación a resultados:
#
attach(sdatosBC)
xyplot(CyM ~ ORes | PRJ, xlab = "Orientación a Resultados", ylab = "Compromiso y Motivación",
main = "Compromiso y Motivación vs Orientación a Resultados por proyecto")
detach(sdatosBC)
Lo primero la preparación de datos:
Ahora representamos Calidad de los productos del proyecto frente a Compromiso y Motivación
#
attach(datos.local)
xyplot(SCORE ~ Mean_CyM, xlab = "Compromiso y Motivación", ylab = "Calidad del Proyecto",
main = "Calidad del Proyecto frente a Compromiso y Motivación", pch = 20,
cex = 3, panel = function(x, y, ...) {
panel.xyplot(x, y, ...)
ltext(x = x, y = y, labels = datos.local$PNAME, pos = 1, offset = 1,
cex = 0.8)
})
Ahora representamos Calidad de los productos del proyecto frente a Orientación a Resultados:
#
xyplot(SCORE ~ Mean_ORes, xlab = "Orientación a Resultados", ylab = "Calidad del Proyecto",
main = "Calidad del Proyecto frente a Orientación a Resultados", pch = 20,
cex = 3, panel = function(x, y, ...) {
panel.xyplot(x, y, ...)
ltext(x = x, y = y, labels = datos.local$PNAME, pos = 1, offset = 1,
cex = 0.8)
})
Ahora representamos Calidad de los productos del proyecto frente a Liderazgo:
#
xyplot(SCORE ~ Mean_Lider, xlab = "Liderazgo", ylab = "Calidad del Proyecto",
main = "Calidad del Proyecto frente a Liderazgo", pch = 20, cex = 3, panel = function(x,
y, ...) {
panel.xyplot(x, y, ...)
ltext(x = x, y = y, labels = datos.local$PNAME, pos = 1, offset = 1,
cex = 0.8)
})
Y finalmente presentamos la Calidad del Proyecto frente a Trabajo en equipo, estimado de modo integrado por la percepción entre PM y TM:
#
xyplot(SCORE ~ Mean_TW, xlab = "Trabajo en Equipo", ylab = "Calidad del Proyecto",
main = "Calidad del Proyecto frente a Trabajo en Equipo", pch = 20, cex = 3,
panel = function(x, y, ...) {
panel.xyplot(x, y, ...)
ltext(x = x, y = y, labels = datos.local$PNAME, pos = 1, offset = 1,
cex = 0.8)
})
detach(datos.local)
Cálculo de correlaciones entre Calidad y el resto de competencias.
#
panel.hist <- function(x, ...) {
usr <- par("usr")
on.exit(par(usr))
par(usr = c(usr[1:2], 0, 1.5))
h <- hist(x, plot = FALSE)
breaks <- h$breaks
nB <- length(breaks)
y <- h$counts
y <- y/max(y)
rect(breaks[-nB], 0, breaks[-1], y, col = "cyan", ...)
}
panel.cor <- function(x, y, digits = 2, prefix = "", cex.cor, ...) {
usr <- par("usr")
on.exit(par(usr))
par(usr = c(0, 1, 0, 1))
r <- abs(cor(x, y))
txt <- format(c(r, 0.123456789), digits = digits)[1]
txt <- paste0(prefix, txt)
if (missing(cex.cor))
cex.cor <- 0.8/strwidth(txt)
text(0.5, 0.5, txt, cex = cex.cor * r)
}
pairs(datos.local[, -1], lower.panel = panel.smooth, cex = 1.5, pch = 24, bg = "light blue",
diag.panel = panel.hist, upper.panel = panel.cor)
Lo primero la preparación de datos:
## Loading required package: DBI Loading required package: gsubfn Loading
## required package: proto Loading required namespace: tcltk Loading required
## package: chron Loading required package: RSQLite Loading required package:
## RSQLite.extfuns Loading required package: tcltk
Ahora analizamos la relación entre la Calidad y el ratio de horas imputadas respecto de las planificadas:
#
attach(datos.local)
xyplot(SCORE ~ M_LRATIO, xlab = "Ratio de Cobertura de Esfuerzo", ylab = "Calidad del Proyecto",
main = "Calidad del Proyecto frente a Grado de cumplimiento", pch = 20,
cex = 3, panel = function(x, y, ...) {
panel.xyplot(x, y, ...)
ltext(x = x, y = y, labels = datos.local$PNAME, pos = 1, offset = 1,
cex = 0.8)
})
Podemos fijarnos también en el esfuerzo planificado sobre la calidad final, pues se supone que a menor detalle, menos esfuerzo indentificado:
#
xyplot(SCORE ~ T_LOAD, xlab = "Esfuerzo Planificado", ylab = "Calidad del Proyecto",
main = "Calidad del Proyecto frente a Esfuerzo Presupuestado", pch = 20,
cex = 3, panel = function(x, y, ...) {
panel.xyplot(x, y, ...)
ltext(x = x, y = y, labels = datos.local$PNAME, pos = 1, offset = 1,
cex = 0.8)
})
También podemos ver la relación entre esfuerzo realizado y percepción de competencia de trabajo en equipo:
#
xyplot(Mean_TW ~ R_LOAD, xlab = "Esfuerzo Reclamado", ylab = "Competencia de T. en Equipo",
main = "Trabajo en Equipo frente a Esfuerzo Reclamado", pch = 20, cex = 3,
panel = function(x, y, ...) {
panel.xyplot(x, y, ...)
ltext(x = x, y = y, labels = datos.local$PNAME, pos = 1, offset = 1,
cex = 0.8)
})
Podemos ver la Calidad del proyecto frente al número de asignaciones promedio para cada miembro del equipo:
#
xyplot(SCORE ~ M_NASSIGN, xlab = "Número medio de asignaciones", ylab = "Calidad de Proyecto",
main = "Calidad de Proyecto frente a Media de asignaciones", pch = 20, cex = 3,
panel = function(x, y, ...) {
panel.xyplot(x, y, ...)
ltext(x = x, y = y, labels = datos.local$PNAME, pos = 1, offset = 1,
cex = 0.8)
})
Pero también podemos ver la relación entre Calidad de Proyecto y Esfuerzo Reclamado:
#
xyplot(SCORE ~ R_LOAD, xlab = "Esfuerzo Reclamado", ylab = "Calidad de Proyecto",
main = "Calidad de Proyecto frente a Esfuerzo Reclamado", pch = 20, cex = 3,
panel = function(x, y, ...) {
panel.xyplot(x, y, ...)
ltext(x = x, y = y, labels = datos.local$PNAME, pos = 1, offset = 1,
cex = 0.8)
})
Pero también podemos ver la relación entre Trabajo en Equipo y Esfuerzo Planificado:
#
xyplot(Mean_TW ~ T_LOAD, xlab = "Esfuerzo Planificado", ylab = "Trabajo en Equipo",
main = "Trabajo en Equipo frente a Esfuerzo Planificado", pch = 20, cex = 3,
panel = function(x, y, ...) {
panel.xyplot(x, y, ...)
ltext(x = x, y = y, labels = datos.local$PNAME, pos = 1, offset = 1,
cex = 0.8)
})
Pero también podemos ver la relación entre Trabajo en Equipo y Ratio de Cobertura de Esfuerzo:
#
xyplot(Mean_TW ~ M_LRATIO, xlab = "Ratio de Cobertura de Esfuerzo", ylab = "Trabajo en Equipo",
main = "Trabajo en Equipo frente a Ratio de Cobertura de Esfuerzo", pch = 20,
cex = 3, panel = function(x, y, ...) {
panel.xyplot(x, y, ...)
ltext(x = x, y = y, labels = datos.local$PNAME, pos = 1, offset = 1,
cex = 0.8)
})
Y también podemos ver la relación entre Orientación a Resultados y Ratio de Cobertura de Esfuerzo:
#
xyplot(Mean_ORes ~ M_LRATIO, xlab = "Ratio de Cobertura de Esfuerzo", ylab = "Orientación a Resultados",
main = "Orientación a Resultados frente a Ratio de Cobertura de Esfuerzo",
pch = 20, cex = 3, panel = function(x, y, ...) {
panel.xyplot(x, y, ...)
ltext(x = x, y = y, labels = datos.local$PNAME, pos = 1, offset = 1,
cex = 0.8)
})
La realación entre Trabajo en Equipo y tamaño nominal del proyecto en número de personas es:
#
xyplot(Mean_TW ~ MEMBERS, xlab = "Miembros del Proyecto", ylab = "Trabajo en Equipo",
main = "Trabajo en Equipo frente a Tamaño del Equipo de Proyecto", pch = 20,
cex = 3, panel = function(x, y, ...) {
panel.xyplot(x, y, ...)
ltext(x = x, y = y, labels = datos.local$PNAME, pos = 1, offset = 1,
cex = 0.8)
})
También podemos ver la relación entre la competencia de trabajo en equipo y el número de asignaciones de actividad promedio realizadas en el proyecto:
#
xyplot(Mean_TW ~ M_NASSIGN, ylab = "Trabajo en Equipo", xlab = "Número medio de asignaciones",
main = "Trabajo en Equipo frente a Asignaciones de actividad", pch = 20,
cex = 3, panel = function(x, y, ...) {
panel.xyplot(x, y, ...)
ltext(x = x, y = y, labels = datos.local$PNAME, pos = 1, offset = 1,
cex = 0.8)
})
detach(datos.local)
Cálculo de correlaciones entre Calidad y el resto de competencias y parámetros de esfuerzo.
#
panel.hist <- function(x, ...) {
usr <- par("usr")
on.exit(par(usr))
par(usr = c(usr[1:2], 0, 1.5))
h <- hist(x, plot = FALSE)
breaks <- h$breaks
nB <- length(breaks)
y <- h$counts
y <- y/max(y)
rect(breaks[-nB], 0, breaks[-1], y, col = "cyan", ...)
}
panel.cor <- function(x, y, digits = 2, prefix = "", cex.cor, ...) {
usr <- par("usr")
on.exit(par(usr))
par(usr = c(0, 1, 0, 1))
r <- abs(cor(x, y))
txt <- format(c(r, 0.123456789), digits = digits)[1]
txt <- paste0(prefix, txt)
if (missing(cex.cor))
cex.cor <- 0.8/strwidth(txt)
text(0.5, 0.5, txt, cex = cex.cor * r)
}
pairs(datos.local[, -1], lower.panel = panel.smooth, cex = 1.5, pch = 24, bg = "light blue",
diag.panel = panel.hist, upper.panel = panel.cor)
