| Trabajo | Título | Autores | Resumen |
| 2 | AHP Y TOPSIS APLICADOS EN LA EVALUACIÓN DE LA MOVILIDAD SUSTENTABLE EN ENTORNOS UNIVERSITARIOS DE BAHÍA BLANCA, ARGENTINA | Yamila Grassi – Mónica Díaz – Daniel Rossit (UNS-CONICET) | Este estudio evalúa el potencial para fomentar la movilidad urbana sustentable en cuatro campus universitarios de Bahía Blanca (Argentina) aplicando dos métodos multicriterio: AHP y TOPSIS. Se seleccionaron cinco indicadores clave (distancia a ciclovías y a paradas de colectivo, cantidad y frecuencia de líneas de colectivo, y condiciones de las veredas), cuyos pesos fueron determinados mediante AHP. Ambos métodos MCDM coincidieron en que los campus Alem (UNS) y 11 de Abril (UTN-FRBB), ubicados en el macrocentro, presentan el mayor potencial para fomentar la movilidad sustentable. El trabajo busca no solo aportar evidencia científica, sino también colaborar con políticas extrapolables a nivel urbano. |
| 8 | CURVA VITAL Y MÉTODO TOPSIS EN LA EVALUACIÓN DE DESEMPEÑO: INCIDENCIA DE LOS MÉTODOS DE PESADO EN LA CLASIFICACIÓN ABC | Sofía Carla Cortaberría – Miguel Ángel Curchod (UNC) | Este trabajo analiza el impacto de distintos métodos de asignación de pesos en un modelo de evaluación de desempeño. Se aplica a la evaluación de 262 líderes de una empresa de salud en Argentina. El enfoque combina técnicas multicriterio con la regla de la curva vital (20-70-10) para obtener una clasificación ABC. Se comparan cuatro métodos de ponderación: opinión de expertos, asignación uniforme, entropía y desviación estándar normalizada. Aunque los rankings generales fueron consistentes, se detectaron variaciones menores en los límites entre categorías. El análisis individual permitió ajustar desvíos y consolidar un modelo robusto y transparente. Esto fortaleció la aceptación institucional y mejoró la eficacia en la toma de decisiones vinculadas a la gestión del talento. |
| 25 | UN MODELO RFM DE SEGMENTACIÓN DE CLIENTES COMBINADO CON EL MÉTODO MULTICRITERIO DE PONDERACIÓN LINEAL. UN CASO DE APLICACIÓN | Pablo Pagano (UNRC) | Actualmente, las empresas disponen de datos sobre las transacciones de ventas que permiten caracterizar a los clientes según sus patrones históricos de compra y segmentarlos. Una de las técnicas de segmentación más difundidas en marketing es el análisis RFM, por las siglas del inglés Recency, Frequency, Monetary. El modelo RFM clásico no provee una puntuación final integrada lo que representa un obstáculo cuando se desea ordenar y clasificar clientes. Con el objetivo de superar esta limitación, se plantea un modelo que combina la técnica RFM con el método multicriterio de ponderación lineal y se lo aplica a la resolución de un caso hipotético. Los resultados muestran que mediante esta combinación se logra un ranking completo que permite una sencilla clasificación. |
| 29 | IDENTIFICACIÓN DEL TALENTO ORGANIZACIONAL CON METODOLOGÍA MULTICRITERIO. ANÁLISIS COMPARATIVO ENTRE DOS ÁREAS DE UNA EMPRESA | SofÍa Carla CortaberrÍa – Mariana Funes (UNC) | Este trabajo presenta el desarrollo de un indicador compuesto para identificar el talento en dos áreas de una empresa financiera argentina. Basado en la definición de talento de la organización, se utilizaron nueve criterios de evaluación integrados mediante el método multicriterio UTADIS. El indicador permite medir el talento de forma objetiva, clasificar y comparar a los empleados, e identificar los componentes más valorados por cada área, aportando información que contribuye a identificar oportunidades y/o áreas de mejora en la gestión del talento. |
| 34 | ADDRESSING METHODOLOGICAL UNCERTAINTY IN MCDM WITH A SYSTEMATIC PIPELINE APPROACH TO DATA TRANSFORMATION SENSITIVITY ANALYSIS | Juan Cabral (GVT, CONAE – CONICET – UNC) – Alvaro Roy Schachner (IATE-CONICET – UNC) | Multicriteria decision-making methods exhibit critical dependence on the choice of normalization techniques, where different selections can alter 20–40\% of the final rankings. Current practice is characterized by the ad-hoc selection of methods without systematic robustness evaluation. We present a framework that addresses this methodological uncertainty through automated exploration of the scaling transformation space. The implementation leverages the existing Scikit-Criteria infrastructure to automatically generate all possible methodological combinations and provide robust comparative analysis. |
