Taller Principios de Investigación II

(1)

Taller

Principios

de

_de

Investigaci

ó

_ó

n

_n

II

_II

Centro de Estudios y Documentación sobre la Educación Superior Puertorriqueña

Consejo de Educación Superior 31 de marzo de 2006

Wanda I. Altreche Bernal, MS, Ph.D. Catedrática Asociada

(2)

Objetivos

Familiarizar a los participantes con los diferentes tipos de diseño de investigación cuantitativos, su uso y aplicación correcta

Discutir los conceptos básicos de muestreo

Familiarizar a los participantes con la selección y desarrollo de técnicas apropiadas para recoger los datos

Introducir los métodos para analizar y presentar la información cuantitativa de manera significativa y comprensiva

Demostrar como el diseño de investigación, el plan de

muestreo, la recopilación de datos, el nivel de medición de los datos y los análisis estadísticos se relacionan entre sí y con la pregunta de investigación

(3)

Competencias

Distinguir entre los diferentes diseños de investigación basado

en las preguntas de investigación para las que se desea obtener respuesta y en su adecuacidad para controlar las distintas

fuentes que amenazan la validez interna

Conocer los elementos que debe incluir el diseño de

investigación

Identificar los cinco factores a considerar al planificar el diseño

de investigación

(4)

Competencias

Definir los conceptos básicos de muestreo

Diferenciar entre los distintos tipos de muestreo y

cuando utilizarlos

Identificar los pasos del proceso de muestreo

Reconocer los diferentes métodos para recopilación

de datos

Conocer los distintos métodos de análisis de datos y

(5)

Dise

ñ

o de Investigaci

ó

n

z

Es el plan general del investigador para dar

respuesta a sus interrogantes o para probar

su hipótesis

z

Desglosa las estrategias básicas que el investigador

utiliza para controlar las variables extrañas y

generar información exacta e interpretable

z

Especifica el procedimiento que será utilizado para

obtener la evidencia empírica y el modelo que

describe la relación entre las variables que serán

estudiadas

.

(6)

Dise

ñ

o de Investigaci

ó

n

z

El propósito principal es estructurar el estudio para

que el investigador pueda determinar el alcance en el

cual una variable independiente es responsable por el

cambio en la variable dependiente, controlando o

restringiendo los elementos extraños que puedan

influenciar sobre los resultados del estudio

z

Especifica el proceso de recopilación de datos, las

condiciones bajo las cuales las observaciones se

harán y el tipo de análisis y presentación de los datos

que serán necesarios para contestar la pregunta de

investigación propuesta

(7)

Dise

ñ

o de Investigaci

ó

n

z

Provee un mecanismo de control para asegurar que

los datos son recopilados objetivamente de forma

uniforme y con la intervención o sesgo mínimo del

investigador

(8)

Elementos

de un

Dise

ñ

o

de

Investigaci

ó

n

z

Intervención

= variable independiente

z

Comparaciones

Comparaciones entre dos o más grupos (intersujetos) Comparaciones de un sólo grupo en dos o más ocasiones

(intrasujetos)

Comparaciones de un sólo grupo en diferentes circunstancias

o experiencias (intrasujetos)

Comparaciones basadas en relaciones entre variables

(9)

Elementos

de un

Dise

ñ

o

de

Investigaci

ó

n

z

Control de variables extrañas o ajenas al

problema que se estudia

z

Programación de la colecta de datos

– ¿Cuántas veces?

– ¿Cuándo serán recogidos?

z

Lugar, ambiente y tiempo donde se realizará el

estudio,

o sea donde se recopilarán los datos y cuando

z

Comunicación con los participantes

– se refiere a la cantidad de información que recibirán los participantes

(10)

Mecanismos

para

Controlar

Factores

Extra

ñ

os

z

Distribución aleatoria

– garantiza que los grupos sean iguales respecto a las variables extrañas. Es el método más efectivo. Es el único que permite controlar todas las posibles variables extrañas, sin que el investigador tenga que conocer cuales son estas

z

Homogeneidad

– se refiere a incluir en el estudio sólo sujetos que son homogéneos o iguales respecto a las variables extrañas

z

Grupos aleatorios o bloqueo

– en vez de controlar las variables extrañas, estas se incluyen en el estudio en calidad de variables independientes y se agrupan los sujetos de acuerdo a sus niveles para entonces asignarlos al azar al grupo experimental y el grupo control.

(11)

Mecanismos

para

Controlar

Factores

Extra

ñ

os

• Pareo

– consiste en constituir grupos de comparación con sujetos que poseen las mismas características.

Supone que el investigador conoce de antemano las características de los sujetos que pueden afectar los resultados del estudio

z

Control estadístico

– se refiere a utilizar procedimientos estadísticos para controlar las variables no deseadas. Permiten

controlar múltiples variables extrañas a la vez. Ej. analisis de covarianza

(12)

Cinco Factores a Considerar al

Planificar el Dise

ñ

o de

Investigaci

ó

n

1. Sesgo

- influencia que distorsiona los resultados de un estudio y por lo tanto afectan la confiabilidad de hacer conclusiones

z Instrumentos (selección y diseño inadecuado)

z Procedimiento inadecuado para recopilar los datos

z Proceso de selección de la muestra – diferencias

entre los participantes que integran los grupos con respecto a la variable que está siendo estudiada

z Conocimiento previo de los investigadores puede

sesgar la colecta de datos de forma objetiva

(13)

Cinco Factores a Considerar al

Planificar el Dise

ñ

o de

Investigaci

ó

n

2. Manipulación

– es el proceso de manipular la

variable independiente para observar el efecto que tiene sobre la variable dependiente

3. Control

–

procedimientos que se establecen para tratar de minimizar la influencia de variables extrañas sobre los resultados del estudio o la variable

(14)

Cinco Factores a Considerar al

Planificar el Dise

ñ

o de

Investigaci

ó

n

Se controla a través de:

¾ Aleatoriedad

¾ selección al azar de los sujetos

¾ asignación al azar de los sujetos a los grupos

¾ Desarrollo cuidadoso de protocolos experimentales

(15)

Cinco Factores a Considerar al

Planificar el Dise

ñ

o de

Investigaci

ó

n

4. Validez

(si los hallazgos del estudio logran reflejar el propósito para lo que fue diseñado el estudio)

z

Validez interna -

se refiere a si los resultados de un estudio son función de la intervención o variable independiente estudiada y no de otras causas

z

Validez externa –

se refiere a la capacidad para generalizar los hallazgos y desarrollar inferencias de la muestra a la población bajo estudio

(16)

Cinco Factores a Considerar al

Planificar el Dise

ñ

o de

Investigaci

ó

n

5. Confiabilidad “Reliability”

se refiere a la solidez del diseño de investigación, de manera que pueda dar los mismos resultados

si se repite bajo las mismas circunstancias y según fue planificado y ejecutado.

(17)

Siete Factores que Amenaza

la Validez Interna

z

Historia

– se refiere a eventos o acontecimientos externos que ocurren a la misma vez que la variable que

esta siendo manipulada (variable independiente) y que pueden afectar el comportamiento de la variable dependiente

z

Selección

-

incluye el sesgo que resulta de las

diferencias preexistentes entre los grupos

Si los grupos no son equivalentes, cabe la posibilidad de que cualquier diferencia en la variable dependiente sea el resultado de las diferencias que existían entre los grupos más que al efecto de la variable independiente

(18)

Siete Factores que Amenaza

la Validez Interna

• Maduración

– se refiere al proceso de cambio que ocurre en los sujetos que están participando en

un estudio como resultado del transcurso del tiempo y no a causa de la variable

independiente o intervención

• Sensibilización

– o efecto de prueba. Se refiere al efecto que tiene una pre - prueba sobre el desempeño de los individuos en la post prueba.

(19)

Siete Factores que Amenaza

la Validez Interna

• Instrumentación

– se refiere al sesgo relacionado con las medidas u observaciones que hace el investigador

Puede ocurrir:

* cuando el instrumento de medición o los procesos de observación utilizados no son precisos en su medida (no miden lo que se quiere medir)

* cuando el instrumento de medición es responsable de los resultados y no la variable independiente (ej. usar diferentes instrumentos para tomar las medidas)

* cuando los observadores o entrevistadores cambian la forma en que recogen y registran los datos

- porque son más diestros - porque están cansados

- porque consiente o inconscientemente intentan aumentar la probabilidad de los resultados deseados.

Tanto los instrumentos de medición como las personas que recogen los datos deben permanecer constantes a través del tiempo y de los grupos o condiciones estudiadas.

(20)

Siete Factores que Amenaza

la Validez Interna

• Mortalidad

–

se refiere al efecto que tiene sobre los resultados del estudio la perdida de sujetos antes de que el mismo se complete

Los sujetos que se dan de baja en un estudio pueden ser diferentes en cuanto a condiciones que son relevantes a la variable dependiente de aquellos que

permanecen

• Regresión

–

se refiere al efecto del fenómeno estadístico en el cual las medidas extremas tienden a regresar alrededor de la media o el promedio en

repeticiones de la observación o medición

Cuando se seleccionan los sujetos o grupos en base a “scores” extremos con respecto a una variable particular, problemas de regresión pueden ocurrir

(21)

Dise

ñ

os de Investigaci

ó

n

Notación:

X – variable independiente o intervención

O – variable dependiente, observación o

medición

R – aleatoriedad

G - grupo

(22)

Tipos de Dise

ñ

_ñ

o de

_{o de}

Investigaci

ó

_ó

n

_n

z

Experimental Verdadero

R O X O Grupo experimental

R O O Grupo control

Los sujetos son seleccionados de la población al azar y asignados a los grupos al azar

Los sujetos no son seleccionados al azar, pero si son asignados al azar a los grupos. Esta forma de

(23)

Caracter

í

sticas

del

Dise

ñ

o

Experimental

Verdadero

Aleatoriedad

-

el investigador selecciona y/o asigna los sujetos al azar

Control –

el investigador introduce uno o más controles en el estudio, incluyendo el uso de un grupo control

Manipulación de la variable –

el investigador modifica de alguna manera la variable independiente para observa el efecto de esta manipulación sobre la variable dependiente

(24)

Ventajas

y

Desventajas

del

Dise

ñ

o

Experimental

Verdadero

Controlan todos o la mayoría de los siete factores que amenazan la validez interna

Ofrece el mayor grado de control y validez interna

Es el método disponible más poderoso para probar hipótesis de relación causal entre la variable dependiente e independiente

Nos permite inferir las relaciones causales entre fenómenos con mayor confianza

Ventajas

Desventaja

No es apropiado para investigaciones donde la variable independiente es una intervención o tratamiento que por

razones éticas es imposible dejar algun grupo sin el mismo.

(25)

Tipos de Dise

ñ

_ñ

o

_o

Experimental Verdadero

Grupo Control Posttest – Only

G

1:

R X O

1

G

2:

R O

2 Ventaja:

Valioso cuando el propósito de la investigación es buscar relación causal y no es apropiado o posible realizar una pre prueba

Controla todos los factores que amenazan la validez interna y todas las fuentes de sesgo

Desventaja:

La ausencia de una pre prueba hace imposible determinar si la asignación al azar logró exitosamente equivalencia entre el

grupo control y el grupo experimental con respecto a la variable dependiente que esta siendo estudiada

(26)

Tipos de Dise

ñ

o

Experimental Verdadero

Grupo Control Pretest - Post test

G

1:

R O

1

X O

2

G

2:

R O

3

O

4

Ventaja:

Valioso cuando se quiere determinar el grado de cambio o efecto diferencial de la variable independiente o

intervención entre los grupos

Controla para historia, maduración, regresión, selección y mortalidad

Desventaja:

(27)

Tipos de Dise

ñ

o

Experimental Verdadero

Solomon Four Group

G1 : R O1 X O2

G2 : R O3 O4

G3 : R X O5

G4 : R O6 Ventajas:

- Elimina la influencia del aprendizaje que ocurre cuando se toman las medidas o pruebas antes y después de la

intervención o variable independiente

- Habilidad para detectar efectos de la interacción entre la participación en el grupo experimental y la pre prueba

- Aumenta la posibilidad de entender resultados más complejos

Desventaja:

- Requiere más grupos, haciéndolo más costoso y que consuma más tiempo

(28)

Tipos de Dise

ñ

_ñ

o

_o

Experimental Verdadero

Diseño factorial

Son modificaciones de los diseños “post test only” y pretest - post test, con la complicación de variables independientes adicionales G1: R X Y1 O1 G2: R Y1 02 G3: R X Y2 03 G4: R Y2 04 G1 : R O1 X Y1 O2 G2 : R O3 Y1 O4 G3 : R O5 X Y2 O6 G4 : R O7 Y2 O8

(29)

Tipos de Dise

ñ

o

Experimental Verdadero

Diseño factorial

Ventajas:

- Posee las mismas ventajas que los diseños básicos “pretest – only” y “pretest-posttest”

- Hace posible manipular y estudiar más de una variable independiente a la vez

- Permite determinar el efecto separado de cada variable independiente, así como el efecto simultaneo o en conjunto de dos o más variables independientes

- Permite realizar múltiples comparaciones y probar múltiples hipótesis a la vez.

Desventaja:

- Requiere de una muestra grande, haciéndolo más costoso y que consuma más tiempo

- Cada factor o variable independiente debe tener dos o más niveles

(30)

Tipos de Dise

ñ

o

Experimental Verdadero

Diseño de Contrapeso

G1: R O1 X1 O2 X2 O3 G2: R O4 X2 O5 X1 O6 Ventaja:

- Se usa cuando se estudia más de una variable independiente o intervención y el orden de estas es manipulado

- Además de permitir determinar el efecto combinado de dos o más intervenciones, también permite determinar el efecto de orden

- Ayuda a eliminar las amenazas de validez interna causadas por la interacción de las variables independientes

Desventaja:

(31)

Dise

ñ

o Casi experimental

Características

-

poseen sólo 2 elementos del diseño

experimental verdadero: la manipulación

de la variable independiente y el control

- carece de aleatoriedad

(32)

Dise

ñ

o Casi experimental

Ventajas:

- Se utilizan en situaciones donde es imposible o difícil seleccionar y asignar los sujetos al azar

- Son prácticos y viables y hasta cierto punto brindan información útil para la generalización

- Permiten introducir algunos controles alternos para las variables externas, que compensan la ausencia de aleatoriedad

Desventajas:

- Debido a que carecen de la asignación al azar, el investigador tiene que evitar hacer inferencias causales

- Pueden surgir varias hipótesis rivales, que compiten con la hipótesis original, para explicar los resultados observados

(33)

Tipos de dise

ñ

o casi experimental

Grupo control no equivalente

G

1

: O X O

G

2

: O O

Ventajas:

-

las observaciones o mediciones antes de la intervención permiten, en cierta medida, determinar si las características del grupo control y el experimental son similares

Desventajas:

-

no se debe usar para apoyar causalidad, solo para explicar cambios en los grupos

- al carecer de aleatoriedad, no se puede garantizar que los grupos son equivalentes, aun cuando la pre prueba arroje resultados similares entre los grupos

(34)

Tipos de dise

ñ

o casi experimental

Series de tiempo interrumpidas

G

1

: O

1

O

2

O

3

X O

4

O

5

O

6

Características:

-

Son medidas u observaciones repetidas de la variable

dependiente antes y después de introducir la variable independiente

(35)

Tipos de dise

ñ

o casi experimental

Series de tiempo interrumpidas

Ventajas:

- Son útiles cuando sólo un grupo está disponible para el estudio

- Las múltiples medidas antes y después de la VI controlan los factores de validez interna como: maduración, efecto de prueba, instrumentación, regresión y mortalidad.

- Como sólo utiliza un grupo controla para selección

- Permiten determinar la naturaleza del cambio a través del tiempo

Desventajas:

- No puede apoyar relación causal - No controla el sesgo por historia

(36)

Tipos de dise

ñ

o casi experimental

Series de tiempo equivalentes

G

1

: X

1

O

1

X

0

O

2

X

1

O

3

X

0

O

4

Ventajas:

- Permite introducir y reintroducir la intervención e

intercalarla con alguna otra experiencia (X0) cuando

no se está introduciendo la intervención

- Es superior al diseño de series de tiempo ininterrumpidas - Permite controlar el sesgo por historia

Desventajas:

(37)

Dise

ñ

os

pre

-

experimentales

Características

-

dos de los 3 criterios del diseño experimental verdadero (control, aleatoriedad y manipulación) no están presentes

- es valioso para responder a preguntas descriptivas o para generar evidencia exploratoria

(38)

Tipos de dise

ñ

_ñ

os

_os

pre

_pre

-

-experimentales

experimentales

One-Shot Case Study

G1: X O1

Ventaja:

- es valioso para responder a preguntas descriptivas o para generar evidencia exploratoria

Desventajas:

- no explica relación causal

- es afectado por los siete factores que amenazan la validez interna de un estudio

(39)

Tipos de dise

ñ

_ñ

os

_os

pre

_pre

-

-experimentales

experimentales

Pretest – Post test

G

1

: O

1

X O

2

Ventaja:

- valioso para descubrir que ocurre después que se introduce la variable independiente

Desventajas:

- no controla el efecto de maduración, historia, mortalidad, instrumentación, sensibilización o efecto de prueba y regresión

(40)

Tipos de dise

ñ

os

pre

-

-experimentales

experimentales

Static Group Comparison

G1: X O1

G2: O2

Ventaja:

- al tener un grupo de comparación, ofrece más control sobre factores extraños que el “one-shot” y el “pre-test-posttest”

- controla los factores de historia y maduración al tener un grupo control

Desventajas:

- no controla el efecto de selección, efecto de prueba, mortalidad e

instrumentación. Ni controla satisfactoriamente los demás factores de invalidez interna

- no hay base para juzgar la equivalencia inicial de los grupos.

- no podemos concluir que la intervención o variable independiente es responsable de las diferencias entre los grupos, si la hubiese, ya que estas diferencias podrían haber estado desde antes de la intervención

(41)

Dise

ñ

os No

-

experimentales

Características

– No posee ninguno de los criterios del diseño

experimental verdadero

– se usa para explorar, un concepto o constructo

o relaciones entre estos y predecir que puede haber causalidad , si la relación es bien fuerte

– cualquier manipulación de variables se hace

(42)

Dise

ñ

os No

-

experimentales

Ventajas:

- Habilidad para examinar y cuantificar un fenómeno

que ocurre naturalmente

- No se manipula la variable independiente, pero se

examina su relación a una o mas variables para propósitos descriptivos y predictivos

- Se pueden incluir un gran número de sujetos y

examinar eventos y fenómenos que ya han ocurrido.

Desventajas:

- Sesgo que puede limitar la validez interna - No se puede establecer relación causal

(43)

Tipos de dise

ñ

_ñ

os no

_{os no}

experimentales

Ex post facto

Características

¾ El investigador examina el efecto de una variable independiente que ocurre de forma natural después que esta ha ocurrido y trata de relacionar esta variable “after-the fact” con un resultado o variable dependiente

¾ Con este diseño se pretende comprender las relaciones entre los fenómenos tal como ocurren en la naturaleza, sin que el investigador manipule la variable

independiente

¾ Se les conoce también como investigación correlacional

¾ Presentan algunas características estructurales y de diseño propias de la investigación experimental verdaderas, casi experimental y preexperimental

¾ Utiliza los mismos diagramas de los diseños anteriores, con la excepción de que la variable independiente X no es manipulada

(44)

Tipos de dise

ñ

_ñ

os no

_{os no}

experimentales

Ex post facto

Ventajas:

- muchos de los problemas que necesitan ser estudiados en las ciencias

educativas, sociales y del comportamiento no pueden ser analizados mediante procedimientos experimentales

- permite determinar la existencia de una relación entre dos variables y sugerir una posible causalidad (si la relación es bien fuerte)

- es un medio eficiente y efectivo para obtener gran cantidad de datos de un problema de interés

- muy realista y es atractivo para la solución de problemas prácticos

Desventaja:

(45)

Dise

ñ

_ñ

o

_o

de

_de

Muestreo

(46)

Definiciones

Población -

grupo de elementos o personas que

comparten un conjunto de

características similares y sobre los

cuales deseamos hacer inferencia y

generalizaciones

Población objeto o accesible-

es el grupo ideal del cual

se es capaz de seleccionar

la muestra

(47)

Caracter

í

_í

sticas

_sticas

de

_de

una

_una

poblaci

ó

_ó

n

_n

objeto

_objeto

de

_de

estudio

_estudio

Debe poseer todas las características que el

investigador identificó como criterio de

inclusión

No debe poseer ninguna de las

características que identificó como criterio

de exclusión

Debe estar disponible, al menos en teoría,

para ser seleccionado en la muestra

(48)

Definiciones

Muestra -

subconjunto de una población que se

incluye en el estudio

Muestreo -

proceso de selección de la muestra

Elemento -

es la unidad de análisis de la población

sobre el cual se toman las medidas

(49)

Definiciones

Criterios de elegibilidad

El investigador es el que define o escoge las características o

parámetros de los elementos de la población que son importantes en el estudio

- Criterios de inclusión

- especifican las características que los elementos o individuos deben poseer para formar parte de esa población o muestra.

- Criterios de exclusión

- especifica las características que sus miembros no deben tener para poder pertenecer a la

(50)

Definiciones

Representatividad –

es una medida de cuanto se

aproximan las características

claves de la muestra a las de

la población

Error de muestreo –

es la diferencia entre los valores

obtenidos de una muestra de la población y

los valores que existen en otras muestras de

la población. Refleja el grado en que la

(51)

Error de

Muestreo

Diferencia entre los valores obtenidos de una

muestra y los valores que existen de otras

muestras de la misma población

Refleja el grado de representatividad de la

muestra

A mayor error, menos representativa es la

muestra y más limitada la validez externa

Puede ser causado por: errores al azar o por

sesgo sistemático

(52)

Dos

tipos

de error de

muestreo

z

Errores al azar de muestreo -

ocurren por casualidad. No se puede hacer mucho con este error durante el muestreo. Ej. no respuestas, respuestas erróneas.

z

Sesgo sistemático o de muestreo -

se debe a defectos en el proceso de muestreo en el cual los sujetos difieren sistemáticamente de los de la población

(53)

Prop

ó

_ó

sito

_sito

del

_del

muestreo

_muestreo

Aumentar la capacidad de que

podamos formular conclusiones

precisas sobre la población

estudiando sólo un grupo pequeño

de sus elementos

(54)

Dos

formas

_formas

para

_para

limitar

_limitar

el

_el

alcance

de la

_{de la}

investigaci

_investigaci

ó

_ó

n

_n

z

Limitando el número de variable

z

Limitando los sujetos que serán

(55)

Consideraciones

al

_al

seleccionar

_seleccionar

el

tipo

de

muestreo

9 Propósito del estudio

9 Naturaleza de la pregunta de

investigación

9 Diseño de investigación

9 Acceso al objeto de estudio

(56)

Selecci

ó

n

de la

Muestra

Diseños de Muestreo

Probabilístico

(57)

Muestreo

Probabil

í

stico

Es el único método viable para obtener muestras

representativas en estudios cuantitativos

Los parámetros de la población se conocen

Cada miembro o elemento tiene la misma

probabilidad de ser seleccionado

Se conoce la probabilidad de que cada elemento sea

incluido

(58)

Muestreo

Probabil

í

stico

Se puede calcular la magnitud del error de

muestreo por anticipado

El propósito es reducir el error de muestreo y

aumentar la validez externa

Requiere que se desarrolle un “sampling frame” o

marco conceptual

Selección al azar

El muestreo probabilístico es la escencia de la

mayor parte de las pruebas estadísticas

(59)

Tipos

de

_de

muestreo

_muestreo

probabil

í

_í

stico

_stico

9 Muestreo al azar simple

9 Muestreo sistemático

9 Muestreo al azar estratificado

9 Proporcional

9 No proporcional

(60)

Estratas

o

Subpoblaciones

-

_{son segmentos mutuamente excluyentes de una}

población establecidos a base de uno o más

atributos o características

- las características son escogidas para

estratificación asumiendo que ellas tendrán

algún efecto sobre la variable bajo estudio

- garantiza que los diferentes segmentos de la

(61)

Muestreo

No

Probabil

í

stico

z

No se puede hacer selección al azar

z

Los parámetros de la población no se conocen

z

No es ético o factible desarrollar un “sampling

frame”

(62)

Tipos

de

_de

muestreo

_muestreo

no

_no

probabil

í

_í

stico

_stico

• Por conveniencia

• Avalancha o Bola de nieve

• Intencional o deliberado

(63)

Proceso

de

_de

Muestreo

_Muestreo

Identificar la población

Definir características de la población

Criterios de inclusión

Criterios de exclusión

Desarrollar el plan de muestreo

Método para seleccionar la muestra

(probabilístico o no probabilístico)

(64)

Definiendo

la

_la

poblaci

_poblaci

ó

_ó

n

_n

que

ser

_ser

á

_á

estudiada

_estudiada

Preguntas de investigación

Revisión de literatura

Clarificar y establecer parámetros

Identificar características que deben ser

excluidas

Dos formas distintas de definir la población

pueden llevar a resultados diferentes

(65)

Proceso

de

_de

Muestreo

_Muestreo

Seleccionar la muestra

Comparar los valores críticos de

(66)

Caracter

í

_í

sticas

_sticas

de la

_{de la}

muestra

_muestra

9 Representativa

La representatividad de la muestra y la validez

externa están directamente relacionadas

(67)

Tama

ñ

o

de la

Muestra

Elementos a considerar para determinar el

tamaño:

z

Análisis estadísticos

z

Nivel de significancia (

α = .05, .01, .001 )

z

El poder estadístico (1-

β = .75 a .85 ) –

inversamente relacionado al tamaño de la

muestra

z

“Effect Size” (

γ ) – se refiere a la fuerza de

la relación entre las variables. Inversamente

relacionado al tamaño de la muestra

(68)

Cuatro

Decisiones

Estadisticas

Situación Real de la Ho

Verdadera

Falsa

Decisión correcta

Probabilidad = 1-α

Error de Tipo II

Probabilidad = β

Error Tipo I

Probabilidad = α

Decisión Correcta

Probabilidad = 1-

β

Verdadera Acepta Ho

De

c

is

i

ó

n

d

e

l

I

n

v

e

s

ti

g

a

d

o

r

Falsa Rechaza Ho

(69)

Tama

ñ

o

de la

Muestra

Otras Consideraciones

z

Homogeneidad de la población

z

Atrición

z

Número de variables incluidas

z

Análisis de subgrupos

z

Sensibilidad de las mediciones

z

El número de unidades en el “sampling

frame”

(70)

Recopilaci

ó

_ó

n

_n

y

_y

An

á

_á

lisis

_lisis

de

_de

Datos

(71)

Recopilaci

ó

_ó

n

_n

de

_de

datos

_datos

z

Los datos que se recopilan y la forma en que

se obtienen determinan el proceso analítico y

el tipo de conocimiento que se genera

z

Datos Existentes vs. datos nuevos

z Registros – recolección de datos con fines no

investigativos (es necesario codificar y manipular datos)

z Análisis secundarios

z Meta análisis- datos de investigaciones publicadas (es

necesario codificar y manipular datos)

(72)

Recopilaci

ó

_ó

n

_n

de

_de

datos

_datos

• Dimensiones de los métodos de colecta

• Estructura – plan estructurado donde se define la

información que debe obtenerse y la forma de hacerlo

• Cuantificación – la información recopilada debe poder ser cuantificada si se van a realizar análisis estadísticos

• Conocimiento de participación – si los participantes están consiente de que participan en un estudio pueden

modificar sus respuestas y comportamiento

• Objetividad – capacidad del investigador para emitir juicios no sesgados acerca del comportamiento o los atributos del participante

(73)

Recopilaci

ó

_ó

n

_n

de

_de

datos

_datos

z

Métodos de recopilación de datos:

Auto informes

-

preguntar directas (entrevistas y

cuestionarios);

- Ventaja: permiten obtener información

retrospectiva y visión prospectiva

(74)

Recopilaci

ó

_ó

n

_n

de

_de

datos

_datos

z

Métodos de recopilación de datos:

Observación

-

Ventaja: permiten captar directamente

conductas y sucesos

- Desventaja: implicaciones éticas,

manifestación de comportamientos

distorsionados, negación a ser observado,

sesgos del investigador

(75)

Recopilaci

ó

_ó

n

_n

de

_de

datos

_datos

z

Métodos de recopilación de datos:

Mediciones biofisiológicas

- Ventaja: objetividad porque la medición se

toma con instrumentos y equipos

especializados, precisión y sensibilidad

- Desventaja: el efecto del instrumento en las

variables que mide, el que maneje el

instrumento tiene que saber como usar el

mismo

(76)

An

á

_á

lisis

_lisis

de

_de

Datos

_Datos

…

_…

Se refiere a la aplicación de métodos

estadísticos para describir y analizar

sistemática y matemáticamente los

datos de manera que se facilite la

interpretación de los mismos y se

puedan formular conclusiones válidas y

realizar decisiones correctas

(77)

Antes de

comenzar

los

an

á

_á

lisis

_lisis

estad

_estad

í

_í

sticos

_sticos

…

_…

.

_.

z

Codificar los datos

z

Asignar una localización única a

cada variable en la programación

z

Se crea registro de codificación

z

Entrar los datos

z

Limpiar los datos

(78)

Determinan

el

_el

tipo

_tipo

de

_de

an

á

_á

lisis

_lisis

estad

_estad

í

_í

sticos

_sticos

:

La pregunta de investigación y el nivel de

conocimiento que se generará

El nivel de medición de las variables

El número de variable dependientes e

independientes

(79)

Medici

ó

n

z

Se refiere a asignar valores

numéricos al atributo que está

siendo observado

z

El proceso de medición determina el

tipo de datos que se obtendrán y el

tipo de análisis que se puedan

(80)

Caracter

í

sticas

de los

niveles

de

medici

ó

n

de

las

variables

Categorías Mutuamente Excluyentes Orden Fijo Igual Espacio o Distancia Cero Absoluto Nominal X Ordinal X X Intérvalo X X X Razón X X X X