Resumen Investigacin Cuantitativa y Cualitativa

Gabriela Vidal Crdenas

33. Comprender los distintos paradigmas que estn a la base de la metodologa cualitativa y cuantitativa Metodologa Cuantitativa Positivista Metodologa Cualitativa Interpretativo Sociocrtico Tabla de comparacin 34. Comprender las fases de un proceso de investigacin cuantitativa. Patrn lineal de investigacin 35. Reconocer y describir diferentes diseos y tipos de investigacin cuantitativo, as como las principales tcnicas de recoleccin de datos Tabla tipos y diseos de investigacin Diseos de investigacin No experimentales Experimentales Tcnicas de recoleccin de datos 36. Distinguir diferentes estrategias de muestreo (probabilstica y no probabilstico). Probabilsticas No probabilsticas 37. Reconocer y describir las caractersticas principales de los mtodos estadsticos descriptivos e inferenciales. Anlisis estadstico descriptivo Variables categricas Variables numricas Anlisis estadstico inferencial Estimacin de parmetros 38. Comprender y distinguir dos tipos de errores posibles en la prueba de hiptesis estadstica. Error tipo I Error tipo II 39. Comprender y distinguir la variable independiente y diferentes caractersticas que adquieren en su medicin. Variable independiente Variable dependiente Grado de manipulacin de la variable independiente dependiente y las

Tabla tipos de variables 40. Conocer criterios de validez cuantitativa Validez Validez de contenido Validez de criterio Validez de constructor Confiabilidad 41. Comprender las fases de un proceso de investigacin cualitativa. Fase preparativa Etapa reflexiva Etapa diseo Fase de campo Etapa acceso al campo Etapa recogida productiva de datos Fase analtica Fase informativa 42. Reconocer y describir diferentes diseos y tipos de investigacin cualitativo, as como las principales tcnicas de Recoleccin de datos, estrategias de seleccin de participantes y criterios para su implementacin Taba de diseos Tcnicas de recoleccin de datos Conversacionales Observacionales Seleccin de participantes (Se detalla en la competencia 44) 43. Conocer las principales escuelas tericas de investigacin cualitativa. Fenomenologa Interaccionismo simblico Teora fundamentada Etnometodologa Investigacin accin 44. Comprender los fundamentos y caractersticas del muestreo terico y criterio de saturacin en investigacin cualitativa. Muestreo terico Criterio de saturacin y confiabilidad utilizados en investigacin

45. Comprender los criterios de rigor cientficos aplicados a la investigacin cualitativa. Credibilidad Confirmabilidad Transferibilidad Dependencia 46. Evaluar la pertinencia y adecuacin del mtodo cuali (fenomenologa, teora fundada, etnografa, etnometodologa) y cuanti (modelo univariado) en funcin de la caractersticas del problema planteado y su objeto de estudio. Pertinencia metodologa Cualitativa 47. Comprender y distinguir nivel descriptivo y relacional en investigacin. Descriptivo Relacional 48. Interpretar resultados estadsticos desde la perspectiva del problema estudiado. Hiptesis estadsticas Contrastes unilaterales Contrastes bilaterales Pruebas parmetricas Pruebas no parmetricas 49. Interpretar criterios de confiabilidad y validez en investigacin cuantitativa y criterios de rigor en investigacin cualitativa. Se desprende de las competencias 40 y 45 50. Conocer ventajas y desventajas del enfoque cualitativo y cuantitativo. Tabla comparativa entre ambos enfoques 51. Desarrollar una postura crtica frente a la investigacin cuantitativa y cualitativa en psicologa. Supremaca Sntesis Contingencia Dialctica Todo vale 52. Desarrollar una postura tica en investigacin cualitativa y cuantitativa Aspectos ticos a considerar APA

33. Comprender los distintos paradigmas que estn a la base de la metodologa cualitativa y cuantitativa En cuanto a la clasificacin de los paradigmas se observa que existen dos fuerzas bien definidas: el positivista y el interpretativo, dado por la personalidad propia que le confiere su ontologa, epistemologa, y metodologa. Sin embargo, a partir de la teora crtica de Habermas (1973,1984,1988), se creo el llamado paradigma sociocrtico, cuyos puntos de contacto con el interpretativo hacen que muchos autores lo consideren unido a este. Es por ello que para el presente manual, se considerara tanto el paradigma interpretativo, como el sociocrtico dentro de la metodologa cualitativa. Metodologa cuantitativa Paradigma positivista Tambin llamado hipotetico-deductivo, cuantitativo, emprico-analista o racionalista, surgi en el siglo XVII y tiene como fundamento filosfico el postivismo. Fue creado para estudiar los fenmenos en el campo de las ciencias naturales, pero despus tambin fue utilizado para investigar en el campo de las ciencias sociales. La investigacin positivista asume la existencia de una sola realidad; parte de supuestos tales como que el mundo tiene existencia propia, independiente de quien lo estudia y que esta regido por leyes, las cuales permiten explicar, predecir y controlar los fenmenos. En consecuencia, la finalidad de las ciencias est dirigida a descubrir esas leyes, a arribar generalizaciones tericas que contribuyen al enriquecimiento de un conocimiento de carcter universal. Para el paradigma positivista el estudio del conocimiento existente en un momento dado conduce a la formulacin de nuevas hiptesis, en las cuales se relacionan variables, cuya medicin cuantitativa, permitir o refutarlas en el proceso de investigacin. Se busca una correlacin causa-efecto, donde los investigadores han de mantener una actitud neutral frente a los fenmenos. El experimento y la observacin son considerados los mtodos fundamentales del conocimiento cientfico los resultados objetivos y cuantificados obtenidos experimentalmente determinaran la validez de la prediccin inicial. Para arribar a la fiabilidad de los resultados se necesita delimitar con criterios estadsticos una muestra representativa de cada poblacin. Solo as los resultados podrn ser considerados con validez universal, aplicables a cualquier contexto o situacin. En sntesis, segn Mardones y Ursa, las caractersticas de la investigacin positivista serian: 1. 2. 3. 4. Monismo metodolgico El modelo de las ciencias naturales exactas La explicacin causal El inters dominador del conocimiento positivista (Control y dominio de la realidad)

Metodologa Cualitativa
Paradigma Interpretativo Este paradigma intenta develar por qu un fenmeno ha llegado a ser as y no de otro modo. De esta manera focaliza su atencin en la descripcin de lo individual, lo distintivo, la existencia de realidades mltiples, en la particularidad del hecho que estudia. Consideran que los postulados de una teora son vlidos nicamente en un espacio y tiempo determinados. Al emplear una metodologa cualitativa se persigue transformar una realidad enmarcada y contextualizada. Los sujetos de investigados no son meros aportadores de datos, sino que los valores de esos datos estriban en la mejora que puedan traer para los propios sujetos que los suministraron. El investigador trata de descubrir el significado de las acciones humanas y de la vida social, dirige su labor a entrar en el mundo personal de los individuos, en las motivaciones que lo orientan, en sus creencias. Existe la propensin de traspasar la superficie para llegar al fondo, a lo que condiciona los comportamientos. Se parte del supuesto de que en las ciencias sociales la accin de los individuos siempre est gobernada por las significaciones subjetivas. Desde el paradigma interpretativo, se utiliza una lgica inductiva que busca en la realidad natural de los sujetos el significado que le otorgan a los hechos investigados. El investigador elabora categoras, arriba a comprensiones e interpretaciones partiendo de los datos obtenidos y no de concepciones tericas previas. En correspondencia con estos supuestos el paradigma interpretativo utiliza mtodos que pretenden indagar en lo hondo de la subjetividad de los sujetos, utilizando mtodos como lo son: el estudio de casos, el estudio de documentos personales (Diarios, cartas, autobiografas), la entrevista en profundidad, la observacin participante, entre otros. La relacin entre el objeto investigado y el investigador, es de mutua influencia, por lo tanto se modifican. En la medida que se produce el dialogo entre ambos, la investigacin direccionar su curso, sus fases, no de forma lineal, sino circular, se reformula constantemente al dictado de las nuevas aportaciones que surgen como resultado de la interaccin con la realidad. Los principales enfoques que surgen del paradigma interpretativo son: la fenomenologa hermenutica, la etnografia, el interaccionismo simblico y la etnometodologa. Segn Patton, las caractersticas de la investigacin del paradigma interpretativo son: 1. 2. 3. 4. 5. 6. 7. 8. 9. Investigacin naturalista Anlisis inductivo Perspectiva holstica Datos cualitativos Contacto e insight personal Orientacin hacia el caso nico Sensibilidad hacia el contexto Neutralidad emptica Flexibilidad del diseo

Paradigma Sociocritico Este paradigma reacciona contra el reduccionismo del empirista, y a la propensin al subjetivismo del interpretativo.

A diferencia de los anteriores, introduce la ideologa de forma explcita, ante lo falso de estimar la neutralidad de las ciencias. Trata de desenmascarar la ideologa y la experiencia presente, y en consecuencia tiende a lograr una conciencia emancipadora, para lo cual sustentan que el conocimiento es una va de liberacin del hombre. Entienden a la investigacin no como descripcin e interpretacin, sino en su carcter emancipativo transformador. La investigacin sociocrtica parte de una concepcin social y cientfica holstica, pluralista e igualitaria. Los seres humanos son co-creadores de su propia realidad, en la que participan a travs de la experiencia, su imagen e intuicin, sus pensamientos y accin; ella constituye el resultado individual y colectivo. En la investigacin sociocrtica se distinguen tres formas bsicas: la investigacinaccin, la investigacin colaborativa y la investigacin participativa. Todas tienen una visin activa del sujeto dentro de la sociedad, por la cual ponderan la participacin como elemento base. Es decir, participacin en la praxis para transformar la realidad, mediante un proceso investigativo en el que la reflexin crtica sobre el comportamiento de esa realidad determina su redireccionamiento, su circularidad. Segn Bravo, los elementos claves de esta seran: 1. Fundamentacin en la ciencia de la accin (identificar las teoras que utilizan las actores para guiar su conducta, y en trminos amplios predecir su conducta) 2. El conocimiento se enraza en y para la accin 3. La construccin de la realidad comienza a manifestarse a travs de la accin reflexiva de las y las comunidades 4. El conocimiento es experiencial Positivista Dimensin Ontolgica Naturaleza de la Objetiva y dada. realidad Esttica. nica y convergente. Fragmentable y medible Interpretativo Construida. Dinmica. Mltiple y divergente. Holstica. Compleja. Sociocrtico Construida y compartida. Dinmica e histrica Divergente. Compleja, valrica e ideolgicamente cargada Dialctica. Idiogrfica

Dimensin Epistemolgica Forma de conocer Hipottico deductiva Nomottetica tica (Externo, universal, objetivo) Objetivo Final Explicar hechos Otros Objetivos Describir, Relacionar, Predecir y controlar.

Inductiva. Idiogrfica. mica (propio, particular, sesgado) Comprender e interpretar acciones Describir y organizar

Relacin sujeto

Independencia

Dependencia.

Emancipar al hombre Identificar las influencias sociales que limitan al hombre. Concientizar al sujeto Relacin fluida por

objeto

Neutralidad Investigador externo y participante como objeto Valores Neutralidad axiolgica. El mtodo cientfico es garanta de objetividad Dimensin metodolgica Criterios de calidad Validez interna y externa. Fiabilidad Objetividad Tcnicas, Cuantitativos instrumentos y Medicin de test estrategias Cuestionarios, observacin sistemtica. Experimentacin Anlisis de datos Cuantitativos. Estadstica descriptiva

Interrelacin. Estn implicados en la investigacin

el compromiso. El investigador es un sujeto ms

Explcitos. El mtodo cientfico est valricamente cargado.

Compartidos y determinantes. El mtodo cientfico reproduce la opresin. Intersubjetividad Validez Consensuada Estudio de casos, tcnicas dialcticas.

Credibilidad Transferibilidad Dependencia Confirmabilidad Cualitativos, descriptivos. Investigador es el principal instrumento. Observacin naturalista Cualitativos. Induccin analtica, teora fundamentada y triangulacin

Intersubjetivo, dialctico

34. Comprender las fases de un proceso de investigacin cuantitativa.

Patrn Lineal de la Investigacin Cuantitativa Definir problema de inv., formular hiptesis e interrogantes, formular definiciones operacionales, disear instrumentos de evaluacin, recopilar la info., analizarla, elaborar concusiones y por ultimo presentar los resultados.

Generalmente elige una idea, que transforma en una o varias preguntas de investigacin; luego de stas deriva hiptesis y variables; desarrolla un plan para probarlas; mide las variables en un determinado contexto; analiza las mediciones obtenidas (con frecuencia utilizando mtodos estadsticos), y establece una serie de conclusiones respecto de la o las hiptesis. 1. Definir el problema de investigacin: el problema o tema de investigacin es la cuestin o asunto que se estudiar. Antes de esto, se genera una idea, que inicialmente es muy vaga, por lo que requiere anlisis para que sea ms precisa. Es necesario conocer antecedentes y estudios anteriores. No estudiar algo que ya se haya estudiado a fondo. As, debe ser una buena idea, que intrigue, aliente y excite al investigador. Plantear el problema es afinar y estructurar la idea de investigacin. Segn Kerlinger, el problema debe expresar la relacin entre dos o ms variables y debe ser planteado sin ambigedad y en forma de pregunta. Debe ser susceptible a probarse empricamente. Los elementos para plantear un problema son tres: los objetivos de la investigacin, las preguntas de investigacin y la justificacin del estudio. 2. Formular hiptesis e interrogantes 3. Formular definiciones operacionales: elaboracin del marco terico; revisin de la literatura y construccin de una perspectiva terica. Se sustenta tericamente el estudio. Implica analizar y exponer las teoras, enfoques tericos, investigaciones y antecedentes en general, que se consideren vlidos para el encuadre del estudio. El marco terico ayuda a prevenir errores cometidos en otros estudios, orienta en cmo debe hacerse el estudio, conduce a establecer hiptesis o afirmaciones, inspira nuevas lneas de investigacin, provee de un marco de referencia para interpretar resultados del estudio. Se detecta la literatura por medio de fuentes primarias o directas, secundarias y terciarias. 4. Disear instrumentos de evaluacin: mtodos cuantitativos encuestas, escalas de medicin, etc.

5. 6. 7. 8.

Recopilar la informacin Analizar la informacin Elaborar conclusiones Presentar los resultados

35. Reconocer y describir diferentes diseos y tipos de investigacin cuantitativo, as como las principales tcnicas de recoleccin de datos.

Tipo Exploratorio Aproximacin a fenmenos desconocidos Descriptivo Resea las caractersticas de un fenmeno actual Correlacional Describe relacin entre variables/factores Explicativo Intenta encontrar las Causas del problema, por qu sucede

Hiptesis No se establece, lo que se puede formular son conjeturas Se plantean objetivos

Diseo Transversal

Preexperimental Transversal No experimental -Transversal -Longitudinal Correlacional Experimental Cuasi experimental No experimental Experimental No experimental

Diferencia de grupos sin atribuir causalidad

Diferencia de grupos sin atribuir causalidad Causalidad

Diseos No Experimentales Transversales Este tipo de diseos recolectan datos en un solo momento, en un tiempo nico. Su propsito es describir variables y analizar su incidencia e interrelacin en un momento dado. Descriptivos Tienen como objetivo indagar la incidencia y los valores que se manifiestan una o ms variables (dentro del enfoque cuantitativo) o ubicar, categorizar y proporcionar una visin de comunidad, un evento, un contexto, un fenmeno o una situacin (describirla, como su nombre lo indica dentro del enfoque cualitativo) El procedimiento consiste en medir o ubicar a un grupo de personas, objetos, situaciones, contexto, fenmenos, en una variable o concepto (generalmente ms de una variable o concepto) y proporcionar su descripcin. Son, por lo tanto, estudios puramente descriptivos y cuando establecen hiptesis, stas son tambin descriptivas. Correlacionales Causal Estos diseos describen relaciones entre dos o ms categoras, conceptos o variables en un momento determinado. Se trata tambin de descripciones, pero no de categoras, conceptos, objetos ni variables individuales, sino de sus relaciones, sean stas puramente correlacionales o relaciones causales. Los diseos correlacionales-causales pueden limitarse a establecer relaciones entre variables sin precisar sentido de causalidad ni pretender analizar relaciones de causalidad. Cuando se limitan a relaciones no causales, se fundamentan en ideas o

hiptesis correlacionales; y cuando buscan evaluar relaciones causales, se basan en ideas o hiptesis causales (Hernndez, 2003). Longitudinales Son aquellos que recolectan datos a travs del tiempo en puntos o perodos, para hacer inferencias respecto al cambio, sus determinantes y consecuencias. Tales puntos o perodos por lo comn se especifican de antemano en el enfoque cuantitativo, y se van determinando conforme avance el estudio en el enfoque cualitativo (en las modalidades mixtas pueden ocurrir ambos escenarios). De tendencia Son aquellos que analizan cambios a travs del tiempo (en categoras, conceptos, variables, etctera, o sus relaciones), dentro de alguna poblacin en general. Su caracterstica distintiva es que su atencin se centra en una poblacin

Evolucin de grupo o Cohorte Estos examinan cambios a travs del tiempo en subpoblaciones o grupos especficos. Su atencin son las cohort o grupos de individuos vinculados de alguna manera, generalmente la edad, que seran grupos por edad. De panel Los diseos panel son similares a las dos clases de diseos vistas anteriormente, slo que el mismo grupo de sujetos es medido u observado (se recolectan datos sobre ellos) en todos los tiempos o momentos. Experimentales Un estudio en el que se manipulan intencionalmente una o ms variables independientes (supuestas causas-antecedentes), para analizar las consecuencias que la manipulacin tiene sobre una o ms variables dependientes (supuestos efectosconsecuentes), dentro de una situacin de control para el investigador. Pre-experimentales Los diseos preexperimentales son aquellos en los que el investigador no ejerce ningn control sobre las variables extraas o intervinientes, no hay asignacin aleatoria de los sujetos participantes de la investigacin ni hay grupo de control. Los siguientes son algunos diseos preexperimentales: 1) Estudio de caso con una sola medicin: consiste en administrar un estmulo o tratamiento a un grupo y despus aplicar una medicin en una o ms variables para observar cul es el nivel del grupo en estas variables. 2) Diseo de preprueba-posprueba con un solo grupo: a un grupo se le aplica una prueba previa al estmulo o tratamiento experimental, despus se le administra el tratamiento y finalmente se le aplica una prueba posterior al tratamiento Cuasi-experimentales Estos diseos se utilizan cuando no es posible asignar los sujetos en forma aleatoria a los grupos que recibirn los tratamientos experimentales. La falta de aleatorizacin introduce posibles problemas de validez interna y externa. Estos diseos usualmente se utilizan para grupos ya constituidos.

Experimentales puros Los experimentos verdaderos son aquellos que renen los dos requisitos para lograr el control y la validez interna: 1.grupos de comparacin (manipulacin de la variable independiente o de varias independientes) y 2. Equivalencia de los grupos. Los diseos autnticamente experimentales llegan a abarcar una o ms variables independientes y una o ms dependientes. Asimismo, pueden utilizar prepruebas y pospruebas para analizar la evolucin de los grupos antes y despus del tratamiento experimental. Tcnicas de recoleccin de datos. La encuesta. Se fundamenta en un cuestionario o conjunto de preguntas que se preparan con el propsito de obtener informacin de las personas. Test. Existe una amplia diversidad de pruebas e inventarios desarrollados por diversos investigadores para medir gran nmero de variables. Estas pruebas tienen su propio procedimiento de aplicacin, codificacin, e interpretacin, y se encuentran disponibles en diversas fuentes segundarias y terciarias, as como en centros de investigacin y difusin del conocimiento. Hay pruebas para medir habilidades y aptitudes, la personalidad, los intereses, los valores, el desempeo, etctera. Cuestionario. Es una de las tcnicas de recoleccin de informacin ms usadas, a pesar de que cada vez pierde mayor credibilidad por el sesgo de las personas encuestadas. El contenido de las preguntas de un cuestionario es tan variado como los aspectos que mide. Bsicamente se consideran dos tipos de preguntas: cerradas y abiertas. La pregunta cerrada contiene categoras o alternativas de respuesta que han sido delimitadas. Es decir, se presentan a los sujetos las posibilidades de respuesta y aqullos deben circunscribirse a stas. En cambio, las preguntas abiertas no delimitan de antemano las alternativas de respuesta, por lo cual el nmero de categoras de respuestas es muy elevado; en teora es infinito.

36. Distinguir probabilstico). Probabilsticas

diferentes

estrategias

de

muestreo

(probabilstica

no

Azar simple Cada miembro de la poblacin tiene la misma probabilidad de ser elegido para formar parte de la muestra. Este tipo de muestreo se suele hacer a travs del uso de tablas de nmeros aleatorios. Este tipo de tablas es fcil encontrarla en muchos libros de estadstica. Las dos variantes de este muestreo se les conocen como exhaustivo o sin reposicin puesto que una vez seleccionado un sujeto no vuelve a formar parte de la poblacin y por consiguiente no puede ser seleccionado de nuevo. No exhaustivo o con reposicin consiste en que un sujeto que ha sido seleccionado vuelve a ser colocado en la poblacin y por tanto volver a ser elegido. Aleatorio sistemtico Un vez ordenados los sujetos de la poblacin, a partir de unos criterios previamente establecidos se procede a la eleccin de los sujetos. Por ejemplo, elegir un sujeto cada K elementos, siendo K una constante que resulta de dividir el nmero de sujetos de la poblacin por el nmero de sujetos que formarn parte de la muestra (K= N/n). Aleatorio estratificado Es un proceso en el que ciertos subgrupos o estratos se seleccionan para formar parte de la muestra. Las variantes de esta tcnica son: simple, consistente en extraer la muestra de cada uno de los estratos en igual nmero; proporcional, consiste en elegir los sujetos manteniendo la proporcionalidad de las elecciones segn sea el tamao de los estratos. Aleatorio por conglomerados En este muestreo la unidad muestral es el grupo (por ejemplo, un grupo de clase ya formado en un centro educativo). La seleccin se aplica a los grupos. Multietapa La eleccin se hace en sucesivas etapas que van desde los niveles ms generales a los ms especficos. Por ejemplo, supongamos que en Espaa se quiere realizar un estudio sobre qu opinan los alumnos de psicopedagoga acerca de la formacin que reciben en esta titulacin. En primer lugar se seleccionaramos 6 universidades de todas las que estn impartiendo la titulacin; a continuacin seleccionaramos los cursos; seguidamente a los alumnos. Estos individuos seleccionados de las diversas universidades y cursos formaran la muestra de estudio. El proceso de seleccin por etapas sigue unos criterios establecidos por el investigador que acaba como podemos apreciar seleccionando los sujetos al azar. No Probabilsticas Deliberado Consiste en seleccionar la muestra de forma deliberada porque los sujetos poseen las caractersticas necesarias para la investigacin. Los resultados son difciles de generalizar

Accidental o causal Esta muestra se forma con sujetos que casualmente se encuentran en el lugar y en el momento decidido por el investigador. Muestra de voluntarios En algunas investigaciones el autor se ve obligado a pedir voluntarios que quieran participar en su estudio dado que por razones ticas o morales no puede utilizar ninguno de los procedimientos explicado ms arriba. Esta muestra presentan ciertos sesgos y suelen presentar determinadas caractersticas como por ejemplo: son sujetos ms educados, tienen mejor estatus social, suelen ser ms inteligentes, son ms sociables, son menos convencionales, son menos conformistas, etc. Muestreos mixtos Dadas las dificultades existentes a la hora de seleccionar una muestra, el investigador puede optar por hacer una combinacin de procedimientos y adaptarlos a las necesidades de la investigacin. Esta posibilidad es legtima siempre que se justifique por el investigador.

37. Reconocer y describir las caractersticas principales de los mtodos estadsticos descriptivos e inferenciales.
Anlisis estadstico descriptivo Es el conjunto de procedimientos dirigidos a la organizacin y descripcin de un conjunto de datos (SIN hacer inferencias) Variables categricas/ NO mtricas Tabla de distribucin de frecuencia Es una forma de organizar los datos de una variable con el propsito de conocer qu valores aparecen y con que frecuencia. Representaciones graficas Grfico de barras y circular Estadsticos de resumen Moda: corresponde a la categora ms representativa por ser la que presenta mayor frecuencia.

Variables numricas/ mtricas Tabla de distribucin de frecuencia Al igual que en el caso de las variable no mtricas, esta entrega informacin acerca de la frecuencia. Adicional a esto aporta informacin acerca de la frecuencia acumulada de acuerdo a los casos Representaciones graficas Histograma Se asemeja al grafico de barras, con la diferencia que las barras verticales correspondientes a dos intervalos consecutivos se dibujan sin separacin entre ellas. Interpretacin Campana Uniforme Asimtrico + Asimtrico -

Distribucin normal Los distintos valores de una variable tienden a presentarse en la misma frecuencia La distribucin se extiende hacia los valores altos de la variable La distribucin se extiende hacia los valores bajos de la variable

Grafico de caja o Box Plot Es un grfico basado en los cuarteles que contiene, adems, informacin sobre la simetra de la distribucin y permite definir la idea de dato atpico. Interpretacin Complementa al anlisis del histograma para describir las caractersticas de una variable numrica. Las caractersticas a analizar son:

1. La tendencia central de los datos, a partir del examen de la mediana 2. Los valores que encierran al 50% central de los datos (Q1 y Q3) 3. Una indicacin del grado de variabilidad del conjunto de datos, dado que permite calcular fcilmente tanto los valores mximo y mnimo como los rangos intercuatilicos 4. Permite identificar fcilmente los valores atpicos 5. Permite identificar simetras en la distribucin de valores de la variable Uno de los usos ms extendidos del box Plot, consiste en inspeccionar visualmente las similitudes y diferencias entre distintos grupos en relacin a una misma variable de comparacin. Cuando se emplean los box Plot con este propsito, los aspectos en los que se centran las comparaciones corresponden a: 1. detectar diferencias en la tendencia central de los distintos grupos bajo comparacin 2. detectar diferencias en la variabilidad manifestada por los distintos grupos bajo comparacin. Estadsticos de resumen Estadsticos de posicin Tendencia central Promedio o Media Medianas

Es la suma del conjunto de datos divido por el nmero de datos Corresponde al valor de la variable que ocupa la posicin central en el conjunto

Otras medidas de posicin Cuartiles

Percentiles

Una vez ordenados los datos, corresponden a los 3 valores de la variable que dividen al conjunto de datos en cuatro grupos, cada uno con 25% del total de los datos. Se designan Q1, Q2 y Q3. Una vez ordenados los datos, corresponden a los 99 valores de la variable que dividen al conjunto de datos en 100 grupos, cada uno con un 1% del total de los datos. Se designan como P#

Estadsticos de variabilidad o dispersin Su propsito es evaluar en qu medida el conjunto de datos tiende a ser homogneo, o bien, heterogneo en la variable analizada. Rango Desviacin (Sn) estndar Varianza (Sn2) Coeficiente de Varianza (CV) Es la diferencia entre el valor mas alto y el mas bajo de un distribucin Es el estadstico mas utilizado para describir variabilidad de un conjunto de datos. Corresponde al cuadrado de la desviacin estndar. Permite comparar la dispersin de variables que aparecen medidas en escalas distintas, sin la necesidad de depender de una de ellas

Anlisis estadstico inferencial Se orienta a realizar inferencias sobre una poblacin a partir de las caractersticas conocidas para una muestra extrada de ella. Se deriva de muestras, de observaciones hechas slo acerca de una parte de un conjunto numeroso de elementos y esto implica que su anlisis requiere de generalizaciones que van ms all de los datos. Como consecuencia, la caracterstica ms importante del reciente crecimiento de la estadstica ha sido un cambio en el nfasis de los mtodos que describen a mtodos que sirven para hacer generalizaciones. Sus principales usos son la estimacin de parmetros y el contraste de hiptesis. Estimacin de parmetros Corresponde a los procedimientos estadsticos utilizados para obtener caractersticas de una poblacin, en base a datos obtenidos a partir de una muestra aleatoria de ella.

Parmetro Estadstico Estimador

Corresponde a la cantidad, que en funcin de valores de la poblacin representa caractersticas de ella. Es una cantidad, que en funcin de los valores de la muestra, representa caractersticas de esta. Es la cantidad que en funcin de los valores de la muestra, es empleado como un parmetro

Las caractersticas de un buen estimador son: 1. Baja variabilidad La desviacin estndar de la distribucin muestral del estimador es pequea. 2. Insesgado Esto quiere decir que la media de la distribucin muestral del estimador coincide con el valor del parametro. Esto se obtiene a travs del intervalo de confianza (El intervalo de confianza es un rango estimado que es esta dado entre dos nmeros, dentro del cual es probable que se encuentre el parmetro. Estos dos nmeros son determinados a partir de un estadstico (datos de la muestra, media, DE.). Estos rangos o intervalos tienen un lmite de confianza que puede ser del 95%, 99% o 99,9% que representan la probabilidad de que el parmetro este dentro del intervalo propuesto)

38. Comprender y distinguir dos tipos de errores posibles en la prueba de hiptesis estadstica. Error tipo I o Erro alfa () Consiste en rechazar H0 cuando sta es verdadera en la poblacin. La probabilidad de cometer este error es la que se define cuando se fija un valor para el nivel de significacin o . Esto implica que si H0 fuera verdadera en la poblacin y se fija el valor de en 0.05, ocurrira que si se repitiera el mismo estudio 100 veces empleando muestras distintas, pero del mismo tamao, extradas de la misma poblacin, slo en 5 de ellas se obtendra un valor en la prueba estadstica que llevara a tomar la decisin incorrecta de rechazar H0 como falsa. Dado lo anterior, se puede ver una conexin directa entre el valor p y el error de tipo I. Es decir, el valor p mide la probabilidad de cometer el error tipo I, si es que el investigador decide concluir que H0 es falsa.

Error tipo II o Error Beta () Consiste en aceptar como verdadera H0, cuando en realidad, sta es falsa en la poblacin. Usualmente en contextos de investigacin, ms que considerar el error , prefiere considerar su complemento: Potencia=1- La potencia de un diseo de investigacin, corresponde al grado de sensibilidad del estudio para detectar un efecto (diferencia en los promedios de distintos grupos, relacin entre dos variables, etc.) si es que ste existe. En investigacin psicosocial, se tiende a aceptar que el nivel mnimo de potencia que un estudio debe cumplir es de 0.80 (potencia moderada). Este valor corresponde a un error mximo de 0.20 Finalmente, es importante sealar que el error mantiene una relacin inversa con el error , por cuanto al disminuir la probabilidad de cometer el error tipo I aumenta la probabilidad de cometer el error tipo II

39. Comprender y distinguir la variable independiente y diferentes caractersticas que adquieren en su medicin.

dependiente y las

Se denomina variable independiente a aquella que es manipulada por el investigador en un experimento con el objeto de estudiar cmo incide sobre la expresin de la variable dependiente. A la variable independiente tambin se la conoce como variable explicativa, y mientras que a la variable dependiente se la conoce como variable explicada. Esto significa que las variaciones en la variable independiente repercutirn en variaciones en la variable dependiente. Grados de manipulacin de una variable independiente Presencia-Ausencia Implica exponer a un grupo a la presencia de un estimulo (V.I.) y al otro no. Los dos grupos son comparados para observar las diferencias. La presencia de una variable independiente, es llamada, tratamiento experimental. El grupo que no es sometido al estimulo, debe recibir un estimulo similar, no puede quedar sin hacer nada ya que eso interferira en el proceso y no seria posible determinar si los cambios del grupo son o no producto de la variable independiente. Estos es fcil de observar en la prueba de medicamentos, donde al grupo control se le administran placebos. Cantidades o grados Manipular la variable independiente en diferentes niveles de intensidad permite, determinar si el efecto de esta variable es igual en sus distintos grados de exposicin. Esto quiere decir, si la magnitud del efecto (y) depende de la intensidad del estimulo (X1, X2). Para cada grado o intensidad de la variable, se requiere de un grupo distinto a evaluar. Modalidades La variacin en este caso, radica en la forma de administracin del estimulo, no en su intensidad. (Ej: Retroalimentacin: Escrita, oral cara a cara, oral por telefono, etc.)
Tipo de variable Dependiente Definicin Sinnimos Variable que indica si el Variable resultante tratamiento de manipulacin de la variable independiente Variable de efecto tuvo algn efecto. Variable de criterio Variable que se manipula para Variable de tratamiento examinar su impacto en una variable dependiente o Variable de factor resultante. Variable predictiva Variable relacionada con la Variable restrictota variable dependiente y cuya influencia es preciso eliminar Variable relacionada con la Variable amenazadora variable dependiente o independiente pero que no

Independiente

De control

Extraa

Moderadora

forma parte del experimento. Variable relacionada con las Variable de interaccin variables independiente y dependiente y que tiene un impacto en la variable dependiente

40. Conocer criterios de validez cuantitativa

y confiabilidad utilizados en investigacin

Validez. Se define en trminos de la adecuacin muestral de los tems de un test, es decir, en qu medida el conjunto de tems de un test constituye una muestra representativa de los aspectos distintivos del constructo en evaluacin. Validez del contenido. La validez de contenido consiste esencialmente en el juicio. En forma individual o con otras personas, uno juzga la representatividad de los elementos o reactivos. Su definicin puede ser guiada por la siguiente pregunta es el contenido de esta medida representativo del contenido o del universo de contenido de la propiedad que se va a medir? Forma de evaluar la validez de contenido Juicio de expertos: solicitar opinin de expertos El experto debe contestar una pauta estructurada la cual mide si un tem mide o no tal dimensin. Una vez que cada juez realiza la pauta estructurada, se compara, se recopila la informacin y se observa si el tem en su mayora fue asociada a tal dimensin. Validez del criterio. Busca establecer la relacin entre los resultados que entrega el procedimiento de medicin que se trata de validar y los resultados que entrega un proceso de medicin distinto. Dentro de la validez de criterio encontramos dos variaciones de esta: 1. Validez concurrente: grado en que las puntuaciones del test correlacionan con las de criterio, medidas al mismo tiempo, es decir, en la situacin actual del individuo en el criterio. 2. Validez predictiva: grado en que las puntuaciones del test predicen medidas del criterio tomadas posteriormente, es decir, las conductas futuras del sujeto en el criterio.

Validez del constructo. La validez de constructo vincula las nociones prcticas y psicomtricas con las nociones tericas. Se refiere a la existencia de evidencia que permite sostener que: 1. La estructura interna (dimensiones/factores) del instrumento corresponde a la estructura que la teora seala para el constructo. 2. Los resultados del instrumento se relacionan de la manera esperada segn la teora en otras mediciones. Confiabilidad. La confiabilidad se refiere a la ausencia relativa de errores de medicin en un instrumento. Es la exactitud o precisin de un instrumento. El ideal es que est totalmente libre de error, poro ya que esto es imposible, se aspira al menor error posible. Cmo evaluar el error de medicin?

Exactitud de los puntajes Valor real: Puntaje que una persona tiene para una variable. Valor real=valor observado + error. Valor observado = Vreal + error. Si el error es bajo (casi 0), el valor observado se acerca al valor real. Por otro lado, si el error es alto, el valor observado no se acerca al real. Determinacin del error de medicin.

Error= Vreal Vobservado.

De dnde se saca? No hay acceso directo.

A travs de un instrumento.

Los instrumentos que son exactos tienden a ser estables en sus puntajes. Test 1 Test 2 Vobservado 1 = V observado 2. Exactitud Estabilidad Confiabilidad

Formas para obtener estimadores empricos del coeficiente de confiabilidad: a) Mtodo de las formas paralelas. b) Mtodo de repeticin de test retest. c) Mtodo de consistencia interna. a) Mtodo de formas paralelas: Fases: Construir dos formas paralelas y equivalentes del test (mismos tems o parecidos, misma cantidad de `preguntas, etc.). ej.: 16 pf, cuatro formas. Aplicar las dos formas a una muestra amplia y representativa de la poblacin de sujetos a la que se destina el test. Calcular el coeficiente de correlacin producto momento de Pearson con los dos conjuntos de puntuaciones, el cual puede considerarse una estimacin del coeficente de confiabilidad. Buenos resultados seran de un Pearson de 0,60 hacia arriba.

b) Test retest (con una forma del instrumento): Fases: 1) Aplicar el mismo test en dos ocasiones a una misma muestra de sujetos. 2) Calcular el coeficiente de correlacin entre los puntajes obtenidos en ambas aplicaciones (Pearson). Este resultado refleja la estabilidad de los puntajes a travs del tiempo.

Existe una dificultad con este procedimiento y es la de determinar cul es el tiempo adecuado entre una y otra aplicacin del test. Si es muy corto, las personas pueden recordar las preguntas y pueden contestar lo mismo para permanecer coherentes (sobreestima). Si el tiempo es muy largo, la persona puede cambiar en ese lapso (subestima). El tiempo en general utilizado va de 2 semanas a tres meses. c) Consistencia interna: Se mide una sola vez a la persona con el mismo instrumento. Procedimientos: 1) Divisin en mitades. 2) Coeficiente alpha de Cronbach. 1) Divisin en mitades: Una vez aplicada la escala a una muestra de sujetos, se procede a dividir los reactivos en dos grupos. Para cada grupo se obtiene un puntaje total. Finalmente se calcula el coeficente de correlacin producto momento de Pearson entre ambos puntajes totales. Este coeficiente permite estimar la confiabilidad de la prueba. 2) Coeficiente alpha de Cronbach: Aqu falta informacin respecto al clculo del coeficiente. El alpha de Cronbach posee valores entre 0 y 1. Mientras ms cercano a 1 mejor es la confiabilidad del instrumento. Cuando un alpha de Cronbach es malo o muy bajo, Cules podran ser las razones, porque no se lleg a 1?. Ej.: Alpha=0,46. 2 posibilidades: - Que todos o la mayora de los tems son inconsistentes. - Que solo algunos tems sean inconsistentes. Qu se podra hacer? En el caso uno, la escala no sirve, se pierde. En el caso dos, debemos encontrar los tems que son inconsistentes, eliminarlos de la escala y seguir trabajando con los otros. Cmo sabemos cul de las dos opciones es? A travs del anlisis de la capacidad discriminativa (homogeneidad). Para llevar a cabo este anlisis se procede a determinar el coeficiente de correlacin producto-momento r de Pearson entre cada uno de los tems de la escala y el puntaje total corregido de la escala.

R de pearson con Ej.: entre los valores de tem 1 y total corregido 1. ID Item 1 Item 2 Item 3 Item 4 Tota Total l corregido (1) 1 2 3 1 2 1 1 1 1 2 2 3 1 2 2 5 7 7 (5-1) 4 (7-2) 5 (7-1) 6

Total corregi do (2) (5-1) 4 (7-1) 6 6

Total Corregid o (3) Etc.

4 5 n

5 4

4 4

3 4

5 4

17 16

Etc. Etc.

Etc. Etc.

A cada tem se le asocia un total corregido. Total corregido (1) = se le resta el tem uno al total de la fila. Luego se saca el R de Pearson con los valores de la columna tem 1 y total corregido (1). Para interpretar el resultado de r se debe considerar que puntajes mayores a 0,30 pueden ser considerados confiables. Mientras ms lejano a cero en el sentido de los nmeros negativos ms inconsistentes y menos confiables. Ej.: r tem 1= 0,51 r tem 2= 0,45 r item 3= 0,04 debe ser eliminado. Coeficiente de concordancia. Escalas e instrumentos v/s evaluacin subjetiva de un evaluador. Cmo de mostrar que se clasifico bien? Cmo evaluarlo? A travs de los coeficientes de concordancia: es un procedimiento de evaluacin de la confiabilidad diseado para aquellas situaciones en las que dos o ms evaluadores califican un conjunto de estmulos (objetos, sujetos, etc). En estas situaciones es importante la concordancia entre los evaluadores y el coeficiente de concordancia expresa el grado en que los evaluadores concuerdan (falta informacin). Coeficiente Kappa (K) de Cohen Requiere la evaluacin de un conjunto de estmulos en categoras nominales realizadas por distintos jueces. K puede interpretarse como la proporcin de acuerdos en las evaluaciones proporcionados por los jueces, ms all de los esperables por azar. Consideraciones: El lmite superior de k es 1, lo que representara una concordancia perfecta. Criterios para la interpretacin del coeficiente Kappa: Valor de k Menor a 0,20 0,21-0,40 0,41-0,60 0,61-0,80 0,81-1,00 Fuerza de la concordancia. Pobre Dbil Moderada. Buena Muy buena.

Clculo del coeficiente de Kappa para dos jueces. A continuacin se realiza una tabla de contingencias que permita visualizar los acuerdos entre ambos jueces. En base a esa tabla, se procede a determinar el nmero total de acuerdos entre ambos jueces.

Total Acuerdos = fu
Es decir, sumatoria de los valores presentes en la diagonal principal de la tabla de contingencia, aquellos casilleros en los que se interceptan el tem 1 de un juez con el tem 1 del otro, el dos con el dos, el tres con el tres, etc. Luego se debe determinar el nmero total de acuerdos, esperados por azar entre ambos jueces.

Total acuerdos por azar = (Total fila x Total columna) n

Finalmente se obtiene el coeficiente Kappa de Cohen:

K= Total acuerdos Acuerdos por azar Nmero total de estmulos acuerdos por azar

41. Comprender las fases de un proceso de investigacin cualitativa. La investigacin cualitativa se lleva a cabo en cuatro fases: Preparatoria, De Campo, Analtica e Informativa. Estas cuatro fases se caracterizan por ser interactivas y recursivas entre si. Dado la informacin emergente al estar en contacto con el objeto de estudio. Fase Preparativa Etapa reflexiva Busca dar respuesta a 4 preguntas fundamentales: Qu me interesa? (Tema), Qu se sabe? (Marco Referencial), Qu no se sabe? (Vaco de Conocimiento) y por ultimo, Qu quiero saber? (objeto de estudio). El marco referencial es el discurso personal del investigador respecto al tema, el cual construye a partir de antecedentes empricos, metodolgicos, tericos y contextuales extrados a partir de una revisin bibliogrfica. A lo anterior se suman los antecedentes relevantes recolectados a travs del vagabundeo. El vagabundeo, contextualiza la investigacin cualitativa a travs de un contacto con la realidad que se estudiara de carcter informal, exploratorio y con la mxima apertura posible. Problema, el problema de investigacin surge del vaco de conocimiento y de un objeto de estudio bien delimitado el cual debe ser claro, viable y relevante. Este depende de: Conveniencia Cul es la utilidad de la investigacin? Relevancia social A Quien beneficia y cual es su contribucin? Implicaciones prcticas Qu problemas resuelve? Valor Terico A que teoras aporta, refuta o respalda?, Qu pasos nuevos sugiere? Utilidad Metodolgica Enriquece o mejora los mtodos de investigacin actuales? Viabilidad Es factible de realizar con los recursos disponibles?

Etapa Diseo Representa la forma en que se obtiene el conocimiento. Debe considerar: Perspectiva terica Mtodo Participantes Tcnicas de Produccin de informacin Estrategia de anlisis Criterios de calidad Qu enfoque terico se ajusta mejor a mi investigacin? Qu forma de indagar es mas pertinente a mi objeto de estudio? Cmo y cuantos seleccionare? Cul ser el procedimiento? Cmo procesare los datos? Cmo saber si mis resultados son crebles?

Fase de Campo El investigador en esta etapa busca toda informacin necesaria para llevar a cabo un estudio cualitativo. Ante ello, se debe tener una buena preparacin terica sobre el objeto de estudio y sobre las bases tericas y metodologas de las ciencias sociales en general. Etapa de acceso al campo Proceso por el cual investigador va accediendo progresivamente a la informacin fundamental para su estudio. Es necesario que el investigador aprenda normas formales e informarles de funcionamiento del lugar. Tiene una duracin desde el primer da en que se entra al escenario objeto de investigacin hasta finalizar el estudio (recoleccin de informacin). Esta fase tiene dos estrategias: Vagabundeo Consta de un acercamiento de carcter informal, incluso antes de la toma de contacto inicia, al escenario que se realiza a travs de la recogida de informacin previa sobre el mismo; cuestionndose que es lo que lo caracteriza, aspecto exterior, opiniones, caractersticas de la zona y el entorno, etc. Construccin de mapas Consta de un acercamiento formal a partir del cual se construyen esquemas sociales, especiales y temporales de las interacciones entre individuos e instituciones, abordando temas como caractersticas personales y profesionales, competencias, organigramas de funcionamiento, horarios, utilizacin de espacios, tipologa de actividades, entre otros. Al iniciar la fase de acceso de campo, algunos autores recomiendan la realizacin de un estudio piloto, el cual permitir clarificar reas de contenido no delimitadas del todo en las primeras etapas, comprobando la adecuacin de las cuestiones de investigacin; descubrir nuevos aspectos que no se haba contemplado inicialmente, como tambin iniciar una buena relacin con los participantes y establecer con ellos marcos adecuados de comunicacin.

Etapa recogida productiva de datos En esta etapa el investigador ya ha tomado una serie de modificaciones, cambiando, alterando o rediseando su trabajo. La duracin de las entrevistas, las cuestiones a realizar, el tiempo de dedicacin se desarrollar con un carcter flexible a partir de normas bsicas sobre las que se da un gran acuerdo entre los investigadores cualitativos: 1) Buscando el significado y las perspectivas de los participantes en el estudio. 2) Buscando las relaciones por lo que se refiere a la estructura, ocurrencia y distribucin de eventos a lo largo del tiempo. 3) Buscando puntos de tensin: Qu es lo que no se ha encontrado? Cuales son los puntos conflictivos en este caso? En esta etapa comienza los anlisis de los datos, inicindose un proceso de recogida de aquellos datos que realmente interesan al desarrollo de la investigacin, de tal forma que se evite la recogida de informaciones innecesarias. La utilizacin de mtodos de manejo de datos es imprescindible. Las transcripciones y notas de campo deben ser referidas, unidas a sus fuentes pero, a la vez, separadas de las

mismas, y por supuesto organizadas eficazmente. El ordenador es de gran ayuda para los anlisis de datos. Muchas veces el investigador no puede llevar a cabo una recoleccin productiva de datos, ya que pierde sensibilidad ante las actividades cotidianas, ya que forma parte de ellas. A su vez pierde perspectiva del lugar y los miembros del grupo (en el caso de que ha trabajado en grupo).

Fase Analtica El proceso de anlisis de la informacin recogida, se inicia tras el abandono del escenario. El anlisis de datos cualitativos ser considerado como un proceso realizado con un cierto grado de sistematizacin que, a veces, permanece implcita en las actuaciones emprendidas por el investigador. Es posible establecer una serie de tareas u operaciones que constituyen el proceso analtico bsico. Estas tareas sern: 1. reduccin de datos 2. disposicin y transformacin de datos 3. obtencin de resultados y verificacin de conclusiones. En cada una de estas tareas es posible distinguir, asimismo, una serie de actividades y operaciones concretas que son realizadas durante el anlisis de datos, aunque no necesariamente todas ellas estn presentes en el trabajo de cada analista. Fase Informativa El proceso de investigacin, culmina con la presentacin y difusin de los resultados. El informe cualitativo debe ser un argumento convincente presentando los datos sistemticamente que apoyen el caso del investigador y refute las explicaciones alternativas. Dos formas de escribir un informe: a) Como si el lector estuviera resolviendo un puzzle con el investigador y; b) Ofrecer resumen de hallazgos y presentacin de resultados que apoyan las conclusiones. El proceso de informar, es un continuo ir y venir a los datos. Dependiendo de los intereses, la audiencia, o el contexto, el informe ser formal, crtico, analtico, fundamentado, etc. La mejor forma de difundir los hallazgos, es publicarlos en revistas especializadas.

42. Reconocer y describir diferentes diseos y tipos de investigacin cualitativo, as como las principales tcnicas de Recoleccin de datos, estrategias de seleccin de participantes y criterios para su implementacin.
Perspectiva Terica Fases Fenomenologa
1. 2. 3. 4. 5. 6. Descripcin del fenmeno bsqueda de diferentes perspectivas Bsqueda de estructura y relaciones constitucin del significado suspensin de los juicios interpretacin de los significados ocultos

Etnogrfico
acceso al escenario sociocultual 2. identificar el fenmeno a estudiar 3. negociacin del rol o posicin dentro de la dinmica social 4. seleccin de informantes claves y estrategias de produccin 5. Registro, ordenamiento, validacin de la informacin 6. anlisis e interpretacin 7. Reformulacin y reenfoque 8. preparacin del retiro del campo Descripcin de un Etnos o cultura, desde el punto de vista de quienes lo viven. 1.

T. Fundamentada
1. 2. 3. 4. 5. Definir rea temtica seleccin participantes Produccin de informacin Codificacin abierta (Categoras) Codificacin axial (Organizacin conceptual) Codificacin Selectiva (Teora)

Biogrfico
1. Etapa inicial (Marco y objeto) 2. Registro, trascripcin y elaboracin 3. Anlisis e interpretacin ( elaboracin de la historia de vida, anlisis de discurso y registro) 4. Presentacin y Publicacin

Investigacin Accin
1. Diagnosticar una situacin problemtica y clarificar ideas 2. Formular estrategias de accion para solucionar problemas 3. Poner en practica y evaluar las estrategias de accin 4. Aclarar nuevamente la situacin problemtica

6.

Objeto estudio

de El

Significado experiencia

de

una

Tcnicas de Entrevista Semiestructurada Entrevista en profundidad Produccin

Ancdotas

Observacin participante Pluralidad metodolgica, incluso instrumentos cuantitativos Contacto prolongado y repetitivo Triangulacion

Desarrollar un esquema analtico abstracto de un fenmeno vinculado a una situacin y contexto particular Pluralidad metodolgica

Identificar puntos de inflexin personales y vincularlos con los contextuales Relato de vida Historia de vida Biogramas (Comparacin de biografas breves) Elaboracin de historias de vida, anlisis de discurso y anlisis de registros

El beneficio de Otros y no solo de la comunidad cientfica

Anlisis datos

de Establecer categoras de datos

Descripcin textual Descripcin estructural relacional y

Metodo de comparacin constante

Tcnicas de recoleccin de datos Conversacionales Consiste en una interaccin directa entre dos o ms personas. Implica el intercambio de informacin entre las partes. Utiliza una va de comunicacin simblica No verbal y/o verbal. Entrevistas Objetivo Estructuracin

Tipo de discurso

1. Entrevista de investigacin (Recoger informacin) 2. Entrevista de intervencin (Diagnostica y teraputica) 1. Estructurada: Usa preguntas y orden prefijado. Busca estandarizar estmulos. Respuestas comparables pero poco profundas. 2. Semi-Estrcuturada: Indaga temas y subtemas predefinidos. Preguntas amplias y flexibles. Respuestas comparables de mediana profundidad. 3. Profundidad: Solo tiene definido los temas a indagar. El proceso de desarrollo es completamente libre. 1. Grupal: Busca el discurso individual dentro de un contexto de presin social 2. Discusin: Busca el discurso social sobre determinadas temticas. 3. Focal: Busca el discurso social frente a un elemento particular, que interviene como estimulo.

Observacionales Implica advertir un fenmeno. Requiere atencin voluntaria. Busca informacin de un objeto tal y como este se produce. Participacin Apertura 1. 2. 1. 2. 3. 1. 2. 3. 1. Participante No participante: Abierta: Todos saben Semi-encubierta: Solo saben miembros claves Encubierta: Nadie sabe Continua Puntual Intervalo

Muestreo (Tiempo)

Registro Categorial

Descriptivo

Lista de control: Sealan qu se debe observar (ausencia o presencia) 2. Escala estimativa: Permite observar los grados de intensidad en que se presenta la variable. 1. Registro de lo observado: Palabras claves, Frases corta, Claves simblicas, Esquemas, Dibujos, etc. 2. Notas de campo: Son registros escritos o grabados de lo que el investigador observa

3. Diario de campo: Todo lo anterior archivable

Seleccin de participantes En investigacin cualitativa, el sujeto a seleccionar tiene informacin particular del caso de estudio (sesgada, culturalmente moldeada). Su valor depende de la cantidad de informacin que tenga (ejemplaridad Representatividad). Dos caractersticas relevantes: Poder (Informacin profunda, rica y Completa) y Suficiencia (Permite saturar la informacin) En relacin al muestre este posee tres caractersticas esenciales: Intencional / Razonado Acumulativo / secuencial Flexible / reflexivo Busca a aquellos sujetos con discursos y significados ms representativos. Progresivamente va en bsqueda de la informacin que le permite completar su visin del fenmeno. Debe ser sensible al contexto y a las caractersticas del trabajo de campo.

Al ser una muestra intencional, es necesario determinar criterios de inclusin y exclusin que apunten exclusivamente al objetivo de investigacin y el inters del investigador: Criterios de inclusin: corresponden a aquellas caractersticas que harn parte del estudio a un sujeto, es decir, se escogen ciertas caractersticas adecuadas la investigacin y de acuerdo a ellas se seleccionar a los informantes. Criterios de exclusin: son aquellas caractersticas que no permitirn que un sujeto sea parte de la muestra an cuando cumpla con los criterios de inclusin. El tipo de muestro es principalmente no probabilstico y se clasifica en dos grupos: el muestreo terico y el pragmtico. El primero corresponde a la seleccin de participantes en base a criterios tericos, que en el caso de la teora fundamentada, estos criterios surgen de la misma informacin obtenida de la realidad, con el fin de que puedan completar la informacin faltante. Su construccin se realiza mediante tres pasos: 1. Se define segmentos del contexto: Se definen agrupaciones, comunidades o divisiones sociales del caso (rural-urbano, municipal-particular, etc.). 2. Se identifican perfiles de informantes: Se definen tipos de informantes segn caractersticas individuales (alumno-apoderado, ejecutivo-administrativo, clientevendedor). 3. Se selecciona a los informantes: Se elige una tcnica de muestreo para elegir a los miembros de cada grupo identificado.

(*) el muestreo terico se subdivide en varios grupos, los cuales son descritos en detalle en la competencia N 44 El segundo realiza una seleccin en base a la disponibilidad de los sujetos.

43. Conocer las principales escuelas tericas de investigacin cualitativa. Fenomenologa Sus principales expositores son Husserl y Heidegger, su discpulo. Busca rescatar la conciencia sobre el objeto que antecede a la interpretacin cultural. Destaca la intencionalidad humana, forma en que los significados determinan las acciones hacia los objetos. Admite que la cultura es fuente de significados, pero limita la generacin de estos Corrientes - Fenomenolgica eidtica (Husserl) Su objetivo es reconstruir la experiencia vivida y constituida en la conciencia. Posee una mirada epistemolgica (cmo conocemos?) y descriptiva, la cual debe poner entre () la subjetividad del investigador - Fenomenologa hermenutica (Heidegger) Pone nfasis en la dimensin sociocultural e histrica de la conciencia. Es de carcter ontolgica (Qu significa ser?) e interpretativa, donde la vivencia se interpreta y el investigador est inserto. Aportes Da importancia a la experiencia subjetiva inmediata Estudia desde la perspectiva de los sujetos respetando sus marcos de referencia Se interesa por como las personas viven y significan su mundo Interaccionismo simblico (IS) Vinculada a la filosofa pragmtica, surge a fines de los aos 30 (Escuela de palo alto). Sus principales expositores son Herbert Blummer y Norman Denzin. Presenta una fuerte crtica contra el funcionalismo estructural, viendo a la cultura como una matriz significativa del lenguaje y las acciones. Plantean que la experiencia es reflejo de un mundo compartido. Donde el pensamiento debe estudiarse en torno a su funcin adaptativa y la accin es solo comprendida desde la perspectiva del actor. Es por ello, que el investigador debe asumir el rol del otro (Interaccionismo simblico Observacin participante) - Blummer Las personas actan ante los objetos de acuerdo al significado que estos tiene para ellos. Este significado surge a partir de la interaccin social, y es modificado en un proceso de traduccin y evaluacin que el sujeto realiza al interactuar con el objeto. - Interaccionismo interpretativo (Denzin 70) Critica al IS de blummer, por su excesivo respeto por el mundo empirico. Propone desconstruir las acciones en sus significados culturales dominantes, por gnero, clase, ideologa del interpretado y el interpretante.

Teora Fundamentada Hunde sus races en el interaccionismo simblico. En este el investigador busca determinar qu significado simblico tienen los artefactos, gestos y palabras para los grupos sociales y cmo interactan unos con otros. El investigador busca construir lo que los participantes ven como su realidad social. Desde su introduccin en los aos 60 se ha desarrollado hasta convertirse en la metodologa cualitativa ms usada. Aqu las fuentes de datos son las entrevistas, las observaciones de campo y documentos que contengan informacin. El investigador cualitativo que hace uso de la teora fundamentada asume la responsabilidad de interpretar lo que observa, escucha o lee. La principal diferencia entre este mtodo y otros mtodos cualitativos, reside en su nfasis en la generacin de teora. A travs del proceso de teorizacin el investigador descubre o manipula categoras abstractas y relaciones entre ellas, utilizando esta teora para desarrollar o confirmar las explicaciones del cmo y porque de los fenmenos. Glaser y Strauss (1967) diferencian dos tipos de teoras: Sustantivas: Se relacionan con el rea concreta de la investigacin. Ej: Escuelas, hospitales, o con el consumo de drogas. Formales: Se refieren a reas conceptuales de la indagacin, tales como estigmas, las organizaciones formales, la socializacin y la desviacin. Las dos estrategias fundamentales de Glaser y Strauss proponen para desarrollar teora fundamentada son: El mtodo de la comparacin constante y muestreo terico Mtodo de la comparacin constante: El investigador codifica y analiza los datos de forma simultnea para desarrollar conceptos. Su aplicacin supone una contratacin de categoras, propiedades e hiptesis. Mtodo del muestreo terico del investigador: Selecciona nuevos casos a estudiar segn su potencial para ayuda a refinar o expandir los conceptos y teoras ya desarrollados. Lo importante no es el nmero de casos, sino la potencialidad de cada uno para ayudar al investigador a desarrollar una mayor comprensin terica sobre el rea que est estudiando.

Etnometodologa Originada en la decada de los 60 70 (U. California), su principal expositor es Harold Garfinkel. Considera que los sujetos son creadores activos de la estructura de su vida diaria. Busca explicar los modos (concientes o inconcientes) en que los actores sociales utilizan sus conocimientos para reconocer, producir y reproducir acciones y las estructuras sociales. Intenta estudiar los fenmenos sociales incluidos en el discurso y las acciones a travs del anlisis de las actividades humanas. Como mtodo, establece que la interaccin est organizada estructuralmente, por lo que cada detalle importa. Para el logro de esto, utiliza estrategias como la observacin independiente o participativa, triangulacin entre jueces, registro exacto y revisin constante. Plantea que dado que la interaccin es contextualizada, tambin debe serlo su anlisis. En relacin a este punto, destaca la indexicalidad* del lenguaje (el lenguaje no es neutro, y el significado de las palabras cobra un sentido particular de acuerdo al contexto en el que se emprese), el cual revela y oculta informacin al mismo tiempo. Este mtodo no pretende alcanzar generalizaciones universales, y establece que, si bien la cultura ofrece recursos de interpretacin, no establece mandatos.

Tendencias - Estudio de objetos tradicionales (Educacin, justicia, organizacin). El objeto esta en conocer como la persona adquiere perspectivas culturales y las representa. - Anlisis conversacional (Actividad cotidiana). Su objeto son la estructura y propiedades del lenguaje.

Investigacin Accin (IA) I.A. Prctica (Desde el paradigma interpretativo) Inters interpretativo y prctico. Busca la comprensin de las prcticas y su transformacin. El investigador es visto como asesor del proceso. Fomenta la participacin y la autorreflexin de los sujetos. Empoderamiento I.A. Crtica (Desde el paradigma sociocrtico) Su propsito es liberar de la tradicin, coercin y autodecepcin. Entender uno mismo sus acciones y cmo ests se ven influenciadas por el contexto social El investigador es visto como un moderador del proceso. Tiene la misma responsabilidad que los otros.

44. Comprender los fundamentos y caractersticas del muestreo terico y criterio de saturacin en investigacin cualitativa. Muestreo Terico: Se elige a los participantes segn los perfiles definidos por un criterio terico Intencional Los sujetos deben pertenecer a uno de varios perfiles predefinidos. Cada perfil representa una variante de la informacin. Elige a los sujetos que representan la norma Busca aquellos casos que presentan manifestaciones inusuales del fenmeno. Estos representan variantes discursivas respecto a la norma. Buscan aquellos casos que viven intensamente el fenmeno (Mayor experiencia). Estos no representan variantes discursivas. No busca discursos extremos. Busca los sujetos que las variantes informativas del fenmeno. Identifica los patrones ms comunes. Busca casos que ejemplaricen o prueben hallazgos. Busca casos normativos. Luego busca excepciones y variaciones. Se busca personas con las mismas caractersticas. Permite profundizar en un tema. Logra discursos focalizados y simplificados. Estratifica a los informantes por subgrupos. Permite ilustrar a los grupos. Facilita comparaciones A partir de los participantes se selecciona nuevos informantes para el estudio. Puede ser terico o pragmtico.

Caso tpico Caso extremo

De intensidad

Mxima variacin Caso paradigmtico Confirmatorio Homogeneo

Por cuota Bola de nieve

Criterio de saturacin Respecto al tamao de la muestra no hay criterios ni reglas firmemente establecidas. La muestra siempre es intencional y su seleccin estar determinada por la amplitud, variedad e integracin de las diversas realidades que convergen en el objeto de estudio. Su determinacin se realiza en base a las necesidades de informacin, por ello, uno de los principios que gua el muestreo es la saturacin de datos, es decir, hasta el punto en que ya no se obtiene nueva informacin y sta comienza a ser redundante. No se encuentran datos nuevos por aadir, no hay ms relaciones posibles entre conceptos y categoras y, finalmente, la variabilidad y diversidad de las categoras ha llegado a un lmite.

45. Comprender los criterios de rigor cientficos aplicados a la investigacin cualitativa. Credibilidad Se refiere a cmo los resultados de una investigacin son verdaderos para las personas que fueron estudiadas y para otras personas que han experimentado o estado en contacto con el fenmeno investigado. Es importante tener en mente que los informantes son los que conocen su mundo, el cual puede ser completamente diferente al mundo del investigador. ste tiene la tarea de captar el mundo del informante de la mejor manera que l lo pueda conocer, creer o concebir lo cual a menudo es un reto difcil para el investigador. Captar lo que es cierto, conocido o la verdad para los informantes en los contextos o en la situacin social en que viven los informantes requiere escuchar de manera activa, reflexionar y tener una relacin de empata con el informante. El criterio de credibilidad se puede alcanzar porque generalmente los investigadores, para confirmar los hallazgos y revisar algunos datos particulares, vuelven a los informantes durante la recoleccin de la informacin. La experiencia indica que, por lo general, a los informantes les gusta participar en esa revisin pues ellos quieren reafirmar su participacin y desean que los hallazgos sean lo ms crebles y precisos para ellos. La mayora de los informantes son capaces de corregir los errores de interpretacin de los hechos y para ello se ocupan de dar ms ejemplos que ayudan a clarificar las interpretaciones del investigador. Confirmabilidad La habilidad de otro investigador de seguir la pista o la ruta de lo que el investigador original ha hecho. Otro investigador examine los datos y pueda llegar a conclusiones iguales o similares a las del investigador original siempre y cuando tengan perspectivas similares. . Para ello es necesario un registro y documentacin completa de las decisiones e ideas que el investigador haya tenido en relacin con el estudio. Esta estrategia permite que otro investigador examine los datos y pueda llegar a conclusiones iguales o similares a las del investigador original siempre y cuando tengan perspectivas similares. (Diario de campo) Transferibilidad Este criterio se refiere a la posibilidad de extender los resultados del estudio a otras poblaciones.. En la investigacin cualitativa la audiencia o el lector del informe son los que determinan si pueden transferir los hallazgos a un contexto diferente del estudio. Para ello se necesita que se describa densamente el lugar y las caractersticas de las personas donde el fenmeno fue estudiado. Por tanto, el grado de transferibilidad es una funcin directa de la similitud entre los contextos. Dependencia La dependencia o consistencia lgica es el grado en que diferentes investigadores que recolecten datos similares en el campo y efecten los mismos anlisis, generen resultados equivalentes. De acuerdo a Franklin & Ballau (2005) existen dos clases de dependencia, la interna (Grado en el cual diversos investigadores, al menos dos, generan temas similares con los mismos datos) y la externa (Grado en que diversos investigadores generan temas similares en el mismo ambiente y perodo, pero cada quien recaba sus

propios datos). En ambos casos, ese grado no se expresa por medio de un coeficiente, slo se verifica la sistematizacin en la recoleccin y el anlisis cualitativo (Citado por Hernndez, Fernndez & Baptista, 2006).

46. Evaluar la pertinencia y adecuacin del mtodo cuali (fenomenologa, teora fundada, etnografa, etnometodologa) y cuanti (modelo univariado) en funcin de la caractersticas del problema planteado y su objeto de estudio. Cundo usar Metodologa CUALI: 1. Estudio de fenmenos poco conocidos. 2. Acceso a los significados que los involucrados le otorgan a la accin social (subjetividad). 3. Reconstruir escenarios psicosociales complejos (ej: representaciones en torno al 11 de Septiembre de 1973). 4. Reconstruir retrospectivamente procesos psicolgicos o sociales (ej: episodios de cambio en psicoterapia). 5. Generar nuevos modelos conceptuales o tericos. 6. Integrar la investigacin con la intervencin (ej:investigacin-accin participativa). 7. Contrastar hiptesis. Fenomenologa Teora Fundada Etnografa Etnometodologa Se requiere comprender significados subjetivos de la experiencias de las personas respecto de un fenmeno Se requiere generar de teora a partir de datos Se requiere describir una cultura y sus significados desde los actores y los investigadores. Se requiere describir una realidad social a partir de sus prcticas cotidianas. No busca cuestionar ni explicar significados. Cuando se requiere medir y predecir comportamientos observables Generalizar a la poblacin Se requiere una explicacin causal Cuando se tiene una hiptesis que verificar Cuando hay una realidad objetiva y particular que estudiar Observa, no interviene Prueba causalidad. Controla Variables. Grupos aleatorios Confirmatoria, Grupos predefinidos.

Cuanti

No experimental Experimental Cuasiexperimental

47. Comprender y distinguir nivel descriptivo y relacional en investigacin. Descriptivos - Se ocupa de la descripcin de fenmenos sociales o clnicos en una circunstancia temporal o geogrfica determinada. - Es muy importante ubicarse en las circunstancias - Desde el punto de vista cognoscitivo es describir y estadsticamente, estimar parmetros. - Se deduce que la estadstica es slo estimar frecuencias o promedios, etc.; medidas univariadas. Por ejemplo, estudios de frecuencia de enfermedad, incidencia, prevalencia. Relacional - Dependencia de por lo menos dos variables sin hablar de causa y efecto. La estadstica aqu aplicada es divariada: correlaciones, etc.

48. Interpretar resultados estadsticos desde la perspectiva del problema estudiado. Las hiptesis estadsticas son conjeturas que se realizan a priori acerca de los resultados de mi investigacin y son derivadas de la hiptesis de investigacin. Las hiptesis estadsticas son la hiptesis nula y la hiptesis alternativa y no deben ser confundidas con la hiptesis de investigacin. La principal distincin es que la hiptesis de investigacin est redactada en prosa como una afirmacin, en cambio las hiptesis estadsticas son redactadas en un lenguaje de lgica estadstica. La hiptesis nula (H0), es aquella que plantea que no existe relacin entre las variables. Por otro lado, la hiptesis alternativa (H1) es aquella que plantea que si hay relacin entre las variables. Debido que tanto H1 como H0 son siempre contrarias, al aceptar H0 se rechaza H1 y al rechazar H0 se acepta H1. En realidad, es la hiptesis nula la que se somete a contraste y a partir de ella se determina que pasa con la hiptesis alternativa. Usualmente la hiptesis alternativa se corresponde con la hiptesis de investigacin. El contraste de hiptesis, trata de contrastar los resultados esperados desde la teora (hiptesis) con los resultados obtenidos del anlisis estadstico de los datos. Existe un procedimiento preestablecido que explica la lgica del contraste de hiptesis, los pasos a seguir son: 1. Replantear la hiptesis de investigacin en hiptesis estadsticas. 2. Determinar el estadstico de contraste y su distribucin muestral: Aqu se debe elegir que estadstico se utilizar (t de Student, Z, Anova, etc.). La determinacin muestral es un paso es posible obviar, ya que sirve para determinar los valores p asociados a los valores del estadstico. Por tanto, si nosotros tenemos las tablas de distribucin de los valores p, no es necesario realizarla. Sin embargo, es una paso que los estudiosos de las estadsticas han tenido que dar para determinar los valores p. 3. Calcular el valor del estadstico a partir de los valores de la muestra. 4. Determinar la probabilidad asociada al valor del estadstico de contraste. 5. Reglas de decisin para determinar si se rechaza o no la hiptesis nula. Si p 0,5: Se acepta la hiptesis nula y se rechaza la hiptesis alternativa. Si p < 0,5: Se rechaza hiptesis nula y se acepta hiptesis alternativa.

Contrastes Unilaterales Los contrastes unilaterales se refieren a que las hiptesis estadsticas tienen un solo sentido o direccin. (Una es mayor o mas frecuente que la otra) Contrastes bilaterales. Los contrastes bilaterales como su nombre lo dice, se refieren a que las hiptesis estadsticas son redactadas de tal forma que existen dos direcciones. Coherentemente con el ejemplo anterior, pero cambiando la hiptesis de investigacin a una bilateral, seguimos con otro ejemplo: Ej.: H. de investigacin: Existen diferencias entre hombre y mujeres en cuanto al nmero de cigarros fumados diariamente. H0: Promedio hombres = Promedio mujeres. H1: Promedio hombres promedio mujeres.

Como vemos en este ejemplo, son bilaterales ya que es esperable que los hombres fumen ms que las mujeres o que las mujeres fumen ms que los hombres, ambas opciones son posibles y esperables. Pruebas estadsticas parmetricas.

Las pruebas para mtricas son aquellas pruebas estadsticas en las que la correcta interpretacin de sus resultados, requiere que los datos analizados cumplen ciertas caractersticas como los supuestos de la prueba. Ms especficamente, las pruebas parmetricas son todos aquellos estadsticos que requieren que la distribucin de los datos de la muestra sea una curva normal para que sus valores p asociados al valor del estadstico tengan validez. Es decir, es requisito para estas pruebas estadsticas que la muestra tenga una distribucin normal en la variable medida. Prueba Z Se utiliza para comparar la media de dos poblaciones cuando desconozco la media de una de ellas. Requiere conocer el promedio y la DE de una de las poblaciones. Para muestras con N 30 distorsiona los resultados y por tanto sera preferible utilizar t de Student. La distribucin muestral del estadstico Z corresponde a la distribucin normal estndar con un promedio de 0 y una desviacin estndar (DE) de 1. Esto significa que la mitad izquierda como la derecha son simtricas entre s. Adems de esto, los valores de la izquierda son negativos y los de la derecha son positivos, es decir, el Z puede tener como resultados tanto valores negativos como positivos. Despus de calcular el valor del estadstico es necesario encontrar el valor p asociado como se vio en los pasos a seguir del contraste de hiptesis. Como tambin se analiz, el valor p depende de la distribucin muestral del estadstico, mientras ms alejado de la media de la distribucin muestral sea el valor de Z, menor es el valor p. Esto se debe a que el valor p es el rea bajo la curva, y puesto que la distribucin muestral del estadstico Z es una curva normal, mientras ms extremo es el valor de Z, menor es el rea bajo la curva. Prueba T de Student para una muestra. Es una alternativa a la prueba Z, ya que se utiliza cuando el investigador desea comparar el promedio de dos poblaciones, pero solo conoce el promedio de una de ellas. Esta prueba posee ventajas sobre la prueba Z. Estas son que no requiere el valor de la DE (desviacin estndar) de la poblacin y que es ms precisa en muestras inferiores a N=30. Una de las caractersticas de la distribucin t es que el valor p vara segn el tamao de la muestra. Ms especficamente, vara segn los grados de libertad. Por tanto, despus de calcular el estadstico es necesario calcular los Grados de libertad (gl) para determinar el valor p mirando la tabla de distribucin t. Ej. De conclusin considerando un contraste unilateral: Para someter a evaluacin la hiptesis del estudio, se aplic la prueba t de Student para una muestra en base a un contraste unilateral.

Al comprar la edad de inicio del habla entre los nios del grupo experimental (M=10 meses; DE=2.34) y los nios de la poblacin (M = 13 meses) se concluye que los primeros tienden a iniciar el habla a una edad significativamente inferior a estos ltimos (t(14)= 4.965; p < 0,001).

Prueba T de Student para muestras independientes. Esta prueba se utiliza cuando se tienen dos muestras en las cuales se ha medido una misma variable numrica y se desea determinar si dichas muestras provienen de una misma poblacin o de poblaciones distintas sin tener ningn dato de las poblaciones. Ej. Conclusin: Para someter a evaluacin la hiptesis del estudio se empleo la prueba t de Student para muestras independientes en base a un contraste unilateral. El promedio de recuerdos exitosos para el grupo expuesto a privacin de sueo fue 65.333 (DE=4.179), mientras que para el grupo en la condicin de sueo normal fue 70.167 (DE=3.189). El resultado de la prueba t arroj un t (28)= 3.561; p<0,001, por lo que se concluye que la privacin de sueo disminuye la capacidad de memoria a corto plazo.

Prueba T de Student para muestras relacionadas. Se utiliza cuando queremos comparar dos aplicaciones de una prueba hechas a la misma muestra en perodos sucesivos o cuando tenemos dos muestras pareadas en las cuales se ha medido la misma variable numrica. En el primer caso, el objetivo es comparar si hubo cambios en los puntajes de los sujetos de entre las pruebas, en cambio en el segundo caso, el objetivos es saber si existen diferencias entre los puntajes de los sujetos pareados. Parear las muestras o tambin llamado emparejamiento, consiste seleccionar una muestra y dividirla aleatoriamente en dos grupos. Es decir, se seleccionan los casos que van a un grupo y al otro de manera aleatoria. Ej. Conclusin: Para someter a evaluacin la hiptesis del estudio se empleo la prueba t de Student para muestras relacionadas en base a un contraste unilateral. Los resultados indican que se produjo un aumento significativo en la cohesin de las parejas, desde un promedio de 103.0 (DE= 17.05) antes del nacimiento del primer hijo/a, a un promedio de 115,4 (DE= 12,67) despus de un ao de su nacimiento, t(9)= 2.472; p < 0,05. Por lo tanto, se concluye que se acepta la hiptesis de investigacin.

ANOVA de un factor. La prueba ANOVA en trminos generales, incluyendo de un factor y factorial, es una extensin de la t de Student (comparacin de grupos). El uso de la prueba F nos permite hacer una comparacin global que nos indica si existe una diferencia significativa entre las medias de los grupos. Se plantea si existen diferencias o no en los promedios de las distintas poblaciones comparadas. Caractersticas (ambos):

1) La variable dependiente tiene que ser de nivel de medicin numrico: En este punto, podemos realizar una comparacin que nos permite diferenciar al ANOVA de la regresin lineal simple. Si bien es cierto que en ambas pruebas estadsticas la variable dependiente debe ser numrica, en el ANOVA de un factor la variable predictora no posee ms de 2 o tres categoras o nmeros, en cambio, en la regresin lineal existen muchos valores dentro de la variable predictora. Otra diferencia, sera que la regresin mltiple nos permite predecir puntajes especficos a partir de un modelo matemtico, en cambio, el ANOVA, solo nos puede decir que ciertas variables estn involucradas en la explicacin de los puntajes de la variable dependiente. 2) Variables explicativas o predictoras usualmente son variables categricas o de muy pocos nmeros (2-3) y se denominan factores. Existen niveles del factor que se refieren a todas las categoras o valores que componen al factor. A cada nivel de un factor se le denomina tratamiento. En el ANOVA de un factor, los tratamientos coinciden con los niveles del factor. Por el contrario, en el ANOVA factorial los tratamientos son las combinaciones entre los niveles de los factores. Ej.: Factores ANOVA de un factor ANOVA factorial Tratamientos

Variable gnero: Masculino; femenino. Masculino; Femenino Variable Gnero: Femenino Alto; Femenino, masculino. Femenino medio, Variable nivel socioeconmico: Alto, Femenino bajo; medio y bajo. Masculino alto, Masculino medio, Masculino bajo.

Supuestos (ambos): Distribucin normal de la variable dependiente en cada uno de los grupos comparados. Homogeneidad de las varianzas entre los grupos comparados (Homocedasticidad). Que los datos sean independientes entre s.

El estadstico utilizado en esta prueba se denomina por la letra F. Este estadstico sigue una distribucin de probabilidad denominada F de Shedecor Fisher que posee una distribucin asimtrica positiva en el histograma.

Debido que el estadstico F, solo nos indica si hay o no diferencias entre los grupos es necesario realizar una prueba posterior para determinar cul de los grupos son significativamente distintos y en qu sentido (cul de los grupos es mayor). Ahora se pueden realizar dos tipos de anlisis: Post hoc, se evalan todas las comparaciones posibles. Contrastes planificados-investigaciones experimentales. Comparaciones Post Hoc. Hay muchas porque ninguna es ptima. Hay dos principales, HSD de tukey y Scheffe. Esta ltima, es ms conservadora y exige valores ms pequeos de p para encontrar diferencias significativas. Prueba HSD de Tukey o prueba de la diferencia honestamente significativa de Tukey. Esta prueba determina el mnimo valor entre los promedios para que la diferencia de los promedios sea significativa. Calculo: 1) Se ordenan los grupos por promedio, ej.: 1=15;2=5 y 3=17. Al ordenarlos quedara as: 3=17; 1=15 y 2=5. 2) Diferencia entre todas las combinaciones posibles de los promedios dejando el valor absoluto, es decir, sin los signos. Ej.: 17-15; 17-5; 15-5. 3) Se busca q en la tabla de distribucin de rangos estudentizados. Esto se hace con los grados de libertad de r (numero de grupos) y gl del error. 4) Calculo del estadstico HSD de Tukey 5) Finalmente se compara HSD con las diferencias entre los promedios. Si diferencia > HSD se acepta H1, los promedio son significativamente diferentes. Si diferencia < HSD se acepta H0 ANOVA Factorial. Es una extensin del ANOVA de un factor, por cuanto ahora se desea determinar si dos o ms factores se relacionan con una nica variable numrica (y). Y (numrica) X1 (CATEGORICA) X2 (CATEGORICA) Una de las ventajas del ANOVA factorial sobre el de un factor, reside en que el primero permite evaluar dos tipos de efectos de los factores sobre la variable dependiente. a) El efecto principal de cada factor por separado. b) El efecto de interaccin entre los factores sobre la variable dependiente. Conceptos: - Efecto principal. Involucra la comparacin de los promedios de los distintos niveles de cada factor. En un diseo factorial, cada factor tiene asociado su propio efecto principal. - Efecto de interaccin. Evala en qu medida las combinaciones provocan distintos resultados o resultados iguales (si tienen o no tienen efecto). Refleja los efectos asociados con las diversas combinaciones de los niveles de los factores.

Variables implicadas en el Efecto principal estudio hipottico. A, B sobre dependiente C variable A explica C por s sola. B explica a C por s sola.

Efecto de interaccin A y B, en interaccin explican C.

En el cuadro anterior, se pone un ejemplo de la distincin entre un efecto principal y de interaccin. El efecto principal involucra que cada variable/factor explica por s solo la variable dependiente. Puede ser que en algunos factores se encuentre este efecto y en otras no. En cambio, en el efecto de interaccin, ambas variables juntas explican la variable dependiente. Ej.: A a1

b1 Promedio variable satisfaccin Promedio Satisfaccin Promedio de b1

b2 en Promedio Satisfaccin Promedio Satisfaccin Promedio de b2 Promedio de a1

a2

Promedio de a2

Variable Satisfaccin. A) Gnero: 1) Masculino. 2) femenino. B. Depresin: 1) con depresin. 2) sin depresin. Al comparar por ejemplo, si el gnero influye en la satisfaccin se comparan los promedios de a1 y a2 (cuadro de arriba). As mismo se hace si se quiere ver si influye la depresin en la satisfaccin, se comparan b1 y b2. Para ver si ambos factores influyen sobre la satisfaccin se comparan todos los promedios.

50

40

Media SATISFAC

30

DEPRESI
con 20 FEMENINO sin

MASCULINO

GENERO

Para facilitar la tarea de entender la forma del efecto principal o de interaccin resulta til analizar el grfico de los promedios de los grupos que se estn comparando. El grafico anterior muestra un efecto principal. Reglas generales de interpretacin del grfico: - Hay efecto de interaccin si las lneas dejan de ser paralelas. Si las lneas son paralelas no hay interaccin. - Hay efecto principal si las lneas se encuentran separadas notoriamente (solo para el factor ubicado en las lneas.) - Hay efecto principal si las lneas se encuentran notoriamente inclinadas en la misma direccin. Este es solo para el factor ubicado en el eje X. Ahora al analizar el grfico de arriba podemos encontrar: a) Efecto principal: -gnero (eje X): Hay efecto principal del gnero puesto que las lneas van hacia una misma direccin. -depresin (Ubicado en las lneas): No hay efecto principal de la variable depresin, puesto que las lneas estn muy juntas. b) Efecto de interaccin: -Gnero*depresin: No hay efecto de interaccin porque las lneas son paralelas.

(*) Para las siguientes pruebas se adjuntan las formulas de obtencin, ya que facilitan la comprensin de la prueba

Regresin lineal simple. Etapas en un anlisis de regresin Lineal: 1) Obtener el modelo lineal. 2) Determinar la capacidad explicativa del modelo de regresin lineal.

3) Evaluar la significacin estadstica del modelo de regresin lineal. 4) Evaluar la significacin estadstica de cada uno de los parmetros del modelo de regresin lineal. 5) Evaluar el cumplimiento de los supuestos de regresin lineal. Obtener el modelo lineal. La regresin lineal es un modelo matemtico para estimar el efecto de una variable sobre otra. Hay una variable independiente y otra dependiente, y ambas deben tener un nivel de medicin de intervalo o de razn. Este modelo nos permite predecir los valores especficos que va a tener la variable dependiente (y) a partir del conocimiento de la variable independiente (x) y por tanto, la regresin lineal simple se utiliza cuando se quiere utilizar los valores de una nica variable predictora para estimar los valores de la variable criterio. La prediccin de la variable criterio ser ms exacta en la medida en que las variables independientes se encuentren altamente relacionadas con la variable dependiente. Supongamos que queremos modelar/predecir la variable dependiente y en base a una variable independiente X1. Entonces utilizamos la siguiente ecuacin del modelo lineal general:

Y=f(X1)+
Esta ecuacin indica que es posible predecir los valores de Y a partir de los valores de X. Sin embargo, tambin indica que esta prediccin est asociado a un error () lo que implica que la prediccin de los valores de Y a travs de X1 no es perfecta. La diferencia entre el valor real y el valor predicho por el modelo esta representado en la siguiente ecuacin:

=Y-f(X1)
Primero, debemos resolver el problema de cul es la relacin funcional que tiene la variable predictora con la variable criterio, es decir, que forma matemtica adopta. Aunque existen otros tipos de relacin funcional, podemos asumir que esta es de tipo lineal ejemplificada en la siguiente ecuacin:

f(X1)=0 + 1X1
Al reemplazar en el modelo de regresin general se obtiene el modelo de regresin lineal simple:

Y=f(X1)+ Y=0 + 1X1+

Intercepto Coeficiente de regresin

Intercepto (0): Valor de Y cuando la variable X1 toma el valor de 0. Coeficiente de regresin (1): Cambio estimado en Y debido a un aumento de una unidad en la variable X1. Un aspecto importante a considerar es que tanto 0 como 1 son parmetros (valores en la poblacin) desconocidos que deben estimarse a partir de datos obtenidos en una muestra aleatoria de la poblacin de inters. Dado que finalmente se trabaja con estimadores y no con los parmetros (0 y 1) el modelo de regresin lineal estimado adopta la siguiente forma:

b0 es estimador del coeficiente de regresin 1 .

predicho;

y^= b0 + b1X1 ^ Donde y es el valor

un estimador del intercepto

0 y b1

es un

Cmo obtener los valores de b0 y b1? Se obtiene a travs del mtodo de estimacin de los mnimos cuadrados, que busca encontrar aquellos valores b0 y b1 que minimizan los errores de prediccin.

e= Y- y^

Diferencia entre los valores reales y los predicho por el modelo.

Para ser ms precisos, el mtodo de estimacin de mnimos cuadrados busca obtener aquellos valores de b0 y b1 que logren la menor suma de cuadrados de los errores de prediccin:
2 ^ 2 Minimizar: e , es decir, minimizar (Y - y ) . Esto significa que cualquier otra combinacin de valores b0 y b1 dara como resultado a una suma de cuadrados de los errores mayor a la anterior, aumentando el error de prediccin. A partir de este mtodo se obtienen las formulas para determinar b0 y b1.

b0=- b1X
Donde es el promedio de la variable dependiente y X el promedio de la variable independiente.

b1=r Sy Sx
Donde r es el coeficiente de correlacin de person; Sy, desviacin estndar de la variable dependiente y Sx DE de la variable independiente.

Determinar la capacidad explicativa del modelo de regresin lineal. Una vez que ya hemos obtenido el modelo de regresin lineal, es importante determinar en qu medida el modelo predice adecuadamente los valores de la variable dependiente. Esto se obtiene a travs de coeficiente de correlacin mltiple (R), este coeficiente corresponde al coeficiente producto-momento r de pearson entre los valores reales y los valores predichos por el modelo. Al elevar al cuadrado este coeficiente se obtiene el coeficiente de determinacin (R2). El coeficiente de determinacin corresponde a la proporcin de la varianza de la variable dependiente explicada por el modelo. R2 Adopta valores entre 0 y 1. Mientras ms cercano es el valor a 1, mejor es la capacidad predictiva del modelo. Evaluar la significacin estadstica del modelo de regresin lineal. Esto implica determinar si alguno de los predictores del modelo contribuye de manera significativa a la prediccin de la variable dependiente. Para ello es necesario que no todos los parmetros sean 0 en la poblacin. En trminos de hiptesis estadsticas, esto implica someter a prueba lo siguiente: H0: 0 = 1 = 0 H1: No todos los i son 0. Si no se rechaza esta hiptesis, se considera que los parmetros del modelo son 0, lo que implica que ninguna variable independiente, resultad til en la prediccin de la variable dependiente. Para contrastas esto, se realiza un ANOVA. Una vez obtenido el valor de F se procede a calcular el valor p asociado. Si p < 0,05 se rechaza H0 y se aprueba la hiptesis de que algunos o varios de los parmetros son distintos de 0, por tanto, algunos de las variable predictoras contribuye significativamente a la explicacin de la variable dependiente. Evaluar la significacin estadstica de cada uno de los parmetros del modelo de regresin lineal. En esta etapa debemos determinar que predictores se relacionan significativamente con la variable dependiente. En trminos de hiptesis estadsticas, lo que se quiere determinar es:

H0: i = 0 H1: i 0
Para evaluar esta hiptesis se utiliza la t de Student. Si el valor p de t es inferior a 0,05 se concluye que el parmetro no es igual a 0 y por tanto contribuye significativamente a la prediccin de la variable dependiente.

Evaluar los supuestos de regresin lineal Supuesto: Ausencia de relacin no lineal entre las variables. Para evaluar este supuesto tenemos que observar un grfico de dispersin. Si no hay representada una curva se puede usar la regresin lineal.

Regresin lineal mltiple. El modelo de regresin mltiple amplia las ideas de la regresin simple a ms de una variable independiente. A partir del conocimiento de ms de una variable independiente se desea predecir los valor de una variable dependiente (Y) (Kerlinger, 1988). Si aplicamos lo que hemos visto para el modelo de regresin lineal simple al caso del modelo de regresin lineal mltiple, vemos que este ltimo adopta la siguiente frmula: Coeficiente de regresin1 cambio estimado en y debido a un aumento en una unidad en la variable X1 cuando X2 permanece constante. Coeficiente de regresin2 cambio estimado en y debido a un aumento en una unidad en la variable X2 , manteniendo constante X1

Y=0 + 1X1 + 2X2 +

Valor de Y cuando las variables X1 y X2 toman el valor de 0. El problema de la regresin consiste en estimar mediante mnimos cuadrados, los valores de los parmetros 0, 1 y 2 debido a que estos son parmetros desconocidos. Por esta misma razn, el modelo de regresin lineal mltiple adopta la siguiente frmula:

y^= b0 + b1X1+ b2X2

el Donde b0 es el estimador del intercepto 0; b1 estimador del coeficiente 1 y b2 es estimador del coeficiente 2. La interpretacin de los valores b1 y b2 vara ligeramente en la regresin lineal mltiple. Estos significan el cambio estimado en Y debido a un aumento de una unidad en Xi manteniendo constante el valor de la otra variable independiente (ej. cambio estimado en y debido a un aumento X1 manteniendo constante X2). Una vez obtenido el modelo se contina con las mismas etapas ya mencionadas: 1) 2) 3) 4) Obtener el modelo lineal. Determinar la capacidad explicativa del modelo de regresin lineal. Evaluar la significacin estadstica del modelo de regresin lineal. Evaluar la significacin estadstica de cada uno de los parmetros del modelo de regresin lineal.

5) Evaluar el cumplimiento de los supuestos de regresin lineal. En cuanto al punto nmero 5 de las etapas, debemos evaluar los siguientes supuestos en la regresin lineal mltiple: - Los errores presentan una idntica distribucin normal: Los errores representados ^ por e= Y- y deben presentar una distribucin idntica a la normal. Para esto se utiliza un histograma. - Los errores son independientes entre s (no estn correlacionados).

Ausencia de colinealidad entre los predictores o variables independientes: La colienealidad, se define como la relacin lineal intensa entre los predictores. Para evaluar si existe una colinealidad grave que pueda sesgar los datos se emplean dos estadsticos relacionados. A) tolerancia y B) Factor de inflacin de la varianza (Vif). A travs de ambos se puede llegar a la misma conclusin, debido a que existe una relacin inversamente proporcional entre ellos expresada en :

Tolerancia = 1/ Vif
Si tolerancia < 0,20 estamos en apuros. Si tolerancia < 0,10 desastre, no se puede utilizar la regresin. SI Vif > 5 estamos en problemas. Si Vif > 10 desastre, no se puede utilizar regresin. La colinealidad impacta sobre los valores . Colinealidad es que un predictor est relacionado con uno de los otros predictores. En cambio, la multicolinealidad se refiere a que un predictor est relacionado con dos o ms predictores. Por ltimo, es importante decir que la correcta estimacin de los parmetros del modelo de regresin lineal, como de los valores p depende del cumplimiento de los supuestos.

Pruebas estadsticas no para mtricas. Las pruebas no para mtricas son todas aquellas que no requieren una distribucin normal de sus datos para que sus valores p asociados, sean validos. Adems, son capaces de realizar anlisis estadsticos a variables de tipo categrico.

Chi cuadrado de Pearson. El estadstico Chi2 es una prueba que se utiliza para comprobar si existen relaciones entre dos variables de tipo categricas, ya sean nominales u ordinales. Algunos ejemplos de preguntas de investigacin que se analizan a travs de Chi2 pueden ser: Existen diferencias en la proporcin de personas depresivas entre mujeres y hombres?Existen diferencias en la proporcin de personas deprimidas entre personas de los niveles socioeconmicos alto, medio o bajo?.

Para evaluar estas hiptesis a travs de Chi2 es necesario organizar los datos en una tabla de contingencias. La tabla de contingencias o tabulacin cruzada, es un cuadro de dos dimensiones, y en cada dimensin hay una variable con sus respectivas categoras. Esta tabla, resulta del cruce de las filas correspondientes a las categoras de la primera variable (Var1), con las columnas correspondientes a las categoras de la segunda variable (Var2). Ej:.
Tabla de contingencia GENERO * NSE NSE bajo GENERO Total masculino Femenino 37 37 74 medio 57 60 117 alto 31 19 50 Total 125 116 241

Cada celda de la tabla de contingencia contiene el valor correspondiente al nmero de casos que presentan las caractersticas de la variable 1, categora i y de la variable 2, categora j (i y j significa que puede ser cualquier categora). Estos valores reciben el nombre de frecuencias observadas y no incluye a los valores totales ubicados en el extremo derecho e inferior. La suma de las frecuencias observadas correspondientes a cada categora son presentadas en los totales y se llaman totales marginales fila o totales marginales columna. Ej.:
Tabla de contingencia GENERO * NSE Recuento NSE bajo GENERO Total masculino Femenino 37 37 74 medio 57 60 117 alto 31 19 50 125 116 241 Total

Totales marginales filas. Total de casos de la muestra.

Totales marginales columnas

Una vez dispuestos los datos en la tabla de contingencias, se procede a analizarlos a objeto de determinar si las variables son independientes o por el contrario estn relacionadas. El que las variables sean independientes es equivalente a la H0 y que estn relacionadas se corresponde con la H1. Cuando la H0 es correcta (las variables son independientes), entonces se tiene que los valores que toman las frecuencias observadas en una tabla de contingencias son iguales al producto de sus respectivos totales marginales filas y columna dividido por el total de la muestra. Estos nmeros calculados as reciben el nombre de frecuencia esperada (Fe):

Fe= Total fila X Total Columna Total de la muestra.

Tabla de contingencia GENERO * NSE Recuento NSE bajo GENERO Total masculino Femenino 37 37 74 medio 57 60 117 alto 31 19 50 Total 125 116 241

Es decir, para calcular la Fe esperada de la casilla donde convergen las categoras socioeconmico bajo y gnero masculino, tengo que multiplicar el total de nivel socioeconmico bajo (74) por el total marginal fila de l categora masculino (125) y dividirlo por 241. Si as lo hiciramos con cada una de las casillas obtendramos otra tabla semejante, pero que representa a las Fe:
Tabla de contingencia GENERO * NSE NSE bajo GENERO Masculino Femenino Total Frecuencia esperada Frecuencia esperada Frecuencia esperada 38,4 35,6 74,0 medio 60,7 56,3 117,0 alto 25,9 24,1 50,0 Total 125,0 116,0 241,0

Si las frecuencias esperadas (Fe) fueran muy distintas a las frecuencias observadas, esto indicara que las variables si se relacionan y, por tanto, H0 es falsa. Pero, Cmo sabemos cundo una diferencia entre las Fe y las Fo es significativa? Justamente, el estadstico Chi2 determina si hay diferencias significativas entre las frecuencias observadas y las frecuencias esperadas segn las tablas de contingencia desarrolladas. De esta forma las hiptesis en este tipo de problemas siempre sern redactadas como: H1: Fo Fe H0: Fo = Fe Donde Fo=frecuencia observada y Fe=frecuencias esperadas. Es decir, se comparan las Fo con las Fe. Adems, la hiptesis es siempre bilateral. Mientras ms diferencias hay entre ambas frecuencias (Fe y Fo) el valor de Chi2 tender a ser mayor que 0. De otra forma, si no existen diferencias entre las frecuencias, entonces Chi2 tender a 0. Una vez que hemos obtenido las Fe y Fo se calcula el valor de Chi2 a travs de la siguiente frmula:

X2=

fo2ij
feij

-n

Esta frmula significa, elevar al cuadrado cada cuadrante de la Fo, dividir cada uno de ellos por sus respectivas Fe, sumarlos todos y finalmente restarle el nmero total de la muestra. Por tanto, no basta con saber que existen diferencias entre las frecuencias (Chi2 0), sino que es necesario saber si estas diferencias son significativas. Para esto es importante revisar el valor p asociado al valor Chi2 y sus respectivos grados de libertad. Si p menor a 0,05, entonces hay diferencias significativas entre las frecuencias, lo cual significa que las variables estn relacionadas (se rechaza H0, se aprueba H1). Si p mayor a 0,05, entonces no hay diferencias significativas entre las frecuencias por lo que las variables son independientes. En esta prueba, los valores p varan dependiendo de los grados de libertad que son calculados en base a la siguiente frmula:

gl= (filas-1) x (columnas 1)

U de Mann whitney. Est prueba se utiliza como una alterativa a la prueba t de Student para muestras independientes. Si se recuerda el uso de la t de Student para muestras independientes, esta se utilizaba cuando se necesita comparar dos promedios de distintas muestras que no estn relacionadas entre s (pareadas) y se desconocen los promedios de ambas poblaciones. De esta forma, utilizaremos U de Mann-Whitney cuando tengamos el mismo objetivo, comparar dos muestras (medias) sin tener el promedio de ninguna de las poblaciones y que no estn relacionadas (son independientes entre s). Es decir, cuando los datos no satisfacen los supuestos requerido por la prueba t de Student. A parte de esto, y lo ms importante, es que se utiliza solo en aquellos casos en que la distribucin de nuestra variable numrica es asimtrica. Debido a esto es que esta prueba est dentro de las consideradas No paramtricas (tambin Chi2), ya que para que sus resultados sean confiables no requiere que la variable analizada tenga una distribucin especfica (normal). Por el contrario, las pruebas parametricas como t de Student y Z requieren que sus variables posean una distribucin normal para que sus valores p sean validos (no tengan distorsiones). En SPSS, esta prueba se pide en analizar, pruebas no parametricas, dos muestras independientes.

49. Interpretar criterios de confiabilidad y validez en investigacin cuantitativa y criterios de rigor en investigacin cualitativa. Se desprende de las competencias 40 y 45 50. Conocer ventajas y desventajas del enfoque cualitativo y cuantitativo. (*) Para la siguiente competencia se ha establecido un cuadro comparativo entre ambos enfoques, donde las ventajas o desventajas puedan determinarse bajo un criterio personal Cuantitativo Cualitativo Aproximacin lgico-positivista: lgica de la Aproximacin fenomenolgicoaproximacin de las causas comprensiva: lgica de la comprensin del sentido Objetivismo: perspectiva externa Subjetivismo: perspectiva interna Medicin controlada: se controlan variables Observacin natural sin control: se extraas observa el fenmeno en su contexto Orientacin verificadora: Orientacin descubridora: exploratoria confirmatoria/refutatoria Descriptiva hipottico/deductiva Inductiva Busca validar hiptesis y teoras Busca generar teora a partir de datos sensibilizadores Intenta analizar Intenta sintetizar Orientado al resultado Orientado al proceso Importancia de la formalidad, exactitud y Importancia del contenido, la variedad y la rigurosidad profundidad Medicin extensa, precisa y normada Observacin profunda, global y de casos excepcionales Muestre probabilstico y aleatorio Muestreo intencional

51. Desarrollar una postura crtica frente a la investigacin cuantitativa y cualitativa en psicologa. Existe una visin encontrada entre los ms acrrimos defensores de las perspectivas cuantitativas y cualitativas, sin embargo esta disyuntiva se fundamenta en estereotipos del enfoque contrario Actitudes sobre la relacin cuali cuanti: Supremaca: Una es mejor que la otra Critica de los cuantitativos a los cualitativos - incapacidad de generalizar y ampliar sus resultados a un grupo mayor de personas - Carencia de requisitos mnimos de validez y fiabilidad metodolgica. Critica de los cualitativos a los cuantitativos - visin positivista ingenua: creer que el conocimiento es reflejo de la realidad y que sus teoras son universalmente vlidas. - generacin de modelos sociales esculidos, esquemticos y lejanos a la realidad. - los modelos estadsticos recientes explican variaciones mnimas de la realidad - cuantofrenia (Sorokin): La obsesin por transformar cualquier experiencia social y humana en trminos numricos es una expresin caricaturizada de la ilusin de creer que la realidad puede ser comprendida y dominada a condicin de poder medirla Sntesis: maximizacin de las fortalezas y minimizacin de las debilidades a partir de la combinacin de ambos mtodos. Bajo esta postura encontramos tres posibilidades: Complementacin - en una misma investigacin se utiliza ambos enfoques, pero por separado, para obtener dos imgenes de diferentes facetas el objeto de estudio - generar un informe con dos partes separadas, y en algunos casos, una sntesis interpretativa Combinacin - se utiliza uno de los mtodos para perfeccionar la implementacin del segundo mtodo. - Permite compensar sus debilidades incrementando la validez de sus resultados Triangulacin - se utilizan ambas perspectivas para el estudio de una nica dimensin de la realidad, enfocando el mismo objeto desde diversos enfoques. - busca el solapamiento de los mtodos para reforzar la validez de los mismos. Contingencia: seleccionar la perspectiva de acuerdo al contexto Dialctica: construir nuevos modos de aprehensin de la realidad social a partir de las diferencias y semejanzas de estos mtodos.

Todo vale: Cualquier enfoque por absurdo que sea - es capaz de generar conocimiento (Feyerabend) (*) De todas las oposiciones que dividen artificialmente a la ciencia social, la ms fundamental y ruidosa es la que existe entre el subjetivismos y el objetivismo. El hecho mismo de que esta divisin renazca casi sin cesar bajo formas renovadas, bastara para atestiguar que los modos de conocimiento que distingue le son igualmente indispensables a una ciencia social que no puede reducirse ni a una fenomenologa social ni a una fsica social (Pierre Bourdieu)

52. Desarrollar una postura tica en investigacin cualitativa y cuantitativa ASPECTOS TICOS A CONSIDERAR a) Respeto por las personas: Confidencialidad Consentimiento informado b) Beneficios para los implicados c) No hacer dao a los sujetos d) Consideraciones culturales Segn las normas APA: 1. Costos de prcticas cuestionables versus beneficios potenciales de la investigacin Los cientistas sociales se encuentran frecuentemente entre dos valores o principios: El derecho de la sociedad y de la ciencia de investigar y conocer El derecho de todo individuo participante a que su dignidad, privacidad y autodeterminacin sean respetadas 2. Practicas cuestionables que involucran a los participantes de la investigacin Involucrar personas en una investigacin sin su conocimiento o consentimiento Obligar a los individuos a participar en un estudio Ocultar al participante la verdadera naturaleza de la investigacin Engaar a los participantes de la investigacin Permitir que los participantes realicen acciones que daen su propio respeto Exponer a los participantes a estrs fsico o emocional Invasin de la privacidad de los participantes Ocultar al grupo control los beneficios de los participantes 3. Responsabilidades para con los participantes despus de terminado el estudio Obligaciones contradas previamente con los participantes Obligaciones posteriores a raz de prcticas cuestionables 4. Aspectos ticos con respecto a la utilizacin del estudio Prever la utilizacin equivoca de los resultados Promover la utilizacin de la investigacin