PROYECTOS DE INVESTIGACIN in

INVESTIGACIN DESCRIPTIVA
En las investigaciones de tipo descriptiva, llamadas tambin investigaciones diagnsticas, buena parte de lo que se escribe y estudia sobre lo social no va mucho ms all de este nivel. Consiste, fundamentalmente, en caracterizar un fenmeno o situacin concreta indicando sus rasgos ms peculiares o diferenciadores. En la ciencia fctica, la descripcin consiste, segn Bunge, en responder a las siguientes cuestiones: Qu es? > Correlato. Cmo es? > Propiedades. Dnde est? > Lugar. De qu est hecho? > Composicin. Cmo estn sus partes, si las tiene, interrelacionadas? > Configuracin. Cunto? > Cantidad. El propsito del investigador es describir situaciones y eventos. Esto es, decir cmo es y se manifiesta determinado fenmeno. Los estudios descriptivos buscan especificar las propiedades importantes de personas, grupos, comunidades o cualquier otro fenmeno que sea sometido a anlisis (Dankhe, 1986). Miden o evalan diversos aspectos, dimensiones o componentes del fenmeno o fenmenos a investigar. Desde el punto de vista cientfico, describir es medir. Esto es, en un estudio descriptivo se selecciona una serie de cuestiones y se mide cada una de ellas independientemente, para as -y valga la redundancia-- describir lo que se investiga. El proceso de la descripcin no es exclusivamente la obtencin y la acumulacin de datos y su tabulacin correspondiente, sino que se relaciona con condiciones y conexiones existentes, prcticas que tienen validez, opiniones de las personas, puntos de vista, actitudes que se mantienen y procesos en marcha. Los estudios descriptivos se centran en medir los explicativos en descubrir. El investigador debe definir que va ha medir y a quienes va a involucrar en esta medicin.

Investigacin Descriptiva -2011

5 ESMH-FACS

PROYECTOS DE INVESTIGACIN in 1. OBJETIVOS DE LA INVESTIGACION DESCRIPTIVA

El objetivo de la investigacin descriptiva consiste en llegar a conocer las situaciones, costumbres y actitudes predominantes a travs de la descripcin exacta de las actividades, objetos, procesos y personas. Su meta no se limita a la recoleccin de datos, sino a la prediccin e identificacin de las relaciones que existen entre dos o ms variables. Los investigadores no son meros tabuladores, sino que recogen los datos sobre la base de una hiptesis o teora, exponen y resumen la informacin de manera cuidadosa y luego analizan minuciosamente los resultados, a fin de extraer generalizaciones significativas que contribuyan al conocimiento.

2. REQUISITOS PARA LA INVESTIGACIN DESCRIPTIVA

Planificar cuidadosamente para encontrar las metas deseadas. Definir claramente las caractersticas que se desea descubrir,recoger y analizar los datos. Hacer comparaciones y derivaciones como proceso de evaluacin y obtencin de conclusiones significativas. Informar los resultados.

El investigador se limita a la observacin de los hechos tal como ocurren con el objeto de describirlos, no busca explicar ni analizar las causas de esos hechos sino presentarlos. De esta manera las investigaciones descriptivas brindan las bases cognoscitivas para otros estudios descriptivos o explicativos pues se generan hiptesis susceptibles de comprobacin. Pueden ser transversales y longitudinales. A) Investigacin descriptiva transversal: describen la situacin en un momento dado y no requieren la observacin de los sujetos estudiados durante un periodo de tiempo. Este tipo de diseo es adecuado para describir el estado del fenmeno estudiado en un momento determinado. Ejemplos de estos estudios son la determinacin de las caractersticas de las personas y viviendas de una comunidad, los valores normales de hemoglobina, colesterol, glicemia, etc. segn edad y sexo entre otros. La principal ventaja de este tipo de estudio es que son prcticos, econmicos, de rpida ejecucin y fcil control. B) Investigacin descriptiva longitudinal: permiten la observacin de las caractersticas estudiadas en el transcurso del tiempo. Se clasifican a su vez en retrospectivas y prospectivas dependiendo del momento en que se recogieron los datos.

Investigacin Descriptiva -2011

Figura 1: Investigacin descriptiva longitudinal

5 ESMH-FACS

PROYECTOS DE INVESTIGACIN in 3. ETAPAS DE LA INVESTIGACIN DESCRIPTIVA

Examinan las caractersticas del problema escogido. Lo definen y formulan sus hiptesis. Enuncian los supuestos en que se basan las hiptesis y los procesos adoptados. Eligen los temas y las fuentes apropiados. Seleccionan o elaboran tcnicas para la recoleccin de datos. Establecen, a fin de clasificar los datos, categoras precisas, que se adecuen al propsito del estudio y permitan poner de manifiesto las semejanzas, diferencias y relaciones significativas. Verifican la validez de las tcnicas empleadas para la recoleccin de datos. Realizan observaciones objetivas y exactas. Describen, analizan e interpretan los datos obtenidos, en trminos claros y precisos.

6. RECOLECCIN DE DATOS DE LA INVESTIGACIN DESCRIPTIVA

En el informe de la investigacin se sealan los datos obtenidos y la naturaleza exacta de la poblacin de donde fueron extrados. La poblacin a veces llamada universo o agregado constituye siempre una totalidad. Las unidades que la integran pueden ser individuos, hechos o elementos de otra ndole. Una vez identificada la poblacin con la que se trabajar, entonces se decide si se recogern datos de la poblacin total o de una muestra representativa de ella. El mtodo elegido depender de la naturaleza del problema y de la finalidad para la que se desee utilizar los datos.

7. POBLACIN Y MUESTRA
Una vez definido el problema a investigar, formulados los objetivos y delimitadas las variables se hace necesario determinar los elementos o individuos con quienes se va a llevar a cabo el estudio o investigacin. Esta consideracin nos conduce a delimitar el mbito de la investigacin definiendo una poblacin y seleccionando la muestra. Cualquier caracterstica medible de la poblacin se denomina parmetro, los valores de los parmetros calculados sobre muestras se conocen como estadsticos o estadgrafos, 2 , r..., media, varianza, coeficiente de correlacin) y describen a las citadas muestras.

7.1 POBLACION Y UNIVERSO Investigacin Descriptiva -2011

El diccionario de la RAE (2001) define la poblacin, en su acepcin sociolgica, como Conjunto de los individuos o cosas sometido a una evaluacin estadstica mediante muestreo. En cualquier investigacin, el primer problema que aparece, relacionado con este punto, es la frecuente imposibilidad de recoger datos de todos los sujetos o elementos que interesen a la misma. Los manuales clsicos de epistemologa suelen definir la poblacin como el conjunto de todas las medidas o personas de un cierto tipo, y la hacen sinnima del concepto ms antiguo de universo (Jimnez Fernndez, 1983; Sierra Bravo, 1988; Gil Pascual, 2004). Otros autores distinguen entre universo y poblacin (Fox, 1981; Marn Ibez, 1985; Buenda, Cols y Hernndez, 1998; Latorre, Rincn y Arnal, 2003). Estos autores consideran que el investigador casi nunca, o nunca, tiene acceso a todas las posibles medidas, elementos o personas y, por tanto, utilizan el trmino universo para designar esa entidad que lo incluye todo, reservando el concepto de poblacin a la parte del universo de la que se selecciona la muestra y sobre la que deseamos hacer inferencia o aplicacin de las generalizaciones que obtengamos de la investigacin. Hoy se prefiere hablar de unidad de observacin o elemento para referirse al objeto sobre el cual se realiza una medicin. En los estudios con poblaciones humanas, con frecuencia ocurre que la unidad de observacin son los individuos.

5 ESMH-FACS

PROYECTOS DE INVESTIGACIN in 7.2 MUESTREO

Habitualmente, el investigador no trabaja con todos los elementos de la poblacin que estudia sino slo con una parte o fraccin de ella; a veces, porque es muy grande y no es fcil abarcarla en su totalidad. Por ello, se elige una muestra representativa y los datos obtenidos en ella se utilizan para realizar pronsticos en poblaciones futuras de las mismas caractersticas. Salvo en el caso de poblaciones pequeas, pocas veces en una investigacin se cuenta con el tiempo, los recursos y los medios para estudiar una poblacin completa. A veces ni siquiera podemos delimitar exactamente una poblacin, otras veces la poblacin total an no existe como sucede en los estudios sobre prediccin. Estos motivos de tiempo, coste, accesibilidad a los individuos y complejidad de las operaciones de recogida, clasificacin y anlisis de los datos hacen que la gran mayora de los proyectos de investigacin no estudien ms que una parte representativa de la poblacin, denominada muestra. Esto se puede hacer as porque, si se selecciona correctamente la muestra, sta puede aportarnos informacin representativa y exacta de toda la poblacin. Se conoce con el nombre de muestreo al proceso de extraccin de una muestra a partir de la poblacin. El proceso esencial del muestreo consiste en identificar la poblacin que estar representada en el estudio. Entre las ventajas que proporciona el muestreo (Latorre, Rincn y Arnal, 2003) suele sealarse: el ahorro de tiempo en la realizacin de la investigacin, la reduccin de costos y la posibilidad de mayor profundidad y exactitud en los resultados. Los inconvenientes ms comunes suelen ser: dificultad de utilizacin de la tcnica de muestreo, una muestra mal seleccionada o sesgada distorsiona los resultados, las limitaciones propias del tipo de muestreo y tener que extraer una muestra de poblaciones que poseen pocos individuos con la caracterstica que hay que estudiar.

7.3 MUESTRA
El Diccionario de la Lengua Espaola (RAE, 2001) define la muestra, en su segunda acepcin, como parte o porcin extrada de un conjunto por mtodos que permiten considerarla como representativa de l. En el terreno epistemolgico, Jimnez Fernndez (1983) destaca la condicin de representatividad que ha de tener la muestra:... es una parte o subconjunto de una poblacin normalmente seleccionada de tal modo que ponga de manifiesto las propiedades de la poblacin. Su caracterstica ms importante es la representatividad, es decir, que sea una parte tpica de la poblacin en la o las caractersticas que son relevantes para la investigacin. (Jimnez Fernndez, 1983: 237)

Investigacin Descriptiva -2011

Las muestras tienen un fundamento matemtico estadstico. ste consiste en que obtenidos unos determinados resultados, de una muestra elegida correctamente y en proporcin adecuada, se puede hacer la inferencia o generalizacin fundada matemticamente de que dichos resultados son vlidos para la poblacin de la que se ha extrado la muestra, dentro de unos lmites de error y probabilidad, que se pueden determinar estadsticamente en cada caso. Las muestras presentan evidentes ventajas, respecto del estudio de poblaciones. Con una muestra relativamente reducida en relacin a la poblacin, se pueden encuestar grandes poblaciones y ncleos humanos, que de otra manera sera muy difcil o prcticamente imposible investigar. Suponen una gran economa en las encuestas y la posibilidad de mayor rapidez en su ejecucin. A veces, ... una muestra puede ofrecer resultados ms precisos que una encuesta total, aunque est afectada del error que resulta de limitar el todo a una parte. (Sierra Bravo, 1988: 175) La seleccin correcta de la muestra implica crear una que represente a la poblacin con la mayor fidelidad posible. Esto conlleva utilizar unas tcnicas especficas de seleccin de la muestra, as como la necesidad de determinar su tamao ptimo.

5 ESMH-FACS

PROYECTOS DE INVESTIGACIN in
En este proceso de seleccin hemos de distinguir entre elemento muestral, unidad de muestreo y marco de muestreo. El elemento o individuo (muestral) es un objeto en el cual se toman las mediciones, la unidad ms pequea en que podemos descomponer la muestra. La unidad de muestreo hace referencia a la unidad donde realizamos la muestra, est constituida por grupos excluyentes de elementos de la poblacin que completan la misma. Por ejemplo, podramos desear estudiar a un grupo de personas (una ciudad, una barriada, un grupo de estudiantes de un determinado nivel educativo, los trabajadores de un sector de produccin, etc.), pero no tenemos una lista de todos los individuos que pertenecen a la poblacin. En su lugar las familias, los centros educativos, las empresas... podran servir como unidades de muestreo. Las unidades de observacin o elementos muestrales seran los individuos que viven en una familia o que trabajan en una determinada empresa... La lista de las unidades de muestreo (familias, centros educativos, empresas...) constituyen el marco de muestreo.

7.4 ETAPAS DEL PROCESO DE MUESTREO

Fox (1981: 367-369) seala cinco etapas en el proceso de muestreo: 1. Definicin o seleccin del universo o especificacin de los posibles sujetos o elementos de un determinado tipo. 2. Determinacin de la poblacin o parte de ella a la que el investigador tiene acceso; 3. Seleccin de la muestra invitada o conjunto de elementos de la poblacin a los que se pide que participen en la investigacin; 4. Muestra aceptante o parte de la muestra invitada que acepta participar. 5. Muestra productora de datos; la parte que acept y que realmente produce datos.

7.5 CONDICIONES PARA CUMPLIR LA MUESTRA

1.Que comprendan parte del universo y no la totalidad de ste. 2.Que su amplitud sea estadsticamente proporcionada a la magnitud del universo. Esta condicin se halla en relacin con el punto prctico de determinacin del tamao de la muestra y sirve para decidir si, segn las unidades que comprende respecto al universo, una muestra es o no admisible. 3.La ausencia de distorsin en la eleccin de los elementos de la muestra. Si esta eleccin presenta alguna anomala, la muestra resultar por este mismo hecho viciada.

Investigacin Descriptiva -2011

4.Que sea representativa o reflejo fiel del universo, de tal modo que reproduzca sus caractersticas bsicas en orden a la investigacin. Esto quiere decir que si hay sectores diferenciados en la poblacin que se supone ofrecen caractersticas especiales, a efectos de los objetivos de la investigacin, la muestra tambin deber comprenderlos y precisamente en la misma proporcin, es decir, deber estar estratificada como el universo. (Sierra Bravo, 1988: 175) Para cumplir estas condiciones es necesario aplicar unas determinadas tcnicas de seleccin de la muestra que garanticen su representatividad, determinar el tamao ptimo de la muestra y tener en cuenta el error muestral. En los apartados siguientes desarrollaremos estos aspectos.

8. TIPOS O TCNICAS DE MUESTREO.

Aunque no existe una nica forma de clasificar las tcnicas de muestreo, es frecuente clasificarlas en probabilsticas y no probabilsticas.

5 ESMH-FACS

PROYECTOS DE INVESTIGACIN in 8.1 MUESTREO PROBABILISTICO

Conocido tambin como muestreo de seleccin aleatoria, utiliza el azar como instrumento de seleccin, pudindose calcular de antemano la probabilidad de que cada elemento sea incluido en la muestra. Para Marn Ibaez (1985) este tipo de muestreo es el que alcanza mayor rigor cientfico, y se caracteriza porque se cumple el principio de la equiprobabilidad, segn el cual todos los elementos de la poblacin tienen la misma probabilidad de salir elegidos en una muestra. El muestreo por azar o probabilstico presenta varias modalidades:

8.1.1 MUESTREO ALEATORIO SIMPLE.

Es la modalidad de muestreo ms conocida y que alcanza mayor rigor cientfico. Garantiza la equiprobabilidad de eleccin de cualquier elemento y la independencia de seleccin de cualquier otro. En este procedimiento se extraen al azar un nmero determinado de elementos, n, del conjunto mayor N o poblacin, procediendo segn la siguiente secuencia: a) definir la poblacin, confeccionar una lista de todos los elementos, asignndoles nmeros consecutivos desde 1 hasta n; b) la unidad de base de la muestra debe ser la misma; c) definir el tamao de la muestra, y d) extraer al azar los elementos. La muestra quedar formada por los n elementos obtenidos mediante sorteo de la poblacin. Los procedimientos ms comunes de extraccin de los elementos en este tipo de muestreo son: las tablas de nmeros aleatorios, incluidas en los manuales de estadstica; los clsicos sistemas de lotera y otros procedimientos de extraccin al azar, incluidos las aplicaciones informticas. Algunos autores exigen que todos los elementos tengan la misma probabilidad de ser seleccionados. En la prctica real puede haber diversos grados de probabilidad, lo importante es que la conozcamos. De hecho si de un listado de papeletas con cien personas seleccionamos uno, ste tiene 1/100 de posibilidad de ser elegido, el segundo 1/99, y as sucesivamente... Para que esto no hubiera ocurrido tendramos que haber empleado el procedimiento que se conoce de obtencin de la muestra con reemplazo, es decir volviendo a colocar los que salen, para que se mantuviera la proporcin del 1/100. Este ltimo caso puede tener inters en determinadas circunstancias, pero no en el caso de consultar, por ejemplo, varias veces a un mismo alumno. Lo importante, para Marn Ibez (1985) es que conozcamos el grado de probabilidad y, en lo posible, procurar que sea la misma.

Investigacin Descriptiva -2011

La sencillez del procedimiento se complica cuando la poblacin es muy grande y las ayudas mecanizadas no siempre se pueden o se deben utilizar. Pensemos la dificultad que tendra, por este procedimiento, obtener una muestra de la poblacin de Madrid.

8.1.2 MUESTREO ALEATORIO SISTEMTICO.

El empleo de muestras sistemticas consiste en una variante del anterior tipo de muestreo. Primero se calcula I (frecuencia de los casos) mediante la frmula I= N/n. Despus se elige un nmero menor o igual que I, es decir, que cumpla la os nmeros en la tabla de nmero aleatorios, que sern: a, a+I, a+2I, a +3I, etc. Si tenemos la poblacin a estudiar, previamente inscrita en unas listas numeradas, obtenida la frecuencia de los casos iremos eligiendo saltando los nmeros que indique la frecuencia. Si queremos obtener una muestra de 20 sobre una poblacin de 100 (I = 100/20 = 5), podramos partir el muestreo del n 5, el 10, el 15; o el 3, 8, 13... El primer elemento (a) suele elegirse al azar usando las tablas de probabilidad y, a continuacin, se le suma la frecuencia. Si el azar hizo que se

5 ESMH-FACS

PROYECTOS DE INVESTIGACIN in
partiera de un elemento de la lista mayor que I, al llegar a N, se vuelve al principio de la lista hasta completar n casos. Cuando se trata de poblaciones numerosas, por ejemplo la gua telefnica o los censos electorales, se seleccionan el primer y/o el ltimo nombre de cada pgina o columna. Aunque es un procedimiento ms rudimentario, por razn de economa y tiempo suele utilizarse. La eleccin sistemtica partiendo de listas es vlida si el orden no ha sido establecido teniendo en cuenta la caracterstica que estudiamos. No pueden servir, por ejemplo, listas en orden de calificaciones acadmicas si sta es una de las variables de investigacin. Un peligro de este mtodo es el que se den periodicidades en la poblacin que anulen la representatividad de la muestra. Supongamos que I = 10 y trabajamos con empleados de una empresa agrupados en Departamentos en los que el personal est listado segn categoras profesionales, por este orden: 1 directivo, 14 profesionales especializados, 5 administrativos. Al elegir la muestra por este mtodo, sta quedar sesgada porque elegir siempre, por ejemplo, un directivo por cada departamento o bien porque no lo elegir nunca. Este procedimiento es ms rpido que el anterior, sobre todo si la poblacin es numerosa y est previamente ordenada. Es muy utilizado en los sondeos de opinin y de puerta a puerta. A los entrevistadores se les indica que paren a cada I personas o llamen a cada I puertas.

8.1.3 MUESTREO ESTRATIFICADO.

Este muestreo se utiliza cuando la poblacin est constituida en estratos o conjuntos de la poblacin homogneos con respecto a la caracterstica que se estudia. Dentro de cada estrato se puede aplicar el muestreo aleatorio o sistemtico. Consiste en subdividir la poblacin en subgrupos o estratos con arreglo a la/s caracterstica/s que se consideren y en elegir la muestra de modo que estn representados los diferentes estratos. Para la obtencin de la muestra estratificada se siguen los siguientes pasos: a) se divide la poblacin en estratos; b) de cada estrato se extrae una muestra por algn procedimiento de muestreo; c) el nmero de individuos de cada estrato se puede decidir por paridad o proporcionalidad; y d) la suma de las muestras de cada estrato forman la muestra total n. (Latorre, Rincn y Arnal, 2003) Dentro del muestreo estratificado suele distinguirse: Muestreo estratificado constante: En este caso tambin conocido como afijacin, simple la muestra se obtiene seleccionando un nmero igual de individuos de cada estrato en que se ha dividido la poblacin, con independencia del tamao y variabilidad de los mismos dentro de la poblacin. M. Estratificado proporcional: En este caso se selecciona de cada estrato un nmero de elementos proporcional a su tamao en el conjunto de la poblacin (afijacin proporcional). Jimnez Fernndez (1983) considera que un criterio ms til para fijar la proporcin de la muestra es atender a la variabilidad de los estratos en la caracterstica que interesa (afijacin ptima). Si sus varianzas son aproximadamente homogneas, el muestreo estratificado proporcional es el aconsejado; si por el contrario difieren mucho entre s, debe tomarse un porcentaje mayor de elementos de los estratos que mayor varianza experimentan. Por ejemplo, para estudiar las actitudes hacia la poltica de los universitarios espaoles podemos dividir el total de alumnos en estratos para asegurarnos que

Investigacin Descriptiva -2011

5 ESMH-FACS

PROYECTOS DE INVESTIGACIN in
estarn representadas las caractersticas que nos interesan. Posibles estratos podran ser facultades, titulacin cursada, curso, etc. Suponiendo que se estratifica la poblacin por titulaciones, si del total de alumnos matriculados en las facultades espaolas seleccionamos a cincuenta de cada titulacin, el muestreo ha sido estratificado constante. Para esa muestra seleccionamos el mismo nmero, pero de forma proporcional al nmero de alumnos matriculados en cada titulacin, estamos ante una muestra estratificada proporcional.

8.1.4 MUESTREO POR CONGLOMERADOS (CLUSTERS) O GRUPOS.

El muestreo individual resulta muchas veces inaplicable y hay que recurrir no a los elementos, sino a seleccionar por el sistema del azar determinados colectivos. Podramos hacer una encuesta, por ejemplo, mediante el sistema de muestreo aleatorio simple, a todos los alumnos de Bachillerato de una determinada ciudad. Las complicaciones y dificultades seran mucho menores estableciendo una muestra al azar que tomara como unidades base del muestreo las aulas. La muestra de grupos o racimos tambin se denomina conglomerados o clusters, en terminologa sajona. Este tipo de muestreo se utiliza cuando los individuos de la poblacin constituyen grupos naturales o conglomerados (distrito, centros escolares, aulas, empresas, etc.) En el muestreo por grupos el proceso sigue estos pasos: la poblacin se divide previamente en grupos o conglomerados que contienen diversos elementos y, a continuacin, se seleccionan aleatoriamente el nmero de conglomerados y se trabaja con el total de elementos pertenecientes a los conglomerados elegidos. La unidad muestral es el conglomerado (cluster) o grupo y el proceso de seleccin aleatoria se aplica a la seleccin de stos y no a los elementos menores que componen el conglomerado. Una ventaja de esta tcnica de muestreo radica en que no es ni tener un listado de todos los elementos de la poblacin aleatoriamente, sino que despus de seleccionados los procede a elaborar dicho listado slo para los elementos conglomerados elegidos. necesario identificar para seleccionarlos conglomerados, se que componen los

8.1.5 MUESTREO POR ETAPAS O POLIETPICO.

Relacionado con el tipo anterior. Se procede dividiendo la poblacin en varios conglomerados y se selecciona un nmero de ellos, que constituyen las unidades muestrales primarias. En una segunda etapa se obtiene una submuestra a partir de las anteriores, que constituyen las unidades muestrales secundarias, y as sucesivamente. Se submuestrean las unidades anteriores hasta llegar a la muestra final. El proceso sigue una secuencia de etapas de seleccin de unidades muestrales de mayor rango a otras de menor, hasta llegar a los individuos o elementos que constituyen la muestra: Comunidad Autnoma, distrito escolar, centros, aulas, alumnos. Este tipo de muestreo slo necesita conocer los individuos que integran los conglomerados de la ltima etapa. En cada etapa puede aplicarse un muestreo aleatorio.

Investigacin Descriptiva -2011

8.2 MUESTREO NO PROBABILSTICO.

En estas tcnicas no se utiliza el muestreo al azar sino que la muestra se obtiene atendiendo al criterio o criterios del investigador o bien por razones de economa, comodidad, etc. Consecuentemente, estas tcnicas no utilizan el criterio de equiprobabilidad, sino que siguen otros criterios, procurando que la muestra obtenida sea lo ms representativa posible. Estas muestras, al no utilizar el muestreo al azar, no tienen la garanta de las muestras probabilsticas, pero en la prctica son a menudo necesarias e inevitables, en opinin de Kerlinger (1975).

5 ESMH-FACS

PROYECTOS DE INVESTIGACIN in
Dentro de este tipo de muestreo se suele distinguir entre muestreo accidental, intencional o deliberado y por cuotas.

8.2.1 MUESTREO ACCIDENTAL O CASUAL.

Este tipo de muestreo se caracteriza por utilizar las muestras que tiene a su alcance. Se denominan accidentales porque no responden a una planificacin previa en cuanto a los sujetos a elegir. De hecho, toma las muestras disponibles sin introducir seleccin o modificacin alguna. Por ejemplo, empresas, centros completos, cursos o grupos dentro de un nivel, etc. El criterio de seleccin de los individuos depende de la posibilidad de acceder a ellos. Es frecuente utilizar sujetos que las condiciones nos permiten (muestras que proporcionan los amigos). Por ejemplo, entrevistar a la salida del metro, o a las personas que pasan por una calle. sabe que el escrutinio de apenas ocho decenas de mesas electorales, ya determinadas, tienen un valor extrapolable al resultado global de las citadas elecciones. Este tipo de muestras han sido ampliamente divulgado por los medios de comunicacin: En la pelcula Magic Town, el investigador de opinin pblica interpretado por James Stwart, descubri un pueblo que tena exactamente las mismas caractersticas que todo Estados Unidos. Grandview posea exactamente la misma proporcin de personas que votaban por los republicanos, la misma proporcin de personas bajo la lnea de la pobreza, igual proporcin de mecnicos automotrices, etctera, que Estados Unidos visto como un todo. El personaje de Stewart slo tena que entrevistar a las personas de Grandview para saber cul era la opinin pblica en la Unin Americana. (Lohr, 1999: 2-3)

8.2.2 MUESTREO POR CUOTAS.

El sistema de cuotas consiste en fijar unas cuotas. Cada cuota consiste en un nmero de elementos que renen unas determinadas condiciones. La seleccin de las cuotas suele hacerse mediante rutas o itinerarios. En este procedimiento se parte de una muestra estratificada cuyas proporciones debe conservar el investigador, pero cada uno de los casos queda a su arbitrio elegirlos. Supongamos que queremos averiguar el nivel cultural de unos determinados profesionales de un rea geogrfica o de un sector productivo. Como el sexo, la edad y el lugar de residencia, parecen factores condicionantes, deberemos establecer que haya un 50% de varones y de mujeres, un tanto por ciento aproximado por grupos de edad correspondientes a la poblacin real y as mismo procuraremos que haya el mismo tanto por ciento en la muestra que en la realidad de quienes viven en poblaciones de menos de 2.000 habitantes,de 2.001 a 5.000 habitantes, etc. El investigador ha fijado n para la muestra y elige libremente los individuos hasta alcanzar esa cifra. El riesgo radica en que seleccione a personas a quienes resulta ms fcil, por razones de localizacin. De hecho, cuando se trabaja con entrevistas, hay una resistencia a consultar a poblacin dispersa en caseros distantes o a la que est en pisos elevados sin ascensor. Por ltimo, Marn (1985) seala un riesgo muy generalizado, comn al muestreo probabilstico y no probabilstico, y es el del rechazo a participar en la investigacin. En este caso no hay ms remedio que sustituir la poblacin que no desea colaborar o a la que no tenemos acceso por otra de condiciones similares, pero hay que tener mucho cuidado para evitar el sesgo de la muestra, porque puede ocurrir que precisamente la poblacin no participante tenga alguna caracterstica por la que no

Investigacin Descriptiva -2011

5 ESMH-FACS

PROYECTOS DE INVESTIGACIN in
desee contestar, con lo cual queda excluida de la muestra y comprensiblemente mantendr su rechazo en los nuevos casos que los sustituyan.

10

8.3 REPRESENTATIVIDAD DE LA MUESTRA.

Uno de los problemas fundamentales que se le plantea al investigador en relacin con el muestreo consiste en saber si el grupo elegido es verdaderamente representativo del conjunto; para que lo sea, los rasgos de los elementos o individuos elegidos para la muestra deben ser similares a los de toda la poblacin (Marn Ibez, 1985). La representatividad es la caracterstica ms importante de una muestra. El muestreo adquiere todo su sentido en cuanto que garantiza que las caractersticas que se quieren observar en la poblacin quedan reflejadas adecuadamente en la muestra. Generalizar a la poblacin a partir de la muestra slo est justificado si sta representa realmente a la poblacin. Preservar la representatividad es el atributo ms importante que debe reunir el muestreo, lo que nos permitir generalizar a la poblacin los resultados obtenidos en la muestra. (Latorre, Rincn y Arnal, 2003: 82) Fox (1981) seala que para lograr la representatividad se requiere: 1. Conocer qu caractersticas (variables) estn relacionadas con el problema que se estudia; 2. Capacidad para medir esas variables, y 3. Poseer datos de la poblacin sobre estas caractersticas o variables para usarlos como variable de comparacin. El mismo autor seala que si no se cumple alguna de estas condiciones, para algunas de las caractersticas, se pierde la capacidad de buscar deliberadamente la representatividad en cuanto a ella. La seleccin aleatoria de la muestra garantiza la ausencia de sesgo en el proceso de seleccin de la misma, ayuda a garantizar su representatividad, pero esta circunstancia no es garanta total para que estemos seguros de que la muestra al azar es representativa de la poblacin de la que se ha extrado (Kerlinger, 1985). Se espera que sea representativa de las caractersticas relevantes de la poblacin, pero pudiera no serlo. Lo normal es que lo sea, ya que lo tpico, lo representativo de la poblacin, es lo que aparece con ms frecuencia, pero no hay seguridad total. El muestreo estratificado proporcional asegura, en cambio, la representatividad en cuanto a una o dos caractersticas (Jimnez Fernndez, 1983).

Investigacin Descriptiva -2011

Para Fox (1981) otra forma de analizar el problema de la representatividad de la muestra consiste en distinguir entre la muestra invitada, la muestra aceptante y la muestra productora de datos. La primera corresponde al conjunto de individuos invitados del conjunto de la poblacin, la segunda hace referencia al grupo de individuos que aceptan participar y la muestra productora de datos coincide con la muestra real del estudio. Si se poseen datos sobre la poblacin se pueden comparar con ellos la muestra invitada y/o la aceptante y, mediante algn contraste de significacin adecuado (por ejemplo chi-cuadrado), determinar si difieren de ella en las caractersticas que interesa en una investigacin dada. Si el contraste indica que no hay diferencias significativas en las variables consideradas, se puede admitir la representatividad de la muestra para las caractersticas en cuestin, pero nada se puede afirmar sobre la representatividad de la muestra respecto de cualquier otra variable Si, por el contrario, no se ha logrado representatividad en una o varias variables, el investigador tiene dos opciones: a) trabajar con la muestra no representativa y contar con ese lmite; b) seleccionar ms elementos de la poblacin, con la

5 ESMH-FACS

PROYECTOS DE INVESTIGACIN in
esperanza de que una muestra mayor s sea representativa, aunque el estudio tenga una muestra mayor de buscada inicialmente. Para realizar el contraste de representatividad de las muestras respecto de la poblacin, hemos supuesto que se tienen datos sobre ella. Si no se tuvieran datos de la poblacin, no se puede realizar el contraste de la muestra invitada y/o aceptante con respecto a la poblacin. Entonces se recurre a contrastar la muestra aceptante con la invitada. Sobre la muestra productora de datos siempre posee valores el investigador, ya que su referente comparativo es la muestra aceptante. Un informe sobre los elementos que se negaron a participar, de los que aceptaron participar pero luego no pudieron y de los que aceptando, en un primer momento, se negaron a hacerlo al conocer ms profundamente la investigacin; orientar al investigador y al destinatario de la investigacin sobre la posibilidades de sesgo en esta etapa del muestreo. Una prueba de significacin adecuada entre estas dos muestras (aceptante y final) servira para ver si difieren significativamente en algunas de las variables bsicas o si, por el contrario, la muestra productora de datos sigue siendo representativa de la muestra aceptante, lo que demuestra que esa/s caracterstica/s no han sido consideradas para no participar. Por ltimo, es necesario preguntarse qu prdida puede tolerarse desde la seleccin de la muestra inicial hasta llegar a la que proporciona los datos. Al mismo tiempo, hay que tener en cuenta que se tiene constancia probada de que las personas que no responden tienen opiniones o patrones de conducta distintos de las que responden; y que el porcentaje de la prdida tambin depende, para su representatividad, de cmo se distribuyan las respuestas en la diferentes categoras de la variable. No es igual un 48% de s y un 52% de no ante determinada pregunta que un 16% y un 84% (Jimnez Fernndez, 1983: 249). En cualquier caso, no existe una nica respuesta cuantitativa. Se suele considerar que una prdida del 25% debe preocupar, an cuando no existan diferencias estadsticamente significativas; cuando sea inferior al 50% se debe leer y escribir con cuidado; y cuando la proporcin es menor del 40% no se deberan dar a conocer los datos, ni considerarlos como conclusiones vlidas. Son tiles como estudios pilotos, pero no se pueden aceptar sin hacer un estudio posterior ms exhaustivo (Latorre, Rincn y Arnal, 2003: 83).

11

8.4 TAMAO DE LA MUESTRA.

El tamao de la muestra, un tema que siempre preocupa, no tiene fcil solucin y va estrechamente unido a la representatividad. En principio hay que rechazar la idea, demasiado extendida, de que la muestra debe ser proporcional a la poblacin. De hecho, a medida que aumenta sta, con una menor proporcin podemos alcanzar la representatividad. No obstante, en igualdad de otras condiciones, los estadsticos calculados con muestras grandes son ms precisos que los calculados con muestras pequeas, pero una muestra representativa de 50 elementos es preferible a otra no representativa de 100 (Jimnez Fernndez, 1983). No existe un tamao ideal de la muestra. A efectos descriptivos, se considera una muestra grande cuando n > 30. Una muestra debe ser lo suficientemente grande como para ser representativa, pero el nmero de elementos necesarios para lograr la representatividad vara de una investigacin a otra. Cuanto ms homognea es una poblacin en la/s caracterstica/s objeto de estudio, ms fcil resulta obtener muestras representativas sin necesidad de que sean grandes. Es decir, el tamao de la muestra est en relacin directa con la desviacin tpica de las puntuaciones en la/s caractersticas de la variable a investigar. El tamao de la muestra viene condicionado por el tanto por ciento de la caracterstica que estamos estudiando. Cuando no se conoce es conveniente hacer algn pequeo estudio inicial con una muestra mucho menor para tener alguna idea de ese porcentaje. Por ejemplo, alumnos que se matriculan en los programas de formacin y despus no asisten o abandonan. Cuando tenemos una proporcin de la caracterstica

Investigacin Descriptiva -2011

5 ESMH-FACS

PROYECTOS DE INVESTIGACIN in
del 50% estamos ante lo que se designa como el caso ms desfavorable porque exige la muestra mayor. Si no conocemos la proporcin se asigna el 50% como la opcin ms segura en los clculos de la muestra. El tipo de datos que se desea recoger y el medio que para ello se va a emplear son condicionantes que influyen en la menor o mayor reduccin de la muestra seleccionada (Jimnez Fernndez, 1983). No es igual seleccionar, por ejemplo, aulas ya organizadas y recoger la informacin en das y horas lectivos que hacerlo a travs de un cuestionario enviado por correo. El tamao de la muestra tambin depende del tipo de muestreo que se ha llevado a cabo. Por ejemplo, en las muestras estratificadas, el error es menor que en las no estratificadas, y tambin lo es el tamao de la muestra necesario. (Sierra Bravo, 1988: 226) El tamao de la muestra puede dilucidarse en parte preguntndose por la cuanta del error que es probable cometer al calcular diversos estadsticos partiendo de muestras de diferente tamao. Se considera clsica la curva de error de Kerlinger (1975) en la que el error aumenta a medida que disminuye el tamao de la muestra y a la inversa, entendiendo por error la desviacin con respecto a los parmetros de la poblacin. Consecuentemente este autor recomienda usar muestras grandes, no porque sean buenas en s mismas sino para dar al principio de distribucin al azar una probabilidad de actuar. As, por ejemplo, seleccionada al azar una muestra de personas es ms fcil, a medida que aumenta el nmero de personas de la muestra, que el porcentaje de mujeres y de hombres se equilibre. El nivel de confianza que queremos que nuestros resultados alcancen tambin influye en el tamao que debemos darle a la muestra. Entre +2 y -2 sigmas de la distribucin normal de Gauss, a partir de la media, est incluido el 95.5% de la poblacin, esto quiere decir que tenemos la probabilidad de que 955/1000 coincidan con los de la poblacin total. Si queremos alcanzar una mayor certidumbre hemos de abarcar entre +3 y -3 sigmas en cuyo caso el riesgo de que exista diferencia entre los estadsticos de la muestra y los parmetros de la poblacin sean distintos ser de 997/1000, pero naturalmente tendremos que elevar el nmero de elementos de la muestra. Para determinar el volumen de la muestra, de acuerdo con el nivel de confianza, existen tablas. Bugeda (1974) recoge las tablas que permiten determinar el volumen de la muestra y el nivel de estimacin para los niveles de confianza del 99.7% y del 95%. Otro dato determinante del tamao de la muestra es el error de estimacin. Es lgico pensar que no haya una coincidencia total entre los datos de la poblacin y los de la muestra. Hemos de indicar el mximo error tolerable, que suele establecerse en el 5%. Pero si queremos rebajar ese error tendremos que aumentar el volumen de la muestra. Concluimos que determinar el tamao de la muestra es un tema complejo. Por tanto, el investigador habr de tener en cuenta: la amplitud del universo (infinito o no), representatividad, las variables (tipo de datos, valores de la misma, homogeneidad/variabilidad de los datos), el tipo de muestreo, el proceso y medios de recogida de datos, los anlisis estadsticos que se planifiquen, el error muestral, el error de estimacin y el nivel de confianza con el que deseemos trabajar entre otras consideraciones. Con esta base se tendrn los referentes necesarios para determinar el tamao de la muestra. Para seleccionar el tamao de la muestra se suelen utilizar tcnicas de tres tipos. Ya hemos hablado del uso de tablas, pero tambin se pueden determinar mediante otros procedimientos: las curvas de error del tipo de las definidas por Kerlinger (1975: 132) o mediante clculos estadsticos. A continuacin desarrollamos este ltimo procedimiento.

12

Investigacin Descriptiva -2011

5 ESMH-FACS

PROYECTOS DE INVESTIGACIN in 8.5 DETERMINACION ESTADISTICA DE LA MUESTRA

Conociendo el nivel de confianza que queremos que alcancen los datos se puede aplicar una ecuacin matemtica para estimar el tamao de la muestra. Segn se trate de poblaciones infinitas o finitas, la determinacin variara segn las siguientes ecuaciones:

13

8.5.1 DETERMINACION DEL TAMAO DE LA MUESTRA PARA POBLACIONES INFINITAS

En este caso se pueden presentar dos situaciones: Que conozcamos la proporcin de elementos que posee la caracterstica a travs de estudios previos. En este caso se aplica la formula siguiente:

n=
n=Tamao de la muestra; Z=1.96 para el 95% de confianza, 2.56 para el 99%; p= frecuencia del factor a estudiar; q= 1-p;B= Precisin o error admitido. El valor n obtenido por esta frmula indica el tamao de la muestra, para una poblacin infinita, a efectos prcticos se considera una poblacin infinita cuando la muestra supone menos del 5% de la poblacin. Cuando la poblacin es pequea, la muestra obtenida por esta ltima frmula es demasiado grande, en estos casos se debe aplicar la siguiente frmula correctora.

N=Tamao de la poblacin; n=tamao de la muestra necesario; n=tamao de la muestra segn la frmula primera.

Investigacin Descriptiva -2011

Si desconocemos la proporcin de individuos que poseen la caracterstica, se toma p= 50%; 50%.

q=

8.5.2

DETERMINACIONES

DE

MUESTRAS

PARA

POBLACIONES

FINITAS

n=

N=Tamao de la muestra; Z=1.96 para el 95% de confianza, 2.56 para el 99%; p= frecuencia del factor a estudiar; q= 1-p; B= Precisin o error admitido.

5 ESMH-FACS

PROYECTOS DE INVESTIGACIN in 8.6 ERROR MUESTRAL

Cuando se utilizan valores muestrales, o estadsticos para estimar valores poblacionales, o parmetros, pueden ocurrir dos tipos generales de errores: el error muestral y el error no muestral. El error muestral se refiere a la variacin natural existente entre muestras tomadas de la misma poblacin. Cuando una muestra no es una copia exacta de la poblacin; an si se ha tenido gran cuidado para asegurar que dos muestras del mismo tamao sean representativas de una cierta poblacin, no esperaramos que las dos sean idnticas en todos sus detalles. El error muestral es un concepto importante que ayudar a entender mejor la naturaleza de la estadstica inferencial. Los errores que surgen al tomar las muestras no pueden clasificarse como errores muestrales y se denominan errores no muestrales. El sesgo de las muestras es un tipo de error no muestral. El sesgo muestral se refiere a una tendencia sistemtica inherente a un mtodo de muestreo que da estimaciones de un parmetro que son, en promedio, menores (sesgo negativo), o mayores (sesgo positivo) que el parmetro real. El sesgo muestral puede suprimirse, o minimizarse, usando la aleatorizacin. La aleatorizacin se refiere a cualquier proceso de seleccin de una muestra de la poblacin en el que la seleccin es imparcial o no est sesgada; una muestra elegida con procedimientos aleatorios se llama muestra aleatoria. Los tipos ms comunes de tcnicas de muestreo aleatorios son el muestreo aleatorio simple, el muestreo estratificado, el muestreo por conglomerados y el muestreo sistemtico. Si una muestra aleatoria se elige de tal forma que todos los elementos de la poblacin tengan la misma probabilidad de ser seleccionados, la llamamos muestra aleatoria simple. Cuando se extrae una muestra de una poblacin es frecuente que los resultados obtenidos de la muestra no sean exactamente los valores reales de la poblacin. El error de muestreo ocurre al estudiar una muestra en lugar de la poblacin total. La diferencia entre el valor del parmetro de una poblacin y el estadstico de una muestra recibe el nombre de error muestral.

14

Investigacin Descriptiva -2011

La nica forma de poder conocer el error muestral real consiste en realizar paralelamente la investigacin con la muestra y, a la vez, con toda la poblacin. Esta realidad, a todas luces descartable en la prctica, nos advierte acerca de la imposibilidad de conocer el error muestral real. En primer lugar, la muestra perdera su razn de ser. Por tanto, cuando nos referimos a error muestral no nos referimos al concepto sealado en el prrafo anterior, no conocido, sino a un error muestral determinado estadsticamente, de tipo genrico, vlido para todas las muestras posibles, del mismo tamao. Este error muestral, estadstico, sirve para darnos no un error especfico y determinado, sino nicamente para establecer el intervalo de confianza dentro del que nos movemos en la muestra; para sealarnos los lmites formados por la media de la muestra, mas o menos el error en cuestin, dentro del que se debe encontrar la media del universo, con el grado de probabilidad con que se trabaje, dos o tres sigmas. (Sierra Bravo, 1988: 207) Los errores de muestreo o fluctuaciones de muestra a muestra son aleatorios y no han de considerarse como equivocaciones, fallos, etc., sino como variaciones debidas al hecho de que no hay jams dos muestras que sean exactamente iguales (Garret, 1976: 238). Los estadsticos obtenidos en estas muestras al azar son estimaciones de los parmetros y sus errores tpicos miden la bondad de la estimacin.

5 ESMH-FACS

PROYECTOS DE INVESTIGACIN in 8.7 EXPRESION DE DATOS DELA INVESTIGACION DESCRIPTIVA

15

8.7.1 8DIAGRAMA DE BARRAS Un diagrama de barras se utiliza para de presentar datos cualitativos o datos cuantitativos de tipo discreto. Se representan sobre unos ejes de coordenadas, en el eje de abscisas se colocan los valores de la variable, y sobre el eje de ordenadas las frecuencias absolutas o relativas o acumuladas. Los datos se representan mediante barras de una altura proporcional a la frecuencia. Un estudio hecho al conjunto de los 20 alumnos de una clase para determinar su grupo sanguneo ha dado el siguiente resultado

8.7.2 POLIGONO DE FRECUENCIA Un polgono de frecuencias se forma uniendo los extremos de las barras mediante segmentos. Tambin se puede realizar trazando los puntos que representan las frecuencias y unindolos mediante segmentos. Tambin se puede construir el polgono de frecuencia uniendo los puntos medios de cada rectngulo de un histograma. Investigacin Descriptiva -2011

5 ESMH-FACS

PROYECTOS DE INVESTIGACIN in 8.7.3 HISTOGRAMA

El histograma es una grfica de barras que permite describir el comportamiento de un conjunto de datos en cuanto a su tendencia central, forma y dispersin. El histograma permite que de un vistazo se pueda tener una idea objetiva sobre la calidad de un producto, el desempeo de un proceso o el impacto de una accin de mejora. La correcta utilizacin del histograma permite tomar decisiones no solo con base en la media, sino tambin con base en la dispersin y formas especiales de comportamiento de los datos. Su uso cotidiano facilita el entendimiento de la variabilidad y favorece la cultura de los datos y los hechos objetivos.

16

8.7.4 DIAGRAMA DE SECTORES

Un diagrama de sectores se puede utilizar para todo tipo de variables, pero se usa frecuentemente para las variables cualitativas. Los datos se representan en un crculo, de modo que el ngulo de cada sector es proporcional a la frecuencia absoluta correspondiente.

Investigacin Descriptiva -2011

5 ESMH-FACS

PROYECTOS DE INVESTIGACIN in

17

9. TIPOS DE INVESTIGACIN DESCRIPTIVA:

Las investigaciones descriptivas constituyen el punto de partida de las lneas de investigacin, su objetivo es determinar la situacin de las variables involucradas en el estudio en un momento dado con relacin a su presencia o ausencia, la frecuencia con que se presenta un fenmeno (incidencia o prevalencia), caractersticas de las personas, lugar y periodo donde ocurre. El investigador se limita a la observacin de los hechos tal como ocurren con el objeto de describirlos, no busca explicar ni analizar las causas de esos hechos sino presentarlos. De esta manera las investigaciones descriptivas brindan las bases cognoscitivas para otros estudios descriptivos o explicativos pues se generan hiptesis susceptibles de comprobacin Tomando en cuenta que las siguientes categoras no son rgidas, muchos estudios pueden encuadrarse slo en alguna de estas reas, y otros corresponden a ms de una de ellas.

Investigacin Descriptiva -2011

9.1 Estudios tipo encuesta: Se llevan a cabo cuando se desea encontrar la solucin de los problemas que surgen en organizaciones educacionales, gubernamentales, industriales o polticas. Se efectan minuciosas descripciones de los fenmenos a estudiar, a fin de justificar las disposiciones y prcticas vigentes o elaborar planes ms inteligentes que permitan mejorarlas. Su objetivo no es slo determinar el estado de los fenmenos o problemas analizados, sino tambin en comparar la situacin existente con las pautas aceptadas. El alcance de estos estudios vara considerablemente; pueden circunscribirse a una nacin, regin, estado, sistema escolar de una ciudad o alguna otra unidad. Los datos pueden extraerse a partir de toda la poblacin o de una muestra cuidadosamente seleccionada. La informacin recogida puede referirse a un gran nmero de factores relacionados con el fenmeno o slo a unos pocos aspectos recogidos. Su alcance y profundidad dependen de la naturaleza del problema.

5 ESMH-FACS

PROYECTOS DE INVESTIGACIN in 9.2 Estudios de interrelaciones:

Si el objeto es identificar las relaciones que existen entre los hechos para lograr una verdadera comprensin del fenmeno a estudiar, los estudios de esta ndole son los estudios de casos, estudios causales comparativos y estudios de correlacin.

18

9.2.1

Estudio de casos:

El educador realiza una investigacin intensiva de una unidad social o comunidad. Para ello recoge informacin acerca de la situacin existente en el momento en que realiza su tarea, las experiencias y condiciones pasadas y las variables ambientales que ayudan a determinar las caractersticas especficas y conducta de la unidad. Despus de analizar las secuencias e interrelaciones de esos factores, elabora un cuadro amplio e integrado de la unidad social, tal como ella funciona en la realidad. El inters en los individuos no es considerndolo como personalidad nica, sino como tipos representativos. Se renen los datos a partir de una muestra de sujetos cuidadosamente seleccionados y se procuran extraer generalizaciones vlidas sobre la poblacin que representa la muestra. El objetivo de los estudios de casos consiste en realizar una indagacin a profundidad dentro de un marco de referencia social; las dimensiones o aspectos de dicho marco dependen de la naturaleza del caso estudiado. Un estudio de casos debe incluir una considerable cantidad de informacin acerca de las personas, grupos y hechos con los cuales el individuo entra en contacto y la naturaleza de sus relaciones con aqullos. Los seres humanos desarrollan una constante interaccin con diversos factores ambientales, por eso es imposible comprender su conducta sin examinar tales relaciones. Los datos deben provenir de muchas fuentes. Se puede interrogar a los sujetos mediante entrevistas o cuestionarios y pedirles que evoquen experiencias pasadas o sus deseos y expectativas presentes. Se estudian documentos personales como diarios y cartas, efectuando distintas mediciones fsicas, psicolgicas o sociolgicas. Se puede interrogar a padres, hermanos y amigos de los sujetos, analizar archivos de los tribunales, escuelas, hospitales, empresas o instituciones sociales. Los estudios de casos son similares a las encuestas, pero en ellos hay un estudio intensivo de una cantidad limitada de casos representativos, en lugar de reunir datos de pocos aspectos de un gran nmero de unidades sociales. Tiene un alcance ms limitado pero es ms exhaustivo que el de encuestas, y le da ms importancia a los factores cualitativos.

Investigacin Descriptiva -2011

9.2.2 Estudios causales comparativos:

Si adems de pretender descubrir cmo es un fenmeno se quiere saber de qu manera y por qu ocurre, entonces se comparan semejanzas y diferencias que existen entre fenmenos, para descubrir los factores o condiciones que parecen acompaar o contribuir a la aparicin de ciertos hechos y situaciones. Por la complejidad y naturaleza de los fenmenos sociales, es menester estudiar las relaciones de causalidad. Este tipo de estudio se usa en los casos en que los investigadores no pueden manejar una variable independiente y establecer los controles requeridos en los experimentos. En un estudio causal comparativo el investigador analiza la situacin vital en la cual los sujetos han experimentado el fenmeno que se quiere investigar.

5 ESMH-FACS

PROYECTOS DE INVESTIGACIN in
Despus de estudiar las semejanzas y diferencias que hay entre dos situaciones, entonces podr describir los factores que parecen explicar la presencia del fenmeno en una situacin y su ausencia en la otra. Esta investigacin tiene su origen para descubrir las situaciones causales, que establece que si dos o ms instancias del fenmeno investigado tienen slo una circunstancia en comn, en la cual todas las instancias concuerdan, es la causa (o efecto) del fenmeno dado. Este mtodo proporciona al investigador la doble posibilidad de control sobre sus conclusiones acerca de las relaciones de causalidad. Las dificultades posibles de explicar los fenmenos en este tipo de estudios reside en la imposibilidad de establecer un control ms all de poner a prueba tantas hiptesis alternativas como sea posible; si al estudiar el problema el factor produce un efecto determinado no se incluye entre los puntos considerados, entonces no ser posible averiguar la causa (si se desea hallar las posibles causas de los fenmenos y desechar los factores aleatorios se debe poseer suficiente informacin general acerca de tales fenmenos y elaborar cuidadosamente sus procedimientos de observacin); al exigir que sea un solo factor el que determine la aparicin o ausencia de un fenmeno, muchas veces en los fenmenos sociales complejos se obedece a mltiples causas; cuando dos variables se hallan relacionadas entre s es difcil determinar cul de ellas es la causa y cul el efecto; al intentar clasificar a los sujetos en grupos dicotmicos a fin de establecer comparaciones entre ellos, los fenmenos sociales slo presentan similitudes si los incluimos en las ms amplias categoras, aunque sabemos que los hechos sociales no se clasifican automticamente en categoras exclusivas (por lo general la comparacin entre dos variables indefinidas proporciona escasa informacin til sobre el fenmeno que se pretende explicar); cuando se trata de estudios en los que se comparan situaciones normales, la tarea de seleccionar no requiere los mismos cuidados y precauciones que en el caso de los estudios experimentales, generalmente resulta difcil hallar grupos de elementos que sean similares en todos sus aspectos, excepto en lo que respecta al hecho de hallarse expuestos a una variable distinta (siempre existe el peligro de que los grupos presenten diferencias en relacin con otras dimensiones salud, inteligencia, antecedentes familiares, experiencia anterior que pueden afectar los resultados del estudio).

19

9.2.2 Estudios de correlacin:

Se utilizan para determinar la medida en que dos variables se correlacionan entre s, es decir el grado en que las variaciones que sufre un factor se corresponden con las que experimenta el otro. Las variables pueden hallarse estrecha o parcialmente relacionadas entre s, pero tambin es posible que no exista entre ellas relacin alguna. Puede decirse, en general, que la magnitud de una correlacin depende de la medida en que los valores de dos variables aumenten o disminuyan en la misma o en diferente direccin. Si los valores de dos variables aumentan o disminuyen de la misma manera, existe una correlacin positiva; si, en cambio, los valores de una variable aumentan en tanto que disminuyen los de la otra, se trata de una correlacin negativa; y si los valores de una variable aumentan, los de la otra pueden aumentar o disminuir, entonces hay poca o ninguna correlacin. En consecuencia la gama de correlaciones se extiende desde la perfecta correlacin negativa hasta la no correlacin o la perfecta correlacin positiva. Las tcnicas de correlacin son muy tiles en los estudios de carcter predictivo. Si bien el coeficiente de correlacin slo permite expresar en trminos cuantitativos el grado de relacin que dos variables guardan entre s, no significa que tal relacin sea de orden causal. Para interpretar el significado de una relacin se debe recurrir al anlisis lgico, porque la computacin estadstica no dilucida el problema. Sus riesgos son los mismos que en los estudios causales comparativos.

Investigacin Descriptiva -2011

5 ESMH-FACS

PROYECTOS DE INVESTIGACIN in 9.3 Estudios de desarrollo:

Consiste en determinar no slo las interrelaciones y el estado en que se hallan los fenmenos, sino tambin en los cambios que se producen en el transcurso del tiempo. En l se describe el desarrollo que experimentan las variables durante un lapso que puede abarcar meses o aos. Abarca estudios de crecimiento y de tendencia.

20

9.3.1

Los estudios de crecimiento se refieren a la identificacin de los diversos factores

interrelacionados que influyen sobre el crecimiento en sus diferentes etapas, saber en qu momento se tornan observables los diversos aspectos y cundo surgen, permanecen estacionarios, alcanzan su desarrollo ptimo y, finalmente, decaen. Para el estudio del desarrollo humano se usan dos mtodos: las tcnicas lineales y las de corte transversal. En ambos tipos de investigacin, se deben efectuar una serie de observaciones sistemticas. El objetivo de las tcnicas lineales es medir el grado de crecimiento de determinados nios en diferentes edades, por ejemplo; y en los de corte transversal no se mediran los mismos nios a intervalos regulares, sino se efectuara un registro de medidas de diferentes nios pertenecientes a distintos grupos de edad. Los estudios de corte transversal incluyen generalmente a una mayor cantidad de sujetos, y describen un nmero menos de factores de crecimiento que los estudios lineales. La tcnica de corte transversal se usa con ms frecuencia por su bajo costo y porque ocupa menos tiempo; la tcnica lineal es el ms adecuado para estudiar el desarrollo humano. Ambas tcnicas plantean problemas de muestreo: en los de corte transversal es posible que los diferentes sujetos de cada nivel de edad no sean comparables; los lineales obtienen informacin de un nmero limitado de sujetos, sin la confiabilidad de muestras ms amplias, asimismo la dificultad para el investigador de evaluar y perfeccionar con cierta frecuencia sus tcnicas, pues una vez iniciada la investigacin no es posible interrumpirla para modificar o mejorar los procedimientos empleados. Para estudios lineales hacen falta apoyos econmicos y un equipo de trabajo ininterrumpido durante aos.

9.3.2 Los estudios de tendencia consisten en obtener datos sobre aspectos sociales,
Investigacin Descriptiva -2011
econmicos y polticos y en analizarlos posteriormente para identificar las tendencias fundamentales y predecir los hechos que pueden producirse en el futuro. En ellos se combinan a veces tcnicas histricas, documentales y las que se usan en las encuestas. Resulta aventurado formular predicciones basadas en los datos de tendencia social, porque las condiciones econmicas, los avances tecnolgicos, las guerras, las aspiraciones individuales y otros hechos imprevisibles pueden modificar de manera repentina el curso esperado de los acontecimientos. A causa de los innumerables factores impredictibles que pueden ejercer influencia sobre los fenmenos sociales, la duracin de los anlisis de tendencia afecta en una medida considerable la validez de la prediccin; la mayora de las predicciones de largo alcance constituyen meras estimaciones, en tanto que las que se refieren a lapsos ms breves gozan de mayores posibilidades de certeza.

5 ESMH-FACS

PROYECTOS DE INVESTIGACIN in 10. CRITERIOS PARA LA IDENTIFICACIN DE LOS DISEOS EN LA INVESTIGACIN DESCRIPTIVA: 10.1 Perspectiva temporal, los criterios pueden ser:
Descriptivos transaccionales: el inters del investigador se centra en describir el evento en un momento nico en el tiempo presente. Descriptivos transaccionales retrospectivos: Se desea describir un evento que ya ocurri, identificar sus caractersticas en el pasado. Descriptivos evolutivos o secuenciales: Precisar como el evento cambia a lo largo del tiempo. Descriptivos retrospectivos secuenciales: Como fue variando a lo largo del tiempo un evento que ya ocurri.

21

10.2 Segn las fuentes

Descriptivos de campo: Describe el evento obteniendo los datos de fuentes vivas o directas, en su ambiente natural. Se encuentran los sondeos de opinin y los censos. En la investigacin descriptiva de campo hay varias etapas: Etapa de exploracin. Desarrollo de criterios iniciales. Formulacin de criterios. Estudio de instrumentos y procedimientos. Recoleccin de datos. Integracin de datos. Descriptivos de laboratorio o de ambiente cerrado: Se describe el evento acudiendo a fuentes vivas o a unidades de estudio directamente, pero en un ambiente creado para efectos de la investigacin. Descriptivos documentales: Las fuente de datos son documentos escritos, cartas, videos, grabaciones etc... Descriptivos de fuente mltiple: Aplicacin de instrumentos directamente a las unidades de estudio, con los datos obtenidos de documentos y registros realizados anteriormente.

10.3 Segn el foco de atencin

Descriptivos univariables: Se describe un nico evento en un contexto. Descriptivo multivariables de rasgo (eventurales): Se incluyen varios eventos en un mismo contexto, sin establecer relaciones casuales entre ellos. Descriptivos multivariables de totalidad: El inters est en la reconstruccin de las unidades de estudio o del contexto como totalidades. A esta categora pertenecen los estudios descriptivos de casos y las tipologas. El estudio de casos es la forma de organizar datos, de modo que se conserve el carcter unitario del evento que se est estudiando. El investigador puede utilizar una serie de estrategias para conservar la integralidad del objeto de estudio.En los estudios de casos se encuentran los estudio de comunidad, definindose como la descripcin detallada de un grupo de personas que conviven socialmente en un lugar geogrfico determinado y comparten actividades econmicas, sociales, polticas, organizacionales, culturales, etc.

Investigacin Descriptiva -2011

5 ESMH-FACS

PROYECTOS DE INVESTIGACIN in

22

11. BIBLIOGRAFA:
1. HURTADO DE BARRERA, Jacqueline. Metodologa de la investigacin. 3 ed. Instituto universitario de Tecnologa Caripito, Venezuela, 2000, 624 p. 2. Dra. Maritza Gil, TIPOS DE INVESTIGACIN, Introduccin a las tcnicas de investigacin social 4ta edicin, Buenos Aires: Humanitas, 1974. 3. Etapas del proceso investigador Garca Muoz Toms 2005 4. Tamao de la muestra Enric Mateu Rev. Epidem. Med. Prev. (2003), 1: 8-14 5. Poblacin y muestreo. Tcnicas de muestreo. Paula Lagares Berreiro 2001. 6. Tipos de estudios en Investigacin clnica. Medicine 2002. J. Muiz Garca.

Investigacin Descriptiva -2011

5 ESMH-FACS