Está en la página 1de 59

GUA DE ESTUDIO:

Eje de Investigacin
AUTORA:

Mtra. en Edu. Miriam Snchez Angeles

MAYO DE 2012

PRESENTACIN
Como parte de la iniciativa de la UNIVER MILENIUM para evaluar las
competencias de egreso de los profesionistas y en consonancia con la misin de la
institucin de formar profesionistas altamente capacitados en el mercado laboral con altos
niveles de empleabilidad, adherencia e innovacin se ha puesto en marcha el Curso de
Preparacin de Egreso a la Licenciatura (CUPEG) cuyo objetivo es preparar a los
prximos egresados de la Licenciatura en Psicologa para presentar un examen de
competencias que incluya cada uno de los ejes centrales de la licenciatura.
De un proceso de revisin exhaustivo y, sobre todo consciente de las necesidades
del mercado actual, el comit de revisin del plan de estudios tomo la decisin de dividir
en siete grandes ejes las competencias en psicologa. Dentro de estos ejes se incluyen
las principales materias del plan de estudios; aquellas que son la base para que todo
profesionista se desempee de la mejor manera en el campo laboral tan demandante al
que ahora nos enfrentamos y para el que la UNIVER MILENIUM te esta preparando.
Los siete ejes de los que se ha estado hablando son: formativo, educativo, social,
laboral, clnico, desempeo tcnico y de investigacin. Y es precisamente este ltimo
ncleo el que nos confiere en este material de estudio. Dado que este curso est
diseado para los ltimos semestres, solamente se dar una revisin de las principales
materias incluidas en el rea de investigacin y que se encuentran actualmente en el plan
de estudios de la Licenciatura en Psicologa; las materias seleccionadas son:
Metodologa II
Mtodos Estadsticos Aplicados a la Psicologa
Diseo experimental
Anlisis Experimental de la Conducta

Dentro de este material, encontraras los temas ms importantes de cada materia


que deben formar parte de tu conocimiento bsico como psiclogo prximo a egresar. Sin
embargo, la estructura que aqu se pretende inicia con las bases de metodologa,
pasando por una parte medular, la medicin; continuando con la estadstica y
concluyendo con los mtodos cualitativos.
El material no pretende ser un compendio exhaustivo, sino un material didctico
con unidades de conocimiento bsicas. Una vez que el alumno haya estudiado y
comprendido cada tema, se recomienda una bsqueda para ampliar y profundizar el tema
con lecturas adicionales, mismas que aqu mismo se sugieren en la bibliografa.
Finalmente se recomienda una interaccin maestro-alumno para poder alcanzar
los objetivos del curso. Por un lado al profesor, el material le proporciona los elementos
para conducir el estudio y la discusin de los temas; por otro lado al alumno le
corresponde estudiar el material y por supuesto buscar informacin adicional en forma
responsable e independiente. Slo as se entrara en un verdadero proceso de enseanzaaprendizaje universitario.

NDICE DE CONTENIDO
Tema

Pgina

1. Enfoques de la investigacin en ciencias del comportamiento

15

a. Cuantitativo

15

b. Cualitativo

16

c. Mixto

17

2. Tipos de investigacin en ciencias del comportamiento

18

a. Exploratoria

18

b. Descriptiva

19

c. Correlacional

21

d. Explicativa

24

3. Hiptesis de investigacin

26

a. Variables

26

b. Caractersticas

26

c. Objetivos

27

d. Tipos

28

a. Experimental (pre-experimental, cuasi-experimental y


experimental)
b. No experimental (longitudinal, transversal)
5. Tipos de validez en la investigacin en ciencias del
comportamiento
a. Interna
b. Externa
6. Muestreo en ciencias del comportamiento

30
30

4. Diseo de investigacin en ciencias del comportamiento

30
32
32
32
33

a. Seleccin de la muestra

33

b. Tipos de muestra

33

Pgina
c. Muestreo probabilstico

33

d. Muestreo no probabilstico

34

7. Niveles de medicin en ciencias del comportamiento

35

a. Nominal

35

b. Ordinal

35

c. Intervalar

36

d. Razn

36

8. Confiabilidad en ciencias del comportamiento

37

a. Estabilidad

37

b. Formas paralelas

38

c. Divisin por mitades

38

d. Consistencia interna

38

9. Validez en ciencias del comportamiento

38

a. De contenido

39

b. De constructo (convergente y divergente)

39

c. De criterio (concurrente y predictiva)

40

10. Estadstica descriptiva

41

a. Medidas de tendencia central

41

b. Medidas de variabilidad

42

c. Sesgo y Curtosis

42

11. Estadstica inferencial

43

a. Prueba de hiptesis

43

b. Distribucin muestral

43

c. Nivel de significancia

44

d. Intervalo de confianza

45

e. Tipos de error

45

Tema

Pgina

12. Estadstica paramtrica

46

a. Supuestos

46

b. Correlacin de Pearson

46

c. Regresin Lineal

47

d. Prueba t

49

13. Estadstica no paramtrica

50

a. Supuestos

50

b. Chi cuadrada

50

c. Coeficiente de Spearman

50

14. Mtodo narrativo

51

15. Mtodo etnogrfico

51

a. La observacin en la etnografa

51

b. La investigacin de campo

53

c. La entrevista etnogrfica

53

16. Mtodo de anlisis de discurso.


Bibliografa

54
57

Tema

Unidades de Aprendizaje
Unidad de aprendizaje: 1
Nombre de la unidad de aprendizaje:
Objetivo

Actividades de
aprendizaje

El alumno revisar los Lectura


diferentes enfoques de la discusin
investigacin en ciencias del clase
comportamiento.
Se
revisarn los tres principales
enfoques: el cuantitativo,
cualitativo y mixto.

Bibliografa.

y -Kerlinger, F.N. (1988) Investigacin


en del comportamiento. Tcnicas y
metodologa. Mxico: Editorial: Mc
Graw Hill.
-Sampieri, R. Fernndez y Baptista.
(2003) Metodologa de la
investigacin. Mxico: McGrawHill.

Unidad de aprendizaje: 2
Nombre de la unidad de aprendizaje:
Objetivo

Actividades de
aprendizaje

El alumno revisar los cuatro Lectura


tipos de investigacin en discusin
ciencias del comportamiento. clase

Bibliografa.

y -Kerlinger, F.N. (1988) Investigacin


en del comportamiento. Tcnicas y
metodologa. Mxico: Editorial: Mc
Graw Hill.
-Sampieri, R. Fernndez y Baptista.
(2003) Metodologa de la
investigacin. Mxico: McGrawHill.

Unidad de aprendizaje: 3
Nombre de la unidad de aprendizaje:
Objetivo

Actividades de
aprendizaje

El alumno revisar el tema Lectura


correspondiente
a
la discusin
hiptesis de investigacin.
clase

Bibliografa.

y -Kerlinger, F.N. (1988) Investigacin


en del comportamiento. Tcnicas y
metodologa. Mxico: Editorial: Mc
Graw Hill.
-Sampieri, R. Fernndez y Baptista.
(2003) Metodologa de la
investigacin. Mxico: McGrawHill.

Unidad de aprendizaje: 4
Nombre de la unidad de aprendizaje:
Objetivo

Actividades de
aprendizaje

El alumno revisar los dos Lectura


tipos
de
diseo
de discusin
investigacin.
clase

Bibliografa.

y -Kerlinger, F.N. (1988) Investigacin


en del comportamiento. Tcnicas y
metodologa. Mxico: Editorial: Mc
Graw Hill.
-Sampieri, R. Fernndez y Baptista.
(2003) Metodologa de la
investigacin. Mxico: McGrawHill.

Unidad de aprendizaje: 5
Nombre de la unidad de aprendizaje:
Objetivo

Actividades de
aprendizaje

El alumno revisar los dos Lectura


tipos de validez en la discusin
investigacin de ciencias del clase
comportamiento.

Bibliografa.

y -Kerlinger, F.N. (1988) Investigacin


en del comportamiento. Tcnicas y
metodologa. Mxico: Editorial: Mc
Graw Hill.
-Sampieri, R. Fernndez y Baptista.
(2003) Metodologa de la
investigacin. Mxico: McGrawHill.

Unidad de aprendizaje: 6

Objetivo

Actividades de
aprendizaje

El alumno revisar la tcnica Lectura


de muestreo en ciencias del discusin
comportamiento.
clase

Bibliografa.

y -Kerlinger, F.N. (1988) Investigacin


en del comportamiento. Tcnicas y
metodologa. Mxico: Editorial: Mc
Graw Hill.
-Sampieri, R. Fernndez y Baptista.
(2003) Metodologa de la
investigacin. Mxico: McGrawHill.

Nombre de la unidad de aprendizaje:

Unidad de aprendizaje: 7
Nombre de la unidad de aprendizaje:
Objetivo

Actividades de
aprendizaje

El alumno revisar los cuatro Lectura


niveles de medicin en discusin
ciencias del comportamiento. clase

Bibliografa.

y -Kerlinger, F.N. (1988) Investigacin


en del comportamiento. Tcnicas y
metodologa. Mxico: Editorial: Mc
Graw Hill.
-Sampieri, R. Fernndez y Baptista.
(2003) Metodologa de la
investigacin. Mxico: McGrawHill.

Unidad de aprendizaje: 8
Nombre de la unidad de aprendizaje:
Objetivo

Actividades de
aprendizaje

El alumno revisar el tema Lectura


relacionado a la confiabilidad discusin
en
ciencias
del clase
comportamiento.

Bibliografa.

y -Kerlinger, F.N. (1988) Investigacin


en del comportamiento. Tcnicas y
metodologa. Mxico: Editorial: Mc
Graw Hill.
-Sampieri, R. Fernndez y Baptista.
(2003) Metodologa de la
investigacin. Mxico: McGrawHill.

Unidad de aprendizaje: 9

Objetivo

Actividades de
aprendizaje

El alumno revisar los tipos Lectura


de validez en ciencias del discusin
comportamiento.
clase

Bibliografa.

y -Kerlinger, F.N. (1988) Investigacin


en del comportamiento. Tcnicas y
metodologa. Mxico: Editorial: Mc
Graw Hill.
-Sampieri, R. Fernndez y Baptista.
(2003) Metodologa de la
investigacin. Mxico: McGrawHill.

Nombre de la unidad de aprendizaje:

Unidad de aprendizaje: 10
Nombre de la unidad de aprendizaje:
Objetivo

Actividades de
aprendizaje

El alumno revisar las Lectura


principales medidas de la discusin
estadstica descriptiva.
clase

Bibliografa.

y -Kerlinger, F.N. (1988) Investigacin


en del comportamiento. Tcnicas y
metodologa. Mxico: Editorial: Mc
Graw Hill.
-Sampieri, R. Fernndez y Baptista.
(2003) Metodologa de la
investigacin. Mxico: McGrawHill.

Unidad de aprendizaje: 11
Nombre de la unidad de aprendizaje:
Objetivo

Actividades de
aprendizaje

El alumno revisar las Lectura


principales medidas de la discusin
estadstica inferencial.
clase

Bibliografa.

y -Kerlinger, F.N. (1988) Investigacin


en del comportamiento. Tcnicas y
metodologa. Mxico: Editorial: Mc
Graw Hill.
-Sampieri, R. Fernndez y Baptista.
(2003) Metodologa de la
investigacin. Mxico: McGrawHill.

Unidad de aprendizaje: 12

Objetivo

Actividades de
aprendizaje

El alumno revisar las Lectura


principales medidas de la discusin
estadstica paramtrica.
clase

Bibliografa.

y -Kerlinger, F.N. (1988) Investigacin


en del comportamiento. Tcnicas y
metodologa. Mxico: Editorial: Mc
Graw Hill.
-Sampieri, R. Fernndez y Baptista.
(2003) Metodologa de la
investigacin. Mxico: McGrawHill.

Nombre de la unidad de aprendizaje:

Unidad de aprendizaje: 13
Nombre de la unidad de aprendizaje:
Objetivo

Actividades de
aprendizaje

El alumno revisar las Lectura


principales medidas de la discusin
estadstica no paramtrica.
clase

Bibliografa.

y -Kerlinger, F.N. (1988) Investigacin


en del comportamiento. Tcnicas y
metodologa. Mxico: Editorial: Mc
Graw Hill.
-Sampieri, R. Fernndez y Baptista.
(2003) Metodologa de la
investigacin. Mxico: McGrawHill.

Unidad de aprendizaje: 14
Nombre de la unidad de aprendizaje:
Objetivo

Actividades de
aprendizaje

El alumno revisar el mtodo Lectura


narrativo utilizado en la discusin
investigacin cualitativa.
clase

Bibliografa.

y -Kerlinger, F.N. (1988) Investigacin


en del comportamiento. Tcnicas y
metodologa. Mxico: Editorial: Mc
Graw Hill.
-Sampieri, R. Fernndez y Baptista.
(2003) Metodologa de la
investigacin. Mxico: McGrawHill.

Unidad de aprendizaje: 15

Objetivo

Actividades de
aprendizaje

El alumno revisar el mtodo Lectura


etnogrfico utilizado en la discusin
investigacin cualitativa.
clase

Bibliografa.

y -Kerlinger, F.N. (1988)


en Investigacin del comportamiento.
Tcnicas y metodologa. Mxico:
Editorial: Mc Graw Hill.
-Sampieri, R. Fernndez y
Baptista. (2003) Metodologa de
la investigacin. Mxico:
McGrawHill.

Nombre de la unidad de aprendizaje:

Unidad de aprendizaje: 16
Nombre de la unidad de aprendizaje:
Actividades de
aprendizaje

El alumno revisar el mtodo Lectura


de anlisis de discurso discusin
utilizado en la investigacin clase
cualitativa.

Bibliografa.

y -Kerlinger, F.N. (1988)


en Investigacin del comportamiento.
Tcnicas y metodologa. Mxico:
Editorial: Mc Graw Hill.
-Sampieri, R. Fernndez y
Baptista. (2003) Metodologa de
la investigacin. Mxico:
McGrawHill.

Objetivo

Criterios y procedimientos de evaluacin


Esta asignatura es 100% terica por lo que su desarrollo y evaluacin consistir
en la lectura y discusin de cada una de las unidades de aprendizaje. Al finalizar
se realizar un examen que abarcar cada una de las unidades revisadas.
Segn lo anterior la forma de evaluacin quedar como sigue:
Exmenes institucionales:

100%

Gua de trabajo general


Por las caractersticas del CUPEG el desarrollo del curso es de la siguiente forma,
un mes antes de la fecha establecida para la evaluacin, se le entregar el
material al alumno para que pueda revisarlo y estudiarlo de manera independiente;
leyendo cada uno de los temas y resaltando las dudas que surjan. Posteriormente
se dar una sesin exclusiva para aclarar esas dudas y poder presentar el
examen correspondiente.
La participacin de los alumnos resulta vital para la consecucin de los objetivos,
es por eso que se debe revisar previo a la clase todo el material correspondiente a
la unidad, para que en el transcurso de la clase se refuerce cada tema, y en caso
de que existan dudas resolverlas.

Nmero de sesiones

Las sesiones se dispondrn de acuerdo a lo marcado por el calendario oficial


aprobado por la institucin.

Aamodt, M. (1999). Applied Industrial Organizational Psychology. Wadsworth: New


York.

Anastasi, A. Urbina, S. (1998) Test psicolgicos. Editorial. Prentice Hall: Mxico.

Cash, T.F., Gillen, B., & Burns, D.S. (1977). Sexism and beautyism in personnel
consultant decision making. Journal of Applied Psychology, 62(3), 301-310.

Clark-Carter, D. (2002). Investigacin cuantitativa en psicologa: Del diseo


experimental al reporte de investigacin. Mxico: Oxford.

Dougherty, T.W., Ebert, R.J. &Callender, J.C. Policy capturing in the employment
interview. Journal of Applied Psychology, 71(1), 9-15.

Hernndez, R. y otros (2006) Metodologa de la Investigacin. Mxico D. F.:


McGraw Hill.

Kerlinger, F.N., & Lee, H.B. (2002). Investigacin del comportamiento: Mtodos de
investigacin en ciencias sociales (4ta. Ed.). Mxico: McGraw Hill.

Maurer, S. D., Howe, V. & Lee, T. W. (1992). Organizational recruiting as marketing


management: An interdisciplinary study of engineering graduates. Personnel
Psychology, 45(4), 807-833.

Muchinsky, P. (1994). Psicologa Aplicada al Trabajo: Una introduccin a la


psicologa industrial y organizacional. Madrid: Descle de Brouwer.

Goldberg, C. (2005). Relational Demography and Similarity-Attraction in Interview


Assessments and Subsequent Offer Decisions: Are we Missing Something? Group
& Organization Management, 30(6), 597-624.

Gmez-Meja, L. R.; Balkin, D. B., & Cardy, R. L. (2001).Direccin y gestin de


Recursos Humanos (3 edicin). Madrid: Prentice Hall.

Huffcutt, A. I., Weekley, J. A., Wiesner, W.H., Degroot, T.G., & Jones, C. (2001).
Comparison of situational and behavior description interview questions for higherlevel positions. Personnel Psychology, (54), pp.61944.

Lpez-Surez, A. (2004). ESTADSTICA DESCRIPTIVA EN CIENCIAS DEL


COMPORTAMIENTO. Indito. Mxico.

Lpez-Surez, A. (2007). ESTADSTICA INFERENCIAL EN CIENCIAS DEL


COMPORTAMIENTO. Indito. Mxico

Mrquez, F. (1984). VALIDEZ PREDICTIVA Y CONCURRENTE DEL EXAMEN DE


ADMISIN A PREPARATORIAS DEPENDIENTES DE LA UAEMEX UBICADAS
EN LA CIUDAD DE TOLUCA, PROMOCIN 1982. Tesis de Licenciatura.
UAEMEX. Mxico.

Ragin, C.C., Nagel, J., & White, P. (2004).Workshop on Scientific Foundation of


QualitativeResearch. National Scientific Foundation.

Sampieri, H. R., Fernndez, C. C. y Baptista L. P. (1998). Metodologa de la


Investigacin. Mxico: McGraw-Hill.

Fuentes

Schensul, S.L., Schensul, J.J., & LeCompte, M.D. (1999). Essential Ethnographic
Methods. Altamira Press: New York.

WEISS, C. H. (1980). Investigacin evaluativa. Mxico, D. E: Ed. Trillas. Segunda


reimpresin.

WIERSMA, W. (1986). Research methods in education: an introduction. Boston,


Mass: AlIyn and Bacon.

Yang, K. & Miller, G.J. (2008). Handbook of Research Methods in Public


Administration. CRC. Press: Florida.

UNIDAD DE APRENDIZAJE 1. Enfoques de la investigacin en


ciencias del comportamiento
El desarrollo de las ciencias sociales requiere el empleo de los mtodos de investigacin pertinentes
a la naturaleza de las preguntas planteadas, y busca sustentar slidamente las respuestas por ellos
obtenidas. Frecuentemente stas buscan generar aplicaciones eficaces de los hallazgos a fin de
resolver problemas socialmente relevantes. La investigacin cientfica tiene tambin el propsito de
lograr un conocimiento que se ajuste a la realidad en que se crea.
Puede resultar confuso dividir tipos de metodologas debido a la diversidad de criterios establecidos
por numerosos autores que las han definido. Se han usado premisas como el momento en que se
capta la informacin (retrospectivo o prospectivo); la distribucin temporal de la recoleccin de
datos (longitudinal o transversal); la situacin de observacin (naturalista, de campo, de sombra); el
objetivo de la investigacin (descriptiva, exploratoria, inferencial, explicativa), el nivel de control
sobre las variables (experimental, cuasi-experimental, observacional), o la conceptualizacin del
fenmeno y grado de generalidad (cualitativa y cuantitativa).
En realidad tales distinciones no son excluyentes entre s, y algunas se combinan o complementan
en su significado o su lgica. Por ejemplo la investigacin explicativa busca las causas de los
eventos fsicos o sociales bajo estudio (Sampieri, Fernndez y Baptista, 1991) del mismo modo los
estudios experimentales y cuasi-experimentales buscan establecer causalidad (Clark-Carter, 2002).

La investigacin cuantitativa es aquella en la que se recogen y analizan datos


cuantitativos sobre variables. La investigacin cualitativa evita la cuantificacin. Los
investigadores cualitativos hacen registros narrativos de los fenmenos que son
estudiados mediante tcnicas como la observacin participante y las entrevistas no
estructuradas. La diferencia fundamental entre ambas metodologas es que la cuantitativa
estudia la asociacin o relacin entre variables cuantificadas y la cualitativa lo hace en
contextos estructurales y situacionales La investigacin cualitativa trata de identificar la
naturaleza profunda de las realidades, su sistema de relaciones, su estructura dinmica.
La investigacin cuantitativa trata de determinar la fuerza de asociacin o correlacin
entre variables, la generalizacin y objetivacin de los resultados a travs de una muestra
para hacer inferencia a una poblacin de la cual toda muestra procede. Tras el estudio de
la asociacin o correlacin pretende, a su vez, hacer inferencia causal que explique por
qu las cosas suceden o no de una forma determinada.
Los fundamentos de la metodologa cuantitativa podemos encontrarlos en el positivismo
que surge en el primer tercio del siglo XIX como una reaccin ante el empirismo que se
dedicaba a recoger datos sin introducir los conocimientos ms all del campo de la
observacin. Alguno de los cientficos de esta poca dedicados a temas relacionados con
las ciencias de la salud son Pasteur y Claude Bernard, siendo este ltimo el que propuso
la experimentacin en medicina1. A principios del siglo XX, surge el neopositivismo o
positivismo lgico siendo una de las aportaciones ms importantes la induccin
probabilstica. La clave del positivismo lgico consiste en contrastar hiptesis
probabilsticamente y en caso de ser aceptadas y demostradas en circunstancias
distintas, a partir de ellas elaborar teoras generales. La estadstica dispone de
instrumentos cuantitativos para contrastar estas hiptesis y poder aceptarlas o
rechazarlas con una seguridad determinada. Por tanto el mtodo cientfico, tras una
observacin, genera una hiptesis que contrasta y emite posteriormente unas
conclusiones derivadas de dicho contraste de hiptesis. El contrastar una hiptesis

a. Cuantitativo

repetidamente verificada no da absoluta garanta de su generalizacin ya que, como


seala Karl Popper, no se dispone de ningn mtodo capaz de garantizar que la
generalizacin de una hiptesis sea vlida. Con el ejemplo de los cisnes, K. Popper
rebata las tesis neopositivistas sobre la generalizacin de las hiptesis. "todos los cisnes
de Austria eran blancos... no se dispone de datos sobre el color de los cisnes fuera de
Austria..., todos los cisnes son blancos...". En el momento actual no hay ningn mtodo
que garantice que la generalizacin de una hiptesis sea vlida, pero s se puede rebatir
una hiptesis con una sola evidencia en contra de ella. Es por ello que la ciencia, como
seala K. Popper "busca explicaciones cada vez mejores"

b. Cualitativo
Los mtodos cualitativos se ocupan bajo condiciones en las que no es posible cuantificar las
variables en trminos de examinar hiptesis estadsticas o inferenciales.
Normalmente se usa para analizar conceptos poco estudiados o definidos, con nmero limitado de
observaciones, en fenmenos relativamente nicos, o cuando hay la posibilidad de perder elementos
esenciales al codificar una situacin bajo estudio. Tienen el propsito de interpretar o revelar el
significado ms que el de establecer principios generales y suelen incluir el estudio a profundidad
de casos especficos a fin de descubrir cmo ocurren los eventos o hacerlos comprensibles (Yang &
Miller, 2008).

Los mtodos cualitativos y los cuantitativos comparten las siguientes caractersticas:


-Ubican la investigacin en relacin con la literatura pertinente.
-Establecen la contribucin al cuerpo de conocimiento.
-Describen con claridad los procedimientos de investigacin a fin de garantizar
replicabilidad.
-Ofrecen una relacin articulada entre los resultados y las explicaciones que derivan los
autores.
-A partir de la naturaleza de los fenmenos sociales, se busca triangulacin de los resultados
para mejorar la validez.
Los mtodos cualitativos se distinguen en que:
-Es posible que el investigador sea parte (en ocasiones muy importante) del fenmeno de
estudio y de los resultados obtenidos, a manera de instrumento de investigacin en s
mismo(a).
-Busca el conocimiento detallado de casos especficos con el objetivo de identificar cmo
ocurren las cosas.
-El procedimiento puede modificarse y/o adaptarse conforme se recolectan los datos.
-Permite explorar significados y realidades mltiples en el mismo estudio.
As, la relacin entre ambos mtodos suele ser complementaria, y en muchos estudios se
presentan juntos a fin de fundamentar los hallazgos (Ragin, Nagel & White, 2004).

Esto no significa, sin embargo, que dependan o sean propios de paradigmas positivistas,
constructivistas, estructuralistas, etc. De hecho, el lmite entre un procedimiento cualitativo o
cuantitativo no siempre es claro. Al no ser mutuamente excluyentes pueden superponerse tanto en la
recoleccin de los datos como en su anlisis e interpretacin. La National Science Foundation ha
propuesto que la divisin entre cualitativo/cuantitativo es ms un continuo que una dicotoma que,
en un extremo posee lmites precisos e identificables sobre la poblacin y las variables en donde el
investigador idealmente se mantiene completamente ajeno al fenmeno; mientras que en el opuesto
slo se vislumbran nociones de stas y es difcil diferenciar el papel del investigador en el
fenmeno estudiado (Ragin, Nagel & White, 2004).

c. Mixto
La meta de la investigacin mixta no es remplazar a la investigacin cuantitativa o
cualitativa, sino utilizar las fortalezas de ambos tipos de indagacin combinndolas u
tratando de minimizar sus debilidades.
Los mtodos mixtos representan un conjunto de procedimientos sistemticos, empricos, y
crticos de investigacin e implica la recoleccin y el anlisis de datos cuantitativos y
cualitativos, as como su integracin y discusin conjunta para realizar inferencias
producto de toda la informacin recabada para lograr un mayor entendimiento del
fenmeno de estudio.
Se puede decir que los mtodos mixtos son la integracin sistemtica de los mtodos
cuantitativo y cualitativo en un solo estudio, cuyo fin es el de obtener una fotografa ms
completa del fenmeno. Estos estudios pueden ser conjuntados de tal manera que las
aproximaciones cuantitativas y cualitativas conserven sus estructuras y procedimientos
originales. Alternativamente estos mtodos se adaptan y se sintetizan para efectuar la
investigacin.
Segn Hernndez (2006) el enfoque mixto es un proceso que recolecta, analiza y vincula
datos cuantitativos y cualitativos en un mismo estudio o una serie de investigaciones para
responder a un planteamiento del problema. Por lo cual, se usan mtodos de los enfoques
cuantitativos y cualitativos e intervienen datos cuantitativos y cualitativos y viceversa.
Tambin este tipo de enfoque puede responder a distintas preguntas de investigacin de
un planteamiento del problema. Se fundamente en la triangulacin de mtodos.
Este enfoque tiene su arraigo en la dcada del siglo XX, utilizado para investigar trabajos
arqueolgicos o de tipo criminalstico. No obstante, los antecedentes provienen de los
aos 60; siendo su empleo y debate del mismo a inicios de la dcada de los aos 80.
Este tipo de investigacin implica, segn el autor antes mencionado, mezclar la lgica
inductiva y la deductiva. Por lo tanto, debe visualizarse su aplicacin desde el
planteamiento del problema, la recoleccin y anlisis de datos y por supuesto en el
informe del estudio.
Ventajas.

2.

Ayuda a clarificar y a formular el planteamiento del problema, as como las


formas ms apropiadas para estudiar y teorizar los problemas de investigacin
(Brannen, 1992 mencionado por Hernndez, 2006).

3.

La multiplicidad de observaciones produce datos ms variados; se consideran


diversas fuentes y tipos de datos, contextos o ambientes y anlisis.

4. Se potencia la creatividad terica.


5. Apoyan con mayor solidez las inferencias cientficas, que si se emplean
aisladamente (Feuer, Towne y Shavelson, 2002 mencionado por Hernndez,
2006)

UNIDAD DE APRENDIZAJE 2. Tipos de investigacin en ciencias


del comportamiento
Si hemos decidido -una vez realizada la revisin de la literatura- que nuestra investigacin

1. Perspectiva ms precisa del fenmeno (integral, completa y holstica).

vale la pena y que debemos realizarla (ya sea por razones importantes tericas y/o
prcticas), el siguiente paso consiste en elegir el tipo de estudio que efectuaremos. Los
autores clasifican los tipos de investigacin en tres: estudios exploratorios, descriptivos y
explicativos (por ejemplo, Selltiz, Jahoda, Deutsch y Cook, 1965; y Babbie, 1979).
Sin embargo, para evitar algunas confusiones, en este libro se adoptar la clasificacin de
Dankhe (1986), quien los divide en: exploratorios, descriptivos, correlacionales y
explicativos. Esta clasificacin es muy importante, debido a que segn el tipo de estudio
de que se trate vara la estrategia de investigacin. El diseo, los datos que se recolectan,
la manera de obtenerlos, el muestreo y otros componentes del proceso de investigacin
son distintos en estudios exploratorios, descriptivos, correlacionales y explicativos. En la
prctica, cualquier estudio puede incluir elementos de ms de una de estas cuatro clases
de investigacin.
Los estudios exploratorios sirven para preparar el terreno y ordinariamente anteceden a
los otros tres tipos (Dankhe, 1986). Los estudios descriptivos por lo general fundamentan
las investigaciones correlacionales, las cuales a su vez proporcionan informacin para
llevar a cabo estudios explicativos que generan un sentido de entendimiento y son
altamente estructurados. Las investigaciones que se estn realizando en un campo de
conocimiento especfico pueden incluir los tipos de estudio en las distintas etapas de su
desarrollo. Una investigacin puede iniciarse como exploratoria, despus ser descriptiva y
correlacional, y terminar como explicativa (ms adelante se ilustrar este hecho con un
ejemplo).Ahora bien, surge necesariamente la pregunta:
De qu depende que un estudio se inicie como exploratorio, descriptivo, correlacional o
explicativo?
La respuesta no es sencilla, pero diremos que bsicamente depende de dos factores:

a.

El estado del conocimiento: en el tema de investigacin que nos revele la revisin


de la literatura y el
Enfoque: que el investigador le pretenda dar a su estudio. Pero antes de ahondar
en esta respuesta, es necesario hablar de cada tipo de estudio.

Exploratoria

Los estudios exploratorios se efectan, normalmente, cuando el objetivo es examinar un


tema o problema de investigacin poco estudiado o que no ha sido abordado antes.
Es decir, cuando la revisin de la literatura revel que nicamente hay guas no
investigadas e ideas vagamente relacionadas con el problema de estudio. Por ejemplo, si
alguien desea investigar lo que opinan los habitantes de alguna ciudad sobre su nuevo
alcalde o gobernador y cmo piensa resolver los problemas de ella, revisa la literatura y
se encuentra con que se han hecho muchos estudios similares pero en otros contextos
(otras ciudades del mismo pas o del extranjero).
Estos estudios le servirn para ver cmo han abordado la situacin de investigacin y le
sugerirn preguntas que puede hacer; sin embargo, el alcalde y la ciudadana son
diferentes, la relacin entre ambos es nica. Adems, los problemas son particulares de
esta ciudad.
Por lo tanto, su investigacin ser exploratoria -al menos en sus inicios- De hecho, si
comienza a preguntarle a sus amigos lo que opinan sobre el nuevo alcalde, est
comenzando a explorar.

Los estudios exploratorios son como cuando viajamos a un lugar que no conocemos, del
cual no hemos visto ningn documental ni ledo algn libro (a pesar de que hemos
buscado informacin al respecto), sino simplemente alguien nos ha hecho un breve
comentario sobre el lugar. Al llegar no sabemos qu atracciones visitar, a qu museos ir,
en qu lugares se come sabroso, cmo es la gente; desconocemos mucho del sitio. Lo
primero que hacemos es explorar: preguntar sobre qu hacer y a dnde ir al taxista o al
chofer del autobs que nos llevar al hotel donde nos instalaremos, en la recepcin, al
camarero del bar del hotel y en fin a cuanta persona veamos amigable.
Desde luego, si no buscamos informacin del lugar y sta exista (haba varias guas
tursticas completas e incluso con indicaciones precisas sobre a qu restaurantes,
museos y otros atractivos acudir; qu autobuses abordar para ir a un determinado sitio)
podernos perder mucho tiempo y gastar dinero innecesariamente. Por ejemplo, vemos un
espectculo que nos desagrade y cueste mucho, y perdemos uno que nos hubiera
fascinado y hubiera costado poco (por supuesto, en el caso de la investigacin cientfica
la inadecuada revisin de la literatura tiene consecuencias ms negativas que la
frustracin de gastar en algo que finalmente nos desagrad).
Los estudios exploratorios nos sirven para aumentar el grado de familiaridad con
fenmenos relativamente desconocidos, obtener informacin sobre la posibilidad de llevar
a cabo una investigacin ms completa sobre un contexto particular de la vida real,
investigar problemas del comportamiento humano que consideren cruciales los
profesionales de determinada rea, identificar conceptos o variables promisorias,
establecer prioridades para investigaciones posteriores o sugerir afirmaciones
(postulados) verificables (Dankhe, 1986).

Todos hechos en distintas pocas y reas, pero con un comn denominador: explorar algo
poco investigado o desconocido. Los estudios exploratorios en pocas ocasiones
constituyen un fin en s mismos, por lo general determinan tendencias, identifican
relaciones potenciales entre variables y establecen el 'tono' de investigaciones posteriores
ms rigurosas" (Dankhe, 1986, p. 412). Se caracterizan por ser ms flexibles en su
metodologa en comparacin con los estudios descriptivos o explicativos, y son ms
amplios y dispersos que estos otros dos tipos (v.g., buscan observar tantas
manifestaciones del fenmeno estudiado como sea posible). Asimismo, implican un mayor
"riesgo" y requieren gran paciencia, serenidad y receptividad por parte del investigador
b.

Descriptiva

Muy frecuentemente 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 y 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

Esta clase de estudios son comunes en la investigacin del comportamiento, sobre todo
en situaciones donde hay poca informacin. Tal fue el caso de las primeras
investigaciones de Sigmund Freud que surgieron de la idea de que los problemas
histricos estaban relacionados con las dificultades sexuales, los estudios pioneros del
SIDA (Sndrome de Inmunodeficiencia Adquirida), los experimentos iniciales de Ivn
Pav1ov sobre los reflejos condicionados e inhibiciones, el anlisis de contenido de los
primeros videos musicales, las investigaciones de Elton Mayo en la planta Hawthome de
la Compaa Westem Electric, etc.

selecciona una serie de cuestiones y se mide cada una de ellas independientemente, para
as -y valga la redundancia- describir lo que se investiga.
EJEMPLOS: Un censo nacional de poblacin es un estudio descriptivo; su objetivo es
medir una serie de caractersticas de un pas en determinado momento: aspectos de la
vivienda (nmero de cuartos y pisos, si cuenta o no con energa elctrica y agua
entubada, nmero de paredes, combustible utilizado, tenencia o a quin pertenece la
vivienda, ubicacin de la vivienda; informacin sobre los ocupantes), sus bienes, ingreso,
alimentacin, medios de comunicacin de que disponen, edades, sexo, lugar de
nacimiento y residencia, lengua, religin, ocupaciones y otras caractersticas que se
consideren relevantes o de inters para el estudio.

Asimismo, la informacin sobre el nmero de fumadores en una determinada poblacin, el


nmero de divorcios anuales en una nacin, el nmero de pacientes que atiende un
hospital, el ndice de productividad de una fbrica, la cantidad de contenido de sexo
presente en un programa de televisin y la actitud de un grupo de jvenes -en particularhacia el aborto, son ejemplos de informacin descriptiva cuyo propsito es dar un
panorama lo ms preciso posible del fenmeno al que se hace referencia. Los estudios
descriptivos miden conceptos Es necesario hacer notar que los estudios descriptivos
miden de manera ms bien independiente los conceptos o variables con los que tienen
que ver.
Aunque, desde luego, pueden integrar las mediciones de cada una de dichas variables
para decir cmo es y se manifiesta el fenmeno de inters, su objetivo no es indicar cmo
se relacionan las variables medidas. Por ejemplo, un investigador organizacional puede
pretender describir varias empresas industriales en trminos de su complejidad,
tecnologa, tamao, centralizacin y capacidad de innovacin. Entonces las mide en
dichas variables y as puede describirlas en los trminos deseados.
A travs de sus resultados, describir qu tan automatizadas estn las empresas medidas
(tecnologa), cunta es la diferenciacin horizontal (subdivisin de las tareas), vertical
(nmero de niveles jerrquicos) y espacial (nmero de centros de trabajo y el nmero de
metas presentes en las empresas, etc.); cunta libertad en la toma de decisiones tienen
los distintos niveles y cuntos tienen acceso a la toma de decisiones (centralizacin de la
decisiones); y en qu medida pueden innovar o realizar cambios en los mtodos d trabajo,
maquinaria, etc., (capacidad de innovacin).
Sin embargo, el investigador n pretende analizar por medio de su estudio si las empresas
con tecnologa ms automatizada son aquellas que tienden a ser las ms complejas

En este caso el investigador elige una serie de conceptos a medir que tambin se
denominarn "variables" y que se refieren a conceptos que pueden adquirir diversos
valores y medirse, (en el siguiente captulo se detalla el concepto de variable), los mide y
los resultados le sirven para describir el fenmeno de inters. Otros ejemplos de estudios
descriptivos seran: una investigacin que determinar en un pas cul de los partidos
polticos tiene ms seguidores, cuntos votos ha conseguido cada uno de estos partidos
en las ltima selecciones nacionales o locales (en estados, provincias o departamentos, y
ciudades o poblaciones) y cul es la imagen que posee cada partido ante la ciudadana
del pas; una investigacin que nos dijera cunta satisfaccin laboral, motivacin
intrnseca hacia el trabajo, identificacin con los objetivos, polticas y filosofa empresarial,
integracin respecto a su centro de trabajo, etc., poseen los trabajadores y empleados de
una o varias organizaciones; o un estudio que nos indicara -entre otros aspectos- cuntas
personas asisten a psicoterapia en una comunidad especfica, a qu clase de psicoterapia
acuden y si asisten ms las mujeres que los hombres a psicoterapia o viceversa.

(relacionar tecnologa con complejidad), ni decimos si la capacidad de innovacin es


mayor en la empresas menos centralizadas (correlacionar capacidad de innovacin con
centralizacin).Lo mismo ocurre con el psiclogo clnico que tiene como objetivo describir
la personalidad de un individuo.
Se limitar a medirlo en las diferentes dimensiones de la personalidad (hipocondra,
depresin, histeria, masculinidad - femineidad, introversin social, etc.), para as
describirla. Desde luego, el psiclogo considera las dimensiones de la personalidad para
poder describir al individuo, pero no est interesado en analizar si mayor depresin est
relacionada con mayor introversin social (en cambio, si pretendiera establecer
correlaciones, su estudio sera bsicamente correlacional y no descriptivo).
As como los estudios exploratorios se interesan fundamentalmente en descubrir, los
descriptivos se centran en medir con la mayor precisin posible.
Como mencionan Selitiz (1965), en esta clase de estudios el investigador debe ser capaz
de definir qu se va a medir y cmo se va a lograr precisin en esa medicin. Asimismo,
debe ser capaz de especificar quin o quines tienen que incluirse en la medicin. Por
ejemplo, si vamos a medir variables en empresas es necesario indicar qu tipos de
empresas (industriales, comerciales, de servicios o combinaciones de las tres clases;
giros, tamaos, cte.).
La investigacin descriptiva, en comparacin con la naturaleza poco estructurada de los
estudios exploratorios, requiere considerable conocimiento del rea que se investiga para
formular las preguntas especficas que busca responder (Dankhe, 1986). La descripcin
puede ser ms o menos profunda, pero en cualquier caso se basa en la medicin de uno
o ms atributos del fenmeno descrito. Los estudios descriptivos: predicciones incipientes

Por ejemplo, si obtenemos informacin descriptiva del uso que hace de la televisin un
grupo caracterstico de nios (digamos de 9 aos y que viven en la zona metropolitana de
la Ciudad de Mxico), tal como el hecho de que dedican diariamente -en promedio- 3.30
horas a ver la televisin (Fernndez-Collado, Baptista y Elkes, 1986) y si nos encontramos
con un nio (Alonso)que vive en dicha ciudad y tiene 9 aos, podemos predecir el
nmero de minutos probables que Alonso dedica a ver la televisin a diario, utilizando
ciertas tcnicas estadsticas y sobre la base del promedio del grupo de nios al que
Alonso pertenece (estas cualidades de la informacin descriptiva sern detalladas en el
captulo "Anlisis e interpretacin de los datos"). Otro ejemplo sera el de un analista de la
opinin pblica que, basndose en datos descriptivos obtenidos en una encuesta llevada
a cabo entre todos los sectores de una poblacin de futuros votantes para determinada
eleccin (nmero de personas que dijeron que habrn de votar por cada uno de los
candidatos contendientes), intenta predecir -probabilsticamente- qu candidato triunfar
en la eleccin.
c.

Correlacional

Los estudios correlacionales pretenden responder a preguntas de investigacin tales


como: conforme transcurre una psicoterapia orientada hacia el paciente, aumenta la
autoestima de ste?; a mayor variedad y autonoma en el trabajo corresponde mayor
motivacin intrnseca respecto a las tareas laborales?; los nios que dedican
cotidianamente ms tiempo a ver la televisin tienen un vocabulario ms amplio que los
nios que ven diariamente menos televisin?; los campesinos que adoptan ms

Los estudios descriptivos pueden ofrecer la posibilidad de predicciones aunque sean


rudimentarias.

rpidamente una innovacin poseen mayor inteligencia que los campesinos que la
adoptan despus?; la lejana fsica entre las parejas de novios est relacionada
negativamente con la satisfaccin en la relacin? Es decir, este tipo de estudios tienen
como propsito medir el grado de relacin que exista entre dos o ms conceptos o
variables (en un contexto en particular).
Los estudios correlacionales miden las dos o ms variables que se pretende ver s estn o
no relacionadas en los mismos sujetos y despus se analiza la correlacin.
Por ejemplo, un investigador que desee analizar la relacin entre la motivacin laboral y la
productividad en un grupo de trabajadores -digamos, de varias empresas industriales con
ms de 1000 trabajadores de la Ciudad de Bogot, Colombia- , medira en cada uno de
esos trabajadores su motivacin y su productividad, y despus analizara si los
trabajadores con mayor motivacin son o no los ms productivos. Es importante recalcar
que, en la mayora de los casos, las mediciones en las variables a correlacionar provienen
de los mismos sujetos. No es comn que se correlacionen mediciones de una variable
hechas en unas personas con mediciones de otra variable realizadas en otras personas.
Por ejemplo, no sera vlido correlacionar mediciones sobre la motivacin efectuadas a
los mencionados trabajadores de Bogot con mediciones sobre la productividad hechas a
otros trabajadores (de otras empresas o trabajadores argentinos).Propsito

Es decir, para intentar predecir el valor aproximado que tendr un grupo de individuos en
una variable, a partir del valor que tienen en la variable o variables relacionadas. Un
ejemplo tal vez simple, pero que ayuda a comprender el propsito predictivo de los
estudios correlacionales, sera el correlacionar el tiempo dedicado a estudiar para un
examen de estadstica con la calificacin obtenida en l. En este caso se mide en un
grupo de estudiantes cunto dedica cada uno de ellos a estudiar para el examen y
tambin se obtienen sus calificaciones en el examen (mediciones en la otra variable);
posteriormente se determina si las dos variables estn o no correlacionadas y, si lo estn,
de qu manera. En el caso de que dos variables estn correlacionadas, ello significa que
una vara cuando la otra tambin vara (la correlacin puede ser positiva o negativa). Si es
positiva quiere decir que sujetos con altos valores en una variable tendern a mostrar
altos valores en la otra variable. Por ejemplo, quienes estudian ms tiempo para el
examen de estadstica tendern a obtener una ms alta calificacin en el examen. Si es
negativa, significa que sujetos con altos valores en una variable tendern a mostrar bajos
valores en la otra variable. Por ejemplo, quienes estudian ms tiempo para el examen de
estadstica tendern a obtener una calificacin ms baja en el examen. Si no hay
correlacin entre las variables, ello nos indica que stas varan sin seguir un patrn
sistemtico entre s: habr sujetos que tengan altos valores en una de las dos variables y
bajos en la otra, sujetos que tengan altos valores en una de las variables y valores medios
en la otra, sujetos que tengan altos valores en una variable y altos en la otra, sujetos con
valores bajos en una variable y bajos en la otra, y sujetos con valores medios en las dos
variables. En el ejemplo mencionado, habr quienes dediquen mucho tiempo a estudiar
para el examen de estadstica y obtengan altas calificaciones en l, pero tambin quienes
dediquen mucho tiempo y obtengan bajas calificaciones, quienes dediquen poco tiempo y
saquen buenas calificaciones, quienes dediquen poco y les vaya mal en el examen. Si
dos variables estn correlacionadas y se conoce la correlacin, se tienen bases para
predecir-con mayor o menor exactitud- el valor aproximado que tendr un grupo de
personas en una variable, sabiendo qu valor tienen en la otra variable.

La utilidad y el propsito principal de los estudios correlacionales son saber cmo se


puede comportar un concepto o variable conociendo el comportamiento de otra u otras
variables relacionadas.

EJEMPLO Supongamos que un psicoanalista, el doctor Marco Antonio Gonzlez, tiene


como pacientes a un matrimonio y que los cnyuges se llaman "Dolores" y "Csar". Puede
hablar de ellos de manera individual e independiente, es decir, comentar cmo es Dolores
(fsicamente, en cuanto a su personalidad, aficiones, motivaciones, etctera) y cmo es
Csar; o bien puede hablar de su relacin, comentando cmo llevan y perciben su
matrimonio, cunto tiempo pasan diariamente juntos, qu actividades realizan juntos y
otros aspectos similares. En el primer caso la descripcin es individual (si Dolores y Csar
fueran las variables, los comentarios del doctor Marco Antonio seran producto de un
estudio descriptivo de ambos cnyuges), mientras que en el segundo el enfoque es
relacional (el inters primordial es la relacin matrimonial de Dolores y Csar).Desde
luego, en un mismo estudio nos puede interesar tanto describir los conceptos y variables
de manera individual como la relacin entre ellas.
La investigacin correlacional tiene, en alguna medida, un valor explicativo aunque
parcial. Al saber que dos conceptos o variables estn relacionados se aporta cierta
informacin explicativa. Por ejemplo, si la adquisicin de vocabulario por parte de un
determinado grupo de nios de cierta edad (digamos entre los 3 y los 5 aos) se
encuentra relacionada con la exposicin a un programa de televisin educativo, ese
hecho puede proporcionar cierto grado de explicacin sobre cmo los nios adquieren
ciertos conceptos. Igualmente, si la similitud en cuanto a valores (religin, sexo,
educacin, etctera) por parte de los novios de ciertas comunidades indias guatemaltecas
est relacionada con la probabilidad de que contraigan matrimonio, esta informacin nos
ayuda a explicar por qu algunas de esas parejas de novios se casan y otras no. Desde
luego, la explicacin es parcial, pues hay otros factores relacionados con la decisin de
casarse. Cuanto mayor nmero de variables sean correlacionadas en el estudio y mayor
sea la fuerza de las relaciones ms completa ser la explicacin. En el ejemplo anterior, si
se encuentra que, adems de la similitud, tambin estn relacionadas con la decisin de
casarse las variables tiempo de conocerse en la comunidad, vinculacin de las familias
de los novios, ocupacin del novio, atractivo fsico y tradicionalismo, el grado de

EJEMPLO Supngase que, en una investigacin con 100 estudiantes del quinto semestre
de la carrera de Psicologa Social de una universidad, se encontrara una relacin
fuertemente positiva entre el tiempo dedicado a estudiar para un determinado examen de
estadstica y la calificacin en dicho examen, y hubiera otros 85 estudiantes del mismo
semestre y escuela; qu prediccin podramos hacer con estos otros estudiantes?
Sabremos que quienes estudien ms tiempo, obtendrn las mejores calificaciones. Como
se sugiri antes, la correlacin nos indica tendencias (lo que ocurre en la mayora de los
casos) ms que casos individuales. Por ejemplo, el joven Gustav puede haber estudiado
bastantes horas y conseguir una nota baja en su examen, o Cecilia puede haber
estudiado muy poco tiempo y lograr una calificacin alta. Sin embargo, en la mayora de
los casos, quienes estudien ms tiempo tendern a obtener una calificacin ms alta en el
examen .En el captulo referente al anlisis e interpretacin de los datos, se profundizar
en el tema de la correlacin e incluso se vern distintas clases de correlacin que no se
han mencionado aqu (v.g., correlaciones curvilineales): por ahora basta con que se
comprenda cul es el propsito de los estudios correlacionales. Los estudios
correlacionales se distinguen de los descriptivos principalmente en que, mientras estos
ltimos se centran en medir con precisin las variables individuales (varias de las cuales
se pueden medir con independencia en una sola investigacin), los estudios
correlaci6nales evalan el grado de relacin entre dos variables -pudindose incluir varios
pares de evaluaciones de esta naturaleza en una nica investigacin (comnmente se
incluye ms de una correlacin)-. Para comprender mejor esta diferencia tomemos un
ejemplo sencillo.

explicacin ser mayor. Y si agregamos ms variables que se relacionan con dicha


decisin, la explicacin se torna ms completa.
Riesgo: correlaciones espurias
Ahora bien, puede darse el caso de que dos variables estn aparentemente relacionadas,
pero que en realidad nol o estn (lo que se conoce en el lenguaje de la investigacin
como " correlacin espuria"). Por ejemplo, supngase que llevramos a cabo una
investigacin con nios -cuyas edades oscilaran entre los 8 y los 12 aos- con el
propsito de analizar qu variables se encuentran relacionadas con la inteligencia y
midiramos su inteligencia a travs de alguna prueba. Nos daramos cuenta de que se da
la siguiente tendencia: "a mayor estatura, mayo rinteligencia"; es decir, los nios con ms
estatura tenderan a obtener una calificacin ms alta en la prueba de inteligencia, con
respecto a los nios de menor estatura. Estos resultados no tendran sentido; no
podramos decir que la estatura est correlacionada con la inteligencia aunque los
resultados del estudio as lo indicaran. Lo que sucede es lo siguiente: la maduracin est
asociada con las respuestas a una prueba de inteligencia, los nios de 12 aos (en
promedio ms altos) han desarrollado mayores habilidades cognitivas para responder a la
prueba(comprensin, asociacin, retencin, etc.), que los nios de 11 aos y stos a su
vez las han desarrollado en mayor medida que los de 10 aos; y as sucesivamente hasta
llegar a los nios de 8 aos (en promedio los de menor estatura), quienes poseen menos
habilidades que los dems para responder a la prueba de inteligencia(incluso si
aplicramos la prueba a nios de 5 aos no podran responderla). Estamos ante una
correlacin espuria cuya explicacin- no slo es parcial sino errnea; se requerira de una
investigacin a nivel explicativo para saber cmo y por qu las variables estn
supuestamente relacionadas. El ejemplo citado resulta obvio, pero en ciertas ocasiones
no es tan sencillo detectar cundo una correlacin carece de sentido
d.

Explicativa

Como su nombre lo indica, su inters se centra en explicar por qu ocurre un fenmeno y


en qu condiciones se da ste, o por qu dos o ms variables estn relacionadas. Por
ejemplo, dar a conocer las intenciones del electorado es una actividad descriptiva (indicar
-segn una encuesta de opinin antes de que se lleve a cabo la eleccin- cuntas
personas "van" a votar por los candidatos contendientes constituye un estudio descriptivo)
y relacionar dichas intenciones con conceptos como edad y sexo de los votantes,
magnitud del esfuerzo propagandstico en los medios de comunicacin colectiva que
realizan los partidos a los que pertenecen los candidatos y los resultados de la eleccin
anterior (estudio correlacional) es diferente de sealar por qu alguna gente habr de
votar por el candidato 1 y otra por los dems candidatos 12 (estudio explicativo).
Volviendo a hacer una analoga con el ejemplo del psicoanalista y sus pacientes, un
estudio explicativo sera similar a que el doctor Gonzlez hablar del por qu Dolores y
Csar se llevan como lo hacen (no cmo se llevan, lo cual corresponda a un nivel
correlacional). Suponiendo que su matrimonio lo condujeran "bien" y la relacin fuera
percibida por ambos como satisfactoria, el doctor Gonzlez nos explicara por qu ocurre
as. Adems, nos explicara por qu realizan ciertas actividades y pasan juntos
determinado tiempo.

Los estudios explicativos van ms all de la descripcin de conceptos o fenmenos o del


establecimiento de relaciones entre conceptos; estn dirigidos a responder a las causas
de los eventos fsicos o sociales.

Ejemplo de las diferencias entre un estudio explicativo, uno descriptivo y uno


correlacional.
Los estudios explicativos responderan a preguntas tales como: qu efectos tiene que
los adolescentes peruanos -que viven en zonas urbanas y cuyo nivel socioeconmico es
elevado- se expongan a videos televisivos musicales con alto contenido de sexo?, a qu
se deben estos efectos?, qu variables mediatizan los efectos y de qu modo?, por qu
prefieren dichos adolescentes ver videos musicales con altos contenidos de sexo respecto
a otros tipos de programas y videos musicales?, qu usos dan los adolescentes al
contenido sexual de los videos musicales?, qu gratificaciones derivan de exponerse a
los contenidos sexuales de los videos musicales?, etc. Un estudio descriptivo solamente
respondera a preguntas como cunto tiempo dedican dichos adolescentes a ver videos
televisivos musicales y especialmente videos con alto contenido de sexo?, en qu
medida les interesa ver este tipo de videos?, en su jerarqua de preferencias por ciertos
contenidos televisivos qu lugar ocupan los videos musicales?, prefieren ver videos
musicales con alto, medio, bajo o nulo contenido de sexo?, etc.; y un estudio correlacional
contestara a preguntas como est relacionada la exposicin a videos musicales con alto
contenido de sexo por parte de los mencionados adolescentes con el control que ejercen
sus padres sobre la eleccin de programas de aqullos?, a mayor exposicin por parte
de los adolescentes a videos musicales con alto contenido sexual, mayor manifestacin
de estrategias en las relaciones interpersonales heterosexuales para establecer contacto
sexual?, a mayor exposicin por parte de los adolescentes a dichos videos, se presenta
una actitud ms favorable hacia el aborto?, etc. Grado de estructuracin de los estudios
explicativos.

Consideremos la siguiente correlacin: si el volumen de un gas es constante, a un


incremento en la temperatura le seguir un incremento en la presin. Esta afirmacin nos
dice cmo estn relacionadas tres variables: volumen, temperatura y presin del gas; y a
travs de ella podemos predecir qu ocurre con la presin si se conoce el volumen y la
temperatura. Hay, adems, cierto valor explicativo: por qu aument la presin?, pues
debido a que la temperatura se increment y el volumen del gas se mantuvo constante.
Pero se trata de una explicacin parcial. Una explicacin completa requerira de otras
proposiciones que informaran por qu y cmo estn relacionadas esas variables.
EJEMPLOSUn incremento de la temperatura aumenta la energa cintica de las
molculas del gas". "El incremento de la energa cintica causa un aumento en la
velocidad del movimiento de las molculas". Puesto que las molculas no pueden ir ms
all del recipiente con volumen constante, stas impactan con mayor frecuencia la
superficie interior del recipiente. (Debido a que se desplazan ms rpido, cubren ms
distancia y rebotan en el recipiente ms frecuentemente.)", "En la medida en que las
molculas impactan los costados del recipiente con mayor frecuencia, la presin sobre las
paredes del recipiente se incrementa". Esta explicacin, basada en la concepcin de un
gas como un conjunto de molculas en constante movimiento, es mucho ms completa
que la anterior y genera un mayor sentido de entendimiento.

Las investigaciones explicativas son ms estructuradas que las dems clases de estudios
y de hecho implican los propsitos de ellas (exploracin, descripcin y correlacin),
adems de que proporcionan un sentido de entendimiento del fenmeno a que hacen
referencia. Para comprender lo anterior tomemos un ejemplo deReyno1ds (1971, pp. 7-8),
que aunque se refiere a un fenmeno natural es muy til para comprender lo que significa
generar un sentido de entendimiento.

UNIDAD DE APRENDIZAJE 3. Hiptesis de investigacin


a.

Variables

En este punto es necesario definir qu es una variable. Una variable es una propiedad
que puede variar (adquirir diversos valores) y cuya variacin es susceptible de medirse.
Ejemplos de variables son el sexo, la motivacin intrnseca hacia el trabajo, es atractivo
fsico, el aprendizaje de conceptos, el conocimiento de historia de la Revolucin
Mexicana, la religin, la agresividad verbal, la personalidad autoritaria y la exposicin a
una campaa de propaganda poltica. Es decir, la variable se aplica a un grupo de
personas u objetos, los cuales pueden adquirir diversos valores respecto a la variable; por
ejemplo la inteligencia: las personas pueden clasificarse de acuerdo con su inteligencia,
no todas las personas poseen el mismo nivel de inteligencia, varan en ello.
La ideologa de la prensa: no todos los peridicos manifiestan a travs de su contenido la
misma ideologa. Las variables adquieren valor para la investigacin cientfica cuando
pueden ser relacionadas con otras (formar parte de una hiptesis o una teora). En este
caso se les suele denominar constructos o construcciones hipotticas.
b.

Caractersticas

Para que una hiptesis sea digna de tomarse en cuenta para la investigacin cientfica,
debe reunir ciertos requisitos:

Como argumenta Rojas (1981), las hiptesis slo pueden someterse a prueba en un
universo y contexto bien definidos. Por ejemplo, una hiptesis que tenga que ver con
alguna variable del comportamiento gerencial digamos, la motivacin- deber sometida a
prueba en una situacin real (con ciertos gerentes de organizaciones existentes, reales).
En ocasiones, en la hiptesis se explicita esa realidad (los nios guatemaltecos que viven
en zonas urbanas, imitarn mayor conducta violenta de la televisin, que los nios
guatemaltecos que viven en zonas rurales), y otras veces la realidad se define a travs
de explicaciones que acompaan a la hiptesis (la hiptesis: cuanto mayor sea la
retroalimentacin sobre el desempeo en el trabajo que proporcione un gerente a sus
supervisores, ms grande ser la motivacin intrnseca de stos hacia sus tareas
laborales; no explicita qu gerentes, de qu empresas. Y ser necesario contextualizar la
realidad de dicha hiptesis, afirmar por ejemplo que se trata de gerentes de todas las
reas produccin, recursos humanos, finanzas- de empresas puramente industriales con
ms de 1000 trabajadores y ubicadas en Bogot).
Es muy frecuente que, cuando nuestras hiptesis provienen de una teora o una
generalizacin emprica (afirmacin comprobada varias veces en la realidad) sean
manifestaciones contextualizadas o casos concretos de hiptesis generales abstractas. La
hiptesis a mayor satisfaccin laboral mayor productividad es general y puede
someterse a prueba en diversas realidades (pases, ciudades, parques industriales o aun
en una sola empresa; con directivos, secretarias u obreros, etc.; en empresas
comerciales, industriales, de servicios o combinaciones de estos tipos; giros; etc.).En
estos al probar nuestra hiptesis contextualizada aportamos evidencia a favor de la
hiptesis ms general. Es obvio que los contextos o realidades pueden ser ms o menos

1. Las hiptesis deben referirse a una situacin social real.

generales y normalmente- han sido explicitados en el planteamiento del problema. Lo


que hacemos al establecer la hiptesis o las hiptesis es volver a analizar si son los
adecuados para nuestro estudio y si es posible tener acceso a ellos (reconfirmamos el
contexto, buscamos otro o ajustamos las hiptesis).
2. Los trminos (variables) de la hiptesis tienen que ser comprensibles, precisos y lo
ms concreto posible. Trminos vagos o confusos no tienen cabida en una hiptesis. Por
ejemplo: globalizacin de la economa, sinergia organizacional, son conceptos
imprecisos y generales que deben sustituirse por otros ms especficos yconcretos.
3. La relacin entre variables propuesta por una hiptesis debe ser clara y verosmil
(lgica). Es decir, es necesario que quede claro cmo se estn relacionando las variables
y que esta relacin no sea lgica. Por ejemplo, una hiptesis como: "La disminucin del
consumo del petrleo en los Estados Unidos est relacionada con el grado de aprendizaje
del lgebra por parte de nios que asisten a escuelas pblicas en Buenos Aires" sera
inverosmil, no podemos considerarla.
4. Los trminos de la hiptesis y la relacin planteada entre ellos, deben poder ser
observados y medidos, o sea tener referentes en la realidad.
Las hiptesis cientficas -al igual que los objetivos y preguntas de investigacin- no
incluyen aspectos morales ni cuestiones que no podemos medir en la realidad. Hiptesis
tales como: "Los hombres ms felices van al cielo" o "La libertad de espritu est
relacionada con la voluntad creadora "contienen conceptos o relaciones que no poseen
referentes empricos; por lo tanto, no son tiles como hiptesis para investigar
cientficamente ni se pueden someter a prueba en la realidad.

Este requisito est estrechamente relacionado con el anterior y se refiere a que al


formular una hiptesis, tenemos que analizar si existen tcnicas o herramientas de la
investigacin (instrumentos para recolectar datos, diseos, anlisis estadsticos o
cualitativos, etc.), para poder verificarla, si es posible desarrollarlas y si se encuentran a
nuestro alcance. Se puede dar el caso de que existan dichas tcnicas pero que por ciertas
razones no tengamos acceso a ellas. Alguien podra pretender probar hiptesis referentes
a la desviacin presupuesta en el gasto pblico de un pas latinoamericano o la red de
narcotraficantes en la ciudad de Miami, pero no disponer de formas realistas de obtener
sus datos. Entonces su hiptesis aunque tericamente puede ser muy valiosa, no se
puede probaren la realidad.
c.

Objetivos

Si hemos seguido paso por paso el proceso de investigacin, es natural que las hiptesis
surjan del planteamiento del problema que, como recordamos, se vuelve a evaluar y si es
necesario se replantea a raz de la revisin de la literatura. Es decir, provienen de la
revisin misma de la literatura (de la teora adoptada o la perspectiva terica
desarrollada).
Nuestras hiptesis pueden surgir de un postulado de una teora, del anlisis de sta, de
generalizaciones empricas pertinentes a nuestro problema de investigacin y de estudios
revisados o antecedentes consultados. Existe pues, una relacin muy estrecha entre el
planteamiento del problema, la revisin de la literatura y las hiptesis.

5. Las hiptesis deben estar relacionadas con tcnicas disponibles para probarlas.

La revisin inicial de la literatura hecha para familiarizarnos con el problema de estudio


nos lleva a plantear dicho problema, despus revisamos la literatura y afinamos o
precisamos el planteamiento del problema, del cual derivamos las hiptesis. Desde luego,
al formular las hiptesis volvemos a evaluar nuestro planteamiento del problema.
Debemos recordar que se coment que los objetivos y preguntas de investigacin pueden
reafirmarse o mejorarse durante el desarrollo del estudio. Asimismo, durante el proceso se
nos pueden ocurrir otras hiptesis que no estaban contempladas en el planteamiento
original, producto de nuevas reflexiones, ideas o experiencias; discusiones con
profesores, colegas o expertos en el rea; e incluso- de analogas mediante el
descubrimiento de semejanzas entre la informacin referida a otros contextos y la que se
posee para la realidad del objeto de estudio (Rojas, 1981, p.95) este ltimo caso ha
ocurrido varias veces en las ciencias sociales.

1. En primer lugar, son las guas de una investigacin. Formularlas nos ayuda a
saber lo que estamos tratando de buscar, de probar. Proporcionan orden y lgica
al estudio. Son como los objetivos de un plan administrativo: "Las sugerencias
formuladas en las hiptesis pueden ser soluciones al (los) problemas) de
investigacin. Si lo son o no, efectivamente es la tarea del estudio." (Sellitz et al.,
1965.)
2. En segundo lugar, tienen una funcin descriptiva y explicativa, segn sea el caso.
Cada vez que una hiptesis recibe evidencia emprica en su favor o en su contra,
nos dice algo acerca del fenmeno al cual est asociado o hace referencia. Si la
evidencia es en su favor, la informacin sobre el fenmeno se incrementar y aun si
la evidencia es en su contra, descubrimos algo acerca del fenmeno que no
sabamos antes (Black y Champion, 1976).
3. La tercera funcin es probar teoras, si se aporta evidencia en favor de una.
Cuando varias hiptesis de una teora reciben evidencia en su favor, la teora va
hacindose ms robusta; y cuanto ms evidencia haya en favor de aqullas, ms
evidencia habr en favor de sta.
4. Una cuarta funcin es sugerir teoras (Black y Champion, 1976). Algunas hiptesis
no estn asociadas con teora alguna; pero puede ocurrir que como resultado de la
prueba de una hiptesis, se pueda construir una teora o las bases para sta. Esto
no es muy frecuente pero ha llegado a ocurrir.
d.

Tipos

Existen diversas formas de clasificar las hiptesis, pero en este apartado nos vamos a
concentrar en una que las clasifica en: 1) hiptesis de investigacin, 2) hiptesis nulas 3)
hiptesis alternativas y 4) hiptesis estadsticas.
1) hiptesis de investigacin: Son "proposiciones tentativas acerca de las posibles
relaciones entre dos o ms variables y que cumplen con los cinco requisitos
mencionados". Se les suele simbolizar como Hi, H1, H2, H3, etc. (si son varias) y

Es posible que alguien piense que con lo expuesto en este captulo queda claro qu valor
tienen las hiptesis para la investigacin del comportamiento. Sin embargo, creemos que
es necesario ahondar un poco ms en este punto, mencionando las principales funciones
de las hiptesis.

tambin se les denomina hiptesis de trabajo. A su vez, las hiptesis de investigacin


pueden ser:
- Hiptesis descriptivas del valor de variables que se va a observar en un contexto o en la
manifestacin de otra variable
- Hiptesis correlacionales. stas especifican las relaciones entre dos o ms variables.
Corresponden a los estudios correlacionales y pueden establecer la asociacin entre dos
variables. Es necesario agregar que, en una hiptesis de correlacin, el orden en que
coloquemos las variables no es importante (ninguna variable antecede a la otra; no hay
relacin de causalidad).
2) hiptesis nulas: Las hiptesis nulas son, en un sentido, el reverso de las hiptesis de
investigacin. Tambin constituyen proposiciones acerca de la relacin entre variables
solamente que sirven para refutar o negar lo que afirma la hiptesis de investigacin.

3) hiptesis alternativas: Como su nombre lo indica, son posibilidades 'alternativas " ante
las hiptesis de investigacin y nula. Ofrecen otra descripcin o explicacin distintas a las
que proporcionan estos tipos de hiptesis. Por ejemplo, si la hiptesis de investigacin
establece: "Esta silla es roja", la nula afirmar: "Esta silla no es roja", y podran formularse
una o ms hiptesis alternativas: "Esta silla es azul", "Esta silla es verde", "Esta silla es
amarilla", etc. Cada una constituye una descripcin distinta a las que proporcionan las
hiptesis de investigacin y nula. Las hiptesis alternativas se simbolizan como Ha y slo
pueden formularse cuando efectivamente hay otras posibilidades adicionales a las
hiptesis de investigacin y nula. De ser as, no pueden existir.
4) hiptesis estadsticas: Las hiptesis estadsticas son la transformacin de las hiptesis
de investigacin, nulas v alternativas en smbolos estadsticos. Se pueden formular
solamente cuando los datos del estudio que se van a recolectar y analizar para aprobar o
desaprobar las hiptesis son cuantitativos (nmeros, porcentajes, promedios). Es decir, el
investigador traduce su hiptesis de investigacin y su hiptesis nula (y cuando se
formulan hiptesis alternativas, tambin stas) en trminos estadsticos. Bsicamente hay
tres tipos de hiptesis estadstica, que corresponden a clasificaciones de las hiptesis de
investigacin y nula: 1) de estimacin, 2) de correlacin y 3) de diferencias de medias.

UNIDAD DE APRENDIZAJE 4. Diseo de investigacin en ciencias


del comportamiento

Por ejemplo, si la hiptesis de investigacin propone: "Los adolescentes le atribuyen ms


importancia al atractivo fsico en sus relaciones heterosexuales que las mujeres", la nula
postulara:"Los jvenes no le atribuyen ms importancia al atractivo fsico en sus
relaciones heterosexuales que la sadolescentes". Debido a que este tipo de hiptesis
resulta la contrapartida de la hiptesis de investigacin, hay prcticamente tantas clases
de hiptesis nulas como de investigacin. Es decir, la clasificacin de hiptesis nulas es
similar a la tipologa de la hiptesis de investigacin: hiptesis nulas descriptivas de una
variable que se va a observar en un contexto, hiptesis que niegan o contradicen la
relacin entre dos o ms variables, hiptesis que niegan que haya diferencia entre grupos
que se comparan es decir afirmar que los grupos son iguales- e hiptesis que niegan la
relacin de causalidad entre dos o ms variables (en todas sus formas). Las hiptesis
nulas se simbolizan como Ho.

Hernndez, Fernndez y Baptista (2003), sealan que el trmino diseo se refiere al


plan o estrategia concebida para obtener la informacin que desea. Por lo tanto, el
diseo de investigacin se concibe como estrategias en las cuales se pretende
obtener respuestas a las interrogantes y comprobar las hiptesis de investigacin,
con el fin de alcanzar los objetivos del estudio.
En el caso del enfoque cuantitativo, el investigador utiliza su diseo para analizar la
certeza de las hiptesis formuladas en un contexto particular o para aportar
evidencias respecto de los lineamientos de la investigacin.
a.

Experimental

A continuacin se presentan los diseos experimentales ms comnmente citados en la


literatura sobre experimentacin. Segn Buenda, Cols y Hernndez (1998), los
diseos experimentales se dividen en tres clases:
a) Pre-experimentos: este tipo de diseos se caracterizan por un bajo nivel de control
y, por tanto, baja validez interna y externa. El inconveniente de estos diseos es
que el investigador no puede saber con certeza, despus de llevar a cabo su
investigacin, que los efectos producidos en la variable dependiente se deben
exclusivamente a la variable independiente o tratamiento. Sin embargo, este tipo
de diseos son los nicos aplicables en determinados tipos de investigaciones
educativas.
b) Experimentos verdaderos: Este tipo de diseos se denominan tambin
autnticos experimentos porque realizan un control de todos los factores que
afectan tanto a la validez interna, como a la validez externa. El elemento
fundamental de este tipo de diseos es que los sujetos son elegidos al azar de la
poblacin y asignados al azar a los grupos experimentales y de control.

Aunque estos diseos no garantizan un nivel de validez interna y externa como en


los experimentales, ofrece un grado de validez suficiente, lo que hace muy viable
su uso en el campo de la educacin y de la psicologa.
b.

No experimental

La investigacin no experimental es la bsqueda emprica y sistemtica en la que el


cientfico no posee control directo de las variables independientes, debido a que sus
manifestaciones ya han ocurrido o ha que son inherentemente no manipulables. Se hacen
inferencias sobre las relaciones entre las variables, sin intervencin directa sobre la
variacin simultnea de las variables independiente y dependiente (Kerlinger, 2002).
Los diseos no experimentales se clasifican, segn Hernndez y otros (2003), en:
a) Transaccional o transversal: Investigaciones que recopilan datos en un solo
momento, en un tiempo nico. Su propsito es describir variables y analizar su incidencia
e interrelacin en un momento dado (o describir comunidades, eventos, fenmenos o
contextos), es como tomar una fotografa de algo que sucede.
A su vez, los diseos transaccionales se dividen en:

c) Cuasi-experimentos: La caracterstica fundamental de este tipo de diseo est


en que el experimentador no puede hacer la asignacin al azar de los sujetos a los
grupos experimentales y de control. Sin embargo, si puede controlar alguna de las
siguientes cuestiones: cundo llevar a cabo las observaciones, cundo aplicar la
variable independiente o tratamiento y cul de los grupos recibir el tratamiento.

1) Diseos transaccionales exploratorios: Su propsito es comenzar a conocer


una comunidad, un contexto, un evento, una situacin, una variable o un conjunto
de variables. Se trata de una exploracin inicial en un momento especfico, por lo
general se aplica a problemas de investigacin nuevos o pocos conocidos, y se
constituyen en prembulo de los otros diseos (experimentales y no
experimentales).
2) Diseos transicionales descriptivos: Tienen como objetivo indagar las
incidencias y los valores en que se manifiestan una o ms variables (dentro del
enfoque cuantitativo) o ubicar, categorizar y proporcionar una visin de una
comunidad, un evento, un contexto, un fenmeno o una situacin. El procedimiento
consiste en medir, o ubicar a un grupo de personas, situaciones, contextos,
fenmenos, en una variable o concepto y proporcionar su descripcin. Son, por lo
tanto, estudios puramente descriptivos y cuando establecen hiptesis, stas son
tambin descriptivas.
3) Diseos transicionales correlacionales-causales: Tienen como objetivo
describir relaciones entre dos o ms categoras, conceptos o variables en un
momento determinado. En estos diseos lo que se mide-analiza (enfoque
cuantitativo) o evala-analiza (enfoque cualitativo) es la relacin entre variables en
un tiempo determinado. Este tipo de diseo, tambin puede precisar sentido de
causalidad.
b) Longitudinales: Estudios que recolectan datos en diferentes puntos, a travs del
tiempo, para realizar inferencias acerca del cambio, sus determinantes y consecuencias
(Hernndez, Fernndez y Baptista, 2003).
Los diseos longitudinales suelen dividirse en:

1) Diseos longitudinales de tendencia: Son aquellos que analizan cambios a


travs del tiempo en variables o sus relaciones, dentro de alguna poblacin en
general. Se puede observar o medir toda la poblacin, o tomar una muestra
representativa de ella cada vez que se observan o midan las variables. Su
caracterstica distintiva es que la atencin se centra en una poblacin.
2) Diseos longitudinales de evolucin de grupo Cohorte: Examinan cambios a
travs del tiempo en subpoblaciones o grupos especficos. Su atencin son las
Cohorte o grupos de individuos vinculados de alguna manera (sexo, edad, etc.). Se
hace un seguimiento de estos subgrupos a travs del tiempo.
3) Diseos longitudinales panel: Son similares a los diseos anteriores, slo que
el mismo grupo de sujetos es medido u observado (se recolectan datos sobre ellos)
en todos los tiempos o momentos. Su atencin se centra en los sujetos
individualizados, por lo tanto, son mediciones ms precisas.

UNIDAD DE APRENDIZAJE 5. Tipos de validez en la investigacin


en ciencias del comportamiento
Una contribucin fundamental de un experimento es que ayuda a excluir las diferentes
variables que podran explicar un fenmeno. Pero un experimento determinado no

excluye necesariamente todas las explicaciones alternativas posibles. Desde un punto de


vista metodolgico, el mejor experimento es aqul cuyo diseo excluye las explicaciones
alternativas de los resultados.
Idealmente, los resultados de un experimento tendrn slo una interpretacin, que sera
que la variable independiente es la responsable de los cambios en la dependiente.
Las variables extraas que puedan afectar los valores obtenidos en la V.D. suponen una
amenaza para la validez experimental. Un experimento resulta vlido en la medida que los
resultados pueden ser atribuidos a la V.I., y en el grado que se generalizan fuera del
experimento.
Si los resultados de un experimento pueden ser atribuidos inequvocamente a la V.I., se
dice que el experimento es internamente vlido. El grado en que permite la generalizacin
se refiere a los aspectos relativos a la validez externa.
a.

Interna

Se refiere al grado en que un experimento excluye las explicaciones alternativas de los


resultados, es decir, al grado en que ciertamente la manipulacin de la V.I. es responsable
de los cambios en la V.D.
Cualquier factor o fuente que no sea la V.I. y que pudiera explicar los resultados es una
amenaza para la validez interna. De esta forma, la validez interna es un mnimo bsico sin
el cual un experimento est abierto a mltiples explicaciones alternativas.
Campbell menciona que este tipo de validez implica qu tan fuerte es la afirmacin que el
experimentador puede hacer al respecto a la generalizacin de los resultados de estudio.

Efecto reactivo o de interaccin de la prueba

Efectos de interaccin de los sesgos de seleccin y la variable independiente

Efectos reactivos de los arreglos experimentales

Interferencia de tratamiento mltiple

b.

Externa

La validez externa se refiere a la extensin y forma en que los resultados de un


experimento pueden ser generalizados a diferentes sujetos, poblaciones, lugares,
experimentadores, etc.
Como ya hemos indicado, el objetivo de un experimento es demostrar las relaciones
funcionales entre las variables independiente y dependiente. Un objeto an ms amplio de
la investigacin es establecer relaciones generales valiosas. La validez interna dirige la
pregunta inicial referente a si un experimento determinado ha demostrado una relacin
inequvoca. La validez externa dirige una pregunta ms amplia, referente al grado con que
pueden generalizarse los resultados de un experimento.

UNIDAD DE APRENDIZAJE 6. Muestreo en ciencias del


comportamiento
a.

Seleccin de la muestra

Existen cuatro fuentes posibles de amenaza a la validez externa:

La muestra es en esencia un subgrupo de la poblacin. Digamos que es un subconjunto


de elementos que pertenecen a ese conjunto definido en sus caractersticas al que
llamamos poblacin. Con frecuencia leemos y escuchamos hablar de muestra
representativa, muestra al azar, muestra aleatoria. En realidad pocas veces es posible
medir a toda la poblacin, por lo que obtenemos o seleccionamos una muestra y, desde
luego, se pretende que este subconjunto sea un reflejo fiel del conjunto de la poblacin..
Todas las muestras y, desde luego, se pretende que este subconjunto sea un reflejo fiel
del conjunto de la poblacin. Todas las muestras, deben ser representativas, por lo tanto,
el uso de este trmino resulta por dems intil. Los trminos al azar y aleatorios denotan
un tipo de procedimiento mecnico relacionado con la probabilidad y con la seleccin de
elementos, pero no logran esclarecer tampoco el tipoi de muestra y el procedimiento de
muestre.
b.

Tipos de muestra

Las muestras se categorizan en NO probabilsticas y probabilsticas. La seleccin entre


una y otra depende de los objetivos del estudio, del esquema de investigacin y de la
contribucin que se piensa hacer con ella.

Muestreo probabilstico

Todos los elementos de la poblacin tienen la misma posibilidad de ser escogidos y se


obtienen definiendo las caractersticas de la poblacin y el tamao de la muestra, y por
medio de una seleccin aleatoria o mecnica de las unidades de anlisis.
Se deben de tener en cuenta diversos factores para seleccionar un tipo de muestra; el
planteamiento del problema, las hiptesis, el diseo de investigacin y el alcance de sus
contribuciones.
Las muestras probabilsticas tienen muchas ventajas, quiz la principal sea que puede
medirse el tamao de error en nuestras predicciones. Se dice incluso que el principal
objetivo en el diseo de una muestra probabilstica es reducir al mnimo este error al que
se le llama error estndar.
Este tipo de muestra es esencial en los diseos de investigacin transeccionales, tanto
descriptivos como correlacionales- causales donde se pretende hacer estimaciones de
variables en la poblacin. Estas variables se miden y se analizan con pruebas estadsticas
en una muestra, donde se presupone que sta es probabilstica y todos los elementos
muestrales tendrn valores muy parecidos a los de la poblacin, de manera que las
mediciones en el subconjunto nos darn estimados precisos del conjunto mayor. La
precisin de dichos estimados depende del error en el muestreo, que es posible calcular.
Para hacer una muestra probabilstica es necesario entender los siguientes trminos y sus
definiciones:
- La poblacin a la que se suele denominar como N es un conjunto de elementos.
- La muestra, a la que se simboliza con N, es un subconjunto de la poblacin N.
- En una poblacin N (previamente delimitada por los objetivos de la investigacin),
nos interesa establecer valores de las caractersticas de los elementos de N.

c.

Para una muestra probabilstica necesitamos principalmente dos cosas: determinar el


tamao de la muestra (n) y seleccionar los elementos muestrales, de manera que todos
tengan la misma posibilidad de ser elegidos.
Para lo primero, daremos una frmula que contiene las expresiones ya descritas. Para lo
segundo, necesitamos de un marco de seleccin adecuado y de un procedimiento que
permita la aleatoriedad en la seleccin. Hablaremos de ambas cosas en los siguientes
incisos.
Cuando se hace una muestra probabilstica, uno debe preguntarse Cul es el nmero
mnimo de unidades de anlisis (personas, organizaciones, captulos de telenovelas, etc.),
que necesito para conformar una muestra (n) que me asegure un error estndar menor
de .01 (fijado por nosotros), dado que la poblacin N es aproximadamente de tantos
elementos? En esta pregunta se inquiere cul ser la probabilidad de ocurrencia de y, y
de que el valor de y basado en n observaciones se site en un intervalo que
comprenda al verdadero valor de la poblacin. Es decir que mi estimado y se acerque a
Y, al valor real. Si nosotros establecemos el error estndar y fijamos .01, sugerimos que
esta fluctuacin promedio de nuestro estimado y con respecto a los valores reales de la
poblacin Y, no sea> .01, es decir que de 100 casos, 99 veces mi prediccin sea correcta
y que el valor de y se site en un intervalo de confianza que comprenda el valor de Y . La
frmula para determinar el tamao de n es la siguiente:

lo cual se ajusta si se conoce el tamao de la poblacin N. Entonces tendremos que:

d.

Muestreo no probabilstico

En este tipo de muestreo la eleccin de los elementos no depende de la probabilidad, sino


de causas relacionadas con las caractersticas de la investigacin o de quien hace la
muestra. Aqu el procedimiento no es mecnico, ni con base en formular de probabilidad,
sino que depende del proceso de toma de decisiones de una persona o de un grupo de
personas y, desde luego, las muestras seleccionadas obedecen a los criterios de
investigacin.
Las muestras no probabilsticas, las cuales llamamos tambin muestras dirigidas suponen
un procedimiento de seleccin informal y un poco arbitrario. An as estas se utilizan en
muchas investigaciones y a partir de ellas se hacen inferencias sobre la poblacin. Es
como si juzgsemos el sabor de un cargamento de limones, solamente probando alguno,
como si para muestra bastase un botn. La muestra dirigida selecciona sujetos tpicos
con la vaga esperanza de que sean casos representativos de una poblacin determinada.

La verdad es que las muestras dirigidas tienen muchas desventajas. La primera es que, al
no ser probabilsticas, no podemos calcular con precisin el error estndar, es decir, no
podemos calcular con qu nivel de confianza hacemos una estimacin. Esto es un grave
inconveniente si consideramos que la estadstica inferencial se basa en teora de la
probabilidad, por lo que pruebas estadsticas (X2, correlacin, regresin, etc.), en
muestras no probabilsticas tienen un valor limitado y relativo a la muestra en s, mas no a
la poblacin. Es decir, los datos no pueden generalizarse a una poblacin, que no se
consider ni en sus parmetros, ni en sus elementos para obtener la muestra.
Recordemos que, en las muestras de este tipo, la eleccin de los sujetos no depende de
que todos tengan la misma probabilidad de ser elegidos, sino de la decisin de un
investigador o grupo de encuestadores.
La ventaja de una muestra no probabilstica es su utilidad para un determinado diseo de
estudio, que requiere no tanto de una representatividad de elementos de una poblacin,
sino de una cuidadosa y controlada eleccin de sujetos con ciertas caractersticas
especificadas previamente en el planteamiento del problema. Hay varias clases de
muestras dirigidas y stas se definirn a continuacin.

UNIDAD DE APRENDIZAJE 7. Niveles de medicin en ciencias del


comportamiento
Se puede medir en diferentes niveles. No es lo mismo medir una variable como sexo, a la
que slo se le puede asignar uno de los valores, que otra como estatura, que puede
asumir un conjunto infinito de valores desde cero en adelante, cualesquiera que sean las
unidades utilizadas. Para formalizar ms el concepto de medicin, veamos los cuatro
niveles de medicin que existen.

Es el nivel ms elemental, y por tanto el menos preciso. Cuando medimos en este nivel
slo estamos clasificando una variable en dos o ms categoras mutuamente excluyentes.
Ejemplos de variables que slo pueden medirse en el nivel nominal son el sexo, confesin
religiosa, la profesin que se ejerce, etc. Puesto que en el nivel nominal solamente
clasificamos, los numerales que se asignan son de tipo nominador y carecen de todo
sentido cuantitativo. En consecuencia, sobre los datos nominales slo puede realizarse la
operacin de contar. No tendra sentido sumar o realizar cualquier otra operacin
aritmtica con datos nominales.

b. Ordinal
En este segundo nivel aparecen los nmeros y, por tanto el sentido cuantitativo en la
medicin. Medimos a nivel ordinal cuando podemos colocar por orden de rangos la
propiedad que se mide. Por ejemplo, si afirmamos que un test de ansiedad mide a nivel
ordinal, y se lo aplicamos a dos sujetos, conforme al postulado 1 de la medicin,
tendremos que demostrar empricamente que:
(a = b) (a b) (a b)
Lo que implica que nuestro test debe distinguir si el sujeto a es ms ansioso que b o si su
nivel de ansiedad es el mismo. Pero no basta con esto, debemos tener cuidado y no caer
en suposiciones falsas cuando creemos medir a nivel ordinal. Para que una medicin sea
realmente ordinal es necesario demostrar que adems del postulado 1 se cumple el
postulado 2, esto es, que cuando medimos tres sujetos existe transitividad

a. Nominal

(a b) (b c) (a c)
Lo que solo puede hacerse empricamente.
Una medida ordinal slo permite comparaciones de rango. Si afirmo que (a b),
nicamente puedo afirmar eso, que el sujeto a tiene la propiedad en mayor medida que el
sujeto b, pero no puedo afirmar cul es la diferencia de magnitud que existe entre ambos
sujetos.

c. Intervalar
La caracterstica propia de este nivel consiste en que divide su escala en distancias
numricamente iguales llamadas intervalos. Tenemos que observar que exclusivamente
podemos hablar estrictamente de medicin intervalar cuando todos los intervalos tienen el
mismo tamao. Por ejemplo, si midiramos el nmero de hijos por familia en la escala
intervalar, tendramos:
{(0-1), (2-3), (4-6), (7 o ms)}
No estaramos midiendo a nivel intervalar porque el tercer espacio mide ms que los dos
anteriores y el cuarto no est acotado por la derecha. Debe observarse que un intervalo
es un espacio que no podemos fraccionar. Si al medir CI asignamos a Juan el intervalo
(105-109) lo nico que podemos afirmar es que el CI de Juan no es menor que 105 ni
mayor que 109, pero es imposible asignarle uno de los valores que contiene el intervalo.
Cuando tomamos el punto medio del intervalo (tambin llamado marca de clase) para
clculos estadsticos, debemos tener cuidado de entender que lo que obtendremos como
producto de tales clculos son medidas estadsticas, y no medidas de sujetos.

Este es el nivel ms alto de la medicin y al que se aspira a llegar en una investigacin


cientfica. Su caracterstica propia es que incluye un cero absoluto con significado
emprico. Cuando afirmamos que una medida es cero, debemos poder demostrar
empricamente que el sujeto medido no posee la propiedad que se mide. Al nivel de razn
tambin se le llama de proporciones porque una medida se expresa como nmero
racional a/b que representa la proporcin de a respecto a b, siendo a y b dos enteros
cualesquiera (desde luego, b no puede ser cero). nicamente con datos medidos a nivel
de razn pueden realizarse directamente todas las operaciones aritmticas (Kerlinger,
1982: 573-576).
Debe observarse que cada nivel contiene las caractersticas de los anteriores, ms una
propia de l. De este modo, el nivel nominal slo clasifica, el ordinal clasifica y ordena; el
intervalar clasifica, ordena y establece distancias numricamente iguales; finalmente, el
nivel de razn clasifica, ordena, establece distancias numricamente iguales, establece
proporciones e incluye un cero absoluto con significado emprico. Por eso se afirma que a
partir del ordinal, cada nivel es superior a los anteriores.
En cualquier caso, el nivel en el que midamos, depende de la forma en que definamos la
variable a medir y de que seamos capaces de demostrar que se cumplen los postulados
de la medicin (Lpez, 2007: 50-53).

UNIDAD DE APRENDIZAJE 8. Confiabilidad en ciencias del


comportamiento.

d. De razn

En la prctica es casi imposible que una medicin sea perfecta. Generalmente se tiene un
grado de error.
Desde luego, se trata de que este error sea el mnimo posible. Es por esto que la
medicin de cualquier fenmeno se conceptualiza con la siguiente frmula bsica:

Donde X representa los valores observados (resultados disponibles), t son los valores
verdaderos y e es el grado de error en la medicin. Si no hay error de medicin (e es
igual a cero), el valor observado y el verdadero son equivalentes. Esto puede verse
claramente as:

Esta situacin representa el ideal de la medicin. Entre mayor sea el error al medir, el
valor que observamos (y que es en el que nos basamos) se aleja ms del valor real o
verdadero. Por ejemplo, si medimos la motivacin de un individuo y esta medicin est
contaminada por un grado de error considerable, la motivacin registrada por el
instrumento ser bastante diferente de la motivacin real que tiene ese individuo. Por ello
es importante que el error sea reducido lo ms posible. Pero, cmo sabemos el grado de
error que tenemos en una medicin? Calculando la confiabilidad y validez.
Existen diversos procedimientos para calcular la confiabilidad de un instrumento de
medicin. Todos utilizan frmulas que producen coeficientes de confiabilidad. Estos
coeficientes pueden oscilar entre O y 1.
Donde un coeficiente de O significa nula confiabilidad y 1 representa un mximo de
confiabilidad (confiabilidad total). Entre ms se acerque el coeficiente a cero (0), hay
mayor error en la medicin.

En este procedimiento un mismo instrumento de medicin (o tems o indicadores) es


aplicado dos o ms veces a un mismo grupo de personas, despus de un periodo de
tiempo. Si la correlacin entre los resultados de las diferentes aplicaciones es altamente
positiva, el instrumento se considera confiable. Se trata de una especie de diseo panel.
Desde luego, el periodo de tiempo entre las mediciones es un factor a considerar. Si el
periodo es largo y la variable susceptible de cambios, ello puede confundir la
interpretacin del coeficiente de confiabilidad obtenido por este procedimiento. Y si el
periodo es corto las personas pueden recordar cmo contestaron en la primera aplicacin
del instrumento, para aparecer como ms consistentes de lo que son en realidad
(Bohrnstedt, 1976).

b. Formas paralelas
En este procedimiento no se administra el mismo instrumento de medicin, sino dos o
ms versiones equivalentes de ste. Las versiones son similares en contenido,
instrucciones, duracin y otras caractersticas. Las versiones generalmente dos son

a. Estabilidad

administradas a un mismo grupo de personas dentro de un periodo de tiempo


relativamente corto. El instrumento es confiable si la correlacin entre los resultados de
ambas administraciones es significativamente positiva. Los patrones de respuesta deben
variar poco entre las aplicaciones.

c. Divisin por mitades


Tambin llamado split-halves. Los procedimientos anteriores (medida de estabilidad y
mtodo de formas alternas), requieren cuando menos dos administraciones de la
medicin en el mismo grupo de individuos. En cambio, el mtodo de mitades-partidas
requiere slo una aplicacin de la medicin. Especficamente, el conjunto total de tems (o
componentes) es dividido en dos mitades y las puntuaciones o resultados de ambas son
comparados. Si el instrumento es confiable, las puntuaciones de ambas mitades deben
estar fuertemente correlacionadas. Un individuo con baja puntuacin en una mitad,
tender a tener tambin una baja puntuacin en la otra mitad.

d. Consistencia interna
-

Coeficiente alfa de Cronbach. Este coeficiente desarrollado por J. L. Cronbach


requiere una sola administracin del instrumento de medicin y produce valores
que oscilan entre O y 1. Su ventaja reside en que no es necesario dividir en dos
mitades a los tems del instrumento de medicin, simplemente se aplica la
medicin y se calcula el coeficiente.
Coeficiente KR-20. Kuder y Richardson (1937) desarrollaron un coeficiente para
estimar la confiabilidad de una medicin, su interpretacin es la misma que la del
coeficiente alfa.

Un aspecto crucial de todo instrumento de evaluacin es probar que ste evala lo que
pretende. Este problema se conoce en la literatura especializada de la psicometra como
el de la validez de una prueba. Tirado y colaboradores (1997) hacen una revisin al
respecto. Magnusson define la validez de un mtodo como la exactitud con que pueden
hacerse medidas significativas y adecuadas con l, en el sentido que midan realmente los
rasgos que se pretenden. Woolfolk define la validez como el grado en que una prueba
mide lo que se espera que mida.
El College Board en 1991 seala que la validez predictiva indica el grado hasta el cual las
puntuaciones de una prueba pueden predecir un criterio, la que se expresa como un
coeficiente de correlacin entre la variante predictiva y la variable criterio. Para Silva, la
validez predictiva indica el grado de certeza con que se pueden predecir algunas
caractersticas medidas a partir del instrumento de la escala, lo que se logra utilizando un
criterio externo. Thorndike y Hagen definen a la validez predictiva como la correlacin
entre las puntuaciones de una prueba y una medida de criterio adecuada. Al estimar la
validez de un instrumento de medicin, se precisan los alcances y limitaciones de la
prueba. Esto permite interpretar los resultados y tomar decisiones en forma ponderada.

UNIDAD DE APRENDIZAJE 9. Validez en ciencias del


comportamiento

Cronbach y Muhl se refieren a la validez como el indicador que describe el significado de


las calificaciones de un instrumento o procedimiento de evaluacin.
De acuerdo con Kerlinger (2002: 604) la clasificacin ms importante de los tipos de
validez es la que cre un comit conjunto de la Asociacin Psicolgica Americana, la
Asociacin Americana de Investigacin Educativa y el Consejo Nacional de Mediciones
utilizadas en Educacin. Se incluyen tres tipos de validez: de contenido, de constructo y
de criterio.
a.

De contenido

La validez de contenido es la representatividad o la adecuacin de muestreo de contenido


la sustancia, la materia, el tema- de un instrumento de medicin. La validacin de
contenido est guiada por la pregunta: la sustancia o contenido de esta medida es
representativa del contenido del universo de la propiedad que se mide? La validacin de
contenido es bsicamente de juicio. Cada reactivo debe juzgarse respecto a su supuesta
relevancia respecto a la propiedad que se mide. Por lo comn, otros jueces competentes
deben juzgar el contenido de los reactivos (Kerlinger, 2002: 604, 605).
Por su parte, Mrquez (1984: 11), define la validez de contenido como un instrumento de
medicin que debe contener una muestra representativa del conjunto total de
conocimientos o aspectos que se desean evaluar, se mide por el grado de
representatividad de la muestra.
El universo de contenido debe estar claramente definido. Existe otro tipo de validez que
es muy similar a la validez de contenido. sta se llama validez aparente o de facie, la cual
no es una validez en el sentido tcnico; se refiere a aquello que la prueba aparenta medir.
La validez de contenido es cuantificable a travs del empleo de ndices de concordancia
de las evaluaciones de los jueces. Uno de dichos ndices es la Kappa de Cohen
(Kerlinger, 2002: 606).

De constructo (convergente y divergente)

La validez de construccin es el grado en que mide un rasgo subyacente hipottico


cualquier instrumento que est fundamentado en una teora (Mrquez, 1984: 11). Para
Kerlinger [2002: 608, 609], a travs de la validez de constructo se desea saber qu
propiedad o propiedades psicolgicas o de otro tipo pueden explicar la varianza de las
pruebas, se est centrado en las propiedades que se miden, ms que en las pruebas
utilizadas para lograr la medicin. Los investigadores por lo comn, inician con los
constructos o variables que tienen relacin. Debe intentarse validar la teora que est
detrs de la prueba. Cronbach indica que existen tres partes en la validacin de
constructo: sugerir qu constructos posiblemente explican el desempeo de la prueba,
derivar hiptesis a partir de la teora que incluye al constructo y
comprobar
empricamente las hiptesis.
Un buen indicador para validar exmenes de seleccin, o rendimiento acadmico, es su
correspondencia con las calificaciones de los estudiantes en grados anteriores (por
ejemplo, el promedio del bachillerato), o su correspondencia con las calificaciones en

b.

grados posteriores (el promedio que se obtiene en el primer semestre o ao escolar). As,
se puede apreciar que la validez predictiva de un instrumento se logra al comparar en dos
direcciones: una de manera retrospectiva y otra de manera prospectiva (Cronbach, citado
por Tirado et. al., 1997).
c.

De criterio (concurrente y predictiva)

La validez relacionada con el criterio y validacin, se estudia al comparar las puntuaciones


de una prueba o escala con una o ms variables externas o criterios, que se sabe o se
considera que miden el atributo que se estudia. Un tipo de validez relacionada con el
criterio es la llamada validez predictiva. El otro tipo es la validez concurrente, que difiere
de la predictiva en la dimensin del tiempo. La validez predictiva involucra el uso de
desempeos del criterio futuros, mientras que la validez concurrente mide el criterio casi
al mismo tiempo. En este sentido, la prueba sirve para evaluar el estatus presente del
individuo (Kerlinger, 2002: 606).

Predictora: Posterior a la aplicacin de la prueba. El instrumento y el estndar


no son medidos a la vez.

Concurrente: Ya se cuenta con la medicin del criterio al realizar la prueba. El


instrumento y el estndar pueden ser medidos a la vez.

Cuando se predice el xito o fracaso de los estudiantes a partir de sus medidas de aptitud
acadmica, se est considerando la validez predictiva relacionada con el criterio. Qu
tan bien predice la prueba (o pruebas) el promedio final o el de la licenciatura? Aqu el
enfoque no es tanto lo que la prueba mide, sino su habilidad predictiva. A mayor
correlacin entre una medida o medidas de aptitud acadmica y el criterio, por ejemplo la
calificacin promedio, mejor ser la validez. La validez concurrente con frecuencia se
utiliza para validar una prueba nueva. Para cada examinado se toman por lo menos dos
medidas concurrentes. Una de ellas sera la prueba nueva y la otra sera una prueba o
medida existente. La validez concurrente se calculara al correlacionar los dos conjuntos
de calificaciones. La validez relacionada con el criterio est caracterizada por la prediccin
sobre un criterio externo y por la verificacin de un instrumento de medicin, ya sea ahora
o en el futuro, con un resultado o medida (Kerlinger, 2002: 606, 607).

UNIDAD DE APRENDIZAJE 10. Estadstica descriptiva


La primera tarea es describir los datos, valores o puntuaciones obtenidas para cada
variable. Por ejemplo, si aplicamos a 2 048 nios el cuestionario sobre los usos y
gratificaciones que tiene la televisin para ellos (Fernndez-Collado, Baptista y Elkes,
1986), cmo pueden describirse estos datos? Describiendo la distribucin de las
puntuaciones o frecuencias.
Una distribucin de frecuencias es un conjunto de puntuaciones ordenadas en sus
respectivas categoras.

Mrquez (1984: 12, 13), define la validez de criterio de la siguiente forma: Los datos de
validacin son de origen emprico, obtenidos por medio de la estadstica. Es una
comparacin entre nuestra situacin de medida y un estndar al que se le llama criterio. A
su vez, la validez de criterio se divide en:

Las distribuciones de frecuencias pueden completarse agregando las frecuencias


relativas y las frecuencias acumuladas. Las frecuencias relativas son los porcentajes de
casos en cada categora, y las frecuencias acumuladas son lo que se va acumulando en
cada categora, desde la ms baja hasta la ms alta.

a. Medidas de tendencia central


Las medidas de tendencia central son puntos en una distribucin, los valores medios o
centrales de sta y nos ayudan a ubicara dentro de la escala de medicin. Las principales
medidas de tendencia central son tres: moda, mediana y media. El nivel de medicin de la
variable determina cul es la medida de tendencia central apropiada.
La moda es la categora o puntuacin que ocurre con mayor frecuencia. En la tabla 10.5,
la moda es 1 (s se ha obtenido la cooperacin). Se utiliza con cualquier nivel de
medicin.
La mediana es el valor que divide a la distribucin por la mitad. Esto es, la mitad de los
caen por debajo de la mediana y la otra mitad se ubica por encima de la mediana. La
mediana refleja la posicin intermedia de la distribucin.
La mediana es una medida de tendencia central propia de los niveles de medicin ordinal,
por intervalos y de razn. No tiene sentido con variables nominales, porque en este nivel
no hay jerarquas, no hay nocin de encima o debajo. Tambin, la mediana es
particularmente til cuando hay valores extremos en la distribucin. No es sensible a
stos

La media es la medida de tendencia central ms utilizada y puede definirse como el


promedio aritmtico de una distribucin. Se simboliza como: X, y es la suma de todos los
valores dividida por el nmero de casos. Es una medida sola mente aplicable a
mediciones por intervalos o de razn. Carece de sentido por variables medidas en un
nivel nominal u ordinal. Su frmula es:

La frmula simplificada de la media es:

El smbolo indica que debe efectuarse una sumatoria, X es el smbolo de una


puntuacin y N es el nmero total de casos o puntuaciones

b. Medidas de variabilidad
Las medidas de la variabilidad nos indican la dispersin de los datos en la escala de
medicin, responden a la pregunta: en dnde estn diseminadas las puntuaciones o
valores obtenidos? Las medidas de tendencia central son valores en una distribucin y las
medidas de la variabilidad son intervalos, designan distancias o un nmero de unidades

en la escala de medicin. Las medidas de la variabilidad ms utilizadas son el rango, la


desviacin estndar y la varianza.
- El rango es la diferencia entre la puntuacin mayor y la puntuacin menor, indica el
nmero de unidades en la escala de medicin necesaria para incluir los valores mximo y
mnimo. Se calcula as: XM Xm (puntuacin mayor menos puntuacin menor). Tambin
suele denominrsele recorrido. Si tenemos los siguientes valores
Cuanto ms grande sea el rango, mayor ser la dispersin de los datos de una
distribucin.
- La desviacin estndar es el promedio de desviacin de las puntuaciones con respecto a
la media. Esta medida es expresada en las unidades originales de medicin de la
distribucin. Se interpreta en relacin a la media. Cuanto mayor es la dispersin de los
datos alrededor de la media, mayor es la desviacin estndar. Se simboliza como: s o la
letra minscula griega sigma () y su frmula esencial es:

La varianza es la desviacin estndar elevada al cuadrado y se simboliza como: s2. Es un


concepto estadstico sumamente importante, ya que muchas de las pruebas cuantitativas
se fundamentan en l. Diversos mtodos estadsticos parten de la descomposicin de la
varianza. Sin embargo, para fines descriptivos se utiliza preferentemente la desviacin
estndar.

c. Sesgo y curtosis

La curtosis es un indicador de lo plana o picuda que es una curva. Cuando es cero


(curtosis = 0), significa que se trata de una curva normal. Si es positiva, quiere decir que
la curva o distribucin o polgono es ms picuda o levantada. Si es negativa, quiere decir
que es ms plana.
La asimetra y la Curtosis requieren mnimo de un nivel de medicin por intervalos.

UNIDAD DE APRENDIZAJE 11. Estadstica inferencial


Frecuentemente, el propsito de la investigacin va ms all de describir las
distribuciones de las variables se pretende generalizar los resultados obtenidos en la
muestra a la poblacin o universo.51 Los datos casi siempre son recolectados de una
muestra y sus resultados estadsticos se denominan estadgrafos, la media o la
desviacin estndar de la distribucin de una muestra son estadgrafos. A las estadsticas
de la poblacin o universo se les conoce como parmetros. Los parmetros no son
calculados, porque no se recolectan datos de toda la poblacin, pero pueden ser inferidos
de los estadgrafos. de ah el nombre de estadstica inferencial.

El sesgo es una estadstica necesaria para conocer qu tanto nuestra distribucin se


parece a una distribucin terica llamada curva normal y constituye un indicador del
lado de la curva donde se agrupan las frecuencias. Si es cero (asimetra = 0), la curva o
distribucin es simtrica. Cuando es positiva quiere decir que hay ms valores agrupados
hacia la izquierda de la curva (por debajo de la media). Cuando es negativa significa que
los valores tienden a agruparse hacia la derecha de la curva (por encima de la media).

. La inferencia de los parmetros se lleva a cabo mediante tcnicas estadsticas


apropiadas para ello. Estas tcnicas se explicarn ms adelante. La estadstica inferencial
puede ser utilizada para dos procedimientos

a. Prueba de hiptesis
Una hiptesis en el contexto de la estadstica inferencial es una proposicin respecto a
uno o varios parmetros, y lo que el investigador hace a travs de la prueba de hiptesis
es determinar si la hiptesis es consistente con los datos obtenidos en la muestra
(Wiersma, 1986). Si la hiptesis es consistente con los datos, sta es retenida como un
valor aceptable del parmetro. Si la hiptesis no es consistente con los datos, se rechaza
sta (pero los datos no son descartados) (Wiersma, 1986). Para comprender lo que es la
prueba de hiptesis en la estadstica inferencial es necesario revisar el concepto de
distribucin muestral y nivel de significancia.

Una distribucin muestral consiste en un conjunto de valores sobre una estadstica


calculada de todas las muestras posibles de un determinado tamao (Wiersma, 1986, p.
337). Las distribuciones muestrales de medias son probablemente las ms
conocidas. Expliquemos este concepto con un ejemplo. Supongamos que nuestro
universo o poblacin son los automovilistas de una ciudad y deseamos averiguar cunto
tiempo pasan diariamente al volante. De este universo podra extraerse una muestra
representativa. Vamos a suponer que el tamao adecuado de muestra es de quinientos
doce automovilistas (n = 512). Del mismo universo se podran extraer diferentes muestras,
cada una con 512 personas. Tericamente, incluso podra hacerlo al azar una vez, dos,
tres, cuatro y las veces que fuera necesario hasta agotar todas las muestras posibles de
512 automovilistas de esa ciudad (todos los sujetos seran seleccionados en varias
muestras). En cada muestra se podra obtener una media del tiempo que pasan los
automovilistas manejando. Tendramos pues, una gran cantidad de medias, tantas como
las muestras extradas (X1, X2, X3, X4, .X5..., Xk). Y con estas medias podramos
elaborar una distribucin de medias. Habra muestras que en promedio pasan ms
tiempo al volante que otras.
Si calculramos la media de todas las medias de las muestras, obtendramos el valor de
la media poblacional.

b. Distribucin muestral

Desde luego, muy rara vez se obtiene la distribucin muestral (la distribucin de las
medias de todas las muestras posibles). Es ms bien un concepto terico definido por la
Estadstica para los investigadores. Lo que stos comnmente hacen es extraer una sola
muestra

c. Nivel de significancia
Wiersma (1986, p. 337-388) ofrece una explicacin sencilla del concepto, misma en que
nos basaremos para analizar su significado.
La probabilidad de que un evento ocurra oscila entre 0 y 1, donde 0 significa la
imposibilidad de ocurrencia y 1 la certeza de que ocurra el fenmeno. Al lanzar al aire una
moneda no cargada, la probabilidad de que salga cruz es 0.50 y la probabilidad de que
la moneda caiga al suelo en cara tambin es de 0.50. Con un dado, la probabilidad de
obtener cualquiera de sus lados al lanzarlo es de 1/6 0.1667. La suma de posibilidades
siempre es de 1.
Aplicando el concepto de probabilidad a la distribucin muestral, podemos tomar el rea
de sta como 1.00, y consecuentemente, cualquier rea comprendida entre dos puntos de
la distribucin corresponder a la probabilidad de la distribucin. Para probar hiptesis
inferenciales respecto a la media, el investigador tiene que evaluar si la probabilidad de
que la media de la muestra est cerca de la media de la distribucin muestral es grande o
pequea. Si es pequea, el investigador dudar de generalizar a la poblacin. Si es
grande, el investigador podr hacer generalizaciones. Es aqu donde entra el nivel de
significancia o nivel alfa (nivel a).
ste es un nivel de probabilidad de equivocarse y se fija antes de probar hiptesis
inferenciales.
Y con qu porcentaje tiene confianza el investigador para generalizar?, para suponer
que tal cercana es real y no debida a un error de muestreo? Existen dos niveles
convenidos en ciencias sociales:

b) El nivel de significancia del .01, el cual implica que el investigador tiene un 99% en su
favor para generalizar sin temor y un 1% en contra (0.99 y 0.01 = 1.00).
A veces el nivel de significancia puede ser todava ms exigente y confiable (v.g.,
0.001,0.00001,0.00000001). Pero lo mnimo es el .05, no se acepta un nivel de .06 (94% a
favor de la generalizacin confiable). Porque se busca hacer ciencia, no intuicin.
El nivel de significancia es un valor de certeza que fija el investigador a priori. De certeza
respecto a no equivocarse. Sobre este punto volveremos ms adelante.
El nivel de significancia se expresa en trminos de probabilidad (.05 y .01) y la
distribucin muestral tambin se expresa como probabilidad (el rea total de sta como
1.00). Pues bien, para ver si tenemos o no confianza al generalizar acudimos a la
distribucin muestral, probabilidad apropiada para la investigacin social. El nivel de
significancia lo tomamos como un rea bajo la distribucin muestral, tal y como se
muestra en la figura 10.11, dependiendo de si elegimos un nivel del .05 o del .01.
As, el nivel de significancia representa reas de riesgo o confianza en la distribucin
muestral.

a) El nivel de significancia del .05, el cual implica que el investigador tiene 95% de
seguridad para generalizar sin equivocarse, y slo un 5% en contra. En trminos de
probabilidad, 0.95 y .05 respectivamente, ambos suman la unidad.

d. Intervalo de confianza
Se ha hablado de la distribucin muestral por lo que respecta a la prueba de hiptesis,
pero otro procedimiento de la estadstica inferencial es construir un intervalo donde se
localiza un parmetro (Wiersma, 1986, p. 340). Por ejemplo, en lugar de pretender probar
una hiptesis acerca de la media poblacional, puede buscarse obtener un intervalo donde
se ubique dicha media. Esto requiere un nivel de confianza, al igual que en la prueba de
hiptesis inferenciales.
El nivel de confianza es al intervalo de confianza lo que el nivel de significancia es a la
prueba de hiptesis. Es decir, el nivel de confianza es una probabilidad definida de que un
parmetro se va a ubicar en un determinado intervalo. Los niveles de confianza utilizados
ms comnmente en la investigacin social son 0.95 y 0.99. Su sentido es el del 0.95,
quiere decir que tenemos 95% en favor de que el parmetro se localice en el intervalo
estimado, contra un 5% de elegir un intervalo equivocado. El nivel del 0.99 seala un 99%
de probabilidad de seleccionar el intervalo adecuado. Estos niveles de confianza (lo
mismo que los niveles de significancia) se expresan en unidades de desviacin estndar.
Una vez ms se acude a la distribucin muestral, concretamente a la tabla de reas bajo
la curva normal y se selecciona la puntuacin z correspondiente al nivel de confianza
seleccionada

e. Tipos de error
Nunca podemos estar completamente seguros de nuestra estimacin. Trabajamos con
altos niveles de confianza o seguridad y aunque el riesgo es mnimo podra
cometerse un error. Los resultados posibles al probar hiptesis pueden ser:
1) Aceptar una hiptesis verdadera (decisin correcta).
2) Rechazar una hiptesis falsa (decisin correcta).
3) Aceptar una hiptesis falsa (error conocido como del Tipo II o beta).
Ambos tipos de error son indeseables y puede reducirse la posibilidad de que se
presenten mediante:
a) Muestras representativas probabilsticas.
b) Inspeccin cuidadosa de los datos.
c) Seleccin de las pruebas estadsticas apropiadas.
d) Mayor conocimiento de la poblacin.

UNIDAD DE APRENDIZAJE 12. Estadstica paramtrica


a. Supuestos
Hay dos tipos de anlisis que pueden realizarse: los anlisis paramtricos y los no
paramtricos. Cada tipo posee sus caractersticas y presuposiciones que lo sustentan y la
eleccin del investigador sobre qu clase de anlisis efectuar depende de estas
presuposiciones. Asimismo, cabe destacar que en una misma investigacin pueden
llevarse a cabo anlisis paramtricos para algunas hiptesis y variables, y anlisis no
paramtricos para otras.

4) Rechazar una hiptesis verdadera (error conocido como de Tipo 1 o error alfa).

Para realizar anlisis paramtricos debe partirse de los siguientes supuestos:


1) La distribucin poblacional de la variable dependiente es normal: el universo
tiene una distribucin normal.
2) El nivel de medicin de la variable dependiente es por intervalos o razn.
3) Cuando dos o ms poblaciones son estudiadas, stas tienen una varianza
homognea: las poblaciones en cuestin tienen una dispersin similar en sus
distribuciones (Wiersma, 1986, p. 344).
Las pruebas estadsticas paramtricas ms utilizadas son:
1) Coeficiente de correlacin de Pearson y la regresin lineal.
2) Prueba t.
3) Prueba de contraste de la diferencia de proporciones.
4) Anlisis de varianza unidireccional (ANOVA Oneway).
5) Anlisis de varianza factorial (ANOVA).
6) Anlisis de covarianza (ANCOVA).

b. Correlacin de Pearson
Es una prueba estadstica para analizar la relacin entre dos variables medidas en un
nivel por intervalos o de razn.
La hiptesis que trata de comprobar es la correlacional, del tipo de A mayor X, mayor y,
A mayor menor Y, Altos valores en X estn asociados con altos valores en Y, Altos
valores en X se asocian con bajos valores de Y.
Involucra dos variables. La prueba en s no considera a una como independiente y a otra
como dependiente, ya que no se trata de una prueba que evala la causalidad. La nocin
de causa efecto (independiente- dependiente) se puede establecer tericamente,
pero la prueba no considera dicha causalidad. Las variables involucradas son de tipo
predictor y de tipo criterio.

Este tipo de correlacin exige variables medidas en el nivel de Intervalos o razn.


El coeficiente r de Pearson puede variar de 1.00 a +1.00 donde:
1.00 = correlacin negtiva perfecta (A mayor X, menor Y de manera proporcional. Es
decir, cada vez que X aumenta una unidad, Y disminuye siempre una cantidad constante).
Esto tambin se aplica a a menor X, mayor Y.
El signo indica la direccin de la correlacin (positiva o negativa) y el valor numrico, la
magnitud de la correlacin.

c. Regresin lineal
Lpez Surez (2007) describe el anlisis de correlacin lineal como un mtodo
paramtrico que fue desarrollado entre la segunda y la tercera dcada del siglo XX por el
matemtico ingls Karl Pearson (1857-1930), quien fue uno de los fundadores de la
estadstica. El coeficiente de Pearson es la prueba ms poderosa para medir la

El coeficiente de correlacin de Pearson se calcula a partir de las puntuaciones obtenidas


en una muestra en dos variables. Se relacionan las puntuaciones obtenidas de una
variable con las puntuaciones obtenidas de otra variable, en los mismos sujetos.

correlacin entre dos variables y para decidir sobre su nivel de significacin, pero debe
cuidarse de que se cumplan las condiciones para que su utilizacin resulte vlida. Sus
aplicaciones van desde la psicometra, en anlisis de confiabilidad y validez, hasta
cualquier investigacin que busque asociacin entre dos variables.
Los objetivos de esta prueba son:
1. Medir el grado en que estn correlacionadas dos variables: X (predictor) y Y
(criterio).
2. Probar su significacin.
3. Cuando se prueba que las dos variables estn asociadas significativamente, medir
la regresin de cualquier puntaje observado.
Condiciones de aplicacin:
1. Ambas variables. X y Y deben estar medidas al menos en el nivel intervalar. Es
debido recordar los cuatro niveles de medicin existentes: El ms dbil de ellos es el
nominal, en l se establecen categoras distintivas que no implican un orden
especfico, se asignan nmeros a eventos con el propsito de identificarlos, no existe
ningn referente cuantitativo. El siguiente es el nivel ordinal, en l se establecen
categoras, esta escala es cuantitativa porque permite ordenar a los eventos en
funcin de la mayor o menor posesin de un atributo o caracterstica. El nivel
intervalar posee las caractersticas de la medicin nominal y ordinal, establece la
distancia entre una medida y otra, se aplica a variables continuas pero carece de un
punto cero absoluto. Finalmente, la medicin de razn incluye las caractersticas de
los tres anteriores niveles de medicin anteriores, determina la distancia exacta entre
los intervalos de una categora, adicionalmente tiene un punto cero absoluto, es decir,
en el punto cero no existe la caracterstica o atributo que se mide, se aplica tanto a
variables continuas como discretas (vila, 2006).

3. La muestra debe ser grande. La Ley de los grandes nmeros establece que una
masa de datos es pequea cuando tiene un nmero no mayor de 25. La masa de
datos es grande si sta tiene ms de 25 (menos dos) elementos [Lpez Surez, 2004].
4. La poblacin de la que se obtuvo la muestra debe estar distribuida normalmente.
5. Ambas variables son homocedsticas, esto es, tienen varianzas iguales.
Igualmente, Lpez Surez [2007] describe un algoritmo a seguir para realizar la prueba de
Correlacin de Pearson:
Paso 1. Plantear el juego de hiptesis:
En una prueba direccionada, es decir, con probabilidad de tener un sentido positivo,
negativo, o estadsticamente igual a cero:
H0: r = 0, No existir correlacin entre X y Y.
H1 r > 0, Existir correlacin directa entre X y Y.

2. La muestra debe haberse obtenido aleatoriamente.

H2: r < 0, Existir correlacin inversa entre X y Y.


En una prueba no direccionada, o bien, dirigida hacia una misma direccin:
H0: r = 0, No existir correlacin entre X y Y.
H1: r 0, Existir correlacin entre X y Y.
Desde luego, en nuestro caso nos interesa probar con direccin.
Paso 2. Justificar el uso de la prueba demostrando que se cumplan las condiciones.
Paso 3. Especificar el nivel de significacin () con el que se probar la hiptesis y
justificarlo.
Paso 4. Identificar el valor terico rT. Utilizar la Tabla de valores tericos (rT) para
probar la significacin del coeficiente de correlacin de Pearson, ubicando la columna
correspondiente al nmero de parejas menos 2 grados de libertad (n-1) y el rengln
superior correspondiente a .
Paso 5. A partir de la masa de datos, construir la siguiente tabla:
Sujeto

XY

X2

Y2

X1

Y1

X1Y1

X12

Y12

...

...

...

...

...

...

Xn

Yn

XnYn

Xn2

Yn2

XY

X2

Y2

Paso 7. Aplicar la regla de decisin


* Cuando (|rP| rT), entonces H0 no puede ser rechazada.
* Cuando (|rP| > rT), entonces H0 debe rechazarse, En una prueba direccionada se
procede a decidir la hiptesis alternativa conforme al signo de r P; en una prueba no
direccionada se acepta H1.
Paso 8. Concluir con el nivel de confianza de 1- .
Como se mencion anteriormente, el resultado puede oscilar entre -1 y +1. Cuanto ms
cercano a 1 est el coeficiente en trminos relativos (sin tener en cuenta el signo) mayor
es el grado de validez y cuanto ms cercano est a 0, menor ser la validez. Las
situaciones de mxima validez sern las ms prximas a +1 y a 1, el signo +/depender de la direccin en la relacin [Martnez et. al., 2003].

d. Prueba t

Paso 6. Calcular el coeficiente de correlacin de Pearson con

Es una prueba estadstica para evaluar si dos grupos difieren entre s de manera
significativa respecto a sus medias.
El tipo de hiptesis que desea comprobar es De diferencia entre dos grupos. La hiptesis
de investigacin propone que los grupos difieren significativamente entre s y la hiptesis
nula propone que los grupos no difieren significativamente.
La variable que involucra se realiza sobre una variable. Si hay diferentes variables, se
efectuarn varias pruebas t (una por cada variable). Aunque la razn que motiva la
creacin de los grupos puede ser una variable independiente. Por ejemplo: un
experimento con dos grupos, uno al cual se le aplica el estmulo experimental y el otro
grupo el de control.
Solamente acepta variables medidas en el nivel de Intervalos o razn.
El valor t se obtiene en muestras grandes mediante la frmula:

Para saber si el valor t es significativo, se aplica la frmula y se calculan los grados de


libertad. La prueba t se basa en una distribucin muestral o poblacional de diferencia de
medias conocida como la distribucin t de Student. Esta distribucin es identificada por
los grados de libertad, los cuales constituyen el nmero de maneras como los datos
pueden variar libremente. Son determinantes, ya que nos indican qu valor debemos
esperar de t dependiendo del tamao de los grupos que se comparan. Entre mayor
nmero de grados de libertad se tengan, la distribucin t de Student se acerca ms a ser
una distribucin normal y usualmente si los grados de libertad exceden los 120, la
distribucin normal es utilizada como una aproximacin adecuada de la distribucin t de
Student (Wiersma, 1986). Los grados de libertad se calculan as:

N1 y N2 son el tamao de los grupos que se comparan.

Una vez calculados el valor t y los grados de libertad, se elige el nivel de significancia y
se compara el valor obtenido contra el valor que le correspondera en la tabla dos del
apndice cinco (tabla de la distribucin t de Student). Si nuestro valor calculado es igual
o mayor al que aparece en la tabla, se acepta la hiptesis de investigacin. Pero si
nuestro valor calculado es menor al que aparece en dicha tabla, se acepta la hiptesis
nula.
En la tabla se busca el valor con el cual vamos a comparar el que hemos calculado,
basndonos en el nivel de confianza elegido (0.05 o 0.01) y los grados de libertad. La
tabla contiene como columnas los niveles de confianza y como renglones los grados de

Donde X 1 es la media de un grupo, X 2 es la media del otro grupo, S1 es la desviacin


estndar del primer grupo elevada al cuadrado, N1 es el tamao del primer grupo, es la
desviacin estndar del segundo grupo elevada al cuadrado y N2 es el tamao del
segundo grupo. En realidad, el denominador es el error estndar de la distribucin
muestral de la diferencia entre medias.

libertad. Los niveles de confianza adquieren el significado del que se ha hablado (el .05
significa un 95% de que los grupos en realidad difieran significativamente entre s y un 5%
de posibilidad de error).
Cuanto mayor sea el valor t calculado respecto al valor de la tabla y menor sea la
posibilidad de error, mayor ser la certeza en los resultados.
Cuando el valor t se calcula utilizando un paquete estadstico para computadora, la
significancia se proporciona como parte de los resultados y sta debe ser menor a .05 o .
01 dependiendo del nivel de confianza seleccionado.

UNIDAD DE APRENDIZAJE 13. Estadstica no paramtrica


a. Supuestos
Para realizar anlisis no paramtricos debe partirse de las siguientes consideraciones:
1) La mayora de estos anlisis no requieren de presupuestos acerca de la forma de la
distribucin poblacional. Aceptan distribuciones no normales.
2) Las variables no necesariamente deben de estar medidas en un nivel por intervalos o
de razn, pueden analizarse datos nominales u ordinales. De hecho, si se quieren aplicar
anlisis no paramtricos a datos por intervalos o razn, stos deben de ser resumidos a
categoras discretas (a unas cuantas). Las variables deben ser categricas.
Las pruebas no paramtricas ms utilizadas son:
1) La Chi cuadrada o 2
2) Los coeficientes de correlacin e independencia para tabulaciones cruzadas.
3) Los coeficientes de correlacin por rangos ordenados de Spearman y Kendall.

Es una prueba estadstica para evaluar hiptesis acerca de la relacin entre dos variables
categricas. Prueba hiptesis correlacionales. Involucra dos variables. Acepta variables
medidas a Nominal u ordinal (o intervalos o razn reducidas a ordinales). La Chicuadrada se calcula a travs de una tabla de contingencia o tabulacin cruzada, que es
una tabla de dos dimensiones y cada dimensin contiene una variable. A su vez, cada
variable se subdivide en dos o ms categoras

c. Coeficiente de Spearman
Los coeficientes rho de Spearman, simbolizado como rs, y tau de Kendall, simbolizado
como t, son medidas de correlacin para variables en un nivel de medicin ordinal, de tal
modo que los individuos u objetos de la muestra pueden ordenarse por rangos
(jerarquas).
Debe observarse que todos los sujetos u objetos deben jerarquizarse por rangos que
contienen las propiedades de una escala ordinal (se ordenan de mayor a menor). Ambos
coeficientes varan de 1.0 (correlacin negativa perfecta) a +1.0 (correlacin positiva
perfecta). Se trata de estadsticas sumamente eficientes para datos ordinales. La
diferencia entre ellos es explicada por Nic et al. (1975, p. 289) de la siguiente manera: El
coeficiente de Kendall resulta un poco ms significativo cuando los datos contienen un
nmero considerable de rangos empatados. El coeficiente de Spearman por otro lado,
parece ser una aproximacin cercana al coeficiente r de Pearson, continua (v.g., no
caracterizados por un nmero considerable de empates en cada rango)

b. Chi cuadrada

UNIDAD DE APRENDIZAJE 14. Mtodo narrativo


En este caso el observador es el principal instrumento de observacin. Lo que se registra
no est especificado de antemano, sino que depende en gran medida del sistema
perceptual del observador y de su capacidad para captar y transmitir en lenguaje cotidiano
lo que ha observado. Los sistemas narrativos son sistemas abiertos, no tienen categoras
predeterminadas y registran segmentos amplios de acontecimientos y conductas en forma
oral o escrita.
Los registros narrativos pueden construirse durante la observacin o despus de ella.
Entre otros se utilizan: los incidentes crticos (anotaciones de aspectos relevantes de la
observacin), muestras (cronologa, contexto, fases) y notas de campo (recogidas tras la
observacin), diarios (registros en primera persona del propio sujeto investigado),
inventarios (objetos y actividades de un determinado grupo), otros documentos escritos
(personales, oficiales, pblicos).

UNIDAD DE APRENDIZAJE 15. Mtodo etnogrfico


La etnografa es una aproximacin cientfica para estudiar patrones sociales, culturales y
otros escenarios sociales. Busca descubrir lo que las personas hacen y por qu lo hacen,
antes de asignarles un significado a su comportamiento o sus creencias.
Tambin se le conoce como observacin participante, y puede conceptualizarse como la
descripcin de un grupo desde la perspectiva del grupo. Se dirige al estudio de las
interacciones humanas y su significado tal y como lo viven sus actores en sus actividades
y situaciones cotidianas. Implica procesos de entrevista y observacin, en un proceso
flexible en el que se someten a prueba de manera repetida las definiciones y redefiniciones del significado en el campo de la experiencia hasta identificar explicaciones
holsticas, coherentes y consistentes del funcionamiento del grupo estudiado (Yang &
Miller, 2008).

a. La observacin en la etnografa

Definicin: Debe establecer las caractersticas necesarias para distinguir un


fenmeno de otros, de tal forma que sea comunicable entre investigadores.

Medicin: Describe el procedimiento para determinar la presencia del fenmeno y


la forma de registro.

Establecimiento de validez: Evala la adecuacin de la medicin en la


representacin del fenmeno.

-Establecimiento de confiabilidad: Asegura la consistencia del proceso de medicin


a lo largo del tiempo y entre los investigadores encargados del procedimiento de
medicin.

Este proceso corresponde a la operacionalizacin, al especificar las operaciones para el


registro, se mejora el control de las variables extraas y la precisin de las mediciones, se
provee un marco de trabajo para la informacin que permite al investigador analizar los
pasos recorridos y comprender mejor los resultados predichos y los no esperados (Pelto &
Pelto 1978, en Schensul, Schensul & LeCompte, 1999).

La observacin descriptiva del fenmeno es un elemento central, sta debe ser lo ms


precisa posible y cumplir la funcin de permitir evaluar cambios en una variable particular,
para cubrir dicha funcin es necesario considerar las siguientes caractersticas:

Implica establecer su posicin en un marco conceptual a partir del juicio del investigador
(basado en su experiencia, la literatura de investigacin, observaciones de campo,
experiencias de otros investigadores, y sentido comn). Posteriormente se identifican en
la poblacin las posibles variables o conductas a observar, y se establece una jerarqua
de las mismas, esto puede realizarse a travs de entrevistas, redes semnticas,
cuestionarios, etc. Finalmente se establece el papel de la observacin en un continuo que
va de lo abstracto a lo observable.
En general, la mayora de los autores coinciden en que de entre los mtodos de
observacin, es la participante la que mejor cumple los propsitos de la investigacin
etnogrfica. Aunque, dependiendo del objetivo, en diferentes etapas el observador puede
ocupar la observacin no participante y la participante.
Debido a la complejidad que entraa observar y participar simultneamente en el proceso
de aculturacin, la observacin etnogrfica suele requerir elementos ordenados
adicionales:

Observar el escenario.

Observar y registrar eventos y su secuencia.

Usar conteos, establecimiento de censo, mapeo etnogrfico.

Buscar indicadores de diferencias sociales.

Las conductas deben describirse en trminos observables, y no en trminos de


cmo lo interpretan los observadores.

Las descripciones de los individuos incluyen detalles de apariencia, como el tipo


de ropa, zapatos, abalorios y cualquier otro indicador de estatus. La visin
personal del investigador al respecto de, por ejemplo, lo que es o no elegante
puede no ajustarse en lo absoluto a la de la poblacin.

El ambiente se describe como se describe una foto a alguien que no puede verla.

Las inferencias, reflexiones, y reacciones emocionales del investigador deben


registrarse de manera separada de la descripcin del evento o situacin.

b. La investigacin de campo
Al iniciar el proceso es necesario establecer los siguientes elementos antes de iniciar la
recoleccin de datos:

Familiarizarse con el lenguaje, reglas de comportamiento, etc.

Definir cmo localizar y establecer relaciones sociales con quienes tienen acceso
a la informacin relevante para el estudio.

Cmo recolectar la informacin de la forma que resulte lo menos invasiva posible y


lo ms eficiente.

Con estos pasos se inicia el proceso, adicionalmente sern necesarios sistemas de


vaciado de notas de campo. Es frecuente que a partir de la familiaridad del investigador
con la poblacin a estudiar las notas sean menos detalladas, ya que estn acostumbrados
a su significado. As, conviene recordar que dichas notas no son slo para ellos mismos, y
que al tomar notas detalladas se preservan patrones que al paso del tiempo podran no
resultar tan obvios, o identificables en observaciones espordicas. Algunos puntos
mnimos a cubrir en la toma de notas, son:

Cmo hacer el vaciado de la informacin de tal forma que pueda identificarse con
rapidez la que resulta ms til al propsito del estudio.

El trabajo de campo en la investigacin etnogrfica requiere tambin una preparacin de


autoconciencia al respecto de su papel en la investigacin, ello incluye la capacidad de
separar sus propios estereotipos, opiniones y juicios, de los procesos de observacin,
entrevista y participacin en la actividades de la comunidad que estudia. Al introducirse en
la vida cotidiana de otros con propsitos de investigacin, es imperativo salvaguardar la
responsabilidad de no adulterarlas o afectarlas, ni con el procedimiento, ni con los
resultados.

c. La entrevista etnogrfica.
La investigacin etnogrfica ocupa principalmente la entrevista a profundidad, y preguntas
abiertas y cerradas, el objetivo es conservar la mayor flexibilidad posible al explorar
cualquier tema a profundidad y cubrir los temas novedosos que surjan. Los propsitos
principales son:

Explorar reas o factores no definidos en el modelo conceptual.

Identificar nuevas reas o factores.

Re definir los elementos de observacin.

Obtener informacin que oriente los resultados en el marco del contexto, la historia
y el lugar de estudio.

Construir relaciones positivas entre entrevistador y entrevistado.

Los entrevistados se seleccionan al identificarlos el investigador o la comunidad, como los


que poseen ms conocimiento de los temas a estudiar, pero cuidando incluir a quienes
tengan puntos de vista opuestos.

Presentarse a s mismo(a), al proyecto, y a la organizacin que representa.

Asegurar la confidencialidad de la informacin, explicndole como ser protegida


su privacidad.

Reiterar la importancia de la informacin que proporcione (el entrevistado) para el


investigador y el proyecto, explicar la relevancia que tendr su informacin.

Solicitar su permiso para grabar y tomar notas durante la entrevista.

Establecer rapport (puede ser el primer paso).

Si bien la entrevista puede no ser estructurada, debe planearse y prepararse


cuidadosamente, para lo cual se identifican dentro del marco conceptual los temas que se
abarcarn, se proponen algunas preguntas iniciales, y se selecciona el momento y lugar
considerando las caractersticas de privacidad y confort ya mencionadas. Al igual que en
la observacin, en la entrevista es necesario hacer un esfuerzo tanto para no contaminar
la informacin que se recolecta con juicios u opiniones personales, como a mantener una
relacin positiva con el entrevistado.
Los siguientes son los errores que con ms frecuencia producen sesgos y limitan la
validez de la entrevista etnogrfica.

Plantear preguntas sesgadas, por ejemplo que implican un juicio moral.

Al iniciar una entrevista es esencial:

Fallar al seguir temas que el entrevistado genera.

Redirigir la narracin o interrumpirla.

Fallar al reconocer las reacciones del entrevistado a las caractersticas del


entrevistador.

Hacer preguntas que suponen respuestas correctas o buenas.

Descuido en el lenguaje no verbal del entrevistador.

Expresar su opinin, si bien en ocasiones no es posible evitarlo a costa de


preservar una buena relacin con el entrevistado, debe hacerse al final de la
entrevista.

UNIDAD DE APRENDIZAJE 16. Mtodo de anlisis de discurso


El anlisis del discurso (o Estudios del discurso) es una transdisciplina de las ciencias
humanas y sociales que estudia sistemticamente el discurso escrito y hablado como una
forma del uso de la lengua, como evento de comunicacin y como interaccin, en sus
contextos cognitivos, sociales, polticos, histricos y culturales.
Dentro y entre las disciplinas hay muchos tipos o estilos de hacer anlisis del discurso:

Analtico lingstico

Una aproximacin, que se podra llamar analtica, tiene su inspiracin principal de la


lingstica, y es ms explcita, sistemtica y de escritura en general ms accesible que el
enfoque filosfico. Aqu se estudia sistemticamente y en muchos detalles las estructuras
del discurso como objeto verbal (texto, argumentacin, narracin), como los temas, la
coherencia local y global, los pronombres, el estilo, etc. Los nombres ms destacados en
esta lnea muy diversa (y de origen sobre todo europeo) son: Jnos Petfi, Wolfgang
Dressler, Robert de Beaugrande, Teun A. van Dijk, Ruth Wodak, Talmy Givn, Sandra
Thompson, Robert Longacre, Michael Halliday, John Sinclair, Malcolm Coulthard, Petr
Sgall, Frans van Eemeren, y Wallace Chafe.
Anlisis de la conversacin

Otra lnea ms bien analtica, que surgi de la microsociologa y la etnometodologa,


sobre todo en EE. UU., enfoca sobre el discurso como interaccin, primero en el anlisis
detallado de las estructuras y estrategias de la conversacin cotidiana, y despus tambin
las interacciones verbales en las instituciones y organizaciones. Esta lnea, que se conoce
sobre todo como anlisis de la conversacin tiene muchas relaciones con la pragmtica,
la sociolingstica interactiva, en psicologa discursiva (dentro de la psicologa social) y la
lnea de la etnografa de la comunicacin en antropologa. Analistas prominentes de la
conversacin son, entre otros, Erving Goffman, Harvey Sacks, Emmanuel Schegloff, Gail
Jefferson, John Heritage, Paul Drew, Paul ten Have, Charles y Marjorie Goodwin, y
Douglas Maynard.
En etnografa y antropologa se destacan sobre todo: Dell Hymes, John Gumperz, Elinor
Ochs y Sandro Duranti. Y en la pragmtica del discurso y de la conversacin, Jef
Verschueren, Jan Blommaert, y Stephen Levinson. De otra perspectiva tambin: Deborah
Tannen y Deborah Schiffrin. En psicologa discursiva: Michael Billig, Jonathan Potter,
Pedro Aguilar.y Derek Edwards.

Psicologa cognitiva

Inspirada por las complejidades del "aprendizaje humano" y/o "la adquisicin del
conocimiento" (fundamentos epistemolgicos) (Audi, l998) en el inicio de los 70 surge una
corriente de investigacin en el estudio o rol que desempean los "procesos mentales"
(atencin, memoria, percepcin, concentracin, solucin de problemas, etc.) en el proceso
de comprensin de "textos" y en un marco que posteriormente conocemos como "ciencia
cognitiva".
En la psicologa cognitiva, el estudio del discurso es en general experimental (de
laboratorio) y enfoca sobre las estrategias y representaciones mentales de la produccin,
la comprensin, la memorizacin y la recuperacin del discurso o de su informacin.
Explica, por ejemplo, lo que normalmente memorizamos y olvidamos despus de leer un
texto -- o lo que hace la produccin o la comprensin ms fcil o ms difcil. Este enfoque
relaciona los procesos de produccin o de comprensin con un anlisis explcio del rol
crucial del conocimiento sociocultural compartido en la comunicacin y la interaccin. Una
de las nociones que se han usado con mucho xito en esta lnea es la nocin de modelo
mental -- una representacin en la memoria a largo plazo, sobre la situacin o los eventos
a que se refiere un discurso. En ese sentido, comprender un discurso quiere decir poder
construir un modelo mental del referente del discurso: un fragmento del mundo real o
ficcional.
Las figuras ms prominentes en esta rea son: Walter Kintsch, Teun A. van Dijk, Art
Graesser, Mary Ann Gernsbacher, y Tom Trabasso.
Inteligencia artificial-informtica

Relacionadas con la psicologa cognitiva y las ciencias cognitivas en general, pero


tambin con la gramtica formal y la lgica, encontramos las lneas de la informtica del
discurso, como Inteligencia artificial. Aqu se escriben programas que simulan la
produccin, la comprensin, la traduccin, etc. del discurso, y se representan los
conocimientos (generales o especializados) que el programa necesita para esos
procesos. El inters de los investigadores es construir mquinas que sean agentes
inteligentes, capaces de adaptarse a las circunstancias y las metas, con capacidades
humanas. Entre las capacidades humanas que involucran las facultades intelectuales que
se han desarrollado, la de mayor relevancia es la de dialogar en una lengua verbal y una
de sus caractersticas es poder extraer el sentido a mensajes contradictorios o ambiguos.
Unos cientficos importantes en esta rea son: Bonnie Lynn Webber, Barbara Grosz y
Roger Schank.

Anlisis crtico del discurso

El Anlisis crtico del discurso (ACD) se ubica en cualquier otra aproximacin


mencionada, pero lo hace desde una perspectiva social, poltica y crtica, enfocando sobre
la manera que el discurso se usa y abusa para establecer, legitimar o ejercer -- y resistir -el poder y la dominacin. Se interesa sobre todo por el anlisis del racismo, del sexismo,
el clasismo, y la pobreza, y se relaciona con movimientos sociales, como el feminismo, el
pacifismo, el ecologismo, la antiglobalizacin, etc. El ACD no tiene mtodos fijos, sino usa
los mejores mtodos adecuados en el planteamiento y anlisis de los problemas sociales,
que son su objetivo principal. Los nombres ms conocidos en ACD son: Roger Fowler,
Michel Pcheux, Norman Fairclough, Ruth Wodak, Luisa Martn Rojo, Teun A. van Dijk,
Theo van Leeuwen, Gunther Kress y Paul Chilton.

Aplicaciones

Todas esas lneas o estilos de AD tienen una dimensin ms bien terica, una dimensin
descriptiva, analtica y una dimensin aplicada. Las aplicaciones del AD se encuentran en
todas las reas de la sociedad, como los medios de comunicacin (estudio de los
efectos), la educacin (como los textos escolares, la interaccin en el aula, aprendizaje de
las lenguas), la publicidad y la propaganda, la poltica, y la salud (para el anlisis de
trastornos del lenguaje y de la comunicacin).

Aamodt, M. (1999). Applied Industrial Organizational Psychology. Wadsworth: New


York.

Anastasi, A. Urbina, S. (1998) Test psicolgicos. Editorial. Prentice Hall: Mxico.

Cash, T.F., Gillen, B., & Burns, D.S. (1977). Sexism and beautyism in personnel
consultant decision making. Journal of Applied Psychology, 62(3), 301-310.

Clark-Carter, D. (2002). Investigacin cuantitativa en psicologa: Del diseo


experimental al reporte de investigacin. Mxico: Oxford.

Dougherty, T.W., Ebert, R.J. &Callender, J.C. Policy capturing in the employment
interview. Journal of Applied Psychology, 71(1), 9-15.

Hernndez, R. y otros (2006) Metodologa de la Investigacin. Mxico D. F.:


McGraw Hill.

Kerlinger, F.N., & Lee, H.B. (2002). Investigacin del comportamiento: Mtodos de
investigacin en ciencias sociales (4ta. Ed.). Mxico: McGraw Hill.

Maurer, S. D., Howe, V. & Lee, T. W. (1992). Organizational recruiting as marketing


management: An interdisciplinary study of engineering graduates. Personnel
Psychology, 45(4), 807-833.

Muchinsky, P. (1994). Psicologa Aplicada al Trabajo: Una introduccin a la


psicologa industrial y organizacional. Madrid: Descle de Brouwer.

Goldberg, C. (2005). Relational Demography and Similarity-Attraction in Interview


Assessments and Subsequent Offer Decisions: Are we Missing Something? Group
& Organization Management, 30(6), 597-624.

Gmez-Meja, L. R.; Balkin, D. B., & Cardy, R. L. (2001).Direccin y gestin de


Recursos Humanos (3 edicin). Madrid: Prentice Hall.

Huffcutt, A. I., Weekley, J. A., Wiesner, W.H., Degroot, T.G., & Jones, C. (2001).
Comparison of situational and behavior description interview questions for higherlevel positions. Personnel Psychology, (54), pp.61944.

Lpez-Surez, A. (2004). ESTADSTICA DESCRIPTIVA EN CIENCIAS DEL


COMPORTAMIENTO. Indito. Mxico.

Lpez-Surez, A. (2007). ESTADSTICA INFERENCIAL EN CIENCIAS DEL


COMPORTAMIENTO. Indito. Mxico

Mrquez, F. (1984). VALIDEZ PREDICTIVA Y CONCURRENTE DEL EXAMEN DE


ADMISIN A PREPARATORIAS DEPENDIENTES DE LA UAEMEX UBICADAS
EN LA CIUDAD DE TOLUCA, PROMOCIN 1982. Tesis de Licenciatura.
UAEMEX. Mxico.

Ragin, C.C., Nagel, J., & White, P. (2004).Workshop on Scientific Foundation of


QualitativeResearch. National Scientific Foundation.

Sampieri, H. R., Fernndez, C. C. y Baptista L. P. (1998). Metodologa de la


Investigacin. Mxico: McGraw-Hill.

Bibliografa

Schensul, S.L., Schensul, J.J., & LeCompte, M.D. (1999). Essential Ethnographic
Methods. Altamira Press: New York.

WEISS, C. H. (1980). Investigacin evaluativa. Mxico, D. E: Ed. Trillas. Segunda


reimpresin.

WIERSMA, W. (1986). Research methods in education: an introduction. Boston,


Mass: AlIyn and Bacon.

Yang, K. & Miller, G.J. (2008). Handbook of Research Methods in Public


Administration. CRC. Press: Florida.

Mayo de 2012.