Documentos de Académico
Documentos de Profesional
Documentos de Cultura
El conocimiento de las causas de un fenmeno nos permite su control. Buena parte de la explicacin causal es de naturaleza
pragmtica, y posibilita la prediccin y el control de los fenmenos que estudiamos.
Hiptesis experimentales: empezaremos investigando una buena documentacin as evitamos resolver problemas repetidos o sin
sentido. Luego formulamos una hiptesis explicativa de un problema (hip experimentales), estas constituyen una respuesta tentativa y
comprobable sobre la relacin entre dos o ms fenmenos.
La causalidad prctica: el objetivo de la metodologa experimental y cuasi va a ser la bsqueda de explicaciones causales. Podemos
establecer criterios de causalidad de tipo prctico: 1) covariacion: cambios en las presuntas causas deben estar relacionados con
cambios en los posibles efectos 2) precedencia temporal: la causa ocurre antes que el efecto 3) eliminacin de explicaciones
alternativas: la causa debe ser la nica explicacin posible para el efecto.
Tipos de variables: es una caracterstica que posee al menos dos valores observables. La matemtica nos permite cuantificar el
grado en el que las variables varan. La varianza es una formula usada para eso, y decimos que cuanto ms vare una variable, mayor
ser su varianza. Hay variables explicativas, que forman parte de la hip experimental como causas (VI) o efectos (VD), y variables
extraas que son las que pueden influir sobre la VD pero no nos interesan sus efectos. La VI es la que sospechamos que puede ser la
causa de otra cosa y debemos investigar, la VD es la medida utilizada para determinar los efectos de la VI. Luego tenemos variables
activas que son las que pueden ser manipuladas, o variables asignadas, las que no se pueden manipular.
Principios de optimizacin: nuestro objetivo es saber qu efecto tiene la VI sobre de la VD, nos interesa que la VI tenga el mayor
efecto sobre la VD. Tenemos que controlar las VEs y debemos reducir el efecto que tengan todas las VEs que no podamos controlar.
Siempre que hablamos de varianza hablamos de la VD. Si esta no presenta variabilidad su varianza es 0, pero si presenta dos valores
muestra una variabilidad que est provocada por la VI y es la varianza sistematica primaria. A la variabilidad de naturaleza aleatoria
provocada en nuestra VD por las VEs que no hemos controlado se la llama varianza error. A la variabilidad de la VD producida por una
VE que acta sistemticamente se le llama varianza sistematica secundaria. Mezclando varianza sistematica primaria, secundaria y
error obtenemos la varianza total de la VD. Una investigacin bien diseada debe MAXimizar la varianza sistematica primaria de la VD,
MINimizar la varianza error de la VD y CONtrolar la varianza sistematica secundaria de la VD (principio MAXMINCOM).
Control: el ideal de la investigacin es que la nica fuente de variacin sea la VI, el control de las VEs constituye un requisito
necesario para establecer inferencias causales con garanta. El control experimental de las VES puede ser directo (mediante la
eliminacin o constancia) o indirecto (mediante aleatorizacin). Debemos aleatorizar, asignar aleatoriamente las unidades
experimentales a los niveles de tratamiento, los sujetos a los diferentes grupos. Debemos conseguir que lo nico en lo que varen las
diferentes condiciones experimentales sean los niveles de tratamiento. El azar har que los grupos sean equivalentes. Una forma de
controlar las Ves a posteriori es eliminando el efecto diferencial que pudiera tener bajo control estadstico (ACOVAR).
Modelizacin matemtica: un modelo es una representacin de un sistema real. El objetivo es describir aquello que pretende
representar. Cuando investigamos buscamos generalizar los resultados, y la estadstica inferencial (mediante la formulacin y ajuste de
modelos que muestra como funcionan las variables que forman parte de la investigacin) es el instrumento matemtico que posibilita
la generalizacin. Para comprobar la hipotesis debemos formular un modelo matemtico que refleje lo que acontece en la poblacin.
Fases de una investigacin y clases de validez: debemos evaluar la validez de las conclusiones obtenidas. Los distintos tipos de validez
corresponden a las etapas de la investigacin. En la delimitacin del problema y la formulacin de la hip tenemos validez terica, que
es cuando el problema y las soluciones son consistentes o estn relacionadas. Se garantiza que los conceptos tericos investigados
estn bien operacionalizados, en trminos de manipulacin y/o medida, esta es la tarea de la validez de constructo. La correcta
formulacin de hiptesis y modelos tienen que ver con la validez de conclusin estadstica. El anlisis estadstico de los datos obtenidos
es donde se comprueba en qu medida el modelo formulado explica los datos obtenidos. Luego hay que determinar el alcance de los
resultados obtenidos a ver si podemos generalizarlos, es decir cul es su validez externa.
Requisitos de una investigacin experimental: manipulacin de la VI, elevado control de las Ves y se asignan los sujetos y su
aplicacin aleatoriamente. Si no se cumple la aleatorizacin es cuasi experimental.
Una aproximacin a las prcticas cualitativas en psicologa desde una perspectiva integradora. Blanco.
Los diseos cuantitativos pueden ser experimentales o no experimentales. El diseo se refiere al plan concebido para obtener la
informacin que se desea. La investigacin experimental se divide en pre experimentos, experimentos puros y cuasi experimentos. Un
experimento es un estudio en el que se manipulan intencionalmente las variables para analizar las consecuencias que la manipulacin
tiene sobre otras variables dentro de una situacin de control. La variable dependiente se mide para ver el efecto que la manipulacin
de la VI tiene en ella. La manipulacin de una VI puede realizarse de manera presenciaausencia (un grupo se expone a la VI y otro
no). Para manipularla se debe especificar que se entiende por esa variable (definicin operacional experimental), es decir trasladar el
concepto terico en un estimulo experimental. Tambin debemos medir el efecto que la VI tiene sobre la VD, y debe ser vlido y
confiable. Control en experimentos significa que si se observa que una o mas VI hacen variar a las VD, la variacin debe ser por la
manipulacin de la VI y no a otras causas.asi podemos determinar la relacin causal, y tambin contener la influencia de variables
extraas en las VD.
Las fuentes de invalidacin interna atentan contra la validez interna de un experimento, que es la confianza que tenemos en que sea
posible interpretar los resultados del experimento y que estos sean validos. Se relaciona con la calidad del experimento y se logra
cuando hay control. El control se alcanza eliminando las explicaciones rivales y fuentes de invalidacin interna.
El control se logra por: varios grupos de comparacin, equivalencia de los grupos en todo, excepto en la manipulacin de la VI. La
equivalencia inicial implica que los grupos son similares entre s al momento de iniciar el experimento. Esto se logra por azar que es
una tcnica de control para asegurar la equivalencia inicial al ser asignados aleatoriamente los sujetos a los grupos del experimento.
Esto produce control pues las variables que deben ser controladas se distribuyen de la misma manera en los grupos del experimento.
El emparejamiento consiste en igualar a los grupos en relacin con alguna variable especfica, que puede influir de modo decisivo en la
VD.
Los experimentos puros son los que renen los dos requisitos para lograr el control y la validez interna: grupos de comparacin y
equivalencia de grupos.
Un experimento primero busca la validez interna, la confianza en los resultados, si no se logra no hay experimento puro. Hay que
eliminar las fuentes que atenten contra dicha validez. La validez externa se refiere a que tan generalizables son los resultados de un
experimento a situaciones no experimentales, o a otras poblaciones. Algunas fuentes de invalidacin externa son: efecto reactivo o de
interaccin de las pruebas, efecto de interaccin entre los errores de seleccin y el tratamiento experimental, efectos reactivos de los
tratamientos experimentales, interferencia de tratamientos mltiples, imposibilidad de replicar los tratamientos, descripciones
insuficientes.
Cuasi experimentos: manipulan variables, solo que difieren por el grado de confiabilidad que pueda tenerse sobre la equivalencia
inicial de los grupos. Los grupos ya estn formados antes del experimento.
Diseos no experimentales: no se manipulan variables, solo observamos fenmenos como se dan en su contexto para luego
analizarlos. No hay asignacin al azar, ya pertenecen a un grupo determinado. Es sistematica y emprica en la que las variables no se
manipulan porque ya han sucedido. Pueden ser transversales (exploratorios, descriptivos y correlacionales) o longitudinales (de
tendencia, de cohorte o de panel).
Comparaciones: a veces en la investigacin experimental las VI no tienen tanta fuerza como en la cotidianeidad. Pero en la
investigacin no experimental estamos ms cerca de las variables formuladas como reales y tenemos mayor validez externa.
Decisiones de muestreo en el proceso de investigacin: se han dado varias propuestas para el problema del muestreo, pero se
sitan sin ambigedad en dos polos: en los criterios ms o menos abstractos o en los criterios ms o menos concretos.
La determinacin a priori de la estructura de la muestra: en un polo, los criterios son abstractos en la medida en que parte de
una idea de la tipicidad y la distribucin del objeto investigado. Esta es la lgica del muestreo estadstico. Son abstractos porque se han
desarrollado con independencia del material concreto analizado y antes de su recogida y anlisis.
Muestreo completo en la investigacin cualitativa: el muestreo est limitado por ciertos criterios, estos delimitan la totalidad de
casos posibles de manera que todos se pueden integrar en el estudio. El muestro de los materiales es menos pertinente, las preguntas
sobre el muestreo en el material y sobre el muestreo para la presentaciones son tan relevantes como en el mtodo de definicin
gradual de la estructura del muestreo.
Limitaciones del mtodo: ac la estructura de los grupos, se define antes que la recogida de los datos.
Definicin gradual de la estructura de la muestra en el proceso de investigacin (el muestreo terico): el muestreo
terico es el proceso de recogida de datos para generar teora por medio del cual el analista recoge, codifica y analiza sus datos
conjuntamente y decide que datos recoger despus y donde encontrarlos, para desarrollar su teora a medida que surge. Este proceso
de recogida de datos est controlado por la teora emergente. Las decisiones de muestreo en el muestreo terico pueden partir de uno
cualquiera de dos niveles: se pueden tomar en el nivel de los grupos que se van a comparar, o pueden centrarse directamente en
personas especficas. Es necesario definir los criterios para una limitacin bien fundada del muestreo, estos criterios se definen en
relacin con la teora, y esta teora que se desarrolla a partir del material emprico es el punto de referencia. El criterio de saturacin
terica es el criterio para juzgar cuando dejar de muestrear los diferentes grupos relevantes a una categora. El muestreo acaba
cuando la saturacin terica de una categora o grupo se ha alcanzado, cuando ya no emerge nada nuevo.
La seleccin gradual como principio general en la investigacin cualitativa: el principio bsico del muestreo terico es
seleccionar casos o grupos segn criterios concretos acerca de su contenido en lugar de utilizar criterios metodolgicos abstractos. La
triangulacin de los datos se refiere a estudiar el mismo fenmeno en momentos y lugares diferentes y con distintas personas. La
induccin analtica se preocupa por afianzarla analizando o integrando los casos desviados. El muestreo terico es la estrategia de
muestreo ms apropiada en la investigacin cualitativa mientras que los procedimientos de muestreo clsico estn orientados a la
lgica de la investigacin cuantitativa.
Conceptos recientes de seleccin gradual: integrar deliberadamente los casos desviados, seleccionar los casos particularmente
tpicos, variacin mxima de la muestra, seleccin de casos crticos, seleccin de casos importantes o sensibles y el criterio de
conveniencia que es la seleccin de aquellos casos que son los de ms fcil acceso en determinadas condiciones. La capacidad de
generalizacion de los resultados depende de estas estrategias de seleccin.
La amplitud o profundidad como propsitos del muestreo: lo decisivo para escoger una de las estrategias de muestreo consiste
en considerar si es rica en informacin pertinente.
Constitucin de los casos en la muestra: aqu cada caso es representativo en cinco aspectos: si el caso se representa a s mismo,
si el caso representa un contexto institucional especifico en el que el individuo acta y tiene que representar a otros, si el caso
representa una profesionalizacin especifica, si el caso representa subjetividad desarrollada como resultado de adquirir cierto caudal de
conocimientos y de desarrollar maneras especificas de actuar y percibir o si el caso representa un contexto de actividad
interactivamente hecho y factible.
La conveniencia de la estructura y el contenido de la muestra, y la conveniencia de la estrategia elegida para obtener ambos se puede
evaluar con respecto a la pregunta de investigacin del estudio Qu casos son necesarios para responder a las preguntas de estudio,
y cuntos?
Flick: estrategias graduales (muestreo terico muy frecuente en investigacin cualitativa), completo (ej. estudio biogrfico de caso
nico /estudios regionales) o previamente estructurado (lgica del muestreo estadstico. Criterios determinados de antemano).
Qu es operacionalizar?:
Definicin conceptual: abstracta, terica.
Definicin operacional: contiene las precisiones necesarias para poder medir los conceptos a los que hace referencia.
Operacionalizacin es el proceso a travs del cual se transforma o traduce una variable terica en una variable empricas,
directamente observable, con la finalidad de poder medirlas.
Fases/pasos segn Lazarfeld (1967)
1. Definir conceptualmente la variable (Representacin imaginada del concepto)
2. Identificar las dimensiones significativas de la variable (Especificacin del concepto)
3. Eleccin de indicadores
4. Elaboracin de los tems para cada indicador, con sus opciones de respuesta (Elaboracin de ndices, construir una medida nica a
partir de las informaciones previas)