Está en la página 1de 8

UNIVERSIDAD NACIONAL

TORIBIO RODRÍGUEZ DE MENDOZA

FACULTAD DE INGENIERÍA CIVIL Y AMBIENTAL

ESCUELA ACADÉMICO PROFESIONAL DE INGENIERÍA

AMBIENTAL

ASIGNATURA : Tesis II

CICLO :X

DOCENTE : Dr. Franz Zirena Vilca

ESTUDIANTE : Mendoza Merino, Jani Elisabet

AÑO :

2017
ANÁLISIS E INTERPRETACIÓN DE
RESULTADOS

¿LOS DATOS SON OBJETIVOS O PODEMOS INTERPRETARLOS?


Hay aquí dos cuestiones importantes. Una considera cuánto confiamos en los datos
obtenidos. La otra es sobre la interpretación que trazamos de datos confiables.
Hay varios datos que pueden ser obtenidos por la lectura en aparatos, lo que disminuye
mucho la posibilidad de distorsión por parte del científico. Son así, por ejemplo, medias
cuyos aparatos muestran los valores en las visualizaciones digitales. Cuando los valores
digitales mostrados oscilan, o se muestran por punteros, la lectura de los resultados
depende cada vez más del control del experimentador, aumentando la posibilidad de
distorsión de los datos. Este es un sesgo real y los procedimientos experimentales se
idealizan en el intento de superar este problema.
En un procedimiento doble ciego, quien recoge los resultados no sabe a qué tratamiento
cada dato pertenece. Así, la probabilidad de error se vuelve aleatoria y resulta difícil
atribuir a ese error las posibles diferencias entre los tratamientos. Por otro lado, la persona
que sabe a qué tratamiento pertenece cada muestra no hará lectura de los datos. Es decir,
cada uno es ciego para una cosa. Es el triple ciego, donde un individuo monta el
experimento, otro conoce los códigos que parecían los datos con las condiciones en
prueba y un terciario individuo analiza los datos.
Otra alternativa, que no excluye la anterior, es la utilización de más observadores, lo que
puede proporcionar indicios para probar la adecuación de cada dato recogido. En ese caso,
sin embargo, entrenamientos y cerciorarse de que haya concordancia alta entre ellos (>
95%). incluso con ese error (<5%), si las diferencias detectadas entre los grupos de
estudio son muy pequeñas, queda la duda de cuanto la diferencia entre observadores
contribuyó a esa diferencia.
Además de la distorsión de los datos, hay el problema de la valorización inconsciente de
algunos datos en detrimento de otros. Según Popper la única alternativa lógicamente
válida al científico es buscar falsear sus hipótesis. Esta propuesta tiene una consecuencia
interesante. El problema de la distorsión de los datos viene del hecho de "ver lo que
queremos ver". De la misma forma, despreciamos que no estamos interesados en ver. De
ello se desprende que, en la fundamentación de nuestra hipótesis, buscamos encontrar
datos que la corroboran la hipótesis. Sin embargo, cuando un único caso falseador de la
hipótesis aparece, no sería desconsiderado por el científico! este elemento psicológico de
la propuesta, pero es importantísimo para el científico.
Para que la interpretación de los datos sea adecuada, el científico debe confiar en los
resultados obtenidos, entender que debe buscar falsear sus hipótesis, ser audaz a tener
visión global la audacia viene del hecho de no tener miedo de pensar cosas diferentes a
las tradicionales. La visión global significa que puede ver un mismo conjunto de datos
por varios ángulos.
La cuestión de la interpretación es fundamental en la ciencia. Ver que los clásicos estudios
sobre la evolución de los organismos vivos, parten de una misma situación y llegan a
interpretaciones muy diferentes. La mayor dificultad en hacer eso es conseguir deshacerse
de las formas tradicionales y ver un hecho antiguo con otras miradas.
Por ejemplo: qué número sigue?:
3, 6, 8,10, 11…
El ejemplo aquí es que nuestra primera tendencia es examinar números haciendo cuentas.
Sabes mirar las informaciones por varios ámbitos que no se fijan en la primera versión
que nos viene a la mente e imaginar que debe haber otra forma de mirar aquello. Cuando
los niños, algunas personas solían mirar las nubes e identificar formas. Pero las nubes
eran sólo manchas que cuya imaginación hacía que se formen en figuras.

QUÉ SON LAS CONCLUSIONES? CÓMO SE DIFERENCIAN DE LOS


RESULTADOS?

Según la creencia inductivista la conclusión está a un nivel teórico y el resultado a un


nivel fáctico.
El cálculo de la media nos muestra abstracción, esa media no es un conjunto de datos, es
apenas una inferencia. Y existen teorías que corroboran la forma como calculamos la
media. Hay también otras formas de observar la tendencia central de la muestra como la
mediana o la moda. Pero no son hechos objetivos que indiquen esa tendencia. Son
abstracciones.
De la misma manera establecemos una ecuación matemática que describe una relación
entre dos variables, estamos generalizando a partir de los datos colectados. La curva
descrita por esa ecuación describe un enorme número de puntos correlacionados, los
cuales no fueron datos observados, mas son supuestos a partir de los datos observados.
Es obvio que las generalizaciones amplias son cada vez más distantes de la realidad por
ejemplo al hacer uso de un medidor de pH las leyes logarítmicas, electricidad y química
ya han sido generalizadas, pero el operario no verifica su veracidad y este es un problema
que está siempre presente en la vida del científico.
Aunque los hechos concretos estén impregnados por teoría, hay una distinción
cuantitativa en esa impregnación entre los hechos que trabajamos: unos parecen más
cercanos al concreto y otros más distantes. Y ese es un buen criterio para distinguir el
resultado de la conclusión. De nuevo una desviación relativa. Y eso es auxiliado por el
objetivo del trabajo.
Veamos el ejemplo relacionando el pH de la corteza de los forofitos y el total de cobertura
de líquenes que presenta.
100

Y
90
80
70
60
50 y = 11.428x + 3.8015
cobertura total %

40
30
20
10
0
0 1 2 3 4 5 6 7 8
pH de la corteza X

Fig. 1. Correlación y regresión linear entre el pH de la corteza y la cobertura de los


líquenes
Se han visto este tipo de gráficos en los trabajos científicos pero voy a mostrar que puede
no estar bien así, si queremos relacionar saber la relación entre éstas dos variables o qué
tipo de regresión existe, la recta de regresión es sin duda a la conclusión a la que llegamos
y podríamos dar a la ecuación mostrada como conclusión. Pero nunca lo contrario. Nunca
los resultados pueden estar a un nivel de abstracción mayor que la conclusión.
Continuando, veremos el efecto de la cercanía a a vía de tránsito a la relación X-Y de la
figura 1:

100 y = 0.729x + 79.508


Y

90
80
70
60
50
y = 9.5574x + 14.782 no
cobertura total %

40

30
20
10
0
0 1 2 3 4 5 6 7 8
pH de la corteza X

Fig. 2. Regresión linear entre el pH de la corteza y la cobertura de líquenes, indicando


la diferencia en función de la cercanía a la calle de los árboles.
A partir de lo cual podemos concluir:
C4: La cercanía a la calle de los árboles afecta la relación entre la cobertura de los
líquenes y el pH de la corteza
C3: las mejores diferencias de cobertura de líquenes ocurren entre los árboles de mayor
pH: es decir, cuanto mayor es el pH son esos árboles, más difiere la tasa de la
cobertura de líquenes entre la cercanía o lejanía del árbol hacia la calle
C2: en los árboles cercanos a la calle, la variación de pH implica variaciones mayores
de cobertura de líquenes que los árboles que no están cercanos a la calle
C1: en los árboles cercanos a la calle, la cobertura de líquenes = 9.5574 (pH)+ 14.782.
Y en los árboles que no están cercanos a la calle, la cobertura de líquenes =
0.729(pH) + 79.508.
Es claro que C4 es más general que C3, está más general que C2 y C2 más general que
C1. El que es resultado es conclusion en este ejemplo? Las afirmaciones C4, C3 y C2
son claramente teóricas y generales. En ese caso C1 puede ser asumida como conclusión
o resultado. La representación de los puntos en la recta puede ser asumida como
resultados. El exceso de conclusiones genera un texto más difícil de entender y
confundir al lector al identificar la conclusión principal, particularmente cuando el autor
no tiene mucha experiencia.

CUÁNDO LA ESTADÍSTICA AYUDA?

La estadística es una herramienta que nos permite validar resultados expresados


numéricamente. Al ser bien aplicada, es una herramienta importantísima para las
decisiones del científico.
Imagine que está al lado de afuera de una sala y desea saber si en el interior de la sala
existe un cachorro. Como no consigue entrar en la sala procurará examinar el interior
por algunas partes que le permitan ver, desde afuera. En cuanto ve por los espacios que
encontró no ve al cachorro, posiblemente su conclusión sea que no existe pero el hecho
que no lo pueda ver no significa que el cachorro no exista.
No escoja dos pruebas estadísticas para probar una misma hipótesis, la estadística
mientras más se aprieta de un lado más se ofusca del otro. Es decir mientras más
pruebas se hacen sobre una misma hipótesis menos posibilidades de encontrar una
conclusión que no exista, aumentando las posibilidades de encontrar una conclusión que
ya existe.
La estadística es una base fuerte para sustentar las conclusiones, así que la estadística es
una herramienta muy útil pero si se usa mal ésta nos atrapa.
CUÁNDO LAS TRANSFORMACIONES A PORCENTAJES PUEDEN
PERJUDICAR EL ANÁLISIS?
De 100 Toribianos encuestados 55% cree que la universidad seguirá mejorando con el
nuevo rector, 30% piensa que nos irá mal, y un 15% no sabe y no opina al respecto. A
lo que se puede concluir: 55% es diferente de 30%? Y 15% es menor que 30%?.
No vemos recurrir a los porcentajes a la ligera pues no dicen mucho. En ese caso si
sumamos los pesimistas más los que no saben ni opinaron se podría decir que son la
mayoría positivos pero no es una mayoría abrumadora y no se deben tener conclusiones
de este tipo si se desea hacer publicación científica.

PORQUÉ SE USA EL NIVEL CRÍTICO GENERALMENTE DE 5% O 1%?

Esto es más una costumbre, a pesar de esa costumbre tiene algunas razones que deben
ser entendidas. El valor crítico de 5% es usado en muchas áreas de la ciencia, pero en la
física, biología ese nivel es reducido al 1%,0.1% y 0.01%.
Cuanto más varía los datos de una misma condición, más difícil es obtener diferencias
con bajo nivel de error así que en las ciencias que controlan mejor sus variables menr
nivel crítico usan. Se podría calcular este valor con datos obtenidos pero si las
repeticiones son pobres solo debe elegir 5% o 1%.
En fin esta es una cuestión del autor, basado en su experiencia, literatura o porque
decidió que la que elige es la correcta

QUÉ HACER CUANDO LOS DATOS RECOLECTADOS NO SUSTENTAN LA


HIPÓTESIS?
Las hipótesis no son formuladas para ser confirmadas, pues esta es una tarea imposible
cuando son enunciados y pueden ser corroborados o refutados pero la manera en la que
decimos la negación de la hipótesis es muy importante, la que fue planteada
razonablemente y por ende necesita ser evaluada, así que podremos confirmar nuestra
hipótesis o presentar una base científica para probar lo contrario. No se validan los
trabajos científicos en términos de si la hipótesis fue probada o no, pues una hipótesis
rechazada también es igual de válida.
Ej: * El agua hierve a 100°C
* El agua hierve a 100°C al nivel del mar
* El pura agua hierve a 100°C al nivel del mar
La ciencia busca elaborar conclusiones cada vez más generales
 Temperatura de ebullición= presión* soluto
Siempre buscar una conclusión más amplia pero validad con datos
QUÉ HACER CUANDO LOS DATOS SON MUY DISCREPANTES DE
AQUELLOS OBTENIDOS A UNA MISMA CONDICIÓN DE ESTUDIO?
Inicialmente recordemos que como se analizan los datos es ver un conjunto a partir de
un subconjunto. Por tanto la primera tarea es conseguir visualizar esa muestra y si es
proporcional a la que se está haciendo, se debe proceder a realizar como mínimo 10
repeticiones y debe hacerse un análisis aparte y no debe ser incluido en el trabajo que se
está desarrollando.

POR QUÉ RELACIONAR LOS RESULTADOS Y CONCLUSIONES CON LOS


DE OTROS INVESTIGADORES?
Hay básicamente dos motivos para relacionar los datos de estudio con aquellos dados
por otros científicos. El primero es mostrar que nuestros son adecuados. Esa
demostración es necesaria, pues son esos datos que dan soporte a las conclusiones. Por
medio de comparaciones mostramos que nuestros resultados están dentro de las
condiciones de estudio.
El segundo motivo es el deseo de ver dónde y cómo nuestras conclusiones se encajan
con conocimientos existentes. Mientras más soporte literario tenemos más generales son
nuestras conclusiones.

Fig. 3. Esquema de redacción de una conclusión


Cuando analizamos los datos y obtenemos conclusiones, deberemos tomar en cuenta
dos cosas:
1. colocar esas conclusiones en una red de conocimiento científico existente,
mostrando cómo se relaciona con el conocimiento existente. No se trata de
repetir enunciados, sino mostrar que la conclusión es coherente.
2. Mostrar que con su conclusión algo dentro dela red de conocimiento algo debe
cambiar de lo contrario no será interesante en lo absoluto, puede ser un
fenómeno completamente nuevo o complementario al conocimiento existente.
Éstos dos puntos deben mostrarse en la discusión de un texto científico y también deben
ir en la carta de presentación a la revista.
HASTA QUÉ PUNTO ES POSIBLE AVANZAR LAS GENERALIZACIONES
DURANTE LA ELABORACIÓN DE LAS CONCLUSIONES?
Mientras más amplia es la generalización más lejos está del mundo físico. El objetivo
del científico es elaborar leyes cada vez más generales. A pesar de ello no debe dejar de
lado las raíces empíricas, la solución será el equilibrio entre estas dos partes.
Siempre que empiezas a discutir cualquier cosa deberíamos decir “es posible que…”, o
“que sabe que…”. Si por alguna posibilidad hable poco una o dos frases apenas ver que
usted discute bien sus datos o su curiosidad; en este último caso, excluye del texto