Guía Completa

Experiencia Curricular de Metodología de la Investigación Científica
Mg. Jorge Luis Baldárrago Baldárrago
I. CIENCIA, CONOCIMIENTO E INVESTIGACIÓN CIENTÍFICA ....................................................................................... 3

CONCEPTOS NECESARIOS PARA LA SESIÓN: ..................................................................................................................... 3
EVOLUCIÓN RACIONAL (TIPOS DE PENSAMIENTO)......................................................................................................... 4
FILOSOFÍA Y PROCESO DE SEPARACIÓN Y SURGIMIENTO DE CIENCIAS INDEPENDIENTES ............................. 6
CIENCIA, CONOCIMIENTO E INVESTIGACIÓN CIENTÍFICA ............................................................................................ 7
INVESTIGACIÓN CIENTÍFICA ................................................................................................................................................... 9
MÉTODO CIENTÍFICO............................................................................................................................................................. 17
TRANSVERSALIDAD ÉTICA .................................................................................................................................................... 20
II. PLANTEAMIENTO DEL PROBLEMA................................................................................................................................ 24
REALIDAD PROBLEMÁTICA Y FORMULACIÓN DEL PROBLEMA DE INVESTIGACIÓN ......................................... 25
ANTECEDENTES DE LA INVESTIGACIÓN .......................................................................................................................... 36
JUSTIFICACIÓN Y PLANTEAMIENTO DE LOS OBJETIVOS DE LA INVESTIGACIÓN .............................................. 37
III. MARCO TEÓRICO .......................................................................................................................................................... 39
¿CUÁLES SON LAS FUNCIONES DEL MARCO TEÓRICO? ............................................................................................. 39
PAPEL DEL MARCO TEÓRICO .............................................................................................................................................. 40
ESTRUCTURA DEL MARCO TEÓRICO ................................................................................................................................ 40
¿QUÉ INFORMACIÓN SE EXTRAE? ...................................................................................................................................... 40
¿CÓMO SE ORGANIZA Y CONSTRUYE EL MARCO TEÓRICO? .................................................................................... 41
COMO DEBE REALIZARSE LA BÚSQUEDA DE LA INFORMACIÓN............................................................................. 43
IV. ALCANCE E HIPÓTESIS ................................................................................................................................................. 44
ESTIMAR EL ALCANCE DE LA INVESTIGACIÓN CUANTITATIVA ................................................................................ 44
HIPÓTESIS .................................................................................................................................................................................. 46
V. DISEÑO DE INVESTIGACIÓN ........................................................................................................................................... 49
CONCEPTO ................................................................................................................................................................................ 49
TIPOS DE DISEÑO DE INVESTIGACIÓN CUANTITATIVOS ............................................................................................ 49
REQUISITOS DE UN EXPERIMENTO ................................................................................................................................... 49
DISEÑOS EXPERIMENTALES ................................................................................................................................................. 52
DISEÑOS NO EXPERIMENTALES .......................................................................................................................................... 53
VI. POBLACIÓN Y MUESTRA ............................................................................................................................................. 58
POBLACIÓN DE ESTUDIO...................................................................................................................................................... 58
MUESTRA DE ESTUDIO .......................................................................................................................................................... 58
TAMAÑO DE LA MUESTRA.................................................................................................................................................... 59
TÉCNICAS DE MUESTREO ..................................................................................................................................................... 60
VII. RECOLECCIÓN DE DATOS .......................................................................................................................................... 63
DISEÑO Y/O SELECCIÓN DE INSTRUMENTOS DE MEDICIÓN ................................................................................... 63
DISEÑO DE INSTRUMENTOS DE RECOLECCIÓN DE DATOS ..................................................................................... 63
OPERACIONALIZACIÓN DE VARIABLES ............................................................................................................................ 64
NIVELES DE MEDICIÓN .......................................................................................................................................................... 66
TIPOS DE INSTRUMENTOS DE MEDICIÓN O RECOLECCIÓN DE DATOS CUANTITATIVOS .............................. 67
REQUISITOS QUE DEBE CUBRIR UN INSTRUMENTO DE MEDICIÓN ....................................................................... 71
VIII. ANÁLISIS DE DATOS ..................................................................................................................................................... 74
ANÁLISIS DESCRIPTIVO DE LOS DATOS............................................................................................................................ 74
ANÁLISIS INFERENCIAL: DE LA MUESTRA A LA POBLACIÓN ...................................................................................... 78
PRUEBAS DE HIPÓTESIS......................................................................................................................................................... 81
PRUEBA t .................................................................................................................................................................................... 84
PRUEBA WILCOXON ............................................................................................................................................................... 90
PRUEBA MANN-WHITNEY .................................................................................................................................................... 93
IX. REDACCIÓN DEL INFORME FINAL ........................................................................................................................... 97
PRESENTACIÓN ........................................................................................................................................................................ 97
RESUMEN ................................................................................................................................................................................... 97
INTRODUCCIÓN ....................................................................................................................................................................... 97
1
MARCO TEÓRICO .................................................................................................................................................................... 98

MARCO METODOLÓGICO .................................................................................................................................................... 98
PROPUESTA DE SOLUCIÓN .................................................................................................................................................. 98
RESULTADOS ............................................................................................................................................................................ 98
DISCUSIÓN................................................................................................................................................................................. 99
CONCLUSIONES ....................................................................................................................................................................... 99
RECOMENDACIONES ............................................................................................................................................................. 99
X. NORMA ISO 690 ................................................................................................................................................................ 101
CITAS Y REFERENCIAS .......................................................................................................................................................... 101
CITAS BIBLIOGRÁFICAS ........................................................................................................................................................ 101
REFERENCIAS BIBLIOGRÁFICAS ........................................................................................................................................ 103
2
Conocimiento: —como todo conocimiento científico— son solo propuestas de objetividad-verdad

aproximativa (cada vez más acertadas, pero siempre criticables y mejorables), provisoriamente
aceptadas, establecidas y sistematizadas sobre la realidad objeto de estudio.1
Realidad: La realidad en que vivimos y la que tratamos de conocer es una realidad que existe.
Nosotros formamos parte de ella, y si ella no existiera, tampoco existiríamos nosotros.
Evolución: Nuestra realidad está en permanente movimiento, cambio y evolución. En

determinadas circunstancias, el movimiento genera cambios, y los cambios, por lo general, tienen
un vector positivo conocido como evolución.
 Evolución físico-química
 Evolución biológica
 Evolución racional: La razón la poseen aquellos capaces de emplear un lenguaje coherente y
simbólico. Los griegos emplearon la palabra logos para designar tanto la razón como el
lenguaje coherente y simbólico
Fenómenos: son los cambios que salen de lo común, de la media estadística, o valorativa, pero
todos ellos están relacionados causalmente. En la mayoría de los casos, estas relaciones causales
son desconocidas.
Etimológicamente, fenómeno quiere decir simplemente “lo que aparece ante los sentidos”, y
que de hecho lo fenoménico es, en último término, lo que es susceptible de ser experimentado
sensorialmente.
Leyes científicas, axiomas o principios: Son los enunciados proposicionales que comunican y
explicitan las relaciones.
Productos racionales: la cultura, la civilización, la investigación, los métodos, sistemas, técnicas,

procedimientos, algoritmos y otros que nos permiten conocer la realidad porque poseemos el
logos o la razón. Para conocer nuestra realidad son imprescindibles nuestros sentidos, al menos
en un inicio.
1
Caballero, Alejandro (2014). Metodología integral innovadora para planes y tesis. Cencage Learning.
3
Mecanismos usados a lo largo de la evolución racional
 Intuición: Cuando de manera espontánea, “vemos” (captamos, comprendemos o percibimos)

algo que se presenta de manera evidente ante nuestra razón.
o Empírica: Aquella que está referida o es utilizada para aprender sobre objetos que se
dan en el tiempo y ocupan espacio, es decir, objetos materiales.
o Revelación: Aquella que está referida o es utilizada para captar, comprender o
aprender eventos, situaciones, seres globales, por lo general por suceder: el destino.
o Intelectual: Aquella que está referida o es utilizada para captar, ver, aprender o
comprender objetos, seres intelectuales, relaciones, etc.
1. PENSAMIENTO MÍTICO:
El hombre primitivo emplea su intuición empírica para ver, y poder explicarse fenómenos
que escapaban a su comprensión. Ejemplo: Las diferencias entre las piedras que presentan
coloraciones (vetas o uniones estructurales) contra otra que no las tiene, tiende a romperse
primero siguiendo esas coloraciones, lo que les permitía manipular y transformar un
elemento de su entorno en una herramienta que serían los primeros cuchillos de piedra,
puntas de lanza, etc.
 Técnica: De manera operativa y muy general, es toda aplicación del conocimiento

humano para la solución de problemas prácticos de la vida.
 Mito: Mecanismo que aparece para cubrir necesidades de comprensión del hombre que,
en parte, es verdadero; pero que en su mayoría es falso, que es aportado o que tiene su
origen en los brujos, oráculos, leyendas, tradiciones, costumbres, etc., y que se transmite
dogmáticamente.
 Cultura: conjunto de aportes, descubrimientos, realizaciones o creaciones que son
producto de la actividad racional del hombre social, del grupo humano.
 Civilización: Aquella parte de la cultura que ha sido materializada. Cada pueblo va
desarrollando su cultura: materialización de técnicas, armas, etc., pero que también
comprende aspectos no materiales como el lenguaje y los mitos.
2. PENSAMIENTO FILOSÓFICO:
Se reemplaza el mito como mecanismo y se le reemplaza por el ideal racional, unido a la
intuición dan lugar al pensamiento filosófico. El pensamiento filosófico permite avanzar el
conocimiento de la humanidad y comprender mejor la realidad, se busca el elemento
originario: el fuego, el aire, el agua, el átomo
 Ideal racional descriptivo-explicativo: Empleo de la razón para describir y explicar la

realidad. Este mecanismo se opera preguntándose ¿cómo es la realidad? Para obtener
descripciones, y ¿por qué es así la realidad? Para obtener explicaciones.
 Cultura: Producto de la actividad racional del hombre social (del grupo humano),
comprende el conjunto de aportes, descubrimientos, realizaciones o creaciones.
4
 Civilización: Aquella parte de la cultura que ha sido materializada (mediante técnicas,

armas, etc. Y aspectos no materiales como el lenguaje y los mitos).
3. PENSAMIENTO LÓGICO:
Se corrompe el ideal racional por los filósofos sofistas, quienes prentenden que se puede
demostrar que cualquier cosa puede ser verdadera, y al mismo tiempo o a continuación falsa.
Sócrates: Corrige la desviación de que todo puede ser verdadero y al mismo tiempo falso
aplicando 3 principios:
a) Principio de identidad: Lo que es, es; es decir, que si en una argumentación se

demuestra que algo es verdadero, mientras esta dure, tiene que seguir siéndolo (y si
es falso, tiene que seguir siendo falso).
b) Principio de no contradicción, que de manera clásica se formuló como: Lo que es, no
puede no ser; es decir, que ninguna proposición (o juicio) puede ser, a la vez,
verdadera y falsa.
c) Principio de tercio excluido, que clásicamente se formulaba como: Un juicio es
verdadero o falso, sin una tercera alternativa.
Platón: Alumno de Sócrates, complementó a su maestro estableciendo que con el logos (la
razón) y sus principios se pueden hacer deducciones universalmente válidas. Él pone el
nombre al mecanismo: la deducción.
Deducción: Es el mecanismo característico del pensamiento lógico que consiste en que dados
determinados juicios o enunciados proposicionales tomados como premisas (considerados
verdaderos), de ellos, por su relación estructural (elementos indispensables con orden
necesario), se desentraña o deduce la verdad necesaria de otro juicio o enunciado proposicional
llamado conclusión.
Aristóteles: En su obra Organon, consideraba la lógica como una disciplina dedicada al

estudio de la razón, sus principios y deducciones. Aristóteles es quien desarrolla la teoría del
silogismo, primera parte del futuro desarrollo de la lógica.
Silogismo: Fue el primer tipo de deducción que desarrollo Aristóteles y que consiste en que
dados dos juicios considerados como premisas, de él, por la relación estructural entre ellos, se
deduce la verdad necesaria de otro juicio llamado conclusión.
5
Filosofía permite al hombre descubrir el cómo y el porqué de las cosas (realidad) y obtiene nuevos
conocimientos:
1. Descripciones: Respuesta el cómo, detalla la realidad (alguien o algo, objeto de estudio), a

través del lenguaje.
2. Explicación: Respuesta el por qué, sus conocimientos que son contenidos explicativos
relacionan partes.
3. Predicción: Conjetura de algo que va a suceder a través del mecanismo de la deducción.
El hombre acumula una gran cantidad de respuestas al cómo y por qué y desarrolla el cuerpo de
la filosofía, pero además comienzan a aparecer los filósofos especializados en el estudio de una
parte de la realidad, lo que da inicio al surgimiento de nuevas ciencias:
Los requisitos de una ciencia independiente son tener:
1. Un campo especializado: un campo especializado es separar partes de la realidad tomadas

como campo de estudio
2. Contenidos propios: son los conocimientos, productos de sus estudios que tienen a ser
especializados.
3. Métodos propios: Orientaciones racionales para estudiar, son especializadas y apropiadas al
campo de estudio.
4. Pensamiento Lógico: Mecanismos de deducción e intuición aplicados a campos, contenidos
y métodos propios.
Se producen separaciones de la filosofía, surge la matemática, biología, etc., y de éstas surgen

ciencias aún más especializadas como la aritmética, algebra, geometría, etc.
6
DEFINICIONES DE CIENCIA:
1. RAE
CIENCIA
Del lat. scientia.
1. f. Conjunto de conocimientos obtenidos mediante la observación y el razonamiento,
sistemáticamente estructurados y de los que se deducen principios y leyes generales con
capacidad predictiva y comprobables experimentalmente.
CONOCIMIENTO:
1. m. Acción y efecto de conocer.
2. m. Entendimiento, inteligencia, razón natural.
CONOCER
Del lat. cognoscĕre.
1. tr. Averiguar por el ejercicio de las facultades intelectuales la naturaleza, cualidades y
relaciones de las cosas.
2. CIENCIA YA ESTABLECIDA (como algo ya conocido, aceptado y relativamente estático):

Conjunto de conocimientos provisoriamente aceptados, establecidos y sistematizados por la
humanidad y que encontramos en libros o publicaciones especializadas, en informes de
investigaciones o en eventos científicos, o en las redes informáticas mundiales cuando se
basan en las fuentes previas.
3. CIENCIA DINÁMICA (INVESTIGACIÓN CIENTÍFICA) La ciencia también es un hacer

La ciencia también puede integrar la dinámica de investigar a partir de lo ya conocido para
aportar, y se puede definir como Investigación científica.
4. FINALIDAD DE LA CIENCIA
La ciencia (en general, como suma de todas las ciencias) permite al hombre conocer toda la
realidad (objetivo general de la ciencia) y proponer cómo modificarla (finalidad).
Finalidad de una ciencia: Cada ciencia pretende conocer la parte de la realidad que es su campo,
su objeto de estudio.
La ciencia pura o teórica, solo trata de responder preguntas sobre la realidad que se busca
conocer, explicar o comprender; no se focaliza en resolver problemas o en crear productos;
si es ciencia aplicada, trata de resolver problemas específicos, transformar o modificar su
parte de la realidad, su campo, su especialidad.
7
5. IDEALES TEÓRICO Y OPERATIVO DE UNA CIENCIA

El ideal teórico de una ciencia es ser axiomatizada, es decir, partir de axiomas; lo que, se
considera, la hace más rigurosa.
AXIOMA: Enunciado proposicional que explicita (comunica) una constante de cambio de la

realidad, cuando se usa al inicio de un desarrollo teórico, se denomina principio.
El ideal operativo de una ciencia es hacerla algoritmo; es decir, llegar a tener procedimientos
mecanizados para solucionar cada tipo específico de problema repetitivo.
ALGORITMO: Conjunto de pasos finitos, concatenados, mecanizados, eficaces y más o menos

eficientes que, de manera segura y sin excepción, permite solucionar un tipo específico de problema
repetitivo al que previamente ya se le había encontrado una solución metódica exitosa que ha sido
(programada) sistematizada. Todo algoritmo es —o puede ser— convertido en máquina o ser
mecanizado. Ejemplo: Todas las operaciones de una calculadora, para sumar, restar, multiplicar,
etcétera.
8
1. DEFINICIÓN
Investigación científica: Estructura racional que integra como elementos indispensables la
investigación y la ciencia ya establecida en ese orden necesario; es decir, privilegiando la
investigación de problemas nuevos (con solución no conocida) que afectan la realidad con respecto
a la ciencia ya establecida, y que permite por lo tanto obtener conocimientos nuevos (datos e
informaciones), que, como aportes, se sumen a la ciencia ya establecida. Por ello, la investigación
científica se identifica con las actividades científicas, con el hacer de la ciencia.
Investigación: Conjunto de actividades que desarrollamos para obtener conocimientos nuevos, es

decir, datos o informaciones que no poseemos, que no conocemos y que necesitamos para tomar
decisiones que contribuyan a resolver problemas, cuyas soluciones desconocemos (son nuevas para
nosotros).
Un dato es un elemento aislado; un conjunto de datos trabajados (ordenados, integrados,

jerarquizados), presentados en cuadros, gráficos, diagramas, resúmenes, etc., constituye las
informaciones.
2. OTRAS DEFINICIONES DE INVESTIGACIÓN CIENTÍFICA

Bunge, investigación científica es un sistema de ideas provisoriamente establecidas (ciencia
estática), y como una actividad productora de nuevas ideas (ciencia dinámica).
Consejo Nacional de Investigación del Perú (en su Política de desarrollo científico y

tecnológico: actividad intelectual orientada hacia el logro de nuevos conocimientos de
manera metodológica, sistemática y comprobable
UNESCO, en su glosario de términos: investigación científica básica: “Consiste en trabajos

experimentales o teóricos que se emprenden fundamentalmente para obtener nuevos
conocimientos acerca de los fundamentos de fenómenos y hechos observables, sin tener el
objetivo de darles alguna aplicación o utilización determinada”. Investigación científica
aplicada: “Consiste en trabajos experimentales o teóricos que se emprenden
fundamentalmente para obtener nuevos conocimientos acerca de los fundamentos de
fenómenos y hechos observables con la dirección de obtener un objetivo práctico concreto”.
3. CARACTERÍSTICAS DE LA INVESTIGACIÓN CIENTÍFICA

Según Bunge (2007):
1. Es Racional y Objetiva: Porque se basa en juicios y raciocinios y porque

concuerda con la realidad dentro de sus objetivos de estudio.
2. Es Fáctica: Porque parte de los hechos, los respeta y siempre vuelve a ellos.
3. Es Especializada: Esto explica la multiplicidad de técnicas y la relativa
independencia de los diversos sectores de la ciencia.
9
4. Es Comunicable: Porque es expresable utilizando un lenguaje informativo y

porque no es privada; sino pública.
5. Es Verificable: Porque permite su confirmación.
6. Es Metódica: Porque es planeada, intencional, usa métodos y técnicas
7. Es Sistemática: Porque sigue un orden Lógico.
8. Es Legal: Porque busca leyes y las aplica.
9. Es Explicativa: Porque explica los hechos en términos de leyes y las leyes en
términos de principios.
4. FINALIDAD GENERAL DE UNA INVESTIGACIÓN CIENTÍFICA CONCRETA

Una investigación científica concreta solo pretende investigar (o estudiar) un problema nuevo
para la ciencia y proponer cómo transformarlo o solucionarlo.
5. FUNCIONES DE LA INVESTIGACIÓN CIENTÍFICA

a) La descripción científica: La descripción responde a la pregunta: ¿Cómo es la parte de la
realidad tomada como objeto de investigación o estudio? Es la primera función, la más
simple o básica, y sin ella no se puede explicar —y menos predecir— nada.
Ramón Bayes (1974) afirmaba que la ciencia es una especie de lenguaje que describe la
naturaleza.2
b) La explicación científica: La explicación responde a la pregunta ¿por qué es así la parte de
la realidad tomada como objeto de investigación o estudio?
Emile Simmard (1981) sostiene: […] Explicar es hacer conocer la razón de un hecho, el
motivo de lo que parece singular o inconcebible; es demostrar que, lo que inicialmente
parecía irracional, se adapta, no obstante, a un principio bien definido3.
La explicación se basa y sucede a la descripción, ya que nadie puede explicar aquello que
aún no ha sido descrito, aquello que aún no se sabe cómo es. Además, busca las causas
necesarias y suficientes de los fenómenos y pretende establecer las relaciones causales.
Precede a la predicción, porque esta última se apoya en las explicaciones, en especial
cuando estas explicitan constantes de cambio de la realidad.
c) La predicción científica: La predicción responde a las preguntas ¿qué sucederá? o ¿cómo
sucederá?, si se dan determinadas premisas.
Eli de Gortari (1969): […] La predicción implica una traslación temporal de la explicación
establecida desde un intervalo de tiempo pasado y conocido hasta otro intervalo de
tiempo futuro y por conocer.4
2 Bayes, Ramón. Una introducción al método científico en Psicología. Barcelona: Fontanella, 1974.
3
Simmard, Emile. Naturaleza y alcance del método científico. Traducción de Salvador Caballero Sánchez. Madrid:
Gredos, 1981, p. 188.
4 De Gortari, Eli. El problema de la predicción en las Ciencias Sociales. México DF: Ed. de la UNAM, 1969, p. 6.
10
6. REQUISITOS PARA QUE UNA INVESTIGACIÓN SEA CIENTÍFICA
a) Condiciones básicas para que una investigación sea científica

 Sabemos que una investigación científica debe tener una base teórica y científica,
precisando sus fuentes con datos completos en cada una de sus citas.
 Sabemos también que debe tener un buen manejo del pensamiento lógico, y, sobre
todo, del mecanismo de la deducción.
b) Requisitos básicos para que una investigación sea científica
Los requisitos básicos para que una investigación sea científica son:
 Que el problema que pretende resolver sea nuevo para la ciencia.

 Que plantee una propuesta nueva de solución o hipótesis al problema nuevo no
resuelto.
 Que siga un método de investigación científica.
 Que aporte a la ciencia ya establecida.
7. CLASIFICACIÓN DE LA INVESTIGACIÓN CIENTÍFICA

a) Por sus propósitos:
i. Investigación teórica, pura o básica: Según el Consejo Nacional de la Universidad
Peruana, (CONUP), es: “la que está dirigida hacia un fin netamente cognoscitivo,
11
repercutiendo en unos casos en correcciones, y en otros en perfeccionamiento de los

conocimientos, pero siempre con un fin eminentemente perfectible de ellos”.5
ii. La investigación aplicada, tecnológica o de desarrollo: Según John Hayman, la
investigación aplicada es aquella “cuyo propósito fundamental es dar solución a
problemas prácticos”.6 Para el CONUP, la investigación de desarrollo —también
llamada tecnológica— […] “es aquella que se da como un conjunto de actividades
destinadas a utilizar los resultados de las ciencias, así como las tecnologías, en el
proceso de producción en masa: industrial, agrícola, comercial, etcétera”.
b) Por sus niveles: Del quinto nivel (más bajo) al primer nivel (más alto)
i. Investigaciones exploratorias: El nivel más elemental (quinto) es el de las
investigaciones exploratorias —que no son causales— y el tipo de análisis
predominante en ellas es el cualitativo sobre fuentes bibliográficas teóricas, pero
pueden hacer referencias a datos con precisiones cuantitativas, de investigaciones
aplicadas previas realizadas por otros autores.
Para quien planea una tesis y pretende desarrollarla, este tipo de investigación le es
útil parcial y preliminarmente, sobre todo para obtener los datos de algunas variables
del marco referencial a usarse, a manera de modelo como patrón comparativo del
análisis de la realidad que es objeto de la investigación.
ii. Investigaciones descriptivas: Estas investigaciones se ubican en el cuarto nivel.
Responden a la pregunta ¿cómo es la realidad que es objeto de investigación o de
estudio?; no son causales y su tipo de análisis es en su mayoría cualitativo, aunque
complementariamente puede adquirir un cierto manejo cuantitativo al utilizar la
estadística descriptiva que nos permite caracterizar a nuestro objeto o fenómeno de
estudio sobre la base de fuentes documentales.
Cuando una investigación es solo descriptiva (y no va a ser complementada con
explicaciones o predicciones), recibe el nombre de monografía, ya que se limita a una
(la primera) de las tres funciones científicas (describir, explicar, predecir).
Pero para quien planea y va a desarrollar una tesis que debería alcanzar el nivel
explicativo (el tercero), la investigación descriptiva es una primera parte, básica pero
no suficiente. Es básica porque sin la descripción previa no se puede explicar. Es decir,
sin el ¿cómo es?, no se puede explicar el ¿por qué?
iii. Investigaciones correlacionales: Según Hernández, Fernández y Baptista, las
investigaciones correlacionales “[…] tienen como finalidad conocer la relación o grado
de asociación que exista entre dos o más conceptos, categorías o variables en una
muestra o contexto en particular”.7
La investigación correlacional pertenece al cuarto nivel; no es causal y su tipo de
análisis es predominantemente cuantitativo, pero con calificaciones e
interpretaciones cualitativas, sobre una mutua relación para saber cómo se puede
comportar una variable al conocer el comportamiento de la(s) otra(s) variable(s)
correlacionada(s) cuantitativamente, aunque la interpretación cualitativa también es
importante.
5 Consejo Nacional de la Universidad Peruana. La investigación en la universidad peruana. Lima: CONUP, 1974, p.
11.
6
Hayman, John. Investigación y solución. Traducción de Eduardo Prieto. Buenos Aires: Paidós, 1969, p. 171.
7 Hernández, Roberto, Carlos Fernández y Pilar Baptista. Metodología de la investigación. 6a. edición. México,
McGraw-Hill, 2014, p. 93.
12
Cobra especial importancia el que no sea causal, ya que en las investigaciones

causales la causa tiene que ir antes que el efecto, pero en las investigaciones
correlacionales eso no se cumple ni interesa, solo interesa saber si hay correlación o
no.
De allí que resulte curioso que con respecto a estas investigaciones correlacionales —
o dentro de ellas— se hable de variable independiente, que en las investigaciones
causales (y solo en ellas) desempeña el rol o papel de causa (y para nosotros
mayoritaria); y también se hable de variable dependiente, que en las investigaciones
causales (y solo en ellas) desempeña el rol o papel de efecto o consecuencia.
Entonces, ¿con qué base o fundamento en las investigaciones correlacionales se habla
de variables independiente y dependiente? ¿Cuándo empezó esa costumbre o mito
tan generalizado como equivocado?
iv. Investigaciones explicativas: Estas investigaciones alcanzan el tercer nivel. Responden
a la pregunta: ¿Por qué?, es decir, por qué es así la realidad objeto de investigación.
Son causales, ya que plantean hipótesis explicativas que mediante el cruce o relación
de variables, primero de las del problema (variables dependientes), con las de la
realidad (variables intervinientes), y luego con las del marco referencial (variables
independientes), plantean propuesta(s) de explicación al problema causal que
deberá(n) luego ser contrastada(s). Estas investigaciones, junto con las
experimentales, son las más apropiadas para las tesis.
Una investigación explicativa, en diversos momentos y para sus diferentes partes,
como elementos previos, requiere investigaciones exploratorias y descriptivas, e
incluso a partir de las correlaciones establecidas se pueden plantear las explicativas
causales. Pero todas ellas son insumos previos de las explicativas causales.
v. Investigaciones predictivas o experimentales: Estas investigaciones también se ubican
en el tercer nivel; de modo obligatorio implican que ya se sepa cómo es la realidad
objeto de la investigación y por qué es así (es decir, implican las investigaciones
descriptivas y explicativas anteriores o parciales) y responden a la pregunta: Si la
realidad es así por estas razones o causas, y si hago este cambio, ¿qué pasaría?
Estas investigaciones plantean hipótesis predictivas que, para poder ser contrastadas,
requieren un experimento con poblaciones de condiciones o características
uniformes, con grupo experimental (50%) y grupo de control o testigo. Por lo general,
resulta necesario tomar una prueba de entrada antes de aplicar el cambio (la causa
principal o variable independiente) y otra prueba de salida para comprobar el cambio.
Una investigación predictiva puede ser prospectiva (cuando se comprueba

propiamente, a futuro, el cambio) o retrospectiva (cuando se comprueba el cambio
con datos del pasado).
vi. Investigaciones de segundo nivel: Solo si una investigación de tercer nivel ha

descubierto una constante de cambio de la realidad y la ha enunciado
proposicionalmente como una ley científica, entonces de manera automática esa
investigación, sea explicativa o predictiva (experimental), asciende al segundo nivel.
Es obvio que será causal, y el tipo de análisis predominante será el que usó la
investigación de tercer nivel que le dio origen.
13
vii. Investigaciones de primer nivel: Solo aquellas investigaciones de segundo nivel que
han descubierto una constante de cambio de la realidad, que han enunciado
proposicionalmente cuando menos una ley científica, y que además plantean hipótesis
complementarias que articulan leyes y modifican teorías ya existentes o crean otras
nuevas, llegan al primer nivel.
Fuente: Tomado de Caballero, Alejandro (2014). p. 42.
14
8. DISTINGUIR LO QUE ES CIENCIA DE LO QUE NO LO ES

Criterio de Falsación de Popper:
Todo planteamiento teórico (hipótesis, leyes, axiomas, principios, teorías, etc.) que al ser
contrastado con la realidad, sus evidencias contradicen de forma parcial lo que afirma o niega,
debe ser modificado parcialmente, si las evidencias lo contradicen totalmente, entonces el
planteamiento debe ser desechado por completo.
Si las evidencias apoyan o confirman el planteamiento, éste se mantiene provisoriamente.

Pero eso no significa que ya sea universalmente verdadero, absoluto o definitivo, sino que en
cualquier momento puede volver a ser contrastado con la realidad y puesto a prueba, en un
proceso de mejoramiento permanente.
La pseudociencia no puede ser contrastada con la realidad, no permite obtener evidencias

para rechazarla o consolidarla, sino que requiere fe, creencia o dogma.
9. EL CONCEPTUAR
Una de las funciones de la investigación científica es el pensar, a su vez las funciones del
pensar, en este contexto, son el conceptuar, el juzgar y razonar)
Procedimiento para formular nuestro propio concepto a partir de los conceptos de otros
autores:
1. Considere un concepto que haya sido definido por varios autores, pero cuyas definiciones
no lo satisfagan plenamente en ningún caso.
2. Busque libros o publicaciones especializados y preseleccione la definición del concepto
por reestructurar a partir de tres autores diferentes.
3. Elabore las fichas textuales de las definiciones del concepto, con datos completos acerca
de los tres autores diferentes que usted ha seleccionado.
4. En cada ficha, resalte o marque los elementos considerados por cada autor para definir
el concepto.
5. Considere una columna por autor para los elementos de la definición de cada uno de
ellos, y una columna a la derecha para el que será su propio concepto.
6. En la columna de su propio concepto, considere primero los elementos de las definiciones
que sean comunes a los tres autores (tenga cuidado, pues en algunos casos un elemento
puede estar tácito o sobreentendido); luego, considere aquellos en que coincidan dos
autores y, por último, algún elemento considerado por un solo autor, pero que en su
opinión resulte relevante.
7. En la columna de la derecha deben quedar los elementos indispensables —en el orden
necesario— del nuevo concepto formulado por el que usted realiza la práctica.
8. En la columna correspondiente a cada autor debe colocar entre paréntesis ( ) los
elementos o palabras que no usa en su concepto propio, pero que están expresados por
ese autor con otras palabras equivalentes; de igual modo, indique con (...) aquello que ese
autor no considera de manera explícita, pero que usted está tomando de otro autor, en
su concepto propio.
9. El cuadro resultante indica el autor o autores de cada elemento que usted está
considerando, pero la responsabilidad del nuevo concepto es suya.
15
Fuente: Tomado de Caballero, Alejandro (2014). p. 42.
16
La investigación científica hace uso del método científico. A partir de la revisión de los
conocimientos de la ciencia ya establecida, para ayudarnos a identificar problemas nuevos (que
no tienen solución conocida), y en especial para la investigación de esos nuevos problemas
nuevos.
Metodología: Ciencia cuya especialidad son las orientaciones racionales que requerimos para
resolver problemas nuevos, y para adquirir o descubrir nuevos conocimientos a partir de los
provisoriamente establecidos y sistematizados por la humanidad.
Metodología de Investigación Científica: Orientación racional capaz de resolver problemas

nuevos para la ciencia, y puede hacerlo porque entraña una hipótesis. Si bien esto último
implica un riesgo, también le da un poder creativo e innovador, ya que al constituir una nueva
propuesta de solución al problema, aún no está probada, no es segura, no sabemos si será
eficaz o eficiente, no es repetitiva y, cuando tiene éxito, se convierte en un sistema.
Método: Estrategia nueva con potencial innovador pero riesgosa.
Sistema: Estrategia ya conocida ya probada, segura repetitiva (pero sin poder innovador).
1. ELEMENTOS:
a) Concepto: Sin un sistema conceptual no es posible el método científico y
consecuentemente la ciencia. Los conceptos son abstracciones, constructos lógicos que
explican un hecho o fenómeno. Un sistema conceptual es la base de la ciencia, y es el
punto de partida para el método científico.
b) Definiciones: Las definiciones y los conceptos están íntimamente ligados y de ello

depende la formulación de hipótesis. Definir significa observar y alcanzar conclusiones,
sobre hechos y fenómenos explicables a través de parámetros o indicadores.
c) Hipótesis: Es un supuesto que anticipa una posible conclusión, es decir anticipa posibles
respuestas y está sujeto a comprobación.
d) Variables: Es toda característica o cualidad observable de un fenómeno que tiende a variar

y que puede ser medido y evaluado.
e) Indicadores: Los indicadores constituyen las sub dimensiones de las variables, se refieren
a componentes o índices del hecho o fenómeno que se estudia.
2. MÉTODO GENERAL DE INVESTIGACIÓN CIENTÍFICA

También llamado método general de la ciencia, o simplemente método científico, es una
megaorientación o macroestrategia que entraña la abstracción de una serie de actividades
que, según se entiende, debería tener un método si se desea que sea considerado como un
método de investigación científica.
17
Las actividades que comprenden el método científico van desde el problema nuevo para la
ciencia hasta la propuesta de solución fundamentada:
a) Problema nuevo para la ciencia: Se identifican problemas (problemática); priorización y

selección de las partes o variables del problema; se formula el problema.
b) Objetivos de la investigación: Se formula el objetivo general y se desagregan los objetivos
específicos.
c) Hipótesis de la investigación: Se plantean las subhipótesis y la hipótesis global.
d) Factores o variables de la investigación: Se identifican los factores y variables; se
identifican, definen y clasifican las variables.
e) Universo de la investigación: Se determina el universo como sumatoria de los datos de
los dominios y de sus variables.
f) Técnicas, instrumentos y fuentes o informantes: Se seleccionan las técnicas, instrumentos
y fuentes o informantes para obtener los datos.
g) Muestra(s): Se determina si va a haber muestra o muestras.
h) Aplicación de instrumentos y recolección de datos: En el trabajo de campo se aplican los
instrumentos y se recolectan los datos.
i) Tratamiento de los datos: Se convierten los datos en informaciones en forma de gráficos,
cuadros, esquemas, diagramas, etc., con el apoyo de programas computarizados que
incluyen apreciaciones descriptivas (objetivas).
j) Análisis de las informaciones: Se analizan las informaciones y se formulan apreciaciones
que resultan del análisis que califican, interpretan e integran las apreciaciones
descriptivas.
k) Contrastación de las subhipótesis: Se usan de forma selectiva, como premisas, las
apreciaciones resultantes del análisis —que tienen directa relación con cada
subhipótesis— para contrastarla.
l) Formulación de conclusiones parciales: A partir del resultado de la contrastación de cada
subhipótesis, se formula una conclusión parcial.
m) Contrastación de la hipótesis global y formulación de la conclusión general: Los resultados
de todas las contrastaciones de cada subhipótesis se usan como premisas para contrastar
la hipótesis global, y sobre la base de ese resultado se formula la conclusión general.
n) Formulación de la recomendación u otro tipo de propuesta fundamentada: del problema:
Las conclusiones dan base para formular propuestas de solución fundamentadas —como
recomendaciones, lineamientos, criterios, pautas, alternativas, etc.—, pero una sola de
estas formas de propuesta.
3. TIPOS DE MÉTODOS
a) Método deductivo: Aquella orientación que va de lo general a lo especifico; es decir, que
parte de un enunciado general del que se van desentrañando partes o elementos
específicos.
b) Método inductivo: Aquella orientación que va de los casos particulares a lo general; es
decir, que parte de los datos o elementos individuales y, por semejanzas, se sintetiza y se
llega a un enunciado general que explica y comprende esos casos particulares.
18
c) Método histórico: Aquella orientación que va del pasado al presente para proyectarse al
futuro. Por lo general, la etapa de tiempo proyectada al futuro es equivalente en
extensión a la etapa considerada del pasado.
d) Método descriptivo: Aquella orientación que se centra en responder la pregunta acerca
de cómo es una determinada parte de la realidad objeto de estudio.
e) Método Explicativo: Aquella orientación que, además de considerar la respuesta al
¿cómo?, se centra en responder la pregunta: ¿por qué es así la realidad?, o cuáles son las
causas?, lo que implica plantear hipótesis explicativas y un diseño explicativo.
f) Método experimental: Aquella orientación que, a partir de lo ya descrito y explicado, se
centra en predecir lo que va a pasar en el futuro si, en esa situación de la realidad, se hace
un determinado cambio. Sobre la base de las respuestas al ¿cómo?, y al ¿por qué?, como
premisas, se afirma que, si se hace tal cambio, va a suceder tal cosa.
Este método hace necesario plantear una hipótesis predictiva (con la estructura: “Si es
así, por qué… y si se hace tal cambio, entonces va a suceder tal cosa)”, y el diseño pasa a
ser un diseño experimental.
El diseño de un experimento para contrastar una hipótesis predictiva significa el trabajo
en condiciones de laboratorio, con variables controladas, con grupos testigos y grupos
experimentales.
19
1. PRINCIPIO DE REPRODUCTIBILIDAD
Los resultados de un experimento son los mismos en repeticiones sucesivas, lo que se conoce
como reproductibilidad. Este simple concepto indica que la ciencia es inherentemente auto-
corregible: los malos resultados o malas interpretaciones de los datos serán identificados por
investigadores subsecuentes que decidan repetir el experimento en cuestión.
Esto debería de brindar a todas las ramas de la ciencia el mismo nivel de confianza (y pureza
prácticamente inmaculada) que gozan las matemáticas.
2. EFECTO SISTEMA:
Hay que recordar que la ciencia tiene como consecuencia el mejoramiento de las condiciones
de vida de todos los seres humanos al contribuir con el avance del conocimiento humano.
¿Por qué alguien querría reportar datos falsos que (cuando menos) nada aportan a la
humanidad y potencialmente la dañan? En el ámbito científico-académico existe una frase
que resume la necesidad de producción científica acelerada: publish or perish (publicar o
perecer), que habitualmente significa producir al menos un artículo científico al año, cada año.
Ante esta situación es común que un grupo de investigación realice varios proyectos de
manera concurrente. Sin embargo, cada proyecto implica una inversión económica, y los
fondos para investigación suelen ser solicitados a agencias gubernamentales u otros
organismos que otorgan dichos fondos, a manera de competencia, al grupo que logre
presentar el proyecto más convincente según los criterios de dicha agencia. Esto lleva a los
investigadores a escribir frecuentemente nuevas solicitudes de apoyo para investigación, lo
que implica una fuerte dosis de esfuerzo y presión asociada.
Además, existe un efecto dominó en el éxito para obtener recursos, de tal forma que
investigadores con amplia experiencia y un Curriculum Vitae (CV) estelar, serán más
frecuentemente afortunados que aquellos con un CV modesto, formando un círculo virtuoso
para el primero, pero vicioso para el segundo.
3. MALAS CONDUCTAS EN LA CIENCIA

a) Plagio: Uso del trabajo publicado o privado de otra persona sin su permiso o sin proveer
la atribución adecuada. A un extremo del espectro encontramos el uso de ideas de
investigación o datos no publicados sin otorgar crédito a los responsables. Ver ejemplo
de pág. 156 Caso: Uso de datos de un exalumno.
b) Autoría no justificada: No es extraño encontrar directivos de instituciones académicas
que aparecen en todos y cada uno de los artículos que se producen en ella, aun cuando
jamás hayan incluso leído el trabajo en cuestión. Según el International Committee of
Medical Journal Editors, un "autor" es alguien que ha hecho contribuciones intelectuales
sustantivas a un estudio publicado. El crédito de autoría debe basarse en: 1)
contribuciones sustanciales al concepto y diseño, la adquisición de datos o análisis e
20
interpretación de los mismos; 2) la redacción del artículo o la revisión crítica de su

contenido intelectual, y 3) la aprobación final de la versión que se publicará8.
c) Falsificación y fabricación de datos: La falsificación se refiere a la alteración o
presentación incorrecta de datos, mientras que la fabricación es la creación de un juego
de datos que no resultan de ninguna observación experimental.
d) Manipulación de imágenes: Una práctica común por parte de los autores que intentan
aumentar artificialmente el impacto de sus datos fotográficos es el uso de Adobe
Photoshop o software relacionado para modificar determinados elementos de una
imagen, tales manipulaciones dejan huellas digitales.
8 http://www.icmje.org/
21
1. ¿Qué es la ciencia?
2. ¿Cómo se hace ciencia?
3. ¿Cuál es la relación entre ciencia, investigación científica y método científico?
4. ¿Cuál es la relación entre ética e investigación?
22
1. Bayes, Ramón (1974). Una introducción al método científico en Psicología. Barcelona:

Fontanella.
2. Bunge, M. (2007). La ciencia, su método y su Filosofía. México: Grupo Editorial Patria.
3. Caballero, Alejandro (2014). Metodología integral innovadora para planes y tesis. Cencage
Learning.
4. De Gortari, Eli (1969). El problema de la predicción en las Ciencias Sociales. México DF: Ed.
de la UNAM.
5. Hernández, Roberto, Fernández, Carlos y Baptista, Pilar (2014). Metodología de la
Investigación. (6ª ed.) México: Mc Graw-Hill.
6. Maletta, H.(2009). Epistemología Aplicada: Metodología y técnica de la producción científica.
Lima: Consorcio de Investigación Económica y Social (CIES), Centro Peruano de Estudios
Sociales - CEPES, Universidad del Pacífico, Centro de Investigación.
7. Tamayo, M.(2004). El proceso de la Investigación Científica. (4ta. ed.). México: Limusa.
8. Simmard, Emile (1981). Naturaleza y alcance del método científico. Traducción de Salvador
Caballero Sánchez. Madrid: Gredos.
23
El planteamiento del problema de investigación es la primera fase del proceso de investigación

(sin importar el enfoque de investigación). A continuación el proceso de investigación científica:
El planteamiento del problema comprende el (i) análisis de la realidad problemática, (ii) la

formulación del problema de investigación, (iii) antecedentes de investigación, (iv) objetivos de
investigación y (v) la justificación de la investigación.
24
1. IDEA DE INVESTIGACIÓN
El proyecto de investigación empieza con la idea de investigación, la cual debe: (i) Ayudar a
resolver problemáticas, (ii) Aportar conocimientos, y (iii) Generar interrogantes. Las ideas
constituyen el primer acercamiento a la realidad objetiva (desde la perspectiva cuantitativa),
a la realidad subjetiva (desde la aproximación cualitativa) à a la realidad intersubjetiva (desde
la óptica mixta) que habrá de investigarse.
Las ideas, de acuerdo al enfoque, acercan a:

 Realidades objetivas en el enfoque cuantitativo.
 Realidades subjetivas en el enfoque cualitativo.
 Realidades intersubjetivas en el enfoque mixto.
2. ENFOQUES DE LA INVESTIGACIÓN CIENTÍFICA

a) Investigación Cuantitativa; predomina la cantidad y su manejo estadístico matemático y
los informantes tienen un valor igual. Hace uso del método científico de manera
secuencial y probatoria.
b) Investigación cualitativa: predomina la calidad y su manejo considera diferencias

individuales, situaciones especiales y el peso de los informantes no es igual (un informante
que ha vivido una experiencia vale por muchos a los que le han contado la experiencia).
No es secuencial:
c) Mixta: aquella que implementa precisiones cuantitativas e interpretaciones cualitativas.

Generalmente, la combinación de ambos enfoques implica realizar en una primera
25
instancia una investigación cualitativa la cual permite profundizar los conocimientos sobre
las variables del problema de investigación y además permite general hipótesis. Éstas, son
contrastadas en una segunda investigación cuantitativa, en donde se recolectan datos,
los cuales se analizan y permiten verificar las hipótesis y seleccionar, de entre ellas, la
solución para el problema de investigación.
3. PROBLEMAS CIENTÍFICOS Y NO CIENTÍFICOS:
a) Problemas Científicos y Problemas cotidianos9

Los problemas ajenos a la investigación científica o tecnológica son los que podríamos
llamar “problemas cotidianos”: ¿dónde puse mis gafas? ¿A quién se parece esta persona
que me parece familiar? Una pregunta sobre nuestro cuerpo: ¿Por qué tengo este dolor?
Puede no ser una pregunta científica para nosotros, pero sí lo es para nuestro médico,
que tiene que aplicar al caso concreto sus conocimientos científicos acumulados o,
incluso (a veces), convertirá ese caso en el objeto de una investigación rigurosa cuando
el conocimiento disponible no sea suficiente para resolver la cuestión.
La mayor parte de los problemas cotidianos son problemas referidos a un caso concreto,
como mi dolor de cabeza hoy, donde se pueden aplicar conocimientos científicos,
mientras que los problemas científicos son usualmente problemas referidos a una
pluralidad de casos o a una categoría amplia de casos pasados, actuales o futuros, donde
se busca generar conocimientos científicos todavía inexistentes. Las respuestas a los
problemas cotidianos no pretenden tener validez general ni esperamos que sean
aplicables a otros problemas similares. Aun cuando apliquemos soluciones basadas en la
ciencia para nuestros problemas cotidianos, esa actividad no es una actividad de
producción científica. En todo caso es una actividad de consumo, no de producción. Con
ella consumimos ciencia, pero no la producimos.
b) Problemas científicos y problemas filosóficos

Otra categoría de problemas que usualmente no forman la base de un programa de
investigación científica son los grandes interrogantes filosóficos o incluso religiosos que
incluyen preguntas sobre la naturaleza última de las cosas o sobre los valores morales:
¿cuál es el sentido de la vida? ¿En qué circunstancias es moralmente correcto matar a una
persona? ¿Cuáles son las implicaciones éticas de la clonación humana? ¿Existe Dios? O el
problema metafísico fundamental que planteó Heidegger: ¿por qué hay Ser y no más bien
Nada? Su naturaleza y la forma de su planteamiento frecuentemente trascienden las
posibilidades de la ciencia empírica, de la lógica y de las matemáticas. Más que
“problemas” son “misterios”, objeto de interrogación y reflexión inacabable sin posibilidad
alguna de solución definitiva. La ciencia no está en condiciones de afrontar y menos aún
de resolver muchos de estos eternos misterios o interrogantes, y sería inútil pedirle que
lo haga.
9 Maletta, H.(2009). Epistemología Aplicada: Metodología y técnica de la producción científica. Lima: Consorcio de
Investigación Económica y Social (CIES), Centro Peruano de Estudios Sociales - CEPES, Universidad del Pacífico,
Centro de Investigación.
26
Sin embargo, no hay una diferencia esencial entre un problema científico y un problema
filosófico. Algunos interrogantes que en otro tiempo fueron “misterios abiertos” como las
cuestiones sobre ¿por qué se mueven los cuerpos? ¿De qué están hechos los astros
celestiales?, son problemas que han sido objeto de mitos y creencias en todas las culturas
y religiones, enigmas que preocuparon a Aristóteles y muchos otros filósofos de la
antigüedad. Esto demuestra que los problemas filosóficos son problemas cognoscitivos
que pueden ser reformulados como problemas científicos, cuando se dan las condiciones
adecuadas (suficiente desarrollo de los conocimientos científicos y de los métodos de
investigación).
c) Problemas científicos y problemas sociales

Un problema social no es lo mismo que un problema científico, ciertos problemas sociales
no requieren mucha investigación científica adicional pues los hechos y razones
fundamentales ya son conocidas: solo hace falta actuar colectivamente para erradicar el
problema (lo que no siempre es fácil, y frecuentemente resulta imposible). Por ejemplo,
el control del HIV en personas infectadas tiene una solución científica ya conocida (un
coctel de drogas que mantiene el virus en estado latente y evita el desarrollo del SIDA),
pero el problema social subsiste pues no es fácil hacer llegar esas drogas a todos los
portadores del virus, especialmente en los países más pobres del África donde son
millones los afectados. Ciertos problemas científicos, por otra parte, no representan un
problema social o práctico para nadie (por ejemplo, los problemas que se plantean en las
investigaciones astronómicas sobre galaxias lejanas, o en los estudios sobre fósiles de
dinosaurios).
4. CLASES DE PROBLEMAS CIENTÍFICOS

Un proyecto de investigación podría apuntar a diferentes finalidades:
 Corroboración de hipótesis causales: Esta clase de problemas apunta a probar que

determinados factores causales producen determinados efectos, en el marco de una
teoría abarcativa. La corroboración puede realizarse mediante métodos experimentales o
no experimentales. Este es el tipo más clásico de los problemas de investigación, pero no
es el único
 Reformulación conceptual: Un posible objetivo científico podría circunscribirse
únicamente al examen crítico de los conceptos en uso y a la elaboración de conceptos
alternativos.
 Formulación y validación de modelos teóricos formales: Este tipo de problema consiste
en diseñar un modelo teórico, frecuentemente en forma matemática, cuyo
funcionamiento explicaría determinados fenómenos observables. En muchos casos, el
modelo contiene parámetros a estimar empíricamente, cuyo valor numérico es estimado
mediante técnicas estadísticas a partir de los datos empíricos.
 Ampliación del campo de validez empírica del programa: Los proyectos con este propósito
tienden a aplicar los conceptos centrales del programa a nuevas realidades que no habían
sido aplicados hasta ahora a este conjunto de conceptos y enfoques. Esto puede hacerse
de manera extensiva o de manera intensiva:
27
o Expansión extensiva: Cuando un proyecto pretende ampliar el campo de validez del

programa de modo extensivo lo que se busca es aplicar el programa a nuevos objetos
de investigación.
o Expansión intensiva. Cuando se busca una expansión intensiva de una teoría o
programa, lo que se busca es usar esa teoría o programa para entender nuevos
aspectos de la realidad. Por ejemplo, un conjunto de conceptos originalmente
introducidos para el estudio de los individuos y su círculo íntimo, como es
nuevamente el caso del psicoanálisis, puede ser usado para entender “el malestar de
la cultura” u otros temas sociológicos similares.
 Descripción y taxonomía: Hay algunos proyectos que son puramente descriptivos (las
anteriores categorías tienen propósitos explicativos). Los proyectos descriptivos no
pretenden explicar nada ni tampoco innovar en materia conceptual: solo pretenden
insertar una realidad concreta en el marco interpretativo provisto por el programa
científico mayor. Existen disciplinas enteras como la botánica, la zoología, la paleontología
o la geología en las que las actividades taxonómicas de descripción y de clasificación
ocupan una posición preponderante, aunque esas disciplinas también desarrollan tareas
explicativas.
 Hermenéutica: Dentro de los programas o proyectos de tipo conceptual, se encuentran
también los proyectos hermenéuticos. La hermenéutica se ocupa de la interpretación de
textos. El objeto de estos esfuerzos consiste en la lectura crítica de ciertos autores
relevantes a fin de ofrecer una nueva interpretación de determinadas partes de su obra,
poniendo en relieve similitudes, conexiones o contradicciones, y contribuyendo, así, a
iluminar los aportes conceptuales de uno o más autores sobre cierto tema. Los estudios
hermenéuticos, junto con los descriptivos, son los menos originales, ya que por lo general
no aportan hechos nuevos ni nuevas teorías, y solo se justifican como una etapa
transitoria preliminar en un programa que desee avanzar y no estancarse.
Ciertos programas del área de las Ciencias Humanas, como el psicoanálisis o el
marxismo, a veces operan mediante proyectos esencialmente hermenéuticos,
destinados a investigar qué dijeron los fundadores del programa y a ofrecer nuevas
interpretaciones de sus palabras. Qué pensaba o qué quiso decir exactamente Freud
(o Marx), son las preguntas típicas que estos esfuerzos buscan responder.
 Cuantificación y calibración: Muchos estudios concretos o investigaciones aplicadas

tienen por objetivo la obtención de valores numéricos para ciertos parámetros previstos
en la teoría, cuyos valores varían según la época o el lugar. Se dispone de un modelo
general pero se deben encontrar valores numéricos adecuados para sus distintos
parámetros. Por ejemplo, los modelos económicos de la demanda del consumidor
requieren cuantificaciones específicas para obtener estimaciones locales sobre elasticidad
de la demanda y otros parámetros, y de modo similar ocurre con los parámetros
principales de los modelos matemáticos de cuencas hidrográficas.
 Diagnóstico de problemas prácticos: En el marco de las aplicaciones pragmáticas la
investigación a menudo tiene el rol de diagnosticar una situación, es decir, identificar y
cuantificar determinados problemas prácticos, con miras a un posible tratamiento o
solución. Por ejemplo, una investigación de este tipo puede proveer las bases para un
plan de desarrollo económico, o para la adopción de ciertas políticas públicas. Muchas
veces estas investigaciones de diagnóstico no innovan en lo conceptual ni en lo
28
metodológico, sino solamente aportan datos sobre una situación concreta. En tal sentido,
están en los márgenes de la producción de conocimiento científico.
 Desarrollo de soluciones prácticas: Los proyectos tecnológicos o, genéricamente,
proyectos de investigación de desarrollo tienen por objetivo el diseño y puesta a prueba
de soluciones a un determinado problema práctico. El producto final incluye, por lo tanto,
las características del diseño elegido, la evaluación de sus méritos frente a otras
alternativas, y muchas veces la puesta a prueba del nuevo aparato o sistema a través de
prototipos, pruebas piloto u otros medios análogos. En esta categoría entran no solo los
clásicos proyectos de ingeniería, sino también aquellos proyectos que culminan en la
proposición de un nuevo texto legal, una nueva estructura organizacional, un nuevo
sistema informático, una mejora en la aplicación de un test psicológico, o cualquier otra
innovación propositiva que apunte a resolver determinados problemas prácticos.
5. RECOMENDACIONES PARA DESARROLLAR IDEAS Y COMENZAR UNA INVESTIGACIÓN

El proyecto de investigación empieza con la idea de investigación, la cual debe: (i) Ayudar a
resolver problemáticas, (ii) Aportar conocimientos, y (iii) Generar interrogantes. Las ideas
constituyen el primer acercamiento a la realidad objetiva (desde la perspectiva cuantitativa).
Las recomendaciones para generar ideas de investigación son:

a) Examinar temas acotados, que no sean muy generales.
b) Compartir la idea con amigos y otras personas informadas (en persona y en las redes
sociales en internet) para conocer opiniones, datos y referencias.
c) Meditar y escribir sobre las implicaciones de estudiar la idea, no solamente enunciarla.
d) Reflexionar sobre la idea para enfocarse en algún aspecto.
e) Relacionar nuestras ideas personales y experiencias con la idea de investigación (Lester y
Lester, 2012). Por ejemplo, un estudiante de ciencias de la salud cuya madre sufre de
cáncer vaginal podría realizar un estudio sobre sus causas; o bien, alguien que cursa una
licenciatura y además trabaja en un supermercado puede analizar el impacto que tienen
los descuentos y promociones en la lealtad de los clientes.
6. DESCRIBIR LA REALIDAD PROBLEMÁTICA

Un paso previo a la Formulación del Problema de Investigación es el análisis de la realidad
problemática, el cual se compone de los siguientes niveles:
1) Análisis de la situación del conocimiento sobre el problema de investigación a nivel
internacional, es decir, narrar desde una perspectiva temporal, sustentando la redacción
con fechas y datos estadísticos, haciendo uso de referencias bibliográficas.
2) Análisis del estado del conocimiento del problema de investigación a nivel nacional (o
latinoamericano). Utilizaremos la misma perspectiva temporal, con referencias de fechas,
datos estadísticos y citas bibliográficas.
3) Finalmente, la situación problemática que tratara nuestra investigación, incidiendo en los
datos que nos han permitido identificar nuestro problema de investigación, justificándolo
con datos estadísticos y referencias bibliográficas que sustenten nuestra perspectiva
sobre el problema de investigación (¿es en realidad un problema de investigación?).
29
7. PROBLEMA DE INVESTIGACIÓN
Seleccionar el problema de investigación implica escoger una parte de la realidad (afectada
por la problemática) que se tomará como “objeto” de estudio o investigación. Esto a su vez
conlleva a identificar y nombrar bien problemas, los cuales se presentan en conjunto bajo la
denominación de la problemática10.
Problema: Toda diferencia negativa entre lo que debería ser y lo que es.
Debería ser es el patrón comparativo de la realidad, el marco referencial, el ideal. Los posibles
componentes del debería ser son: los planteamientos teóricos (que deberían conocerse y
aplicarse bien), las normas(que deberían cumplirse), los objetivos (que deberían lograrse), los
valores (que deberían practicarse), el entorno, el mercado (respecto del cual deberían
actualizarse), las experiencias exitosas (que deberían aprovecharse), etc.
El Es es la parte de la realidad tomada como objeto de estudio o investigación. Esta realidad

no es buena ni mala, el que califica es el sujeto que investiga, el que conoce.
La definición general de un problema tiene tres elementos componentes:
 El debería ser.
 El es.
 La diferencia negativa.
8. CRITERIOS BÁSICOS PARA IDENTIFICAR PROBLEMAS

Un criterio es una pauta operativa para decidir.
a) Criterio 1: Empirismos Aplicativos

Fórmula: Planteamiento Teórico difiere de la realidad.
Ejemplo: Un investigador sabe que existe el principio de unidad de mando, que plantea
que “un subordinado debe depender directamente solo de un jefe”, pero en la realidad
que está observando, encuentra que cuando menos un subordinado depende de forma
directa de dos o más jefes.
Entonces es evidente que es evidente que esa realidad operativa difiere del mencionado
planteamiento teórico y, en consecuencia, ha identificado un tipo de problema al que
denomina “empirismos aplicativos en las relaciones de dependencia en…”.
b) Criterio 2: Discrepancias Teóricas

Fórmula: Planteamiento Teórico A difiere del Planteamiento Teórico B. ¿Cuál planteamiento
teórico se debió aplicar?
Ejemplo: En la entidad ABC, el gerente central de Recursos humanos conoce y es
partidario de la teoría X sobre cómo manejar a los trabajadores (teoría X = desconfianza,
mucho control, muchos supervisores), mientras que el gerente de Capacitación es
partidario de la teoría Y, también sobre cómo manejar a los trabajadores (teoría Y = el
10
Para efectos del presente curso, la acepción más conveniente de problemática es “el listado de problemas que
afectan esa parte de la realidad” en CABALLERO, Alejandro. Metodología integral innovadora para planes y tesis. 1ª
edición. México: Cencage Learning Editores. 2014. ISBN: 978-607-519-182-9
30
trabajador debe conocer los objetivos y participar como un ‘socio’ que se beneficia con
los resultados positivos). Vemos que sus planteamientos son diferentes o tienen
prioridades distintas; entonces hemos identificado un problema del tipo de discrepancias
teóricas.
c) Criterio 3: Empirismos normativos

Fórmula: Planteamiento Teórico difiere de la Norma Interna de una organización.
Identificamos este tipo de problema cuando alguna norma interna que rige en esa
realidad, entidad o empresa, en su enunciado no ha incorporado, no está actualizada o no
considera un planteamiento teórico directamente relacionado.
d) Criterio 4: Incumplimientos
Fórmula: Norma que se tiene que cumplir difiere de la parte de la realidad en la organización.
Identificamos este tipo de problema cuando en la parte de la realidad en que las
disposiciones de una norma deben cumplirse, estas no se han cumplido.
e) Criterio 5: Discordancias Normativas

Fórmula: Norma A difiere de la Norma B
Identificamos este tipo de problema cuando dos o más normas que deben cumplirse en
la realidad tienen diferencias en sus disposiciones; es decir, cuando no están concordadas.
Ejemplo: El reglamento de compras de una entidad, aprobado por su Directorio en fecha

anterior, precisa las condiciones, requisitos y características que debe satisfacer un
insumo para ser comprado, pero otro acuerdo del Directorio, más reciente, ordena
comprar dicho insumo a una determinada empresa o proveedor, aunque no cumpla con
algunos de los requisitos, condiciones o características del Reglamento. Entonces, hemos
identificado un problema del tipo de discordancias normativas entre el reglamento de
compras y el acuerdo de Directorio más reciente.
f) Criterio 6: Carencias
Fórmula: Requerimientos disponibles difieren de los Requerimientos necesarios para lograr el
Objetivo.
Identificamos este tipo de problema cuando el logro de un objetivo se ve dificultado
porque no tenemos algunos de los elementos necesarios para lograrlo.
Se tiene como objetivo que nuestro producto o servicio tenga un nivel de precisión
determinado, pero carecemos de alguna técnica, equipo, maquinaria, etc., lo cual dificulta
el logro de ese objetivo. En ese caso, hemos identificado un problema del tipo de
carencias.
g) Criterio 7: Deficiencias
Fórmula: Implementación de acciones difiere de la implementación adecuada para el logro del
objetivo.
Identificamos este tipo de problema cuando el logro de un objetivo se dificulta debido a
fallas o errores al hacer lo necesario para lograrlo.
31
h) Criterio 8: Restricciones
Pregunta: ¿en la realidad todas las unidades, componentes o elementos de la cadena
productiva, de servicios o similar tienen una capacidad uniforme mínima suficiente para
lograrlo?
Identificamos este tipo de problema cuando el logro de un objetivo (o el cumplimiento de
sus metas) se dificulta por topes internos en la capacidad de alguna unidad, la que reduce
a dicha restricción la producción de toda esa parte de la realidad, entidad o empresa.
Dentro del proceso de producción de una empresa existen máquinas que pueden
producir cien objetos, pero para terminar el trabajo estos tienen que pasar por otra cuya
capacidad de producción es de solo sesenta. Pues bien, el ritmo de producción total, de
embarque, de entrega al cliente, etc., no será mayor de sesenta, y esa será una restricción
o cuello de botella.
i) Criterio 9: Limitaciones
Pregunta: Dado un objetivo, ¿existen topes externos que dificultan el logro de este?
Identificamos este tipo de problema cuando el logro de un objetivo se dificulta por topes
externos a la realidad en estudio o investigación.
En una reunión del Comité Gerencial, el departamento de Marketing de una empresa

presenta un proyecto de presupuesto de US$ 50,000 para lanzar un nuevo producto o
servicio, pero el departamento de Finanzas informa que solo se dispone de US$ 30,000
para ese propósito. Entonces el gerente general pide al gerente de Marketing que
reformule el proyecto con esa limitación externa al Departamento. Allí existe un problema
del tipo de limitaciones.
j) Criterio 10: Distorsiones

Pregunta: ¿Los mensajes que deben entenderse y transmitirse bien para lograr un objetivo han
sido bien entendidos o transmitidos?
Identificamos este tipo de problema cuando el logro de un objetivo se dificulta porque,
consciente o inconscientemente, voluntaria o involuntariamente, el encargado o
responsable de entender o transmitir los mensajes necesarios, para lograrlo no los ha
entendido bien o los ha transmitido mal.
Ejemplo: En una entidad o empresa, en una reunión de Comité gerencial, el gerente

general transmite una disposición respecto a que se deben redoblar los esfuerzos para
reducir costos. Uno de los gerentes lleva ese mensaje a los trabajadores de su área y
dispone que para ahorrar, a partir de ese momento se compre lo mínimo de insumos y en
lotes pequeños; pues bien, con esas indicaciones esa área en lugar de ahorrar gasta más
porque pierde los descuentos por compras de lotes mayores. En la práctica, ha entendido
y transmitido mal el mensaje.
k) Criterio 11: Negación (o lo contrario) de un valor

Fórmula: Valor difiere de la Realidad.
Dado un valor, ¿en la realidad los responsables (ejecutivos o encargados) lo practican?
32
9. PAUTAS PARA NOMBRAR BIEN UN PROBLEMA

a) El nombre del problema debe empezar por una palabra negativa que indique la diferencia
entre el debería ser y el es (de acuerdo a los intitulados de los criterios previos).
b) En el nombre del problema, la palabra negativa inicial va en plural. Ej.: Deficiencias,
Incumplimientos, etc.
c) En el nombre del problema no deben figurar sus causas, sino éste ya no sería un problema
porque ya estaría solucionado y pasaría a ser un antecedente y, además, porque las causas
recién se propondrán como posibles en las hipótesis).
d) El nombre del problema debe ser claro y preciso (se es claro cuando no se dejan dudas y
se es preciso cuando se es categórico).
e) Debe restringirse la cobertura del estudio, ya sea en su aspecto conceptual, físico o
geográfico. Esto permite definir y localizar el problema.
f) El nombre del problema debe ser breve.
10. FORMULACIÓN DEL PROBLEMA DE INVESTIGACIÓN

La formulación del problema de investigación es delimitar estructuralmente la idea de
investigación, la formulación se pregunta sobre lo que se desea conocer a través de la
investigación. Generalmente, las investigaciones que se desarrollan en la tesina del curso, la
formulación del problema es la pregunta (en modo interrogativo) sobre la relación o efecto
de la Variable Independiente (propuesta de solución) sobre la situación a mejorar (problema
identificado).
Algunos ejemplos de formulación de problemas de investigación son: ¿Qué efecto…? ¿En qué
condiciones…? ¿Cuál es la probabilidad de…? ¿Cómo se relaciona…con…?
11. Formulación de los problemas específicos de investigación

Los problemas específicos de investigación permiten desarticular el Problema General de
Investigación que se planteó en el punto anterior en preguntas de investigación cuyas
respuestas son posibles mediante la medición de las variables de investigación.
Sin embargo, las variables de investigación son, por lo general, variables teóricas que no son
medibles directamente con la recolección de datos del campo de investigación, pero sí a
través de sus dimensiones.
Las dimensiones de las variables de investigación no son más que las características que vamos
a medir de las variables de investigación, estas dimensiones si son empíricas pues son
cuantificables mediante la colección de datos directamente del campo de investigación.
33
Ejemplos de dimensiones para las variables de investigación:

Tema de investigación: Diseño e implementación de un sistema de información logístico para
incrementar la productividad del almacén.
Problema General de investigación: ¿De qué manera la implementación de un sistema de
información logístico incrementa la productividad del almacén?
Variable independiente: Diseño e implementación de un sistema de información
Variable dependiente: Productividad del almacén.
Dimensiones:
a) Para la Variable independiente: Diseño e implementación de un sistema de información
logístico:
 Disponibilidad de datos del sistema de información,
 Accesibilidad del sistema de información,
 Fiabilidad de los datos del sistema de información.
Estas dimensiones son medibles a través de indicadores e instrumentos que permiten
registrar:
 Si la información está siempre a disposición en el momento oportuno en la cantidad y
características esperadas → Dimensión de Disponibilidad de datos.
 Si la información es accesible a todos los usuarios que tienen los privilegios para utilizar
el sistema de información → Dimensión de Accesibilidad.
 Si los datos ventilados por el sistema de información corresponden a la realidad (calidad
de la información) → Dimensión de Fiabilidad del sistema de información.
b) Para la Variable dependiente: productividad del almacén:

 Eficacia de los proceso del almacén,
 Eficiencia de los procesos del almacén.
Estas dimensiones son medibles a través de indicadores e instrumentos que permiten
registrar:
 Si los procesos del almacén cumplen con los objetivos planteados para el almacén →
Dimensión de Eficacia.
 Si los procesos del almacén cumplen con los propósitos para los cuales fueron diseñados
utilizando la menor cantidad posible de recursos → Dimensión de Fiabilidad del sistema
de información.
Generalmente, cada una de las dimensiones de la variable de investigación tiene efectos

medibles sobre cada una de las dimensiones de la variable dependiente, entonces los
Problemas específicos para el ejemplo anterior serían:
1) ¿De qué manera la disponibilidad de los datos del sistema de información logístico
incrementa la eficacia de los procesos del almacén?
2) ¿De qué manera la disponibilidad de los datos del sistema de información logístico
incrementa la eficiencia de los procesos del almacén?
3) ¿De qué manera la accesibilidad al sistema de información logístico incrementa la eficacia
de los procesos del almacén?
4) ¿De qué manera la accesibilidad de los datos del sistema de información logístico
incrementa la eficiencia de los procesos del almacén?
5) ¿De qué manera la fiabilidad de los datos del sistema de información logístico incrementa
la eficacia de los procesos del almacén?
34
6) ¿De qué manera la fiabilidad de los datos del sistema de información logístico incrementa
la eficiencia de los procesos del almacén?
Es importante que los problemas de investigación planteen la posibilidad de obtener datos

relevantes para un desarrollo científico o tecnológico.
Una fuente de cuáles son las dimensiones que debemos utilizar para nuestra investigación
son los antecedentes de la investigación.
35
1. ¿QUÉ SON LOS ANTECEDENTES?

Los antecedentes de la investigación son todas aquellas investigaciones precedentes que nos
sirven para acercarnos a nuestras variables de investigación y determinar el nivel de
conocimiento que la disciplina dispone sobre ellas (estado del arte).
Para el desarrollo de la tesina se recomienda al menos 5 antecedentes, de los cuales 2 deben
ser de ámbito internacional tanto para la variable independiente y dependiente y de ámbito
nacional.
2. ¿PARA QUÉ SIRVEN LOS ANTECEDENTES?

 No investigar sobre algún tema que ya se haya estudiado a fondo
 Estructurar más formalmente la idea de investigación
 Seleccionar la perspectiva principal desde la cual se abordará la idea de investigación
(disciplina, corriente, método)
3. ESTRUCTURA DE LOS ANTECEDENTES

 Título de la investigación:
 Autor:
 Año de Publicación:
 Lugar de procedencia: Institución, Ciudad – País.
 Conclusiones:
Ejemplo para un antecedente de la Variable Independiente: Sintetizar (i) lo que investiga
el estudio (objetivos de la investigación), (ii) qué soluciones o métodos propone para la
problemática que trata, (iii) etapas de la implementación de la propuesta de solución, (iv)
como midió la implementación de la propuesta de solución (dimensiones 11) y finalmente
(v) los resultados de la implementación respecto a las hipótesis de investigación,
beneficios económicos, reducción de fallas, resultados de optimización de procesos o
condiciones de una realidad, etcétera.
Ejemplo para un antecedente de la Variable Dependiente: Sintetizar (i) lo que investiga el
estudio (objetivos de la investigación), (ii) caracterización del problema (como describen
el problema a investigar), (iii) causas de la situación problemática, (iv) propuesta(s) de
solución12, (v) dimensiones propuestas para medir cambios en la situación problemática y
finalmente (vi) los resultados de la implementación respecto a las hipótesis de
investigación, beneficios económicos, reducción de fallas, resultados de optimización de
procesos o condiciones de una realidad, etcétera.
11 Las dimensiones también se encuentran en la matriz de operacionalización de variables o en la matriz de consistencia

de la investigación que generalmente se detalla en el diseño de la investigación.
12
Es posible que la(s) propuesta(s) de solución no sea(n) la(s) misma(s) que las que se propone en nuestra tesina, por
eso es importante analizar esas alternativas de solución distintas y contribuir al análisis crítico de nuestra propuesta de
solución.
36
1. ¿CÓMO SE JUSTIFICA LA INVESTIGACIÓN?

Criterios para evaluar el valor potencial de una investigación:
 Conveniencia: ¿Qué tan conveniente es la investigación?, esto es, ¿para qué sirve?
 Relevancia social: ¿Cuál es su relevancia para la sociedad?, ¿quiénes se beneficiarán con
los resultados de la investigación?, ¿de qué modo? En resumen, ¿qué proyección social
tiene?
 Implicaciones prácticas: ¿Ayudará a resolver algún problema práctico?, ¿tiene
implicaciones trascendentales para una amplia gama de problemas prácticos?
 Valor teórico: ¿se logrará llenar algún hueco de conocimiento?
 Utilidad metodológica: ¿puede ayudar a crear un nuevo instrumento para recolectar y/o
analizar datos?
2. PLANTEAMIENTO DE LOS OBJETIVOS DE INVESTIGACIÓN

Los objetivos de la investigación son las guías del estudio pues estarán presentes a lo largo
del desarrollo, los objetivos se redactan iniciando la frase con un verbo en presente infinitivo,
por ejemplo: describir…, determinar…, examinar…, indicar…, evaluar, … analizar…
Plantear los objetivos de investigación es definir en términos prácticos qué pretende la

investigación, es decir, lo que debemos realizar en la ejecución del proyecto de investigación
para responder (verificar) al Problema General de Investigación.
Para cada problema de investigación se plantea al menos un objetivo de investigación,

ejemplos:
Problema General de investigación: ¿De qué manera la implementación de un sistema de

información logístico incrementa la productividad del almacén?
Objetivo General de investigación: Evaluar la influencia de la implementación de un sistema de
información logístico en el incremento de la productividad del almacén.
Problemas Específicos de investigación Objetivos Específicos de investigación
¿De qué manera la disponibilidad de los datos del Determinar la influencia de la disponibilidad de
sistema de información logístico incrementa la los datos del sistema de información logístico en
eficacia de los procesos del almacén? el incremento de la eficacia de los procesos del
almacén
¿De qué manera la disponibilidad de los datos del Determinar la influencia de la disponibilidad de
sistema de información logístico incrementa la los datos del sistema de información logístico en
eficiencia de los procesos del almacén? el incremento de la eficiencia de los procesos del
almacén
¿De qué manera la accesibilidad al sistema de Determinar la influencia de la accesibilidad al
información logístico incrementa la eficacia de sistema de información logístico en el
los procesos del almacén? incremento de la eficacia de los procesos del
almacén
¿De qué manera la accesibilidad de los datos del Determinar la influencia de la accesibilidad de los
sistema de información logístico incrementa la datos del sistema de información logístico en el
eficiencia de los procesos del almacén? incremento de la eficiencia de los procesos del
almacén
37
¿De qué manera la fiabilidad de los datos del Determinar la influencia de la fiabilidad de los
eficacia de los procesos del almacén? incremento de la eficacia de los procesos del
almacén
¿De qué manera la fiabilidad de los datos del Determinar la influencia de la fiabilidad de los
eficiencia de los procesos del almacén? incremento de la eficiencia de los procesos del
almacén
38
El marco teórico puede ser abordado desde dos perspectivas: la de la escuela anglosajona que
propone una delimitación de los planteamientos teóricos que contribuyen al estudio del objeto
de estudio (variables de investigación) de manera sucinta: la realización de un marco teórico; y la
segunda perspectiva es la que propone la escuela napoleónica, y que compartimos la mayoría de
países de lenguas latinas, la cual establece una revisión de la literatura amplia que abarque todos
los planteamientos teóricos que dan sustento a la investigación y trata de forma analítica las
posibles soluciones al problema de investigación, además de definir conceptualmente las mismas.
Esta diferencia se percibe en el volumen de información que vemos en el marco teórico, por su
brevedad y síntesis, en una investigación que sigue a la escuela americana; y la profundidad y
extensión de la revisión de la literatura en una investigación que obedece a la propuesta francesa.
El marco teórico proporciona el estado del conocimiento y su construcción depende del grado
de desarrollo de la disciplina científica respecto al objeto de estudio (lo cual definirá
posteriormente el alcance de la investigación).
La perspectiva teórica proporciona una visión sobre dónde se sitúa el planteamiento propuesto
dentro del campo de conocimiento en el cual nos “moveremos”. En términos de Mertens (2010),
señala cómo encaja la investigación en el conjunto (big picture) de lo que se conoce sobre un
tema o tópico estudiado. Además, puede suministrar ideas nuevas y es útil para compartir los
descubrimientos recientes de otros investigadores13.
 Orientar el estudio al mostrarnos como otras investigaciones han tratado nuestro

problema de investigación.
 Prevenir errores de otras investigaciones
 Ampliar el horizonte del estudio o guía al investigador para que se centre en su problema
y evite desviaciones del planteamiento original
 Establecer la necesidad de la investigación
 Inspirar nuevos estudios
 Ayudar a formular hipótesis o afirmaciones que más tarde habrán de someterse a prueba
con la realidad.
 Proveer de un marco de referencia para interpretar los resultados del estudio, aunque
podemos estar de acuerdo o no con dicho marco (utilizarlo) para explicar nuestros
resultados.
13
Hernández, Roberto, Carlos Fernández y Pilar Baptista. Metodología de la investigación. 6a. edición. México,
McGraw-Hill, 2014, p. 60.
39
Esto depende del planteamiento del problema, el tipo de reporte que estemos elaborando y
el área en que nos situamos, además del presupuesto. Por lo tanto, no hay una respuesta
exacta. Sin embargo algunos autores sugieren que debe tener alrededor de 30 referencias
bibliográficas (Mertens, 2008). Roberto Hernández-Sampieri recomienda: en una tesina entre
20 y 30, en una tesis de licenciatura entre 25 y 35 en una tesis de maestría 30 y 40, en un
artículo para una revista científica entre 50 y 70. En una disertación doctoral el número se
incrementa entre 65 y 120 referencias bibliográficas.
A veces se extrae una sola o varias ideas; otras, una cifra, un resultado o numerosos
comentarios, Hernández-Sampieri (2014). Construir el marco teórico no significa sólo reunir
información, sino también ligarla e interpretarla (en ello la redacción y la narrativa son
importantes, porque las partes que lo integren deben estar enlazadas y no debe “brincarse”
de una idea a otra).
En la práctica, el marco teórico de nuestra tesina debe contener información sobre que nos
ayude a responder el problema de investigación, esto es:
 Estado del conocimiento de la ciencia sobre el problema a tratar (variable dependiente):

evolución histórica del conocimiento sobre el problema, perspectivas de estudio del
problema, opinión de distintos autores sobre la concepción del problema, dimensiones
del problema, estudios sobre las causas del problema, respuestas a nuestras preguntas
de investigación, etcétera.
 Sustento teórico sobre la(s) propuesta(s) de solución (variable dependiente): técnicas,
métodos, sistemas, corrientes, etcétera. Así también como sus resultados luego de la
implementación de la(s) propuesta(s) de solución.
40
 Análisis crítico de la(s) propuesta(s) de solución, exponiendo también la opinión de autores

que discuten la aplicación de nuestra propuesta de solución, rescatando sus posturas y
sustentos teóricos.
 Definición y conceptos sobre nuestras variables de investigación (marco conceptual)
Una vez extraída y recopilada la información que nos interesa de las referencias pertinentes
para nuestro problema de investigación, podremos empezar a elaborar el marco teórico, el
cual se basará en la integración de la información reunida.
Un método útil para construir el marco teórico es el mapeo, es decir, elaborar un mapa
conceptual, y con base en éste, profundizar en la revisión de la literatura y desarrollo del
marco teórico, indicando las referencias bibliográficas respectivas usando las normas APA o
ISO 690.
Elaborar el mapa conceptual significa organizar en forma jerárquica los conceptos que nos
ayudaran a responder al problema de investigación, intentando de dar cobertura a todos los
términos pertinentes para tal fin.
Por ejemplo, si se desea estudiar “la validación de una escala para medir el clima
organizacional en el contexto laboral mexicano”14
14 Extraído y adaptado de Hernández-Sampieri (2014) p. 76.
41
42
Se debe iniciar la revisión de la literatura consultando a uno o varios especialistas en el tema

(docentes de la universidad) y buscando en internet fuentes primarias en contros o sistemas
de información y bases de referencias y datos como: Wiley para ciencias de la gestión y
administración de negocios (en Business, Economics, Finance and Accounting), SAGE
Journals y ABI/INFORM (base de datos correctas para nuestra investigación); además,
disponemos de bases de datos en español como Latindex y Redalyc para diversas ciencias y
disciplinas. Una vez elegida la base de datos que emplearemos, procedemos a consultar el
“catálogo de temas, conceptos y términos” (el tesauro) respectivo, que contiene un
diccionario o vocabulario en el cual podemos hallar un listado de palabras para realizar la
búsqueda.
Para ello, necesitamos elegir las palabras clave o términos de búsqueda, los cuales deben ser
distintivos del problema de investigación, para ellos las lecturas preliminares realizadas en la
búsqueda de antecedentes nos serán útiles. Gran parte de esta búsqueda debe también
incluir la búsqueda con palabras en inglés, porque gran cantidad de fuentes primarias se
encuentran en este idioma.
Además disponemos en internet de bases de datos como Google Scholars (académico),

Google Books, Amazon Books, etcétera.
43
Cuando hemos planteado el problema de investigación, revisado la literatura y contextualizado y

fundamentado dicho problema mediante la construcción del marco teórico, tenemos que decidir
el alcance de nuestro estudio, es decir, si se iniciará como descriptivo, correlacional o explicativo.
Así, el siguiente consistirá en establecer las hipótesis.
La revisión de la literatura que hemos realizado para la construcción del marco teórico nos ha
permitido confirmar si, científicamente, vale la pena continuar con nuestra investigación, ya
que mientras haya menos pistas y respuestas para nuestro problema de investigación, mayor
será la justificación (necesidad) teórica para nuestra investigación.
Hernández-Sampieri (2014) aclara que el alcance de una investigación discurre entre un

continuo de causalidad y cada uno de los diferentes alcances no es sino la prolongación y
continuidad de un alcance precedente:
“ Los estudios exploratorios sirven para preparar el terreno y, por lo común, anteceden a
investigaciones con alcances descriptivos, correlacionales o explicativos. Por lo general, los
estudios descriptivos son la base de las investigaciones correlacionales, las cuales a su vez
proporcionan información para llevar a cabo estudios explicativos que generan un sentido de
entendimiento y están muy estructurados. Las investigaciones que se realizan en un campo de
conocimiento específico pueden incluir diferentes alcances en las distintas etapas de su
desarrollo. Es posible que una investigación se inicie como exploratoria, después puede ser
descriptiva y correlacional, y terminar como explicativa ”
Entonces el alcance de la investigación dependerá del estado del conocimiento actual sobre
el tema de investigación que nos revele la revisión de la literatura y además de la perspectiva
que el investigador pretenda dar a su estudio.
1) Estudios de alcance exploratorio15

Se realizan cuando el objetivo es examinar un tema o problema de investigación poco
estudiado, del cual se tienen muchas dudas o no se ha abordado antes, y del cual la
revisión de la literatura reveló que tan sólo hay guías no investigadas o ideas vagamente
relacionadas con el problema de estudio. Nótese que el problema de estudio está
compuesto de una sola variable de estudio, y al ser un estudio introductorio no se generan
hipótesis ni durante ni al final del estudio.
El valor de los estudios exploratorios se encuentra en su utilidad para familiarizarnos con

fenómenos relativamente desconocidos, obtener información sobre la posibilidad de
15
Extraído de Hernández-Sampieri (2014).
44
llevar a cabo una investigación más completa respecto de un contexto particular, indagar
nuevos problemas, identificar conceptos o variables promisorias, etc.
Ejemplo: Analizar fenómenos desconocidos o novedosos como una enfermedad de

reciente aparición, una catástrofe ocurrida en un lugar donde nunca había sucedido algún
desastre, inquietudes planteadas a partir del desciframiento del código genético humano
y la clonación de seres vivos.
2) Estudios de alcance descriptivo16

Descifrar fenómenos, o comprender fenómenos que ya se conocen gracias a
investigaciones exploratorias previas. La comprensión de dichos fenómenos implica el
estudio de las características, componentes, propiedades, del problema de estudio, por lo
que hablamos de una investigación con una sola variable (o macrovariable) compuesta
por varias dimensiones. En este nivel de investigación si se generan hipótesis, y éstas
tienen como propósito predecir los valores de las características, componentes o
propiedades que componen el problema de estudio.
El valor de una investigación con alcance descriptivo se explica en su utilidad para

descubrir y prefigurar los distintos ángulos o dimensiones de un fenómeno, suceso,
comunidad, contexto o situación. Por esto, el investigador deberá, en este nivel de
estudio, al menos visualizar qué se medirá (qué conceptos o dimensiones de la variable
de estudio), sobre qué o quiénes se recolectarán los datos (personas, grupos,
comunidades, objetos, animales, hechos).
3) Estudios de alcance correlacional17

Los estudios correlaciónales pretenden determinar el grado de asociación entre dos o
más variables; entonces, es a partir de este nivel que se estudian dos o más variables.
Las preguntas que se pretenden responden en este nivel están referidas a cómo varía una
variable respecto a otra, ejemplo: ¿a mayor variedad y autonomía en el trabajo
corresponde mayor motivación intrínseca respecto a las tareas laborales? Esta pregunta
de investigación plantea la posibilidad de que cuando aumentamos el nivel de la variedad
y autonomía en el trabajo, también aumento el nivel de motivación intrínseca.
La utilidad principal de los estudios correlaciónales es conocer el comportamiento de un

concepto o una variable respecto al comportamiento de otra(s). La relación entre las
variables de estudio puede determinarse a través de un análisis de las covarianzas o del
cálculo de coeficientes de correlación como el coeficiente de correlación de Pearson o el
de Spearman Brown.
Sin embargo, en este nivel de estudio deben evitarse el riesgo de correlaciones espurias
(falsas) cuando dos variables están aparentemente relacionadas, pero que en realidad no
sea así. Por ejemplo: a mayor estatura mayor inteligencia, es decir, que los niños
físicamente más altos tendieran a obtener una calificación mayor en la prueba de
inteligencia, con respecto a los niños de menor estatura. Estos resultados no tendrían
16
Ídem.
17
Ídem.
45
sentido. No podríamos decir que la estatura se correlaciona con la inteligencia, aunque

los resultados del estudio así lo indicaran.
4) Estudios de alcance explicativo18

Los estudios explicativos intentan demostrar la relación causa-efecto entre dos o más
variables, es decir, estos estudios se centran en explicar por qué ocurre un fenómeno y
en qué condiciones se manifiesta o por qué se relacionan dos o más variables.
Las variables cuya manipulación provocan efectos en otra(s) se denominan variables

independientes, y las variables en donde se registran las consecuencias de la manipulación
de las variables independientes se denominan variable dependiente. En un estudio
explicativo puede haber al menos una variable dependiente y una variable independiente,
así también pueden haber variables independientes que provocan efectos en varias
variables dependientes.
Ejemplo: “Los efectos de la implementación del nuevo código penal en la disminución de

casos de homicidio calificado durante el 2016”.
Las hipótesis son las respuestas teóricas (explicaciones tentativas) a los problemas de
investigación, por lo que también se les considera las guías de la investigación junto a los
objetivos. De hecho, como las hipótesis son respuestas provisionales a las preguntas de
investigación, son materia de verificación durante la siguiente etapa que es la recolección y
análisis de datos.
1) Tipos de Hipótesis
Los tipos de hipótesis que se plantearán en el estudio van a depender del alcance del
mismo que ya se definió previamente. Los tipos de hipótesis a plantear son:
a) Hipótesis de Investigación: Son las que se desprenden de la revisión de la literatura y

pretenden responder de manera provisoria a los problemas de investigación. Estas a
su vez se subdividen en hipótesis que varían de acuerdo al alcance de la investigación.
Ejemplo: “El consumo de sulfametoxazol y trimetoprima reduce drásticamente el

tiempo de convalecencia por gastroenteritis”
b) Hipótesis Nulas: Niegan de manera clara la(s) hipótesis de investigación.
Ejemplo: “El consumo de sulfametoxazol y trimetoprima no reduce drásticamente el

tiempo de convalecencia por gastroenteritis”
c) Hipótesis Alternativas: Proponen respuestas distintas a las hipótesis de investigación

y las hipótesis nulas. Sólo se proponen cuando hay el sustento teórico que permite
afirmar su posibilidad de ocurrencia.
18
Ídem.
46
Ejemplo: “El consumo de sulfametoxazol y trimetoprima aumenta el tiempo de

convalecencia por gastroenteritis”
d) Tipos de hipótesis de acuerdo al alcance de la investigación: De acuerdo al alcance de

la investigación se seleccionará uno de los tipos de hipótesis presentado a
continuación:
 Hipótesis Descriptivas: Aquellas que pretenden predecir o pronosticar los valores

de las dimensiones de la variable de un estudio descriptivo, por ejemplo:
Problema de Alcance de la
Hipótesis
Investigación Investigación
Hi: “Las propiedades físico-químicas
del compuesto X son:
Propiedad 1: 10 unidades
Propiedad 2: 5.53 unidades
Descriptivo, el estudio se
Propiedad 3: 6 unidades”
centra en describir y
Entiéndase que las propiedades son
¿Cuáles serán las determinar el valor de las
arbitrarias y que éstas representan las
propiedades físico- diferentes dimensiones
diferentes dimensiones de la variable
químicas del de la variable
de estudio. Además cada dimensión
compuesto X? “propiedades físico-
posee su propia unidad de medida, en
químicas del compuesto
el ejemplo se utiliza la misma unidad
X”
arbitraria.
Cada pronóstico sobre los valores de
las dimensiones corresponde a una
hipótesis específica.
Es necesario expresar las propiedades en forma precisa, pues eso facilitará su
verificación con los datos reales que se obtengan de la recolección de datos y que
además serán contrastados mediante una prueba de hipótesis.
 Hipótesis correlacionales: Este tipo de hipótesis es la que se plantea en

investigación de tipo correlacional, en donde se persigue la determinación del
grado de correlación entre dos o más variables. Por ejemplo:
Problema de Investigación Alcance de la Investigación Hipótesis

Correlacional, pues se
¿Cuánto mayor sea la
pretende estimar la relación Hi: “A mayor inversión en
inversión de un país en
negativa entre las variables I+D+i menor será la tasa de
I+D+i menor será la tasa de
inversión en I+D+i y tasa de desempleo”
desempleo?
desempleo.
 Hipótesis de la diferencia de grupos: Este tipo de hipótesis se encuentra entre el

nivel correlacional y causal porque analiza la diferencia de alguna característica
(variable dependiente) en dos o más grupos al aplicar un estímulo (variable
dependiente). Ejemplo:
 Grupos: tres grupos de estudio: Docentes de Investigación, Docentes de Formación

General, Docentes de Escuelas.
 Variable a medir: Nivel de motivación (la cual se espera que tenga diferente nivel en cada
grupo).
 Variable independiente: Aplicación de un aumento salarial.
47
 Problema de Investigación: ¿De qué manera la aplicación de un estímulo aumenta de

manera diferente la motivación en los docentes de Investigación, de formación general y
de las escuelas?
 Hipótesis causales: Estas hipótesis intentan establecer el tipo de relación causa-

efecto entre dos variables: una variable independiente (que se va a manipular:
aplicar un tratamiento, estímulo, diseño arquitectónico, etcétera) y otra
dependiente (en la que se va a medir los efectos de la aplicación de la variable
independiente). Se puede contemplar la operacionalización de más de una variable
independiente, y a su vez más de una variable dependiente (Análisis Estadístico
Multivariado).
Problema de Investigación Alcance de la Investigación Hipótesis

Explicativo, pues se intenta
demostrar si al aplicar un
Hi: “Aplicar una alimentación
estándar de alimentación y
balanceada rica en micro,
¿De qué manera influye la de estimulación temprana
macro nutrientes y omega 6,
alimentación y la (estímulos o variables
y estimulación temprana
estimulación temprana en el independientes) se logra
regular durante el primer
coeficiente intelectual del mejorar el coeficiente
año de vida permite elevar el
niño? intelectual (variable
coeficiente intelectual de los
dependiente) respecto a
niños”.
niños que no reciban
ninguno de los dos estímulos.
48
En la etapa precedente hemos respondido de manera tentativa a las preguntas de

investigación estableciendo las hipótesis de investigación (y las hipótesis nulas).
El diseño de investigación es el plan o la estrategia para confirmar si es o no cierto lo que se

propuso en las hipótesis de investigación, para lo cual se va a decidir cómo se va a reunir la
información para verificar las hipótesis y así responder a las preguntas de investigación.
En el caso de las investigaciones de pregrado, se espera que la información a reunir provenga

de la población de estudio, de la realidad o del terreno de investigación, lo que quiere decir
que la información teórica de la etapa anterior de revisión de la literatura ya fue incluida y
analizada en el marco teórico, y este aporte fue plasmado en las hipótesis.
Los diseños de investigación se dividen en dos tipos:
1) Diseños Experimentales
En los cuales se pretende diseñar y aplicar un estímulo (variable independiente) y conocer
sus efectos en la variable dependiente. Se pueden considerar varias variables
independientes y dependientes. En este tipo de investigación vemos que el investigador
ha sido quien ha diseñado y ha implementado el estímulo. Dentro de este diseño tenemos
los siguientes subtipos:
2) Diseños No Experimentales
En los cuales el investigador no es quien diseña y/o aplica el estímulo, sino que se interesa
por conocer y estudiar un fenómeno cuya ocurrencia está fuera de su control o se trata
de un evento pasado, por esto se afirma que no hay manipulación de variables
(independientes).
Son tres los requisitos de un experimento: (i) manipulación de variable(s) independiente(s), (ii)
medición de los efectos en la(s) variable(s) dependiente(s) y (iii) la validez interna.
1) Manipulación
Sólo se puede afirmar que hay manipulación de una variable (aplicación de un estímulo o
tratamiento) cuando al menos hay dos grados de manipulación (presencia o ausencia del
estímulo)
Grados de manipulación: la variación de una variable independiente puede realizarse en

dos o más grados. El nivel mínimo de manipulación es de presencia o ausencia de la
variable independiente y para cada nivel o grado de manipulación comprende un grupo
en el experimento, entonces, para dos niveles de manipulación habrá dos grupos de
comparación (uno de tratamiento, al cual se le aplica el estímulo; otro de control, al cual
49
no se le aplica el tratamiento). Ejemplo: Se desea exponer a niños a tres tipos de

programas de televisión, un primer grupo de niños será expuesto a contenidos con alto
grado de violencia física y verbal, un segundo grupo a contenidos con mediana violencia
verbal y un tercer grupo a contenidos sin violencia, se desea medir la repercusión de la
exposición sobre el grado de conducta antisocial en los niños. Se realizarán mediciones
del grado de conducta antisocial antes y después de la experimentación, además se desea
escoger a los niños de cada grupo de manera aleatoria.
Entonces:
 Variable independiente: Exposición programas con contenido violente
 Grados de manipulación: Tres, alto contenido de violencia física y verbal, mediana
violencia física y sin violencia física
 Grupos de comparación: Tres, de acuerdo a los tres niveles de manipulación.
 Variable dependiente: grado de conducta antisocial
Simbología
El diseño de investigación para el ejemplo anterior se representa simbólicamente de la siguiente manera:

RG1 O1 X O2
RG2 O3 X O4
RG3 O5 − O6
2) Medición del efecto en la(s) variable(s) dependiente(s)

El propósito de la experimentación es el de identificar y medir los efectos de manipulación
de una o más variables independientes sobre la(s) variables(s) dependiente(s), para poder
realizar esta medición se ha debido establecer grupos de comparación previamente (por
cada grado de manipulación) y además se ha debido de identificar las dimensiones que
nos van a permitir medir empíricamente la(s) variables(s) dependiente(s).
Ejemplos:
Imaginemos que conducimos un experimento para evaluar el efecto de un nuevo tipo de
enseñanza en la comprensión de conceptos políticos por parte de ciertos niños, y en lugar
de medir comprensión medimos la memorización; por más correcta que resulte la
manipulación de la variable independiente, el experimento resultaría un fracaso porque la
medición de la dependiente no es válida. O pensemos que tenemos dos grupos a
comparar con mediciones distintas, y si encontramos diferencias ya no sabremos si se
debieron a la manipulación de la independiente o a que se aplicaron exámenes de
comprensión diferentes.
50
3) Validez Interna
También llamada control de la situación experimental y consiste en asegurar que la
variación en las variables dependientes se debe única y exclusivamente a la manipulación
de las variables independientes y no a otros factores o causas:
La validez interna se logra a través:

 Disponer de varios grupos de comparación (dos como mínimo);
 Equivalencia de los grupos en todo, excepto en la manipulación de la o las variables
independientes. Esta equivalencia se logra escogiendo a aleatoriamente o por
emparejamiento a los elementos que van a conformar los grupos de comparación.
Fuentes de invalidación interna
51
1) Diseños Preexperimentales
En este diseño no hay manipulación de variable puesto que sólo hay presencia del
estímulo, no hay un grupo de comparación al cual no se le aplica el estímulo (grupo de
control). Por esto no se considera al preexperimento como un experimento puro.
Los preexperimentos son de dos tipos:
a) Estudio de caso con una sola medición

Cuando sólo hay medición del grupo de tratamiento después de aplicar el estímulo:
Se observa que los elementos que conforman el grupo de tratamiento no han sido
seleccionados al azar ni por emparejamiento.
Este tipo de estudios sirve para investigaciones pilotos, previas a la realización de una
experimentación con mayor control sobre las variables. Es así que mediante este tipo
de diseño no es posible establecer causalidad con certeza ni se controlan las fuentes
de invalidación interna.
b) Diseño de preprueba/posprueba con un solo grupo

Cuando hay una prueba antes y después de aplicar el estímulo en el grupo de
tratamiento.
2) Experimentos Puros
En este diseño, como su nombre lo indica, se trata de experimentos donde se cumplen
los tres requisitos de un experimento: (i) manipulación de la(s) variable(s) independiente(s),
(ii) medición de los efectos en la(s) variable(s) dependiente(s) y (iii) validez interna.
De acuerdo a los grados de manipulación, la posibilidad de hacer pre y posprueba y el

método para asegurar la equivalencia de los grupos obtenemos los siguientes tipos de
experimentos puros:
Con una sola prueba luego de la aplicación del estímulo:
52
Con pre y posprueba:
Diseño de 4 grupos de Solomon
Se pueden obtener variantes similares utilizando el emparejamiento como método para

lograr la equivalencia de los grupos de comparación.
Validez externa:
Se refiere a la capacidad de generalizar los datos obtenidos en el experimento a
situaciones no experimentales, así como a otros participantes o poblaciones. Responde:
¿lo que encontré en el experimento a qué tipos de personas, grupos, fenómenos,
contextos y situaciones se aplica?
3) Cuasiexperimentos
También manipulan deliberadamente, al menos, una variable independiente para observar
su efecto sobre una o más variables dependientes. Difieren de los experimentos puros en
el grado de seguridad que pueda tenerse sobre la equivalencia de los grupos, puesto que
los éstos no se emparejan ni se escogen aleatoriamente, sino que se trata de grupos
intactos cuya conformación proviene de antes de la ocurrencia de la experimentación.
Ejemplo: Se desea conocer los efectos de la implementación de un programa piloto de

asistencia social, para este fin se han seleccionado dos grupos: ciudadanos de escasos
recursos de las comunidades altoandinas de la Región Junín que califican para su
participación en el programa de asistencia social, y además, un grupo de control
conformado por niños de las comunidades altoandinas de la Región Moquegua. Como
vemos, los grupos niños de la comunidad altoandina X ya existían antes de la realización
del experimento, y además no sabemos de la equivalencia de los grupos de niños de las
comunidades altoandinas de Junín respecto a los de Moquegua.
Los diseños no experimentales se caracterizan porque no hay una manipulación deliberada

de variables. Consisten en una observación y análisis de un fenómeno tal como se da en su
contexto natural.
53
Los diseños no experimentales se clasifican a su vez en:
1) Diseños transeccionales
Se interesan por estudiar un fenómeno y sus variables en un periodo delimitado de
tiempo, de manera sencilla podrían compararse con el hecho de tomar una foto de una
situación en particular. Por lo tanto sólo se realiza una medición (mediciones de varias
variables) pero respecto a un solo periodo de tiempo.
A su vez, los diseños transeccionales se clasifican de acuerdo al alcance de la

investigación:
a) Diseño transeccionales exploratorios

Su propósito es comenzar a conocer una variable o un conjunto de variables, una
comunidad, un contexto, un evento, una situación. Se trata de una exploración inicial
en un momento específico. Por lo general, se aplican a problemas de investigación
nuevos o poco conocidos; además, constituyen el preámbulo de otros diseños (no
experimentales y experimentales).
Ejemplo: Se desea estudiar una nueva especie de gusano “vallejus vallejianus”, para
identificar y clasificar este nuevo organismo. Al no haber información ni estudios
respecto a esta especie de gusano, y su aparición no es un suceso que se deba a la
manipulación del investigador, la investigación deberá seguir un diseño no
experimental transeccional exploratorio.
b) Diseño transeccionales descriptivos

Su propósito es describir las características de un fenómeno a través de la medición
de sus dimensiones (las cuales también pueden ser tratadas como variables de
investigación).
Ejemplo: Se desea conocer las características de la población afectada por el

terrorismo en Lima metropolitana en la década de los 90. Para obtener la información
se deberá seguir una investigación no experimental descriptiva, pues se realizaran
análisis sobre las características sociodemográficas de la población de estudio.
Otro ejemplo puede ser el conocer los factores que determinan el nivel de satisfacción
de los asistentes al mundial de fútbol Río 2014, es decir, los valores de los
componentes de la satisfacción de dichos usuarios.
c) Diseño transeccionales correlativos-causales

Estos diseños describen relaciones entre dos o más categorías, conceptos o variables
en un momento determinado. A veces, únicamente en términos correlacionales, otras
en función de la relación causa-efecto (causales).
54
Ejemplo: Se desea conocer los efectos del programa Cuna Más en el desarrollo infantil de
niños menores de 3 años durante su segundo año de implementación. Al tratarse de un
evento que ya ocurrió y está fuera del control del investigador
2) Diseños longitudinales
Se interesan por estudiar la evolución de un fenómeno y sus variables a través del tiempo,
esto implica realizar varias mediciones en intervalos establecidos para conocer el nivel de
las variables de estudio. En términos simples, los estudios longitudinales podrían
compararse con realizar una grabación de video sobre lo que ocurre con el fenómeno,
analizándose la secuencia y evolución del tema de investigación.
A su vez, los diseños longitudinales se clasifican en:
a) Diseños longitudinales de tendencia:

Analizan los cambios al paso del tiempo en categorías, conceptos, variables o sus
relaciones de alguna población en general. Se centra en la población y universo (lo
que no impide el estudio utilizando una muestra representativa). Su característica
principal es que en cada una de las mediciones se consideran individuos o elementos
de la misma población, pero debido a las características del estudio, en cada medición
se seleccionan individuos distintos, siendo improbable que un individuo que haya sido
seleccionado en una medición previa, sea seleccionado para las mediciones
subsiguientes.
55
Ejemplo: Estudio de la evolución de las calificaciones de los estudiantes de primer

ciclo del PE de Ingeniería Industrial, del 2010-2016, de manera semestral. Como
vemos, la característica “estudiantes de primer ciclo” hace que sea improbable que un
estudiante que formó parte de la primera medición en el semestre 2010-1 sea
también seleccionado para la segundo medición en el semestre 2016-2 y los
semestres subsiguientes debido a que ya no poseerá la característica de ser
“estudiante de primer ciclo”.
b) Diseños longitudinales de evolución de grupos (cohortes):

En este diseño se examinan cambios a través del tiempo en subpoblaciones o grupos
específicos. Dentro de los grupos, los individuos están vinculados de alguna manera
o identificados por alguna característica común, generalmente la edad o la época o la
región geográfica.
Ejemplo: Estudio de la evolución de las calificaciones de los estudiantes del PE de

Ingeniería Industrial que hayan nacido en los años 90s, del 2010-2016, de manera
semestral. Como vemos, la característica “estudiantes de nacidos en los años 90s”
hace que los individuos que formen parte de todas las mediciones compartan una
característica común, que es el periodo de nacimiento (en los años 90s).
También podría haberse agregado al ejemplo de diseños longitudinales de tendencia

la siguiente característica: Estudio de la evolución de las calificaciones de los
estudiantes de primer ciclo del PE de Ingeniería Industrial nacidos en los años 90s, del
2010-2016, de manera semestral.
c) Diseños longitudinales de panel:

Similar a los casos anteriores, sólo que los mismos individuos o participantes son
medidos y observados en todas las mediciones o momentos de observación.
Ejemplo: Estudio de la evolución de las calificaciones de los estudiantes del PE de

Ingeniería Industrial que hayan aprobado la Experiencia Curricular de Metodología de
la Investigación Científica con el Profesor Jorge Baldárrago en el semestre 2017-1,
los miércoles por la tarde en el aula 708A, del 2013-2016, de manera semestral. La
población de estudio puede ser analizada completamente y podemos analizar a los
mismos alumnos en cada una de las 8 mediciones semestrales para cada uno de los
cursos que hayan desarrollado.
56
57
En la etapa previa hemos establecido el diseño de investigación a seguir para recolectar los
datos que nos permitan verificar las hipótesis de investigación. Ahora debemos identificar de
quién o de qué elementos vamos a obtener los datos, estos elementos constituyen la
población de estudio.
Ejemplo: Estudio sobre la evolución de la tasa de desempleo durante la implementación del

programa TrabajaMás del 2010 al 2016. En esta investigación, la información sobre la tasa
de desempleo la vamos a obtener de la población económicamente durante el periodo 2010
al 2016, con la finalidad de identificar los cambios en la proporción de personas con/sin
empleo. Otro ejemplo sería “Implementación de viviendas ecológicas para reducir el impacto
ambiental en el Distrito de Independencia”, en esta investigación la población de estudio son
las viviendas del distrito de Independencia en las que se logre implementar estándares de
sostenibilidad ambiental.
Los elementos de la población cumplen una serie de criterios de elegibilidad, por ejemplo:
“Estudio sobre la remuneración mensual de los docentes universitarios casados de Lima Norte
menores de 30 años”, en este estudio observamos que para los propósitos de la investigación
sólo nos interesa los individuos que sean docentes universitarios que trabajen en
Universidades de Lima Norte, que estén casados y que sean menores de 30 años.
Observamos que se cuenta con 04 criterios de elegibilidad, todo individuo que no posea las
características no puede ser incluido en el estudio.
La cantidad de elementos que conforman la población de estudio recibe el nombre de

Tamaño de la Población y se simboliza por “N”.
En muchos casos, la recolección de los datos no puede contemplar el análisis de todos los
elementos que conforman la población, ya sea por escases de recursos o por falta de
disponibilidad de tiempo para llevar a cabo toda la investigación. En estos casos se propone
técnicas de muestreo para asegurar que la muestra sea representativa y podamos generalizar
los resultados que hemos encontrado en la muestra hacia la población de estudio.
58
La representatividad de la muestra se relaciona con el concepto de Validez Externa que se

desarrolló en la etapa anterior. Para asegurar la representatividad se debe:
 Calcular el tamaño mínimo de la muestra

 Seleccionar los elementos de la muestra de manera aleatoria.
El cálculo del tamaño de la muestra se realiza de forma aritmética y depende del estadístico
que se desea calcular:
Si se desea calcular la media de alguna característica en la población se utilizarán las fórmulas

que se encuentran en la fila superior de la matriz a continuación, sin embargo si se conoce el
tamaño de población (población finita) se utiliza la fórmula de la izquierda, si se desconoce el
tamaño de la población o esta tiende al infinito se utiliza la fórmula de la derecha. Por ejemplo:
Se desea conocer el salario medio de los docentes de la UCV Lima Norte, para aplicar alguna
de las fórmulas se debe conocer además:
 La desviación estándar de los salarios de dicha población, que se simboliza por σ (y que
se conoce por estimaciones o estudios anteriores).
 El nivel de confianza para poder hallar su valor normal, el nivel de confianza puede ir de
95% hasta 99.98%, para un NC de 95% corresponde un valor normal de z = 1.96.
 El error de la estimación muestral admitido va de 0 a 5%, en el caso de investigaciones
de pregrado se utilizará un error del 5%.
Si se desea calcular la proporción de elementos de una población que posean una característica
específica se utilizarán las fórmulas de la última fila, aquí se trabajan con los parámetros p y q, p
es la probabilidad que un elemento de la población posea la característica de estudio y q es la
probabilidad complemento, es decir, 1-p. Por ejemplo: se desea conocer la proporción de
docentes de la UCV LN que hayan estudiado en universidades nacionales.
Adicional al cálculo de muestra, se tiene que para algunos tipos de investigación se sugiere un
mínimo de elementos, Hernández-Sampieri (2014):
59
Dependiendo del análisis estadístico inferencial que se pretende:
Una vez que se conoce el tamaño mínimo de la muestra, se puede escoger los elementos
muestrales utilizando un método aleatorio (al azar, lo que asegura la representatividad de la
muestra) o seleccionarlos de manera deliberada (muestreo no probabilístico, el cual no
asegura la representatividad de la muestra):
1) Muestreo Probabilístico
a) Muestreo aleatorio:
Se seleccionan los elementos a partir del marco muestral utilizando números
aleatorios:
60
b) Muestreo sistemático:
Se calcula el coeficiente k, que compara el tamaño poblacional respecto al tamaño
muestral para saber cuántas veces la población contiene a la muestra. El primer
elemento muestral se selecciona al obtener un número aleatorio entre 1 y k. El resto
de elemento se obtiene adicionando k al número anterior.
c) Muestreo estratificado:
Esta técnica de muestro probabilístico se utiliza cuando el investigador requiere que
los estratos o grupos que se encuentran en la población, y que son relevantes para el
estudio, se encuentren representados en la muestra. Por ejemplo:
d) Muestreo por conglomerados:

Esta técnica se utiliza cuando los elementos poblacionales se encuentran distribuidos
en conglomerados, se calcula el tamaño de la muestra para cada conglomerado, es
decir, que cada conglomerado se convierte en un universo. Por ejemplo:
61
2) Muestreo No Probabilístico
Este tipo de muestro no asegura la representatividad de la muestra y por lo tanto no es
posible aplicar inferencia estadística para generalizar los resultados encontrados en la
muestra hacia la población.
a) Muestreo intencional:
Se seleccionan los elementos de forma arbitraria, de acuerdo a la preferencia y
conveniencia del investigador. Se suele aplicar este tipo de muestreo cuando el
investigador no dispone de un marco muestral y por conveniencia decide analizar los
elementos muestrales que están a su alcance.
Se desea analizar el coeficiente intelectual de los jugadores de Warcraft, debido a que

la distribución geográfica de los aficionados a este videojuego es variable, el
investigador decide analizar a los jugadores de las cabinas de internet cercanas a su
zona de trabajo.
b) Muestreo por voluntarios:

Cuando el investigador sólo considera en su estudio a individuos que desean
participar voluntariamente de su investigación.
Por ejemplo, se desea estudiar los niveles de ansiedad de personas que han contraído
el VIH, debido a la dificultad para que el investigador conozca de antemano quienes
padecen esta enfermedad, él deberá esperar la colaboración de personas que deseen
compartir con el investigador su identidad.
62
Los datos se recolectan de la muestra que pertenece a la población objeto de estudio, la muestra
se ha determinado mediante técnicas de muestreo respondiendo a dos preguntas centrales:
¿cuántos elementos son necesarios para que la muestra sea representativa? ¿Cuáles elementos
se deben seleccionar para que la muestra sea representativa?
Estos datos serán ordenados, clasificados y sintetizados en tablas y gráficos con ayuda de
técnicas de estadística descriptiva y que permitirán realizar una posterior inferencia estadística
para extrapolar estos resultados de la muestra hacia la población.
Este proceso de recolección y análisis se nutre de los siguientes elementos (Hernández-Sampieri

et al., 2014):
 Las variables de estudio, conceptos y dimensiones de cada una a medir, estos elementos se
encuentran en los problemas de investigación, objetivos e hipótesis.
 Las definiciones operacionales de las variables
 La muestra
 Los recursos disponibles como el tiempo, apoyo institucional, económicos, etcétera.
Medir: Es “el proceso de vincular conceptos abstractos con indicadores empíricos”, el cual se
realiza mediante un plan explícito y organizado para clasificar (y con frecuencia cuantificar)
los datos disponibles (los indicadores), en términos del concepto que el investigador tiene en
mente (Carmines y Zeller, 1991).
Instrumento de medición: Recurso que utiliza el investigador para registrar información o

datos sobre las variables que tiene en mente.
 Fase 1: Para construir un instrumento de medición es necesario haber definido las

variables de investigación. Además, se debe haber definido el lugar específico de donde
se recabarán los datos, el propósito de tal recolección, quiénes y cuándo (momento) van
a ser medidos los datos, las definiciones operacionales y el tipo de datos (escala de las
variables).
 Fase 2: Enseguida se procede a una revisión de la literatura para revisar los instrumentos
utilizados en estudios anteriores e identificar herramientas que pueden ser de utilidad
para nuestra propia investigación.
 La Fase 3 consiste en la identificación del dominio de las variables y sus indicadores, es
decir, haber propuesto dimensiones que permitan tangibilizarlas para permitir su medición
 Fase 4: Se debe decidir si se va a utilizar un instrumento de medición ya elaborado o
adaptarlo o desarrollar uno nuevo: se puede utilizar cuestionario, escala de actitudes, hoja
de observación (checklist), aparato. Además, se debe de determinar el contexto de
63
administración o aplicación: autoaplicado, internet, laboratorio clínico, línea de

producción, etcétera.
 Fase 5: Construcción misma del instrumento, es decir, la generación de todos los ítems o
reactivos (preguntas) y/o categorías del instrumento, así como los niveles de medición,
codificación e interpretación.
 Fase 6: Prueba piloto, consiste en administrar el instrumento a una pequeña muestra de
casos para probar su eficacia en términos de confiabilidad y validez iniciales del
instrumento, de acuerdo a los resultados obtenidos, el instrumento puede ser
reformulado o se decide su administración en la muestra de estudio definitiva.
Mediante la operacionalización se establece el tránsito de la variable al ítem o valor de

medición empírico:
Definición Definición
Variable Dimensiones Indicadores Instrumentos Ítems
Conceptual Operacional
Se refiere a las La vivienda Grado de
estructuras o ecológica debe ecoeficiencia Criterio 1
procesos de tomar en cuenta Materiales Checklist
de los Criterio 2
construcción los materiales y
materiales
que sean el diseño
responsables arquitectónico Diseño Distribución
Plano
con el ambiente dentro de una arquitectónico interna
Vivienda y ocupan perspectiva
Ecológica recursos de respetuosa del
manera medio ambiente
eficiente y un enfoque Criterio 1
Grado de
durante todo el sostenible. Sostenibilidad Checklist Criterio 2
sostenibilidad Criterio 3
tiempo de vida (Autor X, 2017)
de una
construcción.
(Autor X, 2017)
Es el efecto que El impacto Impacto sobre
produce la ambiental de Ubicación Estudio de suelos
el suelo
actividad una edificación Consumo de
humana sobre el se puede Agua Medidor de agua
agua
medio ambiente. dimensionar a
Impacto (Autor Y, 2017) partir de la
Ambiental ubicación del
predio, el Consumo Medidor de energía
consumo de Energía
energético eléctrica y gas
agua y de
energía. (Autor
Y, 2017)
http://ecometro.org/
64
Codificación de datos
Se asignan valores numéricos o símbolos que representen a los datos, Ejemplo: para la
variable “Género” se tienen dos posibles valores: masculino y femenino, entonces
65
5) Nivel de medición nominal:

Puede haber dos o más categorías del ítem o la variable, pero las categorías no tienen
orden (no hay un orden de mayor a menor) ni jerarquía (las categorías sólo reflejan
diferencias en la variable, ver figura debajo). Ejemplo: Variable “Género”, “Profesión”,
“Lugar de Nacimiento”, etcétera.
Los números utilizados en este nivel sólo tienen una función puramente de clasificación
y no se pueden manipular de manera aritmética (ver figura debajo), es decir, que al realizar
una clasificación sólo se podrá determinar la frecuencia de cada una de las categorías, sin
realizar una, sin poder realizar una síntesis de los datos en términos de cálculo de la media
aritmética o desviación estándar, pues los resultados no tienen mayor significado.
Las variables nominales se clasifican en dicotómicas (cuando sólo pueden incluir dos
categorías como la variable “Género”) o categóricas cuando tienen más de dos categorías
(variable “Religión”).
6) Nivel de medición ordinal:

En este nivel las categorías mantienen un orden de mayor a menor y las etiquetas y
símbolos sí indican jerarquía, ejemplo: prestigio de las profesiones en Estados Unidos
66
Sin embargo, a pesar que los valores asignados en cada escala indican un orden y además
una jerarquía respecto al prestigio de cada profesión, la distancia entre una profesión y
otra no indica con exactitud una diferencia entre el prestigio de las profesiones, debido a
que las categorías no están ubicadas a intervalos iguales (no hay un intervalo común). No
existe la misma distancia en prestigio entre un actor (60) y un operador de estaciones
eléctricas (50) respecto a un científico de ciencias naturales (80) y un ingeniero químico
(90).
7) Nivel de medición por intervalos:

Además del orden o la jerarquía entre categorías, se establecen intervalos iguales en la
medición, las distancias entre categorías sucesivas son las mismas a lo largo de toda la
escala, por lo que hay un intervalo constante determinado por una unidad de medida.
En este nivel de medición, el valor 0 para la variable no indica ausencia de ella (por ejemplo
0º Celsius no significa ausencia de temperatura).
Este nivel de medición permite las operaciones aritméticas básicas y diversos métodos
estadísticos.
8) Nivel de medición de razón:

Además de todas las características del nivel de intervalos (unidad de medida, intervalos
iguales entre las categorías y aplicaciones aritméticas básicas y sus derivaciones), el valor
0 para la variable si indica ausencia de la propiedad medida. Ejemplo: la productividad de
una línea de ensamblaje, la temperatura si la unidad de medida son grados Kelvin,
exposición a la televisión en minutos, etcétera.
1) Cuestionarios:
Conjunto de preguntas respecto de una o más variables a medir (Chasteauneuf, 2009), el
cual debe de ser congruente con el planteamiento del problema y las hipótesis (Brace,
2013).
Tipos de preguntas a incluir en un cuestionario:
e) Preguntas cerradas: contienen categorías u opciones de respuesta que han sido

previamente delimitadas y son más fáciles de codificar:
67
Hay preguntas cerradas en la que el participante puede seleccionar más de una

opción o categoría (posible multirrespuesta), las categorías no son mutuamente
excluyentes.
En algunas ocasiones el participante debe jerarquizar las opciones:
En algunas ocasiones se encadenan varias preguntas en una, como en el siguiente

ejemplo (los candidatos y candidatas ficticios):
f) Preguntas abiertas: no delimitan de antemano las alternativas de respuesta, por lo

cual el número de categorías de respuesta es muy elevado, en teoría, es infinito, y
puede variar de población en población:
68
La elección entre la utilización de preguntas abiertas reside en la información más

amplia y son útiles cuando no tenemos información sobre las posibles respuestas de
las personas o la que tenemos es muy insuficiente. Su dificultad reside en que son
más difíciles de codificar, y de poder realizarse, la codificación se realiza al haber
tipificado todas las respuestas.
Criterios para la formulación de preguntas:
a) Las preguntas deben de ser claras, precisas y comprensibles, deben de formularse en

lenguaje simple, directo y familiar para los participantes. Ejemplo: la pregunta ¿ve
usted televisión? No está delimitada cada cuánto, sería mucho mejor especificar
¿acostumbra usted ver televisión diariamente?, ¿cuántos días durante la última
semana vio televisión?, y después preguntar horarios, canales y contenidos de los
programas.
b) Es aconsejable que las preguntas sean los más breves posibles.
c) No deben de formularse en modo negativo (que nieguen el asunto que se interroga).
Ejemplo: ¿qué no le agrada de este centro comercial?, es preferible cuestionar: ¿qué
le desagrada de este centro comercial?
d) No deben hacerse preguntas racistas, sexistas ni que ofendan a los participantes.
e) Las preguntas no deben apoyarse en instituciones, ideas respaldadas socialmente ni
en evidencia comprobada porque es una manera de inducir respuestas (formulación
tendenciosa de las preguntas). Ejemplo: la Organización Mundial de la Salud ha
realizado diversos estudios y concluyó que el tabaquismo provoca diversos daños al
organismo, ¿considera usted que fumar es nocivo para su salud?
f) Las primeras preguntas deben ser neutrales o fáciles de contestar para que el
participante se adentre en la situación.
g) La estructura del cuestionario debe de estar conformada por: la portada, introducción
(propósito general del estudio, motivaciones para el sujeto encuestado,
agradecimiento, tiempo aproximado de respuesta, identificación de quienes lo aplican,
etcétera), cuerpo del cuestionario, agradecimiento final.
Formas de administración de los cuestionarios
a) Autoadministrado, cuando el cuestionario se proporciona directamente a los

participantes, no hay intermediarios y las respuestas las marcan ellos.
b) Por entrevista personal: cuando una persona calificada aplica el cuestionario a los
participantes. Algunos estudios recomiendan que el perfil del entrevistador
corresponda mujeres casadas, amas de casa, de mediana edad, diplomadas y de clase
media, Corbetta (2003).
69
2) Escalas para medir actitudes:

Una actitud es una predisposición aprendida para responder coherentemente de una
manera favorable o desfavorable ante un objeto, ser vivo, actividad, concepto, persona o
símbolo. Dentro de las escalas más usadas tenemos:
a) Escalamiento de Likert:
Método desarrollado por Rensis Likert en 1932, consiste en un conjunto de ítems
presentados en forma de afirmaciones o juicios, ante los cuales se pide la reacción de
los participantes que se expresan en cinco punto o categorías de escala, a cada punto
se le asigna un valor numérico:
b) Diferencial semántico:
Planteado por Osgood, Suci y Tannenbaum en 1957, consiste en una serie de
adjetivos extremos que califican al objeto de actitud a partir de un conjunto de
adjetivos bipolares. A continuación maneras de codificar el diferencial semántico:
70
1) Confiabilidad:
La confiabilidad de un instrumento de medición se refiere al grado en que su aplicación
repetida al mismo individuo u objeto produce resultados iguales (Hernández-Sampieri et
al., 2014). Ejemplo: Por ejemplo, si se midiera en este momento la temperatura ambiental
usando un termómetro y éste indicara que hay 22°C, y un minuto más tarde se consultara
otra vez y señalara 5°C, tres minutos después se observara nuevamente y éste indicara
40°C, dicho termómetro no sería confiable, ya que su aplicación repetida produce
resultados distintos.
Un instrumento puede ser confiable pero no válido, pero no puede ser válido sin ser
confiable. Por eso primero se demuestra la confiabilidad y luego la validez. Una forma
práctica de ver esta condición es que si un instrumento no opera bien (confiabilidad), no
es útil (validez).
Para verificar la confiabilidad se disponen de las siguientes técnicas:
a) Medida de estabilidad (confiabilidad por test-retest): En este procedimiento un mismo

instrumento de medición se aplica dos o más veces y los resultados de cada medición
son deben de estar correlacionados para considerar confiable la aplicación del
instrumento, se propone calcular el coeficiente de correlación de Pearson:
 Si r = 1, existe una correlación positiva perfecta. El índice indica una dependencia total entre
las dos variables denominada relación directa: cuando una de ellas aumenta, la otra también lo
hace en proporción constante.
 Si 0 < r < 1, existe una correlación positiva.
 Si r = 0, no existe relación lineal. Pero esto no necesariamente implica que las variables son
independientes: pueden existir todavía relaciones no lineales entre las dos variables.
 Si -1 < r < 0, existe una correlación negativa.
 Si r = -1, existe una correlación negativa perfecta. El índice indica una dependencia total entre
las dos variables llamada relación inversa: cuando una de ellas aumenta, la otra disminuye en
proporción constante.
b) Método de formas alternativas o paralelas: En este procedimiento se aplican dos o
más versiones del instrumento de medición (o dos instrumentos distintos para medir
la misma variable) y se calcula la correlación de los resultados, también se propone la
utilización del coeficiente de correlación de Pearson.
c) Método de mitades partidas (Split-halves): Requiere una sola administración, se utiliza

sobre todo para medir la confiabilidad de cuestionarios en donde el total de ítems se
divide en dos mitades equivalentes y se comparan las puntuaciones o resultadas de
ambas; Si el instrumento es confiable, las puntuaciones de las dos mitades deben estar
71
muy correlacionadas, debido a que un individuo con baja puntuación en una mitad
tenderá a mostrar también una baja puntuación en la otra mitad.
d) Medidas de coherencia o consistencia interna: Se dispone de dos coeficientes,

primero el alfa de Cronbach y los coeficientes KR-20 y KR-21, ambos requieren una
sola administración del instrumento de medición y no es necesario dividir en dos
mitades los ítems del instrumento, simplemente si aplica la medición y se calcula el
coeficiente:
 S2i es la varianza del ítem i

 S2t es la varianza de los valores totales observados
 k es el número total de preguntas o ítems
Este coeficiente mide el nivel de correlación entre los diferentes ítems que miden la
variable. Es una media ponderada de las correlaciones de los ítems que forman parte
del cuestionario. En determinados contextos y por tácito convenio, se considera que
valores del alfa superiores a 0,7 o 0,8 (dependiendo de la fuente) son suficientes para
garantizar la fiabilidad de la escala. Garson (2013) establece que 0.60 es aceptable
para propósitos exploratorios y 0.70 para fines confirmatorios, resultando 0.80
“bueno” en un alcance explicativo. Ahora bien, también un coeficiente mayor de 0.90
puede implicar redundancia de ítems o indicadores y la necesidad de reducir el
instrumento (Tavakol y Dennick, 2011).
2) Validez:
a) Validez de contenido: Es necesario revisar como otros investigadores han medido la

misma variable, después se consulta a investigadores familiarizados con la variable, lo
que también se denomina juicio de expertos para que evalúen los ítems, dimensiones
y variables (operacionalización de la variable).
b) Validez de criterio: Se estima al correlacionar la medición utilizando el instrumento

propuesto con un criterio externo que pretende medir lo mismo. Si el criterio se fija
en el presente de manera paralela (los resultados del instrumento se correlacionan
con el criterio en el mismo momento o punto de tiempo) se habla de validez
concurrente; en cambio, si el criterio se fija en el futuro se habla de validez predictiva
(un cuestionario para detectar las preferencias del electorado por los distintos
partidos y candidatos se validaría comparando los resultados de la medición con los
resultados finales después de la elección). Para medir este criterio se puede utilizar la
correlación (R de Pearson) entre los resultados de la medición con el instrumento y
los del criterio, mientras mayor sea la correlación, mayor será la validez de criterio.
c) Validez del constructo: Se refiere a qué tan bien un instrumento representa y mide
un concepto teórico. Se determina calculando el grado en que las mediciones del
concepto proporcionadas con el instrumento se correlacionan de manera consistente
con otros conceptos o variables vinculadas empírica y teóricamente (denominados
72
constructos), se mide calculando la variación de cada uno de las puntuaciones de los

ítems a través de un análisis factorial, o también un análisis de covarianzas (ANCOVA)
que se presentan en estadística multivariada.
73
Consiste en aplicar técnicas estadísticas para recoger, sintetizar y analizar información a partir
de datos cuya característica fundamental es la variabilidad. Estos análisis nos permiten extraer
conclusiones científicas.
Los datos pueden ser ordenados en tablas estadísticas y pueden ser representados en
gráficos. Las medidas que permiten sintetizar los resultados son:
a) Medidas de tendencia central: son puntos en una distribución obtenida, los valores
medios o centrales de ésta, y nos ayudan a ubicarla dentro de la escala de medición de la
variable analizada. Las principales medidas de tendencia central son tres:
i. La moda es la categoría o puntuación que ocurre con mayor frecuencia.
ii. La mediana es el valor que divide la distribución por la mitad. Esto es, la mitad de los
casos caen por debajo de la mediana y la otra mitad se ubica por encima de ésta. La
mediana es una medida de tendencia central propia de los niveles de medición
ordinal, por intervalos y de razón. No tiene sentido con variables nominales, porque
en este nivel no hay jerarquías ni noción de encima o debajo.
iii. La media es tal vez la medida de tendencia central más utilizada (Graham, 2013,
Kwok, 2008b y Leech, Onwuegbuzie y Daniel, 2006) y puede definirse como el
promedio aritmético de una distribución.
Se obtiene en SPSS en la opción Analizar>Estadísticos Descriptivos>Explorar, a
continuación seleccionar las variables que se quieren analizar y enviarlas a la lista de
dependientes haciendo click en el botón que indica a la derecha.
Luego hacer click en Gráficos y activar la casilla “□ Gráficos de normalidad con pruebas”.
74
Lo que se debe pegar en la Tesina:
La interpretación de este cuadro es mostrar la variación (incremento, disminución) de la

variable dependiente, tanto en cantidades absolutas y en porcentaje. Se puede realizar el
mismo análisis descriptivo para las dimensiones de la variable dependiente.
Para los cuadros y gráficos de frecuencias, nos dirigimos a la pestaña Analizar>Estadístico

Descriptivos>Frecuencias (ver gráfico inferior izquierdo)
75
A continuación en la ventana de Frecuencias se seleccionan las variables de las cuales

se quiere obtener las tablas y gráficos (se selecciona la segunda variable presionando
Control o Shift y haciendo click sobre ésta) y se las envía al cuadro Variables pares
haciendo click en el botón . Luego se hace click en el botón Gráficos que se
encuentra a la derecha y se activa la ventana Frecuencias: Gráficos en donde se
selecciona la opción Histogramas y se activa la casilla Mostrar curva normal en el
histograma:
76
b) Medidas de la variabilidad indican la dispersión de los datos en la escala de medición de

la variable considerada y responden a la pregunta: ¿dónde están diseminadas las
puntuaciones o los valores obtenidos? Las medidas de tendencia central son valores en
una distribución y las medidas de la variabilidad son intervalos que designan distancias o
un número de unidades en la escala de medición Kon y Rai, 2013 y O’Brien, 2007). Las
medidas de la variabilidad más utilizadas son:
i. El rango, también llamado recorrido, es la diferencia entre la puntuación mayor y la
puntuación menor, e indica el número de unidades en la escala de medición que se
necesitan para incluir los valores máximo y mínimo. Cuanto más grande sea el rango,
mayor será la dispersión de los datos de una distribución.
ii. La desviación estándar o característica es el promedio de desviación de las

puntuaciones con respecto a la media (Jarman, 2013 y Levin, 2003). Esta medida se
expresa en las unidades originales de medición de la distribución. Se interpreta en
relación con la media. Cuanto mayor sea la dispersión de los datos alrededor de la
media, mayor será la desviación estándar. La desviación estándar sólo se utiliza en
variables medidas por intervalos o de razón.
iii. La varianza es la desviación estándar elevada al cuadrado y se simboliza como s2.
c) Asimetría y Curtosis:
i. La asimetría es una estadística necesaria para conocer cuánto se parece nuestra
distribución a una distribución teórica llamada curva normal. y constituye un indicador
del lado de la curva donde se agrupan las frecuencias. Si es cero (asimetría =0), la
curva o distribución es simétrica. Cuando es positiva, quiere decir que hay más 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) (Hume, 2011; Taylor, 2007a; Salkind, 2006; y Burkhart, 2003).
ii. La curtosis es un indicador de lo plana o “picuda” que es una curva. Cuando es cero
(curtosis =0), significa que puede tratarse de una curva normal. Si es positiva, quiere
decir que la curva, la distribución o el polígono es más “picudo” o elevado. Si la curtosis
77
es negativa, indica que es más plana la curva (Hume, 2011, Taylor, 2007b, Field, 2006
y Cameron, 2003).
Los datos casi siempre se recolectan de una muestra y sus resultados estadísticos se
denominan estadígrafos; la media o la desviación estándar de la distribución de una muestra
son estadígrafos. A las estadísticas de la población se les conoce como parámetros. Éstos no
son calculados, porque no se recolectan datos de toda la población, pero pueden ser inferidos
de los estadígrafos, de ahí el nombre de estadística inferencial.
Entonces, la estadística inferencial se utiliza fundamentalmente para dos procedimientos

vinculados (O’Leary, 2014; Punch, 2014; Babbie, 2012; Wiersma y Jurs, 2008; Waterman,
2007; Kulikowich y Edwards, 2006; y Maxim, 2003):
78
a) Probar hipótesis poblacionales respecto a:

 La comparación de grupos (de dos muestras, de pre y posprueba, de dos mediciones
independiente, etcétera.)
 La relación entre grupos o categorías:
 La correlación entre variables
 La relación causal entre variables
b) Estimar parámetros
La aplicación de una determinada prueba de hipótesis depende de la normalidad de los datos

a analizar, la normalidad de los datos se determina y comprende con la ayuda de los siguientes
conceptos:
1) Distribución muestral
Una distribución muestral es un conjunto de valores sobre una estadística calculada de
todas las muestras posibles de determinado tamaño de una población (Bond, 2007a). Si
calculáramos la media de todas las medias de las muestras, prácticamente obtendríamos
el valor de la media poblacional. De hecho, casi nunca se obtiene la distribución muestral
(la distribución de las medias de todas las muestras posibles). Es más bien un concepto
teórico definido por la estadística para los investigadores. Lo que comúnmente hacemos
es extraer una sola muestra.
Y la pregunta es: ¿nuestra media calculada se encuentra cerca de la media de la

distribución muestral?, debido a que si está cerca podremos tener una estimación precisa
de la media poblacional (el parámetro poblacional es prácticamente el mismo que el de la
distribución muestral). Esto se expresa en el teorema central del límite:
Asimismo, cuando las muestras están constituidas por 100 o más elementos tienden a
presentar distribuciones normales y esto sirve para el propósito de hacer estadística
inferencial. Las principales características de la distribución normal son:
79
2) Nivel de Significancia:
Para probar hipótesis inferenciales respecto a la media, el investigador debe evaluar si es
alta o baja la probabilidad de que la media de la muestra esté cerca de la media de la
distribución muestral. Si es baja, el investigador dudará de generalizar a la población. Si es
alta, el investigador podrá hacer generalizaciones. Es aquí donde entra el nivel de
significancia o nivel alfa (α), el cual es un nivel de la probabilidad de equivocarse y se fija
antes de probar hipótesis inferenciales.
¿Con qué porcentaje de confianza el investigador generaliza, para suponer que tal
cercanía es real y no por un error de muestreo? Existen dos niveles convenidos en las
ciencias:
a) El nivel de significancia de 0.05, el cual implica que el investigador tiene 95% de

seguridad para generalizar sin equivocarse y sólo 5% en contra. En términos de
probabilidad, 0.95 y 0.05, respectivamente; ambos suman la unidad. Este nivel es el
más común en ciencias sociales.
b) El nivel de significancia de 0.01, el cual implica que el investigador tiene 99% en su
favor y 1% en contra (0.99 y 0.01 =1.00) para generalizar sin temor. Muy utilizado
cuando las generalizaciones implican riesgos vitales para las personas (pruebas de
vacunas, medicamentos, arneses de aviones, resistencia de materiales de
construcción al fuego o el peso, etcétera).
3) Resultados posibles al probar hipótesis

1. Aceptar una hipótesis verdadera (decisión correcta).
2. Rechazar una hipótesis falsa (decisión correcta).
3. Aceptar una hipótesis falsa (conocido como error del Tipo II o error beta).
80
4. Rechazar una hipótesis verdadera (conocido como error del Tipo I o error alfa).
Ambos tipos de error son indeseables; sin embargo, puede reducirse sustancialmente la
posibilidad de que se presenten mediante:
a) Muestras probabilísticas representativas.

b) Inspección cuidadosa de los datos.
c) Selección de las pruebas estadísticas apropiadas.
d) Mayor conocimiento de la población.
 Comprobación de la hipótesis nula: Cuando se trata de la comparación de dos muestras,

consideremos que ambas muestras forman parte de la misma población, cualquier
diferencia en las medias se considera como un hecho casual resultado de un error de
muestreo, por lo que se propone que la diferencia de medias no representa ninguna
diferencia real entre sus medias poblacionales.
𝐻𝑜 ∶ 𝜇1 = 𝜇2 ó 𝐻𝑜 ∶ 𝑥̅1 = 𝑥̅2
Sin embargo, se debe indicar que la hipótesis nula no niega la posibilidad de obtener
diferencias entre las medias de las muestras, lo que pretende es explicar estas diferencias
atribuyéndolas a la operación del error de muestreo.
 Comprobación de la hipótesis de investigación (alternativa): Si se rechaza la hipótesis nula

automáticamente se acepta la hipótesis de investigación, la cual plantea que sí existe una
diferencia entre las medias, y esta diferencia es tan grande como para ser justificada por
el error de muestreo.
1) Análisis Paramétricos
Para realizar análisis paramétricos debe partirse de los siguientes supuestos:
1. La distribución poblacional de la variable dependiente es normal: el universo tiene una

distribución normal.
Para verificar la normalidad de los datos se pueden utilizar las siguientes pruebas de
normalidad:
 Test de Kolmogorov-Smirnov de bondad de ajuste.
 Test de Lillefors, corrección del test de Kolmogorov-Smirnov.
 Prueba de Shapiro-Wilks.
2. El nivel de medición de las variables es por intervalos o razón.

3. Cuando dos o más poblaciones son estudiadas, tienen una varianza homogénea: las
poblaciones en cuestión poseen una dispersión similar en sus distribuciones.
Existen diversas pruebas paramétricas, pero las más utilizadas son:
 Coeficiente de correlación de Pearson y regresión lineal.

 Prueba t.
 Prueba de contraste de la diferencia de proporciones.
 Análisis de varianza unidireccional (ANOVA en un sentido).
 Análisis de varianza factorial (ANOVA).
81
 Análisis de covarianza (ANCOVA).
Para realizar la prueba de normalidad en SPSS debemos seleccionar la pestaña

Analizar>Estadísticos Descriptivos>Explorar
A continuación en la ventana de Frecuencias se seleccionan las variables a las cuales se

les quiere aplicar la prueba de normalidad (se selecciona la segunda variable presionando
Control o Shift y haciendo click sobre ésta) y se las envía al cuadro Lista de dependientes
haciendo click en el botón . Luego se hace click en el botón Gráficos que se encuentra
a la derecha y se activa la ventana Explorar: Gráficos en donde se activa la opción Gráficos
de normalidad con pruebas:
 Hipótesis Nula: Los datos se adaptan a una distribución normal.

 Hipótesis Alternativa: Los datos no se adaptan a una distribución normal.
Regla de decisión:
 Si la probabilidad del estadístico de prueba “Sig.” ≤ α = 5%, se rechaza la Hipótesis

nula y se acepta la Hipótesis de investigación (o alternativa).
82
 Si la probabilidad del estadístico de prueba “Sig.” >5%, se acepta la Hipótesis nula y

se rechaza la Hipótesis de investigación.
Conclusión: Los datos correspondientes a los tiempos de entrega de los ejercicios de

matemática de los que participaron en los “Juegos Matemáticos” son normales puesto que
la probabilidad del estadístico de prueba (0.115) es mayor que el nivel de significancia
(0.05).
Se utilizará la prueba de Kolmogorov-Smirnov si el tamaño de la muestra excede los

30 elementos, y Shapiro-Wilk para una muestra de 30 o menos elementos.
2) Análisis No Paramétricos
Para realizar análisis paramétricos debe partirse de los siguientes supuestos:
1. La mayoría de estos análisis no requieren de presupuestos acerca de la forma de la

distribución poblacional. Aceptan distribuciones no normales (distribuciones “libres”).
2. Las variables no necesariamente tienen que estar medidas en un nivel por intervalos
o de razón; pueden analizar datos nominales u ordinales. De hecho, si se quieren
aplicar análisis no paramétricos a datos por intervalos o razón, éstos necesitan
resumirse a categorías discretas (a unas cuantas). Las variables deben ser categóricas.
Las pruebas no paramétricas más utilizadas son:
1. Prueba Wilcoxon
2. Prueba de U de Mann-Whitney-Wilcoxon
3. La chi cuadrada X2
4. Los coeficientes de correlación e independencia para tabulaciones cruzadas.
5. Los coeficientes de correlación por rangos ordenados de Spearman y Kendall.
83
Es una prueba estadística para evaluar si dos grupos difieren entre sí de manera significativa
respecto a sus medias en una variable.
 Se simboliza: t.
 Hipótesis: de diferencia entre dos grupos. La hipótesis de investigación propone que los
grupos difieren entre sí de manera significativa y la hipótesis nula plantea que los grupos
no difieren significativamente.
 Los grupos pueden ser dos plantas comparadas en su productividad, dos escuelas
contrastadas en los resultados a un examen, dos clases de materiales de construcción
cotejados en su rendimiento, dos medicamentos comparados en su efecto, etcétera.
 Variables: la comparación se realiza sobre una variable (regularmente y de manera teórica:
dependiente). Si hay diferentes variables, se efectuarán varias pruebas t (una por cada
variable), y la razón que motiva la creación de los grupos puede ser una variable
independiente. Por ejemplo, un experimento con dos grupos, donde a uno se le aplica el
estímulo experimental y al otro no, es de control.
 Nivel de medición de la variable de comparación: intervalos o razón.
 Tamaño de las muestras: menores a 30 elementos.
 Fórmula:
𝜎𝑑𝑖𝑓 = √𝜎𝑥̅1 2 + 𝜎𝑥̅2 2
𝑥̅1 − 𝑥̅2 𝑁1 𝜎𝑥̅1 2 + 𝑁2 𝜎𝑥̅2 2 1 1

𝑡= , 𝜎𝑑𝑖𝑓 = √( )( + ) , 𝑔𝑙 = 𝑁1 − 𝑁2 − 2
𝜎𝑑𝑖𝑓 𝑁1 − 𝑁2 − 2 𝑁1 𝑁2
∑ 𝐷2
𝜎𝑑𝑖𝑓 = √ − (𝑥̅1 − 𝑥̅2 )2 , 𝐷 = 𝑥1 − 𝑥2
𝑁
𝑡: 𝐸𝑠𝑡𝑎𝑑í𝑠𝑡𝑖𝑐𝑜 𝑑𝑒 𝑃𝑟𝑢𝑒𝑏𝑎 𝑡
𝑥̅1 : 𝑀𝑒𝑑𝑖𝑎 𝑑𝑒 𝑙𝑎 𝑝𝑟𝑖𝑚𝑒𝑟𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎
𝑥̅2 : 𝑀𝑒𝑑𝑖𝑎 𝑑𝑒 𝑙𝑎 𝑠𝑒𝑔𝑢𝑛𝑑𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎
𝜎𝑑𝑖𝑓 : 𝑑𝑒𝑠𝑣𝑖𝑎𝑐𝑖ó𝑛 𝑒𝑠𝑡á𝑛𝑑𝑎𝑟 𝑑𝑒 𝑙𝑎𝑠 𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎𝑠
𝑁1 𝑦 𝑁2 : 𝑡𝑎𝑚𝑎ñ𝑜 𝑑𝑒 𝑙𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎 1 𝑦 2
𝐷: 𝐷𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎 𝑎𝑛𝑡𝑒𝑠 𝑦 𝑑𝑒𝑠𝑝𝑢é𝑠 𝑑𝑒 𝑎𝑝𝑙𝑖𝑐𝑎𝑟 𝑒𝑙 𝑒𝑠𝑡í𝑚𝑢𝑙𝑜
1. Para muestras relacionadas: Se utiliza para investigaciones con diseño preexperimental

con pre y posprueba, es decir que se tiene un sola muestra a la cual se le aplica un
estímulo pero se realiza dos mediciones para determinar una posible relación causa-
efecto entre dos variables:
Ejemplo:
84
En SPSS, debemos primero crear las variables en la Vista de datos:
En la Vista de datos se cargan los valores, los que corresponden a la medición antes de la
aplicación del estímulo se colocan en la primera columna, y los que corresponden a la
posprueba en la segunda columna:
85
Una vez se han cargado todos los datos, procedemos a realizar la Prueba de Hipótesis,
para eso nos vamos a la pestaña de Analizar>Comparar medias>Prueba T para muestras
relacionadas, como indica el gráfico superior.
En la ventana de Prueba T para muestras relacionadas, se seleccionan las dos variables a las
cuales se les realizará la prueba (se selecciona la segunda variable presionando Control o
Shift y haciendo click sobre ésta) y se las envía a la lista de Variables emparejadas haciendo
click en el botón . Finalmente hacemos click en Aceptar.
86
Regla de decisión:
 Si la probabilidad del estadístico de prueba “Sig. (bilateral)” ≤ α = 5%, se rechaza la

Hipótesis nula y se acepta la Hipótesis de investigación (o alternativa).
 Si la probabilidad del estadístico de prueba “Sig. (bilateral)” >5%, se acepta la Hipótesis
nula y se rechaza la Hipótesis de investigación.
Para el ejemplo es de 0,000, mucho menor que el nivel de significancia (5%), siendo este
valor la probabilidad de que la hipótesis nula sea cierta, se concluye que, se rechaza la
hipótesis nula cuya, pues la probabilidad del estadístico de prueba seleccionado, t-student para
muestras relacionadas, es menor que el nivel de significancia de α = 5%. Por lo tanto, se
confirma que la aplicación de dinámicas grupales provoca un aumento de las calificaciones en
2.04 puntos (𝑥̅2 − 𝑥̅1 =8.62 - 6.58=2.04, ver Tabla superior) en promedio de acuerdo a los
información obtenida en el estudio.
2. Para muestras independientes: Se utiliza para investigaciones con diseño experimental

puro o cuasiexperimental, pues hay grupos de comparación, es decir que se tiene dos
muestras para cada nivel de manipulación del estímulo:
87
Una primera variable para incluir todos los valores de la variable dependiente, tanto los
del grupo de control y los del grupo de tratamiento. Se ingresa la Vista de variables y se
le asigna en Medida: Escala:
La segunda variable es de distinción y se le asignarán, en la columna Valores etiquetas

para distinguir cada grupo:
Ahora se pueden cargar los valores en la Vista de datos, como en el gráfico inferior de la izquierda:
88
para eso nos vamos a la pestaña de Analizar>Comparar medias>Prueba T para muestras
independientes, como indica el gráfico superior.
Para realizar la prueba primero indicamos la variable que contiene a los valores de la
variable dependiente (primera variable que se creó) y la enviamos a Variables de prueba
haciendo click en el botón superior. Y realizamos lo mismo para la variable de distinción,
pero ésta se envía a la lista de Variable de agrupación haciendo click en el botón inferior.
A continuación definimos los grupos haciendo click en el botón Definir grupos y aparece
la ventana de Definir Grupos, donde asignamos
89
Se hace click en Continuar y luego en Aceptar para obtener los valores de la prueba de
hipótesis en la Ventana de Resultados.
Regla de decisión:
 Si la probabilidad del estadístico de prueba “Sig. (bilateral)” ≤ α = 5%, se rechaza la

Hipótesis nula y se acepta la Hipótesis de investigación (o alternativa).
 Si la probabilidad del estadístico de prueba “Sig. (bilateral)” >5%, se acepta la Hipótesis
nula y se rechaza la Hipótesis de investigación.
Para el ejemplo es de 0,000, mucho menor que el nivel de significancia (5%), siendo este valor
la probabilidad de que la hipótesis nula sea cierta, se concluye que, se rechaza la hipótesis nula
cuya, pues la probabilidad del estadístico de prueba seleccionado, t para muestras independientes,
es menor que el nivel de significancia de α = 5%. Por lo tanto, se confirma que el grupo que realiza
el aprendizaje a través de videos interactivos retiene mayor cantidad de conocimiento respecto al
grupo que lo hace utilizando videos de la manera tradicional, dicha diferencia es de 2.3 conceptos
(𝑥̅2 − 𝑥̅1 = 8.1 - 5.8 = 2.3, ver Tabla superior) en promedio de acuerdo a los información obtenida
en el estudio.
Para muestras relacionadas:

Esta es una prueba no paramétrica, pues no es necesario que los datos cumplan con ciertos
requisitos como pertenecer a una distribución normal y ser de escala por intervalos o de
razón. Esta prueba está diseñada para datos ordinales, cuando se aplica un estímulo con a un
grupo de individuos (diseño pre-experimental con pre y posprueba).
Ejemplo:
Método de recolección de datos: Encuesta, Instrumento: Cuestionario, Ítem:
90
Este instrumento es aplicado a un grupo de 21 alumnos de segundo de secundaria. El

tiempo máximo que se dio para resolver cinco problemas fue de 50 minutos. Importar los
siguientes datos a SPSS y verificar los resultados para la prueba de hipótesis.
Cuando las diferencias positivas y negativas son aproximadamente las mismas, entonces éstas
pueden ser aleatorias como lo establece la hipótesis nula.
En la Vista de datos se cargan los valores, los que corresponden a la medición antes de la
aplicación del estímulo se colocan en la primera columna, y los que corresponden a la
posprueba en la segunda columna:
91
para eso nos vamos a la pestaña de Analizar>Pruebas no paramétricas>Cuadros de
diálogo antiguos>2 muestras relacionadas, como indica el gráfico superior.
En la ventana de Prueba para dos muestras relacionadas, se seleccionan las dos variables a
las cuales se les realizará la prueba (se selecciona la segunda variable presionando Control
o Shift y haciendo click sobre ésta) y se las envía al cuadro Contrastar pares haciendo click
en el botón . Finalmente hacemos click en Aceptar, obsérvese que la casilla para la
Prueba Wilcoxon está activada por defecto.
92
Regla de decisión:
 Si la probabilidad del estadístico de prueba “Sig. Asintótica (bilateral)” ≤ α = 5%, se

rechaza la Hipótesis nula y se acepta la Hipótesis de investigación (o alternativa).
 Si la probabilidad del estadístico de prueba “Sig. Asintótica (bilateral)” >5%, se acepta
la Hipótesis nula y se rechaza la Hipótesis de investigación.
Para el ejemplo es de 0,002, mucho menor que el nivel de significancia (5%), siendo este
valor la probabilidad de que la hipótesis nula sea cierta, se concluye que, se rechaza la
hipótesis nula cuya, pues la probabilidad del estadístico de prueba seleccionado, Wilcoxon para
muestras relacionadas, es menor que el nivel de significancia de α = 5%. Por lo tanto, se
confirma que la aplicación la estrategia de los “juegos matemáticos” permite una mejora en la
agilidad para resolver los problemas de matemáticas, en promedio permite pasar 𝑥̅1 =2.714
(entre los intervalos “un poco” a “regular”) a 𝑥̅2 =3.904 (entre los intervalos “regular” a “casi
siempre”), de acuerdo a los información obtenida en el estudio.
Para muestras independientes:

Esta es una prueba no paramétrica, pues no es necesario que los datos cumplan con ciertos
requisitos como pertenecer a una distribución normal y ser de escala por intervalos o de
razón. Esta prueba es utilizada en diseños experimentales puros o cuasiexperimentales
(cuando se disponen de grupos de comparación).
93
Para realizar la prueba en SPSS, se debe crear dos variables:
Una primera variable para incluir todos los valores de la variable dependiente, tanto los del
grupo de control y los del grupo de tratamiento. Se ingresa la Vista de variables y se le asigna
en Medida: Ordinal.
La segunda variable es de distinción y se le asignarán Valores etiquetas para distinguir cada

grupo.
94
Ahora se pueden cargar los valores en la Vista de datos, como en el gráfico inferior de la izquierda:
para eso nos vamos a la pestaña de Analizar>Pruebas no paramétricas>Cuadros de
diálogo antiguos>2 muestras independientes, como indica el gráfico superior.
Para realizar la prueba primero indicamos la variable que contiene a los valores de la
variable dependiente (primera variable que se creó) y la enviamos a la Lista de Variables
de prueba haciendo click en el botón superior. Y realizamos lo mismo para la variable
de distinción, pero ésta se envía a la lista de Variable de agrupación haciendo click en el
botón inferior.
95
A continuación definimos los grupos haciendo click en el botón Definir grupos y aparece
la ventana de Definir Grupos, donde asignamos
Regla de decisión:
 Si la probabilidad del estadístico de prueba “Sig. Asintótica (bilateral)” ≤ α = 5%, se rechaza

la Hipótesis nula y se acepta la Hipótesis de investigación (o alternativa).
 Si la probabilidad del estadístico de prueba “Sig. Asintótica (bilateral)” >5%, se acepta la
Hipótesis nula y se rechaza la Hipótesis de investigación.
Para el ejemplo es de 0,000, mucho menor que el nivel de significancia, siendo este valor la
probabilidad de que la hipótesis nula sea cierta, se concluye que, se rechaza la hipótesis nula
cuya, pues la probabilidad del estadístico de prueba seleccionado, U de Mann-Whitney, es menor
que el nivel de significancia de α = 5%. Por lo tanto, se confirma que los participantes que leen
libros digitales retienen mayor número de conceptos respecto a los que leen libros impresos, dicha
diferencia es de 2.32 (𝑥̅1 − 𝑥̅2 =7.72 - 5.4=2.32, ver Tabla superior) conceptos en promedio de
acuerdo a los información obtenida en el estudio.
96
Señores miembros del jurado:
Pongo a su disposición la tesina titulada “xx”, en cumplimiento a las normas establecidas en

la Guía de Productos Observables y de la Universidad “Cesar Vallejo” a realizar en la
Experiencia Curricular de Metodología de la Investigación Científica.
En el capítulo I, Introducción, se registran la realidad problemática, los trabajos previos, las

teorías relacionadas al tema, la formulación del problema, justificación de estudio hipótesis y
objetivos.
En el capítulo II, Método, se expone el diseño de investigación, las variables, la población y

muestra, las técnicas e instrumentos de recolección de datos y los métodos de análisis de
datos.
En el capítulo III, se considera los resultados obtenidos a partir del procesamiento de la

información recogida. Todos ellos organizados en tablas y figuras con sus respectivas
interpretaciones.
En el capítulo IV, Discusión, donde se relaciona los hallazgos encontrados con los de otras
investigaciones y teorías.
En el capítulo V, Conclusiones a las que se llega con la presente investigación.
En el capítulo VI, Recomendaciones; se describen las sugerencias que surgen tras las
evidencias encontradas.
 ¿Cuál fue el objetivo general de la presente investigación?

 ¿Cuál fue la tipología de la presente investigación: (i) tipo: aplicada/básica, (ii) enfoque:
cuantitativa/cualitativa/mixta, (iii) nivel: exploratorio, descriptivo, correlacional,
explicativo, (iv) diseño: experimental (preexperimental, puro, cuasiexperimental), no
experimental: transeccional (exploratorio, descriptivo, correlacional-causal)/longitudinal
(de tendencia, de grupos, de panel)?
 ¿Qué o quiénes y cuántos elementos componen la población y muestra?
 ¿Cuál fue el resultado (respecto al objetivo general)?
 ¿Cuáles son las principales conclusiones de la presente investigación?
La introducción está conformada por:

 La realidad de la problemática
 Formulación del Problema
 Antecedentes
97
 Justificación
 Objetivos
 Viabilidad
El marco teórico está compuesto por todo el sustento necesario para responder a los
problemas de investigación y alcanzar los objetivos de investigación.
Es en el marco teórico que deben de encontrarse los fundamentos para las afirmaciones que
se realicen en las hipótesis.
Está compuesto por:

 las hipótesis,
 el tipo de investigación,
 el nivel o alcance,
 el diseño de la investigación,
 población y muestra,
 técnicas e instrumentos de recolección de datos.
Luego de haber analizado la problemática a resolver, de haber propuesto soluciones, se ha

diseñado una propuesta de solución, la cual será implementada, ya sea durante la presente
investigación o será materia de implementación en una posterior investigación.
Dado que teóricamente ya se describió en qué consiste la propuesta de solución (variable

independiente) en el Marco Referencial, en este apartado se debe:
 Primero, justificar la elección de la solución sobre otras alternativas de solución.
 Proponer un Cronograma de implementación
 Describir cada una de las actividades necesarias para la implementación.
Consta de dos partes:
1. Análisis Estadístico Descriptivo: de las dimensiones de la variable dependiente. Ejemplo:

Un cuadro con estadística descriptiva de la calidad de vida antes y después de la
implementación, el cual contendrá los valores de la media, mediana, desviación estándar,
asimetría, curtosis.
2. Análisis Inferencial:
a) Consta de la Prueba de normalidad de la variable dependiente y de las dimensiones
de ésta.
b) Contrastación de hipótesis:
98
Se indica las hipótesis nulas y alternativas y los criterios de aceptación y rechazo de

la hipótesis nula.
En SPSS se obtiene, según la normalidad de los datos:
 Si los datos son normales se escoge la prueba t (paramétrica). En SPSS:
Analizar>Comparar medias>Prueba T para muestras relacionadas (si es un
preexperimento) o Prueba T para muestras independientes (si es un experimento puro
o un cuasiexperiemento).
 Si los datos no son normales se escoge la prueba Wilcoxon (no paramétrica). En SPSS:
Analizar>Pruebas no paramétricas>Cuadros de diálogos antiguos> 2 muestras
relacionadas (si es un preexperimento con pre y posprueba) o 2 muestras
independientes (si es un experimento o cuasiexperimento).
Se redacta de acuerdo a los resultados obtenidos el evaluar cada hipótesis. Habrá un párrafo
por cada hipótesis considerando, desde la hipótesis general hasta la última hipótesis
específica. Se debe señalar la variación de la variable dependiente o sus dimensiones y se
interpreta el resultado de la prueba de hipótesis.
Con respecto a cada uno de los objetivos de investigación:

 Un primer párrafo para comentar los resultados obtenidos respecto al objetivo general.
 De igual forma para cada uno de los objetivos específicos.
Respecto a la problemática, si la implementación o la propuesta de solución tuvieron los

efectos esperados y permitió resolver los problemas se debe recomendar afianzar o continuar
con la implementación en posteriores experimentaciones.
99
Se puede también recomendar la aplicación de otras propuestas de solución si es que no se

atacó todos los componentes de la problemática y se dispone de otras técnicas que podrían
ayudar a desaparecer todos los componentes o subproblemas de ésta.
100
Citamos porque:
 Reconocemos y agradecemos el mérito y esfuerzo de aquéllos de quienes tomamos
prestada la información.
 Justificamos nuestros propios métodos, argumentos y criterios con la autoridad de la
literatura científica de la disciplina.
 Incorporamos datos técnicos, científicos, históricos, sociológicos, económicos, etc. que
avalan o enriquecen nuestra exposición.
 Probamos que conocemos la disciplina o asunto sobre el que escribimos y que nos hemos
documentado.
 Contextualizamos el tema que tratamos y los datos o argumentos que aportamos.
 Facilitamos al lector que amplíe información más allá de los límites de nuestro propio
texto.
 Evitamos que nos acusen de plagio y, en la universidad, que nos rechacen o suspendan
un trabajo.
Citas y referencias son términos que se utilizan de manera ambivalente muchas veces, lo que
ocasiona algo de confusión.
Una cita es la remisión, llamada o vínculo que insertamos en nuestro texto a las ideas, datos,
frases o documentos ajenos. La cita es la técnica o procedimiento por la que enviamos al
lector a la fuente de donde tomamos la información prestada. En la práctica, puede tratarse
de números, asteriscos, notas, claves entre paréntesis, cualquier forma de remitir al
documento citado, con o sin reproducción de fragmentos literales. Ejemplo: (Pérez García
1988).
Una referencia es una descripción sucinta y estructurada de un documento, en este caso, del
documento citado. La referencia identifica de forma inequívoca el documento en cuestión,
informándonos de algunas de sus características fundamentales, por ejemplo: autores, título,
fecha, editorial, lugar, URL o DOI, páginas, formato, etc. Ejemplo: PÉREZ GARCÍA, R. 1988. La
química del agua. 3ª ed. Madrid: Alianza Editorial.
O sea, con la cita apuntamos hacia una referencia que identifica y describe un documento,
que es un artículo, manual, tesis, informe, etc., usado por nosotros en nuestro texto.
se basan en la norma ISO 690, en la versión de cita mediante clave autor-fecha (sistema
Harvard). Ejemplo: (Pérez García 1988).
19 Extraído de http://www.buc.unican.es/sites/default/files/tutoriales/CITAR/PAG5.html
101
Al usar y citar información ajena en nuestro trabajo podemos resumirla, glosarla, parafrasearla
con nuestras palabras, aludir a ella, o bien insertar un fragmento de texto literal del
documento consultado:
 Si tomamos prestado un fragmento literal breve, de hasta tres o cuatro líneas, lo

incorporamos entre comillas y/o con letra cursiva en nuestro propio texto.
 Si incluimos un fragmento literal largo, copiamos el texto ajeno en un párrafo aparte,
sangrado por la derecha y la izquierda y con caracteres más pequeños.
En cualquiera de esos casos, indicamos de dónde procede la información empleando una

clave autor-fecha, compuesta por el autor y la fecha del documento. Con esa clave, las citas
en el texto remiten unívocamente a la lista de referencias completas o bibliografía presentada
al final del trabajo, sin usar números ni notas numeradas consecutivas, ni en el cuerpo del
texto principal, ni a pie de página, y sin repetir las referencias enteras. Así, en este estilo de
citación, todos los comentarios acerca de la información usada y citada se redactan dentro
del cuerpo principal de nuestro trabajo, sin obligar a interrumpir la lectura para consultar una
nota a pie de página, etc.
La clave autor-fecha se redacta con el apellido del autor y el año de la publicación citada
entre paréntesis: (Fowler 2004). Pero hay además algunas variantes o casos.
... Este proceso de síntesis nuclear es conocido desde hace tiempo (Fowler 2004), aunque
subsisten algunos elementos por aclarar …
Si el nombre del autor forma parte de nuestro texto, simplemente se pone el año entre
paréntesis:
Puesto que Bubner (2005) defendió en su teoría del arte que la obra …
Pueden añadirse otros datos como página, capítulo, etc., que se separan con comas; ello es
obligado cuando insertamos un fragmento literal:
"... que por tanto son complementarios" (Nasemann 1991, p. 154).
... donde se explica su estructura (Sánchez López 2005, pp. 69-71).
Si el documento citado tiene dos o tres autores, se citan separados por comas y la conjunción
“y”:
… En alguna otra obra se sostiene esta misma concepción del aprendizaje por problemas (Roy,
Smith y Jumper 1998).
Si hay más de tres autores, se usa la fórmula “et al.” (“y otros” en latín):
“The speed at which data are transmitted is an important characteristic in digital networks”
(Keen et al. 2000, p. 35).
Si citamos más de una referencia, se incluyen todas en el mismo paréntesis, separadas por un
punto y coma:
… En los años 90 diversos estudios demostraron esta correspondencia con claridad (Hlavac
1995; Fearon 1997).
Si son varias referencias, pero del mismo autor, se separan los años con comas:
102
… Otro economista ha estudiado el fenómeno de la deflación con bastante detenimiento

(Anderson 1986, 1992, 1994)
Debe incluirse la inicial del nombre de pila cuando dos o más autores tienen el mismo apellido
y han publicado en el mismo año:
(Fischer, G. 2009)
(Fischer, A. 2009)
Si se citan varias obras de un mismo autor publicadas el mismo año, se añade una letra al año
para distinguirlas (a, b, c, etc.):
(Nobile 2012a)
(Nobile 2012b)
Cuando se insertan fragmentos literales del texto citado, hay que identificar siempre la página:
… Lo que condujo a Clausius a una nueva formulación: “No se puede efectuar, sin
compensación, el paso del calor de un cuerpo frío a otro caliente” (1854, p. 141)
Si el responsable principal de la creación de un documento es una entidad, su nombre va

como clave de autor corporativo:
(REAL ACADEMIA ESPAÑOLA 2008)
Se cita el título de la obra en cursiva, y no el autor, en el caso de obras anónimas o sin autores
definidos:
(World Directory of Mathematicians 2004)
a) Para libros impresos:
103
104
b) Para libros electrónicos:
Sin autor:
105
c) Para revistas:
Artículo de revista impresa:
Artículo de revista electrónica:
106
d) Trabajo de titulación:
107
e) Conferencia, Congreso o Reunión:
f) Artículo de diario:
g) Ley
h) Norma
108
Primero creamos las columnas o variables en la Vista de Variables para cada una de las
preguntas de nuestro cuestionario:
Ahora ingresamos las respuestas codificadas para cada una de las preguntas en la Vista de
Datos:
Ahora a partir de los valores que ingresamos para nuestras las respuestas del cuestionario
vamos a calcular los valores para las dimensiones de las variables de estudio. Supongamos
que:
 la Dimensión 1 de la Variable Independiente se calcula promediando los valores de la

Pregunta 1 y 2;
 la Dimensión 2 de la Variable Independiente es el promedio de las preguntas 3 y 4;
 la Dimensión 3 de la Variable Independiente es el promedio de las preguntas 5, 6 y 7;
 la Dimensión 1 de la Variable Dependiente es el promedio de las preguntas 8 y 9;
 la Dimensión 2 de la Variable Dependiente es el promedio de las preguntas 10 y 11.
109
1
4
5
2
Para la creación de la Dimensión 1 de la variable independiente, vamos a la pestaña de

Transformar, luego hacemos click en Calcular Variable, en el cuadro de Diálogo se ingresa:
1) En Variable objetivo: el nombre de la dimensión, para el ejemplo es Dim1Indep

2) Luego en Grupo de funciones se selecciona Estadísticas
3) A continuación, en Funciones y variables especiales hacemos doble click en Mean.
4) Finalmente en Expresión numérica, dentro de los paréntesis de la función MEAN,
seleccionamos del cuadro de variables (debajo del botón Tipo y etiqueta) las
preguntas necesarias para calcular la primera dimensión (se hace doble click para
seleccionar cada una de las variables y se separan por comas), en nuestro caso es
Pregunta1 y Pregunta2, entonces Dim1Indep = MEAN(Pregunta1,Pregunta2).
5) Lo mismo se realiza para crear las demás dimensiones.
6) Además, también se procede de la misma forma para crear las Variables Dependiente
e Independiente, como se muestra a continuación.
110
Cuando creamos una Variable a partir del promedio de las respuestas de diferentes
preguntas, los valores de esta Variable dejan de ser números enteros, y la variable pasa de
ser discreta a continua, entonces vemos casos como el siguiente:
La Dimensión_1 se calculó a partir de las respuestas a las preguntas P1, P2 y P3:
Aún si quitamos los decimales, la Variable

Dimensión_1 puede asumir valores como el de
la primera fila: 2.67, pero este valor en una
escala de Likert del 1 al 5 no podría
interpretarse, puesto que la escala de Likert
sólo asume valores enteros, para poder
transformar los datos continuos de la Variable
Dimensión_1 a datos discretos propios de una
escala de Likert y que sí se puedan interpretar
utilizamos la opción de Agrupación Visual:
Pestaña Transformar>Agrupación Visual
A continuación, se muestra un cuadro de diálogo en el que se deben de crear las categorías

que correspondan a la escala de Likert:
111
Se selecciona la Dimensión_1 que es la Variable que queremos agrupar, y la enviamos a la

lista de Variables para agrupar haciendo click en el botón . A continuación, aparece el
siguiente cuadro de diálogo “Agrupación visual”, como vemos en el gráfico seguido:
Aquí debemos ingresar el nombre de la nueva Variable agrupada, en nuestro caso colocamos
DimAgrup1 (ver figura superior), y luego hacemos click en el botón Crear puntos de corte…
112
En el cuadro de diálogo “Crear puntos de corte” ingresamos la Posición del primer punto de
corte, en este caso 1, luego el Número de puntos de corte: 5 y en Anchura: 1, nos indica que la
Posición del último punto de corte es 5.00. Tal como indica el gráfico superior. Finalmente,
hacemos click en el botón de Aplicar, y en cuadro de diálogo “Agrupación visual” hacemos
click en Aceptar, y en la ventana emergente también hacemos click en Aceptar:
113
En la vista de Datos podemos observar la nueva Variable Agrupada DimAgrup1:
Se repite el procedimiento anterior para cada dimensión y también para las Variables. Para
las nuevas Variables Agrupadas se deben de crear Valores de tal manera que en vez de
mostrarnos los números que corresponden a la escala de Likert, nos muestra las categorías
de posibles respuestas. En la Vista de variables, en la columna de Valores, modificarlos
haciendo click en los puntos suspensivos:
114
En el cuadro de diálogo Etiquetas de valor ingresar las etiquetas que corresponden a nuestra
escala de Likert como se ve en el gráfico superior.
Una vez ingresadas las categorías (valores) para cada una de las dimensiones y variables, se
calcula las frecuencias y se realiza los gráficos a partir de las Variables Agrupadas:
Pestaña Analizar>Estadísticos descriptivos>Frecuencias
En el cuadro de diálogo Frecuencias, seleccionamos la Variable Agrupada

Dimensión_1(agrupada) y la enviamos a la lista de Variables haciendo click en el botón .
115
Luego hacemos click en el botón Estadísticos y seleccionamos los estadígrafos que deseamos
calcular, y hacemos click en Continuar.
Luego hacemos click en el botón Gráficos y en el cuadro de diálogo Frecuencias: Gráficos

seleccionamos Gráficos de barras, en Valores del gráfico hacemos click en Frecuencias.
Finalmente, hacemos click en Continuar y en Aceptar.
116
Obtenemos los Estadísticos descriptivos:
Y Gráficos de Barras:
117
Se ha privilegiado la utilización del Coeficiente de correlación de Pearson, pues éste

coeficiente es calculado independientemente de la escala de medición de la variable (sea o
no categórica).
Para calcular el coeficiente de correlación de Pearson, vamos a la pestaña de

Analizar>Correlaciones Bivariadas:
En el cuadro de diálogo Correlaciones bivariadas, seleccionamos las variables VariableIndep y

VariableDep (se selecciona la segunda variable presionando Control o Shift y haciendo click
sobre ésta) y las enviamos al cuadro de Variables para calcular su correlación haciendo click
en el botón . Nótese que ya está seleccionado por defecto el Coeficiente de correlación de
Pearson.
Recordemos que la Hipótesis nula en la prueba de Pearson afirma que los datos no están
correlacionados, y esto sucede cuando el valor del coeficiente es menor a 0.7 o 70%.
Para nuestro ejemplo, la variable independiente sólo explica el comportamiento de la

dependiente en un 39.8%, y existe una correlación negativa por que al aumentar los valores
de la variable independiente disminuyen los valores de la variable dependiente (relación
inversa).
118
Para obtener un gráfico de dispersión de datos y la respectiva recta de regresión lineal,

primero debemos ingresar a la pestaña de Gráficos>Generador de gráficos. Observaremos que
aparece un cuadro de diálogos Generador de gráficos en donde nos advierte que debemos
seleccionar el nivel de medición de las variables, sólo se hace click en Aceptar.
A continuación en el Generador de gráficos:
1) Primero en la pestaña de Galería, en la parte inferior, seleccionamos el tipo de gráfico,

por defecto está en la pestaña de Elementos básicos como vemos en la imagen inferior:
2) A continuación, hacemos click en Dispersión/Puntos en el cuadro de Elija entre..

Seleccionamos el primer tipo de gráfico (enmarcado en un cuadrado rojo), haciendo
doble click o arrastrándolo a La vista previa del gráfico:
119
3) Seguido, indicamos en el gráfico las variables que corresponden a cada eje. Para esto,
en la lista de Variables seleccionamos la VariableIndep y la arrastramos hasta ¿Eje Y?,
lo mismo realizamos con VariableDep para ¿Eje X? y finalizamos haciendo click en
Aceptar:
7
8
Obtenemos el siguiente gráfico en la Ventana de Resultados:
120
4) Hacemos doble click sobre el gráfico para modificarlo y agregar una línea de regresión
lineal y su respectivo coeficiente de determinación (el cual es el cuadrado del
coeficiente de Pearson, por eso siempre será positivo). Al hacer doble click se activa
el Editor de gráficos, aquí hacemos click en el botón Añadir línea de ajusto total
(enmarcado en un cuadro rojo en la imagen inferior):
10
Por defecto se calcula el coeficiente de determinación R2 en la esquina superior derecha del

gráfico de regresión (ver cuadro rojo en la imagen inferior):
121
5) Realizado esto, podemos cerrar el Editor y en la Ventana de Resultados podemos

copiar el gráfico a nuestra tesina. Observemos que la ecuación de recta se encuentra
en el centro del gráfico.
122
123
124
SEGUNDA UNIDAD
1. Identificar el nivel de las siguientes propuestas de investigación:




2. Proponer problemas de investigación para las hipótesis de la pregunta 1.
3. Identificar el nivel de las investigaciones para responder a los problemas de la pregunta 2.
4. Indicar el diseño de investigación apropiado para las siguientes investigaciones:
a. Tema:
b. Tema:
125

Guía Completa

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Guía Completa

Cargado por

Copyright:

Formatos disponibles

Experiencia Curricular de Metodología de la Investigación Científica

Mg. Jorge Luis Baldárrago Baldárrago

I. CIENCIA, CONOCIMIENTO E INVESTIGACIÓN CIENTÍFICA ....................................................................................... 3

MARCO TEÓRICO .................................................................................................................................................................... 98

Conocimiento: —como todo conocimiento científico— son solo propuestas de objetividad-verdad

Evolución: Nuestra realidad está en permanente movimiento, cambio y evolución. En

Productos racionales: la cultura, la civilización, la investigación, los métodos, sistemas, técnicas,

Mecanismos usados a lo largo de la evolución racional

 Intuición: Cuando de manera espontánea, “vemos” (captamos, comprendemos o percibimos)

 Técnica: De manera operativa y muy general, es toda aplicación del conocimiento

 Ideal racional descriptivo-explicativo: Empleo de la razón para describir y explicar la

 Civilización: Aquella parte de la cultura que ha sido materializada (mediante técnicas,

a) Principio de identidad: Lo que es, es; es decir, que si en una argumentación se

Aristóteles: En su obra Organon, consideraba la lógica como una disciplina dedicada al

1. Descripciones: Respuesta el cómo, detalla la realidad (alguien o algo, objeto de estudio), a

Los requisitos de una ciencia independiente son tener:

1. Un campo especializado: un campo especializado es separar partes de la realidad tomadas

Se producen separaciones de la filosofía, surge la matemática, biología, etc., y de éstas surgen

2. CIENCIA YA ESTABLECIDA (como algo ya conocido, aceptado y relativamente estático):

3. CIENCIA DINÁMICA (INVESTIGACIÓN CIENTÍFICA) La ciencia también es un hacer

5. IDEALES TEÓRICO Y OPERATIVO DE UNA CIENCIA

AXIOMA: Enunciado proposicional que explicita (comunica) una constante de cambio de la

ALGORITMO: Conjunto de pasos finitos, concatenados, mecanizados, eficaces y más o menos

Investigación: Conjunto de actividades que desarrollamos para obtener conocimientos nuevos, es

Un dato es un elemento aislado; un conjunto de datos trabajados (ordenados, integrados,

2. OTRAS DEFINICIONES DE INVESTIGACIÓN CIENTÍFICA

Consejo Nacional de Investigación del Perú (en su Política de desarrollo científico y

UNESCO, en su glosario de términos: investigación científica básica: “Consiste en trabajos

3. CARACTERÍSTICAS DE LA INVESTIGACIÓN CIENTÍFICA

1. Es Racional y Objetiva: Porque se basa en juicios y raciocinios y porque

4. Es Comunicable: Porque es expresable utilizando un lenguaje informativo y

4. FINALIDAD GENERAL DE UNA INVESTIGACIÓN CIENTÍFICA CONCRETA

5. FUNCIONES DE LA INVESTIGACIÓN CIENTÍFICA

6. REQUISITOS PARA QUE UNA INVESTIGACIÓN SEA CIENTÍFICA

a) Condiciones básicas para que una investigación sea científica

 Que el problema que pretende resolver sea nuevo para la ciencia.

7. CLASIFICACIÓN DE LA INVESTIGACIÓN CIENTÍFICA

repercutiendo en unos casos en correcciones, y en otros en perfeccionamiento de los

McGraw-Hill, 2014, p. 93.

Cobra especial importancia el que no sea causal, ya que en las investigaciones

Una investigación predictiva puede ser prospectiva (cuando se comprueba

vi. Investigaciones de segundo nivel: Solo si una investigación de tercer nivel ha

Fuente: Tomado de Caballero, Alejandro (2014). p. 42.

8. DISTINGUIR LO QUE ES CIENCIA DE LO QUE NO LO ES

Si las evidencias apoyan o confirman el planteamiento, éste se mantiene provisoriamente.

La pseudociencia no puede ser contrastada con la realidad, no permite obtener evidencias

Fuente: Tomado de Caballero, Alejandro (2014). p. 42.

Metodología de Investigación Científica: Orientación racional capaz de resolver problemas

Método: Estrategia nueva con potencial innovador pero riesgosa.

b) Definiciones: Las definiciones y los conceptos están íntimamente ligados y de ello

d) Variables: Es toda característica o cualidad observable de un fenómeno que tiende a variar

2. MÉTODO GENERAL DE INVESTIGACIÓN CIENTÍFICA

a) Problema nuevo para la ciencia: Se identifican problemas (problemática); priorización y

3. MALAS CONDUCTAS EN LA CIENCIA

interpretación de los mismos; 2) la redacción del artículo o la revisión crítica de su

1. Bayes, Ramón (1974). Una introducción al método científico en Psicología. Barcelona:

El planteamiento del problema de investigación es la primera fase del proceso de investigación

El planteamiento del problema comprende el (i) análisis de la realidad problemática, (ii) la

Las ideas, de acuerdo al enfoque, acercan a:

2. ENFOQUES DE LA INVESTIGACIÓN CIENTÍFICA

b) Investigación cualitativa: predomina la calidad y su manejo considera diferencias

c) Mixta: aquella que implementa precisiones cuantitativas e interpretaciones cualitativas.

3. PROBLEMAS CIENTÍFICOS Y NO CIENTÍFICOS: