INVESTIGACIÓN Y

ANÁLISIS ESTADÍSTICO (SPSS)

José María ROA VENEGAS

Francisco HERRERA CLAVERO

FACULTAD DE EDUCACIÓN Y HUMANIDADES DE CEUTA

CENTRO DE PROFESORES Y RECURSOS DE CEUTA

 ÍNDICE

I ) ASPECTOS TEÓRICOS 3
1.- Introducción a la investigación educativa. 3
2.- Investigación educativa. 9
2.1.- Pasos en el proceso de investigación. 11
2.2.- Investigación cuantitativa. 14
2.2.1.- Características de la investigación cuantitativa. 14
2.2.2.- Metodología experimental. 15
2.2.3- Metodología cuasiexperimental. 16
2.2.4.- Metodología no experimental. 17
2.3.- Investigación cualitativa. 18
2.3.1.- Características. 18
2.3.2.- Métodos. 20
2.3.3.- Recogida de datos. 21
2.4.- Investigación-acción. 21

II ) ASPECTOS PRÁCTICOS 23
1.- Formulación del problema. 23
2.- Consulta de fuentes. 24
3.- Formulación de hipótesis. 24
4.- Identificación de las variables. 25
5.- Realización de diseño de investigación. 26
6.- Población y muestra a utilizar. 27
7.- Datos a utilizar y tratamiento estadístico. 27
8.- Conclusiones. 46
9.- Algunos cálculos interesantes. 46

III) BIBLIOGRAFÍA 56

2
 I) ASPECTOS TEÓRICOS

1.- Introducción a la investigación educativa.

A lo largo de la historia el hombre se ha preguntado por todo aquello que le rodea
tratando de dar explicación a los fenómenos naturales y humanos. Unas veces, la fábula
predominaba en sus explicaciones, otras, la primacía era de la razón y, últimamente es la
ciencia la que da cuenta de los fenómenos físicos, sociales y humanos.
En todo este devenir, el hombre ha acumulado información, adquiriendo todo aquello
que le ha interesado: el conocimiento; y, dentro de él encontramos un subconjunto
denominado conocimiento científico.
Hablar de Método Científico supone remitirnos directamente a al Metodología como
rama de la Lógica que se encarga de sus estudio y que tiene como objeto propio la elaboración
de una teoría del método.
La Metodología General trata de los métodos que pueden aplicarse a todo el dominio
del pensamiento teórico, por lo que podemos hablar de ella como Epistemología o Teoría de la
Ciencia encargada de clarificar los factores y procesos que intervienen en la producción del
pensamiento teórico y delo conocimiento científico; así como, validar y regular estrategias
utilizables en la elaboración teórica.
Al tratar, pues, cualquier disciplina, habremos de referirnos directamente al problema
de la investigación sobre ella, sus posibilidades y límites, su sentido y documentación
epistemológica, y de la elaboración de sus conocimientos.
Constituye un punto de partida obligado la afirmación de que toda producción
científica -práctica de investigación- opera dentro de un marco conceptual donde adquiere
sentido y orientación. Cuando se definía con Schwab la estructura sustantiva de una ciencia se
decía cómo ésta constituye una estructura cognitiva que justifica el tipo de preguntas que nos
hacemos sobre los fenómenos, los experimentos que se hacen para responderlas, y cómo
cobran sentido los datos que de la investigación se obtienen.
La idea de relacionar toda producción científica con un marco conceptual en el que se
desarrolle, está ampliamente asumida en estos momentos. Obsérvense, a título ilustrativo,
estas dos citas de Cohen y Poincare, recogidas por KERLINGER (1975:16):

3
 * No hay un genuino progreso en el conocimiento científico mediante el método
baconiano de acumular hechos científicos sin hipótesis o previsión de la naturaleza.
Sin cierta idea orientadora no sabemos qué hechos reunir... No podemos determinar
qué es relevante y qué es irrelevante.
* Se dice a menudo que los experimentos deben hacerse sin ideas preconcebidas. Esto
es imposible. No sólo haría inútil los experimentos, sino que aún si deseáramos
hacerlo así, no podríamos lograrlo.
Ha sido, sin embargo, la orientación que Kuhn ha impreso en el análisis del proceso de
producción e incremento del conocimiento la que ha tratado de precisar con mayor rigor una
explicación relativa al proceso de producción del conocimiento. Toda ciencia se desarrolla en
relación a un paradigma o matriz disciplinar, sustentado por la comunidad científica que
suministra a su práctica no sólo un marco sustantivo de ideas, que ejercen una clara función
de determinación preceptiva, sino el tipo de procedimientos metodológicos más aceptables
para la verificación de las hipótesis en juego en la investigación.
El término paradigma, sustituido por el de matriz disciplinar (KUHN, 1978), tiene
buen número de acepciones como lo ha puesto de manifiesto MASTERMAN (1975), en un
análisis detallado del mismo. En todo caso, la idea que el paradigma constituye un marco de
referencia teórico-sustantivo y una orientación metodológica parecen constituir las dos notas
más relevantes.
La teoría científica supone un marco orientador, regulador e interpretativo de la
investigación. Los datos que ésta pueda suministrar no suelen ser causales, su desarrollo no
consiste en la pura acumulación de conocimientos y no tiene sentido si no es el marco de la
interpretación teórica.
Es necesario -dice CASTORINA (1973:61)- considerar que la estructura de las
teorías determinan al menos, en buena medida, no sólo las preguntas que se formulan, sino
también las respuestas que se dan a las preguntas; los datos de la experiencia no son dados,
sino adquiridos por la actividad del científico, y citando a Bourdieu y Passeron señala: la
realidad empírica carece de iniciativa propia y sólo responde cuando la interrogamos.
Algunas frases tomadas de RYAN (1973:95-109) refuerzan el planteamiento apuntado:
una teoría proporciona un modelo de relato, un paradigma, un enfoque para la
investigación... las teorías son heurísticamente útiles, pues nos sugieren experimentos de otra
forma no apreciables.
Esta serie de afirmaciones son congruentes con otros planteamientos en los que se
señala que el proceso de investigación responde a algún problema previamente formulado. Si

4
bien, en este caso lo que se indica es que la teoría, el paradigma o matriz disciplinar,
proporciona un determinado tipo de problema.
En realidad, con lo que estamos diciendo referimos diversas funciones que competen a
la teoría en relación con la investigación. Aunque sea redundar en lo dicho anteriormente, la
cita siguiente de BELTH (1971:22-23) es precisa: la teoría otorga significado a los hechos
que de otro modo no lo tendrían, hace posible la explicación de fenómenos y permite una
interpretación de los hechos observados.
La teoría, al mismo tiempo, supone un ahorro del costo que constituye el intento de
construir el conocimiento en base a la acumulación progresiva y aleatoria de datos empíricos.
La teoría constituye una especie de marco mnemónico orientador de la investigación y
establece condiciones en las que las relaciones funcionales entre variables se cumplan o no; es
decir, es predictiva.
La investigación científica, pues, es orientada por la teoría, pero ésta no es sometida a
prueba en la investigación globalmente. En el marco de la teoría se plantean determinadas
preguntas, se levantan hipótesis que serán, precisamente, objeto de la respuesta y/o de la
verificación científica. Si se considera la definición que KERLINGER (1975:11) ofrece de la
investigación científica apreciaremos lo que se viene diciendo claramente: la investigación
científica es una investigación sistemática, controlada, empírica y crítica, de proposiciones
hipotéticas sobre las presumidas relaciones entre fenómenos naturales.
La idea expuesta no es de utilidad en relación con lo que decimos sobre el hecho de
que la investigación no pretende validar ni refutar teorías, sino hipótesis; es decir, supuestas
relaciones entre variables expresadas proporcionalmente.
Las hipótesis constituyen uno de los recursos instrumentales de que se vale la teoría
para orientar la investigación e ir obteniendo algún tipo de conocimiento sobre relaciones
entre las variables de un fenómeno. La hipótesis -señala HAYMAN (1969:37)- dicen al
investigador qué es lo que necesita exactamente descubrir en su estudio, le aclaran cuáles
son las variables con las que ha de encontrarse y las relaciones que existen entre ellas. Y,
algo similar considera KERLINGER (1975:21): El investigador que no supone una relación
por anticipado, no da a los hechos la oportunidad de demostrar o negar algo.
En este sentido, puede afirmarse que el proceso investigador, en ningún caso,
constituye una búsqueda aleatoria e indefinida de datos, o una pretendida asepsia teórica para
permitir que los datos hablen por sí mismos. Empezamos a comprender -apunta BUNGE
(1975:9)- que el fin de la investigación no es la acumulación de hechos, sino su comprensión,
y que ésta sólo se obtiene arriesgando y desarrollando hipótesis precisas.

5
 Otro dispositivo directamente vinculado a la teoría y que, asimismo, cumple funciones
en relación con las investigaciones científicas es el de Modelo.
SNOW (1973) refiere como expresión usual en Filosofía de la Ciencia la de modelo de
una teoría, y HEINICH (1974) habla del modelo como una representación estructural de una
teoría sometida a revisión periódica. BUNGE (1975:46) estudia, en uno de los capítulos de su
libro, diversos tipos de modelos y define las funciones que a los mismos les corresponde en el
desarrollo de teorías y en la práctica de la investigación. Concretamente, habla de modelos
objeto y modelos teóricos, definidos como esquemas hipotéticos de cosas y hechos
supuestamente reales.
Un modelo objeto puede considerarse como cualquier representación esquemática de
un objeto. El modelo teórico viene a suponer una teoría especifica consistente en la
descripción, interpretación e inclusión en una teoría general del objeto modelo. La
importancia heurística del modelo, en este sentido, es considerable. Al respecto el mismo
BUNGE (Ibídem, 47) señala: los problemas particulares, esto es, los problemas relativos a
situaciones específicas sólo pueden plantearse y resolverse dentro de teorías específicas
(microteorías). A mayor abundamiento, sólo las teorías específicas (modelos teóricos) son
empíricamente contrastables, las teorías generales no producen conclusiones particulares y
por ello no son contrastables con precisión.
El modelo, pues, supone una construcción teórica o sistema deductivo de segundo
grado similar a la teoría, construido para interpretar el contenido de la misma y para hacer
posible su contrastación empírica. No se va a entrar aquí en una descripción pormenorizada de
los diversos tipos de modelo. Interesa únicamente destacar el carácter de construcción teórica
que les define, su función orientadora de la práctica científica, e indicar cómo en la situación
de aprendizaje-enseñanza, además de comportar una teoría de la misma, sugiere prácticas
didácticas, didaxis.
En los últimos años, de manera especial, la práctica de elaboración de modelos ha
venido siendo cada vez más frecuente en los diversos ámbitos del diseño, desarrollo y
evaluación de la situación de aprendizaje-enseñanza.
Con estos datos se ha definido el marco conceptual de generación de teorías y la
articulación y desarrollo de la investigación en marcos teóricos, paradigmas o matrices
disciplinares; mediante la formalización, elaboración de modelos y validación de hipótesis
sometidas a contrastación. Lo dicho supone fundamentalmente lo que podríamos denominar
una contextualización teórica de la práctica científica.

6
 A continuación, es preciso hacer una breve alusión al marco más amplio en el que las
teorías se desarrollan y en el que el conocimiento se incrementa.
Son diferentes las interpretaciones del proceso de incremento del conocimiento. Para
POPPER (1974), por ejemplo, dicho fenómeno se realiza mediante un proceso de competición
de teorías, lo que viene a significar una proyección sobre el tema de su propia teoría lógico-
formal de la ciencia, y para KUHN (1978) sólo podría entenderse y explicarse
suficientemente el problema en la medida que se recurra a la inclusión de toda la serie de
factores socio-históricos que están en la base del cambio de paradigma.
El cambio de la ciencia normal a la ciencia revolucionaria, en una interpretación
histórica del mismo, sólo puede comprenderse en tanto se de cuenta de los factores extra-
científicos que lo determinan. Es frecuente observar que no sólo la lógica de los datos
imponen las rupturas de un paradigma y el surgimiento de otros nuevos.
No se va a entrar aquí en las diversas posiciones sobre el tema, simplemente nos
limitaremos a indicar cómo la vinculación del desarrollo e incremento del conocimiento, al
cambiar de paradigma, introduce una perspectiva importante de contextualización sociológica.
En nuestro caso particular a nadie escapa el protagonismo creciente de la Psicología, como
elemento troncal del curriculum educativo actual y futuro.
En este sentido, la propuesta de LAKATOS (1974) sobre lo que denomina programa
de investigación es digna de ser destacada. Hablar de programas de investigación supone algo
más que una atención al desarrollo formal, metodológico e instrumental de la ciencia. Exige
articular un plan de investigación abierto al reconocimiento y compromiso con los contextos
sociales e institucionales en los que los planes de investigación se desarrollan. Por ello, un
programa de investigación no sólo ha de dar cuenta de su validez externa e interna (en el
sentido de la teoría del diseño experimental, STANLEY-CAMPBELL (1978)), sino, al mismo
tiempo, de las opciones que implica, las estrategias, los valores, etc, que le sirven de contexto
y justificación.
Se ha tenido ocasión de ver a lo largo de este apartado una serie de cuestiones relativas
a la contextualización de la práctica científica y de los procedimientos encaminados a la
elaboración y construcción del conocimiento sistemático, insistiendo de forma particular
sobre cómo la investigación surge y se desarrolla al amparo de determinados marcos teóricos,
paradigmas o matrices disciplinares.
En este sentido, afirmamos que la teoría dirige y orienta la investigación, formaliza
modelos y genera hipótesis para ser falsacionada en la práctica científica. Teniendo en cuenta,
además, los procedimientos instrumentales a través de los que se contrasta y prueba aquella

7
que no puede ser suficientemente conceptualizada sin ser incardinada coherentemente en el
paradigma que la avala. Es decir, la teoría genera, orienta y dirige la investigación, y ésta,
tiene como meta la elaboración teórica. Entre teoría e investigación ha de producirse un ciclo
continuo reversible y dinámico.
Así pues, ni la teoría puede entenderse como una organización sistemática y
formalizada de saber conservador y dogmático, supuestamente concluso y acabado; sino
como una estructura abierta y dispuesta a recibir revisiones sucesivas como consecuencia de
sus intercambios recíprocos con la realidad. Tampoco, la práctica científica será una búsqueda
ciega de datos y relaciones, sino que se orientará a lo estrictamente lógico y racional. Interesa
destacar cómo, desde esta perspectiva, la investigación tiende a confluir sobre la elaboración
teórica entendida como organización e integración del conocimiento poseído en un momento
particular en un cuadro de referencia significativo (PATTERSON, 1977:6).
En su articulación interna, formalmente considerada -siguiendo a Patterson-, la teoría
viene constituida por:
* Un conjunto de postulados o axiomas.
* Un conjunto de definiciones de los términos o conceptos que la componen.
* Relaciones entre términos y conceptos según determinadas reglas, por lo común,
lógicas.
* Una serie de hipótesis derivadas o construidas a partir de los anteriores componentes.
No podemos terminar este apartado sin señalar que una elaboración teórica debe ser
contrastada, para lo cual debe ofrecer una serie de criterios al objeto de que sean considera-
dos, tales como: grado de importancia, precisión y claridad, simplicidad, comprensibilidad,
operacionalidad, utilidad, rango de validez, falsabilidad y practicidad.
El conocimiento científico tiene unas características propias que le dan ese carácter,
diferenciándolo del conocimiento vulgar y de la simple opinión o valoración. Estas
características son las siguientes:
- Objetividad.- Quiere decir que el conocimiento no tiene nada que ver con nuestros
deseos, sino que este conocimiento concuerde con la realidad del objeto de estudio.
- Racionalidad.- El argumento fundamental en la ciencia es la razón; por eso los
científicos manejan conceptos, juicios y razonamientos.
- Sistematicidad.- El conocimiento debe ser ordenado, consistente y coherente en sus
elementos.
- Empírica.- Son la observación y la experimentación el punto de partida.
- Fiabilidad.- La fiabilidad incluye la incertidumbre y el carácter probabilístico.

8
 -Metodicidad.- Se obtiene mediante la aplicación de planes elaborados cuidadosamen-
te para dar respuesta a preguntas o problemas.
-Análisis.- Los datos se deben analizar con la mayor garantía, facilitando la contrasta-
bilidad y la objetividad.
- Comunicabilidad.- Los resultados deben ser expresados en términos comprensibles,
siendo expresados en un lenguaje preciso.
El concepto de investigación educativa ha ido cambiando a lo largo del tiempo y ha
adoptado nuevas formas. Actualmente, podemos considerar que la investigación educativa
tiene enfoques diferentes entre los que se pueden destacar: 1- Enfoque empírico-analítico, que
consiste en la aplicación del método científico, propio de las ciencias naturales. 2- Enfoque
constructivista, consistente en que la investigación se preocupa de comprender las intenciones
de los sujetos en la conducta humana; por tanto, consiste en comprender los fenómenos
educativos. 3- Enfoque pragmático o investigación-acción. Se preocupa por la búsqueda de
soluciones a los problemas educativos cotidianos del aula.
Cuando investigamos en educación, debemos darnos cuenta que los fenómenos
educativos son complejos y no se pueden reducir exclusivamente a aspectos cuantitativos ya
que intervienen aspectos como valores, actitudes y creencias. Como consecuencia de lo
manifestado anteriormente se deriva que en la investigación educativa se emplean diversas
metodologías. La peculiaridad en la relación del investigador con el objeto investigado, en el
sentido de que no se puede ser totalmente neutral e independiente.
La investigación educativa también tiene obstáculos, tales como: obstáculos técnicos,
en cuanto su medición es complicada, al ser los fenómenos más complejos que los fenómenos
naturales; obstáculos ambientales que se refieren a que hay variables que difieren en función
del ambiente, por lo que los resultados obtenidos en un ambiente no son generalizables a otros
ambientes; obstáculos éticos, por los que el quehacer científico se debe regir por normas entre
las que destacamos el consentimiento de los sujetos de la investigación, conocimiento de la
naturaleza del instrumento y las condiciones de la investigación, los sujetos objeto de la
investigación deben estar protegidos de amenazas de riesgos psicológicos y físicos, etc.

2.- Investigación educativa.

Previo a su desarrollo, esquematizaremos los pasos necesarios en el proceso de
investigación.
 Problema.
- Definir con claridad y precisión el problema general de forma interrogativa.

9
 - Formular el problema general en partes o subproblemas.
 Fuentes de documentación.
- Según estudios previos: ¿Se había planteado antes el problema? ¿Hay
constancia empírica organizada de cómo se ha resuelto? ¿A qué conclusiones
se han llegado?
- Según los autores: ¿Qué opinan? ¿A qué conclusión se puede llegar?
- Según la práctica: ¿A qué conclusiones provisionales se llega? ¿Se ha llegado a
algún hallazgo? ¿Se trata de algo en la línea científico-práctica?
 Objetivos.
- Indicar el objetivo general.
- Delimitar los objetivos específicos.
 Hipótesis.
- Redactar la hipótesis general y la específica.
- ¿Qué se puede concluir racionalmente o por argumentos válidos? ¿Expresan
las hipótesis la posible relación entre las variables?
- ¿Es posible contrastarlas empíricamente?
 Variables.
- ¿Cuál es la variable dependiente y cómo se controla?
- ¿Cuál es la variable independiente. Qué niveles o categorías adopta y cómo se
controla?
- ¿Cuáles son otras variables intervinientes y cómo se controlan?
- ¿Qué variables quedan sin controlar?
- ¿Están suficientemente operativizadas cada una de las variables como para ser
contrastadas empíricamente?
 Validación de la/as hipótesis.
- Muestra y población: ¿Con qué grupo se va a trabajar? Delimitar con claridad
la población en todas sus notas definitorias. Seleccionar la muestra, indicando
qué técnicas se han seguido. Es representativa y normalizada.
- Instrumentos de medida y recogida de datos: ¿Con qué instrumentos se van a
medir las variables? ¿Está el instrumento construido? ¿Qué nombre tiene, cuál
es el autor, qué mide exactamente, cuál es su suelo y su techo, cómo es su
aplicación –individual o colectiva- duración, quién lo distribuye? ¿Cuáles son
sus características técnicas, así como su fiabilidad y validez? ¿Está tipificado?

10
 ¿Es de construcción propia? ¿Qué objetivos o funciones pretende conseguir?
¿Cuáles son sus contenidos o áreas? Definir todas las características.
- Enfoque o diseño de investigación: ¿Qué metodología y diseño se va a seguir
para validar la hipótesis? ¿Qué tipo de diseño es: experimental, cuasiexperi-
mental o no experimental? Simbolizar en un esquema el diseño utilizado junto
a su paradigma. Validez interna y externa.
- Plan de análisis de datos: ¿Qué pruebas estadísticas aplicar? ¿Se cumplen las
condiciones de un contraste paramétrico? ¿Qué tipo de variable es? ¿Cuál es la
hipótesis nula y la alternativa. Nivel de significación seleccionado. Etc.
- Decisión estadística.
 Conclusión.
- Generales y particulares.
- ¿Están las conclusiones relacionadas claramente con el problema y la hipótesis
de estudio.
 Implicaciones práctico-educativas.
- ¿Qué implicaciones generales tiene el estudio?
- ¿Qué implicaciones educativas tienen las decisiones?
 Discusión crítica.
- Examinar cada una de las etapas de la investigación en orden a la idoneidad de
los hallazgos
- Razonar cuáles y por qué son las partes más débiles.

2.1.- Pasos en el proceso de investigación.

Antes de adentrarnos en las modalidades de investigación educativa, analizaremos los
pasos de todo proceso de investigación.
1.- Formulación del problema.- Es quizás lo más difícil de plantear ya que se tiende a
proponer problemas de gran complejidad y amplias miras. De cualquier manera, el problema
debe ser real, es decir, que exista; debe ser realizable, es decir, que podamos formular una
hipótesis como intento de solución y que además sea posible comprobar dicha hipótesis; por
último debe ser original, es decir, que no esté ya resuelto.
El problema debe ser formulado con precisión y en una o varias preguntas concretas
donde se relacionen las variables implicadas, de forma que se constituya en guía para la
formación de la hipótesis.

11
 2.- Consulta de fuentes.- Consiste en hacer una revisión sistemática del estado de la
cuestión sobre el tema de investigación que estamos realizando. La consulta de fuentes puede
definir y delimitar el problema, situar el problema en su contexto histórico, evitando algo muy
importante, como son las replicaciones innecesarias y ayudándonos a seleccionar métodos y
técnicas.
Las fuentes, como los libros, que nos orientan hacia otras más específicas, se llaman
“generales”. Aquellos textos en los que los autores comunican los resultados de investigación,
como las revistas, se llaman fuentes “primarias”. Cuando un autor informa de trabajos hechos
por otros autores, como una bibliografía, se llaman fuentes “secundarias”.
Algunos centros de documentación son: BIBE (Boletín Internacional de Bibliografía
sobre Educación) y CIDE (Centro Nacional de Información y Documentación Educativa).
Algunas bases de datos interesantes en educación son: ERIC, PsycLIT, etc.
3.- Formulación de hipótesis.- Las hipótesis deben estar insertas en una teoría
científica y deben ser contrastables, de manera que podamos acudir a la experimentación para
poder demostrar su veracidad.
Cuando formulamos una hipótesis debemos tener presente aspectos tales como: qué
respuesta razonada y coherente puedo dar al problema en este momento y circunstancias. En
el planteamiento de las hipótesis tendremos en cuenta que ésta se basará en una teoría o en la
práctica, que serán empíricamente contrastables, que deben expresar la relación entre
variables, que sus enunciados deben ser claros y precisos además de ser redactadas en forma
enunciativa afirmativa y, por supuesto, debemos huir de los juicios de valor.
4.- Identificación de las variables.- Definiremos la variable como una característica
observable de algo que puede adoptar distintos valores o de ser expresada en varias
categorías. Es fundamental que la definición de la variable sea operativa, es decir, que
podamos describir las operaciones que han de realizarse para medirla o manipularla.
Una variable es dependiente cuando se convierte en la característica que aparece o
cambia cuando el experimentador manipula la variable independiente. La variable
independiente es la que el investigador se propone manipular de forma deliberada para
descubrir sus relaciones con la variable dependiente.
La variable cualitativa es la que se expresa en categorías, al no ser cuantificable;
pueden ser nominales como el sexo u ordinales como el grado de malignidad de una
enfermedad. La variable cuantitativa es la que podemos expresar con valores numérico; ésta a
su vez puede ser discreta y continua. La discreta sólo puede tomar valores determinados,
mientras que la continua puede tomar, en teoría, infinitos valores numéricos.

12
 5.- Diseño de investigación.- Es un plan general encaminado a dar un modelo de
verificación que permita contrastar la teoría con los hechos. Son un conjunto de actividades
organizadas que deben adaptarse a las particularidades de cada investigación. Cada
investigación tiene su propio diseño.
6.- Población y muestra a utilizar.- La población es el conjunto de sujetos en los que se
desea estudiar un determinado fenómeno. Sin embargo, acceder a la población en la mayoría
de los casos es difícil y costosa, por lo que se recurre a la muestra como el conjunto de casos
extraídos de la población por medio de la operación de muestreo. Los métodos para el
muestreo se clasifican en dos grandes apartados: probabilísticos y no probabilísticos. Dentro
de los probabilísticos encontramos los siguientes: a) Muestreo aleatorio simple: Es la
modalidad de muestreo más conocida y en la que se alcanza un mayor rigor científico. Los
pasos que se realizan para elegir una muestra aleatoria suelen ser: 1) definir la población,
confeccionar una lista de todos los individuos y asignarles números consecutivos de 1 hasta
n; 2) la unidad de base de la muestra debe ser la misma; 3) concretar el tamaño de la muestra;
4) extraer al azar los elementos. b) Muestreo sistemático: con los siguientes pasos: 1) se
ordenan los individuos de la población; 2) se calcula c = N/n, donde c (constante) es un
numero entero, ‘N’ es el número de individuos de la población y n el tamaño de la muestra; 3)
se elige al azar un número «a», comprendido entre el 1 y c; 4) el número «a» será el primer
individuo seleccionado; 5) los sucesivos individuos serán: a+c, a+2c, a+3c,..., hasta llegar a
«n». Por ejemplo: si en un colegio hay 1000 alumnos y se quiere realizar un estudio con l00.
el intervalo será 1000/100 = 10(c). De esta forma, cada 10 números se seleccionarán los
sujetos partiendo de «a» que constituirán la muestra. c) Muestreo estratificado: Se utiliza
cuando la población está constituida en estratos, conjuntos de la población con homogeneidad
con respecto a la característica que se estudia. Por ejemplo, clases sociales (alta, media, baja).
El proceso consiste: 1) se divide la población en estratos; 2) de cada estrato se extrae una
muestra por algún procedimiento de muestreo; 3) el número de individuos de cada estrato se
puede decidir por: afijación simple (la muestra total se divide en partes iguales) o afijación
proporcional (se tiene en cuenta la proporción de individuos en cada estrato); 4) la suma de
las muestras de cada estrato forman la muestra total ‘n’. d) Muestreo por conglomerados o
grupos: Se utiliza cuando los individuos de la población constituyen agrupaciones naturales,
como por ejemplo, los alumnos de una clase, o los de un colegio. En este caso, la unidad de
muestreo no es el individuo, sino el conglomerado. Los pasos son los siguientes: 1) la
población se divide en grupos o conglomerados; 2) se seleccionan aleatoriamente los
conglomerados; 3) los sujetos de los conglomerados constituyen la muestra. e) Muestreo

13
polietápico: Sigue una secuencia de etapas de selección de unidades muestrales de mayor a
menor rango, hasta llegar a los individuos que constituyen la muestra (distrito escolar,
escuelas, aulas, alumnos). Este tipo de muestreo sólo necesita conocer los individuos que
integran los conglomerados de la última etapa. Además, en cada etapa puede aplicarse un
muestreo aleatorio.
En el muestreo no probabilístico se seleccionan a los individuos siguiendo deter-
minados criterios, procurando que la muestra resultante sea lo más representativa posible. Los
principales son: a) Muestreo accidental o casual: El criterio de selección de los individuos
depende de la posibilidad de acceder a ellos. Por ejemplo, pedir voluntarios, o entrevistar a la
salida de un metro, b) Muestreo intencional u opinático: La selección se hace por expertos,
según unos criterios establecidos, de tal forma que se asegure la representatividad de la
muestra. c) Muestreo por cuotas: En este método se fijan unas cuotas. Cada cuota consiste en
un número de individuos que reúnen determinadas condiciones. La selección de las cuotas
suele hacerse mediante «rutas» o «itinerarios». Ejemplo: «20 individuos de 25 a 40 años,
casados y de sexo femenino de la población de Ceuta». Se eligen los primeros que se
encuentran que reúnan esas condiciones. Este método se utiliza mucho en las encuestas de
opinión.
7.- Datos a utilizar y tratamiento estadístico.- En la recogida de datos el investigador
se valdrá de todo aquello que le sirva para acercarse a los fenómenos estudiados y extraer de
ellos toda la información posible.
Los instrumentos más usuales de recogida de datos son los tests, los cuestionarios, la
entrevista, la observación no participante, etc.
El tratamiento estadístico lo veremos de forma más amplia en la segunda parte.

2.2.- Investigación cuantitativa.

2.2.1.- Características de la investigación cuantitativa.
La investigación cuantitativa toma los métodos propios de las ciencias físiconaturales.
Desde este punto de vista, el objeto de la investigación educativa es explicar, predecir y
controlar los fenómenos educativos.
Establece como criterios de calidad la validez, la fiabilidad y la objetividad. La validez
interna ocurre cuando los datos recogidos se corresponden con la realidad y la validez externa
queda expresada cuando es posible aplicar los resultados o descubrimientos obtenidos a otros
contextos. Existirá fiabilidad cuando al repetir la investigación obtuviéramos los mismos
resultados. La objetividad es la seguridad de que los datos no están sesgados.

14
 La investigación cuantitativa se basa en instrumentos que implican la cuantificación de
los hechos, utilizando tests, cuestionarios, escalas de medida, entrevistas estructuradas, etc. El
análisis de los datos es de carácter deductivo y estadístico.
Considera la realidad como algo externo al investigador, única y tangible, que puede
fragmentarse en variables. Pretende llegar a generalizaciones libres del tiempo y contexto, con
el fin de formular las leyes y explicaciones objetivas que rigen los fenómenos.
El investigador es visto como un ser objetivo, libre de valores, que trabaja distanciado
del objeto de estudio. La metodología, pues, está libre de valores: el método es garantía de
neutralidad.
Dentro de esta modalidad de investigación se incluyen: 1) la investigación
experimental; 2) la investigación cuasiexperimental, y 3) la investigación ex-post-facto o no
experimental.

2.2.2.- Metodología experimental.

Lo que caracteriza a este método de investigación es la manipulación que el
investigador hace de la variable independiente. Este control le permite hacer las variaciones
oportunas e impedir que variables extrañas al proceso contaminen el resultado.
Los principales diseños:
A – Bivalentes. Son los que se componen de dos grupos: grupo control y grupo
experimental. Dentro de estos diseños los más usuales son:
-Diseño postest con grupo de control. El grupo experimental es el que recibe la
influencia de la variable independiente y el grupo control sirve de referencia para apreciar las
variaciones que se produzcan en el anterior.
- Diseño pretest-postest con grupo control. Es parecido al anterior. Se diferencia en
que en este caso las mediciones se hacen antes y después de la intervención de la variab le
independiente.
B – Multivalentes. Son los que se componen de más de dos grupos.
- Diseño con tres grupos. Se asigna un grupo control y dos experimentales. Los tres
grupos reciben pretest y postest. Los dos grupos experimentales reciben la acción de la
variable independiente, pero en diferente intensidad.
- Diseño con cuatro grupos. Un primer grupo recibe pretest y tratamiento, un segundo
sólo recibe pretest, un tercero sólo recibe tratamiento y el cuarto que sería el control, no recibe
nada. Todos los grupos hacen postest.

15
 C – Factoriales. Son aquellos en los que se tiene más de una variable independiente
para estudiar los cambios producidos sobre la variable dependiente.

2.2.3- Metodología cuasiexperimental.

La metodología cuasiexperimental, de igual forma que la experimental, manipula la
variable independiente, pero se diferencia de ella en que no ejerce el mismo grado de control
sobre las variables extrañas.
Este método está más indicado para la investigación que se desarrolla en escenarios
educativos naturales y se acepta la carencia de un control experimental completo.
Los tipos de diseños de la metodología cuasiexperimental son:
A – Diseños de grupo único.- Interviene un grupo de investigación.
- Diseño de un solo grupo con postest.- En este diseño la variable independiente sólo
se aplica a un grupo de sujetos y seguidamente el grupo realiza el postest para ver cuáles han
sido los efectos del tratamiento.
- Diseño de un solo grupo con pretest y postest.- Parecido al anterior con la diferencia
que en éste se empieza por aplicar un pretest cuyos resultados se compararán con los
obtenidos en el postest.
B – Diseños de grupo no equivalente
- Diseño de dos grupos con postest a ambos.- Existe un grupo experimental y otro
control; no son equivalentes, es decir, que los sujetos de uno y otro grupo pueden ser no
comparables en las características más relevantes. En este diseño, el grupo experimental
recibe tratamiento y postest y el grupo control sólo postest.
- Diseño de dos grupos con pretest y postest ambos. En este diseño, el grupo
experimental y el control realizan pretest y el postest, pero sólo el experimental recibe los
efectos de la variable independiente.
C – Diseños de series temporales interrumpidas. Lo propio de este método es que la
variable dependiente es medida antes y después del tratamiento varias veces. El efecto del
tratamiento viene determinado por la diferencia entre las medidas tomadas al grupo antes y
después de la intervención o tratamiento.
- Diseños simples. Se obtiene información de un solo grupo de sujetos, realizándose
varias medidas antes y después del tratamiento.
- Diseño de dos grupos no equivalentes. Se aplican varias medidas de pretest y postest
tanto al grupo control como al experimental, mientras que el efecto de la variable
independiente sólo lo recibe el experimental.

16
 - Diseño con retirada de tratamiento. Este diseño se diferencia de los anteriores en que
es posible retirar el efecto de la variable independiente en un momento determinado y el
investigador sigue tomando medidas.
D – Diseños de sujeto único. Estos diseños se parecen a los de series temporales
interrumpidas, pero con la diferencia de que interviene un solo sujeto.
- Diseño A-B. En la parte A se hace una línea base conductual y en el B se introduce el
tratamiento.
- Diseño A-B-A. En la parte A se hace una línea base conductual y en el B se introduce
el tratamiento y en A se retira el tratamiento pero se sigue tomando datos para la línea
conductual.
- Diseño A-B-A-B. En la parte A se hace una línea base conductual y en el B se
introduce el tratamiento, en A se retira el tratamiento pero se sigue tomando datos para la línea
conductual y B se vuelve a introducir el tratamiento.

2.2.4.- Metodología no experimental.

En la metodología cuantitativa no experimental el investigador no manipula la variable
independiente, para ver qué efectos produce en la variable dependiente, como ocurre en la
metodología experimental, sino que se plantea la validación de las hipótesis cuando el
fenómeno ya ha sucedido, de forma retrospectiva. La expresión «ex-post-facto» significa
«después del hecho», o lo que es igual, «después de haber sucedido», haciendo alusión a que
primero se produce el hecho y, después, se analizan las posibles causas y consecuencias.
Se trata, pues, de un tipo de investigación en donde no se modifica el fenómeno o
situación objeto de análisis, pues la relación entre las variables dependiente e independiente
ya se ha producido con anterioridad y el investigador sólo puede registrar sus medidas y
estudiar esa relación.
Cuando se quieren estudiar relaciones de causalidad, la mayor validez interna puede
conseguirse al utilizar las metodologías experimental y cuasiexperimental, porque las
variables son susceptibles de manipulación. Sin embargo, a causa de la complejidad y la
naturaleza de los fenómenos sociales, el educador no siempre puede seleccionar, controlar y
manipular todos los factores necesarios para determinar la relación de causalidad a través de
un experimento De ahí que, para explorar o confirmar relaciones de causalidad, en muchas
situaciones educativas sólo sea viable una primera aproximación con un planteamiento no
experimental.
La investigación no experimental comprende tres procedimientos de actuación:

17
 A – Método comparativo-causal. El objetivo de este método es detectar los factores
que parecen hallarse asociados a ciertos hechos. Es una exploración de las relaciones entre
variables sabiendo que no podemos manipular la variable independiente, por lo que se debe
esperar a que suceda espontáneamente.
B – Métodos descriptivos. Pretenden describir un fenómeno dado analizando su
estructura y descubriendo las asociaciones más o menos estables de las características que lo
definen, sobre la base de una observación sistemática del mismo, una vez ocurrido.
Dentro de los estudios de desarrollo se incluyen: estudios de desarrollo
(longitudinales, transversales y de cohorte), los de casos, los de encuesta (cuestionario,
entrevista) y los de observación.
C – Estudios correlacionales. Se pretende describir las relaciones que existen entre las
variables que intervienen en un fenómeno e indica el grado en que tienden a variar
conjuntamente en el mismo sentido o en el opuesto.

2.3.- Investigación cualitativa.

La investigación cualitativa pretende describir e interpretar los fenómenos educativos,
como parte de los fenómenos sociales, estudiando los significados e intenciones de las
acciones humanas desde la perspectiva de los propios interesados. Se sirve de las palabras, de
las acciones y de los documentos orales y escritos para estudiar las situaciones sociales tal
como son construidas por los participantes.
Los investigadores cualitativos utilizan el término «participantes» y no «sujetos» para
denominar a las personas investigadas, ya que el primero implica una «interacción con», más
propia de esta metodología, mientras que el segundo hace referencia más bien a una «acción
sobre», como corresponde a la metodología cuantitativa.
El investigador cualitativo intenta penetrar en el interior de las personas y entenderlas
desde dentro. Se trata de entender al otro poniéndose en su lugar, en vez de registrar y analizar
desde fuera los datos que le aporta.

2.3.1.- Características.
Las características de la investigación cualitativa son:
-Es inductiva: Las conclusiones y síntesis se van obteniendo de las informaciones
particulares y concretas que el investigador obtiene de los distintos participantes en la
investigación: procede de lo particular a lo general.

18
 -Es holística: El investigador ve a las personas y al escenario desde una perspectiva
total, global, unitaria: no son reducidos a variables sino considerados como un todo. Se
estudia a las personas en el contexto de su pasado y de las situaciones en las que se hallan.
-Es idiográfica: Importa lo específico, lo propio de cada caso (persona, situación,
grupo). Se busca la comprensión detallada de las perspectivas de otras personas, porque todas
las perspectivas son valiosas. Por eso todos los escenarios y personas son dignos de estudio:
ningún aspecto de la vida social o personal es demasiado frívolo o trivial para ser estudiado.
La investigación cualitativa no busca la generalización, sino que estudia en profundidad una
situación concreta. Desarrolla hipótesis individuales que se dan en casos individuales. No
busca la explicación o la causalidad, sino la comprensión.
-Es descriptiva: Su finalidad consiste en describir rigurosamente el hecho en el que se
desarrolla un acontecimiento.
-Es realista: Intenta comprender la realidad, de la que forman parte los valores, que
influyen asimismo en la investigación, ya que el conocimiento no es aséptico ni neutro, sino
que se refiere a los significados de los seres humanos en interacción y sólo tiene sentido en la
cultura y en la vida cotidiana. Es esencial experimentar la realidad tal y como otros la
experimentan.
-Es humanista. Como consecuencia de lo anterior, el conocimiento es un producto de
la actividad humana, por lo que no se descubre, sino que se produce. Esto hace que no tenga
sentido formular hipótesis previas.
-Es interactiva: La persona es un ser interactivo, comunicativo, que comparte
significados. Frente a la independencia investigador/investigados de la metodología
cuantitativa, la cualitativa sostiene su interrelación, hasta tal punto que se influyen.
-Es rigurosa: Los métodos cualitativos enfatizan la credibilidad porque pretenden
asegurar un estrecho ajuste entre los datos y lo que la gente realmente dice y hace. Los
resultados del estudio deben ser confiables y creíbles para la comunidad investigadora.
-Es genuina en el método: El investigador cualitativo es un artífice: crea su propio
método. Se siguen orientaciones generales, no reglas concretas. Los métodos sirven al
investigador; nunca éste es esclavo de un procedimiento; por eso, la investigación cualitativa
no comienza con hipótesis que hay que confirmar o rechazar.
Las bases científicas de la metodología cualitativa son: la veracidad, la aplicabilidad,
la consistencia y la neutralidad.
La veracidad se manifiesta cuando los datos recogidos responden o se identifican con
la realidad. La aplicabilidad se refiere a la posibilidad de aplicar los descubrimientos o

19
resultados obtenidos a otros contextos o situaciones parecidas. La consistencia indica el grado
en que se obtendría los mismos resultados si la investigación se replica o repite. La
neutralidad significa la seguridad de que los resultados no están sesgados.

2.3.2.- Métodos.
Son tres los métodos que vamos a citar: fenomenológico, estudio de casos y
etnográfico.
Método fenomenológico. Estudia el mundo tal como se nos presenta, en y a través de
la conciencia. Los investigadores estudian las formas cualitativamente diferentes con las que
los sujetos experimentan o piensan sobre varios fenómenos. Su propósito es descubrir las
formas de comprensión que la gente tiene de fenómenos específicos para encuadrarlos dentro
de categorías conceptuales. No realizan clasificaciones sobre el mundo tal cual, sino sobre
las concepciones que las personas tienen del mundo.
Método de estudio de casos. El estudio de casos implica el análisis de una situación
real en la que existen problemas que piden las oportunas soluciones. Consiste en una
descripción y análisis detallados de unidades sociales o entidades educativas únicas. Se sitúa
dentro del enfoque “idiográfico”, ya que pretende la comprensión profunda de la realidad
singular: individuo, familia, grupo, institución social, comunidad, etc. (De la Orden, 1985).
El estudio de casos es un tipo de investigación muy apropiado para estudiar un caso o
situación con cierta intensidad en un periodo relativamente corto de tiempo.
Método etnográfico.- La etnografía se interesa por lo que la gente hace, cómo se
comporta, cómo interactúa. Se propone descubrir sus creencias, valores, perspectivas,
motivaciones y el modo en que todo eso se desarrolla con el tiempo. Trata de hacer todo esto
desde dentro del grupo y desde dentro de las perspectivas de los miembros del grupo. Lo que
cuenta son sus significados e interpretaciones. Esto supone un aprendizaje de su lenguaje y
costumbres, con todos sus matices.
La etnografía educativa, estudia las distintas áreas de la vida social de la escuela.
Describe, explica e interpreta los fenómenos educativos que tienen lugar en el contexto de la
escuela. Su objetivo es aportar valiosos datos descriptivos de los escenarios educativos,
actividades y creencias de los participantes en ellos, descubriendo patrones de
comportamiento.

20
2.3.3.- Recogida de datos.
La observación participante es una técnica de recogida de datos en la que el
observador participa en la vida del grupo u organización que estudia, entrando en la conver-
sación con sus miembros y estableciendo un estrecho contacto con ellos, de manera que su
presencia no perturbe o interfiera de algún modo el curso natural de los acontecimientos. En
este caso el investigador se somete a las reglas formales e informales del grupo social,
participa en los distintos actos y manifestaciones de la vida, tiene acceso a sitios de reunión
exclusivos del núcleo, etc.
Podemos distinguir tres momentos o etapas en la observación participante: el acceso al
escenario, la estancia en el escenario y la retirada del escenario.
- Acceso al escenario: Lo primero que debemos hacer es identificar la situación que se
va a observar.
-Estancia en el escenario: La estancia en el escenario suscita tres tipos de cuestiones:
la dinámica social que se genera en el periodo de estancia, el objeto de observación y la
metodología. En la metodología, los procedimientos básicos a utilizar son tres: los de la
recogida de datos, los de su análisis y los de la comprobación de la fiabilidad de las
informaciones. La principal técnica de obtención de datos son las notas de campo, que
contienen aquello que es visto y oído por el investigador sin incluir ningún tipo de
interpretación. Se trata de registrar las narraciones, acciones e interacciones que se producen
en el contexto del modo más completo y exacto posible. Para ello es conveniente utilizar
video y audio, entre otros recursos. También debe anotar el observador su conducta. sus
impresiones y presentimientos, temores, percepciones, incidentes, predicciones, etc.
-Retirada del escenario: Esta fase procede una vez que de los datos obtenidos y de su
análisis se obtienen teorías relevantes y comprensibles. Para ello es necesario haber reunido
variedad de información desde diferentes perspectivas, separando claramente la descripción
de la interpretación y de los juicios.

2.4.- Investigación-acción.
La investigación-acción es aquella que tiene por objeto el trabajo ordinario del
profesor con el único fin de mejorar dicho trabajo.
Haciendo un resumen podemos decir que esta investigación se caracteriza por:
1- Se centra exclusivamente en la práctica educativa para mejorarla.
2- Es una investigación de carácter mixto al poder utilizar tanto metodología
cuantitativa como cualitativa.

21
3- Es una investigación que puede hacerse tanto de modo individual como en equipo.

22
 II ) ASPECTOS PRÁCTICOS

Veamos a continuación de forma práctica y más desarrollada los puntos a seguir en un

trabajo de investigación:

1.- Formulación del problema.

Las preguntas que nos hacemos en la actividad diaria de clase son preguntas sencillas
ante problemas sencillos, al menos en apariencia. Nos preocupamos de qué método es el más
adecuado para una determinada asignatura, nos preocupa el dominio de un alumno disruptivo,
buscamos la mejor forma de enseñar o de hacer participar a un alumno distraído en la
actividad diaria de clase, etc. Aunque, la complejidad del problema va a depender mucho de la
situación o de nuestras expectativas ante la tarea diaria de clase, nuestro consejo es que
tratemos de resolver problemas sencillos sin grandes complejidades que nos resuelvan la
situación problemática del momento. Aquí nos moveremos en una visión práctica, en la
dirección de la llamada investigación-acción.
Hemos propuesto dos ejercicios ficticios pero verosímiles, sólo queda que situaciones
parecidas y sacadas de la realidad escolar conformen la investigación de cada maestro o grupo
de maestros, en situaciones concretas y diferentes de su propia realidad.
He aquí algunas situaciones problemáticas:
Ejemplo 1: Como profesor de lengua en 6° de primaria, estoy preocupado por la
enseñanza de la ortografía. Creo que además del método tradicional (dictado, repetición
escrita de la palabra, etc.) sería de gran ayuda para una mejora de dicha ortografía, una
actividad consistente en hacer crucigramas. Quiero comprobar si esta actividad, unida al
método tradicional, mejora de forma significativa la adquisición de la ortografía. Debemos
comentar que el profesor imparte clases en dos cursos (A y B) del mismo nivel
Ejemplo 2: Quiero saber si el rendimiento académico de los alumnos de ESO depende
de aspectos relacionados con la familia, la escuela 1 o sus propias características personales; y
si puedo predecir el rendimiento en función de estos aspectos.

2.- Consulta de fuentes.

Planteados los dos problemas, debemos consultar las fuentes relacionadas con dichos
problemas. Es posible que nuestro primer planteamiento cambie en algo después de la
consulta a fuentes, o que ese trabajo esté perfectamente documentado y no necesite

1
Este aspecto lo trataremos de forma especial, como se verá más adelante.

23
investigarlo personalmente. Supongamos que el problema planteado está poco estudiado y
que además de resolvernos la situación concreta que nos preocupa, podemos aportar nuestro
grano de arena a la investigación en la escuela.
Consideramos que la revisión bibliográfica es fundamental para saber por dónde van
las investigaciones actuales en estos aspectos y para ubicar nuestro trabajo dentro de este
mapa investigador.
Una de tantas formas para buscar información es la siguiente:
1- Entrar en internet en la página www.ugr.es
2- Dentro de esta página pulso en “Servicios”
3- Dentro de servicios pulso “Biblioteca Universitaria”
4- Pulsar bases de datos
5- Acceso a base de datos de Silver Platter a través de ERL
6- De las múltiples bases de datos que aparecen se señalan aquellas que se relacionan
con el tema que tratamos.
7- Una vez seleccionada, en la parte superior se señala “abrir base de datos”
8- En la ventana que aparece, se escribe las palabras claves y aparecerán los
“abstract” de todos los artículos con dicha palabra clave.

3.- Formulación de hipótesis.

De forma muy general diremos que las hipótesis deben ser realistas, estar expresadas
de forma muy sencilla y que puedan ser demostrables.
Distinguiremos entre la hipótesis nula (H 0) y la hipótesis alternativa (H 1). La
hipótesis nula es la que supone que no existen diferencias significativas entre las puntuaciones
de las variables consideradas, mientras que la hipótesis alternativa es aquella que afirma la
existencia de diferencias significativas.
En el primer ejemplo las hipótesis quedarían de la siguiente forma:
H0 = No existen diferencias significativas en la adquisición de la ortografía, se haga de
forma clásica o de forma en la que se añada la actividad de los crucigramas.
H1 = Existen diferencias significativas en función de que se enseñe la ortografía con
actividad (crucigramas) o sin ella.
En el segundo ejemplo el planteamiento de hipótesis es más complejo. Teniendo en
cuenta las variables que hay definidas en el epígrafe siguiente, plantearemos las siguientes
hipótesis.
H0 = El rendimiento está influido por la adaptación familiar.

24
 H0 = El rendimiento está influenciado por el estado civil de la pareja en la que vive el
sujeto.
H0 = El rendimiento depende del sexo.
H0 = El rendimiento depende de la edad.
H0 = El rendimiento depende de la cultura en la que se inserta el sujeto.

4.- Identificación de las variables.

En este momento, debemos identificar y cuantificar las variables. En el primer ejemplo
consideraremos las siguientes:
Dictadoc = Número de faltas cometidas por los sujetos del grupo control en un dictado
de 100 palabras. Es variable cuantitativa discreta.
Dictadoe = Número de faltas cometidas por los sujetos del grupo experimental en un
dictado de 100 palabras. Es variable cuantitativa discreta.
El dictado será el mismo en todos los casos.
En el segundo ejemplo las variables que podemos considerar dependen de las
intenciones que tengamos, ya que como podemos observar, el problema está expuesto de
forma muy general.
Una variable será “rendimiento”, pero ¿qué es rendimiento? Y ¿cómo la
cuantificamos? Supongamos que consideramos que el rendimiento es la suma de las
calificaciones que el alumno ha sacado en Matemáticas, Lengua y Ciencias Sociales; entonces
una variable será Matemáticas, otra Lengua y otra Ciencias Sociales. La variable rendimiento
sería un sumatorio de las tres consideradas anteriormente.
Matemati = calificación obtenida en la prueba correspondiente, con un rango de 1 a
10. Es variable cuantitativa continua.
Lengua = calificación obtenida en la prueba correspondiente, con un rango de 1 a 10.
Es variable cuantitativa continua.
Sociales = calificación obtenida en la prueba correspondiente, con un rango de 1 a 10.
Es variable cuantitativa continua.
Rendimi = Matemati + Lengua + Sociales. Es variable cuantitativa continua.
Sigamos en nuestro empeño de definición de variables. El rendimiento lo queremos
relacionar con aspectos familiares. ¿Cómo cuantificamos esta variable? Procederemos de
igual forma que antes. Podemos considerar que los aspectos familiares más destacables son el
estado civil de los padres de los sujetos y la adaptación familiar de estos. Tendremos dos
nuevas variables: el estado civil, que se puede conseguir con una simple pregunta de

25
cuestionario, y adaptación familiar, que puede conseguirse con cualquier cuestionario del
mercado (En el caso de cuestionarios habría que hacer transformaciones con las puntuaciones
directas).
Estacivi = Variable cualitativa nominal. Damos el valor “1” para el estado de casado y
el “2” para los demás estados (separado, divorciado,...)
Adaptafa = Variable cualitativa ordinal de tipo Likert. El valor “1” es para cuando la
adaptación familiar es muy baja, “2” para cuando es baja, “3” para cuando es normal, “4”
cuando es buena y “5” cuando es muy buena, (la escala hecha en esta variable, ha supuesto
una transformación de las puntuaciones directas).
El rendimiento también lo hemos relacionado con aspectos de tipo personal. Podemos
considerar que son aspectos personales importantes: el sexo, la edad y la cultura a la que
pertenece. Por tanto, definimos las variables.
Sexo = Variable cualitativa nominal, con valores “1” para los hombres y “2” para las
mujeres.
Edad = Considerada en años. Es variable cuantitativa discreta.
Cultura = Variable cualitativa nominal, con los valores “1” para cristianos, “2” para
musulmanes y “3” para gitanos.
Por último, relacionamos el rendimiento con aspectos escolares. Es obvio que
podemos considerar muchos aspectos, pero a fuerza de imaginar, podemos considerar que la
valoración que el alumno hace del comportamiento del profesor es fundamental en el
rendimiento. Este apartado de momento lo vamos a desgajar del problema y él en sí mismo
será otro problema que podemos plantear diciendo qué queremos conocer, en función de la
valoración que hacen los alumnos del comportamiento del profesor, y saber qué perfil de
alumno es el que tengo en clase.

5.- Realización del diseño de investigación.

En el primer ejemplo, como el profesor imparte clases en dos grupos, uno de ellos, por
ejemplo el “A” lo utilizaremos como grupo control, es decir, como el grupo en el que no se
aplica la intervención; y el grupo “B” como el experimental, es decir, en el que sí se aplica la
intervención, consistente en hacer crucigramas.
El método sería cuasiexperimental, ya que no hay un control total sobre la variables
intervinientes y porque la experimentación se desarrolla en un escenario educativo natural.
Dentro de este método, estaríamos en un diseño de dos grupos con postest a ambos. Su
representación sería:

26
 Grupos Pretest Tratamiento Postest
Experimental NO SÍ SÍ
De control NO NO SÍ

Por tanto, durante el curso académico impartiríamos clases de ortografía en un curso,

el control, de forma clásica y en el experimental, a la forma clásica le sumaríamos la actividad
de los crucigramas. Terminado el curso pasaríamos la prueba de dictado de 100 palabras.
En el segundo ejemplo el diseño es múltiple, destacando el cuantitativo experimental
de tipo factorial.

6.- Población y muestra a utilizar.

En el primer ejemplo, la población la constituirían todos los alumnos de 6° de
primaria. Es evidente que sería muy costoso pasar la prueba de ortografía a todos estos
sujetos. Es preciso coger una muestra de esta población. Como la experiencia es en mi clase,
que es de “tal” colegio y de “tal” ciudad, resulta que la selección de los individuos no es
probabilística, ya que no todos los sujetos tienen la misma probabilidad de ser elegidos en la
muestra; más bien se han elegido siguiendo determinados criterios; en nuestro caso la
selección de los individuos depende de la posibilidad de acceder a ellos. Podemos decir, por
tanto, que nuestro muestreo sería no probabilístico y accidental o causal.
En nuestro caso la muestra la constituyen 20 sujetos elegidos al azar del grupo A
(control) y 20 del grupo B (experimental).
En el segundo ejemplo el muestreo también lo podemos considerar de tipo no
probabilístico y accidental o causal. Se han considerado cuatro clases de ESO (primero,
segundo, tercero y cuarto) y con un tamaño de muestra de 30 sujetos.

7.- Datos a utilizar y tratamiento estadístico.

Antes de introducirnos en los cálculos estadísticos, sería conveniente hacer una
introducción al programa SPSS en sus funciones más elementales y hacer una tabla con los
pasos básicos en el tratamiento estadístico.
Empezaremos creando una base de datos. Para ello abriremos el programa. En la parte
inferior se abre la pestaña “vista de variables” y aparecerá una nueva pantalla con las
columnas: nombre, tipo, anchura, etc. En la primera celda de la columna “nombre”
escribiremos el nombre de la variable; en el primer ejemplo pondremos “dictadoc”. Pasamos
con el ratón a la celda “tipo” y al picarla aparece un menú en el que debe estar marcada la
opción “numérica”; si es así damos a “aceptar”. La columna “anchura” se deja con el número

27
ocho por defecto. La columna decimales, en nuestro caso, se debe poner a cero, ya que el
número de faltas cometidas en un dictado no va a ser decimal. En la columna “etiqueta” se
debe hacer una descripción de la variable; en nuestro caso pondríamos: “número de faltas
cometidas por el grupo control”. En el resto de las columnas, de momento, no pondremos
nada.
De igual forma se procederá con las demás variables. En este caso “dictadoe” se haría
exactamente igual, sólo cambiaría en la “etiqueta” en la que cambiaríamos grupo control por
grupo experimental.
Realizada la operación de definir las variables, pulsaremos con el ratón la pestaña
situada en la parte inferior “vista de datos”. En la pantalla aparecerán las columnas con los
nombres de las variables y, ahora, sólo nos queda introducir los datos (número de faltas)
obtenidos por casa sujeto en la prueba del dictado.
Ya tenemos la matriz de trabajo preparada, de momento con dos variables. Para que no
se pierdan los datos, procedemos a guardar estos datos. Para ello abriremos del menú que
aparece en la parte superior, la opción “archivos” y dentro de ésta, la opción “guardar”. Se nos
invita a poner nombre a este archivo que en nuestro caso parece oportuno nominarlo como
“ortografía” tras lo que pulsaremos “guardar”.
Dejemos por un momento el programa al que volveremos más tarde, para dar unas
líneas muy generales de lo que podemos hacer estadísticamente con las variables.
Descriptivo Inferencial Instrumento Relacional
- Variable cualitativa nominal - Tablas de contingencia. - Fiabilidad - Correlación
. Moda - Pruebas paramétricas - Validez - Regresión
. Diagrama de barras - Pruebas no paramétricas
. Tabla de frecuencias
. Pruebas de bondad.

- Variable cualitativa ordinal

(depende de cómo se
considere)

- Variable cuantitativa
. Prueba de normalidad
. Media, mediana, moda,
desviación típica, varianza,
rango, valor máximo y
mínimo, curtosis, asimetría,
cuartiles e histograma con
curva normal.
. Tabla de frecuencias

Pasemos a realizar el estudio descriptivo de las variables del primer ejemplo. Como
son variables de tipo cuantitativo, realizaremos las operaciones que aparecen en el cuadro:

28
 1.- Prueba de normalidad. Se trata de ver si los datos de la variable se distribuyen de
forma “normal” (campana de Gauss). Procedemos de la siguiente forma, para ver dicha
normalidad: marcar el menú “analizar”, “pruebas no paramétricas”, K-S de 1 muestra. En la
ventana que se abre, aparecerán dos ventanitas, en la de la izquierda están las variables, que
debemos marcar y pasar a la ventanita de la derecha por medio de la flecha entre ambas.
Hecho esto, nos cercioramos de que está señalada la opción “normal”, tras lo cual daremos a
“aceptar”. El resultado será el que aparece a continuación:

Prueba de Kolmogorov-Smirnov para una muestra

DICTADOC DICTADOE
N 20 20
Parámetros normales Media 5,65 2,45
Desviación típica 3,03 1,57
Diferencias más extremas Absoluta ,115 ,163
Positiva ,086 ,163
Negativa -,115 -,138
Z de Kolmogorov-Smirnov ,515 ,727
Sig. asintót. (bilateral) ,954 ,665
a La distribución de contraste es la Normal.
b Se han calculado a partir de los datos.

¿Cómo interpretar estos datos? La hipótesis nula (H0) que planteo es que la variable se
distribuye normalmente y la hipótesis alternativa (H 1) es que la variable no de distribuye
normalmente. Cuando los valores de la significación son mayores de 0,05 debo admitir la
hipótesis nula, y si el valor es menor de 0,05, tomaré la hipótesis alternativa. En nuestro caso
los valores de la significación “Sig. Asintót. (bilateral)” (Significación asintótica bilateral) son
para “dictadoc” 0,954 y para “dictadoe”0,665. Vemos, por tanto, que al ser los valores de la
significación mayores de 0,05 debemos admitir la hipótesis nula, es decir, que las dos
variables se “distribuyen normalmente”.
2.- Media, mediana, moda, desviación típica, varianza, rango, valor máximo y mínimo,
curtosis, asimetría, cuartiles. Para obtener todos estos parámetros seguimos la siguiente ruta:
“analizar”, “estadísticos descriptivos”, “frecuencias”. En la ventana que se abre, pasamos las
variables a la ventanita de la derecha. Después pulsamos la opción “estadísticos” y
señalaremos: cuartiles, desv. Típica, varianza, amplitud, mínimo, máximo, media, mediana,
moda, asimetría y curtosis; confirmamos con continuar. Volvemos a señalar la opción
“gráficos” y dentro de ella marcamos “histograma con curva normal y continuar, aceptar. Los
resultados son los que siguen:
Estadísticos

29
 DICTADOC DICTADOE
N Válidos 20 20
Perdidos 0 0
Media 5,65 2,45
Mediana 6,00 2,00
Moda 5 2
Desv. típ. 3,03 1,57
Varianza 9,19 2,47
Asimetría -,056 -,033
Curtosis -,223 -,876
Rango 12 5
Mínimo 0 0
Máximo 12 5
Percentiles 25 3,25 1,25
50 6,00 2,00
75 8,00 4,00
a Existen varias modas. Se mostrará el menor de los valores.

La media es la media aritmética de todos los valores dividido por el número de sujetos.
La mediana es el valor central de la distribución y la moda es el valor de mayor frecuencia.
Cuando una distribución normal es perfecta, media, mediana y moda coinciden. En nuestro
caso, dichas medidas no son las mismas por lo que la distribución normal no es perfecta. La
desviación típica nos indica la forma en que los sujetos se sitúan en torno a la media. En
nuestro caso, la desviación típica de “dictadoc” es de 3,03 y la de “dictadoe” 1,57. Esto quiere
decir que las notas de los sujetos del grupo control están mucho más dispersas; es decir, los
valores máximos y mínimos son más frecuentes, respecto a la media que los del grupo
experimental, que aparece más compacto; el rango nos da idea de lo que estamos diciendo.
Anteriormente hemos dicho que la distribución de los datos no es perfecta. Parte de
esa información la proporcionan la asimetría y la curtosis. La asimetría indica si la curva se
desplaza hacia la derecha o hacia la izquierda; cuando el valor es positivo, el desplazamiento
es hacia la izquierda, es decir, hacia los valores más pequeños; y cuando es negativo se
desplaza hacia la derecha, hacia los valores más altos. La curtosis nos indica la elevación de la
curva hacia arriba (leptocúrtica) o hacia abajo (planicúrtica). Los valores positivos la suben y
los negativos la bajan. Lo ideal tanto en la asimetría como en la curtosis, es el valor cero.
Los cuartiles indican el número de faltas del 25%, 50% y 75% de los sujetos.
Veamos ahora los datos del histograma con la curva normal:

30
 DICTADOC DICTADOE
7
7

6
6

5 5

4 4

3 3

2 2
Frecuencia

Frecuencia
Desv. típ. = 3,03 Desv. típ. = 1,57
1 1
Media = 5,7 Media = 2,5
0 N = 20,00 0 N = 20,00
0,0 2,0 4,0 6,0 8,0 10,0 12,0 0,0 1,0 2,0 3,0 4,0 5,0

DICTADOC DICTADOE

3.- Tabla de frecuencias.- Nos indica la frecuencia de cada caso el tanto por ciento (se
debe mirar el “porcentaje válido”)

DICTADOC

Faltas Frecuencia Porcentaje Porcentaje válido Porcentaje acumulado

0 1 5,0 5,0 5,0
1 1 5,0 5,0 10,0
2 2 10,0 10,0 20,0
3 1 5,0 5,0 25,0
4 1 5,0 5,0 30,0
5 3 15,0 15,0 45,0
6 3 15,0 15,0 60,0
7 2 10,0 10,0 70,0
8 3 15,0 15,0 85,0
9 2 10,0 10,0 95,0
12 1 5,0 5,0 100,0
Total 20 100,0 100,0

DICTADOE

Faltas Frecuencia Porcentaje Porcentaje válido Porcentaje acumulado

0 3 15,0 15,0 15,0
1 2 10,0 10,0 25,0
2 6 30,0 30,0 55,0
3 3 15,0 15,0 70,0
4 4 20,0 20,0 90,0
5 2 10,0 10,0 100,0
Total 20 100,0 100,0

Ya hemos hecho el descriptivo para las dos variables de nuestro estudio. Ha llegado el
momento de preguntarnos si las puntuaciones del grupo control y el experimental en
ortografía son significativamente diferentes desde el punto de vista estadístico. Es decir, ha
servido la actividad de hacer crucigramas para que el niño tenga menos faltas de ortografía, o
por el contrario los crucigramas sirven para poco a la hora de enseñar ortografía.

31
 Acudimos a las pruebas inferenciales. De los tres caminos indicados, de momento
descartamos las tablas de contingencia, ya que éstas se utilizan cuando las variables son
cualitativas. Cuáles usaremos entonces, las paramétricas o las no paramétricas. De forma muy
general diremos que las no paramétricas se utilizan cuando las variables n o se distribuyen de
forma normal y cuando las muestras son pequeñas. Cuando la distribución es normal y con
muestras suficientemente amplias debemos usar las pruebas paramétricas. En nuestro caso
tenemos dos variables que se distribuyen normalmente pero la cantidad de sujetos es pequeña.
Utilizaremos ambas pruebas y observaremos que los resultados van a ser muy parecidos.
La ruta a seguir es la siguiente para las pruebas no paramétricas: “analizar”, “pruebas
no paramétricas” “dos muestras relacionadas”. Se señala la primera variable que aparecerá
escrita debajo en variable 1, luego se señala la segunda que volverá a aparecer abajo en
variable 2 y con la flecha se insertan en la ventanita “contrastar pares”. En “opciones” se
marcan “descriptivos”, continuar y aceptar. Los resultados son los que siguen.
Estadísticos descriptivos

N Media Desviación típica Mínimo Máximo

DICTADOC 20 5,65 3,03 0 12
DICTADOE 20 2,45 1,57 0 5

Rangos

N Rango promedio Suma de rangos

DICTADOE - DICTADOC Rangos negativos 16 11,31 181,00
Rangos positivos 3 3,00 9,00
Empates 1
Total 20
a DICTADOE < DICTADOC
b DICTADOE > DICTADOC
c DICTADOC = DICTADOE

Estadísticos de contraste

DICTADOE - DICTADOC
Z -3,477
Sig. asintót. (bilateral) ,001
a Basado en los rangos positivos.
b Prueba de los rangos con signo de Wilcoxon

Antes de la interpretación de los resultados, queremos aclarar el porqué se ha elegido

la opción de muestras relacionadas. Lo importante aquí no es comparar los dos grupos, que en
realidad se consideran el mismo porque suponemos que parten del mismo nivel ortográfico;
es por ello que no los consideramos como grupos independientes.
Veamos ahora la interpretación:

32
 La H0 es que no hay diferencias significativas entre las medias de los que no reciben la
actividad de los crucigramas y los que sí la reciben.
La H1 es que no puedo aceptar H0.
Mirando el cuadro de “Estadísticos de contraste” observamos que la significación es
de 0,001. Al ser menor de 0,05 debemos tomar la H 1. Entendemos por ello que la realización
de la práctica de crucigramas reduce de forma significativa el número de faltas cometido por
los sujetos, ya que como vemos en el cuadro “estadísticos descriptivos” la media en faltas de
los alumnos del grupo experimental es inferior al del grupo control.
Para la prueba paramétrica seguiremos la siguiente ruta: “analizar”, “comparar
medias”, “pruebas T para muestras relacionadas”. Una vez abierta la ventana se procede de
forma parecida a la prueba anterior. Los resultados son como siguen:
Estadísticos de muestras relacionadas

Media N Desviación típ. Error típ. de la media

Par 1 DICTADOC 5,65 20 3,03 ,68
DICTADOE 2,45 20 1,57 ,35

Correlaciones de muestras relacionadas

N Correlación Sig.
Par 1 DICTADOC y DICTADOE 20 ,278 ,236

Prueba de muestras relacionadas

Diferencias t gl Sig.
relacionada (bilateral)
s
Media Desviación Error típ. de 95%
típ. la media Intervalo de
confianza
para la
diferencia
Inferior Superior
Par 1 DICTADOC 3,20 3,00 ,67 1,80 4,60 4,767 19 ,000
-
DICTADOE

Al final de la tabla “prueba de muestras relacionadas” aparece la significación 0,000.

Esto confirma lo hallado anteriormente con las pruebas no paramétricas.
Para el segundo ejemplo los cálculos estadísticos serán los siguientes:
Como en el primer ejemplo introduciremos las variables para confeccionar la base de
datos. Se procede de igual forma que lo hicimos en el primer ejemplo; sólo hay pequeños
cambios que describiremos a continuación.

33
 En las variables: matemati, lengua y sociales, la novedad está en que pondremos en la
celda de “decimales” un “1” ya que las notas se darán con un decimal.
En las variables adaptafa, estacivi, cultura y sexo vamos a la celda de “valores” y
abrimos el menú, si estamos en la variable adaptafa, pondremos en valor “1” y en etiqueta de
valor “muy baja”, pulsamos añadir; volvemos a valor y ponemos “2” y en etiqueta de valor
“baja”, añadir..., así hasta llegar a valor “5” y etiqueta de valor “muy alta”. Una vez terminada
todas las categorías se pulsa aceptar. Así, se hará en el resto de variables teniendo en cuenta
las categorías que hemos definido.
En la variable edad, no haremos nada especial.
Recordaremos que la variable rendimiento debemos crearla ya que es una variable
suma de tres variables. Procedemos de la siguiente forma: en el menú superior pulsar
“transformar” y luego “calcular” de inmediato saldrá una pantalla en la que aparecerá
“variable de destino”, ahí ponemos el nombre de la nueva variable: “rendimi”, luego picamos
la variable matemati y con la flecha la insertamos en “expresión numérica” posteriormente
elijo del panel el signo de la suma (+), vuelvo y elijo la variable lengua y con la flecha la
inserto de nuevo en “expresión numérica” vuelvo a pulsar el signo (+); por último señalo la
variable sociales y la inserto en “expresión numérica” doy a aceptar y aparecerá la nueva
variable en la matriz.
Para el análisis descriptivo tendremos en cuenta que hay uno para las variables
cualitativas (sexo, cultura, adaptafa y estacivi) y otro para las cuantitativas (edad, matemati,
lengua, sociales y rendimi).
1.- Tablas de frecuencia para las variables cualitativas.
Estadísticos

SEXO ADAPTAFA CULTURA ESTACIVI

N Válidos 30 30 30 30
Perdidos 0 0 0 0
Moda 1 3 2 1

SEXO
Frecuencia Porcentaje Porcentaje válido Porcentaje acumulado
hombres 16 53,3 53,3 53,3
mujeres 14 46,7 46,7 100,0
Total 30 100,0 100,0

ADAPTAFA
Frecuencia Porcentaje Porcentaje válido Porcentaje acumulado
muy baja 2 6,7 6,7 6,7
baja 9 30,0 30,0 36,7
normal 10 33,3 33,3 70,0
alta 7 23,3 23,3 93,3

34
 muy alta 2 6,7 6,7 100,0
Total 30 100,0 100,0

CULTURA
Frecuencia Porcentaje Porcentaje válido Porcentaje acumulado
cristiano 14 46,7 46,7 46,7
musulmán 15 50,0 50,0 96,7
Gitano 1 3,3 3,3 100,0
Total 30 100,0 100,0

ESTACIVI
Frecuencia Porcentaje Porcentaje válido Porcentaje acumulado
casado 24 80,0 80,0 80,0
no casado 6 20,0 20,0 100,0
Total 30 100,0 100,0
SEXO ADAPTAFA
20 12

10

10 6

4
Frecuencia

Frecuencia

0 0
hombres mujeres muy baja baja normal alta muy alta

SEXO ADAPTAFA

ESTACIVI
CULTURA 30
16

14

12
20
10

6 10
Frecuencia

4
Frecuencia

0 0
cristiano musulmán gitano casado no casado

CULTURA ESTACIVI

2.- Prueba de bondad para las variables cualitativas.

Las pruebas de bondad nos ayudan a determinar si los valores que toma la variable se
dan en frecuencia adecuada para poder inferir. Si en una muestra el sexo el tanto por ciento de
hombres es del 98% y el de las mujeres el del 2%, parece lógico pensar que las mujeres están
en una frecuencia tan pequeña que realmente no podremos inferir nada respecto al sexo.
La prueba binomial es una prueba de bondad para cuando la variable tiene dos valores.
Cuando tiene más de dos valores, entonces utilizamos la prueba Chi Cuadrado.
La H0 = los valores de la variable están en proporción para poder inferir.

35
 Prueba binomial
Categoría N Proporción observada Prop. de prueba Sig. asintót. (bilateral)
SEXO Grupo 1 hombres 16 ,53 ,50 ,855
Grupo 2 mujeres 14 ,47
Total 30 1,00
ESTACIVI Grupo 1 casado 24 ,80 ,50 ,002
Grupo 2 no casado 6 ,20
Total 30 1,00
a Basado en la aproximación Z.

Observamos que la variable sexo tiene una significación de 0,855, mayor que 0,05
luego no puedo rechazar la hipótesis nula; por tanto las frecuencias de hombres y mujeres en
el sexo están en proporción adecuada. Sin embargo, el estado civil tiene una significación de
0,002, menor que 0,05 lo que implica que no puedo aceptar la hipótesis nula, por tanto no
podré inferir nada respecto a la variable “estacivi”. Se puede observar como la frecuencia de
no casado es de 6 frente a la de casados que es 24.
Veamos ahora las variables con más de dos categorías.

CULTURA
N observado N esperado Residual
cristiano 14 10,0 4,0
musulmán 15 10,0 5,0
gitano 1 10,0 -9,0
Total 30

ADAPTAFA
N observado N esperado Residual
muy baja 2 6,0 -4,0
baja 9 6,0 3,0
normal 10 6,0 4,0
alta 7 6,0 1,0
muy alta 2 6,0 -4,0
Total 30

Estadísticos de contraste
ADAPTAFA CULTURA
Chi-cuadrado 9,667 12,200
Gl 4 2
Sig. asintót. ,046 ,002

La hipótesis nula en la variable cultura es que los tres valores de los que se compone,
están en proporción adecuada. Por la significación 0,002 podemos afirmar que no están en
proporción. Si vemos los datos de la variable observamos que los gitanos tienen una
frecuencia igual a 1; pero esto no impide que la información que me proporciona la variable
en cristianos y musulmanes tenga que ser desechada. Lo que podemos hacer es quitar el valor

36
de los gitanos y dejar la variable con los valores de cristianos y musulmanes. Para hacerlo
procedemos de la siguiente forma:
Abrimos el programa SPSS, pulsamos en la parte inferior la pestaña de “vista de
variables” buscamos la variable “cultura” y nos vamos a la columna en la que pone
“perdidos”, señalamos en “valores perdidos discretos” y escribimos el número que
corresponde a los gitanos que era el 3, damos a aceptar y la variable quedará con los valores
sólo que el valor 3 de los gitanos no entrará en los cálculos realizados por el programa.
La variable adaptación familiar tiene una significación de 0,046, por lo que tampoco
podemos aceptar la hipótesis nula que dice que los valores están en proporción adecuada. Si
vemos las frecuencias se observa que los valores extremos: “muy baja” y “muy alta” tienen
una frecuencia pequeña. Para no perder información podemos hacer una adaptación y es
agrupar los cinco valores en tres. Por ejemplo muy baja y baja, sería uno; normal, el otro; y,
alta y muy alta, el tercero. Para ello, procedemos de la siguiente manera:
En el menú de arriba de SPSS marcar “transformar”, después “recodificar en distinta
variable”, marcar la variable que queremos transformar que en este caso es “adaptafa” y con
la flecha la metemos en la ventanita; en “variable de resultado, nombre” ponemos el nombre
de la nueva variable, a la que podemos llamar “faadapta” y pulsamos cambiar. Hecho esto
marcamos “valores antiguos y nuevos” y se abrirá una pantallita en la que ponemos en
“valores antiguos” el 1, después vamos a “valores nuevos” y ponemos 1, pulsamos “añadir”;
volvemos a “valores antiguos” y ahora ponemos 2 y en “valores nuevos” el 1, añadir. “valores
antiguos” 3 “valores nuevos” 2; “valores antiguos” 4, “valores nuevos” 3; “valores
antiguos”5, “valores nuevos” 3 y se pulsa “aceptar”. Ya se ha creado la nueva variable
“faadapta” con los valores 1 cuando la adaptación es baja o muy baja, 2 cuando es normal y 3
cuando es alta o muy alta.
Lo que debemos hacer ahora es pasar las pruebas de bondad a las nuevas variables,
para ver si los nuevos valores asignados a las variables están en la proporción adecuada.
Prueba binomial

Categoría N Proporción observada Prop. de prueba Sig. asintót. (bilateral)

CULTURA Grupo 1 cristiano 14 ,48 ,50 1,000
Grupo 2 musulmán 15 ,52
Total 29 1,00
a Basado en la aproximación Z.

FAADAPTA
N observado N esperado Residual
baja y muy baja 11 10,0 1,0
normal 10 10,0 ,0
alta y muy alta 9 10,0 -1,0

37
 Total 30

Estadísticos de contraste
FAADAPTA
Chi-cuadrado ,200
gl 2
Sig. asintót. ,905

Ahora observamos que las significaciones tienen valores superiores a 0,05, ya que son
1 y 0,905. Por tanto, no podemos rechazar la hipótesis nula que dice que los valores entran
dentro de la proporción adecuada.
3.- Diagrama de barra y moda.
CULTURA
16
SEXO
20 14

12

10

8
10
6

4
Frecuencia
Frecuencia

0
0
hombres mujeres cristiano musulmán

SEXO CULTURA

FAADAPTA
12
ESTACIVI
30
10

20

4
10
Frecuencia
Frecuencia

0
0
casado no casado baja y muy baja normal alta y muy alta

ESTACIVI FAADAPTA

4.- Pruebas de normalidad para las variables cuantitativas.

Prueba de Kolmogorov-Smirnov para una muestra
EDAD MATEMATI LENGUA SOCIALES RENDIMI
N 30 30 30 30 30
Parámetros normales Media 13,50 5,187 4,537 5,600 15,3233
Desviación típica 1,11 2,004 1,486 2,990 4,1724
Diferencias más extremas Absoluta ,174 ,104 ,149 ,314 ,131
Positiva ,174 ,104 ,149 ,252 ,114
Negativa -,174 -,100 -,119 -,314 -,131
Z de Kolmogorov-Smirnov ,955 ,568 ,815 1,717 ,718
Sig. asintót. (bilateral) ,322 ,903 ,519 ,005 ,681
a La distribución de contraste es la Normal.
b Se han calculado a partir de los datos.

38
 La H0 = las variables se distribuyen normalmente.
Observamos que edad (0,322), matemati (0,903), lengua (0,519) y rendimi (0,681), al
tener valores mayores de 0,05, podemos afirmar que se distribuyen normalmente; por el
contrario, la variable sociales (0,005) no se distribuye normalmente.
5.-Media, mediana, moda.....histograma con curva normal.
Estadísticos

MATEMATI LENGUA SOCIALES RENDIMI EDAD

N 30 30 Válidos
30 30 30
0 0 Perdidos
0 0 0
Media 5,187 4,537 5,600 15,3233 13,50
Mediana 5,000 4,050 7,000 16,1500 13,50
Moda 5,0 4,0 8,0 11,00 13
Desv. típ. 2,004 1,486 2,990 4,1724 1,11
Varianza 4,014 2,209 8,938 17,4087 1,22
Asimetría -,037 ,103 -,480 -,033 ,000
Curtosis -,317 -,853 -1,636 -,645 -1,303
Rango 8,0 5,4 9,0 16,80 3
Mínimo 1,0 2,0 1,0 7,60 12
Máximo 9,0 7,4 10,0 24,40 15
Percentiles 25 3,900 3,600 2,000 11,3750 12,75
50 5,000 4,050 7,000 16,1500 13,50
75 6,900 5,600 8,000 18,2250 14,25
a Existen varias modas. Se mostrará el menor de los valores.

MATEMATI LENGUA
10 10

8 8

6
6

4
4
Frecuencia

2 Desv. típ. = 1,49

Frecuencia

2
Desv. típ. = 2,00 Media = 4,54
Media = 5,2 0 N = 30,00
0 N = 30,00 2,00 3,00 4,00 5,00 6,00 7,00
1,0 2,0 3,0 4,0 5,0 6,0 7,0 8,0 9,0 2,50 3,50 4,50 5,50 6,50 7,50

MATEMATI LENGUA

SOCIALES RENDIMI
20 10

10

4
Frecuencia

Frecuencia

2
Desv. típ. = 2,99 Desv. típ. = 4,17
Media = 5,6 Media = 15,3
0 N = 30,00 0 N = 30,00
0,0 2,5 5,0 7,5 10,0 8,0 10,0 12,0 14,0 16,0 18,0 20,0 22,0 24,0

SOCIALES RENDIMI

39
 EDAD
10

Frecuencia
2
Desv. típ. = 1,11
Media = 13,5

0 N = 30,00
12,0 13,0 14,0 15,0

EDAD

6.- Tablas de frecuencias.

MATEMATI
Frecuencia Porcentaje Porcentaje válido Porcentaje acumulado
1,0 1 3,3 3,3 3,3
1,5 1 3,3 3,3 6,7
2,1 1 3,3 3,3 10,0
3,5 3 10,0 10,0 20,0
3,6 1 3,3 3,3 23,3
4,0 2 6,7 6,7 30,0
4,1 1 3,3 3,3 33,3
4,3 1 3,3 3,3 36,7
4,5 1 3,3 3,3 40,0
4,7 1 3,3 3,3 43,3
5,0 4 13,3 13,3 56,7
5,2 1 3,3 3,3 60,0
5,8 1 3,3 3,3 63,3
6,0 1 3,3 3,3 66,7
6,3 1 3,3 3,3 70,0
6,5 1 3,3 3,3 73,3
6,9 2 6,7 6,7 80,0
7,0 2 6,7 6,7 86,7
7,9 1 3,3 3,3 90,0
8,2 1 3,3 3,3 93,3
8,6 1 3,3 3,3 96,7
9,0 1 3,3 3,3 100,0
Total 30 100,0 100,0

LENGUA

40
 Frecuencia Porcentaje Porcentaje válido Porcentaje acumulado
2,0 1 3,3 3,3 3,3
2,1 1 3,3 3,3 6,7
2,3 1 3,3 3,3 10,0
2,8 1 3,3 3,3 13,3
3,0 3 10,0 10,0 23,3
3,8 2 6,7 6,7 30,0
4,0 6 20,0 20,0 50,0
4,1 1 3,3 3,3 53,3
4,3 1 3,3 3,3 56,7
5,1 1 3,3 3,3 60,0
5,4 2 6,7 6,7 66,7
5,5 3 10,0 10,0 76,7
5,9 1 3,3 3,3 80,0
6,0 2 6,7 6,7 86,7
6,5 1 3,3 3,3 90,0
6,7 1 3,3 3,3 93,3
7,0 1 3,3 3,3 96,7
7,4 1 3,3 3,3 100,0
Total 30 100,0 100,0

SOCIALES

Frecuencia Porcentaje Porcentaje válido Porcentaje acumulado

Válidos 1,0 2 6,7 6,7 6,7
2,0 9 30,0 30,0 36,7
7,0 6 20,0 20,0 56,7
8,0 12 40,0 40,0 96,7
10,0 1 3,3 3,3 100,0
Total 30 100,0 100,0

41
 RENDIMI
Frecuencia Porcentaje Porcentaje válido Porcentaje acumulado
Válidos 7,60 1 3,3 3,3 3,3
8,70 1 3,3 3,3 6,7
9,30 1 3,3 3,3 10,0
10,10 1 3,3 3,3 13,3
10,90 1 3,3 3,3 16,7
11,00 2 6,7 6,7 23,3
11,50 1 3,3 3,3 26,7
11,60 1 3,3 3,3 30,0
13,00 1 3,3 3,3 33,3
13,70 1 3,3 3,3 36,7
13,80 1 3,3 3,3 40,0
13,90 1 3,3 3,3 43,3
16,00 1 3,3 3,3 46,7
16,10 1 3,3 3,3 50,0
16,20 1 3,3 3,3 53,3
16,90 1 3,3 3,3 56,7
17,10 1 3,3 3,3 60,0
17,50 1 3,3 3,3 63,3
17,90 2 6,7 6,7 70,0
18,20 2 6,7 6,7 76,7
18,30 1 3,3 3,3 80,0
18,50 1 3,3 3,3 83,3
19,00 1 3,3 3,3 86,7
19,40 1 3,3 3,3 90,0
20,00 1 3,3 3,3 93,3
22,00 1 3,3 3,3 96,7
24,40 1 3,3 3,3 100,0
Total 30 100,0 100,0

EDAD
Frecuencia Porcentaje Porcentaje válido Porcentaje acumulado
Válidos 12 7 23,3 23,3 23,3
13 8 26,7 26,7 50,0
14 8 26,7 26,7 76,7
15 7 23,3 23,3 100,0
Total 30 100,0 100,0

Pasamos ahora a las pruebas inferenciales; para ello recordaremos las hipótesis que
habíamos planteado:
Primera hipótesis = El rendimiento está influido por la adaptación familiar.
Segunda hipótesis = El rendimiento está influenciado por el estado civil de la pareja en
la que vive el sujeto.
Tercera hipótesis = El rendimiento depende del sexo.
Cuarta hipótesis = El rendimiento depende de la edad.
Quinta hipótesis = El rendimiento depende de la cultura en la que se inserta el sujeto.

42
 La primera hipótesis relacionará las variables “rendimiento” y “faadapta”. Como
“rendimiento” se distribuye normalmente, y la muestra es suficientemente grande,
utilizaremos la prueba “Anova de un factor”. La ruta a seguir es la siguiente: en el menú del
programa SPSS se marca “analizar” después “comparar medias” posteriormente “ANOVA de
un factor”. Se marca la variable “rendimiento” y se introduce en la ventanita “dependiente”;
posteriormente se marca “faadapta”y se introduce en “factor”. Hecho esto, se marca “Post
Hoc” y se elige la opción DMS. Para terminar se marca “continuar” y “aceptar”.
Los resultados son los que siguen.
ANOVA

RENDIMI

Suma de cuadrados gl Media cuadrática F Sig.

Inter-grupos 12,817 2 6,408 ,352 ,707
Intra-grupos 492,037 27 18,224
Total 504,854 29

Comparaciones múltiples
Variable dependiente: RENDIMI
DMS
Diferencia de Error típico Sig. Intervalo de
medias (I-J) confianza al
95%
(I) FAADAPTA (J) FAADAPTA Límite inferior Límite superior
baja y muy baja normal ,8318 1,8652 ,659 -2,9953 4,6589
alta y muy alta 1,6040 1,9187 ,410 -2,3329 5,5410
Normal baja y muy baja -,8318 1,8652 ,659 -4,6589 2,9953
alta y muy alta ,7722 1,9614 ,697 -3,2523 4,7967
alta y muy alta baja y muy baja -1,6040 1,9187 ,410 -5,5410 2,3329
normal -,7722 1,9614 ,697 -4,7967 3,2523

Observamos que la significación es de 0,707, por lo que no podemos rechazar la

hipótesis nula, que en este caso sería que no hay diferencias significativas entre el grado de
adaptación familiar y el rendimiento.
La segunda hipótesis relaciona rendimiento y estado civil de los padres de los sujetos.
Debemos recordar que la variable estado civil “estacivi” no se distribuía binomialmente por lo
que no podemos inferir nada estadísticamente significativo.
La tercera hipótesis relaciona rendimiento y sexo. En este caso utilizaremos la “T de
Student” para lo que seguiremos la siguiente ruta: “analizar” después “comparar medias”
luego “Pruebas T para muestras independientes”. En la ventana marcamos “rendimiento” y la
introducimos en “contrastar variables”, después marcamos “sexo” y la introducimos en

43
“variables de agrupación”, marcamos definir grupos e introducimos el 1 en el grupo1 y el 2 en
el grupo 2. Para terminar marcamos “continuar” y “aceptar”.
Estos son los resultados.
Estadísticos de grupo
SEXO N Media Desviación típ. Error típ. de la media
RENDIMI hombres 16 13,4500 3,8595 ,9649
mujeres 14 17,4643 3,5202 ,9408

Prueba de muestras independientes

Prueba de Prueba T
Levene para para la
la igualdad de igualdad
varianzas de medias
F Sig. T gl Sig. Diferencia Error típ. 95%
(bilateral) de de la Intervalo
medias diferencia de
confianza
para la
diferencia
Inferior Superior
Se han 1,100 ,303 -2,960 28 ,006 -4,0143 1,3562 -6,7923 -1,2362
RENDIM asumido
I varianza
s iguales
No se -2,979 27,940 ,006 -4,0143 1,3476 -6,7751 -1,2535
han
asumido
varianza
s iguales

Observamos que la significación es de 0,006, lo que nos permite no aceptar la

hipótesis nula; es por ello que podemos decir que existen diferencias significativas entre el
sexo y el rendimiento. Si miramos las medias, notamos que las mujeres tienen una puntuación
más alta; es decir, el rendimiento se une al sexo siendo las mujeres mejores.
La cuarta variable relaciona rendimiento y edad (en este caso consideraremos la
variable edad como si fuera cualitativa). Realizamos el cálculo ANOVA para un factor.
Estos son los resultados.
ANOVA
RENDIMI

Suma de cuadrados gl Media cuadrática F Sig.

Inter-grupos 36,127 3 12,042 ,668 ,579
Intra-grupos 468,727 26 18,028
Total 504,854 29

44
 Comparaciones múltiples
Variable dependiente: RENDIMI
DMS

Diferencia de medias Error típico Sig. Intervalo de confianza

(I-J) al 95%
(I) EDAD (J) EDAD Límite inferior Límite superior
12 13 -2,1393 2,1975 ,339 -6,6563 2,3777
14 -2,7393 2,1975 ,224 -7,2563 1,7777
15 -2,7286 2,2695 ,240 -7,3937 1,9366
13 12 2,1393 2,1975 ,339 -2,3777 6,6563
14 -,6000 2,1230 ,780 -4,9638 3,7638
15 -,5893 2,1975 ,791 -5,1063 3,9277
14 12 2,7393 2,1975 ,224 -1,7777 7,2563
13 ,6000 2,1230 ,780 -3,7638 4,9638
15 1,071E-02 2,1975 ,996 -4,5063 4,5277
15 12 2,7286 2,2695 ,240 -1,9366 7,3937
13 ,5893 2,1975 ,791 -3,9277 5,1063
14 -1,0714E-02 2,1975 ,996 -4,5277 4,5063

Observamos que la significación es de 0,579, por lo que podemos afirmar que no

existe relación entre edad y rendimiento.
La quinta hipótesis relaciona rendimiento y cultura. Realizaremos una “T de Student”.
Estos son los resultados.
Estadísticos de grupo

CULTURA N Media Desviación típ. Error típ. de la media

RENDIMI cristiano 14 15,9000 4,8486 1,2959
musulmán 15 14,5400 3,5036 ,9046

Prueba de muestras independientes

Prueba Prueba T
de para la
Levene igualdad
para la de
igualdad medias
de
varianzas
F Sig. t gl Sig. Diferenci Error típ. 95%
(bilateral) a de de la Intervalo
medias diferencia de
confianza
para la
diferencia
Inferior Superior
RENDISe han 1,900 ,179 ,870 27 ,392 1,3600 1,5627 -1,8465 4,5665
MIasumido
varianzas

45
 iguales
No se han ,861 23,562 ,398 1,3600 1,5804 -1,9049 4,6249
asumido
varianzas
iguales
La significación es de 0,392, por tanto podemos afirmar que no existen diferencias
significativas entre el rendimiento y la cultura a la que pertenezca el sujeto.

8.- Conclusiones.
Las conclusiones que haremos a continuación son ficticias. Sin embargo, nos pueden
dar idea de cómo debemos confeccionarlas.
La primera conclusión se refleja en la relación que existe entre el aprendizaje de la
ortografía y la realización de crucigramas. Esta relación puede estar explicada por el aumento
en la adquisición de vocabulario que el niño realiza con esta actividad, además de ser un
entrenamiento para la memoria significativa.
Este hallazgo corrobora el trabajo de William y Willian (1999) realizado con una
actividad parecida como es el “Remember”
La segunda conclusión es que el rendimiento escolar entendido como el resumen de
las notas de un alumno, no tiene nada que ver con la edad, la cultura y la adaptación familiar;
sin embargo, el sexo es importante en el rendimiento, decantándose las mujeres como mejores
en el rendimiento escolar.
En un estudio realizado en Canadá por Buzón (2001) concluye que la cultura si es
significativa en el rendimiento de los alumnos en clase. Esto contradice nuestro trabajo,
aunque una posible explicación está en que las culturas tratadas en Canadá eran muy distantes
en el espacio (tribu Chachoki y habitantes de Ottawa), mientras que las culturas tratadas en
nuestro trabajo están muy próximas en el espacio. Ambas son españolas, aunque practiquen
distintas religiones. Además la variable rendimiento fue codificada y cuantificada de forma
diferente a la realizada en este estudio.
La relación del sexo con el rendimiento es corroborada por el estudio de Pérez (1996)
que afirma que está demostrado la mayor habilidad social de las mujeres en su trato y relación
en la escuela, lo que les permite obtener mejores puntuaciones y, por tanto, mejores
rendimientos.

9.- Algunos cálculos interesantes.

En este apartado queremos introducir algunos procedimientos estadísticos interesantes
que nos pueden servir de gran ayuda. Por un lado, intentaremos predecir con “regresión

46
lineal” y daremos validez y fiabilidad a un instrumento de medida realizado por nosotros
mismos.
Con dos nuevos problemas queremos iniciar dichos cálculos.

Problema 3
“Los alumnos de una clase han sido medidos en varios aspectos: lengua, matemá-
ticas, inteligencia, actitud en clase y adaptación personal. ¿Podríamos predecir las pun-
tuaciones de lengua, por ejemplo, en función de todas las demás variables?”.

El primer paso consistirá en definir las variables:

-Lengua. Notas de 1 a 10 obtenidas por los alumnos en una prueba. Variable
cuantitativa continua.
- Matemati. Notas de 1 a 10 obtenidas por los alumnos en una prueba. Variable
cuantitativa continua.
-Intelige- Variable cualitativa ordinal con los siguientes valores: “1” muy baja, “2”
baja, “3” normal, “4” alta y “5” muy alta.
-Acticlas. Variable cualitativa ordinal con los siguientes valores: “1” muy mala, “2”
mala, “3” normal, “4” buena y “5” muy buena.
-Adaptape. Variable cualitativa ordinal con los siguientes valores: “1” muy baja, “2”
baja, “3” normal, “4” alta y “5” muy alta.
Como ya sabemos, introducimos las variables y sus datos en el programa SPSS.
Si queremos relacionar unas variables para intentar predecir, parece oportuno que
veamos cuál es la correlación existente entre ellas. Si observamos que no existe correlación,
parece lógico, que difícilmente podamos predecir una de las variables en función de las
demás.
Hagamos pues la correlación entre variables. Para ello procedemos de la siguiente
manera: “analizar”, “correlaciones”, “bivariadas”; se señalan todas las variables y se
introducen en la ventanita “variables”, “aceptar”.
Los resultados obtenidos aparecen en la siguiente tabla.
Correlaciones

LENGUA MATEMATI ACTICLAS ADAPTAPE INTELIGE

LENGUA Correlación de Pearson 1,000
Sig. (bilateral) ,
MATEMATI Correlación de Pearson ,758 1,000
Sig. (bilateral) ,000 ,
ACTICLAS Correlación de Pearson ,728 ,738 1,000

47
 Sig. (bilateral) ,000 ,000 ,
ADAPTAPE Correlación de Pearson ,213 ,080 ,061 1,000
Sig. (bilateral) ,258 ,674 ,747 ,
INTELIGE Correlación de Pearson ,652 ,603 ,480 -,040 1,000
Sig. (bilateral) ,000 ,000 ,007 ,835 ,
N 30 30 30 30 30

La interpretación es sencilla. Veamos la columna de lengua y la fila de matemáticas;

observamos que la correlación es de 0,758. Es una correlación alta, ya que los valores mínimo
y máximo son “-1” y “+1”; además es positiva y lo más importante que la significación es
0,000. Podemos decir que existe una fuerte correlación entre la variable lengua y la variable
matemáticas; además cuando aumentan las puntuaciones de una, aumentan las de la otra.
En general observamos que existen bastantes correlaciones significativas entre las
variables por lo que procede hacer el análisis de regresión para predecir la variable lengua
respecto a las demás. Procedemos de la siguiente forma: “analizar”, “regresión”, “lineal”; se
selecciona la variable ‘lengua’ -que es la que queremos predecir- y se introduce en
“dependiente”; todas las demás variables se introducen en “independientes”;en el menú
“método” se elige la opción “Pasos suc.”. Para terminar “aceptar”.
Estos son los resultados:
Coeficientes

Coeficientes no Coeficientes estandarizados t Sig.

estandarizados
Modelo B Error típ. Beta
1 (Constante) 1,848 ,649 2,849 ,008
MATEMATI ,765 ,124 ,758 6,157 ,000
2 (Constante) 1,526 ,628 2,429 ,022
MATEMATI ,489 ,173 ,485 2,825 ,009
ACTICLAS ,572 ,265 ,371 2,158 ,040
3 (Constante) 1,181 ,614 1,923 ,066
MATEMATI ,331 ,180 ,328 1,838 ,078
ACTICLAS ,538 ,250 ,349 2,150 ,041
INTELIGE ,432 ,206 ,288 2,098 ,046

Variables excluidas

Beta dentro t Sig. Correlación parcial Estadísticos de colinealidad

Modelo Tolerancia
1 ACTICLAS ,371 2,158 ,040 ,384 ,455
ADAPTAPE ,153 1,254 ,221 ,235 ,994
INTELIGE ,307 2,104 ,045 ,375 ,636
2 ADAPTAPE ,153 1,332 ,195 ,253 ,994
INTELIGE ,288 2,098 ,046 ,380 ,634
3 ADAPTAPE ,180 1,695 ,103 ,321 ,981

48
 Como el método introducido ha sido el de pasos sucesivos, debemos mirar el último
paso (el 3). La tabla “coeficientes” me informa que el paso “3” se aceptan las variables
“matemati”, “acticlas” y “ intelige”; cada una de ellas tiene su coeficiente.
La tabla “variables excluidas” me informa que en el paso “3” se ha excluido de la
ecuación predictora la variable “adaptape”.
La ecuación quedaría de la siguiente forma:
Lengua = 0,331 matemati + 0,538 acticlas + 0,432 intelige + 1,181
Una aplicación práctica sería: un alumno con 6 en matemáticas, 2 en actitud de clase,
y 3 en inteligencia, podría predecir que su nota de lengua sería 5,539.

Problema 4
“Imaginemos que queremos hacer un cuestionario en el que recogeremos la valo-
ración que nuestros alumnos hacen de nuestro comportamiento docente. ¿Cómo cons-
truirlo, cómo darle fiabilidad y validez?”

En primer lugar tenemos que determinar qué conceptos queremos introducir en la

valoración. Supongamos que quiero medir en el profesor las siguientes características: si es
demócrata, si es culto, si utiliza una metodología adecuada y si es simpático. Confecciono de
cada aspecto diez items que definan, a priori y según mi consideración, las situaciones
relacionadas con ese aspecto.
En resumen, se obtiene un cuestionario de cuarenta preguntas que se pueden medir,
por ejemplo, en escala Likert y que se pasará a la muestra que hayamos elegido. Cada
pregunta la definiremos como una variable. Las podemos llamar P1, P2 , P3,...P40.
Para calcular la fiabilidad de la prueba, es decir, el grado en el que las preguntas están
midiendo algo parecido, ya que lo que se busca es la correlación de cada pregunta con el total,
se realiza la prueba de fiabilidad “Alfa de Cronbach”.
Se procede de la siguiente manera: “analizar”, “escalas”, “análisis de fiabilidad”; se
pasan las variables a la ventanita de la derecha y se pulsa “aceptar”. El resultado es el
siguiente.
Análisis de fiabilidad
****** Method 1 (space saver) will be used for this analysis ******

R E L I A B I L I T Y A N A L Y S I S - S C A L E (A L P H A)

49
Item-total Statistics
Scale Scale Corrected
Mean Variance Item- Alpha
if Item if Item Total if Item
Deleted Deleted Correlation Deleted

P1 142,3502 284,0620 ,2522 ,8104

P2 140,2212 287,6545 ,4048 ,8072
P3 142,8894 299,2655 -,0393 ,8199
P4 140,2949 285,6256 ,3504 ,8073
P5 141,9401 289,9732 ,1511 ,8138
P6 141,7143 281,1495 ,3416 ,8070
P7 142,3825 290,8021 ,1292 ,8147
P8 141,8018 285,3541 ,2305 ,8112
P9 142,8341 298,4168 -,0215 ,8193
P10 140,3779 288,5695 ,2609 ,8097
P11 141,8111 273,3114 ,4920 ,8013
P12 140,1060 289,1970 ,3530 ,8083
P13 140,1705 286,0958 ,4287 ,8063
P14 140,1475 286,1356 ,4286 ,8063
P15 140,6728 284,6841 ,3561 ,8070
P16 142,1797 292,3425 ,1088 ,8149
P17 140,0323 289,7721 ,3175 ,8089
P18 142,5300 302,7317 -,1125 ,8220
P19 140,3548 282,8504 ,4020 ,8057
P20 140,5300 275,7873 ,5494 ,8008
P21 140,2535 284,4679 ,3849 ,8064
P22 140,5207 283,1118 ,3964 ,8058
P23 140,7281 278,5693 ,4766 ,8030
P24 140,2949 280,7645 ,5228 ,8031
P25 141,2488 285,7063 ,2994 ,8085
P26 142,3180 303,2734 -,1219 ,8230
P27 141,4055 288,6496 ,1488 ,8147
P28 140,3134 280,5032 ,5034 ,8032
P29 140,6129 279,2476 ,4758 ,8033
P30 140,3456 281,5791 ,4273 ,8049
P31 140,7235 278,9417 ,4531 ,8036
P32 140,8710 285,2888 ,3219 ,8079
P33 141,6359 277,3622 ,4128 ,8044
P34 141,7650 287,7177 ,2139 ,8114
P35 142,0138 294,6248 ,0511 ,8174
P36 141,4885 280,6029 ,2989 ,8087
P37 141,3180 284,6438 ,3001 ,8085
P38 140,5069 279,9178 ,4865 ,8033
P39 140,2488 283,5211 ,4203 ,8055
P40 141,1613 282,1822 ,2950 ,8087
_

R E L I A B I L I T Y A N A L Y S I S - S C A L E (A L P H A)

Reliability Coefficients

N of Cases = 217,0 N of Items = 40

Alpha = 0,8129

La interpretación general es que la fiabilidad de la prueba es muy alta, ya que es

0,8129 y el valor máximo es 1.

50
 Una lectura más detenida, nos hace ver que las preguntas 3, 9, 18 y 26 de la columna
Corrected Item-Total Correlation tienen una correlación negativa. Lo ideal es “darle la vuelta
a las preguntas”, es decir, si la variable la hemos medido en 1, 2, 3, 4, 5, el 1 lo haremos 5, el
2 lo haremos 4; y así sucesivamente. Es probable que la correlación cambie y se haga
positiva.
Ahora bien, partíamos de cuatro factores para la valoración, pero eso fue a priori. Ha
llegado el momento de ver si esos cuatro factores o aspectos se mantienen tras la valoración
de los sujetos de la muestra.
Para resolver tal problema recurrimos a un análisis factorial, procediendo de la
siguiente manera: “analizar”, “reducción de datos”, “análisis factorial”. Se introducen las
variables preguntas en la ventanita de “variables”. Del menú se pulsa “extracción” y tenemos
varias posibilidades; por defecto está marcado “autovalores mayor que 1”. Eso quiere decir
que el programa saca los factores que considera oportuno; pero también podemos marcar la
opción “número de factores” y poner le número que deseamos; en nuestro caso cuatro, ya que
esos eran los aspectos que queríamos medir en un principio con el cuestionario. ¿Cuál
debemos utilizar? Aquel que explique la mayor cantidad de la variabilidad (varianza). En
“rotación” se elige “varimax” y en “opciones” elegimos “ordenar por tamaños”; para terminar
“aceptar”
Veamos los resultados en el caso en que la “extracción” haya sido poniendo 4 en el
número de factores.
Varianza total explicada
Autovalor Sumas de Suma de
es las las
iniciales saturacio saturacio
nes al nes al
cuadrado cuadrado
de la de la
extracció rotación
n
Total % de la % Total % de la % Total % de la %
Compone varianza acumulad varianza acumulad varianza acumulad
nte o o o
1 7,629 19,072 19,072 7,629 19,072 19,072 5,043 12,607 12,607
2 2,694 6,734 25,805 2,694 6,734 25,805 4,025 10,063 22,670
3 2,057 5,142 30,948 2,057 5,142 30,948 2,761 6,903 29,573
4 1,660 4,150 35,098 1,660 4,150 35,098 2,210 5,525 35,098
5 1,562 3,905 39,003
6 1,518 3,795 42,798
7 1,414 3,534 46,332
8 1,366 3,416 49,748
9 1,238 3,096 52,844
10 1,199 2,996 55,840
11 1,103 2,758 58,599

51
12 1,012 2,529 61,128
13 ,957 2,392 63,520
14 ,929 2,323 65,842
15 ,912 2,279 68,121
16 ,890 2,225 70,347
17 ,851 2,128 72,475
18 ,799 1,997 74,473
19 ,740 1,849 76,321
20 ,726 1,815 78,136
21 ,676 1,690 79,826
22 ,667 1,667 81,493
23 ,660 1,650 83,143
24 ,595 1,487 84,630
25 ,554 1,385 86,015
26 ,535 1,337 87,351
27 ,522 1,304 88,655
28 ,508 1,269 89,924
29 ,471 1,177 91,101
30 ,467 1,167 92,267
31 ,433 1,083 93,351
32 ,395 ,988 94,338
33 ,364 ,911 95,249
34 ,343 ,858 96,107
35 ,311 ,777 96,885
36 ,292 ,730 97,615
37 ,282 ,705 98,319
38 ,240 ,601 98,920
39 ,230 ,575 99,495
40 ,202 ,505 100,000

Matriz de componentes rotados

Componente
1 2 3 4
PM14 ,737
PM17 ,670
PM13 ,665
PM28 ,581
PM24 ,560
PM19 ,539
PM20 ,505
PM12 ,503
PM21 ,492
PM15 ,490
PM23 ,478
PM30 ,403
PM10 ,401
PM2 ,376
PM4 ,371
PM6 ,290
PM39 ,640
PM38 ,594
PM22 ,571
PM18 -,565
PM31 ,538
PM32 ,524

52
 PM29 ,432
PM9 -,424
PM35 -,407
PM3 -,400
PM26 -,280
PM33 ,587
PM11 ,548
PM8 ,511
PM1 ,419
PM5 ,419
PM25 ,365
PM27 ,270
PM7 ,621
PM36 ,519
PM37 ,475
PM34 ,423
PM16 ,324
PM40 ,323

En la primera tabla observamos que cuatro factores explican muy poca varianza,
concretamente el 35,098%, habiendo un primer factor que ya explica el 19,072% del total.
En la segunda tabla aparecen las preguntas agrupadas por factores. Si analizamos el
texto de cada pregunta y para cada factor podemos ver si se corresponden con las que
inicialmente habíamos pretendido. El primer factor, por ejemplo, agrupa a dieciséis preguntas,
cuando en un principio debería agrupar a diez; luego en la confección del cuestionario no
hemos tenido en cuenta, o no hemos precisado bien la forma de preguntar cada aspecto o
factor.
Veamos ahora el resultado cuando en la opción “extracción” se toma “autovalores
mayores que 1”
Varianza total explicada
Autovalores Sumas de las
iniciales saturaciones
al cuadrado
de la
extracción
Componente Total % de la % acumulado Total % de la % acumulado
varianza varianza
1 7,629 19,072 19,072 7,629 19,072 19,072
2 2,694 6,734 25,805 2,694 6,734 25,805
3 2,057 5,142 30,948 2,057 5,142 30,948
4 1,660 4,150 35,098 1,660 4,150 35,098
5 1,562 3,905 39,003 1,562 3,905 39,003
6 1,518 3,795 42,798 1,518 3,795 42,798
7 1,414 3,534 46,332 1,414 3,534 46,332
8 1,366 3,416 49,748 1,366 3,416 49,748
9 1,238 3,096 52,844 1,238 3,096 52,844
10 1,199 2,996 55,840 1,199 2,996 55,840
11 1,103 2,758 58,599 1,103 2,758 58,599
12 1,012 2,529 61,128 1,012 2,529 61,128

53
 13 ,957 2,392 63,520
14 ,929 2,323 65,842
15 ,912 2,279 68,121
16 ,890 2,225 70,347
17 ,851 2,128 72,475
18 ,799 1,997 74,473
19 ,740 1,849 76,321
20 ,726 1,815 78,136
21 ,676 1,690 79,826
22 ,667 1,667 81,493
23 ,660 1,650 83,143
24 ,595 1,487 84,630
25 ,554 1,385 86,015
26 ,535 1,337 87,351
27 ,522 1,304 88,655
28 ,508 1,269 89,924
29 ,471 1,177 91,101
30 ,467 1,167 92,267
31 ,433 1,083 93,351
32 ,395 ,988 94,338
33 ,364 ,911 95,249
34 ,343 ,858 96,107
35 ,311 ,777 96,885
36 ,292 ,730 97,615
37 ,282 ,705 98,319
38 ,240 ,601 98,920
39 ,230 ,575 99,495
40 ,202 ,505 100,000

Esta tabla nos indica que, en teoría, existen doce factores que explicarían el 61,128%
de la varianza. Es bueno en cuanto explica un mayor tanto por ciento de variabilidad, pero
aparecen doce factores, cuando en un principio habíamos propuesto cuatro. Todo esto nos
indica que la prueba que hemos confeccionado no es válida, al menos factorialmente. Por
tanto debemos rectificar o modificar aquellos aspectos necesarios para que se ajuste, si no
totalmente, al menos en gran medida.
Evidentemente, una razón de estos resultados, es que los datos introducidos han sido
debidos al azar.

54
 III) BIBLIOGRAFÍA

1 - COLÁS BRAVO M0 P. y BUENDÍA EISMAN L. (1994) AInvestigación educativa@ 20

Edición. Ediciones Alfar. S.A.
2 - BUENDÍA EISMAN L., COLÁS BRAVO M0 P. y HERNÁNDEZ PINA F. (1997) A
Métodos de investigación en Psicopedagogía@ McGraw Hill.
3 - LATORRE A. y GONZÁLEZ R. (1987) AEl maestro investigador: la investigación en el
aula@ Editorial Graó.
4 - ARGIMÓN, J.M. y JIMENEZ, J.(1994): AMétodos de Investigación@. Mosby, Barcelona.
5- RAYES, R.(1974): AIntroducción al Método Científico en Psicología@.Fontanella,Barcelona
6 - REUCHLIN, M.(1970): ALos Métodos en Psicología@. Redondo, Barcelona.
7-COHEN, L. y MANION, L.(1994):“Métodos de Investigación Educativa”Cincel. Barcelona
8 - SIERRA, R.(199 1): ATécnicas de Investigación Social@. Paraninfo, Madrid.
9 - ANGUERA, M.T.(1978): Metodología de la Observación en las Ciencias Humanas.
Cátedra, Madrid.
10 - ARNAU, J. (1981): Diseños Experimentales en Psicología y Educación. Trillas, México.
11 - REST, J.W.(1972): Cómo Investigar en Educación. Morata, Madrid.
12 - BRUNER, J. 5. (1980): Investigaciones en el Desarrollo Cognitivo. Trillas, México.
13 - BUNGE, M.(1975): Teoría y Realidad. Ariel, Barcelona. (1980): Epistemología. Ciencia
de las Ciencias. Ariel, Barcelona. (1982): Diferencias y Relaciones entre Ciencia Básica y
Ciencia Aplicada. El País, 18-19-20 de junio, Madrid. (1985): La Investigación Científica.
Ariel, Barcelona.
14 - COLL, C.(1980): La Psicología Educacional en el Marco de las Ciencias de la
Educación. En COLL, C. y FORNS, M.: Areas de intervención en Psicología. La educación
como fenómeno psicológico. Horsori, Barcelona. (1983): Psicología de la Educación:
Ciencia, Tecnología y Actividad Técnico-Práctica. En Rey. Estudios de Psicología, no 14-15,
Madrid.
15 - CAMPBELL, D y STANLEY, J.(1978): Diseños Experimentales y Cuasiexperimentales
en la Investigación Social. Amorrortu, Buenos Aires.
16 - CIIALMERS, A.F.(1984): )Qué es esa Cosa Llamada Ciencia?. Siglo, Madrid.
17 - COHEN, L. y MANION, L.(1980): Research Methods in Education. Croom Helm,
London.

55
18 - CORNEJO, J.M.(1988): Técnicas de Investigación Social. ElAnálisis de
Correspondencias. P.P.U., Barcelona.
19 - ELLIOT, J.(1984): La Investigación-Acción en las Escuelas. Actas del Seminario
celebrado en la Facultad de Ciencias de la Educación de la Universidad de Málaga.
20 - ELLIOT, J.(1990): La Investigación-Acción en Educación. Morata, Madrid.
21 - ESCOLANO, A. y OTROS: Epistemología y Educación. Sígueme, Salamanca.
22 - ESON, M.E.(1978): Bases Psicológicas de la Educación. Interamericana, México.
23 - KERLINGER, F.M.(1982): Investigación del Comportamiento. Técnicas y Metodología.
Interamericana, México.
24 - HAYMAN, J.L.(1984): Investigación y Educación. Paidós, Barcelona.
25 - LAKATOS, I.(1974): Historia de la Ciencia y sus Construcciones Racionales.Tecnos,
Madrid.
26 - MASTERMAN, M.(1975): La Naturaleza de los Paradigmas. En LAKATOS, 1. y
MUSGRAVE, A.: La Crítica y el Desarrollo del Conocimiento. Grijalbo, Barcelona.
27 - NISBET, J.D. y ENTWISTLE, J.(1980): Métodos de Investigación Educativa. Qikos-
Tau, Barcelona.
28 - POPPER, K.R.(1977): La Lógica de la Investigación Cient(fica. Tecnos, Madrid. (1982):
Conocimiento Objetivo. Tecnos, Madrid.
29 - SCHWAB, J.J.(1973): Problemas, Tópicos y Puntos de Discusión. En SELLTIZ, C. y
OTROS (1976): Métodos de Investigación en las Relaciones Sociales. Rialp, Madrid.
30 - SIERRA, R.(1991): Técnicas de Investigación Social. Paraninfo, Madrid.
31 - SNOW, R.E. (1973): Theory ConstructionforResearch teaching. En TRAVERS, R.M.:
Second Handbook of Research Teaching. Rand McMally, Chicago.
32 - SUPE, F.(1979): La Estructura de las Teorías Cient(ficas. Nacional, Madrid.
33 - VAN DALEN, D.B. y MEYER, W.J.(1979): Manual de Técnicas de Investigación
Educacional. Paidós, Buenos Aires.
34 - WALKER, R.(1989): Métodos de Investigación para el Profesorado. Morata, Madrid.

56