&)»)[i1)[¢) 7 Recoleccién de datos cuantitativos 0 El momento de aplicar los instrumentos de medicién y recolectar los datos representa la oportunidad para el investigador de confrontar ef trabajo conceptual y de planeacidn con los hechos Roberto Heménder-Sampies aso 8 Recolectar los datos Proceso de investigacién _—* efinir a forma idénea de recolectar los datos de acuerdo ‘cuantitativa con el planteamiento del problema y las etapas previas de la investigacin. + Seleccionar o elaborar uno o varios intrumentos 0 métodos para recolectar los datos requeridos. + Aplicar los instrumentas o métodos. + obtener los datos. © Codificar los datos. «= Atchivar los datos y prepararl para su andlisis por compu tadora Objetivos de aprendizaje Al tetminar este capitulo, el alumna serd capaz de: Visualizar diferentes métodos para recolectar datos cuantitativo. Entender el significado de “medi” y su importancia en el proceso cuantitativo, Comprender los requisites que toda recoleccién de datos debe incluit. Conocer los principales instrumentos para recolectar datos cuantitativos Haborary aplicar los diferentes instcumentos de recoleccién de datos cvantitativos. Prepara los datas para su analisis cuantitativo, Sintesis En el capitulo se analizan los requisitos que un instrumento de medicion debe cubrir para re colectar apropiadamente datos cuantitatives: cnfiablidad, vaidez y objetividad. Asimismo, se define el concepto de medicin y los erores que pueden cometerse al recolectar datos. ‘También se explica el proceso para elaborar un instrumento de medicién y las principales altemativas para recolectar datos: cuestionarios y escalas de acttudes. Por ultimo, se examina €l procecimiento de cadificacién de datas cuantitativos y la forma de prepararlos para su analiss, tras temas relacionadas con la recoleccin de los datos se incluyen en el capitulo 5 del centro de recursos en linea, sexs paboebion Hn Haphepeshet MonFases de cnstrucin de un instruments * Redetnionestundamentales 2 Reis enced iterate nstuments periestes 2 lenitiactn de! donna de is vartesmeiry sus ingots | Toma de cecsianes cave 5 Const dl istrmenta > pesca eas caamtatvos | > instrument) de en mein ae Dela representa mmedante * yeaderanerte a) vibe) de a invesigacion > caps respusas se obienen coin 9 rnsfeen aun mio ase de Alas v5 repre paras ands indian un panel sais pra conputadare > Coestionarios: © Sebasn en pegs ae eden serceracs as + Sis canes pede set vexed, nei pesonal tte, vainteet 6 Prueba pict 7 Elbrein dea vest dl istrmetoo se 51 present dealin * Envenameto del pesonal ae admins el Insel coca eset ies ress © Ghent autarzacones para alia elinstumerte 1 Advinstacn del instrament > Pracediientos para deteria aco Weta ce estaba * logo de ors, > Contaitided altemaivas 0 pales anaes » tela de aces atites Sims, Melts dase ode estas ‘ovistentesy ‘obeetes > beet dervanditins ips aide de vide: > ‘Grado en que un » Valder de contenido +? sires __, atament miele —* + Ver de cee vane ue prtende + eider de cotta nei > evjevias Sa enqu et > lier totes a + istument es considera dest, ts “s_pemesl alas deendeni, ie esos teres felinesigada gue I minista, caice citer > tals de medin de acids que > tos tips son os encanta en eden se cent de ecu nines) © fscenienttip ikert als done cuttat » Dien seman » dbsevedin ~ fala de Gata en ~ Prats etna einvetais cen de reuse ine) * Dats ean clea por ates invested) + Ranta yeaes * inate Nota capul se ema de integra cn oe que puede descarase de ceo de ecuses e nee: Material conplerentato + (ples > cape 7, “Reccecin de as dts euattatves segunda pate’, que canine ateralvas de nstumentos par etcetat {sos come el an de conte os sistemas de obsevodd, adem Ge pes venta, excalagtama de Gutman clade cules), dts Seeds endear “exM ptogboebiin ) bn Fant apt en18 ¢ opitule 9 Recoeccén de datos vanttatves o1 iQué implica la etapa de recoleccién de datos? ‘Una ver que seleccionamos el disefio de investigacin apropiado y la muestra adecuada de acuerdo ‘con nuestro problema de estudio ¢ hipétesis (si es que se establecieron), la siguicnce etapa consiste en recolectar los datos pertinentes sobre los atributos, conceptos o variables de las unidades de muestreo! aniliss o casos (participantes, grupos, fendmenos, procesos, organizaciones, etcétera). Recolectar los datos implica elaborar un plan detallado de procedimientos que nos conduzean 1 reunir datos con un propésito especifico. Este plan incluye determinar: ©) @Cudles son las fuentes de las que se obtendrin los datos? Es decit, los datos van a ser propotcio- nados por personas, se produciran de observaciones y registros 0 se encuentran en documentos, archivos, bases de datos, etcétera, en dénde se localizan tales fuentes? Regularmente en la muestra seleccionada, pero es indispen- sable definie con precision. ©) @A través de qué medio 0 mécodo vamos a recolectar los datos? Esta fase implica elegir uno 0 ‘atios medios y definir los procedimicntos que utilizaremos en la recoleccién de los datos. El étodo 0 métodos deben ser confiables,vilidos y “objetivos” ) Una ver recolectados,zde qué forma vamos a preparatlos para que puedan analiza y responda- ‘mos al planteamiento del problema? ») El plan se nutre de diversos elementos: 1, Las variables, conceptoso atributos a medis (contenidos en el planteamiento c hipétesis 0 direetri- ces del estudio) 2. Las definiciones operacionales, La manera como hemos operacionalizado las variables es crucial para determinar el mécodo para medirlas, lo cual a su ver, resulta fundamental para realizar las inferencias de los datos 9. La muestra 4 Los recursos disponibles (de tiempo, apoyo institucional, econémicos, etcétera). El plan se implementa para obtener los datos requeridos, no olvidemos que todos los atsibutos, cuae lidades y variables deben ser medibles. En la figura 9.1 se encuentra un ejemplo de un plan de este tipo. © Figura 9-1. Gemplo de plan para la obtencién de dato. ru » ules son las fuentes? » . -eDénde se localizan? obs debi maa ely| ———* ow en > ia raves de qué método vamos eset lasts? NRT ae SaaS aT ae Entrevista, utlizando un cuestionario que serd aplicado, -analizarse? ot eestor aca atid datos, > tas vatibies ame sn: satstcin de as recompensas, grad de sponse, esol persona ycnfnza ens miso 2 Las etnies opetaconaes ec ce un cvesona qe mies varabls dente, deneminad “cesta el cima exganzzconal MT ender Sanpete, 207) 2. Lamveste:300 bands 4 cuss spans: condi, suet. Tepo: un mes scx paboebion to Haphepeshet onub sgntca medi? Con la finalidad de recolectar datos disponemos de una gran variedad de instrumentos 0 técnicas, tanto cuantitativas como cualitativas, es por ello que en un mismo estudio podemos utilizar ambos tipos. Incluso, hay instrumentos como la Prueba de Propésito Vital (PIL) (que evalia el propésito de vida de una persona) de Crumbaugh y Maholick (1969) que contiene una parce cuantiaciva y una cualitativa (Thoits, 2012; Marsh, Smith, Piek y Saunders, 2003; y Brown, Asheroft y Mille, 1998) Esto se revisaré en el capitulo 17: “Los métodos Por ahora, nos concentraremos en la recoleccién de los datos cuantiativos y sus conceptos ese: ciales Qué significa medir? En la vida diaria medimos constantemente, Por ejemplo, al levantarnos por las mafianas, miramos el reloj despertador y “medimos” la hora al bafarnos,ajustamor la temperatura del agua en la tina o la regadera, caleulamor a cantidad de café que habremos de servir en la cafetera: nos asomamos por la ventana y estimamos eémo seri el dia para decidir la ropa que nos pondremos. Al ver el eéfico cvaluamos ¢ inferimos a qué hora llegaremos ala universidad o al cabajo, asi vomo la velocidad a la aque transitamos (0 bien abservamos el velocimetro) en ocasiones contamas euantos anuncios espec- taculates observamos en el trayecto w otras cuestiones, incluso deducimos, a partir de ciertos signos, 7 Como esas, acerca del opetador dl autobiis y de ottos conductores: qué tan alegres 0 cnojados et hacemos muchas otras actividades. Medir es parte de nuestras vidas (Bostwick y Kyte, 2005). En concordancia con la definicién clisica del érmino, ampliamence difundida tos, sino a sus propiedades (Bostwick y Kyte, 2005). Sin embargo, como sefalan eles ‘Carmines y Zeller (1991), esta definici6n es més apropiada para las cienciasfisicas que para las ciencias sociales, ya que varios de los fendmenos que son medidos en éstas no pueden carac~ terizarse como objetos eventos, son demasiado abstractos para ello. La disonancia cognitiva, la ppateja ideal, el clima organizacional, la cultura fiscal y la credibilidad son coneeptos tan abstractos que no deben ser considerados “cosas que pueden verse o tocarse” (definicién de objeco) ni solamente como “resultado, consecuencia producto” (definicidn de evento) (Carmines y Zeller, 1991). Este raronamiento nos lleva a proponer que es mis adecuado definir la medicién como "el proceso de vincular conceptos abstractos con indicadores empiricos, el cual se realiza mediante un plan explici- to y organizado para clasifica (y con frecuencia cuantificat) los datos disponibles (los indicadores), en ‘éeminos del concepto que l investigador tiene en mente (Carmines y Zeller, 1991). En este cLinscrumenco de medicién o de recoleccién de datos tiene un papel central. Sin él, no hay observa cones clasificadas. La definicidn sugerida incluye dos consideraciones: la primera es desde el punto de vista empiti- co y se estume en que el centro de atencién es la respuesta observable (sea una alternativa de respucs ta marcada en un cuestionario, una conducta registrada mediante observacién, un valor de un instrumento y su interpretacién o una respuesta dada a un entrevistador), La segunda es desde una petspectiva tedrieay se refiere a que el interés se sitia en el concepto subyacente no observable que se representa por medio de la respuesta. Asi, os registtos del instramento de medicion adecuado es aquel que registra datos observables que representan verdaderamente los 02 significa “asignar nimeros,simbolos o valores a las propiedades de objetos 0 Mediibn Proceso que vincula eventos de acuerdo con reglas” (Stevens, 1951). Desde luego, no se asignan alos obje- __conceplos absratas con indicadores ‘que utiliza el investigador para representan valores visibles de conceptos abstractos. Un instrumento de medicién _nstumento de mediién Recurso ¢ conceptos o las variables que el investigad Unrau, 2009). En téeminos cuantitativos: capturo verdaderamente la “realidad” que deseo capturar. Bostwick y Kyce (2005) lo sefialan de la siguiente forma: la funcién de la medicién es establecer una cortespondencia entre el “mundo real” y el “mundo conceptual”, El primero provee evidencia empirica, el segundo proporciona modelos teéricos para encontrar sentido ase segmento del mundo real que estamos tratando de describir. En toda investigacién cuantitativa aplicamos un instrumento para medit ls variables contenidas cn las hipétesis (y cuando no hay hipétesis simplemente para medi las variables de interés). Esa scx paboebion to Haphepeshet on ; Santee araaae iene en mene (Grinnell, Wiliams yea informa doh> 200 capitulo.» Reclecién de datos cwantatves 03 onfialidad Grado en que un Instrumento produce resultados consistenes y coherentes rmedicién es eficaz cuando el instrumento de recoleccién de datos en realidad representa la variables ‘que tenemos en mente, Sino es asf, nuestra medicién es deficiente: por tanto, la investigacién no es ddigna de tomarse en cuenta, Desde luego, no hay medicién perfecta. Es casi imposible que represen- temos con fidelidad variables como la inteligencia emocional, la motivacién, el nivel socioeconémico, lliderazgo democritico, el abuso sexual infantil y otras més; pero es un hecho que debemos acercar- ros lo més posible a la representacién fiel de las variables que se van a observar mediante el instru- mento de medicin que desarrollemos. Se trata de un precepto bésico del enfoque cuantitativo. Al ‘medir estandarizamos y cuantificamos los datos (Babbie, 2014 y Bostwick y Kyte, 2005). Qué requisitos debe cubrir un instrumento de medicin? “Toda medicidn o instrumento de recoleccién de datos debe reunit tes requisits esenciles:confiabi- lidad, validezy objetividad. Confiabilidad La confiabilidad de un instrumento de medicién se refiere al grado en que su aplica- cidn repetida al mismo individuo u objeto produce resultados iguales (Hernénder- Sampieti etal, 2013; Kelltede y Whitten, 2013; y Ward y Street, 2009). Por ejemplo, si.se midieraen este momento la temperatura ambiental usando un cermémetto y éste indicara que hay 22°C, y un minuto mas tarde se consultara otra vez y sefalara 5°C, tres minutos después se observara nuevamente y éste indicara 40°C, dicho termémetto no seria con- fiable, ya que su aplicacién repetida produce resultados distintos. Asimismo, si una prueba de intel sgencia (Intelligence Quotient, IQ) se aplica hoy a un grupo de personas y da ciertos valores de inceligencia, se aplica un mes después y proporciona valores diferences, al igual que en subsecuentes ‘ediciones, tal prucba no seria confiable (analice los valores de a tabla 9.1, suponiendo que los coef cientes de intligencia oscilaran entre 100 y 135). Las resultados no son coherentes, pues no se puede ‘confiar’en ellos. © Tabla 9.1 _Ejemplo de resultados proporcionados por un instiumento de medicién sin cnfibilidad a Mariana 135 sergio at Guadalupe 27 Viidiana 25 tau 130 Guadalupe a seigio a8 chester 5 Mariana 18 awa 110 Guadalupe m tava 15 Guadalupe 108, Mariana 110 Chester m chester 108 Viciona 105 Vidiana 108 Agustin 100 Agustin 01 sexsi 105 La confiabilidad de un instrumento de medicién se determina mediante diversas técnica, las cuales se comentarin breverente después de revisar los conceptos de valider y objetividad. Validez Valder Grado en que un instrument ‘La validez, en términos generals, se refiere al grado en que un instrumento mide cn vedad mide lovable que se realmente la variable que pretende medit. Por ejemplo, un instrumento valido para busca medi. rmedir a inteligencia debe medit la inteligencia y no la memoria, Un método para medir clrendimiento burst tiene que medir precisamente esto yno la imagen de una empre- sa. Un ejemplo —aunque muy obvio— de completa invalid seria intentar medir el peso de los objetos con una cinta métrica en lugar de con una béscula. scx paboebion to Haphepeshet on{Qué requisitos debe cubsir un instummento de medicén? En apariencia es sencillolograr la vader. Después de todo, como dijo un estudiante: ‘pensamos cn la variable y vemos cémo hacer preguntas o imaginar indicadores sobre esa vatiable”. Esto resulta ria factible en unos cuantos casos (como lo sera el género al que pertenece una persona). Sin embar- go, la situacién no es tan simple cuando se tata de variables como la motivacin, la calidad del servicio a los clientes, la actitud hacia un candidato politico y menos atin con sentimientos y emocio- zs, asi como de otras variables con las que tabajamos en todas las ciencias. La validez es una cuestion. ms compleja que debe alcanzarse en todo instrumento de medicidn que se aplica. Ketlinger (1979, p. 138) plantea la siguiente pregunta respecto de la validez: esti midiendo lo que cree que esti miiendo? Si es ai, su medida es vida; si no, evidentemente carece de vaidez La validez es un coneepto del cual pueden tenerse diferentes tipos de evidencia (Babbic, 2014; Hays, 2013: Kellstedt y Whitten, 2013; The SAGE Glossary of the Social and Behavioral Sciences, 2009; Streiner y Norman, 2008; Wiersma y Jurs, 2008; Gallestey, 2007; Rupp y Pant, 2006; Carmines y Woods, 2003a: y Gronlund, 1990): 1) evidencia rlacionada con el contenido, 2) evidencia relacionada con el crterio y 3) evidencia relacionada con el constructo. A continuacién analizatemos cada una de elas. 1. Evidencia relacionada con el contenido La valider de contenido se refiere al grado en que un instrumento refleja un dominio Valider de contenido Grado en que cspecifico de contenido de lo que se mide. Hs el grado en el que la medicidn represen-_ wn instumentorefljaun dominio ta al concepto 0 variable medida (The SAGE Glossary of the Social and Behavioral oma a ee Sciences, 2009b y Bohrnsted, 1976). Por ejemplo, una prueba de operaciones arit- ‘méticas no tendré validez de contenido si incluyera s6lo problemas de testa y excluye- ra problemas de suma, multplicacién o divisién, © bien, una prucba de conocimientos sobre las canciones de Los Beatles no deberd basarse solamente en sus albumes Let it Bey Abbey Road, sino que debe incluir canciones de todos sus discos. O una prueba de conocimientos de Iideres hist6ricos de América Latina que omita a Simén Bolivas, Salvador Allende, Tiipac Amaru Il, Ernesto ef Che ‘Guevara, José de San Martin o Benito Juitez Un instrumento de medicidn sequiere tener representados a todos o la mayoria de los componen- tes del dominio de contenido de las variables que se van a medir. Este hecho se ilustra en la figura 9.2 © Figura 9.2. Kemplo de un instrumento de medicon con valider de cantenida frente a otro que carece de ela Domini ef variable Lo oN ant NoM Al > Instrument con vader de UG conten Lok Instrument sin rok vier de cantenio NOM Le AL UG El dominio de contenido de una variable normalmente esti definido o establecido por la litera- ‘ura (teoria y trabajos antecedentes). En indagaciones exploratorias en las que las fuentes previas son. cescasas, el investigador comienza a adentiatse en el problema de estudio y a proponer eémo puede «star constituido tal dominio, De cualquier manera, en cada investigacién uno debe probar que 1 instrumento wilizado es vilido. Un ejemplo del intento por establecer el dominio de contenido de ‘una variable es el siguiente: scx paboebion to Haphepeshet on22 opitule 9 Recoeccén de datos vanttatves jer p i | Hernander-Sampiert (2005), para establecer el dominio dela variable clima axganizaconal revis6 20 estudios lasicos sobre el concepto, comprendidos entie 1968 y 1977, asi como mas de 100 investigaciones publicadas en revistas centifica entre 1975 y 2005, Por otro lado, consideré divers libros sobre el tema, tes metaand- Isis y otras tantas revisiones del estado del conocimiento sobre dicho clima, Tambien evalué 15 estucios tfectuados en el contexto en el que habrla de levar a cabo su propia investigacion. Encontré que en I litera ture se han considerado decenas de dimensiones o componentes del clima organizacional, por lo que realiz6 tun andisis para determinar cuales hablan sido los ms frecuentes, éstos fueron. 1) mora, 2) apoyo de la dieccién, 3) innovacién, 4) identificacén con la empresa, 5) comunicacén, 6) percepcién del desempen, 7) ‘mativacin intinseca, 8) autonomia, 9) satsfacién general, 10) iderazgo, 11) visién y 12) recompensas 0 retibucién, Dejé a un lado otros, como conflanza en si mismo y estindares de excelencia 0 conformidad. Con lo anterior genes su instrumento de medicén, Si el dominio de un instrumento es demasiado estrecho con respecto al dominio de la variable, el primero no la representars. La pregunta que se responde con la validex de contenido ¢s: el instrumen- to mide adecuadamente las principales dimensiones de la variable en cuesti6n? En un cuestionario, por «ejemplo, cabria interrogar: qué tan bien representan las preguntas a todas las que pudieran hacerse? 2. Evidencia relacionada con el criterio Valider de criterio Yair que se La yalides de eriterio de un instrumento de medicién se establece al comparar sus establee al conelacionar as puntuacle- resultados con los de algin crterio externo que pretende medir lo mismo. Supongamos es resutantes de aplicrelinsrumen- te con las puntuaciones abtenidas de a etree stecatte eete dle que va a tomarla de la mano y observaré su reaccién. ‘medi lo mismo. que Fernando «rata de "medit” el grado en que es aceptado por Laura. Entonces deci- ;puestamente, si ella no retita la mano, esto indicaria cierta aceptacién. Pero para aseguratse de que su medi- cidn es vélida, decide utilizar otra forma de medicién adicional, por ejemplo, mirarla fijamente sin apartar fa vista de sus ojos. En apariencia, si Laura le sostiene la mirada, esto sera otro indicador de aceptaci6n. Asi, su medicién de aceptacién se valida mediante dos méco- dos al comparar dos criterios. El ejemplo tal ver sea simple, pero describe la esencia de la validex relativa al eritetio. Este criterio es un estindar con el que se juzga la validez del instrumento (Jackson, 2011 y The SAGE Glossary of the Social and Behavioral Sciences, 2009¢). Cuanto mas se relacionen los resulta- dos del instrumento de medicién con los del critero, la valider seré mayor. Por ejemplo, un investi gador valida un examen sobre manejo de aviones al mostrar la exactitud con la que el examen predice qué tan bien un grupo de pilotos es capaz de operar un aeroplano. Si el criterio se fijaen el presente de manera paralela, se habla de validez concurrente (Kaplan y Saccuzz0, 2013) (los resultados del instrumento se coreelacionan con el citerio en el mismo momen- too punto de tiempo). Por ejemplo, Nasiez (2001) desarrollé una herramienta para medir el sentido de vida de acuerdo con las ideas de Viktor Frankl, el cet Celaya. Para aportar evidencia de validez en relacién con su instrumento, lo aplicé ya su vex administré otros instrumentos que miden concepcos muy similares, ral como la PIL (Prucba de Propésito Vital) de Crumbaugh y Maholick (1969) y el Logo Test de Lukas (1984). Luego comparé las puntuaciones de los partcipantes en las tes prucbas, demostté que las correlaciones enti las puntuaciones eran significativamente elevadas. De esta mane- ra fue como aporté valider concurrente para su instrument, Si el crterio se ija en el futuro, se habla de valider predictiva (Ihe SAGE Glossary of the Social and Behavioral Sciences, 209d). Por ejemplo, una prucba para determinar la capacidad gerencial de candidatos a ocupat altos puestos jecutivos se validarfa comparando sus resultados con el desempefio posterior de los ejecutivos en su abajo regular. Un cuestionatio para detectar las prefesencias del eleccorado por los distintos partidos contendientes y por sus candidatos en la época de las campafias, puede validarse comparando sus resultados can los resultados finales y definitivos de la eleccién, El principio de la valides de criterio ¢s sencillo: si diferentes insteumentos 0 crterios miden el ‘mismo concepto 0 vatiable, deben arrojar resultados similares. Bostwick y Kyte (2005) lo expresan de [a siguiente forma: scx paboebion to Haphepeshet on{Qué requisitos debe cubsir un instummento de medicén? Si hay valider de criteio, las puntuaciones obtenidas por cittos casos en un insteumenta deben estar correlacionadas y predecit ls puntuaciones de estos mismos casos logradas en otto ctitei. La pregunta que se responde con la validez de eriterio es: zen que grado el instru do.con otros criterias excernos mide lo mismo? mento compat 3. Evidencia relacionada con el constructo La yalider de constructo es probablemente la més importante, sobre todo desde una __Valider de constucto Dobe explcar perspectiva cientifia, y se reliere a qué tan bien un instrumento representa y mide un concepto teérico (Babbie, 2014; Grinnell, Williams y Unrau, 2009; The SAGE, Glossary of the Social and Behavioral Science validez le concierne en particular el significado del instrumento, esto cs, qué esté coment miiendo y cémo opera para medirlo, Integra la evidencia que soporta la interpreta- cidn del sentido que poseen las puntuaciones del instrumento (Messick, 1995) Parte del grado en el que las mediciones del concepto proporcionadas por el ins ‘rumento se relacionan de manera consistente con mediciones de otros conceptos © variables vinculadas empirica y wedricamente (por la teoria, modelos e hipétesis pre- vias o investigaciones antecedentes). A tales conceptos se les denomina “constructos” Un constracto es una variable medida ‘modelo tedrivo. Es un atributo que no existe aislado sino en relacién con ottos y debe serinferido de la evidencia que tenemos en nuestras manos y que proviene de las pun- tuaciones del instrumento aplicado. La valides de constructo incluye tes etapas (Carmines y Zeller, 1991) tesco. 41. Sobre la base de la revision de la literatura, se establece y especifica la relacién entre el concepto 0 variable medida por el instrumento y los demas conceptos incluidos en la teoria, modelo tebri- co 0 hipétess. 2, Seasocian estadisticamente los conceptos y se analizan cuidadosamente las correlaciones. 5 Se interpreta la evidencia empirica de acuerdo con el nivel en el que se clarifica la validen de constructo de una medicién en particular. El proceso de validacim de un constructo esta vinculado con la teoria. No es convenient llevar a cabo tal validacién, a menos que exista un marco tedrico que soporte la variable en relacién con otras variables. Desde luego, no es necesasia una teorfa muy desarrollada, pero sf investigaciones que hayan demostrado que los conceptos se asocian, Cuanto mas elaborada y comprobada se encuentte la teorla que apoya la hipStesis, la validacién del constructo arrojara mayor luz sobre la valider general de un instrumento de medicién, Tenemos més confianza en la valider de constructo de una medicién cuan- dlo sus resultados se correlacionan significativamente con un mayor niimero de mediciones de varia- bles que, en teoria y de acuerdo con estudios antecedentes, estin relacionadas. Veamos la validez de constructo con el ejemplo ya comentado sobre el lima organizacional. Fjemplo fn el caso de Herndnder-Sampieri (2008), que como cecordamos, desaroll un instrumento para evaluar al lima organizacional cnsidetando 12 variables: moral, apoyo de la dreccién, innovacién, etc, la pregunta ‘obvi es Lal instrumente realmente mide el lima organizaconal? ;Verdaderamente lo representa? En cuanto 2 contenido se demostié que si efljabalas principales dimensiones del clima organizacional. Peto esto no es sufciente, necesita demostiar que su instrumento concuerda con a teria, Esta basada en diversosestudios, indica qué tales dimensiones se encuentran fuertemente vinculadas y que se Unen o “funden’ entre si para formar un constructo multidimensional denominado cima organizacional,y que ademas se asocian con el inyoluctamiento ene! trabajo y el compromiso organizacional. Entonces, para aportarvalidez de construct, se miso. Tales viculos se encontraron mediante andlisisestadistico y ls resultados coincidieron con la teoia y se obtuvo evidencia sobre la validez de construct del instrumento. scx paboebion to Haphepeshet on Cémo as medines dl concep @ ‘anableseunean de mane'a, Congruente cons melons de 20094: y Sawilowsky, 2006). A esta tas eanceptoscoeacnadose- jene lugar dentro de una hipétesis, teoria o Constueta 0 constuclén Vavable medida que tiene lugar dentro de ua hipétess,teofa @ modelo204 GF capitulo.» Reclecién de datos cwantatves Las preguntas que se responden con la valider de constructo son: ;el concepto tedrico esté real- mente relleado en el instrumento? :Queé signfican las puntuaciones del instrumento? ;Fl instrumen- co mide el constructo y sus dimensiones? Por qué? ;Cémo opera el instrumento? Otro tipo de validez que algunos autores consideran ¢s la valider de expertos 0 > Valder de exertos iad en que un for a - Instrumenta realmente mie fa variable ‘ es - oe Mine deededecmoperoer 12¥ariable en cuestién, de acuerdo con “Voces eaificadas”. Se encuentra vineulada a tems la validez de contenido y, de hecho, se considers por muchos afios como parte de ésa Hoy se concibe como un tipo adicional de evidencia (Gravetter y Forzano, 2011; Streiner y Norman, 2008; y Mostert, 2006). Regularmente se establece mediante la cevaluacién del instrumento ante expertos. Por ejemplo, Herndndez-Sampieri (2005) somerié el ins- eumento a revisién por parte de asesores en desarrollo oxganizacional, académicos y gerentes de recursos humanos. Asimismo, mas recientemente se ha hablado de la validez comsecuente, que se tefie- rea las secuclas sociales del uso ¢ interpretacién de una prueba (Mertens, 2010), ‘face validity, la cual se refiere al grado en que aparentemente un instrumento mide Validez total 1a valider de un instrumento de medicién se evahia sobre la base de todos los tipos de evidencia. ‘Cuanta mayor evidencia de valider de contenido, de validez de eriterio y de validex de constructo cenga un instrumenco de medivién, éste se acercatd més a representa las vatiables que pretende medi. Valider total = valides de contenido + valides de criterio + valides de consteucto Relacién entre la confiabilidad y la validez Un instrumenco de medicién puede ser confiable, pero no necesariamente vélido (un aparato, por «jemplo, quiza sea consistente en los resultados que produce, pero puede no medi lo que pretende). Porello es tequisito que el instrumento de medicién demuestre ser confiabley vilido, Lavalider y la confabildad no se De no ser ast, los resultados de la investigacién no deben tomarse en serio. > ‘asumen, se prucban Para ampliar este comentario, recustitemos a la analogia de Bostwick y Kyte (2005, pp. 108-109), Supongamos que vamos a probar un atma con tes tradores, Cada uno debe realizar cinco disparos, entonces: Tirador 1 Sus disparos no impactan en el centro del blanco y se encuentran diseminados por todo el blanco, ‘Tirador 2 Tampoco impacta en el centro del blanco, aunque sus disparos se encuentran cercanos entre sf, fue consistente, mantuvo un pattdn, Tirador 3 Los disparos se encuentran cercanos encte sie impactaron en el centto del blanco. Sus resultados podsfan visualizarse como en la figura 9.3, en la cual se vinculan la confiabilidad y la validez, Ka. 9.3_Representacion de la confiablidad y avalide, Tider Tater? Tiador3 Nicol i valider Contbildad per no vader Cntabildad y vider © ©); scx paboebion to Haphepeshet on{Qué requsts debe abi un nstumento de medcn? ETT Factores que pueden afectar la confiabilidad y la validez Hay diversos factores que Hlegan a afectar la confiabilidad y la validez de los instrumentos de recolec- cidn de los datos ¢ introducen errores en a medicién.' A continuacién se mencionarin los mas La improvisacién. Algunas personas creen que elegit un instrumento de medicién o desartollar lo es algo que puede comarse ala ligera. Incluso,ciercos profesores piden a los alumnos que constr yan instrumentos de medicién de un dia para otro o, lo que es igual, de una semana a ora, lo cua habla del poco 0 nulo conocimiento del proceso de el: dlatos. Esta improvisacién genera cai siempre instrumentos poco vilidos o confiables. ‘Aun a los investigadores experimentados les coma tiempo desastollar un instrumento de medi cién, Ademés, para construislo se requiere conocer muy bien la variable que se pretende medir, ast como la teorfa y la prictica que la sustentan Cuando las mediciones se refieren a seres humanos hay otros Factores joracién de instrumentos de recoleccién de los (0) Usilizarinstrumentos desarrolados en el extranjero que no han sido walidados en nuestro contexo: cultura y tiempo. Traducir un instrumento, aun cuando adaptemos los términos a nuestro len- guaje y los concextualicemos, no es ni temotamente una validacién. Constituye un primer y necesario paso, aunque sélo es el principio. En el caso de traducciones, ¢s importance verificar que los términos centrales tengan referentes con el mismo significado —o alguno muy pateci- do—en la cultura en la que se va a utilizar dicho insteumento (vincular términos entre la cultu- rade origen y la cultura destinataria). A veces se uaduce, se obtiene una versidn y ésta, a su vez, se vuelve a traducir al idioma original (aduccién inversa) Por otra parte, existen instrumentos que fueron validadas en nuestro contexto, pero hace mucho tiempo. Hay instrumentos en los que hasta el lenguaje “nos suena anticuado”. Las cultu- 15, los grupos y las personas eambian; y esto debemos tomatlo en cuenta al elegit 0 desarsollar tun instrumento de medicién, 1») User instrumentos inadecuados para las personas & quienes se les aplica: no son empéticos. Urilizar tun lenguaje muy elevado para los sujetos respondientes, no tomar en cuenta diferencias de géne- to, edad, conocimientos, memoria, nivel ocupacional y educativo, motivacién para contestar, capacidades de conceptualizacin y otras diferencias en los participantes, son ertores que llegan a afectar la validez y la confiabilidad. Este error ocurre a menudo cuando los instrumentos deben administrarse a nifis. Asimismo, hay grupos de la poblacin que requieren instrumentos apro- piados para ellos, tales el caso de las personas con capacidades distintas. En la actualidad se han des para individuos con capacidades visuales distintas © prucbas orales para personas que no pueden escribir). Otro ejemplo son ls indigenaso inmigrantes de oras culeuras, pues en acasiones se les aplican instrumentos en un idioma o contexto que no es el suyo. ‘Quien realiza una investigacin debe adaptarse siempre a los partcipantes y no al revés, ya que es necesatio brindarles todo tipo de facilidades. Si éste es el caso, se sugiere consultar a Mertens y McLaughlen (2004), en cuyo libro hay un capitulo dedicado ala recoleccién de infor- macién de personas con capacidades diferentes o de culturas especiales, y a Eckhardt y Anastas (2007). Asimismo, es recomendable revisar la pigina web de alguna asociacién internacional como la American Psychological Association. ©) Cuestones vinculadas com ls estilos personales de ls participantes (Boscwick y Kyte, 2005) como: descabilidad social (tatar de dar una impresin muy favorable através de las respuestas) tenden- cia a asentir con respecto a todo lo que se pregunta, dar respuestas inusuales 0 contestar siempre negativamente lado diversas pruebas que las toman en cuenta (por ejemplo, pruebas en sistema Braille “sea omit endorse I expos de las eres sistemas Yo sstemstias que feta a coi y a valde, con ‘ptlos—» Capa 7 Reclecin dee eto evant cag par scx paboebion to Haphepeshet on206 capitulo.» Reclecién de datos cwantatves dC el fifo (por ejemplo, en una encuesta de casa en casa), un instrumento demasiado largo o tedioso, tuna encuesta telefénica después de que algunas compaiiias han utilizado el mercadeo telefinico en exceso ya destiempo (promocionar servicios a las 7 a.m, de un domingo o después de las 11 pm, entre semana) son cuestiones que llegan aafectar negativamente la validez y la confiabilidad, al igual que si el tiempo que se brinda para responder al instrumento es inapropiado. Por lo comiin en los experimentos se cuenta con instrumentos de medicién mas largos y complejos que en los disefos no experimentales. Por ejemplo, en una encuesta piblica serfa muy dificil aplicar una prueba larga 0 compleja. rndiciones en las que se aplica el instrumento de medicién. Fl ruido, la inadecuada iluminacién, (Orro factor que se encuentta en oda tipo de inserumentos en cualquier campo de conocimienco «sla fala de standarizacién: que ls intrucciones no sean las mismas para todos los participantes, que elorden de las preguntas sea distinto para algunos individuos, que los instrumentos de observacién ro resulten equivalentes, que el procedimiento para administar la medicién no sea exactamente el ‘mismo para todos los casos (por ejemplo, al medir la presin arterial, que a unos pacientes se les tome después de un tiempo de relajacién ¥ a otros, no: 0 bien, que al pesar ciertas piezas no se utilice la ‘misma béscula). Este elemento también se vincula con la objetividad. Aspectos mecdnicos como que sielinstrumento es escrito, que no sean legibles ls inst {alten péginas, no haya espacio adecuado para contestar © no se comprends bign influyen de manera desfavorable, Lo mismo pasaria con un aparato mal calibrado Con respecto a la validez de constructo dos factores pueden afectarlasignificativamente: las inswucciones, tam: ) La estrecher del contenido, es deci, que se excluyan dimensiones importantes de la variable o las, variables medidas. ») La amplicud exagerada, donde el riesgo es que ef instrumento contenga excesiva intrusién de otros constructos similares ‘Muchos de los erroses se pueden evitar mediante una adecuada revisin de la literatura, que nos permite scleccionar las dimensiones apropiadas de las variables del estudio, otros ctitetios para compa: rar los resultados de nuestro instrumento,teorias de respaldo, instrumentos de dénde elegir etcétera Objetividad Es dificil lograr la objetividad, particularmente en el caso de las ciencias sociales. E se alcanza mediante el consenso 0 mediciones miitiples. Al tratarse de cuestiones fsicas ls pereepcio- nes suelen compartrse (por ejemplo, la mayoria de las personas estarian de acuerdo en que el agua de mar contiene sal 0 los rayos del Sol queman), pero en temas que tienen que ver con la conducta humana como ls valores, las atribucione y las emociones, cl consenso es mas complejo. Imaginemos {que 10 observadores deben ver una pelicula y ealificarla como “muy violenta” a, “neutral”, ‘poco violenta” y “nada violenta’. Tres personas indican que es muy violenta, tes que es violenta y cuatro la evaliian como neutral: es dificil responder qué tan violenta es la pelicula. O bien, :quién fue ‘mejor compositor: Mozart, Beethoven o Bach? Todo es relativo, Sin embargo, la objetividad aumenta al reducirse a incertidumbre (Unrau, Grinnell y Williams, 2011). Desde luego, la certidumbre total no existe en ninguna ciencia: el conocimiento es aceptado como verdadero, hasta que nueva evidencia demuestra lo contrati. CObjetivdad del instrumento Grado en En un instrumento de medicién, la objetividad se refiere al grado en que éste es {que el nstrumenta es ono permeable 2 Ja inluencia de los sesgosy tendencias de os investigadores que lo admis tran, calfcane interpreta, © no permeable ala influencia de los sesgos y tendencias del investigador o investiga- dores que lo administran, califican ¢ interpretan (Mertens, 2010). Investigadores sacistas © machistas quizis influyan negativamente por su sesgo contra un grupo étni- co 0 el género femenino. Lo mismo podria suceder con las tendencias ideol6gicas, politicas,eeligiosas o Ia orientacién sexual. En este sentido, los aparatos y sistemas calibrados (por «jemplo, una pistola lier para medir la velocidad de un automévil) son més objetivos que otros sste- mas que tequieren cierta interpretacidn (como un desector de mentitas) y éstos,asu vez, ms objetivos ‘que las pruebas estandarizadas, las cuales son menos subjetivas que las pruebas proyectivas. scx paboebion to Haphepeshet on‘ma se sabe sun insttumente de mediclén es contable y vido? a objetividad se refuerza mediante la estandarizacién en la aplicacién del instrumento (mismas instrueciones y condiciones para todos los participances) y en la evaluacién de los resultados; as{ como al emplear personal capacitado y experimentado en el instrumento, Por ejemplo, si se utiizan obser- vadores, su proceder en todos las casos debe ser lo més similar posible y su entrenamiento tendra que ser profundo y adecuado, Los estudios cuantitativos buscan que la influencia de las caractersticasy las tendencias del inves- tigador se reduzca al minimo posible, lo que insistimos es un ideal, pues la investigacién siempre es realizada por seres huumanos. La validez, la confiabilidad y la objeividad no deben tratarse de forma separada, Sin alguna de las ‘tre, el instrumento no es itil para evar a cabo wn estudio. 4Cémo se sabe si un instrumento de medicién es confiable y vilido? En ka précticaes casi imposible que una medicién sea perfecta y generalmente se tiene un grado de error, Desde luego, se trata de que este error sea el minimo posible, por lo cual la medicién de cualquier fenémeno se conceptualiza con la siguiente férmula bisa: X=tte Donde X representa los valores observados (resultados disponibles); ¢, ls valores verdaderos: y ¢, cl grado de error en la medicién. Si no hay error de medicién (¢ es igual a cero), el valor observado y el verdadero son equivalentes. Esto puede verse claramente as: X=r+0 X= Esta sivuacidn representa el ideal de la medicibn. Cuanto mayor sea el error al medit el valor que » Corretacion Persistencia en la taea Instrument para media oie inne as eS ces La valider de constructo suele determinarse mediante procedimientos de anslisis estadistico mul- tivariado ("andlisis de faetores’, “anilisis diseriminante”, “regresiones mliples’, ete), los cuales podré bajar del centro de recursos en linea en: Material complementario + Capitulos > Capitulo 8: “Andlisisestadistico: segunda parte’ aQué proce: de medici6n? Existen diversos tipos de instrumentos de medicién, cada uno con caracteristicas diferentes. Sin OS «embargo, el procedimiento general pata construtlosy apicatls es semejante, Este se resume median- te exapas en el diagrama dela figura 9.7 ycorcesponde a la parte del plan de recoleccién que contesta ala pregunta: :a través de qué método vamos a recolectar los datos? ¥ cabe sefalar que cada etapa © fen dll tepid, sino en el ent de eer en line cs Mai crmpeero omy cee We jento se sigue para construir un instrumento = Capitulos + Capitulo 7: “Recoleccidn de los datos cuantitativos: segunda parte” rn © Figura 9.7 Proceso para construir un instumento de medicion. > ase Redefiniciones fundamentals > FASE En saclay se debs evalua Revisinenocta Tas vals ives (ver ele iterate sise mantenen 0 dic) ugar Este paso deb seni ara encontiat mediante espectico dane se recebacn los ats, > a revs tert as instruments el propose tal esac, quienes y ‘stems de mein uizados en os cusido (roment) van a ser meiosis alien cio a ede ETHIC éefnicnes operaciones el tpn de datas inet, lo cual aut a ientitcar ue ‘ue se quieren bine espuestas verbal, heramienis pueden sede dad. respuestasescitas,conducas observables, Valores de oa escalate). (contin) “as pruebas de eoreacon se presenta en siguiente capo: “Anis de seats exartaties scx paboebion to Haphepeshet on210 © copituios Recolecién de dats evanttatives ‘© Figura 9.7 (continvocién) » ast 6 Prueba ito Gta ase consist en aint isnt ua peueta mest de ass par proba su patency efi nerd instcines, 31 tama lis ondcanes de apheacén os proccss. A Dat dest pueda se cca Candid ylides inset » asks Constr deliastumento La etpe impli a generac de todos los tems areata, caer vo ‘ategias cl nse asi como determina ss ves de edi, ‘codec einteietcén. » SES. > StT Haboraio de la ves ia et instrument osisema y su prcediiento de aplccién einterprtaion Inplica a revs del instrument o sistema Entrenaniento del psonal que va a administra el instumento calico de medicidn y su forma de administracion {sta etapa consiste en capacitar y mativar & parampleenta cenis pecs itr lapse abi eal y coer agregar ems, star nts, mp ‘espuests oars peduas pre pata espondes etc} ypostriamente instrument osistena de medi, Consruilavesin dent incuyendo un Asef aac. aus » SENT Preparacn dens dats para el anal +) ofa. Lips © Insets en anatase de datos Amati | ase Toma de decisions cave En esta parte se debern tomar res decions importantes «einen que ver con el instumenta a sistema de mein. Uta un insrumento de mein ya elabarede,afap- tatoo dsarolir uo neve 2, Sse tata de uo neve, decid de qué tio (evestiona- io, escala de acide, hoje de obseracién, apart, ec) yeu ser su fnmat (peep, en cestontios: ‘amafa, cles, to de fuente, ete) 2. Deteminar ef cone de ainstacén (autzpcado, ara acta enogares gars ples, ee obse- ‘cin en cémara de Gesel, aoratona cnc, linea de oducin ltr), — i FASE 10 Adminsrcén del instrumento Apical instumentoo ssteme (e men als patioantes 0 casts de invesinain. Las fases 1 a7 del diagrama se refieren propiamence al desarrollo del instrumenco o sistema de ‘medicién, mientras que las etapas 8 a 11 representan su administracion y la preparacién de los datos para su ans Tres cuestiones fundamentales para un instrumento 0 sistema de medicién Existen tres cuestiones bésicas respecto a las variables que deben considerarse al momento de cons- cruir un instrumento: a) la operacionalizacibn, 6) la codificacién y 0 establecer los niveles de medicién. ex ppgboebilon Ho Haphepeste on“es cuestones fundamentals para un instiumentoosstema de medcin “ETN La operacionalizacién: el trnsito de la variable al item o valor El paso de una variable tedrica a indicadores empiticos verficables y medibles ¢ items o equivalentes se ledenomina operacionalizacién (Solis, 2013). La operacionalizacin se fundamenta en la definicién conceptual y operacional de la variable. Su proceso se amplia en el capitulo 7 adicional que se puede descargar del centzo de recursos en linea. Por ahora, se comentard que cuando se construye un instru ‘mento, el proceso més l6gico para hacerlo es transitar de la variable asus dimensiones 0 componentes, luego a los indicadores y Finalmente a los items 0 reactivos y sus categorias. En la tabla 9.2 se dan. cjemplos de este trnsito © Tabla 9.2. Kjemplo de desarralio de tems de la preferencias de los jovenes para diverse (ejemplo sencilo) Preferencia de | Actividad noctuns | Jerarqua de preferencas de_ | Oe lunes 3 jueves, cul seat actividad fd fo actividad para | prefeidaentie | actividades de lunes a jueves | preferida nocturna para sali cn el chico 0 salircon semana (Gunque aigunos comienran | chica que mas te gusta? (mavcarla que mas te alguien éel ‘el fin de semana desde el} agiade) género jueves). 1. Sale a cenar aun cestouante, ‘puesta 2. tral ce “anto", gil, aberna, pub > 4. Acutica una coeteri,heladerts 0» algin ‘establecimiento en el gue sivan bebidas po aleohdlias, Ir a balla a una discoteca, disco 0 ato”. Ira una festa prvada, cud al teat, 28. Acudi a un conciete, 9, Pasear por un patque, jardin o aveid, 10.011 (especie. ‘lvidad nocturna | Jerrqula de preferencis de | Mismes categoriasu opciones de respuesta preferiéa en finde | actividades en vienes y Semana sibado. ‘Actvidadnoctura | Jerrqula de preferencias de | Mismas categorias u opciones de respuesta preteen | Scdaes en omoge tango iva tor Goda enquels miembros | - is compute de taba so is igs tegen fevnsergunzacan | S,ttiente de cna depatamentapercbenque | 4 de acuerde Cohtorany caper ente_ | 3:Nrdescuerd en desased, siseapoyanmutianentey | kn desaerdo manvenen eadonesde | Toulmente en desu. Amistad compaterimo. | «en abo oy mute cman i mos opcones de espa qe em miei «Siempre que lo necesito mis companeros de Uuabojo me brindan apoyo (mismas opciones e respuests), “Enos empleo ncleyen or cine ems reacts po uestiones esac, an elempas may resumes. scx paboebion to Haphepeshet onam ¢ opitule 9 Recoeccén de datos vanttatves © Tabla 9.2_(continuacién) a) * Emel depatamento donde abajo nos ‘antenemosurdos(mismas opciones de respuesta. + Lamayola de as veces en mi departamen {© compartinos [informacion ms que _uordara pare nsotas(vsmasopdones fe respuesta) + Qu tanto apoyo le brindan sus compane {os cuando usted lo necesito? sot 4 Barton 3. Acepablemeste 2 Poe. 1-Ningue. utononia | Gado de tertadpercido | °Enesta empresa tengo Herta para tomar paatona deconesy | ssoes ue ene ue ver en fear! taba abo " ae 5 Totalmente de acuerdo. 4 beacerde 2: Ni de acuerdo nl en deacuerdo 2 tndesawedo, 4 otamenteen desacverd, + mje me do tbetad para toma det res que tienen que vs con ms tabsja {tismas opcones de respuesta que el tem anterior) ‘ibucén del | Grade de concencia «festa empresa todos ratamos de hacer esempeno ompartda por desempe- | bien nuesto trabajo (mismas opciones de arse con calidad en as respuesta que lem anterior) {areas laborales, sobre la base de la cooperacin, + Em esta empresa todos quevemes da lo ‘mejor de nosatios en el trabajo (mismas opciones) En ocasiones tenemos menos elementos, por ejemplo, sélo variable, dimensiones e items; incluso, Snicamente variable y categorias de un nico ftem o excala. Tal seria el caso del género —variable—, incegrada por un {tem solitario—pregunta u observacin— y dos categorfas: masculino y femenino; 0 bica, temperatura —variable— y la lectura de un valor o categoria. Algunas variables son sencilla (un item) y otras compuestas (varias dimensiones, indicadores, tems y categorias). En el siguiente capitulo “Andlisis de los datos cuantitativos” (en ef apartado “Apunte 1”), se discuten las impliaciones de fo anterior para el andlisis estadjstico. Enel ejemplo de Lee y Guerin (2009) tratado en esta obra la va ble “satislaccién respecto a la calidad del diseio ambiental del interior del dtea de trabajo u oficina’, incluy6 la dimensién “satisfacciSn con respecto al dsefto de a ofcina’, compuesta por tres indicadores: 2) satisfaccién sobre el espacio aprovechable para el trabajo individual y para guardar o almacenar, 6) satisfaccién en torno al nivel de privacidad visual y «) satisfacci6n en relacién con la facilidad para inceractuar con compafieros de trabajo; cada uno con uno o varios ftems. Esta y otras variables fueron cortelacionadas con la variable tipo de oficina, integrada por un item con las siguientes categoras: | Despacho u oficina privada cetrada, Oficina cerrada comparcida con otras personas, Cubiculo con paneles altos de metro y medio o més. Cubiculo con paneles bajos de menos de metro y medio. . Espacio de tabajo en una oficina abierta sin divisiones. Otros. scx paboebion to Haphepeshet on“Tres cuestiones fundamentals para un instumento 6 sistema de medica Codificacién Codificar los datos significa asignarles un valor numérico o simbolo que los represen Codiiaién significa asignr aos te. Es deci, as categoria (opciones de respuesta o valores) de cada ftem o variable se 405 n valor numérico smbolo les asignan valores numéricos o signos que tienen un significado. Por ejemplo, si tuvig- ue Is epresente, ya que es ramos la variable “género” con sus respectivas categorias, masculino y femenino, a \amente. «ada categoria le determinariamos un valor. Esto podria ser: Codificacién Categs (valor asignado) + Mascalino 1 + Remenine 2 Por tanto, Paola Yitier en la variable género serfa 2, Luis Gerardo Vera y Ramén Calderén serfan 1, Mabel Gonzilez Bencosme 2 y as sucesivamente Otto ejemplo serfa la variable “horas de exposicién diata ala televisi ‘como se muestra en la tabla 9.3. que podria codificarse © Tabla 9.3 Ejemplo de cocifcacibn E (alr asgnad — No ve televisiin menos de una hore una hoa = Ns de una hor, pero menos de dos Dos horas ~ is de dos horas, pero menos de Wes Ties horas = Mas de tres hors, pero menas de cuato uatra horas — Mis de cuatro horas En el primer ejemplo de la tabla 9.2, la respuesta a la pregunta: De lunes a jueves, zeudl seria tu actividad nocturna preferida para salir con el chico 0 chica que més te gusta’, la codificacién era con naimeros (1 = salir a cenar a un restaurante; 2 = ir al cine; 3= ira un bar, “antro”, grill, tberna, pub o cerveceria; 4= acudir a una cafeteria, heladeriao establecimiento en el que sirvan bebidas no aleo- hélicas; 5 = ira bailar a una discoceca, disco o “antto"; 6 = ira una fiesta privada: acudir a un concierto: 9 = pasear por un parque, jardin, avenida, y 10 = otra) Mientras que en el item: “En esta empresa tengo libertad para tomar decisiones que tienen que ver con mi trabajo”, la codificacin era: = acudir a teatro; 5. Totalmence de acuerdo 4 Deacuerdo 3, Nide acuerdo ni en desacuerdo 2, En desacuerdo 1 Tatalmence en desacuerdo Es necesatio insistir que cada item 0 vatiable sencilla deberé tener una codificacién (cédigos numéricos 0 simbélicos) para sus categorias, a esto se le conoce como “precodifcacién”, Desde luego, hay veces que un item no puede ser codificado a prior (precodificado), porque es muy dificil conocer ceudlesserdn sus eategorias. Por ejemplo, sien una investigacién preguntéramos: qué opina del pro- zgrama econémico que recientemente aplicd el Gobierno? Las categorias podrian ser muchas més de scx paboebion to Haphepeshet on ‘necesaro para analizarls cuantitai4 ¢ opitule 9 Recoeccén de datos vanttatves las que nos imaginemos y resultaria dificil predecie con precisién eudntas y cudles serian, En tales situaviones la codificacidn se lleva a cabo una vez que se aplicaelftem (a posteriori). Este es el caso de algunos items que por ahora denominaremos “abiertos” Lacodificacin es necesaria para analizar cuanvtativamente los datos (aplicar andlissestadistico) A veces se utilizan letras o simbolos en lugar de niimeros (*, A, Z). La codificacién puede o no incluir- erumento de medicién, veémoslo con un ejemplo de pregunta: Pregunta precodificada Pregunta no precodificada iene usted novia? ‘Tiene usted novia? GD) s Si No No, Asimismo, ¢s muy importante indicar el nivel de medici6n de cada item y, por ende, el de las variables, porque es parte de la codificacién y dependiendo de dicho nivel se selecciona uno w otro tipo de anilisisestadistico (por ejemplo, la prueba estadistica para correlacionar dos variables de inter- valo es muy distinta de la prucba para cortelacionar dos variables ordinales). De esta forma, es nece- sario hacer una relacibn de variables, {tems y niveles de medici6n, Niveles de medicion Existen cuatro niveles de medicién ampliamence conocidos.* 1. Nivel de medicién nominal. Bn este nivel hay dos 0 més categorias del {tem o la variable. Las cate gorias no tienen orden ni jerarquia, Lo que se mide (objeto, persona, etc) se coloca en una w otra categoria, lo cual indica tan s6lo diferencias respecto de una 0 més caracteristicas. Por ejemplo, la variable “géneto” de la persona posee silo dos eategorias: masculino y femenino. Ninguna de las categorias implica mayor jerarqula que la otra. Las categorias Gnicamente reflejan diferencias en Ia variable, No hay orden de mayor a menor. Masculino Sexo © Femenino Siles asignamos una etiqueta 0 un simbolo a cada categorfa, esto identificard exclusivamente a la categorfa, Por ejemplo: += Masculino 2=Femenino Si usamos numerales, es lo mismo: 1 =Masculino 2= Masculino cs igual a 2=Femenino Femenino Los ntimeros utilizados en este nivel de medicién tienen una funcién puramente de clasf caci6n y no se pueden manipular de manera aritmética. Por ejemplo, la afiliacinreligiosa es una variable nominal; si pretendiéramos operarla de forma aritmética se presentarian situaciones tan ridjculas como ésta “par ain ete lea 8 wire sl (2014, Well (200), stvtenbovoush 200), Oykeme, By stevenson (208) Sanan (2008, ‘esha (2008) Rasmussen (2006) scx paboebion to Haphepeshet on“Tes euestiones fundamentals para un instumento sistema de medic = Catélico 2=Judio 1+2=3 2Un catélico + un judio = un protestante? (No tiene sentido) Las variables nominales pueden incluir dos categoria (dicotémicas), 0 bien, tres 0 més cate- gorfas (categéricas). Ejemplos de variables nominales dicotémicas serian el género, el veredicto de un jurado (culpable-no culpable) y el tipo de escuela a la que se asiste (privada-pablica): y como ejemplos de variables nominales categéricas tendrfamos la afliacién politica (partido A, partido B, etc), Ia licenciatura estudiada, el grupo étnico, el departamento, la provincia o el estado de nacimiento, la clase de material de construccién (“no” su resistencia, que seria otra variable), tipo de medicamento administrado ("no” la dosis, que seria una variable distinta), blo- ques de mercado (asidtico, latinoamericano, comunidad europea, etc) y el canal de televisibn preferido, 2. Nivel de medicién ordinal. En este nivel hay varias eategorias, pero ademés mantienen un orden dde mayor a menor. Las etiquetas o los simbolos de las categorias sf indican jerarqula. Por ejemplo, el prestigio ocupacional en Estados Unidos se ha medido por diversas escalas que seordenan las profesiones de acuerdo con su prestigio, por ejemplo: Valor en scala Profesin 90 Ingeniero quimico 80 Cienuifico de ciencias naturales (excluyendo la quitmica) 60 ‘Actor comin 50 Operador de estaciones eléctricas de potencia 02 Manufacturero de tabaco Los nimeros (simbolos de categorias) definen posiciones, en el ejemplo: 90 es mas que 80, £80 més que 60, 60 més que 50 y asi sucesivamente. Sin embargo, las categorias no estan ubicadas a intervalos iguales (no hay un intervalo comin). No podrfamos decir con exactitud que entre un actor (60) y un operador de estaciones elétricas (50) existe Ia misma distancia en prestigio que entre un cientifico de ciencias naturales (80) y un ingeniero quimico (90). Al parecer, en ambos casos a distancia es 10, pero no es una distancia real. Otra escala* clasificé el prestgio de dichas profesiones de la siguiente manera: Valorenescala —_Profesién 98 Ingeniero quimico 95 Cientifico de ciencias naturales (excluyendo la quimica) 84 Actor comin 8 Operador de estaciones eléctricas de potencia 1B Manufactureto de tabaco Aqui la distancia entre un actor (84) y un operador de estaciones (78) es de seis. y la dstan- cia entre un ingeniero quimico (98) y un cientifico de cieneias naturales (95) es de tres. Otro ejemplo serfa la variable posciin jrrguica en la empresa: Presidente 10 Jefe 5 Vicepresidente 9 Empleado A 4 Director general 8 Empleado B 3 Gerente de area 7 Empleado C 2 Subgerente 0 superintendente 6 Invendencia 1 “oyna (3977). tn exclave mls poesoes, se presentan slo lunes. “Nam ea (965) Nam (1983). Paaescalas mas compas y acl, vase Oganiacionifacoral dl Fabae (2012). scx paboebion to Haphepeshet on26 ¢ opitule 9 Recoeccén de datos vanttatves Sabemos que el presidente (10) es més que el vicepresidente (9); éste, més que el director general (8); su vex este iltimo, més que el gerence (7) y asi sucesivamente; pero no se precisa en cada caso cudnto mas. Tampoco pueden utilizarse las operaciones aritmeéticas basicas: no podria mos decir que 4 (empleado A) +5 (jefe) = 9 (vicepresidente) ni que 10 (presidente) + 5 (jefe) 2 (empleado C). Seria absurdo, no tiene sentido. Otros ejemplos de este nivel serfan: Ia medicién por rangos de las preferencias de marcas de bebidas refrescantes con gas (refrescos 0 sodas), auto- petcepcion del grado de dolor de cabeza, percepcién de sabores respecto a un platillo y jerarqui- zacién de valores (en primer lugar, en segundo lugar, en tercero) 3. Nivel de medicion por intervalos. Ademis del orden o la jerarquia entre categorfas, se establecen intervalos iguales en la medicién. Las distancias entre categoria son las mismas alo largo de toda Ia escala, por lo que hay un intervalo constante, una unidad de medida © Figura 9.8 Escala con intervals iuales entre categoras. Invervalocenstante Por cjemplo, en una prucba de resolucién de problemas matematicos (30 problemas de igual dificultad). Si Ana Cecilia resolvi6 10, Laura resolvié 20 y Abigail, 30, La distancia entre Ana Cecilia y Laura es igual ala distancia entre Laura y Abigail Sin embargo, en este nivel de medicidn el ceto (0) es arbitratio, no es teal, ya que se asigna arbitrariamente a una categorfa el valor de cero y a partir de ésta se construye la escala. Un jem plo clisico en ciencias naturales es la temperatura, que puede medirse en grados centigrados y Fahrenheit: el cero es arbitratio, pues no implica que en realidad haya cero (ninguna) temperatt~ 12 (incluso en ambas escalas el cero es diferente) Cabe agregar que diversas ediciones en el estudio del comportamiento humano no son verdaderamente de intervalo (por ejemplo, escalas de actitudes, prucbas de inteligencia y de otros ‘ipos); pero para algunos autores se acercan a este nivel ciones de intervalo.’ Esto se have porque este nivel de medicin permite utilizar las operaciones ariuméticas bésicas y diversos métodos estadisticos, que de otro modo no se utlizarfan. Aunque algunos investigadores no estin de acuerdo con suponer tales mediciones como si fueran de intervalo. El producto interno bruto o producto nacional bruto estara en este estadio. 4. Nivel de medicién de razén. En este nivel, ademds de tenerse todas las caracteristicas del nivel de intervalos (unidad de medida comin, intervalos iguales ent las categorias y aplicacié de ope raciones aritméticas basicas y sus derivaciones), el cero es real y absoluco (no es arbitraio), Cero absoluco implica que hay un punto en la eseala donde estéausente 0 no existe la propiedad medi- dla (véase la figura 9.9) suele tratarlas como si fueran medi- “© Figura 9.9. Gemplo de escala para el nivel de medicién de razén, 0 1 2 3 5 é 1 # 3 0 Elcero este Ejemplos de estas mediciones seria la exposicin ala television (en minutos) el nsimero de hijos, las ventas de un producto, los mettos cuadrados de construccién, escala de temperatura de Kelvin, ingresos en una unidad monetaria (alguien puede tener cero ingresos), consumo de un medicamento especifico, ecétera "Ete comentarios remit aura polemic que se comentar mis aelnte en tema de sca de Likert. scx paboebion to Haphepeshet on«Be qu tos de instumentas de mediién 0 ecoeccdn de datos cuantitatvesdiponemes en lainvesigeclén? —SYNETTI gDe qué tipos de instrumentos de medicién o recoleccién de datos cuantitativos disponemos en la investigacién? En la investigacién disponemos de miiltiples tipos de instrumentos para medir las variables de interés, ©) 4 yen algunos casos llegan a combinarse varias téenicas de recoleceién de los datos. A continuacién describimos brevemente las ms usuales. Los instrumentas que serdn revisados en este capil son: cuestionarios" y esealas de acticudes, mencionando a otros. En el capitulo adicional 7, “Recoleccién de los datos cuantitativos, segunda part”, que se puede descargar en el centro de recursos en linea, se comentan los siguientes: registros del contenido (andlisis de contenido) y observacién cuantiativa, pruebas estandatizadas, recolecci6n de informacién factual ¢ indicadores (andlisis de datos secundarios de registtos piblicos y documen- tacién) y metaaniliss, as! como otras clases de mediciones. Los metodélogos de cada ciencia y disci plina han desarrollado una gran diversidad de instrumentos y procedimientos, algunos de los cuales puede buscatlos el lector en los manuals y ejemplos del centeo de recursos (htep://wwrw.mbhe com! hefhmni6e) La codificacién y la preparacién de los datos obtenidos se discutiin después de presencar los principales instrumentos de medicién, Cuestionarios o4 En fenémenos sociale, tl vez el instrumento més utilizado pata recolectar los datos «sel cuestionario, Un cuestionario consiste en un conjunto de preguntas respecto de Cuestionario Conjunto de preguntas ‘una 0 més variables a medir (Chasteauneuf, 2009), Debe ser congruente con el plan-__fespecto de una 0 més variables que tcamiento del problema e hipdtesis (Brace, 2013). sevan a medi. Los cuestionarios se uilizan en encuestas de todo tipo (por ejemplo, para calificar ldesempefio de un gobierno, conocer las necesidades de habitat de fucuros compradores de viviendas y evaluar la percepcidn ciudadana sobre ciertos problemas como la inseguridad). Pero también, se mplementan en otros campos. Por ejemplo, un ingeniero en minas us6 un cuestionario como herra- zienta para que expertos de diversas partes del mundo aportaran opiniones calificadas con el fin de resolver ciertas problemétieas de productién. ‘Ahora, comentazemos primeto sobte las preguntas y luego sobre las caractersticas deseables de «ste tipo de instrumento, asi como los contextos en los cuales se pueden administrar los cuestionatios 4Qué tipos de preguntas se pueden elaborar? El contenido de las preguntas de un cuestionario es tan variado como los aspectos que mide. © 5 Bisicamente se consideran dor tipos de preguntas: cerradat y abiertas Preguntas cerradas Las preguntas cerradas eontienen categorfas u opciones de respuesta que han sido preguntas cerradas Son aquellas que previamente delimitadas. Es decis, se presentan las posibilidades de respuesta a los _cntienen opciones de respuesta articipantes, quienes deben acotarse a éstas. Pueden ser dicotémicas (dos posibilida- welaelerasentcaryecln, dles de respuesta) 0 incluir varias opciones de respuesta. Bjemplos de preguntas cerra- das dicotémicas seria: Estudia usted {Durante la semana pasada vio la final de actualmente? "la Liga de Campeones de Europa? () 8 (os ( ) No ( } No "as enews se plntean come un contest ene eal pueden se aéminsrados los xestonaris scx paboebion to Haphepeshet on218 GF _copitlo.» Recoleccisn de datos cwanatves Bjemplos de preguntas cerradas con varias opciones de respuesta serian: Como usted sabe, sodos los paises desarrollados reciben inmigrantes. (Cree que, en términos generales, la inmigracién es més bien positiva o mas bien negativa para estos palses? © Positiva © Ni positiva ni negativa © Negativa © No sabrfa decir Cuil es el puesto que ocupa usted en su empresa? © Presidente/Director general © Vicepresidente/Diector corporativo © Subdirector/Director/Gerente © Subgerente/Superintendente © Coordinador © Jefe de érea © Supervisor © Empleado © Obreto © cro (especificar) Sivsted tuviera eleccin, cpreferitia que su salaio fuera de acuerdo con su productividad en el abajo? © Definitivamente sf © Probablemente si © No estoy seguro © Probablemente no © Definitivamente no ‘Como se observa, en las preguntas cerradas las categorias de respuesta son definidas « priori por lL investigador y se le muestran al encuestado, quien debe elegir la opcién que deseriba més adecua- damente su respuesta. Gambara (2002) hace notar algo muy ldgico pero que en ocasiones se descuida y resulta fundamental: cuando las preguntas presentan varias opciones, éstas deben recoger todas las posibles respuestas. ‘Ahora bien, hay preguntas cerradas en las que el participante puede seleccionar més de una ‘opcisn o categoria de respuesta (posible multirrespuesta) jer po Supongamos que un entievistador pregunta {Esta familia tiene en el hoga..2 (Marque con ung cruz 0 toche todas las opciones que el entrevstodo 0 entrevistada sefale que tiene en su hogar) © Radio © Television © Reproductor de OVD o Blu-ray (OW de paga (SKY, CablevsiOn,DirecttV, ots © Computadora fa sistemas locales de cable o TV sateltal) © Tablet, laptop o iPad O Internet Teléfono celular o movil © Equipo de sonido para co © Pod u otro dispositvo similar Teléfono (linea telefénica en casa) En preguntas como la del ejemplo anterior, los participances pueden marcar una, dos, tres, cuatto ‘© mis opciones de respuesta, Las categorias no son mutuamente excluyentes En ocasiones, el encuestado tiene que jerarquizar opciones jer p | De las siguientes companieras de clase, ;quidn te aliae més? ;Cusl en segundo lugar? ;Cudl en tercer lugar? {udl en cuarto lugar? {Cus en cltimo lugar? © sandra (© Mariana O tua © Paola Oma scx paboebion to Haphepeshet on{De que ties de instumentas de mediién 0 ecaleccdn de datos cuantitatvesdiponemos en lainvestigecién? “YET ER © bien, en otras preguntas se debe designar un puntaje a una o diversas cuestiones, jem po ‘A continuacin voy a mencionale algunos de los problemas que suelen preocupar a ls habitantes de este municipio y le pedifa que en cada caso me dijera: qué tanto le preocupa a usted cada uno de ellos? ‘donde 10 significa: “me preocupa muchisimo” y 0 quiere decir: “no me preocupa en absoluto”.* — Desempleo —Bseaser de agua — Pobreza Cortes en el suminsto de agua insegurded al transitar por la calle 0 viajar en Falta de vivienda transporte publica — Seivcios de salud insuficientes — fmpleo mal remunerado/bajos slarios — carencia/deticiencia de servicios educativos robos/asaltos en los hogaresy viviendas brenaje nadecvado en las alles J robos de vehiclos/autos, motaccetas, b> _Trénsito/tsfico/vialidad dletas — Pavimentacion y bacheo mal hechos — Pandilerismo Falta de infraestructura (calles, puentes, etcé venta de drogas-narcomenudeo tera) S secuestias —Corrupcién de funcionarios municipales, pol- —Recoleccién de fa basua (no todos los dias la clas, agentes de ténsito y vialidad ‘ecagen) —Situacién econémica familar — Horarios inadecvados para la recolecciin de la basura En otras preguntas, se anota una cifra dentro de un rango predeterminado Ejemplo Aproximadamente, cuantas minutos dedica daciamente a hacer deporte entre semana, es decir, de lunes 2 a En algunas més, el encuestado se ubica en una escala. El concepto de escala (aplicado a la medi ci6n) puede definirse como: “sucesién ordenada de valores distintos de una misma cualidad” (Real ‘Academia Espatiola, 2001, p. 949). Es un pattén, conjunto, medida o estimacién regular de acuerdo con algtin estindar 0 tasa,respecto de una variable (Carmines y Woods, 2003b). Ejemplos: escala de temperatura en grados centigrados, escala de inteligencia, escala de distancia en kilémettos, metros y centimettos: escala de peso en kilogramos, escala de presién arterial en milimettos de mercutio (mmHg), escala musical con octavas, etcétera Ejem plo | Qué tan enamorada est usted de su novio? (del 0 al 100) @ —_100~Completamente enamorada 99 98 20 10 30 70 2 60 1 e 50 e 0 Nada enamorada "sta pregunt ue adminstida a pesonas que len estudlos mimes de ballet prepartaa,aunue unc can pessnas regina scx paboebion to Haphepeshet onno © opitule 9 Recoeccén de datos vanttatves Finalmente, en ocasiones se encadenan varias preguntas en una, como en el siguiente ejemplo (los candidatos y candidatas son fiticios). Ejemplo Le vay 2 mencianar algunos nombres de politicos de nuestro municipio y le pedila que en cada caso me dic 1a si sabe usted quign es ya qué partido pertenece, asi como su opinin de esta persona Corer Corres CaO ern ead ROTEL eran poreemr err Penne od por (Rotar opciones) oe trai) 1 Agua an tte ; Sandra Herminder Jiménez Roberto Ysher aur (eartdo 3)1 (Partido 4) 1 Preguntas abiertas No delimitan las Preguntas abiertas aiternativas de respuesta. Son dtles ‘cuando no hay sufcenteinformacién En cambio, las preguntas abiertas no delimitan de antemano las alternativas de res- Serco peice apoio dear puesta, por lo cual el ntimero de categorias de respuesta es muy elevado; en teoria, es petsonas. infinito, y puede variar de poblacién en poblacién. Fjemplo or qué asiste a psicoterpia? {Qué opina de las medidas de apoyo 2 la poblacién que adopts el Gobierno pare disminur el impacto del ‘lame tesremato ocurida el 10 de noviembre? gConviene usar preguntas cerradas 0 abiertas? Un cuestionario obedece a diferentes necesidades y a un problema de investigacién, Io cual origina aque en cada estudio el tipo de preguntas sea distinto. Algunas veces se incluyen can sélo preguntas cettadas, otras ocasiones Gnicamente preguntas abictas, ch certos casos atmbos tipos de preguntas. Cada clase de pregunta tiene sus ventajas y desventajas, las cuales se mencionan a continuacién, Las preguntas cerradas son més ficiles de codificar y preparar para su andisis. Asimismo, estas preguntas requieren un menor esfuerzo por parte de los encuestados, que no tienen que escribir 0 verbalizar pensamientos, sino Gnicamente seleccionas la alternativa que sintetice mejor su respuesta. Responder a un cuestionatio con preguntas cerradas toma menos tiempo que contestar uno con pre- gguntas abiertas. Cuando el cuestionario se envia por corteo, se tiene un mayor grado de respuesta porque es ficil de contestar y completatlo requiese menos tiempo. Otras ventajas son: se reduce la ambigiledad de las respuestas y se favorecen las comparaciones entre las respuestas (Burnett, 2009). scx paboebion to Haphepeshet onDe cus ties de instumentos de mediisn 0 recoleccdn de datos uantitatvesdsponemos en la invesigalén? 1a principal derventaja de las preguntas cerradas reside en que limitan las respuestas de la muestra y-en ocasiones, ninguna de las eategorias describe con exactitud lo que las personas tienen en mente: zo siempre se captura todo “Io que pasa por la cabera” de los participantes. Su redaccidn exige mayor Iaboriosidad (Vinuesa, 2005) ara formular preguntas cerradas es necesatio antcipar las posiblesalternativas de respuesta, De no ser asi, es muy dificil plantearlas. Ademis, el investigador debe asegurarse de que los partiipantes a quienes se es administrardn conocen y comprenden las categorias de respuesta, Por ejemplo, sl pre guntamos qué canal de tlevsin es el preferido, determina las opciones de respuesta y que los par tiipantes ls comprendan es muy sencilla, Pero si preguntamos sobre ae razones que provocan esa preferencia, seflar las alternativas es algo mas complejo. Las preguntas abiertas proporcionan una informacién més amplia y son particularmente tiles cuando no tenemos informacién sobre las posibles respuestas de las personas o la que tenemos es insufciente (Phillips, Phillips y Aaron, 2013), También sirven en situaciones donde se desea profun- dlizar una opinién o los motivos de un comportamiento. Su mayor desventaja es que son més dificiles dle codifcar,clasificar y preparar para el andlisis. Ademés, legan a presentatse sesgos derivados de dliscintas fuentes: por ejemplo, quienes enftentan dificultades para expresarse en forma oral y por «escrito quiza no respondan con previsién a lo que en realidad descan, 0 generen confusién en sus respuestas. El nivel educativo, la capacidad de manejo del lenguaje y otros factores pueden afectar la calidad de las respuestas (Saris y Gallhofer, 2007 y Black y Champion, 1976). Asimismo, responder a preguntas abiertas requiere mayor esfuerzo y més tiempo. a cleccid del tipo de preguntas que contenga cl cucstionario depende del grado en que se puc ddan anticipar las posibles respuesta, los tiempos de que se disponga para codifiar y si se quiere una respuesta mds precisa 0 profundizar en alguna cuestién. Una recomendacién para construir un cues tionatio es que se analice, variable por vatiable, qué tipo de pregunta o preguntas suelen ser més confiables y vilidas para medir esa variable, de acuerdo con la situacién del estudio (planteamiento del problema, caracteristicas de la muestra, tipo de andlisis a efectuar, eccéter ‘Con frecuencia, las preguntas cerradas se constrayen con fundamento en preguntas abiertas. Por cjemplo, en la prueba piloto puede claborarse una pregunta abiertay posteriormente a su aplicacin, sobte la base de las respuesta, se genera el item cerrado. ‘© Figure 9.10 Glemplo del paso de una pregunta abierta ala elaboracién de une pregunta cerrada, » Respuestas: faeron “Descente Mrorsivlemssewsts —y ‘Meet ee “Meret mk eines “heaped ean Became feats . > Pregunt abierta: + Tenia elacones con otas mujeres pare - Yanolo quiero Yano lo ama erat rintemins sein —» Telegu S oe, Sevan etlanal “tered renee ‘ovo ete “fala gence pumsoute “feta » Senta clos de mis amigos Matrato es ‘Sa eines riers “te {Una o varias preguntas para medir una variable? En ocasiones slo basta una pregunta para recolectar la informacién necesatia sobre la variable consi derada, no es necesario incluir mas. Por ejemplo, para medir el nivel de escolaridad de una muestra basta con preguntar:zhasta qué afio escolar curs62, o cual es su grado méximo de estudios? En otras scx paboebion to Haphepeshet on222 EF _ capitulo.» Recoleccién de datos cwantatves ‘ocasiones se requiere elaborar varias preguntas para verifcar la consistencia de las respuestas w obtener rmilltiples indicadores de diversas dimensiones de la variable medida Por ejemplo, algunas asociaciones latinoamericanas de investigacién de mercados ¢ instituciones ‘educativas miden el nivel socioeconémico tomando en cuenta diversas pregunta o indicadores dela clase social, el estilo de vida, el ingreso y el bienestar:® 1. Escolaridad del jefe del hogar. Niimero de focos en la vivienda, . Niimeto de habitaciones en la viviends, sn ineluir bafos. [Niimero de bafios en general y con regadera [Niimero de auroméviles y ors vehiculos en la cochera Posesién de ciertos aparatos y equipos (tanque de gas estacionatio, boil g2s, lvadora automética, aspiradora, horno de microondas, tostadora de pan, eteétera) 7 Posesién de elementos de coneccividad y entretenimiento (computadora, tlevisién, equipo de sonido, equipo de video, linea telefSnica,teléfono mévilo celular, internet, servicio de televisién de paga, excétera) 1. Caracteristicas de la vivienda (techo estable y seguro en su vivienda —no de cartén ai hule, ete.—, piso firme en su interior —cemento, concreto o piso de mosaico—, agua que llega por tuberiaa su vivienda, ecétera). ». Tarjetas de crédito comercial en el hogar. calentador, estufa de Con base en ests indicadores se construyen indices, cada uno con un peso 0 coefciente,y al final se otorga una puntuacién que determina el nivel socioeconémico con mayor precisién."* Sin embs 40, ext0 puede resultar muy complejo para el alumno que comienza con sus primeras investigaciones, por lo cual la alternativa serfa preguntar a los miembros de la familia que trabajan aproximadamente cual es su nivel mensual de ingresos y cusntos focos eléetricos tiene aproximadamente en su casa."* ‘Asis es recomendable hacer solamente las preguntas necesaras para obencr la informacisn descada ‘© medir la variable ‘Una modalidad de cuestionamientos miltiples lo es la baterfade preguntas, la cual sirve para: a) ahorrar espacio en el cuestionatio, 6) faclitar la comprensién del mecanismo de respuesta (si se ‘entiende la primera pregunta, se comprendersn las demés) (Corbetta, 2003) y e) construir indices que ppezmitan obtener una califcacin total FeO Variable a medir: vision departamental Definiién conceptual: percepcién dela meta departamental en cvante a clatida, naturaleza vsionaia, grado en que es posible alcanzara y medida en que puede ser compartia, y que representa una fuerza ‘otivacional para el trabajo (Anderson y West, 1988 y Hemnsndez-Sampie, 2005). ® secian Mecano de Apes de investiga de Mercodes opin Pibca, AMA! (207), Lp (2009) y Unies de Cloye (2013) con ef de concer el metodo por pants parla vba Ge vl socoetonémic, se recomend constr decane estos ‘entero concer aa aucacdn de emgrers de vestiaciin de merades de up. "ese ley, elses evoluiona pitanenemete eel aro par se contol gee ndadres espe al ea y tempo Sal esperanza dew, ims, nema eoncinenty balance de vis (pez 2011. “vats exudes seh demestrado que erivel de esos ex elacorago cn elnisneo Ge fcs de wna casa habla (siden, hogera propiedad). numero ge face wns con el ume de carts, etesidn de cas, fmato dl diny ces ators, dec, ‘el va de I propiedad (Vive de Cel, 2079) Loranger pala er ooh emer esatas my desavreedes, de 95 torr erator desovoredgr, de 10 face estator meson cacteston, 11.1 exttar meds fvrecdor, 16920 mediate, 212 20 sr foes, mis de 3: muy shore completamente vores Se sie exc canal in ges nn cmos Geng fadon de aes yo se quer a! ls emia "bb ue on pers tonal go del esos. scx paboebion to Haphepeshet onDe cus ties de instumentos de mediisn 0 recoleccdn de datos uantitatvesdsponemos en la invesigalén? Preguntas o items: 1. {Qué tan cares tiene los abjetivas desu departamento? 2 Em qué medida considera usted que los objetvos de su departamenta son utils y apropiades? 3. Qué tan de acuerdo est usted con estos objetivas de su departamento? “4m qué medida piensa usted que los abjetivas de su departamenta son cares? 5m qué medida piensa usted que os objtivos de ‘su departamento son comprendidos por sus ompaneras de trabajo del mismo departamento? 6m qué medida considera usted que sus companeros de departamento estin de acuerdo con los objtivos? 7. fn qué medida considera que los objtivos del ddepartamento pueden lograrse actualmente? ee eee © {las preguntas van precodificadas 0 no? Siempre que se pretenda efectuar anilisis estadistico, se requiere codificar ls respuestas de los partici- pantes a las preguntas del cuestionatio, y debemos recordar que esto significa asignarles simbolos © valores numéricos y que cuando se tienen preguntas cettadas es posible codifica 4 priori o precodificar las opciones de respuesta, e inclu esta precodificacién en el euestionario (como en el timo ejemplo) jem po | De preguntas precodificadas “lene usted iversiones en a Bola de Valores? Gis Erm ‘cuando usted se enfrenta a un problema en su trabajo, para resolverlo recurre generalmente a: 4. Swsupetiorinmeciato 2 Su propia experiencia 5. Sus companeros 4 Los manuales de politica y procedimientos 5. otra fuente: (esped a) En ambas preguntas, las respuestas van acompafadas de su valor numérico correspondiente, es decir, se han precodificado, Obviamente en las preguntas abierta la codificacin se realiza después, una ver que se tienen las respuesta, Las pregunta y opciones de espuestaprecoificaas poseen la ventaja cde que su codificacién y preparacion pata el andisis son ms sencllas y requieren menos tiempo. 4Qué preguntas son obligatorias? Regularmente, las preguntas llamadas demogréficas o de ubicacién del partcipance encuestado: géne- ro, edad, nivel socioeconémico, estado civil, escolaridad (nivel de studios), rligidn, afliacién polit- «a, colonia, barrio 0 zona donde vive, pertenencia a ciertas agrupaciones, ocupacién (actividad a la aque se dediea), afios de vivir en el lugar actual de residencia, etc. En empresas: puesto, antigtiedad, scx paboebion to Haphepeshet onm4 ¢ opitule 9 Recoeccén de datos vanttatves frea funcional donde tabaja (gerencia, departamento, direccién o equivalente), planta w oficinas donde labora y demés preguntas. En cada investigacién debemos analizar cudles son pertinentes y nos resultarin dies {Qué caracteristicas debe tener una pregunta? Independientemente de que las preguntas sean abierras 0 cerradas, y de que sus respuestas estén pre- codificadas 0 no, hay una serie de caractersticas que deben cubriese al plante «) Las preguntas tienen que ser clara, precisas y comprensibles para los sujetos encuestados. Deben evitarse términos confusos, ambiguos y de doble sentido. Por ejemplo, la pregunta: “ve usted televisién?”, es confusa, no delimita cada cuanto, Seria mucho mejor especificar: gacostumbra usted ver tlevisiGn diatiamente?,;cudntos dias durante la dltima semana vio televisibn?, y des pués preguntar horarios, canales y contenidos de los programas. Otro ejemplo inconveniente serfa: cle gusta el deporte? No se sabe si se trata de verlo por televisién o en vivo, si de practicarlo © qué, yen iltima instancia, ;eudl deporte? Otro caso que genera confusidn son los términos con sltiplessignficados (Burnett, 2009), por eemplo: ;su empleo es estable, implica un concepto de estabilidad de empleo que no tiene un solo significado. Qué se considera estable?: un con trato por un afo, por dos, por cinco. Un easo comiin de confusién son las palabras sobre la temporaliad, resulta nebuloso el cuestionamiento: zha asistido recientemente al cine?, ya que implica otras preguntas: qué signi- fica recientemente?, ayer, la Gltima semana, el Gltimo mes? Seria mejor intertogar: durante las ‘ltimas dos semanas (0 mes), ;cuantas veces ha ido al cine? De igual forma: zha trabajado desde joven?, habré de sustituirse por: a partir de qué edad comenzé a trabajar? ) Es aconsejable que las preguntas sean lo més breves posible, porque las preguntas largas suelen resultar tediosas, toman més tiempo y pueden distract al participante: pero como menciona Rojas (2002) no es recomendable sacrificar claridad por concisién. Cuando se trata de asuntos complicados tal vez es mejor una pregunta mas larga, debido a que facilita el recuerdo, propor- ciona al sujeto més tiempo para pensar y favorece una respuesta més articulada (Corbetts, 2003). La directrz es que se incluyan las palabras necesatias para que se comprenda la pregunta, sin ser repetitivos 0 bastocos, ©) Deben formulatse con un vocabulario simple, directo y familiar para los participantes. ) No pueden incomodar a la persona encuestada ni ser percibidas como amenazantes y nunca sta debe sentir que se le enjuicia. Debemos inquirir de manera sutil, Preguntas como: zacostumbra consumir algin tipo de bebida alcohélica’, tienden a provocar rechazo. Es mejor cuestionar: algunos de sus amigos acostumbran consumir cierto tipo de bebida alcohélica?, y después uii- Zar preguntas tenues que indirectamente nos indiquen si la persona acostumbra consumir esta clase de bebidas (;cuil es su tipo de bebida favorita, zeada cuanto se reine con sus amigos?, te) ‘Martens (2010) sugiete sustituir la pregunta: zes usted alcohdlico? (en exttemo amenazante), por 1a siguiente formulacién: “el consumo de bebidas como cl ron, tequila, vodka y whisky en esta ciudad es de X botellas de un lito, zen qué medida usted estaria por encima o por debajo de esta cantidad?” (alternativas de respuesta: ‘por encima, igual 0 por debajo”). Gochros (2005) reco- smienda cambiar la pregunta: zconsume drogas?, por: ,qué opina de las personas que consumen ddrogas en dosis minimas? En estos casos de preguntas dificil es posible usar escalas de actitud cn lugar de preguntas o aun otras formas de medicién (como se vers en la parte de escalasactitu- dlinales y en ottos instrumentos). Hay tematicas en las que a pesar de que se utlicen preguntas sutiles, el encuestado se puede sentir molesto. Tal es el easo del desempleo, la homosexualidad, el sida, la prosticucién, la pornografia los anticonceptivos y las adicciones ©) Las preguntas deben referitse preferentemente a un solo aspecto 0 una relacibn légica, Por ejem- plo, la pregunta: gacostumbra usted ver televisin y escuchar radio diariamente?, expresa dos aspectos y llega a confundit. Es necesario dividisla en dos preguntas, una relacionada con la tele- visién y otra vinculada con la radio. Otro ejemplo: ;sus padres eran saludables?, es una pregunta problemética, ademés del concepto “saludable” (confuso), es imposible de responder en el caso scx paboebion to Haphepeshet onDe cus ties de instumentos de mediisn 0 recoleccdn de datos uantitatvesdsponemos en la invesigalén? de que la made nunca se hubiera enfermado de gravedad y nunca hubiera sido hospitalizada y, en cambio, el padre hubiera padecido severos problemas de salud, 1) Las preguntas no habrin de inducir las respuestas, Se ienen que evitar preguntas tendenciosas 0 aque dan pica clegir un tipo de respuesta (ditectvas). Por ejemplo, zconsidera a nuestro compa- fiero Ricardo Herninder como el mejor candidato para dirigir nuestro sindicato?, es una pregun- ca tendenciosa, pues induce la respuesta. Lo mismo que la pregunta: os trabajadores argentinos son muy productivos? Se insinda la respuesta en la pregunta. Resultarfa much interrogar: qué tan productivos considera usted, en general, alos trabajadores argentinos? (y mostrar alternativas) Ej lO {Qué tan productivos considera usted, en general, alos trabajadores argentinos? Sumamente és bien Ms bien _-Sumamente Productivos productivs improductivos —improductivos, ‘Ouro ejemplo inconveniente seria: piensa usted votar por tal partido politico en las préxi- ‘mas elecciones? El participante nunca debe sentitse presionado, Un factor importante a conside rar es la deseabilidad social (Furt, 2010), a veces las personas utilizan respuestas culturalmente aceptables. Por ejemplo, la pregunta: zle gustaria casarse?, podria inducir y forzar a més de una persona a responder de acuerdo con las normas de su comunidad, Resulta mejor cuestionar: qué pina del matrimonio?, y més adelante inguitir sobre sus anhelos y expectativas a respecto. Una interrogance como: acostumbra ler el periddico?, puede levarnos a respuestas socialmente vali das: “st, lo leo a diario, yo leo mucho” (cuando no es cierto). Es mejor preguntar: ;sucle tener siempo para leer el periddico?, con qué frecuencia? 9) Las preguntas no pueden apoyarse en instituciones, ideas respaldadas socialmente ni en evidencia comprobada. Es también una manera de inducir respuestas. Por ejemplo, la pregunta: la Organizacién Mundial de la Salud ha realizado diversos estudios y concluys que el rabaquismo provoca diversos danos al organismo, ;considera usted que fumar es nocivo para su salud? Esquemas del tipo: “la mayoria de las personas opinan que...”, “Ia Iglesia considera...”, “los padres de familia piensan que...”, etc., no deben anteceder a las preguntas, ya que influyen y sesgan las respuestas. »») Esaconsejabe eviar preguntas que nieguen el sunto que se interroga. Por ejemplo: qué niveles de la estructura organizacional no apoyan el proceso de calidad? Es mejor preguntar sobre qué niveles s{ apoyan el proceso. © bien: zqué no le agrada de este centro comercial, es prelerible cuestionar: zque le desagrada de este centro comercial? Tampoco es conveniente incluir dobles nncgaciones (son positvas, pero suelen confundit): ;considera que la mayoria de las mujeres casa~ das preferira mo trabajar si no eaviera presién econémica? Mejor se redacta de manera positiva 1) No deben hacerse preguntas racstas 0 sexistas ni que ofendan a los participantes. Es obvio, pero no esté de mis recalealo, Se recomienda también sortear las preguntas con fuerte carga emocional «2 muy complejas, que mas bien son preguntas para entrevista cualtativas (por ejemplo: ;cémo era la relacién con su ex marido? —aunque una escala completa puede ser la solucién—o que sien- ce usted sobre la muerte de su hijo?) 1) En las preguntas con vatias eategorfas de respuesta, y cuando el entrevistado sélo tiene que clegit tuna, lega a ocurrir que el orden en que se presentan dichas opciones afeca las respuestas de los participantes (por ejemplo, que tiendan a favorecer a la primera oa la diltima opcién de respucs- «@). Entonces resulta conveniente rotar el orden de lectura de las respuestas a elegir de manera proporcional, Por ejemplo, si preguntamos: zeuil de los siguientes cuatro candidatos presidencia- les considera usted que lograré disminuis verdaderamente la inflacidn? Veincicinco por eiento de las veces (0 una de cada cuatro ocasiones) que se haga la preguata se menciona primero al candi dato A, 25% se menciona primero al candidato B, 25% al candidato Cy el restante 25% al scx paboebion to Haphepeshet onn6 ¢ opitule 9 Recoeccén de datos vanttatves candidato D. Asimismo, cuando las alternativas son demasiadas es mis dificil responder, por ello es conveniente limitatla a las minimas necesarias En [a tabla 9.4 se relacionan los problemas que surgen al generar preguntas, adaptada de Creswell (2005), © Tablasa jemplas de algunos problemas al elaborar preguntas Preguntaconfusa por la vaguedad dels teaminos as o mas concepts 0 dos preguntas en una so. Demasiadas palabras Pregunta negatva Contene “erga lingutstea” se traslpan ls ategorias de respuesta Categorias de respuesta sin balance entre a5, favorables y as Aestavrabls (positvas y negativas) Incongiuenda ene la pregunts las opciones de respuesta _Wotard en as prdsimas elecciones? QUE tan satistecho est usted cone Servicio de comedor yal servicio médica que se otrece emia empresa? omo usted sabe, el prdximo 10 de noviembre se celebvarineleciones locales en este municipio de Cortazar para eegir acalde, en esa fecha {piensa usted acuta as umas 2 emir §tivoto pot el candidate que considera serd el mejor alae pas el municipio? los estudiantes na deben potar @ llevar xmas 2 la escuela? {QU tan “chido “pae® es lo Felacién con su empresa? {Postaindicarme su edad? 1-19 20-21 an do que mecida ests usted satitecho on su superior inmediato? Oinsatistecho Cimedianamentesatitecho Cisatitecno Clsumamente satistecho: Eo qué medida ests usted saistecho an su superior inmedito? Ciuy poco importante TAP oo importante scx paboebion to Haphepeshet on Precisrtérminos Flas péximas elecines del 10 de noviembre para elegiralcale de Monterrey, ‘piensa ira votar? Una pregunta por concept: Qué tan satisfecho est usted con el servico fe comeder que se ofree en la empresa? Qué tan salistecho est usted con el servicio médica que se olrece en la empresa? Reducir érminos Eas proximas eleciones del 10 de noviembre para elec alcalde de Cortazay, ‘piensa ira vera? Cambiala a neu los estudiantes deben 0 no portar armas en fa escuela? iminar dich erga {Qué tan oxgullosa se encuentra usted de trabajar en esta empresa? Lograr que las categrias sean mutvamente excuyentes {oda inicarme su edad? 8-19 0-01 22-23 Propocionarequlibsio entre opciones favorables y destavorables Capitulos), en la seccién “Contextos de administracin de los cuestionarios” se amplian algunos conceptos 1. Autoadministrado Autoadministrado significa que el cuestionario se proporciona directamente alos participances, quie- ‘nes lo contestan. No hay intermediatis y las respuesta las marcan ellos. Pero la forma de autoadna nistracién puede tener distintos contextos: individual, grupal o por envio (correo tradicional, correo clectrénico y pagina web o equivalente) En el caso individual, el euestionario se enteega al paticipante y éste lo responde, ya sea que acuda a un lugar para hacerlo (como ocurte cuando se llena un formulatio para soicitar empleo) o lo conteste cn su lugar de trabajo, hogar o estudio, Por ejemplo, s los participantes fueran una muestra de ditectivos de laboratoris farmacéuticos de Rogoti, se acudiria a sus oficinas y sc les entregarfan los cuestionarios. Los ejecutivos se administearfan ellos mismos el cucstionario y esperarfamos a que lo respondieran o lo revogeriamos otro dia. El reto de esta tikima situacién es lograr que los pasticipan- tes devuelvan el cuestionario contestado completamente, Resulta convenience que quien lo entregue posea habilidades para relacionarse con las personas, sea asertivo, y ademés se caracterice por una clevada petsstencia. En nuestra experiencia, en distintos paises de Iberoamérica, jévenes de ambos sgéneros con buena capacidad comunicativa logran porcentajes de recuperacién por encima de 90% en tiempos aceptables (una semana o menos). ¥ no es necesario que sean fsicamente aractivos (aun- aque ayuda), més bien el éxito reside en su motivacién y tenacidad. Asimismo, el mayor costo 0 gasto de esta clase de administracin de los cuestionarios lo representa su distribucién y recoleccidn, En el segundo caso, se reine a los participantes en grapos (a veces pequefios —cuatto a seis per- sonas—, otras en grupos intermedios —entre sete y 20 sujetos—, incluso en grupos grandes de 21 a 40 individuos). Por ejemplo, empleados (en encuestas de clima organizacional es muy comiin juntar a grupos de 25, entregarles el cuestionario, introducir al propésito del estudio y al instrumento, res- ponder dudas y pedirles que al concluir lo depositen en una urna sellada, para mantenet la confiden- cialidad), padres de familia (en rcuniones escolates) televidentes (cuando asisten a un for alumnos (en sus salones de clase), etc. Es tal vez la forma mas econémica de aplicar un c Cuando se envia a los participantes para autoadministracin, puede usarse correo postal piblico ‘© mensajeria privada, bien, cortco electrénico. También se les puede pedir que ingresen a una pig zna web o equivalente para respondelo, Los cuestionatios para autoadministracién deben ser particularmente atractivos (a colores, en papel especial, con disefio original, et: si el presupuesto lo permite) 2, Por entrevista personal Las entrevstas implican que una persona calificada (entrevistador) aplica el cuestionario alos partici- ppantes; el primero hace las preguntas a cada entrevistado y anota las respuestas, Su papel es crucial, resulta una especie de filtro El primer contexto que se revisard de una entrevista es el personal (“cara a cata’). Normalmente se tienen varios entrevistadores, quicnes deberdn estar capacitados en el arte de entrevistary conocer a fondo el cuestionario. No deberin sesgaro influ en las respuesta, por ejem- scx paboebion to Haphepeshet on ee24 ¢ opitule 9 Recoeccén de datos vanttatves plo, reservarse de expresar aprobacién 0 desaprobacién respecto de las respuestas del entrevistado, reaccionar de manera ecuinime cuando los participances se alteren, contestar con gestos ambiguos cuando los sujetos busquen generar una reaccién en ellos, etc. Su propésio es levar a buen fin cada ‘entrevista, evitando que decaiga la concentracién e interés del partiipante, ademés de orientarlo en el tinsito del instrumento, Las explicaciones que pro Tiene que ser neutral, pero cordial y servicial. Asimismo, es muy importante que transmita a todos {os participantes que no hay respuestas correctas o equivocadas. Por otra parte, su proceder debe ser lo més homogéneo posible (mismos sefalamientos, presentacién uniforme, etc). Con respecto a las instrucciones del cuestionario, algunas son para el entrevistado y otras para el entrevistador. Este Glkimo debe recordar que al iniio se comenta: el propésito general del estudio, las motivaciones y el tiempo aproximado de respuesta, agradeciendo de antemano la colaboracién, El cuestionario por entrevista es el que consigue un mayor porcentaje de respuesta alas pregun tas, su estimacién es de 80 a 85% (Leén y Montero, 2003) En relacin con el perfil de los entrevistadores no hay un consenso: por ejemplo, Corbetta (2003) stugiere que sean mujeres easadas, amas de casa, de mediana edad, diplomadas y de clase media. Led y Montero (2003) recomiendan que sean siempre profesionales. En nuestra experiencia, el tipo de ‘entrevistador depende del tipo de persona entrevistada. Por ejemplo, que pertenezca a un nivel socioeconémico similar a la mayoria de la muestra, sea joven y haya cursado asignaturas de investiga- cién, que posea failidad de palabra y capacidad de socializar. Se reitera que los estudiantes de ambos _génetos funcionan muy bien. Por tanto, es claro que pata este fin deben evitarse personas inseguras 0 ‘excesivamente timidas, La entrevista cuantitativa es diferente de la cualitativa." En relacién a la primera, Moule y Goodman (2009) y Rogers y Bouey (2005), mencionan las siguientes caracttistcas ione deberan ser breves pero suficientes ©) El principio y final de la entrevista se definen con claridad. De hecho, tal definicién se integra en cl cuestionati. +») El mismo instrumento se aplica a todos los participantes, en condiciones lo més similares posible (estandatizacién) ©) Se busca que sea individual, sin la intrusién de otras personas que pueden opinar o alterar de alguna manera la entrevista 4) Es poco a nada ancedética (aunque en algunos casos ¢s recomendable que el entrevistador anote cuestiones fuera de lo comin como ciertas reaceiones y negativas a responder). ©) Lamayoria de las preguntas suelen ser cerradas, con minimos elementos tebatibles, ampliaciones y sondeos. 1) Elentrevistador y l propio cuestionario controlan el ritmo y la direccién de la entrevista ‘9) Elcontexto social no es un elemento a considerar, lo es solamente el ambiental +») Elentrevistador procura que su patrén de comunieacién sea similar (su lenguae, instrucciones ctcéter). Asimismo, la capacitacién de entrevistadores debe incluir cuestiones de comunicacién no verbal bisicas (control de gestos, manejo de silencios, ec.), ademas de codos los puntos que se revisaron anteriormente, Cabe sefalar que, cuando se trata de entrevista personal, las condiciones del lugar donde se realice son importantes (oficina, hogar o casa-habitacién, sitio piblico, como eenteo comercial, parque «escuela, etc.) Pero, en cualquier caso, se aconseja que se busque un lugar lo més discreto sil privado que sea posible. En estas entrevistas ¢s comin mostrar visualmente las opciones de respuesta a los entrevistados, ‘mediante tarjetas, en especial cuando se ineluyen més de cinco o son complejas. Pongamos de ejem- plo la siguiente tarjeta.” cioso y » ejemplo ve bs smpliieda por uestones de expac, fs opens eran eens despues dein pues plot. scx paboebion to Haphepeshet on{Be que ties de instumentos de mediién 0 ecaleccdn de datos cuantitatvesdiponemos en lainvestigecién?” “YET EN jem po | Tarjeta para mostrar al entrevistado cuando hay diversas ‘opciones de respuesta _Cusles considera usted que son las tes principales problemas en este municipio? 1 enitersmo CD oeserple 1 seguida en as cles Venta de dona, (Fat devvenda problemas ent natcomenden fala deintaestucra (cals, election de basa CO obrera pueies, testes) DD tscaser de ania GF comapciin de funconaos (2. empleomalremsneraéo 5). aencia de servis de delacleda salud Hoy en dia hay vatios sistemas pata sustituir al cuestionatio de lipiz y papel, como la CAPT (Computer-Asisted Personal Interviewing), en la que cl enctevistador muestra al partiipante una compu- tadora portitil (notebook o tableta) 0 un teléfono mévil que contiene el cuestionario y este Glkimo responde guiado por el primero o directamente aquel anota las respuestas. Se usa teclado, sistema al tacto o pluma electednica. Casi siempre las entsevistas son in po pequefio (si éta fuera la unidad de andiss). Es decir, el cuestionario lo responden _Brestaroralmente no debe entre todos sus miembros o parte de ellos (por ejemplo, cuestionarios para parejas 0 iduales, aunque podrian aplicarse a un gru- En entrevista Sila pregunta se va a ¢ ‘onlener mas de cinca opciones de Fespuesta, yo que pr encima de este ‘una familia, o un drea de una empresa) limite se suelen olvidar las pimeras. Los cuestionarios administrados usando disposicivos tienen la ventaja de que los datos se capturan y agregan a la base de datos de forma automatica, de manera que en. cualquier momento podemos hacer un corte y efectuar toda clase de aniliss (ver tendencia, evaluar funcionamiento del instrumento, etc). La desventaja es obvia: el costo, cual es muy dificil de absor- ber por parte de un estudiante 6 maestro e incluso una institucién. Tdealmente, después de una entrevista se puede preparar un informe que indique: si el participan. te se mostraba sincero, la manera como respondié, el tiempo que duré la entrevista, el lugar donde se realizé, las caracterstcas del entrevistado, los contratiempos que se presentaron y la forma en que se lesattollé la entrevista, as{ como ottos aspectos televantes. 3. Por entrevista telefénica ‘Obyiamente la diferencia con el anterior tipo de entrevista es el medio de comunicacién, que en este «aso es el teléfono (hogar, oficina, mévl o celula:). Las entrevista teleféinicas son la forma més répida y econémica de realizar una encuesta Las habilidades requeridas de parte de los entrevitadores son parecidas alas dela entrevista per- sonal, excepto que éstos no tienen que conftontarse “cara a cata’ con los participantes (no importa la vestimenta ni el aspecto fisico, pero sila vor; su modulacién y claridad son fundamentales). El nivel de rechazo varia de acuerdo con el entorno social y tiempo en que se realice(‘saturacin telefnica’ de campafias comerciales y politicas de telemercadeo, inseguridad publica, tcétera). Una ventaja de este método reside en que se puede acceder a bartios inseguros y a hogares exclu- sivos donde se limita el ingreso, asf como a lugates geogréficamente lejanos La desventaja de las encuestastelefOnicas es que estin limitadas a unas cuantas preguntas 0 no se pueden efectuar ediciones complejas de variables o profundizar en ciertos temas, Pero una ver més, los datos se capturan y agregan ala base de datos de forma automtica y se pueden hacer cortes dela informacién de manera inmediata y realizar toda clase de andiss. ‘Algunas recomendaciones para las encrevistas telefSnicas y el tema de sistemas automatizados para rcalizarlas como el CATI (Computer-Assisted Telephone Interviewing), se revisan en el eapiculo 7 adicional, “Recoleccién de los datos cuantitativos: segunda parte” (que se puede descargar del cen- to de recursos en linea) scx paboebion to Haphepeshet on236 ¢ opitule 9 Recoeccén de datos vanttatves Cuando se realizan entrevistas personales en el hogar o telefénicas se debe tomar en cuenta el horario, Ya que si efectuamos la visita 0 hablamos por teléfono sélo a una hora (digamos en la ‘mafiana), nos encontratemos con unos cuantos subgrupos de la poblacién (por ejemplo, amas de casa). Una variacién de la administracién de cuestionarios por teléfono es la siguiente: en un programa radial, celevisivo o via internet se soliica la opinién o respuesta de los receptores a una pregunta 0 algunas cuantas preguntas, éstos deben matcar un niimero telef6nico y contestar las opciones de res puesta con las que concuerden més. El problema de estas encuestas reside en la muestra, que desde luego no es probabilistca, sino que se conforma de voluntarios que cubren dos condiciones: tener teléfono y estar viendo o escuchando la emisién del programa. Este proceder nos conduce més que a tun estudio, aun sondeo, Io cual no es un error en si, lo grave es que se pretenda generalizar los resul tados a una poblacién, Algunas consideraciones adicionales para la administracion del cuestionario Cuando se tene poblacién analfabeta, con niveles educativos bajos 0 nifios que apenas comienzan a leer ‘© no dominan la lectura, el método més conveniente de administracién de un cuestionatio es por ‘entrevista, Aunque existen algunos cuestionatios muy grificos que usan escalas sencillas para las ‘opciones de respuestas. Como en el siguiente ejemplo, Ejemplo kn desacuerdo Neutral be acuerdo Con trabajadores de niveles de lectura basica se recomienda utilizar entrevistas © cuestionarios autoadministrados sencillos que se apliquen en grupos, proporcionandoles asesoria, En algunos casos, con sjecutivos que dificilmente vayan a dedicarle a un solo asunto més de 20 ‘minutos, se pueden utilizar cuestionarios autoadministrados o entrevistas telef@nicas. Con estudian- tes suelen funcionar los cuestionarios autoadministrados. [Algunas asociaciones relizan encuestas por correo y ciertas empresas envian cuestionaris a sus ‘empleados mediante el servicio interno de mensajerfa o por correo electrénico. Cuando el cuestiona- Fio contiene unas cuantas preguntas (su administracién toma entre cuatro y cinco minutos), la entre- vista celefSnica es una buena alternativa. ‘Ahora bien, sea cual fuere la forma de administracin, siempre debe haber uno o varios supervi- sores que verifiquen que los cuestionarios se estin aplicando correctamente. La eleccién del contexto para administrar el cuestionario deberd ser muy cuidadosa y dependers del presupuesto disponible, el iempo de entsega de los resultados, el planteamiento del problema, la naturaleza de los datos y el tipo de participantes (edad, nivel educativo, excéter). ‘A continuacién, en la tabla 9.6, se comparan esqueméticamente las principales formas de admi- nistracién de cuestionatios. scx paboebion to Haphepeshet onscala para medi ls acttudes ry © Tabla 9.6 Comparacién de las principales formas de administracin de cuestionaries orn Sowell Me erry Sik oreel eevee aa Te ners el mayor gasto) | administra | obtenides ‘utoadminsiado | wedia | medio (pag0 de media la Caller (individ) recolectores) tamalio reronable ‘utoadministado | alta Bajo (sesiones) pido Aa Caller (pat) tomato rezonable Autoadministado | Baie Bajo por cores postal | Lenta Ake aauier (€ovio por correo o (eves) tomato paquetera) Medio por paquetela reronable (evs) ‘Autoadminstado | Baja Bajo (sen media ‘ha aaluier por coneo leevénico) tematio ‘electrnico 0 pagina razonable web Enuevsta personal | sta Elevado (pago a media Aka ‘uaiquier cnlrevisladoresy tomato gastos ce vije) rezonable Fnewstateleténica | aa Bajo (llamadas| pide aja conto teletnicas y cntrevistadores) (Cuando los eucstionarios son muy complejos de contesta o de aplica, suc wtlizarse un manual que explca las instrucciones y cémo debe responderse o administearse. Escalas para medir las actitudes Una actitud es una predisposicién aprendida para responder coherentemente de una manera favorable o desfavorable ante un objeto, set vivo, actividad, concepto, persona © simbolo (Kassin, Fein y Markus, 2013; Devine y Plant, 2013; Oskamp y Schultz 20089; y Fishbein y Ajzen, 1975). As, los seres humanos tenemos acitudes hacia muy dliversos objetos, simbolos, ete: por ejemplo, actitudes hacia el aborto, la politica econdmica, la familia, un profesor, diferentes grupos étnicos, a ley, nuestro trabajo, o4 Actitud Predisposicion aprendida pare responder coherentemente de ‘manera favorable o destvorable ante un objeto, ser vivo, actividad, concepto, persona osimbolo ‘una nacidn especifica, los 050s, el nacionalismo, un proceso productivo, nosotros mismos, etcétera. Las actitudes estén relacionadas con el comportamiento que mantenemos en torno a los objetos © conceptos a que hacen referencia. Si mi actitud hacia el aborto es desfavorable, probablemente no abortaria 0 no patteiparia en un aborto, Si mi actitud es favorable a un partido politico, lo mas pro- Dable es que vote por él en las préximas elecciones. Desde luego, las actitudes s6lo son un indicador dela conducta, pero no la conducta en si, Por ello, las ediciones de actitades deben interpretarse como “sintomas” y no como “hechos’ (Padua, 2000), Si detecto que la acitud de un grupo hacia la con- taminacién es desfavorable, esto no significa que las personas estén tomando avciones para evitar contaminar el ambiente, aunque si es un indicador de que pueden adoptarlas en forma paulatina. La actitud es como una “semilla” que en ciertas condiciones suele “germinar en comportamicnto” Las actitudes tienen diversas propiedades, entre las que destacan:direccién (positiva 0 negativa) ¢ Intensidad (alta o baja): estas propiedades forman parte de la medicién. scx paboebion to Haphepeshet on238 @ —copitlo.» Recleccién de datos wantatves Los métodos més conocidos para medix por escaas las variables que constituyen actitudes son: el método de escalamiento de Likert, el diferencial semantico y la escala de Guttman. A continuacién ‘examinaremos los primeros dos, que son los utilizados con mayor frecuencia. En el capitulo 7 adicio- GEGEN ler deen lnc “Reseson delot dao tances, segunda pa comen- GoTRine” tal tercer método: Escalograma de Guttman. Escalamiento de Likert Este método fae desarollado por Rensis Likert en 1932; sin embargo, se trata de un fteneiger a breanan en flea ta, enfoque vigente y bastante popularizado.® Consiste en un conjunto de items presen. Bhrmecones pre meds Toreacdondel_tados cn forma de afirmaciones o juicios, ante los cuales se pide la reaccidn de los Syjetoen es, cinco sete calegaris. _participantes. Es deci, se presenta cada afitmacin y se solicita al sujeto que externe 1 reaccidn eligiendo uno de ls cinco puntos 0 categoras de la escala. A cada punto se le asigna un valor numérico. Asi el participante obtiene una puntuacién sespecto de la afirmacién yal final su puncuacién total, sumando las puncuaciones obtenidas en relacin con todas las afizma Las afirmaciones ealfican al objeto de actiud que se esté midiendo, El objeto de actitud puede set cualquier “cosa fisea’ (un vestido, un automévil..), un individuo (el presidente, un lider histéri- 0, mi madre, mi sobrino Alexis, un candidato a una electidn...), un concepto o simbolo (past, sexualidad, la mujer vallenata —Colombia—, el trabajo), una marca (Adidas, Ford...) una actividad (comer, beber café..). una profesién, un edificio, ete. Por ejemplo, Kafer eral. (1992) generaron varias escalas para medir las aetitudes hacia los animales y Meeskerk etal, (20089) desarol instrumento basado en escalas de Likert para determinar la severidad de uso compulsivo de internet Tales frases o juicios deben expresar slo una telacidn ldgica: ademas, es muy recomendable que no excedan de 20 palabras. Ejemplo De frase Objeto de actitud medido Afirmacion El voto ‘otar es una obligacién de ‘todo ciudadano responsable” En este caso, la afirmacién incluye ocho palabras y expresa una sola relacin ligiea (XY). Las ‘opciones de respuesta o puntos de la escala son cinco ¢ indican cuanto se esté de acuerdo con la frase correspondiente.” Las opciones mas comunes se presentan en la figura 9.11, Debe recordarse que a cada una de ellas se le asigna un valor numérico (precodificado 0 no) y s6lo puede marcarse una res- puesta. Se considera un dato invilido si se marcan dos o més opciones. © Figura 9.11 Opciones o puntos en las escalas de tikert “atmacin” erat 1 » » y » uy de acuerdo De acuedo ide acuerdo, En cesauero Moyen aiendesacuedo esavero (omnis) para conocer ls orgenes de esta tecnica, veo Likert (19768 61976), selery Hough (1976), paricuarmente, el bo origina tke (92) kes (1832), lk (200), Fabigr y ond (2006), Redes Jowell (200), The SAGE Glssy ofthe Salad Behav! Scenes (20099 y Garson 2012) scx paboebion to Haphepeshet onscala para medi ls acttudes © Figure 9.11 (continvacién) tena > , , Toteste desert Newt Endesacuedo de acuerdo “Aad teat > > , » » Siempre ta mayo de Aguas ves, tamayr de Nunc Tas wees abs vets Teves na “Aad teat , > » > Verddero Nit, faba Completamente ivedadeo ‘abo Las opciones de respuesta o categorfas pueden colocarse de manera horizontal, como en la figura 9.11, 0 en forma vertical ) Muy de acuerdo ) Deacuerdo ) Nide acuerdo ni en desacuerdo ) Endesacuerdo ) ° ‘Muy en desacuerdo bien, utilizando recuadros en lugar de paréntesis: 1 Definitivamente si 1 Probablemente si O Indeciso (1 Probablemente no (1 Definitivamente no Es indispensable sefialar que el ntimero de categorias de respuesta debe ser igual para todas las afirmaciones. Pero siempre respetando el mismo orden o jerarquia de presentacién de las opciones para todas las frases (véase la tabla 9.7) © Tabla 9.7 Opciones jerdrquicamente corrects ¢ incorrectas en un ejemplo? "Me gusta estar mucho con mi novia® "Me guste estar muche con mi novia" Coetinitivamente si Crrobabtemente si Corababtemente s Dindedso Oindecise. Cobetinitivamente si Corrobablemente no Corrobablemente no Coetinitivamente no Coetinitivamente no omin) sun gempo simple parts el concept scx paboebion to Haphepeshet onmo opitule 9 Recoeccén de datos vanttatves © Tabla 9.7_{continuacién) Er 5 por mi fuera, todos las das estar con mi now” | “Si por mi fer, todos ls das estara con mi novia” Doetinitvamente si Coetiniivamente Drrobablemente si rrobabiemente si Oindeciso Crrobabiemente no ‘Crrobabiemente no Cloefinitivamente no Coetiniivamente no Oindeciso “amo demasiado 2 mi novia" “Amo demasiade a mi nova" Cobetinitivamente si Cooetinitivamente si Crrabablemente si Coeriniivamente no Dindeciso Dindeciso ‘Crrobabiemente no Drrobabiemente no Cooetinitivamente no Clerobabiemente si Direccién de las afitmaciones Lasafirmaciones pueden tener direccién: favorable opostiva y desfavorable o negativa. esta direccién ‘es muy importante para saber cSmo se codifican as aternativas de respuesta. Si la afitmacién es positiva significa que califica favorablemente al objeto de actitud; de este modo, cuanto més de acuerdo con la fiase estén los participantes, su actitud serd igualmente més favorable Ejemplo ——————————————————————— “El Ministerio de Hacienda ayuda al contibuyente a resolver sus problemas en el pago de impuestos. En este ejemplo, si estamos “muy de acuerdo” con la afirmacién implica una actitud més favora- ble hacia el Ministerio de Hacienda que si estamos solamente "de acuerdo”. En cambio, si estamos “muy en desacuerdo” significa una actitud muy desfavorable, Por tanto, cuando las afirmaciones son postivas se ealifcan cominmente de la siguiente manera: (5) Muy de acuerdo (A) De acuerdo (3) Ni de acuerdo ni en desacuerdo (Q) En desacuerdo (1) Muy en desacuerdo Es decir, en el eemplo, estar mas de acuerdo implica una puntuacién mayor Pero si la afirmacién es negativa, significa que ealifica desfavorablemente al objeto de actitud, y cuanto mas de acuerdo estén los partcipantes con la frase, implica que su actitud es menos favorable, «esto ¢s, mas desfavorable, Ejemplo rs “EL Ministerio de Hacienda se cracteiza por abstaculizar al contibuyente en el pago de impuestos". scx paboebion to Haphepeshet onscales pore medias aciudes ETT En este segundo sjemplo, si estamos “muy de acuerdo” implica una actitud més desfavorable que si estamos de “acuerdo”, y as{ en forma sucesiva. En contrase, si estamos “muy en desacuerdo” signi- fica una acticud favorable hacia el Ministerio de Hacienda, Rechazamos la frase porque califica nega tivamente al objeto de actitud. Un ejemplo coridiano de afrmacién negaciva seria: “Luis es un mal amigo”, Cuanto mis de acuerdo estemos con el juicio, nuestra actitud hacia Luis serd menos favors ble. Es decir, estar més de acuerdo implica una puntuacién menos. Cuando las afirmaciones son nega sivas se califican al contrario de la postivas. (1) Totalmente de acuerdo (2) De acuerdo (3) Ni de acuerdo ni en desacuerdo (6) En desacuerdo (5) Totalmente en desacuerdo En la figura 9.12 se presenta un ejemplo de una escala de Likert para medir la actitud hacia un corganismo tributario.” © Figure 9.12 Muesta de una eseaa de tke. Las afiracnes que vo 2 es son opiniones can as que algunas personas estén de acuerdo voias en desaciedo Voy a pci ‘wee ig, por fever, au tan dace est ste con ade un de estas opiniones 1. El pesona dea irecién General de impuestos Nanas es rosea atende a pbc, May ce acuetdo “4. Endeseuedo 2 de arto 5 Muy en desacuerdo 3. Ni de acuerdo ni en cesacvedo 2. La Dieccén General eImpuestas Racinales se caractriza parla deshonestidad de sus funcanatos. 4. Muy de acvetdo 4 En desaueda 2.De auetdo My en desacuerdo 3. Ni de acuerdo i en éesacveda 3. Los sews que prest la Direccién General delmpuestos Naconales abtualmente san muy buenas. 5. Muy de acuedo fn desecued 4 Deacuerdo “uy en desacuerdo 3. Ni de acuerdo en ésacueréo 4 La Dreccién Generale Impuests Racal ifma caramente sabre cémo,cndey cuind pagar las imputsts 5. May ce acetdo Zin deseueda ‘De acuerdo 1. en desacuerdo 3. Ni de acuerdo i en desacveto 5. La Dieccién General de inpuests Nacnles es muy ents en a deol deimpuests pages en excsa, 1. Maye acverdo fn deseueda 2Deacuerdo 5 uy en desacuerdo 3. de acuerdo, nen éesacueréo 6 la Dietcidn General de Impuestos Racial ifoa oprtunamente sore cio, dndevcusndo pga simpuests 5 Muy ce acuerdo Zin deseuerdo 4 De acuerdo 1 Auy en desacurdo 3. Ni de acuerdo ni en cesacveo 1. La Dieccién Generale inpuesto Nacionales tiene nxmasvprocedmientas bien definios para el pago de impuests 5: May ce acuerdo 2 En deseuerda| A Deacuerdo 1-Auy en dsacvedo 3. Ni de acuerdo i en cesaverda 4. La Diecién Generale Impuests Nadal tiene mals lanes con la gente porque cob impuestos muy aos, 1. May ce acuerdo “En deseuedo| 2.de aetdo 5 uy en desacuerdo 3. Ni de actedo nen eesacvedo Como puede observarse en la figura 9.12, las afirmaciones 1, 2, 5 y 8 son negativas (desfavora- bles): y las afirmaciones 3, 4, 6 y 7 son positivas (favorables) scala orginal elnombe de onanisme tran ve qu ze atina eo scx paboebion to Haphepeshet onam © opitule 9 Recoeccén de datos vanttatves Forma de obtener las puntuaciones Las puntuaciones de las escalas de Likert se obtienen sumando los valores alcanzados respect de cada frase. Por ello se denomina escala aditiva. La figura 9.13, la cual se basa en la figura 9.12, constituiria ‘un ejemplo de eémo calificar una escala de Likert. © Figura 9.13 Muestia de puntuaciones de la escala de Likert 2 la Ditecdn Genera de puesta Nacionales se caractriapor la deshonestiad de sus funciona. 1. Muy de acuerdo 4 descutdo| X De acvetda 5. Mayen desacuerdo 3. Ne acuerdo ni en desauerde “© LaDitecin Genera de Inputs Nacionales infoma clarament sobre imo, dénde y undo pagar os impuesto. 5. Muy de acvréa 2 En desetuerdo 4 De acerca Mayen desacuerto ALN e acuerdo nen deseuere 6 La Direct Genera de mpuestas Nacionales informa aprtuamente sobre cme, dndey cuind pagar os mpuests. 5 Muy de acuerdo 2 Er desewerdo De awerto AX Muy en desacuedo 3. Ne acted ni en deseuerdo a Ditecn Genera de Inputs Nacionales tene mals reacioes con a gent porae aba impuestos muy ats A tay de acueréo ‘En desacuerdo 2 De aweta 5 Mayen desacuero 3. Nd acted ni en desauerdo Voor =1+2214341+14241= ‘Una puntuacién se considera alta o baja segin el nsimero de items o afirmaciones. Por ejemplo, cen la scala para evaluar la acttud hacia el organismo tributario, la puntuacién minima posible es de ocho (141+ 14141414141) ylaméximaesde 40 (5+5+5+545+5+5+5), porque hay ocho afirmaciones. La persona del ejemplo obtuvo 12. Su actitud hacia el oxganismo uibutario es as bien bastante desfavorable; vedmoslo gréficamente: 2110 ——————— (Wt s @ 2 3 «0 Actitud my ‘Acti my estvarable favorable scx paboebion to Haphepeshet onscala para medi ls acttudes Si alguien hubiera tenido una puntuacién de 37 (5+ 5444545444445) su actitud se calificaria como sumamente favorable, En lar exalar de Likert a veces se califica el promedio resultan- PTINT (donde PT es la puntuacién total en la escala y NT es el ntimeto de afirmaciones), y entonces una puntuacién se analiza en el continuo 1-5 dela siguien- ‘te manera, con el ejemplo de quien obtavo 12 en la escala (12/8 = 1.5). jem po teen la escala mediante la sencilla frm Actitud mey Actitud uy estar favorable La escala de Likert es, en sentido estricto, una medicién ordinal: sin embargo, es comin que se Ie trabaje como si fuera de intervalo, Creswell (2005), Fell (2005) y Carifio y Perla (2007) sefialan que puede “forzarse” (no considerarse) a un nivel de medieién por intervalos porque ha sido probada en sniltiples ocasiones durance décadas y las personas estin acostumbradas a escaar sus verbalizaciones, con niimeros. Pero otros autores, como Vega (2013), Gonzdler, Carbonell y Santana (2011) y Jamieson (2004), opinan que tiene que concebirse como ordinal y analizarse como tal. Para profun- dlizar en esta polémica, véase Garson (2012), Grashaw (2011), Gonzales et al. (2011), Brill (2008), Achyat (2008), Carifio y Rocco (2007 y 2008) y Hodge y Gillespie (2003 y 2007), asf como a Fabrigar y Wood (2006). Una solucin con escalas de Likert puede ser efectuar tanto analisis para variables ordinales como de intervaos y ver si ay coincidencia (por ejemplo, si pretendemos correla- cionar dos escalas de Likert, utilizar el coeficiente de Pearson y el de Spearman u otro y contrastar ambos valores)* ‘Asimismo, a veces se utiliza un intervalo de 0 a 4 0 de~2.a +2, en lugar de 1 a 5. Pero esto no importa porque se cambia el marco de referencia de la interpretacién, Veimoslo graficamente, jem po (1) esacuedo (0) De aria (I o 1 2 3 4 (0) otamente en 2) Nide avert n (0 Totdmente ce descueido endesaceido eee (En desacuerdo (ede acuerdo I$ 2 1 0 4 2 (2) otaimete en (9 Nideacveréa ni (42) Totimente de desacerdo endesacveido axueido Simplemence se ajusta el marco de referencia; pero el rango se mantiene y las categorias conti- nian siendo cinco, "vega (207) argument que fecal de ker el porque si tervals on desonacdos, lot ares» favor de aceptar abs Inn un nel po eras ela que las opciones, tempt deben wr acompatodes de st especies vrs rans, De ‘aller mode debe tenes en ent qu que se "mit sen prcepiones ye qe se camsie'a mas gue nero races Sn fender sy las puntuaconesdeden onetualzase Spade luego, oslempre hy prebasequvaertesen ambos nvele de med. thay dua, sgermcs cnet con outro poe hacer nvesgnciny aprender de esta epenend, scx paboebion to Haphepeshet on244 EF capitulo 9 Recleccién de datos cwantatves Otras condiciones sobre la escala de Likert A veces se disminuye o se inctementa el ntimeto de categoria, sobre todo cuando los participantes ppotenciales tienen tna capacidad muy limitada de discriminacién 0, por el contrario, muy amplia. Por ejemplo, Lee y Guerin (2009) en su estudio comentado en capitulos previos, midieron sus varise bles o eriteios de la satisfaccién de la calidad del disefio ambiental del 4rea de trabajo mediante dimensiones que incluian items perceptuales en el formato de Likert, cuyas escalas son de siete puntos aque van de “muy satisecho” (+3) a "muy insatisfecho” (-3), lo mismo para la satsfaccién general sobre el espacio de trabajo Fj. ve acuerdo [b] en desacuerdo Pescara Be) ni de acuerdo i en des vedo Gloss [Ele [B] nace, per mis bien Hien ee El nie [2] en desacuedo Totalmente en desacuerdo Silos participantes tienen poca capacidad de diseriminar se pueden considerar dos o tres cate- {gorias. Por el contratio, si son personas con un nivel educativo elevado y gran capacidad de disci rminacién, pueden incluirse siete 0 més categorias. Pero debe recalcarse que el niimero de categorias de respuesta tiene que ser el mismo para todos los items. Si son tres, son tes categorias para todos los items o las afrmaciones, Si son cinco, son cinco categoria para todos los reactivos. En ocasiones se elimina la opcién o categoria intermedia y neutral (ni de acuerdo ni en desacuerdo, neutral, indeciso..) para comprometer al sujeto o forzaslo a que se pronuncie de manera favorable o desta vorable. Asimismo, como sefialan Hodge y Gillespie (2003), algunos entrevistados graduian su intensi- dad en un continuo que va del “fuertemente de acuerdo” a “neutral” y hasta el “fucrtemente en desacuerdo”, mientras que otros entienden esta categorfa central como un “no sé” 0 “no aplica’ Escos individuos ven al punto neutral 0 medio como una extensi6n de la dimensién de contenido, considerndolo como una opcién de respuesta cuando no poseen suficiente informacién. En este caso, resulta apropiado ignorar tales respuestas cuando se calcula la puntuacién cotal (Raaijmakers ct al., 2000 y Hodge y Gillespie, 2003). Si después de la prucba piloto se observa que una cuarta parte o més de los respondientes tiende aitse a la categoria neutral en un item, es necesatio tevisat- lo ¢ incluso climinatlo, Si esto ocurre en vatios reactivos, se debe climinar tal categoria o revisar a fondo la escala Un aspecto muy importante de la escala de Likert es que asume que los tems o las afirmaciones miden a acticud hacia un Gnico concepto subyacente. En el caso de que se midan acticudes hacia varios objetos, deberd incluirse una escala por objeco, porque aunque se presenten conjuntamente, s¢ califican por separado. En cada exala de Likert se considera que todos ls items tienen igual peso Cémo se construye una escala de Likert En términos generales, una escala de Likert se construye generando un elevado niimero de afirma- ciones que califiquen al objeto de activud y se administran a una muestea piloco para obtener las puntuaciones del grupo en cada item o frase. Estas puncuaciones se cortelacionan con las del grupo ‘toda a escala (la suma de las puntuaciones de todas las afitmaciones), las frases 0 reactivos, cuyas scx paboebion to Haphepeshet onscala para medi ls acttudes puntuaciones se corzelacionen significativamente con las puntuaciones de toda la escala, se seleccio- nan para integear el instrumento de medicién. Asimismo, debe calcularse la confiabilidad y validez de la escala Preguntas en lugar de afirmaciones Bn la actwalidad, la escala original con frases se ha extendido a preguntas y observaciones, como se puede apreciar en el siguiente ejemplo para evaluar al conductor de un programa televisivo. ee Tele ont eted al condo del programa? [E] muy buen conducor [al] euen condcor By teguia [2] mat conductor ‘Muy mal conductor Ouro ejemplo seria un conjunto de preguntas formuladas en una investigacién para analizar la relacin de compravenca en empresas mexicanas (Paniagua, 1985). De ella se presenta un fragmento en la tabla 9.8. © Tabla 9.8 lemplo de le escala de Likert aplicada a varias preguntas {Para elegic asus sumamente | Medianamente |r: 5 proveedores qué tan coca meet mead erie @. 6) C) 4) s 2 1 el precio? 4 3 la forma de pago (ontado/ 5 4 3 2 1 caédito)? {el empo de entega? 5 4 3 2 1 lugar de entregs? 5 ‘ 2 2 1 la garantia del producto? 5 4 3 2 1 el pestigio del productor 5 4 3 2 1 «l pestigio de I empresa 5 4 3 2 1 proveedora? el complimiento de 5 4 3 2 1 proveedor ‘on las especficaciones? Ia informacin que sobre 5 4 3 2 1 producto proparcione el pro vveedor? {el iempo de trabajar con el s 4 3 2 1 proveedor? la entrega del producto en 5 4 3 2 1 Tas condiciones acordadas? la calidad del producto? 5 4 3 2 1 Las respuestas se clic del modo que ye hemos comentado "ar preguntar han sudo utizndo en estilo mis ata, iguen snd wget. scx paboebion to Haphepeshet on246 ¢ opitule 9 Recoeccén de datos vanttatves La escala en la pregunta En ocasiones la escala se incluye en la pregunta, Mertens (2010) las denomina preguntas actitudinales, por ejemplo: cesté usted fuertemente a favor, més bien a favor, mas bien en cont contra del aborto cuando la mujer ha sido violada? En la pregunta se climiné la categorfa central o intermedia, Pero estas interrogances suclen limi tarse a entrevista de unas cuantas preguntas, porque requieren cierta capacidad de memorizacién. ra 0 ftertemente en Método de completar las frases Hodge y Gillespie (2003) desarrollaron una derivacién del escalamiento clisico de Likert, en la cual se incluyen frases incompletas respecto al objeto de actitud y a éstas se les agrega un continuo que sirve como base para las espuestas claves. Estos autores planteaton un continuo con 11 puntos o categorias (0 a 10) y que se “ancla” en cada extremo con terminaciones respecto a la frase a la q hacen referencia, las cuales representan la ausencia del constructo (cero) y la méxima “cantidad” 0 “presencia” de éste (10). Sostienen que los patticipantes usan un niimero para guiatse en sus respues- tas, y la fiase introductoria los orienta en el continuo. Se les pide que eitcunscriban © marquen el rimeto que refleje mejor su respuesta, El constructo se mide por items que enfatizan la fucraa del arributo. Los nimeros trabajan en concordancia con ls frases para implicar el grado de presencia de éte, E.cjemplo, lo seria la actitud intrinseca hacia la religién.” Feo Escala en la que se completan las afirmaciones Actitud intinseca hacia a eligi 1) Mis creencasreligiosas afectan Ninginsspecto de ‘Absoltamente todos os mivida aspects dem vide olil2[:/4/s|]«e«[7]s|1s | 2 stoy consciente de la presencia de Dios. Contovamete Nunce 2wtls.tel?7 «ls 312.710 2 Respecto@las preguntas que tengo sobre la vida, mi religién esponde. Absoltamente a ninguna de Absolutamente a tdas mis is preguntas preguntas 7lil21[3:/4*)]s]se]7]s]°9 | 4. Mi raligion es. EL motivo mis importante de rmivida dtigetados los Noes un factor en mi emis aspects vids ~wts.T:[7.1«,]s]4]3:]27 [7110 " Adstade espaol y madi desputs de una pues pit neg y lepe, 200, p52), scx paboebion to Haphepeshet onscala para medi ls acttudes ro '5 Lee libros, Busco informacién en internet y veo programas que se relacionen con mi fe Tees las es, Nunca ‘nfl 711 1?132:14¢]s1[¢e|[7]1#1[59] “6 Busco momentos para meditary pensar sobre mi religion y Dies. Teds los eis, sin fale Nunca wots t*«t7[e«,s|]4]3]2]1]0 Al construi una escala de Likert, debemos asegurarmos de que las afirmaciones y alternativas de respuesta serin comprendidas por los participantes a los que se les aplicard y que éstos tendrin la capacidad de diseriminacién requerida. Ello se evalia euidadosamente en la prueba piloto. Las escalas pueden ser autoadministradas o aplicadas mediante entrevistas; en este iltimo caso, es recomendable mostrar al entrevistado una tarjeta donde se presenten las alternativas de respucstas 0 categorias. [Asimismo, las escalas de Likert pueden integrarse dentro de un cuestionario.” Diferencial semantico El diferencial semantico fue planteado por Osgood, Suci y Tannenbaum (1957) para__biferencial semsntico Serie de pares de adetivos extremos que sven cxplora las dimensiones del significado.” Consist en una serie de adjetivos exuemos de eos etvenes ge sven que califican al objeco de actitud, ante los cuales se soicita la reaccién del parcicipante, eae oh aa, Es decit,éste debe califcar al objeto de acticud a partir de un canjunco de adjetivos Seto al vial en une categ‘a bipolares; entre cada par de éstos, se presentan varias opciones yla persona selecciona pot cada pa, aquella que en mayor medida refleje su actitud Fjern plo Escala bipolar (objeto de actitud candidato “A” justo inst Debe observarse que los adjetivos son “extremos” y que ent ellos hay siete opciones de respucs ta, Cada participante califca al candidato “A” en términos de esta escala de adjetivos bipolares. ‘Osgood, Suci y Tannenbaum (1957) nos indican que sel respondiente considera que el objeto de actitud se relaciona muy estrechamente con uno u otro exttemo de la escala, la respuesta se marca asi ‘ara ampenease cane tic de tikr desde una prspctva estas, seamen a: itch anes, Hatzngery atenbesser (2007) Bel y Dawson (2007); y Adlon y Mecoath (2070) Pas plunder en leon ser, vse Osgood, Su Tannenbaum (157, 1976 y 1976), come Hie (1976) yA dae (2013). scx paboebion to Haphepeshet on248 capitulo.» Reclecién de datos cwanatves Si el participante considera que el objeto de actitud se relaciona estrechamente con uno UW otto cextremo de la escala la respuesta se marca asi (dependiendo del extremo en cuestin): KO just: justo: injusto KO Si el sujeto considera que el objeto de actitud se relaciona medianamente con alguno de los extre- mos, la respuesta se marca asi (dependiendo del extremo en cuestién): injusto justo ok __. injusto justo Xk injusto Y si el respondiente considera que el objeto de actitud ocupa una posicidn neutral en la escala (i justo ni injusto, en este caso), la respuesta se marca ast jute; Xs injusto Es decit,en el ejemplo, cuanto mis justo considere al candidaco “A” mas me acerco al extremo “justo”: y viceversa, cuanto ms injusto lo considero mas me acerco al exttemo opuesto Algunos casos de adjetivos bipolares se muestran en el siguiente ejemplo. Desde Tuego hay muchos mas que se han utilizado o que pudieran pensarse. La eleccidn de adjetivos depende del obje- co de actitud a calificar, ya que se requiere que los adjetivos se puedan aplicar a éste Ejemplo Cnn Adjetivos bipolares fuerte-débil poderoso-impotente sgrande-pequeno vive-muerto bonite-feo Joven-viejo alto-bajo ‘pido-lento clara-oscuro sigante-enano caliente-io pesfecto-impertecto costaso-barato ‘agradable-cesagragable actvo-pasivo bendito-maldito segurpeligroso bueno-mal| a ulce-amargo favorable-desfavorable ptofundo-superficial asertivo-timido agresive-pacfco honesto-deshonesto sincero-hipécita bien intencionado-mal intencionado Codificacion de las escalas Los puntos o las categorfas de la escala pueden codificarse de diversos modes, que se presentan en la figura 9.14 © Figura 9.14 Maneras comunes de coificr el diferencia semantico, itv tobe eit estore Gacempotete, pT (00 empl: db, Bont, aco, fe, ps, ete) aici} Aajetivo favorable = Aaetvo destrerabe (oo ejempo: tere, 7 6 5 @ 3 2 4 (bor eiempl: debi, bon, activo, feo paiva eee) exces) scx paboebion to Haphepeshet onscala para medi ls acttudes @ Figura 9.14 (continyacin) nas ass en que as esponcientestngan mene apaciad Ge dscriminacié, se pueden reduc as categoria a ica opciones. Por empl soso desde yh} DTT ‘0 aun 2 tres opciones {lo cual es paca comdn)- bueno a alo a También pueden agresarse caficatvs alos puts ols catego dea escala (Baie, 2012). iotmerte bastante regular bastante totalmente axivo esis Codificar de 1 a7 0 de—3 a 3 no tiene importancia, siempre y cuando estemos conscientes del mar- co de interpretacién. Por ejemplo, si una persona califia al objeto de actitud: candidato “A” en la escala justo-injusto, marcando la categoria més cercana al extzemo “injusto”, la puntuacidn seria “I” 0 “3”. st X_ijsto 7 6 5 4 3 2 4 sto, Xt BoP ot 8 4 2 8 En un caso la escala oscila entre 1 y 7, y en el otto caso entre -3 y 3. Si deseamos evitar el mane- jo de nsimeros negativas uclizamos la escala de 1 a7. El diferencial seméntico (DS) se ha utilizado en diversas situaciones para evaluat “objetos” de actitud, Por ejemplo, Lilja eral. (2004) emplearon un instrumento con 57 pares de adjetivos bipolares con la finalidad de apreviar la actitud de un grupo de enfermeras respecto a ciertos pacientes psiquid- tticos y su orientacidn hacia ellos (enfocadas en el “ser humano” y en establecer una relacién genuina y duradera, o bien centradas en simplemente corregir la conducta “defectuosa" del paciente). Shields (2007) aplicé el DS para examinar las actitudes y opiniones del personal de apoyo y los padres en tomo al cuidado de nifios hospitalizados en cuatro paises (dos desarrollados: Australia y Gran Bretafia, y dos subdesarrollados: Indonesia y Tailandia). Salcuni etal, (2007) usaron esta técnica en Talia afin dle evaluar las representaciones que hacen los padres respecto de sus hijos (6 a 11 afos de edad) Mientras que Bauer (2008) lo utilizé para determinar activudes hacia la Quimica (como ciencia y ‘ateria) por parte de estudiantes universitarios. Ouro estudio es el de Friborg, Martinussen y Roseavinge (2006), quienes midieron mediante una scala tipo Likert y un diferencia semntico la resiliencia en alumnos de licenciatura (capacidad de los individuos para sobreponerse de aconcecimientos desestablizadores, condiciones de vida dificil, periodos de dolor emocional y traumas psicol6gicos). Asimismo, Miller eral, (2008), en wna investi- gacién con pacientes que padecian la enfermedad de Parkinson y que tenia el objetivo de examinar los cambios percibidos en la propia comunicacién y con el especialista en salud que los atendia, y telacionarlos con la inteligibilidad del habla, el género, la edad y otras enfermedades, recurtieron al cico como instrumento de medicién. También, Geake y Gross (2008) emplearon el sar las actitudes subconscientes de docentes de educacién bisica hacia alumnos “super dotados” en Inglaterra, Escocia y Australia; y Gluth, Ebner y Schmiedek (2010) validaron una escala pata medi actitudes hacia los adultos javenes y viejos mediante el diferencial seméntico en Alemania scx paboebion to Haphepeshet on250 ¢ opitule 9 Recoeccén de datos vanttatves Maneras de aplicar el diferencial semantico La aplicacién del diferencial semantico puede ser autoadministrada (se le proporciona la escala al participante y éste marca la categoria que describe mejor su reaccién 0 considera conveniente) 0 ‘mediante entrevista (el entrevistador marca la categorfa que corresponde a la respuesta del part (e). En esta segunda situacidn es muy conveniente mostrar una tarjeta al respondiente, que incluya los adjetivos bipolares y sus respectivas categoria. Ta figura 9.15 muestra parte de un ejemplo de un diferencial seméntico utilizado en una investi sgacién para evaluar la actieud hacia un producto “© Figura 9.15 Parte de un diferencial semantico para medi la acitud hacia un producto consumible barat i) sabio0 inside flee aman lilo suo fio pte sue et propa ae fompleto | inate Las respuestas se califican de acuerdo con la codificaciSn, Por ejemplo, si una persona tuvo la siguiente respuesta ya escalaoscila entre uno y siete, esta persona obtendia un siete (7). En ocasiones se incluye la codificacién en la versin que se les presenta alos respondientes con el propésito de aclarar las diferencias ent las categoras or ejemplo: sabroso: insipido 5 3 Pasos para integrar la versién final Para integrarlaversin final de la esa se deben leva a cabo los siguientes pasos: 1. Generamos una lista de adjetivos bipolaresexhaustiva y apliable al objeto de actcud a medir. De sex posible, resulta conveniente que se seleccionen adjetivos utiizados en investigaciones similares a Ja nuestra (contextos parecidos) 2. Construimos una versién preliminar de la escalay la administramos a un grupo de participantes a manera de prucba piloco 3. Correlacionamos las respuestas de ls sujetos para cada par de adjtivoso items. Asi, cortclacionamos ‘un ftem con todos los demas (cada par de adjetivos frente al resto) 4 Caleulamos la confabilidad y la validex de la escala total (todos los pares de adjetivos). 5, Seleecionamos los items que presentencorrelacionessgnificativas con los demas teactivos y dseriminen ‘entre casos, Navuralmente, si hay confibilidad y validez, estas correlaciones seran significativas. 6 Desarrollamos la version final dela escala. La escala definitiva se califica de igual manera que la de Likert: sumando las puntuaciones obte niidas respecto de cada item o par de adjetivos. La figura 9.16 es un ejemplo de ello © Figura 9.16 jemplo de cémo caificar un diferencialsemsntic, sab30 x inside fico patie suave apt balanceado a Valor 657464 6025 scx paboebion to Haphepeshet on‘ios métodos cuanttatvos de ecole dels datos Su interpretacién depende del nuimero de items o pares de adjetivos. Asimismo, en ocasiones se califica el promedio obenido en la escala total. ( yuncuacién total ) rntimero de ems Se pueden utilizar distincas escalas o diferenciales semanticas para medi actitudes hacia var objetos. Por ejemplo, es posible medir con cuatro pares de adjetivos la actitud hacia el candidato * con otros tres pares de adjetivos a actitud respecto de su plataforma ideolégica, y con otros seis pares dle adjetivos la actitud hacia su partido politico. Tenemos tes escalas, cada una con distintos pares de adjetivos para medit la acticud en relacién con tes diferentes eonceptos (“objetos de activud’). El diferencial seméntico es una escala de medicién ordinal, aunque es comiin que se le trabaje como si fuera de intervalo (Key, 1997), por las mismas razones de Likert Escalograma de Guttman El escalograma de Guttman es otra téenica para medir las actiudes y al igual que la Estalograma de Guttman Técnica para medi ae acitudes, que al gual que a scala de Likert e fundamen: {2 en juices ante los cuales las scala de Likert, se fundamenta en afirmaciones 0 juicios respecto del concepto objeto de activud, ante los cuales los participantes deben externar su opinin seleccio- nando uno de los puntos o categorias de la escala respectiva, Una vex més, a cada patcipantes deben externa su categoria se le oorga un valor numérico. Ast, el participante obtiene una puntuacién _opniénseleconando uno de ls puntos ocategorias de a escala respecto de Ia afirmacién y al final su puntuacién total, sumando las puntuaciones obtenidas en relacidn con todas las afrmaciones, es La diferencia con el mécodo de Likert es que las frases tienen diferentes intensida- ds (se escalan por tal intensidad), por ejemplo, la siguiente afirmacidn en relacién con ef aborco (activud evaluada): “si en estos momentos me embarazara, jamés abortaria’; es més intensa que esta otra: “si una de mis mejores amigas se embatazara, nunca le recomendaria abortar’ y a su ver, esta ‘dtima resulta més intensa que la afirmaciOn: “si una compafiera del sal6n de clases se embarazara, probablemente no le recomendaria abortar”. Es deci, se basa en el principio de que algunos items indican en mayor medida ha fuerza o intensidad de la acttud, Por cuestiones de espacio, el escalograma de Gustman no se comenta en este capitulo, sino en el capitulo 7 adieional del centro de secursos en linea: “Recoleceién de los datos cuantitativos: segunda parte” (que se puede encontrar y descargar en: Material complementario —> Capiculos —> Capitulo 7). Otros métodos cuantitativos de recoleccién de los datos En la investigacién disponemos de ottos métodos siimamente tiles para recolectar los datos de las diferentes ciencias y disciplinas, como los cuestionarios y ls escalas de actitudes, los cuales solamente se enuncian en este capitulo, pero se comentan con mayor profundidad en el capitulo 7 adicional: “Recoleecién de los datos cuantitativos: segunda parte”, que se puede descargar del centro de recursos cn linea. Entre tales técnicas se encuentran 1. Andlisis de contenido cuantitativo Es una técnica para estudiar cualquier ipo de comunicacién de una manera “objetiva’y sistematica, «que cuantifica los mensajes o contenidos en categoriasy subcategorias,y los somete a ands estadistico. Sus usos son muy variados; por ejemplo: evaluar el grado de carga de contenido sexual de uno © varios programas televisivos: estudiar las apelaciones y caracteristicas de campaiias publictarias (diga- mos, de perfumes femeninos de costo elevado) en los medios de comunicacién colectiva (radio, Come i ha std «| mtd stument de reve de os eos depend de denies ators emo el pnteien de po bem, hipsters yas detnicone operaciones, scx paboebion to Haphepeshet on ORE22 ¢ opitule 9 Recoeccén de datos vanttatves televisién, periddicos y revisas): comparar estrategias propagandisticas de partidos poli net: conover discrepancias ideoldgicas entre varios periddicos al tratar un tema como el terrorismo internacional: determina la evolucidn de cierta clase de pacientes que asisten a psicocerapia al analizar sus esritos y expresiones verbales; cotejar el vocabulario aprendido por nifios que se exponen mas al uso de la computadora en comparacién con infantes que la utilizan menos; conocer y contrasta la posicién de diversos presidentes latinoamericanos en cuanto al problema del desempleo; comparar cestilos de escritores que se sefalan como parte de una misma cotrient literati: 0 analiza la calidad y profundidad de la informacién de internet sobre un virus Una investigacién de este tipo es lade Guillaume y Bath (2008), quienes estudiaron la cobercura yeel tratamiento que se daba en la prensa briténica ala informacién sobre las vacunas para el saram- pidn, las paperas y la rubéola durante un periodo de dos meses. Hall y Wright (2008) aplicaron el anilisis de contenido para examinar opiniones judiciales. Incluso, Christie y Fleischer (2010) lo ut lizaron para determinar los disefios y métodos més utlizados en estudios de evaluacién publicados en revistas cientifcas 2. Observacién Este método de recoleceidn de datos consiste en el registro sistemético, vilido y eonfiable de compor- tamientos y situaciones observables, a través de un conjunto de categorias y subcategorias. Ux, por «jemplo, para analizar conflictos familiares, eventos masivos (como la violencia en los estadios de fitbol), la aceptacién-rechazo de un producto en un supermercado, el comportamiento de personas con capacidades mentales dstintas, la adaptacién de operarios a una nueva maquinaria, etc. Haynes (1978) menciona que es el método mas utilizado por quienes se orientan conductualmente. Como muestra de este tipo de investigacién podemos citar a Regina et a. (2008), quienes, uti lizando una téenica conocida como la lista de verificaciSn de la conducta autista, compararon las bservaciones de profesionales de la salud en torno a los comportamientos de nifios autistas braslefios con las observaciones de sus madres. Asimismo, Franco, Rodrigues y Baleells (2008) evaluaron la pedagogia de instructores de ejercicios fsicos y aerdbicos en tes gimnasios de Portugal, al analizar por observacién clases grabadas en video. Labus, Keefe y Jensen (2003) revisaron estudios para indagar sobre la relacién entze los aurorreportes de intensidad del dolor y las observaciones directas de la conducta producida por tal dolor. 3. Pruebas estandarizadas e inventarios Estas pruebas o inventatios miden variables especifcas, como la inteligencia, la personalidad en gene ral la personalidad aucoritaria, el razonamiento matematico, cl sentido de vida, lasatisfaccibn laboral tipo de culeura organizacional, el estés preaperatorio, la depresién posparto, la adapracién al cole- gio, intereses vocacionales, a jerarquia de valores, el amor romdntico, a calidad de vida, la lealtad a tuna marea de algin producto, ete. Hay miles. ‘Asimismo, hay un tipo de pruebas que evalian proyecciones de los participantes y determinan su «estado en una variable, con elementos cuanticativos y cualitativos: las prucbas proyectivas como el fest ide Rorschach (que presenta manchas de tinta en tarjetas o Himinas blancas nuumeradas alos sujetos y 4ést0s relatan sus asociaciones e interpretaciones en relacién con tales manchas). 4. Datos secundarios (recolectados por otros investigadores) Implica la revisién de documentos, segistros piblicos y archivos fisicos o electrénicos. Por ejemplo, si nuestra hipétesis fuera: “Ia violencia manifesta en la Ciudad de México ¢s mayor que en la ciudad de Caracas’; entonces acudiriamos alas alcaldis de las ciudades para solicicar datas relacionados con la violencia, como ntimeto de asaltos,violaciones, robos a easachabitacién, asesinatos, etc. (datos gene rales, por distito y habitante). También obtendrfamos informacién de los archivos de los hospitales y las diferentes procuradurias © cuerpos policiacos. Un caso de una investigacién cuyo método de recoleccién se fundament6 en datos secundarios fue el que a continuacidn se comenta. scx paboebion to Haphepeshet on‘ios métodos cuanttatvos de ecole dels datos jem po | {Un gtupo de investigadores efectus (en 2008 y 2008) un estudio para explorar el impacto que tienen las becas ‘otorgadas o gestionadas por una institucién de educacion superior sobre el desarrollo académico de los alum nos beneficiarios y su desercion escolar." Los investigadares solicitaron alas diferentes direccones informacién de los estudiantes respecto a su promedio general en la carrera, nivel socioecondmico,estatusrespecto ala beca (becado-no becado), tipo de beca (institucional, otorgada por el Ministerio de Educacién, por arganismo privado, con fondes del gobierno staal), mento de la beca,estatus académico del alumna (tegula, regular, deseitor), semestre que cus, género y edad, entre ottas cuestiones. Consideraon los gtimos Cinco anos escolares. Con ta informacion constiuyeron una base de datos (con mas de medio millén de regists) y efectuaron analisis. Entre lias cuestiones encontraron que el promedio de los becaros era muy superior al de los no becarosy fa desercion ‘escolar era minim entre los primesos, asi inexistente. Pero no encontraron una rlacién entre el monto dela beca y e! promedia general de la carrera (acumulado). Asimismo, descubrieron que las mujeres tenian en ‘general mejor promedio que sus companeros. Comparar indicadores econémicos de paises de la Comunidad Europea, analizar la relaci6n comercial entre dos naciones, cotejar el niimero, eficacia y tipo de casos atendidos por diferentes hospitales, conteastar la efcacia con que se insertan en el mundo labora los egresados de una carrera de distintas universidades, evaluar la tendencias electorales en un pais, antes y después de un suceso Manuales —> Manual “Introduccién al IBM SPSS®™ del centro de recursos en linea. Este manual lo llevaré por el proceso. Ademés, hay cientos de paginas sobre este paquete y la de la propia empresa (hecp:f/www-01.ibm.com/software/ma/analytics/spss!) °° En resumen, el proceso seria el que se muestra en la figura 9.21. Desde eg como 355 se cal permanestement ls comandos pueden vari, as no ls fncanes nami busqu en up rein a vepresentante de BM SD Ine scx paboebion to Haphepeshet on{€émmo se codifcan as espuestas a un instiumento de medicién? — “ETS © Figura 9.21 Proceso de coditcacin y preparacin de los datos para su anisis en INA SPSS® Llaborain del stema de coificacén nado de evita eas viable en IM sme Respuestas Regist o capture de fos valores en ls rma ovata de es datos en BW SPSS® Reva onli eae res ° cedar 6000 Respuests Anis Si queremos capturar los datos en nuestea PC, tableta u otro dispositivo electrénico personal y no disponemos de IBM SPSS® (solamente en nuestra universidad, centro de eémputo pablico o empre- sa), podemos hacerlo en una matriz de Excel y luego copiatlos y pegatlos en la vista de las datos de IBM SPSS®, Pues las columnas (A, B, C, D, etc.) corresponden a las variables de la mattiz, y los ren- glones o ils, son fos casos, al igual que en IBM SPSS®. Como todo archivo, debe guardatse y respaldatse, implica nuestros datos y el sistema de codifi- Cuando se utilizan dispositivos electrénicos para capturar los datos (como tabletas, terminales remotas, lectores épticos, cuestionarios electrénicos, palms, etc), obviamente no requerimos teclear los datos, tos pasan directamente de la fuente a la matrz o base de datos En este capftulo, por razones didécticas, se presentaron matrices pequefas, pero en la investiga- cin pueden tenerse el niimero de columnas que se requicran scx paboebion to Haphepeshet on22 Resumen °° opitule 9 Recoeccén de datos vanttatves Recolectar los datos implica: 0) seleccionar uno o varias mé- todas o instrumentos disponibles, adaptatls o desarrolarlos, esto depende del enfoque que tenga el estudio, ast como del planteamiento del problema y de los alcances de la investiga- in; b) aplicar el o los instrumentos, y ¢) preparar las medi ciones obtenidas 0 los datos recolectados para analizatlos correctamente, Enel enfoque cuantitativo, ecolecta los datos es equivalente a medi Medi es el proceso de vincular conceptos abstractos con indi- ‘adores empircos, mediante clasificaci6n o cuantificacié. En toda investigaci6n cuantitativa medimas las variables con tenidas en la(s)hipdtess. Cualquier instiumento de recoleccién de datos debe cubrit tres requisites: confiabilidad, valde y “objetividad”. a confiabilidad se refiere al grado en que la aplicacion repe: tida de un instrumento de medicién, alos mismas individuos objetos, produce resultados iguales. La valide se refiere al grado en que un instrumento de me- dicién mide realmente las variables que pretende medic. Se pueden aportar tres tipos principales de evidenca para la validez cuantitativa: evidencia relacionada con el contenido, tevidencia relacionada con el citerio y evidencia relacionada con el construct, Los factores que principalmente pueden afectar la valider son: la improvisacidn, utilizar instrumentos desartollados en el extranjero y que no han sido validados para nuestro con- texto, poca o ula empatia con los partcipantes y los factores de aplicacién No hay medicién perfecta, pero el error de medicién debe reductse a limites tolerables. La confiabilidad cuantitatva se determina al calcular el coef ciente de fabilidad Los coeficientes de fiabilidad cvanttativa varian entre 0 y 1 (0 ula confiabilidad, 1 = total confiabildad). Los métados més conocidos para calcula la confibilidad son: (0) medida de estabilidad, b) formas alternas, ¢) mitades par tidas y d) consistencia interna, a evidencia sobre la vader de contenido se obtiene al con- trastar el universa de tems frente a os tems presentes en el instrumento de medicién, a evidencia sobre la validez de criteria se obtiene al compa- rar los resultados de la aplicacién del instrumento de mec cian frente alos resultados de un citerio externa, La evidencia sobre la validez de construct se puede determi nar mediante el andlisis de factores y al verificar la te subyacente, «Los pasos para elaborar un instrumento de medicién son: + Redetiniciones fundamentals sobre propésits, defi ” Cuestionario sobre la pareja y relacién ideales £1 objetivo de esta encuesta es conocer tu opinién acerca de las telaciones y parejas sentimentales que has tendo, tienes y ten- «ids, asi como de tu concepcién de una pareja ideal, por lo cual te agradeceriamos contestar lo que se te indica a continuacién, pensando y contestando segin corresponds en cada caso Recueida que lus fespuestas son totalmente confidenciaes "7 Lat opiones de respuesta también se an reduce par espace oe pempo cae) sexs paboebion Hn Haphepeshet Mon266 capitulo.» Recoleccién de datos cwantatves Fad: Género. aos 1) Mascalin 2) Femenino. Indica la carrera que estudias actualmente: 5) Sumamente importante 4) Muyimportante 3) im portante 2) Pocoimportante 1) No tiene importancia Ideal: “12, Piensa en tu navio(a) ideal y menciona las cuaidades que te gustaria que tuviera: ‘nota de fa més importante (1) ala menos importante (5) y 2) 3) Psicologia) | Tusmo( ) omuniacion ( ) Medicioa( ) | Adminisuacon( ) | mercadotecia( ) Arquitectua() | Contadura Derecho ( ) Publica () ng Ing. en Sistemas comerio Industial() | computacionales¢ ) | internacional) (tra (mencionat) +1 Para ti, qué es un novio(a)? Un novia(a) es: 2 Para ti, qué es una relacién de noviazgo? Un noviazgo es Pasado: 3. Has tenida novio(e)? 1) St 2) No 4 {Con cusntos(as) novios(es) has durado més de un mes? 5. las cualidades que mas te gustaban del novio{a) mas im- poxtante que has tenido en el pasado son ‘nota de la més importante (1) a la menos importante (5) y—__,» __,3)___ 4 5) «6. Pensando en t elacién pasada mas importante, las carac teistieas que mas te gustaban dela elacién de pareja eran (ne hablomos det pareja, sno de lo relacién de noviazgo} ‘nota de a mds importante (1) a a menos importante (5) 1) 2) 3) 4) 5) Actualmente: 7 Glienesnovio(ay? 11 2No 5. Las cualidades que mas te gustan de tu novio(a) son ‘nota de fa mds importante (1) ala menos importante (5). 1) ——___, 2) —___, 3) —___,, 4) 9. sCuantos meses ilevas con tu novio(a) actual? “10. Pensando en tu relacin actual, las caracteristicas que mss te gustan de la relacién de pareja (no hoblamos de tu po: 18, sino de la relacién de naviazgo) Anota de la més importante (1) ala menos importante (5). —_5) » 2) ___. 3) 4) 5) V1. Qué tan importante es en tu vide tu pareja actual? 4) 5) “15, Pensando en ty relacin ideal, las caracterstcas que més te gustaria que tuviera esa relacién (no hablamos de tu pareja sino de la relacién de noviazgo) sesian: ‘Aneta de fa mds importante (1) ola menos importante (5) D} 2 3) 4) 5) Futuro: “14. En tu futur, cle gustaria 0 no tener una relacién de pareja para toda la vida? 1s 2.No 15, Por quz—— “16. Entu futur, qué tipo de relacién de pareja duradera a largo plaro te gustaria establecer, tener 0 formar? (Marca una opcién) 41. Matrimonio civil Matrimonio religioso Matrimonio relgioso y civ Union libre (vivir juntos sin estar casados) evar una relacén de pareja sin vivir juntos otra 3.No sé. Gracias por tu colaboracién, El abuso sexual infantil Escale cognitiva H instrumenta children’s Knowledge of Abuse Questionnaire-Re- vised (CKAQ-R), fue traducido al esparol y adaptado para preesco lares. En esta escala modificada, se eliminaron los elementos re ddundeantes y los que evaluaban las actitudes ante los desconacidos, con la tesis que quienes agreden sexualmente a los menares son tn su gran mayoria personas cercanas. Ademds, se simpliicaron las preguntas formuladas negativamente, como “algunas veces est bien no hacer lo que nos pide un adiulto?”, que tienden a ser confusas para los preescolares. El CKAQ-Espafol puede tener un puntaje maximo de 22 y cad reactivo pasee evaluacin dicatémi @, dando un punto por cada respuesta corecta.Sigue e! mismo lesquema y protocolo que el CKAQ original. Cada pregunta puede ser contestada como “s", "90", 0 “no s6" y su evaluacion es dico tamica (correcto o incorreta), Incluye cuestiones pare medir el desarrollo cogntvo y acttudes asetivas ante contactos positives ¥ negatives, chantaje emocional, disociacién de las contactos con Ia afectividac y pedir ayuda ante el abuso. El estudia dela confabilidad interna se efectué con el mode- lo Kurder Richardson 20 (KR-20),en la versién adaptada de Cron: sexs paboebion Hn Haphepeshet Monbanch para reactivos dicotémicos. Tal estudio se realizé con e! total de casos (n = 150). Se obtuvo un alfa de 0.69, lo que repre~ senta un nivel moderadamente aceptable. Escala conductual Despues de estudio de diversas esals, se decid partic del RPP para el desarll del instrumento concucual. 1 razones de tt desi se basaron en que el RP? se ha aplicado a muestas grandes (n = 670). Por otro lado, evaltia en accién los patrones ‘seguidos por los agresores, ast da la oportunidad de analizar las Feaccones de los niposy ss habidades de proteccén en vivo” Adems, no aborda aloo nina de manera burda o aterador, se enfca en ls predmbulos del abuso, en donde se censa la posibilidad, Por estas razones, este instrumento nos parece de los ‘mis acertados por su evluacién conductal, su aproximacén a To que una) nino(a) puede vivir en su cotiianigad en cuanto a sus acercamlentosincémodos y evalar sus recuss asetves, Seguidad emacionalyhabildades de autoprotecion, Uno de ls inenvenientes de este protocol es que nos dspo- nen de valores psicaméticas que lo avalen oro qe na hay am aativos pals resuitados que de est investigacin se obtengen Partendo del RP ariginal, se le hizo una adaptacin median- tea taduciony adecvacién al contexto mexican. A esta escala le lamaremos Role lay-Méico. Uno ce los inconvenientes que se le cuestona al RP es que solo puede aplcarse uno une Es deci, no se puede aplcar 2 grupes de infantes en conjunto Sin embargo, en el caso de preescolares esto no aplica, porque en generals pruebas admiistadas a gtupes,requeren del desa- allo de ls nabiidades lectoescitoss, un estado no dominado ena etapa preescolar Por tanto tal nconverenteesinrascen- dente en el caso de estudio, Ota desventaja que se le atrbuye, 5 que la escaa no inclye elementos que evaien la acitud de los menores ante los contacto postvos, para determinar silos PASI (rogram de prevencion del abuso sexual infant) gene- ranun efecto nacvo de suspcad indscriminada ante cvalguier Contacto, Pot lo cual, se decid inci un par de reactves para valor esta posbilidad en el Role Play-Meico(RP-Mxco). Es tos reacvos inclayen por ejemplo, abrazos por ls padres o fel sitaciones. Se desarle, también, una prueba parlea a dicha Aadaptacdn, a [aque lamamos Evaluacién dela Prevencién del Abuso (eA) Los investigadores opiman {Cj Recoleccién de datos cuantitativos ‘Dentro del modelo de investigacién cuantitativa, la etapa de re~ coleccién de las datos resulta de vital importancia para el estudio, de ella dependen tanto Ia validez interna como externa La validez interna de una investigacién depende de una ade- cuada seleccién o construccién del instrumento con el cual se v2 2 recolectar a informacién deseada, la teoria que enmarca e! estudio tiene que conjugar perfectamente con las caracterstcas te6ricas y emplricas del instrumento; si esto no ocurte, se corre! Los investigadores opin En la escala RPP se tiene un puntaje maximo de 14 puntos, ‘vali la negacién verbal yno verbal de seis escenas “en vivo" Es dec, donde el evaluador acta y se le pide al no que respon da a a pregunta: ,qué diay hari? en una situacén plenteada ‘Adem8s, en los tres reactivos donde se aborda el chantaje emo- ional y la coercién, se otorga un punto extra si el partcpante "muestra intencién de denunciar el evento Enel caso de la evar Iuacién del RP-México y de la EPA se considera un total de ocho cescenarios “en vivo", ses de tipo abusivo y dos de contactos no abusivos. El puntaje de ambas escalas(RP-México y EPA) tiene un ‘maximo de 40 puntos. Al igual que el RPP, eval la asertvidad verbal yconductual, pero se amplia le evalvacién con laintencién de denuncia del evento abusivo, cubriendo la necesidad de me- jorar el sistema de medicin con la petsistencia de losinfantes de pedir ayuda hasta obteneria. Mide ademas las siguientes subes- «alas 1) reconacimiento de contactos, tanto postivos como ne- ‘ativas,y2) las hablidades de asertvidad verbal (qué dec), no verbal (qué hacer) la persstenca en la intencién de denuncia ante algn incidente abusivo (denuncia). Los 40 puntos se der- van de la suma de un punto por cada acerto en la asertvidad verbal (ocho maximo), un punto par cade asertvidad conductual {mndximo ocho), un punto por cada intencién de denuncia de los etic ea [ets etna stn “its oa | Meas vided > Desviaciénestndar ton ro i centro de recursos en linea) cae ean aa ee Pra lees fe popes eon ‘hnaitsis de covarianza (en centro Ge recursos en linea) ca [incomes + | tte Samn ye eae fee mutvaradas | (eno de ecuses en linea) tata tie ado e campemest cn no acne pd desc el et dee ne, Maen compet {o> Copter» cpt ans esate end tet cone Scent, Foams pocedmentreeseory—_@E,Ceten de Clopene 4 bes ene qu ambien peden Sse el mimo st ee sxx paboebion ton aphepeshet Mon272 EF __copitule 10 Andss de datos wantiatves iQué procedimiento se sigue para analizar cuantitativamente los datos? 1 Unaver que los datos se han codifcado, tansferido a una matez, guantado en un archivo y“limpia- do" los erzotes, el investigador procede a analizarlos. En la actualidad, el andlsis cuantitativo de los datos se lleva a cabo por computadora w ordenador. ‘Ya casi nadie lo hace de forma manual ni aplicando frmulas, en especial si hay un volumen conside- rable de datos. Por otra parte, en la mayoria de las instituciones de educacién media y superior, cen- ros de investigacidn, empresa y sindicatos se dispone de sistemas de eémputo pata archivat y analizar datos, De esta suposicisn parte el presente capitulo, Por ello, se centra en la interpretacién de los resul- tados de los mérados de andlisis cuantitativo y no en los procedimientos de calculo. El andlisis de los datos se efectia sobre la matriz de datorwilizando un programa computacional El proceso de anilisis se exquematiza en la figura 10.1. Posteriormente lo veremos paso a paso, “© Figura 10.1 Proceso para efectuar andlisis estadistco. » » fue fue ued Seleccionar un software + Giecutar el programa: 5P55,_,_Exoorar ls datos: _apropiado para anclizar ‘Maintab, STATS, SAS u otro a) Analizar descriptivameente los datos por variable. ais ee 5) Nsualizar los datos por variable, > >» rases > eee — be armen mee Feb biy press es, (eee exad N ‘ihr gape is fas cn, ter ee send mein Paso 1: seleccionar un programa de anilisis Hay diversos programas para analizar datos. En esencia su funcionamiento es muy similar ¢ inelu- yen las dos partes o segmentos que se mencionaron en el capitulo anterior: una parte de definiciones ‘de las variables, que a su ver explican los datos (los elementos de la codificaciSn item por item o indi- cador por indicador), ¥ a otra parte, la matriz de datos. La primera parte es para que se comprenda la segunda. Las definiciones, desde luego, las prepara el investigador. Lo que éste hace, una ver reco- lectados los datos, es precisar los parimetcos de la matriz de datos en el programa (nombre de cada variable en la matriz —que equivale a un item, reactivo, indicador, categoria o subcategoria de con- tenido w observacién—, tipo de variable o item, ancho en digitos, etc.) ¢ introducir 6 capturar los dacos en la matiz, la cual es como cualquier hoja de céleulo, Asimismo, recordemos que la mattz. de datos tiene columnas (variables, ems o indicadores), filas o renglones (casos) y celdas (interseeciones ‘entte una columna y un renglén). Cada celda contiene un dato (que significa un valor de un caso en tuna variable). Supongamos que tenemos cuatto casos 0 personas y tres variables (género, color de cabello y edad); la matriz se veria como se muestra en la tabla 10.1 © Tabla 10.1. fjemplo de matiz de datos con tes vatablesy cuato casos rey coor ry (género) (ene) (edad) 1 1 35 1 2 1 1 » 3 2 1 2% 4 2 4 2 scx paboebion to Haphepeshet onavo 1: selectonar un programa de andi Lacodificacin (especificada en la parte de la definiciones de las variables 0 columnas que corres ponden a tems) seria © Género (1 = masculino y 2 * Color de cabello (1 = © Edad (dato “ De esta forma, si se lee por renglén o fila (caso), de izquietda a derecha, la primera celda indica ‘un hombre (1); la segunda, de cabello negro (1); y la tercera, de 35 atios (35). En el segundo ren- glén, un hombre de cabello negro y 29 afios. La tercera fila, una mujer de eabelo col afios. La cuarta fila (caso ntimero cuatro) nos sefiala una mujer (2), rubia (4) y de 33 aftos (33). Pero, si leemos por columna o variable de ariba hacia abajo, tendriamos en la primera (génczo) dos hom. bres y dos mujeres (1,1, 2,2) Por lo general, en fa parte superior de la matrz de datos aparecen las opciones de los comandos para operar el programa de anilisis estadistico como cualquice otto software (Archivo, Fdicién 0 Editar datos, etc). Una vez que estamos seguros que no hay ertores en la matriz, procedemos a reali- zat el andlisis de la misma, el andlisis estadstico, En cada programa tales opciones vatfan, pero en Ahora, comentaremos brevemente los programas més importantes y de dos de ellos sefalaremos sus comandos generale. femenino). Statistical Package for the Social Sciences o Paquete Estadistico para las Ciencias Sociales (IBM® SPSS) EI SPSS (Paquere Estadistico para las Ciencias Sociales), desartollado en la Universidad de Chicago, «es uno de los mas difundidos y accualmence es propiedad de IBM®, Contiene todos los andlisis est- disticos que se deseribirin en este capitulo, En Theroamérica, algunas insttuciones educativas tienen versiones antiguas del SPSS; otras, versiones mas recientes, ya sea en espafolo inglés yen los dist sistemas operativos como Windows, Macintosh y UNIX. Como ocurre con ottos programas, el IBM® SPSS se actualiza constantemente con versiones nuevas en varios idiomas. ‘Asimismo, cada afo surgen textos 0 manuales acordes con estas nuevas versiones. Sin embargo, en el centzo de recursos el lector encontraré un manual que abarca las cuestiones esenciales de este paquete de anilisis. Lo mejor para mantenerse al dia en materia de SPSS® es consultar el sitio de IBM®que correspond a su pais (con las palabras clave: “IBM SPSS” puede encontrarlo mediante cualquier motor de busqueda como Google). Asimismo, se puede "bajat” o “descargas” a la compu tadora una demostracién del programa por tiempo limitado, Para la acwalizacién de manuales, las palabras clave setian: “SPSS manuals" o "SPSS manuales’ La empresa IBM® afirma que se pueden solucionar diversos problemas de investigacién con la suite de software IBM® SPSS Statistics, de la cual la versién “Base” contiene alrededor de 80% de los analisis, Para cuestiones més especificas se pueden adquiti diversos médulos que la compafifa vende por separado, los cuales se integran a la versin Base con otros titulos 0 nombres. Hasta agosto de 2013, las versiones més recientes tenfan mejoras como mayor facilidad de uso, nuevas téenicas de analisis, mayor rendimiento y mejor integracién con los demés productos IBM® (IBM SPSS®, 2013) Como dijimos, el IBM® SPSS contiene las dos partes citadas que se denominan: a) vista de vata bles (para definiciones de las variables y consecuentemente, de los datos) y 8) vista de los datos (matriz, de datos), En ambas vistas se observan los comandos para operar en la parte superior. “tel to de 2013, aria de a 55 ttt ataba can acer de 50 pads can erent grades de compen sos a queasy podets dea oils Celabastin ard Deployment Sees, Alea Dedsion Management at oleton Wieder scx paboebion to Haphepeshet on e000° Ge 273am ¢ Capitulo 10 Andlss de datos cuanttativos El paquete IBM? SPSS crabaja de una manera muy sencilla: éste abre la matriz de datos y el investigador usuario selecciona las opciones més apropiadas para su andisis, cal como se hace en ottos programas. ‘A continuacién se describen de manera general algunas funciones principales del programa. Para profundizar y aprender su uso recomendamos revisa el manual de IBM SPSS®, que puede encontrar cen el centro de recursos en linea (en el apartado de “Manuales auiliaes”) Eile (archivo): esce botdn tiene las siguientes funciones: ‘Nuevo. Sirve para construir un archivo nuevo, brit Se usiliza para abrir un archivo de datos previamence generado, de sintaxs, resultados 0 de + li bate de dats, Ten a faneén de gern etary ejeeuar consuls previamente creadas. + Leer datos de texto, Se usa para abrir archivos de texto. * Cerrar. Como es comiin, sive para cerrar el archivo en el que se esté trabajando. * Guardar. De igual forma, su funcién es guardar el archivo que se encuentra en wo. + Guardar como, Se utiliza para guardar el archivo en el que se esté trabajando con un nombre distinto al que ya tiene. * Mostrar informacién del archivo de datos. Se trata de un archivo de trabajo o archivo externo, © Caché de los datos. Es una copia temporal de los datos, la cual ayuda a mejorar el rendimiento cuando los archivos grandes de datos se leen desde una fuente externa. Si bien el archivo activo virtual puede ayudar a disminuis la cantidad de espacio en disco temporal, el no tener tna copia temporal del archivo en activo provoca que la fuente de datos original se tenga que leer en cada procedimiento. + Repositori. Sirve para concctar,almaccnar desde SPSS Statsties, publicar en la web, afadir un archivo, xecuperar en SPSS Statistics o descargar un archivo. Presentacidn preliminar. Muestra en pantalla completa la tarea que se estéllevando a cabo Imprimir. Se utiliza para imprimir la area actual Datos usados recientemente, Indica los datos que se ocuparon recientemente. © Archivos usados revientemente. Muestra los itimos archivos utilizados. Salir. Cierra el programa IBM SPSS®. Edit (edici6n): se emplea para modificar archivos, manipular la mata (deshacer y rehacer accio- nes; cortar,copiar y pegar datos: pegat, borrar¢ insertar variables o casos), buscar y reemplazar datos «ira casos o variables particulares entte otras acciones de edici. View (ver): como su nombre lo dice es para visualizar la barra de estado, editor de ments, fuentes, cuadricula, etiquetas de valor, marcar datos imputados, personalizar la vista de variables, etetera Data (datos): en este ment se pueden defini las propiedades de las variables asi como el nivel de 1medicidn, copiar propiedades de datos, establecer un nuevo atributo personalizado, defini fechas y conjuntos de respuestas mltiples, validacién, identficacion de casos duplicados y atipicos, ordenar casos y variables, rasponer, fundir archivos, reestructurar, agregar, dsefio ortogonal, copiar conjunto de datos, segmentar archivos, seleccionat y ponderar casos. Transform (transforma): con este bot6n se despliegan las opciones de calcular variable (crear variables compuestas por varios ftems 0 indicadores), contar valores dentro de los casos, valores de cambio, recodificar en las mismas o en distintas variables de manera personalizada 0 automética, agrupacidn visual, intervalos éptimos, preparar datos para modelado, asignar rangos a casos, asistente para fecha y hora, crear serie temporal, eemplazar valotes perdidos y generar niimeros aleatorios. Analyze (analizat): por medio de esta opcién se pueden solictar andliss estadisticas que bisica- ses de datos 1. Informes (restimenes de casos, informacién de columnas y renglones) 2. Extadisticos descriptivos (tablar de frecuencias, medidas de tendencia central y dspersién, razo- nes, tablas de contingencia) scx paboebion to Haphepeshet onavo 1: Seleccionar un programa de andi 275 ‘Tablas (personalizacién de las tablas) Compara medias (prueba fy andlisis de varianza ANOVA— unidieceional) Modelo lineal general (independiente o factor y dependiente, con covatiable) Modelos lineales generaizados Modelos mixtos Correlaciones (bivariada —dos— y multivariadas —tres © mis—) para cualquier nivel de medi- cién de las variables 9. Regresin (lineal, curvilineal y miiltiple) 110, Loglineal 11, Redes neuronales 112, Chasificacién (conglomerados y andlisis dseriminante) 15, Reduccién de dimensiones (andliss de factores) +14, Escala (Gabilidad y escalamienco multidimensional) 15, Pruchas no paramétricas 16, Predicciones 17, Supervivencia 18, Respuesta miltiple (escalas) +19. Andliss de valores perdidos 20, Imputacién méiltiple 21, Muestras complejas 22, Control de calidad 2s Curva COR Direct marketing (matketing directo): mediante esta nueva funcién se pueden clasificar y agrupar los datos de, en el caso de las empresas, sus Graphs (grdficos): con esta funcién se solicitan gréficos (barras en formato unidimensional y 3D, lineas, reas, de sectoreso pastel, méximos y minimos, diagramas de caja barras de error, piramide de poblacién, dispersin, histograma, eteéera). Uilities (wilidades 0 herramientas): se definen ambientes, conjuntos, informacién sobre varia- -ntes para obtener una comprensién mis profunda de bles, eteétera Window (ventana): stve para moverse a través de archivos y hacia otros programas. Help (ayuda): cucnta con contenidos de ayuda, cémo utilizar SPSS, comandos, guias, “asesor cextadistico” y demas elementos aplicados al paquete (con indice. Minitab® Minitab es un paquete que goza de popularidad por su relative bajo costo. Incluye un considerable animero de pruebas estadisticasy cuenta con un tutorial para aprender a utilizatlo y practicar; ademés, «s muy sencillo de manejar Minitab tiene un sitio web (heep://www.minitab.comy) en el cual se puede descargar una version dle prucha gratuita por tiempo limitado, Para comenzar a utilizar Minitab, se abre una sesién (la cual se define con nombre y fecha) y se abre una matsiz u hoja de trabajo (en la parte superior de la pantalla aparece la sesién y en la parte inferior e presenta la mattz). Se definen las variables (C—columnas—): nombre, formato (numéri- 0, texto, fecha/tiempo), ancho (en digitos), su descripeién y orden de los valores. Los renglones 0 filas son casos. Los anslisisrealizados aparecen en la sesién (parte o pantalla superior) y as griicas se reproducen en recuadros, Entre sus comandos estén los siguientes: Archivo: sirve para construr un nuevo archivo, localizar uno ya construido, guardat o abrir archi- vos, abrir una grifica de Minitab, especificar impresora, imprimir, cerrar, entre otras funciones ar: Util para modificar archivos, buscar datos, copiar, cortar y eliminar celdas, conectar Minitab con otras aplicaciones, etcétera scx paboebion to Haphepeshet on276 capitulo 10 Andis de dats cvanttatives Datos: Se utiliza para ajustar 0 combinar columnas, incluye dividir la mattz, copiar o eliminar columnas y renglones ofilas, establecer rangos, recodifcat, cambiar el tipo de datos, desplegar datos, mostrar los datos de la hoja de trabajo en la ventana de sesién, entte otros. Caleular: calcula las estadisticas de columnas y filas, dstribuciones de probabilidad, matrices, cesandarizaciones, operaciones aritméticas, etcétera, Estadisticas: de manera fundamental, jecuta los siguientes tipos de estadistica: 1) Bisicas: descriptiva e inferencial como distibucién normal, prueba f, prueba de hipdtesis acerca de la media poblacional, cortelacién, covatianza y Chi cuadada, 2. Regresidn lineal y miilple 3. Analisis de varianza (ANOVA) unidireccional y factorial 4 DOE (anilisis para disefios experimentales, andlisis de respuesta) 5. ‘ 7 . Grifieas de control: de atributos, multivariados, de tiempo, individuales y grupales. | Herramientas de calidad: diagramas de dispersién, Pareto, causa-efecto, entte ots. - Confiabilidad: anslisis de distribucin, planes de prueba, anslisis de garancia, prucba acelerada de vida tl, etcetera 1 Analisis multivariado: conglomerados, andlisis de factores (validacién), andlisis discriminante, anilisis de conglomerados, de correspondencia simple 0 miiltiple. 9. Series de tiempos: autocortelaci6n, correlacién parcial, corrclacién cruzada, entre otras 10. Tablas: tabulacién cruzada, Chi cuadtada, 11. Estadistica no paramétrica 12. EDA (anilisisexploratorio de datos, diagramas de caja, fotograma, etcétea) 15, Poder y tamaio de muestra (I-muestra 2, L-muestra-f, 2-muestra-t, ANOVA y ott. Sirve para dterminar si el tamaio de muestra es apropiado para varias pruebas estadistcas). Grafica: sirve para solicitar graficos, histogramas, barras de pastel, diagramas de dispersién, Pareto, series de tiempos, etcétera. Editor: Se usa para mover, redefinir e insertar columnas, buscar o ir a un caso particulas, entre Herramientas es dul para definir ambientes, conjuntos, informacién sobre variables, conexién a internet, consulas, etétera Ventana: sirve para moverse a través de archivos y hacia otras programas, minimizar ventanas y demis funciones similares a otros programas. Ayuda: cuenta con contenidos de ayuda, cémo utilizar Minitab, comandos, gutas y demés ele- mentos de Windows aplicados al paquete. En la figura 10.2 se muestra una vista de la pantalla de Minitab, © Figura 10.2 Pantalla de Minitab rreineagrecgy scx paboebion to Haphepeshet onPaso 3: export ls datos ‘Ouro programa de anilisis sumamente difundido es el SAS (Sistema de Analisis Estadistico), que fue disefiado en la Universidad de Carolina del Norte. Es muy podetoso y su utlizacin se ha incte- mentado notablemente, Es un paquete may completo para computadoras personales que contiene ‘una variedad considerable de pruebas estadisticas (andlsis de varianza, regresién, anéliss de datos categéricos, anilisis no paramétricos, tc). Su pagina es: http://www:sas.comitechnologies/analyties! statisties/stal. En dl centto de x puede descargar una version de prueba del sofware STATS, l cual ha sido incluido desde la segun- da edicién de esta obra y contiene los andlisis bivariados més elementales para comenzar a compren- dltlos y practicatlos. Por otzo lado, en internet se encuentran diversos programas gratuitos de anlisis estadistico para cualquier ciencia o disciplin Por lo general se clige el programa de anilisis que esté disponible en nuestra insticucién educat va, centro de investigacién u organizacién de trabajo, o el que podamos comprar u obtener en inter- net. Todos los programas mencionados son excelentes opciones. Cualquiera nos sirve, solamente que debemos seleccionar uno. Recomendamos que en el centro de eémputo de su institucién soliciten informacién respecto de los programas disponibles. Paso 2: ejecutar el programa La mayoria de los programas son ficiles de usar, pues lo Gnico que hay que hacer es solcitar los and lisis requeridos seleccionando las opciones apropiadas. Paso 3: explorar los datos En esta etapa, inmediata ala ejecucién del programa, se inicia el andlisis. Cabe sefialar que si hemos Ilevado a cabo la investigacin reflexionande paso a paso, la fase analitia es relativamente sencilla, porque: 1) formulamos las preguntas de investigacién que pretendemos contesta, 2) visualizamos un alcance (exploratorio, descriptivo, cortelacional o explicaivo), 3) establecimos nuestras hipétesis (0 estamos conscientes de que no las tenemos), 4) definimos las vatiables, 5) elaboramos un inst to (conocemas qué items 0 indicadores miden qué variables y qué nivel de medicién tiene cada varia~ ble: nominal, ordinal, de intervalos o razén) y 6) recolectamos los datos. Sabemos qué deseamos hacer, es decir, tenemos claridad. La exploracién tipica se muestra en la figura 10.3 (que se hizo con base en el programa SPSS, pucs, insistimos, puede variar de programa a programa cn cuanto a comandos o instrucciones, pero zo en lo referente a las funciones implementadas), Algunos concepts pueden, por ahora, no signifi- car nada pata el lector que se inicia en los menesteres de la investigacién, pero se irdn explicando a lo largo del capitulo. ‘Veamos ahora los conceptos estadisticos que se aplican a la exploracién de datos, pero antes es necesario realizar un par de apuntes, uno sobre las variables del estudio y las variables dela matriz de datos el ott0 sobre los factores de los que depende el aniliss Apunte 1 ursos en linea se inluye un vincuo also de Decision Analyst. donde se @B, A Corto te ines 277 Al final del capitulo anterior se introdujo el concepto de variable de Ia matrix de Vatiables de la matte de datos son ddacos, que es distinto del concepto variable de la investigacin, Las variables de la ®lms consttudas por tems ratriz de datos son columnas que consticuyen indicadores o items. Las variables de _Vatabes de la investigacin Son ls Ia investigacién son las propiedades medidas y que forman parte de has hipétesis 0 que se pretenden describir (género, edad, actitud hacia el presidente municipal, inteligen- cia, duracién de un material, presién arterial, etc). En ocasiones, las variables de la investiqacién vequieren un tinico {tem, lectura o indicador para ser medidas (como en Ia tabla 10.2 con la variable “tipo de escuela a la que asiste"), pero en otras se necesitan varios items para tal finalidad. Cuando sélo se precisa de un item o indicador, las variables de la investigacién tenden describ, scx paboebion to Haphepeshet on propiedades medidas y que forman pate dels hipétesis o cue se pre-as ¢ opitule 10 Andis de datos cvantitatvos @ Figura 10.3 Secuencia mas comdn para explorar datos en SPSS > apa (en 555) > stop (ens) En “Analizar” 0 Analyze (y usando las En “Transformer” 0 Transform y crores eager “Can one ena Telli boi Pesobie paso nee bs Sass rac Kecriteas rents 9 Frequencies) se solicitan para todos ‘atria en las variables de su estudio, ‘os items (variable de la mattiz por , ‘variable dela matia): tapa 2 (analitic) ~ lnformes de la matra (resimmenes de Gl iewestigndor eval las ais informe estas de distbucones estas ‘ila © en calurnas. Con objeto de fale Bans eee eed m seven iad teen gol etter teny anes een” CaP) + stds descities: > yagi alos items en las “Anal, esoltan para todas oe Veins dewvespain rei ose Se sera (rails angst), 2) tds dscns (na aba exudes tunes de gee onstsceintines "nfs esstas ndaes ‘uma ens) ‘operaciones y forma como e todas as variables) fees defense cn de las variables de la mata). estadisticas, tablas y graficas. 6 a ines oe ete Aves camel eb vaviables de le metria). segundo, porque abarce lo primera. ee Senne pee mde ye secre eco ees 2 ewe ies ‘oats set 8 ‘ocupan una columna de la matriz (una variable de la matrz), Pero si estin compuestas de varios items, ocuparin tantas columnas como ftems (o variables en la matriz) las conformen. Esto se ejen plifica en la tabla 10.2 con los easos de las variables "presién arterial rior” y “moral de los empleados Y cuando las variables dela invetigacin se inegran de vatios items o variables en la mattiz, las columnas pueden ser continuas 0 no (estar ubicadas de manera seguida 0 en distintas partes de la ‘atrz). En el euarto ejemplo (variable “moral de los empleados’), las preguntas podeian ser las nime- +0 1, 2,3, 4y 5 del cuestionario; entonces, las primeras cinco columnas de la mate representardn a ftems. Pero pueden ubicatse en distintos segmentos del cuestionario (por ejemplo, ser las pre guntas 1, 5, 17, 22 y 38); entonces, las columnas que las representen se ubicarin de forma discon ava (eri las columns o variables de fa mati 1, 5, 17,22 38); porque regularmente la seuenca de las columnas cortesponde a la secuencia de los ftems en el instrumento de medi Esta explicacin se hace porque hemos visto estudiantes que confunden las variables de la matriz de datos con las variables del estudio, Son cuestiones vinculadas pero distintas. ‘Cuando una variable de la investigacién esté integrada por diversas variables de a matrizo items, Iamarse variable compuesta y su puntuacidn total es el resultado de adicionar los valores de los reactivos que la conforman. Tal vez el caso més claro es la eseala de Likert, en la que se suman las puntuaciones de cada item y se logra la calificacidn final A veces la adicién es una sumatoria, otras ocasiones es multiplicativa, un promedio o de otras formas, segin se haya desarrollado el instrumen- to. Algjecutar el programa y durante la fase exploratoria, se toman en cuenta todas las nariables dela isfuecién respecto al supe- investigacién e items y se considera alas variables ompuestas entoneces se indica en el programa eémo estén consticuidas, mediante algunas instrucciones (en cada programa son distintas en cuanto al n bre, pero su funcién es similar). Por ejemplo, en SPSS se crean nuevas variables compuestas en la mattiz de datos con el comando “Transformar” y luego con el comando “Calcular variable’, de este ‘modo, se construye la variable compuesta mediante una expresién numérica, Revisemos un ejemplo. scx paboebion to Haphepeshet on© Tabla 10.2. Kjemplos de variables de invesigacién y formulacién de tems es escuela a la que asiste amino noes pone err om ores) aso 3: explora los datos ETE oy Parner rn) Asse a una escuela Dblca o privada? 7 Escuela pobica 1) Escuela prvada sta variable es medida por una sola pregunta y cupa una clumnao vatable dela mati Lectura dela presisn satel sista Lectura dela presion arteral dati, sta voiable es medida por dos indicadares 0 Fectras y ocupa dos ‘olurmas 0 variables ‘dela mati 1. dn qué medida ests usted satisfecho ‘on su superior inmediato? 11] sumamente insatistecho (2) Mas bien insatsfecho 3) Niinsatistecho ni satisfecho |) Mas bien saistecho '5) sumamente satisfecho 2 {Qué tan satisecho esta usted con el trato que recibe de parte desu superior inmediator 11) sumamente insatistecho 2) Mas bien insatstecho 3) Niinsatistecho ni stisfecho 4) Mas bien satistecho 5) sumamente satisfecho 5. 4Qué tan satistecho est con la ‘tentacn que le propeciona su superior inmediat para que usted reabce su abajo? 11) sumamente insatisfecho 2) Mis bien insatstecho (3) Niinsatistecho ni satisfecho 4) Mas bien saistecho |5) Sumamente satisfecho sta variable es medida por tres preguntas ocupa tes colurnas0 variables dela mati 4. "Ene! departamenta donde trabajo nos ‘manteneras unis”, 15) Totamente de acuerdo 4) De acuerdo “3 ide acuerdo nl en desacuerdo 7] En desacuerdo 7] Totalmente en desacuerdo 2a maori des vcs en i deparament comparinos a ifomacn ms que quar pata 5] Totalmente de acuerdo: 4) De acuerdo 3] Ni de acuerdo ni en desacuerdo tn desacdo 1] Ttamete en desacerdo 3. “en mi depatamento nos mantnemos tn atc permanente” 5) Totalmente de acuerdo: 4 oe ssedo 1] ide area le desoxeto 2) fn desacdo 1) Wanene en desacuedo 4 “en mi departamento nas reusimos con frecuenca para hablar tanto de asuntas de abajo como de cuestiones pessonales” (5 Ttamente de acuerdo “Abe acerdo | Nid aud sen descuerdo 2 tndesocurdo | Totamente en dercverdo 5." mi vba todos mas vam bien” |5Totamente de acuerdo “4 be acerdo | Ni de aud sen descuedo 2 tn desocuetdo 1) Tealmente en desscuedo fst varable es eda po ance preguntas y ocupa cinco ealumnas 0 ‘arabes de la mati scx paboebion to Haphepeshet on280 capitulo 10 Andss de datos cwantiatives En el caso de la variable “moral en el departamento donde se trabaja”, podriamos asignar las siguientes columnas (en el supuesto de que fueran continuas) a los einco items, tal como se muestra en la abla 10.3. Y tener la siguiente matiz (ejemplo): Fjemplo © Toble 10. emplo conf variable moral en oer Ae ay or Ree et 1. “Enel depatamento donde trabajo nos mantene> | Frase 1 (rt) olumaa os unis” 5) Totalmente de acuerdo: be asda [5] Me arerto ne deseueto 1 en esereto 1] talent en desacuedo 27a apo das vce esr deprsnento| || Fase 22) oinea 2 compatinos a ifomacn masque gra paresis [5 Totdente de acuerdo 4) De acuerdo 3] Nide acuerdo ni en desacuerdo 2) En desacuerdo 1] totalmente en esauerdo 3. “eam depatamento nes mantenemsenconact | rase3 (3) Colima permaretemente [5] tamer de arede 4) De acuerdo 3) Nide acuerdo ni en desacuerdo 2) En desacuerdo 1] Totalmente en éesacverdo. 4. “En depatamento nas entra con ecvencia | Fase 4 (4) Columoa 4 pars aaa de antes de abo ce de fvestones pene” 5} Totalmente de acuerdo. 4) De acuerdo 3) Ni de acuerdo ni en desacuerdo: 2) En desacuerdo 1) Totalmente en desacuerdo 5. “tnm/tabyo tos os Hevamos moyen? | fase 5) cota s 5) Totalmente de acuerdo: 4 be acsedo £5 Nee sree nen desouento 1D en desecseto {tamer en desacueda scx paboebion to Haphepeshet onPaso 3: export ls datos casos ta ta 18 ta ts 1 1 2 2 4 3 2 2 2 2 2 2 k 2 3 2 2 3 En las opciones “Tiansformat” y "Calcular” o “Computat” el programa nos pide que indiquemos el nombre de la nueva variable (en este caso la compuesta por cinco frases): moral. Y nos solicica que dlesarrollemos la expresién numérica que correspond a esta variable compuestafrl+fr2t fist frtfi5 (auvomaticamente el programa reaiza la operacién y agega la nueva variable compuesta “moral” a la ati de datos yrealiza los célculos, y ahora si la uariable del estudio es una variable més de la matriz de datos). La mattiz se modificaria de la siguiente manera: Eien plo — casos i fa 1 ta ts Moral 1 1 2 2 4 3 2 2 2 2 2 2 2 0 k 2 3 2 2 3 2 Desde luego, para mantener esta variable debemos demostrar que fue medida de forma confiable y vilida, asf como evaluat si todos los ftems aportan favorablemente a ambos elementos 0 algunos no. Y¥ en lugar de una suma, a variable moral podrfa ser un promedio de las cinco frases 0 vaiables de la ‘atriz (como ya se mencioné en el tema de la escala de Liker’). Entonces, la expresién en “Calculae” es: (fr f24fr3+fr44iS5, y los valores en “moral” seria: jem po casos fa ta 18 ta ts Moral 1 1 2 2 4 3 24 2 2 2 2 2 2 20 k 2 3 2 2 3 24 Pos tltimo, ls vasiables de la investigacién son las que nos interesan, ya sea que estén compuestas por uno, dos, diez, 50 0 més items. El primer anslisis es sobre los items, Gnicamente para explorar; el analisis descriptive final es sobre las nariables del extudio, Apunte 2 Los anilisis de los datos dependen de tes Factores? 2) El nivel de medicién de las variables. ») La manera como se hayan formulado las hipétess ©) EL interés analitico del investigador (que depende del planccamiento del problema) “aabbie QO1), Cleary (201), Halland, Write y Chicken (201); Juan (2019), Kony Ral OND), Hemdrder Samper tof (207), Celis, abate Sesright (Q0"2), Mart y Biden QON), Sason G12). Howel (811, Mertens G842), Geshe (2008), Sty ‘tour (206), Reyols (1984) yhlbbrand a y Rsenta (1977) scx paboebion to Haphepeshet on282 capitulo 10 Andsis de datos cuantitatvas O2 Por ejemplo, los andlisis que se aplican a una variable nominal son distintos a los de una variable por incervalos. Se sugiese repasar los niveles de medicién vistos en el capitulo anterios. El investigador busca, en primer término, describir sus datos y posteriormente efeccuar andlisis ‘estadisticos para relacionar sus variables, Es deci, realiza andlisis de estadistica descriptiva para cada tuna de las variables de la mate (items o indicadores) y luego para cada una de las variables del estu- dio, finalmente aplica céleulos estadisticos para probar sus hip6tesis. Los tipos © métodos de andlisis cuantitativo o estadistico son variados y se comentarin a continuacidn; pero cabe seialar que el an lisis no es indiscriminado, sino que cada mécodo tiene su raz5n de ser y un propésito especifico: por «lo, no deben hacerse mis andlisis de los necesarios. La estadistica no es un fin en si misma, sino tuna herramienta para evaluat los datos. Estadistica descriptiva para cada variable a primera tarea es describir los datos, los valores o las puntuaciones obtenilas para cada variable. Por «ejemplo, si aplicamos a 2112 nifios el cuestionario sobre los usosy las graificaciones que la television, tiene para ellos, zcdmo pueden describitse estos datos? Esto se logra al describir la distribucién de las puntuaciones o frecuencias de cada variable 4Qué es una distribucién de frecuencias? Distibueién de freeuencias Coniunto Una distribucidn de freewencias es un conjunto de puntuaciones respecto de una de puntuaciones de una vaabie ode variable ordenadas en sus respectivas categorias y generalmente se presenta como sades en ss respactva categets tuna tabla (O'Leary, 2014 y Nicol, 2006). La tabla 10.4 muestra un ejemplo de una distribucién de frecuencias. jer p i | En un estudio entre 20 personas latinas que viven en el estado de California, Estados Unidos 'se les pregunté: {mo prefiere que se referan a usted en cuanto a su origen étnico Las respuestas fueron [© Tabla 10.4 emplo de una distibucién de frecuencias Variable: preterencias al refri el origen étnico (nembrada en SPSS: prefoe) erm édiges (valores) Frecuencias, Hispano 2 Latine a Latinoamericano 6 Americano 2 ores 20 No respondieron 2 Total 200 A veces, las categorias de las distribuciones de frecuencias son tantas que ¢s necesario resumirlas. Por ejemplo, examinemos detenidamente la distribucién de la tabla 10.5. Esta distribueién podria compendiarse como en la tabla 10.6, "ncset con 7 de morgen de err (neat of Stthem clei y Benden ane Asoites, 2002). scx paboebion to Haphepeshet on‘able ET Estaditica descptva para cada © Tabla 10.5. emplo de una distibucién que necesita resumise © Tabla 10.6 empl de una distribu cin cesuida eee ere oe 4Qué otros elementos contiene una distribucién de frecuencias? Las distribuciones de frecuencias pueden completarse agregando los porcentajes de casos en cada categoria, los porcentajes validos (excluyendo los valores perdidos) y los porcentajes acumulados (por- centaje de lo que se va acumulando en cada categoria, desde la més baja hasta la mas alta). La tabla 10.7 muestra un ejemplo con las frecuencias y porcentajes en si los porcentaes vilidos y los acurmulados. El porcentaje acumulado vonsticuye lo que aumenta en cada categoria de manera porcentual y progresiva (en orden de aparicién de las categorias), comando en cuenta los porcentajes talidos. En la categoria “si se ha obtenido la cooperacién’, se ha acumulado 74,6%, En la categoria 30 se a obtenido la cooperacién’, se acumula 78.7% (74.6% de la categorfa anterior y 4.1% de la categoria en cuestidn). En la iltima categoria siempre se acurnla el total (100%).* © Tabla 10.7 _Hjemplo de una distibucion de frecuencias con todos sus elementos = iota acon =< ‘ise ha obtenido la cooperacén 6 Nose a obtenido a cooperacion 2 5 4a 17 No respondievon 3 2% na 1000 Total Mm 1000 Las columnas porcentaje y porcentaje udido son iguales (mismas ciftas 0 valores) cuando no hay valores perdidos: pero si tenemos valores perdidos, la columna porcentaje udlido presenta los céleulos sobre el cotal menos tales valores. En la tabla 10.8 se muestra un ejemplo con valores perdidos en el «aso de un estudio exploratorio sobre los motivos de los tclevisivo favorito (Garcia y Hernindez-Sampieri, 2005). 10s celayenses para clegit su personaje “nwo amines prensa elt porque no hay aden 2 ean eae ego, pve se Buc ws sempla simple pra entender ms tent e ence, scx paboebion to Haphepeshet on284 EF capitulo 10 Andss de datos wantiatves O3 Poligonos de frecuencias Relaionan Al elaborar el informe de resultados, una distribucién se presenta con los elementos més infor- rmativos para el lector y la descripcién de los resultados © un comentario, tal como se muestra en la abla 10.9, © Tabla 10.8 _fjempl de tabla con valores perdidos (en SP55)* 3¢ de la preferenca de su petsonaje fa [aoseeapemndedenpeinaetoete | sd Valdas DWvertidos na 2 B2 Buenos 10 51 52 m4 Tienen poderes B nr ns 902, Son uertes ~ 96 38 100.0 Total 4 aS oo Perdis No contetaron a 15 Total cc 7000, © Tabla 10.9 _Fjemplo de una distibucién de frecuencias para presentar a un usuario PS ee eed No 5 a ‘No respondieron 2% 23 Total Mm ooo COMENTARIO. Pracicamente tres cuartas partes de las orgnizacones shan obtenido ls coopers= ‘ain del personal, Lam la atencén que poco mas de una quinta pate no quisocomprometerse ‘on u respuesta Las empresas que no han logrado la cooperacén del personal mencionaron como factres el absentisme,recharo al cambio y conforms. En los programas de anilisis se solicita la distribucidn de frecuencias de cada variable de la inves- Ligaci (por ejemplo, en SPSS: Analzar ~> Exadisticos desripivos ~> Frecuencia). {De qué otra manera pueden presentarse las distribuciones de frecuencias? Las distribuciones de frecuencia, especialmente cuando utilizamos los porcentajes, pueden presentar- se en forma de histogramas 0 graficas de otro tipo (por ejemplo: de pastel). Algunos ejemplos se rmuestran en la figura 10.4, SPSS, Minisab y SAS producen tales grificas, o bien, los datos pueden exportarse a otros progra- mas 0 paquetes que las generan (de cualquier tipo, a colores, uilizando efectos de movimiento y en. tercera dimensidn, como por ejemplo: Power Point Para obtener las graficas en SPSS no olvide consular el centro de recursos en linea de esta obra el ‘manual “introduccién al IBM SPSS®”. Las distribuciones de frecuencias también las puntuaciones con sus respectivas se pueden graficar como poligonos de frecuencias ‘recuencias por medio de graticas Ue pata descabi los datos Los poligonos de frecuencias relacionan las puntuaciones con sus respectivas fi cuencias. Es mas bien propio de un nivel de medicién por intervalos o razén, Los “intodor los ase, tar edandedas pre progr, “ita seuencia en 555 pata olen as sais de eens request deans (alts, bls y fin 6 lncloyen en el manual "need lib P35 que puede cesagarse del eto de vecsos en he. scx paboebion to Haphepeshet onEstaditica descptva para cada © Figura 10.4 jemplos de gricas para presenta dstibuciones. Histogramas Grafica ciculares tos tipos de graticas piri acerca del actual alclde del ooperacén de todo el personal Control patermo sobre el vs0 que uncpio de San Matin Aveo (o ia mayo) para el proyecto de los nis hacen del teevisién, {aliad (122 ~ 100%) 464 Regan cand fa No vemucha television 529% 203 ns 596% ‘si ver televisidn a Inponen ahaa de ys vies 2 My bel, Be Waa ag state a, Mil Toa = Hay contol No hay contol ‘ote Solamente a tee pte de os Précicamente es cats pres han obtentoa Ciodadanes expresa una opin postiva coopera de od el personal para el peyeto. respec alles (voable omy dela empreraPerolama a atenctn gue por toe inds de una guna pate no us cmpromets ‘con su respuesta 195 cinco mativs de no ‘ooperacin con dicho proyecto fueron bsentsmo, falta de interés, rechazo a cambio, falta de conclentizacio yconformismo. poligonos se construyen sobre los puntos medias de los intervalos. Por ejemplo, si los intervalos fue~ tan 20-24, 25-29, 30-34, 35-39, y siguientes; los puntos medios serian 22, 27, 32, 37, ee. SPSS 0 Minitab realizan esta labor en forma autométiea. Un ejemplo de un poligono de frecuencias se mues- traen la figura 105. EI poligono de frecuencias obedece a la siguiente distribucién: LI 20249 10 25298 20 30349 8 35399 2 sous 36 45.099 ” 50549 8 Los poligonos de frecuencias representan curvas ities para describ los datos. Nos indican hacia dénde se concentran los casos (personas, organizaciones, segmentos de contenido, mediciones de polucién, datos de presidn arterial, etc.) en la escala de la variable; més adelante se hablard de ello. En resumen, para cada una de las variables de la investigacién se obtiene su distribueién de fre- ccuencias y se grafica(histograma, gréfica de barra, grfica citcular 0 poligono de frecuencias) (Huck, 2006). scx paboebion to Haphepeshet on ‘able ET286 capitulo 10 Andss de datos cwantiatves En la figura 10.6 se muestra otto ejemplo. “© Figura 10.6 jemplo de un poligono de frecuencias con la variable innovacisn 2» Viale: onovacsn ‘on respect aa innvacin en la empresa, que es la percepién del apoyo ols incitvastendientes 3 ivoder mejorasen la manera como se eaiza el tabaj, 2 nivel erganizacionaly departamentl a mayota de os indvidus tend a estar e altos iveles dei esa’ “200 "240° 250 °320 "360" 4b0 "4.40" 420 yao 220 260 200 340 240 420 460 5.00 El poligono puede presentarse con frecuencias como en la figura 10.5 0 con porcentajes como con este segundo ejemplo, Pero ademés de la distribucidn o poligono de frecuencias, deben calcularse las medidas de tendencia central y de variabilided o dispersion. cuales son las medidas de tendencia central? Medias de tendencia central Valores Las medidas de tendencia centsal son puntos en una distribucién obtenida, los valo- metios ocentiales de una dstibuciin ses medios o centrales de ésta, y nos ayudan a ubicarla dentro de la escala de medicién que sirven para ubicara dntto de la pee serene eta canon de la vatiable analizada, Las principales medidas de tendencia central son tes: moda, ‘mediana y media. El nivel de medicién de la variable determina cual es la medida de tendencia central apropiada para interpretar (Graham, 2013, Kwok, 2008a y Plats, 2003). Moda Categorie puntuacion gu se La mods es la categoria 0 puntuacién que ocurte con mayor frecuencia. En la resent con mayor recenca, tabla 10,7, a moda es “I” (6 se ha obtenido la cooperaciéa). Se utiliza con cualquier nivel de medicién, La mediana es el valor que divide la distibucién por la mitad. Esto es, la mitad de los easos caen por debajo de la mediana y la otra mitad se ubiea por encima de ésta. La mediana refleja la posicién intermedia de la distribucién (Hempel, 2006). Por ejemplo, si los datos obtenidos fueran: re ee ee La mediana es 38, porque deja cuatro casos por encima (43, 45, 50 y 97) y cuatro casos por debajo (35, 35, 31 y 24). Parte ala distribucién en dos mitades. En general, para descubrir la puntua- fa que constituye la mediana de una distribucién, simplemente se aplia la férmula: N+ 2 Si tenemos nueve casos, 2=* entonces buscamos el quinto valor y éste es la mediana, Note que la mediana es el valor observado que se localiza ala mitad de la dstribucién, no el valor de cinco, La férmula no nos propotciona directamente el valor de la mediana, sino el némero de caso en donde ct la mediana, La mediana ¢s una medida de tendencta centzal propia de los niveles de medici6n ordinal, por intervalosy de razén, No tiene sentido con variables nominales, porque en est nivel no hay jearquias ni nocién de encima o debajo, Asimismo, la mediana es particularmente itil cuando hay valores cextremos en la distribucin, No es sensible a étos. St cuviramos los siguientes datos: scx paboebion to Haphepeshet onEstaditica descriptive pata cada vaiable [7 ro Ja mediana seguiria siendo 38. Para la interpretacién de la media y la mediana, se incluye un comentario al respecto en el siguiente ejemplo.” jem po | {Qu edad tiene tome contestr nose preoupe os pers deeded deen de un pas 2 at0* ‘Amediades de 201, ls poblaian mundial per os 7100 miles de habitants y se espera queen 2015 seamos mas de 7300 millones de humanos y en 2050 pasemos de 9000 millones (United States Census Bureay, 2013, Alberich, 2013 y Organzacion de las Nacones Unidas, 201) {En 2072 fa medians de edad mundial fue de 29 afos, fo qu signa que Ia mitad de los habitantes del sjobo terrestesobrepasa ests edad ye oto medio es mas joven. Ce salar que Io medians vata de un Iugar a oto. Por ejemplo, en 2012 por Bloque de pases fue de 28.1 anos en Asi, 399 en Europa, 26.9 en cease, 278 en Ssdameric, 202 en America Catal #1 Cae (nlyend Msc), 201 en Ardy 38.4 ‘en Norteamérica (Canada y Estados Unidos). Actualmente, paises con poblacién muy joven son Uganda y Niger, con una edad mediana de practicamente 15 afios, y entre los mas viejos podemos incluir a Japon (44.8), ‘Alemania (45.3) y Ménaco (49.9). En América Latina tenemos algunos ejemplos como: Pert (26.5), México (27.4), Colombia (28.3), chile (32.8), RepUblica Dominicana (26.5), Brasil (28.6), Costa Rica (29.2), Panama (278), Ecuador (26), Paraguay (255, uruguay (38), Honduras (213), El Slvaor (247), argentina 307) y Bolivia (228) mena de eda ha ido en constant ascenso durante sige pasado ye actual. Se estme que pare 2050 la edad mediana mundial hab aumentado a mss de 36 ais. Bvena nota para acta eidadano alabal medio, pore parece ser que se encietta en a sitacén de “envejecer més lentament™ La media es tal vez la medida de tendencia central més utilizada (Graham, 2013, Media Promedio aitmético de une Kawok, 2008 y Leech, Onwuegbuzie y Daniel, 2006) y puede definirse como el pro- _istibucn sla medida de tenden- medio aritmético de una distribucién. Se simboliza como X, yes la suma de todos los“ “ental més uta valores dividida entre el nimeto de casos. Es una medida solamente apliable a medi- ciones por intervalos o de raz6n. Carece de sentido para variables medidas en un nivel nominal w ordinal, Resulta sensible a valores extremos. Si tuviéramos las siguientes puntuaciones: 8 7 6 4 3 2 6 9 8 El promedio seria igual a 5.88. Pero bastaria una puntuacién extrema para alterarlo de manera 8 7 6 4 3 2 6 9 20 (promedio igual a7.22) La mediana puede ser una medida de interpretacién més ttl que la media sila distibucién esté sis cargada hacia puntuaciones extremas (Kwok, 2008a y Hempel, 2006) El eileulo de la media lo podré encontrar el lector en el centro de recursos en linea de la obra cenege Mate complementario > Documeatos > Documento 2, “étmulasy procedimientosetadisics’. = 5 aCudles son las medidas de la variabilidad? Las medidas de la variabilidad indican fa dispetsin de los datos en la scala de medi- Medias dela vatiabilidad Intea- cidn de a variable considerada y esponden ala pregunta: gdénde estin diseminadas las 1 qe indcan a dspetsion de os puntuaciones ola valores obtenidos? Las medidas de tendencia central con valoesen | aaah en laf demedkion dee ‘una distbucién y las medidas de la variabilidad son intervalos que designan distancias un atimero de unidades en la escala de mediciéa (Kon y Rai, 2013 y O'Brien, 2007). Las medidas de la variabilidad més utlizadas son rango, dewiacin estindary varianza "para en wa ea de Legazae (187. os btenidos de Getarnsp (207), ose ami Foundation (2013) y Wasa (2013). san estimaanes on un marge de eo de 18 se tan en inosine 20192017 yproyeccane 9 212 scx paboebion to Haphepeshet ony 288 capitulo 10 Andis de datos wantitatves Rango Fxtensién total de los datos en Fl rango, también llamado recorrido, es la diferencia entre la puntuacién mayor y Ja puntuacién menor, ¢ indica el niimero de unidades en la escala de medicién que se necesitan para incluit los valotes maximo y minimo. Se calcula as: X,,—X, (puncua cid mayor menos puntuacién meno). Si enemos los siguientes valores: 17 18 20 20 24 «28283038 El rango seri: 33 — 17 = 16. Cuanto mdr grande sea el rango, mayor seri la diipersin de lor dator de wna distri- bucién, Desviacién esténdar Promedio de La desviacidn estindar © earacteristica es el promedio de desviacién de las pun- Documentos -* Documento 2, “Formulas y procedimientos estadisticos” La desviacién estindar se interpreta como cudnto se des de puntuaciones. Supongamos que un investigador obtuvo para su mucstra una media (promedio) de ingreso familiar anual de 6000 unidades monetarias y una desviacién estindar de 1 000. La interpretacin es {que los ingresos familiares de la muestra se desvian, en promedio, mil unidades monetarias respecto 1 en promedio, de la media un conjunto ala media. La desviacién extindar silo se utiliza en variables medidas por intervaloso de razin. La varianza Varianza Design estindaelevads La varianza es la desviacin estindar clevada al cuadrado y se simboliza como #, Es al evadrado, tun concepto estadistico muy importante, ya que la mayorla de las prucbas cuantitati- vas se fundamentan en él, Diversos métodos estadisticos parten de la descomposicién dela varianza (Zhang, 2013: Beins y McCarthy, 2009; Wilcox, 2008; y Jackson, 2008). Sin embargo. con fines descriptivos se wtiliza preferentemente la desviacién estindat. {Cémo se interpretan las medidas de tendencia central y de la variabilidad? Cabe destacar que al describir nuestros datos, respecto a cada variable del exudio, nterpretamos las medidas de tendencia central y de la variabilidad en conjunto, no asladamente. Consideramos todos los valores. Para interpretatos, lo primero que hacemos es tomar en cuenta el rango potencial de la ‘scala, Supongamos que aplicamos una escala de acticudes del tipo Likert para medir a “acticud hacia cl presidente” de una nacién (digamos que la excala tuviera 18 items y se promediaran sus valores). El rango potencial es de uno a cinco (véase la figura 10.7) ‘© Figura 10.7 _FJemplo de escala con rango potenca. Act hail presente (ee 1 2 3 4 5 (Acid totmente (etiud totalmente teslavrabie) favorable) Si obtuviéramos los siguientes resultados: Variable: actitud hacia el presidente Moda: 4.0 scx paboebion to Haphepeshet onstadstca despa para cada vale ET Mediana: 3.9 Media (X): 4.2 Desviacién estindar: 0.7 Puntuacién mas alta observada (maximo): 5.0 Puntuacién mas baja observada (minimo): 2.0 Rango: 3 podriamos hacer la siguiente interpretacién descriptiva: I acttud hacia el presidente es favorable. La categoria que mis se repitié fue 4 (favorable). Cincuenta por ciento de los individuos esté por encima del valor 3.9 y el restante 50% se sivéa por debajo de este valor (mediana). En promedio, los partici- pantes se ubican en 4.2 (favorable). Asimismo, se desvian de 4.2, en promedio, 0.7 unidades de la scala, Ninguna persona calificé al presidente cle manera muy desfavorable (no hay “I"). Las puncua- ciones tienden a ubicarse en valores medios 0 elevados. En cambio, silos resultados fueran: ‘Variable: actitud hacia el presidente Moda: 1 Mediana: 1.5 Media (X): 1.3 Desviacin estindar: 0.4 Maximo: 3.0 Minimo: 1.0 Rango: 2.0 La interpretacién es que [a actitud hacia el presidente es muy desfavorable, En la figura 10.8 ‘vemos gréficamente la comparacién de resultados. La variabilidad también es menor en el caso de la actitud muy desfavorable (los datos se encuentran menos dispersos). © Figura 10.8 lemplo de intespretacin grica de las estaisticas descriptive ttl abe Dest cn Mode (4) (oromedio de ‘Mediana (3.9) Media (42) ‘desviacién): poy i o ® » © »@ o7 LT a9) Aeted my cesta Desi Hot tna tenet de tio13) femec) ‘Madiana (1.5) HK o @ 6 @ o oa Ud rae Otto ejemplo de interpretacién de los resultados de una medicién respecto a una variable es el aque ahora se presenta scx paboebion to Haphepeshet onwo ‘capitulo 10 Andis de datos cwanttativos jer p i | Hernander-Sampierly Cortés (1982) plicaron una prueba de motivacin intsnseca sobre la ejecucién de una {area a 60 paticipantes de un experimente. La escalacontenia 17 items (con cinco opciones cada uno, uno a Cinco) y los resultados fueron los siguientes? 60 ango: 41 Minimo: 40 Maximo: 81 Media: 659 Mediana: 578 Moda: 61 bes. Vovianza: 83 cuntoss: 0.6 Asimetia:-0.8 fee sumatoria: 4013 Qué pocriamos decir sobre la motivacién intrnseca de los partcipantes? E nivel de motivaciénintinseca exhibido por los partcpantes tiende 2 ser elevado, come lo indian los Fesultadas. El ango real de la escala ba de 17 2 85. El rango resultante para esta investigacién varié de 40 a 81. Por tanto, es evidente que los individos se incinaron hacia valores elevados en la medida de motivac intrinseca. Ademés, la mela de los paticipantes es de 66.9 la mediana de 67-8, lo val confirma la tenden- ‘ia de la muestra hacia valores altos de la escaa, A pesar de que la dispersién de las puntuaciones de los sujtos es considerable a desviacion esténdar es igual a9.1y el rengo es de 41), esta dispersion se manifes ta en el area mas elevada de la escaa, Veimaslo grficamente, Rangoresuante Y= 66. Meiana = 678 He tt 4 t+ — + <4 18 230 o 0 6 7m 0 Range scale de mtvacinintrinsec (Gatos rials, sypestas cro datos eve! diner) En resumen, [a tarea results intinsecamente motivante pare la mayorla de los paticipantes; slo que para algunos resité muy motvante, para otos,relativamente motvante, y para los dems, medianarmente ativante Esto es, que la tendencia general es hacia valores superores ‘Ahora bien, que significa un alto nivel de mativacin intrinseca exhibido con respecto 2 una tarea?Impl- «a que la tare fue peribida como atractva, interesante, divertida y categorizada como una experiencia agradable. Asimismo, involucre que ls individu, a ejecutara,dervaron de ella sentimientas de satistaccién, goce y realizacion personal. Por Io general, quien se encuentra intrinsecamente motivado hacia una labor, Aisirutar la ejecucién de ésta, ya que obtendré de a labor per se recompensasintemas, como sentimientos de logro y autorealzacién. ademds de ser absorbido por el desarrollo de la tarea y, al tener un buen desem- pen, la opinién de si misme mejorar ose vers reforzada, gHay alguna otra estadistica descriptiva? Si, la asimetriay la curtoss. Los poligonos de frecuencia son curvas, por elo se representan como tales (igura 10.9), para que puedan analizarse en términos de probabilidad y visualizar su grado de disper siOn. Estos dos clementos resultan esenciales para analizar estas curvas © poligonos de frecuencias La asimetria es una estadistica necesaria para conocer cudnto se parece nuestra Asimetiay curtosis Estadisticas ue distribucién a una distribucién teérica llamada curva normal (la cual se representa s8.usan pa conocer cudnto se parece cambin en la figura 10.9) y constituye un indicador del lado de la curva donde se ‘una dstibvcin ale distibucién teeice llamada curve normal 0 campana de agrupan las frecuencias. Si es cero (asimettia = 0), la curva o distribucidn es siméttica. cee iieneteeenis Ter Cuando es positiva, quiere decir que hay més valores agrupados hacia la izquierda de twaciones aden Ia curva (por debajo de la media). Cuando es negativa, significa que los valores a agruparse hacia la derecha de la curva (por encima de la media) (Hume, 2011, Taylor, 2007a; Salkind, 2006; y Burkhart, 2003) La curtosis ¢s un indicador de lo plana o “picuda’ que es una curva, Cuando es cero (curtosis = 0), significa que puede tratarse de una curva normal. Sies positiva, quiere decir que la curva a distri- Ee gnc “eon etd scx paboebion to Haphepeshet onEstaditica desciptva para cada bucién o el poligono es mis “picudo” o elevadbo. Si la eurtosis es negativa, indica que es més plana la curva (Hume, 2011, Taylor, 2007b, Field, 2006 y Cameron, 2003). La asimetria y la curtosis requieren al menos un nivel de medicién por intervalos. En la figura 10.9 se muestran ejemplos de curvas con su interpretacién, “© Figura 10.9 Glemplos de curvas 0 distibuciones y su intepretacin, aN Disibucé sme (aimee = 0), con cuss posit, y na _Ditibuin con asimetianegata cuts post, esc estar yvarianra mais desc estnday vasa mayors, a Dstibain con asietri posta, cuss neat, Distbucn con asmetanegatv, cross posta, ¥ desnacn stand yvavanz considerable, devo estndar yvarianza menotes. a Distrioucn simatic, curss pos, yuna devia estndar Cara nara, cutosis = 0, asimetia=0,y desc estndar variance bas. V variance promedios 4Cémo se traducen las estadisticas descriptivas al inglés? Algunos programas y paquetes estadisticos computacionales pueden realizar el cfleulo de las estadis- ticas descriptivas, cuyos resultados aparecen junto al nombre respectivo de éstas, muchas veces en inglés ‘A continuacién se indican las diferentes estadisticas y su equivalente en inglés = Moda Mode Mediana ‘Medion Media ‘Mean Desviaiénestindar Stondard devition -varianra Vvavance Maximo ‘Moximum ‘Minimo ‘Minune Rango ange Asioetia Skerness Cutoss Kurtis scx paboebion to Haphepeshet on fablear ¢ opitule 10 Andis de datos cvanttatvos Nota final Debe recordarse que en una investigacién se obtiene una distribucién de frecuencias y se calculan las estadisticas descriptivas para cada variable, las que se necesiten de acuerdo con los propésitos de la investigacidn y los niveles de medicién, Ee Hernander-Sampirt (2005), en su Investigacion sobre el cima organizaciona, obtwvo las siguientes estadist- cas fundamentals de sus variables en una de las muestias: 100 500 Moral 390 0.91905 Direcion 383 108775 Innovacién oss entiieaién oss «omunicacion 0744s Desempeho 036753 Motvaié ininseco 073900 Autonemia 035466 savistccién 0.90591 Lideraxgo 110018 visi 089206 ecompensas 1364 ots Todas as vrbles san compuestastegads devavis ters) clumna orepresenta el ndmete de aos ves pra ada vars ota de Ta estes de 42, pee come poderos ver eI abl, el nme de cos es distin ens teenies ‘ails, porque 3 elimina etd a varablelos casos que ne aya espandie aun Hero mas races La vonable oa mayer Promeda ele move inunseny a ms baa es ecompensos. Postetiormente, obtwvo las tablasy dstbuciones de frecuencia de todas sus 12 variables, de las cuales solamente incluimas la variable “desempeio” por cuestones de espacio. a 92 22 a4 1000 Total n= 420 Pexéidos = 17 eebtpn ) on Ftptapevt enEstaditica desciptva para cada 50 4 Parcentae Ww. 7 0 : too "200 " 300" 400 * S00 Desempeto Para el cdlculo de es la version de prueba del io de SPSS y consulta el manual respectivo, Puntuaciones z ticas descrptvas (endencia central y dispersion) en SPSS, se sugiere descargar e060" Las puntuaciones z son transformaciones que se pueden hacer alos valores o ls puntuaciones obte- nidas, con el propésito de analizar su distancia respecto a la media, en unidades de desv sn estin- dar. Una puntuacién 2 nos indica la direccién y el grado en que un valor individual obtenido se aleja de la media, en una escala de unidades de desviacin estindar. El lector puede conocer mas sobre las pentuacons cl capa 8 adonl que pu despise dle de ects ene ots 9 coe ne ‘Material complementario > Capitulos ~> Capitulo 8, “Andlisis estadistico: segunda parte” Razones y tasas ‘Una razén es la relacié centre dos categortas, Por ejemplo: Masculine sa Femenin 30 La razén de hombres a mujeres es de 2 = 2. Es decir, por cada dos hombres hay ‘una mujer Una cass es la relacién entre el nsimero de catos, freeuencias 0 eventos de una categoria y el ntimero total de observaciones, multiplicada por un miltiplo de 10, generalmente 100 0 1 000, La formula es: Niimero de eventos —_—Nitmero de eventos ___ 100 9 1000 Niimero total de eventos posibles Niimero de nacidos vivos en la ciudad jemplo-) Nemeto de navidos vivos ep I ciudad 5 Biemplo | amero de habitantes en a cudad | 0 ‘Tasa de nacidos vivos en Santa Lucia: 1000 x 1000 = 33.33, 00 Es decir, hay 33.33 nacidos vivos por cada 1 000 habitantes en Santa Lucia scx paboebion to Haphepeshet on renines Tata Relacén ene el ntimera de «2505 de una categoria y el némero {otal de bservadones. ‘able ETwa opitulo 10 Andis de datos cuantitatos Corolario Hemos analizado descriptivamente los datos por variable del estudio y los visualizamos gh En caso de que alguna distribucién resulte iégica, debemos cuestionarnos si la variable debe ser ‘excluida, ea por ertores del instrumento de medicién o en la recoleccién de los datos, ya que la codi- ficacién puede ser verificada. Supongamos que en una investigacién en empresas, al medir la satsfae- laboral, resulta que 90% se encuentra “sumamente satisfecho” (es légico?) u otro caso seria que, «en ingresos anuales el promedio fuera de 15 000 délares por familia (gresulta crefble en tal munici- pio?) La tarea es revisar Ia informacién descriptiva de todas las variables y veifiar su veracidad. ‘Asimismo, si nos encontramos un porcentaje alto de valores perdidos (por ejemplo, de 20%), debemos preguncatnos: ,por qué tantos participantes no respondieron o contestaron erténeamente?, {apor qué no se tienen registtos completos de todos los casos, eventos o unidades de analisis? (como datos de laboratorio en un estudio clinico, mediciones de ciertasreacciones quimicas, etétera) ‘Ahora, debemos demostrat la confiabilidad y valider de nuestro instrumento, sobre la base de los datos recolectados. Paso 4: evaluar la confiabilidad o fiabilidad y validez lograda por el instrumento de medicién 1a confibilidad se caleula y evalia para todo el instrumento de medicién utiizado, 0 bien, si se administraron vatios instrumentos, se determina para cada uno de ellos. Asimismo, es comin que el instrumento contenga varias escalas para diferentes variables o dimensiones, entonces la fiabilidad se cestablece para cada escala y para el total de escalas (si se pueden sumat, si son aditivas).” ‘Tal como se mencioné en el capitulo 9, existen diversos procedimientos para calcular la confia~ bilidad de un instrumento conformado por una o varias escalas que miden las variables de la investi- _gacién; cuyos items, variables de la matrz o indicadores pueden sumarse, promediatseo cortelacionasse. “Todos utilizan fSrmulas que producen coeficientes de fiabilidad que pueden oscilar entre cero y uno, donde recordemos que un coeficiente de cero significa nula confabilidad y uno representa un maxi mo de fiabilidad, Cuanto mis se acerque el coeficiente a cero (0), mayor error habri en la medi (Garson, 2013; Franzen, Robbins y Sawicki, 2010; asi como Lauriola, 2003). Los coeficientes expre- san la intercorrelacién (consistencia) entre los distincos items, indicadores © componences de la prue~ ba (Knapp, 2013; Cervantes, 2005; Cortina, 1993; y Carmines y Zeller, 1991), Los procedimientos més utilizados para determinar la confabilidad mediante un coeficiente 1. Medida de estabildad (confabilidad por test-retest). En este procedimiento un mismo instru- mento de medividn se aplica dos 0 més veces a un mismo grupo de personas 0 casos, después de cierto periodo. Sila correlacién entre los resultados de las diferentes aplicaciones es muy positiva, cl instrumento se considera confiable (Rodriguez, 2006a y Krauss y Chen, 2003). Se trata de una especie de disefto de panel. Desde luego, el periodo entre las mediciones es un factor que hay que considerar. Si el petiodo es largo y la variable o el contexto son susceptibles de cambios, ello sue- le confundir la interpretacion del coeficiente de fabilidad obcenido por este procedimiento. Y si a prentae de valores pees (rsing data) no debe ses maya de 158, noes aonabe(reswel, 205) cuando tenemos valores pets, goderos gots o sstos preva pomed ced del ll de puntuacanes lds (est lo acen muchos pope tes de ans) 5 aslo desea, y puede er un slcion (Weight et of, 2007) Pas pofuncan en el em, vease Lee y Hox (2008, Alison (2007) yencers (oh, en este orden. nas eas de nena a Late y Passe (2005) yen el cso Ge anda le Salud Asn (2007 ya Oly y Rath 201) “tn apala stemas se vita io alain 9 onsen ene dess medones » Uneaten de abides so mesa de le pop de arnt verdes en reac con a ian tl ebarads a avs de Jas puntuaciones ovals rests dea amistad de un nsruments 0 potas ge mesoan (pds, esc, caliecan ce expe 1 exc) a usa mutta de Ws (Lutale, 2003). Se alan mas len 2 medenes que wvlucn respuesas de pesnas, aunque Dunder aloe ots cto qe mglquen alco estos or em, dts de agama alg, pacino Sos aparat, ete) scx paboebion to Haphepeshet onaso evalu I confablidad o fabled y valde logiada pore istumenta de mediiin QUEEN cl petiodo es corto las personas pueden recordar cémo res @ Figura 10.10 Medida de estabiidad pondieron en la primera aplicacién del instrumento, para y aparecer como més consistentes de lo que en realidad son Restos ea prueba, Resutadas de prueba A, (Bohrstedt, 1976). Bl proceso de célculo con dos aplica- cee ee ciones se representa en la figura 10.10. 7 2. Método de formas alsernativas o paralelas. En este esquema no se administra el mismo instumento de medicién, sino dos o més versiones equivalentes de éste, Las versiones (casi siempre dos) son similares en contenido, instrucciones duracién y otras caracteristicas, y se administran a un mise smo grupo de personas simultdncamence o dentro de un petiodo corto, El instrument es confia ble si la correlacién entre los resultados de ambas administraciones es positiva de manera significativa (Rodriguer, 2006b). Los patrones de respuesta deben vatiar poco entre las aplicacio- nes, Una variacin de este método es el de las formas alter- nas prucba-pospruicha (Creswell, 2005), cuya diferencia figu'e 10.11 Método de formas alterativas o paral reside en que el tiempo que transcurte entre la administra cién de las versiones es mucho més largo, que es el caso de Coeficiente de carelcién algunos experimentos. El método se representa en la figura 10.11 Estos dos métodos (estabilidad y formas alteznas) tam- > bign pueden aplicarse cuando utilizamos dos instrumentos "Resta dea prueba Rests de prueba distincos para medir las mismas variables en las unidades de andlisis (por ejemplo, dos sistemas para medir propiedades cléetticas o dos protocolos para medir la presién arterial). 5. Método de mitades partidas (plit-halves). Los procedim Coafcinte de carelcén sncos anteriores requie ren evando menos dos adminiscraciones de la mediciSn en la muestra, En cam bio, el metodo demitacles partisas necesita sélo wna aplicacién de la medicién. todos de mitaes paras y de Espectficamente, el conjunto total de items 0 reactivos se divide en dos mitades _consistencia interna Se aplican 3 equivalenes ye comparan las puntuaciones o resultados de amb. Sie insru- stamens ave olan medias mento es confiable, las puntuaciones de las dos micades deben estar muy corte- stn consiuidas por varios tems, lacionadss (Rodriguez, 2006¢ y McKelvi, 2003). Un individao con baja inicaoreromedloes puncuacidn en una mitad tenderd a mostrar también una baja puntuacidn en [a otra mitad, El procedimiento se diagrama en la figura 10.12. 4. Medidas de coberencia o consistencia interna. Estos son cocti- cientes que estiman la confiabilidad: a) el alf de Cronbach (desarrollado por J.L. Cronbach) y 6) los coeficiemtes KR-20 1 KR-21 de Kuder y Richardson (1937). El método de edl- culo de éstos requiere una sola administracién del instru mento de medicién, Su ventaja reside en que no ¢s necesario dividir en dos mitades a los items del instrumento, simple- mente se aplica la medicién y se calcula el coefciente. La smayoria de los programas estadisticos como SPSS y Minitab los determinan y solamente deben incerprecatse. “© Figura 10.12 Método de mitades partidas , Resultados cea mitad de Resultados ce a ata mid de veda Taprueba A Coeficiente de catelacén Respecto a la interpretacién de los distintos coeficientes mencionados cabe sefalar que no hay tuna regla que indique “a partir de este valor no hay fiabilidad del instrumento”, Mas bicn, el investi- ¢gador calcula su valor, lo dectara y lo somesea escrutinio de los usuarios del estudio w ottos investiga- dlores, explicitando el método utilizado (Chen y Krauss, 2003; McKelvie, 2003: Lauriola, 2003: y Carmines y Zeller, 1991). Algunos autores consideran que el coeficiente debe estar entre 0.70 y 0.90 (Tavakol y Dennick, 2011; DeVells, 2003; Screines, 2003; Nunnally y Bernstein, 1994; Petterson, 1994). Nunnally (1987) por encima de 0.80. Lauriola (2003) sugiere un valor minimo de 0.70 para la comparacién entre grupos y 0.90 para escalas. Garson (2013) establece que 0.60 es aceptable para scx paboebion to Haphepeshet on296 capitulo 10 Andis de datos cwantiatves Wen ica propésitos exploratorios y 0.70 para fines confirmatorios, resultando 0.80 “bueno” en un aleance cexplicativo. Ahora bien, también un coeficiente mayor de 0.90 puede implicar redundancia de items © indicadores y la necesidad de reducir el instrumento (Tavakol y Dennick, 2011) ‘Con respecto alos métodos basados en coeficientes de cortelaciSn, usted se formard una idea més clara después de revisar el apartado de correlacin que se presenta mis adelante en este capitulo, Pero hay una consideravidn importante que hacer ahora. El coeficiente que elijamos para determinar la confiabilidad debe ser apropiado al nivel de medicin de la escala de nuestra variable (por ejemplo, si Ia escala de mi variable s por intervalos, puedo utilizar el coeficiente de correlacién de Pearson; pero sies ordinal podté usar el coeficiente de Spearman o de Kendall si es nominal, otros coeficiente) El alfa de Cronbach wabaja con variables de intervalos o de razén, KR-20 y KR-21 con items dicoté- rmicos (por ejemplo: si-no)* y pxx’ con reactives tricotémicos (Knapp, 2013; Alkharusi, 2010; ‘Viecengl, White, McGovern y Morcon, 2006; y Feldt, 2005). Ademas, existen otros cocfcientes como alfa estratficado, la confabilidad maxima, los coeficientes de Raju, Kristof, Angoff-Felds, Feldt- Gilmer, Guttman A, A, maximizado y el andlisis de Hoyt El edlculo del coeficiente alfa y algunas consideraciones sobre los factores que lo afectan se inclu- yen en el capiculo 8 adicional: “Analisis estadistico: segunda parte”, que se encuentra en “Material ‘complementario". Con la finalidad de comprender mejor los métodos para determinar la confabilidad, véase la tabla 10.10. © Tabla 10.10 Aspectos basicos de los métodos para determinar la confibildad de instrumentos aplcados a personas ar rs ee participantes | _Inquietud o pregunta mrs es que proveen los prerorcay ume oo Estabilidad ‘os veces en Una versién ‘adapartipante | gResponden los individuos (lestetest) liempos distintos responde al “de una manera similar a Instrumente dos | un instumento si se les veces. administra ds veces? Formas alteas | 00s veces al os versiones | Cadapatiipante | Cuando dos versiones de ‘mismo tiempo 0 | citeentes, pero | cesponde a cada | un instrumento son can una diferencia equivalentes vessién ¢el similares, hay conver e tempo muy Instrumente, ‘gencia 0 dvergenca en corte ins respuestas 2 ambas vessiones? Formas atemasy | 0s veces en ‘os versiones | Cada patcipante | Cuando dos versiones de prusba-posprueba | tiempos dstintos | eiferentes, pero | respende a cada | un nstumento son ‘equvalentes vesién el sialres, gay conver Instrument, ‘genciao divergenca en las respuestas 2 ambas Witades partdas | una ver ‘Una fagmentada | Cada patcipante | ;Son/as puntuaciones de cendospartes | respondeals | una mitad del instumen- cequivalentes ‘nica version. | to similares als ‘obtenidas en la ota ited? Medidas de na ver Una versién ‘ada particpante | las espuesta alos feonsistencia interna responde ala | items del instrument son (alia yx820 21) nica version. —_| coherentes? odo eoetcenes se ion en el modo de “tas pros, argue —come sean Aabe (2072) yCeswel (005)~ se conte ‘ena mtad dea infra el trarent, poo qe eoniene agregar el uo Ge “protec” Speamar-Sr¥n, scx paboebion to Haphepeshet onaso 4: evaluat I confabldado fiabildady validezlograda po el instumento de medi Asimismo, en la tabla 10.11 se presentan ejemplos de estudios con su respectiva confiabilidad. © Tabla 10.11 Rlemplos de confiabilidad = Fyaluacin dels conocimientos, | Escala cogoitva de nueve tems | coherencis ntema als = 0.34. | confabitdad extremadarnen- ppiniones,experiencias ¥ para infants en edadespreescos f ajo que demuestra 2cclones en txno al abuso sexual. tes y primesos grados basins Incongruenci,atibuida por infantil (Kolko eta, 1987) los autores ao corto de scala (p0005 tems). Desavoley validacén de una | Un iaventavio para medi la {a confiabilidad del inventacio valor eindica una fabiidad scala avtoaplicable para mecit | satistacion sexual que esta establecda por medio de una sumamente elevada lasatisfacién sexual en adultos | integrado por 28 reactvos yue___| prueba alfa de Cronbach fue de varones y mujeres de México | adminisrado a una muestra de 760 | 0.92 (Alvarez Gayou, Honoldy Mili, | personas, de ambos géneis,cuyas 2005), cedadesfuctuaconente os 15 y 65 valdacin de un instiumente | Cuestianariaestandarirada que | el coefcente alta-ronbach Confiabldad muy elevada. No pata mecir la cultura empresariat_| mide e cime organizacional en | obtenido results igual 80.95 (con | hay edundanci de tems fen funcin del cima ecganizacio-_ | tuncén del Modelo dels Valores | 95 items). La muestra estovo pues se midieron 17 variables hal vincular empircamente | en Comperenca de Quinn y conformada por 1 424 empleados | del cia organizacionl ambos consrucos (Hesnander- | ohibaugh, a tavés de escalas tipo. | de 12 empresas (972 casos walidos | (asociadas ene 5). Los Samples, Méndez y Contes, | ker cn cvatio opciones de completes) Coficientes para as escalos 2013). respuesta: dos postvas y dos ‘ation ene 0.40 0.90 (y negativas uno solo de 0.53). ‘Acttudes hacia el matiimonia: | Escalas del Modelo de tnvesion | tos coetcentes alfa cesutantes de} coetcentes muy consdera- Integraciony sus resultados en | (IMS), ls cuales a parc de 37 | aplicar as escaas a 400 univesitar | bles para entrega ysalistac Tas relaciones personales (Riggio | ceactivos cada uno con 9 fs fueron: 0.94 paraentegay | cin, y bastante aceptable ‘y Weiser, 2008). categris) miden la entrega,'2 | satstaccién,y 0.88 para inversion | para inversion iveision psicolgica yl satisfac: | psicolégca ‘ion con respecto a una relacon Fomsntica actual Fukuda, Sakotse, amaokay | arueba WUE de 15 reactvos que | Los coeficientesresultantes de | coeicintes aceptabes dento lim, 2012, ‘mide le incligencia emocional en | aplicar el WIS (n=161) fueron | de los parametiosnormaes, adulosjovenes en aati er subescaa odimensén patiulamente porque las Gimensiones:valoracién ée las valoracion de las propas emacio- | escalas tienen pocos items propias emociones,valoracisn de | nes: 0-8, valoracén de las emodo fas emaciones de ls dems, uso | nes de los demas: 0.74, uso de as de as emcionesy cntil erocones: 0.74 yreguacén de las Fequiacin de las emociones. emacones: 083 Otzo caso es el ya comentado de Nex (2001) y su instrumento para medir el sentido de vida, cuya fiabilidad fue de 0.96 en su texcera versién con 99 items. Como podemos observar en la tabla 10.11, cuanta mas informacién se proporcione sobre la confiabilidad, el lector se forma tuna idea mis clara sobre su cdleulo y las condiciones en que se demos- 1d. Es indispensable incluir las dimensiones de la variable medida, el tamaio de muestra y el método utilizado, Una cuestidn importante es que los coeficientes son sensibles al nimero de {tems 0 reacti- vos: entre mas agreguemos, el valor del coeficiente tenderé a ser mas elevado, ‘Ademés de estimar un coeficente de correlacién o un coeficente de coherencia entre los items del inserumento, es conveniente calcular la correlacin ftem-escala completa. Esta representa la vin- ceulacién de cada reactivo con toda la escala. Habré tantas correlaciones como ftems contenga el ins- twumento, Corbetta (2003, p. 237) lo ejemplifica adecuadamente de la siguiente manera: si estamos ridiendo el autoritarismo, es légico pensar que quien alcanza altas puntuaciones en esta variable en toda Ia escala (es muy autortaria), habré de tener puntuaciones clevadas en todos los items que la conforman, Pero si uno de los reactivossistematicamente (en un niimero considerable de individuos) presenta valores contradictorios con respecto a la escala total, podemos concluir que ese iter no fun- scx paboebion to Haphepeshet on28 ¢ opitule 10 Andis de datos cuantitatvos 2% Cento de Cae uw enines Gee i enines ciona correctamente (contradiee a los demas reactivos). Los items que alcancen coeficientes de corte- lacién bajos con la escala tal vez deban analizarse y, evencualmence, eliminatse. Asimismo, cada uno de los teactivos puede ser evaluado en su capacidad de discriminacién mediante la prucba r de Student (paraméttica). Se consideran dos grupos, el primero integrado por 25% de los casos con los puntajes mis altos obtenidos en el item y el otro grupo compuesto por 25% de los casos con los puntajes mds bajos. Los ftems cuya prueba no resulte signifcativa serdn reconsi- derados. Los conceptos estadisticos aqui vertidos (por ejemplo, corzelacién y prueba #) cendrén mayor sentido, una vez que se revisen mas ampliamente, lo cual se hard més adelante en este Para determinar la confiabilidad usando los programas estadisticos no olvide consultar los respec- nuales, descargindolos del centro de recursos en linea. Validez ‘Vimos en el capiculo anterior que la evidencia sobre la validez del contenido se obtiene mediante las ‘opiniones de expertos yal asegurarse de que las dimensiones medidas por el instrumento sean repre- sentativas del universo 0 dominio de dimensiones de las variables de interés (a veces mediante un rmuestreo aleatorio simple). La evidencia de la validex de criterio se produce al correlacionar las pun- tuaciones de los participantes, obtenidas por medio del instrumento, con sus valores logrados en el criterio, Recordemos que una correlacién implica asociar puntuaciones obtenidas por la muestra en dos o més variables Por ejemplo, Néex (2001), ademés de aplicar su instrumento sobre el sentido de vida, adminis- t6 otras dos pruebas que tedricamente miden vatiables similares: el PIL (Propésito de Vida) y el Logo-test de Elizabeth Lukas. El coeficente de correlaciSn de Pearson entre el instrumento disefiado yel PIL fue de 0.541, valor que se considera moderado. El coeficiente de cortelacién rho de Spearman fue igual a 0.42 entre el Logo-test y su prueba, lo cual indica que los tres instrumentos no miden la risma variable, pero s{ conceptos relacionados La evidencia de la validez de constructo se obtiene mediante el andlisis de factores. Tal mécodo nos indica cudncas dimensiones incegran a una variable y qué items conforman cada dimensin. Los reactivos que no pertenezcan a una dimensién, quiere decir que estén “aslados” y no miden lo mismo {que los dems ftems, por tanto, deben eliminarse. Es un método que tradicionalmente se ha conside- rado complejo, por los céleulos estadisticosimplicados, pero que es relativamente sencillo de interpre tary como los célculos hoy en dia los realiza la computadora, esté al acance de cualquier persona que se inicie dentro de la investigacibn. Este mécodo se revisa —con ejemplos reales— en el capitulo 8 adicional del centro de recursos en linea: ‘Analisis estadistico: segunda parte” Para cada escala, una vez que se determina la confiabilidad (de 0 a 1) y se muestra la evidencia sobre la validez, si algunos items son probleméticos (no discriminan, no se vinculan a ots ftems, van «en sentido contrario a toda a escala, no miden lo mismo, etc), se climinan de los clculos (pero en el reporte dela investigacién, se indica cudles fueron descartados, las razones de ello y eémo alteran los resultados); posteriormente se vuelve a realizar el andlisis descriptivo (distribucién de frecuencias, medidas de tendencia central y de variabilidad, etcéter) En el centro de recursos —> Material complementario —> Ejemplos —> Ejemplo 4, “Disefio de un ‘scala autoaplicable para Ia evaluacién de la satisfaccién sexual en hombres y mujeres mexicano: (Alvarez Gayou, Honold y Millin, 2005), se presenta la validacin de un instrumento que muestra todos los elementos para ello, paso por paso. Incluye la gencravién de redes seménticas. Su abordaje es desde el punto de vista de la salud y con propiedad cientifica. Se recomienda descargarlo y revsatl, jHasta aqui llegamos? Cuando el estudio tiene una finalidad puramente exploratoria o descriptiva, debemos interrogarnos zpodemos establecer relaciones entre variables? En caso de una respuesta positiva, es factible seguir con la estadistica inferencial; pero si dudamos o el aleance se limit6 a explorar y describir, el trabajo de andliss concluye y debemos comenzar a preparar el reporte dela investigacibn scx paboebion to Haphepeshet onfaso Sanaa medante pruebas estas as hipdess platens (nds estado iftencal) SET Paso 5: analizar mediante pruebas estadisticas las hipotesis planteadas (anilisis estadistico inferencial) En este paso se analizan las hip6tesis ala luz de prucbas estadisticas que a continuacién detallamos. Estadistica inferencial: de la muestra a la poblacién Con frecuencia el propésito de la investigacidn va mis alld de descrbir las distrbuciones de las varia- bles: se pretende probar hipétesis y gencralizar los resultados obcenidos cn la muestra a la poblacién ‘© universo. Los datos casi siempre se ecolectan de una muestra y sus resultados estadisticos se deno- sminan estadigraor; la media o la desviacién estindar de la dstribucién de una muestra son estadigra- fos. Alas estadisticas de la poblacién se les conoce como pardmetros Estos no son calculados, porque zo se recolectan datos de coda la poblacién, pero pueden ser inferidos de los estadigra- O3y4 de Ia estadistica se esquematiza en [a figura 10.13. pata prabarhipstessyestimar fos, de ahi el nombre de estadistica inferencial, El procedimienco de esta naturaleza _EstaditicainferencalEstadsticn ¢ patémetis. © Figura 10.13 Procedimiento de i estaistica inferencial wa tte pac lo pares median estas ‘nia estas mie ‘oats Recleccn de os datos ena mueste Entonces, la estadistica inferencial se utiliza fundamencalmente para dos procedimientos vincu- lados (O'Leary, 2014; Punch, 2014; Babbie, 2012; Wiersma y Jurs, 2008; Waterman, 2007; Kalikowich y Edwards, 2006; y Maxim, 2003). 2) Probar hipstess poblacionales ) Bxtimar pardmetros En este capitulo comentaremos la prucba de hipétesis, que se efecta dependiendo del ipo de hhipdcesis de que se trate. Existen pruebas estadisticas para diferentes clases de hipétesis como iremos viendo, 1a inferencia de los parimettos depende de que hayamos elegido una muestra probabilistica con tun tamafio que asegure un nivel de significancia o significacién adecuado (Jarman, 2013; Lindsay, 2009; y Moriceau, 2009). En el centro de recursos encontraré un ejemplo de inferencia sobre la hips- tesis de la media poblacional, en: Material Complementario —> Capitulos -> Capitulo 8, “Analisis «stadistico: segunda parte’. gn qué consiste la prueba de hipétesis? ‘Una hipétesis en el contexto de la esta pardmetios, y lo que el investigador hace por medio de la prueba de hipétesis es determinar si hip6cesis poblacional es congruente con los datos obtenidos en la muestra (Wilcox, 2012; Gordon, 2010; Wiersma y Jurs, 2008; y Scockburger, 2006) ‘Una hipétess se retiene como un valor aceptable del parimetro, si es consistente con Tos datos. Si no lo es, se rechaza (pero los datos no se descartan). Para comprender lo que es la prucba de hips ia inferencial es una proposicién respecto de uno o varios scx paboebion to Haphepeshet on o3300 @ —copitulo 10 Andlsis de datos uanttatios, tesisen la estadistica inferencial necesatio revisar loz conceptos de distribucién muestra" y nivel de significancia.” 4Qué es una distribucién muestral? Pistibucin muestra Conjnto de Una distribucin muestra es un conjunto de valores sobre una estadistica calculada votes sabre una estaisticaclculada posibles de una de todas las muest poblacén O3 “© Figura 10.14 Distibucién muestral de medias. Son medias (R) n0 se trata de puntuaciones Cada _media represes: tava una muesta de todas las mucstras posibles de determinado tamaio de una poblacién (Bond, 2007a). Las distribuciones mucstrales de medias son probablemente las més conoci- das. Expliquemos este concepto con un cjemplo. Supongamos que nuesteo universo son los automovilistas de una ciudad y deseamos averiguar cudnto tiempo pasan dis riamente mancjando (al volante”). De este universo podria extractse una muestra representativa ‘Vamos a suponer que el tamafio adecuado de muestra es de 512 automovilistas (n= 512). Del mismo uuniverso se podrian extrac diferentes muestras, cada una con 512 personas. ‘Tedricamente, incluso podsfa elegitse al azar una, dos, tres, cuatro muestras,y las veces qu rnecesasio hacerlo, hasta agotar codas las muestras posibles de 512 aucomovilistas de esa ciudad (todos los individuos serian seleccionados en varias muestras). En cada muestra se obtendria una media del tiempo que pasan los automovilistas manejando, Tendriamos pues, una gran cantidad de medias, tantas como las mucstras extraidas (F,, X,,X, X, Xy.. X,). ¥ con éstas elaborariamos una distri bucidn de medias. Habria muestras que, en promedio, pasaran mas tiempo “al volante” que otas. Este concepto se representa en la figura 10.14, Si calculiramos la media de todas las medias de las muestras, pricticamente obtendrfamos el valor de la media poblacional. De hecho, casi nunca se obtiene la distribucién muestra (la disuibu- cién de las medias de todas las muestras posibles). Es més bien un concepto teérico definido por la estadisica para los investigado- res, Lo que comtinmente hacemos es extract una sola muestra En el cjemplo de los automovilistas, sélo una de las lineas verticales de la distibucién muestal presentada en la figura 10.14 cs la media obtenida para nuestra tinica muestra scleccionada de 512 personas. Ya preguntas: nuestra media calcul tra cerca de la media de la distribucié muestral?, debido a que si esté cerca podremos tener una esti ‘macidn precisa de la media poblacional (el pardmetro poblacional es précticamente el mismo que el de la distribucién muestal). Esto se expresa en el teorerna central del limite: Sina poblacin (no necesariamente normal) tiene de media my de desviacién estindar la dstibue cin de las medias en el muestreo aleatorio realizado en esta poblacién tiende, al aumentar a una discribucién normal de media m y desviacién estindar flerada valores en la dependiente. Existen muchas relaciones de eausa-fecto que no son linea- Nets a fee les, como por ejemplo: la vinculacién entte ansiedad y rendimiento. Cierto grado de ansiedad ayuda a conseguir mejores resultados en un examen o la préctica de un STE ipo mins does de un medzamena poser nan nel Ne con el efecto esperado (cierta dosis no lograrlo por insuficiente y demasiada dosis, provocar otros efectos indeseados con consecuencias muy negativas). Asimismo, ddeterminadas reacciones quimicas necesitan tna temperatura especifica (ni més, ni menos) y lo mismo con la cantidad de riego para una parcela donde se experimenta con cultivos especificos. En la figura 10.19 se muestran ejemplos de ests relaciones Las relaciones curvilineales son. aquellas en as cuales la tendencia varia, por «jemplo: primero es ascendente y luego descendente, 0 viceversa. Sea demostrado que una estrategia persuasiva con niveles altos de apelacién al temor, por ejemplo, un comercial televisivo muy dramético, provoca wna escasa ppetsuasién, lo mismo que una estrategia persuasiva con niveles muy bajos de apela- cidn al temox La estrategia persuasiva mas adecuada es la que utiliza niveles medios de apela- cidn al temor. Esta relacin es curvilineal; véase figura 10.19, # é NE scx paboebion to Haphepeshet on310 @ —copitule 10 Andis de dates cwantitatives e060" En la prictica, los estudiantes no deben preocuparse por graficar los diagramas de dispersién. Eso lo hace el programa tespectivo (SPSS®, Minitab u otto). aQué es la prueba f? Es una prucba estadistica para evaluar si dos grupos difieren entre si de manera significativa respecto a sus medias en una variable. Se simboliza:¢ Hipitesx de diferencia entre dos grupos. La hipétesis de investigacién propone que los grupos dlifieren entre s{ de manera sigificativa y la hip6tesis nula plancea que los grupos no difieren signif Los grupos pueden ser dos plantas comparadas en su productividad, dos escuclas contrastadas en los resultados a un examen, dos clases ce materiales de construccién cotejados en su rendimiento, dos medicamentos comparados en su efecto, eteétera Variables: la comparacién se realiza sobre una variable (regularmente y de manera teérica: depen- iente), Si hay diferentes variables, se efectuarén varias pruebas r (una por cada variable) y la razén que motiva la ereacién de los grupos puede ser una variable independiente. Por ejemplo, un experi- mento con dos grupos, donde a uno se le aplica el etimulo experimental yal otro no, es de control ‘Nivel de mediciin de la variable de comparacién: intervalos 0 42260. Cileulo ¢ interpretacin: c valor t es calculado por el programa estadistico." Los programas, por ejemplo SPSS, arrojan una tabla con varios resultados, de los cuales los mis necesarios para interpre- tar son el valor fy su signficancia. Veamos un ejemplo y la interpretacién, jer pi Hi “os varones le atibuyen mayor importancia a aractivo fsico en sus relaciones heterosexuales que las eres”, Ho: “Los varones no le atrbuyen mayor importancia al atrctvo fisico en sus relaciones heterosesuales que fas mujeres” {a vatable atractivo fisico fue medida a través de una escala que varia de 0 a 18. El grupo de mujeres estuvo consttuido por 118 personas y el de hombres por 128 (variable que origina el contrast: género). Los Fesultadas fueron , (mujeres) =12 (hombres) = 15 Valor t= 6698 significanca menor de 0.1) 9 mujeres 28 hombres ‘Grados de ibertad = 245 Conclsién: se acepta a hiptesis de Investigacion y se rechaza la hp6tess nua Sil valor thubiea sido de 1.05 ynosigaiicativo, se aceptaria la hipotess nul. La prucba rse basa cn una distribucién muestra o poblacional de diferencia de medias conocida como la distribucién # de Student que se identifica por los grados de libertad, los cuales constituyen ef nimero de maneras en que los datos pueden variar libremente. Son determinantes, ya que nos indican que valor debemos esperar de #, dependiendo del tamafo de los grupos que se comparan. Guanto mayor niimero de grados de libertad se tengan, la distribucién t de Student se acercard mds a ser sna distribucién normaly wsualmente, silos grados de libertad exceden los 120, la distribucién nor- A convo do Pan eine entre en i rma psc manne ao dea pbs echt ene ap ss Gi ena seguns pate, en aterlcmplementrie + Capt. . dels shes Dede nee pte hs conse rae, pd con ep per ot qv cone perinente enn canPe. scx paboebion to Haphepeshet onAndis paancuccs ET smal se utiliza como una aproximacién adecuada de la distribucién ¢ de Student (Babbie, 2012, ‘Wiersma y Juss, 2008: y Godby, 2007). Los grados de libertad se calculan con la formula siguience, en la que 1, y 7, son el tamaio de los {grupos que se comparan: a 4n)-2 Vogs (1999) sefala que los grados de libertad indican cuintos casos fueron usados para caleular un valor estadistico en particular, Hernandez-Sampieri etal, (2010) realizaron un anilisis mediante a prueba #eon poco menos de medio millén de alumnos de una institucién piblica, con la finalidad de comparar el desempeio centre mujeres y hombres especto al promedio general dela carrera, el valor obtenido fue de 22.802, significancia = 0.000 (menor al 0.01). El promedio de los estudiantes fue de 6.58 (n= 302 272) y l de las estudiantes de 7.11 (n= 193.436). Ante la interrogante: ze observaron diferencias en el desem- pefio académico por género? Se puede decie que las mujeres obtienen mayor promedio que los hom- bresen una diferencia de 0.53 puntos, la cual es significaiva al nivel del 0.01 Asi como el caso anterior, esta prucba se utiliza frecuentemente para hacer contrastes por genet. Por ejemplo, los efectos de administrar un medicamento (digamos, en la presin arterial w ble) o seguir una dieta (en la disminucién del peso corporal). Buunk, Castro, Zurriaga y GonzSlez (2011) llevaron a cabo un estudio en Espafia y Argentina para compara silos hombres son més celo sos que las mujeres ante la presencia de un rival en cuatto dimensiones o caracteristicas:atractivo fisico, daminacién fisca, poder social y atributos sociales comunitarios. Resultaron significativos al nivel del 0.01, todos los valores “t” de las dos primeras (77.98 en Espafia y 121.89 en Argentina para el atractivo fisico, siendo la media de celos mayor en las mujeres: y 21.67 en Espafia y 42.38 en Argentina para dominacién fisia, siendo la media de celos mayor en los hombres). Esto significa que Jos hombres experimentaron mas celos que las mujeres cuando su rival es fsicamente més dominante En cambio, las mujeres experimentaron més celos que los hombres cuando su rival era mas atractiva (@ los hombres les preocupa la “mmusculatura de sus rivals” y a las mujeres “el ateactivo fisco”). La m fue de 388 espaioles y 444 argentinos de ambos géneros. Consideraciones: La prueba t se wtiliza para comparar los resultados de una preprucba con los resultados de tna posprucba en un contexto experimental. Se comparan las medias y las varianzas del grupo en dos momentos diferences:(X) x (%). O bien, para comparat las preprucbas 0 posprucbas de dos grupos que participan en un experimento: 6 GB) Cheon las posprucs Cuando el valor ¢se calcula mediante un paquete estadistico computational, la significancia se proporciona como parte de los resultados y debe ser menor 2 0.05 o 0.01, lo cual depende del nivel de confianza seleccionado (regularmente se oftece el resultado en dos versiones, segin sea el caso, si se asumen 0 no varianzas iguales)* Lo més importante es visualizar el valor ry su significancia; véase Ia tabla 10.13, Para solictar en SPSS la prueba f, no olvide consular el manual “Introduccién al IBM SPSS® aque se puede descargar del centro de recursos. En Minitab este método se encuentra en: Estadisticas » Estadisticas basicas. En STATS® se denomina: diferencia de dos medias (Difference-Twvo Means) y simplemente se colocan niimero de casos o respuestas en cada grupo, medias ydesviaciones estén- dar de los grupos, y aucométicamente se calcula el valor ¢y el nivel de significancia expresado en porcentaje ‘ro exresan coma valores, qu préctkamente ea mi, plato tamén ans de evans © Cuando sey pants derents en fs gpa: del expeiment, deh se censdera de “gle Indepenents” (edn y Monte 2003) oe stan vraag, scx paboebion to Haphepeshet on312 @ —_copitule 10 Andlisis de datos watitatives © Tabla 10.13 Hlementos fundamentals para interpretar ls resultados de una prueba t Desviaisn sr 3 | cénero N wwedia | tip tip dela media oseuling as 369 | 1008 ons Femenina i aaa [aon oma Fibs rs naps Teeter rae | | Praca niuld ce meds 95% intervalo de Confianza pa ia diferencia Sis, Diterencia | Eoin. de F si fe a (iatea | de medias | ladferenca | inferior superior fa | senan 01 | 0970 |-o9se | 172 ons | -o1 0.160 om 01 asumido iguales -o9s6 Janse ons — | -o1s 0160 mee 1 t varianzas * Yalor“Fdilerenca Sigitcanca: noes menor a 0.05, ignes—artearatan de |? uy i mene Not {as grupos (dispersidn, diferencias entre les grupos en la ce 60) wea cota {Qué es el tamafio del efecto? 2 Alcomparar grupos, en este caso con la prucha s, es importante determinar el tamafo del efecto, que cs una medida de la “fuerza” de la diferencia de las medias u otros valores considerados ( 2013a; Alhija y Levy, 2009; y Cortina, 2003). Resulta ser una medida en unidades de desviacién cstindar. Como se calcula? El tamasio del efecto es justo la diferencia estandarizada entre las medias de los dos grupos. En otra palabras Media del grupo 1 ~ Media del grupo 2 Tamafio total del efecto = Desviacién estindar sopesada La desviacién estindar sopesada es a estimacién reunida de la desviacién estindar de ambos ‘grupos, basada en la premisa que cualquier diferencia entre sus desviaciones es solamente debida a la variacién del muestteo (Rodriguez, 2006 y Creswell, 2005). La desviacién estindar sopesada (denominador en la férmula) se calcula asi DSDz Donde Ny N,son el tamafo de los grupos (grados de libertad), respectivamente; en tanto que, SD, y SD, son sus desviaciones estindares. FLO 17.9 ~ 152/33 =0.82 (intepretacién: las medias varian menos de una desviacion estandar, una respecto de Ia otra), scx paboebion to Haphepeshet onAndis paancuccs EE jem po | 285 ~ 37.5/4.1 = ~2.19 (los promedios varfan més de dos desviaciones estindar uno sobre oto). Qué es la prueba de diferencia de proporciones? Bs una prueba estadistica para analizar si dos propotciones o porcentajes difieren signifcativamente Hipiterin de diferencia de proporciones en dos grupos. Variable: la comparacin se tealiza sobre una variable. Si hay diferencia de proporciones por variable Nivel de medicién de la variable de comparacién: cualquier nivel, incluso por intervalos 0 razén, pero siempre expresados en proporciones 0 porcentaes. Procedimiento ¢ interpretacién: este anilisis puede realizarse muy facilmente en el progeama STATS®, subprograma: Diferencia de dos proporciones (Dilference-Two Percentages). Se colocan el iimero de casos y el porcentaje obtenido para cada grupo y se calcula. Eso es todo, No se necesita de frmulas y tablas como se hacta anteriormente Ejem plo Hi “El porcentae de liberates en ia ciudad de Arualm es mayor que en Linderbuck” En STATS® colocamos ls datos que se nos requiere as, se efectuari una prueba de Inputs ‘Grupo uno Namera de cespondientes en grupo une a Porcentaje medido en grupo uno ‘Grupo dos Namero de espondientes en grupo uno E Porcentaje medido en grupo uno Calelames [PSTETETS ys obtienen os resultados. Prababildad de diferencia signticativa 45238 Valor 2 fe Como no se alcanza una signiticanca de 95% (porque STATS*, a contrat de SPSS® o Minitab, proporcio- na el porcentaye de éstaa favor), aceptamas la hipétess ula y rechazamos la de investigacién. Con esta prueba podemos analizat, por ejemplo, sie porcentaje de mujeres con céncer de mama ¢s significativamence diferente en dos comunidades, si el porcentaje de errores en la produccién de arneses automotrices es signficativamente distinto en dos plantas, si el parcentaje de reprobados es signifcativamente desigual ensze los alumnos de bachillerato del turno matutino y del vespertino, ee Desde luego, no es necesatio que los grupos por comparar tengan el mismo niimero de unidades, «casos, respondientes o equivalentes (n), salvo las consideraviones de muestreo hechas previamente (amafio minimo de grupos) scx paboebion to Haphepeshet on314 capitulo 10 Andis de dates cwantitatves {Qué es el andlisis de varianza unidireccional 0 de un factor? (ANOVA one-way) 093) Esuna prucha esadistia para analiza si is de dos grupos difieren significativamente entre si en y varianzas, La prueba tse aplica para dos grupos y el analiss de varianca unidirec- cional se usa para tres, cuatro o mds grupos. Aunque con dos grupos se puede utilizar también, Hipdtesis: de diferencia encre més de dos grupos. La hipétesis de investigacidn propone que los ‘grupos difieren significativamente entre sy la hipétesis nula propone que los grupos no diferensig- nificativamente. Variables: una variable independiente y una variable dependence ‘Nivel de medicién de las variables la vasiable independiente es categética y la dependiente es por intervalos 0 razén, El hecho de que la variable independiente sea eategérica significa que es posible formar grupos diferentes (Martin y Bridgmon, 2012 y Lazat, 2006). Puede ser una variable nominal, ordinal, por intervalos o de razén (pero en estos iltimos dos casos la variable debe reducirse a categorias) Por ejemplo: Religion (catéica,crstiana, proresante, judia, musulmana, budista, etc.) (puede compararse la satisfacién de los grupos con su religidn o el grado de espirituaidad: Soto, 2014) Nivel socioeconémico (muy alto, alto, medio, bajo y muy bajo) (contrastarse su lealtad a la marca) Antigiiedad del empleado en la empresa (de cero a un afio, més de un aio a cinco afios, més de cinco afios a 10, mas de 10 aiios a 20 y més de 20 afios) (cotejarse su productividad) Estadios del cincer de préstata (I, Il, I y IV) (comparar su grado de depresién) Obesidad y peso: peso insuficiente, normopeso, sobrepeso, obesidad en grados (I, I, III y IV extrema) (cotejar sus niveles de glucosa y presién arterial) Giro de la empresa: comercial, industrial y de servicios (comparat los efectos de una medida fiscal en su nivel de tributacién). ‘Tipo de concreto premezclado (estindar, de fraguado répido, reforzado con fibras, autocompac- tante, poroso, antibacteriano, ete) (conteastar su resistencia) Analisis de vainaa Puebs esa Interpresacién: el aoslisis de varianza unidireccional produce un valor conocido «para aalirarsimésdedos upes como Fo razdn F, que se basa en una dstibucién muestra, conocida como distribu eee es roar MGI cién F.la cual es otto micmbro de la familia de distibuciones mucstrales. La razén F " ‘compata las variaciones en las puntuaciones debidas a dos diferentes fuentes: variacio- nes entre los grupos que se comparan y variaciones dentro de los grupos. Sie valor F ¢s sgnificativo implica que los grupos diferen entre sien sus promedios (Zhang, 2013: The SAGE Glossary of the Social and Behavioral Sciences, 2009h:, Klughist, 2008; Field. 2006a y 2006b: y Noxpoth, 2003). Entonces se acepta la hipStesis de investigacién y se rechaza la mula. A continuacion se presenta un ejemplo de un estudio en el que el anlisisapropiado es el de variana. {LO ————— Hi “Los nios que se expongan a contenidos de elevada violencia televisva exhibirén una conducta més _2gresiva en sus juegos, respecto de los nis que se expongan a contenidas de mediana o baja violencia televisada’ Ho: “Los nitos que se expongan a contenides de elevada violencia tlevisiva no exhibirsn una conducta més ‘2gresiva en sus juegos, respecto de los ios que se expongan a contenidos de mediana o baja violencia televisada”. Games senile, mpl pare qu elector que camvanta can ests tems tenga ns ide de smiles aplacanes dl ANOV Su prtesor puede propercenr diversas apeacanes 2 uae cone ge tststent explain el mais de vate eaieconal qu en spines canto eons ec en esta pte, ahr fe Wei Tings” Lerecamienda descargar yrevisar este capitulo scx paboebion to Haphepeshet onAndis paancuccs EE La variable independiente es el grado de exposicién ala violencia televisaday a variable dependiente es Ia agresiviad exhibida en los juegos, medida por el nimero de conductas agresivas observadas (nivel de medicion por itervaos). Para prabar la hipétess se dsera un experimento con cuatro grupos: 6X (eevatavienca). © Ge nedina vilenia) Gb vlencia) 6,—(conductaprosecia) ©) En cada g.upo hay 25 nos La raz Fe de 989 est significative en el rive de 0.0: se acetal histo de investiga. La cee el oerato + ’ > , ‘perience el open Longtd } , ‘Experienci él operario. ‘Angulo de dobledo > bxetieni el opeao -Asimismo si petenderos eval sun métod educating increenta a concenciy valores eos de ls esucantes de bchilerate,contoand yanalrano la inuenci del variable nivel eda de ls pads > neta ena vena > concen yes eases Si buscamos cone I nfvenca ecto variables de las mins sobre el peg al Latamient la salstzcién en tava aa alencion or pare de sus pacents ¥ Asn pate el pacete fa Set mesa redied el médica L <3 4 Lt Entonces, requerimos otros métodos estadisticos como los que se muestran en la tabla 10.16. Estos métodos se comentan en el capitulo 8 del centro de recursos, “Analisis estadistico: segunda Centro de parte’, en analisis multivariado (Material Complementatio —> Capiculos — Capitulo 8) rings li © Tabla 10.16 | Métodos estaisticos multivaiados (se amplia en el capitulo 8 del centro de recuisos en linea) Twists | Prepsitesfndamentales Ass de vaio fatal | var el eect de dos o mds voto indeperdnts sobre una able (aNovn de vorostoares) | depedente Analisis de covarianra (ANCOVA) | Analiza la relacién entre une variable dependient y dso mas independientes, al eliminat y controlar el efecta de al menos una de estas vavabesingependhentes Regesion maliple valu el efecto de dos 0 mds variables independientes sobre una vaable depen siete, asi come predec el valor de fa variable dependiente con una 0 més variables independiente, y estima cusl es a independiente que mejor predice las puntuaco~ nes de a dependiente Se trata de una extension dela egrsin neal. (conti) scx paboebion to Haphepeshet on> 318 @ —_copitule 10 Andis de dates watitatives © Tabla 10.16 (continvacién) ‘Analisis muitvaido de varanza | Anaizar la clacon entre ds o mas variables independientes y dos © més variables, (wanova) dependientes. ‘Analisis ieal de pationes | oeterminary representa ntrrelaciones ent variables 2 parti de regresianes, asi “ath come analiza la magoitd de la influenca de algunas variables sobre ota, influen- cia deca indeta. ts un made causal -Aalisis dsciminante Conseuir un modala predictive para pronostiar el grupo de petenencia de un caso 2 part de las caracterstcasabservadas de cada caso (precec la pevtenencia de tun caso a una de las categoras dela variable dependiente, sobre la base de dos © mds independientes) Distancias eucidionas valuar asimilitud entre variables (en unidades de correlacién). Andlisis no paramétricos (3 y 4 Para realizar los anilisis no paramétricos debe partirse de las siguientes consideraciones:” 1. La mayoria de estos aniliss no requieren de presupuestos acerca de la forma de la distibucién, poblacional, Aceptan distribuciones no normales (distribuciones “libres 2. Las variables no necesariamente tienen que estar medidas en un nivel por intervalos 0 de razén; pueden analizar datos nominales u ordinales. De hecho, si se quicten aplicar andlisis no paramé- Uwicos a datos por intervalos o razén, étos necestan resumirse a categorias diseretas (a unas cuantas). Las variables deben ser categoricas 4Cuales son los métodos 0 las pruebas estadisticas no paramétricas mas utilizados? Las pruebas no paramésricas més utilizadas son: hi evadrada Pruedaestastia para 1, La chi cwadrada 0 x valor hiptess aera de le relacion. 2. Los coefcientes de corzelacién ¢ independencta para tabulaciones cruzadas centre dos variables ategbrcas. 8. Los coeficientes de correlacién por rangos ordenados de Spearman y Kendall 4Qué es la Chi cuadrada 0 2? Es una prueba estadistica para evaluar hipStesis acerca de la relacién entre dos variables categéticas. Se simboliza: Hipitess por probar.cortclacionales. Variables involueradas: dos. La prueba Chi cuadrada no considera relaciones eausales Nivel de mediciin de ls variables: nominal w ordinal (0 intervalos o raz6n teducidos a ordinales) Procedimiento: se calcula por medio de una tabla de contingencia o tabulacion cruzada, que es wn ceuadro de dos dimensiones y cada dimensién contiene una variable. A su ver, cada variable se sub vide en dos 0 mis categoris. Un ejemplo de una tabla de contingencia se presenta en la tabla 10.17. ‘abla 10.17 Fjemplo de una tabla de contingencia a Intencion del voto ‘andidata A Guadalupe Tones andidataB 2 uo 162 liz Almanea Toul n 18 260, ings (201), Chae (207), Wes us 200), Pett 207, Sok (2066) y Blak (2003) Hosa Woe y Chicken (201); Hawel (2017; Pet (2007, oka (008); chen apavth 202} y bons (192) scx paboebion to Haphepeshet onAosta 0 paancuces EN Esta tabla demuestra el concepto de tabla de contingencia 0 tabulacién cruzada, Las vatiables aparecen sefialadas alos lados del euado (intencién del voto y génera), cada una con sus dos categoras. Se dice que se trata de una tabla 2 X 2, donde cada digito significa una variable y el valor de éste indica el nsimero de categorias de la variable: 2 x 2 tT t ‘Una variable con, (Owra variable dos categorfas con dos categorias Un ejemplo de una tabla de contingencia 2 X 3 se muestra en la tabla 10.18, Las dos variables son: tipo de iratamiento contra el cdncet gistrico (tres categorias) y resultado final (dos eategorias: sobrevivi o fallecié). Los ntimeros que apatecen en las celdas son frecuencias, Por ejemplo: 20 pacien- tes que recibieron el tratamiento I sobrevivieron, Es necesario hacer notar que no importa cual varia~ ble esté en la parte superior oa la iaquieeda, porque al final lo fundamental es que todas las eategorias cde una variable se crucen con todas las categorias de la o1ra © Tabla 10.18 Elemplo de una tabla de contingencia 3 x 2 Tratamiento 1 Tipo de tratamiento | Tatamiento para el cancer gistico | ratamiento total Ouro ejemplo de relacién que podrian analizarse con la Chi cuadrada es: mdquina utilizada en la fabricacién de tornillos (cuatso categorias: méquina 1, méquina 2, maquina 3 y méquina 4) y calidad dela pieza (dos categortas: defectuosa o sin defectos), para analizar diferencias por maquina, En esencia, la Chi cuadrada es una companacién entre la tabla de frecuencias observadas y la deno- sminada tabla de frecuencias xperadas, la cual constituye la tabla que esperariamos encontrar si las variables fucran estadisticamente independicntes o no estuvieran relacionadas (Wight, 1979). Es una prueba que parte del supuesto de “no relacién entze variables” (hip6tesis nul) y el investigador evalia si en su caso esto es certo 0 no, analiza si las frecuencias observadas son diferentes de lo que pudiera esperarse en caso de ausencia de correlacién (Howell, 2011; Trobia, 2008; Bond, 2007b; Lane, 2006; y Platt, 20038). La lgica es asi “si no hay relacin entee las variables, debe tenerse una tabla as (la dle las frecuencias espetadas). Si hay relacién, la tabla que obtengamos como resultado en nuestra investgacidn tiene que ser muy diferente respecto de la tabla de frecuencias esperadas”. Es decir, lo {que se conté en comparacién con lo que se esperaria del azar. La Chi cuadrada se puede obtener a tavés de los programas estadisticos o mediante STATS®. En SPSS el programa produce un resumen de los casos vslidos y perdidos para cada variable (N y porcentaje) y una tabla de contingencia sencilla, como la 10.17, 0 bien una tabla més compleja con diversos resultados por celda (frecuencias contadas u observadas, frecuencias esperadas, porcentajes respecto a marginales y cotales, tc.) Este segundo caso se muestra en el capitulo 8, “Analisis estadis- tico: segunda parte” (a final), en la parte sobre Chi cuadrada, que como se ha recomendado puede descargarse del centro de recursos. EI programa también proporciona el valor de Chi cuadrada junto con otras prucbas (peto reco- ‘mendamos centrarse en el resultado de éta), como se muestra en el siguiente ejemplo que correspon- daieath ony a Ghicuadrada de Pearson | 13529 1 0.000 scx paboebion to Haphepeshet on O3 ZB conto de320, © capitulo 10 Andlsis de datos wonttatves En este caso, el valor de Chi cuadrada es signifcativo al nivel del 0.01, es decit, se acepta la hipé- esis de investigacién de que existe relacién entre las variables intencidn del voto y género (Liz Almanza ‘gana, pero sobre todo pot el voto femenino) ‘Algunas veces, solamente se utiliza el valor de Chi cuadrada simplemente para ver si hay 0 no relacién entre las variables. {LO ——————— Hi “Los tres canales de televisién a nivel nacional dfieren en la cantidad de programas de accén soca, neu- trales y antisociles que difunden’. "Hay elacién entre fa variable canal de televisidn nacional y la variable ‘emisién de programas de acién social, neutrals y antsocates” Resultados: e795 gins Significancia mayor de 0.05 Conclusion: se echaza le hipétess de investigaiény se acepta la nua, No hay rlacién ente as variables, AE Centro de E! lector podrd encontrar el cileulo de la Chi cuadrada en STATS® al final del capitulo 8, GEILE” “anstsis enadistico: segunda parte’, del centzo de recursos 4Qué son los coeficientes de correlacién e independencia para tabulaciones cruzadas? ‘dems de la Chi cuadrada, hay otros coeficentes pata evaluas si las variables incluidas en a tabla de contingencia 0 tabulacién cruzada estin correlacionadas. En la tabla 10.19 se describen los coeficien- tes mis importantes para tal finalidad. © Tabla 10.19 Principals coefcientes para tablas de contingencia Per ee Phi) 2x2 Nominal. Puede En tablas 2 x 2 varia de 021, donde cero implica auencia de utlizarse con variables | covelacion entre las variables, y uno, que hay covelacionpertecta toidnales reducidas a | entve las vaiabes. gn ablas ms grandes, phi puede se maya: ce 1.0, dos categorias$P55 lo | pero la interpretacion es comple. Por ello, e recomiendalmitar su muestra en edule pare | uso alas tablas 2 x 2 datos nominaes Coeficiente de | cuslauier amano. De | Nominal Puede 0.91, pero entablas menores a5 x 5, se acerca pero munca akcanza el contingencia } hecho es unajuste de | utliarse con variables | uno, ‘CdePearson ph paratablas con mss | ordinaesreducdas 9 fe dos categoias en as | dos categoras. voiables. incluso funciona mejor con rablas de 5x5. vdecramer | cualquier tomato. cualquier nivel de (0.21, pero el uno solamente se alanza si ambas variables tienen el 0 variables, pero siempre | mismo nimero de categorias (0 margnaes), reducidas a categoria. SPSS lo muestra en {Beuos pare datos hominaes looms) e545 enor ees ques induyen pr nivel de medi: Kappa, MeNema, Coan, Reso, etter. scx paboebion to Haphepeshet onAosta 0 paancuces EE © Tabla 10.19 (continuaci6n) Para cuadres de | Nivel de medicién de ena ambas v Goodman- | Cualquiertamato. ‘oalquier nivel de Fluctda entre 0y 1, asume causaldad lo que significa que puede Kustal vatabes, pero siempre | predecse ala variable dependientedefinid en la tabla, sobre I base tombdoo reducdas a categorias. | de a independiente. a vetsién usual de fombda es asimetca. Sin slo Lambda 5°55 lo muestia en ‘embargo, SPS yolos programas presentan ties veislones: Una a «aes para datos simtricay dos asiméticas (estas ttimas epresentan 2 cade una de ominaes las valablesconsderada como dependiente).La versio simétia es simplemente el promedia ¢e las dos Lambda asiméticas, Una prueba _asimetuicapresupone que el investigador puede designarcusl esa vatabe independiente y cus la dependiete, En una simérica nose ‘sume tal causalidad Coafiente de | cualquier tamane, ualquir nivel de Fluctia enti 0%, asume causaldad lo que significa que puede incertidumbre vatabes, peo siempre | predeise ala variable dependientedefnids en la tabla, sobre I base ‘oentopia oU reducdas a categorias. | de a independiente. Por azoneshstricas (de costumbe),e! de Theil, 5955 a muestra en ‘oefcent se ha compotadofrecventemente en términos de predede ‘ileus para datos lavarabie dels columnas, sobre la base de la vaable dels fa. rominaes, Gamma de | cualquier tamato. ordinal vat de-1 9 +1 (-1 es ua elacion negativa perfect, y +1 una Goodman y ‘elacion positvapertect). Krusal ou-, rou-b y | cualquier tamano. ordinal atin de-1 2 +1, fauray au-b son asimévicasy Tou es simatic Toure (0,8, «9 de Somers | cualquier tamata ordinal Vatiade-t 1 oppo. (Cualuiertamato. Datos categrizados por | Regularmente de 021 intervao Para profundizar en las formulas y premisas de estos ansliss, véase Chaubey (2013), Hollander tal. (2013), Black (2003), Gibbons (1992) y Nie, Hall, Jenkins, Steinbrenner y Bent (1975). Qué otra aplicacién tienen las tablas de contingencia? Las tblas de contingencia, ademés de servir para el cileulo de Chi cuadrada y otros coeficientes, son ‘tiles para describir conjuntamente dos o més variables. Esto se efectia al convertr las frecuencias, observadas en frecuencias relativas o porcentajes. En una tabulacién cruzada puede haber tres tipos de porcentajes respecto de cada celda © Porcentajeen relacén con el total de frecuencias observadas (“N” 0 *n™ de muestra) © Porcentaje en relacién con el sotal marginal dela column © Porcentaje en relacién con el total marginal del renglin. ‘Veamos con un ejemplo hipotético de una tabla 2X 2.con las variables género y preferencia por un conductor televsivo, Las frecuencias observadas seran: jem po | PiascuingD Femening | referencia porel A % % 50 conductor e 0 0 50 65 35 100 Las celdas pacran representarse asi scx paboebion to Haphepeshet on322 © copitule 10 Andlsis de datos wanttaivos ‘Tomemos el cao de a (celda superior inquierda). La celda a (25 frecuencias observadas) con re pecto al coal (WY 100) representa 25%. En rel: i6n con el total marginal de columna (cuyo total es 165) representa 38.46% y respecto del total marginal de renglén (cuyo coral es 50) significa 50%. Esto puede expresarse ast Fjemplo —————— a ee es 5 En retain con W 25.00% En relacidn cone +b 345% « atens0 En relacén cone + 50.00% > @ bed er od 100 = 6 Ast procedemos con cada categoria, como ocurze en la tabla 10.20. © Tabla 10.20 jemplo de une tabla de contingencia para describicconjuntamente dos variables referencia pot el conductor 2% 2% 25.0% 25.0% 50 4 38s nas 50.0% 50.0% rn 0 : 40.0% 100% 50 15% 286% 20.08 20.0% 5 35 100 Algunos programas ubican los porcentajes incluidos en las celdas en otto orden. Por ejemplo, el porcentaje respecto al rota lo colocan al final, pero las interpretaciones son similares, Otros coeficientes de correlacion Fl coeficiente de cortelaciSn de Pearson es una estadistica apropiada para variables medidas por inter- valos o razén y para relaciones lincales. La Chi cuadrada y demas coeficientes mencionados son esta~ disticas adecuadas pata tablas de contingencia con variables nominales, ordinales y de intervalos, pero reducidas a categoria ahora, qué ocurte sila variables de nuestro estudio son ordinals, por inter valos y de razén? O bien, una meacla de ponemos en una tabla de contingencia, E Coeficiente rho de Spearman y tov de Kendal Son medidas de crrelacién para variables en un nivel de medicion ‘ordinal los inivduos unidades de ‘muestra pueden ordenarse por rang. iveles de medicién, 0 los datos no necesatiamente los dis- sen ottos cocfcicates que comentatemos brevemente. Qué son los coeficientes y la correlacion por rangos ordenados de Spearman y Kendall? Los cocficientes rho de Spearman, simbolizado como rs, y tau de Kendall, simboli zado como ¢, son medidas de cortelacién para vatibles en un nivel de medicidn ordi- nal (ambas), de tal modo que los individu, casos o unidades de andisis de la muestra pueden ordenarse por rangos (jerarquias). Son coefcientes wilizados para relacionar scx paboebion to Haphepeshet onvos coeticentes de cveleién estadisticamente escalas tipo Likert por aquellos investigadores que las consideran ordinales. Por ejemplo, supongamos que tenemos para refreseos embotellados o sodas las variables “preferencia en el sabor” y “atactivo del envase”, y quetemos asociarlasestadisticamente, entonces pedimos a un grupo de personas representativas del mercado que evakien conjuntamente 10 marcas especifias y las orde- rnen del 1 al 10; en tanto que, “I” es la categoria o el rango méximo en ambas variables. Finalmente se obticnen los siguientes resultados en la muestra nis Core 7 2 Wie cola fan Eneigeador Maron ‘maszanol cold Toda Fru 10 sabrosol Para analizar tales resultados, utilizarfamos los coeficientes rry #. Ahora bien, debe observarse aque todos los reftescos o sodas tienen que jerarquizarse por rangos que contienen las propiedades de una escala ordinal (se ordena de mayor a menor). Ambos coeficientes varian de ~1.0 (correla Capieulos. © Tabla 10.22 Heecdn de os procedimientosestadisticoso pruebas" TT Pregunta de nvesigacén Dexciptva | Procedimentow prueba + Dats nominales Moda Datos ordinals Hens, mods {Dats portals an Meda heiana, mada desc stn vane yfango 2 pregunta de investiga: titerendas de gps ®) Dor arable 0 pos ort Muestascoelaconadas © datos nominates trata de netemar “bats ones Praca de Wlesxon pra pares de angos = Dats por intense rn Drie tyra mest conelaconadar 4.2. Mess independentes “bats nominales hi cundaea “bats ernales Prueba Mar WNiney Uo prsbaKalnagoro-Sminv pra ds imiestas + Datos por intenalasoar60 Prveba pra rusts na coelacenadaso independents 6) mss ce do arable 0 gros 1b, Moesiascrelaconodas “bats nomialer, prueba @ de coctan “Dats eras Fads te vatantn de Fear en des vias «bats por inten rain Anais de viz (ANOVA) * ales por intervalos azn, conto! | Andis de covatanca (ANCOVA) de efectos de aa vable depen dente 2 mess independetes ® alos nominates, Chi uaa para kes independents “Datos nomial voxdinaes Chi eine be ednan (Gtegencs)y de nenlosarn = Datos otis Ass de vriaaaen una via de ask Walls (ANOVA) = bats ponte én Fos de vrs (ANOVA) >. pregunta de investiga: conelacional 0) Dos variables "Datos nemiales Coetente de contingenca 0 Pi = bats oriales Coefete de range rdenodos de Spenan oifinte de tangosordenados Ge Keds + bats pointers axén Ceefcent de crelctn de Peaon (poducto moments) = na vile independiente yuna Regrestn nel dependent (mba deter © ‘sro = Dior pores y omnes Coeficiente biel puntual trdinales Coetaente ber = Dats perntenvalasy na dctomia tal enna esclaoal (a Soto sacl porque sibyace ns dstibn coins) 1) mS edo aber Asi dscminate "Dats noninales Andis de cela pac po angos de Kendal = batrotnales Coetcene de coelan parca maple “Dats ponte razén ‘pda de Mertens (2005. scx paboebion to Haphepeshet on326 @ capitulo 10 Andis de datos cwontitatves © Tabla 10.22 (continuacién) 4 Pregunta de investigacén: causal oprediciva “ Dwvesas independientes yuna dependiente | Regresién miltple {Jas independientes en cualquier nivel de ‘medion la dependkente en ove por Intervals razén, Cuando las independien- tes son nominal uovdinaes se conven en variables “dummy + Divetsasindependientes y dependientes « Agrupamiento (membresia de todos os datos) | Analisis mulivariado de varanza (MANOVA) “ Esuctuasy tedes causales Analisis disciminante (en una Wa, jerdrquico 0 factorial, de acuerdo con el rtimero de variables involucrades) Analisis de parones 0 vias (path analysis) 5, Pregunta de investigacén: estructura de variables 0 valdacion de constructo Las variables deben estar por intervalesoravén | Analisis de factores © Tabla 10.23 Citerios para elegi las pruebas estadisticas* rer et ae eee Cee variables | Tipo de variable: la pregunta de | variables ors decontiol | independiente investigaciin | independientes | dependientes ___(covarables) | _dependiente “Comparacén de 1 1 ° ‘ategelea/| Normal | Pruebo ¢ ‘grupos “continua Comparacion de To mis 1 o categtrica/ Normal | Analisis de ‘gupes ‘eontinga varianza Comparacion de Vomas 1 1 Categerica/ Normal | Andlsis de ‘grupos ‘continua covarianea Comparacion de 1 1 o categtrca/ No normal | Prueba de ‘tupos ‘eontinya Mann-Whitney U Relation entre 1 1 0 Categerica/ Nomnormal | chi evadrada ‘grupos o categica ‘categarias Carreacién entre | ta prueba no considera a una variable come independiente y | Continua/ Normal | Corelacn de vatables la otra como dependiente, soo establece el giado derelacén. | continua Peatson a causalidad la estabece el investigador Carrelacién entre | ta prueba no considera a una variable come independiente y | Categéria/ ‘No normal | Corelacin de vatabies la otra como dependiente, sto establece e! giado derelacién.| —_categouca endl o La causalidad la estabece el investigador Spearman Conrelacién entre | 3 0 mas. La causalided a establece el investigador. En fa » > > ais est Ans esc es ables ws emis Hues exlotaa aaa Neste de orien lect tengo ge expscn a {adicional 2 a de la * et {a televisitn, preferencia de contenidos televsivas Meta tiey —* assis)” fats > Gag a es fe enn election) ans ce o (aelein (naan, med te, ae ata -discriminacin de los ‘y/o noche), personajes favorites (cuales y mativas), tens Capac dees on testes de toetenncl, anaes que ian mets tani tee, od : > pds dts dog pa can bs eile des Pr aioe flrs a empl: (hi cuadraa y Phi entre género y concn de expsicin al televisin (sla- ena elec de os programas, conto ls ‘acompaiado); coefciente de contingencia para bloque preteido de horarioy autonomia en = _paéres sabre la actividad de ver televisGn, usos y Ta lec de os programas otina). Bisel punta (neoy tempo de expos ala teens. sexs paboebion Hn Haphepeshet Mon aicaiones de a eles, datos demogrtcs352 © capitulo 10 Andis de dates cwontitatves La pareja y relacién ideales Los andlisis fueron realizados en el programa SPSS y as gricas, en un programa de ilstiacén, La n = 725 estudiantes, Se pre- sentan Gnicamente las tablas y graficas descriptivas de ciertas variables © preguntas en términos de porcentajes, con anotacio- nes muy breve, para que el lecta, a manera de ejercicio—pre ferentementegrupal~ ample los comentarios ydesatlle imp Caciones de ls resultados £' promedio de edad de la muestia fue de 21 aos y la me- diana de 20. En cuanto al género: 46% mujeres y 54% hombres de una gran vaiedad ce licencatuas. “© Figura 10.23 {Tienes novio/novia? 5 BBM No 562M ‘be la muestra, mas de la mitad no tiene novio o novia (figura 1023), En cuanto a la definicion del noviazgo, solamente uno de ‘ada 10 estudiantes lo concibié bajo la dimensién prematrimo: nial ("la relacin en la que conoces a la persona con quien te vas ‘a casar"), 15.25% sefialé que el noviazgo es una “etapa de la vida". ,Qué més podria comentar de esta gréfica? (Figura 10.24) “© Figura 10.24 Definicién del noviargo 1535 Pm} uss na 28 15 sap dl oy (iz oats PER Bb ahghin? Por lo que respecta a la importanca (tabla 10.24), no hubo {quien la considerara que “no tiene importancia™ La media fue de 4.13 y la mediana igual a 4.0 (minimo 2 y maximo 5, desviacion esténdar = 0.813). ;Qué puede decirse de esta tabla de acuerdo on lo expuesto en los apartados de estadistica descrptiva de este capitulo? [Esta grética puede servir para discutr sila escala es ordinal o de intervaos y lo que nos dice la media]. © Tabla 10.24 {Qué tan importante es en tu vida tu pareja actual? Porcentaje rs Porcentaje mtn) Ce cy 5 | sumamente importante v4 4 | importante 160 2 | medianamente importante wa 2 | Pac rw00 importante Total Piensa en tu novio(a) ideal y menciona las cvalidades que te gustaria que tuviera ideal “© Figura 10.25 Cualidades del novi 92 148 33 ry : Inge Fen espe Conta Hanes Sings (co rec earn W si Para la grdfica anterior se tomaron las cinco cualidades mencio nadas por todos los estudiantes que integraron la muestra. Esti- mado lector, gqué nos dice la gréfica? Comparela con las cualida~ des que a usted le gustarian en su novio o novia ideal y discitalas con sus mejores amigos amigas sexs paboebion Hn Haphepeshet Monfn el futuro, gle gustaria 0 no tener una relacién de pareja pare toda la vida? © Figura 10.26 Relacién de pareja para toda la vida 1595 i Précticamente una quinta parte de la muestra no sabe si le gus- tarfa © no tener una relacién de pareja de por vida. Pero a la ‘enorme mayoria (casi en proporcién cuatro a uno) sile agradarta, © Figura 10.27, Razanes del “s" 6 m 6 56 | a PHL i Paap: a ee oe on 2 2° 2 = € §3 gf 2 22 bs eg pai: E Sila pregunta se hubiera redactado: “En tu futuro, ;te gustaria o ‘no tener una sola 0 Unica relacién de pareja pare toda la vida?” {(agregando “soa o dnica),gcree usted que las respuestas hubi ran cambiado en alga? La raz6n principal de quienes respondieron afirmativamente {que les gustaria tener una relacién de pareja de por vida es el hecho de “compartir una vida" (poco més de una tercera parte), ‘422.2% de los respondientes les gustaria en su futuro tener una ‘elacién de pareja duradera a largo plazo al margen de los “céno ‘nes establecidas” (unin libre y relacién sn viv juntos). ¥ 62.53% Auisieran un matrimonio tradicional (figure 10.28), {Un ultimo comentario es que al realizar una prueba de dife- rencia de proporciones entre hombres y mujeres respecto 2 la ~apatiencia fisica, no cabe duda que los estudiantes celayenses le ddan mayor impartancia a ésta que sus companeras(significancie ‘menor del 0.05). jemplos desatallados © Figura 10.28 Tipo de relacién duradera as m7 os Hl Boa Watinain"Watinans Water” Union ‘in roger fepeny ike cal Reicin ote ints El abuso sexual infantil En a tabla 10.25 se resume la confiablidad de los instrumentos. para CKAQ-Espanol (n = 150, X = 5.08, DS = 3.43, yrango de 8 2.22 puntos) y RF-México (0 = 150, = 11.53, 05 = 7.97 yun rango de 0 238 puntos) © Tabla 10.25 Confabilida de instrumentos Conf Contiabitdad | de extabiidad cones oct ceri Cetin) ‘Kae Espanol Coantvo Fr-Moico conductal a conductal Los tres grupos experimentales mostraran que existe un tipo de sensibilidad al instrumento en el CKAKCEspafol (Kruskal-Wallis x2 = 784, gl = 2, p < 0.001) y RP-México (Kruskal-Wallis x? = £83.06, l = 2, p <0.001), lo cval indica que los grupos difieren en localizacién o forma, y reafirma la sensibllidad de las escalas al ‘mostrar un comportamiento diferente entre los grupos, donde ‘quienes ms recientemente terminan el Programa de Prevencién dol Abuso Sexval Infantil (PPAS!) mejores puntajes obtienen, Con el objetivo de indagar el comportamiento de los grupos de seguimiento y control con respecto al grupo que termina un PPASI, se calcularon los porcentajes relativos en las subescalas ‘de hacer, deci, denunciar y el reconocimiento de los contactos positivos y negativos. Los resultados se exhiben en la tabla 10.26, que presenta los porcentajes de aciertos en relacién con ‘el grupo que acaba de concluir un PPASI en el RP-Méxica. Se de~ ‘duce que para las subescalas de reconocimienta de contactos ne~ ‘gativos, DECIR y DENUNCIAR, se conserva el cambio esperado, {quienes mas recientemente hayan participado en un PPASI abtie- nen un mejor puntaje. En Ia habilidad de HACER, se observa que el grupo de seguimiento tiene un mejor desempeno en prome- sexs paboebion Hn Haphepeshet Mon334 © cpitulo 10 Andlsis de datos uantitatves dio, Esto se puede explicar debida al incremento en la madurez de las ninas y nits, lograda a lo largo de un afo aproximada- mente; de 5.58 aos en el primer grupo y de 6.47 afos promedio en el grupo de seguimiento En la subescala de contactos positvos se advierte que al ter minar el PPASI "Porque me quiero me cvido", tiene un puntaje promedio ligeramente menar que el grupo de control (17.45%), ¥ mucho mejor en el grupo de seguimiento (53.7148), lo que avala que la escala es sensible a medir dicha habilidad y su posi- ble efecto nacivo ante un PPASI, Este resultado si bien acredita parcialmente los resultados de Underwager y Wakefield (1993), (que sostiene que al atender a los PPASI, los niftos y nitas se muestran desconfiados ante las aproximaciones colidianas nor: males. También se constata que al cabo de un afo de conclvido el programa, los infantes son capaces de superaro y se muestran mucho mas asertivas. Ente los grupas al terminar PPASI y de contiol se evidencid que solamente la habilidad de reconacer Contactos positives (Mann-Whitney 2 = =1.48, n= 124, p 0.14) es la dnica habilidad que tiene la misma localizacién, esta evidencia contradice la tearia de Underwager y Wakefield (1993). Se puede concluir en este estudio que, si bien es cierto que al terminar el PPASI ls nifias y niios aumentaban ligeramente el recelo ante los contactos postivos, esto no es significativ y con el tiempo, al incremento de la madurer el fenémeno se supera, Enel caso de los grupos al termina un PPASI y de seguimien- to, se encontré que hay un mismo comportamiento en las subes- clas de DECIR (Mann-Whitney 2 = ~1.20, n= 72, p = 0.23) y HACER (Mann-Whitney 2 = —1.26, n = 72, p = 0.21) por lo que hay petmanencia en el tiempo de estas dos habildades. a correlacion entre las diferentes escalas verifica que hay ‘una vinculaciénaceptable entre CKAQ-Espatiol y_RP-México (Spearman r= 0.68, n = 150, p < 0.01), para el total de casos cexperimentales. En el caso de las grupos de control (Spearman r = 0.23, n= 79, p < 0.05) y a terminar el PPASI (Spearman 0.35, p < 0.05) las escalas tienen un nivel de correlacién adn menor. © Tabla 10.26 Porcentae de rangos relatives con respecto al ‘grupo que teria un PPASI Cora pee per ) ‘Ateiminar | 100.00 | 100.00 | 100.00 | 100.00) 190.00 Past ma | sam | 9086 |rosm| raze seguimiento onto sras_| rss | ar | asa | nse El resumen de puntajes por escala y grupo experimental se pre Senta en la tabla 10.26, donde la columna CKAR-Espanl (Irans- formado) presenta a conversion de una escala con un punta de 0.222 a una de 0 a 40, para tener un comparativo equivalent enite las escalas cognitvay conductal Se observa que la esta cognitiva se encuentra por encima de la conductual en todos ls grupos. Sin embargo, el grupo de contral observa una mayor di: ferencia entre las escalasconductualesy cognitvas. Cl porcentje ‘elativo, con respect al puntaje promedio del grupo al terminar PASI, proporionaimente el grupo de seguimiento obtiene 87.07% de aceros y al grupo de contol 69.88%, para la escala CKAQ.Espafol. Enel caso del instrumento conductual RP-MExico, el porcentae relative es de 70.85% de acietos en el gupo de Seguimiento y 31.19% en el grupo de contol. Lo que evidenca aque la sensblidad al cambio en esta escaleconductual es mayor. Se observa también que la distibucion de la escalacognitiva cKAQ-Espatiol, en general, se encuentra por encima de las esca- las conductuales, lo que permite deducir que los menores pue den tener cierto grado de conocimiento que no se traduce en habldades de protecién personal © Tabla 10.27 Resumen descritivo de puntaes por cescalay grupo experimental oa cxag- | cxnq-tspanol he eae nn cer cee ca a Alterminar Prast media 1833 3332 wa Desvicibn estindar 266 483 548 seguimiento Media 1536 2901 nasa Desvicibn ‘stindar 234 426 523 contol Medio na 22» 596 Desvieibn cstandar aw 394 aar Total Media 1508 ma 135 Desvicibn ‘stindor 3s 224 787 sexs paboebion Hn Haphepeshet MonLos investigadores opinan ‘O) ‘Desde 1990 han disminuide las tensiones entre lo cualitative y lo cuantitativo, por lo que se buscé establecer una sinergia, asi ‘como ser mas flexbles y ecéctcos, dicho en el buen sentido, en las procedimientas. La investigacién cuantitatva gané cuando particularzé los instrumentos y tomé en cuenta las caracteristicas de los grupos 2 los cuales se drige e estudio. Lo anterior propicié un importante ‘vance en Ia explicacién de los pracesos psicol6gicas, en especial los cognascitivos; yen los descubrimientos neuropsicolégicos, asi ‘como en el uso de software para el montaje de experimentos, sdemostiaciones y simulaciones. En este tipo de investigaciones, destacan las prucbas estadi ticas por su uliidad en el andiss de datos categéricos de cotres- pondencia, la ordenacién de datos para conocer preferencias, el ~analiss factorial confirmativo, las correctas estimaciones de con juntos de datos complejo, e! manejo de resultados estadisticos de las experimentas, la validacion de datos, la determinacién del tamano de la muestra y el andisis de regresién, entve ottos as- pectos a considera, ‘A pesar de tan importantes avances en la investigaci6n, aun hace falta financiamiento para una promocién significatva y que, ‘ademés, fomente la especializacién de los investigadores, lo cual les permitita competi de manera efectva ee Hemost Pave oordinador del Area de Investigacién Facultad de Psicologia Universidad Javeriana Bogots, colombia Los investigadores opin Para efectuar una buena investigacién se requiere plantear de forma correcta el problema, con fo cual tenemos 50%, y también ‘on un rigor metodolégico, es deci, inclur todos los pasos del proceso. Tal apego ala metodologia implica el empleo de los recursos pertinentes; por ejemplo, enlasinvestigaciones sociales las prue- bas estadisticas proporcionan una visién mas precisa del objeto de estudio, ya que apoyan o no las hinétesis para su validacion 0 rechavo, Los estudiantes pueden concebir una idea de investigacién 2 partir de sus intereses personales, aunque se recomienda que ‘eljan temas intimamente relacionados con su carrera, y que pro- cuten que sean de actualidad y de interés comin, Para ello, los profesores deben infundi en los alumnos la im- portancia de la investigacién en el terreno académico y en el Profesional, destacando su relevancia tanto en la generacion de Conocimiento como en la bdsqueda de soluciones a problemas. Ronee De Js Caur Casto Profesor de tiempo completo Facultad de Ciencias de la Administacion ‘niersidad Auténama de Chiapas Chiapas, México sexs paboebion Hn Haphepeshet Moncapitulo Recoleccién y analisis de los datos 14 cualitativos Intentar capturar el amor profundo de un padre o una madre hacia sus ‘jos, comprender céme las envidias afectan el rumbo de ciertas em- presas, entender por qué un individuo es copaz de privar 0 otro de la vido, mientros que hay seres humanos que dedican su existencio con pasién a salvar las vidas de los dems, recoger las experiencias de un ‘experto en manufactura que lleva media siglo trabajando en ciestos procesos o conocer las sentimientos de alguien que ho sido diagnosti- ‘odo on una enfermedad terminal, son cuestiones que requieren el ‘enriguecedor proceso cualitativ Roberto Hemnénder-Sampie aso 4A Recoleccién y analisis de los datos cualitativos Proceso de investigacién __* Confirmar la muestra 0 moditicata. cualitativa «© Recolectar las datos cualitativos pertinentes. « Analizar los datos cualitativos:codificacién abierta, axial y selective. ~ Generar conceptos, categoria, temas, descripciones,hipéte- sisy torla fundamentada en los datos, asi como narrativas. Objetivos de aprendizaje Al terminar este capitulo, el alumna sera capaz de: + Entender la estrecharelacién que existe enti la seleccion de la muestra la recoleccién y el analisis de los datos en el proceso cuaitativo. + Comprender quién recolecta los datos en la investigacién cualitativa, + Conocer los principales métodos para recolectar datos cualitativos. + fectuar andliss de datos cualitativos Sintesis En el capitulo se considera la estrecha vinculacién que existe entre la conformacion de la mues tra, la recoleccién de los datos y su analisis. Asimisma, se revisa el papel del investigadar en dichas tareas. Los principales métodos para recabar datos cuaitativos son la observacién, la entrevista, los grupos de enfoque, la recoleccién de documentos y materiale, y las historias de vida #1 analisis cualitativo implica organiza los datos recogidos, transcibirlos cuando resulta necesario y codifcarlas. La codificacién tiene dos planas o niveles. Del primero, se generan tunidades de significado y categortas. Del segundo, emergen temas yrelaciones entie concep tos. Al final se produce una teoriaenraizada en los datos, sexs paboebion Hn Haphepeshet Mon#1 analisis cuaitativo es iterative y recurrent, y puede efectuarse con la ayuda de prog ZB cone se ‘mas computacionales como Atla.ti® y Decision Explorer, cuyas demostraciones ("demos enince se podrn descargar del centro de recursos en linea de [a obra. De igual frma, en este medio, hhemos puesto adisposicin del lector un sencll manual para Aas tié en POF. > Recoecié y ans de dats ena isan cata > J Anis de datos Se nico a estucuain de ats, ns > scan obtener ‘datos que se convertirén en ‘ ~ a rganizacn de tos py, Perea + Transp del material Yrequiere de uabitcore de ans pra docmenta proceso » ein wt us | ~ Clinvestigador es el instrumento onde 8 : Soe nls “eee ssa gap | “ ‘crnsndean “tee > sus hetraiertas son Cd - nee > ‘rincipalmente; ~ Etnograph® © Anotcones ica de campo NN and a . + Erevistas ‘Sus principales criterios "ar ne iapeacae “Hema yes : : oe si a “teste Me an oan seat = ‘wedebsi © eet es dt fre segue id * Desa de teas palones is ean) Cain let pr i (one a) _generacién de hipotesis, ‘tacos teary rates tet: pi sane us al 13 onde ents ees tai’ te pte des GE i Corgan de cenit de recone p/arnmane com here wen iince sexs paboebion Hn Haphepeshet Mon36 opitule 14 Recolecin y andlsis de ls datos cuaiaivas o1 O2 Hemos ingresado al campo y elegimos una muestra inicial, ;qué sigue? Como se ha mencionado en varias ocasiones, el proceso cualitativo no es lineal ni lleva una secuencia ‘como el proceso cuantitativo, Las etapas constituyen més bien aeciones que eleccuamos para cumplit con los objetivos de la investigacién y responder a las preguntas del estudio; son acciones que se yux- taponen, ademas de sr iteraivas 0 recurrentes. No hay momentos en el proceso en el que podamos decir: aqui terminé esta etapa y ahora sigue tal etapa. Al ingresar al campo 0 ambiente, por el simple hecho de observar lo que acurte estamos recolectando y analizando datos, y en esta labor puede ir sjustindose la muestra, Mucstteo, secoleccién y andlisis son actividades casi patalelas. Desde luego, no siempre la muestra iicial cambia, Asi que, aunque veremos los temas pertinentes a la recoleccién yyandlisis, uno por uno, no debemos olvidar Ia naturaleza del proceso cualitativo, la cual se representa cen la figura 14.1 © Figura 14.1. Naturaleza del proceso cuaitative ejemplificads con un tipo de recoleccion de datos: la entrevista, > » » Enivevista 1 Entrevista? Envrevista3 Enterta fo > pececin de ls das > nasi de os dats TT" > ods fia En la figura se pretende mostrar el procedimiento usual de recoleccién y anslisis de los datos con el método de las entrevitas, pero pudieran ser sesiones en grupo, revisidn de documentos o de arte- factos, observaciones u otro método para recabar informacién, Se recogen datos —en la muestra inicial— de una unidad de andlisis © caso y se analizan. Simulténeamente se evalia sila unidad es apropiada de acuerdo con el plantcamiento del problema y la definicién de la muestra inicial. Se recolectan datos de una segunda unidad y se analizan, se vuelve ‘a considerar si esta unidad es adecuada; del mismo modo, se obtienen datos de una tercera unidad y se analizan; y asi sucesivamente. En tales actividades la muestra inicial puede o no modificarse (man- tenerse las unidades, cambiar por otras, agregar nuevos tipos, etc); incluso ef planteamiento esté sujeto a cambios. ‘Comentadsa la esencia del proceso de recoleccién y anilisis, hagamos algunas consideraciones. La recoleccién de los datos desde el enfoque cualitativo Para el enfoque cualitaivo, al igual que para el cuantitativo, la recoleccién de datos resulta fundamen- tal, solamente que su propésito no es medir variables para llevar a cabo inferencias y andliss estadis- tico, Lo que se busca en un estudio cualitaivo es obtener datos (que se convertiran en informacién) de personas, eres vivos, comunidades, sitvaciones 0 procesos en profundidad: en las propias “formas de expresin” de cada uno. Al tratarse de seres humanos, los datos que interesan son conceptos, per~ scx paboebion to Haphepeshet onLatecolecibn de los datos desde el enfaque cuatatvo 397) cepeiones, imagenes mentales, creencias, emociones, interacciones, pensamientos, experiencias y vivencias manifescadas en el lenguaje de los participates, ya sea de manera individual, grupalo colec~ tiva. Se recolectan con la finalidad de analizarlos y comprenderlos, y as responder a las preguntas de investigacién y generar conocimiento. Esta clase de datos es muy itil para eapturar y entender los motivos subyacentes, los significados y las tazones internas del comportamiento humano. Asimismo, no se redueen sélo a mimeros pata ser analizados estadisticamente (Savin-Baden y Major, 2013; Stake, 2010; Firmin, 2008; y Encyclopedia of evaluation, 2004), pues aunque a veces s se efectian conteos, no ¢s cl el fin de los estudios cual participantes o unidades de andlisi. En el caso de seres humanos, en st vida diaria: datos en los ambientes naturales y catiianos de los partipantes 0 tativos La secoleccién de datos ocurte en los ambientes naturales y cotidianos de los Reoleclon de datos Aopio de ¢ Undades de ands ccémo hablan, en qué creen, qué sienten, cémo piensan, cémo interactian, eteécera ‘Ahora bien, > » Preguntas geneaes Preguntas Prepants Preguntas de ylicies comply sensibly delicate ite » Bl entrevistador tiene que demostrar interés en las racciones del entrevistado y peditle que sefia~ le ambigiedades, confusiones y opiniones no incluidas, + Cuando al entrevistado no le quede clara una pregunta, es recomendable repettla; del mismo modo, en caso de que el entrevistador no entienda una respuesta, es conveniente que le pida al entrevistado que larepita, para verficar que no haya errores de comprensidn, Cuando las respucs «as estn incompletas pueden hacerse pausas para sugerir que falta profundidad o hacer preguntas owas aopades de Rubin y Babin (2012), Pesaud (2010), crivan (208), Fowler 2002) yterber 2002) scx paboebion to Haphepeshet on Entevistas406 ¢ opitule 14 Recolecin y andlsis de ls datos cuaiaivas y comentarios de ampliacién (por ejemplo: digame més, qué quiere decie? Lo cual significa e..2) El cauevistador debe exar preparado para lidar con emociones y exabrupts. Si expresames comentarios solidarios, debemos hacerlo de manera auténtica, © Cada entrevista es nica y crucial, y su duracién debe mantener un equilibsio entre obtener la informacién de interés y no cansar al entrevistado. + Siempre demostrar la legitimidad, seriedad e imporcancia del estudio y la entrevista. + El entrevistado debe cener siempre la posibilidad de hacer preguntas y disipar sus dudas. Es importante hacérselo saber Partes en la entrevista cualitativa (y més recomendaciones) Ahora, en la figura 14.3 vamos a hablar de recomendaciones de acuerdo con la secuencia més comin de una entrevista, aunque recordemos que cada una es una experiencia de dislogo tinica y no hay cestandarizacién, © Figura 14.3 Esquema sugeride de entrevista cuaitativa (con mss recomendaciones). > Planeacidn: Una er enticed entertad Contacto (resentase usted nda el propose ele enrevis,aseguale caniencaldadylgrat su bartkipain, ace una ca en un ugar adage, ‘geneaent debe ser pvad y confortable) Tal bor Duet hacetse va teen y/o por cata o e-mail, Prepare una eniesta (ga) mas ben aietao poco etude (en dives imestigaanes se genern preguntas mediante una “torment ideas), Las regunasdeben ser compensiblesy estar vincladas anal planteaint (cal ya hai reisado vas veces) también on a inmetsin en el campo, aunave enalgunas estas, a prmeraentrevstapuece ensuite propia ames) + say a guia de entrevista con algin amigo o amiga (o patent) del miso tipo qu el fut patciante © Cnfirme lca un da antes ‘cule putualmente aa env Enis enteistas se uta citerentesharaientas aa obene egal informacion ene ets fenemos 2) grabacn de ati ide, notas en ‘iets computadoras pesonals ode bas oocket tablet: tad ital (ue tense as eters un proceso de texts yprogtamas de ans fotos, ve simulacones programas omputacionaes par iteraivar cn el ented, en siuaciones qu asta reuerany donde reste facile y convenient Por lo menos, tome nots gabe la entrevista yleve sufcient nei par qe Se inlerrumpa fo menes posible a gabac) ita apropiadamente (de acuerdo con lpr de patapate.Par ejemplo con eecatnosen sus fas, su atuend ser fomal od trabao En las casas, spot ‘Aeris Ga gut, leve an formate de consestiiento ara entrevista datos cel enrenstada, ase que ‘toga upermiso,eh), l ul ser fa pore parpante ’ ‘N inici: © Apague su teléfano claro movi * Patiue sobre un tema de intersy rept el ropésito dela ener, a confidence, eee + Esregue a forma de cansentimient, pda permis pare arab tomar ols, vcomiente Durant a entrevista + Escuche activate, mantenga fa conersacion y no transmit tersién Sea paciente, espete silencio, tenga un interés seuino + Aseiese de qe el enteistdo tein de contstar tua prepunta anes de pasa aa siguiente Cope aspecsvtalsyn0vebles «Tame nates y abe send lo ms discret posible » Demuesti ape por cada respuesta AN fn * Preguntar al entrevista stone algo cue agregar o algun dude + Compartis lgunas de as intesretaciones que hagames Despus del entrevista © Hage un resume, revise sus ots trensciba le enirevista Analice alenteistcoy su context {qué me doy porque? Como trenscuri lense? clea) «Evie ua carta, cueo, mensje por ura ed social ele, aradecendo ~ Anal a entreista y revise a guia para mejor, + Rept el proceso hasta que tenga una guia adeciae y sutcentes casas ogra strain ela cal ase mmeciond qu ecomenlaré en a pare deans), scx paboebion to Haphepeshet onEntevistas oo A continuacién mostramos un ejemplo de una guia 0 protocolo de entrevista semiestructurada aque se empleé en varios paises latinoamericanos con ejecutivos medios (supervisores, coordinadores, jefes de area y getentes) en los estudios sobre el clima laboral en empresas medianas: jem po Guia de entrevista sobre el clima laboral Fecha: _____ ora Lugar (udad y sitio espectica). Entrevistador: Entrevistado (nombre, edad, género, puesto, direccén, gerenca o departamento) Introducci6n Descripcién general del proyecto (propésito, partiipantes elegidos, motivo por el cual fueron seleccionados, uilizacién de ls datos). Caracteristicas dela entrevisto onfdencialidad, duracién aproximada, Preguntos {Qué opina de esta empresa? {émo se siente trabajando en esta empresa {2Géma se siente en cuanto a su motivacién en el trabajo? {2Gémo es la reacidn que tiene con su supesiarinmediato o jefe? {Qué tan orgulloso se siente de trabajar aqui en esta empresa? {Que tan satistecho estd en esta empresa? ;Por qué? Si compara el trabajo que realizaen esta empresa con trabajos anteriores, en cusl se sinté mejor? zPor que? | Sie ofrecieran empleo en otra empresa, pagéndole lo mismo, ;cambiaria de trabajo? 9. Como es la relacén que tiene con sus comparieros de trabajo? ;Podria describ? 10, {Que le gusta y qué no le gusta de su trabajo en esta empresa? 11. €émo ve su futuro en esta empresa? 12. Siestuviera frente 2 los duehos de esta empresa, zqué les dia? ;Qué no funciona bien? ,Qué se puede mejorar? 41 :Qué opinan sus companteros de trabajo de la empresa? Qué tan motivadas estén? “V4. (Que les gustaria cambiar a ellos? observaciones: Dé las gracias ¢ inssta en la confdenciaidad y la posibildad de participacionesfuturas. En el cjemplo de la entsevista sobre el clima laboral, el enteevistador, segin el ‘curso que siga la interaccién, tiene libertad para ahondar en las respuestas (agregando __Favewta caltatva Pusden cerse preguntas sobre expeien Ia fiase “gpor que” y otras preguntas que complementen la informacién) ios, opines, valores y ren, Para disefar la guia de temas es necesario tomar en cuenta aspectos préeticos, _emaconessentimientos, hechos, Jicos y téricos. Los prictics tienen que ver con que debe buscarse que la entrevista _histtas de vid, perepcones, capte y mantenga la atencidn del participante. Los éticos en el sentido de que el inves-_*tibuciones, etcetera, tigador debe teflcxionar sobre las posibles cansecuencias que tend que el partcipan- te hable de ciertos temas. ¥ los tedricos en cuanto a que la guia de entrevista tiene la finalidad de obtener la informacién necesaria para responder al planteamienco, Asimismo, debemos tener en men- te que la cantidad de preguntas esté selacionada con la extension que se busca en la entrevista. Se incluyen slo las preguntas o frases deronantes necesaria y es recomendable redactar vasias formas de plancear la misma pregunta, para tenerlas como alternativa en caso de que no se entienda Paradgjieamente, en ocasiones nos puede interesar cierta unidad de andliss, pero las entrevistas no las hacemos con el ser humano que la representa, sino con personas de su entorno. El siguiente «aso es un ejemplo y consideramos que habla por si mismo. scx paboebion to Haphepeshet on408 capitulo 14 Recoleccdn y andl de las datos cualitatves Fem ———_—$_=———— Por cada 100 000 nacidos vivos en indonesia, se calcula que mueren hasta 400 mujeres. Se cree que en alg nas regiones del pa's—incluida la provinca de Java Occidental, las tasas de mortalidad mateina son todavia mas elevadas. {Se puede reducir al la mortalidad materna mediante el cambio de comportamiento individual? Si es posible, zcémo se puede hacer? ;Pueden los organismos publicos locales y los servicios de salud poner en Practica alguna poltica,capacitacin 0 presupuestacién, o cambiar los procedimientos para prevenirlas defun- Cones maternas? Para responder a esas preguntas, os investigadores del Centro de Investigaciones de Salud de la Univer~ sidad de Indonesia emplearen métodos de investigacén cualitativa para entender mejor las experiencias de 163 mujeres procedentes de regiones geograficamente diversas de Java Occidental, que hablan experimentado tigencias obstéticas 53 de elas mortales en 1994 y 1995, Mediante una técnica innovadora de recopila: Cid de datos cvaitativos llamada "Rashomon", los investigadoresrealzaron entrevistas 2 fondo con un pro- medio de seis testigos de las emergencias, entre ells familiares, vecnos, funcinarios municipales,asistentes tradiconales de partos y personal de atencién de salud. Los testigas compartieron sus observaciones e intr- pretaciones de las causas del resultado obstétrico. Luege, se compararon sus relatos detallados para haces un resumen de las cicunstancia en tomo al acontecimiento. Por tltimo, esos relatos se unieron a las pruebas; a saber, histories clnios,informes polcales, ceri «alos de defuncion y otros documentos. Con base en toda esa informacin, los médicos e investigadores evaluaron la causa dela muerte y cémo se podia evtar en el futur. inalmente, incluimos un formato para evaluar las entrevistas cualitativas realizadas (cabla 14.3), basado en Creswell (2005) © Tabla 14.3 _Sugerencia de formate para evaluar la entrevista {fl ambiente sco de a entrevista fue el adecvado? (quiet, confortable, sin molest) {le enewsta fue interrumpida?, con gus frecuencia, afectaron las intrrupiones el curso de Ia entrevista, la profundidad y a coberture de as preguntas? fl mo de fa entrevista fue adecuado a entrevistado o fo entrevistada? “uncon la guia de entrevista, se hicieron todas ls preguntas, se obtuviran los datos necesatis qué pede mejrarse de ls gua? {QUE datos no conternplados riginalmente emanaron de a entrevista? i entevstado se masti6 honestoy abierto en sus respuestas? {El equipo de grabacién funcioné adecvadamente?, ise gabé toda a entrevista? uid inten las respuestas del enevstad?, co logit, 8 intiodujeron sesgoe? {as lta preguntas fueron contestadas con la misma profundidad de las primera? {51 comportamiento con el entrevistedo ola entrevistada fue corts y amable? _Elentrevistado se molest, se enoj otuve alguna ota reaccién emocinalsignficatva, cual, afect esto la entrevista, zcémo? 12, gue un entevstador activo? 15. stuvo presente alguien mis aparte de usted y el entrvistado, est afect?, ide qué manera? Con las nuevas tecnologias de comunicacién las entrevistas personales también pueden llevarse a cabo por internet (por ejemplo, usando Skype, su red social favorita u otros sistemas para videollama- das o conferencias virwales) Sesiones en profundidad o grupos de enfoque Enos grupos de enfoque existe un interes por pate del nvestigador por -—-‘Un. método de recoleccién de datos cuya popularidad ha crecido son los grupos de mals indvidosforman un cenfoque, Algunos autores los consideran como una especie de entrevistas grupales, cesqueme o perspectiva de un problema 2 taves dela interaceén, Jas cuales consisten en reuniones de grupos pequefios 0 medianos (tres a 10 personas), cn las cuales los partcipantes conversan a profundidad en torno a uno o varios temas iemploemade de kono’ a (1996), “ements ave pa red a mtd mate: s evestgn as casts eI elaonermaterasenindone’, Fi olin mesa de Sout Neto en Espanol 2002, vl 2, nim 29. scx paboebion to Haphepeshet onSeslones en profundidad o grps de enfoque en un ambiente relajado e informal bajo la conduccién de un especialista en dindmicas grupales (The SAGE Glossary of the Social and Behavioral Sciences, 2009}; y Krueger, 2004). Mis alld de hacer a :isma pregunta a varios participantes, su objetivo es generar y analizar a interaccién ente ellos y ccémo se construyen grupalmente significados (Morgan, 2008; y Barbout, 2007), Los grupos de enfo que se wtlizan en la investigacin cualitativa en todos los campos del conocimiento, A continuacién se desarrollaré un enfoque general para cualquier disciplina. Creswell (2005) indica que el tamafio de los grupos varia dependiendo del tema: tres a cinco petsonas cuando se expresan emociones profundas o temas complejos y de seis a 10 participantes si Jas cuestiones versan sobre asuntos més cotidianos, aunque en ls sesiones no debe excederse de un _ntimero manejable de individuos. El formato y naturaleza dela sesibn 0 sesiones depende del objetivo y las caractersticas de los partcipantes y del planteamienco del problema (Hlennink y Leavy, 2013: y Krueger y Casey, 2008) En un estudio de esta naturaleza es posible tener un grupo con wna sesién tinia, varios grupos que participen en una sesién cada uno, un grupo que intervenga en dos, res 0 més sesiones, 0 vatios Bru pos que participen en miltiples sesiones. En general, es dificil decidir de antemano el niimero de ‘grupos y sesiones; normalmente se piensa en una aproximacién, peto la evolucién del abajo con cl grupo o los grupos es lo que nos va indicando cusndo “es suficiente” (una vez. més, la “saturaci6n’ de informacién, que implica que tenemos los datos que requerimos, desempefia un papel crucial, ademés de los recursos que dispongamos) En esta técnica de recoleccién de datos, la unidad de andlisises el grupo (lo que expresa y cons ‘truye) y tiene su origen en las dindmicas grupales, muy socorridas en la psicologia, El formato de las sesiones es parecido al de una reunién de aleahélicos anénimos o a grupos de crecimiento en ef desa- rrollo humano. Se reine a un grupo de personas para trabajar con los conceptos, las experiencias, cemociones, creencias, categorfas, sucesos 0 los temas que interesan en el planteamiento de la gacién. El centro de atencin es la narrativa colectiva Ellis, 2008), a diferencia de las entrevistas, en las que se busca explorar decalladamence las narrativas individuals. Los grupos de enfaque son positivos cuando todos los miembros intervienen y se evita que uno de los participantes gui la diseusién. Algunos ejemplos se muestran en la abla 14.4 © Tabla 14.4 _flemplos de estudios con grupos de enfoque Hundley yshyles (2010) levaron a cabo un estudio para eo Cochenta estudiantes de secundaria de as costar Fst y Comprender qué piensan los adolescentes sobre sus Aspostves dgitales (cellares, videojuegose internet) y ef lugar que ocupan en su vida Inkandawire-Valhmu y Stevens (2010) emprendieron una investigacién para entender a prablemstica de mujeres iagnosticadas con Vl de zonaspobres de Malawi, Aiea Cooper y Yarbrough (2010) efectuaron un estudio para ‘conocer las condiclonessantais en Zonas rurale de Guatemala, en dos fase: Ia primers usando grupos de enfeque y la segunda mediante ftovor Duis y van Romondt (2009) analizaron como se identican as nis con celebridades de su msmo gener como inluyen en su vida uppentha, Tuck y Gagnon (2005) realizaron una investigacén para valida culturalmente cuestionais y formas de consentimiento preparaos en 11 idioms, aa poderlos alcar 2 inmigrantes que legan a Canad Deste de Estados Unidos, dstibuidos en 11 grupos de enfogue ycuyas edadesfuctuazon entre os 12y 16 anos Se reclutaron 72 mujeres dlagnostcadas con side en cualiocineas de vatamientaantivevovial (ues tales ‘yuna ubana), par partcparen 12 grupos focaes, {Un grupo de enfoque con 15 comadonas de 1 vil tales, cuyas edades osciaron entre es 27 y los 81 aos (on experiencia como comadconas de entre dos y 6 aos), Seis gupos de enfoque conformados por ninias holandesas de 12 y 13 aos (n= 2, los grupos vairon de dasa ses paripante). Se reclutaron 13 mujeres (migrates, refugiadas, asiadasy estudiantes internacionales), de as cuales 11 patiparon en tes ssiones de cuato horas, los idiomas fueron: espafl, mandarin, cantons, anc, arabe, ruso, tamil, punjabi, ud, der (pea) e ingles scx paboebion to Haphepeshet ona0 ¢ opitule 14 Recolecin y andlsis de ls datos cuaiaivas Asimismo, se han formado grupos de enfoque pata comprender las experiencias de cenfermos en diferentes tratamientos médicos, evaluat los problemas en la atencién a pacientes de un hospital, disefiar mejores practicas de manufactura, optimizar un proceso de produccién, entender los rmotivos por los cuales mujeres maltratadas por sus esposos, mancienen sin embargo la relacibn; cono- cer la manera en que se aplican modelos de ensefianca, profundizar en las percepciones sobre un nuevo producto, eteétera Es importante que el moderador de las sesiones esté facultado para organizar y con manera eficiente estos grupos y lograr los resultados esperados: de ese modo, manejar las emociones cuando surjan y obtener significados de los paricipantes en su propio lenguaje, ademas de ser capaz de aleanzar un alto nivel de profundizacién. El guia debe estimular la participacién de todas las per- sonas, evitar agresiones y lograr que todos tomen su turno para expres Con respecto a la conformacién de los grupos, si deben ser homogéncos o hecerogéncos, el plan teamiento del problema y el trabajo de campo indicarin cuil composicién es la mas adecuada, Pasos para realizar las sesiones de grupo 1. Se determina un ntimero provisional de grupos y sesiones que habrin de realizarse (y como se rencioné, tan imero se puede acortaro alargar de acuerdo con el desartollo del estudio). 2 Se define el tipo tentative de personas que habrin de participar en la sesién 0 sesiones Regularmente, durante la inmersién el investigador se percata de perfil de fos individuos adecua- dos para los grupos: pero también el perfil puede modificarse si la investigacién lo requiere. Algunos ejemplos de perfiles son: * Jovenes drogadictos entre los 16 y 19 afios de cierto bartio de una ciudad. + Mujeres limefias de 45 a 60 atios divorciadas recientemente (hace un afio © menos) de nivel econémico alto (A) + Pacientes terminales de cincer que no tengan familia, que sean mayores de 70 afos y estén en hospitales piblicos (gubernamentales) de una ciudad, eteétera 9, Se detectan personas del tipo elegido y se les invita alas sesiones. 4, Se organiza la sesién o sesiones en un lugar confortable, silencioso y aislado. Los participantes deben sentirse tranquilos y relajados. Asimismo, es indispensable plancar lo que se vaa tratar en cada sesién (preparar una agenda) y asegurar los detalles (aun cuestiones sencillas, como servir café y reiescos; no hay que olvidatse de colocar identificadores con el nombre de cada partci- pante o etiquetas pegadas ala ropa). 5, Se_llevaa cabo cada sesién. El moderador tiene que crear un clima de confianza entte los partici: pantes, También, debe ser un individuo paciente y que no sea percibido como “distante” por ellos Y que propicie laintervencién ondenada y a interaccién entte todos. Durante la sesibn se pueden soliitar opiniones, hacer preguntas, administra cuestionatios, discutir casos, intercambiar pun- tos de vista y valorar diversos aspectos. Es necesatio que cada sesibn se grabe en audio o video (es mucho mas recomendable esta segunda opcién, porque asi se dispone de mayor evidencia no verbal en las interacciones, como gestos, posturas corporales o expresiones por medio de las manos) y después realizar aniisis de contenido y observacién. El conductor debe tener muy en claro la informacidn o los datos que habran de recolectase y debe evitar desviaciones del objetivo planteado, aunque tend que ser flexible 6. Seclabora el reporte dela sesién, el cual incluye principalmente: © Datos sobre los participantes (edad, géneto, nivel educativo y todo aquello que sea relevante para el estudio) + Fecha y duracin de la sesidn (hora de inicio y terminacién). que puede descargas dl eto de recrses en ne, " ° scx paboebion to Haphepeshet onSeslones en protunddad o gupesdeentoque "EEE + Informacién completa del desarrollo de la sesién, actitud y comportamiento de los participan- tes hacia el moderador y la sesién en sf, resultados dela sesién. * Observaciones del conductor, asf como una biticora de la sesisn. Es pricticamente imposible que guia tome notas durante la sesién, por lo que éstas pueden ser elaboradas por otro investigador. La agenda de cada sesidn tiene que estructurarse con cuidado para sefialar las Grabar cada sesion es fundamental; ¢ actividades principale, aunque es también una herramienta flexible, La tabla 14.5 ex al el, ecmendable sar tin ejemplo de agenda ° reales ca arte ‘de una sesién en profundidad o de enfoque Revisar el salén (Francs Boos) 910 Insalarel equip de vdeo (macié) (Guadalupe Rijas) 930 Probar eauips (indluyendo micrSfones) (Guadalupe Rijas) 94s Vetfiar servi de café (Francis Batos) 10.00 Veitiar dsponiblldad de estaconamiento para partipantes (Fancs Baris) aoas ecb a participates (todos) 1020 Inia a sesdn: René Fujyama, observadra ala Ramer s2.00 onelila seston: René Fulyame was Enreparobsequios 2 los prtipantes (Francis Barrios) 30 Revision de notas,gabacisn en audi y video (René Fujiyama y Talla Ramer) 1330 Llevar el equipo (Guadalope Rojas) Se avoscumbra que a los participantes se les pague o se les entregue un obsequio (vales de despen- sa, perfume, entradas para el cine, vale para una cena en un restaurante clegante, tc. segiin sca el caso) La guia de los temas (al igual que en l caso de las entrevistas) puede ser estructurada, semiestruc- turada 0 abierta, En la estruccurada los temas son especificos y el margen para salitse de éstos es inimo; en la semiestructurada se presentan temas que deben tratarse, aunque el moderador tiene libertad para incorporar nuevos que surjan durante la sesién, ¢ incluso altear parte del orden en que se tratan; Finalmente, en la abierta se plantean puntos generales para cubritse con libertad durante la De acuerdo con Carey, Asbury y Tolich (2012), asi como Barbour (2007) las gufas temaéticas son breves, con pocas preguntas o frases detonantes. La aparente brevedad de la gufa tiene detrés un tra- bajo minucioso de seleccién y formulacién de las preguntas que fomenten més la interaccién y pro- fundizacién en las respuestas. Al disefiar la guia, cl investigador debe anticipasse a las posibles respuestas y reacciones de los pasticipances para optimizar la ses, Se muestra un ejemplo de guia de temas que se utilizé en el ya mencionado estudio sobre la moda y la mujer mexicana (Costa y Hernandez-Sampieri, 2002). Como se ha comentado, la investigacién implicé: inmersién inicial en el campo, observacién abierta y observacién particularizada. Posterior mente, se recolectaron datos cuantitativos y cualitativos (esto iltimo se detallaré un poco més en el proceso mixto). En la parte cualtativa se realizaron cinco sesiones en cada una de las ocho ciudades donde se Hlevé a cabo el estudio (40 en total). Para cada ciudad, los grupos se integraron de la siguiente manera scx paboebion to Haphepeshet on412 copitlo 14 Recoleccdn y andl de as datos cualitatves jer p i | ee Nivel sociveconémico Cre Damas 1825 anos AYE (alto y medio alto) (medio) Ay (alto y medio alto) (medio) By C (medio alto y medio) Damas 1825 aos Damas 2645 ahos Damas 26-45 aos ovenes 15-17 ahos La guia de temas se muestra a continuacién y se despliega en las pginas siguientes y es producto dela inmersibn y la observacién previas: jer po Guia de temas para la “moda y la mujer mexicana"? Departamento de ropa y accesoros para mujeres ‘A referencia de tiendas 4. :Qué tiendas departamentales o boutiques han visitadodltimemente? 2. Gor qué razén han vsitado esas tendas? 5. gCual esa tienda que prefiren vista? Por qué? “1. {Qué tan seguide vistan su tienda favorita? 8. Percepcin del departamento de ropa y accesorios para mujeres de LLL 4. Qué secciones del departamenta de ropa y accesories para mujeres conocen? 2. {Qué seccones considerarian las mejores del departamento de ropa y accesotios para mujeres? 5. {Guiles serian las secciones del departamento de ropa y accesorios para mujeres que se necestan mejorar? 4, Dentro de todo el departamento de ropa y accesoros para mujeres, :qué servicios de LLL consideran son mejores que los de otras tiendas? ‘5. anceptao tépic objeto ——» " — Dimensiones = —> Preguntas Por ejemplo, supongamos que realiza un estudio para conocer los perfiles de consumidores de tuna tienda que vende ropa. El proceso para obtener preguntas podria set el de la tabla 14.6, © Tabla 14.6 Proceso para obtener preguntas Establecerlos | + Frecuencia de compra | 1. ;Cada cusndo compran ropa? pees y caracterizaco nes delos | «Maras de compre 2. ules som as tes marcas de rope que acostumbran comprar? onsumidores ° Ss 5. Por que? = Marcsieles 4. £u8l es marca de rope que les gustaria comprar (su idea)? 5. 2Por qu, que tiene es2 marca que les lame la atencién? + Prendas que compran | 6. zCul es el tipo de prendas que adquieren con mayo frecuencia “pantalones, payers, blusas, etcetera)? 7. or que? + Prendas ideas 0 8. uals som las prendas que les gustaria comprar m3s si tuvieran aspires {odo el dinero ola plata pate aceto sin lites? 9. Por que? ~ Prendas que disttan | 10. :Cusles son las prendas que mis dstrutan compra? compa + Mativsde compre | 11. gn qué se than al escoger la prenda y mace que compran? + Precas 12. :Cvantoacostumbran pagar por blusa 0 camis, pantaln 0 falda, hamattaosustery ropa inten? + Freca mixin 13. :evsnto estarandispuestos 2 pagar por bisa ocamisa,pentalin o falda, chamarraosuéter y ropa interior? (o maxim, suponiendo aque les gustan mucho las prendas) Lugar de compre 14. jD6nde compran su ropa? 15. Por qué ab En algunos grupos de enfoque se puede utilizar mat videos, reco | estimulador, como dibujos, fotografia, cs de periédico, entre otros: para “romper el hielo”, introducir un tema, incentivar una discusién o proveer puntos de comparacién y que los participantes expongan su perspectiva y expe riencias de forma detallada acerca de un tema, fenémeno o situacion, FeO lo —— En unas sesiones grupalesllevadas a cabo para conocer el punto de vista de los pacientes respecto ala aten cin médica basica que recibian en una clinica de una loalidad pequena, se us6 como material estimulador tuna imagen de una conacida telenavela cuya historia se desarallaba en una clinica de atencién médica basi- {, Todos los participantes habian visto la telenovela, por lo que podian vtiizarla como referencia para com patara los personajes con sus médicos personales. En la sesién el maderador mostraba la fotografia de los médicos de la telenovela y les decia: “éste es un médico con el que probablemente todos estan familiaiza- os, gcémo se compara su propio médico general dela clinica a éste de la novela?” (Barbour, 2007), scx paboebion to Haphepeshet onDocumentos, restos, materiales yartefactas (Otraalternativa para complementar la discusién en los grupos de enfoque son los ejercicios eseri- tos. Por ejemplo, se puede disefar una serie de preguntas que los participates respondan por escrito cde manera individual antes de discutr el tema de forma grupal, lo que ayuda a investigador a conocer Ja respuesta personal y a que los participances reflexionen mas detenidamente su respuesta, si esto fuera lo que se busca Tanto en el caso de los materiales de estimulo como en los ejetcicios eseritos, es indispensable disefiarlos en funcién del objetivo de investigacidn y hacer una prueba piloco para asegurar su pert nencia (Cuevas, 2009) Asimismo, recordemos que al inal de cada jornada de trabajo es necesatio llenar la bitécora 0 diario, donde vaciemos las anotaciones de eada sesién, rellexiones, puntos de vista, conclusiones pre- liminares, hip6cesis iniiales, dudas e inquietudes. Una vez efectuadas las sesiones de grupo, se prepa tan los materiales para su andliss. Documentos, registros, materiales y artefactos Una fuente muy valiosa de datos cualitativos son los documentos, materiales y artefactos diversos Nos pueden ayudar a encender el fenémeno central de estudio, Pricticamente la mayoria de las per- sonas, grupos, organizaciones, comunidades y sociedades los producen y narran, o delinean sus histo- rias y estatus actuales. Le sven al investigador para conocer los antecedentes de un ambiente, asi como las vivencias 0 situaciones que se producen en él y su funcionamiento cotidiano y anormal (LeCompte y Schensul, 2013; Rafacli y Pratt, 2012: Van Maanen, 2011; y Zemliansky, 2608) Encre tales elementos podemos mencionar cartas, diarios personales, fotografia, grabaciones de audio y video por cualquier medio, objetos como vasijas, armas y prendas de vestir, grafiti y toda clase de expresiones artsticas, documentos escrtos de cualquier tipo, archivos, huellas, medidas de erosin y desgaste, etcécera ‘Como muestra, aludimos a las grabaciones de video realizadas por medio de teléfonos celulares, tabletas y otros dispositivos, las cuales han sido muy dtiles en diversas investigaciones. National Geographic ha exhibido varios documentales en los que se presentan grabaciones efeetuadas por diver- sas personas y que sirven, entre otras cosas, para entender qué ocurtié, cuales fueron las expesiencias, y teacciones de la gente y las consecuencias de los hechos (por ejemplo: “Costa Concordia: Un aio después’, transmitido en 2012 0 “EI Tsunami de Japén: Testigos del desastr, mostrado en 2011) History Channel ha hecho lo mismo con sus documentales: “Chile 3:34 AM: El terremoto en tiempo teal” (2011) y “102 Minutos que cambiaron al mundo” (sobre los ataques terroristas del 11 de sep- tiembre de 2001 en Nueva York, presentado en 2009). A.veces se les solicia alos participantes que los elaboren como en la foravor" y otras veces sim- plemente se recopilan, ‘Algunos ejemplos de estudios que se han fundamentado en este tipo de materiales que propor cionan datos cualitativos pata el andlisis son: 1, Los envendedores marca Zippo que fueron proporcionados a algunos soldados estadounidenses en la guerra de Vietnam, quienes grabaron en los costados de tales artefactos diversas leyendas (Escerberg, 2002): sus nombres, fecha de parcida o lugar de servicio, ambién mensajes breves, de patriotismo y orgullo por su pais o de odio hacia la guerra y su gobierno. Muestras de estos mensajes son: “Somos los indispuestos dirigidos por los incompetentes haciendo lo innecesario pata los desagradecidos’: “Para aquellos que luchan por ello, la libertad tiene un sabor que los protegidos nunca conocersn’s “Algo y todo"; “En linfierno”, “{Concedido!, seré el primero de todos en peleat, soy el soldado que va en el trasero”. Hubo quien dibujé per- sonajes como el perro Snoopy 0 escribié poemas completos. La flavor es un tena dra pra patesra Calin Wan ena dca de 1980 que ela misma define ao ‘ar asutos del comunidad de un forma catia y pessnal. scx paboebion to Haphepeshet on416 capitulo 14 Recoleccdn y andl de as datos cualtatves Los mensajes pueden ser analizados para conocer sentimientos, experiencia, deseos, los y ouos aspectos de los combatientes 2. Rathje (1992 y 1993) analizé la basura de los hogares de Tueson, Arizona, Estados Unidos, con Ia finalidad de aprender habitos y conductas de las personas, particularmente en aspectos com: plejos de evaluar como el consumo de alcohol o compra de comida procesada (“chatarra’). 3. Gotschi, Delve y Freyer (2009) realizaron un estudio en el distrito de Bazi, Mozambique, wtili zando la fotografia participativa para estimvul: alos agricultores en el debate sobre su pertenencia al grupo y evaluar lo que éstasignificaba para ellos como individuos, familias, grupos 0 comuni- ddad. Los investigadores lograton que la combinacién de evaluat fotos tomadas por los participan tes, analizar procesos de grupo y entrevista a los agriculores les permitiera conocer dimensiones cualitativas del capital social de los grupos, incluyendo la dinimica comunitaria, el comporta- miento solidario y la accién colectiva. Querian comprender el punto de vista de los agricultores (cémo ser miembro de sus grupos tiene un impacto en su vida) y conocer su vsién de su mundo. Asimismo, la eximinologia, por ejemplo, se basa mucho en el andlisis de huellas,rastros, artefae- tos y objetos encontrados en la escena del crimen o vinculados con ésca (incluso se fotografia a los sospechosos para evaluar actitudes y comportamientos), asf como en archivos eriminales En al capiculo 13 “Profundizacién en teméticas de Ia investigacién cualitativ’, que el lector S cenvoe puede descargar del centro de recursos en linea, se amplia el uso de artefactos,grabaciones, documen- prises” ton, fotografasyottos materiales come hertamienta para recolectar los datos cualitativos. [el En el ejemplo de la guerra cistera que se utliza en este texto, se recolectaron y analizaron, entie otos: + simbolos religiosos de la época, desde imagenes y figuras en las casas de los supervivientes hasta ‘objetos mss pequenos (escapularios y medallas, por ejemplo) y monumentos como el de Cristo Rey (una escultura que mide 20 metros de altura y peso 80 toneladas),situado en el cerro de El Cubilete, lugar que fue el centr crstero mas importante en Guanajuato. + Fotagrafas de la épaca de diversos ambientes donde ocuri6 este conflicto armado tomadas cuando se realizé el estudio, * Documentos (cartas, bandos municipales, partes de guerra articulos periodistics, etc.) que se cencontraban en archivos municipales, eclesisticos, de grupos religiasos y de archivos personales. Tales elementos sirvieran como fuentes complementarias a ls entrevistas y observaciones. Recolecin de artefactos iniye entender el contexte sci e istrico ENquese abun usson, geseehe- UY importante es que el investigador debe verificar que el material sea auténtico y ron yreutizaron que se encuentre en buen estado. En Ia recoleccidn de documentos, registtos, materiales y artefactos, un punto Biografias e historias de vida La biografia historia de vida es otra forma de recolectar datos muy sovorrida en la investigacion cualitativa. Puede ser individual (un participante o un personaje hist6rico) o colectiva (una familia, tun grupo de personas que vivieron durante un periodo y que compartieron rasgos y vivencias). Para realizatla se suelen utilizar entrevista en profundidad y revisién de documentos y atelaetos persona- les e hist6ricos. Han probado ser un excelente método para comprendet, por ejemplo, a los asesinos cen serie y su terrible proceder, el éxito de lideres en diversos Ambitos (politico, empresarial,religioso, ‘tc), asi como précticamente el comportamiento de cualquier individuo. También se han usado para analizar las experiencias de mujeres violadas, personas secuestradas, pacientes en tratamientos mé cos y psicoldgicos, as{ como procesos de invencién y desartollo de patentes. Esta herramienta para recabar datos seré comentada en el capitulo 13 “Profundizacién en tematicas de la investgacin cus Ese ase ges puede lca descargar del ent de ects en ine en Matra complemen- 0 taxio > Capteutos) scx paboebion to Haphepeshet on“Tangulain de métodos de recolecin de los datos ‘Al momento de clegir y diseir el o los instrumentos de recoleccién de los datos més adecuados pata lograr el objetivo del estudio, es necesario pensar en las ventajas y desventajas de cada uno; en. ‘tras palabras a seleccibn de las hertamientas de investigacién de un proyecto en particular depen- de del planteamiento del estudio, los objetivos especificos de andlisis,el nivel de intervencién del investigador, los recursos disponibles, el tiempo y el estilo (Cuevas, 2009). Por ejemplo, en ocasio- nes lo que nos interesa es la perspectiva individual; as, utilizamos la observacién, la historia de vida/ Diografia o la entrevista personal. Pero otras veces queremos la perspectiva colectiva y entonces recu- rrimos a la observacin de un grupo, la entrevista grupal o el grupo de enfoque. En la tabla 14,7 se comparan brevemente los instramentos para recolectar revisados en este capitulo. Tabla 14.7 Ventas y lmitaciones de los principales instrumentos para recolectar datos cuaitatvos* observocion iinvestigador manteneexperencis invesigador puede servis como partiopante ‘recas onlos paricpantesy el ambiente. | its. bservocion directo | ts facibeobservarcuestinesinusvales yet | Requere qu el ivestigador pasa la ‘noparicpante. | wvestgador puede cpt dats duectos Ge | habihdad pra capt cuestones “vlads” y ios partipantes yet ambiente dsl para | signos no vebaes temas que pueden incomodar als La informacin personal puede no torr 0 patcipantes cuando se dscatenconel | pp serdatecnda Investgador observocion tinvestigadr puede gabary estudiar el | Los participants pueden sents incémados mediante equpes J mateal unay ova ver al saber que sels aba y cn algunes (como os nos) puede se més cmplcado Toga a empatia. Entrevistos Los patipantes pueden prover informa: _ | Los datos estan “trades” po ls puntos de personales ‘én histnea.linvestgador realmente ets. | st eos patiapanes (incloyendo tilizando ds errant: a propia ‘veces el ambiente noes natural de fos personazodos por | enevst yo obsenacn. ae internet) Permite certo cantil del enteevistador sobre | yo todos los partcipantes tienen las mismas los tems por init y ex, mediante | habikdades pare exrestse vetbalmente preguntas. por otros medios Documentos Pesmiten al invesigador estudiar el enguaje | No siempre se puede tener acces a éstos, city grafic de os prtpanes. ts una pariclmente las de crater pivado, ya foima no abtusiva cuando na sees pide | veces es compliado encontiatos Dede elaborates, yen este caso, pueden ser asegurrse sv auteticad recuentemente ‘onsltads en cusguier momento y Ser] es neesaioescaneatios. Pueden estar ‘nalzados cuantas veces se9 preciso. No es | incompletos ‘ecesaro dedcar emo a Lanscabios Moterol oudiovisuol_| siya han sido elaborados, no esobtrusivo y | No siempre es accesible. Si se graba durante puede revsase cuantas veces este Ia investigacin, el otdgatao camarsgrato ‘ecesario. Muchas veces proporciona puede ser obtrusive. informacisn del contexte, Triangulacién de métodos de recoleccién de los datos Siempre y cuando el tiempo y los recursos lo permitan, es conveniente tener varias fuentes de infor- :acidn y métodos para recolectar los datos. En la indagacién cualitativa poseemos una mayor tique- za, amplitud y profundidad de datos si provienen de diferentes actores del proceso, de distintas fuentes y de una mayor variedad de formas de recoleccién. Imaginemos que queremos entender fenémeno de la depresién posparto en mujeres de una comunidad indigena y nuestro esquema de estudio incluye: * Adaptada de reswel (01) ySovnBaden y Maer 201), scx paboebion to Haphepeshet on418 copitlo 14 Recoleccdn y andl de as datos cualitatves + Observacién durante la inmersisn en la comunidad (contexto). + Enurevistas con mujeres que la padecen. + Entrevistas con sus familias + Observacién inmediatamente posterior al parco (durante la convalecencia) en hospitals rurales o-en sus hogares (en diversas comunidades indigenas, las mujeres paren en st cas). + Algin grupo de enfoque con mujeres que la han experimentade, De esta manera, el sentido de comprender la depresién posparto en tal comuni- ‘Wangulacén de datos Uiizacin de dad serd mayor que si inicamente llevamos a cabo entrevistas. ee ee a Al hecho de utilizar diferentes fuentes y métodos de recoleccién se le denomina ec twiangulacidn de datos, Sobre este tema regresaremos de manera recurtente. El andlisis de los datos cualitativos En el proceso cuantitativo primero se recolectan todos los datos y luego se analizan, mientras que en la investigacin cualitativa no es asi, sino que la recoleccién y el andisis ocurren pricticamente en paralelo; demi, el andlisis no es uniforme, ya que cada estudio requiere un esquema peculiar. Sin embargo, iversos autores hemos propuesto un aniliss genético o bisico comiin a diversas investigaciones cual cativas, porque en nuestra experiencia, ala mayorfa de los alumnos que se iniian en la indagacién cua irativa —sobte todo si el nico enfoque que han utlizado es el cuantiativo— les euesta trabajo comenzar su tareaanalitica y se preguntan por dénde empezar y qué secuencia establece. En este apartado se propone un proceso de andlisis que incorpora las coneepciones de diversos tebricos de la metodologia en el campo cualitativo,’ sin ser una camisa de fuerza, Cada estudiance, cwtoro investigador podri adopearlo 6 no de acuerdo con ls ctcunstancias ynacuraleza desu estudio en particular. "Enel andl dels dato, la acid esencial const en que eibimos datos no esructurados, a los cuales nosotros les proporcionamos una estructura, Los datos son muy variados, pero en esencia consisten en observaciones del investigador y narraciones de los partcipantes:”«) visuales (fotogra fias, videos, pincuras, entre otras), 6) auditivas (grabacioncs), ¢) textos escritos (documentos, carta, cetc,)y 4) expresiones verbales y no verbales (como respuesta orales y gestos en una entrevista 0 grupo de enfoque), ademés de las nartaciones del investigador (anotaciones 0 grabaciones en la bitécora de campo, ya sea una libreta 0 un dispositivo electrénico). Los propésitos centrales del anilisis cualitativo son: 1) explorar Jos datos, 2) imponerles una ‘estructura (organizindolos en unidades y categorias), 3) describir las experiencias de los participantes segiin su dptica, lenguaje y expresiones; 4) descubrir los conceptos, eategorias, temas y patrones presentes en los datos, asi como sus vinculos, afin de otorgatles sentido, interpretarlos y explicatlos ‘en funcién del planteamiento del problema: 5) comprender en profundidad el contexto que rodea 2 los datos, 6) reconstruir hechos ¢ historias, 7) vincular los resultados con el conocimiento disponible y 8) generar una teorfa fundamentada en los datos." El logto de tales propésits es una labor paulatina. Asimismo, algunas la naturaleza del andisiscualitativo son las siguientes: creristicas que definen 1. El andlisis es un proceso ecéctico (que concilia diversas perspectivas) y sistematico, mas no rigid 2, Una fuente de datos importantisima que se ageega al analiss la constituyen las impresiones, per- cepciones, sentimientos y experiencias del investigador o investigadores. "ar ejemplo, sav BadenyNojr (2018), chrmac (2013), Ceswell (012 y 2013), ren yTherogod (2018), Maxwel (201), Mose (2012), Jonson ycestensen (2012) sldaay Leay (201), Denny Lina (2011, stake 210), Mares (2070), The SAGE lesa of the Sota and Sehaviral Seces (26090), Matin (203), pada (203), Ayes (260), Yan den Waonandy Yon den Heonod (200), {ein Sous (2007, Etrberg (2902) y ts Co (190) Acer l poe neve presente en maple aos pu ‘ads enrersis como: qualitative Health Reseach, Guna inguiy, Quoltatie Research Jura, cltatve Research Psychology iatve Socios. tig (203), lehman (2073), esl (2013, Fr (2008), Garam (2008) y ceapeda of Evan (2008. » Geswel (20733), Dyan (2070), Henson (2007), Mchel-soje 209), Baptiste 201), carmee (000 y ies yb (1894) scx paboebion to Haphepeshet onands de los datos cuaitatos 5, La interpretacién que se haga de los datos puede diferir de la que podsfan realizar otros investi- adores, lo cual no significa que una interpretacién sea mejor que otra sino que cada quien posee su propia perspectiva. Esto, pese a que recientemente se han establecido ciertos acuerdos para sistematizar en mayor medida el andisis cualitatvo (Lapadat, 2009). 4 Como cualquier tipo de andlisis, el eualitativo es sumamente contextual y no es un anilisis “paso paso”, sino que consste en estudiar cada dato en sf mismo y en felacién con los demés (“como armar un rompecaberas’) 5. Es.un camino con rumbo, pero no en “linea recta’, pues continuamente nos movemos; vamos ¥ regresamos entre los primetos datos recolectados y los ilkimos, los interpretamos y les encontra- mos un significado, lo cual permite ampliat la base de datos conforme es necesario, hasta que construimos significados para el conjunto de los datos. 6, Lainceraccién entre la recoleccidn y el andlisis nos permite mayor flexibilidad en la valoracidn de los datos y adaptabilidad cuando elaboramos fas conclusiones (Coleman y Unrau, 2005). Debe insisttse el andlisis de los datos no es predeterminado, sino que es “prefigurado o coreografiado”. Se comienza a efectuar segdn un plan general, pero su desarrollo sufre modificaciones de acuerdo con los resultados (Dey, 1993). El andisis es moldeado por los datos (lo que los participantes o casos van revelando y lo que el investigador va descubriendo). 7. Elinvestigador analiza cada dato, que por si mismo tiene un valor (Abma, 2004), y deduce simi- litudles y diferencias con ottos datos (Riboux, 2006). 28, Los segmentos de datos o unidades son organizados en un sistema de categoria (Ritchie, Lewis, Nicholls y Ormston, 2013: y Liy Scale, 2007), 9°. Los resultados de! andlisis son sintesis de “orden superior” que emergen en la forma de deserip- ciones, expresiones, categorfas, cemas, patrones, hipdtesis y teoria (Boeije, 2009). +0, Existen diversos acercamicntos al andliss cualitative de acuerdo con el dis: cial seleccionado, Entre estos acercamientos se encucntran varios, como etnografi,teorfa funda mentada, fenomenologia, feminismo, anilisis del discurso, andlisis conversacional, andlisis semiéticos y posestructurales (Grbich, 2007, y Alvarez-Gayou, 2003). Pero todos efectian andli- el marco referen. ‘Cuando después de analizar miltiples casos ya no encontramos informacién novedosa (“satura~ ign’), el andlisis concluye. En cambio, si se descubren inconsistenciaso falta claridad en el entendi- :iento del problema planteado, se regresa al campo 0 contexto pata recolectar mis datos, Creswell (1998) simboliza el desarrollo del andliss cualitativo como una espiral, en la cual se cubren varia facetas o diversos Angulos del mismo fenémeno de estudio, Esto se muestra en la figura 145. © Figura 14.5 spiral de anlisis de los datos cvalitativos. Proceiients Hiemples Recolecar Represntaciones, : vistazacones matics, sais desi, clastic contest, atervelar cates, comparacanes lectus, apes ‘elon, nals magn mateo dees cxchvs, bases de datas, ate angaiadaes scx paboebion to Haphepeshet on420% capitulo 14 Recoleccdn y andl de as datos cualtatves Ms adelante nos detendremos en algunos procedimientos de aniliss (por ejemplo, las matrices) En la figura 14.6 se presenca una propuesta de ditectriz general para la “coreografla’ del andliss. Recordemos que se incluyen tres acciones progresivas (vertientes) en paralelo jntimamente ligadas: recoleccién de los datos, rareasanaliticasy resultados. Las fechas en dos sentidos implican que pode- sos regresar a etapas previasy las flechas sin direccionalidad indican actividades asociadas. © Figura 14.6 Propuesta de “coreagiatia” del aalisis cualtativa (divectices de las tareas potenciales para el investigadon) > Primers datos de nmersin > ato posters dee inmersién datos obenigos por medi de as > revecén {cbservaones genres, proud (bseracnes enacates, tecnica trades ents, rips elostnos __léasinfomales,aotaones, ¢—* plates igi, anatacones mis ¢—* _ de enfous,abservactn reclecan ellen) ‘onpet) e documentos y materials, ete) > prepara de as datos Date el aalis > hss detalado de os datas usando > cfc continas eflexones ifereniesheramienes > tectuarcontinuasrflxiones ‘rant a inmesion profunda en el + Teoria fundamentada as ante a inmetsién inal compa sobre os ats recetaos » Wats, arama, mapas ae nel campo obelas dats © ylasimpesonesespecte cel — conceals, dbus, esuemas, ‘eclecats as impesnes ambiente etcetera nies spect del ambiente «Aral bcoespandeca ete as Esa labor puede eects cone mes los eves ats apoyo de proramas computacinales fe ands caalno > ncaa sites y > Encntrarcetegarasiniales, eres ete as datos, sitios, pales, relacnés, ee ee Resides > sgiticedos protundos,reaciones, signtiaos patos, Iipstssinciles,pincas Ree reais tea Posibidad de regres al campo por ms datos Camplinienta de as rps del ands Ya hemos hablado de la recoleceién de los datos. Veamos ahora las tareas analiticas y los resul- cados. Reflexiones e impresiones durante la inmersién inicial Durante la inmersidn el investigador tealiza diversas observaciones del ambiente, las cuales anova junto con sus impresiones en la bitécora de campo (notas de diversos tipos, como vimos en el capi tulo 12). Asimismo, el investigador platica con integrantes del ambiente (algunos de ellos son los potenciales participantes), recaba documentos y otros materiales y, en fin, ealiza diversas activid des para comenzar a responder al planteamiento de su problema de investigacidn, Con base en estos primeros datos, el investigador reflexiona yevalia todos los das su planteamiento (se hace preguntas como: zes lo que tengo en mente?, el planteamiento refleja el fendmeno que quiero estudiar?, zl planteamiento es adecuado?, zdebo mantenerlo 0 modificatlo?) y lo ajusta de acuerdo con sus pro- pias consideraciones. También, analiza si el ambiente y la muestra son pertinentes en relacién con, su planteamiento y hace los cambios que crea necesarios. Como producto de las reflexiones empic~ za a exbozat conceptos claves que ayuden a responder al planteamiento y entender los datos (qué temas surgen, qué se relaciona con qué, qué es importante, que se patece a qué, eteétera). scx paboebion to Haphepeshet onands de los datos cuaitatos Tal fue el caso del estudio de la guerra crstera. Con las primeras vistas a los contextos, los inves: tigadores comenzaron a tener una idea de eémo fue el conflicto en cada poblacién. Asi, empezaron a entender la atraigada teligiosidad de los habitantes de la regidn en aquellos tiempos (1926-1929) y ccémo perdura hasta nuestros dias Recordemos el ejemplo del capitulo anterior sobre los templos: en una vista a una iglesia, se encuentran agujeros en las paredes (aparentemente algo trivial), pero al vsiar otro templo, el hecho se repite. Se indaga, surgen ideas (a qué altura estén las marcas?; ataviesan de una columna a otra cn los patios de los templos, esto que implica?): “aqui ataban a sus caballos, esta iglesia fue un cuar- tel”, Se encuentra algo en comiin entte dos, tres o mas iglesias (unidades de andlisis)y al recursir a otras fuentes, se llega a la conclusién de que los templos fueron euarteles, en algunos easos de cris- teros, pero en otros de tropas del Gobierno federal que los habian clausurado y tomado. Reflexiones e impresiones durante la inmersién profunda Este proceso reflexivo se manticne conforme se recolectan mis datos (;qué me dice esto?,2que signi fica esto otro?, gpor qué ocurre aquello?). Las observaciones se van enfocando para responder al plan- ‘camiento, las pliticas son cada ver més dirigidas y las anotaciones més completas. En ocasiones (esto depende de la investigacién en particular), se hacen las primeras entrevistas, observaciones con una guia, sesiones de grupos o recoleccién de materiales y objetos. Se reevalia el planteamiento del pro- Dlema, ambience y muestra (unidades o casos), Se comparan nuevos datos con los primeros (en qué son similares y en qué diferentes? ;Cémo se vinculan? {Qué conceptos clave se consolidan? ;Qué otros ‘nuevos conceptos aparecen?) De iva y paulatina surgen eategoriasiniciales,significa- dos, patrones, relaciones, hip6tesis primasia y principios de teorfa Para comprender cémo avanza el anlisiscualitacivo (y que es cas paralelo datos), tomaremos un ejemplo coloquial jer plo ‘cuando vamos a conocer a una persona que nos resulta atractiva (fendmeno de estudla) en una cita en un lugar que es desconocid para nosotros, pero que fue escogido por ella o él (ambiente, contexto 0 escenario), {qu @5 lo primero que hacemos? Probablemente, averiguar algo de esa persona (tl ver platicamos con algu- nas amigas o amigos que la conocen y revisamos sus p8ginas en redes sociales en interne, o que equivaliia ‘2 una revision dela literatura). Adem, buscamos informacion sobre el sitio. 0 bien, nos aventuramos y nos presentamos. Al llegar, miraremos cémo es tal ugar —inmersion inicial— (si es grande o pequeno, si tiene lugares pare estacionar a parquear, mo esté decorado, si se trata de un restaurant, un Baru oto tipo, el ambiente social, etc) y 00s cuestionaremos por qué lo eligi ‘Al momento de estar frente 2 la otra persona, la observaremos en su totaldad (desde el pelo hasta los zapatos; observacion general). Comenzaremos 2 hacerle preguntas frecuentes (nombre, ocupacién, lugar de residencia, gusts y aiciones). Mientras la observamos y conversamos (ecoleccén de los primeros datos), nos Dreguntamos para nuestios adentos cémo es, qué impresién me genera, por qué me dice esto y aquello (eflexionesiniciales). Conform transcure la ita, icemos centrando nuestra atencin en su ropa, los acceso- Fins que trae puestas, el color de sus ojs, sus gestos (cma sonrie, por ejemplo (abservacién enfacada)|; y ‘ada ver nuestra preguntas serén m8s diigidas (seguimos recolectando datos visuaes y verbaes, simul rneamente analizamos cada dato de manera individual y en conjunte). Al observar los movimientos de sus ‘manos (dato), analizamas si se encuentra nervosa o rlajada (categoria) y 31 se trata © no de una persona ‘expresiva (categoria) Por otto ado, establecemos relaciones entre conceptos (por ejemplo, cémo se vincula su forma de vestir con ls ideas que transmite ola manera como se asocian la comunicacion verbal y no ver- bal. ¥ empezamos a generar hipétesis (que emergen de los datos y la interaccin misma): "es una persone a2 ¢ opitule 14 Recolecin y andlsis de ls datos cuaiaivas Analisis detallado de los datos Obcuvimos los datos mediante diversas fuentes y hemos realizado reflexiones y andlisis elementales “Tenemos un primer sentido de entendimiento y seguimos generando datos (cuya recoleccién ¢s flexi- ble, pero enfocada). La mayoria de las veces contamos con grandes voliimenes de datos (piginas de anotaciones u otros documentos, horas de grabacién o filmacién de entrevista, sesiones grupales w ‘observacién, imagenes y distintos artefactos). ;Qué hacer con estos datos? Como ya vimos, la forma ‘specifica de analizarlos varfasegtin el disefio de investgacién seleccionado: reorfa fundamentada, io de caso, etnogrifico, fenomenolégico, etc. Cada método marca unos lineamientos para el proceso de analisis, ya que los resultados que se buscan son distintos (Gebich, 2007). Sin embargo, hay un analisis comdin en todo estudio cualitativo: generar categorias o temas.” Para lo anterior, el procedimiento habitual es el que se ilustea en la figura 147 y Teoria fundamentada Teoria 0 aque parte de la tcoria fundamentada (grounded theory), lo cual significa que la teoria hag qu Srgen a pat des (hallazgos) va emergiendo fuandamentada en los datos. Se trata de un proceso no lineal {aunque habia que representarlo de alguna manera para su comprensién). Resulta ssumamente iterativo (vamos y regresamos) y en ocasiones ¢s necesatio retornar al campo por més datas enfocados (entrevistas, documentos, sesiones, etcétera) Organizacién de los datos y la informacién, asi como revisién del material Y preparacién de los datos para el analisis detallado Dado el amplio volumen de datos, éstos deben encontrarse muy bien organizados. Asimismo, debe- ‘mos planear qué herramientas vamos a utilizar (hoy en dia la gran mayoria de los andliss se efectia mediante la computadora, al menos en un procesador de textos). Lo anterior depende del tipo de datos que hayamos generado, Pudiera ser que solamente tuviéramos datos escritos, por ejemplo, anotaciones a mano y documentos. En este caso, podemos transferir todo al procesador de textos. Si contamos inicamente con imagenes y anotaciones escritas, as primeras se excanean o transmiten a la computadora y la segundas se copian 0 escanean. Cuando tenemos grabaciones de audio o video producto de entrevistas y sesiones, debemos wansctibirlas para hacer un andlisis exhaustivo del lenguaje (aunque algunos investigadores pueden decidir analizar directamente los materiales). La mayoria de los autores recomiendan considerar tanto las transcripeiones como el andlisis de primera mano. Todo depende de los recursos de que dispongs- mos y del equipo de investigadores con el que contemos Con el material transferido a la computadora es nevesatio volver a examinar todo el material (explorar el sentido general de los datos) en su forma original (notas escitas, grabaciones en audio, forografias, documentos, ec), En esta revisién comenzamos a escribir una segunda bitécora (distinta a la de campo), la bitdcora de andliss, cuya fancién es documentar paso a paso el proceso analitico (nds adelante veremos que es una herramienta fundamental). Durante ta escrutinio debemos asegu rar que el material esté completo y posea la calidad necesatia para ser analizado; en caso de que no sea asi (grabaciones que no se entienden, documentos que no pueden leerse), es preciso realizar las mejo~ ras técnicas posibles(depurar las grabaciones, optimizar imagenes, etcétera) La tarea de transcripeidn de los materiales grabados es compleja y requiete paciencia. Por ejem- plo, una hora de entrevista da aproximadamente 30 a 50 paginas en el procesador de textos (depende del programa, margenes ¢ interlincado). ¥ leva mas o menos de tres a cuatro horas. Si se dispone de varias personas para esta labor, el investigador puede realizar dos 6 tres transcripciones para mostrar reglas y procedimientos (Coleman y Unrau, 2005). Quienes transcriban deberdn capacitarse (el rndimero de personas depende del volumen de datos, os recursos y el tiempo que tengamos para con pletar las ranscripciones). A continuacién, revisaremos una serie de recomendaciones para la hora de weanscribi, ® Gesell (20183); Savi-Baden y Mojo (207), Melanie y ls (2017); Hoesch, Langhoe, Krank y Townsend (207), Mees (2010; afadat (2009) Oe (2008); Neerages (2008); charmar (2008); Wrsmay Js (2008); Tarance (2001; Dey incl (200); Stas Coin (1995 scx paboebion to Haphepeshet onlandless dats aaltawos EEE © Figura 14.7 Proceso de andisiscualitatvo para generar categoriaso temas. ‘Sti scx paboebion to Haphepeshet onau ¢ opitule 14 Recolecin y andlsis de ls datos cuaiaivas + Por cuestiones de ética, es preciso apegarse al principio de confidencialidad. Para esto, es posible sustituir el nombre verdadero de los participants por cédigos, nimeros, iniciales, apodos u otros nombres, tal como hicieton Morrow y Smith (1995). Lo mismo ocurte con el reporte de resultados. + Usilizar un formato con mérgenes amplios y separar la intervenciones con doble espacio (por si queremos hacer anotaciones 0 comentarios). Por ejemplo: en entrevistas, las intervenciones del entrevistador y del enteevistado; en sesiones, la intervencién del conductor y de cada participan- te (cada ver que alguien incerviene), sefialando quién realiza la participaciOn Entrevistador: {Me podrias aclarar el punto? Entrevistado: Desde luego que sf, Ana Paola siempre me ha parecido a to ir mas alli es porque. intrevistador: Pero, entonces, cémo podrias defini tu relacién con ella? Entrevistado: es algo diferent, extrafa, dadas las cicunstancias. way sino le he propiaes- Es decir indicar cuindo comienza y termina cada pregunta y respuesta, ‘Transcribir todas las palabras, sonidos y elementos paralingistcos: muecas, interecciones (como job, jmmm, ch! y demés).* + Tndicar pausas (pausa) o silencios (silencio); expresiones significativas (lanto,risas, golpe en la ‘mesa); sonidos ambientals (timbré el teléfono mévil; se azoté la puerta): hechos que se deduzean (ented alguien); cuando no se escucha (inaudible), etc. Se trata de incluir ef maximo de informa- ~ Sivamos a analizar linea por linea (cuando ésta va a ser la unidad de aniliss), numerar todos los renglones (lo que se puede hacer autométicamence en los procesadores de texto y los programas de andlisiscualitaivo) ‘Una ver transcritos los materiales mediante el debido equipo, lo ideal es volver a revisar todos los datos, ahora reprocesados (incluso anotaciones), en particular, si vatios investigadores los recolectaron. De cualquier manera, ayuda a recordar casos y vivencias en el campo (Coleman y Unrau, 2005). En ‘este momento, leemos y releemos varias veces la de los datos, al mismo tiempo que comenzamos a cuestionamos: ;qué ideas generales mencionan los participantes? ;Qué tono tienen dichas ideas? «Qué me dicen los datos? (Creswell, 2013). Ia siguiente actividad es organizar con precisién los datos, mediante algincriterio 0 varios que ranscripciones para profundizar el sentido general Algunos de estos critetios son: +1 Cronoligico (por ejemplo, orden en que fueron recolectados: por dia y bloque, como mafana, tarde y noche), 2. Por sucesién de eventos (por ejemplo, en el caso de una catéstrofe, como una inundacién o terte- ‘moto: antes de la calamidad, durante ella e inmediatamente después de la catistrofe —digamos hasta que eesaron los efectos fisicos— y etapa posterior (secuela). 9, Por tipo de datos: entrevstas, observaciones, documentos, fotografias, artefactos, eteéera 4, Por grupo o participante (por ejemplo: Marcela, Lucy, Ana Paola, Roberto, Sergio...: mujeres ¥ hombres; médicos, enfermeras, paramédicos, pacientes, familiares...) 5, Por ubicacién del ambiente (centeo de la catistrole, cercania, periferia, lejania). 6. Por tema (por ejemplo, en un estudio sobre las relaciones en un hospital, si hubo sesiones en los aque la discusin se centrd en el tema de la seguridad en el recinto, mientras que en otras se taté sobre la calidad en la atencidn y en algunas mis sobre los problemas emacionales de los pacientes). 7. Inmportancia del participante (sestimonios de actores principales, testimonios de actor datios) © bien otro criteri. ad pa ye ay expresones propa de ctr lal scx paboebion to Haphepeshet onands de los datos cuaitatos ‘Avveces los datos también se organizan mediante varios crterios progeesivos: por ejemplo, primero por tipo (wanscripciones de entrevistas y anotaciones), y luego Transcipcén Regio escrito de una cnet, ssiongrupa, nara «estas tltimas por la clase de noras (de la observacién, interpretativas, ceméticas, petso- _Shotadn'yatios eementos rales y de reactividad); 0 criterios cruzados (combinaciones). Un ejemplo lo seria la similares, Refi ellenguaie veal, imatriz que se presenta en la tabla 14.8 ‘no verbal y contextual dels dats abla 14.8 Guerra cristera = Ea EE Notas ‘Observaciones Documentos Entrevitas Fotografias Materiales En el caso de documentos, materiales, atefactos, grabaciones, etc, ¢s conveniente claborar un listado o relacién que los contenga a todos (con niimero, fecha de realizacibn, fecha de transcripcién y aquellos otros datos apropiados). Ademés, no debemos olvidar respaldar todo documento en al ‘menos dos fuentes (cnet una copia adicional de ls fotograliasy grabaciones) Bitdcora de andlisis Esta bitécora tiene la funcidn de documentar el procedimiento de ansliss ls reacciones del investi- gador al proceso y contiene fundamentalmente: © Anotaciones sobre el método utilzado (se describe el proceso y todas las actividades realizadas: por ejemplo: ajustes ala codificacién, problemas y la forma en que se resolvieron) * Anotaciones sobre ideas, conceptos, significados, categorias ¢ hipdtesis que van surgiendo. * Anotaciones en relacién con la credibilidad y verificacin del estudio, para que cualquier otto investigador pueda evaluar el trabajo (informacién conttadictoria, razones por las cuales se pro~ cede de una u otra forma) Resulta ser un instrumento invaluable para la valides y confiablidad del anlisis (punto que abordaremos al final del capitulo) Cuando realizamos Ia codificacién 0 categorizacién de los datos, pueden surgir interrogantes, ideas, hipétesisy conceptos que nos comiencen ailustraren torno al planteamiento del problema, por lo que resulta indispensable escribielos para que no olvidemos cuestiones importantes. Las notas nos ayudan a identificar unidades y categorias de significado. Es una estrategia util para organizar los procedimientos analiticos. Para las anotaciones, que suelen también lamarse “memos analiticos’, Strauss y Corbin (1998) recomiendan: +» Registrar la fecha de la anotacién o memorindum, « Incluir cualquier referencia o fuente importante (por sjemplo, si consultamos con un colega, 2 quién, de qué institucin y cual es su comentatio). Marcar los memos con encabezados que sinteticen la idea, categoria o concepto sefalado. No restringir el contenido de los memos o anotaciones; permitirnos ef libre flujo de ideas dentificar el cédigo al cual pertenece el memo. Usar diagramas, esquemas y matrices (u otra clase de sintesis analtica) en los memos para expli- car ideas, hipstesis y conceptos. * Cuando uno piense que una categoria o un concepto quedé lo suficientemente definido, crear un memo adicional (distinguirlo y etiquetarlo con la palabra “savuracién’) «Registrar las reflexiones en memos que ayuden a pasar de un nivel descriptive a otro interpretative, © Guardar una copia de todos los memos. scx paboebion to Haphepeshet on426 capitulo 14 Recoleccdn y andl de as datos cualtatves ‘Memo analitico Documenta decisiones «9 definiones hechas al momento de Los memos analiticos se elaboran con fines de triangulacién 0 auditorla entre investigadores, para que ottas personas puedan ver lo que hicimos y cémo lo hicimos ‘nalia los datos. Desde como suge (Coleman y Unrau, 2005) ‘na categoria hasta el codigo que se le Labiticora se escribe diariamente fanotando la fecha) y cada investigador sigue su asigna oe establcimieta de una opio sistema para llenarla. Grinnell y Unrau (2007) proponen el siguiente esquema redla de codificacén Propi P y Unrau (2007) prop ig . Codificacion ualitatva 1 investigador ‘considera segmentos de contenido, ls analiza y compara. Si son distntas en 1) memos, anotaciones o comentarios acerca del método de andlisis, 2) memos sobre Jos problemas durante el proceso, 3) memos en relacin con la codificacién, 4) memos respecto a ideas y comentarios de los investigadores (incluyendo diagramas, mapas conceptuales dilbujos, matrices, ete, 5) memos sobre el material de apoyo localizado (Fotografias, videos, etc) ¥ 6) memos relacionados con significados, descripciones y conclusiones preliminares ‘Asi como la biticora de campo reflea lo que “uanspiramos” durante la recolectién de los datos y nos ayuda a establecer la credibilidad de los participances, la bitécora analitica muestra lo que “trans piramos" al analizar los datos y nos apoya a establecer la credibilidad del método de andiss. Surgimiento de unidades de andlisis y codificacién abierta (en primer nivel o plano inicial) En la mayoria de los studios cualitativos se codifican los datos para tener una descripcién més com- de éstos, se resumen, se elimina la informacién itelevante y se tealizan anlisis cuantitatives clementales; finalmente, se trata de entender mejor el material analizado La codificacién tiene dos planos o niveles: en el primero (codificacién abierta) se codifican las tunidades (datos en bruto) en categoria: en el segundo, se comparan la categorias entre si para agru- parlas en temas y buscar posibles vinculaciones (Saldafia, 2012; Matthew y Price, 2009a; Wicks 2009: y Miles y Huberman, 1994) El primer nivel es una combinacién de varias acciones: identificar unidades de significado, cate gorizarlas y asignarles cédigos a ls categorias. A diferencia de la codificacién cuanttativa, en la que tuna unidad eonstante se ubica en un sistema de categoria, en la codificacién cualitativa abierta el investigador considera un segmento o unidad de contenido (no siempre estindat), lo analiza (se cues- tiona: ;qué significa este segmento?, a qué se reliere?, qué me dice?); toma otro segmento, también lo analiza, compara ambos segmentos y los analiza en términos de similitudes y diferencias (,qué significado tiene cada uno?, qué tienen en comin’, en qué difieren?, zme dicen lo mismo 0 no?). Si los segmentos son distincos en términos de significado y concepto, de cada uno induce una categoria (o bien, considera que no poseen un significado para el planteamiento): si son similares, induce una categoria comiin. Al considerar un tercer segmento, el investigador lo analiza conceptualmente y en términos de significado; del mismo modo, lo contrasta con los dos anteriores, evalia similitudes y diferencias, induce una nueva categoria o lo agrupa con los otros. Con el cuarto segmento repite el proceso, y as sucesivamente (a este procedimiento se le denomina “comparacién constante”) (Tracy, 2013; Noerager, 2008; y Parry, 2003). El investigador va otorgando significados a los segmentos 0 unidades y descubriendo categorfas. A caca una de éstas les asigna un eédligo. Enla codificacidn cualitativa los eédigos surgen de los datos (més previsamente, de los segmentos de datos): los datos van mostrindose y los “capturamos” en catego- sfas, Usamos la codificacin para comenzar a revelarsignificados potenciales y desarto ‘erminos desigifadeyconcpto,de ‘lar ideas, concepeos e hipétess; vamior comprendiendo lo que sucede con lor datos «ode onde una categoria sso (empezamos a generar un sentido de entendimiento respecto al planteamienco del sine, induce we legate mon. problema). Los cidigos son eiquetas para identificar categories, es dec, desriben ee ey ene fie neice cecomeil ‘a satin dese cteins at aando consideramos que tn segmento 0 unidad cs relevance (en términos de estubrinionter rlacondor con un planteamiento, de tepresentatividad de lo que expresaron los participantes, de impor- fenimenoo experienc humana ie __tanciaajuicio del invetigador) podemos extraetlo como un potencial eemplo de fa ests bajo invesigacisn categoria o de los datos. digas tention as categaris que Conform el investigador revisa nuevos segmencos de datos y vuelve a revisar los femergen de la comparacin constante de segmentos ounidades de andi. anteriores segmentos (comparacién constante), continéa “conectando conceptual- mente” unidades y genera mas categorias o consolida as anteriores. scx paboebion to Haphepeshet onEland delos dts antaves EEE Cabe sefalr que la denifcacién de unidades 0 segmentos et tentativa cn su coment y se encuentra sujeta a cambios. En la literatura sobre investigacién cualitativa podemos identificar dos ‘maneras para definir las unidades de andlisis que serin codificadas: la primera, que podemos denomi: nat como la leccign de una “unidad constante", implica el proceso que se muestra en la figura 14.8. 12 Figura 14.8 races de elecin de una uidad constants ? > Blinestigador idence ELinvestigador comienza np de sees esos y fata Soe oF cnn wad constant ‘es apropiada para el Elinvestigador puede test via tocol, e ans se cool i {cod mtsal | —» dines bss! —* “Petty, ein eeatscono cntte comes) Peeaen Plea ‘momenta en que decide cambiar Ge unidad stat atte pee cL “eo eo, canola tnt pa Soper deed heats tee) ‘estas La segunda, la de “libre flujo” implica que las unidades no poseen un tamafio ‘equivalente. Se selecciona el inicio del segmento y hasta que se encuentra un significa- __Codificacién implica, ademds de bo, se determina cl ial del segmento. Por cemplo, algunos egmentos podran tener ‘eile experiences ococeis cinco lineas, otros 10, otros 50 (desde luego, en el caso del pirrafo o una intervencién ges tomar decisiones acerca de qué de un participate en una sesién de grupo, como unidad constant, puede poscer plz “embona ete spa et diferentes extensiones también) En ambas formas para decidir cual es la unidad o segmento de andlisis, es posible cambiar de unidad en cualquier momento. Incluso, quiza deci mismo estudio las dos posibilidades para dit srafias, por ejemplo). En este primer nivel de andlisis, las categorias (y cbdigos)identificadas deben relacionatse légi rente con los datos que representan (que quede clara la vinculacibn). Las categorias pueden emerger dle preguntas y reflexiones del investigador o relleja los eventos erticos de las narraciones de los par- sicipantes En la bitécora de analisis es necesatio explicar con claridad las razones por las que se genera una categoria Ta esencia del proceso reside en que a segmentos que comparten naturaleza, significado y caracee ssticas, se les asigna la misma categoria y eédigo, los que son distintos se ubican en diferentes categorias y sles proporcionan otros eédigos. La tatea es identificar y etiquetar categorfas televantes de los datos. Los segmentos se convierten en unidades cuando poseen tn significado (de acuerdo con el plan ‘camiento del problema) y en categorias del esquema final de codificacién en el primer nivel, si su csencia se repite més adelante en los datos (por ejemplo, en la entrevista o en otras entrevistas). Las unidades son segmentos de los datos que constituyen los “tabiques” para construr el esquema de clasificacién y el investigador considera que tienen un significado por si mismas Bazeley (2013) y Coffey y Atkinson (1996) seftalan que son tres las actividades de la codifcacién abiertao en primer plano: mos utilizar en un finde ntespeta os dats tes clases de datos (entevistasy foro- 1. Advertc cuestionesrelevantes en los datos 2. Analizar esas euestiones para descubrirsimiliudes y diferencias, as como estructuras 5, Recuperar ejemplos de tales cuestiones (unidades 0 segmentos) Tal como resumen Coleman y Unrau (2005), la codificacién en el primer nivel es predominan- temente concteta y consiste en identificar propiedades de los datos. Las categorias se forman compa. rando datos, pero en este nivel no combinamos ni relacionamos datos. Todavia no interpretamos el significado subyacente en ellos En la codificacién abierta se trata intensivamente, unidad por unidad, scx paboebion to Haphepeshet on ‘ategorizadas,codicadas,clasfica- as yagrupadas para conformer ls patrones que seran empleados con el428 copitulo 14 Recoleccdn y andl de as datos cualtatves con la identifiacién de eategorias que pudieran ser interesantes, sin limitarnos. Es importante asegu- rarnos de entender las categorias que se muestran en los dacos En el caso de que el investigador decida la eleccidn de una “unidad constante”, algunos ejemplos serian los que a continuacién se mencionan, En textos (documentos, notas, transcripeiones, etcétera): 1. Palabras: “alcoholismo”, “Ricardo”, “divorcio", “patria”. 2. Lineas: "mi esposo me abandoné después de que me embaracé por tercera ver" 2, Pértafos: No puedo dejar de pensar (mmm) en que mis hijas vean a su padre completamente ebrio. Es algo en Jo que pienso todas las noches antes de acostarme, Ojalédejara la bebida (bh), pero lo veo como algo imposible. No ha podido dejar de hacerlo desde que lo conozco... (mmim!) pero antes bebfa mucho menos (..) 4, Intervenciones de participantes (desde que comienza hasta que concluye su intervencién cada uno). Tests: No puedo dejar de beber, no puedo (rug) Alejandra: Nilo quieres intencr. Piensa en lo mal que te siences: en tus hijas. Qué vaa pasar cuando sean grandes? En este tltimo caso tenemos dos unidades de anilisis (intervenciones). 5, Paginas. 6. Cambios de tema (cada ver que aparece un nuevo tema) 7. Todo el text. En grabaciones de audio o video (hayan o no sido transcritas a texto): 1) Palabras o expresiones, 2) intervenciones de participantes, 3) cambios de tema, 4) periodos (segundo, minuto, cada & minutos, hora), 0 5) sesién completa (entrevista, grupo de enfoque, otto) En biograflas: 1) periodo (dia, mes, afo, etapa o pasaje de vida), 2) cambios de tema y 3) actos conocidos ‘Misica: 1) verso de cancién, 2) estrofa, 3) cancién completa y 4) obra Construcciones, materiales 0 artefactos: 1) pieza completa, 2) partes especificas 0 sitios depen- diendo del material, artefacto 0 construccién (en iglesias: atrio, altar, confesionati, etcéter). ‘A continuacién presentamos muestras de unidades de andliss de los principales ejemplos que se than ido desarrollando en esta tercera parte del libro (tabla 14.9) © Tabla 14.9 _Muestras de unidades de significado en los ejemplos desarrollados coor es aoe Estudio sobre tas | mujeres adutas | Enrevists incl y | “Sola jugar con meas de papel. las eran mis args feperiencasde | que habian | sesiones de Els nunca me poi stima ‘abuso sexual | experimentado | enfoque » "Yome reli en abu, ella ta una mje muy infant de Morrow | abuso sexual spill costumbrabemecernos vcantaros” ysmith (1995) | durante su Me ais para sempre” infancia "Bebo serinvsble send buen nia, muy buena ita” La guerra cistera | sobreviventes | Entrevista © Ehgade pac a poco leticaba: “no estames bin au io, fen Guanajuato | dela epoca fe ninguna manera. ira, aqui me agaran con ls (19264925) cabelas. edo no tee ni pata un ise. saben {ue agl ste abel, porgue sa, staba dts legaba os ance Gobo, se agate lo que bi a a gente se queabe can hares legaban os esters, ia nese ame un desmace "Todo vali mates, que es cafe ma mataban Haba ‘ens eran crises yao pani ua pat en accel (comin) scx paboebion to Haphepeshet onSansa dels dats aaltawos EE © Tabla 14.9 (continuacién) PP rns Ln | Tualuacion dela | clientes ce | Grupos de © *Yovengo compra, cvando tenemes tempo 0s venimes @ cexparienia de | diferentes cenfoque tomar un ae, pero deberian de abi mds tempo, mis compra delos | ecades hos que son aolscnies wenen gor cecaniayvsan lentes en centios ‘cho la parte del fas-fond, ena tarde bay ruc joven” comerciales de + "ambiente me da ar, hue nic, el snide me oust, es ‘una importante agraabl elie aconiionato v toto est may ode" ‘adena latinoame- ~ “a plre no spare comprar, es mas bien pra dra ricana well Las unidades o segmentos de significado se analizan tal como se recolectan en el campo (en el lenguaje de los participantes, aunque las expresiones sean gramaticalmente incorrectas la estructura sea incoherente, haya faltas de ortografia incluso groserias 0 téeminos vulgare). En nuestra bitéeora de andlisis, por ejemplo, anotarfamos que las unidades de anilisiselegidas fueron la Iineas. Asimismo, recordemos que en la codificacién cua- litativa, las categorias son conceptos, experiencias, ideas, hechos relevantes y con Categorias Deben guard una En resumen, desde el comienzo (a través de la comparacién constante), cada seg- mento o unidad se clasfiea como similar o diferente de otras. Si las primeras dos unidades poseen cualidades similares, generan tentativamente una categoria y a ambas se les aigna un raismo cédigo. En el momento de asignar los cédigos, laboramos una nota sobre las caracteristcas de las unidades por las que se consideran similares (un memo analitico sobre la regla), la cual se inclu ye en la bieicora de andliss. Silas dos unidades no son similares, la segunda produce una nueva eate- goriay se le asigna otto eédigo. ¥ de nuevo, la informacidn que defina a esta segunda categorla, se registra cn la bitécora (regla en cl memo analitico). Durante el proceso se van especificando las eglas que sefialan cuando y por qué se incluye una unidad en esa categoria, Tomamos una tercera, cuarta, quinta, F unidad o segmento y repetimos el proceso, La actividad se esquematiza en la figura 14.9. © Figura 14.9 Proceso de codficacion cualtativa abiets » » Segmesto1 = ———®"—(ategaia1 = 9 C601 : -| 5 , » » 2° ategae2 = 9" Giga 2 Segmesto 2 y » em gue conten as hese seonee Btacra de ands El niimero de categorfas aumenta cada ver que el investigador identifica unidades diferentes (en ‘cuanto a significado) del resto de los datos (unidades previas categorizadas) ‘Veimoslo con un ejemplo sencillo, el andlisis de los cipos de violencia entte parejas, en que se ‘muestra una transcripcién con nueve unidades de andlisis (constantes), definiendo a la unidad como linea: scx paboebion to Haphepeshet on430 ¢ opitule 14 Recolecin y andlsis de ls datos cuaiaivas jer p i | De unidades de andlisis (constantes) Investigacién sobre la experiencia negativa de una mujer golpeada por su esposo y los tipos de violencia aque ejercen los maridos que abusan de sus parejas Recoleccén de los datos: Entevsas en protunddad Unidad de andi: lines Contexto: entrevista con una joven espose de 20 aos, dos afos de asada de origen hum, que vive en los suburbs de Valledupar, Colombia 1. Garalna: Mi esposo me he gopeado varias veces (hh!) (2052). No sé como decirlo. Me pega con la mano abierta y con el puto. La altima vee me jo: “Ces una ramera’. También me ha Aicho que soy malnacid, pera, Siempre me isuta Yla verdad es que nunca he dado motva. Nunc (pasa). Me dice que los hombres se meten en mi como culebres. Que me gusta hacerlo cients de contain en paseo + Recesitn lero de concn ates delopael 4 Roe een en el pasado ‘Rates een aces, {a fragmentacidn puede ser més sencilla. En la figura 14.10 se muestra un ejemplo de fragmentacién de categorias cata ragmentada puede consi ns adelate un tema Un ejemplo de categorfas rferidas alos “estados conductuales de los pacientes”, lo oftece Morse (1999). En su estudio, las eategorias emergieron al observar el proceso de congrontacién que offecian cenfermeras a pacientes traumatizados (en estado de gravedad), en la sala de urgencia de hospitales en Estados Unidos y Canada (que fue esbozado en el capitulo ancerios). + Inconsciente + Tranquilo y elajado + Asustado © Aterrorizado + Fuera de control Estas categorias emergentes reflejan el estado del paciente durante la urgencia, ‘Oueas categorfas que surgieron fueron las estrategias usadas por las enfermetas para confortar a los pacientes: 1. Hablar alos pacientes en situaciones dolorosas. 2. Permitirles soportar la agonia, empleando un estilo particular de conversacién y posturas que denominamos registro de conversacién para confortat 5. Notmalizar la situacién al prevenis los grits, la exctacién y el pénico, lo mismo que controlar la propia expresién mientras se atendian las lesiones. 44 Bromear con los pacientes en condiciones seria, de cal forma que la situacién no parezca grave 5. Apoyar a los médicos en sus tareas y ecordarles cuanto tiempo habia pasado desde que comen- zaron los esfuerzos de resucitacién, cudndo era tiempo de mover a los pacientes, si era necesario datles mas analgésicos u otra observacién. 6. Llevar alos familiares de los pacientes, lo cual implicaba ocultar cualquier signo de severidad del pede plat ngs), desi alagos lo que deb aera enti laa deo matologia, 1. Apoyar a los patientes y expliatles cémo hablar a sus seres queridos La creavién de categorias a partir del analisis de unidades es una muestra de por qué el enfoque cualitativo es inductivo, Los nombres de las categoria y las reglas de clasifcacién deben ser claras para cevitar eprocesos excesivos en Ia codificacién. Recordemos que en el andlisis cualitativo hay que relle- jar lo que nos dicen los participantes en sus “propias palabras’ ‘Veamos algunos ejemplos de las categorias generadas en el estudio sobre las experiencias de abu- so sexual infantil de Morrow y Smith (1995). + Los abusos variaron desde insinuaciones y transgresiones a la intimidad, hasta violaciones com- pletas con la presencia de armas de fuego cargadas. Estas formas del abuso produjeron cinco categorias: a) abusos sexuales no fsicos, 6) molestis fisicas (actos fisicos para molestat), ¢) forzar a realizar actos sexuales, d) penetracin y 6) tortura sexual + Las dos categorias centrales que surgieron de las experiencias del abuso sexual infantil fueron’ +) Agobio abrumante por los sentimientos de miedo y sensacién de peligro. ) Experimentar impotenci, falta de apoyo y contol © De estas sentimientos profundos descritos por las victimas, surgieron también dos estrategias fundamentales paralelas (categorias) para sobrevivir y aftontar la terrible experiencia: scx paboebion to Haphepeshet onandl de los datos cuaitatos «) Evitar ser consumida por el agobio provocado por los sentimientos peligrosos 0 amenazantes, ») Manejar la sensacién de carencia de ayuda, impotencia y falta de contol. Porque la niga disponta, de pocos recursos de ayuda, la mayor parce de las estracegias descritas por las participantes se orientaron internamente y se enfocaron en las emociones: Una cuestién adicional es que emergen diversas clases de categorias: 1) esperadas (que anticip- ‘amos encontrar; por ejemplo, en el caso de la guerra cristea, crimenes contra sacerdotes), 2) inespe- radas (aso de las iglesias como cuatteles por ambos bandos), 3) centrales para el planteamiento del problema (prohibicién oficial ala poblacidn de toda muestra de culo teligioso), 4) secundarias para cl planceamiento (lugares especificos donde asesinaban a los ctisteros) y 5) las miscelineas. A esta clasificacién se pueden agregar otras dos sugeridas por Creswell (2009): categorias inusuales(situacio- ‘nes poco comunes pero de interés conceptual para la comprensién del fenémeno) y categorias te6ricas (obtenidas desde una perspectiva de teoria) Por otra parte, Bogdan y Biklen (2003) mencionan los siguientes tipos de categorias que pueden srgir del andisis: 1) del contexto © ambiente, 2) de perspectivas de los parcicipances, 3) de maneras de pensar de los participantes sobre otras personas, abjetosy situaciones, 4) de procesos, 5) de activi- dades, 6) de estategias, 7) de relaciones y 8) de estructuras. Regresando a los cédigos, se asignan a las categorias (las etiquetan) con la finalidad de que el anilisis sea més manejable y sencillo de realizar, ademas son una forma de distinguir a una categoria de otras. Pueden ser niimeros, letras, simbolos, palabras, abreviacuras, imgenes o cualquier tipo de Jdentificador, como se muestra en el siguiente ejemplo: Ejemplo Tipo de violencia 1. Wiolenciafisica VF: Volenciafisica 2. Wolencia verbal W: Violencia verbal 3. Wiolencia psicol6gica VP: Violencia psicol6gica 4 a ~~ es ‘ai Violenciafsica Violencia psicldgica Violencia verbal Los eddigos identifican las categorias, y tambin se puede asignar un eédigo que indique dimen- sin y categoria (Ritchie eral, 2013 y Benaquisto, 2008a). Por ejemplo ‘TVF: Violencia fisca TWV: Violencia verbal ‘TVP: Violencia psicolégica Donde'T nos sefiala que es la dimensién “Tipo de violencia” y VE VV y VP las diferentes categorias ‘A veces tenemos codificaciones mas complejas: scx paboebion to Haphepeshet on434% copitlo 14 Recoleccdn y andl de as datos cualitatves PASJE: Pariente que abusé sexualmente de la joven y que estaba bajo el influjo de un estupefa- PASIA: Pariente que abusé sexualmence de la joven y que estaba bajo el influjo del alcohol. PASINS: Pariente que abusé sexualmente de la joven y que no estaba bajo el influjo de ninguna PAOC: Profesor autocrético que obliga a los alumnas a quedatse después de que terminaron las clases PASR: Profesor autocritico que sanciona a los alumnos ridiculizindolos en péblic. PDNS: Profesor democritico que no ejece sancion. Hay quienes separan la secuencia: por ejemplo, P-A-S-L-E, eteécera Cuando las categorfas son personas (por ejemplo, al analizar relaciones entre miembros de una familia 0 un grupo de pandilleros), suelen asignarse como cédigos las siglas de eada quien (GRR- Guadalupe Riojas Rodriguez). También suelen identficarse secuencias de accién por medio de cédi 0s (E- VE-ES- A: el esposo abus6, mediante violencia fsica, de la esposa bajo el influjo del alcohol). Los eédigos son como “apodos” o “sobrenombres” de las categorias. Sirven pata identificarlas més répidamente, Es una manera telativamente simple de eédigos, muy dil cuando se hacen los primeros trabajos de codificacién cualcativa. Lo ideal es que los eédigos reflejen en mayor grado la sustancia de las unidades. Por ejemplo Después de que me dejé mi marido, no me siento segura, estoy gorda (silencio), me veo a mi misma y digo ‘no valgo nad: ‘Cédigo: Autoestima (refleja algo de la unidad, pero no toda la riqueza). Seria més apropiado: Baja autoestima. Una forma de asignar cédigos a unidades es lo que se denomina “eédigos en vivo” (King, 2008), en los que el cédigo es un segmenco del texto, Por ejemplo Unidad (guerra cristera) ‘obviamente, estas personas no Ilegaban preguntando por la llave o por quién les abriera, sino aque ellos, en un auténtico asalto, entraban por la fuerza" Cédigo en vivo: *. cobviamente, estas personas no legaban preguntando por Ia llave” Es deci, es un fragmento de la propia unidad (o podria ser toda la unidad). Resulta obvio que la codificacién “en vivo" no es convenicnte para unidades grandes. ‘Cuando trabajamos la codificacién mediante un procesador de textos, dejamos un esp rmargen derecho para anotat los cddigos. Por ejemplo: enel Empecaton a.) hice una matazén horsible ea ver |] yo fu acabando de paar eo, fia ver y habia un reguero de gent, herds y muertos en canes pln toda la cuadra entte Corregidora e Hidalgo, en esa cuadra, ah{ una bar mas al de 1923. batida, muchos estaban ahi. Y cuando lg exe ecto a poner paz, no recogieron més que 22 cadiveres, los dems los habia recogido la gente yauera 1940, QBOGS® Les programas de andliss cualitativo (como Adas.c® y NVivo%) dejan autométicamente un mar igen a la derccha para los cédigos y los anotan, Para ver un ejemplo de categorizacién producto de Aclas.i®, recomendamos al lector consultar el ejemplo 3 del centto de recursos en linea: “Entre ‘no (GE EGEE sabia qu esata’ y ea fae sempre mi open seleccin de isttuién de edueacién superior por Weer" parte de estudiantes en una ciudad del centro de México” (Hernéndez-Sampieri y Méndez, 2009) Una ver. categorizadas todas las unidades, se hace “un barrido” o revisién de los datos para 1. Darnos cuenta de si captamos o no el significado que buscan cransmitir los participantes 0 el que pretendemos encontrar en los documentos 0 materiales 2. Reflexionar si ineluimos todas las categorfas relevantes posibles scx paboebion to Haphepeshet onEl anslos delos dats aaltawos ETE 2, Revisar lar reglas para establecer las categorias emergentes, 4. Evaluar el trabajo realizado, En este punto puede suceder que validemos el proceso, o bien, que estemos confundidos acerea de las razones por las cuales generamos ciertas categorias o poseamos inseguridad respecto a las reglas. También que consideremos que algunas categorias son demasiado complejas y generales y debamos fragmencarlas en nuevas categorias. Es el momento de evaluar cada unidad para que sea incluida en ‘una determinada categoria. El propésito es climinar vaguedad ¢ incertidumbre en la generacién de categoria. ‘Asimismo, podemos descubrir que algunas categorias no se han desarrollado por complewo o se definieron parcialmente, Ademés, quiz detectemos que no aparecieron las categorias esperadas. Ante problemas ¢ inconsistencias, habra que revisar dénde fallamos: sien la definiién de las unidades de analiss,en las reglas de categorizacién, en la deteccién de categorias que emergicron por comparacién cde unidades, ete. Entonces, resulta conveniente anotar en la bitécora todos estos sucesos y no angustiar- ros. Ademis,cabe la posbilidad de que el fenémeno se comporte o sea de otra manera ala antcipada Algunas decisiones que podemos tomar ante esta clase de contingencias negativas son: a) regresat al campo en basqueda de datos adicionales (més entrevistas, observaciones, sesiones, artefactos 1 otros datos), 0 6) solictar a otto investigador que “prucbe” nuestto sistema de categorias y reglas, mediante su propio andlisis con al menos algunos casos (por ejemplo, entuevistas). Como ya se dijo, siempre hay una diferencia entre los resultados que podrian obtener dos personas que analizan un mismo material, pero si va mas alk de lo razonable, Coleman y Untau (2005) recomiendan acudira tun tercero para que vuelva a codificar y dilucidemos lo que esté ocurriendo, para efectuar las modifi- caciones pettinentes. Por otro lado, cuando estamos analizando datos y “todo va bien”, a veces nos cuestionamos cudn: do paras {Tenemos suficientes entrevistas, sesiones, arcefactos? (por ejemplo, hicimos 15 entrevistas, _equerimos més?), Regularmente nos detenemos en lo referente a recolectar datos 0 agregar casos cuando al revisar nuevos datos (entrevista, sesiones, documentos, ete), ya no encontramos categorlas ‘nuevas (significados diferentes) ni informacidn relevance; 0 bien, tales datos encajan ficilmente den- ‘to de nuestro esquema de categorias (Neuman, 2008). A este hecho se le denomina sataracién de categorias, que significa que los datos se vuelvenrepettvos 0 redun~_Satuaién de ategras cuando os, dates y los nuevos andlssconfrman lo que hemos fundamentado (Sparkes y Smith, ‘04 wilven epee 0, 32014; Sandelowa, 2008; Guest, Bunce yTohnson, 2006; y Mors, 2003) ice con- _flunaesy uen ands cepto se representa en la figura 14.11 © Figura 14.11 Stuacién de ategorios > » » Enea + faeita + Sn > ss = sein > hts : > bnimers : > Geguies ae ates) oe tess) = ots ats ™ > oan > » fit = feta "sega am, * tseoala Ads (ets ~ Tees ieee “Teas ‘cone + eft eitenle + hlelao caer renas ~ races meen * aes asia) 4 > satucsn scx paboebion to Haphepeshet onas opitule 14 Recolecin y andlsis de ls datos cuaiaivas Hay un par de cuestiones que, aunque ya se mencionaron, debemos recalear: durante el proceso de codificaciSn inicial es aconsejable ir cligiendo segmentos muy representativos de las categorias (cjemplos, cicastextuales), que las earactericen o que posean un significado muy vinculado con el plan- ‘eamiento, porque més adelante habremos de necesitarlos en lo que suele conocerse como recuperacién, de unidades. Asimismo, recordemos que las anotaciones del investigador (contenidas en la bitécora de recoleccidn de los datos u otro medio), también se codifican (a veces aparte y en otras ocasiones junto con las enttevistas, sesiones, ete: en esta segunda opcién deben vincularse con los datos). Si el proceso se complet6, los voluminosos datos se reducirén a categorias y se tansformain, sin perder su significado (lo cual es imprescindible en la investigacién cualitativa), ademas de encontrarse ahora codificados. A veces tenemos como resultado unas cuantas categoria, y en tas diversidad de ella. ‘A quienes efectian un estudio cualitativo por primera vez, les cuesta trabajo generar categoria (y a veces atin investigadores con experiencia). Pr ello, eincluye el siguiente apartado propio de esta edicidn Técnicas para generar categorias cuando cuesta trabajo hacerlo [Antes de revisar las técnicas para generar caregorias, debemos sefialar que los autores de la investiga~ ‘i6n cualitativa a lo largo de la historia las denominan de diferentes formas. En teorfa fundamentada se les designan “caregorias” (Glaser y Strauss, 1967), pero tambien sc les ha nombrado de otras mane ras: “expresiones” (Opler, 1945), “unidades tematicas” (Krippendorf, 1980), “segmentos” (Tesch, 1990), “conceptos’ (Strauss y Corbin, 1990), “etiquetas” (Dey, 1993), “cédigos” (Miles y Huberman 1994) y “temas’ (Ryan y Bernard, 2003). Nosotros preferimos denominarlas “categoria”, y al con- junto de categorias que se reficren a un mismo asunto, “temas” (corresponden al mismo fenémeno}. Son los términos que se han acusiado en las dltimas ediciones de esta obra. Una técnica sencilla para producir categorias ¢s la de “agrupamiento”: primero, anotar temas vinculados al planteamiento mencionados en las entrevista o grupos, o bien, detectados en las obser- vaciones y documentos. Luego, sefalar cudles son comunes (se repiten una y otra vez), cuales son los mis distintivos (muy relacionados con el planteamiento) y cuales solamente se mencionan una 0 pocas veces. Estos iltimos se descartan. Posteriormente, agrupar temas. Esto se ilusta gréficamente dela siguiente manera (puede ser un formato): Uistade | :cudles son comunest | cuales son los mas distitiv Pay temas | (se repiten frecuentemente) | (Vinculados con el planteamienta) | (ccudles se pueden agrupar?) 1 2 3 k Los mis distintivos representan a las eategorias més importantes y cada una se nombra, describe, ilustra y analiza Para denominar alas categorias se aconseja utilizar las palabras que representen mas alos temas (gde qué se erat). ‘Asimismo, diversos autores consideran varias técnicas para desartolla categorfas porque es dificil anticipar todas las que pueden emerger, desde el conteo de palabras hasta los andlisis de diferentes tunidades." Cada una tiene ventajas y desventajas. Ciertastécnicas son més apropiadas para narrativas complejasy ricas en contenido, mientras que otras resultan mis adecuadas pata respuestas cortas a preguntas abiertas. Algunas requieren mayor mano de obra y experiencia del investigador. Ryan y Bernard (2003) las dividen en téenieas de escrutinio y téenicas de procesamiento, “Tratindose de material escrito se buscan categorias examinando el texto y se destacan frases lave ‘0 segmentos con marcadores de diferentes colores (manualmente) o bien se establecen categorias en el programa de analisis (en computadora). Se subrayan © marcan segmentos que tienen sentido de acuerdo con el planteamiento. " eandersampe et of (2013); Ryan y Berar 2003; Paton (20025 y Stas y Corin 1980) scx paboebion to Haphepeshet onandl de los datos cuaitatos En material audiovisual, una ver més se recomienda transcribirlo para que sea posible manejatl. Si el andlisis es manual se generan categoria en dos vias: a partir del texto y a partir de observar las imagenes. Si se hace mediante un programa de computadora se integran las transcripciones, las im genes, el audio y el video. Técnicas de escrutinio ‘Veamos algunas técnicas de escrutini. 1. Repeticiones La repeticibn es una de las maneras mas files de identificar eategorias. Cuando una unidad 0 idea se repite frecuentemente, puede significar que representa una categoria (regularidad recu srente) Por ejemplo, sien una entrevista sobre las razones para laborar en cierca empresa el partici pante menciona varias veces ideas asociadas con el dinero, los ingresos, aumentar su posicién econémica, resulta clazo que hay una categoria: factor econdmico. Desde luego, debe referitse al planteamiento del problema (por ejemplo, comprender las motivaciones de los estudiantes para ingresar a su primer trabajo). Asi as recurrencias nos sirven pata producir categorias. 2. Conceptos locales o usados frecuentemente en el contexto del estudio Buscar términos “locales” que no sean comunes en otros ambientes y parezcan propios de los patticipantes (Ryan y Bernard, 2003; y Patton, 2002). Son expresiones muy reveladoras en el contexto analizado y pueden implicar categorias por su significado profundo para los participan tes, Son eddigos “en vivo” que muchas personas utiizan cuando quieren poner algo de relieve. Por ejemplo, si eectuamos un grupo de enfoque entre jévenes mexicanos y en el lenguaje encon: ramos que ciertos conceptos van acompafados del término: “chingona” (genial, extraordina- ria)" refiriéndose a ciertas experiencias, étas pueden enconcrarse en frases con potencial para constitu eategorfas, Es una manera Gil de encontrar categorias en mensajes presentes en redes sociales de internet. 5. Metéforas y analogias Diversos autores han observado que las personas frecuentemente representan sus pensamien- tos, conductas y experiencias a través de analogias y metiforas (Ryan y Bernard, 2003), lo eual ayuda a localizar categorias con significado. Por ejemplo, si evaluamos experiencias de matrimo- niios y sus eonflictos y el esposo comenta: “Tenemos problemas porque ella es fria como el hielo’ Podemos comenzar a establecer la categoria “tigide2” y laogo corroboratla en otras ctas © pasaes. 4. ‘ransiciones ‘Cambios que ocurten de manera natural en conversaciones e interacciones pueden consti cuir “mareadores” de categorias. En textos, se rata de pérrafos nuevos. En el lenguaje verbal también los cambios en el tono de vor, las incerrupciones o la presencia de ciertas frases pueden implicar transiciones y marcadores. Por ejemplo, en el estudio sobre las experiencias de matti- monios, pausas largas pueden indicar que el lenguaje que le sigue es importante y con potencial pata generar una categorfa 5. Similitudes y diferencias Similitudles entee pasajes, unidades, segmentos de lenguaje verbal y no verbal, pueden indi- car categorias. De hecho, como hemos visto, la comparacién constance se fundamenta en ello Cuando un pasaje es similar a otros, es muy probable que se presente una categorfa, ‘Gres ete rino es 98 pra quienes an tionalisas Peoria es ques us cn een. De atemano, ads a2 quien eofends pr su tian Encode pas ay plabrs © expresonesrevelaars que pueden aparece nt anceps an Dotecalgure set aegis pol, ore, “cle! "ren", “ane "bate "a" region qe eine se menclonan eomunente pars enatar concept scx paboebion to Haphepeshet on ‘a7438 ¢ opitule 14 Recolecin y andlsis de ls datos cuaiaivas 6. Conectores lingiisticos y adverbios, pronombres o similares Utiles para encontrar categorias y establecer telaciones ent ellas. Una manera de localizar categoriases buscando las palabras “no”, “nunca’, “ninguno”, 0 sus opuestos. Los investigadores pueden descubrircategorias buscando grupos de palabras y mirando los términos que las conec- tan, También, en caracteristicas negativas o positivas pueden descubrirse categoris. Al examinar cuidadosamente palabras y frases como “porque”, “desde entonces” y “como resultado”, nos dare- ‘mos cuenta de que a menudo indican relaciones causales entre eategorias (Ryan y Bernard, 2003) Términos como ‘si’ o “entonces”, “mas que" y “en lugar de” a menudo significan relaciones con- dicionales. La frase “es un” sucle asociarse con categorias taxondmicas (por ejemplo, “Amalia Eugenia es como una viuda negra’, “Hans Torres es como un le6n, peto finalmente es un tipo de gato”. Las relaciones orientadas temporalmente son expresadas mediante palabras como “antes”, “después, “entonces” y “siguiente” Qué o0s tipos de relaciones pueden ser de incerés? Ryan y Bernard (2003) sugieren buscar atributos (por ejemplo, X es ¥), contingencias (si X, entonees Y), funciones (X es un medio de afectar a Y), de orientacién espacial (X esté cerca de Y), definiciones operacionals (por ejemplo, X es una herramienta para hacer ¥), ejemplos (X es una instancia de ¥), comparaciones (X se parece a ¥), inclusiones de clase (X es un miembro de ¥), sindnimos (X es equivalente a ¥). anté- rnimos (X es la negacién de Y), procedencia (X es la fuente de Y) y circularidad (X se define como X). En Werner, Schoepfle y Ahern (1987) se encuentran otros tipos de relaciones que pueden ser “tiles para identifcar categoria. 7, Datos perdidos o no revelados Ryan y Bernard (2003) también aportan una téenica ala inversa para descubrir categorias. En lugar de que el investigador se pregunte qué hay aqui, puede pensar en qué falta, qué est ignorado © perdido, “Lo que no se menciona’. Es importante estar atentos 2 lo que los partcipantes evaden intencional o no intencionalmente. Por ejemplo, una joven muy teligiosa puede silencar las rela- ciones sexualeso l aborto en un estudio sobre el tema, Muchas voces “no se escuchan” porque los temas les parecen comprometedores,dificiles 0 complicados a algunos participances. Lo mismo ocurte con teméticas muy comunes, ya que las personas pueden dejar de lado “informacién que todo mundo sabe". Esto se conoce como “abreviacién’. Por ejemplo, Miura (2002), en una investigacién sobre sentimientos de las mujeres al perder a su esposo, al efeevuar entrevistas se percat6 de que se daba por hecho que se vive un duelo y no se comenta porque es una especie de premisay el investigador debié ahondar en ello [No es facil buscar informacién faleante. Las personas pueden desconfiar del investigador 0 no querer expresarciertas cuestiones en presencia de otros. Distinguir entre el caso en el que los participantes estin dispuestos a discutir un tema y cuando asumen que el investigador ya sabe sobre és requiere mucha familiaridad con temas e informantes, Para localizareategorias en datos perdidos o ausentes, Ryan y Bernard (2003) recomiendan buscar y analizar expresiones que no se asocian con las categorias descubiertas. Por elo, deben ddarse varias lecturas al texto 0 imagenes. 8, Material vinculado a la teonla Ademés de caracterizar las experiencias de los parciipantes, casi siempre los investigadores estén interesados en cémo sus datos cualtativos iluminan el conocimiento de los fendmenos estudiados y generan teoria. Por ello, gran parte de los autores (por ejemplo: Savin-Baden y Major, 2013; Bazeley, 2013, Denzin y Lincoln, 2011; Boeije, 2010; y Bogdan y Biklen, 1982) indican que se examine el ambiente 0 contexto, las perspectivas de los participantes y sus percep- ciones y lo que piensan de otras personas, objetos, procesos y relaciones; as{ como las condicio nes, interaceiones y consecuencias de los fenémenos estudiados y ordenarlas en teorias. Pero al hacerlo, el investigador debe tener cuidado de no solamente descubrit las categorfas y cuestiones aque encajan en la teoria, pues pueden obtenerse otras categorias que sean relevantes para otros conceptos 6 facetas del planceamiento o fendmeno estudiado Por ditimo, debe haber una conexién entre las categoriasy las preguntas de investigacin, pero también es necesatio buscar nuevas perspectvas. scx paboebion to Haphepeshet onandl de los datos cuaitatos Hasta aqui, las téenicas deseritas para descubrir ategorias pueden aplicarse manualmente. Las "gue toulten io de programas de compussin pars ands caatvo, pues de ta mane Técnicas de procesamiento Enure las técnicas de procesamiento se encuentran las siguientes: 1. Corte y clasificaci6n Después de revisat, manejar y marcar el texto, el cortar o editar y clasifcar,consisteen identi- ficar expresiones, pasajes 0 segmentos que parecen importantes para el plantcamiento y luego juntarlos conceptualmente (serfa como agrupar objetos en el “cajén o pila” que le cortesponde: juguetes, ariculos de cocina, ropa, etc). Hay diversas técnicas para ello, La mas difundida es el método de comparacién constante, Se hace mediante el programa o en un procesador de textos (hace tes décadas se hacia con tarjetas de colores). En el segundo caso, cada “cajén conceptual” 0 tema general puede ser un documento de Word, Desde luego. podemos comenzar agrupando cemas generales 0 més especifcos. La mayoria de las veces se pretende generar una amplia gama de temas Vinculados al planteamiento, para después ir seleccionando los més importantes para su ani~ lisis (s similar ala técnica de “agrupamiento”) ‘Una variante, cuando el material es sumamente extenso, es que el equipo se lo divida y des- ppués, en una reunién de trabajo, se elijan las categoria centrales y comunes, Si el material no es extenso, puede ser tevisado por investigadores independientes y luego se contrastan las categorias coincidentes. Ryan y Bernard (2003) incluso recomiendan el trabajo en parejas. Estos autores, en tun proyecto enttevistaron a médicos,lideres comunitarios y padres sobre qué podtan hacer para prevenir la violencia entre jévenes. El material resultante fue extenso, y por tanto desartollaron el proceso en dos pasos. Comenzaran con tres categorias que habfan obtenido de la teoria. El inves- ‘igador principal extajo todas las citas o unidades que pertenecian a ells, Posteriormente, cuatto codiicadores clasificaron las citas en categorias y generaron otras. 2. Listas de términos y palabras clave en contexto (PCC) Identificar palabras que wtlicen los participantes de manera recurrence (comunes ala mayo: rfa y que todos las mencionen frecuentemente). Similar a la primera técnica (repeticién), pero ahora en vez de unidades o ideas, se trata de conceptos. Asi seelabora una lista y e cuenta el niimero de veces que se repiten(lrecuencias). Esto lo hace cualquier programa de andlisis. Por ejemplo, en una investigacin efeecuada en 1996, G. W. Ryan yT. Weisner (citados por Ryan y Bernard, 2003) pidieron a una muesta de padtes y madres que describieran a sus hijos en sus propios términos (‘solamente hablen de ello”). Después, eranscri- bicton las respuestasy generaron una lista de palabras (climinaron 125 que son comunes en inglés, principalmente preposiciones, articulos y conjunciones). Finalmente, determinaron la frecuencia de cada uno de estos términos. Encontraron que las madres usilizaron palabras como “amigos”, ‘reativos”,“temporales” y honestos’; mientras que los padres usaton términos como “escuela”, “bueno”, “falta”, “etudiante’, “disfrur’, “independiente” palabras revel6 que los padres estaban preocupados por temas (categorias) relacionados con la inde- pendencia de sus hijos y sus eualidades moral, artstca, socal, atlética y académica. Ryan y Weisner silizaron esta informacin como pista para localizar categorias en la codificacién de los textos, Las téenicas de conteo de palabras producen lo que se ha denominado “condensacién o des tilacibn de datos”, que ayuda a los investigadores a concentrarse en el ntileo de categorias vincu- ladas al planceamiento del problema en un universo difuso de datos. Pero el investigador debe tener en mente que el conteo puede sacar a los términos de su contexto. La lista y recuento de palabras ¢s una herramienta para ayudarnos a identificar categorfas, pero siempre los términos, categorias y temas tienen que analizarse en su contexto, “extremadamente”, La eleceidn de las 5. Coocurrencia de palabras Este enfoque, también conocido como “colocacién’, se asa en la idea de que ef significado de una palabra estdrelacionado con los conceptos alos que estd conectada. Actualment scx paboebion to Haphepeshet on440 ¢ opitule 14 Recolecin y andlsis de ls datos cuaiaivas te los programas de andlisis pueden construirse matrices de coocurrencia. Jang y Barnett (1994) examinaron si una cultura nacional (estadounidense o japonesa) puede distinguise en la cartas! informes anuales enviadas por los maximos ditectores de las empresas a sus actionistas, en 18 corporaciones de Fstados Unidos y 17 de Japén (todas incluidas en las 500 empresas de Fortune) Entre algunos resultados, Ford fue igualada con Honda, Xerox con Canon y asi sucesivamente, “Todas las empresas cotizaban en la Bolsa de Valores de Nueva York y cada aio los accionistas recibfan un mensaje anual del ditector o presidente de las organizaciones. Los investigadores analizaron las carta de 1992 (ignorando una lista de palabras comunes como “el”, “hi, "porque’, “si” y “ast sucesivamente’) y aisaron 94 palabras que ocurrieron al menos ocho veces en las 35 cartas. Esto produjo una matriz de 94 palabras x 35 compafias,en la cual las celdas contenian tun ntimero de 0 a 25, siendo el 25 el mayor niimero de veces que cualquier palabra aparecia en tuna de las cartalinformes. ‘Accontinuacién, Jang y Barnect (1994) ctearon una mattiz de similicud de 35 x 35 empresas, bbasada en la coocurrencia de palabras en las catas. En este caso, utilizaron el coeficiente de corre- lacin para medir la similitud entte las compafias. Los investigadores también habsian podido utilizar otras medidas, como primero una matriz original con dicotomias, basada en si se men- ciona 0 no la palabra y luego calcular el poreentaje de veces que cada organizacién utiliza las rmismas palabras Asi, los autores analizaron la mattiz de empresa por empresa con escalamiento multidimen- sional y encontraron que las compafias se dividieron en dos estilos claramente distintos de infor- ‘mes corporativos a los accionistas, uno estadounidense y otro japonés. Los investigadores se preguntaron “qué palabras fueron importantes para distinguir los grupos y cémo se relacionan con ambos". F1 andlisis discriminante indicé que 23 palabras cuvieron un efecto significativo en la dife renciacin ensze los grupos, por lo que Jang y Barnett utiizaron el andlisis de correspondencia para evaluar a matria de 35 empresas X 23 palabras. Este mécodo agrupa flas y columnas simul: tineamente. En este caso, el andlisis moste6 conglomerados o agrapaciones de palabras y de empresas. Los resultados revelaron que 13 palabras estuvieron cerca del clister estadounidense y se agruparon juntas: “jefe”, “liderazgo”, “consejo” (administracién), “presidente”, “oficial” (en inglés se utiliza en el contexto de director ejecutivo oficial o director general —CEO—), “prin- cipal’, “posicién’, “financiero”, “mejorado”, “bueno”, “éxito’, “competiivo” y “cliente”. Tales palabras representan dos temas: informaciin fnanciera y estructura organizacional. Seis palabras estuvieron “cerca’ de las compaiias japonesas: “ingresos’, “esfuerzo”, “econo- mia’, “novedoso 0 nuevo", “desarrollo” y “calidad”. Estos términos representan para los investi- gadores las operaciones organizacionales y reflejan la preocupacién nipona por el desarrollo de nuevos productos de alta calidad para competir con las empresas estadounidenses. Las cuatro palabras restantes ("compafifa’, “mercado”, “la gente” —colaboradores— y “nosowros”) fueron usilizadas por ambas nacionalidades de empresas y las consideraron neutrales, aunque pueden indicar eategorias como el interés por el mercado y el propio personal. Metacodificacién En este método, se examina la relacién entre las categorias sugeridas por estudios previos (marco tedrico) para descubrir ottas potencialmente nuevas y temas. La téenica requiere un con- junto de unidades o datos (parratos, textos completos, imagenes, ec.) y un conjunto de catego: as establecidas. Para cada unidad, el investigador se pregunta qué categorlas estin presentes y cual es su diteccién y valencia. Los datos se disponca en una mattiz de unidad por tema. Esta matriz puede tratarse estadisticamente. El anilisis factorial, por ejemplo, indica el grado en que Jas categorias se mezclan a lo largo de un ntimero limitado de dimensiones. Los andlisis de corres pondencias y de conglomerados, asi como el escalamiento multidimensional mucstran grifica- mente cémo se discribuyen categorias y unidades a lo largo de las dimensiones y en grupos © conglomerados. El método es mixto, Esta técnica tiende a producir un niimero acotado de temas generales. Asi, las categorlas vinculadas se reducen a temas que las abarcan (codificacin en segundo plano). scx paboebion to Haphepeshet onandl de los datos cuaitatos Selecci6n de técnicas [Ninguna téenica por si misma es mejor que la otra, en ocasiones podemos utilizar una o varias para descubrir categorias y temas. La eleccién depende de varios factores: 1) tipo de datos (textuales, verba les, visuales, etc), 2) pericia requerida, 3) volumen de los datos y 4) ntimero y tipos de categorias y temas por generat. Nosotros recomendamos alos estudiantes que s¢inician en la investigacion cualia- ‘iva que usen las més sencillas: repeticiones, smilitudesy diferencias, cortary elasficar y conceptos locales Describir las categorias codificadas que emergieron y codificar los datos en un segundo nivel o central (codificacién axial y selectiva) El segundo plano es més abstracto y conceptual que el primero y consiste en describe incerpretar el significado profando de las categorias, lo que se denomina “codificacién selectva” (Matthew y Price, 2009b y Benaquisto, 2008b) (en el primer plano incerpretamos el significado de las unidades), Para tal propésito, Berg (2004) recomienda recuperar al menos tres ejemplos de unidades para justifcar cada categoria. En un procesador de cexcos se recuperan los segmentos con las funciones de “cortar” y “pegae” (los programas compuacionales de andlisis cualitativo tienen una forma expecifica para hhacetlo). Esta actividad nos conduce a examinat las unidades dentro de las categoris, lat cuales se disocian de los participances que las expresaron o de los materiales de donde surgicron. Cada catego ria se deseribe en términos de su significado (2 qué se refiere la categoria? «Cul es su nacuraleza y csencia? Qué nos “dice” la categoria? Cul es sa significado’). Laego, se ilustra o caracteriza con segmentos. A continuacién se mucstra un ejemplo sencillo de tal recuperacisn con el caso que se ha uuatado de los centzos comexcales. Fe plo CATEGORIA: Importancia de una tienda departamental para el centro comercial" “No voy aa plaza, mas bien voy ala Tienda Principal” “El principal alractivo de esta plara es la Tienda Principal ‘eo que sino estuviera, yo ni vendo” “Yo apuesto que 70% dela gente que viene al centro comercial no entra ala plaza sino a la Tienda Principal” Comenzamos a comparar categoria (tal como lo hicimos con las unidades),identificamos simi litudes y diferencias entre ellas y consideramos vinculos posibles entre categorias. La recuperacién de unidades, ademas de ayudar en la comprensién del significado de la categoria, nos sirve para los con- tastes entre categorias. El centro del anilisis se mueve del contexto del dato al contexto de la eatego- ta, Antes de profundizar en la comparacién de categoras, dejemos en claro el asunto de recuperacion de unidades 0 segmentos del material analizado, “Recuperar las unidades” quiere decir que recobramos el texto o imagen original (en el primer «aso, la transcripci6n del segmento). Las unidades recuperadas se colocan de nuevo en la categoria que les corresponde (por tal motivo insistimos en ir seleccionando ejemplos representativos de cada categoria). Recordemos que todos los segmentos provienen de enttevistas, sesiones grupales uw otros :medios; por lo que al recuperarlos los colocamos fuera del contexto de la expresin de cada partici pante Esco representa el riesgo de malinterpretar la unidad una vez que es separada de su contexto ofi- ginal (como lo es la experiencia de cada individuo). La ventaja es que se puede considerar la informa cidn en cada categoria en un nivel entte casos (por ejemplo, se consideran las experiencias de varias se suture de eda Pinal vas partes de Msi yCertoaerea, paz es sino ge cette comer scx paboebion to Haphepeshet on