UNIVERSIDAD NACIONAL DEL CALLAO

VICERRECTORADO DE INVESTIGACIÓN
 

 
Curso - Taller 
Metodología de la investigación científica 

UNIDAD 4 

Metodología 

Expositor:
Mg. Juan Neil Mendoza Nolorbe
4. Metodología 
4.1 Tipo de investigación 

4.2 Diseño de investigación 

4.3 Población y muestra. Técnicas de recolección de datos 

4.4. Matriz de Consistencia 

4.1. Tipos de investigación

Investigación exploratoria

Es una investigación de corto alcance suelen tener los siguientes objetivos:

1) Conocer la información disponible​, de forma escrita (informes

técnicos), observable de forma directa (mediciones experimentales).
Identificar variables​.

2) Identificar si hay vacíos de conocimientos​, falta de información

teórica para comprender los hechos.

Las preguntas en una investigación exploratoria son primitivas, contesta

preguntas tales como:
1) ¿Cuáles son los antecedentes?
2) ¿Cuáles son las investigaciones actuales más importantes en esta
línea de investigación?
3) ¿Cuáles son los investigadores más activos o sobresalientes en el
tema de estudio?
4) ¿Cuáles son las partes que integran el problema? ¿Cuál es la parte
más urgente de solucionar?
Las investigaciones exploratorias no es posible proponer una hipótesis, ya
que los objetivos es conocer lo suficiente sobre el problema para proponer
una soluciòn o hipótesis.

Investigación descriptiva

Las investigaciones descriptivas tiene la misión de mostrar la forma en que

ocurre el problema que se estudia. ​Cuenta con las bases teóricas
suficientes como para plantear una hipótesis.​ Este tipo de investigación
suele tener los siguientes objetivos:

1) Caracterizar y específicamente medir las variables del problema de

investigación.

2) Determinar si existe​ alguna relación, correlación o influencia​ entre las

variables, (identificar las variables independientes y dependientes).

Las hipótesis en este tipo de estudios suele ser expresada:

➔ “Existe una relación entre la variable X y la variables Y”.

➔ “Cuanto mayor sea el valor de X, mayor será el valor de Y, siempre y
cuando ocurra Z”

La metodología de este tipo de investigación requiere análisis estadísticos

pertinentes​, cuyos instrumentos y técnicas deben tener ​validez y
confiabilidad ​suficientes para generalizar los resultados obtenidos a
objetos o sujetos de la misma clase o universo.

Investigación explicativa

En las investigaciones explicativas no se conforman solo con medir las

variables y buscar sus relaciones, además se busca una ​relación causal
que busque explicar el comportamiento de las variables dependientes,
mediante diseños experimentales, que permitan controlar las variables.

Cuando un fenómeno o una situación problemática puede explicarse,

significa que podría ​reproducirse en laboratorio​, elaborar ​modelos
matemáticos predictivos ​o bien predecir el comportamiento de la variable
dependiente.

En síntesis explicar en este contexto es comprender, predecir , controlar y

en algunos casos reproducir lo que se estudia.

Las hipótesis en este tipo de estudios suele ser expresada:

➔ “Existe una relación causal entre la variable X y la variable Y”.

➔ “La variable X influye significativamente en la variable Y”
➔ “ Existe una probabilidad de que cuando ocurra la variable X, la
variable Y tome un valor determinado”
4.2. Diseño de investigación

Un diseño de investigación es un plan o estrategia concebido concebido

para responder a las preguntas de investigación. (Christensen 1980).

El diseño de investigación puede expresarse como una estructura

esquematizada de los aspectos fundamentale de los procesos
involucrados en la investigación.

El diseño de investigación debe contemplar como se controlan las

variables y debe ser un instrumento de dirección de la investigación.

Clasificación de los diseños experimentales:

A. Por el momento que se obtiene y analiza la información

Retrospectivo​:
La información es recopilada en el pasado, usando una determinada base
de datos y es analizada en el presente.

Prospectiva:
Las variables se miden en el desarrollo de la investigación y se analizan al
concluirlo.
B. Por el número de veces que se mide la variable

Transversal​:
Cuando las variables se miden una sola vez en una o más muestras.

Longitudinal:
Cuando las variables se miden en diferentes tiempos en una o más
muestras.

C. Por el grado de control de las variables

Diseños experimentales
Si la investigación científica permite por lo menos ​manipular algunas de las
variables de investigación ​y ver sus efectos sobre otras variables, entonces
el diseño de investigación se dice que es experimental.

La variable experimental es una variable independiente que al ser

modificada alteran otras variables llamadas variables dependientes.

Un diseño experimental es un ​proceso planificado​ donde se expresa de

qué modo se van a controlar las variables involucradas en el problema de
investigación.
Línea base
Muchas investigaciones de diseño experimental parten de una línea base
como instrumento de control.

Fase A:​ Se registran datos al inicio de la investigación, el investigador

recoge información pertinente, que determine los valores iniciales de las
variables independientes y dependientes.

Fase B:​ Se modifican los valores de las variables independientes y se

vuelve a tomar las medidas de las variables dependientes, al encontrar
diferencias en las mediciones de la línea de base, se consideran como
causa la aplicación de la variable independiente.

En los diseños experimentales existen ​variables “extrañas”​, variables que

no son independientes ni dependientes, estas variables deben ser
controladas, evitando sus variaciones significativas tal que no introduzcan
“ruidos” sobre los resultados​.

Si las variables extrañas compiten con las variables independientes, el

investigador debe indicar de qué modo evitará que las variables extrañas
invaliden el resultado.
Diseño experimental con un grupo experimental, una evaluación, pre
test, una aplicación y una evaluación post test.

Procedimiento:

1) Precisión del grupo de estudio (grupo experimental)

2) Evaluación pre test
3) Aplicación de tratamiento.
Evaluación post test.
Comparación de los resultados pre test y post test.

Diseño experimental con un grupo experimental, una evaluación, pre

test, una aplicación y dos evaluaciones post test.

Procedimiento:
1) Precisión del grupo de estudio (experimental).
2) Evaluación pre test
3) Aplicación de tratamiento.
4) Primera evaluación post test.
5) Segunda evaluación post test.
6) Comparación de los resultados pre test y post test.
Diseños no experimentales

Las investigaciones no experimentales son muchas más sencillas que las

experimentales, no requieren de equipos ni de una planificación para el
control adecuado de las variables. Las investigaciones no experimentales
son del tipo descriptivo.

Diseño descriptivo observacional

Procedimiento:
Precisión de la muestra de estudio.
Realización de la observaciones
Conclusiones. (análisis estadísticos de los datos medidos, por lo general
univariables)
medidas de tendencia central (media, mediana, moda)
medidas de dispersión (varianza, desviación estándar)

Este diseño aplica a preguntas como las siguientes:

● ¿Cuál es la prevalencia de las caries de los niños que viven en

ventanilla?
● ¿Cuál son los platos novoandinos de mayor preferencia en los
restaurantes de Lima en el año 2016?
Diseño descriptivo comparativo simple

Procedimiento:
1) Precisión de los grupos de estudio.
2) Mediciones del primer grupo.
3) Mediciones del segundo grupo.
4) Conclusiones. (análisis estadísticos de los datos medidos: relacional,
correlacional, análisis bivariable o multivariable)

Este diseño aplica a preguntas como las siguientes:

● ¿Cuál de los métodos es más eficaz: El método interactivos o el

método tradicional en el aprendizaje de la matemática en las
facultades de Ingeniería de la Universidad Nacional del Callao?

● ¿Cuál de las estrategias educativas es más eficaz: La estrategia

tradicional o el aprendizaje basado en problemas en el aprendizaje
de física en la FIEE-UNAC?
Diseño descriptivo comparativo longitudinal

Procedimiento:
1) Precisión del grupo de estudio.
2) Mediciones del grupo A en el año 2016.
3) Mediciones del grupo A en el año 2017.
4) Mediciones del grupo A en el año 2018.
5) Conclusiones. (análisis estadísticos de los datos medidos)

Este diseño aplica a preguntas como las siguientes:

● ¿Cómo evoluciona el aprendizaje en las asignaturas de los
estudiantes de administración en la UNAC?

Diseño descriptivo comparativo transversal

Procedimiento:
1) Precisión de los grupos de estudio (A, B, C,...)
2) Mediciones del grupo A en el año 2017.
3) Mediciones del grupo B en el año 2017.
4) Conclusiones. (análisis estadísticos por lo general comparando
promedios)
Este diseño aplica a preguntas como las siguientes:
● ¿Cómo evoluciona el aprendizaje en las asignaturas de los
estudiantes de administración, contabilidad y economía en la UNAC,
desde el 2010 hasta el 2014?
Diseño descriptivo correlacional
Procedimiento:
1) Precisión del grupo de estudio.
2) Mediciones de la característica X del grupo de estudio.
3) Mediciones de la característica Y del grupo de estudio.
4) Conclusiones. (Análisis estadísticos buscando correlación entre las
variables)

Este diseño aplica a preguntas como las siguientes:

● ¿Cuál es la relación entre los tipos de dietas y el rendimiento físicos
de los atletas de la Federación de Atletismo del Callao?
● ¿Existe relación entre la pobreza y el rendimiento académico de los
estudiantes del UNAC?
Análisis de propuestas:

Propuesta 1:
Eficiencia de adsorción de filtros para la remoción del Hg° en agua
contaminadas con mercurio.

Formulación
¿Cuál de las técnicas de filtrado por adsorción de mercurio en aguas
contaminadas es más eficiente: La técnica A, la técnica B o la técnica C?

Hipótesis
La remoción de Hg° en aguas contaminadas depende de la eficiencia de
adsorción de los filtros.

La eficiencia en la adsorción de Hg° está relacionada con las técnicas de

filtrados.

Diseño: Descriptivo comparativo 

Propuesta 2:
Caracterización de parámetros físicos y/o químicos de los efluentes
provenientes de la empresa textil “Gamarrita S.A.”

Formulación
¿Cuáles son los parámetros físicos y/o químicos principales de los
efluentes provenientes de la empresa textil “Gamarrita S.A.”?

Hipótesis
“Los efluentes provenientes de la empresa textil “Gamarrita S.A.” contienen
concentraciones metálicos que sobrepasan los límites permitidos”

Diseño: Descriptivo simple  

4.3. Población y muestra

Técnicas de muestreo

Existen esencialmente ​dos formas de diseñar la muestra que servirá para

verificar la hipótesis de investigación; muestreo no probabilístico y
muestreo probabilistico. Si los objetivos implica ​generalizar los resultados
obtenidos de la muestra entonce​s es conveniente usar un muestreo
probabilístico. Pero si la ​generalización no es necesaria, se usa e
muestreo no probabilístico​.

Muestreo No probabilístico
 ● Muestreo por cuotas
Se determina una cantidad o cuota de individuos de una población
para que sean miembros de la muestra, el criterio es arbitrario,
simplemente se puede elegir, por ejemplo a 30 niños y 30 niñas, que
comparten ciertas características específicas.

● Muestreo por accidente

Se elige de forma arbitraria los individuos, sin técnicas de muestreo
ni estrategias de tipo aleatorio. Por ejemplo, ir a un mercado y encuestar a
las personas que acostumbran a comprar un dia determinado en ese lugar.

Las conclusiones que obtenga de una investigación con este tipo de

muestreo impiden suponer que “las personas que van al mercado piensan
u opinan de tal forma” no se ​puede generalizar​.

Muestreo Probabilístico

Muchas veces la cantidad de individuos que conforman nuestro objeto de

estudio pueden ser muy grande (población), seguramente sería imposible
o muy costoso analizar toda la población. Afortunadamente, existe la teoría
de probabilidades, que permite tomar subgrupos (muestras) de individuos
de toda la población, estudiarlo con detalle y generalizar las
características; asumiendo determinado error o riesgo de equivocarse, el
cual puede ser cuantificado.
Cuando se generaliza a partir de estudios muestrales, jamás está
totalmente seguro de que en todos los grupos o individuos ​ocurre lo
mismo, sin embargo se puede afirmar con una alta probabilidad que los
resultados también ocurren con los individuos que no se estudiaron, por
ejemplo “ ​cuánta mayor actividades se realice sobre un tema del curso de
análisis matemático mayor será el rendimiento de los estudiantes de los
estudiantes de la UNAC​”

El ​muestreo probabilístico consiste en elegir al azar cada uno de los

individuos de la muestra, ​las técnicas de muestreo probabilístico más
comunes son:

1) Aleatorio simple.
2) Aleatorio estratificado.

Antes de elegir la técnica más idónea, es conveniente determinar primero

el tamaño de la muestra.

Cálculo del tamaño de la muestra

El cálculo del tamaño de la muestra depende de tres factores:
1) el ​porcentaje de confianza ​que se desea generalizar los datos en la
población total.
2) El ​porcentaje de error ​que se está dispuesto a aceptar en tal
generalización.
 3) El​ nivel de variabilidad ​que se calcula para la comprobación de la
hipótesis.

Porcentaje de confianza

Para obtener un 100% de confianza para generalizar los resultados es

necesario estudiar a todos los individuos de la población lo cual puede ser
imposible, o demandar muchos recursos de lo que estamos dispuesto a
invertir. Lo más práctico es tolerar que existan algunos individuos que no
compartan las conclusiones del estudio.

Si se eligieran ​95 % de confianza​ en la selección de la muestra, las

conclusiones indicarían que existe la seguridad de generalizar sólo el 95%
de sujetos de la población. ​A mayor porcentaje de confianza, mayor será la
cantidad de sujetos necesarios para la muestra​.
Porcentaje de error

Elegir el porcentaje de error significa seleccionar la probabilidad de aceptar

una hipótesis como verdadera siendo falsa o la inversa, rechazar la
hipótesis siendo verdadera. ​Si se buscara el 0% de error, significa que no
estamos dispuestos a correr este tipo de riesgos, entonces la muestra
debería ser toda la población, por lo que es necesario aceptar algún
riesgo.
Es frecuente aceptar entre​ 4 % y 8 % de error​, determinar un 4% quiere
decir que existe 4% de posibilidades de equivocarse. ​El porcentaje de error
no es el complemento del porcentaje de confianza.

Fórmulas

Existen varias fórmulas para calcular el tamaño de la muestra, para

análisis sencillos:

Fórmula 1:​ ​Cuando se desconoce el tamaño exacto de la población.

2
Z pq
n = e2
n = tamaño de la muestra.
Z​ ​= 1,96 (para un nivel de confianza de 95%).
p = variabilidad positiva de la hipótesis (asume 50 %).
q = variabilidad negativa de la hipótesis (asume 50 %).
e = precisión del error (es frecuente 5%).

El nivel de confianza debe dividirse entre dos y el resultado se busca en

las tablas llamadas ​áreas bajo la curva normal ​( para 95% de confianza, el
valor de Z = 1,96) .

Ejemplo:
Para Z = 1,96, p = 0,5, q = 0,5, e = 0,05 entonces n = 384,16

Fórmula 2:​ ​Cuando se conoce el tamaño exacto de la población.

Z 2 pqN
n = N e2 + Z 2 pq
N = tamaño de la población
n = tamaño de la muestra.
Z​ ​= 1,96 (para un nivel de confianza de 95%).
p = variabilidad positiva de la hipótesis (asume 50 %).
q = variabilidad negativa de la hipótesis (asume 50 %).
e = precisión del error (es frecuente 5%).

El nivel de confianza debe dividirse entre dos y el resultado se busca en

las tablas llamadas ​áreas bajo la curva normal ​( para 95% de confianza, el
valor de Z = 1,96) .

Ejemplo:
Para N = 11730, Z = 1,96, p = 0,5, q = 0,5, e = 0,05 entonces n = 371,97

Técnicas de muestreo probabilístico

Muestreo aleatorio simple

Se elige de forma aleatoria donde cada individuo tiene la misma
probabilidad de aparecer en la muestra, se selecciona los individuos
totalmente al azar. el método consiste en seleccionar a los sujetos
totalmente al azar y es igual a recortar papelitos del mismo tamaño,
escribir el nombre de un sujeto de la población en cada papelito, luego
todos los papelitos en un sombrero y después se saca cada uno hasta
completar la cantidad deseada. Afortunadamente esto se puede hacer con
un software o aplicación.

Muestreo aleatorio estratificado

La población se divide en estratos más pequeños o en grupos, con alguna

características, luego los individuos de cada grupo se eligen de forma
aleatoria simple.

Ejemplo:
Se tiene una población de 836 trabajadores, estratificados en 489 obreros
y 347 empleados. ¿Cuántos sujetos habrá que elegir de cada estrato, para
emitir un resultado con 90% de confianza, 5 % de error y con variabilidad
equitativa de 50%.

Se sustituye en las Fórmula 2 y se obtiene, n = 205,34, entonces:

Individuos obreros = 489
836 (205) = 120
347
Individuos empleados = 836 (205) = 85

5.2. Técnicas de recolección de datos 

Observación

La observación es, por excelencia, la técnica en la investigación de

cualquiera ciencia, la observación científica se define como:
La percepción dirigida a objetos, individuos u fenómenos de la realidad. En
el acto de observación se puede distinguir: 1) el objeto de observación; 2)
el sujeto de observación 3) los medios de observación; 4) Las condiciones
de observación: 5) el sistema de conocimientos a partir del cual se formula
la finalidad de observación y se interpreta los resultados.

Escalas de medición

Escala de medición nominal:

Estado civil: soltero, casado, viudo, divorciado.

El resultado podría ser

80 % de los sujetos son solteros.

Escala de medición ordinal:

Nivel de aceptación de un producto:
(a) Me gusta; (b) Duda y (c) No me gusta
El resultado podría ser

40 % de los sujetos le gusta el nuevo producto.

Actividades de la unidad IV:

1) Identificar el tipo de investigación que se va a realizar.
2) Redactar una breve descripción del diseño de investigación que se realizará.
3) Determinar la población y muestra de su investigación.
4) Elaborar una matriz de consistencia.
 5) Presentar un plan de tesis en solo documento con todas las secciones que debe
tener.

Bibliografía 
 
Gómez, Marcelo M. (2006). Introducción a la metodología de la investigación científica-
1​a ​ed. Cordova: Brujas.

Santiago Correa, U., Puerta Zapata, A. y Restrepo Gómez, B. (2002). Investigación

evaluativa. Bogota - Colombia: ICFES 1996. Recuperado el 26 de junio de 2014, de
http://contrasentido.net/wp-content/uploads/2007/08/modulo6.pdf

Video: operacionalización de las variables

http://bioestadistico.com/el-cuadro-de-operacionalizacion-de-variable