Está en la página 1de 60

MARCO TERICO

En el planteamiento de una investigacin es necesario hacer explcito aquello que nos proponemos conocer, por eso es imprescindible definir el problema que se va a investigar.

Del planteamiento del problema surgen, por lo tanto, los objetivos internos y externos de la investigacin.

Ningn hecho o fenmeno de la realidad puede abordarse sin una adecuada conceptualizacin. El investigador que se plantea un problema, no lo hace en el vaco, como si no tuviese la menor idea del mismo, sino que siempre parte de algunas ideas o informaciones previas, de algunos referentes tericos y conceptuales, por ms que stos no tengan todava un carcter preciso y sistemtico.

El marco terico, marco referencial o marco conceptual tiene el propsito de dar a la investigacin un sistema coordinado y coherente de conceptos y proposiciones que permitan abordar el problema. De ste depender el resultado del trabajo. Significa poner en claro para el propio investigador sus postulados y supuestos, asumir los frutos de investigaciones anteriores y esforzarse por orientar el trabajo de un modo coherente.

El fin que tiene el marco terico es el de situar a nuestro problema dentro de un conjunto de conocimientos, que permita orientar nuestra bsqueda y nos ofrezca una conceptualizacin adecuada de los trminos que utilizaremos.

El punto de partida para construir un marco de referencia lo constituye nuestro conocimiento previo de los fenmenos que abordamos, as como las enseanzas que extraigamos del trabajo de revisin bibliogrfica que obligatoriamente tendremos que hacer.

Veamos un ejemplo... Si deseamos conocer las causas de la delincuencia juvenil, ser conveniente aproximarnos al tema desde varios aspectos: desde el plano psicolgico, psicosocial, econmico, legal, etc. Tambin ser necesario esbozar la concepcin que tenemos de sociedad y de delicuencia juvenil (el fenmeno en estudio), porque nuestra comprensin del fenmeno variar si partimos de apreciarlo como una conducta disfuncional (por ejemplo) que afecta a individuos impropiamente integrados a sus

grupos de referencia o, por el contrario, como una expresin de una contracultura que se origina en una crisis de valores de la sociedad existente.

En muchos trabajos de investigacin no se presenta una seccin aparte denominada "marco terico", sino que se exponen sus caractersticas dentro de lo que se denomina "revisin bibliogrfica" o "antecedentes".

En otras ocasiones, cuando se trata de una investigacin donde el marco referencial se reduce a algunas pocas proposiciones, stas pueden insertarse al comienzo del trabajo, sin merecer una aclaracin mayor. Es el caso de estudios aplicados o de investigaciones que buscan extender conceptos bien conocidos o nuevos estudios.

En sntesis, el marco terico responde a la pregunta: qu antecedentes existen? Por ende, el marco terico tiene como objeto dar a la investigacin un sistema coordinado y coherente de conceptos, proposiciones y postulados, que permita obtener una visin completa del sistema terico, sobre el conocimiento cientfico, que se tiene acerca del tema. La conclusin del marco terico debe ser que existe un problema cientfico y se es el que los investigadores van a abordar.

Es ac donde se realiza la descripcin y anlisis de las investigaciones previas o de los antecedentes tericos que llevan al planteamiento del problema.

En general, se podra afirmar que el marco terico tiene como funciones:

Orientar hacia la organizacin de datos y hechos significativos para descubrir las relaciones de un problema con las teoras ya existentes. Evitar que el investigador aborde temticas que, dado el estado del conocimiento, ya han sido investigadas o carecen de importancia cientfica. Guiar en la seleccin de los factores y variables que sern estudiadas en la investigacin, as como sus estrategias de medicin, su validez y confiabilidad. Prevenir sobre los posibles factores de confusin o variables extraas que potencialmente podran generar sesgos no deseados.

Recordar!!! No puede haber un marco terico que no tenga relacin con el problema.

Cmo se debe leer para formular un marco terico.

Una vez que se ha seleccionado el tema y se ha establecido el problema, se debe realizar una lectura sistemtica. Qu quiere decir esto? La sistematizacin se refiere fundamentalmente a la necesidad de leer, a fin de desarrollar el marco terico de la investigacin, teniendo en cuenta el problema que se va a investigar.

Esto tiene tres razones:

Para poder concretar el marco terico. Para que sea relevante el tema de nuestra investigacin. Para ahorrar tiempo e incrementar nuestra eficiencia.

Si nos dedicamos a hacer referencia a ciertos artculos, o a consultar libros como si estuviramos leyendo por placer, lo ms probable es que obtengamos resmenes muy extensos que comprendan la mayora de los puntos de la lectura en cuestin o, por el contrario, pequeos resmenes irrelevantes o ininteligibles.

Qu hacer para evitar esto? La primera regla que debemos aprender es tener siempre presente el problema que se va a investigar. As, si el libro que estamos consultando se refiere en general a la "toma de decisiones", y nuestro estudio es "la toma de riesgos", nos interesarn nicamente aquellos captulos, fragmentos o frases relacionados con estos ltimos.

Otra sugerencia importante es leer con sentido crtico, tanto para obtener aquella informacin importante para nuestra investigacin, como para aprender de los errores tericos o metodolgicos de otros autores. De este modo, evitaremos tener que descartar material que nos pareci importante durante su lectura, pero que ms tarde consideramos repetitivo o irrelevante.

Por supuesto, existen diferencias obvias entre los temas de investigacin que hacen ms o menos importante esta parte de la investigacin, o que la convierten en una tarea fcil o dificultosa. En una investigacin donde el objetivo fundamental es, por ejemplo, determinar el grado de adaptacin de una especie Z a una zona ms desrtica que la de

origen, los problemas del marco terico pueden ser resueltos con bastante simplicidad. En cambio, estos problemas pueden ser esenciales y habr que dedicarles el mayor esfuerzo intelectual y tiempo a un estudio que intentase determinar los valores que predominan en el sistema educativo.

Por ello, es recomendable que el investigador, al comenzar a estudiar su tema, trate de poner al da sus conocimientos por medio de una sistemtica y amplia consulta bibliogrfica. En general, se recurre a alguno de los siguientes lugares:

Una biblioteca (privada o pblica) Una librera Una hemeroteca Redes informticas.

La recapitulacin no debe ser pasiva, ser conveniente formular redes esquemticas, comparar puntos de vista, establecer anlisis y sntesis, confeccionar fichas.

Integracin del material.

Una vez terminadas nuestras lecturas, as como la elaboracin y clasificacin de las fichas, estaremos en posicin de elaborar nuestro marco terico, que se basar en la integracin de las fichas.

El orden que llevar la integracin estar determinado por el objetivo del marco terico. Si, por ejemplo, es de tipo histrico, recomendaramos un orden cronolgico de las teoras y/o de los hallazgos empricos. Si la investigacin se relaciona con una serie de variables y tenemos informacin de teora, as como de estudios previos de cada una de esas variables y de la relacin entre ellas, sera conveniente delimitar secciones que abarcaran cada uno de los aspectos relevantes, a fin de integrar aquellos datos pertinentes a nuestro estudio.

Es en esta fase de la investigacin donde la identificacin de las fichas nos permitir hacer referencia a stas para poder extender o aclarar algn punto. Adems, la correcta identificacin de las fichas y del tema a que se refieren, nos permitir reunir todas las tarjetas que se relacionan con un mismo tema y leer cada una de stas para su integracin, en lugar de leer varias veces todas las tarjetas que fueron recopiladas.

Es fundamental en toda investigacin que el autor incorpore sus ideas, crticas y conclusiones con respecto tanto al problema como al material recopilado. Tambin es importante que se relacionen las cuestiones ms sobresalientes, yendo de lo general a lo concreto, es decir, mencionando primero generalidades del tema, hasta llegar a lo que especficamente est relacionado con nuestra investigacin.

Definicin de trminos bsicos.

Todo investigador debe hacer uso de conceptos para poder organizar sus datos y percibir las relaciones que hay entre ellos.

Un concepto es una abstraccin obtenida de la realidad y, por tanto, su finalidad es simplificar resumiendo una serie de observaciones que se pueden clasificar bajo un mismo nombre.

Algunos conceptos estn estrechamente ligados a objetos y a los hechos que representan, por eso cuando se define se busca asegurar que las personas que lleguen a una investigacin conozca<n perfectamente el significado con el que se va a utilizar el trmino o concepto a travs de toda la investigacin.

El problema que nos lleva a la definicin de conceptos es el de que muchos de los trminos que se utilizan en las ciencias sociales son tomados del lenguaje vulgar y, generalmente, el investigador los utiliza en otro sentido.

La definicin conceptual es necesaria para unir el estudio a la teora y las definiciones operacionales son esenciales para poder llevar a cabo cualquier investigacin, ya que los datos deben ser recogidos en trminos de hechos observables.

De acuerdo con la idea del realismo cientfico, los objetos de estudio existen en el mundo emprico (tangible) pero la teora pertenece al mundo conceptual del pensamiento. Si el investigador acepta esta visin, debe hacer lo posible para que existan conexiones entre estos dos mundos. Si el investigador y el lector y usuario del estudio en su forma escrita han de tener la misma nocin del objeto, son necesarias normas fijadas y no ambiguas de correspondencia para establecer el modelo terico con el objeto emprico. Estas son las definiciones de conceptos tericos que sirven de puentes entre teora y empiria.

Hay dos tipos de definiciones:

Definiciones empricas que anuncian cmo se va a observar o medir el concepto en el mundo real, o en la empiria, como se le suele llamar. Dado que la definicin explica las operaciones para la observacin, es llamada a veces definicin operacional.

No es necesario definir todas nuestros conceptos tericos directamente con definiciones empricas, que son a veces difciles de construir. En muchos casos es un sucedneo aceptable una definicin nominal, que describe el sentido del concepto usando otros conceptos que han sido ya adecuadamente definidos (emprica o nominalmente).

Si, por ejemplo, hemos definido operativamente dos variables, "distancia" medida en kms. y "duracin" medida en minutos, podemos usarlas para definir nominalmente un tercer concepto, "velocidad" = "distancia" / "duracin".

No es necesario definir continuamente palabras como "ser humano", "da" y "comprar" si son usadas en sus sentidos habituales indicados en los diccionarios corrientes. El uso de lenguaje comn y significados estndar de palabras tiene tambin la ventaja suplementaria de hacer el informe ms comprensible para el profano.

Sin embargo, cada campo de la ciencia tiene sus conceptos tericos especiales y para nombrarlos se necesitan algunas palabras especiales. A veces las palabras del lenguaje estndar han sido adoptadas para uso cientfico y han adquirido un significado especial,

cuya definicin puede encontrarse en los manuales sobre ese campo. En ocasiones las palabras adecuadas se han tomado prestadas del griego o del latn. Y, finalmente, algunas palabras completamente nuevas se han acuado por investigadores con inventiva. En cualquier caso, cada investigador debe usar el vocabulario normal de su campo de investigacin tanto como le sea posible, para que pueda beneficiarse directamente de resultados anteriores y, a la inversa, sus nuevos resultados sean fciles de leer y as contribuyan de manera efectiva a la teora general de ese campo.

Otra regla general til dice que el investigador debe intentar operar con tan pocos conceptos y variables tericos como le sea posible. Esta recomendacin lleva el nombre de "navaja de Occam", y se remonta al siglo XIV, atribuyndose a Guillermo de Occam.

Definicin operacional.

Las definiciones operacionales constituyen un manual de instrucciones para el investigador. Deben definir las variables de las hiptesis de tal manera que stas puedan ser comprobadas.

Una definicin operacional asigna un significado a una construccin hipottica o variable, especificando las actividades u "operaciones" necesarias para medirla o manipularla.

Una definicin operacional es, esencialmente, aquella que indica que un cierto fenmeno existe, y lo hace especificando de manera precisa y, preferiblemente, en qu unidades puede ser medido dicho fenmeno. Esto es, una definicin operacional de un concepto, consiste en un enunciado de las operaciones necesarias para producir el fenmeno. Una vez que el mtodo de registro y de medicin de un fenmeno se ha especificado, se dice que ese fenmeno se ha definido operacionalmente.

Por tanto, cuando se define operacionalmente un trmino, se pretende sealar los indicadores que van a servir para la realizacin del fenmeno que nos ocupa, de ah que en lo posible se deban utilizar trminos con posibilidad de medicin.

Las definiciones operacionales pueden ser:

Medidas: cuando se observan y clasifican las variaciones. Experimentales: indican cmo manipular una variable.

Las definiciones operacionales son definiciones limitadas, cuyo propsito es permitir que el investigador se acerque a los aspectos de la realidad a estudiar. Siempre existe el peligro de fragmentar un concepto de tal forma que se aleje (o carezca de relevancia) respecto a su significado real. Pero se aproximan a aspectos significativos de la realidad conceptual.

Las definiciones operacionales establecen un puente entre los conceptos o construcciones hipotticas y las observaciones, comportamientos y actividades reales. Es decir, el cientfico o investigador opera en dos niveles: el de los conceptos e hiptesis (Nivel I) y el de la observacin y manipulacin (Nivel II). Los dos niveles estn conectados por una definicin operacional.

En las situaciones experimentales, las definiciones operacionales especifican lo que los experimentadores hacen para manipular una o ms variables independientes. Estas definiciones indican, literalmente, las operaciones involucradas.

Funcin de los conceptos o definiciones operacionales:

Ordenar la percepcin. Valorar lo percibido. Guiar la accin individual. Facilitar la comunicacin.

Requisitos de los conceptos:

Ha de existir acuerdo y continuidad en la atribucin de determinados contenidos figurativos o determinadas palabras. Deben estar definidos con precisin: contenido semntico exactamente establecido. Tienen que tener una referencia emprica: deben referirse a algo aprehensible, observable (aunque sea indirectamente).

Reglas para definir.

La funcin de la definicin consiste en presentar los rasgos principales de la estructura de un concepto para hacerlo ms preciso, delimitndolo de otros conceptos, a fin de hacer posible una exploracin sistemtica del objetivo que representa. Para ello es necesario tener en cuenta:

Validez significa que nuestra definicin se ajusta al concepto. Debe referise justamente a ese concepto y no a algo similar. Si nuestra definicin es vlida, estamos midiendo justamente lo que pretendemos medir y no otra cosa. Fiabilidad o reproductibilidad significa que si repetimos nuestra medicin o registro, el resultado ser siempre el mismo. Dar la esencia. La definicin debe dar la esencia de lo que se intenta definir, es decir, su naturaleza, sus notas caractersticas, sus lmites. Evitar tautologas. No debe directa o indirectamente contener el objetivo. Ejemplo: la economa es la ciencia que estudia los fenmenos econmicos. No debe ser circular. Es decir, se debe evitar, por ejemplo, definir al entendimiento como la capacidad de pensar y, a su vez, a la capacidad de pensar como a la actividad de entendimiento. Un crculo vicioso consiste en dos (o ms) definiciones nominales que se refieren la una a la otra mientras que los conceptos usados en estas definiciones no tienen definicin real para vincularlos a la empiria. Debe ser afirmativa. Toda definicin debe expresarse siempre en trminos afirmativos, nunca en trminos negativos. Empleo de lenguaje claro. Debe expresarse en palabras claras y asequibles, no debe contener metforas o figuras literarias. Significado preciso y unitario.

La fase de establecer "definiciones de trabajo" est estrechamente vinculada a la decisin que se tome con respecto a los instrumentos de recogida de datos que se utilizarn.

Las definiciones de trabajo son adecuadas si los instrumentos o procedimientos basados en ellas agrupan datos que constituyen indicativos satisfactorios de los conceptos que intentan representar.

Pueden modificarse las definiciones cuando el trabajo avanza? S, de hecho en investigacin cualitativa es habitual, porque la comprensin por parte del investigador de lo que est estudiando muchas veces se hace ms profunda cuando la investigacin avanza. Por otro lado, si las definiciones que han servido como base para mediciones cuantitativas se cambian despus de reunir datos empricos, se han desperdiciado los datos correspondientes a la vieja definicin que se haban reunido.

Esquema de la investigacin.

Es la estructura que permite ubicar el objeto de la investigacin en el marco que lo comprende y analizar las partes de que consta.

Se formula para:

Apreciar el objeto de estudio de forma total y en cada una de sus partes. Estructurar el escrito. Organizar el acopio de informacin. Planear nuestras actividades.

En el modelo que sigue se tratan los aspectos generales de una investigacin.

El trabajo ser ms fcil si se desglosan al mximo el objeto de estudio y los aspectos de la investigacin.

PREGUNTAS ORIENTADORAS Qu conceptos vamos a utilizar? 1. Definiciones. Qu criterios usaremos? Cul es nuestra concepcin del tema?

CONCEPTO

Consisten en la precisin de los conceptos, acepciones o criterios que vamos a utilizar.

Condiciones histricas que rodean el Comprende el estado o hechos objeto de estudio. que prevalecen en el ambiente en que se presenta el objeto de Marco histrico. Consideracin de los factores estudio. Constituye el externos que tienen relacin con el contexto histrico de la objeto de la investigacin. investigacin. Cul es el origen del objeto de la investigacin? Son el origen y el desarrollo del objeto de estudio. Conocer Qu evolucin ha tenido? la evolucin de lo que estamos investigando nos facilita su Qu otras investigaciones similares comprensin. se han hecho? Cmo es el rea que comprende? Es la situacin del objeto de la investigacin en la disciplina, materia o especie que lo comprende.

Antecedentes.

Ubicacin del objeto de estudio. Descripcin del objeto de investigacin.

Cmo se manifiesta? Qu relacin guardan entre s las partes del rea? Cmo es el objeto de estudio?

Es la "diseccin", el anlisis, el estudio minucioso de las caractersticas, propiedades, Cules son sus partes? Qu relacin existe entre el relaciones, formas de manifestarse... el objeto y su contexto? desglosamiento de lo que Cules y cmo son sus investigamos. caractersticas intrnsecas? Qu efectos produce? En qu perodos se encuentra el fenmeno? Qu aspectos coordinados y subordinados presenta?

Qu circunstancias condicionan al objeto de la investigacin?


ticas. Geogrficas Econmicas Ecolgicas Tecnolgicas Tericas Culturales Religiosas Filosficas

Qu tesis existen al respecto? Qu teoras tratan de explicarlo? 1. Marco terico.


Cul es la teora clsica? Cules son las teoras opuestas a la clsica? Cul es la teora predominante?

Es la consideracin de lo que se ha investigado (teoras, hiptesis, tesis) acerca del objeto de nuestra investigacin.

1. Exposicin de datos.

Descripcin y/o provocacin del fenmeno. Aqu se muestra la informacin, directamente relacionada con la hiptesis, obtenida de la investigacin. Es el anlisis crtico de los datos obtenidos. Es la parte del escrito que tiene como finalidad mostrar en qu se sustentan las conclusiones que se obtuvieron. Es el resultado de la investigacin.

Valoracin e interpretacin del material obtenido.

Resumen.

Conclusiones y/o recomendacione s.

Bibliografa:

Tenorio Bahena, Jorge. INVESTIGACIN DOCUMENTAL. 3 ed. Mxico (1988). Ed. Mac Graw - Hill. Pick, Susan y Lpez, Ana Luisa. CMO INVESTIGAR EN CIENCIAS SOCIALES. 5 ed. Mxico (1994). Ed. Trillas S.A. Tamayo y Tamayo, Mario. EL PROCESO DE LA INVESTIGACIN CIENTFICA. 3 ed. Mxico (1998). Ed. Limusa S.A. Sabino, Carlos A. EL PROCESO DE INVESTIGACIN. Argentina (1996). Ed. Lumen - Humanitas.

LAS HIPTESIS

Podemos definir la hiptesis como un intento de explicacin o una respuesta "provisional" a un fenmeno. Su funcin consiste en delimitar el problema que se va a investigar segn algunos elementos tales como el tiempo, el lugar, las caractersticas de los sujetos, etc.

Llegar a comprobar o rechazar la hiptesis que se ha elaborado previamente, confrontando su enunciado terico con los hechos empricos, es el objetivo primordial de todo estudio que pretenda explicar algn campo de la realidad.

Para plantear una hiptesis adecuada, debemos tener en cuenta los siguientes puntos:

1. Los trminos que se empleen deben ser claros y concretos para poder definirlos de manera operacional, a fin de que cualquier investigador que quiera replicar la investigacin, pueda hacerlo. Una hiptesis sin referencia emprica constituye un juicio de valor. Si una hiptesis no puede ser sometida a verificacin emprica, desde el punto de vista cientfico no tiene validez. 2. Las hiptesis deben ser objetivas y no llevar algn juicio de valor; es decir, no debe definirse el fenmeno con adjetivos tales como "mejor" o "peor", sino solamente tal y como pensamos que sucede en la realidad. 3. Las hiptesis deben ser especficas, no slo en cuanto al problema, sino a los indicadores que se van a emplear para medir las variables que estamos estudiando. 4. Las hiptesis deben estar relacionadas con los recursos y las tcnicas disponibles. Esto quiere decir que cuando el investigador formule su hiptesis debe saber si los recursos que posee son adecuados para la comprobacin de la misma. 5. La hiptesis debe estar directamente relacionada con el marco terico de la investigacin y derivarse de l.

Las hiptesis deben ser producto de la observacin objetiva y su comprobacin, estar al alcance del investigador.

Requisitos de las hiptesis:

Las hiptesis deben:

Establecer las variables a estudiar, es decir, especificar las variables a estudiar, fijarles lmite. Establecer relaciones entre variables, es decir, la hiptesis debe ser especificada de tal manera que sirva de base a inferencias que nos ayuden a decidir si explica o no los fenmenos observados. Las hiptesis deben establecer relaciones cuantitativas entre variables. Mantener la consistencia entre hechos e hiptesis, ya que stas se cimentan, al menos en parte, sobre hechos ya conocidos. Por tanto, las hiptesis no deben

establecer implicaciones contradictorias o inconsistentes con lo ya verificado en forma objetiva.

Tipos de hiptesis:

Hiptesis nula. Para todo tipo de investigacin en la que tenemos dos o ms grupos, se establecer una hiptesis nula. La hiptesis nula es aquella que nos dice que no existen diferencias significativas entre los grupos. Por ejemplo, supongamos que un investigador cree que si un grupo de jvenes se somete a un entrenamiento intensivo de natacin, stos sern mejores nadadores que aquellos que no recibieron entrenamiento. Para demostrar su hiptesis toma al azar una muestra de jvenes, y tambin al azar los distribuye en dos grupos: uno que llamaremos experimental, el cual recibir entrenamiento, y otro que no recibir entrenamiento alguno, al que llamaremos control. La hiptesis nula sealar que no hay diferencia en el desempeo de la natacin entre el grupo de jvenes que recibi el entrenamiento y el que no lo recibi. Una hiptesis nula es importante por varias razones:

1. Es una hiptesis que se acepta o se rechaza segn el resultado de la investigacin. 2. El hecho de contar con una hiptesis nula ayuda a determinar si existe una diferencia entre los grupos, si esta diferencia es significativa, y si no se debi al azar. No toda investigacin precisa de formular hiptesis nula. Recordemos que la hiptesis nula es aquella por la cual indicamos que la informacin a obtener es contraria a la hiptesis de trabajo. Al formular esta hiptesis, se pretende negar la variable independiente. Es decir, se enuncia que la causa determinada como origen del problema flucta, por tanto, debe rechazarse como tal. Otro ejemplo: Hiptesis: el aprendizaje de los nios se relaciona directamente con su edad. Hiptesis nula: no existe diferencia significativa entre el aprendizaje en nios de diversas edades.

Hiptesis conceptual. Es la hiptesis que se formula como resultado de las explicaciones tericas aplicables a nuestro problema. Nos ayuda a explicar desde el punto de vista terico el fenmeno que estamos investigando. Es la hiptesis orientadora de la investigacin, intenta enfocar el problema como base para la bsqueda de datos. No puede abarcar ms de lo propuesto en los objetivos de la investigacin o estar en desacuerdo con ellos. Podemos enunciarla como una relacin causal o determinante proveniente del planteamiento del problema, de donde se desprenden las variables.

Hiptesis de trabajo. Es aquella que le sirve al investigador como base de su investigacin, o sea, trata de dar una explicacin tentativa al fenmeno que se est investigando. sta es la hiptesis que el investigador tratar de aceptar como resultado de su investigacin, rechazando la hiptesis nula. Se dice que la hiptesis de trabajo es operacional por presentar cuantitativamente (en trminos medibles) la hiptesis conceptual o general.

Hiptesis alternativa. Al responder a un problema, es muy conveniente proponer otras hiptesis en que aparezcan variables independientes distintas de las primeras que formulamos. Por tanto, para no perder tiempo en bsquedas intiles, es necesario hallar diferentes hiptesis alternativas como respuesta a un mismo problema y elegir entre ellas cules y en qu orden vamos a tratar su comprobacin.

Las hiptesis, naturalmente, sern diferentes segn el tipo de investigacin que se est realizando. En los estudios exploratorios, a veces, el objetivo de la investigacin podr ser simplemente el de obtener los mnimos conocimientos que permitan formular una hiptesis. Tambin es aceptable que, en este caso, resulten poco precisas, como cuando afirmamos que "existe algn tipo de problema social en tal grupo", o que los planetas poseen algn tipo de atmsfera, sin especificar de qu elementos est compuesta.

Los trabajos de ndole descriptiva generalmente presentan hiptesis del tipo "todos los X poseen, en alguna medida, las caracterstica Y". Por ejemplo, podemos decir que todas las naciones poseen algn comercio internacional, y dedicarnos a describir, cuantificando, las relaciones comerciales entre ellas. Tambin podemos hacer afirmaciones del tipo "X pertenece al tipo Y", como cuando decimos que una tecnologa es capital - intensiva. En estos casos, describimos, clasificndolo, el objeto de nuestro inters, incluyndolo en un tipo ideal complejo de orden superior.

Por ltimo, podemos construir hiptesis del tipo "X produce (o afecta) a Y", donde estaremos en presencia de una relacin entre variables.

Slo en los casos de investigaciones explicativas es necesario formular claramente cules son las hiptesis de la investigacin. En las investigaciones descriptivas y, con ms razn, en las exploratorias, es posible omitir las hiptesis, ya sea porque stas son tan amplias y poco definidas que dicen muy poco a quien lee el informe de investigacin, o porque no es posible o necesario verificarlas.

Dificultades para la formulacin de hiptesis:

Falta de conocimientos o ausencia de claridad en el marco terico. Falta de aptitud para la utilizacin lgica del marco terico. Desconocimiento de las tcnicas adecuadas de investigacin para redactar hiptesis en debida forma.

Utilidad de las hiptesis:

El uso y formulacin correcta de las hiptesis le permiten al investigador poner a prueba aspectos de la realidad, disminuyendo la distorsin que pudieran producir sus propios deseos o gustos. Pueden ser sometidas a prueba y demostrarse como probablemente correctas o incorrectas sin que interfieran los valores o creencias del individuo.

Estructura de las hiptesis:

Una hiptesis generalmente se especifica por la estructura SI - ENTONCES (cuando intervienen dos variables).

Cuando las variables son ms de dos, las estructuras ms frecuentes son:

Si P, entonces Q, bajo las condiciones R y S. Si P1, P2 y P3, entonces Q.

Bibliografa: Tenorio Bahena, Jorge. INVESTIGACIN DOCUMENTAL. 3 ed. Mxico (1988). Ed. Mac Graw - Hill. Pick, Susan y Lpez, Ana Luisa. CMO INVESTIGAR EN CIENCIAS SOCIALES. 5 ed. Mxico (1994). Ed. Trillas S.A. Tamayo y Tamayo, Mario. EL PROCESO DE LA INVESTIGACIN CIENTFICA. 3 ed. Mxico (1998). Ed. Limusa S.A. Sabino, Carlos A. EL PROCESO DE INVESTIGACIN. Argentina (1996). Ed. Lumen - Humanitas. DIAGRAMA DE GANTT Es un mtodo grfico de planeacin y control en la que un proyecto se divide en distintas actividades y se realizan estimaciones acerca de cunto tiempo requiere cada una de ellas, as como el total de tiempo necesario para terminar el proyecto totalmente. En otras palabras, esta grfica muestra las relaciones de tiempo entre los eventos de un programa y fue desarrollada por Henry L. Gantt. La grfica de Gantt se compone de una hoja a la izquierda y de un grfico de barras a la derecha. Cada fila de la hoja muestra, de manera predeterminada el nombre y la duracin de una tarea del proyecto. En la parte superior del grfico existe una lnea de tiempo. Debajo de ella hay barras que representan la tarea correspondiente de la hoja. La ubicacin de una barra de tarea en la lnea de tiempo muestra cundo comienza y finaliza la duracin de la tarea. Las tareas se listan de arriba hacia abajo en el orden en que se realizarn. La ausencia de una barra significa que no hay trabajo relacionado con la tarea durante un periodo de tiempo determinado. Las grficas de Gantt son tiles para el seguimiento de proyectos relativamente pequeos, los cuales estn integrados de actividades que se realicen con consecuencia ordenada; tambin para planear actividades que se desarrollen en serie, siendo su

principal ventaja es que es sencillo y un excelente instrumento de comunicacin con los usuarios finales.

POBLACIN Y MUESTRA

Una poblacin est determinada por sus caractersticas definitorias. Por lo tanto, el conjunto de elementos que posea esta caracterstica se denomina poblacin o universo. Poblacin es la totalidad del fenmeno a estudiar, donde las unidades de poblacin poseen una caracterstica comn, la que se estudia y da origen a los datos de la investigacin. Entonces, una poblacin es el conjunto de todas las cosas que concuerdan con una serie determinada de especificaciones. Un censo, por ejemplo, es el recuento de todos los elementos de una poblacin. Cuando seleccionamos algunos elementos con la intencin de averiguar algo sobre una poblacin determinada, nos referimos a este grupo de elementos como muestra. Por supuesto, esperamos que lo que averiguamos en la muestra sea cierto para la poblacin en su conjunto. La exactitud de la informacin recolectada depende en gran manera de la forma en que fue seleccionada la muestra. Cuando no es posible medir cada uno de los individuos de una poblacin, se toma una muestra representativa de la misma. La muestra descansa en el principio de que las partes representan al todo y, por tal, refleja las caractersticas que definen la poblacin de la que fue extrada, lo cual nos indica que es representativa. Por lo tanto, la validez de la generalizacin depende de la validez y tamao de la muestra. Leyes del mtodo de muestreo. El mtodo de muestreo se basa en ciertas leyes que le otorgan su fundamento cientfico, las cuales son:

Ley de los grandes nmeros: si en una prueba, la probabilidad de un acontecimiento o suceso es P, y si ste se repite una gran cantidad de veces, la relacin entre las veces que se produce el suceso y la cantidad total de pruebas (es decir, la frecuencia F del suceso) tiende a acercarse cada vez ms a la probabilidad P. Clculo de probabilidades: La probabilidad de un hecho o suceso es la relacin entre el nmero de casos favorables (p) a este hecho con la cantidad de casos posibles, suponiendo que todos los casos son igualmente posibles. El mtodo de establecer la probabilidad es lo que se denomina clculo de probabilidad.

De estas dos leyes fundamentales de la estadstica, se infieren aquellas que sirven de base ms directamente al mtodo de muestreo:

Ley de la regularidad estadstica: un conjunto de n unidades tomadas al azar de un conjunto N, es casi seguro que tenga las caractersticas del grupo ms grande. Ley de la inercia de los grandes nmeros: esta ley es contraria a la anterior. Se refiere al hecho de que en la mayora de los fenmenos, cuando una parte vara en una direccin, es probable que una parte igual del mismo grupo, vare en direccin opuesta. Ley de la permanencia de los nmeros pequeos: si una muestra suficientemente grande es representativa de la poblacin, una segunda muestra de igual magnitud deber ser semejante a la primera; y, si en la primera muestra se encuentran pocos individuos con caractersticas raras, es de esperar encontrar igual proporcin en la segunda muestra.

Tipos de muestras. Muestreo aleatorio simple: la forma ms comn de obtener una muestra es la seleccin al azar. es decir, cada uno de los individuos de una poblacin tiene la misma posibilidad de ser elegido. Si no se cumple este requisito, se dice que la muestra es viciada. Para tener la seguridad de que la muestra aleatoria no es viciada, debe emplearse para su constitucin una tabla de nmeros aleatorios. Muestreo estratificado: una muestra es estratificada cuando los elementos de la muestra son proporcionales a su presencia en la poblacin. La presencia de un elemento en un estrato excluye su presencia en otro. Para este tipo de muestreo, se divide a la poblacin en varios grupos o estratos con el fin de dar representatividad a los distintos factores que integran el universo de estudio. Para la seleccin de los elementos o unidades representantes, se utiliza el mtodo de muestreo aleatorio. Muestreo por cuotas: se divide a la poblacin en estratos o categoras, y se asigna una cuota para las diferentes categoras y, a juicio del investigador, se selecciona las unidades de muestreo. La muestra debe ser proporcional a la poblacin, y en ella debern tenerse en cuenta las diferentes categoras. El muestreo por cuotas se presta a distorsiones, al quedar a criterio del investigador la seleccin de las categoras. Muestreo intencionado: tambin recibe el nombre de sesgado. El investigador selecciona los elementos que a su juicio son representativos, lo que exige un conocimiento previo de la poblacin que se investiga. Muestreo mixto: se combinan diversos tipos de muestreo. Por ejemplo: se puede seleccionar las unidades de la muestra en forma aleatoria y despus aplicar el muestreo por cuotas. Muestreo tipo: la muestra tipo (master simple) es una aplicacin combinada y especial de los tipos de muestra existentes. Consiste en seleccionar una muestra "para ser usada" al disponer de tiempo, la muestra se establece empleando procedimientos sofisticados; y

una vez establecida, constituir el mdulo general del cual se extraer la muestra definitiva conforme a la necesidad especfica de cada investigacin. Bibliografa: EL PROCESO DE LA INVESTIGACIN CIENTFICA, Mario Tamayo y Tamayo, 1998. EL MUESTREO

Cuando un investigador realiza en ciencias sociales un experimento, una encuesta o cualquier tipo de estudio, trata de obtener conclusiones generales acerca de una poblacin determinada. Para el estudio de ese grupo, tomar un sector, al que se conoce como muestra.

Las poblaciones que el investigador puede estudiar son muy diversas, pero generalmente se relacionan con personas. Por ejemplo, puede estudiar la opinin de las amas de casa con respecto a ciertos mtodos de planificacin familiar, la edad promedio de los alumnos de una escuela, el coeficiente intelectual promedio de los universitarios, etc.

Desde luego, es de fundamental importancia que se empiece el estudio definiendo la poblacin que se va a estudiar. Las poblaciones suelen ser muy numerosas, por lo que es difcil estudiar a todos sus miembros; adems de que esto no es posible, no es necesario. Es como si quisiramos estudiar la composicin qumica del agua de un ro y para ello tratramos de analizar todo el lquido que corre por su cauce, cuando solamente necesitamos algunas muestras para realizar ese estudio y para llegar a conclusiones generalizables con respecto a la composicin qumica del agua a todo el ro.

En ciencias sociales, las muestras no se obtienen tan fcilmente, puesto que los eventos se relacionan siempre con personas, las cuales son mucho menos estables en cuanto a sus pautas de actividades, valores, actitudes y conductas que algunos de los fenmenos que se estudian en las ciencias naturales.

El momento metodolgico de la investigacin est constituido por la definicin y especificacin del diseo que se va a utilizar y por la tarea de operacionalizacin de variables (convertir en operativos, en manejables, a los diversos elementos que intervienen en el problema que se va a investigar).

La operacionalizacin se refiere de dos tipos de elementos:

El universo, en tanto conjunto de unidades o fuentes de datos que es preciso reducir a proporciones manejables para poderlo explorar. Las variables, en tanto conceptos abstractos a los que es preciso dar contenido concreto para poder efectuar sobre ellos las mediciones correspondientes.

La operacionalizacin del universo es la tarea de encontrar una forma de obtener informacin relevante sin necesidad de acudir a la medicin de todo el universo posible de datos. Es el aspecto cuantitativo de la operacionalizacin y, para resolverlo, tendremos que apelar a la estadstica, mediante tcnicas de muestreo. La operacionalizacin de las variables, de naturaleza cualitativa, tiene por objeto encontrar los indicadores a travs de los cuales se expresa concretamente el comportamiento de las mismas.

La relacin que existe entre la operacionalizacin y el tipo de diseo se origina en que, de acuerdo con el mtodo general que se va a utilizar (o sea, el diseo), se requerir de uno u otro tipo de datos, operacionalizar de cierta manera o de otra. Inversamente, de acuerdo con las posibilidades concretas de operacionalizar en uno u otro sentido las variables y el universo considerado, ser ms o menos adecuado un cierto tipo de diseo. Por esta razn, ambas tareas deben encararse simultneamente.

Datos y unidades.

Un dato es cada uno de los elementos de informacin que se recoge durante el desarrollo de una investigacin y en base a los cuales, convenientemente sintetizados, podrn extraerse conclusiones en relacin con el problema inicial planteado.

Cualquier informacin, por ms pequea y fragmentaria que sea, puede considerarse como un dato, siempre y cuando pueda colaborar de algn modo a esclarecer los problemas que nos planteamos en un estudio. Saber, por ejemplo, que la persona N opina que las pruebas nucleares deben ser proscritas, es un dato. Esa informacin, por s sola, carece prcticamente de valor, pues poco nos dice de las reacciones que despiertan las pruebas de armas atmicas en la gente. Pero el valor del dato reside no en su alcance individual, en lo que nos expresa por s mismo, sino en su posibilidad de ser integrado en conjuntos mayores. Cuando agrupamos muchas informaciones de carcter similar,

cada dato se hace valioso dentro de una perspectiva ms amplia. As, en nuestro ejemplo, si consultamos la opinin de muchas personas, podemos llegar a enunciar que un determinado tanto por ciento de ellas estn en contra de los ensayos nucleares e integrar esa informacin, a su vez, en un estudio sobre las opiniones de determinado conglomerado social.

Las fuentes de datos pueden ser personas, situaciones o hechos que se observan directamente, o materiales bibliogrficos de diversa naturaleza. Las llamamos unidades de datos y, a su conjunto, a la suma de todas las unidades, se le da el nombre de universo o poblacin. Podramos decir que una poblacin o universo es, entonces, el conjunto de todas las cosas que concuerdan con una determinada serie de especificaciones. En general, toda investigacin puede considerarse como una bsqueda de los datos apropiados que permitan resolver ciertos problemas de conocimiento. Estos datos son obtenidos a travs de un conjunto de unidades que constituyen el universo relevante para la investigacin.

Existen universos que resultan demasiado amplios para el investigador, pues ste no tienen ni el tiempo ni los recursos para abordar el estudio de cada una de las unidades que lo componen (el conjunto de ciudadanos de un pas, la flora de una regin o las innumerables galaxias). Para resolver este inconveniente, se acude a la operacionalizacin del universo mediante la extraccin de muestras.

Universo y muestra.

Una muestra es un conjunto de unidades, una porcin del total, que nos representa la conducta del universo en su conjunto.

Una muestra, en un sentido amplio, no es ms que eso, una parte del todo que llamamos universo y que sirve para representarlo.

Sin embargo, no todas las muestras resultan tiles para llevar a cabo un trabajo de investigacin. Lo que se busca al emplear una muestra es que, observando una porcin relativamente reducida de unidades, se obtengan conclusiones semejantes a las que lograramos si estudiramos el universo total. Cuando una muestra cumple con esta condicin, es decir, cuando nos refleja en sus unidades lo que ocurre en el universo, la llamamos muestra representativa. Por lo tanto, una muestra representativa contiene las

caractersticas relevantes de la poblacin en las mismas proporciones en que estn incluidas en tal poblacin. Sus conclusiones son susceptibles de ser generalizadas al conjunto del universo, aunque para ello debamos aadir un cierto margen de error en nuestras proyecciones.

Las muestras pueden ser clasificadas, en una primera divisin en probabilsticas y no probabilsticas.

En las muestras probabilsticas, la caracterstica fundamental es que todo elemento del universo tiene una determinada probabilidad de integrar la muestra, y esa probabilidad puede ser calculada matemticamente con precisin. En las muestras no probabilsticas ocurre lo contrario y el investigador no tiene idea del error que puede estar introduciendo en sus apreciaciones.

Las muestras no probabilsticas ms usadas son:

Muestra accidental. Es aquella que se obtiene sin ningn plan preconcebido; las unidades elegidas resultan producto de circunstancias fortuitas. Si entrevistamos a los primeros 50 transentes que pasan por cierta calle o medimos la profundidad del mar a lo largo de un trayecto entre dos puntos cualesquiera, estaremos en presencia de una muestra accidental; los datos obtenidos podrn o no representar al universo en estudio. El investigador no puede saber hasta qu punto sus resultados podrn proyectarse, con confiabilidad, hacia el conjunto ms amplio que desea conocer. Muestra por cuotas. Consiste en predeterminar la cantidad de elementos de cada categora que habrn de integrar la muestra. As podemos asignar una cuota de 50 hombres y 50 mujeres a una muestra de 100 individuos, asumiendo que sa es la distribucin de la poblacin total. Por ms que esa presuncin llegue a ser vlida, no deja de existir cierta arbitrariedad en este modo de proceder, por lo que la rigurosidad estadstica de las muestras por cuotas se reduce considerablemente. Muestra intencional. Las unidades se eligen en forma arbitraria, designando a cada unidad segn caractersticas que para el investigador resulten de relevancia. Se emplea, por lo tanto, el conocimiento y la opinin personal para identificar aquellos elementos que deben ser incluidos en la muestra. Se basa, primordialmente, en la experiencia de alguien con la poblacin. Estas muestras son muy tiles y se emplean frecuentemente en los estudios de caso, por ms que la posibilidad de generalizar conclusiones a partir de ellas, sea en rigor nula. En algunas oportunidades se usan como gua o muestra tentativa para decidir cmo tomar una muestra aleatoria ms adelante.

Muestras aleatorias.

Como dijimos, en ellas cada uno de los elementos del universo tiene una probabilidad determinada y conocida de ser seleccionado. Los procedimientos ms usuales para la obtencin de muestras aleatorias son:

Azar simple. Este procedimiento se inicia confeccionando una lista de todas las unidades que configuran el universo, numerando correlativamente cada una de ellas. Luego, mediante cualquier sistema (tabla de nmeros al azar, programas de computacin), se van sorteando al azar estos nmeros hasta completar el total de unidades que deseamos que entren en la muestra. De este modo, la probabilidad que cada elemento tienen de aparecer en la muestra es exactamente la misma. Si cada uno de los elementos que integran la poblacin no tiene la misma posibilidad de ser elegido, se habla entonces de una muestra viciada. Este mtodo nos garantiza una seleccin completamente aleatoria, pero resulta muy lento y costoso, pues nos obliga a elaborar listas completas de todas las unidades de inters, lo que a veces es sencillamente imposible. Por este motivo, slo se emplea cuando los universos son relativamente pequeos. Este mtodo no ser adecuado si, por ejemplo, queremos sacar una muestra de todas las personas analfabetas que existen en un pas. En cambio, si nuestra intencin es extraer una muestra del universo de todos los alumnos que ingresan a una universidad en un determinado ao, resultar muy adecuado. Azar sistemtico. Tambin se requiere de un listado completo de las unidades que integran el universo en estudio. Luego se efectan las siguientes operaciones:

1. Se calcula la constante K, que resulta de dividir el nmero total de unidades que componen el universo por el nmero de unidades que habrn de integrar la muestra: K = N/n Donde: N = nmero total de unidades que componen e universo. n = nmero total de unidades que integrarn la muestra. 2. Se efecta un sorteo para elegir un nmero que sea inferior o igual al valor de K. Como primera unidad para integrar la muestra se elige aquella que, en la lista general, posea idntico nmero de orden al sorteado. Si designamos con A este

primer valor, la segunda unidad elegida ser la que lleve el nmero A + K, la tercera corresponder a A + 2K y as sucesivamente hasta llegar a A + (n 1)K. Supongamos un universo constituido por 2.800 elementos, del que deseamos obtener una muestra de 70 casos. Tenemos entonces: N = 2.800 n = 70 K = 2.800 / 70 = 40 Ahora, mediante cualquier procedimiento, buscamos al azar un nmero entero cuyo valor figure entre los lmites de 1 y 40. En este caso, el nmero elegido es el 32. Entonces, las unidades que pasarn a formar parte de la muestra sern las que lleven los siguientes nmeros de orden:

1 unidad 2 unidad 3 unidad .... 70 unidad 32 + 2760 32 + 40 32 + 80

32 72 112

2.792

Las ventajas y desventajas de este procedimiento son casi idnticas a la de las muestras al azar simple. Los procedimientos computacionales hacen mucho ms fcil efectuar el sorteo de las unidades y no existe el riesgo de que la muestra quede sesgada por algn tipo de regularidad que no conocemos y que est presente en el universo.

Muestras por conglomerados. Esta tcnica tiene utilidad cuando el universo que se requiere estudiar admite ser subdividido en universos menores de caractersticas similares a las del universo total. Se procede a subdividir el universo en un nmero finito de conglomerados y, entre ellos, se pasa a elegir algunos que sern los nicos que se investigarn; esta eleccin puede realizarse por el mtodo del azar simple o por el del azar sistemtico. Una vez cumplida esta etapa, puede efectuarse una segunda seleccin, dentro de cada uno de los conglomerados elegidos, para llegar a un nmero an ms reducido de unidades muestrales. La ventaja de esta tcnica es que obvia la tarea de confeccionar el listado de todas las unidades del universo. Su desventaja mayor radica en que, al efectuarse el muestreo en dos etapas, los errores muestrales de cada una se van acumulando, lo que da un error mayor que para los mtodos anteriores. La tcnica de conglomerados suele utilizarse cuando queremos extraer muestras de los habitantes de un conjunto geogrfico amplio, por ejemplo, una gran ciudad o un conjunto de pueblos, por lo que se procede a tomar cada pueblo o grupo de manzanas como un conglomerado independiente; del mismo modo, se la utiliza

para conocer las reservas forestales y marinas, para estudiar las estrellas y otros casos semejantes. Muestras estratificadas. Este mtodo supone que el universo puede desagregarse en sub conjuntos menores, homogneos internamente pero heterogneos entre s. Cada uno de estos estratos se toma luego como un universo particular, de tamao ms reducido, y sobre l se seleccionan muestras segn cualquiera de los procedimientos anteriores. Por ejemplo, si quisiramos estudiar las actitudes polticas de los estudiantes de una universidad, podramos subdividir en estratos de acuerdo con el tipo de estudios que cursen, suponiendo que estas actitudes van a ser diferentes entre quienes siguen Ingeniera, Letras, Medicina u otras carreras. Luego, efectuaramos un muestreo dentro de cada sub universo as definido para, finalmente, realizar un anlisis integrando los resultados de todas las sub muestras.

Tanto en el muestreo estratificado como en el de conglomerados, la poblacin se divide en grupos bien definidos. Usamos el muestreo estratificado cuando hay una amplia variacin entre los grupos. Usamos el muestreo por conglomerados en el caso opuesto: cuando hay una variacin considerable dentro de cada grupo, pero los grupos son esencialmente similares entre s.

Tamao de la muestra y error muestral.

Recordemos que la muestra descansa en el principio de que las partes representan al todo y, por tal, refleja las caractersticas que definen a la poblacin de la cual fue extrada, lo cual nos indica que es representativa. Es decir, que para hacer una generalizacin exacta de una poblacin, es necesario tomar una muestra representativa. Por lo tanto, la validez de la generalizacin depende de la validez y tamao de la muestra.

Cuando trabajamos con muestras, generalmente se presentan dos tipos de errores:

Error sistemtico. Llamado de distorsin o sesgo de la muestra, se presentan por causas ajenas a la muestra:

Situaciones inadecuadas: se presentan, por ejemplo, cuando el encuestador tiene dificultades para obtener la informacin y la sustituye por la que ms fcilmente est a su alcance, que no siempre es la ms confiable. Insuficiencia en la recoleccin de datos: hay distorsin por falta de respuestas, o respuestas inadecuadas, ya sea por ignorancia o falta de datos relativos a los elementos incluidos. Distorsiones del encuestador causadas por prejuicios, inters personal o por fallas en la aplicacin de instrumentos. Errores de cobertura a causa de que no se han incluido elementos importantes y significativos para la investigacin que se realiza. Error de muestreo o muestral. Cualquiera sea el procedimiento utilizado y la perfeccin del mtodo empleado, la muestra diferir de la poblacin. A esta diferencia se la denomina error de muestreo. Cuando una muestra es aleatoria o probabilstica, es posible calcular sobre ella el error muestral. Este error indica el porcentaje de incertidumbre, es decir, el riesgo que se corre de que la muestra elegida no sea representativa. Si trabajamos con un error calculado en 5%, ello significa que existe un 95% de probabilidades de que el conjunto muestral represente adecuadamente al universo del cual ha sido extrado. A medida que incrementamos el tamao de la muestra, el error muestral tiende a reducirse, pues la muestra va acercndose ms al tamao del universo. Del mismo modo, para una muestra determinada, su error ser menor cuanto ms pequeo sea el universo a partir del cual se la ha seleccionado. As, para un universo de 10.000 casos, una muestra de 200 unidades tendr un error mayor que una de 300; una muestra de 200 casos, por otra parte, tendr un error mayor si el universo tiene 10.000 unidades que si ste posee solamente 2.000.

Para fijar el tamao de la muestra adecuado a cada investigacin, es preciso primero determinar el porcentaje de error que estamos dispuestos a admitir. Una vez hecho esto, debern realizarse las operaciones estadsticas correspondientes para poder calcular el tamao de la muestra que nos permite situarnos dentro del margen de error aceptado.

A veces, sin embargo, el tamao de la muestra queda determinado previamente por consideraciones prcticas; en tales casos, no hay otra alternativa que aceptar el nivel de error que su magnitud acarree.

Bibliografa: Sabino, Carlos A. EL PROCESO DE INVESTIGACIN. Argentina (1996). Ed. Lumen - Humanitas.

Tcnicas de recoleccin de datos primarios.

1. La observacin. Consiste en el uso sistemtico de nuestros sentidos orientados a la captacin de la realidad que queremos estudiar. Es una tcnica antiqusima: a travs de sus sentidos, el hombre capta la realidad que lo rodea, que luego organiza intelectualmente. A travs de innumerables observaciones sistemticamente repetidas, mayas y caldeos lograron penetrar en los secretos del movimiento de los cuerpos celestes; observando miles de casos concretos Mendel pudo formular las leyes sobre la herencia. El uso de nuestros sentidos es una fuente inagotable de datos que, tanto para la actividad cientfica como para la vida prctica, resulta de inestimable valor. 2. La entrevista. Consiste en una interaccin entre dos personas, una de las cuales el investigador - formula determinadas preguntas relativas al tema en investigacin, mientras que la otra - el investigado - proporciona verbalmente o por escrito la informacin que le es solicitada.

Existen adems otros procedimientos de recoleccin de datos primarios, entre los que figguran el llamado cuestionario de autoaplicacin, los tests, los diagramas sociomtricos, las escalas y diferenciales semnticos, etc. sin embargo, todos tienen su origen, en ltima instancia, en las dos principales tcnicas mencionadas.

LA OBSERVACIN CIENTFICA.

La observacin puede definirse como el uso sistemtico de nuestros sentidos en la bsqueda de los datos que se necesitan para resolver un problema de investigacin.

Dicho de otro modo, observar cientficamente es percibir activamente la realidad exterior con el propsito de obtener los datos que previamente han sido definidos de inters para la investigacin. La observacin que se realiza cotidianamente, como parte de nuestra experiencia vital, no puede ser considerada como cientfica pues no est orientada hacia objetos precisos de estudio, no es sistemtica y carece de controles o de mecanismos que nos pongan a cubierto de los errores que podemos cometer cuando la realizamos.

La observacin cientfica debe seguir algunos principios bsicos:

Debe tener un propsito especfico. Debe ser planeada cuidadosa y sistemticamente. Debe llevarse, por escrito, un control cuidadoso de la misma. Debe especificarse su duracin y frecuencia. Debe seguir los principios bsicos de validez y confiabilidad.

La principal ventaja de esta tcnica en el campo de las ciencias del hombre radica en que los hechos son percibidos directamente, sin ninguna clase de intermediacin, colocndonos ante una situacin tal como sta se da naturalmente. De este modo, no se presentan las distorsiones que son usuales en las entrevistas, como la subjetividad del objeto investigado.

Otra ventaja es que la conducta se describe en el momento exacto en que est ocurriendo. Por ejemplo, si queremos hacer un estudio de las diferentes formas que existen para educar a los nios entre las tribus primitivas, observaremos las conductas de las madres hacia sus hijos y las describiramos tal como se presentan en un momento dado.

Adems, las observaciones se pueden realizar independientemente de que las personas estn dispuestas a cooperar o no, a diferencia de otros mtodos en los que s necesitamos de la cooperacin de las personas para obtener la informacin deseada.

Su principal inconveniente reside en que la presencia del observador puede provocar, por s sola, una alteracin o modificacin en la conducta de los objetos observados, destruyendo la espontaneidad de los mismos y aportando datos, por lo tanto, poco fiables. Todos los seres humanos, al saberse observados, tienden naturalmente a alterar su conducta, pues hay muchas actividades, opiniones y actitudes que podemos tener en privado, pero nunca cuando sentimos que estamos siendo objeto de una observacin. Es dificil poder observar la interaccin familiar, por ejemplo, en el momento de acostarse o levantarse.

Esta reaccin frente a la presencia de terceros debe tenerse en cuenta siempre que se pretenda utilizar la tcnica de la observacin con seres humanos. Para evitar las perturbaciones mecionadas, se han diseado dos procedimientos:

Para evitar inhibiciones o alteraciones en la conducta de los sujetos observados, se trata de pasar lo ms desapercibidos posible, actuando de tal manera que el observador no aparezca con contornos ntidos ante los observados, sino ms bien como parte del "teln de fondo" de la situacin. Si logramos esto, lograremos observaciones confiables y de buena calidad. sta es la observacin simple. La otra forma de que las personas no se sientan observadas se basa en un procedimiento inverso: el observador, en vez de pasar desapercibido, trata de integrarse a la accin de los observados, de participar en ella como si se tratara de un miembro ms del grupo. Por ello, se la denomina observacin participante.

La observacin, debido a su utilidad, es una tcnica que se puede utilizar, junto con otras, para recabar informacin; por ejemplo, la observacin se puede utilizar en un estudio exploratorio, y para el estudio final se pueden usar otras tcnicas como cuestionarios, entrevistas, etc.

Observacin simple y participante.

La observacin simple resulta til y viable cuando se trata de conocer hechos o situaciones que de algn modo tienen un cierto carcter pblico, o que por lo menos no pertenecen estrictamente a la esfera de las conductas privadas de los individuos.

Es factible mediante este procedimiento conocer hbitos de compra, situndonos estratgicamente en los puntos de ventas, relevar formas de comportamiento poltico, mediante la asistencia a actos de esa naturaleza, y conocer otros aspectos de la conducta manifiesta de las personas: hbitos de vestimenta, de concurrencia a lugares pblicos, de trato social, etc. Casi siempre sus resultados apuntan a lo ms superficial o visible de la realidad social.

La observacin simple puede adquirir tambin un carcter indirecto, si apelamos al auxilio de instrumentos capaces de registrar informacin sobre el problema. El uso de vidrios polarizados, de cintas magnetofnicas, filmadoras, cmaras de televisin y otros aparatos es de indudable valor en el estudio de la conducta humana, por la exactitud de sus registros y por la confianza que proporcionan al investigador. Es conveniente utilizar estos auxiliares siempre y cuando las circunstancias lo permitan. Por supuesto, el uso de estos medios debe plantearse de modo tal que no perturben la accin o situacin, porque de lo contrario sus efectos seran ms bien contraproducentes.

La observacin participante, por otra parte, implica la necesidad de un trabajo ms dilatado y cuidadoso, ya que el investigador debe primeramente ingresar al grupo, comunidad o institucin en estudio para, una vez all, ir realizando la doble tarea de desempear roles dentro del conjunto y de ir recogiendo los datos que desea conseguir. Por lo tanto, es preciso confundirse con las personas sobre las que recae la investigacin, sin abandonar la actitud observadora. Con esto se consigue ser testigo de los hechos "desde adentro", y el observador no slo puede percibir las formas ms exteriores de la conducta sino tambin experimentar en carne propia las actitudes y valores que se relacionan con el comportamiento en estudio. Esta informacin resulta, por lo general, ms confiable que la que se obtiene por medio de entrevistas, ya que los hechos se observan a medida que se producen y tal como se producen.

La observacin participante puede llamarse natural cuando el investigador pertenece, de hecho, al conjunto humano que investiga. Si un estudiante quiere hacer una investigacin sobre estudiantes, prcticamente no necesita ningn esfuerzo para lograr su cometido, pues ya es estudiante y conoce el lenguaje, los modos de hacer y de comportarse del grupo que investiga.

La observacin participante, en cambio, se denomina artificial cuando la integracin del observador al grupo se hace con el objeto deliberado de desarrollar un trabajo de investigacin. Cuando la distancia social entre observador y observado es poca, la adecuacin no es difcil.

La observacin participante puede variar desde una afiliacin total al grupo hasta una participacin limitada y condicionada, tanto en cuanto al tiempo como en cuanto a las funciones asumidas por el observador. No es necesario que ste lleve a cabo exactamente las mismas actividades que realizan los dems miembros del grupo; en lugar de ello, puede buscarse algn papel que sea aceptable dentro de la comunidad y que el observador pueda desempear razonablemente bien. En todos los casos, es importante que no se divulgue la verdadera finalidad de su participacin y que cuide todos los detalles de su aspecto personal, de sus gestos y ademanes, de las palabras y opiniones que expresa, para no aparecer como un participante anmalo, porque esto puede generar hacia l una actitud de desconfianza o un trato atpico, bloqueando la informacin que recibe y llegando hasta a distorsionar las actividades que el grupo normalmente realiza.

En cuanto a las desventajas de la observacin participante, debemos mencionar que el excesivo compromiso que adopta el investigador frente al grupo puede llegar a provocar una identificacin tan intensa que altere su objetividad y distorsione su percepcin; que

acepte, dentro del grupo investigado, una sola de las posiciones posibles; y los enormes costos que pueden estar asociados a trabajos de tan larga duracin.

En la prctica, es conveniente efectuar las tareas de observacin en equipo, para tener una mayor cobertura de los sucesos y para evitar los siempre posibles errores de percepcin. Los datos pueden ser as confrontados o cotejados luego de su obtencin par enmendar errores o superar los vacos que puedan existir. Cuando los sucesos de inters se dan dentro de colectividades pequeas o muy sensibles, es preferible reducir el nmero de observadores, pues una presencia colectiva puede causar ms daos que beneficios.

Debemos distinguir tambin entre observaciones de situaciones producidas espontneamente, en la misma vida social, de las que se llevan a cabo en condiciones controladas, experimentales, ya preparadas.

Registro y formalizacin de la observacin.

La tarea de observar no es una mera percepcin pasiva de hechos, situaciones o cosas...

Hablbamos de una percepcin activa, lo cual significa seleccionar, organizar y relacionar los datos referentes a nuestro problema. No todo lo que aparece en el campo del observador tiene importancia y, si la tiene, no siempre en el mismo grado; no todos los datos se refieren a las mismas variables o indicadores y es preciso estar alerta para discriminar adecuadamente todo este conjunto posible de informaciones.

Resulta indispensable registrar toda observacin que se haga, para poder organizar luego lo percibido en un conjunto coherente. Los medios ms comnmente utilizados son: cuadernos de campo, diarios, cuadros de trabajo, grficos y mapas.

El problema del registro puede llegar a ser sumamente delicado cuando se trata de la observacin de fenmenos de tipo social. En muchas circunstancias es prcticamente imposible tomar notas durante el transcurso de la observacin, pues ello originara sospechas y recelo. En situaciones extremas, no habr ms remedio que confiar en la memoria, con todas las limitaciones que esto supone. Este inconveniente se allana

cuando los observadores son varios, ya que pueden redactar independientemente sus informes para luego compararlos entre s, completando y depurando los datos obtenidos.

En cuanto a los datos para registrar, es posible adoptar diversas posiciones. Puede actuarse con suma flexibilidad, recogiendo slo aquellos datos que van apareciendo, anotando las impresiones generales que causan los sucesos, de una manera espontnea y poco organizada. Se trata de una observacin no estructurado o no formalizada, que ofrece las ventajas de su gran capacidad de adaptacin frente a sucesos inesperados y de no pasar por alto ningn aspecto importante que pueda producirse.

Este tipo de observacin generalmente se lleva a cabo en un estudio piloto, cuando no se conoce muy bien la muestra que se va a estudiar.

Cuando establecemos de antemano una pauta de observacin explcita en que se detalla qu datos habremos de recoger, llamamos a la observacin estructurada o formalizada. Aqu la ventaja principal es que recogemos datos que pueden cuantificarse ms fcilmente, debido a su homogeneidad, y que podemos tener la certeza de no haber olvidado registrar ninguno de los aspectos principales del problema en estudio. Su desventaja radica en su poca flexibilidad frente a circunstancias no previstas pero que pueden llegar a ser interesantes o importantes para la investigacin.

La observacin estructurada se lleva a cabo cuando se pretende probar una hiptesis, o cuando se quiere hacer una descripcin sistemtica de un fenmeno; es decir, cuando estamos realizando un estudio o investigacin en el que sabemos exactamente lo que vamos a investigar.

Por ejemplo, si vamos a observar el grado de agresividad de un nio mediante la frecuencia con que se presenta la conducta, en sus diferentes grados, primero definiremos qu queremos decir con conducta agresiva y cules son sus manifestaciones:

Identificacin del nio: (se puede dar su nombre, o hacer referencia a alguna caracterstica fsica o a algn nmero que permita identificarlo).

1 Golpe a un nio cerca de l.

Golpe a un nio que estaba lejos de l.

Le dijo palabras insultantes a un nio cerca de l.

Le dijo palabras insultantes a un nio que estaba lejos de l.

Tambin pueden realizarse observaciones semiestructuradas, detallando ms o menos la pauta de observacin segn las necesidades y posibilidades.

LA ENTREVISTA.

La entrevista es una forma especfica de interaccin social que tiene por objeto recolectar datos para una indagacin.

El investigador formula preguntas a las personas capaces de aportarle datos de inters, estableciendo un dilogo, donde una de las partes busca recoger informaciones y la otra es la fuente de esas informaciones.

La ventaja esencial de la entrevista reside en que son los mismos actores sociales quienes proporcionan los datos relativos a sus conductas, opiniones, deseos, actitudes y expectativas. Nadie mejor que la misma persona involucrada para hablarnos acerca de aquello que piensa y siente, de lo que ha experimentado o piensa hacer.

Pero existe un importante inconveniente que limita sus alcances. Cualquier persona entrevistada podr hablarnos de aquello que le preguntemos pero siempre nos dar la imagen que tiene de las cosas, lo que cree que son, a travs de su carga subjetiva de intereses, prejuicios y estereotipos. La propia imagen que el entrevistado tiene de s mismo podr ser radicalmente falsa y, en todo caso, estar siempre idealizada, distorsionada, mejorada o retocada.

Este problema nos obliga a dejar fuera de esta tcnica a problemas y temas que son mejor explorados por medio de otros procedimientos. Por otra parte, nos obliga a utilizar, a veces, caminos indirectos, mediante preguntas que alcancen nuestro objetivo elpticamente, utilizando rodeos. Es clsico el ejemplo de que las personas nunca contestan la verdad respecto de sus ingresos personales en dinero, ya sea porque los disminuyen (ante el temor de estar frente a algn inspector de impuestos), o porque los aumentan (con fines de ostentacin social o para reforzar su autoestima).

Para que una entrevista tenga xito, es preciso prestar atencin a una serie de factores: es importante que la apariencia exterior del entrevistador resulte adecuada al medio social donde habr de formular sus preguntas. El entrevistador habr de ser una persona de por lo menos una cultura media, que comprenda el valor y la importancia de cada dato recogido y la funcin que su trabajo desempea en el conjunto de la investigacin. Tendr que ser mentalmente gil, no tener prejuicios marcados frente a ninguna categora de personas y, sobre todo, ser capaz de dejar hablar libremente a los dems, eliminando por completo todo intento de convencerlos, apresurarlos, o agredirlos con sus opiniones. La entrevista habr de realizarse a las horas ms apropiadas para las personas que responden, teniendo en cuenta que su posible duracin no afecte la confiabilidad de los datos.

Lo que vulgarmente se llama entrevista es una tcnica que en realidad se denomina entrevista no estructurada, y lo que suele llamarse encuesta es igual a lo que denominamos, en metodologa, entrevista estructurada.

Las entrevistas ms estructuradas sern aquellas que predeterminen en una mayor medida las respuestas por obtener, que fijan de antemano sus elementos con ms rigidez, mientras que las entrevistas informales sern las que transcurran de un modo ms espontneo, libre, sin sujetarse a ningn canon establecido.

Entrevistas no estructuradas:

Una entrevista no estructurada o no formalizada es aquella en que existe un margen ms o menos grande de libertad para formular las preguntas y las respuestas. No se guan por un cuestionario o modelo rgido.

Entrevista formal: Es la modalidad menos estructurada posible de entrevista, ya que se reduce a una simple conservacin sobre el tema en estudio. Lo importante no es definir los lmites de lo tratado ni ceirse a algn esquema previo, sino "hacer hablar" al entrevistado, de modo de obtener un panorama de los problemas ms salientes, de los mecanismos lgicos y mentales del respondente, de los temas que para l resultan de importancia.

Es de gran utilidad en estudios exploratorios y recomendable cuando se trata de abordar realidades poco conocidas por el investigador. Tambin suele utilizarse en las fases iniciales - aproximativas - de investigaciones de cualquier naturaleza, recurriendo a informantes claves que pueden ser expertos sobre el tema en estudio, lderes formales o informales, personalidades destacadas o cualquier persona que posea informacin para la investigacin. Lo ms importante es dar al respondente la sensacin clara y definida de que puede hablar libremente, alentndolo y estimulndolo para que lo haga y cuidando de no influirlo demasiado con nuestras actitudes o las palabras que decimos.

Entrevista focalizada: Es prcticamente tan libre y espontnea como la anterior, pero tiene la particularidad de concentrarse en un nico tema. El entrevistador deja hablar sin restricciones al entrevistado, proponindole apenas algunas orientaciones bsicas pero, cuando ste se desva del tema original, el entrevistador vuelve a centrar la conversacin sobre el primer asunto.

Se emplea normalmente con el objeto de explorar a fondo alguna experiencia vivida por el entrevistado o cuando nuestros informantes son

testigos presenciales de hechos de inters o de acontecimientos histricos. Requiere de gran habilidad en su desarrollo, para evitar tanto la dispersin temtica como caer en formas ms estructuradas de interrogacin.

Entrevista por pautas o guas: Se guan por una lista de puntos que se van explorando en el curso de la entrevista. Los temas deben guardar una cierta relacin entre s. El entrevistador hace muy pocas preguntas directas, y deja hablar al respondente siempre que vaya tocando alguno de los temas sealados en la pauta o gua.

Se usan en situaciones parecidas a las anteriores y cuando se presentan casos en que los sujetos investigados prefieren ms un desarrollo flexible que uno rgido, por sus propias actitudes culturales o necesidades. Todas estas formas de entrevistas (que tienen en comn su poca formalizacin) poseen la ventaja de permitir un dilogo ms profundo y rico, de presentar los hechos en toda su complejidad, captando no slo las respuestas a los temas elegidos sino tambin las actitudes, valores y formas de pensar de los entrevistados.

Su principal inconveniente radica en que es poco prctico sistematizar un gran nmero de entrevistas de este tipo, organizndolas estadsticamente, pues pueden tener muy pocos puntos de contacto entre s. Otra dificultad es su costo, pues involucran la presencia de personal altamente especializado durante tiempos relativamente largos.

Los problemas de registro pueden ser importantes, pues existe un gran nmero de palabras que es casi imposible de registrar en su totalidad. Pueden utilizarse grabadores, aunque es preciso determinar previamente si la presencia de estos aparatos cohibe o no a los informantes.

Entrevistas formalizadas:

Se desarrollar en base a un listado fijo de preguntas cuyo orden y redaccin permanece invariable. Comnmente se administran a un gran nmero de entrevistados para su posterior tratamiento estadstico.

Entre sus principales ventajas, podemos mencionar su rapidez y el hecho de que pueden ser llevadas a cabo por personas con mediana preparacin, lo cual redunda en su bajo costo. Otra ventaja es su posibilidad de procesamiento matemtico.

Su mayor desventaja radica en que reducen grandemente el campo de informacin, limitando los datos a los que surgen de una lista taxativa de preguntas.

Esta lista de preguntas, que es el instrumento concreto de recoleccin empleado en este caso, recibe el nombre de cuestionario y puede ser administrado sin que necesariamente medie una entrevista. Debe ser cuidadosamente redactado, evitando preguntas demasiado generales, confusas o de doble sentido, y tratando de conservar un orden lo ms natural posible.

Las preguntas suelen dividirse en dos grandes tipos:

Preguntas de alternativas fijas o cerradas: Formalizan ms el cuestionario, pues en ellas slo se otorga al entrevistado la posibilidad de elegir entre un nmero limitado de respuestas posibles. Si se pregunta "cree usted en los OVNIS, s o no?", estamos realizando una pregunta cerrada. No importa la cantidad de alternativas ofrecidas, si el respondente no puede elegir una respuesta que est fuera de la lista, la pregunta se considera cerrada. Hay que tener sumo cuidado en la redaccin de estas alternativas, procurando especialmente que sean exhaustivas y mutuamente excluyentes, y evitando que estimulen a responder en un sentido determinado.

Preguntas de final abierto o abiertas: Proporcionan una variedad ms amplia de respuestas. Su redaccin debe ser muy cuidadosa para evitar respuestas errneas o confusas, y para evitar que ellas predispongan al entrevistado en uno u otro sentido. Un ejemplo de pregunta abierta sera: "Qu opina usted acerca de los OVNIS?". La informacin que se obtendr ser mucho ms completa y valiosa, pero el trabajo de procesamiento de los datos tendr que ser mucho mayor.

Una vez que se redacta el conjunto de preguntas que constituyen un cuestionario, es necesario revisarlas para asegurarse de su consistencia y eliminar los posibles errores y omisiones. Casi siempre se realiza una prueba piloto, que consiste en administrar el cuestionario a un conjunto reducido de personas para calcular su duracin, conocer sus dificultades y corregir sus defectos, antes de aplicarlo a la totalidad de la muestra. Tipos de cuestionarios.

La forma o tipo de cuestionario depende tanto de los objetivos que persiga la investigacin, como de los informantes:

Cuestionarios abiertos. Son aquellos en los que se pregunta al sujeto algo y se le deja en libertad de responder como quiera. Este tipo de cuestionario es muy til y proporciona mucha informacin, pero requiere ms tiempo por parte del informante y es ms difcil de analizar y codificar por parte del investigador. Generalmente, se aplican en estudios pilotos con el fin de obtener ms datos.

Seran ejemplos de preguntas abiertas: Qu piensa usted de la planificacin familiar? Cul es su opinin acerca del presidente X? Qu le parecen los productos Y?

Cuestionarios cerrados. Estn estructurados de tal manera que al informante se le ofrecen slo determinadas alternativas de respuesta. Es ms fcil de codificar y contestar. Como desventaja, podemos mencionar que las categoras que se ofrecen pueden no ser las ms adecuadas, o que la persona no haya pensado sus respuestas en trminos de las categoras que se le ofrecen. Otra desventaja es que, al ofrecerle categoras al informante, se le estn "sugiriendo" las respuestas. Entre los cuestionarios cerrados, tenemos:

a. Preguntas con opciones: el sujeto tiene dos o ms opciones para contestar. Por ejemplo:

Prefiere algn perfume en especial?

S NO
o

Los negros son superiores a los blancos:

Correcto Incorrecto
o

Indique los artculos que ms han aumentado de precio:

Automviles Casas Comida Electricidad Ropa Combustible Gas Otros a. Listas de preferencias y ordenamientos de opciones: al sujeto se le presenta una serie de afirmaciones, frases, opciones, etc. y l las debe ordenar segn su grado de preferencia. Por ejemplo:

Coloque en orden de mayor a menor las actividades que prefiere realizar en su tiempo libre: Leer Ir al teatro Ver TV Descansar Salir con amigos Otras Ir al cine Con respecto a los cuestionarios enviados por correo, el punto ms importante que debe considerarse es que, por lo general, el porcentaje de personas que lo devuelven es muy reducido y, adems, la muestra que contesta los cuestionarios, est sesgada; es decir, puede tener alguna caracterstica en comn, por ejemplo, cierto inters en el tema, y dar un tipo especial de respuestas.

SOCIOGRAMA.

Consiste en un grfico en que se expresan las atracciones y repulsiones que los miembros de un determinado grupo experimentan entre s, siendo por ello de suma utilidad para detectar fenmenos tales como liderazgo, existencia de subgrupos internos y anomia.

Se construye pidiendo a cada miembro que seale a las personas que ms congenian con l y las que menos lo atraen. Esta informacin se recoge mediante el uso de breves cuestionarios de dos o tres preguntas, y luego es procesada para construir el diagrama correspondiente.

TESTS PSICOLGICOS.

Emplean una gran variedad de tcnicas especficas. Una buena proporcin de ellos utiliza la formulacin de preguntas anotadas en algn formulario apropiado (el test) y que por lo general se autoadministra. En otros casos, se propone a la persona la realizacin de ciertas actividades pautadas y se observa su desarrollo. Se registra el tiempo empleado en su ejecucin, las reacciones que se producen, el desempeo de ciertos roles, etc.

Desde un punto de vista general, estos tests pueden considerarse como observaciones realizadas en condiciones artificiales, preparadas y definidas de antemano.

TCNICAS PROYECTIVAS.

Se basan en presentar algn estmulo definido a los sujetos para que ellos expresen libremente, a partir de estos estmulos, lo que piensan, sienten o ven.

Generalmente, se trata de dibujos, manchas, fotografas u otros elementos similares, aunque tambin se apela a veces a estmulos verbales o auditivos. La recoleccin de datos, normalmente, se hace por medio de entrevistas poco formalizadas. Bibliografa:

Tenorio Bahena, Jorge. INVESTIGACIN DOCUMENTAL. 3 ed. Mxico (1988). Ed. Mac Graw - Hill. Pick, Susan y Lpez, Ana Luisa. CMO INVESTIGAR EN CIENCIAS SOCIALES. 5 ed. Mxico (1994). Ed. Trillas S.A. Tamayo y Tamayo, Mario. EL PROCESO DE LA INVESTIGACIN CIENTFICA. 3 ed. Mxico (1998). Ed. Limusa S.A. Sabino, Carlos A. EL PROCESO DE INVESTIGACIN. Argentina (1996). Ed. Lumen - Humanitas. ORDENAMIENTO DE DATOS.

Los datos son colecciones de cualquier cantidad de observaciones relacionadas. Una coleccin de datos se conoce como conjunto de datos, y una sola observacin es un punto de dato.

Para que los datos sean tiles, necesitamos organizar nuestras observaciones, de modo que podamos distinguir patrones y llegar a conclusiones lgicas. Bsqueda de un patrn significativo en los datos:

Existen muchas formas de organizar los datos. Podemos slo colectarlos y mantenerlos en orden; o si las observaciones estn hechas con nmeros, entonces podemos hacer una lista de los puntos de dato de menor a mayor segn su valor numrico. Pero si los datos son trabajadores especializados o los distintos tipos de automviles que ensamblan todos los fabricantes, debemos organizarlos de manera distinta. Necesitaremos presentar los puntos de dato en orden alfabtico o mediante algn principio de organizacin. Una forma comn de organizar los datos consiste en dividirlos en categoras o clases parecidas y luego contar el nmero de observaciones que quedan dentro de cada categora. Este mtodo produce una distribucin de frecuencias.

El objetivo de organizar los datos es permitirnos ver rpidamente algunas de las caractersticas de los datos que hemos recogido: el alcance (los valores mayor y menor), patrones evidentes, alrededor de qu valores tienden a agruparse los datos, qu valores aparecen con mayor frecuencia, etc.

RECOMENDACIONES:

Al plantear un estudio estadstico, definir claramente la poblacin objeto de anlisis.

Si se trabaja con muestras, definir las condiciones que deben reunir antes de extraerlas.

Especificar qu se va a medir, las unidades a usar y la forma de registro.

Datos sin procesar:

La informacin obtenida, antes de ser organizada y analizada, se conoce como datos sin procesar puesto que an no han sido tratados mediante ningn mtodo estadstico.

La cantidad de datos ms grande y los detalles ms minuciosos pueden no contener la informacin ms til para la toma de decisiones administrativa. Una parte importante de la planeacin de sistemas de informacin administrativa consiste en resumir y presentar los datos de modo que se pueda obtener la informacin crtica de manera rpida y sencilla.

Ordenamiento de datos utilizando su arreglo y distribucin de frecuencias:

La ordenacin de datos es una de las formas ms sencillas de presentarlos, los forma en orden ascendente o descendente.

Ventajas:

1. Podemos notar rpidamente los valores mayor y menor de los datos. 2. Podemos dividir fcilmente los datos en secciones. 3. Podemos ver si algunos de los valores aparecen ms de una vez en ese ordenamiento. 4. Podemos observar la distancia entre valores sucesivos de datos.

En ocasiones, un ordenamiento de datos no resulta til. Debido a que da una lista de todos los valores, es una forma incmoda de mostrar grandes cantidades de datos.

La distribucin de frecuencias.

Una forma en que podemos comprimir los datos es la tabla de frecuencias o distribucin de frecuencias. Las distribuciones de frecuencias sacrifican algunos detalles, pero ofrecen nuevas perspectivas sobre los patrones de datos.

Una distribucin de frecuencias es una tabla en la que los datos se organizan en clases, es decir, en grupos de valores que describen una caractersticas de los datos.

Una distribucin de frecuencias muestra el nmero de observaciones del conjunto de datos que caen en cada una de las clases.

Caractersticas de las distribuciones de frecuencias relativas.

Tambin podemos expresar la frecuencia de cada valor como una fraccin o un porcentaje del nmero total de observaciones. Para obtener este valor, dividimos la frecuencia de esa clase entre el nmero total de observaciones del conjunto de datos. La respuesta se puede expresar como una fraccin, un nmero decimal o un porcentaje.

La suma de todas las frecuencias relativas es igual a 1,00 o a 100%. Esto es as debido a que una distribucin de frecuencias relativas aparea a cada clase con su fraccin o porcentaje apropiados del total de datos. Por consiguiente, las clases que aparecen en cualquier distribucin de frecuencias, ya sean relativas o simples, son completamente inclusivas. Todos los datos caen en una u otra categora. Las clases son mutuamente exclusivas, es decir, ningn punto de dato cae en ms de una categora.

En las distribuciones de frecuencias no aparecen clases que se traslapen.

Podemos, tambin, clasificar la informacin de acuerdo con caractersticas cualitativas, como raza, religin y sexo, que no entran de manera natural en clasificaciones numricas. Como clases de atributos cuantitativos, stas deben ser completamente inclusivas y mutuamente exclusivas.

La categora "otros" se conoce como clase de extremo abierto cuando permite que el extremo inferior o el superior de una clasificacin cuantitativa no est limitado.

Los esquemas de clasificacin pueden ser tanto cuantitativos como cualitativos y tanto discretos como continuos. Las clases discretas son entidades separadas que no pasan de una clase discreta a otra sin que haya un rompimiento. Los datos discretos son aquellos que pueden tomar slo un nmero limitado de valores.

Los datos continuos pasan de una clase a otra sin que haya un rompimiento. Implican mediciones numricas. Los datos continuos pueden expresarse con nmeros fraccionarios o con enteros.

Las variables discretas son cosas que se pueden contar y las continuas son cosas que aparecen en algn punto de una escala.

Construccin de una distribucin de frecuencias:

Pasos:

1. Decidir el tipo y nmero de clases para dividir los datos. De acuerdo con la medida cuantitativa o un atributo cualitativo. Necesitamos decidir cuntas clases distintas usar y el alcance que cada clase debe cubrir. el alcance total debe dividirse entre clases iguales, esto es, el ancho del intervalo, tomado desde el principio de una clase hasta el principio de la clase siguiente, necesita ser el mismo para todas las clases.

El nmero de clases depende del nmero de puntos de dato y del alcance de los datos recolectados. Cuantos ms puntos de dato se tengan o cuanto ms grande sea el alcance, ms clases se necesitarn para dividir los datos. Como regla general, los estadsticos rara vez utilizan menos de 6 y ms de 15 clases.

Debido a que necesitamos hacer los intervalos de clase de igual tamao, el nmero de clases determina el ancho de cada clase.

Ancho de los intervalos de clase = (valor unitario siguiente despus del valor ms grande de los datos valor ms pequeo de los datos) / nmero total de intervalos

Debemos utilizar el siguiente valor ms alto de las mismas unidades, ya que estamos midiendo el intervalo entre el primer valor de una clase y el primer valor de la siguiente.

2. Clasificar los puntos de dato en clases y contar el nmero de datos que hay en cada clase.

3. Ilustrar los datos en un diagrama.

Representacin grfica de las distribuciones de frecuencias:

Las grficas dan los datos en un diagrama de dos dimensiones. Sobre el eje horizontal podemos mostrar los valores de la variable (la caracterstica que estamos midiendo). Sobre el eje vertical sealamos las frecuencias de las clases mostradas en el eje horizontal.

Las grficas de distribuciones de frecuencias simples y de distribuciones de frecuencias relativas son de utilidad debido a que resaltan y aclaran los patrones que no se pueden distinguir fcilmente en las tablas. Atraen la atencin del que las observa hacia los patrones existentes en los datos. Las grficas pueden tambin ayudarnos a resolver problemas concernientes a las distribuciones de frecuencias. Nos permitirn estimar algunos valores con slo una mirada y nos proporcionarn una verificacin visual sobre la precisin de nuestras soluciones.

Histogramas.

Un histograma consiste en una serie de rectngulos, cuyo ancho es proporcional al alcance de los datos que se encuentran dentro de una clase, y cuya altura es proporcional al nmero de elementos que caen dentro de cada clase. Si las clases que utilizamos en la distribucin de frecuencias son del mismo ancho, entonces las barras verticales del histograma tambin tienen el mismo ancho. La altura de la barra correspondiente a cada clase representa el nmero de observaciones de la clase. Como consecuencia, el rea contenida en cada rectngulo (ancho por altura) ocupa un porcentaje del rea total de todos los rectngulos igual al porcentaje de la frecuencia de la clase correspondiente con respecto a todas las observaciones hechas.

Un histograma que utiliza las frecuencias relativas de los puntos de dato de cada una de las clases, en lugar de usar el nmero real de puntos, se conoce como histograma de frecuencias relativas. Este tipo de histograma tiene la misma forma que un histograma de frecuencias absolutas construido a partir del mismo conjunto de datos. Esto es as debido a que en ambos, el tamao relativo de cada rectngulo es la frecuencia de esa clase comparada con el nmero total de observaciones.

Polgonos de frecuencias.

Son otra forma de representar grficamente distribuciones tanto de frecuencias simples como relativas. Para construir un polgono de frecuencias sealamos stas en el eje vertical y los valores de la variable que estamos midiendo en el eje horizontal. A continuacin, graficamos cada frecuencia de clase trazando un punto sobre su punto medio y conectamos los resultantes puntos sucesivos con una lnea recta para formar un polgono.

Se aaden dos clases, una en cada extremo de la escala de valores observados. Estas dos nuevas clases que contienen cero observaciones permiten que el polgono alcance el eje horizontal en ambos extremos de la distribucin.

Un polgono de frecuencias es slo una lnea que conecta los puntos medios de todas las barras de un histograma. Por consiguiente, podemos reproducir el histograma mediante el trazado de lneas verticales desde los lmites de clase y luego conectando tales lneas con rectas horizontales a la altura de los puntos medios del polgono.

Un polgono de frecuencias que utiliza frecuencias relativas de puntos de dato en cada una de las clases, en lugar del nmero real de puntos, se conoce como polgono de frecuencias relativas. Este polgono tiene la misma forma que el polgono de frecuencias construido a partir del mismo conjunto de datos, pero con una escala diferente en los valores del eje vertical.

Ventajas de los histogramas:

Los rectngulos muestran cada clase de la distribucin por separado. El rea de cada rectngulo, en relacin con el resto, muestra la proporcin del nmero total de observaciones que se encuentran en esa clase.

Ventajas de los polgonos de frecuencias:

Es ms sencillo que su correspondiente histograma. Traza con ms claridad el perfil del patrn de datos.

Se vuelve cada vez ms liso y parecido a una curva conforme aumentamos el nmero de clases y el nmero de observaciones.

Un polgono alisado mediante el aumento de clases y de puntos de dato se conoce como curva de frecuencias. Ojivas.

Una distribucin de frecuencias acumuladas nos permite ver cuntas observaciones estn por encima de ciertos valores, en lugar de hacer un mero registro del nmero de elementos que hay dentro de los intervalos.

La grfica de una distribucin de frecuencias acumuladas se conoce como ojiva.

En ocasiones, la informacin que utilizamos se presenta en trminos de frecuencias acumuladas "mayores que". La ojiva adecuada para tal informacin tendra una inclinacin hacia abajo y hacia la derecha, en lugar de tener una inclinacin hacia arriba y a la derecha.

Podemos construir una ojiva de una distribucin de frecuencias relativas de la misma manera en que trazamos la ojiva de una distribucin de frecuencias absolutas. Slo habr un cambio: la escala del eje vertical.

Del ordenamiento de datos podemos construir distribuciones de frecuencias. A partir de las distribuciones de frecuencias podemos construir distribuciones de frecuencias acumuladas. A partir de stas podemos trazar una ojiva. Y de esta ojiva podemos aproximar los valores que tenemos en el ordenamiento de datos. Sin embargo, no podemos recobrar de manera normal los datos originales exactos a partir de cualquiera de las representaciones grficas que hemos analizado.

Tratamiento de una variable discreta:

Se utilizan los diagramas de barras, la diferencia con el histograma es que los rectngulos no se tocan entre s; esto se debe a que, al ser la variable discreta, entre los valores sucesivos no hay valores intermedios.

Las frecuencias acumuladas se grafican por medio de una ojiva en forma de escalera, debido a que la frecuencia aumenta de a saltos.

RECOMENDACIONES:

Cuando se trabaja con muestras, recopilar el mayor nmero de datos posible.

Usar 5 clases como mnimo y 15 como mximo para agrupar los datos, en funcin del nmero de datos disponibles.

Trabajar con intervalos de clase de igual longitud.

Tener cuidado con la clasificacin automtica que hacen los paquetes estadsticos.

Al calcular frecuencias relativas como proporcin trabajar con cuatro dgitos despus de la coma, para evitar errores de redondeo en la suma.

Al dibujar un grfico, no exagerar la escala vertical u horizontal. Un grfico desproporcionado complica su interpretacin y puede resultar engaoso a simple vista.

CONCEPTOS:

Unidad de observacin: persona o casa sobre la que se mide una o varias caractersticas de inters.

Caracteres: propiedades o rasgos que se miden en cada unidad de observacin.

Variable numrica: VARIABLE. Carcter cuantitativo.

Variable categrica: ATRIBUTO. Carcter cualitativo.

Poblacin: conjunto formado por todas las unidades objeto de un estudio estadstico. Coleccin de todos los elementos que se estn estudiando y sobre los cuales intentamos llegar a conclusiones.

Muestra: subconjunto representativo de la poblacin. Coleccin de algunos elementos, pero no de todos, de la poblacin bajo estudio, utilizada para describir poblaciones.

Muestra representativa: muestra que contiene las caractersticas importantes de la poblacin en las mismas proporciones en que estn contenidas en la poblacin.

Datos: coleccin de cualquier nmero de observaciones relacionadas sobre una o ms variables.

Punto de dato: una sola observacin de un conjunto de datos.

Arreglo de datos: organizacin de los datos sin procesar por observacin, tomados en orden ascendente o descendente.

Clase de extremo abierto: clase que permite que el extremo superior o inferior de un esquema de clasificacin cuantitativo no tenga lmite.

Conjunto de datos: una coleccin de datos.

Curva de frecuencias: polgono de frecuencias alisado mediante el aumento de clases y puntos de dato a un conjunto de datos.

Datos continuos: datos que pueden pasar de una clase a la siguiente sin interrumpirse y que pueden expresarse mediante nmeros enteros o fraccionarios. Datos numricos que admiten infinitos valores entre dos valores cualesquiera; generalmente surgen de una medicin.

Datos discretos: datos que no pasan de una clase a la siguiente sin que haya una interrupcin; esto es, donde las clases representan categoras o cuentas distintas que pueden representarse mediante nmeros enteros. Datos numricos que no admiten valores intermedios entre dos valores sucesivos; generalmente surgen de un conteo.

Datos sin procesar: informacin antes de ser organizada o analizada por mtodos estadsticos. Conjunto de datos que no han recibido ningn tratamiento estadstico.

Datos tratados: conjunto de datos que ha sido objeto de algn tipo de ordenamiento o procesamiento.

Intervalo de clase: agrupamiento de valores de una variable.

Alcance de los datos: diferencia entre el mayor y menor valor de la serie.

Distribucin de frecuencias: despliegue organizado de datos que muestran el nmero de observaciones del conjunto de datos que entran en cada una de las clases de un conjunto de clases mutuamente exclusivas y colectivamente exhaustivas. Asignacin de frecuencias a cada uno de los valores de una variable o atributo.

Tabla de frecuencias: tabla donde se asienta la distribucin de frecuencias.

Distribucin de frecuencias acumuladas: despliegue de datos en forma de tabla que muestra cuntos datos estn por encima o por debajo de ciertos valores.

Distribucin de frecuencias relativas: despliegue de un conjunto de datos en el que se muestra la fraccin o porcentaje del total del conjunto de datos que entra en cada elemento de un conjunto de clases mutuamente exclusivas y colectivamente exhaustiva.

Histograma: grfica de un conjunto de datos compuesta de una serie de rectngulos, cada uno con un ancho proporcional al alcance de los valores de cada clase y altura proporcional al nmero de elementos que entran en la clase, o altura proporcional a la fraccin de elementos de la clase. Representacin grfica de la distribucin de frecuencias (absoluta o relativa) de una variable continua.

Ojiva: grfica de una distribucin de frecuencias acumuladas absolutas o relativas.

Polgono de frecuencias: lnea que une los puntos medios de cada clase de un conjunto de datos, trazada a la altura correspondiente a la frecuencia de datos. Representacin grfica de la distribucin de frecuencias en forma suavizada de una variable continua.

Diagrama de barras: representacin grfica de la distribucin de frecuencias de un atributo o de una variable discreta.

Frecuencia absoluta: nmero de veces que se repite un determinado valor de una variable o atributo.

Frecuencia relativa: proporcin o porcentaje de veces que se repite un valor.

BIBLIOGRAFA: RICHARD I. LEVIN - DAVID S. RUBIN, ESTADSTICA PARA ADMINISTRADORES, ED. PRENTICE HALL, SEXTA ED., 1996 ANLISIS DE DATOS Bibliografa.: COHEN Y MANION COLS Y BUENDA TAYLOR Y BODJAN Una investigacin cualitativa puede concluir con datos numricos. el tratamiento de eta informacin ser estadstico. La representacin tambin puede seguir los mismos cnones que en investigacin cuantitativa 1.-Fiabilidad y Validez en investigacin cualitativa Validez en la medida: que la informacin obtenida represente de modo fidedigno las dimensiones del fenmeno analizado Fiabilidad en la medida: consistencia de los datos Es difcil la medicin en instrumentos no mecnicos (balanzas) sino humanos o cualitativos (investigador, cuestionarios,...) 2.-Validez y Fiabilidad en la Observacin Fiabilidad: ante un mismo hecho hacer la misma observacin, por ejemplo con dos observadores. Tambin se utilizan coeficientes de correlacin entre las puntuaciones dadas por los observadores. La solucin pasa por el entrenamiento de los observadores

Validez: cuando las categoras a observar no estn definidas largamente estamos registrando realmente el fenmeno que queremos? Solucin: disminuir la posible interpretacin categorizando al mximo previamente 3.-Fiabilidaz y Validez en las encuestas postales Validez: Problemas: no conocemos quien ha contestado y quin no, no estamos seguros de a qu e responden los cuestionarios devueltos, puede ser que los no devueltos se deba a alguna causa que puede repetirse uniformemente para todos, lo cual implicara un sesgo en la recogida de datos. Casos posibles: 1.- Que no se haya contestado con precisin. solucin: entrevistas de forma intensiva (aleatoriamente a algunos) para constatar que sus respuestas dicen lo que realmente queran decir. Se evita a priori a travs de una encuesta piloto 2.- No hay devolucin Solucin: igualmente con entrevista a los que no han contestado y hacer una correlacin entre unos y otros (no sobre las causas de la contestacin sino sobre las respuestas entre unos y otros) se ven si existen diferencias significativas entre un grupo y otro. 4.-Fiabilidad y validez en las entrevistas Validez superficial: que midan lo que deben medir. Existen otros tipos de validez ms importantes. Elementos de sesgo: el entrevistador, el informante, la formulacin delas preguntas. El investigador puede enfatizar o incidir en las cuestiones que efectivamente confirmen su hiptesis.

El informante puede mentir ("Parcialidad en las respuestas") . Se puede observar que varios entrevistado sistemticamente "mienten " en las mismas respuestas en la misma direccin (p.e. si se habla de ganancias o de pago de impuestos) Solucin: buscar otras fuentes de informacin (anlisis documental) triangulacin. En las entrevistas, fiabilidad y validez son inversamente proporcionales: cuanto ms estructuradas mas fiables pero menos vlidas(slo recogemos unos elementos y no otros) Depender de la investigacin el emplear una u otra. Existen modos de limar las dificultades de cada tcnica. Cada tcnica tienen unas dificultades que le son propias. s i se utilizan dos tcnicas las dificultades no se suman sino que se restan (es una interseccin) Validez del informante: una vez recogidos los datos se devuelve de nuevo al informante para que valide lo dicho. Esto disminuye problemas de planteamiento de preguntas y errores de registro o interpretacin de respuestas. 5.-La triangulacin Formalmente se da cuando existen tres puntos diferentes, pero se admiten dos o ms fuentes de evidencia. Intenta resolver problemas de validez: una solo tcnica da una fuente de error, dos tcnicas se intersectan disminuyendo el error. Si la fuente de error es el entrevistador, la triangulacin consistir en ampliar a los entrevistadores. Si la fuente de error es la tcnica de recogidas de datos, se utilizarn dos tcnicas distintas. Qu tipo de triangulacin escoger? depender de los problemas que encontremos en la investigacin, evitando en lo posible el incremento de complejidad en el diseo (buscar el diseo ms simple posible y ms vlido posible) (cuadro 11.2 de Cohen)

En el estudio de casos, llegado a un punto el incremento en el nmero de casos no supone un incremento de validez sino que esta permanece constante, decimos que la muestra est saturada: criterio de economa Existen dos grandes grupos de triangulacin: - Dentro del propio mtodo, sirve para analizar la fiabilidad del mtodo - De mtodos. Cundo es apropiada la triangulacin? 1.-Cuando lo que buscamos es la generalizacin de los datos 2.-Cuando el fenmeno que analizamos es complejo y controvertido 3.-Cuando detectamos que un slo mtodo puede producir distorsiones. El diseo ms caracterstico es el estudio de casos (Cuadro 11.4 de Cohen) (Cuadro 4 pg 106 G. P. Serrano) 6.-El informe Qu diferencias existen entre el informe cuantitativo y el cualitativo? Podemos tener inters en informar sobre elementos que no se tienen en cuenta en el cuantitativo En IAP o Etnogrfica no existen informes standard. Si seguimos un esquema cuantitativo en cada apartado se puede incluir toda la informacin que creemos importante. Apartados 1.-Introducin: descripcin del contexto de la investigacin y lo hecho hasta el momento

2.- Bases terico prcticas de la investigacin: descripcin de intereses, descripcin del problema a resolver. 3.- Contexto de la investigacin: incluir informacin sobre el escenario de la investigacin 4.-Proceso de la investigacin: seleccin de mtodos, papel del investigador, evolucin del problema desde el inicio, instrumentos y tcnicas de recogida de datos: explicacin. Proceso de anlisis de datos, categoras, revisin, anlisis. Hallazgos o resultados que encontramos. 5.-Conclusiones Existen algunas propuestas para la IAP Existen normas para la redaccin del informe porque es un sistema tan abierto que es necesario dar pistas para una lectura clara: - Expresiones y lenguaje de los participantes, entrecomillado, en u terminologa para que el lector se site en el contexto. - Ser detallado en las descripciones - Distinguir hechos de interpretaciones , tanto del entrevistador como de los informantes - Tener en cuenta la audiencia del informeidez superficial 11.- El informe de un estudio de casos 1.- Depender de la audiencia, a quien va destinado. 2.- Existen diferentes tipos en la presentacin: a) Escritos: - De un solo caso *Descripcin del caso *Tcnica pregunta-respuesta

- De casos mltiples: *Informes independientes de cada caso con un informe final *A travs de diferentes temas, interrelacionar todos los casos estudiados Siempre con un captulo de sntesis. b) Orales c) Apoyados en medios tcnicos 3.- Procedimientos en la redaccin a) Cuando empezar?: cuanto antes b) Identificacin del caso: Es deseable la identificacin del caso lo ms amplia posible por inters cientfico, para que otras personas puedan continuar en la investigacin; pero no siempre es aconsejable por razones ticas cuando es preciso mantener la confidencialidad. c) Revisin del borrador: ste ha de ser ledo por colegas investigadores e incluso por participantes en el estudio. 12.- Estudio de caso ejemplar Un estudio de caso ejemplar debe: 1.- Ser significativo 2.- Ser completo 3.- Considerar perspectivas alternativas (crticas,...) 4.- Mostrar suficientes pruebas o indicios 5.- Estar hecho de forma engranada.