METODOLOGÍA DE LA INVESTIGACIÓN - SEGUNDO

PARCIAL

• MUESTREO (INVESTIGACIÓN CUANTITATIVA) - Práctico

- Selección de población normal (la mayoría de las variables psicológicas quedan
agrupadas en una curva normal).
- Selecciono un conjunto limitado de esa población: muestra de sujetos. Se

OM
identifica la unidad de análisis (en quien o en que se va a realizar la
investigación) para seleccionar la muestra. La muestra debe ser representativa
de la población para garantizar la validez externa (generalización de los
resultados).
o Que la muestra sea representativa tiene que ver con como seleccionamos
los sujetos que van a formar parte de la muestra, es decir, tiene que ver con

.C
la técnica de muestreo.
- Hay dos grupos de técnicas de muestreo:
▪ Muestreo probabilístico (aleatorio): Se obtiene la muestra
aleatoriamente por azar; en las muestras aleatorias cada elemento de la
DD
población tiene una probabilidad igual, o una probabilidad cuantificable,
de ser seleccionado. Garantizan en mayor medida que la muestra sea
representativa. Permite realizar investigaciones con mayor validez
interna y externa.
LA

o Muestreo Aleatorio Simple: Se utiliza un procedimiento al azar para

elegir a los sujeto de la población que van a formar parte de la
muestra.
a) se delimita la población.
FI

b) se decide el tamaño de la muestra.

c) se asigna un código (por lo general un número si ya no lo
tiene) a cada elemento de la población (unidad de análisis).
d) finalmente se escoge mediante alguna técnica de selección


aleatoria.

o Muestreo Sistemático: A partir de un primer caso elegido al azar, los

restantes se eligen de un listado con intervalos sistemáticos.
a) se decide un tamaño de muestra y se efectúa el cociente
entre la población y la muestra. (ej. población: 2500;
muestra: 100; entonces 2500/100=25)
b) se elige al azar un numero de inicio entre la población (ej. 70)
siendo ese la primera persona de la muestra; y la siguiente
será de la suma (ej.70+25=95, donde el 95 será la segunda
persona) y así hasta llegar a 100.

Este archivo fue descargado de https://filadd.com

 o Muestreo de Conglomerados: Se utiliza cuando la población tiene
una distribución geográfica muy amplia; en este caso en lugar de
comenzar eligiendo al azar a los individuos, se eligen al azar grupos
más amplios que se llaman conglomerados, y después se seleccionan
al azar, de cada conglomerado, los individuos que van a conformar la
muestra.
Puede realizarse de dos maneras:
- En una sola etapa: antes de llegar a la unidad de análisis,
hay una etapa previa en la que se toma una unidad
mayor.

OM
- En varias etapas: antes de llegar a la unidad de análisis,
se pasa por mas de una etapa previa, se toman en forma
sucesiva varias unidades mayores que los elementos de
la población. (Ej, Primera etapa: Considerando todas las
provincias del país (que tienen Centros de hemodiálisis)
se seleccionan aleatoriamente un número de ellas.

.C Segunda etapa: De las provincias seleccionadas, se

seleccionan aleatoriamente alguna/s ciudades entre
aquellas que tengan centros de hemodiálisis. Tercera
DD
etapa: de los centros de hemodiálisis seleccionados se
procederá a elegir al azar pacientes de cada uno de
ellos.)

El muestreo por conglomerados consiste en la selección

sucesiva de muestras aleatorias de unidades mayores a
LA

menores por el método aleatorio simple o sistemático.

o Muestreo Estratificado: Se divide a la población en subgrupos o

estratos mutuamente excluyentes. Una vez elegidos los estratos
puede aplicarse el muestreo simple o el sistemático a cada estrato;
FI

puede ser proporcionado o desproporcionado de la población de la

cual obtengo la muestra.
- Proporcionado: Refleja las proporciones de la población
(Ej. 2500 pacientes renales de CABA que asisten a


Centros de hemodiálisis FMC. Son 1500 hombres,1000

mujeres; entonces la muestra presentará un 60% de
hombres y un 40% de mujeres).
- Desproporcionado: No refleja las proporciones de la
población, requiere de un análisis mas complejo (Ej. la
muestra podría presentar un 50% de hombres y un 50%
de mujeres).

▪ Muestreo no probabilístico (no aleatorio): No todo elemento de la

población tiene la misma probabilidad de ser parte de la muestra, por lo
que puede suceder que algún sector carezca sistemáticamente de

Este archivo fue descargado de https://filadd.com

 representación adecuada. Son muestras menos precisas.

o Muestreo accidental/de oportunidad/de conveniencia: Se

seleccionan las personas que uno encuentra por casualidad.

o Muestreo por cuotas: Muestreo accidental, pero con cuotas

establecidas por el investigador para el numero de personas que
habrán de incluirse en las submuestras determinadas a partir de
alguna/s variable/s. Es el equivalente al muestreo estratificado
de los muestreos aleatorios. Al recolectar los datos cuando se ha

OM
cubierto una cuota se continúa únicamente con sujetos que
apliquen para la otra cuota. (Ej. los investigadores desean un
numero igual de hombres y mujeres; una vez que obtengan su
cuota para un genero, se acercarán solo a miembros del otro
género, hasta que tengan los individuos suficientes).
Si las cuotas se establecen en varias dimensiones (tomando más

.C de una variable), se lo denomina muestreo dimensional.

o Muestreo propositivo: Se aplica cuando se desea estudiar una

DD
muestra definida claramente, y que cumpla con ciertas
características en función de las necesidades de la investigación
(con participantes con características particulares).

o Muestreo bola de nieve: Se usan contactos iniciales para

LA

identificar a otras posibles personas que podrían integrar la

muestra (Ej. Los investigadores se contactan con algunos
pacientes en diálisis que su vez los ponen en contacto con otros
pacientes en diálisis y estos pueden ponerlos a su vez con otros).
FI

- ¿Qué muestreo debo utilizar? Depende del método de investigación

DESCRIPTIVO CORRELACIONAL EXPLICATIVO
Técnica de muestreo Técnica de muestreo Técnica de muestreo
ALEATORIA mayormente NO casi siempre NO


Necesario para dar ALEATORIA ALEATORIAS

mayor seguridad de No es necesario que sea
que la muestra sea muestreo aleatorio
representativa, ya que porque no afecta
si el único propósito de necesariamente la
la muestra es describir, validez externa de estas
por ende si estuviera investigaciones.
sesgada la muestra se
informaría mal lo único
que la investigación
pretende transmitir.

- Tamaño de la muestra y significación estadística

Este archivo fue descargado de https://filadd.com

 Al analizar los datos de una investigación tomamos decisiones sobre si
corroboramos o no, la o las hipótesis planteadas en la investigación.
Dos estudios conducidos de la misma manera en todos los aspectos, excepto el
tamaño de la muestra, pueden llevar a conclusiones diferentes. El que tiene la
mayor muestra puede alcanzar un resultado estadísticamente significativo,
mientras que el otro no.
De acuerdo con esto, cuanto más pequeño sea el tamaño de la muestra, tanto
más probable resultará que cometamos un Error de tipo II (rechazar hipótesis
de investigación cuando en realidad es correcta).

OM
• DISEÑO FACTORIAL (CON MÁS DE UNA VARIABLE INDEPENDIENTE) - Teórico
- Como actúan diferentes causas (VI) afectan sobre una VD.
- Las VI no se suman, sino que interactúan entre ellas, generando un tipo de
efecto diferente al que se podría observar en diseños simples (con una sola VI).
- Están armados con dos o mas VI o factores.
- Variable Independiente → Variable Factor

.C
- Variable Dependiente → Variable Criterio
- Cuando tiene dos variables independientes o factores se denomina: Diseño
Factorial A x B. La cantidad de niveles/valores que tenga cada VI/factor
reemplazan a las letras: Diseño Factorial 2 x 2 (ej)
DD
LA

- Se ubican los datos en una tabla de doble entrada

FI

Inteligencia baja (a1) Inteligencia alta (a2)

Tarea fácil (b1) a1b1 a2b1
Tarea difícil (b2) a1b2 a2b2


A TENER EN CUENTA

Si un numero tiene un
arquito arriba, eso quiere
decir que es de MEDIDAS
REPETIDAS
Si hubiera tanto medidas repetidas
como medidas independientes, la
cantidad de grupos estaría dada
- Los factores pueden tener MANIPULACIÓN INTENCIONAL
porcomo
los factores de medidas
MANIPULACIÓN DE SELECCIÓN. independientes.
Ej. en un diseño 2x3x2 con medidas
repetidas en C, habría 12
tratamientos y 6 grupos (dados por
4

Este archivo fue descargado de https://filadd.com

 ▪ Si todos los factores son de manipulación intencional el diseño factorial
puede ser un EXPERIMENTO.
▪ Cuando todos o algunos factores son de manipulación de selección es
un CUASIEXPERIMENTO.
- Los factores pueden ser de MEDIDAS INDEPENDIENTES o de MEDIDAS
REPETIDAS
▪ Diseños factoriales con medidas independientes en todos los factores.
▪ Diseños factoriales con medidas repetidas en todos los factores.
▪ Diseños factoriales con medidas repetidas en algunos factores. En estos
diseños tenemos tanto factores con medidas independientes como factores

OM
con medidas repetidas.

- Ventajas del diseño:

▪ Brinda mayor información, ya que no solo analiza los efectos aislados de
cada variable independiente, sino que también brinda información
sobre el efecto que producen las mismas al combinarse.

.C
▪ Es más sencillo controlar variables contaminadoras, porque es mas fácil
el control en una sola investigación que en varias.
▪ Dan mejor capacidad de generalización a situaciones naturales (validez
externa ecológica), ya que en la realidad las variables suelen interactuar
DD
con otras y no solamente presentar efectos aislados.
▪ Requiere menor tiempo y cantidad de sujetos que si se hicieran varias
investigaciones con cada variable independiente por separado.

- Efectos que se analizan en estos diseños:

LA

▪ Efectos Principales: Son los efectos que tiene cada una de las variables
independientes (factores) por separado, tomados de forma aislada.
▪ Efectos de Interacción: Hay interacción cuando el efecto de cada factor
varia (se ve modificado) en función de los valores que tome del otro u
FI

otros factores. La interacción sería una medida de la no adicionabilidad

de los efectos individuales de los factores.
Se analizan tantos efectos de interacción como combinaciones de los
factores, ya que el efecto de interacción da cuenta del efecto global que
tiene cada combinación de factores.


▪ Efectos Simples: Son los efectos que tienen cada uno de los factores
bajo cada nivel (valor) del otro factor, o bajo cada combinación de
niveles de los otros factores.
Se utilizan para interpretar la interacción; los efectos simples se dan
dentro de cada efecto de interacción.
Se tienen efectos simples para cada factor. De manera que en un diseño
A x B. Vamos a tener varios efectos simples para A y varios efectos
simples para B. Para cada factor vamos a tener tantos efectos simples
como niveles tenga el otro factor. Por ejemplo para un diseño 2 x 4
tendríamos 6 efectos simple. Cuatro de estos efectos simples
corresponderían al factor A (ya que el factor B tiene cuatro niveles), y

Este archivo fue descargado de https://filadd.com

 los otros dos al factor B, porque el factor A tiene solo dos niveles.
Entonces…la cantidad total de efectos simples de un diseño factorial va
a variar en función de la cantidad de factores y la cantidad de niveles
que tengan estos factores.

- Fuentes de variación en un diseño A x B (dos factores):

▪ Efectos de A
Efectos
▪ Efectos de B
principales
▪ Efectos de A x B
Efectos de

OM
▪ Efectos del error
interacción

- En un diseño A x B x C (tres factores):

▪ Efectos de A
▪ Efectos de B Efectos
▪ Efectos de C principales

▪
▪
▪ .C
Efectos de A x B
Efectos de A x C
Efectos de B x C Efectos de
DD
▪ Efectos de A x B x C interacción
▪ Efectos del error

- EFECTOS PRINCIPALES
▪ Se informa que hay efecto principal de cada variable o factor, solo si la
LA

diferencia observada entre los promedios de los grupos dio significativa.

▪ Para saber qué grupo tuvo un promedio mayor calculo/leo los mismos,
en los valores que calculamos al margen de la tabla (por fuera de la
misma).
▪ Si alguna NO da significativa, se informa que no hay efecto principal de
FI

esa variable o factor.

- EFECTOS DE INTERACCIÓN
▪ Son los efectos de la combinación entre los factores (o variables) donde
se evidencia que alguno cambia su impacto por influencia de otro (u


otros): lo intensifica o atenúa (mayor o menor tamaño del efecto), lo

anula (deja de ser significativo), lo invierte, cambia la dirección de
efecto (impacta en sentido contrario).
Son efectos diferentes a la suma de los efectos principales.
La interacción entre variables cualifica los efectos principales cuando los
efectos de una variable se invierten según el valor de la otra variable.
▪ Para analizar la interacción:
1) Observar si el factor deja de tener efecto bajo algún nivel del otro
factor. Para ello hay que tener en cuenta si todos los efectos simples
son significativos o si alguno no lo es.
2) Observar cual es la dirección del efecto.
Si la dirección del efecto es igual o diferente en cada efecto simple.

Este archivo fue descargado de https://filadd.com

 3) Observar el tamaño del efecto.
Si el tamaño del efecto es igual o es diferente en cada efecto simple.

- EFECTOS SIMPLES
▪ Permiten analizar la interacción. Corresponde a los efectos de cada
factor en cada uno de los niveles del otro/otros factor/es.
▪ Se analizan cuando hay un efecto de interacción significativo, para
interpretar la interacción entre los factores. Esta interpretación muestra
que los efectos principales pueden ser engañosos.
▪ Cuando las pendientes (de las líneas que dibujamos para unir puntos en
el gráfico de interacción) tienen el mismo signo (ambas se inclinan en la

OM
misma dirección), podemos dibujar el Efecto principal en dicho gráfico.

Significación o no
p ≤ 0.05 → hay efecto significativo
p > 0.05 → NO hay efecto
significativo

.C
¿Cómo observar la dirección en la tabla?
DD
A
a1 a2
B b1 se resta se resta
b2
LA

▪ Si los dos resultados tienen el mismo signo NO HAY DIFERENCIA EN LA

DIRECCIÓN (no hay interacción).
▪ Si dan diferentes signos, entonces HAY DIFERENCIA EN LA DIRECCIÓN
(hay interacción).
FI

- ¿Cómo observar el tamaño en la tabla?

▪ Si la resta -realizada para obtener la dirección- da el mismo resultado
(sin importar el signo) NO HAY DIFERENCIA EN EL TAMAÑO (no hay
interacción).


▪ Si la resta da diferente resultado, entonces si HAY DIFERENCIA EN EL

TAMAÑO (hay interacción).

• VARIANZA Y PRUEBA DE HIPÓTESIS - Práctico

• Prueba de hipótesis
- Procedimiento estadístico con el que se busca tomar una decisión sobre una
hipótesis de investigación.
- Permite contrastar lo sostenido en una hipótesis científica, a partir de datos
empíricos obtenidos de una muestra extraída de la población, sobre la cual
versa dicha hipótesis.

Este archivo fue descargado de https://filadd.com

- HIPÓTESIS ALTERNATIVA (H1): resultado esperado que describe la predicción
de los investigadores. Es la hipótesis que se busca confirmar.
- HIPÓTESIS NULA (H0): describe otros posibles resultados que niegan nuestra
predicción. Esta hipótesis niega la H1 y es la que se debe poner a prueba
estadísticamente; es decir, se debe corroborar la H0.
- La H1 y H0 se excluyen mutuamente.

- Las hipótesis pueden ser unilaterales o bilaterales:

o Bilateral: Una hipótesis es bilateral (también conocida como hipótesis no
direccional o a dos colas), cuando no se predice cual es la dirección del
resultado. O sea, si se comparan grupos solo se plantea que va haber

OM
diferencia entre los mismos, sin indicar por ejemplo que grupo va a tener
los valores más elevados; y si fuera una correlación no se indica si la misma
va a ser directa o inversa.
o Unilateral: En una hipótesis unilateral (también conocida como direccional
o a una cola), se establece la dirección del resultado. Si se comparan
grupos, no solo basta que difieran entre si, sino que hay que especificar la

.C
dirección de la diferencia, estableciendo por ejemplo que tal grupo va a
presentar valores mayores que el otro, o también en otro caso podría ser
que tal grupo va a tener valores menores. Si fuera una correlación, se
DD
establece si la misma va a ser directa o inversa.

- Para poner a prueba aquella suposición se implementan análisis estadísticos

sobre los datos obtenidos en una muestra que se usa para la investigación. Esto
dará la probabilidad de obtener los valores muestrales observados o aun mas
extremos, en el caso de que el valor del parámetro (sostenido en la H0) sea
LA

verdadero. (Probabilidad = valor p)

Si el valor de p es pequeño pudo deberse a:

1) los datos muestrales observados se deben solo a la casualidad.
FI

2) los datos muestrales responden a la situación actual de la población.

- Si se da la situación (1) y por lo tanto rechazamos H0, sería un Error tipo I. Esto
es, rechazar H0 cuando en realidad es verdadera.
- Si se da la situación (2) y se rechaza H0, aquí si sería no solo razonable, sino


también la decisión acertada.

Si el valor p es grande pudo deberse a:

1) el estadístico da cercano al parámetro porque éste es verdadero.
2) el estadístico da cercano al parámetro, pero de pura casualidad.

- En la situación (1), sostener la H0 es correcto.

- En la situación (2), sostener la H0 es un Error tipo II. Esto es, mantener H0
cuando en realidad es falsa.
p ≤ 0.05 → se rechaza H0
p > 0.05 → se sostiene H0
- Procedimiento para formular una hipótesis

Este archivo fue descargado de https://filadd.com

 1) Formular la Hipótesis nula (H0) y la Hipótesis alternativa (H1).
2) Seleccionar un estadístico de prueba.
3) Establecer el valor de alfa α (usualmente 0.05)
4) Determinar la zona de rechazo y establecer la regla de decisión.
5) Recolectar los datos y realizar el análisis estadístico.
6) Comparar el valor de p con el valor de α.
7) A partir de esta comparación decidir si se rechaza o no la hipótesis nula, y
en función de esto si se acepta o se rechaza la hipótesis alternativa. De lo
que va a depender si corroboramos o no nuestra hipótesis de investigación.

• Varianza

OM
- Varianza sistemática (intergrupo-entre grupos): si los promedios entre grupos
tienen una diferencia estadísticamente significativa (p ≤ 0.05); desviación
sistemática de datos en una dirección mas que en otra, que se observa en las
diferencias entre grupos.
o VI genera varianza sistemática primaria. No se puede distinguir de cual de las
o VC genera varianza sistemática dos

.C
secundaria.

- Varianza de error/no sistemática

se trata ( genera poca validez
interna)
DD
(intragrupo-entre sujetos): dentro de los mismos grupos, los sujetos también
varían; la varianza de error se produce por azar, por variables que el
experimentador no puede controlar; se pueden generar por diferencias
individuales o por errores de medida. Lo ideal es acercar la varianza lo mas
posible a cero.
LA

- ¿Cómo saber si la varianza corresponde a la sistemática primaria y no a la de

error?
Mediante la Prueba de Hipótesis Nula.
o Si p ≤ a → Se rechaza H0. Hay diferencia significativa. Si bien la
FI

diferencia puede haberse dado por varianza de error, es muy poco

probable. Se infiere que las puntuaciones comparadas no provienen de
la misma población. Predomina la Varianza Sistemática.
o Si p > a → No se rechaza H0. No hay diferencia significativa. La


diferencia encontrada tiene muchas probabilidades de deberse a la

varianza de error.

- Si se logra rechazar la H0 ¿cómo se a qué variable sistemática se debió la

diferencia significativa?
Se debe eliminar la varianza sistemática secundaria ANTES de realizar el análisis
estadístico, para que solo quede la varianza sistemática primaria.
o Varianza Secundaria: se debe eliminar mediante técnicas de control
experimental.
o Varianza Primaria: debe maximizarse mediante valores extremos u
óptimos de la VI.

Este archivo fue descargado de https://filadd.com

 o Varianza de Error: debe minimizarse todo lo posible (técnicas
confiables, entrenamiento a observadores, eliminando variables
importantes, usando diseños intragrupo).

- Cuanto MAYOR sea la validez interna de un estudio, más confianza habrá de

que, si se encuentra una diferencia significativa, la misma refleja varianza
sistemática primaria.
Ej. Diseños experimentales con alto control experimental.
- Cuanto MENOR sea la validez interna del estudio, mas difícil será determinar
que la varianza sistemática encontrada es primaria o secundaria.

OM
Ej. Estudios pre-experimentales.
- La varianza de error está siempre, pero se dice que es la que predomina
cuando no hay diferencia significativa.

• DISEÑOS DE SUJETO ÚNICO O N PEQUEÑO - Práctico

Diseños experimentales (los de estudios de casos NO)

.C
Existen dos enfoques diferentes:
1) Enfoque nomotético de investigación (normativo):
DD
o Estudios que buscan determinar el “promedio” o desempeño típico de un
grupo cuya conducta se observa luego de la aplicación de un tratamiento
experimental o más.
o Metodología de grupos.
o Diferencias individuales: varianza de error. Las cuestiones particulares de
cada sujeto no son de interés, por eso se consideran varianza de error.
LA

o Busca construir leyes, generalizar a partir de hechos particulares.

2) Enfoque ideográfico de investigación:

o Incluye diferentes tipos: estudios de casos, diseños de sujeto único o N
FI

pequeño.
▪ Estudios de casos: generan hipótesis, pero no permiten probarlas.
▪ Diseños de sujeto único o N pequeño: diseños experimentales que
plantean relaciones causales, son diseños específicos que permiten
demostrar esas relaciones con un cierto grado de validez interna.


o Énfasis en el estudio del cambio conductual de un único sujeto o, a lo sumo,

unos pocos. Se centra en las diferencias individuales.
o La fluctuación de la conducta del sujeto es evaluada y monitoreada
permanentemente.

• Diseños de sujeto único o N pequeño:

- Derivados de Análisis Experimental del Comportamiento de Skinner

(conductismo metodológico).
- Son diseños de series de momentos de un solo sujeto o unos pocos.

10

Este archivo fue descargado de https://filadd.com

- Se contrastan condiciones aplicadas a un individuo o a unos pocos, cuya
conducta es continuamente monitoreada mientras la VI es manipulada de
manera sistemática.
- Se debe probar la efectividad de las intervenciones, y esto conlleva dos etapas
básicas:
o Fase de medición de la LINEA DE BASE (medición repetida de la VD:
frecuencia, cantidad, duración, intensidad) en ausencia de intervención.
Esta línea de base, en el contexto de estos diseños se denomina FASE “A”.
La VD es la conducta que se quiere modificar. Se mide la VD durante un
tiempo, sin intervención, de manera repetida. El fin de esta fase es
establecer entre que rangos la conducta fluctúa normalmente sin

OM
intervención.
o Fase de aplicación de la INTERVENCIÓN/TRATAMIENTO: se aplica y se
continúa la medición repetida de la VD mientras dura esta fase. Esta
intervención, en el contexto de estos diseños, se denomina FASE “B”. En
este caso, la conducta sigue siendo medida de manera repetida, mediante
las mismas operacionalizaciones que en la anterior fase, pero con una

-
.C
intervención o tratamiento.

Existen diversos tipos de diseños de sujetos:

DD
1) Diseños de Reversión (ABAB): Buscan confirmar el efecto de un
tratamiento al demostrar que la conducta cambia sistemáticamente al
alternar condiciones de tratamiento y no tratamiento. Comprobar si una
vez que quito el tratamiento la conducta se mantiene o vuelve a la situación
inicial, ver si el tratamiento genera resultados permanentes, solo así se
podría demostrar si la hipótesis fue confirmada.
LA

o Ventajas del diseño:

▪ permite demostrar una relación funcional entre VI (intervención)
y VD, teniendo un alcance explicativo.
▪ implica fases alternativas de tratamiento y no tratamiento,
FI

ayudando al paciente a transitar de programas continuos de

tratamiento a programas intermitentes (la intervención se aplica
cada vez mas espaciado en el tiempo).
▪ tienen alta validez interna.
o Desventajas del diseño:


▪ el establecimiento y medición de la conducta durante los

periodos de línea de base llevan tiempo.
▪ los profesionales pueden temer que la conducta tal vez no se
recobre después del regreso a la línea de base.
▪ los resultados pueden ser difíciles de interpretar (por ej. cuando
el cambio conductual es irreversible); este es el objetivo
terapéutico, pero no el del diseño porque no comprueba si fue el
tratamiento el que generó el cambio o si fue por casualidad.
▪ no pueden aplicarse cuando la reversión (o sondeo) no pueden
realizarse por motivos éticos o prácticos.
Teniendo en cuenta que hay muchos casos en los que no conviene usar este
diseño, surgen otras alternativas…

11

Este archivo fue descargado de https://filadd.com

 2) Diseños de línea de base múltiple: Son una gran alternativa para contrastar
hipótesis si bien no tienen tanta validez interna, sin embargo son mucho
mas prácticos/aplicables. Estos diseños demuestran el efecto de un
tratamiento al mostrar que las conductas registradas en más de una línea
de base cambian luego de su introducción; es decir, se toman varias líneas
de base y se va interviniendo sobre las mismas en momentos distintos. En
este caso, nunca se retira el tratamiento, sino que se aplica a cada línea de
base en momentos diferentes.
o Este diseño tiene 3 variaciones:
▪ A través de sujetos
▪ A través de conductas

OM
▪ A través de situaciones

a) Diseños de línea de base múltiple a través de sujetos: mide la misma

conducta en sujetos diferentes. El tratamiento se va aplicando de forma
escalonada, primero a un sujeto y evalúo si hay diferencias con los otros
sujetos, y así sucesivamente.

.C
DD
LA
FI


b) Diseños de línea de base múltiple a través de conductas: la línea de base no

es de la misma conducta de sujetos distintos, sino que son distintas
conductas del mismo sujeto; sin embargo el procedimiento es igual al
anterior.

12

Este archivo fue descargado de https://filadd.com

 OM
.C
c) Diseños de linea de base multiple a traves de situaciones: se miden la
misma conducta, del mismo sujeto, pero en diferentes situaciones. El
procedimiento es igual a los anteriores.
DD
LA
FI


o Ventajas del diseño:

▪ Permiten demostrar el efecto del tratamiento en casos en que
no sea posible usar diseños de reversión.
▪ Son más frecuentemente usados por generar menos resistencia
por parte de terapeutas y familiares.
o Desventajas del diseños:
▪ Cuando las líneas de base elegidas están muy relacionadas entre
sí, el efecto del tratamiento en una de ellas puede generalizarse
de manera no programada. Si las conductas están muy
relacionadas, si son similares, puede suceder que al intervenir en
la primera, se modifique las otras.

13

Este archivo fue descargado de https://filadd.com

 ▪ La relación funcional se puede demostrar, pero no en una misma
línea de base sino en diferentes. Tienen validez interna algo
menor que el de reversión.

• VALIDEZ Y CONFIABILIDAD DE LAS TECNICAS PSICOMÉTRICAS - Teórico

- Existen ≠ formas de operacionalizar las variables de estudio: cuestionarios,
inventarios, entrevistas, observaciones, tests, aparatos-dispositivos,
protocolos-informes…
- Las pruebas de evaluación en psicología -test- pasan por estudios de validez y
confiabilidad cuando: se construyen; se adaptan a otros idiomas, lugares,

OM
grupos; se actualizan (los términos teóricos se han modificado); cambian, se
adecúan a nuevos contextos.
- ¿Qué son los estudios de validez y confiabilidad?
Son investigaciones sobre las técnicas para determinar la capacidad que tienen
de medir un término teórico determinado y con qué constancia lo hacen.
Estas investigaciones se denominan estudios psicométricos.
Pueden clasificarse como investigación metodológica.

.C
El estudio psicométrico puede ser una investigación en sí, o puede comprender
solo una etapa de una investigación, donde cumple la función de crear o
adaptar las técnicas que se van a utilizar en la misma.
DD
- ¿Por qué es importante que un instrumento sea válido y confiable?
Los instrumentos permiten MEDIR las variables estudiadas.
En la investigación significa que ofrecen la posibilidad de operacionalizar
términos teóricos.
El uso adecuado de una técnica psicométrica no se reduce a conocer como se
LA

aplica a los sujetos, sino que fundamentalmente se trata de poder interpretar

lo más correctamente posible las puntuaciones obtenidas.
Idealmente se espera que lo hagan de manera objetiva, precisa, adecuada,
consistente.
- Requisitos mas importantes de los instrumentos:
FI

• Validez: que midan efectivamente aquello que pretenden medir (ej.

personalidad, memoria, inteligencia).
• Confiabilidad: que midan de manera consistente.


• CONFIABILIDAD
- Refiere específicamente a los errores aleatorios -no pueden ser controlados y
no se pueden predecir-.
- Si un instrumento tiene alta confiabilidad, eso NO significa necesariamente que
es válido; un instrumento puede ser confiable y al mismo tiempo no ser válido.
Pero a la baja confiabilidad se la puede relacionar con problemas de validez.
- La confiabilidad es la consistencia en un conjunto de medidas de un atributo.
- La medición implica obtener un puntaje del instrumento (valor numérico o
score) o varios.
- Ese valor obtenido u observado (puntaje bruto) es el resultado de la medida
real del atributo o variable y una medida de error.
- Valor observado = Valor verdadero +/- Error.

14

Este archivo fue descargado de https://filadd.com

- Un instrumento será más confiable si logra maximizar el valor verdadero.
- Aspectos de la confiabilidad: se utilizan para determinar la confiabilidad
1) Congruencia interna u homogeneidad: división por mitades; covarianza de
los ítems.
2) Estabilidad: test-retest o confiabilidad de primera y segunda prueba.
3) Equivalencia: aplicación de instrumentos paralelos; concordancia entre
observadores.

1) Consistencia entre las distintas partes del instrumento para medir el

atributo o variable (que midan de la misma manera y lo mismo). Las

OM
distintas partes del instrumento deben estar correlacionadas entre sí; es
decir, la congruencia interna se establecería según la magnitud de los
valores que expresaren las correlaciones entre sus partes.
La situación ideal sería que todos los reactivos tengan la misma intensidad
(cuestión no posible). Lo que se puede hacer es agrupar los ítems que
miden mucho por un lado, y los ítems que miden poco o menos el mismo
atributo, para luego distribuirlos de forma pareja a lo largo del instrumento;

.C
si se logra eso, entonces se puede decir que tiene congruencia interna u
homogeneidad.
DD
• División por mitades:

El método de la división en mitades consiste en lo siguiente:

LA

1- Se divide el instrumento en dos mitades

2- Se obtiene la puntuación para cada mitad en forma independiente.
3- Se usan estos puntajes para estimar el coeficiente de correlación
entre ambas mitades
o Se utiliza el Coeficiente de Spearman-Brown r1=2r/1+r donde
FI

r=coeficiente de correlación de las mitades de la prueba y

r1=confiabilidad de toda la prueba. Las escalas de mayor longitud son
mas confiables que las cortas.
o Problemas: múltiples divisiones por mitades/los instrumentos cortos


tienden a ser subestimados.

o Si las mitades del instrumento miden de manera muy similar, entonces
se considera que tiene congruencia interna u homogeneidad.

• Covarianza de los ítems:

o Se debe tratar a cada ítem como si fuese un test de longitud unidad con
una puntuación.
o Contempla todas las posibles formas de división de dos partes de un
instrumento.
o El coeficiente mas utilizado es “Alfa de Cronbach” (como todos fluctúan
entre 0 y 1, cuanto mas elevado mejor).
o Problemas: El valor obtenido del coeficiente alpha se ve afectado por el
número de ítems; de manera que entre 2 tests que tuvieran la misma

15

Este archivo fue descargado de https://filadd.com

 confiabilidad, el que tiene menos ítems daría un menor coeficiente
alpha. Frente a esto, existe una formula de Consistencia inter-ítem que
no está afectada por la extensión/longitud del instrumento.

2) Contempla las variaciones que podían darse en las medidas y la

consecuente disminución de la confiabilidad, debidas al paso del tiempo. Se
observa el grado en que se mantienen los mismos resultados de un
instrumento en aplicaciones sucesivas (siempre que el atributo sea estable,
que no cambie).
o Ejemplo de atributo o variable estable en que se mantienen los mismos

OM
resultados de un instrumentos en aplicaciones sucesivas: memoria
episódica en adultos.
o Ejemplo de atributo no estable: estado de ánimo.
Se ve afectada por diferentes aspectos del paso del tiempo, cambio de
actitud de los sujetos, sensibilización, maduración, historia…

• Procedimiento test-retest:

.C
DD
Consiste en aplicar la misma prueba en dos momentos diferentes al mismo
grupo de sujetos, y luego correlacionar entre sí los puntajes obtenidos en
cada toma.
LA

Se espera que el coeficiente de correlación se acerque a 1 (que se mida lo

mismo), ya que así tendría mas estabilidad el instrumento.
o Cuestiones que podrían afectar la confiabilidad en los estudios test-
retest:
▪ modificaciones en la actitud de los sujetos respecto de la prueba
FI

o cambios en la información que estos manejen podrían afectar

los puntajes de la segunda toma del test, ya sea incrementando
artificialmente los valores o infravalorándola.
▪ por efectos derivados de la primera aplicación del test que
afecten el rendimiento en el segundo.


▪ por el lapso que medie entre ambas tomas; un lapso demasiado

breve podría incrementar el efecto distorsivo de la memoria y la
practica; un lapso demasiado largo podría intervenir la
maduración e historia.
o Problemas: Pueden llegar a confundir las fluctuaciones aleatorias con
cambios que se producen realmente en el atributo. Lo que realmente
afectaría la confiabilidad seria el efecto diferencial del tratamiento, ya
que con el mismo, algunos tendrían una mejoría mayor que otros,
algunos ninguna mejoría, y algunos podrían hasta empeorar.

3) Tipo I: Consistencia entre los puntajes (correlación) de instrumentos

paralelos (dos formas de test). Se quiere determinar la confiabilidad de dos

16

Este archivo fue descargado de https://filadd.com

 instrumentos que suponen medir el mismo constructo, al aplicarlos a los
mismos sujetos.
• Procedimiento: Se aplican las dos formas del test de manera simultanea,
se va variando el orden de presentación de las formas de sujeto en sujeto, y
luego se correlacionan los puntajes de ambas formas. Si ambas formas son
muy equivalentes, se tendría que obtener un coeficiente de correlación
elevado.
A veces ambas formas no se aplican simultáneamente, sino que se deja
trascurrir un tiempo entre ambas, de manera que la correlación que se
obtendría serviría tanto para determinar la equivalencia como la estabilidad

OM
de las dos formas para medir el atributo.

.C
Tipo II: Consistencia entre dos evaluadores u observadores. Determinar la
confiabilidad entre evaluadores y observadores.
o Ejemplo en técnicas de observación estructurada: Se calcula el índice de
DD
concordancia = número de concordancia/numero de concordancias +
discordancias.
Esta formula no contempla el efecto del azar en la concordancia observada,
para ajustar esto uno de los coeficientes que se pueden usar es Kappa de
Cohen (para variables cualitativas con dos observaciones).
LA

• Procedimiento:
FI

Se espera un nivel de concordancia entre el 80-85% de los registros.



• VALIDEZ
- La validez tiene que ver con poder determinar si el instrumento esta midiendo
realmente lo que dice medir. Recordando que los instrumentos tienen como
propósito operacionalizar constructos -medir determinados atributos-.
- Determinar la validez es mucho más difícil que establecer su confiabilidad. La
confiabilidad es esencialmente una cuestión empírica, pero la validez incluye
más elementos teóricos, ya que la validación persigue la explicación.
- Se debe evaluar la validez de:
1) Contenido: Evaluación por jueces expertos (personas especialistas que han
trabajado con el constructo)
2) Criterio:
o Concurrente: relación con un criterio actual
o Predictiva: relación con un criterio futuro

17

Este archivo fue descargado de https://filadd.com

 3) Constructo:
o Grupos conocidos o diferenciación entre grupos
o Correlaciones con otras medidas del constructo
o Análisis factorial
o Matriz multimétodos-multirasgos o validez convergente-discriminante

1) Validez de contenido: Evaluar si los ítems del test son relevantes para el uso
que se le va a dar al test. Determina si los ítems del instrumento están en el
dominio de interés y si representan al universo de características o aspectos
que abarca el constructo. Expertos hacen un juicio para indicar si abarca todas
las características del constructo; una vez que los jueces den el ok, entonces se

OM
puede decir que el contenido es válido.

2) Validez de criterio: Relación entre los puntajes del instrumento con otra
variable vinculada o criterio. No se trata únicamente de establecer que se mida
adecuadamente un constructo, sino fundamentalmente relacionar las
puntuaciones del instrumento con otras variables criterio.

.C
Es útil cuando se quiere hacer inferencias a partir de los puntajes que se
obtienen en el test respecto de alguna otra variable de interés. Por ej. Si lo que
quisiéramos fuera establecer la validez de criterio de un test de inteligencia,
DD
podríamos usar algún indicador de rendimiento académico (por éj. notas
escolares), como criterio, para relacionar con el test de inteligencia.
o Concurrente: Si relacionamos las puntuaciones del test con alguna
medida del criterio tomada en el mismo momento.
Esta validez concurrente implica un diseño transeccional/transversal:
recolectan datos en un solo momento, en un tiempo único.
LA

Obtener los puntajes del instrumento +

Obtener los puntajes del
aplicado a una muestra
criterio aplicado a la misma
Correlacionar ambos
muestra
FI

o Predictiva: Si las puntuaciones del test se utilizan para predecir alguna

medida del criterio que se va a realizar a futuro.
Esta validez predictiva implica un diseño prospectivo (mucho más
importante que el concurrente por el poder de predicción).


Obtener los puntajes del

instrumento aplicado a
una muestra y
Correlacionar ambas
seleccionar el criterio a
medir
Dejar pasar el tiempo
→ →
correspondiente y
luego obtener la
medida del criterio

Ej. Medir inteligencia al comienzo de la escolaridad y correlacionar dichos

puntajes con las notas al finalizar los estudios (criterio) en una muestra de
estudiantes.

18

Este archivo fue descargado de https://filadd.com

3) Validez de constructo: Es la más importante y difícil de comprobar. Determina
si los aspectos o indicadores del instrumento son válidos, adecuados respecto
del constructo. Se relaciona directamente con la teoría. Consiste en tratar de
probar que las conductas que registra el test, pueden ser consideradas
indicadores válidos del constructo al cual refieren.
No se trata de hacer corresponder en forma única la puntuación del test con el
constructo, ya que un mismo constructo puede tener varios indicadores (varias
operacionalizaciones). De lo que se trata es de establecer que las puntuaciones
del test constituyen en forma válida una de las manifestaciones del constructo.

o Grupos conocidos o diferenciación entre grupos

OM
Se aplica el instrumento a dos o mas grupos, pero deben diferir en el atributo
que se mide, en razón de alguna característica que se usó para formar los
grupos, pudiendo inferir que dicha característica estaría relacionada con
diferencias predecibles en el atributo.

.C
Formar grupos que
Aplicar el Determinar si
difieran en el atributo
instrumento a difieren
(considerando una
ambos grupos significativamente al
característica asociada
DD
compararlos
al mismo)

Ej. Si tenemos un test que mide inteligencia, teniendo en cuenta que las
habilidades cognitivas varían con la edad, podríamos formar grupos de distintas
edades, de acuerdo a las diferencias cognitivas que fueran esperables, y
LA

esperaríamos encontrar diferencias entre los grupos en cuanto al nivel de

inteligencia que mide el test.

o Correlación con otras medidas del constructo

Cuando ya existe otro test ya validado que mide el mismo constructo, o varios
FI

tests, se puede correlacionar el nuevo con aquel, con los varios tests ya
existentes. Esto depende de que exista
Aplicar por lo menos un test con un constructo
otro/s
Aplicar el instrumento
idéntico o muy similar, al que se intenta validar.
instrumento/s ya Correlacionar ambos
validado/s que mida/n el puntajes


mismo constructo

o Análisis factorial
Se utiliza cuando el test está dividido en factores. Cuando teóricamente el
constructo o atributo plantea la división en factores, en el instrumento se
estudia si empíricamente dichos factores se observan (mediante la agrupación
de ítems correlacionados entre sí); se analizan las intercorrelaciones de un
conjunto de datos, para establecer determinadas agrupaciones de ítems
correlacionados entre sí, las cuales remiten a factores que no son observables,
que constituyen distintos constructos. El objetivo es reducir del conjunto total
de ítems un conjunto reducido de variables subyacentes (factores).

19

Este archivo fue descargado de https://filadd.com

 Se utiliza no solo para evaluar la validez del instrumento, sino también para su
construcción.

Extracción de factores (diferentes métodos; ej. componentes

principales) y obtención de una matriz de factores. Puede
elegirse o no dicha cantidad según la teoría de base del
constructo.

Rotación de la matriz (diferentes posibilidades según si los

factores están relacionados o no)

OM
Análisis de las cargas factoriales (de cada ítem respecto a cada
factor) y descarte de los ítems en conflicto (cargas altas en
mas de un factor, cargas bajas en todos los factores),
incongruencia teórica o descarte de factores (pocos ítems)

.C
Ej. Capaz el ítem que yo creía que media X variable, media algo completamente
DD
distinto, entonces ese debe ser eliminado. Si me da una carga alta en un factor
pero al mismo tiempo da carga alta en otro, entonces no me sirve, solo debe
correlacionarse con una variable/factor, con el conjunto de ítems propio de esa
X variable, no de otra.
LA

Desventajas:
▪ Las estructuras factoriales pueden tender a ser inestables y dependen
mucho del tamaño de la muestra.
▪ Al replicar la estructura factorial, deberíamos considerar la validez
factorial como una cuestión de grado, ya que si se aplica en un país o
FI

cultura diferente a aquella en la que fue construido, también

presentaría inestabilidad.

Ventaja:
▪ Cuando la estructura factorial no es exactamente igual, pero guarda


suficiente similitud con la predicha, se puede considerar que el

instrumento tiene validez factorial y aplicarlo tal cual, o introducir
modificaciones acordes con los datos obtenidos en el nuevo análisis
factorial.

o Matriz multimétodos-multirasgos o validez convergente-discriminante

Es necesario que existan como mínimo dos métodos diferentes para poder
medir el constructo que se va a validar. Así como también se necesitan otros
constructos que puedan ser medidos por los mismos métodos. Se miden en los
sujetos de la muestra los distintos constructos con métodos diferentes. Se
calculan las correlaciones entre todas las medidas y se forma con ellas una
matriz que contendría:

20

Este archivo fue descargado de https://filadd.com

 ▪ Coeficiente de fiabilidad: Serían las correlaciones obtenidas entre
medidas del mismo constructo con el mismo método. Se espera que
sean elevados.
▪ Coeficiente de validez convergente: Son las correlaciones entre las
medidas del mismo constructo, obtenidas con métodos diferentes. Se
espera que las correlaciones sean altas.
▪ Coeficiente de validez divergente: Son las correlaciones de constructos
diferentes medidos de igual modo, con el mismo método; y las
correlaciones de diferentes constructos medidos con distintos métodos.
Se espera que sean mucho mas bajas que las obtenidas en la validez
convergente y en el calculo de confiabilidad.

OM
• OBSERVACIÓN SISTEMÁTICA - Práctico
- Técnicas de observación sistemática
o Finalidad: Operacionalización de conductas complejas
o Medición exacta del comportamiento
o Medición objetiva, válida y confiable del comportamiento

.C
o “Registro sistemático válido y confiable del comportamiento o conducta
manifiesta. Se recolecta información sobre la conducta más que de
percepciones.”
DD
- Construcción de un sistema de observación
1) Definir de manera precisa las conductas a observar: ¿Qué conductas y
quiénes se van a observar y por cuánto tiempo?
2) Especificar las circunstancias espaciales y temporales de la observación:
¿Dónde y cuándo se realizará la observación?
LA

3) Considerar todo el universo o extraer una muestra representativa de

aspectos, eventos o conductas a observar.
4) Establecer y definir las unidades de observación que van a ser captadas a
través de los sentidos.
FI

Esto quiere decir que antes de realizar la observación sistemática, a veces se

requiere realizar observaciones no sistemáticas -observación y descripción de
conductas de un sujeto, no se miden-.

- Observación Sistemática


o Se operacionalizan los constructos hipotéticos mediante:

▪ Categorías bien definidas de comportamientos a observar.
▪ Acuerdo sobre el tiempo durante el cual se realizará la observación y
como se registrará la conducta en ese tiempo.
o La medición del comportamiento deben ser conductas traducidas en
términos cuantificables, requiere de la selección de técnicas o mediciones:
▪ objetivas; los observadores que realizan los registros no serán
influenciados por sus sentimientos o interpretaciones o distorsiones
subjetivas o personales.
▪ válidas; deben medir de forma directa el comportamiento que se
supone que miden, y deben ser consensuadas.

21

Este archivo fue descargado de https://filadd.com

 ▪ confiables; las mediciones serán de manera pautada,
independientemente de quienes las apliquen y de las ocasiones en
que se usen; es decir, que operacionalicen con precisión lo que se
quiere medir, y que quienes apliquen la técnica estén entrenados.

- Selección de VD (variable a observar)

o Ejemplo de variables dependientes elegidas en la observación de ratas: 1)
agitación motora; 2) defecación; 3) falta de exploración… que se acicale la
nariz o que mueva la cola NO serían variables apropiadas porque son
conductas propias de las ratas que hacen todo el tiempo, no son
indicadoras de emoción (miedo).

OM
.C
DD
LA
FI

- Tipos de observación sistemática

1) Continua: Se cuenta en forma permanente la frecuencia en que ocurre la
conducta estudiada. Es útil para conductas discretas que aparecen de forma
espaciada en el tiempo.
2) Muestreo de frecuencia: Se observa la aparición de una conducta cada


determinado lapso de tiempo. Se aplica para el registro de conductas

discretas que se repiten muchas veces al día (ej. tics nerviosos).
3) Tasa: Se divide el número de conductas observadas por el tiempo durante
el cual se emiten. Es útil cuando el tiempo durante el cual la conducta varía
día a día (ej. instrucción materna hacia su hijo).
4) Duración: Se mide la cantidad de tiempo que dura una conducta. Se utiliza
para conductas continuas que duran mucho tiempo (ej. estar sentado).

- Técnicas de registro de la conducta

1) Registro de producto permanente Producto
permanente
2) Registro de duración

22

Este archivo fue descargado de https://filadd.com

 3) Registro de sucesos
4) Registros de muestreo temporal de intervalo:
• Muestreo temporal de intervalo completo Productos transitorios
• Muestreo temporal de intervalo parcial
• Muestreo temporal momentáneo

- Técnica de implementación del registro

Varias técnicas, según el producto de la conducta sea permanente o transitorio.
Se refieren a cuándo hay que observar y cuándo hay que registrar.
o Registro de producto permanente: el comportamiento deja evidencia física

OM
o un producto perdurable. Los productos pueden contarse, o puede
determinarse su presencia o ausencia.
▪ Ventajas:
1) Demuestra con facilidad la validez de las mediciones
cuantitativas o cualitativas si se pide a jueces independientes
que valoren los productos según sus criterios.

.C
2) Reduce la reactividad o los efectos de los procedimientos
experimentales sobre las personas.
3) Los productos permanentes son mas fáciles de registrar cuando
se quiere establecer la confiabilidad.
DD
Ej. Defecación: al ser producto permanente, puede medirse
directamente (en el momento o más tarde) y la confiabilidad es más
fácil de establecer.

confiabilidad = número menor X 100

LA

número mayor

o Registro de producto transitorio: al no dejar evidencias físicas, hay que

registrar las observaciones a medida que ocurre o preservarlas (filmarlas)
para registrarlas luego.
FI

Ej. Agitación motora y falta de exploración.

- Técnicas de registro de productos transitorios



o Registros de sucesos: para conductas discretas (contables). Se observa todo

el tiempo y se anota en momentos determinados de un intervalo de
tiempo, la cantidad de veces, frecuencia, tasa de ocurrencia de dicha
conducta.
Ej:

23

Este archivo fue descargado de https://filadd.com

 o Registros de duración: para conductas con un inicio y finalización claros

OM
(conductas discretas). Se observa todo el tiempo y se anota en momentos
determinados de un intervalo de tiempo, cuánto duró una determinada
conducta.
Ej. tiempo que un niño se mantiene realizando una tarea (tiempo de
atención)
La confiabilidad se calcula:

.C duración menor
duración mayor
= índice de
acuerdo
DD
o Muestreo temporal de la conducta:
▪ Momentáneo: al finalizar el intervalo de observación, se anota la
presencia/ausencia de la conducta según esta sucediendo o no en
ese momento. Registra la conducta cuando ocurre, en el momento
en que se termina el intervalo; registra conductas que son propensas
a persistir por cierto tiempo.
LA

Ej. falta de exploración de las ratas

FI

▪ Parcial: al finalizar el intervalo de observación, se anota la

presencia/ausencia de la conducta si la misma ocurrió al menos una


vez durante dicho intervalo. Requiere solo una muestra de la

respuesta dentro del intervalo de tiempo.
Es útil para registrar conductas transitorias, conductas que ocurren
en momentos fugaces y tiende a sobreestimar la ocurrencia de la
conducta.
Ej. emisión de palabras altisonantes, gestos grotescos.
▪ Completo: al finalizar el intervalo de observación, se anota la
presencia/ausencia de la conducta si esta ocurrió durante todo el
intervalo anterior sin interrupciones (similar al registro de duración).

- Confiabilidad de los registros: Acuerdo interobservadores.

El nivel de confiabilidad se calculará aplicando la siguiente formula, buscando
que el resultado final sea con un porcentaje igual o mayor a 80%. Un porcentaje

24

Este archivo fue descargado de https://filadd.com

 menor, indicaría que los observadores tienen que entrenarse más y acordar los
criterios de registro con mayor precisión.

Problema: Esta formula tiende a sobrevalorar los acuerdos, ya que NO

contempla los acuerdos que se pueden dar simplemente por azar; por eso para

OM
una mayor precisión se puede usar el coeficiente Kappa de Cohen que es un
índice de concordancia.

.C
DD
LA
FI


25

Este archivo fue descargado de https://filadd.com