ELEMENTOS A CONSIDERAR EN EL PROYECTO DE INVESTIGACIÓN.

3. Variables
 Las variables en la investigación, representan un concepto de vital
importancia dentro de un proyecto.
 Las variables, son los conceptos que forman enunciados de un tipo particular
denominado hipótesis.
 Son propiedades, atributos o características, cualitativas o cuantitativas que
presentan las unidades de análisis y son objeto de búsqueda. Constituyen los
conceptos que tienen dos características resaltantes:
 Rasgos que permiten ser observados directa o indirectamente, permitiendo
algunas confrontaciones con la realidad empírica.
 La propiedad de poder variar y ser mesurable de alguna manera.

3.1. Operacionalización de las Variables

Las variables para poderlas estudiar, se definen de manera operacional, es decir,
en función de sus indicadores o unidades de medida.
La operacionalización se desarrolla mediante un cuadro, donde además de las
variables, se especifiquen sus dimensiones e indicadores, instrumentos de
investigación usados y su nivel de medición.
Hay que tener presente que no todas las variables se pueden descomponer en
dimensiones, ya que esto depende de la complejidad de cada una de ellas.
La operacionalización permite observar y medir la manifestación empírica de las
variables, en otras palabras, es la definición por desagregación o descomposición
de las variables en sus referentes empíricos, mediante un proceso de deducción,
es decir, de lo más general a lo más específico.
 Se recomienda la operacionalización de las variables de la hipótesis de acuerdo al
siguiente cuadro:
Unidad de
Variable Tipo Dimensión Indicador Técnica Instrumento
medida
4. Metodología
4.1. Material
En el caso que lo amerite incluir los instrumentos, aparatos y equipos (nombre,
marca y modelo) y los procedimientos con detalles suficientes para que otros
investigadores puedan reproducir el estudio.
Proporcione referencias de los métodos acreditados, incluidos los de índole
estadística; de referencias y explique brevemente los métodos ya publicados pero
que no son bien conocidos, describa los métodos nuevos o que han sido
sustancialmente modificados, manifestando las razones por las cuales se usaron y
evaluando sus limitaciones.
Establecer cómo se van a trabajar y agrupar las notas de trabajo de campo, de
trascripción de grabaciones en relación a las dimensiones de análisis relacionados
con los temas teóricos de la revisión bibliográfica.

4.2. Población:
Se refiere al conjunto para el cual serán válidas las conclusiones que se
obtengan. Está formada por elementos o unidades (personas, instituciones,
procesos o cosas) involucradas en la investigación.
Incluye la descripción de la población de estudio, así como su ubicación
espacio-temporal. Además, se deberán incluir los criterios de selección para
formar parte de la población de estudio.
En caso de trabajarse con toda la población, se eliminará el rubro
correspondiente a “muestra”.
La terminología de “grupo de estudio” solo será aplicada a estudios
experimentales, aunque algunos estudios de observación, también pueden hacer
uso de ella.

4.3. Muestra:
Es un subconjunto representativo de un universo o población. Se describirán el
tamaño y la forma de selección de la muestra, es decir, el tipo de muestreo, en el
caso de que exista.
Si ha sido necesario calcular el tamaño de la muestra, éste deberá presentarse en
los anexos.
Cálculos para el tamaño de muestra (VARIABLES CUALITATIVA):
Para población infinita (más de 100 000 elementos)
Z2. p . q
n=
e2
Donde:
n= tamaño de muestra.
p= proporción de la población que posee la característica que se desea saber
(cuando se desconoce se asume p= 0,5)
q= 1-p
Z= desviación normal, los valores más usados para los niveles de confianza son:
0,95 y 0,99; los valores de Z son 1,96 y 2,58 respectivamente.
e= error porcentual que varía de 1% (0,01) a 5% (0,05).
Nivel de
Coeficiente de
confianza
confiabilidad (Z)
(%)
0,99 2,58
0,98 2,33
0,97 2,17
0,96 2,05
0,95 1,96
0,90 1,65
0,80 1,28
0,50 0,67

Para población finita (menos de 100 000 elementos)

2
Z . p.q. N
n= 2 2
e ( N−1 ) + Z . p . q
N= tamaño de la población

Tipos de muestreo:
a) Muestreo Probabilístico: proceso en el que se conoce la probabilidad que
tiene cada elemento de integrar la muestra. Este a su vez se clasifica en:
 Muestreo al Azar Simple: procedimiento en el cual todos los elementos
tienen la misma probabilidad de ser seleccionados. Dicha probabilidad,
conocida previamente, es distinta de cero y de uno.
 Ejemplo: Una fábrica de procesadores de cómputo produjo 1200
procesadores en el día, para evaluar el control de calidad cada uno tendrá
una probabilidad de 1/1200 de ser seleccionado para ser evaluación.
 Muestreo al Azar Sistemático: se basa en la selección de un elemento
en función de una constante K. De esta manera se escoge un elemento
cada k veces.
Ejemplo: De la producción de los 1200 procesadores, se eligen cada 50
procesadores producidos para evaluar el control de calidad.
 Muestreo Estratificado: consiste en dividir la población en subconjuntos
o estratos cuyos elementos poseen características comunes. Así los
estratos son homogéneos internamente.
Ejemplo: Se desea evaluar el grado de satisfacción del servicio ofrecido
por un operador de telefonía móvil, para lo cual se debe divide a los
servicios en comunicaciones de voz y comunicaciones de datos (estos son
los estratos). Posteriormente, se hace una selección al azar en cada uno de
los servicios.
 Muestreo por Conglomerados: se basa en la división del universo en
unidades menores, para determinar luego las que serán objeto de
investigación, o donde se realizará la selección.
Ejemplo: Una ciudad se divide en distritos. Posteriormente, se
seleccionan aquellos en donde se extraerán (al azar) los elementos para la
muestra. La diferencia con el muestreo estratificado radica en que no
todos los conglomerados son objeto de selección, ya que puede haber
algunos donde no se extraiga muestra. Mientras que, en el estratificado,
se debe extraer muestra de todos los estratos.

b) Muestreo no Probabilístico: procedimiento de selección en el que se

desconoce la probabilidad que tienen los elementos de la población para
integrar la muestra. Este se clasifica en:
 Muestreo Casual o Accidental: selección arbitraria de los elementos sin
un juicio o criterio preestablecido.
 Ejemplo: Un encuestador se ubica en un sector y aborda a los transeúntes
que pasan por el lugar. Lógicamente, las personas que no circulen por la
zona, carecen de toda probabilidad para integrar la muestra.
 Muestreo Intencional u Opinático: selección de los elementos con base
en criterios o juicios del investigador.
Ejemplo: Para obtener un juicio de experto respecto al rendimiento del
Sistema de Gestión de Calidad, se establecen como criterios de selección
de la muestra los siguientes:
 Mínimo de 15 años de experiencia en el campo laboral.
 Poseer Grado de maestro o doctor.
 Desempeñar un cargo directivo de Gestión
 Por supuesto, la muestra la integran sólo aquellos que cumplan con
las condiciones anteriores.

 Muestreo por Cuotas: se basa en elegir a los elementos de la muestra en

función de la población, de modo tal que se conformen grupos de cuotas
correspondientes con cada característica.
Ejemplo: Se establecen como características importantes para un sondeo
de opinión, el sexo y la edad de la población, entonces se seleccionarán
arbitrariamente grupos(cuotas) de hombres, mujeres, jóvenes y adultos.

4.4. Técnicas e instrumentos de recolección de datos:

Se listan y describen las técnicas e instrumentos que serán utilizadas para poder
medir a los indicadores de las variables de la hipótesis.

Técnicas:
 Las técnicas están referidas a la manera como se van a obtener los datos y
los instrumentos son los medios materiales, a través de los cuales se hace
posible la obtención y archivo de la información requerida para la
investigación.
 Las técnicas permiten al investigador establecer la relación con el objeto o
sujeto de la investigación, es decir el CÓMO.
 Instrumentos:
 Los instrumentos de investigación, son los recursos de que pueda valerse el
investigador para acercarse a los fenómenos y extraer de ellos información.
 Los instrumentos de investigación representan la herramienta con la cual se
va a recoger, filtrar y codificar los datos, es decir, el CON QUÉ.

Técnicas de recolección de datos Instrumentos

Observación: a través de la
percepción directa de los hechos
Entrevista: información que
proporciona una o varias personas
Análisis de documentos: examen
cualitativo de los documentos.
Escalas: para medir actitudes,
opiniones, satisfacción, etc.
Experimentación: mide las
respuestas a reacciones especificas por
cusas provocadas.
Encuesta: mide la opinión que tiene
un sector de la población sobre un
problema.
Grupo focal (focus group)
 Guía de observación
 Ficha de observación
 Lista de cotejo (chequeo)
 Equipo de medición
 Guion de entrevista
 Cuestionario de entrevista
 Guía de análisis de documentos
 Escala tipo Likert
 Diferencial semántico
 Test
 Aparatos físicos
 Cuestionario (preguntas
formuladas por escrito)
 Guía de discusión

4.5. Procedimientos:
Los procedimientos de investigación consisten en explicar y dejar claro todos los
pasos y las características que definen la investigación, justificando
adecuadamente cada uno de los pasos dados y permitiendo a otros investigadores
comprender nuestro trabajo y poder replicarlo o repetirlo en condiciones
similares.
Se redacta cronológicamente, teniendo en cuenta que cualquier persona de la
especialidad de dominio del investigador pueda replicar la investigación.
Puede expresarse a través de un diagrama de bloque o flujo de operaciones.

4.6. Diseño de contrastación:

Está referido al plan o estrategia concebida para responder al problema planteado
y contrastar la hipótesis formulada.
Para establecer el diseño de investigación adecuado, se debe identificar el nivel
de investigación y la hipótesis formulada.

Niveles de investigación:
• Descriptivo: caracteriza a un hecho, fenómeno o establece su estructura o
comportamiento. Los estudios descriptivos miden de forma independiente las
variables.
• Correlacional: Es un tipo de investigación no experimental en la que los
investigadores miden dos o más variables y establecen una relación
estadística entre las mismas (correlación), sin necesidad de incluir variables
externas para llegar a conclusiones relevantes.
• Explicativo: se encarga de buscar el porqué de los hechos mediante el
establecimiento de relaciones causa-efecto.

Tipos de diseños de contrastación:

Diseños no experimentales
• El investigador solo se sustrae a contemplar los fenómenos en su estado
natural para luego analizarlos.
• Se caracteriza por no manipular deliberadamente la variable.

A. Diseños transeccionales o transversales

Es la recolección de datos con el propósito de describir las variables y
analizar su comportamiento en un mismo tiempo.
Esquema:

Estudio T1
 M O
Donde:
M: Muestra
O: Observación

Conocer una comunidad, un

Exploratorios contexto, una situación, una variable
o un conjunto de variables.
Observan y describen los fenómenos
Descriptivos tal como se presentan en forma
Diseños natural.
transversales
Describe relaciones entre dos o más
Correlacionales categorías, conceptos o variables en
un momento determinado.

Describir las relaciones de causa

Ex post facto
efecto entre variables
 B. Diseños longitudinales o evolutivos:
Consiste en analizar los cambios que se dan a través del tiempo, de
determinadas variables, categorías, conceptos, sucesos, eventos. Este diseño
toma una sola muestra y los mide a través del tiempo.
Esquema:

Estudio T1 T2 T3

M O1 O2 O3

Donde:
M: Muestra
O1, O2, O3: son las observaciones obtenidas en los diferentes momentos

Analizar cambios a través del tiempo, en

categorías, conceptos, variables, etc., o sus
Tendencia
relaciones, dentro de una población en
general

Evolución de
Diseños grupo Examinan cambios a través del tiempo en
longitudinales (Estudios poblaciones o grupos específicos
cohorte)

Son similares a los dos anteriores, solo que

Panel
el mismo grupo de estudio es examinado

Diseños experimentales
• Es una situación de control en la cual se manipula de manera intencional, una
o más variables independientes para analizar las consecuencias sobre una o
más variables dependientes. Se clasifican en: pre-experimentales, cuasi
experimentales y experimentos puros.
Notación:

Notación Concepto

R Asignación al azar

Grupos de sujetos
G • GE: Grupo experimental, recibe tratamiento
• GC: Grupo de control, no recibe tratamiento

X Tratamiento, estimulo, reactivo experimental

Medición que se hace a uno o más grupos a través de

O
pruebas, cuestionarios, observaciones, etc.

- Ausencia de tratamiento

A. Diseños Pre experimentales

Son el diseño de un solo grupo cuyo grado de control es mínimo.
Generalmente es útil como un primer acercamiento al problema de
investigación en la realidad.
Esquema:
Grupo Asignación Pre Prueba Tratamiento Post prueba
GE O1 X O2

Donde:
GE: Grupo estudio
O1: Pre test
O2: Post test

B. Diseños Cuasi experimentales

• Son diseños de investigación experimentales en los cuales los sujetos o
grupos de sujetos de estudio, no están asignados aleatoriamente.
• Los diseños cuasiexperimentales más usados siguen la misma lógica e
involucran la comparación de los grupos de tratamiento y control como
en las pruebas aleatorias.
 Esquema:
Grupo Asignación Pre Prueba Tratamiento Post prueba
GE O1 X O2
GC O3 - O4

Donde:
GE: Grupo estudio
GC: Grupo control
O1, O3: Pre test
O2, O4: Post test

C. Diseños experimentales puros

Son aquellos que reúnen dos requisitos: el control y la validez interna
 Control: Forman grupos de comparación (En uno de ellos se manipula la
variable)
 Validez interna: Los grupos se forman aleatoriamente
Estos diseños llegan a evaluar una o más variables independientes y una o
más dependientes. Así mismo, pueden utilizar pre pruebas y post pruebas
para analizar la evolución de los grupos antes y después del tratamiento
experimental.
Esquema:
Grupo Asignación Pre Prueba Tratamiento Post prueba
GE R O1 X O2
GC R O3 - O4

Donde:
GE: Grupo estudio
GC: Grupo control
O1, O3: Pre test
O2, O4: Post test
4.7. MÉTODOS Y PLAN de análisis de datos:
 Describa los métodos y pruebas estadísticas que se utilizarán, con detalles
suficientes para que el revisor versado en el tema pueda evaluarlo.
 Describa qué información se espera recoger para las dimensiones de análisis
y con qué instrumentos.
Elección de los procedimientos estadísticos o pruebas

Tipo de pregunta de investigación Procedimiento o prueba

1. Pregunta de investigación: Descriptiva
• Datos nominales Moda
• Datos ordinales Mediana, moda
• Datos por intervalos o razón Media, mediana, moda, desviación estándar,
varianza y rango
2. Pregunta de investigación: Diferencias de
grupos
a) Dos variables o grupos
a.1. Muestras correlacionadas
• Datos nominales Prueba de McNemar
• Datos ordinales Prueba de Wilcoxon para pares de rangos
• Datos por intervalos o razón Prueba t para muestras correlacionadas
a.2. Muestras independientes
• Datos nominales Chi cuadrada
• Datos ordinales Prueba Mann-Whitney U o prueba Kolmogorov-
Smirnov para dos muestras
• Datos por intervalos o razón Prueba t para muestras no correlacionadas o
independientes
b) Más de dos variables o grupos
b.1. Muestras correlacionadas
• Datos nominales Prueba Q de Cochran
• Datos ordinales Análisis de varianza de Friedman en dos vías
• Datos por intervalos o razón Análisis de varianza (ANOVA)
• Datos por intervalos o razón, control de efectos Análisis de covarianza (ANCOVA)
de otra variable independiente
b.2. Muestras independientes
• Datos nominales Chi cuadrada para k muestras independientes
• Datos nominales u ordinales (categóricos) y de Chi cuadrada de Friedman
intervalos-razón
• Datos ordinales Análisis de varianza en una vía de Kruskal-Wallis
(ANOVA)
Datos por intervalos o razón Análisis de varianza (ANOVA)
3. Pregunta de investigación: correlacional
a) Dos variables
• Datos nominales Coeficiente de contingencia o Phi
• Datos ordinales Coeficiente de rangos ordenados de Spearman o
coeficiente de rangos ordenados de Kendall
• Datos por intervalos o razón Coeficiente de correlación de Pearson (producto-
momento)
• Una variable en función de otra (ambas de Regresión lineal
intervalos o razón)
• Datos por intervalos y nominales u ordinales Coeficiente biserial puntual
• Datos por intervalos y una dicotomía artificial Coeficiente biserial
en una escala ordinal (la dicotomía es artificial
porque subyace una distribución continua)
b) Más de dos variables
• Datos nominales Análisis discriminante
• Datos ordinales Análisis de correlación parcial por rangos de
Kendall
• Datos por intervalos o razón Coeficiente de correlación parcial o múltiple, R2
 4. Pregunta de investigación: causal o predictiva
• Diversas independientes y una dependiente (las Regresión múltiple
independientes en cualquier nivel de medición,
la dependiente en nivel por intervalos o razón).
Cuando las independientes son nominales u
ordinales se convierten en variables “dummy”
• Diversas independientes y dependientes Análisis multivariado de varianza (MANOVA)
• Agrupamiento (membresía de todos los datos) Análisis discriminante (en una vía, jerárquico o
factorial, de acuerdo con el número de variables
involucradas)
• Estructuras y redes causales Análisis de patrones o vías (path analysis)
5. Pregunta de investigación: estructura de
variables o validación de constructo
Las variables deben estar por intervalos o razón Análisis de factores

Criterios para elegir las pruebas estadísticas

Se sugiere emplear el siguiente cuadro como apoyo para determinar la técnica de

análisis:
Objetivos Resultado Actividades a Información Técnica de Instrumento de Técnica de Técnica de
específicos esperado desarrollar requerida recolección recolección procesamiento análisis
               
               
               
4.8. Aspectos éticos:
Se refiere al permiso institucional y, en los trabajos experimentales, la opinión
del Comité de Ética. Todo proyecto de investigación debe tener una resolución
del Comité de ética institucional.

5. Referencias bibliográficas

BNamericas. (2022, marzo 3). BNamericas—Brasileña Petrobras refuerza analítica de

ca... BNamericas.com. https://www.bnamericas.com/es/noticias/brasilena-
petrobras-refuerza-analitica-de-campos-petroleros-con-tibco
Callalli Janampa, J. C., & Campos Arenas de Chávez, B. F. (2021). Actualización del
ERP para soportar el crecimiento en una empresa de combustible líquido y
retail. Universidad de Piura. https://pirhua.udep.edu.pe/handle/11042/5284
Cheng, C. C. J. (2020). Sustainability Orientation, Green Supplier Involvement, and
Green Innovation Performance: Evidence from Diversifying Green Entrants.
Journal of Business Ethics, 161(2), 393-414. Scopus.
https://doi.org/10.1007/s10551-018-3946-7
Claudy, M. C., Peterson, M., & Pagell, M. (2016). The Roles of Sustainability
Orientation and Market Knowledge Competence in New Product Development
Success. Journal of Product Innovation Management, 33, 72-85. Scopus.
https://doi.org/10.1111/jpim.12343
Czvetkó, T., Kummer, A., Ruppert, T., & Abonyi, J. (2022). Data-driven business
process management-based development of Industry 4.0 solutions. CIRP
Journal of Manufacturing Science and Technology, 36, 117-132.
https://doi.org/10.1016/j.cirpj.2021.12.002
Grángel-Gonzalez, I., Baptista, P., Halilaj, L., Lohmann, S., Vidal, M.-E., Mader, C., &
Auer, S. (2017). The industry 4.0 standards landscape from a semantic
integration perspective. 1-8. Scopus.
https://doi.org/10.1109/ETFA.2017.8247584
Hong, P., Jagani, S., Kim, J., & Youn, S. H. (2019). Managing sustainability
orientation: An empirical investigation of manufacturing firms. International
Journal of Production Economics, 211, 71-81. Scopus.
https://doi.org/10.1016/j.ijpe.2019.01.035
Jagani, S., & Hong, P. (2022). Sustainability orientation, byproduct management and
business performance: An empirical investigation. Journal of Cleaner
Production, 357, 131707. https://doi.org/10.1016/j.jclepro.2022.131707
James, G. (2022, abril 1). Gestión de inventario en petróleo y gas Market Share 2022
Estrategias para impulsar el crecimiento, desarrollo, fabricantes, tamaño de la
industria, tendencias | El Heraldo del Bajío.
https://heraldodelbajio.com/2022/05/21/gestion-de-inventario-en-petroleo-y-gas-
market-share-2022-estrategias-para-impulsar-el-crecimiento-desarrollo-
fabricantes-tamano-de-la-industria-tendencias-2/
Jaskó, S., Skrop, A., Holczinger, T., Chován, T., & Abonyi, J. (2020). Development of
manufacturing execution systems in accordance with Industry 4.0 requirements:
A review of standard- and ontology-based methodologies and tools. Computers
in Industry, 123. Scopus. https://doi.org/10.1016/j.compind.2020.103300
Monostori, L., Kádár, B., Bauernhansl, T., Kondoh, S., Kumara, S., Reinhart, G., Sauer,
O., Schuh, G., Sihn, W., & Ueda, K. (2016). Cyber-physical systems in
manufacturing. CIRP Annals, 65(2), 621-641. Scopus.
https://doi.org/10.1016/j.cirp.2016.06.005
Pérez-Lara, M., Saucedo-Martínez, J. A., Marmolejo-Saucedo, J. A., Salais-Fierro, T.
E., & Vasant, P. (2018). Vertical and Horizontal Integration Systems in Industry
4.0. Wireless Networks, 1-9. Scopus.
Safar, L., Sopko, J., Bednar, S., & Poklemba, R. (2018). Concept of SME business
model for industry 4.0 environment. TEM Journal, 7(3), 626-637. Scopus.
https://doi.org/10.18421/TEM73-20
Schumacher, A., Erol, S., & Sihn, W. (2016). A Maturity Model for Assessing Industry
4.0 Readiness and Maturity of Manufacturing Enterprises. Procedia CIRP, 52,
161-166. https://doi.org/10.1016/j.procir.2016.07.040
Smart Manufacturing, Digital Single Market. (2022, febrero 1). Smart Manufacturing.
Digital Single Market.
https://wayback.archive-it.org/12090/20170401085104/https://ec.europa.eu/
digital-single-market/en/smart-manufacturing
Valora Analitik. (2022, junio 2). Premercado | Bolsas estables ante caída del petróleo;
esperan posible alza de producción. Valora Analitik.
https://www.valoraanalitik.com/2022/06/02/premercado-bolsas-estables-caida-
petroleo-alza-produccion/
 Se lista la bibliografía consultada y deberá cumplir con los requisitos uniformes
para manuscritos enviados a revistas de la especialidad (Estilo APA).
Serán redactadas a espacio simple a diferencia del resto del documento.
Ejemplos:

Tesis:
Ramírez, M. (2014). La convergencia de los servicios de telecomunicaciones y su
impacto en la gestión de operaciones de las pymes en el distrito de El Porvenir-
2014 (Tesis de Maestría en Gerencia de Operaciones). Universidad Nacional de la
Libertad, Trujillo.

Libros:
Ejemplo con un autor:
Netter, F. (2007). Fundamentos de automatización (4ª ed.). Barcelona: Elsevier.

Ejemplo con 3 autores:

Hernández, R., Fernández, C., & Baptista, M. (2010). Metodología de la investigación
(5ª ed.). México D.F.: McGraw-Hill.

Artículo de revista:
Brevis, I., & Cruz, C. (2008). Incidencia y factores de riesgo asociados a delirio en
pacientes críticos sometidos a ventilación mecánica. Revista Chilena de Medicina
Intensiva, 23(1), 18-24.

Artículo de diario:
Ibarra, V. (22 de marzo de 2014). La tecnología 4G y su impacto en el mercado de
telecomunicaciones peruano. El Comercio, pp.18-19.

Artículo de revista electrónica:

Ruiz, D., Bacca, B., Caicedo, E. (2016). Control Strategy Based on Swarms
Algorithms to Cooperative Payload Transport Using a Non-Holonomic Mobile
Robots Group. IEEE Latin America Transactions, 14(2), 445.
Recuperado de http://www.ieee.org/reg/9/etrans/
Libro electrónico:
Romero, A. (2002). Videojuegos de rol, simulaciones por ordenador, robots y realidad
aumentada como nuevas tecnologías para el aprendizaje.
Recuperado de http://www.e-libro.net/libros/libro.aspx?idlibro=25107.pdf
6. Anexos
Presentar los instrumentos de recolección de datos.