Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Temario 3º Curso Fundamentos de La Investiación en Ciencias de La Salud
Temario 3º Curso Fundamentos de La Investiación en Ciencias de La Salud
Fundamentos de la investigación en
ciencias de la salud
https://campusformacion.net/nuevocampus/impresioncurso.php 1/172
11/12/21 14:12 Campus Virtual
Índice
ÍNDICE
Definición
Características y fases del experimento
El problema y las variables
Definición de la hipótesis
Selección del diseño experimental
El control experimental
Selección de los sujetos
Definición de las intervenciones y de la medición
Recolección, análisis e interpretación de los datos
https://campusformacion.net/nuevocampus/impresioncurso.php 2/172
11/12/21 14:12 Campus Virtual
Introducción
Tipos de técnicas de análisis de los datos
Elaboración del informe de investigación
Definición
Características
Tipos y clasificaciones
Definición
Características
Tipos y clasificaciones
Técnicas de muestreo
Definición y Características
Codificación y registro
Diseños observacionales
Bibliografía
Casos prácticos
https://campusformacion.net/nuevocampus/impresioncurso.php 3/172
11/12/21 14:12 Campus Virtual
Objetivos
OBJETIVO GENERAL
OBJETIVOS ESPECÍFICOS
Proporcionar al estudiante las herramientas y conocimientos para la
realización de investigación documentada y experimental, así como las
bases para la interpretación, discusión y presentación de resultados.
Conocer los métodos y los diseños de investigación así como las técnicas
de análisis de datos propios de las Ciencias de la Salud.
Identificar las características de la salud-enfermedad de los individuos,
colectividad y contextos mediante métodos, técnicas e instrumentos
propios de las Ciencias de la Salud4.Definir los objetivos, elaborar el plan
y las técnicas de intervención en función de las necesidades y demandas
de los destinatarios, así como evaluar los resultados.
Elaborar informes en distintos ámbitos de actuación dirigidos a los
destinatarios y a otros profesionales.
https://campusformacion.net/nuevocampus/impresioncurso.php 4/172
11/12/21 14:12 Campus Virtual
Apartados
https://campusformacion.net/nuevocampus/impresioncurso.php 5/172
11/12/21 14:12 Campus Virtual
11. Legal: busca leyes y las aplica, insertando en ellas hechos singulares. Intenta
llegar a la raíz de las cosas.
12. Explicativa: intenta explicar los hechos mediante leyes y las leyes en términos
de principios.
13. Predictiva: pone a prueba las hipótesis. Las leyes deben ser predictivas del
estado presente o pasado de las cosas, si fallan, obliga al científico a corregir sus
suposiciones, lo cual puede contribuir al perfeccionamiento del conocimiento.
15. Útil: busca la verdad y proporciona herramientas que pueden usarse para bien o
para mal.
La ciencia no es un concepto unitario, es una forma de saber especializado, por lo que,
cada ciencia se especializa en un objeto o conjunto de objetos, y se constituye como una
https://campusformacion.net/nuevocampus/impresioncurso.php 7/172
11/12/21 14:12 Campus Virtual
Definición
Para hacer ciencia, conocer cómo funciona la naturaleza, buscar respuestas a los hechos
desconocidos u oscuros de la realidad que inquietan al ser humano, aplicamos métodos,
realizamos actividades intelectuales y físicas, ordenadas y bien determinadas, hasta
alcanzar un conocimiento objetivo. La búsqueda de un proceso que nos permitiera
alcanzar el verdadero conocimiento nos ha llevado a desarrollar lo que conocemos como
Método Científico: un conjunto de principios racionales convenidos por la comunidad de la
ciencia en un determinado momento histórico, que se dispone con el fin de regular el ejercicio de
la investigación y que vela por la calidad de los mecanismos utilizados para la obtención de sus
resultados.
Antecedentes
https://campusformacion.net/nuevocampus/impresioncurso.php 8/172
11/12/21 14:12 Campus Virtual
2. Dividir cada una de las dificultades examinadas en tantas partes como fuera
posible para su mejor resolución.
3. Conducir de forma ordenada los pensamientos, comenzando por los objetos más
simples y fáciles de conocer, para ascender por grados al conocimiento de los más
complejos.
https://campusformacion.net/nuevocampus/impresioncurso.php 9/172
11/12/21 14:12 Campus Virtual
Características
Objetivos
Supuestos
1. Orden. Todos los hechos ocurren según un orden predefinido, de no ser así no se
podría estudiar científicamente.
3. Comprobabiblidad. Todos los fenómenos tienen que tener una posibilidad de ser
comprobado en un futuro muy próximo.
Requisitos
https://campusformacion.net/nuevocampus/impresioncurso.php 11/172
11/12/21 14:12 Campus Virtual
Según el tipo de inferencia, es decir, el tipo de conclusiones a las que podemos llevar, el
Método Científico se divide en:
Inductivo:
https://campusformacion.net/nuevocampus/impresioncurso.php 13/172
11/12/21 14:12 Campus Virtual
Deductivo:
https://campusformacion.net/nuevocampus/impresioncurso.php 14/172
11/12/21 14:12 Campus Virtual
Figura 2. Tipo de Razonamiento. Fuente: propia
Hipotético-Deductivo:
https://campusformacion.net/nuevocampus/impresioncurso.php 15/172
11/12/21 14:12 Campus Virtual
Planteamientos no específicos
las preguntas de
Problema de estudio delimitado ,
Planteamiento concreto y específico, tras una revisión investigación no siempre son
del problema inicial de las fuentes de información que conceptualizadas ni definidas por
han generado la idea de estudio completo. La revisión de la
información se hace en cualquier
momento d ella investigación
https://campusformacion.net/nuevocampus/impresioncurso.php 16/172
11/12/21 14:12 Campus Virtual
hipótesis
sin medición numérica.
Conclusiones tentativas y
revisiones se van dando sobre la
marcha del estudio,
generalizaciones especulativas o
simplemente no se dan
Interpretación Las conclusiones y generalizaciones se
de los datos formulan al concluir el estudio no pretenden generalizar de
manera probabilística los
resultados a poblaciones más
amplia
https://campusformacion.net/nuevocampus/impresioncurso.php 17/172
11/12/21 14:12 Campus Virtual
- -
-
En el Método observacional el fenómeno se estudia en su ambiente natural. El papel del
observador es pasivo. Se limita a recoger datos y describir los hechos de la forma más
objetiva y precisa posible. Se basa en una observación en la que se emplea variables
clasificatorias, no manipulables, para llevar al conocimiento
Para que la observación pueda ser científica y no espontánea o casual, debe reunir los
siguientes requisitos:
https://campusformacion.net/nuevocampus/impresioncurso.php 19/172
11/12/21 14:12 Campus Virtual
2.1. El experimento
Definición
Un experimento es un estudio en el que el experimentador provocada una situación para
producir un fenómeno que quiere estudiar. En este estudio el experimentador manipula
intencionalmente la/s posibles causas (variables independientes), para analizar las
consecuencias que la manipulación tiene sobre el fenómeno, los efectos (variables
dependientes), y al mismo tiempo controla la incidencia de otras posibles causas
(variables extrañas), dentro de una situación de control para el investigador. Si estas otras
causas (extrañas) no influyen o están controladas, entonces aumenta la presunción de
que lo que hizo variar el fenómeno fue la/s causas que se hicieron intervenir
deliberadamente.
O´Neil (1968) da una excelente definición de experimento cuando dice que es un modelo
particular de variación y constancia, es decir, en todo experimento se hace variar X para
ver cómo varía Y, mientras se mantienen constantes todos los otros posibles factores
extraños.
https://campusformacion.net/nuevocampus/impresioncurso.php 20/172
11/12/21 14:12 Campus Virtual
1. Características
https://campusformacion.net/nuevocampus/impresioncurso.php 21/172
11/12/21 14:12 Campus Virtual
Esta primera fase del experimento es la más complicada porque requiere que
el investigador tenga un amplio conocimiento de la materia a estudiar.
2. Hipótesis
3. Diseño
https://campusformacion.net/nuevocampus/impresioncurso.php 22/172
11/12/21 14:12 Campus Virtual
Fuente: http://www.uv.es/invsalud/
El problema puede surgir por causas diferentes: a) un problema sin solución porque es
novedoso y no ha llamado la atención del investigador hasta el momento actual; b)
resultados contradictorios de una investigación que implica la necesidad de repetir la
investigación; c) parcela o aspecto de un fenómeno conocido no estudiado hasta la fecha.
https://campusformacion.net/nuevocampus/impresioncurso.php 23/172
11/12/21 14:12 Campus Virtual
teórica (quién estudio sobre el problema) y empírica (cómo se estudio el problema, qué
tipo de estrategia de investigación se empleó); c) comentario con expertos que permitan
aflorar errores metodológicos.
Las variables son características que pueden fluctuar y cuya variación es susceptible de
medirse u observarse.
Una variable puede ser una característica de una persona u otros seres vivos, objetos,
hechos y fenómenos, los cuales adquieren diversos valores respecto de la variable
referida.
Las variables deben ser deben ser definidas de dos formas: conceptual y operacional.
Las variables deben ser definidas para que: a) los investigadores del estudio y,
en general, cualquier persona que lea la investigación le den el mismo
significado a los términos o variables; b) asegurarnos de que las variables
pueden ser medidas; c) comparar nuestra investigación con otras similares. Si
tenemos definidas nuestras variables, podemos comparar nuestras
definiciones con las de otros estudios que hablan d ellas mismas variables; d)
interpretar adecuadamente nuestros resultados. Estas variables definidas
van a tener un sentido específico en la realidad, en su contexto.
https://campusformacion.net/nuevocampus/impresioncurso.php 24/172
11/12/21 14:12 Campus Virtual
Nivel de medición
Criterio metodológico
XA Y
XB
La letra “X” suele utilizarse para simbolizar una variable independiente o tratamiento
experimental, las letras o subÍndices “A , B…” indican distintos niveles de variación de la
independiente y la letra“Y” se utiliza para representar una variable dependiente.
https://campusformacion.net/nuevocampus/impresioncurso.php 25/172
11/12/21 14:12 Campus Virtual
XA Y
XB
XC
No existe un número establecido, deben ser al menos dos, porque tenemos que comparar
dos grupos como mínimo para poder ver las diferencias y establecer una relación causal.
Pero a partir de ahí, se establecen los niveles necesarios para comprobar en la mayor
medida posible el efecto de la VI sobre la VD, si consideramos que varios niveles de la VI
vana provocar efectos diferentes tenemos que meterlos todos.
https://campusformacion.net/nuevocampus/impresioncurso.php 26/172
11/12/21 14:12 Campus Virtual
Definición de la hipótesis
Las hipótesis son numerosas y el investigador debe descubrir cuál es la más adecuada.
Tienen una función descriptiva y explicativa. Cada vez que una hipótesis
recibe evidencia empírica en su favor o en su contra, nos dice algo acerca
del fenómeno que estamos estudiando.
La relación entre variables propuesta por una hipótesis debe ser clara y
lógica (verosímil)
https://campusformacion.net/nuevocampus/impresioncurso.php 27/172
11/12/21 14:12 Campus Virtual
dado el pecho)
La hipótesis, al igual que el problema, debe operativizarse para que pueda ser estudiado
de manera experimental. La hipótesis se operativiza formulándola en términos
estadísticos, de este modo, traducimos la hipótesis para ayudar a la verificación de la
https://campusformacion.net/nuevocampus/impresioncurso.php 29/172
11/12/21 14:12 Campus Virtual
misma.
Hi: El tratamiento con el fármaco X remite el cáncer de mama en mayor medida que el
trata miento tradicional.
Ho: El tratamiento con el fármaco X no remite el cáncer de mama en mayor medida que
el tratamiento tradicional.
Fuente: http://www.aiu.edu/publications/
https://campusformacion.net/nuevocampus/impresioncurso.php 30/172
11/12/21 14:12 Campus Virtual
1. Preexperimentos
https://campusformacion.net/nuevocampus/impresioncurso.php 31/172
11/12/21 14:12 Campus Virtual
* Sin pretest, no podemos saber si las diferencias entre los grupos (postest) se
deben al tratamiento o a la selección diferencial (grupos no equivalentes)
* Carece de control, por lo que no se pueden extraer inferencias causales.
* Útil para sugerir hipótesis de cara a futuras investigaciones. (Más
“rigurosas”)
2. Cuasiexperimentos
Establece causalidad
Control VE
El investigador no puede cumplir los requerimientos de un experimento verdadero,
debido a que no puede asignar aleatoriamente los participantes a las condiciones
experimentales.
Carecen de un control experimental absoluto de todas las variables relevantes
debido a la falta de aleatorización ya sea en la selección aleatoria de los sujetos o en
la asignación de los mismos a los grupos experimental y control. Las comparaciones
en la respuesta de los sujetos se realizan entre grupos ‘no equivalentes’, es decir,
https://campusformacion.net/nuevocampus/impresioncurso.php 32/172
11/12/21 14:12 Campus Virtual
Diseños Tranesvrsales
a) Diseño preprueba/postprueba con grupo control no equivalente
Diseño: G1 01 X 02
https://campusformacion.net/nuevocampus/impresioncurso.php 33/172
11/12/21 14:12 Campus Virtual
Diseños longitudinales
El objetivo es analizar los procesos de cambio de la variable de respuesta en
función del tiempo y examinar qué covariables contribuyen al cambio.
Se basa en el seguimiento de los mismos sujetos a lo largo de un cierto
periodo de tiempo, es decir, implica la observación repetida (al menos dos
veces, dos medidas) de una misma muestra de sujetos en distintos niveles de
edad (al menos dos niveles).
a) Diseño de retirada del tratamiento con pretest y postest
Diseño: G1 01 X 02 Secuencia experimental
https://campusformacion.net/nuevocampus/impresioncurso.php 34/172
11/12/21 14:12 Campus Virtual
3. Experimentos “puros”
Diseño
RG2 — 02
https://campusformacion.net/nuevocampus/impresioncurso.php 35/172
11/12/21 14:12 Campus Virtual
El control experimental
El termino “control” se refiere al dominio de las condiciones del estudio para que estas se
mantengan siempre iguales, de modo que si se observa que la VD varía, la variación se
debe únicamente a la manipulación de las VIs y no a otros factores o causas.
Hace referencia a la calidad del experimento y se logra cuando hay control, cuando los
grupos difieren entre si solamente en la exposición a la variable independiente.
La validez interna se define como el grado de confianza que se tiene de que los resultados
del experimento se interpreten adecuadamente y sean validos.
https://campusformacion.net/nuevocampus/impresioncurso.php 36/172
11/12/21 14:12 Campus Virtual
Las variables extrañas, ajenas al objetivo d ella investigación, son las que generan la
Varianza secundaria.
El azar (no controlable) y las diferencias individuales dan lugar a la Varianza de error.
3. Utilizando valores extremos d ella VI, así nos aseguramos que van a provocar
diferencias en la VD.
Expectativas
Voluntariedad
Práctica
Fatiga
La validez interna es esencial para que nuestra investigación sea realmente experimental.
Sin embargo, es solo una parte de la validez de un experimento; en adición a ella, es muy
deseable que el experimento tenga Validez Externa.
La Validez Externa es la capacidad que tiene nuestro estudio para generalizar los
resultados del experimento a situaciones no experimentales, de la realidad, así como a
otras personas y poblaciones.
3. Generar una situación experimental lo más real posible. Evitar que las
condiciones del contexto experimental resulten atípicas, respecto a la manera en
que se aplica regularmente el tratamiento
https://campusformacion.net/nuevocampus/impresioncurso.php 38/172
11/12/21 14:12 Campus Virtual
Como estudiar la población total resulta muy complejo, se selecciona una muestra
representativa para economizar tiempo y recursos.
En ocasiones la muestra no estará formada por una única unidad de análisis o elemento.
(¿Hay problemas de comunicación entre padres e hijos?, la muestra deberá estar
conformada por un grupo de padres e hijos, dos unidades de análisis)
Solo cuando queremos realizar un censo debemos incluir en el estudio a todos los casos
(por ejemplo si queremos saber el grado de satisfacción de los empleados de una
empresa, debemos de incluir a todos para que nadie piense que su opinión no cuenta).
1. Muestreo Probabilistico
Basado en el azar
Pasos a seguir:
El tamaño “N” puede ser finito (si podemos delimitar todos los elementos de la
población) o infinito (si es imposible hacer un censo de todos los elementos,
“N”≥100.000 elementos)
Puede ser que conozcamos la probabilidad con que aparece el fenómeno por
estudios previos existentes. Sino lo conocemos asumimos por defecto que “p”
y “q” serán del 50%. (p + q = 1)
https://campusformacion.net/nuevocampus/impresioncurso.php 40/172
11/12/21 14:12 Campus Virtual
3) se calcula el tamaño de n
https://campusformacion.net/nuevocampus/impresioncurso.php 41/172
11/12/21 14:12 Campus Virtual
3) se calcula el tamaño de n
Lo que se pretende con este tipo de muestreo es asegurarse de que todos los
segmentos, grupos de la población estarán representados adecuadamente en la
muestra.
Ejemplo.- Imaginemos que nos interesan personas de todas las religiones para
contrastar ciertos datos, pero en la ciudad donde se efectuara el estudio la mayoría
es predominantemente católica.
3) se calcula el tamaño de n
https://campusformacion.net/nuevocampus/impresioncurso.php 42/172
11/12/21 14:12 Campus Virtual
No Generalización.
Tipos:
https://campusformacion.net/nuevocampus/impresioncurso.php 43/172
11/12/21 14:12 Campus Virtual
Si se hace una asociación entre variables, los resultados servirán de base para
tomar decisiones y se quieren generalizar datos a la población con una estimación
precisa del error. PROBABILISTICA.
https://campusformacion.net/nuevocampus/impresioncurso.php 44/172
11/12/21 14:12 Campus Virtual
Esa manipulación artificial del factor de estudio por el investigador es lo que realmente
entendemos como intervención.
Por su parte, medir, significa asignar números, símbolos o valores a las propiedades de
objetos o eventos de acuerdo con reglas” (Stevens, 1951).
Sin embargo, esta definición resulta limitada, existen fenómenos que no pueden
caracterizarse como objetos (cosas que pueden verse o tocarse), ni como eventos
(resultados, consecuencias). Por ejemplo, una actitud, la pareja ideal. Es necesario una
definición que abarque todos los fenómenos
https://campusformacion.net/nuevocampus/impresioncurso.php 45/172
11/12/21 14:12 Campus Virtual
https://campusformacion.net/nuevocampus/impresioncurso.php 46/172
11/12/21 14:12 Campus Virtual
Por ejemplo, en una encuesta pública sería muy difícil aplicar una
prueba larga o compleja.
https://campusformacion.net/nuevocampus/impresioncurso.php 47/172
11/12/21 14:12 Campus Virtual
1. Nivel de medición nominal. En este nivel hay dos o más categorías de la variable. Las
categorías no tienen orden ni jerarquía. Lo que se mide (objeto, persona, etc.) se
coloca en una u otra categorías, lo cual indica tan sólo diferencias respecto de una
característica.
Por ejemplo, la variable “género” de la persona posee sólo dos categorías: masculino y
femenino. Ninguna de las categorías implica mayor jerarquía que la otra. Las categorías
únicamente reflejan diferencias en la variable. No hay orden de mayor a menor.
1 = Masculino 2 = Masculino
Los números utilizados en este nivel de medición tienen una función puramente de
clasificación
Las variables nominales pueden tener dos niveles (dicotómicas) o más (categóricas)
2. Nivel de medición ordinal. En este nivel hay varias categorías, pero además mantienen
un orden de mayor a menor. Las etiquetas o los símbolos de las categorías sí indican
jerarquía. Por ejemplo, el nivel socioeconómico
https://campusformacion.net/nuevocampus/impresioncurso.php 48/172
11/12/21 14:12 Campus Virtual
La variable ordinal nos indica que existen diferencias entre los niveles y que dirección
tienen esas diferencias, pero no nos dice de cuánto es la diferencia. Sabemos que 3 es
más que 2 y éste más que 1, pero no sabemos cuánto más.
3. Nivel de medición por intervalos. Además del orden o la jerarquía entre categorías, se
establecen intervalos iguales en la medición. Las distancias entre categorías son las
mismas a lo largo de toda la escala, por lo que hay un intervalo constante, una unidad de
medida.
Es necesario apuntar que, sin embargo, el cero (0) en la medición es un cero arbitrario, no
es real, ya que se asigna arbitrariamente a una categoría el valor de cero y a partir de ésta
se construye la escala. María, que resolvió 10 problemas sería el cero, pero no es un cero,
no obtuvo esa nota en la prueba.
4. Nivel de medición de razón. En este nivel, además de tenerse periodos iguales entre las
categorías, y aplicación de operaciones aritméticas básicas y sus derivaciones, el cero es
real y es absoluto (no es arbitrario). Cero absoluto implica que hay un punto en la escala
donde está ausente o no existe la característica o variable medida.
Codificar los datos significa asignarles un valor numérico o símbolo que los represente.
Por ejemplo, si tuviéramos la variable “género” con sus respectivas categorías, masculino
y femenino, a cada categoría le asignaríamos un valor.
Masculino 1
Femenino 2
https://campusformacion.net/nuevocampus/impresioncurso.php 49/172
11/12/21 14:12 Campus Virtual
Sin cambios 1
Respuesta parcial 2
Respuesta 3
Remisión 4
Sin estudios 1
Primarios 2
Secundarios 3
Superiores 4
Totalmente de acuerdo 5
De acuerdo 4
Ni de acuerdo ni en desacuerdo 3
En desacuerdo 2
Cada ítem y variable deberán tener una codificación (códigos numéricos o simbólicos)
para sus categorías. Desde luego, hay veces que un ítem no puede ser codificado a priori
(precodificado), porque es muy difícil conocer cuáles serán sus categorías. Por ejemplo, si
en una investigación fuéramos a preguntar: ¿qué opina del programa económico que
recientemente aplicó el gobierno? Las categorías podrían ser muchas más de las que nos
imaginemos y resultaría difícil predecir con precisión cuántas y cuáles serían. En tales
situaciones, la codificación se lleva a cabo una vez que se aplica el ítem (a posteriori).
Los valores perdidos (cuando las personas no responden a un ítem o marcan dos
opciones) también deben codificarse, asignándoles un código a cada categoría.
https://campusformacion.net/nuevocampus/impresioncurso.php 50/172
11/12/21 14:12 Campus Virtual
Un alto número de valores perdidos (más de 10% indica que el instrumento tiene
problemas). Lo adecuado es que no supere 5% respecto del total de posibles datos o
valores.
2. Elaborar una base de datos o matriz la cual contiene la localización de las variables y los
códigos asignados a las categorías. EJEMPLO SPSS
Para crear nuestra propia base de datos damos un clic en la opción “introducir datos” y
luego clic en “aceptar”. Las filas representan sujetos o casos, mientras que las columnas
constituyen las características o atributos de cada sujeto en una determinada variable.
Esto se observa claramente en la Figura 3a) y 3b (Fuente: Google)
https://campusformacion.net/nuevocampus/impresioncurso.php 51/172
11/12/21 14:12 Campus Virtual
https://campusformacion.net/nuevocampus/impresioncurso.php 52/172
11/12/21 14:12 Campus Virtual
recomendable utilizar abreviaturas que identifiquen cada una de las variables, como por
ejemplo: “estud” o “nivelecon” y en la Etiqueta ponemos en nombre completo estudiante
y nivel socieconómico. La nos muestra como se va transformando hasta ahora nuestra
base de datos. A continuación aparece la opción Valores, que es donde combinamos
números con palabras, que nos servirá para identificar características o atributos con un
simple número y viceversa. Para comenzar, damos un clic en la casilla en donde aparece
hasta el momento “ninguno” en valores, como se observa en la Figura 6 (Fuente: Google), y
aparece el recuadro de “etiquetas de valor”.
Cuando tenemos el recuadro, lo que debemos hacer es codificar nombres con números,
asociando de esta forma un número para una característica o atributo del sujeto.
Entonces, para nuestro caso de la variable “género”, se designará de la siguiente forma:
Número 1 para “femenino”, y número 2 para “masculino”. Una vez hecho esto, se pulsa en
el botón “añadir” para que agregue las nuevas etiquetas de valor. La figura Figura 7a y 7b
(Fuente: Google) muestra este proceso.
https://campusformacion.net/nuevocampus/impresioncurso.php 53/172
11/12/21 14:12 Campus Virtual
En la opción de Perdidos se definen valores de los datos especificados como perdidos por
el usuario. A menudo es útil para saber por qué se pierde información. Por ejemplo, puede
desear distinguir los datos perdidos porque un entrevistado se niega a responder, o datos
perdidos porque la pregunta no afectaba a dicho entrevistado, etc. Los valores de datos
especificados como perdidos por el usuario aparecen marcados para un tratamiento
especial y se excluyen de la mayoría de los cálculos. Para nuestra base de datos ejemplo,
asumiremos que no se tienen valores perdidos.
Las últimas opciones Alineación y Medida tiene que ver con la forma en que se ordena el
concepto dentro de la casilla (izquierda, centro, derecha), y como catalogamos a la
variable (Nominal, Ordinal o Escala), respectivamente.Para nuestro ejemplo, la variable
“género” queda catalogada con medida nominal, ya que no tiene un ordenamiento
específico.
https://campusformacion.net/nuevocampus/impresioncurso.php 54/172
11/12/21 14:12 Campus Virtual
Las columnas de Anchura y Decimales no se cambiarán, dejaremos las casillas tal cual. En
Etiqueta introducimos la palabra “edad”, que así identificaremos nuestra variable.
https://campusformacion.net/nuevocampus/impresioncurso.php 55/172
11/12/21 14:12 Campus Virtual
Una vez ya tenemos codificadas las variables, ahora introducimos los valores de nuestra
nueva base de datos, y para ello simplemente hay que dar clic en la pestaña “vista de
datos” como se observa en la (Figura 10; Fuente Google), siendo ahí en donde
introducimos los datos recogidos.
https://campusformacion.net/nuevocampus/impresioncurso.php 56/172
11/12/21 14:12 Campus Virtual
1. Cuestionario
https://campusformacion.net/nuevocampus/impresioncurso.php 57/172
11/12/21 14:12 Campus Virtual
2. Escalas de actitudes
Los métodos más conocidos para medir por escalas las variables que
constituyen actitudes son:
https://campusformacion.net/nuevocampus/impresioncurso.php 58/172
11/12/21 14:12 Campus Virtual
3. Ni de acuerdo ni en desacuerdo
La Dirección General de Impuestos Nacionales es muy lenta en la devolución
de impuestos pagados en exceso.
3. Ni de acuerdo, ni en desacuerdo
1. Análisis de contenido
2. Observación
• SPSS
• Minitab
• SAS
• STATS
https://campusformacion.net/nuevocampus/impresioncurso.php 60/172
11/12/21 14:12 Campus Virtual
Fases
2. Ejecutar el programa
del estudio
hipótesis planteadas
El análisis se realiza teniendo en cuenta los niveles de medición de las variables y mediante la estadística
https://campusformacion.net/nuevocampus/impresioncurso.php 61/172
11/12/21 14:12 Campus Virtual
Sólo se manipula una VI, con objeto de comprobar si afecta a una única
VD
La VI puede tener 2 o más niveles, uno de los cuales suele ser la ausencia
de tratamiento
Fundamento: si los grupos son iguales antes del tratamiento, las diferencias
encontradas tras el tratamiento se deberán al efecto de éste.
Procedimiento:
VI VI
Representación simbólica:
A G0 _ 01
A G1 X 02
A G1 X1 01
A G2 X2 02
La comparación entre los postratamiento de ambos grupos (01 y 02) nos indica si
hubo o no efecto de la manipulación del tratamiento. Si ambas difieren
https://campusformacion.net/nuevocampus/impresioncurso.php 64/172
11/12/21 14:12 Campus Virtual
significativamente (01 ≠ 02), esto nos indica que el tratamiento tuvo un efecto. Se
acepta la hipótesis de investigación (Hi). Si no hay diferencias (01 = 02), ello indica
que no hubo un efecto significativo del tratamiento experimental (X). En este caso
se acepta la hipótesis nula (Ho).
En ocasiones se espera que 01 sea mayor que 02. Por ejemplo, el tratamiento
experimental (el refuerzo audiovisual) que es un método educativo, el que lo recibe
tendrá mayor rendimiento.
Hi: 01 > 02.
Las ventajas son:
La diferencia con “con una medida postratamiento” es que una vez formados los
grupos al azar se toma una medida de la VD antes de aplicar el tratamiento
experimental
https://campusformacion.net/nuevocampus/impresioncurso.php 65/172
11/12/21 14:12 Campus Virtual
Representación simbólica:
A G0 01 _ 02
A G1 03 X 04
A G1 01 X1 02
A G2 03 X2 04
https://campusformacion.net/nuevocampus/impresioncurso.php 66/172
11/12/21 14:12 Campus Virtual
Fundamento: si los grupos son iguales antes del tratamiento, las diferencias
encontradas tras el tratamiento se deberán al efecto de éste.
Procedimiento:
Representación simbólica:
A G0 _ 01
A G1 X1 02
A G2 X2 03
. . . .
. . . .
. . . .
A Gk Xk 0(k+1)
A G1 X1 01
A G2 X2 02
A G3 X3 03
. . . .
. . . .
. . . .
A Gk Xk 0(k+1)
https://campusformacion.net/nuevocampus/impresioncurso.php 68/172
11/12/21 14:12 Campus Virtual
Las ventajas de los diseños multigrupos respecto a los de dos grupos son:
Las ventajas de los diseños multigrupos respecto a los de dos grupos son:
La diferencia con “con una medida postratamiento” es que una vez formados los
grupos al azar se toma una medida de la VD antes de aplicar el tratamiento
experimental
Representación simbólica:
A G0 01 _ 02
https://campusformacion.net/nuevocampus/impresioncurso.php 69/172
11/12/21 14:12 Campus Virtual
A G1 03 X1 04
A G2 05 X2 06
. . . . .
. . . . .
. . . . .
A Gk 0k Xk 0(k+1)
A G1 01 X1 02
A G3 03 X2 04
A G5 05 X3 06
. . . . .
. . . . .
. . . . .
A Gk 0k Xk 0(k+1)
https://campusformacion.net/nuevocampus/impresioncurso.php 70/172
11/12/21 14:12 Campus Virtual
Análisis estadístico:
La suma de estos dos diseños origina cuatro grupos: dos experimentales y dos
control. Los primeros reciben el mismo tratamiento experimental y los segundos no
reciben tratamiento. Solo a uno de los grupos experimentales y a uno de los grupos
de control se les realiza el pretratamiento; a los cuatro grupos se les aplica el
postratamiento.
Teóricamente 01 y debería ser igual a 04, porque ambos grupos recibieron el mismo
tratamiento; asimismo, 02 y 06 deberían tener el mismo valor, porque ninguno
https://campusformacion.net/nuevocampus/impresioncurso.php 71/172
11/12/21 14:12 Campus Virtual
Los diseños experimentales comentados hasta el momento sirven para más bien
para analizar efectos inmediatos o a corto plazo.
Este diseño puede realizarse para dos grupos o multigrupos y los sujetos son
asignados al azar a dichos grupos. Solamente que, debido a que transcurre mucho
más tiempo entre el inicio y la terminación del experimento, el investigador debe
tener el suficiente cuidado para que no ocurra algo que afecte de manera distinta a
los grupos (con excepción de la manipulación de la variable independiente).
Lo mismo sucede cuando al aplicar el estimulo lleva mucho tiempo (por ejemplo,
programas motivacionales para trabajadores que pueden durar semanas). Con el
paso del tiempo es más difícil mantener equivalencia inicial de los grupos.
Por ejemplo, las psicoterapias o un mtd. Educativo. O se busca evaluar la evolución
del efecto en el corto, mediano y largo plazos (no solamente el resultado). En tales
casos es conveniente adoptar diseños con varios pre y postratamientos.
Serie cronológica sin pre prueba, con varias pos pruebas y grupo de
control.
https://campusformacion.net/nuevocampus/impresioncurso.php 72/172
11/12/21 14:12 Campus Virtual
Serie cronológica con pre prueba, con varias pos pruebas y grupo
de control
AG2 05 X2 06 07 08 + dos grupos
Los sujetos son asignados al azar a los distintos grupos y a cada grupo se le
administra varias veces el tratamiento experimental que le corresponde.
AG2 04 X2 05 X2 06 + dos grupos
https://campusformacion.net/nuevocampus/impresioncurso.php 73/172
11/12/21 14:12 Campus Virtual
Los sujetos son asignados al azar a los distintos grupos y a cada grupo se le
administra varias veces el tratamiento experimental que le corresponde.
AG2 04 X2 05 X2 06 + dos grupos
son todos similares entre sí y diferentes a los sujetos de otro bloque. Se trata de
Una forma de control consiste en utilizar grupos homogéneos para reducir la
variabilidad interindividual. Estos grupos homogéneos podemos conseguirlos
utilizando técnicas como el Bloqueo.
Algunos ejemplos de bloques son: edad, C.I., nivel académico, instrucciones del
experimento, hora, día, etc…
Cada bloque debe tener una cantidad de sujetos igual o múltiplo del número de
condiciones experimentales con el fin de que su presencia sea la misma en cada
condición experimental. Es aconsejable, aunque no imprescindible, que todos los
bloques tengan el mismo número de sujetos.
A la variable que se utiliza para formar los bloques se le llama variable de bloqueo
(VB) y es imprescindible que correlaciones muy alto con la variable dependiente. La
medida inicial de la variable dependiente es el mejor criterio para formar los
bloques. Para ver si existe correlación entre esta variable y la dependiente se
pueden consultar estudios previos en los que ambas variables se hayan
correlacionado o hacer un estudio piloto en el que se tomen medidas de las dos
variables y se calcule la correlación entre ellas.
https://campusformacion.net/nuevocampus/impresioncurso.php 75/172
11/12/21 14:12 Campus Virtual
1) Definir la población
5) Registrar la VD
Los diseños de bloques aleatorios (BA) sólo utilizan una variable de bloqueo y
una o más variables independientes. El número de grupos puede ser de dos o
más.
https://campusformacion.net/nuevocampus/impresioncurso.php 76/172
11/12/21 14:12 Campus Virtual
https://campusformacion.net/nuevocampus/impresioncurso.php 77/172
11/12/21 14:12 Campus Virtual
cada condición experimental debe aparecer una sola vez en cada fila y en cada
columna, siendo cada fila y cada columna una réplica completa del
experimento.
Este diseño, al bloquear dos variables posee mayor validez interna que los
diseños anteriores, pero la validez externa es muy pequeña debido a la
eliminación de sujetos y a la sensibilización de los sujetos a las medidas de las
variables de bloqueo.
Normalmente sólo se suele utilizar con dos grupos de sujetos, ya que como el
número de sujetos dentro de cada bloque tiene que ser igual o múltiplo del
número de tratamientos, es muy difícil formar los bloques, al tener que ser
ahora las puntuaciones idénticas en la variable de apareo.
También en este diseño se puede usar más de una variable de apareo, pero no
suele hacerse.
Este diseño suele tener sólo dos grupos, la técnica que se utiliza para analizar
los datos es la diferencia de medias para medidas relacionadas. En el caso de
que existan más de dos grupos se utilizará el ANOVA de un factor para
medidas repetidas.
Entre sus ventajas es una elevada validez interna, por encima del diseño de
bloques aleatorios, ya que la varianza intergrupo es aún más pequeña.
https://campusformacion.net/nuevocampus/impresioncurso.php 79/172
11/12/21 14:12 Campus Virtual
Es aquel diseño que se plantea cuando queremos someter a contraste el efecto de dos o
más variables independientes y de una posible interacción entre ellas sobre la variable
dependiente (VD) (Pelegrina y Salvador, 1999).
Características:
Los sujetos que forman los distintos grupos experimentales son distintos,
han sido formados de forma independiente.
Se contrastan los efectos que producen cada una de las VVII sobre la VD
y también puede estudiarse el efecto de interacción
Efectos simples. Son los efectos que comparan todos los niveles de un
factor bajo cada nivel de otro
Inconvenientes:
Análisis de datos
Objetivo:
Procedimiento:
https://campusformacion.net/nuevocampus/impresioncurso.php 81/172
11/12/21 14:12 Campus Virtual
EJEMPLO
Hipótesis:
Representación simbólica
https://campusformacion.net/nuevocampus/impresioncurso.php 82/172
11/12/21 14:12 Campus Virtual
Análisis de datos
ANOVA Factorial
Objetivo:
Procedimiento:
EJEMPLO:
Hipótesis:
https://campusformacion.net/nuevocampus/impresioncurso.php 83/172
11/12/21 14:12 Campus Virtual
Representación simbólica
https://campusformacion.net/nuevocampus/impresioncurso.php 84/172
11/12/21 14:12 Campus Virtual
Se utiliza un único grupo de sujetos que recibe todas las condiciones experimentales.
Características:
a) La característica fundamental de este diseño es que los mismos sujetos pasan por
todas las condiciones experimentales.
c) Este hecho implica que los sujetos actúen como su propio control proporciona
una manera de reducir la cantidad de error (https://explorable.com/systematic-
error) que surge de la varianza natural entre individuos.
Procedimiento:
5. Registrar la VD
EJEMPLOS
Estudios de aprendizaje.
Este fenómeno fue descrito por Martin Seligman en los años 70, a partir de un
estudio con diseño intrasujeto unifactorial, que consistió en exponer a un grupo de
animales a una descarga que no podían evitar durante un tiempo. Trascurrido este
tiempo, cuando se le s ofrecía la posibilidad de escapar de las descargas saltando
una barrera, los animales no lo hacían y se quedaban sufriendo las descargas. Los
animales habían aprendido a ser indefensos ante las descargas.
Este aprendizaje sólo se pudo descubrir al estudiar cada uno de los animales a lo
largo del tiempo, utilizando una única unidad experimental
Estudios de opinión
Prueba médica
Representación simbólica
Análisis estadístico
Ventajas
Desventajas
https://campusformacion.net/nuevocampus/impresioncurso.php 88/172
11/12/21 14:12 Campus Virtual
Procedimiento:
EJEMPLO.
Hipótesis:
https://campusformacion.net/nuevocampus/impresioncurso.php 89/172
11/12/21 14:12 Campus Virtual
Representación simbólica
Análisis estadístico
T de Student para muestras relacionadas (Xa1-X a2; Xa1-X a3; X a2-X a3)
Los diseños factoriales intragrupo tienen como característica común la de que cada
sujeto es sometido a dos o más condiciones experimentales; de ahí que, estos diseños
también reciban el nombre de diseños de medidas repetidas.
Procedimiento
4. Registrar la VD
https://campusformacion.net/nuevocampus/impresioncurso.php 90/172
11/12/21 14:12 Campus Virtual
EJEMPLO:
Hipótesis:
Representación simbólica
Análisis estadístico
ANOVA Factorial
https://campusformacion.net/nuevocampus/impresioncurso.php 91/172
11/12/21 14:12 Campus Virtual
EJEMPLO:
Hipótesis:
Representación simbólica
Análisis estadístico
ANOVA Factorial
https://campusformacion.net/nuevocampus/impresioncurso.php 92/172
11/12/21 14:12 Campus Virtual
SI:
SI:
2.4.1. Introducción
https://campusformacion.net/nuevocampus/impresioncurso.php 93/172
11/12/21 14:12 Campus Virtual
El Análisis de Datos (Data Analysis, o DA) es la ciencia que examina datos en bruto con el
propósito de sacar conclusiones sobre la información.
Consiste en la realización de las operaciones a las que el investigador someterá los datos
con la finalidad de alcanzar los objetivos del estudio.
El análisis de datos es usado en varias industrias para permitir que las compañías y las
organizaciones tomen mejores decisiones empresariales y también es usado en las
ciencias para verificar o reprobar modelos o teorías existentes. El análisis de datos se
distingue de la extracción de datos por su alcance, su propósito y su enfoque sobre el
análisis.
https://campusformacion.net/nuevocampus/impresioncurso.php 94/172
11/12/21 14:12 Campus Virtual
En este sentido, es posible distinguir entre la tradición lingüística, que trata al texto
como un objeto de análisis en sí mismo, y la tradición sociológica, que trata al texto
como una ventana a la experiencia humana (ver Figura 1).
https://campusformacion.net/nuevocampus/impresioncurso.php 95/172
11/12/21 14:12 Campus Virtual
a) el análisis narrativo
c) el análisis de ejecución
Para recolectar palabras o frases se utilizan técnicas como las listas libres, la
clasificación en pilas, las comparaciones pareadas, las pruebas con tríadas y
las tareas de substitución de estructuras.
https://campusformacion.net/nuevocampus/impresioncurso.php 96/172
11/12/21 14:12 Campus Virtual
El análisis de textos libres incluye, por un lado, métodos para analizar textos
"crudos", como el método de palabras claves en contexto (KWIC por sus siglas
en inglés), el conteo de palabras, el análisis de redes semánticas y los mapas
cognitivos, y por el otro, métodos que requieren la reducción del texto en
códigos. Estos últimos incluyen la teoría fundamentada, el análisis de
esquemas, el análisis de contenido clásico, los diccionarios de contenido, la
inducción analítica y los modelos de decisión etnográficos.
Cada uno de estos métodos de análisis tiene sus ventajas y desventajas. Algunos
son apropiados para explorar datos, otros para hacer comparaciones y otros para
construir y probar modelos. Ninguno lo hace todo (Ryan y Bernard, 2003).
https://campusformacion.net/nuevocampus/impresioncurso.php 97/172
11/12/21 14:12 Campus Virtual
"La codificación es el corazón y el alma del análisis de textos enteros " (Ryan y
Bernard, 2003, p. 274). La codificación fuerza al investigador a hacer juicios acerca
del significado de bloques contiguos de texto y permite eliminar el caos y la
confusión que habría sin algún sistema de clasificación. Esto implica un trabajo
intelectual y mecánico que permita codificar los datos, encontrar patrones,
etiquetar los temas y desarrollar sistemas de categorías. Esto significa analizar el
contenido central de las entrevistas, observaciones u otros documentos para
determinar qué es significativo, y a partir de allí reconocer patrones en esos datos
cualitativos y transformar esos patrones en categorías significativas y temas
(Patton, 2002).
Ryan y Bernard (2003) señalan que las tareas fundamentales asociadas con la
codificación son:
https://campusformacion.net/nuevocampus/impresioncurso.php 98/172
11/12/21 14:12 Campus Virtual
2. Identificación de temas: los temas son constructos abstractos que los
investigadores identifican antes, durante y después de la recolección de
datos. La revisión de la literatura es una fuente rica de temas, así como la
experiencia del investigador en el área de estudio. Sin embargo, muchas veces
los investigadores obtienen los temas del texto en sí mismo.
Existen diferentes métodos para obtener estos temas, pero todos ellos
coinciden en que luego de realizada la codificación, y para el momento en que
el investigador ya ha identificado los temas y los ha refinado hasta el punto en
que pueden ser aplicados a todo el corpus de textos, ya se ha realizado mucho
análisis interpretativo.
3. Construir libros o sistemas de códigos: los libros de códigos no son más que
listas organizadas de códigos (a menudo en jerarquías), las cuales deben
incluir una descripción detallada de cada código, criterios de inclusión y
exclusión, y ejemplos de texto real para cada tema. Si un tema es
particularmente abstracto, es aconsejable también dar ejemplos de los límites
del tema e incluso algunos casos que estén estrechamente relacionados pero
no incluídos en ese tema. La finalidad de la codificación es reducir los datos.
https://campusformacion.net/nuevocampus/impresioncurso.php 99/172
11/12/21 14:12 Campus Virtual
https://campusformacion.net/nuevocampus/impresioncurso.php 100/172
11/12/21 14:12 Campus Virtual
Para realizar estas tareas los pasos que deben seguirse (Álvarez-Gayou, 2005;
Miles y Huberman, 1994; Patton, 2002; Rubin y Rubin, 1995) son:
https://campusformacion.net/nuevocampus/impresioncurso.php 101/172
11/12/21 14:12 Campus Virtual
Una vez codificado todo el material, resulta útil colocar juntos todos los
trozos de texto que corresponden a un mismo código o categoría.
Para ello, se pueden utilizar una hoja grande de cartulina para cada
código, colocando el nombre del código en la parte superior de la
cartulina con el rotulador negro. Habrá que tener una cartulina sin
nombre en la que se peguen las porciones de texto sin codificar o cuya
categorización parezca incierta. Las cartulinas se pueden pegar en la
pared. Se recorta cada sección de texto seleccionado y se pega en la
cartulina correspondiente al código. Si se han impreso las
transcripciones de cada persona o grupo de discusión en hojas de papel
de diferente color, en las cartulinas se tendrá evidencia de la procedencia
del texto.
https://campusformacion.net/nuevocampus/impresioncurso.php 102/172
11/12/21 14:12 Campus Virtual
Para crear códigos existen varios métodos, Miles y Huberman (1994) describen
tres de los más útiles:
1. Crear una lista inicial de códigos previa. Esta lista se elabora antes del
trabajo de campo y proviene del marco conceptual, de las preguntas de
investigación, hipótesis, áreas problemáticas y/o variables clave que el
investigador lleva al estudio. Tiene un contenido específico.
Esta lista inicial puede tener desde alrededor de 12 hasta 50-60 códigos.
Sorprendentemente, el investigador puede retener fácilmente esa cantidad
de códigos en su memoria a corto plazo, sin tener que consultar
constantemente la lista completa, siempre que ésta tenga una estructura y
una lógica claras. Es buena idea colocar esa lista en una sola página para fácil
referencia.
https://campusformacion.net/nuevocampus/impresioncurso.php 103/172
11/12/21 14:12 Campus Virtual
Por ejemplo Lofland (1971) plantea que los códigos en cualquier estudio
pueden lidiar con los siguientes tipos de fenómenos, los cuales ordena del
nivel micro al macro:
Otro ejemplo de uno de estos tipos de esquemas lo aportan Bogdan y Biklen (1992)
quienes dividen los códigos de la siguiente manera:
https://campusformacion.net/nuevocampus/impresioncurso.php 104/172
11/12/21 14:12 Campus Virtual
https://campusformacion.net/nuevocampus/impresioncurso.php 105/172
11/12/21 14:12 Campus Virtual
https://campusformacion.net/nuevocampus/impresioncurso.php 106/172
11/12/21 14:12 Campus Virtual
Como vimos anteriormente, existen diversos programas para analizar los datos
cuantitativos (por ejemplo, SPSS). Todos funcionan de forma muy similar. Incluyen
dos partes:
Otra parte que contiene la matriz de datos, la cual es como cualquier hoja
de cálculo. La matriz contiene columnas (variables o ítems), filas (casos,
sujetos) y celdas (intersección entre una columna y una fila. En las celdas
se introducen los datos (valor de cada caso en una variable.
https://campusformacion.net/nuevocampus/impresioncurso.php 107/172
11/12/21 14:12 Campus Virtual
El paquete SPSS trabaja de una manera muy sencilla: éste abre la matriz de datos y
el investigador selecciona las opciones más apropiadas para su análisis.
File (archivo): sirve para construir un nuevo archivo, localizar uno ya construido,
guardar archivos, especificar impresora, imprimir, cerrar, enviar archivos por
correo electrónico, entre otras funciones.
Edit (edición): se emplea para modificar archivos, manipular la matriz, buscar datos,
copiar, cortar, eliminar y otras acciones de edición.
View (ver): para ver o visualizar la barra de estado, barra de herramientas, fuentes,
cuadrícula (matriz), etiquetas y variables.
Data (datos): se insertan variables, insertan casos, ordenan casos, fundir archivos
(juntar varios archivos o matrices), segmentar archivos (por una variable o criterio;
por ejemplo, la variable género, en este caso se realiza el análisis por submuestra
segmentada, resultados para hombres y para mujeres), seleccionar casos, etcétera.
Analyze (analizar): permite realizar los análisis estadísticos que básicamente serían:
Pruebas no paramétricas.
Validación compleja.
Series de tiempos.
Window (ventana): sirve para moverse a través de archivos y hacia otros
programas.
Help (ayuda): cuenta con contenidos de ayuda, cómo utilizar SPSS, comandos,
guías, “asesor estadístico” y demás elementos aplicados al paquete (con índice).
https://campusformacion.net/nuevocampus/impresioncurso.php 109/172
11/12/21 14:12 Campus Virtual
El análisis descriptivo aporta diversos datos numéricos que nos ofrecen distinta
información:
Dentro de las técnicas que permiten resumir la información de las variables, los
gráficos resultan indispensables, debido a su fácil comprensión. Entre los gráficos
nos encontramos con los diagramas de barras, los histogramas, los polígonos de
frecuencias, los diagramas de caja.
https://campusformacion.net/nuevocampus/impresioncurso.php 110/172
11/12/21 14:12 Campus Virtual
https://campusformacion.net/nuevocampus/impresioncurso.php 111/172
11/12/21 14:12 Campus Virtual
4) se seleccionan los ítems bajo una cuidadosa evaluación, uno por uno;
El criterio externo es una medida que existe con anterioridad al instrumento, y que
es aceptado por expertos como un índice adecuado de la característica que el
nuevo instrumento pretende medir.
https://campusformacion.net/nuevocampus/impresioncurso.php 112/172
11/12/21 14:12 Campus Virtual
Si los mejores en el test son los que conducen mejor, el test tendrá un alto
coeficiente de validez y tendremos un test empíricamente válido para seleccionar
conductores.
¿En qué grado el instrumento comparado con otros criterios externos mide lo
mismo? La validez de criterio se estima al correlacionar la medición con el criterio
externo (puntuaciones del instrumento frente a las puntuaciones en el criterio), y
este coeficiente se toma como coeficiente de validez.
La validez de constructo nos indica que el instrumento está midiendo una variable
que es aceptable, una variable que está definida operacionalmente y situada dentro
de un modelo teórico que le otorga ese significado. Para decir que el test que mide
la capacidad de conducción tiene validez de constructo, primero tiene que existir
ese contructo, qué es la capacidad de conducción, como la definimos. Y este
concepto teórico o constructo tiene que estar reflejado en los ítems del test.
¿El concepto teórico está realmente reflejado en el instrumento?, ¿qué significan las
puntuaciones del instrumento?
Entre las técnicas posibles para analizar la validez de constructo la más usada es el
análisis factorial o el análisis de componentes principales. Ejemplo.- Aplicación del
análisis factorial exploratorio del conjunto de respuestas a los ítems del
cuestionario para examinar la estructura factorial de las puntuaciones al
cuestionario e identificar las fuentes de variación en las medidas observadas.
https://campusformacion.net/nuevocampus/impresioncurso.php 113/172
11/12/21 14:12 Campus Virtual
Por ejemplo, en una encuesta pública sería muy difícil aplicar una prueba larga o
compleja.
Falta de estandarización. Por ejemplo, que las instrucciones no sean las mismas
para todos los participantes, que el orden de las preguntas sea distinto para algunos
individuos, que los instrumentos de observación no sean equivalentes, etc.
https://campusformacion.net/nuevocampus/impresioncurso.php 114/172
11/12/21 14:12 Campus Virtual
3.1.1. Definición
Los diseños cuasi-experimentales tienen el mismo propósito que los estudios experimentales:
probar la existencia de una relación causal entre dos o más variables. Cuando la asignación
aleatoria es imposible, los cuasi-experimentos (semejantes a los experimentos) permiten
estimar los impactos del tratamiento o programa, dependiendo de si llega a establecer una
base de comparación apropiada (p. 58)
https://campusformacion.net/nuevocampus/impresioncurso.php 115/172
11/12/21 14:12 Campus Virtual
3.1.2. Características
Mide los efectos del tratamiento sobre la VD (puede haber uno o más
tratamientos).
Los sujetos no se asignan al azar a los grupos ni se emparejan, sino que los grupos ya
están formados antes del experimento, surgen por si mismos, independientemente del
objetivo del estudio (por ejemplo, grupos clínicos por diagnóstico, grupos geográficos)
https://campusformacion.net/nuevocampus/impresioncurso.php 116/172
11/12/21 14:12 Campus Virtual
https://campusformacion.net/nuevocampus/impresioncurso.php 117/172
11/12/21 14:12 Campus Virtual
Longitudinal. Intrasujetos
Variable no conocida:
Sin pretest
Con pretest
Pretest+postest
Cohortes
Discontinuidad en la regresión
Tratamiento repetido
https://campusformacion.net/nuevocampus/impresioncurso.php 118/172
11/12/21 14:12 Campus Virtual
Simple
3.1.3.1. Transversales
En ambos grupos, las medidas pueden tomarse sólo después, o bien antes y
después de la aplicación del tratamiento. Los sujetos pueden ser
seleccionados de poblaciones diferentes, o bien se asignan grupos de sujetos
a las condiciones control o de tratamiento (diseños de grupos intactos).
https://campusformacion.net/nuevocampus/impresioncurso.php 119/172
11/12/21 14:12 Campus Virtual
https://campusformacion.net/nuevocampus/impresioncurso.php 120/172
11/12/21 14:12 Campus Virtual
https://campusformacion.net/nuevocampus/impresioncurso.php 121/172
11/12/21 14:12 Campus Virtual
3.1.3.2. Longitudinales
https://campusformacion.net/nuevocampus/impresioncurso.php 122/172
11/12/21 14:12 Campus Virtual
Existen dos modalidades básicas de este tipo de diseño (Arnau, 1995b): simple y de
grupo control no equivalente.
https://campusformacion.net/nuevocampus/impresioncurso.php 123/172
11/12/21 14:12 Campus Virtual
Permite estudiar las tendencias que presentan los datos en función del tiempo
https://campusformacion.net/nuevocampus/impresioncurso.php 124/172
11/12/21 14:12 Campus Virtual
Diseños de cohortes
Diseños de panel
3.2.1. Definición
https://campusformacion.net/nuevocampus/impresioncurso.php 126/172
11/12/21 14:12 Campus Virtual
El método selectivo es una estrategia particular del método científico que estudia los
fenómenos bajo su presentación natural, sin que el investigador manipule
intencionalmente los niveles de la variable independiente que influyen en los resultados.
Se estudia la relación existente entre las variables seleccionando las unidades de
observación; esto es, los sujetos, en virtud de que posean en distinto grado o nivel la/s
variable/s de interés (p. ej., sexo, edad, nivel cultural, etc.)
Este método se ha llamado también “método correlacional”, ya que lo que puede medirse
no es una relación causa-efecto, como ocurre con el método experimental, ya que el
investigador no puede manipular las variables independientes, y se limita a comprobar si
existe relación entre los valores que toma la variable independiente con los valores que
toma la variable dependiente; es decir, si ambas variables “correlacionan” entre sí.
https://campusformacion.net/nuevocampus/impresioncurso.php 127/172
11/12/21 14:12 Campus Virtual
3.2.2. Características
a) Permite formular preguntas directamente a los sujetos diana, que son los
adecuados en función del objetivo pretendido. Esta característica otorga a la
metodología selectiva entidad en sí misma, diferenciándola claramente de la
metodología observacional, que recoge la información mediante el registro sin que
intervenga para nada el individuo observado, y de la metodología experimental, en
la cual hay un elevado grado de dominio y control de la situación por el investigador
de la obtención de información.
https://campusformacion.net/nuevocampus/impresioncurso.php 128/172
11/12/21 14:12 Campus Virtual
Dado que la metodología selectiva posee sus propias características que le otorgan
entidad propia, también presenta un procedimiento particular que la diferencia de la
metodología experimental.
Ante estas aproximaciones hoy podemos concluir que el proceso completo de aplicación
de la metodología selectiva contempla las siguientes fases:
La entrevista
https://campusformacion.net/nuevocampus/impresioncurso.php 131/172
11/12/21 14:12 Campus Virtual
Según la situación
https://campusformacion.net/nuevocampus/impresioncurso.php 132/172
11/12/21 14:12 Campus Virtual
El cuestionario
Los criterios más útiles para clasificar los tipos de cuestionario son: cientificidad,
forma de administración, contenido, dimensión temporal y tipo de preguntas.
Según la cientificidad
https://campusformacion.net/nuevocampus/impresioncurso.php 133/172
11/12/21 14:12 Campus Virtual
https://campusformacion.net/nuevocampus/impresioncurso.php 134/172
11/12/21 14:12 Campus Virtual
https://campusformacion.net/nuevocampus/impresioncurso.php 135/172
11/12/21 14:12 Campus Virtual
Preguntas abiertas
Preguntas cerradas
De hechos
De acción
De información
De intención
De opinión
De escalas subjetivas
Respuestas abiertas
Respuestas escalares
Respuestas de clasificación
Respuestas categorizadas
Preguntas filtro
Preguntas de sinceridad
Preguntas de consistencia
Preguntas de relleno,
Preguntas batería
Preguntas de clasificación
https://campusformacion.net/nuevocampus/impresioncurso.php 136/172
11/12/21 14:12 Campus Virtual
Preguntas directas
Preguntas indirectas
El test
https://campusformacion.net/nuevocampus/impresioncurso.php 137/172
11/12/21 14:12 Campus Virtual
Un test psicométrico puede ser el que se aplica en el ámbito laboral para escoger
entre candidatos, a los más aptos para ocupar cargos vacantes en las empresas.
La escala de apreciación
https://campusformacion.net/nuevocampus/impresioncurso.php 138/172
11/12/21 14:12 Campus Virtual
https://campusformacion.net/nuevocampus/impresioncurso.php 140/172
11/12/21 14:12 Campus Virtual
https://campusformacion.net/nuevocampus/impresioncurso.php 141/172
11/12/21 14:12 Campus Virtual
c) Muestreo sistemático.
e) Muestreo por rutas aleatorias. En aquellos casos en que interese obtener una
muestra aleatoria de una población para una entrevista cara a cara y no se disponga
de la información precisa que identifique las unidades a seleccionar.
El principio básico que rige las rutas aleatorias es el de conseguir una selección
objetiva, en el sentido de que la selección de un encuestado concreto y no de otro
no depende del encuestador que realiza la selección (Manzano Arrondo y González
Gómez, 1998). De aquí que se objetiven los diversos momentos en los cuales deben
adoptarse decisiones, como son los de punto de partida en la zona, sentido de la
marcha desde el punto de partida, selección de un edificio, selección de una
vivienda dentro del edificio y selección de un posible encuestado dentro de la
vivienda.
b) Muestreo de voluntarios
https://campusformacion.net/nuevocampus/impresioncurso.php 143/172
11/12/21 14:12 Campus Virtual
f) Muestreo por bola de nieve (Noelle, 1970), según el cual se comienza por
encuestar a unos pocos seleccionados, sea por su condición de expertos o por
criterios de disponibilidad, aumentando progresivamente el tamaño de la
muestra hasta completar la cantidad prefijada.
Si se hace una asociación entre variables, los resultados servirán de base para
tomar decisiones y se quieren generalizar datos a la población con una estimación
precisa del error. PROBABILISTICA.
https://campusformacion.net/nuevocampus/impresioncurso.php 144/172
11/12/21 14:12 Campus Virtual
Ahora bien, la observación sin más no puede ser considerada como método científico. En
la observación científica las percepciones no son casuales u ocasionales, no se
comprueban los hechos tal y como se presentan espontáneamente, sino que se utilizan
hipótesis manifiestas, existe intencionalidad de buscar una relación entre dos o más
variables en base a una teoría. A pesar de ello, existen ocasiones en las que se pueden
obtener observaciones científicas por azar, descubrimientos realizados por accidente,
casualidad, inesperados y afortunados, de cosas que no se están buscando ni
investigando, pero que son la solución para otro problema que se tenía, es la denominada
serendipia o serendipity.
La observación es, por tanto, un instrumento básico para el logro empírico de nuestros
objetivos, constituye uno de los aspectos importantes del método científico.
https://campusformacion.net/nuevocampus/impresioncurso.php 145/172
11/12/21 14:12 Campus Virtual
El método observacional se lleva a cabo siguiendo una serie de fases que coinciden con
las de la investigación científica en general:
b) Codificación y registro.
En función de la sistematización.
https://campusformacion.net/nuevocampus/impresioncurso.php 146/172
11/12/21 14:12 Campus Virtual
https://campusformacion.net/nuevocampus/impresioncurso.php 147/172
11/12/21 14:12 Campus Virtual
https://campusformacion.net/nuevocampus/impresioncurso.php 148/172
11/12/21 14:12 Campus Virtual
Una vez elegida la situación a observar y establecidas las hipótesis debemos pasar en
primer lugar a la definición de las conductas a observar tan operacionalmente como sea
posible, en segundo lugar debemos elegir indicadores o categorías que se utilizarán para
anotar la conducta pasando posteriormente a su registro (realizado generalmente por
más de un observador). En último lugar, examinaremos la fiabilidad de los datos
observacionales comparando los registros realizados por los observadores. El ideal
común a todos los observadores es que la observación sea objetiva. El uso de técnicas e
instrumentos de registro contribuye de manera importante a aumentar esta objetividad
ya que nos permite perfeccionar las respuestas perceptivas y obtener registros
adecuados. Son muchos los instrumentos utilizados en la observación: videos,
magnetófonos, etc.
El tipo de soporte o instrumento utilizado para la recogida de los datos está conexionado
con la metodología aplicada (Losada, 1993). Dentro del ámbito de la metodología
experimental, el laboratorio y las ‘máquinas de medir’ constituyen las dos piezas claves
para la medición. La metodología cuasi experimental suele basar la recogida de datos en
los cuestionarios, entrevistas y encuestas y la metodología observacional requiere del
observador apoyado por instrumentos mecánicos (sistemas de codificación y plantillas de
registros) y tecnológicos (soportes magnéticos como magnetófono, vídeo, foto y
memorias portátiles).
https://campusformacion.net/nuevocampus/impresioncurso.php 149/172
11/12/21 14:12 Campus Virtual
a) Registros de intervalos.
b) Registro de Evento
Es un registro o conteo de los eventos tal y como estos ocurren. Anotar el número
de veces que ocurre es una técnica de registro observacional frecuentemente
utilizada. Algunos ejemplos de estos registros incluyen un conteo del número de
respuestas correctas o erróneas de un estudiante, el número de personas que
empujan un auto, el número de veces que un estudiante llega tarde, el número de
accidentes laborales en una fábrica. Aunque un lápiz y papel son suficientes para
hacer registros de eventos, los siguientes aspectos facilitarían el proceso:
contadores digitales, pizarras, ..
c) Registro de Duración.
d) Registro de Latencia
https://campusformacion.net/nuevocampus/impresioncurso.php 152/172
11/12/21 14:12 Campus Virtual
podría ser lento en seguir las instrucciones del maestro. La latencia de respuesta
sería la cantidad de tiempo entre el momento en que el profesor termina de dar la
instrucción y cuando el estudiante comienza a obedecer. El interés también puede
enfocarse a la latencia que es muy corta. En este caso, un estudiante daría
respuestas incorrectas pues no espera a que el profesor termine la pregunta. El
procedimiento para el registro de latencia es similar al registro de duración. Ambos
reportan datos de la dimensión temporal de la conducta, ambos utilizan el mismo
procedimiento de medición y ambos requieren una identificación precisa del
fenómeno registrado.
La fiabilidad de los datos depende así de muchos factores y no sólo del propio
sistema de registro empleado (Suen y Ary, 1989).
https://campusformacion.net/nuevocampus/impresioncurso.php 153/172
11/12/21 14:12 Campus Virtual
https://campusformacion.net/nuevocampus/impresioncurso.php 154/172
11/12/21 14:12 Campus Virtual
Para algunos factores que permanecen inalterables en el tiempo como sexo o grupo
sanguíneo, este tipo de estudios proveen evidencias de asociación estadística
válidas, sin embargo para variables generales no permiten plantear asociación.
https://campusformacion.net/nuevocampus/impresioncurso.php 155/172
11/12/21 14:12 Campus Virtual
https://campusformacion.net/nuevocampus/impresioncurso.php 156/172
11/12/21 14:12 Campus Virtual
Los "controles" también pueden ser de tipo poblacional, es decir tomados al azar a
partir de la población general; hospitalarios, elegidos al azar desde población
hospitalaria, de clínicas o consultorios; y los denominados controles especiales,
entre los que se encuentran parientes, amigos o vecinos de los casos. Sin embargo,
sin importar la fuente obtención de los controles, es fundamental considerar los
siguientes hechos: la muestra de controles debe pertenecer a la población fuente
de los casos, debe existir exactitud comparable en la medición de la exposición en
estudio, y se han de minimizar las variables extrañas (variables que pueden alterar
o confundir la asociación en estudio). Por otro lado, se ha de considerar el problema
del número necesario de controles por cada caso; y es así que en general se tiende a
pensar en una relación de 1:1 (es decir un control por cada caso), sin embargo, esta
relación variará dependiendo de la disponibilidad de casos y controles. El tamaño
de muestra más pequeño se obtiene cuando la proporción de casos:controles es
1:1; sin embargo, cuando hay poca disponibilidad de unos u otros, se puede utilizar
una relación distinta (1:2, 1:3 ó 1:4), tomando en cuenta que el total de sujetos en la
muestra se incrementará.
https://campusformacion.net/nuevocampus/impresioncurso.php 157/172
11/12/21 14:12 Campus Virtual
Pero, aunque los controles hospitalarios son los más comúnmente utilizados,
debido a su disponibilidad; se ha de considerar que pueden estar tan o más
enfermos que los casos, y tener patologías de algún modo relacionadas con la
entidad en estudio, que actuarán como variables extrañas. Por otra parte los
controles poblacionales podrían ser los ideales, pues en general se encuentra libres
de influencias relacionadas con la salud, pero su interés por participar en estudios
científicos en general no es adecuado, razón por la que con ellos se corre el riesgo
de incurrir en sesgos de medición (calidad de la información aportada). Finalmente
los controles especiales (familiares o amigos de los casos), podrían ser perfectos,
pues al estar cerca del caso suelen tener interés en colaborar en estudios
relacionados con la enfermedad o evento que afecta a su pariente o conocido, pero
al mismo tiempo, con ellos se corre el riesgo del sobre reporte de información, o
incluso que por vivir en el mismo sector estén expuestos al o a los mismos factores
de exposición en estudio. No obstante las consideraciones previas, es importante
tener en cuenta la importancia de una buena definición de los casos y los controles,
utilizar técnicas de emparejamiento (por sexo, edad, peso, estatura, etc.), y
considerar también que en ocasiones puede ser necesario utilizar un segundo o
tercer grupo de controles o controles de un origen diferente (por ejemplo, un grupo
de controles hospitalarios y otro del consultorio adosado, situación en la que la
finalidad es comparar la fuerza de asociación entre los casos y los controles de un
grupo; y los casos y los controles del otro grupo para posteriormente comparar los
resultados) (Wacholder cols., 1992a, 1992b; Newman y cols.,1997).
https://campusformacion.net/nuevocampus/impresioncurso.php 158/172
11/12/21 14:12 Campus Virtual
Otro aspecto tiene que ver con la definición de la exposición. Una vez definida la
exposición todos los sujetos potenciales deben estar libres de la enfermedad o
evento al ingresar al estudio. Todos los sujetos elegibles deben ser seguidos por un
periodo de tiempo predeterminado para evaluar la ocurrencia de la enfermedad o
evento.
https://campusformacion.net/nuevocampus/impresioncurso.php 159/172
11/12/21 14:12 Campus Virtual
https://campusformacion.net/nuevocampus/impresioncurso.php 160/172
11/12/21 14:12 Campus Virtual
Se define como cohorte bidireccional a aquella en la que los datos son recolectados
tanto de forma prospectiva como retrospectiva; pudiendo ser de utilidad cuando la
exposición en estudio tiene efectos tanto a corto como a largo plazo. Son
especialmente útiles para estudiar exposiciones raras a factores ocupacionales o
ambientales.
https://campusformacion.net/nuevocampus/impresioncurso.php 161/172
11/12/21 14:12 Campus Virtual
Bibliografía
Bibliografía
- Boring, E.: The nature and history of experimental control. American Journal of
Psychology, 67, 573-589 (1954)
- O’Neil, W. (1968). Introducción al método en psicología (2ª ed.). Buenos Aires: Eudeba
https://campusformacion.net/nuevocampus/impresioncurso.php 162/172
11/12/21 14:12 Campus Virtual
- Ryan, G.W. y Bernard, H.R. (2003) Data management and analysis methods. En N.K.
Denzin y Y.S. Lincoln (eds.) Collecting and interpreting qualitative materials. (2a ed.). (pp.
259-309). Thousand Oaks, CA: Sage.
- Sofaer, S. (1999). Qualitative methods: What are they and why use them? HSR: Health
Services Research, 34, 1101-1117
- Anderson, S., Auquier, A., Hauchk, W.W., Oakes, D, Vandeale, W., y Weisberg, H. (1980).
Statistical methods for comparative studies. New York:
https://campusformacion.net/nuevocampus/impresioncurso.php 163/172
11/12/21 14:12 Campus Virtual
- Hedrick, T., L. Bickman y D. Rog. (1993). Applied research design. A practical guide.
Newbury Park: Sage
- Pedhazur, E.J. y Schmelkin, L.P. (1991). Measurement, desing, and análisis. Hillsdale, NJ:
Lawrence Erlbaum Associates.
- Rogosa, David; Brandt, David; Zimowski, Michele. (1982). A growth curve approach to
the measurement of change. Psychological Bulletin.
- Bisquerra, R. (1989). Métodos de investigación educativa: Guía práctica. (1ª. Ed. pp-55-
69). Barcelona: CEAC
- Brinberg, D. & McGrath, J.E. (1985). Validity and the research process. Beverly Hills, Ca.:
Sage.
https://campusformacion.net/nuevocampus/impresioncurso.php 164/172
11/12/21 14:12 Campus Virtual
- Buendía Eisman, L., Colás Bravo, M.P. y Hernández Pina, F. (1998). Métodos de
investigación en psicopedagogía. Madrid: McGraw-Hill.
- Colás Bravo, M.P. (1992). Los métodos correlacionales. En M.P. Colás Bravo y L. Buendía
Eisman, Investigación Educativa (pp. 155-176). Sevilla: Alfar.
- Fowler, F.J., Jr. (1993). Survey research methods. Newbury Park, Ca.: Sage.
https://campusformacion.net/nuevocampus/impresioncurso.php 165/172
11/12/21 14:12 Campus Virtual
- Padilla García, J.L., González Gómez, A. y Pérez Meléndez, C. (1998). Elaboración del
cuestionario. En A.J. Rojas Tejada, J.S. Fernández Prados y C. Pérez Meléndez (Eds.),
Investigar mediante encuestas. Fundamentos teóricos y aspectos prácticos (pp. 115-
140). Madrid: Síntesis.
- Pérez Meléndez, C., Rojas Tejada, A.J. y Fernández Prados, J.S. (1998). Introducción a la
investigación social. En A.J. Rojas Tejada, J.S. Fernández Prados y C. Pérez Meléndez
(Eds.), Investigar mediante encuestas. Fundamentos teóricos y aspectos prácticos (pp.
17-29). Madrid: Síntesis.
- Manterola M, Page J, Vasco C, Berrios S, Parra MT, Viera A, Rufas JS, Zuccotti M,
Garagna S, Fernandez-Donoso R (2009) A high incidence of meiotic silencing of
unsynapsed chromatin is not associated with substantial pachytene loss in heterozygous
male mice carrying multiple simple robertsonian translocations.
https://campusformacion.net/nuevocampus/impresioncurso.php 166/172
11/12/21 14:12 Campus Virtual
- Suen, H.K. & Ary, D. (1989) Analyzing quantitative behavioral observation data.
Hillsdale, N.J.: Lawrence Erlbaum Associates
- Sackett, D. L.; Haynes, R. B.; Guyatt, G. H. & Tugwell, P. Epidemiología Clínica: Ciencia
básica para la medicina clínica. Buenos Aires, Médica Panamericana, 1994.
- Steven, R.; Cummings, S. R.; Ernster, V. & Hulley, S. B. Designing an observational study:
Cohort studies. In: Hulley, S. B. & Cummings, S. R. (Eds.). Designing clinical research. 2nd
ed. Philadelphia, Lippincott Williams and Wilkins, 2001. pp.95-106
https://campusformacion.net/nuevocampus/impresioncurso.php 167/172
11/12/21 14:12 Campus Virtual
Casos prácticos
EJERCICIO 1
En los ejemplos siguientes, identifica las variables dependientes e
independientes.
Enviar al tutor
El plazo de realización y envío al equipo docente de los ejercicios y casos prácticos deberá realizarlo al menos 5
días antes de la fecha de fin de convocatoria del curso.
Le recordamos que estos ejercicios y casos prácticos son voluntarios y no repercutirán en la evaluación de la
acción formativa.
https://campusformacion.net/nuevocampus/impresioncurso.php 168/172
11/12/21 14:12 Campus Virtual
EJERCICIO 2
Enviar al tutor
El plazo de realización y envío al equipo docente de los ejercicios y casos prácticos deberá realizarlo al menos 5
días antes de la fecha de fin de convocatoria del curso.
Le recordamos que estos ejercicios y casos prácticos son voluntarios y no repercutirán en la evaluación de la
acción formativa.
EJERCICIO 1
https://campusformacion.net/nuevocampus/impresioncurso.php 169/172
11/12/21 14:12 Campus Virtual
Enviar al tutor
El plazo de realización y envío al equipo docente de los ejercicios y casos prácticos deberá realizarlo al menos 5
días antes de la fecha de fin de convocatoria del curso.
Le recordamos que estos ejercicios y casos prácticos son voluntarios y no repercutirán en la evaluación de la
acción formativa.
EJERCICIO 1
https://campusformacion.net/nuevocampus/impresioncurso.php 170/172
11/12/21 14:12 Campus Virtual
Enviar al tutor
El plazo de realización y envío al equipo docente de los ejercicios y casos prácticos deberá realizarlo al menos 5
días antes de la fecha de fin de convocatoria del curso.
Le recordamos que estos ejercicios y casos prácticos son voluntarios y no repercutirán en la evaluación de la
acción formativa.
https://campusformacion.net/nuevocampus/impresioncurso.php 171/172
11/12/21 14:12 Campus Virtual
https://campusformacion.net/nuevocampus/impresioncurso.php 172/172