Documentos de Académico
Documentos de Profesional
Documentos de Cultura
net/publication/366412877
CITATIONS READS
0 1,230
3 authors:
SEE PROFILE
Some of the authors of this publication are also working on these related projects:
All content following this page was uploaded by Cesar Arbulu on 20 December 2022.
Norma estándar en
ingeniería como
equivalente de
operacionalización
de variables
El principio del fin de la intrusión de los metodólogos
sociales, en la ingeniería en Latinoamérica
UNSAAC-2023
Artículo de revisión narrativa preparado para la Revista Yachay de la Universidad Andina del Cusco.
Autores:
César Arbulú Jurado 1
cesar.arbulu@unsaac.edu.pe
José Ronald Aguilar Huerta1
jose.aguilar@unsaac.edu.pe
José Humberto Cabezas Mancilla1,2
jose.cabezas@unsaac.edu.pe
Resumen.
¿Cuál es la unidad de medida del amor, del odio, de la envidia, de la felicidad, del racismo?
De la Puente (2007)
Luego, se explican y definen las normas técnicas de ingeniería y su vínculo con el diseño
experimental, proponiéndose que, en lugar de implementar el llamado cuadro de
operacionalización de variables, se defina la “plantilla de diseño experimental”, esto en
investigaciones en geotecnia par aquellas que tengan el método experimental como estrategia de
recolección de datos.
Seguidamente, se tratan los temas de metrología y los principios que rigen la medición de
variables en psicología desde el punto de vista de la psicometría, haciendo énfasis en el tipo de
variables que ambas miden: concretas la una y abstractas la otra.
Se plantean la siguiente reflexión ¿Hasta cuándo las guías y manuales de formulación de tesis en
el Perú van a exigir la “operacionalización” en los casos en que ésta no es pertinente?
Palabras clave: norma técnica, ingeniería civil, investigación, definición operativa, geotecnia.
1
Docente de la maestría en Ingeniería Civil de la Universidad Nacional de San Antonio Abad del Cusco, Perú. Semestre 2022-I.
2
Docente de pregrado en Ingeniería Civil de la Universidad Andina del Cusco.
1
Abstract
What is the unit of measurement of love, hate, envy, happiness, racism?
Bridge (2007)
2
1. Introducción.
El objetivo del presente trabajo fue indagar los orígenes del proceso de operacionalización
de variables, puntualizando su estrecho vínculo con la práctica de investigación en las
ciencias sociales. Además, se define el proceso de operacionalización de variables según
diversos autores, sobre todo, desde la perspectiva de la psicología, la educación y la
sociología. Una segunda parte discute el concepto de las normas técnicas estándar
relacionadas a la ingeniería en general, y particularmente a la ingeniería civil geotécnica.
Seguidamente, en un tercer acápite se manifiestan los conceptos de metrología y psicometría
como una manera de contrastar los distintos enfoques en la forma de medir los objetos de
estudio en las disciplinas de las Ciencias Sociales y de la ingeniería. Finalmente, se plantea
la equivalencia del concepto de operacionalización de variables con los estándares de
ingeniería, describiéndolos en tres niveles: a) estándar completamente equivalente a la
operacionalización; b) estándar semi equivalente con adaptaciones y; c) operacionalización
completa a falta de estándar de ingeniería.
2. Revisión de la literatura
La revisión de literatura se llevó a cabo de manera semi sistemática, buscando los conceptos
a tratar en los libros de texto más actuales en los temas de: investigación científica,
estadística, psicología y sociología. La discusión central está en el hecho de comparar la
utilidad de la operacionalización de variables dentro de las ciencias sociales y su inutilidad
en la definición de variables que ya poseen estándares consensuados en la ingeniería civil
geotécnica.
https://www.administrac
Universidad de Manual para la elaboración de las ion.usmp.edu.pe/wp-
San Martín de tesis y los trabajos de content/uploads/2020/06 2017 SI
/MANUAL-ELAB-
Porres investigación (p. 12) TESIS-Y-TRAB-
INVEST.pdf
Universidad http://www.unfv.edu.pe/
Anexo VI, estructura de plan de
Nacional eupg/images/servicios/gr
tesis ados_titulos/2019/RES- 2018 SI
Federico
(p. 19, 20) R-4211-2018-CU-
Villareal UNFV.pdf
3
Fecha del Exige
Universidad Nombre del documento Fuente document operaciona-
o lización
PROGRAMA” - RESOLUCIÓN aprueba-guia-de-
elaboracion-de-
DE VICERRECTORADO DE productos-de-
INVESTIGACIÓN N°110-2022- investigacion-de-fin-de-
VI-UCV (p. 14) programa/28711349
4. La operacionalización de variables.
4.1. Historia de la operacionalización de variables: el operacionismo.
“Puedes medir muchas cosas con una regla, pero la felicidad [de una arcilla] no es una de ellas”
(Schacter et al., 2009).
4
Segunda Guerra Mundial, pero se reorganizó con el nombre actual, ISO, en 1946 (ISO,
2022).
El desarrollo de las ciencias estuvo nutrido por cambios sociales como la segunda
guerra mundial en la primera mitad del siglo XX. Aquella época estuvo dominada por
un pensamiento naturalista que priorizaba propuestas empíricas y métodos
matemáticos y físicos (Cordero, 2017). Las definiciones operacionales emanaron de
un movimiento conocido como operacionismo, iniciado en 1927 por el físico premio
Nobel P. W. Bridgman, basado en el concepto de Einstein acerca de la simultaneidad,
y descrito en su obra “The Logic of Modern Physics”.
El supuesto básico del operacionismo es que las definiciones convenientes de las
variables con que trata una ciencia son obligación indispensable para su avance. Sin
embargo, el término “definición operacional” fue apropiado por los psicólogos,
basándose en la obra de Bridgman (McGuigan, 1996). Así, se fija el concepto de
longitud cuando se establecen las operaciones por medio de las cuales se mide la
longitud: es decir, el concepto de longitud contiene tanto como, pero no más que el
conjunto de operaciones por las cuales la longitud es determinada (Bridgman, 1958).
En 1946, el psicólogo norteamericano S.S. Stevens plantea su Teoría de las Escalas de
Medición, con la cual trata de responder la pregunta de la Asociación Británica del
Avance de la ciencia: ¿Es posible medir las sensaciones humanas? A su vez, plantea
el dilema: ¿Cuáles son las reglas, si las hay, bajo las cuales se asignan los numerales
en las mediciones? Concluyendo que sus escalas propuestas (nominal, ordinal, de
intervalos y de razón) nos dan a entender que todas las escalas pertenecientes al mismo
grupo matemático son igualmente precisas, certeras, útiles o fundamentales,
justificando su posición en que ninguna escala usada por mortales está perfectamente
libre de error.
Antes de 1970, los diagnósticos psiquiátricos eran alarmantemente imprecisos, tan
pronto como esta situación caótica se hizo evidente, la comunidad de investigación
clínica acordó que se requerían definiciones operativas, al menos para todos los
síndromes principales. Esencialmente, una definición operativa o semántica es una
declaración o un conjunto de declaraciones que explican con precisión ¿qué
combinaciones de síntomas y conductas son adecuadas para establecer un diagnóstico?
(Wright, 2015).
Russel Ackoff (1962) pionero de las ciencias administrativas afincado en los setentas
en México, ya planteaba el proceso de operacionalizar variables. En 1972 el
investigador en educación Tuckman introduce el término “operational definitions” en
su libro: “Conducting Educational Research”. El sociólogo Paul Davidson Reynolds
(1971), luego de considerar las características deseables del conocimiento científico y
los paradigmas, examina la naturaleza de los conceptos y declaraciones. Se explora la
utilidad de conceptos abstractos frente a conceptos concretos y la medición y
cuantificación de conceptos.
La referencia más antigua en idioma español acerca de la operacionalización de
variables corresponde al educador Mario Tamayo (1981), luego, la licenciada en
enfermería Beatriz Pineda (1986), quien es autora de artículos científicos en áreas
como: recursos humanos, enfermería, salud, educación. Luego, este término se
encuentra en la obra del educador venezolano Luis Bravo Jauregui (1987).
5
Figura 1
Línea de tiempo de la operacionalización de variables.
1927
1860 1962 1972
Bridgman inicia 1981
Fechner equipara el 1898 1901 Tuckman
la corriente del Ackoff plantea el Tamayo introduce el
error de los sentidos Se parueba el introduce el
Charles Dudley Operacionismo, concepto de término
humanos a los primer estándar término
forma el ASTM al cual se operacionalizar "operacionalización
instrumentos de de ingeniería "operational
adhieren los variables de variables"
medición definitions"
psicólogos
6
a un concepto cuantificable, para lo cual se deben precisar sus dimensiones; esto es,
el rango de valores que pueda tomar, a fin de hacer más fácil la recolección (Bauce et
al., 2018).
El sociólogo mexicano Raúl Rojas (2010), plantea que es posible que algunos
conceptos teóricos, en comparación con otros, requieran de un mayor número de
niveles de intermediación para contar con referentes empíricos, lo cual se debe a que
no todos los conceptos se encuentran en el mismo nivel de abstracción. Existen, en
cambio otros indicadores que no pueden investigarse directamente por lo que deben
realizarse algunas operaciones para bajar su nivel de abstracción y poder recabar la
información empírica.
Figura 2
Operacionalización de una variable.
Variable
Dimensiones
Indicadores
Items o preguntas
(reactivos)
7
los valores que se obtienen no son idénticos en todos los elementos medidos (Pardo et
al., 2009).
En ciencias de la salud a veces se define como variable a un hecho o fenómeno de
interés o un objeto a investigar, a fin de poder analizar y evaluar las condiciones en
que se produce tal hecho (Macchi, 2019).
Al estudiar poblaciones y muestras, el investigador se enfoca en una o más
características o propiedades de las unidades experimentales en la población. La
ciencia de la estadística se refiere a estas características como variables (Mendenhall
& Sincich, 2016).
Los psicólogos y los científicos sociales enfrentan desafíos particulares al lidiar con
las mediciones, porque los fenómenos de su estudio son intangibles, altamente
adaptativos y complejos, y están sujetos a reglas menos rigurosas que los explorados
en otros campos (Hossenfelder, 2018). Por lo tanto, las tecnologías de medición de las
ciencias físicas y la ingeniería no se pueden aplicar. Además, como todas las personas
son individuos y miembros de comunidades sociales, los científicos [sociales] que
exploran estos fenómenos no pueden ser independientes de sus objetos de
investigación. Esto conlleva riesgos particulares de introducir sesgos egocéntricos y
etnocéntricos (Uher, 2018).
8
Ejemplo en geotecnia (Arbulú,
Variable Concepto
2022)
Variable que puede cambiar en respuesta a cambios en
otras variables; resultado observado o resultado de la
Dependiente (VD),
manipulación de otra variable (Saunders et al., 2019). Cohesión del suelo producto de su
respuesta, observada
También denominada variable objetivo, es una variable estabilización.
u objetivo
que se estima o predice usando una ecuación de regresión
(Ahmed & Pathan, 2016).
Una variable ubicada entre las variables independientes y Número de golpes de martillo
Interviniente o
dependientes, que transmite el efecto entre ellas (IV → Proctor al determinar el contenido
Mediadora (MV)
MV → DV). óptimo de humedad de un suelo.
El volumen del molde Proctor
Moderadora o de Se introduce una nueva variable que afectará la naturaleza
durante el ensayo (4” o 6”) según la
respuesta seundaria de la relación entre el IV y el DV.
granulometría del suelo.
Variables adicionales observables y medibles que deben
mantenerse constantes para evitar que influyan en el
El número de horas de reposo de un
efecto de la IV en la VD. En un diseño experimental u
suelo antes del ensayo de límite
A controlar observacional, el término variable a controlar se refiere a
líquido por el método de
las que no son de interés principal; y, por lo tanto,
Casagrande.
constituyen un factor extraño cuya influencia debe
controlarse o eliminarse (Frey, 2022).
Variables extrañas pero difíciles de observar o medir que
potencialmente pueden desmejorar las inferencias
Confusas, difíciles extraídas entre el IV y el DV. Debe tenerse en cuenta al
La viscosidad de un suelo durante el
de controlar o discutir los resultados para evitar conclusiones falsas
ensayo de Proctor modificado.
latentes. (Saunders et al., 2019). Casi todas las relaciones entre dos
variables dependen de variables latentes de entorno
(Moore, 2005).
9
Ejemplo en geotecnia (Arbulú,
Variable Concepto
2022)
dispositivo para clasificar datos en categorías mutuamente
excluyentes, como masculino o femenino (Gujarati &
Porter, 2003).
La apertura de un tamiz
Aquellas cuyo análisis estadístico se realiza con los datos estandarizado para el ensayo de
Sin transformación
recolectados sin mayor transformación. granulometría, medida en
milímetros.
El logaritmo de la medida de la
Aquellas que requieren algún tipo de transformación
apertura de un tamiz estandarizado
(logarítmica, exponencial, de potencia, etc.) para mejorar
Transformada para el ensayo de granulometría
su ajuste a la normalidad y maximizar su ajuste a una
para representar la curva
curva. Se suele evaluar mediante un gráfico Box-Cox.
granulométrica
Según su escala de medición (Cooper & Schindler, 2014) (Stevens, 1946) (Daniels & Minot, 2020) (Wang
& vom Hofe, 2007) (Levine et al., 2020) (Myatt, 2006)
Usadas ampliamente en las ciencias sociales, se refiere a
una variable que naturalmente o por diseño, se puede
agrupar en dos o más categorías que son mutuamente
excluyentes y colectivamente exhaustivas. No sugieren
Nominal una relación de orden o distancia y no tienen origen Tipo de suelo según SUCS
aritmético. En las ciencias sociales y de la salud es
frecuente encontrarse con variables categóricas. Son
variables de las que únicamente es posible obtener una
medida de tipo nominal (Pardo et al., 2009).
Incluyen las características de la escala nominal más una
indicación de orden. Los datos ordinales requieren
conformidad con un postulado lógico, que establece: Si a
es mayor que b y b es mayor que c, entonces a es mayor Tamaño de las partículas de suelo:
Ordinal que c (Cooper & Schindler, 2014). Las escalas para medir limo, arena fina, arena gruesa, grava
actitudes, satisfacción, habilidades, emociones, calidad de fina, grava gruesa, bolonería, etc.
vida, estado de salud percibido, etc., son, en teoría,
mediciones ordinales y, por tanto, variables también
ordinales (Pardo et al., 2009).
Las escalas de intervalo tienen el poder de los datos
Número de golpes de la cuchara de
Intervalo o nominales y ordinales, más una fortaleza adicional:
Casagrande durante el ensayo de
intervalar incorporan el concepto de igualdad de intervalo. El
límite líquido.
tiempo del calendario es de tal escala.
Las escalas de razón incorporan todas las potencias de las
anteriores escalas, y adicionalmente la provisión de una
Razón definición para el cero absoluto u origen. Las medidas de Contenido de humedad de un suelo.
dimensiones físicas como el peso, la altura, la distancia y
el área son ejemplos.
Las variables categóricas con dos posibles valores (p. ej.,
Dicotómica muerto o vivo) se denominan dicotómicas (Hulley et al., Suelo saturado, suelo no saturado.
2014).
Según la consecuencia de la técnica sobre el fenómeno que miden, adaptado de Webster (1998):
Es aquella variable que resulta de una medición que
destruye el original objeto exacto en el que es aplicado,
alterando sus propiedades físicas, químicas o su geometría
Destructiva o
primigenia. Una variable de este tipo no se puede tomar Grado de compactación utilizando
invasiva o no
más de una vez del mismo punto y del mismo objeto. un cono de arena
repetitiva
Cuando la parte (característica) que se mide es destruida
por el acto de medir, el proceso se conoce como medición
destructiva (Chrysler Group LLC, 2010).
No invasiva y no Son variables que provienen de un procedimiento de Grado de compactación reportado
destructiva o medición que no impide el posterior uso del objeto por un densímetro nuclear
repetitiva medido, es decir no lo destruye a causa de la medición. Se
10
Ejemplo en geotecnia (Arbulú,
Variable Concepto
2022)
puede repetir la medición más de una vez usando
exactamente el mismo objeto medido.
Según el modelo de ingeniería que pretenden representar (Montgomery & Runger, 2018)
Son las que se construye a partir de nuestro conocimiento
Mecanísticas subyacente del mecanismo físico básico que relaciona las Presión = fuerza / área
variables.
Es aquella variable producto de la utilización del
conocimiento científico y de ingeniería del fenómeno, La ecuación de la capacidad
Empíricas pero no se desarrolla directamente a partir de la portante de Terzaghi para una
comprensión teórica o de los principios primarios del cimentación cuadrada.
mecanismo subyacente.
11
Ejemplo en geotecnia (Arbulú,
Variable Concepto
2022)
Pueden construirse sobre la base de inter correlaciones de Percepción de los pobladores de que
Factoriales elementos que indican que un factor común explica la un deslizamiento de tierra está
relación entre los elementos. asociado a una lluvia intensa.
Cuando solo se mida un carácter o dato de los elementos Peso de una muestra (peso del a
Unidimensional
de la muestra. muestra).
Resistencia compresiva no
Multidimensional o Cuando se estudien simultáneamente varios caracteres de confinada de una muestra de suelo
n-dimensional cada elemento. (Presión, área, deformación
unitaria).
Según el modelo que la variable quiera representar (Fellows & Liu, 2008).
Obtenidas desde la lógica y el simbolismo pero que Teoría de Von Mises para la
Modelo formal
representan objetos físicos distorsión máxima de energía.
12
Ejemplo en geotecnia (Arbulú,
Variable Concepto
2022)
No cambia con el tiempo las medidas en los t1, t2, t3… tn La gravedad específica de una
Estable
son iguales. caolinita industrial homogénea.
Aunque los niveles de medición de Stevens (1946) son ampliamente utilizados en las
ciencias sociales, es importante señalar que no todos los expertos están de acuerdo con
sus conceptualizaciones. En particular, Joel Michell (1986, 1997) ha argumentado con
fuerza que la definición de medida de Stevens no se adhiere a las reglas de la estructura
cuantitativa (Bandalos, 2018).
Conforme se aprecia, existen múltiples formas de clasificar las variables, aunque unas
más que otras son útiles en ingeniería; la mayoría proviene de las ciencias sociales y
su empeño en adaptarse al método positivista tratando de usar procedimientos
estadísticos avanzados.
13
líquido de una arcilla” es todo lo contrario, pues tiene mayor intención y menor
extensión siendo, en este sentido, un concepto más concreto. Esta noción se puede
apreciar en la Figura 3.
Figura 3
Niveles de abstracción y concreción de una variable.
− Se trabaja con eventos que ya han sido definidos por una diversidad autores en
términos de sus sinergias o dimensiones, de manera similar y existen tablas de
operacionalización [estándares] ya construidas para tal fin.
14
necesita ser operacionalizada, o, mejor, la operacionalización es mucho más sencilla
(Alva, 2014).
Algunas variables son tan concretas, o de igual significado en el ámbito mundial, que
no requieren operacionalización, por ejemplo: el sexo de los individuos, los colores
del semáforo como señal de tránsito, la ubicación o estructura de órganos en el cuerpo
humano, entre otros (Apolaya, 2012).
En busca de objetividad, los científicos que realizan investigaciones intentan
operacionalizar sus variables. Una definición operativa nos da el conjunto de
actividades necesarias para medirla. Es como un conjunto de instrucciones. Por
ejemplo, en física, la presión se define con precisión como peso o masa por unidad de
área. Para medir la presión tenemos que averiguar el peso que incide sobre un área y
dividir por esa área, es todo.
Incluso al medir la altura de una persona, si queremos estar de acuerdo con las medidas
de los demás, necesitaremos especificar condiciones tales como ¿qué tomar como la
parte superior de la cabeza? y ¿cómo debe pararse la persona? En general, la altura y
el tiempo no plantean mayor problema ya que las unidades de medida ya están
definidas clara y universalmente. Un ejemplo notorio, dentro de la investigación
psicológica, es la definición de inteligencia, dado que las pruebas de inteligencia
difieren, obviamente no se tiene en psicología el acuerdo universal del que disfrutan
los físicos. Se podría argumentar que los físicos tienen muchas formas de medir la
presión, pero ellos saben qué es la presión
¿No pueden los psicólogos tener varias formas de evaluar la inteligencia? Los físicos
obtienen casi exactamente los mismos resultados con sus diversas formas de medir,
los psicólogos, por otro lado, todavía usan las pruebas para tratar de establecer un
acuerdo sobre la naturaleza de los fenómenos psicológicos en sí. Una definición
operativa nos da un método más o menos válido para medir alguna parte de una
construcción hipotética, que rara vez cubre la totalidad de lo que normalmente se
entiende por ese constructo. Es difícil imaginar una definición operativa que pueda
expresar el significado rico y diverso de la inteligencia humana (Coolican, 2017).
15
generalmente auto reportadas (aplicable a las humanidades). Por ejemplo, un obrero
responsable puede definirse como aquel que está motivado, cumple sus metas, etc.
Muchos investigadores se refieren a las puntuaciones de las pruebas o escalas de
calificación [ej. Likert] como definiciones operativas de propiedad estática. Dichos
instrumentos no constituyen en sí mismos definiciones operativas, pero deben
incorporar definiciones operativas. A medida que una definición operacional aumenta
en exclusividad, gana utilidad, porque transmite progresivamente más información,
permite al investigador excluir objetos o estados no deseados de la consideración y
aumenta la posibilidad de que otros puedan replicar el sentido de la variable.
(Tuckman & Harper, 2012).
Asimismo, Sadegh-Zadeh (2015) plantea seis métodos de definición:
Tabla 3.
Métodos de definición en una investigación.
− Estimar, si este intento de definición cubre los objetivos que se piensa cubrir en
la investigación.
16
− Someter esta definición a una valoración, por parte de expertos.
− Ejecutar una revisión final de la definición con base en las críticas que se reciban.
El educador Mejía (2005) sugiere seguir el proceso siguiente:
7. Mayer-Salovey-Caruso
un conjunto de capacidades, competencias y Emotional Intelligence Tests
habilidades no cognitivas que influyen en la
Psicología
(MSCEIT)
capacidad de uno para tener éxito en hacer frente 8. Self-report Emotional
a las demandas y presiones ambientales Intelligence Test (SREIT)
4. Petrides y Furnham dicen que, más que 9. The Situational Test of
habilidades, destrezas o competencias, la Emotional Management
inteligencia emocional rasgo se refiere a las (STEM)
percepciones de los individuos sobre su propio 10. The Situational Test of
mundo emocional. Emotional Understanding
5. Thorndike dice que la inteligencia emocional es (STEU)
la capacidad de comprender y manejar a 11. Emotional and Social
hombres y mujeres, niños y niñas, para actuar competence Inventory (ESCI)
sabiamente en las relaciones humanas. 12. Customer Emotional
6. Mayer, Caruso y Salovey postularon que la Intelligence Scale (CEIS)
inteligencia emocional comprende cuatro 13. Trait Meta Mood Scale
habilidades que permiten a un individuo: (TMMS)
percibir, usar, comprender y manejar las 14. Workplace Emotional
emociones. Intelligence Profile version 3
(WEIP-3)
1. Casagrande definió el límite líquido de un suelo
Ingeniería civil
Límite líquido
17
su propia teoría y su propia forma de medir, con lo cual acrecienta el caos en su
disciplina.
Por el contrario, en el campo de la ingeniería geotécnica, las variables suelen estar
estandarizadas por comités internacionales que se han puesto de acuerdo desde
mediados del siglo pasado. Por cuestiones prácticas los estándares son adoptados por
los ingenieros sin refutar procedimientos, claro está que, se pueden adaptar, pero se
prefieren seguir rigurosamente con el fin de obtener rigurosidad en los ensayos.
Cabe mencionar aquí qué, el hecho de no ponerse de acuerdo, tanto en la definición
como en la forma de medir algún concepto hace que la parte teórica de una
investigación social, especialmente en una tesis, sea insufriblemente larga; mientras
que, para los ingenieros, este es un tema reducido y secundario, ya que, no es
imaginable que cada cierto tiempo, un ingeniero plantee su propia antojadiza forma
de medir cierto fenómeno físico que ya se encuentra mundialmente estandarizado.
18
dimensión observable del comportamiento. A menudo, un constructo en particular se
vuelve popular y diferentes investigadores intentan diseñar sus propias medidas (véase
la Tabla 4). A medida que crece el número de medidas propuestas del constructo, crece
la sospecha de que es posible que no estén midiendo lo mismo. (Hundleby & Nunnally,
1968).
No podemos mirar a una persona y medir sus actitudes o valores, ni hay ningún
dispositivo similar a una regla o termómetro [teodolito] que podamos usar para
medirlos. En cambio, planteamos la hipótesis de la existencia de entidades teóricas
conocidas como constructos (también llamados constructos latentes, factores o
variables no observadas) para dar cuenta de ciertas características o comportamientos
(Bandalos, 2018).
Un concepto teórico es cualquier concepto más abstracto que una definición operativa,
o procedimiento de medición, que se considera parte de una teoría o potencialmente
útil para su inclusión en una teoría (Reynolds, 2016).
De esta última conclusión surge la parafernalia vinculada la tan famosa “validación”
de los instrumentos de recolección de datos (un lápiz y un papel) que se usa en las
ciencias sociales y en especial en la psicología, la cual es una práctica muy
Latinoamericana.
Por lo expuesto, la operacionalización es, por tanto, imprescindible en las ciencias
sociales y en algunas investigaciones de las humanidades, sin embargo, en la
ingeniería civil, especialmente en la especialidad de geotecnia, operacionalizar una
variable es un acto vano y sin sentido práctico, se debe operacionalizar una variable si
y solo si se cumplen las condiciones siguientes a la vez:
− Que, aún que exista un estándar consensuado, se requiera cierta adaptación para
la medición.
19
La diferencia sustantiva entre la medición en la ingeniería geotécnica en comparación
a la medición de las Ciencias Sociales estriba en el lenguaje común que ambas
disciplinas tienen. Por un lado, la ingeniería se basa en estándares mundialmente
aceptados para medir el fenómeno físico, mientras que las Ciencias Sociales se basan
en constructos operacional izados para medir un fenómeno psíquico, esto se aprecia
en la siguiente figura.
Figura 5
Representación semiótica de medición en ingeniería geotécnica vs ciencias sociales.
20
− ASCE - American Society of Civil Engineers.
− ASME - American Society of Mechanical Engineers standards.
− AWS - American Welding Society.
− AWWA - American Water Works Association.
− ANSI - The American National Standards Institute.
− DIN - Deutsches Institut für Normung.
− EN – European Standards.
− ESD - The EOS/ESD Association.
− IEEE - Institute of Electrical and Electronics Engineers (IEEE).
− ISO - International Organization for Standardization.
− SAE - The Society of Automotive Engineers (SAE).
− SMPTE - Society of Motion Picture and Television Engineers standards.
− NFPA - National Fire Protection Association.
− HIPAA - The Health Insurance Portability and Accountability Act (HIPAA) of 1996.
− OSHA & MiOSHA - Occupational Safety & Health Administration standards.
Un estándar es una base aceptada para la comparación que contiene criterios de
aceptación cuyo valor es conocido, dentro de ciertos límites establecidos de
incertidumbre, aceptado como un valor verdadero y que provee un valor de referencia.
Un estándar posee una definición operativa: una definición que produce los mismos
resultados cuando se aplica por el usuario, con el mismo significado ayer, hoy y
mañana.
Un estándar es cualquier cosa tomada por consenso general como base para la
comparación; un modelo aceptado. Puede ser un artefacto o conjunto (instrumentos,
procedimientos, etc.) establecido por una autoridad como regla para la medida de
cantidad, peso, extensión, valor o calidad. El concepto de conjunto se formalizó en la
norma ANSI/ASQC M1-1996.P 19 F. Este término se utilizó para enfatizar el hecho
de que se deben tener en cuenta todas las influencias que afectan la incertidumbre de
la medición; ej. entorno, procedimientos, personal, etc. (Chrysler Group LLC, 2010).
Los sistemas de medición incluyen hardware y software implementados para medir
fenómenos físicos. En la forma más simple, los sistemas de medición se pueden
considerar como un arreglo lógico de equipos de uno o más fabricantes, posiblemente
junto con software de aplicación, integrado dentro de un proceso para que se puedan
medir fenómenos físicos como presión, temperatura, fuerza, etc., cuantificados y
sistemáticamente presentados (Castrup et al., 1994).
21
y procedimientos de muestreo; o descripciones de ajuste y medidas de tamaño o fuerza
(Cellucci, 2008).
22
− Aplicación: Ser capaz de diseñar y realizar un experimento.
− Análisis: Comprender cómo analizar datos experimentales y evaluar la precisión
de los hallazgos.
− Síntesis: Tener el conocimiento para crear un experimento que resuelva un
problema de ingeniería civil.
− Evaluación: Evaluar hasta qué punto un experimento y los resultados cumplieron
con el objetivo original.
Por supuesto, dominar cada uno de estos elementos requiere años de experiencia; sin
embargo, estos los elementos fundamentales pueden entenderse fácilmente.
Para realizar un estudio sistemático de probabilidad, se necesita cierta terminología.
Un experimento constituye un proceso con un resultado que no se puede predecir
certeramente con anterioridad. El hecho de lanzar una moneda al aire, arrojar un dado,
medir el diámetro de un perno, pesar los contenidos de una caja de cereal, o medir la
resistencia de una cuerda de pescar, son ejemplos de experimentos. Al conjunto de
todos los posibles resultados de un experimento se le llama espacio muestral (Navidi,
2006).
El diseño de experimentos, como cualquier otra disciplina científica, tiene su propia
terminología, metodología y temas de investigación. El propio título de esta disciplina
científica indica claramente que se trata de métodos experimentales. Se realiza un gran
número de experimentos en investigación, desarrollo y optimización de sistemas. Esta
investigación se realiza en laboratorios o en campo. Un experimento puede ser físico,
psicológico o basado en modelos. Puede realizarse directamente sobre el sujeto o sobre
su modelo. El modelo suele diferir del sujeto en sus dimensiones y, a veces, en su
naturaleza. El experimento también se puede realizar en un modelo matemático
abstracto. Cuando un modelo describe al sujeto con suficiente precisión, el
experimento sobre el sujeto generalmente se reemplaza por un experimento sobre el
modelo.
Últimamente, debido al rápido desarrollo de la tecnología informática, los modelos
físicos se reemplazan con mayor frecuencia por modelos matemáticos abstractos. Un
experimento ocupa un lugar central en la ciencia, particularmente hoy en día, debido
a la complejidad de los problemas que enfrenta la ciencia. Por lo tanto, se impone la
cuestión de la eficiencia del uso de un experimento. J. Bernal ha hecho una estimación
de que la investigación científica está organizada y se realiza de forma bastante
caótica, por lo que el coeficiente de usabilidad de la misma se sitúa en torno al 2%.
Para aumentar la eficiencia de la investigación, es necesario introducir algo
completamente nuevo en la investigación experimental clásica. Un tipo de innovación
podría ser, aplicar métodos matemáticos estadísticos o desarrollar diseño de
experimentos-DOE. DOE (design of experiments) es un enfoque planificado para
determinar las relaciones de causa y efecto (Lazić, 2004).
Los diseños de experimentos son esenciales por las siguientes razones:
− Permiten la reducción o minimización del número total de ensayos.
− Facilitan la variación simultanea de todos los factores que formaliza las
actividades del experimentador.
− Sustentan una elección de estrategia clara que permite obtener soluciones fiables
tras cada secuencia de experimentos.
Algunos de los pasos esenciales para el diseño de un experimento son:
− Reconocimiento y planteamiento del problema, que a su vez puede ser:
23
o Cribado o caracterización de factores.
o Optimización.
o Confirmación.
o Descubrimiento.
o Robustez.
− Selección de la(s) variable(s) de respuesta.
− Elección de factores, niveles y rangos.
− Elección del diseño experimental.
− Realización del experimento.
− Análisis estadístico de los datos.
− Conclusiones y recomendaciones.
5.6. Plantilla de un diseño experimental.
En el caso específico que una investigación en geotecnia requiera experimentos, es
factible reemplazar la matriz de operacionalización de variables por una “plantilla de
diseño experimental”, la cual resulta más práctica, permitiendo comprender tanto el
problema, como los factores involucrados y el tratamiento estadístico factible. A
continuación, se propone una vista previa de dicha plantilla.
Tabla 6.
Ejemplo de plantilla de diseño experimental para investigaciones en geotecnia.
24
5.7. Equivalencia de norma técnica de ingeniería a operacionalización de variable.
Con la finalidad de hacer más eficiente el trabajo de investigación, especialmente
durante la formulación de una tesis se propone que los estándares de ingeniería sean
equivalentes a la operacionalización de variables teniendo en cuenta los siguientes
niveles a saber:
a) estándar completamente equivalente a la operacionalización, en este caso no es
necesario ninguna operacionalización;
b) estándar semi equivalente con adaptaciones, aquí convendrá expresar en la
investigación que parte del procedimiento sigue la norma al pie de la letra y que
parte se ha adaptado; y,
c) operacionalización completa a falta de estándar de ingeniería.
25
aspectos del evento que se está midiendo [ej. la norma ASTM C39 para la rotura de
briquetas]. 3. Aplicar las reglas a cada observación de ese evento [ej. ejecutar los
ensayos de rotura de briquetas siguiendo el procedimiento de la norma ASTM C39].
El término empírico significa describir, explicar y hacer predicciones basándose en la
información obtenida a través de la observación (Cooper & Schindler, 2014).
Los atributos de los objetos que pueden medirse físicamente con algunos instrumentos
calibrados no plantean ningún problema de medición [ej. el peso de una briqueta]. Sin
embargo, la medición de atributos más abstractos y subjetivos es más difícil [ej. la
motivación de un obrero]. Ciertas variables se prestan a una fácil medición mediante
el uso de instrumentos de medición apropiados [ej. el diámetro de una briqueta con un
pie de rey].
Cuando entramos en el ámbito de los sentimientos, actitudes y percepciones subjetivas
de las personas, la medición de estos factores o variables se vuelve más difícil. En
consecuencia, existen al menos dos tipos de variables: una se presta a una medición
objetiva y precisa [es el caso de las variables en la geotecnia y mecánica de materiales];
el otro es más nebuloso y no se presta a una medición precisa debido a su naturaleza
abstracta y subjetiva [es el caso de la gerencia de la construcción]. A pesar de la falta
de dispositivos físicos de medición para medir las variables más nebulosas
[usualmente vinculadas al comportamiento humano], existen formas de aprovechar
este tipo de variables. Una técnica consiste en reducir estas nociones o conceptos
abstractos a un comportamiento observable y/o o características, a eso se le llama
operacionalizar la variable. (Sekaran & Bougie, 2013).
Ahora bien, hay que aclarar que la medición de actitudes humanas es un asunto
complejo, y es debido a esta misma complejidad y a los errores frecuentes en la
medición, que algunos dominios como la administración, no es considerada ciencia
para muchos investigadores de las ciencias duras. El evaluar una actitud implica un
análisis más profundo sobre lo que es una actitud y su significado. La escala Likert,
método desarrollado por Renis Likert, es quizá la más popular entre los científicos
sociales. Mide básicamente las actitudes de un extremo que varía entre “muy en
desacuerdo”, que es el extremo negativo, a un “muy de acuerdo” que es el extremo
positivo (Rivas, 2017).
26
electrónica, instrumentos ópticos e interferometría, así como métodos de medición
mecánicos tradicionales (Dotson, 2016).
La importancia de la estandarización de las mediciones y la trazabilidad de las
mediciones para el avance tecnológico y el crecimiento económico se percibió a
principios de la Revolución Tecnológica. Las mediciones son la base de las decisiones
legales y las pruebas en los juicios y forman la base de las políticas basadas en la
ciencia en todo el mundo. El “mensurando” se refiere a la cantidad física u objeto que
se está midiendo. (Crowder et al., 2020).
7.2. La psicometría.
Se usan muchos tipos de instrumentos para medir las propiedades observables del
mundo físico. Por ejemplo, si se desea medir la longitud de una pieza de madera, se
puede usar una cinta métrica. También se usan varios instrumentos para medir las
propiedades del mundo físico que no son directamente observables. Por ejemplo, los
relojes se usan para medir el tiempo y los voltímetros se usan para medir el cambio de
voltaje entre dos puntos en un circuito eléctrico. De manera similar, los psicólogos,
27
educadores y otros [profesionales de las ciencias sociales] usan pruebas psicológicas
como instrumentos para medir eventos observables en el mundo físico.
En las ciencias del comportamiento, estos eventos observables suelen ser algún tipo
de comportamiento, y la medición del comportamiento generalmente se lleva a cabo
con dos propósitos: medir un comportamiento porque están interesados en ese
comportamiento específico u observar el comportamiento como una forma de evaluar
atributos psicológicos no observables, como por ejemplo, la inteligencia. Los
psicólogos, educadores y otros científicos sociales se basan en construcciones
hipotéticas no observables para explicar el comportamiento humano. Así como las
pruebas psicológicas están diseñadas para medir los atributos psicológicos de las
personas (por ejemplo, ansiedad, inteligencia), la psicometría es la ciencia que se
ocupa de evaluar los atributos de las pruebas psicológicas (Furr, 2022).
28
Finalmente, se sustenta el reemplazo de la denominada operacionalización de variables por
una mención explícita del estándar en ingeniería cuando de investigaciones geotécnicas se
trata.
29
9. Referencias.
Ackoff. (1962). Scientific Method .
Ahmed, M., & Pathan, A.-S. K. (2016). Data Analytics Concepts, Techniques, and
Applications. Taylor & Francis Group, July.
Alva. (2014). Operacionalización de Variables.
Apolaya. (2012). Operacionalización de variables.
ASTM. (2021). Standard Test Methods for Laboratory Determination of Density and Unit
Weight of Soil Specimens.
ASTM. (2022). ASTM INTERNATIONAL COMPANY HISTORY TIMELINE.
https://www.zippia.com/astm-international-careers-1083942/history/
Bandalos. (2018). Measurement Theory and Applications for the Social Sciences. The
Guilford Press.
Bauce, G., Córdova, M. A., & Avila, A. (2018). Operacionalización de variables. Revista
Del Instituto Nacional de Higiene “Rafael Rangel,” 49(2).
Bhadra. (2016). Mahajan’s Methods in Biostatistics for Medical Students and Research
Workers. In Mahajan’s Methods in Biostatistics for Medical Students and Research
Workers. https://doi.org/10.5005/jp/books/12646
Bunge. (1980). Epistemología.
Castrup, Eicke, Hayes, Mark, Martin, & Taylor. (1994). Metrology - Calibration and
Measurement Processes Guidelines. California Institute of Technology.
Cellucci. (2008). "Developing Operational Requirements: A Guide to the Cost-Effective and
Efficient Communication of Needs.
Chrysler Group LLC. (2010). Measurement Systems Analysis .
Coolican, H. (2017). Research methods and statistics in psychology. In Research Methods
and Statistics in Psychology. https://doi.org/10.4324/9780203769836
Cooper, D. R., & Schindler, P. S. (2014). Business Research Methods - Donald R. Cooper.
In McGraw-Hill: Vol. 12th Editi.
Cordero Cordero, P. (2017). La propuesta operacionalista de Carl Hempel en los albores del
DSM. Avances En Psicología Latinoamericana, 35(3).
https://doi.org/10.12804/revistas.urosario.edu.co/apl/a.4154
Crowder, S., Delker, C., Forrest, E., & Martin, N. (2020). Introduction to Statistics in
Metrology. In Introduction to Statistics in Metrology. https://doi.org/10.1007/978-3-
030-53329-8
Daniels, L., & Minot, N. (2020). An Introduction to Statistics and Data Analysis Using Stata:
From Research Design to Final Report. In International Food Policy Research
Institute, Washington, DC.
de la Puente, C. (2007). Sobre la Medida, Validez y Fiabilidad en Sociología. Una Aplicación
de Análisis de Componentes Principales. NOMADAS. Revista Crítica de Ciencias
Sociales y Jurídicas, 16.
30
Denis, D. J. (2021). Applied Univariate, Bivariate, and Multivariate Statistics. In Applied
Univariate, Bivariate, and Multivariate Statistics.
https://doi.org/10.1002/9781119583004
Dotson. (2016). Fundamentals of Dimensional Metrology (6th ed.). Cengage.
Edmonds, W. A., & Kennedy, T. D. (2020). An Applied Guide to Research Designs:
Quantitative, Qualitative, and Mixed Methods. In An Applied Guide to Research
Designs: Quantitative, Qualitative, and Mixed Methods.
https://doi.org/10.4135/9781071802779
Fellows, R., & Liu, A. (2008). Research Methodology for Construction. Des Internationalen
Und Auslåndischen Baurechts.
Frey, B. B. (2022). The SAGE Encyclopedia of Research Design. In The SAGE Encyclopedia
of Research Design. https://doi.org/10.4135/9781071812082
Furr. (2022). PSYCHOMETRICS.
Garrido. (2015). La teoría constructivista de Piaget. https://redsocial.rededuca.net/teoria-
constructivista-piaget
Georgia Southern University. (2022). Engineering Standars.
https://cec.georgiasouthern.edu/ece/engineering-standards/
Gorgas, Cardiel, & Zamorano. (2011). Estadística Básica para Estudiantes de Ciencias.
Gujarati, D. N., & Porter, D. C. (2003). Basic econometrics (ed.). New York: McGraw-HiII.
Hermida. (1991). Crecimiento Infantil y Supervivencia. Reflexiones para Investigadores
Nuevos.
Hulley, S., Cummings, S., Browner, W., Grady, D., & Newman, T. (2014). Diseño de
Investigaciones Clínicas 4th Edition. In ����� ����� (Issue 3).
Hundleby, J. D., & Nunnally, J. (1968). Psychometric Theory. American Educational
Research Journal, 5(3). https://doi.org/10.2307/1161962
Hurtado. (2010). Metodología de la Investogación. Quirón Ediciones.
ISO. (2022). History of ISO. https://www.pjr.com/about-pjr/what-is-certification/history-of-
iso
Johnson, & Christensen. (2014). Educational research: Quantitative, qualitative, and mixed
approaches (Fifth). SAGE Publications, Inc.
Kennedy, & Neville. (1982). Estadística para Ciencias e Ingeniería. Harla.
Kumar Bhayyalal Dubey, U., & Kothari, D. P. (2022). Research Methodology; Techniques
and Trends.
Lazić, Ž. R. (2004). Design of Experiments in Chemical Engineering. In Design of
Experiments in Chemical Engineering. https://doi.org/10.1002/3527604162
Levine, Krehbiel, & Berenson. (2006). Estadística para la Administración.
Levine, & Stephan. (2010). Even You Can Learn Statistics (2nd ed.).
Levine, Szabat, & Stephan. (2020). Business Statistics 8E A First Course (8th ed.). Pearson.
31
Link, S. (1993). Fechner’s theory of mental measurement. Behavioral and Brain Sciences,
16(1). https://doi.org/10.1017/s0140525x00029411
Macchi. (2019). Introducción a la Estadística en Ciencias de la Salud. Panamericana.
McCuen, R. H., Ezzell, E. Z., & Wong, M. K. (2011). Fundamentals of civil engineering:
An introduction to the asce body of knowledge. In Fundamentals of Civil Engineering:
An Introduction to the ASCE Body of Knowledge.
McGuigan. (1996). Psicología Experimental.
Mejía. (2005). METODOLOGÍA DE LA INVESTIGACIÓN CIENTÍFICA.
Mendenhall, W. M., & Sincich, T. L. (2016). Statistics for engineering and the sciences, sixth
edition. In Statistics for Engineering and the Sciences, Sixth Edition.
https://doi.org/10.1080/00224065.2016.11918168
Moaveni. (2016). Engineering Fundamentals, SI An Introduction to Engineering. Cengage
Learning.
Montgomery, & Runger. (2018). Applied Statistics and Probability for Engineers.
Moore, D. S. (2005). Estadística aplicada básica. The Basic Practice of Statistics, 2015.
Myatt, G. J. (2006). Making Sense of Data: A Practical Guide to Exploratory Data Analysis
and Data Mining. In Making Sense of Data: A Practical Guide to Exploratory Data
Analysis and Data Mining. https://doi.org/10.1002/0470101024
Ñaupas, Mejía, Novoa, & Villagomez. (2013). Metodología de la investigación cuantitativa-
cualitativa y redacción de la tesis.
Navidi. (2006). Estadística para ingenieros.
Panaretos. (2022). Fundamental Concepts in Experiment Design.
Pardo, Ruíz, & San Martín. (2009). Análisis de datos en ciencias sociales y de la salud I.
Síntesis.
Pineda, Alvarado, & Canales. (1994). Metodología de la investigación.
Reynolds. (2016). A Primer in Theory Construction. Pearson Education, Inc.
Reynolds, P. D. (1971). A Primer in Theory Construction. CONTEMPORARY
SOCIOLOGY: A JOURNAL OF REVIEWS.
Rivas. (2017). Elaboración de tesis Estructura y Metodología. Trillas.
Rojas. (2010). El Proceso de la Investigación Científica.
Rust, Kosinski, & Stillwell. (2021). Modern Psychometrics The Science of Psychological
Assessment. Routledge.
Sadegh-Zadeh, K. (2015). Handbook of analytic philosophy of medicine, Second edition. In
Philosophy and Medicine (Vol. 119).
Salkind. (2011). Encyclopedia of research design. In Choice Reviews Online (Vol. 48, Issue
05). https://doi.org/10.5860/choice.48-2447
Saunders, M., Lewis, P., Thornhill, A., Lewis, S., & Thornhill. (2019). Research Methods
for Business Students. www.pearsoned.co.uk
32
Schacter, Gilbert, & Wegner. (2009). Psychology.
Sekaran, U., & Bougie, R. (2013). Research Methods for Business: A Skill-Building
Approach. 34(7). https://doi.org/10.1108/lodj-06-2013-0079
Stevens, S. S. (1946). Sobre la Teoría de las Escalas de Medición. Science, 103(2684).
Taback, N. (2022). Design and Analysis of Experiments and Observational and Studies using
R. In Design and Analysis of Experiments and Observational and Studies using R.
https://doi.org/10.1201/9781003033691
Tamayo. (1981). El Proceso de la Investigación Científica.
Thombre. (2018). METROLOGY AND QUALIITY CONTROL.
Tuckman, & Harper. (2012). CONDUCTING EDUCATIONAL RESEARCH (Sixth Edition).
Uher, J. (2018). Quantitative data from rating scales: An epistemological and methodological
enquiry. Frontiers in Psychology, 9(DEC). https://doi.org/10.3389/fpsyg.2018.02599
Uher, J. (2020). Measurement in metrology, psychology and social sciences: data generation
traceability and numerical traceability as basic methodological principles applicable
across sciences. Quality and Quantity, 54(3). https://doi.org/10.1007/s11135-020-
00970-2
Uy, B. (2003). Civil Engineering Handbook, Second Edition, The. Civil Engineering.
Wang, X., & vom Hofe, R. (2007). Research methods in urban and regional planning. In
Research Methods in Urban and Regional Planning. https://doi.org/10.1007/978-3-
540-49658-8
Webster, J. G. (1998). The Measurement, Instrumentation and Sensors Handbook. In The
Measurement, Instrumentation and Sensors Handbook.
https://doi.org/10.1201/9781003040019
Whitcomb. (2020). Using Optimal Designs to Solve Practical Experimental Problems.
Statistics Made Easy by Stat-Ease.
https://www.youtube.com/watch?v=ZPgzc9bH5NA&t=2712s
Wright, J. D. (2015). International Encyclopedia of the Social & Behavioral Sciences:
Second Edition. In International Encyclopedia of the Social & Behavioral Sciences:
Second Edition.
Ynoub. (2008). El proyecto y la metodología de la investigación.
Zárate. (2018). Matemática Avanzada.
Zikmund, W. G., Babin, B. J., Editorial, V. P., Calhoun, J. W., Thomas, J., Assistant, E.,
Shelton, S., Kanakes, K., & Fuller-jacobsen, B. (2010). Exploring Marketing Research.
In Sout Western Pub.
33
Contenido
1. Introducción. ..................................................................................................................... 3
2. Revisión de la literatura..................................................................................................... 3
3. Obligación de operacionalizar variables en las investigaciones en el Perú. ...................... 3
4. La operacionalización de variables. .................................................................................. 4
4.1. Historia de la operacionalización de variables: el operacionismo............................. 4
4.2. Definición de operacionalización de una variable..................................................... 6
4.3. Definición de variable. .............................................................................................. 7
4.4. Rango y dominio y niveles de una variable. ............................................................. 8
4.5. Tipos de variables...................................................................................................... 8
4.6. La intención y la extensión en la operacionalización de las variables. ................... 13
4.7. ¿Cuándo no se operacionaliza una variable? ........................................................... 14
4.8. Tipos de definiciones operacionales........................................................................ 15
4.9. Proceso de operacionalización de una variable ....................................................... 16
4.10. Definición de constructo teórico. ........................................................................ 18
5. Las normas técnicas de ingeniería. .................................................................................. 20
5.1. Definición. ............................................................................................................... 20
5.2. Estándares mundiales. ............................................................................................. 20
5.3. Partes de una norma técnica de ingeniería. ............................................................. 21
5.4. Hoja de datos de una norma como instrumento de recolección. ............................. 22
5.5. Diseño experimental en ingeniería. ......................................................................... 22
5.6. Plantilla de un diseño experimental......................................................................... 24
5.7. Equivalencia de norma técnica de ingeniería a operacionalización de variable...... 25
6. La metrología y las variables físicas empíricas concretas en ingeniería. ........................ 25
6.1. Definición de medición. .......................................................................................... 25
6.2. Definición de metrología. ........................................................................................ 26
7. Las ciencias sociales y sus variables abstractas o nebulosas. .......................................... 27
7.1. El afán de medir en las ciencias sociales. ................................................................ 27
7.2. La psicometría. ........................................................................................................ 27
7.3. Cuestionarios en psicología. .................................................................................... 28
8. Conclusiones ................................................................................................................... 28
9. Referencias. ..................................................................................................................... 30
34
Índice de tablas.
Tabla 1. Manuales de universidades en el Perú y su exigencia de operacionalizar. ..................... 3
Tabla 2. Tipos de variables con ejemplos en geotecnia. ............................................................... 8
Tabla 3. Métodos de definición en una investigación. ................................................................ 16
Tabla 4. Comparativos de operacionalización de variables psicología vs ingeniería civil. ........ 17
Tabla 5. Hoja de datos del estándar ASTM D7263. .................................................................... 22
Tabla 6. Ejemplo de plantilla de diseño experimental para investigaciones en geotecnia. ......... 24
35
Índice de figuras.
Figura 1 Línea de tiempo de la operacionalización de variables................................................... 6
Figura 2 Operacionalización de una variable. ............................................................................... 7
Figura 3 Niveles de abstracción y concreción de una variable. .................................................. 14
Figura 4 Objeto concreto y objeto conceptual............................................................................. 18
Figura 5 Representación semiótica de medición en ingeniería geotécnica vs ciencias sociales. 20
36