Lic. En ciencias de la actividad física y del deporte
Técnicas de intervención psicológica
Grupo 802
Prof. Rubén Omar Ramírez García
Alumno: Joseph Roel Zamora Treviño 1657644
Medición y escalas de medida Por población estadística se entiende el conjunto de todos los elementos que comparten una o varias características. A cada uno de los elementos que componen una población se les denomina de manera genérica entidades estadísticas, y de acuerdo con el número de entidades que halla en una población, ésta puede ser finita o infinita Una muestra es un subconjunto representativo de los elementos de una población. Una muestra no representativa puede aportar una descripción distorsionada, y por tanto incorrecta, de la población. La estadística ha desarrollado un campo específico en el que se estudian métodos para la extracción de muestras representativas de una población, y que se engloban bajo la denominación de muestreo. Parámetro y estadístico A cualquiera de los valores numéricos que se refieren a la población se les denomina parámetro. A cualquiera de los valores resumen obtenidos en la muestra se les denomina estadístico. Los parámetros poblacionales tienen valores únicos, en cambio, los estadísticos pueden tener tantos valores diferentes como muestras se extraigan de la población. Los parámetros se simbolizan con letras griegas (m, p, s.), mientras que los estadísticos se simbolizan con letras mayúsculas. Característica y Modalidad Una característica es una propiedad de los individuos de una población. Una modalidad es cada una de las variantes como se manifiesta una característica. P.E. El estado civil, o las creencias religiosas, son características que presentan pocas modalidades. En el ámbito de la Psicología las características son tales como la personalidad, memoria, percepción, atención, inteligencia, motivación, etc. Medición y escalas de medida Medición es el proceso por el cual se asignan números a objetos o características según determinadas reglas. Una escala de medida es, en un sentido general, un procedimiento mediante el cual se relacionan de manera biunívoca un conjunto de modalidades (distintas) con un conjunto de números (distintos). Estos son, a cada modalidad le corresponde un sólo número, y a cada número le corresponde una sola modalidad. Atendiendo a las relaciones que puedan verificarse empíricamente entre las modalidades de los objetos o características pueden distinguirse cuatro tipo de escalas de medida: nominal, ordinal, de intervalos y de razón. Otro concepto relacionado con las escalas de medidas es el de transformación admisible, el cual hace referencia al problema de la unicidad de la medida y que puede plantearse de la siguiente forma: ¿son las representaciones numéricas que hacemos de las modalidades las únicas posibles? NO. Escala nominal Se utiliza en todas aquellas modalidades o características en las que la única comprobación empírica que puede hacerse es la de igualdad o desigualdad. Supongamos que se dispone de un conjunto de n elementos (o1, o2, ., on) con una determinada característica que adopta k modalidades diferentes. A la modalidad de un objeto genérico oI, la representamos por m(oi), y al número que asignamos a dicha modalidad lo representamos por n(oi). La regla de asignación de números a los objetos, de modo que se preserven las relaciones empíricas observadas entre estos debe cumplir las siguientes condiciones: Si n(oi) = n(oj), entonces m(oI) = m(oj) Si n(oi) ¹ n(oj), entonces m(oI) ¹ m(oj) La transformación admisible es: cualquiera que preserve las relaciones de igualdad-desigualdad de los objetos respecto a una determinada característica. Escala ordinal Los objetos pueden manifestar determinada característica en mayor grado unos que otros. Ej. La dureza de los minerales. Supongamos que se dispone de un conjunto de n objetos (o1, o2, ., on)y cada uno posee una cierta magnitud de una determinada característica [m(o1), m(o2), ., m(on)]. La escala para asignar números a los objetos [n(o1), n(o2), ., n(on)],de modo que reflejen esos diferentes grados en que los objetos presenten la característica, ha de cumplir las siguientes condiciones: Si n(oi) = n(oj), entonces m(oi) = m(oj) Si n(oi) > n(oj), entonces m(oi) > m(oj) Si n(oi) < n(oj), entonces m(oi) < m(oj) Transformación admisible: cualquier transformación es válida siempre que preserve el orden de magnitud, creciente o decreciente, en que los objetos presentan determinada característica. Escala de intervalos Permite establecer la igualdad o desigualdad de las diferencias entre las magnitudes de los objetos medidos. Ej. Termómetro, calendario. Supongamos que los valores asignados a los objetos sean una representación numérica correcta de sus relaciones empíricas. Para todo cuarteto de objetos genéricos, oI, oj, ok, ol, los valores asignados n(oi), n(oj), n(ok), n(ol), a las magnitudes con que dichos objetos poseen una determinada característica m(oi), m(oj), m(ok), m(ol), deben cumplir las siguientes condiciones: Si n(oi) - n(oj) = n(ok) - n(ol), entonces m(oi) - m(oj) = m(ok) - m(ol). Si n(oi) - n(oj) > n(ok) - n(ol), entonces m(oi) - m(oj) > m(ok) - m(ol). Si n(oi) - n(oj) < n(ok) - n(ol), entonces m(oi) - m(oj) < m(ok) - m(ol). Las transformaciones admisibles deben seguir una condición del tipo: t[n(oi)] = a + b . n(oi), siempre que b > 0. Es decir, una trasformación lineal tal de los valores iniciales de una escala de intervalo deja la escala invariante respecto a las condiciones estipuladas en el párrafo anterior. Este tipo de transformación supone un cambio en los dos aspectos que caracterizan la escala de intervalo. Por un lado, el valor a, como constante aditiva, provoca un cambio en el origen. Por otro lado, el factor b provoca un cambio en la unidad de medida que se toma para construir la escala (sólo cuando b = 1 la unidad de medida no se altera). Escalas de razón Las escalas de intervalo sirven para medir características en las que el valor cero no significa ausencia de dicha característica. Los valores en una escala de razón tienen un valor absoluto, no arbitrario, o valor cero absoluto que sí significa ausencia de característica. Para todo cuarteto de objetos genéricos, oi, oj, ok, ol, los valores asignados n(oi), n(oj), n(ok), n(ol), a las magnitudes con que dichos objetos poseen una determinada característica m(oi), m(oj), m(ok), m(ol), deben cumplir las siguientes condiciones: Si n(oi)/n(oj) = n(ok)/n(ol), entonces m(oi)/m(oj) = m(ok)/m(ol). Si n(oi)/n(oj) > n(ok)/n(ol), entonces m(oi)/m(oj) > m(ok)/m(ol). Si n(oi)/n(oj) < n(ok)/n(ol), entonces m(oi)/m(oj) < m(ok)/m(ol). Al tener un origen de escala absoluto, la única transformación admisible para la escala de razón es del tipo: t[n(oi)] = a . n(oI), siendo a > 0. Tipo de escala Conclusiones acerca de Transformación admisible Ejemplos NOMINAL Relaciones del tipo "igual que" o "distinto de “Cualquiera que preserve la igualdad/desigualdad Sexo, raza, estado civil, diagnóstico clínico ORDINAL Relaciones del tipo "mayor que", "menor que" o "igual que “Cualquiera que preserve el orden o grado de magnitud de los objetos Dureza minerales, prestigio socia de profesiones, ubicación ideológica. INTERVALO Igualdad o desigualdad de diferencias a + b.x (b>0)Calendario, temperatura, inteligencia RAZON Igualdad o desigualdad de razones b. x (b>0)Longitud, masa, tiempo
Variables. Clasificación y Notación
Una variable, en su acepción estadística, es una representación numérica de una característica. Cuando una característica presenta una sola modalidad decimos que se trata de una constante. Clasificación por el tipo de escala de medida: Variables nominales Variables ordinales Variables de intervalo Variables de razón Este tipo de clasificación rara vez se utiliza, en su lugar se distinguen tres grandes tipos de variables, que engloban las cuatro derivadas del tipo de escala: Cualitativa Dicotómica, cuando la variable presenta sólo dos categorías (ej. Sexo) Politómica, si presenta más de dos categorías. En general, cualquier variable medida a un nivel superior de escala nominal es susceptible de ser categorizada; cuando esto sucede se dice que la variable ha sido dicotomizada, si se han establecido sólo dos categorías y politomizada si se han establecido más. Cuantitativa Discreta, si los valores que puede asumir la variable son números enteros.(ej. Hijos de una pareja) Continua, si la variable puede tomar cualquier valor de la escala de números reales. Las variables continuas, por razón del nivel de precisión de los instrumentos de medida, puede considerarse a efectos prácticos estadísticos como variables discretas.(al pesar un objeto con una balanza de precisión de 1 gramo, el peso que se lee se conoce como valor informado o valor aparente, mientras que los valores que acotan el intervalo (30,5 y 31,5) se conocen como límites exactos de la medida. Cuasi cuantitativa En el ámbito de la metodología científica se emplea otra clasificación: V. independiente V. dependiente V. contaminante o V. intermedia . Notación de variables Para simbolizar las variables estadísticas se utilizan letras mayúsculas del alfabeto latino, afectadas por un subíndice, para diferenciarlas de los valores constantes. El Símbolo de Sumar o Sumatorio Sean una serie de n números, simbolizados por X1, X2, ., Xn. la expresión (X1 + X2) indica la suma del primer número de la serie y el segundo. La expresión (X1 + X2 + . + Xn) indica la suma de los n valores de la serie. Reglas de sumatorio 1. Si los valores de una variable se multiplican por una constante, su sumatorio quedará multiplicado por dicha constante. 2. El sumatorio de una constante c un número n veces es igual a n veces dicha constante. 3. El sumatorio de una suma con cualquier número de términos es igual a la suma de los sumatorios de dichos términos tomados por separado. Consecuencias del sumatorio Consecuencia 1: El sumatorio de una variable más una constante es igual a la suma de la variable más n veces la constante Consecuencia 2: La suma de los cuadrados de una variable no es igual al cuadrado de la suma de la variable. Consecuencia 3: La suma de productos de dos variables no es igual al producto de sus sumas Doble sumatorio Supongamos que un grupo total se descompone en k grupos con n1, n2, ., nk personas respectivamente donde Xij representa la puntuación de la persona I que pertenece al grupo j. Este artículo es meramente informativo, en Psicología-Online no tenemos facultad para hacer un diagnóstico ni recomendar un tratamiento. Te invitamos a acudir a un psicólogo para que trate tu caso en particular.
Métodos de investigación psicológica deportiva
Método Participantes La muestra está compuesta por un total de 275 deportistas, de entre 17 y 27 años de edad con una media de 20.10 ( = 2.19). Todos ellos eran deportistas de la Universidad Autónoma de Nuevo León (México), y fueron incluidos a través de un muestreo no probabilístico. Participaron 147 hombres y 128 mujeres, practicantes en deportes de equipo (futbol americano, futbol rápido, basquetbol y voleibol) e individuales (atletismo, judo, taekwondo, gimnasia aeróbica y halterofilia). Los deportistas contaban entre 4 y 8 años compitiendo en su deporte, un promedio de 4 días de entrenamiento por semana, siendo cada sesión de entrenamiento de 2.43 horas de media. Todos los participantes dieron su consentimiento para participar en el estudio. Instrumento Se utilizó la Athletic Identity Measurement Scale (AIMS), de Brewer et al. (1993). Está compuesta por 10 ítems, mediante los cuales el deportista debe valorar su grado conformidad respecto a diferentes actitudes personales hacia el deporte. La escala de medición es de tipo Likert, que oscila desde (1) hasta (7) , correspondiendo puntuaciones elevadas a un mayor nivel de ID. Los ítems que conforman el AIMS Procedimiento En un primer momento se realizó un análisis del contenido y redacción en español de la escala, con el fin de confirmar su conveniente ajuste al contexto mexicano. Se consultó a especialistas en lengua inglesa sobre la adecuación de los ítems, siendo aceptada la traducción realizada y utilizada por Mateos et al. (2010). A continuación, un grupo de expertos en psicología del deporte analizaron los diez ítems originales. Existió consenso en que todos ellos estaban bien planteados y redactados, carecían de ambigüedad, y que eran idóneos para la evaluación de la identidad deportiva. Posteriormente se presentó el estudio a los responsables de la Dirección General de Deportes, entidad responsable de la organización deportiva de la Universidad Autónoma de Nuevo León (México). Tras obtener su autorización, se acudió a las diferentes sedes e instalaciones deportivas para aportar la pertinente información a los entrenadores de los equipos representativos. La aplicación de los instrumentos se realizó en distintos momentos, dependiendo de la disponibilidad de los equipos deportivos, y la práctica totalidad de sesiones de aplicación tuvieron lugar en las instalaciones deportivas. En cada una, a los deportistas a los cuales se les informó del propósito y objetivos del estudio, del tratamiento de privacidad y confidencialidad que gozaría la información por ellos suministrada y se firmó su consentimiento, colaborando los deportistas en el estudiode forma libre y voluntaria. Durante la administración de los cuestionarios, los investigadores supervisaron la correcta cumplimentación y ofrecieron ayuda ante diferentes dudas de los deportistas. Análisis de datos Se realizaron análisis estadísticos estándar empleando el paquete informático SPSS para Windows (versión 21.0, SPSS Inc., Chicago,Ilinois, EEUU), para el cálculo de las medias y la desviación estándar (DE), para obtener la fiabilidad del instrumento y de las sub-escalas, a través de la normalidad de las variables, que corresponden al error estándar de la curtosis y de la asimetría, para el cual se estableció un punto de corte en 1.96 al 1% del nivel de confianza (Hair, Anderson, Tatham y Black, 1998). Se analizó la consistencia interna de cada una de las escalas y sub-escalas a través del cálculo del coeficiente de alfa de Cronbach, siguiendo los criterios de eliminación de los ítems cuya exclusión aumentara el coeficiente de alfa. Dentro de nuestro estudio consideramos que los valores de 0.60 a 0.80 indican fiabilidad buena y aceptable, y cuando es mayor a 0.80 se consideran con una fiabilidad muy buena (Bland y Altman, 1997; Dugard, Todman y Staines, 2010; Field, 2009; Schmitt, 1996). Se realizó el análisis factorial exploratorio (AFE) a través de la prueba de adecuación muestral de Kaiser-Mayer- Olkin y la prueba de esfericidad de Barlett, a través de la extracción de Factorización de Ejes Principales con extracción Equamax, esto debido a que es un procedimiento que combina los criterios de unifactorialidad y de multifactorialidad (Lloret-Segura, Ferreres-Traver, Hernández-Baeza, y Tomás- Marco, 2014). Se realizó el análisis factorial confirmatorio (AFC) del instrumento, agrupando los ítems en escala y sub-escalas, a través del programa LISREL v8.8 (Jöreskog y Sörbom, 2006). El ajuste indicado del modelo se tomó en cuenta a partir de diferentes índices: la chi-cuadrada y los grados de libertad ( ; Wheaton, Muthén, Alwin y Summer, 1977), representando los valores menores a 5 un buen ajuste del modelo; el índice de ajuste no normativo (Non-Normed Fit Index; NNFI); el índice de ajuste comparativo (Comparative Fit Index, CFI), cuyos valores superiores a 0.90 indican un ajuste aceptable de los datos; y la raíz cuadrada del promedio del error de aproximación (Root Mean Square Error of Approximation, RMSEA), donde se toman como puntos de corte valores menores a 0.80, indicando un ajuste adecuado de los datos (Hu y Bentler, 1995). Resultados Se realizaron los análisis descriptivos de la escala por género y con la muestra total de los deportistas participantes (véase Tabla 2). La normalidad de los datos de acuerdo a los indicadores de asimetría y curtosis nos indican que existe normalidad en los datos, así mismo, el ítem con la media más alta tanto en la muestra total como en hombres y mujeres fue el ítem 1 “ ”. Mientras que el ítem con la media más baja para los tres grupos fue el ítem 5 “ ”. Se realizó el análisis de inter-relaciones entre los ítems de la escala y las sub-escalas, mostrando adecuadas inter-relaciones entre los ítems que pertenecen a la misma sub-escala (Tabla 3). También, los índices entre los ítems y la sub-escala a la que pertenecen mayores a .58 y de forma significativa ( > .001). La prueba de adecuación muestral de Kaiser-Mayer-Olkin (KMO = .80) y la prueba de esfericidad de Barlett ( <.001) dieron resultados satisfactorios evidenciando que la muestra era adecuada para realizar el análisis factorial. El análisis factorial de componentes de ejes principales mostro una estructura de tres factores que explicaron el 59% de la varianza en tres factores (Tabla 4). En la matriz de configuración se identificó el componente 1 el cual explica el 42% de la varianza total. Se realizaron los análisis de fiabilidad a través del coeficiente alfa de Cronbach, dando como resultado un alfa de .82, utilizando los 7 ítems de la escala. Así mismo se analizó la fiabilidad por cada uno de los factores de la escala, siendo en el caso de identidad social = .73, en el factor de exclusividad = .75, y en afectividad negativa = .70. Muestra una adecuada fiabilidad de la escala utilizada en su conjunto con los 7 ítems, midiendo un solo factor y por cada una de las sub escalas. Me realicé a mi mismo un test de Athletic Identity Measurement Scale (AIMS) y esto fu mi resultado Bibliografía Equipo editorial. (2018, 1 marzo). Medición y escalas de medida. psicologia- online.com. https://www.psicologia-online.com/medicion-y-escalas-de-medida- 1529.html Revista de Psicología del Deporte / Journal of Sport Psychology. 2017, Vol 26, Suppl 2, pp. 99-105
Resumen de Diseño Estadístico Para Investigadores en Ciencias Sociales y del Comportamiento. Capítulo 2: Variables Estadísticas: RESÚMENES UNIVERSITARIOS