Documentos de Académico
Documentos de Profesional
Documentos de Cultura
psicología
Shavelson, R. J. & Towne, L. (2003). Scientific research in education. National Academy Press. Cap. 3.
El proceso de investigación
• La ciencia es una empresa sistemática que busca explicar y predecir fenómenos naturales,
incluidos los procesos mentales y el comportamiento humano.
• La ciencia tiene alcances y limitaciones. No todas las preguntas pueden responderse
mediante métodos científicos, y existen cuestiones éticas y filosóficas que pueden
estar más allá del alcance de la ciencia.
• La investigación científica es un proceso en constante evolución, y las teorías y
conclusiones pueden revisarse a medida que se acumula nueva evidencia.
• Observación
- Pinel describe la observación como un método esencial para recopilar datos sobre el
comportamiento animal y humano.
- Explica cómo la observación puede ser naturalista (en entornos naturales) o estructurada
(en entornos de laboratorio) y cómo los observadores deben ser entrenados para
minimizar el sesgo y registrar datos de manera objetiva.
• Entrevista
- Señala que las entrevistas permiten a los investigadores obtener información detallada
sobre las experiencias subjetivas de los participantes.
- Destaca la importancia de formular preguntas de manera precisa y de establecer una
relación de confianza con los participantes.
• Cuestionarios y pruebas
- Son herramientas estandarizadas para recopilar datos cuantitativos en
investigaciones psicológicas.
- Señala cómo estos instrumentos pueden ser utilizados para medir habilidades
cognitivas, personalidad, actitudes y otros aspectos psicológicos.
"La investigación del comportamiento: una guía práctica con técnicas y herramientas" de Sommer y Sommer (Caps.
4, 8 y 9)
Entrevista
Mediciones fisiológicas
• Estas medidas pueden ayudar a comprender la relación entre los procesos biológicos y
el comportamiento.
Tipos de atributos
• Stevens propuso una teoría de escalas de medición que clasifica las mediciones en cuatro
tipos: nominal, ordinal, de intervalo y de razón. Esta clasificación ayuda a comprender
la naturaleza de las mediciones y las operaciones matemáticas que se pueden aplicar a ellas.
“Técnicas de muestreo sobre una población a estudio” de Otzen, T. & Manterola, C. (2017).
El nivel de análisis se refiere a la unidad a la que se aplican las técnicas de muestreo y análisis. En
el contexto del texto, se menciona el análisis a nivel de muestra, donde se estudian las relaciones
entre la distribución de una variable en una población y la distribución de esa misma variable en la
muestra de estudio.
Los criterios de selección de unidades de análisis son condiciones o características que se utilizan
para decidir qué elementos formarán parte de la muestra de estudio. El autor destaca la importancia
de definir criterios de inclusión (características clínicas, demográficas, temporales y geográficas de
los sujetos que componen la población a estudio) y de exclusión (características que pueden
interferir con la calidad de los datos o la interpretación de los resultados).
- Los criterios de selección en la investigación cualitativa pueden ser más flexibles que en la
cuantitativa.
- Los autores sugieren que la elección de las unidades de análisis en la investigación
cualitativa puede basarse en factores como la relevancia, la información rica y la
diversidad de perspectivas.
a. Relevancia:
- La relevancia se refiere a la importancia de las unidades de análisis en relación con la
pregunta de investigación o el objetivo del estudio. En la investigación cualitativa, es
fundamental seleccionar unidades pertinentes y relacionadas directamente con el
tema investigado.
- Por ejemplo, si se está investigando la percepción de los estudiantes sobre la educación en
línea, las unidades de análisis relevantes podrían ser estudiantes que han tenido experiencias
significativas con la educación en línea.
b. Información rica:
- La información rica se refiere a la profundidad y la calidad de los datos que se pueden
obtener de las unidades de análisis. En la investigación cualitativa, se valora la obtención
de datos detallados, descriptivos y contextuales que permiten una comprensión más
profunda del fenómeno estudiado.
- Al seleccionar unidades de análisis, se busca encontrar fuentes de información rica que
puedan proporcionar una visión más completa y matizada del tema. Esto puede incluir
personas con experiencias diversas y perspectivas enriquecedoras.
c. Diversidad de perspectivas:
- La diversidad de perspectivas se refiere a la inclusión de diferentes puntos de vista, voces
y experiencias en la investigación. En la investigación cualitativa, se valora la variedad de
perspectivas para enriquecer la comprensión del fenómeno estudiado.
- Al seleccionar unidades de análisis, se busca incluir personas o grupos con diversas
experiencias, antecedentes, valores y opiniones. Esto puede ayudar a capturar la
complejidad y la diversidad inherentes a muchos temas de investigación.
• Preguntas Causales: Son preguntas que buscan entender por qué ocurre un evento o
fenómeno específico. Estas preguntas pueden ser de diferentes tipos:
- ¿Por qué ocurrió el evento A?: Buscan encontrar la causa o conjunto de causas que
llevaron al evento A.
- ¿Qué causó el evento B?: Exploran las relaciones de causalidad entre el evento B y sus
posibles causas.
- ¿Cómo afecta la causa X al efecto Y?: Investigan el mecanismo de la causalidad.
• Explicaciones Causales: Estas explicaciones buscan ofrecer razones o fundamentos para
entender por qué ocurren ciertos eventos. Pueden ser de diferentes tipos:
- Explicación por Regularidad: Argumenta que un evento es causado por otro debido a la
repetición de una secuencia de eventos en la que uno sigue al otro de manera
consistente.
- Explicación por Necesidad: Sostiene que las causas obligan o hacen que sus efectos
sucedan de manera necesaria, es decir, sin la causa, el efecto no podría haber ocurrido.
- Explicación Contrafactual: Se basa en suposiciones de lo que hubiera ocurrido si una
causa no hubiera estado presente y cómo esto afecta al efecto.
Definiendo Causalidad
• La perspectiva de causalidad como necesidad sugiere que las causas no solo están
relacionadas con sus efectos por regularidades, sino que también existe una necesidad
intrínseca en la relación causal. En otras palabras, una causa hace que su efecto ocurra
de manera necesaria; sin la causa, el efecto no podría haber ocurrido. Esta visión implica
una cierta obligación en la relación causal.
White, H., & Sabarwal, S. (2014). Quasi-experimental design and methods. Methodological Briefs: Impact
Evaluation, 8, 1-16.
Experimentos y Contrafácticos
Tipos de Experimentos:
- White menciona que los ensayos controlados aleatorios son un tipo de diseño experimental
utilizado en la evaluación de impacto.
• Experimentos de Laboratorio: Se llevan a cabo en un entorno controlado y artificial, lo
que permite un alto grado de control sobre las condiciones experimentales. Estos
experimentos suelen ser más adecuados para estudiar relaciones causales específicas
bajo condiciones controladas.
• Experimentos de Campo: Se realizan en entornos del mundo real, lo que aumenta la validez
externa. Sin embargo, a menudo se sacrifica parte del control experimental. Estos
experimentos son útiles para comprender cómo las intervenciones afectan a
situaciones de la vida cotidiana.
Tipos de Cuasi-Experimentos
Mediación
Moderación e interacciones
• La moderación implica que la relación entre dos variables puede cambiar en función de
una tercera variable. La influencia de la variable independiente en la dependiente
puede variar según el nivel de la variable moderadora.
• Las interacciones son patrones de cambio en una variable dependiente que se
asocian con diferentes niveles de dos o más variables independientes.
• Los análisis de moderación e interacciones permiten comprender las condiciones bajo las
cuales una relación es más fuerte, más débil o incluso se invierte.
Se menciona que la distinción entre variables mediadoras y moderadoras ha sido discutida
en diferentes campos, como enfermería, psicología industrial y organizacional, psicoterapia
infantil, psicología clínica, psiconeuroinmunología y programas para niños. Además, se
describen las asunciones del modelo de mediación y moderación con ejemplos concretos.
El texto también proporciona información sobre dónde se puede encontrar información
más detallada sobre las variables moderadoras y los tipos de modelos que tienen efectos
de moderador y mediador.
Singer, J. D. & Willet, J. B. (2003). Applied longitudinal data analysis: Modeling change and event occurrence.
Oxford University Press. Cap. 1 (pp. 3-10).
Valsiner, J. (2005). Culture and human development: An introduction. SAGE. Cap. 2 (pp. 17-27).
Cambio y estabilidad
• Ambos autores abordan la noción de cambio y estabilidad, pero desde perspectivas
ligeramente diferentes.
• Singer (2003) se enfoca en la capacidad de medir y modelar el cambio en el tiempo
utilizando modelos estadísticos apropiados. Destaca que, a medida que se
desarrollaron modelos estadísticos adecuados, se pudieron estudiar los cambios de manera
más efectiva. Su enfoque se centra en el análisis de datos longitudinales para
comprender cómo las variables cambian con el tiempo. En este contexto, el énfasis
está en identificar patrones de cambio y evaluar la predictibilidad de los problemas
basados en signos y síntomas.
• Valsiner (2005) aborda el cambio y la estabilidad desde una perspectiva más filosófica
y epistemológica. Destaca la novedad como elemento central del desarrollo y argumenta
que el desarrollo implica la transformación constante. Valsiner sugiere que el desarrollo
es un proceso bidireccional y probabilístico, lo que significa que el cambio puede
ocurrir, pero también puede haber estabilidad relativa en medio del cambio
constante. Se enfoca en la flexibilidad y la variabilidad como características
inherentes al desarrollo.
Enfoques longitudinales
Diseños longitudinales
• Singer (2003) resalta la importancia de tener múltiples olas de datos en los diseños
longitudinales para obtener una imagen más precisa de cómo cambian las variables con el
tiempo.
• Valsiner (2005) no se centra en los diseños de investigación específicos, pero su enfoque
en la flexibilidad y la variabilidad sugiere que los diseños longitudinales deben ser
adaptables y estar abiertos a la novedad.
Gigerenzer, G. (2000). The empire of chance: How probability changed science and everyday life. Cambridge
University Press. Caps. 6.1 y 6.2.
Stigler, S. M. (1992). A historical view of statistical concepts in psychology and educational research. American
Journal of Education, 101(1), 60-70.
Stigler, S. M. (2016). The seven pillars of statistical wisdom. Harvard University Press. Introduccion
Variabilidad
• En el contexto estadístico, la variabilidad se refiere a las diferencias o dispersiones que
pueden existir en un conjunto de datos. En el resumen, se sugiere que la
intercomparabilidad implica observar la variabilidad dentro de los datos para poder
compararlos de manera efectiva.
• Permite una imagen completa de la distribución de los datos.
▫ Para Stigler (2016) es el cuarto pilar de la estadística, la intercompatibilidad: La
intercomparabilidad implica que los datos se pueden comparar con mediciones
tomadas de los propios datos, y se hace referencia a ver la variabilidad dentro de
los datos.
▫ Según Stigler (1992) en las ciencias sociales, donde no es posible realizar experimentos
y no hay teorías exactas, los modelos estadísticos se utilizan como herramientas para
abordar la variabilidad y la falta de teorías exactas en las ciencias sociales, se presentan
como una manera de definir el objeto de inferencia de manera más directa.
Shaughnessy, J. J., Zechmeister, E. B., Zechmeister, J. S. & Gutiérrez, M. E. (2007). Métodos de investigación
en psicología. McGraw-Hill Interamericana. Cap. 3.
Shrout, P. E. & Rodgers, J. L. (2018). Psychology, science, and knowledge construction: Broadening perspectives
from the replication crisis. Annual Review of Psychology, 69, 487- 510.
• El engaño controlado puede ser necesario para obtener resultados válidos, especialmente
cuando revelar completamente el propósito del estudio podría sesgar las respuestas
de los participantes.
▫ En psicología se usa para evitar que los participantes ajusten su comportamiento o
respuestas de acuerdo con lo que creen que el investigador espera
• Debe seguir estos códigos éticos:
- El engaño debe estar justificado por la importancia del estudio.
- Antes de recurrir al engaño, se deben explorar alternativas sin engaños.
- El engaño debe ser mínimo y proporcionado a los objetivos del estudio. Luego se
les debe informar a los participantes del engaño y su motivo.
Crisis de la replicabilidad
• Dificultad de replicar o reproducir los resultados de estudios científicos anteriores.
• En el contexto de la psicología, ha habido preocupaciones sobre la falta de consistencia
al intentar replicar experimentos y hallazgos, lo que plantea interrogantes sobre la
confiabilidad y validez de algunos resultados.
- Factores: Prácticas científicas deficientes, sesgos de publicación (donde los resultados
positivos son más propensos a ser publicados que los resultados negativos), y
problemas con el diseño y la ejecución de experimentos.
Leahey, T. H. (2000). A history of psychology: Main currents in psychological thought. Prentice Hall. Cap. 1.