Tema 9

Herramientas para leer investigaciones

cuantitativas: estudios descriptivos y
correlacionales
 🞄 La cuantitativa es la que pretende estudiar la realidad
representándola mediante números. Este tipo de investigación nace con
investigación
las ciencias puras (física, química, matemática, astrofísica...), llegando
muchodespués a las ciencias sociales (sociología, psicología, educación...).
En el campo de la educación , este acercamiento a los postulados científicos
aparece con el nombre de Pedagogía y, más en concreto, de Pedagogía
Experimental , que es el nombre con el que se traduce al castellano desde el
alemán, en 1928, en la obra escrita por W. A. Lay en 1909.
9.1. 🞄 En este tema, como continuación de lo apuntado anteriormente,
nosiniciamos en el ámbito de la investigación cuantitativa, procedente del
Introducción paradigma post-positivista de la ciencia . Pues bien, la ciencia que se
encarga de estudiar la realidad desde este enfoque es la estadística.
🞄 La estadística aporta un conjunto de herramientas y técnicas que
son
usadas para describir, organizar e interpretar información o datos.

🞄 En nuestro caso particular, en Educación Infantil, esos datos pueden

proceder de la observación realizada en el aula (aprendizajes, avances,
actitudes, atención, sueño, siestas, limpieza, uso del aseo, etc.), de
cuestionarios enviados a los padres o tutores legales del alumnado, de la
aplicación de tests y pruebas adaptadas a la edad de los infantes, etc.
 🞄 Como maestros y maestras de Educación Infantil,
capacidad para recoger datos, analizarlos e interpretarlos
nuestra
correctamente puede ser la pieza clave para mejorar nuestra
Profesionalidad docencia, resolver problemas y comunicar nuestros hallazgos en
forma de evidencias a otros compañeros y a la comunidad
Ganancia en la científica.
reputación de la 🞄 Será, sin una pieza fundamental en nuestro nivel de
profesionalidad y una ganancia en la reputación de la profesión , en
duda,
profesión una de las profesiones que pueden cambiar el futuro de un país.
 Hemos visto en los temas anteriores que, mediante la observación, podemos
recoger datos cuantitativos y cualitativos.

Esos datos tenemos que registrarlos para posteriormente analizarlos.

La mayoría de las veces en las que recogemos información y datos, necesitamos

medir, por ejemplo: el peso, el grado de participación, la aptitud verbal o numérica,
las actitudes de los padres, el clima escolar... Así, un aspecto al que es necesario

9.2. Primer referirnos antes de avanzar en la estadística descriptiva es la cuestión de la medida.

El término técnico que suele utilizarse para referirse a la teoría de la medición en
psicometría .
paso: la psicología y educación es

Cuando nos enfrentamos a la medida de constructos (variables abstractas no

medida directamente mensurables) como inteligencia, actitud, aptitud, rendimiento
académico... la cosa se complica. Lo que hacemos es medir los rasgos observables
que, desde una definición teórica, se relacionan con el constructo . Por ejemplo, a
falta de un chip que, implantado en el cerebro, nos descifre digitalmente nuestro
cociente intelectual, lo que hacemos es aplicar tests que miden manifestaciones
observables, conforme a la teoría científica, relacionadas con la inteligencia:
razonamiento matemático, capacidad verbal, orientación espacial... Suponemos
que la suma de todo ello indica nuestro nivel intelectual expresado en un número,
pero podemos entender que no es lo mismo que medir la longitud de una mesa con
un metro.
 🞄 Construir instrumentos de medida en Educación es una tarea
compleja. Solo indicaremos en este momento que los
muy
instrumentos de medida deben cumplir dos características:
🞄 La fiabilidad, que se refiere a la precisión del
instrumento, a que mida bien el rasgo, con consistencia y
estabilidad, es decir, que en mediciones sucesivas hechas con el
mismo instrumento y sobre la misma muestra, los resultados
mantengan una cierta constancia y

🞄 La validez, que se refiere a que el instrumento mida

lo que dice medir, es decir, que sus ítems o elementos
Fiabilidad y representen bien el constructo objeto de medida (por ejemplo, si
mide inteligencia, no debe medir nivel cultural). Nosotros, como
validez maestros, muchas veces utilizaremos instrumentos que ya están
en el mercado o han sido publicados en revistas científicas.
Debemos saber que estas son dos características en las que
siempre nos deberemos fijar antes de elegir el instrumento.
También nos veremos en la situación de recibir los informes de los
equipos de orientación educativa y psicopedagógica sobre
nuestro alumnado, y tenemos la obligación de ser capaces de
entenderlos y tener un saber que nos permita hacer un juicio
correcto de la información recibida. Para ello es fundamental
tener unas nociones mínimas de medición y estadística.
 9.2.1. Tipos de variables en función de
su naturaleza

Aquí es necesario distinguir entre dos tipos de variables en

función de su naturaleza: cuantitativas y cualitativas.
🞄 VARIABLES CUANTITATIVAS: indican que su medida representa,
con mayor o menor precisión, una magnitud: 1,60 m. de altura , 70
kg, 120 de cociente intelectual, un 9 en un examen de
Estadística...
🞄 VARIABLES CUALITATIVAS por su parte, aunque se representen
o codifiquen con un número, no indican magnitud. Por ejemplo, el
sexo de una persona se puede representar mediante un 0 si es un
niño y un 1 si es una niña. Sin embargo, esto no implica magnitud,
es decir, 1 no es más que 0, esos números o códigos son
intercambiables, son como letras. Otras variables cualitativas son
religión, color, país de nacimiento, aula a la que se pertenece,
colegio, etc.
 Según la teoría de Stevens, hay cuatro niveles de medida, según su menor o
mayor perfección. De menor a mayor perfección son: nominal, ordinal,
intervalo y razón. Cada categoría contiene las características de los niveles
anteriores.
🞄 Nominal: solo permite establecer categorías mutuamente excluyentes,
NIVELES DE es decir, que las categorías no se solapan. Ej. sexo, religión, país, raza, método
aplicado, etc.

MEDIDA DE 🞄 Ordinal: Permite, además, establecer un orden entre las categorías.

Porejemplo, alto-medio-bajo, pequeño-mediano-grande. En el caso de estas
LAS variables, podremos establecer relaciones entre las categorías del
tipo "Mayor que" y "Menor que".

VARIABLES 🞄 Intervalo: Podemos decir, además, que la distancia entre dos

consecutivos se mantiene constante. Por ejemplo, la temperatura: la
intervalos
diferencia entre 8oC y 9oC es la misma que entre 13oC y 14oC.
🞄 Razón: Además de las características anteriores, el cero sí indica ausencia
del atributo. Son variables como masa, longitud, ingresos en €, número de
cigarrillos fumados, etc. En este caso, sí que están permitidas las
operaciones de multiplicación y división.
🞄 Obsérvese queuna misma variable (por ejemplo, la altura) puede
tener distintos niveles de medida en función del instrumento de
medición o los intervalos hechos para la medida.
🞄 Ejemplo: Con un metro tendremos una medida de razón, pero si
establecemos grupos de altura para un juego y los dividimos en altos,
medianos y bajos, tendremos un nivel de medida ordinal.
🞄 El nivel de medida de las variables es muy importante para los
análisis estadísticos que se pueden realizar posteriormente. Así, las
con nivel de medida de intervalo y razón suelen denominarse escalas
variables
continuas y permiten unos análisis estadísticos más potentes que
cuando el nivel de medida es inferior.
🞄 Otro aspecto a tener muy en cuenta como maestros de
infantil es qué precisión podemos obtener al aplicar pruebas a estas
educación
edades. Pensemos que, con niños de 0 a 6 años, la capacidad de
concentración, el estado anímico y emocional, las variables orgánicas,
etc., son extremadamente influyentes en las medidas, y la diferencia
en meses entre unos estudiantes del mismo aula puede suponer unas
diferencias elevadas en determinadas variables evolutivas y
madurativas como, por ejemplo, la psicomotricidad, la lectoescritura
o el pensamiento matemático.
 🞄 Ejemplo
🞄 Imaginemos que una profesora está interesada conocer la actitud de los estudiantes de su
enclase en el curso anterior. Tras consultar los expedientes de los estudiantes, encuentra que
existen c uatro variedades de actitud: mala, regular, buena y muy buena . Esta profesora
observa, por tanto, que la característica de su alumnado denominada “actitud”, puede adoptar
3. Los análisis diferentes valores, también llamados categorías.
estadísticos más básicos: 🞄 Cuando tratamos de organizar un conjunto de datos cualitativos, una primera
importante sería el número de veces que se repite cada posible categoría de la variable.
característica
frecuencias y porcentajes
🞄 A este número se le denomina frecuencia absoluta (𝑓 ) de la categoría. En
1. La frecuencia el ejemplo anterior de la profesora interesada en conocer la actitud de su alumnado, el número
de veces que se repite cada actitud en su clase sería la frecuencia absoluta de esa variable. En la
absoluta y las Figura 1 se reflejan los valores de la actitud de los 20 estudiantes de la clase.

distribuciones de Teniendo esto en cuenta, una distribución de frecuencias de una variable cualitativa sería una
lista de los diferentes valores de la variable y sus correspondientes frecuencias (ver Tabla 1). Por
frecuencias tanto, para encontrar la distribución de frecuencias de la variable actitud, simplemente
tendríamos que:
🞄 1) Hacer una lista de las diferentes actitudes de los niños
🞄 2) Contar el número de veces que aparece cada actitud en la
lista
🞄 3) Preparar una tabla como la que se muestra a continuación:
En la Tabla 1, se resume la puesta en práctica de este procedimiento en el ejemplo que nos ocupa.
 🞄 Como se introdujo en la sección anterior, frecuencia
laabsoluta () de una categoría de una variable cualitativas es
el número de veces que se repite esa categoría en la
muestra.
9.3.2. La 🞄 Además de este número, puede ser interesante calcular
frecuencia lallamada frecuencia relativa (h𝑖), que nos da una idea de la
proporción de respuestas de cada categoría con respecto al
relativa y el total de respuestas obtenidas.
porcentaje 🞄 Por tanto, la frecuencia relativa (h𝑖) de una categoría
se calculará dividiendo la frecuencia absoluta (𝑓 ) entre
A. La frecuencia el número de respuestas (N), mediante la fórmula:
relativa de una
categoría
 🞄 Veamos, con el ejemplo anterior, cómo frecuencia
la relativa nos proporciona información adicional a la que
ofrece la frecuencia absoluta.
🞄 Si la frecuencia absoluta de la actitud mala es 4, sabemos
que 4 estudiantes tuvieron el curso anterior esa actitud. En
otra clase, la frecuencia absoluta de esta actitud podría ser
10. Sin embargo, si el número de estudiantes en cada clase
es diferente, la comparación no es evidente. Si, por
ejemplo, en la primera clase hay 20 estudiantes y en la
Frecuencia segunda 100, la proporción de actitudes malas (frecuencia
relativa) sería mayor en la primera a pesar de que el
relativa número de actitudes de este tipo (frecuencia absoluta) es
menor. Sin embargo, si tenemos la frecuencia relativa de
las actitudes malas que, como calculamos anteriormente
es 0.2, ya podemos saber que, de cada 10 estudiantes de la
clase, 2 han tenido mala actitud. En la segunda clase, la
frecuencia relativa de la actitud mala sería menor (0.1) es
decir, solo 1 de cada 10 estudiantes tienen una actitud
mala.
 El porcentaje asociado a una categoría de una variable cualitativa
nos indica el número repeticiones de la misma por cada cien casos.
A partir de la frecuencia relativa es muy sencillo de calcular, pues
solo necesitaríamos multiplicar la frecuencia relativa por 100, de
acuerdo con la siguiente fórmula:
B. El 𝑝𝑖 = h𝑖 × 100

porcentaje de Por tanto, si deseamos calcular el porcentaje de actitudes malas,

tendríamos:
una categoría 𝑝𝑖 =h𝑖 ×100=0.2×100=20%
Es decir, el 20% de los estudiantes de esa clase habría tenido una
actitud mala durante el curso anterior.
 9.3.3.
🞄 Una primera etapa de la organización de los datos consiste
Construcción en elaborar tablas utilizando las frecuencias absolutas,
de una tabla relativas y porcentajes .
de frecuencias 🞄 Continuando con el ejemplo anterior, plantearemos
una tabla que contiene las frecuencias absolutas,
y de relativas y porcentajes de cada categoría de la variable
porcentajes “actitud”.
🞄 Para ello basta con partir de las
frecuencias absolutas y aplicar las fórmulas para
calcular las relativas y los porcentajes.
🞄 Como se puede
en la Tabla 2, la suma de
apreciar
todas las frecuencias
absolutas coincidirá con el
número de respuestas , la
suma de frecuencias
relativas será uno,
siempre que todos los
participantes hayan
respondido (es decir, que
no haya valores perdidos)
y la suma de los
porcentajes será, como es
lógico, 100.
 🞄 Nos adentramos en la estadística descriptiva, que es
herramienta que nos ayuda a resumir la información de un grupo
una
de sujetos u otras unidades de análisis (en nuestro caso, relativos a
estudiantes, familias, profesores, etc.).
🞄 No debemos olvidar que estos índices describen grupos de datos
9.4. Medidas y no los datos individualmente .
de tendencia 🞄 EJEMPLO: Si queremos saber los años de experiencia de un
grupo de 100 profesores de un centro, podríamos leer los 100
central datos, pero resulta mucho más fácil de interpretar una puntuación
única que describa la tendencia del grupo, es decir, cuál es la
experiencia media de ese grupo en conjunto (y lo mismo sería para
describir la inteligencia el rendimiento, la personalidad o la
sociabilidad de un grupo).
 🞄 Lamedia aritmética es la medida de tendencia central más conocida
y que utilizamos habitualmente. Se calcula sumando todas las
puntuaciones y dividiendo dicha suma por el número total de
puntuaciones. Su símbolo es 𝑋 y se define como:
🞄 𝑆𝑢𝑚𝑎 𝑑𝑒 𝑡𝑜𝑑𝑎𝑠 𝑙𝑎𝑠 𝑝𝑢𝑛𝑡𝑢𝑎𝑐𝑖𝑜𝑛
𝑒𝑠
/𝑋= 𝑁ú𝑚𝑒𝑟𝑜𝑡𝑜𝑡𝑎𝑙𝑑𝑒𝑝𝑢𝑛𝑡𝑢𝑎𝑐𝑖𝑜𝑛𝑒𝑠
🞄 Utilizando el símbolo sumatorio, podemos reescribir la fórmula de
la siguiente manera:
9.4.1. La ∑𝑛 𝑋 𝑖=1 𝑖
media aritmética 𝑁

🞄 Para poder calcular la media aritmética se exige que el nivel

demedida de la variable sea de intervalo o de razón . Esto es muy
importante tenerlo en cuenta para los datos recogidos en el aula de
educación infantil, ya que es muy difícil alcanzar este nivel de medida
a estas edades cuando nos referimos a variables educativas como
rendimiento, actitudes, etc.
 🞄 Otro aspecto a tener en cuenta cuando usemos estas medidas en el aula es
que trabajaremos con grupos pequeños (muestras pequeñas). La media
aritmética es una medida que se ve afectada por las puntuaciones extremas.
Supongamos que tenemos cinco calificaciones: 6, 7, 6, 5 y 0. En este caso, si
no contamos el 0, que sería la puntuación extrema (es extrema porque se aleja
mucho del resto), la media sería 6 (24/4), pero si contamos el 0, sería 4,8
(24/5), una media mucho más baja. En este tipo de situaciones, no sería
adecuado utilizar la media aritmética como medida representativa de la
tendencia central del grupo.
🞄 Cuando no se alcanza este nivel de medición (de intervalo o razón), tenemos
9.4.2. un nivel de medida ordinal o tenemos puntuaciones extremas distorsionantes
(distorsionan tanto más cuanto más pequeña es la muestra), es mejor utilizar
la mediana como mejor alternativa a la media. La mediana simplemente es la
La mediana puntuación que divide en dos a la distribución, es decir, el valor que deja por
encima y por debajo de sí al 50% de los casos.
🞄 En el ejemplo anterior, tendríamos que ordenar las puntuaciones (0, 5, 6, 6,
7).
La posición central, la 3a, lo ocupa la puntuación 6. Por tanto, la mediana, en
este caso, sería 6.

🞄 0, 5, 6,
6, 7
 Finalmente tenemos a la moda como el valor más grueso de
tendencia central de un grupo, pero también muy útil. La moda es el
valor con frecuencia absoluta más alta, es decir, será la puntuación
9.4.3. La que más se repite. Por tanto, la moda no necesita ningún cálculo.
moda Cuando observemos la distribución de frecuencias, la puntuación
directa a la que corresponda la frecuencia mayor, será la moda.
 El término dispersión hace referencia a la a la heterogeneidad de las
medidas, es decir, a lo diferentes que son entre sí .
En ocasiones se alude a estas diferencias como diferencias
interindividuales, es decir, las diferencias en puntuación que pueden
existir entre los individuos de un grupo.
9.5. Medidas Si observamos la Figura 2 en la que se representan mediante dos
de dispersión diagramas de puntos las notas en lengua de dos grupos de 5
personas. En ambos grupos, la nota media en esta asignatura es la
misma (6.4), sin embargo, no tienen la misma heterogeneidad en
las puntuaciones ya que, como se puede apreciar en los diagramas
de puntos, las notas en el grupo A son más dispersas que en el B. Es
decir, las diferencias interindividuales en el grupo A son mayores.
 La medida más básica de dispersión es la amplitud, rango o
recorrido de una variable. Esta se calcula como la diferencia entre la
puntuación mayor y menor:
𝐴 = 𝑋𝑚𝑎𝑦𝑜𝑟 − 𝑋𝑚𝑒𝑛𝑜𝑟 𝑖𝑖
En el ejemplo de la Figura 2, se puede apreciar que, en el grupo A, la
puntuación mayor es 10 y la menor es 3. Por tanto, podemos calcular la
amplitud sin más que sustituir en la fórmula anterior:
9.5.1. La 𝐴=𝑋𝑚𝑎𝑦𝑜𝑟 −𝑋𝑚𝑒𝑛𝑜𝑟 =10−3=7 𝑖𝑖
amplitud Por contra, en el grupo B, la puntuación mayor es 8 y la menor es 5, por
lo que la amplitud sería:
𝐴=𝑋𝑚𝑎𝑦𝑜𝑟 −𝑋𝑚𝑒𝑛𝑜𝑟 =8−5=3 𝑖𝑖
Por tanto, estos cálculos confirman lo que veíamos en los diagramas de
puntos: las puntuaciones en el grupo A tienen una mayor
heterogeneidad que las del grupo B o lo que es lo mismo, las diferencias
interindividuales en el grupo A son mayores que en el grupo B.
 🞄 Pongamos ejemplo siguiendo a Pérez Juste, et al. (2012).
unSupongamos que tenemos dos grupos de cuatro sujetos cada uno
9.5.2. La a los que pasamos un test de inteligencia (ver Tabla 4).

desviación
típica y la
varianza
🞄 Como se puede la media aritmética es la misma en los dos
grupos y, sin embargo, son grupos muy diferentes .
observar,
🞄 Por esta razón, cuando queremos describir a un grupo de sujetos,
el índice de tendencia central debe ir acompañado por un índice de
dispersión o variabilidad que indique en qué medida las puntuaciones
de los sujetos se dispersan o varían en torno a la media aritmética.
Podremos comprender rápidamente que, si hay poca dispersión, el
grupo es homogéneo en esa variable, mientras que, si la dispersión es
elevada, tendremos un grupo heterogéneo , y esto puede ser decisivo
a la hora de plantear los métodos de enseñanza y de procurar
la deseada enseñanza individualizada.
🞄La medida más utilizada para medir la variabilidad de un grupo es
la desviación típica (o desviación estándar), que se representa por
sigma en la población (parámetro ) y por s en las muestras
(estadístico s).
🞄También es muy común usar la desviación típica al cuadrado , que
recibe el nombre de varianza. Conceptualmente expresan lo mismo:
en qué medida las puntuaciones directas se desvían más o menos de
la media del grupo.
Comparando las medias aritméticas
se deduce que la terapia parece
haber producido un efecto
beneficioso para reducir la
agresividad, puesto que el grupo
experimental presenta una media
13 puntos más baja que el grupo de
control, cuyos sujetos no han sido
sometidos al tratamiento.

Por otra parte, la desviación típica es

más baja en el grupo experimental,
lo que nos indica que los sujetos
están más igualados entre sí en
cuanto al nivel de agresividad que
los del grupo de control, en donde
hay mayores diferencias
interindividuales.
 🞄 Acabamos de ver las dos medidas más importantes para describir estadísticamente un
grupo de sujetos: las medidas de tendencia central y las medidas de variabilidad.
🞄 Los números son, sin duda, buenas medidas descriptivas, una representación gráfica de
los
pero mismos nos puede proporcionar una idea rápida, clara y visual de lo que está ocurriendo con
los números, de cómo es un grupo, su distribución, su tendencia o su dispersión .
🞄 A nosotros nos interesan dos cuestiones fundamentalmente en este curso:
9.6. La 🞄 1. Saber interpretar correctamente un gráfico.
🞄 2. Saber elegir correctamente un gráfico en función del tipo de datos a

representació representar.
🞄 Sin embargo, hay que tener sentido común para saber cuándo introducir un gráfico en un
informe. En primer lugar, vamos a explicar a qué nos referimos cuando hablamos de “sentido
n gráfica de común”. Los gráficos pueden ser un elemento atractivo para señalar al lector aspectos
importantes de nuestro informe, pero también podemos convertirlo en un elemento tedioso,
repetitivo y difícil de interpretar.

datos 🞄 Por
queramos
eso, l
os gráficos se deben utilizar para ENFATIZAR aquello realmente importante que
destacar.

numéricos 🞄 La segunda pista a tener en cuenta no repetir la información que damos en un gráfico con la
es información que demos, por ejemplo, en una tabla. No repitamos la información en distintos
formatos, ya que ocuparemos un espacio innecesario y cansaremos al lector.
🞄 Evitemos, a la vez, sobreinformación, títulos y etiquetas demasiado largos. Usemos un gráfico
para representar una sola idea. No por hacer un gráfico más complejo indicamos un mayor
conocimiento y mayor profesionalidad. Cuanto más sencillo y comprensible, mejor. Si requiere
mucha explicación textual, no vamos por el buen camino. Un gráfico debe convencer sobre la
idea que queremos transmitir.
 🞄 Una vez interiorizados estos principios generales, vamos a estudiar los
tipos de gráficos más comunes. Empecemos por los más sencillos, que son
los gráficos utilizados para las variables cualitativas y las que tienen un nivel
de medida nominal, incluso ordinal sin demasiadas categorías. Nos
referimos al diagrama de sectores o diagrama de tarta. Pie chart.
🞄 Para construir un gráfico sencillo, siempre vamos a partir de la distribución
de frecuencias. Retomemos el ejemplo de las actitudes de los niños y las niñas
en una clase (ver Tabla 6).
Los gráficos
de sectores
En la última columna de la tabla
vemos los porcentajes que se
representarán en el diagrama de
sectores, de modo que el área de
cada sector debe ser proporcional al
porcentaje correspondiente. En la
Figura 3 se muestra el diagrama de
sectores correspondiente a la
distribución de frecuencias de la
Tabla anterior.
9.6.2. Los gráficos
de barras
Para variables con nivel de medida nominal
u ordinal, suele utilizarse el diagrama de
barras, quepuede ser horizontal o vertical.

Para plantear el gráfico de barras tan solo

debemostener en cuenta que la altura delas barras
coincidirá con lafrecuencia absoluta decada
categoría. Porejemplo, lafrecuencia absoluta dela

categoría“regular” es8 y, como se puede apreciar

en la Figura 5,la altura delabarra correspondiente a
esa categoría es 8.
Los diagramas de barras permite
además compararfácilmente
variosgrupos.

Por ejemplo, podemos comparar

lasactitudesdedos grupos
diferentes.

Enla Figura 6, sepuede observar

que lasactitudesson globalmente
mejores en elgrupo Bque en elA.
 🞄 Cuando tenemos un nivel de medida de intervalo o de razón,
enlugar de niveles nominales u ordinales, como en los casos
anteriores, la distribución de frecuencias de las puntuaciones se
9.6.3. Los puede representar mediante lo que se llama un histograma.
histogramas
🞄 Un histograma no es más que un diagrama de barras vertical en el
que las barras se representan apiladas, es decir, sin huecos entre
ellas, mostrando así la continuidad de la variable .
En la Figura 7 se representa el
histograma de la variable
creatividad.

En el eje horizontal se
representan los valores de la
creatividad, en concreto,
se incluyen las marcas de clase
de cada intervalo (50, 60, 70,
...) en el eje horizontal.

En el eje vertical, se
representan las frecuencias
absolutas de cada intervalo que
están recogidas en laTabla 7.
 🞄 El concepto de relación es fácil e intuitivo. Cuando decimos que
una buena relación entre dos personas queremos decir que se llevan
hay
bien, que una tiene que ver con la otra, que tienden a gustarles las
mismas cosas y pensar del mismo modo. Cuando hablamos de
relación entre variables la situación no es muy diferente ya que nos
referimos a que ambas variables tienen que ver una con otra en su
comportamiento numérico, hay una tendencia entre los números que
representan a cada variable a crecer o decrecer en el mismo sentido.
🞄 En el ámbito de la educación es muy frecuente encontrarnos
9.7. La variables que están relacionadas: inteligencia y rendimiento,
calificaciones y motivación, edad y madurez, estatus socioeconómico
relación entre e ingresos, número de libros leídos y capacidad lectora, número de
horas de sueño y atención, etc. Conocer la relación entre las variables
y su magnitud (si esta relación es pequeña, mediana o grande) puede
las variables ser muy relevante a la hora de tomar decisiones como profesionales
de la educación. Para cuantificar numéricamente esta relación entre
variables de intervalo o de razón (también llamadas continuas),
utilizaremos lo que denominamos coeficiente de correlación,
desarrollado por Karl Pearson (1857-1936). Ya que su cálculo
matemático va más allá de las pretensiones esta obra, nos
centraremos en estudiar algunas de sus características para poder
interpretarlo:
9.7.1. ¿Qué necesitamos
para estudiar la relación
entre dos variables?

Para estudiar una correlación, necesitamos

un grupo de sujetos y los valores de cada
uno en las dos variables sobre las que
queremos estudiar su relación.
Por ejemplo, si deseamos estudiar una
posible relación entre la motivación y el
rendimiento, debemos medir los valores de
esas dos variables de un grupo de 10
estudiantes. En la Tabla 8 se recogen los
resultados.
 9.7.2. Estudio gráfico
de la relación entre
dos variables
continuas
Para realizar una primera exploración
podemos representar gráficamente los
valores de las dos variables. En un
gráfico podemos situar, por ejemplo, la
motivación en el eje horizontal y el
rendimiento en el eje vertical.
Después, representaríamos cada
pareja de valores uno por uno, lo que
Como se puede apreciar en la Figura 8, a medida que aumentan los queda reflejado en el gráfico por una
serie de puntos (en gris en la Figura 8).
valores de la motivación (es decir, a medida que nos desplazamos
hacia la derecha en el eje horizontal), los valores del rendimiento
aumentan (es decir, los puntos cada vez están a mayor altura). Esta
tendencia se corrobora en la figura con la línea recta en color azul
que es la línea que mejor se ajusta a los puntos.
 🞄 Una vez que hemos observado esta relación
podemos cuantificarla empleando el coeficiente de correlación de
gráficamente,
Pearson.
🞄 El coeficiente de correlación tiene signo: puede ser positivo
9.7.3. ¿Cómo o negativo.
se estudia la 🞄 Este signo nos indica lo que llamamos la naturaleza de la
relación.
naturaleza e
🞄 Si el
coeficiente es positivo, como es el caso del ejemplo, lo
intensidad de interpretamos como que cuando el valor de una variable aumenta,
el de la otra variable también aumenta . En nuestro ejemplo,
la relación? cuando aumenta el valor de la motivación, aumenta el valor del
rendimiento (ver Figura 8).
🞄 Si el coeficiente es negativo, su interpretación será que,
los valores de una variable aumentan, los de la otra disminuyen. .
cuando
🞄 Por otro lado, para conocer la intensidad que tiene la
entre las dos variables , debemos tener en cuenta que el
relación
coeficiente de correlación se moverá siempre entre un valor
mínimo de -1 y un valor máximo de +1 , es decir, no será posible
que un coeficiente de correlación esté por debajo de -1 ni por
encima de +1. Cuanto más se acerque su valor a ambos extremos,
más intensa será la relación .
🞄 Como se puede apreciar en la figura, existe una correlación muy alta entre la actitud y
el rendimiento (el coeficiente de correlación entre estas dos variables es r=0.98). Como
vemos, l os puntos se encuentran muy alineados.
🞄 En el caso de lanota del curso anterior y el rendimiento , tenemos un coeficiente de
correlación de r=0.55 que se corresponde con una correlación moderada . Vemos, en
comparación con el caso anterior, que los puntos no están tan alineados, aunque marcan
una cierta tendencia a que, a mayores valores de la nota en el curso anterior, aumentan los
valores del rendimiento.
🞄 Por último, en el caso de la altura y el rendimiento, vemos no hay prácticamente
correlación (el coeficiente es r= 0.06). Los puntos no marcan ninguna tendencia.
que
🞄 Por último, es importante destacar que una correlación
puede interpretarse como una relación causal . Solo con una
nunca
correlación alta entre motivación y rendimiento, no podemos
decir que la motivación sea la causa del rendimiento o viceversa.
🞄 Para eso hay que recurrir a otros análisis como los diseños
experimentales , aunque un primer acercamiento es el análisis de
regresión.
 IMPORTANTE
EN ESTE TEMA ÚNICAMENTE ENTRAN LOS APARTADOS:
TEMA 10 1. De la muestra a la población. El sentido de la inferencia estadística
Y
2. Como interpretar la puntuación de un test. La curva normal
PEC
 🞄 La tarea consiste en definir una escala de observación
con una sola conducta a observar que será la calidad de las
numérica
interacciones con Libby.
• 5.08. Tarea 08. 🞄 Los resultados se recogerán en una tabla en la que, en la que
Resultados (V). la primera columna, se incluirá el papel de los personajes
Elaboración y (madre, padre, trabajadora social, ...) y en las siguientes
columnas, la escala de observación numérica.
aplicación de
🞄 Tras el visionado del cortometraje los integrantes del equipo, por
una escala separado, utilizarán el instrumento diseñado para llevar a cabo la
de observación observación y se recogerán en una tabla los resultados de todos
los observadores que han llevado a cabo la observación de manera
independiente. Además, se deben comentar los resultados más
relevantes.
 En esta tarea nos centraremos en realizar un análisis
de concordancia basado tanto en el porcentaje de acuerdo entre
dos de los observadores como en el cálculo de la Kappa de Cohen.
5.09. Tarea Por tanto, en el caso del que el grupo de trabajo esté formado por
09. Resultado tres estudiantes, se deben seleccionar las observaciones dos de
ellos para analizar la concordancia entre dos observadores.
s (VI). Análisis 🞄 En el trabajo se deben detallar, paso a paso, los cálculos realizados
de datos en ambos análisis. Además, se debe incluir una interpretación de
los resultados.
5.10. Tarea 10.
Conclusiones e
implicaciones
educativas
 🞄 El equipo de estudiantes elegirá un artículo
deinvestigación sencillo, de entre las dos opciones que se muestran
a continuación, para realizar un análisis crítico de su contenido
• 5.11. Tarea 🞄
siguiendo las pautas del procedimiento incluido en el tema 3.
Para ello, se incluirá en el trabajo la tabla con los
11. Análisis aplicaciónde
resultados delatodos los pasos que se proponen en el Tema 11 para
realizar este tipo de análisis. Para facilitar el análisis crítico se
crítico de un facilita en el espacio de la PEC de Ágora una plantilla.
artículo 🞄 Artículos para elegir:
🞄 Opción 01: Martínez Saura, H. F., Sánchez López, M. C. y Pérez González, J. C.
de investigaci (2022). Competencia emocional en docentes de Infantil y Primaria y estudiantes
universitarios de los Grados de Educación Infantil y Primaria. ESE. Estudios sobre
ón educación, 42, 9-33. doi: 10.15581/004.42.001
🞄 Opción 02: Rodríguez-Marín F., Portillo Guerrero M. A. y Puig Gutiérrez M.
(2021).
El Huerto Escolar como recurso para iniciar la Alfabetización Ambiental en
Educación Infantil. Revista Eureka sobre Enseñanza y Divulgación de las Ciencias,
18(2), 2501. doi: 10.25267/Rev_Eureka_ensen_divulg_cienc.2021.v18.i2.2501
 🞄 Conocimientos previos: no hay
5.12. Tarea 12.
🞄 Cada integrante del equipo deberá llevar a cabo una
Reflexión autoevaluación de forma individual, que deberá incluir en el
trabajo como un Anexo.
sobre el 🞄 Para facilitar la autoevaluación, se incluyen dos tablas en el
trabajo Anexo
II de este documento, que se facilita en Word en el plan de trabajo.
Actividad
práctica
https://view.genial.l
y/638b910139498a
001124dae7/interac
tive-content-
escape-room-
navideno
Cuestionario
https://forms.office.com/e/XqhCPVnGVK?origin=lpr
Link
Muchasgracias
Investigación en contextos escolares