Eje Investigacion

1
GUA DE ESTUDIO:
Eje de investigacin
Elaborado por:
Mtra. en Ed. Miria! S"nc#e$ Angeles
MA%O DE &'(&
4
1
)*ESE+TA,I-+
Como parte de la iniciativa de la UNVER MLENUM para evaluar las
competencias de egreso de los profesionistas y en consonancia con la misin de
la institucin de formar profesionistas altamente capacitados en el mercado laboral
con altos niveles de empleabilidad, adherencia e innovacin se ha puesto en
marcha el Curso de Preparacin de Egreso a la Licenciatura (CUPEG) cuyo
objetivo es preparar a los prximos egresados de la Licenciatura en Psicologa
para presentar un examen de competencias que incluya cada uno de los ncleos
centrales de la licenciatura.
De un proceso de revisin exhaustivo y, sobre todo consciente de las
necesidades del mercado actual, el comit de revisin del plan de estudios tomo la
decisin de dividir en cinco grandes ncleos las competencias en psicologa.
Dentro de estos ncleos se incluyen las principales materias del plan de estudios;
aquellas que son la base para que todo profesionista se desempee de la mejor
manera en el campo laboral tan demandante al que ahora nos enfrentamos y para
el que la Universidad UNVER MLENUM te est preparando.
Los cinco ncleos de los que se ha estado hablando son: clnico, social,
educativo, laboral, formativo y de investigacin. Y es precisamente este ltimo
ncleo el que nos confiere en este material de estudio. Dado que este curso est
diseado para los ltimos semestres, solamente se dar una revisin de las
principales materias incluidas en el rea de investigacin y que se encuentran
actualmente en el plan de estudios de la Licenciatura en Psicologa; las materias
seleccionadas son:
- Metodologa
- Mtodos Estadsticos Aplicados a la Psicologa
- Diseo experimental
- Anlisis Experimental de la Conducta
Dentro de este material, encontraras los temas ms importantes de cada
materia que deben formar parte de tu conocimiento bsico como psiclogo
prximo a egresar. Sin embargo, la estructura que aqu se pretende inicia con las
bases de metodologa, pasando por una parte medular, la medicin; continuando
con la estadstica y concluyendo con los mtodos cualitativos.
El material no pretende ser un compendio exhaustivo, sino un material
didctico con unidades de conocimiento bsicas. Una vez que t como alumno
haya estudiado y comprendido cada tema, se recomienda una bsqueda para
ampliar y profundizar el tema con lecturas adicionales, mismas que aqu mismo se
sugieren en la bibliografa.
4
1
Finalmente se recomienda una interaccin maestro-alumno para poder
alcanzar los objetivos del curso. Por un lado al profesor, el material le proporciona
los elementos para conducir el estudio y la discusin de los temas; por otro lado al
alumno le corresponde estudiar el material y por supuesto buscar informacin
adicional en forma responsable e independiente. Slo as se entrara en un
verdadero proceso de enseanza-aprendizaje universitario.
+DI,E DE ,O+TE+IDO
Te!a )"gina
1. En.o/es de la investigacin en ciencias del
co!porta!iento
(0
a. ,antitativo (0
b. ,alitativo (1
c. Mi2to (3
&. Tipos de investigacin en ciencias del co!porta!iento (4
a. E2ploratoria &'
b. Descriptiva &&
c. ,orrelacional &0
d. E2plicativa &4
3. 5iptesis de investigacin 6(
a. 7ariables 6(
b. ,aracter8sticas 6&
c. Objetivos 69
d. Tipos 60
9. Dise:o de investigacin en ciencias del co!porta!iento 6;
a. E2peri!ental <pre=e2peri!ental> casi=e2peri!ental ?
e2peri!ental@
6;
b. +o e2peri!ental <longitdinal> transversal@ 63
0. Tipos de valide$ en la investigacin en ciencias del
co!porta!iento
9'
a. Interna 9'
4
1
Te!a )"gina
b. E2terna 9(
1. Mestreo en ciencias del co!porta!iento 9(
a. Seleccin de la !estra 9(
b. Tipos de !estra 9&
Te!a )"gina
c. Mestreo probabil8stico 9&
d. Mestreo no probabil8stico 96
7. +iveles de !edicin en ciencias del co!porta!iento 99
a. +o!inal 90
b. Ordinal 90
c. Intervalar 91
d. *a$n 91
3. ,on.iabilidad en ciencias del co!porta!iento 9;
a. Estabilidad 93
b. Aor!as paralelas 93
c. Divisin por !itades 93
d. ,onsistencia interna 94
4. 7alide$ en ciencias del co!porta!iento 94
a. De contenido 0'
b. De constrcto <convergente ? divergente@ 0'
c. De criterio <concrrente ? predictiva@ 0(
('. Estad8stica descriptiva 0&
a. Medidas de tendencia central 0&
4
1
Te!a )"gina
b. Medidas de variabilidad 09
c. Sesgo ? ,rtosis 01
((. Estad8stica in.erencial 01
a. )reba de #iptesis 0;
b. Distribcin !estral 0;
c. +ivel de signi.icancia 03
d. Intervalo de con.ian$a 04
e. Tipos de error 1'
(&. Estad8stica para!Btrica 1(
a. Spestos 1(
b. ,orrelacin de )earson 1&
c. *egresin Cineal 10
d. )reba t 14
(6. Estad8stica no para!Btrica ;(
a. Spestos ;(
b. ,#i cadrada ;(
c. ,oe.iciente de Spear!an ;6
(9. MBtodo narrativo ;9
(0. MBtodo etnogr".ico ;0
a. Ca observacin en la etnogra.8a ;1
b. Ca investigacin de ca!po ;;
c. Ca entrevista etnogr".ica ;3
(1. MBtodo de an"lisis de discrso. 3(
Dibliogra.8a 39
4
1
Unidades de Aprendi$aje
Unidad de aprendizaje: (
Nombre de la unidad de aprendizaje: En.o/es de la investigacin en ciencias
del co!porta!iento
Objetivo Actividades de
aprendizaje
Bibliografa.
El alumno revisar los
diferentes enfoques de la
investigacin en ciencias
del comportamiento. Se
revisarn los tres
principales enfoques: el
cuantitativo, cualitativo y
mixto.
Lectura y
discusin en
clase
-Kerlinger, F.N. (1988)
Investigacin del
comportamiento. Tcnicas y
metodologa. Mxico: Editorial:
Mc Graw Hill.
-Sampieri, R. Fernndez y
Baptista. (2003) Metodologa de
la investigacin. Mxico:
McGrawHill.
Unidad de aprendizaje: &
Nombre de la unidad de aprendizaje: Tipos de investigacin en ciencias del
co!porta!iento
aprendizaje
Bibliografa.
cuatro tipos de
investigacin en ciencias
del comportamiento.
Lectura y
discusin en
clase
Investigacin del
Mc Graw Hill.
McGrawHill.
Unidad de aprendizaje: 6
Nombre de la unidad de aprendizaje: 5iptesis de investigacin
aprendizaje
Bibliografa.
El alumno revisar el tema
correspondiente a la
hiptesis de investigacin.
Lectura y
discusin en
Investigacin del
4
1
clase metodologa. Mxico: Editorial:
Mc Graw Hill.
McGrawHill.
4
1
Nombre de la unidad de aprendizaje: Dise:o de investigacin en ciencias del
co!porta!iento
aprendizaje
Bibliografa.
El alumno revisar los dos
tipos de diseo de
investigacin.
Lectura y
discusin en
clase
Investigacin del
Mc Graw Hill.
McGrawHill.
Nombre de la unidad de aprendizaje: Tipos de valide$ en la investigacin en
ciencias del co!porta!iento
aprendizaje
Bibliografa.
El alumno revisar los dos
tipos de validez en la
investigacin de ciencias
del comportamiento.
Lectura y
discusin en
clase
Investigacin del
Mc Graw Hill.
McGrawHill.
Nombre de la unidad de aprendizaje: Mestreo en ciencias del co!porta!iento
aprendizaje
Bibliografa.
El alumno revisar la
tcnica de muestreo en
ciencias del
comportamiento.
Lectura y
discusin en
clase
Investigacin del
Mc Graw Hill.
4
1
McGrawHill.
4
1
Unidad de aprendizaje: ;
Nombre de la unidad de aprendizaje: +iveles de !edicin en ciencias del
co!porta!iento
aprendizaje
Bibliografa.
cuatro niveles de medicin
en ciencias del
comportamiento.
Lectura y
discusin en
clase
Investigacin del
Mc Graw Hill.
McGrawHill.
Nombre de la unidad de aprendizaje: ,on.iabilidad en ciencias del
co!porta!iento
aprendizaje
Bibliografa.
El alumno revisar el tema
relacionado a la
confiabilidad en ciencias
del comportamiento.
Lectura y
discusin en
clase
Investigacin del
Mc Graw Hill.
McGrawHill.
Nombre de la unidad de aprendizaje: 7alide$ en ciencias del co!porta!iento
aprendizaje
Bibliografa.
tipos de validez en
ciencias del
comportamiento.
Lectura y
discusin en
clase
Investigacin del
Mc Graw Hill.
4
1
McGrawHill.
4
1
Unidad de aprendizaje: ('
Nombre de la unidad de aprendizaje: Estad8stica descriptiva
aprendizaje
Bibliografa.
El alumno revisar las
principales medidas de la
estadstica descriptiva.
Lectura y
discusin en
clase
Investigacin del
Mc Graw Hill.
McGrawHill.
Unidad de aprendizaje: ((
Nombre de la unidad de aprendizaje: Estad8stica in.erencial
aprendizaje
Bibliografa.
estadstica inferencial.
Lectura y
discusin en
clase
Investigacin del
Mc Graw Hill.
McGrawHill.
Unidad de aprendizaje: (&
Nombre de la unidad de aprendizaje: Estad8stica para!Btrica
aprendizaje
Bibliografa.
estadstica paramtrica.
Lectura y
discusin en
clase
Investigacin del
Mc Graw Hill.
4
1
McGrawHill.
4
1
Unidad de aprendizaje: (6
Nombre de la unidad de aprendizaje: Estad8stica no para!Btrica
aprendizaje
Bibliografa.
estadstica no
paramtrica.
Lectura y
discusin en
clase
Investigacin del
Mc Graw Hill.
McGrawHill.
Nombre de la unidad de aprendizaje: MBtodo narrativo
aprendizaje
Bibliografa.
El alumno revisar el
mtodo narrativo utilizado
en la investigacin
cualitativa.
Lectura y
discusin en
clase
Investigacin del
Mc Graw Hill.
McGrawHill.
Nombre de la unidad de aprendizaje: MBtodo etnogr".ico
aprendizaje
Bibliografa.
mtodo etnogrfico
utilizado en la
investigacin cualitativa.
Lectura y
discusin en
clase
Investigacin del
Mc Graw Hill.
Baptista. (2003) Metodologa
4
1
de la investigacin. Mxico:
McGrawHill.
4
1
Nombre de la unidad de aprendizaje: MBtodo de an"lisis de discrso.
aprendizaje
Bibliografa.
mtodo de anlisis de
discurso utilizado en la
investigacin cualitativa.
Lectura y
discusin en
clase
Investigacin del
Mc Graw Hill.
Baptista. (2003) Metodologa
de la investigacin. Mxico:
McGrawHill.
4
1
,riterios ? procedi!ientos de evalacin
Esta asignatura es 100% terica por lo que su desarrollo y evaluacin consistir
en la lectura y discusin de cada una de las unidades de aprendizaje. Al finalizar
se realizar un examen que abarcar cada una de las unidades revisadas.
Segn lo anterior la forma de evaluacin quedar como sigue:
Exmenes institucionales: 100%
G8a de trabajo general
Por las caractersticas del CUPEG el desarrollo del curso es de la siguiente forma,
un mes antes de la fecha establecida para la evaluacin, se le entregar el
material al alumno para que pueda revisarlo y estudiarlo de manera independiente;
leyendo cada uno de los temas y resaltando las dudas que surjan. Posteriormente
se dar una sesin exclusiva para aclarar esas dudas y poder presentar el
examen correspondiente.
La participacin de los alumnos resulta vital para la consecucin de los objetivos,
es por eso que se debe revisar previo a la clase todo el material correspondiente a
la unidad, para que en el transcurso de la clase se refuerce cada tema, y en caso
de que existan dudas resolverlas.
+E!ero de sesiones
Las sesiones se dispondrn de acuerdo a lo marcado por el calendario oficial
aprobado por la institucin.
4
1
Aentes
- Aamodt, M. (1999). Applied ndustrial Organizational Psychology.
Wadsworth: New York.
- Anastasi, A. Urbina, S. (1998) Test psicolgicos. Editorial. Prentice Hall:
Mxico.
- Cash, T.F., Gillen, B., & Burns, D.S. (1977). Sexism and beautyism in
personnel consultant decision making. Journal of Applied Psychology, 62(3),
301-310.
- Clark-Carter, D. (2002). nvestigacin cuantitativa en psicologa: Del diseo
experimental al reporte de investigacin. Mxico: Oxford.
- Dougherty, T.W., Ebert, R.J. &Callender, J.C. Policy capturing in the
employment interview. Journal of Applied Psychology, 71(1), 9-15.
- Hernndez, R. y otros (2006) Metodologa de la nvestigacin. Mxico D. F.:
McGraw Hill.
- Kerlinger, F.N., & Lee, H.B. (2002). nvestigacin del comportamiento:
Mtodos de investigacin en ciencias sociales (4ta. Ed.). Mxico: McGraw
Hill.
- Maurer, S. D., Howe, V. & Lee, T. W. (1992). Organizational recruiting as
marketing management: An interdisciplinary study of engineering graduates.
Personnel Psychology, 45(4), 807-833.
- Muchinsky, P. (1994). Psicologa Aplicada al Trabajo: Una introduccin a la
psicologa industrial y organizacional. Madrid: Descle de Brouwer.
- Goldberg, C. (2005). Relational Demography and Similarity-Attraction in
nterview Assessments and Subsequent Offer Decisions: Are we Missing
Something? Group & Organization Management, 30(6), 597-624.
- Gmez-Meja, L. R.; Balkin, D. B., & Cardy, R. L. (2001).Direccin y gestin
de Recursos Humanos (3 edicin). Madrid: Prentice Hall.
- Huffcutt, A. ., Weekley, J. A., Wiesner, W.H., Degroot, T.G., & Jones, C.
(2001). Comparison of situational and behavior description interview
questions for higher-level positions. Personnel Psychology, (54), pp.61944.
- Lpez-Surez, A. (2004). "Estadstica descriptiva en ciencias del
comportamiento. ndito. Mxico.
- Lpez-Surez, A. (2007). "Estadstica inferencial en ciencias del
comportamiento. ndito. Mxico
- Mrquez, F. (1984). "Validez predictiva y concurrente del examen de
admisin a preparatorias dependientes de la uaemex ubicadas en la ciudad
de toluca, promocin 1982. Tesis de Licenciatura. UAEMEX. Mxico.
- Ragin, C.C., Nagel, J., & White, P. (2004).Workshop on Scientific
Foundation of QualitativeResearch. National Scientific Foundation.
4
1
- Sampieri, H. R., Fernndez, C. C. y Baptista L. P. (1998). Metodologa de la
nvestigacin. Mxico: McGraw-Hill.
- Schensul, S.L., Schensul, J.J., & LeCompte, M.D. (1999). Essential
Ethnographic Methods. Altamira Press: New York.
- WESS, C. H. (1980). Investigacin evaluativa. Mxico, D. E: Ed. Trillas.
Segunda reimpresin.
- WERSMA, W. (1986). Research methods in education: an introduction.
Boston, Mass: Alyn and Bacon.
- Yang, K. & Miller, G.J. (2008). Handbook of Research Methods in Public
Administration. CRC. Press: Florida.
4
1
UNIDAD DE APRENDIZAJE 1. En.o/es de la investigacin en ciencias del
co!porta!iento
El desarrollo de las ciencias sociales requiere el empleo de los mtodos de
investigacin pertinentes a la naturaleza de las preguntas planteadas, y busca
sustentar slidamente las respuestas por ellos obtenidas. Frecuentemente stas
buscan generar aplicaciones eficaces de los hallazgos a fin de resolver problemas
socialmente relevantes. La investigacin cientfica tiene tambin el propsito de
lograr un conocimiento que se ajuste a la realidad en que se crea.
Puede resultar confuso dividir tipos de metodologas debido a la diversidad de
criterios establecidos por numerosos autores que las han definido. Se han usado
premisas como el momento en que se capta la informacin (retrospectivo o
prospectivo); la distribucin temporal de la recoleccin de datos (longitudinal o
transversal); la situacin de observacin (naturalista, de campo y de sombra); el
objetivo de la investigacin (descriptiva, exploratoria, inferencial y explicativa), el
nivel de control sobre las variables (experimental, cuasi-experimental y
observacional), o la conceptualizacin del fenmeno y grado de generalidad
(cualitativa y cuantitativa).
En realidad tales distinciones no son excluyentes entre s, y algunas se combinan
o complementan en su significado o su lgica. Por ejemplo la investigacin
explicativa busca las causas de los eventos fsicos o sociales bajo estudio
(Sampieri, Fernndez y Baptista, 1991) del mismo modo los estudios
experimentales y cuasi-experimentales buscan establecer causalidad (Clark-
Carter, 2002).
a. ,antitativo
La investigacin cuantitativa es aquella en la que se recogen y analizan datos
cuantitativos sobre variables. La investigacin cualitativa evita la cuantificacin.
Los investigadores cualitativos hacen registros narrativos de los fenmenos que
son estudiados mediante tcnicas como la observacin participante y las
entrevistas no estructuradas. La diferencia fundamental entre ambas metodologas
4
1
es que la cuantitativa estudia la asociacin o relacin entre variables cuantificadas
y la cualitativa lo hace en contextos estructurales y situacionales La investigacin
cualitativa trata de identificar la naturaleza profunda de las realidades, su sistema
de relaciones, su estructura dinmica. La investigacin cuantitativa trata de
determinar la fuerza de asociacin o correlacin entre variables, la generalizacin
y objetivacin de los resultados a travs de una muestra para hacer inferencia a
una poblacin de la cual toda muestra procede. Tras el estudio de la asociacin o
correlacin pretende, a su vez, hacer inferencia causal que explique por qu las
cosas suceden o no de una forma determinada.
Los fundamentos de la metodologa cuantitativa podemos encontrarlos en el
positivismo que surge en el primer tercio del siglo XX como una reaccin ante el
empirismo que se dedicaba a recoger datos sin introducir los conocimientos ms
all del campo de la observacin. Alguno de los cientficos de esta poca
dedicados a temas relacionados con las ciencias de la salud son Pasteur y Claude
Bernard, siendo este ltimo el que propuso la experimentacin en medicina. A
principios del siglo XX, surge el neopositivismo o positivismo lgico siendo una de
las aportaciones ms importantes la induccin probabilstica. La clave del
positivismo lgico consiste en contrastar hiptesis probabilsticamente y en caso
de ser aceptadas y demostradas en circunstancias distintas, a partir de ellas
elaborar teoras generales. La estadstica dispone de instrumentos cuantitativos
para contrastar estas hiptesis y poder aceptarlas o rechazarlas con una
seguridad determinada. Por tanto el mtodo cientfico, tras una observacin,
genera una hiptesis que contrasta y emite posteriormente unas conclusiones
derivadas de dicho contraste de hiptesis. El contrastar una hiptesis
repetidamente verificada no da absoluta garanta de su generalizacin ya que,
como seala Karl Popper, no se dispone de ningn mtodo capaz de garantizar
que la generalizacin de una hiptesis sea vlida. Con el ejemplo de los cisnes, K.
Popper rebata las tesis neopositivistas sobre la generalizacin de las hiptesis.
"todos los cisnes de Austria eran blancos... no se dispone de datos sobre el color
de los cisnes fuera de Austria..., todos los cisnes son blancos...". En el momento
actual no hay ningn mtodo que garantice que la generalizacin de una hiptesis
4
1
sea vlida, pero s se puede rebatir una hiptesis con una sola evidencia en contra
de ella. Es por ello que la ciencia, como seala K. Popper "busca explicaciones
cada vez mejores".
b. ,alitativo
Los mtodos cualitativos se ocupan bajo condiciones en las que no es posible
cuantificar las variables en trminos de examinar hiptesis estadsticas o
inferenciales.
Normalmente se usa para analizar conceptos poco estudiados o definidos, con
nmero limitado de observaciones, en fenmenos relativamente nicos, o cuando
hay la posibilidad de perder elementos esenciales al codificar una situacin bajo
estudio. Tienen el propsito de interpretar o revelar el significado ms que el de
establecer principios generales y suelen incluir el estudio a profundidad de casos
especficos a fin de descubrir cmo ocurren los eventos o hacerlos comprensibles
(Yang & Miller, 2008).
Esto no significa, sin embargo, que dependan o sean propios de paradigmas
positivistas, constructivistas, estructuralistas, etc. De hecho, el lmite entre un
procedimiento cualitativo o cuantitativo no siempre es claro. Al no ser mutuamente
excluyentes pueden superponerse tanto en la recoleccin de los datos como en su
anlisis e interpretacin. La National Science oundation ha propuesto que la
divisin entre cualitativo/cuantitativo es ms un continuo que una dicotoma que,
en un extremo posee lmites precisos e identificables sobre la poblacin y las
variables en donde el investigador idealmente se mantiene completamente ajeno
al fenmeno; mientras que en el opuesto slo se vislumbran nociones de stas y
es difcil diferenciar el papel del investigador en el fenmeno estudiado (Ragin,
Nagel & White, 2004).
Los mtodos cualitativos y los cuantitativos comparten las siguientes
caractersticas:
-Ubican la investigacin en relacin con la literatura pertinente.
4
1
-Establecen la contribucin al cuerpo de conocimiento.
-Describen con claridad los procedimientos de investigacin a fin de
garantizar replicabilidad.
-Ofrecen una relacin articulada entre los resultados y las explicaciones que
derivan los autores.
-A partir de la naturaleza de los fenmenos sociales, se busca triangulacin
de los resultados para mejorar la validez.
Los mtodos cualitativos se distinguen en que:
-Es posible que el investigador sea parte (en ocasiones muy importante) del
fenmeno de estudio y de los resultados obtenidos, a manera de
instrumento de investigacin en s mismo(a).
-Busca el conocimiento detallado de casos especficos con el objetivo de
identificar cmo ocurren las cosas.
-El procedimiento puede modificarse y/o adaptarse conforme se recolectan
los datos.
-Permite explorar significados y realidades mltiples en el mismo estudio.
As, la relacin entre ambos mtodos suele ser complementaria, y en
muchos estudios se presentan juntos a fin de fundamentar los hallazgos
(Ragin, Nagel & White, 2004).
c. Mi2to
La meta de la investigacin mixta no es remplazar a la investigacin cuantitativa o
cualitativa, sino utilizar las fortalezas de ambos tipos de indagacin combinndolas
y tratando de minimizar sus debilidades.
Los mtodos mixtos representan un conjunto de procedimientos sistemticos,
empricos, y crticos de investigacin e implica la recoleccin y el anlisis de datos
4
1
cuantitativos y cualitativos, as como su integracin y discusin conjunta para
realizar inferencias producto de toda la informacin recabada para lograr un mayor
entendimiento del fenmeno de estudio.
Se puede decir que los mtodos mixtos son la integracin sistemtica de los
mtodos cuantitativo y cualitativo en un solo estudio, cuyo fin es el de obtener una
"fotografa ms completa del fenmeno. Estos estudios pueden ser conjuntados
de tal manera que las aproximaciones cuantitativas y cualitativas conserven sus
estructuras y procedimientos originales. Alternativamente estos mtodos se
adaptan y se sintetizan para efectuar la investigacin.
Segn Hernndez (2006) el enfoque mixto es un proceso que recolecta, analiza y
vincula datos cuantitativos y cualitativos en un mismo estudio o una serie de
investigaciones para responder a un planteamiento del problema. Por lo cual, se
usan mtodos de los enfoques cuantitativos y cualitativos e intervienen datos
cuantitativos y cualitativos y viceversa.
Tambin este tipo de enfoque puede responder a distintas preguntas de
investigacin de un planteamiento del problema. Se fundamente en la
triangulacin de mtodos.
Este enfoque tiene su arraigo en la dcada del siglo XX, utilizado para investigar
trabajos arqueolgicos o de tipo criminalstico. No obstante, los antecedentes
provienen de los aos 60; siendo su empleo y debate del mismo a inicios de la
dcada de los aos 80.
Este tipo de investigacin implica, segn el autor antes mencionado, mezclar la
lgica inductiva y la deductiva. Por lo tanto, debe visualizarse su aplicacin desde
el planteamiento del problema, la recoleccin y anlisis de datos y por supuesto en
el informe del estudio.
Ventajas.
1. Perspectiva ms precisa del fenmeno (integral, completa y holstica).
4
1
2. Ayuda a clarificar y a formular el planteamiento del problema, as como
las formas ms apropiadas para estudiar y teorizar los problemas de
investigacin (Brannen, 1992 mencionado por Hernndez, 2006).
3. La multiplicidad de observaciones produce datos ms variados; se
consideran diversas fuentes y tipos de datos, contextos o ambientes y
anlisis.
4. Se potencia la creatividad terica.
5. Apoyan con mayor solidez las inferencias cientficas, que si se emplean
aisladamente (Feuer, Towne y Shavelson, 2002 mencionado por
Hernndez, 2006).
UNIDAD DE APRENDIZAJE 2. Tipos de investigacin en ciencias del
comportamiento
Si hemos decidido -una vez realizada la revisin de la literatura- que nuestra
investigacin vale la pena y que debemos realizarla (ya sea por razones
importantes tericas y/o prcticas), el siguiente paso consiste en elegir el tipo de
estudio que efectuaremos. Los autores clasifican los tipos de investigacin en tres:
estudios exploratorios, descriptivos y explicativos (por ejemplo, Selltiz, Jahoda,
Deutsch y Cook, 1965; y Babbie, 1979).
Sin embargo, para evitar algunas confusiones, en este libro se adoptar la
clasificacin de Dankhe (1986), quien los divide en: exploratorios, descriptivos,
correlacionales y explicativos. Esta clasificacin es muy importante, debido a que
segn el tipo de estudio de que se trate vara la estrategia de investigacin. El
diseo, los datos que se recolectan, la manera de obtenerlos, el muestreo y otros
componentes del proceso de investigacin son distintos en estudios exploratorios,
descriptivos, correlacionales y explicativos. En la prctica, cualquier estudio puede
incluir elementos de ms de una de estas cuatro clases de investigacin.
Los estudios exploratorios sirven para preparar el terreno y ordinariamente
anteceden a los otros tres tipos (Dankhe, 1986). Los estudios descriptivos por lo
4
1
general fundamentan las investigaciones correlacionales, las cuales a su vez
proporcionan informacin para llevar a cabo estudios explicativos que generan un
sentido de entendimiento y son altamente estructurados. Las investigaciones que
se estn realizando en un campo de conocimiento especfico pueden incluir los
tipos de estudio en las distintas etapas de su desarrollo. Una investigacin puede
iniciarse como exploratoria, despus ser descriptiva y correlacional, y terminar
como explicativa (ms adelante se ilustrar este hecho con un ejemplo).Ahora
bien, surge necesariamente la pregunta:
De qu depende que un estudio se inicie como exploratorio, descriptivo,
correlacional o explicativo?
La respuesta no es sencilla, pero diremos que bsicamente depende de dos
factores:
- El estado del conocimiento: en el tema de investigacin que nos revele la
revisin de la literatura.
- Enfoque: que el investigador le pretenda dar a su estudio. Pero antes de
ahondar en esta respuesta, es necesario hablar de cada tipo de estudio.
a. E2ploratoria
Los estudios exploratorios se efectan, normalmente, cuando el objetivo es
examinar un tema o problema de investigacin poco estudiado o que no ha sido
abordado antes.
Es decir, cuando la revisin de la literatura revel que nicamente hay guas no
investigadas e ideas vagamente relacionadas con el problema de estudio. Por
ejemplo, si alguien desea investigar lo que opinan los habitantes de alguna ciudad
sobre su nuevo alcalde o gobernador y cmo piensa resolver los problemas de
ella, revisa la literatura y se encuentra con que se han hecho muchos estudios
similares pero en otros contextos (otras ciudades del mismo pas o del extranjero).
Estos estudios le servirn para ver cmo han abordado la situacin de
investigacin y le sugerirn preguntas que puede hacer; sin embargo, el alcalde y
4
1
la ciudadana son diferentes, la relacin entre ambos es nica. Adems, los
problemas son particulares de esta ciudad.
Por lo tanto, su investigacin ser exploratoria -al menos en sus inicios- De hecho,
si comienza a preguntarle a sus amigos lo que opinan sobre el nuevo alcalde, est
comenzando a explorar.
Los estudios exploratorios son como cuando viajamos a un lugar que no
conocemos, del cual no hemos visto ningn documental ni ledo algn libro (a
pesar de que hemos buscado informacin al respecto), sino simplemente alguien
nos ha hecho un breve comentario sobre el lugar. Al llegar no sabemos qu
atracciones visitar, a qu museos ir, en qu lugares se come sabroso, cmo es la
gente; desconocemos mucho del sitio. Lo primero que hacemos es explorar:
preguntar sobre qu hacer y a dnde ir al taxista o al chofer del autobs que nos
llevar al hotel donde nos instalaremos, en la recepcin, al camarero del bar del
hotel y en fin a cuanta persona veamos amigable.
Desde luego, si no buscamos informacin del lugar y sta exista (haba varias
guas tursticas completas e incluso con indicaciones precisas sobre a qu
restaurantes, museos y otros atractivos acudir; qu autobuses abordar para ir a un
determinado sitio) podernos perder mucho tiempo y gastar dinero
innecesariamente. Por ejemplo, vemos un espectculo que nos desagrade y
cueste mucho, y perdemos uno que nos hubiera fascinado y hubiera costado poco
(por supuesto, en el caso de la investigacin cientfica la inadecuada revisin de la
literatura tiene consecuencias ms negativas que la frustracin de gastar en algo
que finalmente nos desagrad).
Los estudios exploratorios nos sirven para aumentar el grado de familiaridad con
fenmenos relativamente desconocidos, obtener informacin sobre la posibilidad
de llevar a cabo una investigacin ms completa sobre un contexto particular de la
vida real, investigar problemas del comportamiento humano que consideren
cruciales los profesionales de determinada rea, identificar conceptos o variables
4
1
promisorias, establecer prioridades para investigaciones posteriores o sugerir
afirmaciones (postulados) verificables (Dankhe, 1986).
Esta clase de estudios son comunes en la investigacin del comportamiento,
sobre todo en situaciones donde hay poca informacin. Tal fue el caso de las
primeras investigaciones de Sigmund Freud que surgieron de la idea de que los
problemas histricos estaban relacionados con las dificultades sexuales, los
estudios pioneros del SDA (Sndrome de nmunodeficiencia Adquirida), los
experimentos iniciales de vn Pav1ov sobre los reflejos condicionados e
inhibiciones, el anlisis de contenido de los primeros videos musicales, las
investigaciones de Elton Mayo en la planta Hawthome de la Compaa Westem
Electric, etc.
Todos hechos en distintas pocas y reas, pero con un comn denominador:
explorar algo poco investigado o desconocido. Los estudios exploratorios en pocas
ocasiones constituyen un fin en s mismos, por lo general determinan tendencias,
identifican relaciones potenciales entre variables y establecen el 'tono' de
investigaciones posteriores ms rigurosas (Dankhe, 1986, p. 412). Se caracterizan
por ser ms flexibles en su metodologa en comparacin con los estudios
descriptivos o explicativos, y son ms amplios y dispersos que estos otros dos
tipos (v.g., buscan observar tantas manifestaciones del fenmeno estudiado como
sea posible). Asimismo, implican un mayor "riesgo" y requieren gran paciencia,
serenidad y receptividad por parte del investigador
b. Descriptiva
Muy frecuentemente el propsito del investigador es describir situaciones y
eventos. Esto es, decir cmo es y se manifiesta determinado fenmeno. Los
Estudios descriptivos buscan especificar las propiedades importantes de
personas, grupos, -comunidades o cualquier otro fenmeno que sea sometido a
anlisis (Dankhe, 1986). Miden y evalan diversos aspectos, dimensiones o
componentes del fenmeno o fenmenos a investigar. Desde el punto de vista
cientfico, describir es medir. Esto es, en un estudio descriptivo se selecciona una
4
1
serie de cuestiones y se mide cada una de ellas independientemente, para as -y
valga la redundancia- describir lo que se investiga.
EJEMPLOS: Un censo nacional de poblacin es un estudio descriptivo; su objetivo
es medir una serie de caractersticas de un pas en determinado momento:
aspectos de la vivienda (nmero de cuartos y pisos, si cuenta o no con energa
elctrica y agua entubada, nmero de paredes, combustible utilizado, tenencia o a
quin pertenece la vivienda, ubicacin de la vivienda; informacin sobre los
ocupantes), sus bienes, ingreso, alimentacin, medios de comunicacin de que
disponen, edades, sexo, lugar de nacimiento y residencia, lengua, religin,
ocupaciones y otras caractersticas que se consideren relevantes o de inters para
el estudio.
En este caso el investigador elige una serie de conceptos a medir que tambin se
denominarn "variables" y que se refieren a conceptos que pueden adquirir
diversos valores y medirse, (en el siguiente captulo se detalla el concepto de
variable), los mide y los resultados le sirven para describir el fenmeno de inters.
Otros ejemplos de estudios descriptivos seran: una investigacin que determinar
en un pas cul de los partidos polticos tiene ms seguidores, cuntos votos ha
conseguido cada uno de estos partidos en las ltima selecciones nacionales o
locales (en estados, provincias o departamentos, y ciudades o poblaciones) y cul
es la imagen que posee cada partido ante la ciudadana del pas; una
investigacin que nos dijera cunta satisfaccin laboral, motivacin intrnseca
hacia el trabajo, identificacin con los objetivos, polticas y filosofa empresarial,
integracin respecto a su centro de trabajo, etc., poseen los trabajadores y
empleados de una o varias organizaciones; o un estudio que nos indicara -entre
otros aspectos- cuntas personas asisten a psicoterapia en una comunidad
especfica, a qu clase de psicoterapia acuden y si asisten ms las mujeres que
los hombres a psicoterapia o viceversa.
Asimismo, la informacin sobre el nmero de fumadores en una determinada
poblacin, el nmero de divorcios anuales en una nacin, el nmero de pacientes
que atiende un hospital, el ndice de productividad de una fbrica, la cantidad de
4
1
contenido de sexo presente en un programa de televisin y la actitud de un grupo
de jvenes -en particular- hacia el aborto, son ejemplos de informacin descriptiva
cuyo propsito es dar un panorama lo ms preciso posible del fenmeno al que se
hace referencia. Los estudios descriptivos miden conceptos Es necesario hacer
notar que los estudios descriptivos miden de manera ms bien independiente los
conceptos o variables con los que tienen que ver.
Aunque, desde luego, pueden integrar las mediciones de cada una de dichas
variables para decir cmo es y se manifiesta el fenmeno de inters, su objetivo
no es indicar cmo se relacionan las variables medidas. Por ejemplo, un
investigador organizacional puede pretender describir varias empresas industriales
en trminos de su complejidad, tecnologa, tamao, centralizacin y capacidad de
innovacin. Entonces las mide en dichas variables y as puede describirlas en los
trminos deseados.
A travs de sus resultados, describir qu tan automatizadas estn las empresas
medidas (tecnologa), cunta es la diferenciacin horizontal (subdivisin de las
tareas), vertical (nmero de niveles jerrquicos) y espacial (nmero de centros de
trabajo y el nmero de metas presentes en las empresas, etc.); cunta libertad en
la toma de decisiones tienen los distintos niveles y cuntos tienen acceso a la
toma de decisiones (centralizacin de la decisiones); y en qu medida pueden
innovar o realizar cambios en los mtodos d trabajo, maquinaria, etc., (capacidad
de innovacin).
Sin embargo, el investigador n pretende analizar por medio de su estudio si las
empresas con tecnologa ms automatizada son aquellas que tienden a ser las
ms complejas (relacionar tecnologa con complejidad), ni decimos si la capacidad
de innovacin es mayor en la empresas menos centralizadas (correlacionar
capacidad de innovacin con centralizacin).Lo mismo ocurre con el psiclogo
clnico que tiene como objetivo describir la personalidad de un individuo.
Se limitar a medirlo en las diferentes dimensiones de la personalidad
(hipocondra, depresin, histeria, masculinidad - femineidad, introversin social,
4
1
etc.), para as describirla. Desde luego, el psiclogo considera las dimensiones de
la personalidad para poder describir al individuo, pero no est interesado en
analizar si mayor depresin est relacionada con mayor introversin social (en
cambio, si pretendiera establecer correlaciones, su estudio sera bsicamente
correlacional y no descriptivo).
As como los estudios exploratorios se interesan fundamentalmente en descubrir,
los descriptivos se centran en medir con la mayor precisin posible.
Como mencionan Selitiz (1965), en esta clase de estudios el investigador debe ser
capaz de definir qu se va a medir y cmo se va a lograr precisin en esa
medicin. Asimismo, debe ser capaz de especificar quin o quines tienen que
incluirse en la medicin. Por ejemplo, si vamos a medir variables en empresas es
necesario indicar qu tipos de empresas (industriales, comerciales, de servicios o
combinaciones de las tres clases; giros, tamaos, cte.).
La investigacin descriptiva, en comparacin con la naturaleza poco estructurada
de los estudios exploratorios, requiere considerable conocimiento del rea que se
investiga para formular las preguntas especficas que busca responder (Dankhe,
1986). La descripcin puede ser ms o menos profunda, pero en cualquier caso se
basa en la medicin de uno o ms atributos del fenmeno descrito. Los estudios
descriptivos: predicciones incipientes
Los estudios descriptivos pueden ofrecer la posibilidad de predicciones aunque
sean rudimentarias.
EJEMPLOS: Si obtenemos informacin descriptiva del uso que hace de la
televisin un grupo caracterstico de nios (digamos de 9 aos y que viven en la
zona metropolitana de la Ciudad de Mxico), tal como el hecho de que dedican
diariamente -en promedio- 3.30 horas a ver la televisin (Fernndez-Collado,
Baptista y Elkes, 1986) y si nos encontramos con un nio ("Alonso)que vive en
dicha ciudad y tiene 9 aos, podemos predecir el nmero de minutos probables
que Alonso dedica a ver la televisin a diario, utilizando ciertas tcnicas
estadsticas y sobre la base del promedio del grupo de nios al que Alonso
4
1
pertenece (estas cualidades de la informacin descriptiva sern detalladas en el
captulo "Anlisis e interpretacin de los datos"). Otro ejemplo sera el de un
analista de la opinin pblica que, basndose en datos descriptivos obtenidos en
una encuesta llevada a cabo entre todos los sectores de una poblacin de futuros
votantes para determinada eleccin (nmero de personas que dijeron que habrn
de votar por cada uno de los candidatos contendientes), intenta predecir
-probabilsticamente- qu candidato triunfar en la eleccin.
c. ,orrelacional
Los estudios correlacionales pretenden responder a preguntas de investigacin
tales como: conforme transcurre una psicoterapia orientada hacia el paciente,
aumenta la autoestima de ste?; a mayor variedad y autonoma en el trabajo
corresponde mayor motivacin intrnseca respecto a las tareas laborales?; los
nios que dedican cotidianamente ms tiempo a ver la televisin tienen un
vocabulario ms amplio que los nios que ven diariamente menos televisin?; los
campesinos que adoptan ms rpidamente una innovacin poseen mayor
inteligencia que los campesinos que la adoptan despus?; la lejana fsica entre
las parejas de novios est relacionada negativamente con la satisfaccin en la
relacin? Es decir, este tipo de estudios tienen como propsito medir el grado de
relacin que exista entre dos o ms conceptos o variables (en un contexto en
particular).
Los estudios correlacionales miden las dos o ms variables que se pretende ver s
estn o no relacionadas en los mismos sujetos y despus se analiza la
correlacin.
EJEMPLOS: Un investigador que desee analizar la relacin entre la motivacin
laboral y la productividad en un grupo de trabajadores -digamos, de varias
empresas industriales con ms de 1000 trabajadores de la Ciudad de Bogot,
Colombia- , medira en cada uno de esos trabajadores su motivacin y su
productividad, y despus analizara si los trabajadores con mayor motivacin son o
no los ms productivos. Es importante recalcar que, en la mayora de los casos,
4
1
las mediciones en las variables a correlacionar provienen de los mismos sujetos.
No es comn que se correlacionen mediciones de una variable hechas en unas
personas con mediciones de otra variable realizadas en otras personas. Por
ejemplo, no sera vlido correlacionar mediciones sobre la motivacin efectuadas
a los mencionados trabajadores de Bogot con mediciones sobre la productividad
hechas a otros trabajadores (de otras empresas o trabajadores argentinos).
Propsito
La utilidad y el propsito principal de los estudios correlacionales son saber cmo
se puede comportar un concepto o variable conociendo el comportamiento de otra
u otras variables relacionadas.
Es decir, para intentar predecir el valor aproximado que tendr un grupo de
individuos en una variable, a partir del valor que tienen en la variable o variables
relacionadas. Un ejemplo tal vez simple, pero que ayuda a comprender el
propsito predictivo de los estudios correlacionales, sera el correlacionar el
tiempo dedicado a estudiar para un examen de estadstica con la calificacin
obtenida en l. En este caso se mide en un grupo de estudiantes cunto dedica
cada uno de ellos a estudiar para el examen y tambin se obtienen sus
calificaciones en el examen (mediciones en la otra variable); posteriormente se
determina si las dos variables estn o no correlacionadas y, si lo estn, de qu
manera. En el caso de que dos variables estn correlacionadas, ello significa que
una vara cuando la otra tambin vara (la correlacin puede ser positiva o
negativa). Si es positiva quiere decir que sujetos con altos valores en una variable
tendern a mostrar altos valores en la otra variable. Por ejemplo, quienes estudian
ms tiempo para el examen de estadstica tendern a obtener una ms alta
calificacin en el examen. Si es negativa, significa que sujetos con altos valores en
una variable tendern a mostrar bajos valores en la otra variable. Por ejemplo,
quienes estudian ms tiempo para el examen de estadstica tendern a obtener
una calificacin ms baja en el examen. Si no hay correlacin entre las variables,
ello nos indica que stas varan sin seguir un patrn sistemtico entre s: habr
sujetos que tengan altos valores en una de las dos variables y bajos en la otra,
4
1
sujetos que tengan altos valores en una de las variables y valores medios en la
otra, sujetos que tengan altos valores en una variable y altos en la otra, sujetos
con valores bajos en una variable y bajos en la otra, y sujetos con valores medios
en las dos variables. En el ejemplo mencionado, habr quienes dediquen mucho
tiempo a estudiar para el examen de estadstica y obtengan altas calificaciones en
l, pero tambin quienes dediquen mucho tiempo y obtengan bajas calificaciones,
quienes dediquen poco tiempo y saquen buenas calificaciones, quienes dediquen
poco y les vaya mal en el examen. Si dos variables estn correlacionadas y se
conoce la correlacin, se tienen bases para predecir-con mayor o menor exactitud-
el valor aproximado que tendr un grupo de personas en una variable, sabiendo
qu valor tienen en la otra variable.
EJEMPLO: Supngase que, en una investigacin con 100 estudiantes del quinto
semestre de la carrera de Psicologa Social de una universidad, se encontrara una
relacin fuertemente positiva entre el tiempo dedicado a estudiar para un
determinado examen de estadstica y la calificacin en dicho examen, y hubiera
otros 85 estudiantes del mismo semestre y escuela; qu prediccin podramos
hacer con estos otros estudiantes? Sabremos que quienes estudien ms tiempo,
obtendrn las mejores calificaciones. Como se sugiri antes, la correlacin nos
indica tendencias (lo que ocurre en la mayora de los casos) ms que casos
individuales. Por ejemplo, el joven "Gustav puede haber estudiado bastantes
horas y conseguir una nota baja en su examen, o "Cecilia puede haber estudiado
muy poco tiempo y lograr una calificacin alta. Sin embargo, en la mayora de los
casos, quienes estudien ms tiempo tendern a obtener una calificacin ms alta
en el examen .En el captulo referente al anlisis e interpretacin de los datos, se
profundizar en el tema de la correlacin e incluso se vern distintas clases de
correlacin que no se han mencionado aqu (v.g., correlaciones curvilineales): por
ahora basta con que se comprenda cul es el propsito de los estudios
correlacionales. Los estudios correlacionales se distinguen de los descriptivos
principalmente en que, mientras estos ltimos se centran en medir con precisin
las variables individuales (varias de las cuales se pueden medir con
independencia en una sola investigacin), los estudios correlaci6nales evalan el
4
1
grado de relacin entre dos variables -pudindose incluir varios pares de
evaluaciones de esta naturaleza en una nica investigacin (comnmente se
incluye ms de una correlacin)-. Para comprender mejor esta diferencia tomemos
un ejemplo sencillo.
EJEMPLO Supongamos que un psicoanalista, el doctor Marco Antonio Gonzlez,
tiene como pacientes a un matrimonio y que los cnyuges se llaman "Dolores" y
"Csar". Puede hablar de ellos de manera individual e independiente, es decir,
comentar cmo es Dolores (fsicamente, en cuanto a su personalidad, aficiones,
motivaciones, etctera) y cmo es Csar; o bien puede hablar de su relacin,
comentando cmo llevan y perciben su matrimonio, cunto tiempo pasan
diariamente juntos, qu actividades realizan juntos y otros aspectos similares. En
el primer caso la descripcin es individual (si Dolores y Csar fueran las variables,
los comentarios del doctor Marco Antonio seran producto de un estudio
descriptivo de ambos cnyuges), mientras que en el segundo el enfoque es
relacional (el inters primordial es la relacin matrimonial de Dolores y
Csar).Desde luego, en un mismo estudio nos puede interesar tanto describir los
conceptos y variables de manera individual como la relacin entre ellas.
La investigacin correlacional tiene, en alguna medida, un valor explicativo aunque
parcial. Al saber que dos conceptos o variables estn relacionados se aporta cierta
informacin explicativa. Por ejemplo, si la adquisicin de vocabulario por parte de
un determinado grupo de nios de cierta edad (digamos entre los 3 y los 5 aos)
se encuentra relacionada con la exposicin a un programa de televisin educativo,
ese hecho puede proporcionar cierto grado de explicacin sobre cmo los nios
adquieren ciertos conceptos. gualmente, si la similitud en cuanto a valores
(religin, sexo, educacin, etctera) por parte de los novios de ciertas
comunidades indias guatemaltecas est relacionada con la probabilidad de que
contraigan matrimonio, esta informacin nos ayuda a explicar por qu algunas de
esas parejas de novios se casan y otras no. Desde luego, la explicacin es parcial,
pues hay otros factores relacionados con la decisin de casarse. Cuanto mayor
nmero de variables sean correlacionadas en el estudio y mayor sea la fuerza de
4
1
las relaciones ms completa ser la explicacin. En el ejemplo anterior, si se
encuentra que, adems de la "similitud, tambin estn relacionadas con la
decisin de casarse las variables "tiempo de conocerse en la comunidad,
"vinculacin de las familias de los novios," ocupacin del novio, "atractivo fsico y
"tradicionalismo, el grado de explicacin ser mayor. Y si agregamos ms
variables que se relacionan con dicha decisin, la explicacin se torna ms
completa.
*iesgo: correlaciones esprias
Ahora bien, puede darse el caso de que dos variables estn aparentemente
relacionadas, pero que en realidad no lo estn (lo que se conoce en el lenguaje de
la investigacin como " correlacin espuria"). Por ejemplo, supngase que
llevramos a cabo una investigacin con nios -cuyas edades oscilaran entre los 8
y los 12 aos- con el propsito de analizar qu variables se encuentran
relacionadas con la inteligencia y midiramos su inteligencia a travs de alguna
prueba. Nos daramos cuenta de que se da la siguiente tendencia: "a mayor
estatura, mayor inteligencia"; es decir, los nios con ms estatura tenderan a
obtener una calificacin ms alta en la prueba de inteligencia, con respecto a los
nios de menor estatura. Estos resultados no tendran sentido; no podramos decir
que la estatura est correlacionada con la inteligencia aunque los resultados del
estudio as lo indicaran. Lo que sucede es lo siguiente: la maduracin est
asociada con las respuestas a una prueba de inteligencia, los nios de 12 aos
(en promedio ms altos) han desarrollado mayores habilidades cognitivas para
responder a la prueba(comprensin, asociacin, retencin, etc.), que los nios de
11 aos y stos a su vez las han desarrollado en mayor medida que los de 10
aos; y as sucesivamente hasta llegar a los nios de 8 aos (en promedio los de
menor estatura), quienes poseen menos habilidades que los dems para
responder a la prueba de inteligencia(incluso si aplicramos la prueba a nios de 5
aos no podran responderla). Estamos ante una correlacin espuria cuya
explicacin- no slo es parcial sino errnea; se requerira de una investigacin a
nivel explicativo para saber cmo y por qu las variables estn supuestamente
4
1
relacionadas. El ejemplo citado resulta obvio, pero en ciertas ocasiones no es tan
sencillo detectar cundo una correlacin carece de sentido.
d. E2plicativa
Los estudios explicativos van ms all de la descripcin de conceptos o
fenmenos o del establecimiento de relaciones entre conceptos; estn dirigidos a
responder a las causas de los eventos fsicos o sociales.
Como su nombre lo indica, su inters se centra en explicar por qu ocurre un
fenmeno y en qu condiciones se da ste, o por qu dos o ms variables estn
relacionadas. Por ejemplo, dar a conocer las intenciones del electorado es una
actividad descriptiva (indicar -segn una encuesta de opinin antes de que se lleve
a cabo la eleccin- cuntas personas "van" a votar por los candidatos
contendientes constituye un estudio descriptivo) y relacionar dichas intenciones
con conceptos como edad y sexo de los votantes, magnitud del esfuerzo
propagandstico en los medios de comunicacin colectiva que realizan los partidos
a los que pertenecen los candidatos y los resultados de la eleccin anterior
(estudio correlacional) es diferente de sealar por qu alguna gente habr de votar
por el candidato 1 y otra por los dems candidatos 12 (estudio explicativo).
Volviendo a hacer una analoga con el ejemplo del psicoanalista y sus pacientes,
un estudio explicativo sera similar a que el doctor Gonzlez hablar del por qu
Dolores y Csar se llevan como lo hacen (no cmo se llevan, lo cual corresponda
a un nivel correlacional). Suponiendo que su matrimonio lo condujeran "bien" y la
relacin fuera percibida por ambos como satisfactoria, el doctor Gonzlez nos
explicara por qu ocurre as. Adems, nos explicara por qu realizan ciertas
actividades y pasan juntos determinado tiempo.
Eje!plo de las di.erencias entre n estdio e2plicativo> no descriptivo ?
no correlacional.
Los estudios explicativos responderan a preguntas tales como: qu efectos tiene
que los adolescentes peruanos -que viven en zonas urbanas y cuyo nivel
4
1
socioeconmico es elevado- se expongan a videos televisivos musicales con alto
contenido de sexo?, a qu se deben estos efectos?, qu variables mediatizan
los efectos y de qu modo?, por qu prefieren dichos adolescentes ver videos
musicales con altos contenidos de sexo respecto a otros tipos de programas y
videos musicales?, qu usos dan los adolescentes al contenido sexual de los
videos musicales?, qu gratificaciones derivan de exponerse a los contenidos
sexuales de los videos musicales?, etc. Un estudio descriptivo solamente
respondera a preguntas como cunto tiempo dedican dichos adolescentes a ver
videos televisivos musicales y especialmente videos con alto contenido de sexo?,
en qu medida les interesa ver este tipo de videos?, en su jerarqua de
preferencias por ciertos contenidos televisivos qu lugar ocupan los videos
musicales?, prefieren ver videos musicales con alto, medio, bajo o nulo contenido
de sexo?, etc.; y un estudio correlacional contestara a preguntas como est
relacionada la exposicin a videos musicales con alto contenido de sexo por parte
de los mencionados adolescentes con el control que ejercen sus padres sobre la
eleccin de programas de aqullos?, a mayor exposicin por parte de los
adolescentes a videos musicales con alto contenido sexual, mayor manifestacin
de estrategias en las relaciones interpersonales heterosexuales para establecer
contacto sexual?, a mayor exposicin por parte de los adolescentes a dichos
videos, se presenta una actitud ms favorable hacia el aborto?, etc. Grado de
estructuracin de los estudios explicativos.
Las investigaciones explicativas son ms estructuradas que las dems clases de
estudios y de hecho implican los propsitos de ellas (exploracin, descripcin y
correlacin), adems de que proporcionan un sentido de entendimiento del
fenmeno a que hacen referencia. Para comprender lo anterior tomemos un
ejemplo de Reynolds (1971, pp. 7-8), que aunque se refiere a un fenmeno natural
es muy til para comprender lo que significa generar un sentido de entendimiento.
Consideremos la siguiente correlacin: "si el volumen de un gas es constante, a un
incremento en la temperatura le seguir un incremento en la presin. Esta
afirmacin nos dice cmo estn relacionadas tres variables: volumen, temperatura
4
1
y presin del gas; y a travs de ella podemos predecir qu ocurre con la presin si
se conoce el volumen y la temperatura. Hay, adems, cierto valor explicativo: por
qu aument la presin?, pues debido a que la temperatura se increment y el
volumen del gas se mantuvo constante. Pero se trata de una explicacin parcial.
Una explicacin completa requerira de otras proposiciones que informaran por
qu y cmo estn relacionadas esas variables.
EJEMPLOS: Un incremento de la temperatura aumenta la energa cintica de las
molculas del gas". "El incremento de la energa cintica causa un aumento en la
velocidad del movimiento de las molculas". Puesto que las molculas no pueden
ir ms all del recipiente con volumen constante, stas impactan con mayor
frecuencia la superficie interior del recipiente. (Debido a que se desplazan ms
rpido, cubren ms distancia y rebotan en el recipiente ms frecuentemente.)", "En
la medida en que las molculas impactan los costados del recipiente con mayor
frecuencia, la presin sobre las paredes del recipiente se incrementa". Esta
explicacin, basada en la concepcin de un gas como un conjunto de molculas
en constante movimiento, es mucho ms completa que la anterior y genera un
mayor sentido de entendimiento.
UNIDAD DE APRENDIZAJE . !iptesis de investigacin
a. 7ariables
En este punto es necesario definir qu es una variable. !na varia"le es una
propiedad #ue puede variar (adquirir diversos valores) y cuya variacin es
suscepti"le de medirse.
Ejemplos de variables son el sexo, la motivacin intrnseca hacia el trabajo, es
atractivo fsico, el aprendizaje de conceptos, el conocimiento de historia de la
Revolucin Mexicana, la religin, la agresividad verbal, la personalidad autoritaria
y la exposicin a una campaa de propaganda poltica. Es decir, la variable se
aplica a un grupo de personas u objetos, los cuales pueden adquirir diversos
valores respecto a la variable; por ejemplo la inteligencia: las personas pueden
4
1
clasificarse de acuerdo con su inteligencia, no todas las personas poseen el
mismo nivel de inteligencia, varan en ello.
La ideologa de la prensa: no todos los peridicos manifiestan a travs de su
contenido la misma ideologa. Las variables adquieren valor para la investigacin
cientfica cuando pueden ser relacionadas con otras (formar parte de una hiptesis
o una teora). En este caso se les suele denominar "constructos o construcciones
hipotticas.
b. ,aracter8sticas
Para que una hiptesis sea digna de tomarse en cuenta para la investigacin
cientfica, debe reunir ciertos requisitos:
1. $as hiptesis de"en referirse a una situacin social real.
Como argumenta Rojas (1981), las hiptesis slo pueden someterse a prueba en
un universo y contexto bien definidos. Por ejemplo, una hiptesis que tenga que
ver con alguna variable del comportamiento gerencial digamos, la motivacin-
deber ser sometida a prueba en una situacin real (con ciertos gerentes de
organizaciones existentes, reales). En ocasiones, en la hiptesis se explicita esa
realidad ("los nios guatemaltecos que viven en zonas urbanas, imitarn mayor
conducta violenta de la televisin, que los nios guatemaltecos que viven en zonas
rurales), y otras veces la realidad se define a travs de explicaciones que
acompaan a la hiptesis (la hiptesis: "cuanto mayor sea la retroalimentacin
sobre el desempeo en el trabajo que proporcione un gerente a sus supervisores,
ms grande ser la motivacin intrnseca de stos hacia sus tareas laborales; no
explicita qu gerentes, de qu empresas. Y ser necesario contextualizar la
realidad de dicha hiptesis, afirmar por ejemplo que se trata de gerentes de todas
las reas produccin, recursos humanos, finanzas- de empresas puramente
industriales con ms de 1000 trabajadores y ubicadas en Bogot).
4
1
Es muy frecuente que, cuando nuestras hiptesis provienen de una teora o una
generalizacin emprica (afirmacin comprobada varias veces en la realidad) sean
manifestaciones contextualizadas o casos concretos de hiptesis generales
abstractas. La hiptesis "a mayor satisfaccin laboral mayor productividad es
general y puede someterse a prueba en diversas realidades (pases, ciudades,
parques industriales o aun en una sola empresa; con directivos, secretarias u
obreros, etc.; en empresas comerciales, industriales, de servicios o combinaciones
de estos tipos; giros; etc.).En estos al probar nuestra hiptesis contextualizada
aportamos evidencia a favor de la hiptesis ms general. Es obvio que los
contextos o realidades pueden ser ms o menos generales y normalmente- han
sido explicitados en el planteamiento del problema. Lo que hacemos al establecer
la hiptesis o las hiptesis es volver a analizar si son los adecuados para nuestro
estudio y si es posible tener acceso a ellos (reconfirmamos el contexto, buscamos
otro o ajustamos las hiptesis).
2. $os trminos %varia"les& de la hiptesis tienen #ue ser comprensi"les' precisos
y lo m(s concreto posi"le. Trminos vagos o confusos no tienen cabida en una
hiptesis. Por ejemplo: "globalizacin de la economa, "sinergia organizacional,
son conceptos imprecisos y generales que deben sustituirse por otros ms
especficos yconcretos.
3. $a relacin entre varia"les propuesta por una hiptesis de"e ser clara y
verosmil %lgica&. )s decir, es necesario que quede claro cmo se estn
relacionando las variables y que esta relacin no sea lgica. Por ejemplo, una
hiptesis como: "La disminucin del consumo del petrleo en los Estados Unidos
est relacionada con el grado de aprendizaje del lgebra por parte de nios que
asisten a escuelas pblicas en Buenos Aires" sera inverosmil, no podemos
considerarla.
*. $os trminos de la hiptesis y la relacin planteada entre ellos' de"en poder ser
o"servados y medidos' o sea tener referentes en la realidad.
4
1
Las hiptesis cientficas -al igual que los objetivos y preguntas de investigacin- no
incluyen aspectos morales ni cuestiones que no podemos medir en la realidad.
Hiptesis tales como: "Los hombres ms felices van al cielo" o "La libertad de
espritu est relacionada con la voluntad creadora "contienen conceptos o
relaciones que no poseen referentes empricos; por lo tanto, no son tiles como
hiptesis para investigar cientficamente ni se pueden someter a prueba en la
realidad.
5. $as hiptesis de"en estar relacionadas con tcnicas disponi"les para pro"arlas.
Este requisito est estrechamente relacionado con el anterior y se refiere a que al
formular una hiptesis, tenemos que analizar si existen tcnicas o herramientas de
la investigacin (instrumentos para recolectar datos, diseos, anlisis estadsticos
o cualitativos, etc.), para poder verificarla, si es posible desarrollarlas y si se
encuentran a nuestro alcance. Se puede dar el caso de que existan dichas
tcnicas pero que por ciertas razones no tengamos acceso a ellas. Alguien podra
pretender probar hiptesis referentes a la desviacin presupuesta en el gasto
pblico de un pas latinoamericano o la red de narcotraficantes en la ciudad de
Miami, pero no disponer de formas realistas de obtener sus datos. Entonces su
hiptesis aunque tericamente puede ser muy valiosa, no se puede probar en la
realidad.
c. Objetivos
Si hemos seguido paso por paso el proceso de investigacin, es natural que las
hiptesis surjan del planteamiento del problema que, como recordamos, se vuelve
a evaluar y si es necesario se replantea a raz de la revisin de la literatura. Es
decir, provienen de la revisin misma de la literatura (de la teora adoptada o la
perspectiva terica desarrollada).
Nuestras hiptesis pueden surgir de un postulado de una teora' del an(lisis de
sta' de generali+aciones empricas pertinentes a nuestro pro"lema de
4
1
investigacin y de estudios revisados o antecedentes consultados. ),iste pues'
una relacin muy estrecha entre el planteamiento del pro"lema' la revisin de la
literatura y las hiptesis.
La revisin inicial de la literatura hecha para familiarizarnos con el problema de
estudio nos lleva a plantear dicho problema, despus revisamos la literatura y
afinamos o precisamos el planteamiento del problema, del cual derivamos las
hiptesis. Desde luego, al formular las hiptesis volvemos a evaluar nuestro
planteamiento del problema. Debemos recordar que se coment que los objetivos
y preguntas de investigacin pueden reafirmarse o mejorarse durante el desarrollo
del estudio. Asimismo, durante el proceso se nos pueden ocurrir otras hiptesis
que no estaban contempladas en el planteamiento original, producto de nuevas
reflexiones, ideas o experiencias; discusiones con profesores, colegas o expertos
en el rea; e incluso- "de analogas mediante el descubrimiento de semejanzas
entre la informacin referida a otros contextos y la que se posee para la realidad
del objeto de estudio (Rojas, 1981, p.95) este ltimo caso ha ocurrido varias
veces en las ciencias sociales.
Es posible que alguien piense que con lo expuesto en este captulo queda claro
qu valor tienen las hiptesis para la investigacin del comportamiento. Sin
embargo, creemos que es necesario ahondar un poco ms en este punto,
mencionando las principales funciones de las hiptesis.
1. En primer lugar, son las guas de una investigacin. Formularlas nos ayuda
a saber lo que estamos tratando de buscar, de probar. Proporcionan orden
y lgica al estudio. Son como los objetivos de un plan administrativo: "Las
sugerencias formuladas en las hiptesis pueden ser soluciones al (los)
problema(s) de investigacin. Si lo son o no, efectivamente es la tarea del
estudio." (Sellitz et al., 1965.)
2. En segundo lugar, tienen una funcin descriptiva y explicativa, segn sea el
caso. Cada vez que una hiptesis recibe evidencia emprica en su favor o
en su contra, nos dice algo acerca del fenmeno al cual est asociado o
4
1
hace referencia. Si la evidencia es en su favor, la informacin sobre el
fenmeno se incrementar y aun si la evidencia es en su contra,
descubrimos algo acerca del fenmeno que no sabamos antes (Black y
Champion, 1976).
3. La tercera funcin es probar teoras, si se aporta evidencia en favor de una.
Cuando varias hiptesis de una teora reciben evidencia en su favor, la
teora va hacindose ms robusta; y cuanto ms evidencia haya en favor de
aqullas, ms evidencia habr en favor de sta.
4. Una cuarta funcin es sugerir teoras (Black y Champion, 1976). Algunas
hiptesis no estn asociadas con teora alguna; pero puede ocurrir que
como resultado de la prueba de una hiptesis, se pueda construir una teora
o las bases para sta. Esto no es muy frecuente pero ha llegado a ocurrir.
d. Tipos
Existen diversas formas de clasificar las hiptesis, pero en este apartado nos
vamos a concentrar en una que las clasifica en: 1) hiptesis de investigacin' -&
hiptesis nulas .& hiptesis alternativas y *& hiptesis estadsticas.
1) hiptesis de investigacin: Son "proposiciones tentativas acerca de las posibles
relaciones entre dos o ms variables y que cumplen con los cinco requisitos
mencionados". Se les suele simbolizar como Hi, H1, H2, H3, etc. (si son varias) y
tambin se les denomina hiptesis de tra"a/o. 0 su ve+' las hiptesis de
investigacin pueden ser:
1 2iptesis descriptivas del valor de varia"les que se va a observar en un contexto
o en la manifestacin de otra variable
1 2iptesis correlacionales. stas especifican las relaciones entre dos o ms
variables. Corresponden a los estudios correlacionales y pueden establecer la
asociacin entre dos variables. Es necesario agregar que, en una hiptesis de
correlacin' el orden en #ue colo#uemos las varia"les no es importante (ninguna
variable antecede a la otra; no hay relacin de causalidad&.
4
1
-& hiptesis nulas: Las hiptesis nulas son, en un sentido, el reverso de las
hiptesis de investigacin. Tambin constituyen proposiciones acerca de la
relacin entre variables solamente que sirven para refutar o negar lo que afirma la
hiptesis de investigacin.
Por ejemplo, si la hiptesis de investigacin propone: "Los adolescentes le
atribuyen ms importancia al atractivo fsico en sus relaciones heterosexuales que
las mujeres", la nula postulara:"Los jvenes no le atribuyen ms importancia al
atractivo fsico en sus relaciones heterosexuales que las adolescentes". Debido a
que este tipo de hiptesis resulta la contrapartida de la hiptesis de investigacin,
hay prcticamente tantas clases de hiptesis nulas como de investigacin. Es
decir, la clasificacin de hiptesis nulas es similar a la tipologa de la hiptesis de
investigacin: hiptesis nulas descriptivas de una varia"le #ue se va a o"servar en
un conte,to' hiptesis #ue niegan o contradicen la relacin entre dos o m(s
varia"les' hiptesis #ue niegan #ue haya diferencia entre grupos #ue se comparan
es decir afirmar que los grupos son iguales- e hiptesis #ue niegan la relacin de
causalidad entre dos o m(s varia"les (en todas sus formas). $as hiptesis nulas
se sim"oli+an como 2o.
.& hiptesis alternativas: Como su nombre lo indica, son posi"ilidades 3alternativas4
ante las hiptesis de investigacin y nula. Ofrecen otra descripcin o explicacin
distintas a las que proporcionan estos tipos de hiptesis. Por ejemplo, si la
hiptesis de investigacin establece: "Esta silla es roja", la nula afirmar: "Esta
silla no es roja", y podran formularse una o ms hiptesis alternativas: "Esta silla
es azul", "Esta silla es verde", "Esta silla es amarilla", etc. Cada una constituye una
descripcin distinta a las que proporcionan las hiptesis de investigacin y nula.
$as hiptesis alternativas se sim"oli+an como 2a y slo pueden formularse
cuando efectivamente hay otras posibilidades adicionales a las hiptesis de
investigacin y nula. De ser as, no pueden existir.
*& hiptesis estadsticas: $as hiptesis estadsticas son la transformacin de las
hiptesis de investigacin' nulas v alternativas en sm"olos estadsticos. Se
pueden formular solamente cuando los datos del estudio que se van a recolectar y
4
1
analizar para aprobar o desaprobar las hiptesis son cuantitativos (nmeros,
porcentajes y promedios). Es decir, el investigador traduce su hiptesis de
investigacin y su hiptesis nula (y cuando se formulan hiptesis alternativas,
tambin stas) en trminos estadsticos. Bsicamente hay tres tipos de hiptesis
estadstica' que corresponden a clasificaciones de las hiptesis de investigacin y
nula: 1) de estimacin' -& de correlacin y .& de diferencias de medias.
UNIDAD DE APRENDIZAJE ". Dise#o de investigacin en ciencias del
comportamiento
Hernndez, Fernndez y Baptista (2003), sealan que el trmino "diseo se
refiere al plan o estrategia concebida para obtener la informacin que desea.
Por lo tanto, el diseo de investigacin se concibe como estrategias en las
cuales se pretende obtener respuestas a las interrogantes y comprobar las
hiptesis de investigacin, con el fin de alcanzar los objetivos del estudio.
En el caso del enfoque cuantitativo, el investigador utiliza su diseo para analizar
la certeza de las hiptesis formuladas en un contexto particular o para
aportar evidencias respecto de los lineamientos de la investigacin.
a. E2peri!ental
4
1
A continuacin se presentan los diseos experimentales ms comnmente citados
en la literatura sobre experimentacin. Segn Buenda, Cols y Hernndez
(1998), los diseos experimentales se dividen en tres clases:
a) Pre$e%perimentos& este tipo de diseos se caracterizan por un bajo nivel
de control y, por tanto, baja validez interna y externa. El inconveniente de
estos diseos es que el investigador no puede saber con certeza, despus
de llevar a cabo su investigacin, que los efectos producidos en la variable
dependiente se deben exclusivamente a la variable independiente o
tratamiento. Sin embargo, este tipo de diseos son los nicos aplicables en
determinados tipos de investigaciones educativas.
b) ),perimentos 5verdaderos6: Este tipo de diseos se denominan tambin
autnticos experimentos porque realizan un control de todos los factores
que afectan tanto a la validez interna, como a la validez externa. El
elemento fundamental de este tipo de diseos es que los sujetos son
elegidos al azar de la poblacin y asignados al azar a los grupos
experimentales y de control.
c) 7uasi1e,perimentos: La caracterstica fundamental de este tipo de diseo
est en que el experimentador no puede hacer la asignacin al azar de los
sujetos a los grupos experimentales y de control. Sin embargo, si puede
controlar alguna de las siguientes cuestiones: cundo llevar a cabo las
observaciones, cundo aplicar la variable independiente o tratamiento y
cul de los grupos recibir el tratamiento.
Aunque estos diseos no garantizan un nivel de validez interna y externa
como en los experimentales, ofrece un grado de validez suficiente, lo que
hace muy viable su uso en el campo de la educacin y de la psicologa.
b. +o e2peri!ental
La investigacin no experimental es la bsqueda emprica y sistemtica en la que
el cientfico no posee control directo de las variables independientes, debido a que
4
1
sus manifestaciones ya han ocurrido o ha que son inherentemente no
manipulables. Se hacen inferencias sobre las relaciones entre las variables, sin
intervencin directa sobre la variacin simultnea de las variables independiente y
dependiente (Kerlinger, 2002).
Los diseos no experimentales se clasifican, segn Hernndez y otros (2003), en:
a& Transaccional o transversal: nvestigaciones que recopilan datos en un solo
momento, en un tiempo nico. Su propsito es describir variables y analizar su
incidencia e interrelacin en un momento dado (o describir comunidades, eventos,
fenmenos o contextos), es como tomar una fotografa de algo que sucede.
A su vez, los diseos transaccionales se dividen en:
8& 9ise:os transaccionales e,ploratorios: Su propsito es comenzar a
conocer una comunidad, un contexto, un evento, una situacin, una variable
o un conjunto de variables. Se trata de una exploracin inicial en un
momento especfico, por lo general se aplica a problemas de investigacin
nuevos o pocos conocidos, y se constituyen en prembulo de los otros
diseos (experimentales y no experimentales).
-& 9ise:os transicionales descriptivos: Tienen como objetivo indagar las
incidencias y los valores en que se manifiestan una o ms variables (dentro
del enfoque cuantitativo) o ubicar, categorizar y proporcionar una visin de
una comunidad, un evento, un contexto, un fenmeno o una situacin. El
procedimiento consiste en medir, o ubicar a un grupo de personas,
situaciones, contextos, fenmenos, en una variable o concepto y
proporcionar su descripcin. Son, por lo tanto, estudios puramente
descriptivos y cuando establecen hiptesis, stas son tambin descriptivas.
.& 9ise:os transicionales correlacionales1causales: Tienen como objetivo
describir relaciones entre dos o ms categoras, conceptos o variables en un
momento determinado. En estos diseos lo que se mide-analiza (enfoque
cuantitativo) o evala-analiza (enfoque cualitativo) es la relacin entre
4
1
variables en un tiempo determinado. Este tipo de diseo, tambin puede
precisar sentido de causalidad.
"& $ongitudinales: Estudios que recolectan datos en diferentes puntos, a travs del
tiempo, para realizar inferencias acerca del cambio, sus determinantes y
consecuencias (Hernndez, Fernndez y Baptista, 2003).
Los diseos longitudinales suelen dividirse en:
8& 9ise:os longitudinales de tendencia: Son aquellos que analizan cambios a
travs del tiempo en variables o sus relaciones, dentro de alguna poblacin
en general. Se puede observar o medir toda la poblacin, o tomar una
muestra representativa de ella cada vez que se observan o midan las
variables. Su caracterstica distintiva es que la atencin se centra en una
poblacin.
-& 9ise:os longitudinales de evolucin de grupo 7ohorte: Examinan cambios
a travs del tiempo en subpoblaciones o grupos especficos. Su atencin son
las Cohorte o grupos de individuos vinculados de alguna manera (sexo,
edad, etc.). Se hace un seguimiento de estos subgrupos a travs del tiempo.
.& 9ise:os longitudinales panel& Son similares a los diseos anteriores, slo
que el mismo grupo de sujetos es medido u observado (se recolectan datos
sobre ellos) en todos los tiempos o momentos. Su atencin se centra en los
sujetos individualizados, por lo tanto, son mediciones ms precisas.
UNIDAD DE APRENDIZAJE '. Tipos de valide( en la investigacin en
ciencias del comportamiento
Una contribucin fundamental de un experimento es que ayuda a excluir las
diferentes variables que podran explicar un fenmeno. Pero un experimento
determinado no excluye necesariamente todas las explicaciones alternativas
posibles. Desde un punto de vista metodolgico, el mejor experimento es aqul
cuyo diseo excluye las explicaciones alternativas de los resultados.
4
1
dealmente, los resultados de un experimento tendrn slo una interpretacin, que
sera que la variable independiente es la responsable de los cambios en la
dependiente.
Las variables extraas que puedan afectar los valores obtenidos en la V.D.
suponen una amenaza para la validez experimental. Un experimento resulta vlido
en la medida que los resultados pueden ser atribuidos a la V.., y en el grado que
se generalizan fuera del experimento.
Si los resultados de un experimento pueden ser atribuidos inequvocamente a la
V.., se dice que el experimento es internamente vlido. El grado en que permite la
generalizacin se refiere a los aspectos relativos a la validez externa.
a. Interna
Se refiere al grado en que un experimento excluye las explicaciones alternativas
de los resultados, es decir, al grado en que ciertamente la manipulacin de la V..
es responsable de los cambios en la V.D.
Cualquier factor o fuente que no sea la V.. y que pudiera explicar los resultados es
una amenaza para la validez interna. De esta forma, la validez interna es un
mnimo bsico sin el cual un experimento est abierto a mltiples explicaciones
alternativas.
Campbell menciona que este tipo de validez implica qu tan fuerte es la afirmacin
que el experimentador puede hacer al respecto a la generalizacin de los
resultados de estudio.
Existen cuatro fuentes posibles de amenaza a la validez externa:
- Efecto reactivo o de interaccin de la prueba
- Efectos de interaccin de los sesgos de seleccin y la variable
independiente
- Efectos reactivos de los arreglos experimentales
4
1
- nterferencia de tratamiento mltiple
b. E2terna
La validez externa se refiere a la extensin y forma en que los resultados de un
experimento pueden ser generalizados a diferentes sujetos, poblaciones, lugares,
experimentadores, etc.
Como ya hemos indicado, el objetivo de un experimento es demostrar las
relaciones funcionales entre las variables independiente y dependiente. Un objeto
an ms amplio de la investigacin es establecer relaciones generales valiosas.
La validez interna dirige la pregunta inicial referente a si un experimento
determinado ha demostrado una relacin inequvoca. La validez externa dirige una
pregunta ms amplia, referente al grado con que pueden generalizarse los
resultados de un experimento.
UNIDAD DE APRENDIZAJE ). *+estreo en ciencias del comportamiento
a. Seleccin de la !estra
La muestra es en esencia un subgrupo de la poblacin. Digamos que es un
subconjunto de elementos que pertenecen a ese conjunto definido en sus
caractersticas al que llamamos poblacin. Con frecuencia leemos y escuchamos
hablar de muestra representativa, muestra al azar, muestra aleatoria. En realidad
pocas veces es posible medir a toda la poblacin, por lo que obtenemos o
seleccionamos una muestra y, desde luego, se pretende que este subconjunto sea
un reflejo fiel del conjunto de la poblacin.. Todas las muestras y, desde luego, se
pretende que este subconjunto sea un reflejo fiel del conjunto de la poblacin.
Todas las muestras, deben ser representativas, por lo tanto, el uso de este trmino
resulta por dems intil. Los trminos al azar y aleatorios denotan un tipo de
procedimiento mecnico relacionado con la probabilidad y con la seleccin de
elementos, pero no logran esclarecer tampoco el tipo de muestra y el
procedimiento de muestra.
b. Tipos de !estra
4
1
Las muestras se categorizan en NO probabilsticas y probabilsticas. La seleccin
entre una y otra depende de los objetivos del estudio, del esquema de
investigacin y de la contribucin que se piensa hacer con ella.
c. Mestreo probabil8stico
Todos los elementos de la poblacin tienen la misma posibilidad de ser escogidos
y se obtienen definiendo las caractersticas de la poblacin y el tamao de la
muestra, y por medio de una seleccin aleatoria o mecnica de las unidades de
anlisis.
Se deben de tener en cuenta diversos factores para seleccionar un tipo de
muestra; el planteamiento del problema, las hiptesis, el diseo de investigacin y
el alcance de sus contribuciones.
Las muestras probabilsticas tienen muchas ventajas, quiz la principal sea que
puede medirse el tamao de error en nuestras predicciones. Se dice incluso que el
principal objetivo en el diseo de una muestra probabilstica es reducir al mnimo
este error al que se le llama error estndar.
Este tipo de muestra es esencial en los diseos de investigacin transeccionales,
tanto descriptivos como correlacionales- causales donde se pretende hacer
estimaciones de variables en la poblacin. Estas variables se miden y se analizan
con pruebas estadsticas en una muestra, donde se presupone que sta es
probabilstica y todos los elementos muestrales tendrn valores muy parecidos a
los de la poblacin, de manera que las mediciones en el subconjunto nos darn
estimados precisos del conjunto mayor. La precisin de dichos estimados depende
del error en el muestreo, que es posible calcular.
Para hacer una muestra probabilstica es necesario entender los siguientes
trminos y sus definiciones:
- La poblacin a la que se suele denominar como N es un conjunto de
elementos.
- La muestra, a la que se simboliza con N, es un subconjunto de la poblacin
N.
- En una poblacin N (previamente delimitada por los objetivos de la
investigacin), nos interesa establecer valores de las caractersticas de los
elementos de N.
4
1
Para una muestra pro"a"ilstica necesitamos principalmente dos cosas:
determinar el tama:o de la muestra %n& y seleccionar los elementos muestrales, de
manera que todos tengan la misma posibilidad de ser elegidos.
Para lo primero, daremos una frmula que contiene las expresiones ya descritas.
Para lo segundo, necesitamos de un marco de seleccin adecuado y de un
procedimiento que permita la aleatoriedad en la seleccin. Hablaremos de ambas
cosas en los siguientes incisos.
Cuando se hace una muestra probabilstica, uno debe preguntarse Cul es el
nmero mnimo de unidades de an(lisis (personas, organizaciones, captulos de
telenovelas, etc.), que necesito para conformar una muestra (n) que me asegure
un error estndar menor de .01 (fijado por nosotros), dado que la poblacin N es
aproximadamente de tantos elementos? En esta pregunta se inquiere cul ser la
probabilidad de ocurrencia de y, y de que el valor de y basado en n
observaciones se site en un intervalo que comprenda al verdadero valor de la
poblacin. Es decir que mi estimado y se acerque a ;, al valor real. Si nosotros
establecemos el error est(ndar y fijamos .01, sugerimos que esta fluctuacin
promedio de nuestro estimado y con respecto a los valores reales de la poblacin
;, no sea> .01, es decir que de 100 casos, 99 veces mi prediccin sea correcta y
que el valor de y se site en un intervalo de confianza que comprenda el valor de
; . La frmula para determinar el tama:o de n es la siguiente:
Lo cual se ajusta si se conoce el tamao de la poblacin N. Entonces tendremos
que:
4
1
d. Mestreo no probabil8stico
En este tipo de muestreo la eleccin de los elementos no depende de la
probabilidad, sino de causas relacionadas con las caractersticas de la
investigacin o de quien hace la muestra. Aqu el procedimiento no es mecnico,
ni con base en formular de probabilidad, sino que depende del proceso de toma de
decisiones de una persona o de un grupo de personas y, desde luego, las
muestras seleccionadas obedecen a los criterios de investigacin.
Las muestras no pro"a"ilsticas' las cuales llamamos tambin muestras dirigidas
suponen un procedimiento de seleccin informal y un poco ar"itrario. An as
estas se utilizan en muchas investigaciones y a partir de ellas se hacen inferencias
sobre la poblacin. Es como si juzgsemos el sabor de un cargamento de limones,
solamente probando alguno, como si para "muestra bastase un botn. La muestra
dirigida selecciona sujetos "tpicos con la vaga esperanza de que sean casos
representativos de una poblacin determinada. La verdad es que las muestras
dirigidas tienen muchas desventajas. La primera es que, al no ser probabilsticas,
no podemos calcular con precisin el error estndar, es decir, no podemos calcular
con qu nivel de confianza hacemos una estimacin. Esto es un grave
inconveniente si consideramos que la estadstica inferencial se basa en teora de
la probabilidad, por lo que pruebas estadsticas (X2, correlacin, regresin, etc.),
en muestras no probabilsticas tienen un valor limitado y relativo a la muestra en
s, mas no a la poblacin. Es decir, los datos no pueden generalizarse a una
poblacin, que no se consider ni en sus parmetros, ni en sus elementos para
obtener la muestra. Recordemos que, en las muestras de este tipo' la eleccin de
los su/etos no depende de #ue todos tengan la misma pro"a"ilidad de ser
elegidos' sino de la decisin de un investigador o grupo de encuestadores.
La ventaja de una muestra no pro"a"ilstica es su utilidad para un determinado
diseo de estudio, que requiere no tanto de una "representatividad de elementos
de una poblacin, sino de una cuidadosa y controlada eleccin de sujetos con
ciertas caractersticas especificadas previamente en el planteamiento del
4
1
problema. Hay varias clases de muestras dirigidas y stas se definirn a
continuacin.
UNIDAD DE APRENDIZAJE ,. Niveles de medicin en ciencias del
comportamiento
Se puede medir en diferentes niveles. No es lo mismo medir una variable como
sexo, a la que slo se le puede asignar uno de los valores, que otra como
estatura, que puede asumir un conjunto infinito de valores desde cero en adelante,
cualesquiera que sean las unidades utilizadas. Para formalizar ms el concepto de
medicin, veamos los cuatro niveles de medicin que existen.
a. +o!inal
Es el nivel ms elemental, y por tanto el menos preciso. Cuando medimos en este
nivel slo estamos clasificando una variable en dos o ms categoras mutuamente
excluyentes. Ejemplos de variables que slo pueden medirse en el nivel nominal
son el sexo, confesin religiosa, la profesin que se ejerce, etc. Puesto que en el
nivel nominal solamente clasificamos, los numerales que se asignan son de tipo
nominador y carecen de todo sentido cuantitativo. En consecuencia, sobre los
datos nominales slo puede realizarse la operacin de contar. No tendra sentido
sumar o realizar cualquier otra operacin aritmtica con datos nominales.
EJEMPLOS: Sexo, nacionalidad, estado civil, confesin religiosa, preferencia
electoral, color de ojos, color de cabello, color de piel, profesin.
b. Ordinal
En este segundo nivel aparecen los nmeros y, por tanto el sentido cuantitativo en
la medicin. Medimos a nivel ordinal cuando podemos colocar por orden de
rangos la propiedad que se mide. Por ejemplo, si afirmamos que un test de
ansiedad mide a nivel ordinal, y se lo aplicamos a dos sujetos, conforme al
postulado 1 de la medicin, tendremos que demostrar empricamente que:
(a = b) (a > b) (a < b)
4
1
Lo que implica que nuestro test debe distinguir si el sujeto a es ms ansioso que "
o si su nivel de ansiedad es el mismo. Pero no basta con esto, debemos tener
cuidado y no caer en suposiciones falsas cuando creemos medir a nivel ordinal.
Para que una medicin sea realmente ordinal es necesario demostrar que adems
del postulado 1 se cumple el postulado 2, esto es, que cuando medimos tres
sujetos existe transitividad.
(a < b) (b < c) (a < c)
Lo que solo puede hacerse empricamente.
Una medida ordinal slo permite comparaciones de rango. Si afirmo que (a > b),
nicamente puedo afirmar eso, que el sujeto a tiene la propiedad en mayor medida
que el sujeto ", pero no puedo afirmar cul es la diferencia de magnitud que existe
entre ambos sujetos.
c. Intervalar
La caracterstica propia de este nivel consiste en que divide su escala en
distancias numricamente iguales llamadas intervalos. Tenemos que observar que
exclusivamente podemos hablar estrictamente de medicin intervalar cuando
todos los intervalos tienen el mismo tamao. Por ejemplo, si midiramos el nmero
de hijos por familia en la escala intervalar, tendramos:
{(0-1), (2-3), (4-6), (7 o ms)}
No estaramos midiendo a nivel intervalar porque el tercer espacio mide ms que
los dos anteriores y el cuarto no est acotado por la derecha. Debe observarse
que un intervalo es un espacio que no podemos fraccionar. Si al medir C
asignamos a Juan el intervalo (105-109) lo nico que podemos afirmar es que el
C de Juan no es menor que 105 ni mayor que 109, pero es imposible asignarle
uno de los valores que contiene el intervalo.
Cuando tomamos el punto medio del intervalo (tambin llamado marca de clase)
para clculos estadsticos, debemos tener cuidado de entender que lo que
4
1
obtendremos como producto de tales clculos son medidas estadsticas, y no
medidas de sujetos.
d. De ra$n
Este es el nivel ms alto de la medicin y al que se aspira a llegar en una
investigacin cientfica. Su caracterstica propia es que incluye un cero absoluto
con significado emprico. Cuando afirmamos que una medida es cero, debemos
poder demostrar empricamente que el sujeto medido no posee la propiedad que
se mide. Al nivel de razn tambin se le llama "de proporciones porque una
medida se expresa como nmero racional a<" que representa la proporcin de a
respecto a ", siendo a y " dos enteros cualesquiera (desde luego, " no puede ser
cero). nicamente con datos medidos a nivel de razn pueden realizarse
directamente todas las operaciones aritmticas (Kerlinger, 1982: 573-576).
Debe observarse que cada nivel contiene las caractersticas de los anteriores, ms
una propia de l. De este modo, el nivel nominal slo clasifica, el ordinal clasifica y
ordena; el intervalar clasifica, ordena y establece distancias numricamente
iguales; finalmente, el nivel de razn clasifica, ordena, establece distancias
numricamente iguales, establece proporciones e incluye un cero absoluto con
significado emprico. Por eso se afirma que a partir del ordinal, cada nivel es
superior a los anteriores.
En cualquier caso, el nivel en el que midamos, depende de la forma en que
definamos la variable a medir y de que seamos capaces de demostrar que se
cumplen los postulados de la medicin (Lpez, 2007: 50-53).
UNIDAD DE APRENDIZAJE -. .on/ia0ilidad en ciencias del comportamiento.
En la prctica es casi imposible que una medicin sea perfecta. =eneralmente se
tiene un grado de error.
Desde luego, se trata de que este error sea el mnimo posible. Es por esto que la
medicin de cualquier fenmeno se conceptualiza con la siguiente frmula bsica:
4
1
Donde 5>6 representa los valores o"servados (resultados disponibles), 5t6 son los
valores verdaderos y 5e6 es el grado de error en la medicin. Si no hay error de
medicin ("e es igual a cero), el valor observado y el verdadero son equivalentes.
Esto puede verse claramente as:
Esta situacin representa el ideal de la medicin. Entre mayor sea el error al
medir, el valor que observamos (y que es en el que nos basamos) se aleja ms del
valor real o verdadero. Por ejemplo, si medimos la motivacin de un individuo y
esta medicin est contaminada por un grado de error considerable, la motivacin
registrada por el instrumento ser bastante diferente de la motivacin real que
tiene ese individuo. Por ello es importante #ue el error sea reducido lo m(s
posi"le. Pero, cmo sabemos el grado de error que tenemos en una medicin?
Calculando la confiabilidad y validez.
Existen diversos procedimientos para calcular la confia"ilidad de un instrumento
de medicin. Todos utilizan frmulas que producen coeficientes de confia"ilidad.
Estos coeficientes pueden oscilar entre ? y 8.
Donde un coeficiente de O significa nula confiabilidad y 1 representa un mximo
de confiabilidad (confiabilidad total). Entre ms se acerque el coeficiente a cero
(0), hay mayor error en la medicin.
a. Estabilidad
En este procedimiento un mismo instrumento de medicin (o tems o indicadores)
es aplicado dos o ms veces a un mismo grupo de personas, despus de un
periodo de tiempo. Si la correlacin entre los resultados de las diferentes
aplicaciones es altamente positiva, el instrumento se considera confiable. Se trata
de una especie de diseo panel.
4
1
Desde luego, el periodo de tiempo entre las mediciones es un factor a considerar.
Si el periodo es largo y la variable susceptible de cambios, ello puede confundir la
interpretacin del coeficiente de confiabilidad obtenido por este procedimiento. Y si
el periodo es corto las personas pueden recordar cmo contestaron en la primera
aplicacin del instrumento, para aparecer como ms consistentes de lo que son en
realidad (Bohrnstedt, 1976).
b. Aor!as paralelas
En este procedimiento no se administra el mismo instrumento de medicin, sino
dos o ms versiones equivalentes de ste. Las versiones son similares en
contenido, instrucciones, duracin y otras caractersticas. Las versiones
generalmente dos son administradas a un mismo grupo de personas dentro de
un periodo de tiempo relativamente corto. El instrumento es confiable si la
correlacin entre los resultados de ambas administraciones es significativamente
positiva. Los patrones de respuesta deben variar poco entre las aplicaciones.
c. Divisin por !itades
Tambin llamado split-halves. Los procedimientos anteriores (medida de
estabilidad y mtodo de formas alternas), requieren cuando menos dos
administraciones de la medicin en el mismo grupo de individuos. En cambio, el
mtodo de mitades-partidas requiere slo una aplicacin de la medicin.
Especficamente, el conjunto total de tems (o componentes) es dividido en dos
mitades y las puntuaciones o resultados de ambas son comparados. Si el
instrumento es confiable, las puntuaciones de ambas mitades deben estar
fuertemente correlacionadas. Un individuo con baja puntuacin en una mitad,
tender a tener tambin una baja puntuacin en la otra mitad.
d. ,onsistencia interna
7oeficiente alfa de 7ron"ach. Este coeficiente desarrollado por J. L. Cronbach
requiere una sola administracin del instrumento de medicin y produce valores
que oscilan entre O y 1. Su ventaja reside en que no es necesario dividir en dos
4
1
mitades a los tems del instrumento de medicin, simplemente se aplica la
medicin y se calcula el coeficiente.
7oeficiente @R1-A. Kuder y Richardson (1937) desarrollaron un coeficiente para
estimar la confiabilidad de una medicin, su interpretacin es la misma que la del
coeficiente alfa.
UNIDAD DE APRENDIZAJE 1. 2alide( en ciencias del comportamiento
Un aspecto crucial de todo instrumento de evaluacin es probar que ste evala lo
que pretende. Este problema se conoce en la literatura especializada de la
psicometra como el de la validez de una prueba. Tirado y colaboradores (1997)
hacen una revisin al respecto. Magnusson define la validez de un mtodo como
la exactitud con que pueden hacerse medidas significativas y adecuadas con l,
en el sentido que midan realmente los rasgos que se pretenden. Woolfolk define la
validez como el grado en que una prueba mide lo que se espera que mida.
El 7ollege Board en 1991 seala que la validez predictiva indica el grado hasta el
cual las puntuaciones de una prueba pueden predecir un criterio, la que se
expresa como un coeficiente de correlacin entre la variante predictiva y la
variable criterio. Para Silva, la validez predictiva indica el grado de certeza con que
se pueden predecir algunas caractersticas medidas a partir del instrumento de la
escala, lo que se logra utilizando un criterio externo. Thorndike y Hagen definen a
la validez predictiva como la correlacin entre las puntuaciones de una prueba y
una medida de criterio adecuada. Al estimar la validez de un instrumento de
medicin, se precisan los alcances y limitaciones de la prueba. Esto permite
interpretar los resultados y tomar decisiones en forma ponderada. Cronbach y
Muhl se refieren a la validez como el indicador que describe el significado de las
calificaciones de un instrumento o procedimiento de evaluacin.
De acuerdo con Kerlinger (2002: 604) la clasificacin ms importante de los tipos
de validez es la que cre un comit conjunto de la Asociacin Psicolgica
Americana, la Asociacin Americana de nvestigacin Educativa y el Consejo
Nacional de Mediciones utilizadas en Educacin. Se incluyen tres tipos de validez:
4
1
de contenido, de constructo y de criterio.
a. De contenido
$a valide+ de contenido es la representatividad o la adecuacin de muestreo de
contenido la sustancia, la materia, el tema- de un instrumento de medicin. La
validacin de contenido est guiada por la pregunta: la sustancia o contenido de
esta medida es representativa del contenido del universo de la propiedad que se
mide? La validacin de contenido es bsicamente de juicio. Cada reactivo debe
juzgarse respecto a su supuesta relevancia respecto a la propiedad que se mide.
Por lo comn, otros jueces "competentes deben juzgar el contenido de los
reactivos (Kerlinger, 2002: 604, 605).
Por su parte, Mrquez (1984: 11), define la validez de contenido como un
instrumento de medicin que debe contener una muestra representativa del
conjunto total de conocimientos o aspectos que se desean evaluar, se mide por el
grado de representatividad de la muestra.
El universo de contenido debe estar claramente definido. Existe otro tipo de
validez que es muy similar a la validez de contenido. sta se llama validez
aparente o de facie, la cual no es una validez en el sentido tcnico; se refiere a
aquello que la prueba aparenta medir. La validez de contenido es cuantificable a
travs del empleo de ndices de concordancia de las evaluaciones de los jueces.
Uno de dichos ndices es la Kappa de Cohen (Kerlinger, 2002: 606).
b. De constrcto <convergente ? divergente@
$a valide+ de construccin es el grado en que mide un rasgo subyacente
hipottico cualquier instrumento que est fundamentado en una teora (Mrquez,
1984: 11). Para Kerlinger [2002: 608, 609], a travs de la validez de constructo se
desea saber qu propiedad o propiedades psicolgicas o de otro tipo pueden
"explicar la varianza de las pruebas, se est centrado en las propiedades que se
miden, ms que en las pruebas utilizadas para lograr la medicin. Los
investigadores por lo comn, inician con los constructos o variables que tienen
4
1
relacin. Debe intentarse validar la teora que est detrs de la prueba. Cronbach
indica que existen tres partes en la validacin de constructo: sugerir qu
constructos posiblemente explican el desempeo de la prueba, derivar hiptesis a
partir de la teora que incluye al constructo y comprobar empricamente las
hiptesis.
Un buen indicador para validar exmenes de seleccin, o rendimiento acadmico,
es su correspondencia con las calificaciones de los estudiantes en grados
anteriores (por ejemplo, el promedio del bachillerato), o su correspondencia con
las calificaciones en grados posteriores (el promedio que se obtiene en el primer
semestre o ao escolar). As, se puede apreciar que la validez predictiva de un
instrumento se logra al comparar en dos direcciones: una de manera retrospectiva
y otra de manera prospectiva (Cronbach, citado por Tirado et. al., 1997).
c. De criterio <concrrente ? predictiva@
$a valide+ relacionada con el criterio y validacin, se estudia al comparar las
puntuaciones de una prueba o escala con una o ms variables externas o criterios,
que se sabe o se considera que miden el atributo que se estudia. Un tipo de
validez relacionada con el criterio es la llamada validez predictiva. El otro tipo es la
validez concurrente, que difiere de la predictiva en la dimensin del tiempo. La
validez predictiva involucra el uso de desempeos del criterio futuros, mientras
que la validez concurrente mide el criterio casi al mismo tiempo. En este sentido,
la prueba sirve para evaluar el estatus presente del individuo (Kerlinger, 2002:
606).
Mrquez (1984: 12, 13), define la validez de criterio de la siguiente forma: Los
datos de validacin son de origen emprico, obtenidos por medio de la estadstica.
Es una comparacin entre nuestra situacin de medida y un estndar al que se le
llama criterio. A su vez, la validez de criterio se divide en:
- Predictora: Posterior a la aplicacin de la prueba. El instrumento y el
estndar no son medidos a la vez.
4
1
- Concurrente: Ya se cuenta con la medicin del criterio al realizar la
prueba. El instrumento y el estndar pueden ser medidos a la vez.
Cuando se predice el xito o fracaso de los estudiantes a partir de sus medidas de
aptitud acadmica, se est considerando la validez predictiva relacionada con el
criterio. Qu tan bien predice la prueba (o pruebas) el promedio final o el de la
licenciatura? Aqu el enfoque no es tanto lo que la prueba mide, sino su habilidad
predictiva. A mayor correlacin entre una medida o medidas de aptitud acadmica
y el criterio, por ejemplo la calificacin promedio, mejor ser la validez. La validez
concurrente con frecuencia se utiliza para validar una prueba nueva. Para cada
examinado se toman por lo menos dos medidas concurrentes. Una de ellas sera
la prueba nueva y la otra sera una prueba o medida existente. La validez
concurrente se calculara al correlacionar los dos conjuntos de calificaciones. La
validez relacionada con el criterio est caracterizada por la prediccin sobre un
criterio externo y por la verificacin de un instrumento de medicin, ya sea ahora o
en el futuro, con un resultado o medida (Kerlinger, 2002: 606, 607).
UNIDAD DE APRENDIZAJE 13. Estad4stica descriptiva
$a primera tarea es descri"ir los datos' valores o puntuaciones o"tenidas para
cada varia"le. Por ejemplo, si aplicamos a 2,048 nios el cuestionario sobre los
usos y gratificaciones que tiene la televisin para ellos (Fernndez-Collado,
Baptista y Elkes, 1986), cmo pueden describirse estos datos? Describiendo la
distribucin de las puntuaciones o frecuencias.
Una distri"ucin de frecuencias es un conjunto de puntuaciones ordenadas en sus
respectivas categoras.
Las distri"uciones de frecuencias pueden completarse agregando las frecuencias
relativas y las frecuencias acumuladas. $as frecuencias relativas son los
porcenta/es de casos en cada categora, y las frecuencias acumuladas son lo que
se va acumulando en cada categora, desde la ms baja hasta la ms alta.
a. Medidas de tendencia central
4
1
Las medidas de tendencia central son puntos en una distribucin, los valores
medios o centrales de sta y nos ayudan a ubicara dentro de la escala de
medicin. Las principales medidas de tendencia central son tres: moda' mediana y
media. )l nivel de medicin de la varia"le determina cu(l es la medida de
tendencia central apropiada.
La moda es la categora o puntuacin que ocurre con mayor frecuencia. Se utili+a
con cual#uier nivel de medicin.
EJEMPLO: Encuentra la moda de las siguientes distribuciones.
*2, 3, 3, 4, 4, 4, 5, 5 M
o
F 9
G1, 1, 1, 4, 4, 5, 5, 5, 7, 8, 9, 9, 9M
o
F (> 0> 4
G2, 2, 3, 3, 6, 6, 9, 9 M
o
F =
La mediana es el valor que divide a la distribucin por la mitad. Esto es, la mitad
de los caen por debajo de la mediana y la otra mitad se ubica por encima de la
mediana. La mediana refleja la posicin intermedia de la distribucin.
$a mediana es una medida de tendencia central propia de los niveles de medicin
ordinal' intervalar y de ra+n. No tiene sentido con variables nominales, porque en
este nivel no hay jerarquas, no hay nocin de encima o debajo. Tambin, la
mediana es particularmente til cuando hay valores extremos en la distribucin.
No es sensible a stos.
EJEMPLO: Calcula la mediana de los siguientes datos (masa de datos pequea)
*Masa i mpar: 2, 3, 4, 4, 5, 5, 5, 6, 6MeF 0
*Masa par: 7, 8, 9, 10, 11, 12MeF 4.0
$a media aritmtica es la medida de tendencia central ms utilizada y puede
definirse como el promedio aritmtico de una distribucin. Se simboliza como: X, y
es la suma de todos los valores dividida por el nmero de casos. )s una medida
4
1
solamente aplica"le a mediciones por intervalos o de ra+n. Carece de sentido por
variables medidas en un nivel nominal u ordinal. Su frmula es:
La frmula simplificada de la media es:
El smbolo "Z indica que debe efectuarse una sumatoria, "X es el smbolo de una
puntuacin y "N es el nmero total de casos o puntuaciones.
EJEMPLO:
*Los pesos de sei s ami gos son: 84, 91, 72, 68, 87 y 78 kg. Hal l ar
el peso medi o.
b. Medidas de variabilidad
Las medidas de la varia"ilidad nos indican la dispersin de los datos en la escala
de medicin' responden a la pregunta: en dnde estn diseminadas las
puntuaciones o valores obtenidos? Las medidas de tendencia central son valores
en una distribucin y las medidas de la variabilidad son intervalos, designan
distancias o un nmero de unidades en la escala de medicin. Las medidas de la
variabilidad ms utilizadas son el rango' la desviacin est(ndar y la varian+a.
- El rango es la diferencia entre la puntuacin mayor y la puntuacin menor, indica
el nmero de unidades en la escala de medicin necesaria para incluir los valores
4
1
mximo y mnimo. Se calcula as: (XM Xm) +1 (puntuacin mayor menos
puntuacin menor) +1 Tambin suele denominrsele "recorrido.
Cuanto m(s grande sea el rango' mayor ser la dispersin de los datos de una
distribucin.
EJEMPLO: Calcula el rango de los siguientes datos:
*2, 3, 4, 4, 5, 5, 5, 6, 6 R
o
= (6-2)+1= 5
- La desviacin est(ndar es el promedio de desviacin de las puntuaciones con
respecto a la media. Esta medida es expresada en las unidades originales de
medicin de la distribucin. Se interpreta en relacin a la media. Cuanto mayor es
la dispersin de los datos alrededor de la media, mayor es la desviacin estndar.
Se simboliza como: "s o la letra minscula griega sigma (o) y su frmula esencial
es:
EJEMPLO: Calcula la media de los siguientes datos.
9, 3, 8, 8, 9, 8, 9, 18
$a varian+a es la desviacin estndar elevada al cuadrado y se simboliza como:
s2. Es un concepto estadstico sumamente importante, ya que muchas de las
pruebas cuantitativas se fundamentan en l. Diversos mtodos estadsticos parten
de la descomposicin de la varianza. Sin embargo, para fines descriptivos se
utiliza preferentemente la desviacin estndar.
4
1
EJEMPLO: Calcula la varianza de los siguientes datos.
9, 3, 8, 8, 9, 8, 9, 18
o
2
= (3.87)
2
= 14.98
c. Sesgo ? crtosis
)l sesgo es una estadstica necesaria para conocer qu tanto nuestra distribucin
se parece a una distribucin terica llamada 5curva normal6 y constituye un
indicador del lado de la curva donde se agrupan las frecuencias. Si es cero
(asimetra = 0), la curva o distribucin es simtrica. Cuando es positiva quiere
decir que hay ms valores agrupados hacia la izquierda de la curva (por debajo de
la media). Cuando es negativa significa que los valores tienden a agruparse hacia
la derecha de la curva (por encima de la media).
A continuacin se muestran las representaciones grficas del sesgo:
4
1

Sesgo Negativo Sesgo cero%sin sesgo& Sesgo positivo
$a curtosis es un indicador de lo plana o "picuda que es una curva. Cuando es
cero (curtosis = 0), significa que se trata de una 5curva normal6. Si es positiva,
quiere decir que la curva o distribucin o polgono es ms "picuda o levantada. Si
es negativa, quiere decir que es ms plana. La asimetra y la Curtosis requieren
mnimo de un nivel de medicin por intervalos.
A continuacin se muestran las representaciones grficas de la Curtosis:

Clanocurtica Mesocurtica%normal& $eptocurtica
UNIDAD DE APRENDIZAJE 11. Estad4stica in/erencial
Frecuentemente, el propsito de la investigacin va ms all de describir las
distribuciones de las variables se pretende generalizar los resultados obtenidos en
4
1
la muestra a la poblacin o universo. $os datos casi siempre son recolectados de
una muestra y sus resultados estadsticos se denominan Destadgrafos6' la media o
la desviacin estndar de la distribucin de una muestra son estadgrafos. 0 las
estadsticas de la po"lacin o universo se les conoce como par(metros6. Los
parmetros no son calculados, porque no se recolectan datos de toda la
poblacin, pero pueden ser inferidos de los estadgrafos. de ah el nombre de
5estadstica inferencial6.
La inferencia de los parmetros se lleva a cabo mediante tcnicas estadsticas
apropiadas para ello. Estas tcnicas se explicarn ms adelante. La estadstica
inferencial puede ser utilizada para dos procedimientos
a. )reba de #iptesis
Una hiptesis en el contexto de la estadstica inferencial es una proposicin
respecto a uno o varios parmetros, y lo que el investigador hace a travs de la
prueba de hiptesis es determinar si la hiptesis es consistente con los datos
obtenidos en la muestra (Wiersma, 1986). Si la hiptesis es consistente con los
datos, sta es retenida como un valor aceptable del parmetro. Si la hiptesis no
es consistente con los datos, se rechaza sta (pero los datos no son descartados)
(Wiersma, 1986). Para comprender lo que es la prueba de hiptesis en la
estadstica inferencial es necesario revisar el concepto de distribucin muestral y
nivel de significancia.
b. Distribcin !estral
4
1
Una distri"ucin muestral consiste en un conjunto de valores sobre una estadstica
calculada de todas las muestras posibles de un determinado tamao (Wiersma,
1986, p. 337). Las distribuciones muestrales de medias son probablemente
las ms conocidas. Expliquemos este concepto con un ejemplo. Supongamos que
nuestro universo o poblacin son los automovilistas de una ciudad y deseamos
averiguar cunto tiempo pasan diariamente "al volante. De este universo podra
extraerse una muestra representativa. Vamos a suponer que el tamao adecuado
de muestra es de quinientos doce automovilistas (n = 512). Del mismo universo se
podran extraer diferentes muestras, cada una con 512 personas. Tericamente,
incluso podra hacerlo al azar una vez, dos, tres, cuatro y las veces que fuera
necesario hasta agotar todas las muestras posibles de 512 automovilistas de esa
ciudad (todos los sujetos seran seleccionados en varias muestras). En cada
muestra se podra obtener una media del tiempo que pasan los automovilistas
manejando. Tendramos pues, una gran cantidad de medias, tantas como las
muestras extradas (X1, X2, X3, X4, .X5..., Xk). Y con estas medias podramos
elaborar una distribucin de medias. Habra muestras que en promedio pasan
ms tiempo "al volante que otras.
Si calculramos la media de todas las medias de las muestras, obtendramos el
valor de la media poblacional.
Desde luego, muy rara vez se obtiene la distri"ucin muestral (la distribucin de
las medias de todas las muestras posibles). Es ms bien un concepto terico
definido por la Estadstica para los investigadores. Lo que stos comnmente
hacen es extraer una sola muestra
c. +ivel de signi.icacin
Wiersma (1986, p. 337-388) ofrece una explicacin sencilla del concepto, misma
en que nos basaremos para analizar su significado.
La probabilidad de que un evento ocurra oscila entre 0 y 1, donde 0 significa la
imposibilidad de ocurrencia y 1 la certeza de que ocurra el fenmeno. Al lanzar al
aire una moneda no cargada, la probabilidad de que salga "cruz es 0.50 y la
4
1
probabilidad de que la moneda caiga al suelo en "cara tambin es de 0.50. Con
un dado, la probabilidad de obtener cualquiera de sus lados al lanzarlo es de 1/6
0.1667. La suma de posibilidades siempre es de 1.
Aplicando el concepto de probabilidad a la distribucin muestral, podemos tomar el
rea de sta como 1.00, y consecuentemente, cualquier rea comprendida entre
dos puntos de la distribucin corresponder a la probabilidad de la distribucin.
Para probar hiptesis inferenciales respecto a la media, el investigador tiene que
evaluar si la probabilidad de que la media de la muestra est cerca de la media de
la distribucin muestral es grande o pequea. Si es pequea, el investigador
dudar de generalizar a la poblacin. Si es grande, el investigador podr hacer
generalizaciones. Es aqu donde entra el nivel de significancia o nivel alfa (nivel a).
ste es un nivel de probabilidad de equivocarse y se fija antes de probar hiptesis
inferenciales.
Y con qu porcentaje tiene confianza el investigador para generalizar?, para
suponer que tal cercana es real y no debida a un error de muestreo? ),isten dos
niveles convenidos en ciencias sociales:
a& )l nivel de significacin del .AE' el cual implica que el investigador tiene FEG de
seguridad para generalizar sin equivocarse, y slo un EG en contra. En trminos
de probabilidad, 0.95 y .05 respectivamente, ambos suman la unidad.
"& )l nivel de significacin del .A8' el cual implica que el investigador tiene un 99%
en su favor para generalizar sin temor y un 1% en contra (0.99 y 0.01 = 1.00).
A veces el nivel de significacin puede ser todava ms exigente y confiable (v.g.,
0.001,0.00001,0.00000001). Pero lo mnimo es el .AE' no se acepta un nivel de .06
(94% a favor de la generalizacin confiable). Porque se busca hacer ciencia, no
intuicin.
)l nivel de significacin es un valor de certe+a #ue fi/a el investigador 5a priori6. De
certeza respecto a no equivocarse. Sobre este punto volveremos ms adelante.
4
1
)l nivel de significacin se e,presa en trminos de pro"a"ilidad %.AE y .A8& y la
distri"ucin muestral tam"in se e,presa como pro"a"ilidad %el (rea total de sta
como 8.AA&. Pues bien, para ver si tenemos o no confianza al generalizar
acudimos a la distribucin muestral, probabilidad apropiada para la investigacin
social. El nivel de significancia lo tomamos como un rea bajo la distribucin
muestral, dependiendo de si elegimos un nivel del .AE o del .01.
As, el nivel de significacin representa reas de riesgo o confianza en la
distribucin muestral.
d. Intervalo de con.ian$a
Se ha hablado de la distribucin muestral por lo que respecta a la prueba de
hiptesis, pero otro procedimiento de la estadstica inferencial es construir un
intervalo donde se localiza un parmetro (Wiersma, 1986, p. 340). Por ejemplo, en
lugar de pretender probar una hiptesis acerca de la media poblacional, puede
buscarse obtener un intervalo donde se ubique dicha media. Esto requiere un nivel
de confianza, al igual que en la prueba de hiptesis inferenciales.
El nivel de confianza es al intervalo de confianza lo que el nivel de significancia es
a la prueba de hiptesis. Es decir, el nivel de confianza es una probabilidad
definida de que un parmetro se va a ubicar en un determinado intervalo. Los
niveles de confianza utilizados ms comnmente en la investigacin social son
0.95 y 0.99. Su sentido es el del A.FE' quiere decir que tenemos 95% en favor de
que el parmetro se localice en el intervalo estimado, contra un 5% de elegir un
intervalo equivocado. El nivel del 0.99 seala un 99% de probabilidad de
seleccionar el intervalo adecuado. Estos niveles de confianza (lo mismo que los
niveles de significancia) se expresan en unidades de desviacin estndar.
Una vez ms se acude a la distribucin muestral, concretamente a la tabla de
reas bajo la curva normal y se selecciona la puntuacin "z correspondiente al
nivel de confianza seleccionada
e. Tipos de error
4
1
Nunca podemos estar completamente seguros de nuestra estimacin. Trabajamos
con altos niveles de confianza o seguridad y aunque el riesgo es mnimo
podra cometerse un error. $os resultados posi"les al pro"ar hiptesis pueden ser:
1) Aceptar una hiptesis verdadera (decisin correcta&.
2) Rechazar una hiptesis falsa (decisin correcta&.
3) Aceptar una hiptesis falsa %error conocido como del Tipo II o "eta&.
4) Rechazar una hiptesis verdadera %error conocido como de Tipo 8 o
error alfa&.
Ambos tipos de error son indeseables y puede reducirse la posi"ilidad de que se
presenten mediante:
a) Muestras representativas probabilsticas.
b) nspeccin cuidadosa de los datos.
c) Seleccin de las pruebas estadsticas apropiadas.
d) Mayor conocimiento de la poblacin.
UNIDAD DE APRENDIZAJE 12. Estad4stica param5trica
a. Spestos
Hay dos tipos de anlisis que pueden realizarse: los an(lisis paramtricos y los no
paramtricos. Cada tipo posee sus caractersticas y presuposiciones que lo
sustentan y la eleccin del investigador sobre qu clase de anlisis efectuar
depende de estas presuposiciones. Asimismo, cabe destacar que en una misma
investigacin pueden llevarse a cabo anlisis paramtricos para algunas hiptesis
y variables, y anlisis no paramtricos para otras.
Para realizar an(lisis paramtricos de"e partirse de los siguientes supuestos:
4
1
1) $a distri"ucin po"lacional de la varia"le dependiente es normal: el
universo tiene una distribucin normal.
2) El nivel de medicin de la variable dependiente es por intervalos o ra+n.
3) Cuando dos o m(s po"laciones son estudiadas' stas tienen una
varian+a homognea: las poblaciones en cuestin tienen una dispersin
similar en sus distribuciones (Wiersma, 1986, p. 344).
Las prue"as estadsticas paramtricas m(s utili+adas son:
1) Coeficiente de correlacin de Pearson y la regresin lineal.
2) Prueba "t.
3) Prueba de contraste de la diferencia de proporciones.
4) Anlisis de varianza unidireccional (ANOVA Oneway).
5) Anlisis de varianza factorial (ANOVA).
6) Anlisis de covarianza (ANCOVA).
b. ,orrelacin de )earson
Es una prueba estadstica para analizar la relacin entre dos variables medidas en
un nivel por intervalos o de razn.
La hiptesis que trata de comprobar es la correlacional, del tipo de "A mayor X,
mayor y, "A mayor menor Y, "Altos valores en X estn asociados con altos
valores en Y, "Altos valores en X se asocian con bajos valores de Y.
nvolucra dos variables. La prueba en s no considera a una como independiente y
a otra como dependiente, ya que no se trata de una prueba que evala la
causalidad. La nocin de causa efecto (independiente- dependiente) se puede
4
1
establecer tericamente, pero la prueba no considera dicha causalidad. Las
variables involucradas son de tipo predictor y de tipo criterio.
El coeficiente de correlacin de Pearson se calcula a partir de las puntuaciones
obtenidas en una muestra en dos variables. Se relacionan las puntuaciones
obtenidas de una variable con las puntuaciones obtenidas de otra variable, en los
mismos sujetos.
Este tipo de correlacin exige variables medidas en el nivel de ntervalos o razn.
El coeficiente r de Pearson puede variar de 8.AA a H8.AA donde:
1.00 = correlacin negativa perfecta ("A mayor X, menor Y de manera
proporcional. Es decir, cada vez que X aumenta una unidad, Y disminuye siempre
una cantidad constante).
Esto tambin se aplica a "a menor X, mayor Y.
El signo indica la direccin de la correlacin (positiva o negativa) y el valor
numrico' la magnitud de la correlacin.
A continuacin se muestra la representacin grfica de los signos de la
correlacin:

7orrelacin Negativa 7orrelacin Nula 7orrelacin
Cositiva
4
1
Lpez Surez [2007] describe un algoritmo a seguir para realizar la prueba de
Correlacin de Pearson:
Paso 1. Plantear el juego de hiptesis:
En una prueba direccionada, es decir, con probabilidad de tener un sentido
positivo, negativo, o estadsticamente igual a cero:
H
0
: r = 0, No existir correlacin entre X y Y.
H
1
r > 0, Existir correlacin directa entre X y Y.
H
2
: r < 0, Existir correlacin inversa entre X y Y.
En una prueba no direccionada, o bien, dirigida hacia una misma direccin:
H
0
: r = 0, No existir correlacin entre X y Y.
H
1
: r = 0, Existir correlacin entre X y Y.
Desde luego, en nuestro caso nos interesa probar con direccin.
Paso 2. Justificar el uso de la prueba demostrando que se cumplan las
condiciones.
Paso 3. Especificar el nivel de significacin (d) con el que se probar la
hiptesis y justificarlo.
Paso 4. dentificar el valor terico r
T
. Utilizar la Tabla de valores tericos (r
T
)
para probar la significacin del coeficiente de correlacin de Pearson, ubicando
la columna correspondiente al nmero de parejas menos 2 grados de libertad
(n-1) y el rengln superior correspondiente a d.
Paso 5. A partir de la masa de datos, construir la siguiente tabla:
4
1
Sujeto X Y XY X
2
Y
2
1 X
1
Y
1
X
1
Y
1
X
1
2
Y
1
2
... ... ... ... ... ...
n X
n
Y
n
>
n
;
n
X
n
2
Y
n
2
_X _Y _XY _X
2
_Y
2
Paso 6. Calcular el coeficiente de correlacin de Pearson con
Paso 7. Aplicar la regla de decisin
* Cuando (|r
P
| > r
T
), entonces H
0
no puede ser rechazada.
* Cuando (|r
P
| > r
T
), entonces H
0
debe rechazarse, En una prueba direccionada
se procede a decidir la hiptesis alternativa conforme al signo de r
P
; en una
prueba no direccionada se acepta H
1
.
Paso 8. Concluir con el nivel de confianza de 1- .
Como se mencion anteriormente, el resultado puede oscilar entre -1 y +1. Cuanto
ms cercano a 1 est el coeficiente en trminos relativos (sin tener en cuenta el
signo) mayor es el grado de validez y cuanto ms cercano est a 0, menor ser la
validez. Las situaciones de mxima validez sern las ms prximas a +1 y a 1, el
signo +/- depender de la direccin en la relacin [Martnez et. al., 2003].
EJEMPLO: Calcula el coeficiente de correlacin de Pearson.
X Y X
2
Y
2
XY
105 4 11025 16 420
116 8 13456 64 928
103 2 10609 4 206
124 7 15376 49 868
137 9 18769 81 1233
126 9 15876 81 1134
112 3 12544 9 336
4
1
129 10 16641 100 1290
118 7 13924 49 826
105 6 11025 36 630
1175 65 139245 489 7871
c. *egresin lineal
Lpez Surez (2007) describe el anlisis de correlacin lineal como un mtodo
paramtrico que fue desarrollado entre la segunda y la tercera dcada del siglo XX
por el matemtico ingls Karl Pearson (1857-1930), quien fue uno de los
fundadores de la estadstica. La regresin lineal est estrechamente relacionada
con el coeficiente de Pearson y es la prueba ms poderosa para medir la
correlacin entre dos variables y para decidir sobre su nivel de significacin, pero
debe cuidarse de que se cumplan las condiciones para que su utilizacin resulte
vlida. Sus aplicaciones van desde la psicometra, en anlisis de confiabilidad y
validez, hasta cualquier investigacin que busque asociacin entre dos variables.
Los objetivos de esta prueba son:
4
1
1. Medir el grado en que estn correlacionadas dos variables: X (predictor) y Y
(criterio).
2. Probar su significacin.
3. Cuando se prueba que las dos variables estn asociadas significativamente,
medir la regresin de cualquier puntaje observado.
Condiciones de aplicacin:
1. Ambas variables. X y Y deben estar medidas al menos en el nivel intervalar.
Es debido recordar los cuatro niveles de medicin existentes: El ms dbil de
ellos es el nominal, en l se establecen categoras distintivas que no implican
un orden especfico, se asignan nmeros a eventos con el propsito de
identificarlos, no existe ningn referente cuantitativo. El siguiente es el nivel
ordinal, en l se establecen categoras, esta escala es cuantitativa porque
permite ordenar a los eventos en funcin de la mayor o menor posesin de un
atributo o caracterstica. El nivel intervalar posee las caractersticas de la
medicin nominal y ordinal, establece la distancia entre una medida y otra, se
aplica a variables continuas pero carece de un punto cero absoluto.
Finalmente, la medicin de razn incluye las caractersticas de los tres
anteriores niveles de medicin anteriores, determina la distancia exacta entre
los intervalos de una categora, adicionalmente tiene un punto cero absoluto,
es decir, en el punto cero no existe la caracterstica o atributo que se mide, se
aplica tanto a variables continuas como discretas (vila, 2006).
2. La muestra debe haberse obtenido aleatoriamente.
3. La muestra debe ser grande. La Ley de los grandes nmeros establece que
una masa de datos es pequea cuando tiene un nmero no mayor de 25. La
masa de datos es grande si sta tiene ms de 25 (menos dos) elementos
[Lpez Surez, 2004].
4. La poblacin de la que se obtuvo la muestra debe estar distribuida
normalmente.
4
1
5. Ambas variables son homocedsticas, esto es, tienen varianzas iguales.
El coeficiente de correlacin lineal nos permite determinar si, efectivamente, existe
relacin entre las dos variables. Una vez que se concluye que s existe relacin,
la regresin nos permite definir la recta que mejor se ajusta a esta nube de puntos.
Una recta viene definida por la siguiente frmula:
? F a H b2
Donde "y" sera la variable dependiente, es decir, aquella que viene definida a
partir de la otra variable "x" (variable independiente). Para definir la recta hay que
determinar los valores de los parmetros "a" y "b":
El parmetro "a" es el valor que toma la variable dependiente "y", cuando la
variable independiente "x" vale 0, y es el punto donde la recta cruza el eje vertical.
El parmetro "b" determina la pendiente de la recta, su grado de inclinacin.
La regresin lineal nos permite calcular el valor de estos dos parmetros,
definiendo la recta que mejor se ajusta a esta nube de puntos.
El parmetro "b" viene determinado por la siguiente frmula:
Es la covarianza de las dos variables, dividida por la varianza de la variable "x".
El parmetro "a" viene determinado por:
a = ym - (b * xm)
Es la media de la variable "y", menos la media de la variable "x" multiplicada por el
parmetro "b" que hemos calculado.
4
1
EJEMPLO: Calcular la recta de regresin de la siguiente serie de datos de altura y
peso de los alumnos de una clase. Vamos a considerar que la altura es la variable
independiente "x" y que el peso es la variable dependiente "y" (podamos hacerlo
tambin al contrario):
Al!n
o
Estatr
a
)es
o
Al!n
o
Estatr
a
)es
o
Al!n
o
Estatr
a
)es
o
Alumno
1
1,25 32
Alumno
11
1,25 33
Alumno
21
1,25 33
Alumno
2
1,28 33
Alumno
12
1,28 35
Alumno
22
1,28 34
Alumno
3
1,27 34
Alumno
13
1,27 34
Alumno
23
1,27 34
Alumno
4
1,21 30
Alumno
14
1,21 30
Alumno
24
1,21 31
Alumno
5
1,22 32
Alumno
15
1,22 33
Alumno
25
1,22 32
Alumno
6
1,29 35
Alumno
16
1,29 34
Alumno
26
1,29 34
Alumno
7
1,30 34
Alumno
17
1,30 35
Alumno
27
1,30 34
Alumno
8
1,24 32
Alumno
18
1,24 32
Alumno
28
1,24 31
Alumno
9
1,27 32
Alumno
19
1,27 33
Alumno
29
1,27 35
Alumno
10
1,29 35
Alumno
20
1,29 33
Alumno
30
1,29 34
El parmetro "b" viene determinado por:
b
=
(1/30) * 1,034
----------------------------------------- = 40,265
(1/30) * 0,00856
Y el parmetro "a" por:
a = 33,1 - (40,265 * 1,262) = -17,714
Por lo tanto, la recta que mejor se ajusta a esta serie de datos es:
4
1
y = -17,714 + (40,265 * x)
Esta recta define un valor de la variable dependiente (peso), para cada valor de la
variable independiente (estatura):
Estatura Peso
1,20 30,6
1,21 31,0
1,22 31,4
1,23 31,8
1,24 32,2
1,25 32,6
1,26 33,0
1,27 33,4
1,28 33,8
1,29 34,2
d. )reba t
Es una prueba estadstica para evaluar si dos grupos difieren entre s de manera
significativa respecto a sus medias.
El tipo de hiptesis que desea comprobar es De diferencia entre dos grupos. La
hiptesis de investigacin propone que los grupos difieren significativamente entre
s y la hiptesis nula propone que los grupos no difieren significativamente.
La variable que involucra se realiza sobre una variable. Si hay diferentes variables,
se efectuarn varias pruebas "t (una por cada variable). Aunque la razn que
motiva la creacin de los grupos puede ser una variable independiente. Por
ejemplo: un experimento con dos grupos, uno al cual se le aplica el estmulo
experimental y el otro grupo el de control.
Solamente acepta variables medidas en el nivel de ntervalos o razn.
4
1
El valor "t' se obtiene en muestras grandes mediante la frmula:
Donde > 1 es la media de un grupo, > 2 es la media del otro grupo, S
1
es la
desviacin estndar del primer grupo elevada al cuadrado, N1 es el tamao del
primer grupo, es la desviacin estndar del segundo grupo elevada al cuadrado y
N2 es el tamao del segundo grupo. En realidad, el denominador es el error
est(ndar de la distri"ucin muestral de la diferencia entre medias.
Para saber si el valor "t es significativo, se aplica la frmula y se calculan los
grados de li"ertad. La prueba "t se basa en una distribucin muestral o
poblacional de diferencia de medias conocida como la distribucin "t de Student.
Esta distribucin es identificada por los grados de li"ertad' los cuales constituyen
el nImero de maneras como los datos pueden variar li"remente. Son
determinantes, ya que nos indican qu valor debemos esperar de "t dependiendo
del tamao de los grupos que se comparan. )ntre mayor nImero de grados de
li"ertad se tengan' la distri"ucin "t de Student se acerca m(s a ser una
distri"ucin normal y usualmente si los grados de libertad exceden los 120, la
distribucin normal es utilizada como una aproximacin adecuada de la
distribucin "t de Student (Wiersma, 1986). $os grados de li"ertad se calculan as:
- N1 y N2 son el tamao de los grupos que se comparan.
Una vez calculados el valor ItJ y los grados de libertad, se elige el nivel de
significancia y se compara el valor obtenido contra el valor que le correspondera
en la tabla dos del apndice cinco %ta"la de la distri"ucin 5t6 de Student&. Si
nuestro valor calculado es igual o mayor al que aparece en la tabla, se acepta la
4
1
hiptesis de investigacin. Pero si nuestro valor calculado es menor al que
aparece en dicha tabla, se acepta la hiptesis nula.
En la tabla se busca el valor con el cual vamos a comparar el que hemos
calculado, basndonos en el nivel de confianza elegido (0.05 o 0.01) y los grados
de libertad. La tabla contiene como columnas los niveles de confianza y como
renglones los grados de libertad. Los niveles de confianza adquieren el significado
del que se ha hablado (el .05 significa un 95% de que los grupos en realidad
difieran significativamente entre s y un 5% de posibilidad de error).
Cuanto mayor sea el valor ItJ calculado respecto al valor de la tabla y menor sea
la posibilidad de error, mayor ser la certeza en los resultados.
Cuando el valor ItJ se calcula utilizando un paquete estadstico para
computadora, la significancia se proporciona como parte de los resultados y sta
debe ser menor a .05 o .01 dependiendo del nivel de confianza seleccionado.
EJEMPLO: Cual es la probabilidad de que una variable t de Student de 6 grados
de libertad deja a la izquierda de -1,45:
los valores negativos no vienen en la tabla, pero segn lo anterior:
en la tabla encontramos:
por tanto:
con lo que obtenemos:
UNIDAD DE APRENDIZAJE 1. Estad4stica no param5trica
a. Spestos
4
1
Para realizar anlisis no paramtricos debe partirse de las siguientes
consideraciones:
1) La mayora de estos an(lisis no re#uieren de presupuestos acerca de la forma
de la distri"ucin po"lacional. Aceptan distribuciones no normales.
2) Las varia"les no necesariamente de"en de estar medidas en un nivel por
intervalos o de ra+n' pueden analizarse datos nominales u ordinales. De hecho,
si se quieren aplicar anlisis no paramtricos a datos por intervalos o razn, stos
deben de ser resumidos a categoras discretas (a unas cuantas). Las variables
deben ser categricas.
Las prue"as no paramtricas m(s utili+adas son:
1) La Chi cuadrada o 2
2) Los coeficientes de correlacin e independencia para tabulaciones
cruzadas.
3) Los coeficientes de correlacin por rangos ordenados de Spearman y
Kendall.
b. ,#i cadrada
Es una prueba estadstica para evaluar hiptesis acerca de la relacin entre dos
variables categricas. Prueba hiptesis correlacionales. nvolucra dos variables.
Acepta variables medidas a Nominal u ordinal (o intervalos o razn reducidas a
ordinales). La 7hi1cuadrada se calcula a travs de una ta"la de contingencia o
ta"ulacin cru+ada' que es una tabla de dos dimensiones y cada dimensin
contiene una variable. A su vez, cada variable se subdivide en dos o ms
categoras.
EJEMPLO: Digamos que 900 estudiantes expresan su voluntad por celebrar el
aniversario de la institucin organizando uno de dos eventos: un acto solemne en
el templo universitario o una actividad deportiva en el estadio de ftbol. Una vez
hecha la encuesta se tiene que 495 alumnos prefieren la actividad deportiva y 405
4
1
se inclinan por el acto solemne. Existe una diferencia significativa entre los
estudiantes en su preferencia por la actividad deportiva?
En el caso de nuestro ejemplo se trata de dos categoras, lo que conduce a un
grado de libertad. A continuacin el proceso para calcular el valor Chi cuadrada
1. A favor del acto solemne:
Frecuencias observadas = 405
Frecuencias esperadas = 450
2. A favor del acto deportivo:
Frecuencias observadas = 495
Frecuencias esperadas = 450
3. Se suman los valores obtenidos en cada grupo para obtener el valor de chi
cuadrada.
4.5 + 4.5 = 9.00
4. Se compara este valor con el valor correspondiente a un grado de libertan en la
tabla de Chi cuadrado y se encuentra que el valor crtico de 2 para un grado de
libertad a un nivel alpha = .05 a dos colas es = 3.8941
Siendo que el valor Chi cuadrada ( 2) obtenido es mayor que el valor crtico, se
desacredita la hiptesis nula que afirma que no existe diferencia significativa entre
las frecuencias observadas y se concluye que la diferencia es significativa. Esto
4
1
quiere decir que en menos de 5 casos de cada cien, una diferencia como la del
valor igual o mayor al observado de Chi cuadrado en este caso ( 2=9), puede ser
atribuida a la seleccin de la muestra (azar).
c. ,oe.iciente de Spear!an
Los coeficientes rho de Spearman' simbolizado como rs, y tau de Kendall,
simbolizado como t, son medidas de correlacin para varia"les en un nivel de
medicin ordinal' de tal modo que los individuos u objetos de la muestra pueden
ordenarse por rangos (jerarquas).
Debe observarse que todos los sujetos u objetos deben jerarquizarse por rangos
que contienen las propiedades de una escala ordinal (se ordenan de mayor a
menor). Ambos coeficientes varan de 1.0 (correlacin negativa perfecta) a +1.0
(correlacin positiva perfecta). Se trata de estadsticas sumamente eficientes para
datos ordinales. La diferencia entre ellos es explicada por Nic et al. (1975, p. 289)
de la siguiente manera: El coeficiente de Kendall resulta un poco ms significativo
cuando los datos contienen un nmero considerable de rangos empatados. El
coeficiente de Spearman por otro lado, parece ser una aproximacin cercana al
coeficiente r de Pearson, continua (v.g., no caracterizados por un nmero
considerable de empates en cada rango).
EJEMPLO: Los datos brutos usados en este ejemplo se ven debajo.
C
Horas de TV
a la semana
106 7
86 0
100 28
100 50
99 28
103 28
97 20
113 12
4
1
113 7
110 17
El primer paso es ordenar los datos de la primera columna. Despus, se crean dos
columnas ms. Ambas son para ordenar (establecer un lugar en la lista) de las dos
primeras columnas. Despus se crea una columna "d" que muestra las diferencias
entre las dos columnas de orden. Finalmente, se crea otra columna "d
2
". Esta
ltima es slo la columna "d" al cuadrado.
Despus de realizar todo esto con los datos del ejemplo, se debera acabar con
algo como lo siguiente:
C (i)
Horas de TV
a la semana (t)
orden(i) orden(t) d d
2
86 0 1 1 0 0
97 20 2 6 4 16
99 28 3 8 5 25
100 50 4.5 10 5.5 30.25
100 28 4.5 8 3.5 12.25
103 28 6 8 2 4
106 7 7 2.5 4.5 20.25
110 17 8 5 3 9
113 7 9.5 2.5 7 49
113 12 9.5 4 5.5 30.25
Ntese como el nmero de orden de los valores que son idnticos es la media de
los nmeros de orden que les corresponderan si no lo fueran.
Los valores de la columna d
2
pueden ser sumados para averiguar .
El valor de n es 10. As que esos valores pueden ser sustituidos en la frmula.
De lo que resulta:
UNIDAD DE APRENDIZAJE 1". *5todo narrativo
4
1
En este caso el observador es el principal instrumento de observacin. Lo que se
registra no est especificado de antemano, sino que depende en gran medida del
sistema perceptual del observador y de su capacidad para captar y transmitir en
lenguaje cotidiano lo que ha observado. Los sistemas narrativos son sistemas
abiertos, no tienen categoras predeterminadas y registran segmentos amplios de
acontecimientos y conductas en forma oral o escrita.
Los registros narrativos pueden construirse durante la observacin o despus de
ella. Entre otros se utilizan: los incidentes crticos (anotaciones de aspectos
relevantes de la observacin), muestras (cronologa, contexto, fases) y notas de
campo (recogidas tras la observacin), diarios (registros en primera persona del
propio sujeto investigado), inventarios (objetos y actividades de un determinado
grupo), otros documentos escritos (personales, oficiales, pblicos).
EJEMPLO:
1. Los valores humanos y su relacin con el principio de moralidad de los
candidatos a la presidencia de la republica.
2. La carga laboral y su relacin con el sentido de la honestidad
y Responsabilidad de los trabajadores de la fbrica de Aceite "CND".
3. Cmo interpretan las mujeres los sntomas ginecolgicos y de qu manera
asumen su control sexual.
4. Factores socio econmicos y culturales que influyen en que las mujere oculten
el uso de anticonceptivos.
UNIDAD DE APRENDIZAJE 1'. *5todo etnogr6/ico
La etnografa es una aproximacin cientfica para estudiar patrones sociales,
culturales y otros escenarios sociales. Busca descubrir lo que las personas hacen
y por qu lo hacen, antes de asignarles un significado a su comportamiento o sus
creencias.
Tambin se le conoce como observacin participante, y puede conceptualizarse
como la descripcin de un grupo desde la perspectiva del grupo. Se dirige al
estudio de las interacciones humanas y su significado tal y como lo viven sus
4
1
actores en sus actividades y situaciones cotidianas. mplica procesos de entrevista
y observacin, en un proceso flexible en el que se someten a prueba de manera
repetida las definiciones y re-definiciones del significado en el campo de la
experiencia hasta identificar explicaciones holsticas, coherentes y consistentes
del funcionamiento del grupo estudiado (Yang & Miller, 2008).
a. Ca observacin en la etnogra.8a
La observacin descriptiva del fenmeno es un elemento central, sta debe ser lo
ms precisa posible y cumplir la funcin de permitir evaluar cambios en una
variable particular, para cubrir dicha funcin es necesario considerar las siguientes
caractersticas:
Definicin: Debe establecer las caractersticas necesarias para distinguir un
fenmeno de otros, de tal forma que sea comunicable entre investigadores.
Medicin: Describe el procedimiento para determinar la presencia del
fenmeno y la forma de registro.
Establecimiento de validez: Evala la adecuacin de la medicin en la
representacin del fenmeno.
-Establecimiento de confiabilidad: Asegura la consistencia del proceso de
medicin a lo largo del tiempo y entre los investigadores encargados del
procedimiento de medicin.
Este proceso corresponde a la operacionalizacin, al especificar las operaciones
para el registro, se mejora el control de las variables extraas y la precisin de las
mediciones, se provee un marco de trabajo para la informacin que permite al
investigador analizar los pasos recorridos y comprender mejor los resultados
predichos y los no esperados (Pelto & Pelto 1978, en Schensul, Schensul &
LeCompte, 1999).
4
1
mplica establecer su posicin en un marco conceptual a partir del juicio del
investigador (basado en su experiencia, la literatura de investigacin,
observaciones de campo, experiencias de otros investigadores, y sentido comn).
Posteriormente se identifican en la poblacin las posibles variables o conductas a
observar, y se establece una jerarqua de las mismas, esto puede realizarse a
travs de entrevistas, redes semnticas, cuestionarios, etc. Finalmente se
establece el papel de la observacin en un continuo que va de lo abstracto a lo
observable.
En general, la mayora de los autores coinciden en que de entre los mtodos de
observacin, es la participante la que mejor cumple los propsitos de la
investigacin etnogrfica. Aunque, dependiendo del objetivo, en diferentes etapas
el observador puede ocupar la observacin no participante y la participante.
Debido a la complejidad que entraa observar y participar simultneamente en el
proceso de aculturacin, la observacin etnogrfica suele requerir elementos
ordenados adicionales:
Observar el escenario.
Observar y registrar eventos y su secuencia.
Usar conteos, establecimiento de censo y mapeo etnogrfico.
Buscar indicadores de diferencias sociales.
Con estos pasos se inicia el proceso, adicionalmente sern necesarios sistemas
de vaciado de notas de campo. Es frecuente que a partir de la familiaridad del
investigador con la poblacin a estudiar las notas sean menos detalladas, ya que
estn acostumbrados a su significado. As, conviene recordar que dichas notas no
son slo para ellos mismos, y que al tomar notas detalladas se preservan patrones
que al paso del tiempo podran no resultar tan obvios, o identificables en
observaciones espordicas. Algunos puntos mnimos a cubrir en la toma de notas,
son:
4
1
Las conductas deben describirse en trminos observables, y no en trminos
de cmo lo interpretan los observadores.
Las descripciones de los individuos incluyen detalles de apariencia, como el
tipo de ropa, zapatos, abalorios y cualquier otro indicador de estatus. La
visin personal del investigador al respecto de, por ejemplo, lo que es o no
elegante puede no ajustarse en lo absoluto a la de la poblacin.
El ambiente se describe como se describe una foto a alguien que no puede
verla.
Las inferencias, reflexiones, y reacciones emocionales del investigador
deben registrarse de manera separada de la descripcin del evento o
situacin.
b. Ca investigacin de ca!po
Al iniciar el proceso es necesario establecer los siguientes elementos antes de
iniciar la recoleccin de datos:
Familiarizarse con el lenguaje, reglas de comportamiento, etc.
Definir cmo localizar y establecer relaciones sociales con quienes tienen
acceso a la informacin relevante para el estudio.
Cmo recolectar la informacin de la forma que resulte lo menos invasiva
posible y lo ms eficiente.
Cmo hacer el vaciado de la informacin de tal forma que pueda
identificarse con rapidez la que resulta ms til al propsito del estudio.
El trabajo de campo en la investigacin etnogrfica requiere tambin una
preparacin de autoconciencia al respecto de su papel en la investigacin, ello
incluye la capacidad de separar sus propios estereotipos, opiniones y juicios, de
los procesos de observacin, entrevista y participacin en la actividades de la
comunidad que estudia. Al introducirse en la vida cotidiana de otros con propsitos
4
1
de investigacin, es imperativo salvaguardar la responsabilidad de no adulterarlas
o afectarlas, ni con el procedimiento, ni con los resultados.
c. Ca entrevista etnogr".ica.
La investigacin etnogrfica ocupa principalmente la entrevista a profundidad, y
preguntas abiertas y cerradas, el objetivo es conservar la mayor flexibilidad posible
al explorar cualquier tema a profundidad y cubrir los temas novedosos que surjan.
Los propsitos principales son:
Explorar reas o factores no definidos en el modelo conceptual.
dentificar nuevas reas o factores.
Re definir los elementos de observacin.
Obtener informacin que oriente los resultados en el marco del contexto, la
historia y el lugar de estudio.
Construir relaciones positivas entre entrevistador y entrevistado.
Los entrevistados se seleccionan al identificarlos el investigador o la comunidad,
como los que poseen ms conocimiento de los temas a estudiar, pero cuidando
incluir a quienes tengan puntos de vista opuestos.
Al iniciar una entrevista es esencial:
Presentarse a s mismo(a), al proyecto, y a la organizacin que representa.
Asegurar la confidencialidad de la informacin, explicndole como ser
protegida su privacidad.
Reiterar la importancia de la informacin que proporcione (el entrevistado)
para el investigador y el proyecto, explicar la relevancia que tendr su
informacin.
Solicitar su permiso para grabar y tomar notas durante la entrevista.
4
1
Establecer rapport (puede ser el primer paso).
Si bien la entrevista puede no ser estructurada, debe planearse y prepararse
cuidadosamente, para lo cual se identifican dentro del marco conceptual los temas
que se abarcarn, se proponen algunas preguntas iniciales, y se selecciona el
momento y lugar considerando las caractersticas de privacidad y confort ya
mencionadas. Al igual que en la observacin, en la entrevista es necesario hacer
un esfuerzo tanto para no contaminar la informacin que se recolecta con juicios u
opiniones personales, como a mantener una relacin positiva con el entrevistado.
Los siguientes son los errores que con ms frecuencia producen sesgos y limitan
la validez de la entrevista etnogrfica.
Plantear preguntas sesgadas, por ejemplo que implican un juicio moral.
Fallar al seguir temas que el entrevistado genera.
Redirigir la narracin o interrumpirla.
Fallar al reconocer las reacciones del entrevistado a las caractersticas del
entrevistador.
Hacer preguntas que suponen respuestas "correctas o "buenas.
Descuido en el lenguaje no verbal del entrevistador.
Expresar su opinin, si bien en ocasiones no es posible evitarlo a costa de
preservar una buena relacin con el entrevistado, debe hacerse al final de
la entrevista.
EJEMPLO:
"Yo habra querido llegar hasta el extremo lmite del salvajismo; no me bastaban
aquellos graciosos indgenas que nadie antes que yo haba visto, que nadie quizs
vera despus?...Ellos estaban all dispuestos a ensearme sus costumbres y sus
creencias, y yo no saba su lengua. Tan prximos a m como una imagen en el
4
1
espejo, poda tocarlos pero no comprenderlos. Con slo que lograra
adivinarlos adivinarlos perderan su condicin de extraos, y tanto me habra
valido haber permanecido en mi aldea. O bien, si como en este caso conservaban
su extraeza, tampoco poda hacer uso de ella, puesto que no era capaz de
entenderlos". (C. Lvi-Strauss)
"Durante tres aos me entren junto a boxeadores del barrio, aficionados y
profesionales, entre tres y seis veces por semana, aplicndome en todas las fases
de su rigurosa preparacin, desde el shadow-boxing delante del espejo hasta el
sparring sobre el ring. Para mi sorpresa y la de mis allegados, me fui enganchando
poco a poco hasta el punto de pasar todas las tardes en la sala y calzarme los
guantes frecuentemente con los profesionales del club.[.]La amistad y la
confianza que me demostraron los socios del Woodlawn hicieron que me pudiera
confundir con ellos dentro del gimnasio, pero tambin que los acompaara en sus
peregrinaciones diarias en el exterior, buscando un empleo o un departamento, en
sus negocios en las tiendas del gueto, en sus peleas conyugales, en los servicios
sociales o la polica, as como en sus salidas con los homiescolegas-de las
peligrosas ciudades vecinas(Wacquant, 2000: 22)
"Como experiencia personal la investigacin etnogrfica consiste en lanzarse a
una desalentadora aventura cuyo xito slo se vislumbra a lo lejos; [...] No
tratamos (o por lo menos yo no trato), de convertirnos en nativos (en todo caso
una palabra comprometida) o de imitar a los nativos. Slo los romnticos y los
espas encontraran sentido en hacerlo. Lo que procuramos es (en el sentido
amplio del trmino en el cual ste designa mucho ms que la charla)
conversar con ellos, una cuestin bastante ms difcil, (y no slo con extranjeros)
de lo que generalmente se reconoce. (Geertz1990:27)
UNIDAD DE APRENDIZAJE 1). *5todo de an6lisis de disc+rso
El anlisis del discurso (o Estudios del discurso) es una transdisciplina de las
ciencias humanas y sociales que estudia sistemticamente el discurso escrito y
hablado como una forma del uso de la lengua, como evento de comunicacin y
4
1
como interaccin, en sus contextos cognitivos, sociales, polticos, histricos y
culturales.
Dentro y entre las disciplinas hay muchos tipos o estilos de hacer anlisis del
discurso:
- Anal8tico lingK8stico
Una aproximacin, que se podra llamar analtica, tiene su inspiracin principal de
la lingstica, y es ms explcita, sistemtica y de escritura en general ms
accesible que el enfoque filosfico. Aqu se estudia sistemticamente y en muchos
detalles las estructuras del discurso como objeto verbal (texto, argumentacin,
narracin), como los temas, la coherencia local y global, los pronombres, el estilo,
etc. Los nombres ms destacados en esta lnea muy diversa (y de origen sobre
todo europeo) son: Jnos Petfi, Wolfgang Dressler, Robert de Beaugrande, Teun
A. van Dijk, Ruth Wodak, Talmy Givn, Sandra Thompson, Robert Longacre,
Michael Halliday, John Sinclair, Malcolm Coulthard, Petr Sgall, Frans van
Eemeren, y Wallace Chafe.
- An"lisis de la conversacin
Otra lnea ms bien analtica, que surgi de la microsociologa y la
etnometodologa, sobre todo en EE. UU., enfoca sobre el discurso como
interaccin, primero en el anlisis detallado de las estructuras y estrategias de la
conversacin cotidiana, y despus tambin las interacciones verbales en las
instituciones y organizaciones. Esta lnea, que se conoce sobre todo como anlisis
de la conversacin tiene muchas relaciones con la pragmtica, la sociolingstica
interactiva, en psicologa discursiva (dentro de la psicologa social) y la lnea de la
etnografa de la comunicacin en antropologa. Analistas prominentes de la
conversacin son, entre otros, Erving Goffman, Harvey Sacks, Emmanuel
Schegloff, Gail Jefferson, John Heritage, Paul Drew, Paul ten Have, Charles y
Marjorie Goodwin, y Douglas Maynard.
4
1
En etnografa y antropologa se destacan sobre todo: Dell Hymes, John Gumperz,
Elinor Ochs y Sandro Duranti. Y en la pragmtica del discurso y de la
conversacin, Jef Verschueren, Jan Blommaert, y Stephen Levinson. De otra
perspectiva tambin: Deborah Tannen y Deborah Schiffrin. En psicologa
discursiva: Michael Billig, Jonathan Potter, Pedro Aguilar.y Derek Edwards.
- )sicolog8a cognitiva
nspirada por las complejidades del "aprendizaje humano" y/o "la adquisicin del
conocimiento" (fundamentos epistemolgicos) (Audi, l998) en el inicio de los 70
surge una corriente de investigacin en el estudio o rol que desempean los
"procesos mentales" (atencin, memoria, percepcin, concentracin, solucin de
problemas, etc.) en el proceso de comprensin de "textos" y en un marco que
posteriormente conocemos como "ciencia cognitiva".
En la psicologa cognitiva, el estudio del discurso es en general experimental (de
laboratorio) y enfoca sobre las estrategias y representaciones mentales de la
produccin, la comprensin, la memorizacin y la recuperacin del discurso o de
su informacin. Explica, por ejemplo, lo que normalmente memorizamos y
olvidamos despus de leer un texto -- o lo que hace la produccin o la
comprensin ms fcil o ms difcil. Este enfoque relaciona los procesos de
produccin o de comprensin con un anlisis explcio del rol crucial del
conocimiento sociocultural compartido en la comunicacin y la interaccin. Una de
las nociones que se han usado con mucho xito en esta lnea es la nocin de
modelo mental -- una representacin en la memoria a largo plazo, sobre la
situacin o los eventos a que se refiere un discurso. En ese sentido, comprender
un discurso quiere decir poder construir un modelo mental del referente del
discurso: un fragmento del mundo real o ficcional.
Las figuras ms prominentes en esta rea son: Walter Kintsch, Teun A. van Dijk,
Art Graesser, Mary Ann Gernsbacher, y Tom Trabasso.
4
1
- Inteligencia arti.icial=in.or!"tica
Relacionadas con la psicologa cognitiva y las ciencias cognitivas en general, pero
tambin con la gramtica formal y la lgica, encontramos las lneas de la
informtica del discurso, como nteligencia artificial. Aqu se escriben programas
que simulan la produccin, la comprensin, la traduccin, etc. del discurso, y se
representan los conocimientos (generales o especializados) que el programa
necesita para esos procesos. El inters de los investigadores es construir
mquinas que sean agentes inteligentes, capaces de adaptarse a las
circunstancias y las metas, con capacidades humanas. Entre las capacidades
humanas que involucran las facultades intelectuales que se han desarrollado, la
de mayor relevancia es la de dialogar en una lengua verbal y una de sus
caractersticas es poder extraer el sentido a mensajes contradictorios o ambiguos.
Unos cientficos importantes en esta rea son: Bonnie Lynn Webber, Barbara
Grosz y Roger Schank.
- An"lisis cr8tico del discrso
El An"lisis cr8tico del discrso (ACD) se ubica en cualquier otra aproximacin
mencionada, pero lo hace desde una perspectiva social, poltica y crtica,
enfocando sobre la manera que el discurso se usa y abusa para establecer,
legitimar o ejercer -- y resistir -- el poder y la dominacin. Se interesa sobre todo
por el anlisis del racismo, del sexismo, el clasismo, y la pobreza, y se relaciona
con movimientos sociales, como el feminismo, el pacifismo, el ecologismo, la
antiglobalizacin, etc. El ACD no tiene mtodos fijos, sino usa los mejores
mtodos adecuados en el planteamiento y anlisis de los problemas sociales, que
son su objetivo principal. Los nombres ms conocidos en ACD son: Roger Fowler,
Michel Pcheux, Norman Fairclough, Ruth Wodak, Luisa Martn Rojo, Teun A. van
Dijk, Theo van Leeuwen, Gunther Kress y Paul Chilton.
- Aplicaciones
Todas esas lneas o estilos de AD tienen una dimensin ms bien terica, una
dimensin descriptiva, analtica y una dimensin aplicada. Las aplicaciones del AD
4
1
se encuentran en todas las reas de la sociedad, como los medios de
comunicacin (estudio de los efectos), la educacin (como los textos escolares, la
interaccin en el aula, aprendizaje de las lenguas), la publicidad y la propaganda,
la poltica, y la salud (para el anlisis de trastornos del lenguaje y de la
comunicacin).
4
1
Dibliogra.8a
- Aamodt, M. (1999). Applied ndustrial Organizational Psychology.
Wadsworth: New York.
- Anastasi, A. Urbina, S. (1998) Test psicolgicos. Editorial. Prentice Hall:
Mxico.
- Cash, T.F., Gillen, B., & Burns, D.S. (1977). Sexism and beautyism in
personnel consultant decision making. Journal of Applied Psychology, 62(3),
301-310.
- Clark-Carter, D. (2002). nvestigacin cuantitativa en psicologa: Del diseo
experimental al reporte de investigacin. Mxico: Oxford.
- Dougherty, T.W., Ebert, R.J. &Callender, J.C. Policy capturing in the
employment interview. Journal of Applied Psychology, 71(1), 9-15.
- Hernndez, R. y otros (2006) Metodologa de la nvestigacin. Mxico D. F.:
McGraw Hill.
- Kerlinger, F.N., & Lee, H.B. (2002). nvestigacin del comportamiento:
Mtodos de investigacin en ciencias sociales (4ta. Ed.). Mxico: McGraw
Hill.
- Maurer, S. D., Howe, V. & Lee, T. W. (1992). Organizational recruiting as
marketing management: An interdisciplinary study of engineering graduates.
Personnel Psychology, 45(4), 807-833.
- Muchinsky, P. (1994). Psicologa Aplicada al Trabajo: Una introduccin a la
psicologa industrial y organizacional. Madrid: Descle de Brouwer.
- Goldberg, C. (2005). Relational Demography and Similarity-Attraction in
nterview Assessments and Subsequent Offer Decisions: Are we Missing
Something? Group & Organization Management, 30(6), 597-624.
- Gmez-Meja, L. R.; Balkin, D. B., & Cardy, R. L. (2001).Direccin y gestin
de Recursos Humanos (3 edicin). Madrid: Prentice Hall.
- Huffcutt, A. ., Weekley, J. A., Wiesner, W.H., Degroot, T.G., & Jones, C.
(2001). Comparison of situational and behavior description interview
questions for higher-level positions. Personnel Psychology, (54), pp.61944.
- Lpez-Surez, A. (2004). "Estadstica descriptiva en ciencias del
comportamiento. ndito. Mxico.
- Lpez-Surez, A. (2007). "Estadstica inferencial en ciencias del
comportamiento. ndito. Mxico
- Mrquez, F. (1984). "Validez predictiva y concurrente del examen de
admisin a preparatorias dependientes de la uaemex ubicadas en la ciudad
de toluca, promocin 1982. Tesis de Licenciatura. UAEMEX. Mxico.
- Ragin, C.C., Nagel, J., & White, P. (2004).Workshop on Scientific
Foundation of QualitativeResearch. National Scientific Foundation.
4
1
- Sampieri, H. R., Fernndez, C. C. y Baptista L. P. (1998). Metodologa de la
nvestigacin. Mxico: McGraw-Hill.
- Schensul, S.L., Schensul, J.J., & LeCompte, M.D. (1999). Essential
Ethnographic Methods. Altamira Press: New York.
- WESS, C. H. (1980). Investigacin evaluativa. Mxico, D. E: Ed. Trillas.
Segunda reimpresin.
- WERSMA, W. (1986). Research methods in education: an introduction.
Boston, Mass: Alyn and Bacon.
- Yang, K. & Miller, G.J. (2008). Handbook of Research Methods in Public
Administration. CRC. Press: Florida.

Eje Investigacion

Hochgeladen von

Dokumentinformationen

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Eje Investigacion

Hochgeladen von

Copyright:

Verfügbare Formate

1

Das könnte Ihnen auch gefallen