Beruflich Dokumente
Kultur Dokumente
DOCENTE:
TRUJILLO - PERU
Proceso de medicin consiste en dos procesos que se pueden denominar: desarrollo del constructo y
medicin de escala.
Para el proceso de recoleccin de los datos primarios es crtico el desarrollo de procedimientos de
medicin bien construidos. Es importante entender que el proceso de medicin consiste en dos
procedimientos de desarrollo claramente diferentes que se puede denominar desarrollo del constructo y
medicin de escala. Para lograr la meta total de obtener datos de alta calidad, los investigadores deben
entender qu es lo que estn tratando de medir antes de desarrollar la medicin de escala apropiada. La
meta del proceso de desarrollo del constructo es identificar y definir con precisin qu es lo que se mide,
incluyendo cualesquiera rasgos de dimensionalidad. A su vez, la meta del proceso de medicin de escala
es determinar cmo medir con precisin cada constructo. Empezamos por el desarrollo de constructo
para pasar despus a las mediciones de escala.
B. OBJETTO:
Se refiere a cualquier elemento tangible en el ambiente de una persona que pueda identificarse clara y
fcilmente a travs de los sentidos (vista, odo, tacto y gusto). Recurdese que los investigadores no miden
el objeto en s, sino ms bien los elementos que integran ese objeto. Cualquier objeto tiene las que se han
llamado propiedades objetivas, o caractersticas que se utilizan para identificarlo y distinguirlo de otro
objeto. Estas propiedades representan los atributos que constituyen un objeto de inters y que son
observables de manera directa, fsicamente verificables, y de naturaleza medible, como las caractersticas
fsicas y demogrficas de una persona (edad, sexo, ingresos, status de ocupacin, color de ojos, etc.), o el
nmero real de compras que hacen de un producto particular, o las caractersticas tangibles del objeto
(caballaje, estilo, color, sistema estereofnico de un automvil, etc.), por nombrar algunas.
Asimismo, cualquier objeto puede tener tambin propiedades subjetivas, que son caractersticas
abstractas, intangibles, que no se pueden observar o medir, de manera directa pues son las imgenes
(aspectos) mentales que una persona agrega a un objeto, como actitudes, sentimientos, impresiones,
expectativas o expresiones de acciones futuras (por ejemplo: intenciones de comprar). A estas
propiedades intangibles, subjetivas, se refieren quienes las investigan con el nombre de constructos
abstractos. Como se expone ms adelante, la medicin de constructo requiere que los investigadores
pidan a la gente que traslade estas caractersticas mentales a un continuo de intensidad utilizando
preguntas y escalas diseadas con cuidado.
C. CONSTRUCTO:
Variable hipottica formada por un conjunto de respuestas o comportamientos componentes que se
considera que estn relacionados.
mensurables que puedan utilizarse para aclarar la abstraccin asociada con esas propiedades
subjetivas.
AVIN
CONSUMIDOR
ORGANIZACIN
menudo no resultan ser estables cuando se les asigna medidas de escala y el estudio se extiende
a una muestra mayor de sujetos de la poblacin meta.
El recuadro de trabajo de campo ofrece un ejemplo de este problema ocurrido en un estudio
bancario.
preguntaba tambin sobre los atributos del vehculo adquirido, incluida la capacidad de adhesin
al piso (a agarre), la comodidad en general, el costo del mantenimiento de rutina, la durabilidad
general, la elegancia exterior en conjunto, la visibilidad, la precisin de la direccin, las
caractersticas de seguridad, la economa de consumo de combustible y la potencia en general.
En la figura 12.2 se ilustran dos enfoques de medicin diferentes utilizando para recolectar datos
acerca del constructo de satisfaccin con los servicios proporcionados por los concesionarios de
automviles.
Estos ejemplos sugieren que evaluar lo que parece ser un simple constructo de satisfaccin por
servicio puede ser ms complicado de lo que pareca en un principio. Aqu el investigador trataba
de recolectar por completo datos e informacin en todas las dimensiones que puedan afectar a
las satisfacciones de un cliente por servicio. Desde luego, este enfoque les dar a los
concesionarios una base ms precisa para evaluar qu tan bien satisfecho a los clientes. Ms
todava, este tipo de anlisis a profundidad le brinda a una empresa mejores oportunidades de
localizar reas de inters y de efectuar acciones correctivas. Con solo el enfoque de pregunta
sencilla, la accin correctiva sera muy difcil, si no imposible, ya que el investigador no sera capaz
de determinar el rea exacta de problemas. Despus de que los constructo y sus posibles rasgos
de dimensionalidad se identifican y entienden adecuadamente, el investigador necesita volver
su atencin a los procesos relacionados con la creacin de las mediciones de escala apropiada.
DATOS DE OPININ
Representan los atributos mentales o las emociones de los individuos que no son observables de
manera directa ni accesibles por algn tipo de fuente externa.
1.
DATOS MATERIALES:
Cuando el problema de informacin requiere que el investigador rena respuestas
pertinentes para las caractersticas fsicas, demogrficas o socioeconmicas de los individuos,
objetos u organizaciones, los datos puros resultantes se consideran hechos verificables o datos
materiales. Los datos materiales representan caractersticas de hechos que pueden verificarse
por medio de fuentes distintas de la persona que proporciona las respuestas.
Ejemplos
Un investigador pregunta de manera directa a los encuestados su sexo, edad, nivel de ingresos,
grado de educacin, nmero de hijos, etc.
O bien el investigador podra obtener esta informacin por medio de fuentes
como partidas de nacimiento, solicitudes de prstamos, etc.
2.
secundarias,
DATOS DE OPININ:
Los datos de opinin representan los atributos mentales o las emociones de los
individuos que no son observables de manera directa ni accesibles por algn tipo de fuente
externa. Los datos de opinin existen solo dentro de la mente de las personas. Para reunir tales
datos, el investigador tiene que pedirle, en forma clara, a una persona que responda a preguntas
o instrucciones formuladas. La verificacin por fuentes secundarias o externas es punto menos
que imposible.
Ejemplos.
Algunos ejemplos seran los rasgos de personalidad, actitudes, sentimientos, percepciones,
creencias, por ende la calidad y la precisin de datos se limitan al grado de honestidad de la
persona que proporcione las respuestas a las preguntas del investigador
3.
investigador dispone de varias opciones en su pesquisa para obtener los datos de conducta. Se
le puede hacer preguntas, diseadas con cuidado, a una persona acerca de la conducta actual o
pasada. Por ejemplo, se le podra pedir que responda a cuestiones como En los ltimos aos 6
meses, cuntas veces compr usted cereal seco para su hogar?, o en una semana comn, qu
tan a menudo va de compras a un centro comercial? Para obtener informacin de la conducta
actual, se le podra preguntar a la persona cosas como Est usted inscrito actualmente en la
universidad? O Cuntos cursos est tomando actualmente sobre marketing? como explicamos
en el captulo 10, otra opcin para el investigador es utilizar a un observador capacitado o recurrir
a algn tipo de dispositivo mecnico para observar directamente y registrar la conducta actual
de la persona.
As, puede recurrirse a un observador disfrazado o una cmara oculta para observar,
de manera selectiva y registrar las elecciones de alimentos congelados que hacen los clientes en
el supermercado local Winn-dixie. Tales datos conductuales podran incluir el tiempo
transcurrido en la seccin de alimentos congelados de la tienda, las marcas especficas o tipos de
alimentos congelados examinados o elegidos, por el nmero de unidades de un producto puestas
en el carrito de compras.
Una tercera opcin pertinente para la recoleccin de datos de conducta pasada sera que el
investigador encontrara registros de conducta anteriores. Por ejemplo, el investigador podra
examinar los recibos de cargo a tarjeta de crdito de un perodo especfico para determinar la
frecuencia con que un individuo elegido entrara y comera en ese restaurante. Obviamente, hay
algunas limitaciones en la calidad y precisin de los datos puros con esta opcin. En general, la
verificacin de la conducta pasada de un individuo por cualquier tipo de fuente externa
secundaria, es un proceso difcil en trminos de tiempo, esfuerzo y exactitud. Este mtodo hace
mucho hincapi en la existencia de conductas bien documentadas.
4.
Orden
La propiedad de orden se refiere la magnitud relativa entre los descriptores, o
etiquetas, usados como puntos de escala. En cualquier situacin en la que se emplean
descriptores mltiples para identificar las posibles respuestas puras a preguntas formuladas, el
orden se establece cuando el investigador o encuestado conocer la magnitud relativa de los
descriptores. La magnitud relativa entre descriptores se basa en la existencia de otras relaciones
matemticas puras entre dos o ms descriptores u objetos. Por ejemplo, Hay slo tres relaciones
matemticas puras que podran existir entre los objetos A y B o las respuestas de las personas a
y b: a puede ser mayor que b; a puede ser menor que b; o a puede ser igual a b. En las situaciones
en las que el investigador o el encuestado pueden identificar y entender la existencia de una
relacin de mayor que o menor que entre dos o ms objetos o respuestas, la propiedad de
elaboracin de escala de orden se activa y puede establecerse algn tipo de rango significativo
entre las respuestas puras reportadas. Algunos ejemplos de la propiedad de orden incluyen los
siguientes: 1 es menor que 5; extremadamente satisfecho es ms intenso que algo satisfecho;
de la mayor importancia tiene ms importancia que slo una pequea importancia; un tanto
en desacuerdo entraa menos desacuerdo que definitivamente en desacuerdo, y una persona
que ostenta una maestra en administracin de empresas tiene ms aos formales de estudios
que una persona que intent un grado de adjunto en artes. Cuando la propiedad de elaboracin
de escala de orden se incorpora en un conjunto de puntos de escala, permite que el investigador
establezca un orden de rango de ms alto a ms bajo o ms bajo a ms alto entre las
respuestas puras. Es importante recordar que la propiedad de elaboracin de escala de orden,
por s sola, identifica slo las diferencias relativas entre las respuestas puras y no las diferencias
absolutas.
Distancia
La propiedad de distancia es el esquema de medicin que expresa la diferencia exacta
entre cada uno de los descriptores, puntos de escalas o respuestas puras. En otras palabras, la
propiedad de distancia establece el hecho de que el investigador conoce la magnitud absoluta
que existe entre cada respuesta pura a una pregunta o instruccin formulada. Por ejemplo, la
familia a conduce dos autos, y la familia b conduce 4 autos; la familia A tiene dos autos menos
que la familia B. Un estudiante que tiene que recorrer 32 kilmetros para ir a la escuela conduce
lo doble que muchos miles de estudiantes que conducen slo 16 kilmetros para ir a la misma
escuela. Normalmente, la propiedad de la elaboracin de escala de distancia se limita a las
situaciones en que las respuestas puras representan algn tipo de respuesta numrica natural.
En muchos casos, los investigadores tratan de sugerir que muchas de las escalas asociadas con la
recoleccin de datos de opinin activan la propiedad de distancia. ste es un mito creciente que
causa confusin respecto a los tipos particulares de datos y sus estructuras. Por ejemplo, algunos
expertos creen que extremadamente especioso es un grado a una unidad de distancia de muy
especioso o que firmemente de acuerdo est a 2 unidades de concordancia de un tanto de
acuerdo, o que extremadamente importante esta a 4 unidades de importancia de apenas un
poco importante. En todos estos ejemplos, no hay manera de que un investigador pueda
verificar estadsticamente que en efecto existe la relacin absoluta supuesta entre esos
descriptores de escala. Este problema de medicin se tratar con mayor detalle ms adelante en
este captulo.
Origen
La ltima propiedad de elaboracin de escala, la propiedad de origen, se refiere al uso
de un punto de arranque nico en un conjunto de puntos de escala que se designa como cero
natural verdadero o estado de nada verdadero. En su mayor parte, la propiedad de origen se
relaciona con un sistema de numeracin en el que el cero es el punto de inicio mostrado o
indicado por referencias en el conjunto de respuestas puras posibles. Es una respuesta posible
que tiene un significado interpretativo especial. Normalmente, esta propiedad de elaboracin de
escala se activa cuando el investigador hace una pregunta especfica que requiere una respuesta
numrica. En cambio, la respuesta de una persona de no s, no tengo opinin al respecto,
ni de acuerdo ni en desacuerdo, no me interesa, no es importante, no voy a responder a
eso, etc, a una pregunta formulada no representa la propiedad de origen. Sin embargo, las
respuestas que convocaran esta propiedad de elaboracin de escala son la edad actual, el nivel
de ingresos, el nmero de hijos dependientes que viven en casa, el nmero de kilmetros que se
recorren para ir de compras a un supermercado, y el nmero de veces que una persona compra
un producto o servicio especfico en una semana.
Cuando se desarrollan mediciones de escala es importante entender y recordar que cuntas ms
propiedades de elaboracin de escala pueden activarse, de manera simultnea, en un diseo de
escala, ms complejos eran los datos puros. A medida que un diseo de escala incluye ms
propiedades de elaboracin de escala, aumenta la cantidad de datos puros que puede reunir el
investigador. Por ltimo, se debe advertir que cada propiedad de elaboracin de escalas se rige
sobre la anterior. Esto significa que cualquier escala tendr la propiedad de asignacin. Si el
investigador disea una escala con la propiedad de distancia, la escala activa tambin la
asignacin y el orden. Las escalas que se crean con la propiedad de origen tienen tambin las
propiedades de asignacin, orden y distancia.
Cuatro niveles bsicos de escalas
Mientras las propiedades de elaboracin de escala determinan la cantidad de datos puros que se
pueden obtener de cualquier diseo de escala, todas las preguntas y mediciones de escala se
pueden clasificar lgica y precisamente como uno de los cuatro niveles de escala bsicos:
nominal, ordinal, de intervalo o de razn matemtica. Hay relaciones especficas entre el nivel de
escala y las propiedades de elaboracin de escala que se activan dentro de la escala.
Escalas nominales
Una escala nominal es el ms bsico de los cuatro niveles de diseos de escala. En este
nivel de escala las preguntas requieren que los encuestados proporcionen slo algn tipo de
descriptor como respuesta pura. La respuesta no contiene nivel de intensidad alguno; por esto,
es imposible establecer forma alguna de orden de rango entre el conjunto de respuestas dadas.
Esto es, las escalas nominales proveen datos que no se pueden disponer en un patrn jerrquico
mayor o menor que o ms grande o ms pequeo que. Las escalas nominales slo le permiten
al investigador clasificar las respuestas puras en subconjuntos mutuamente excluyentes que no
ilustran las magnitudes relativas entre ellos.
Escalas ordinales
La estructura de una escala ordinal activa las propiedades de elaboracin de escalas
de asignacin y de orden. Este nivel de escala les permite a los encuestados expresar la magnitud
relativa entre las respuestas a una pregunta. El investigador puede ordenar por rango las
respuestas puras en un patrn jerrquico. Como tal, es fcil determinar los tipos de relaciones
mayor que o menor que, ms alto que o ms bajo que, ms frecuente que o menos
Es necesario recordar que las estructuras de escala de razn matemtica estn diseadas para
permitir que una respuesta de cero natural verdadero o de estado de nada verdadero sea
una respuesta pura vlida a la pregunta. Por lo comn, la escala de razn matemtica requiere
que los encuestados den un valor numrico singular especfico como respuesta,
independientemente de si un conjunto de puntos de escala se usa o no.
Escalas hbridas de intervalo ordinal
Hay muchas situaciones en la investigacin de mercados en las que el problema de
informacin, el constructo definido y los requerimientos de datos hace necesaria la recoleccin
de ciertos tipos de datos de opinin, de conducta y de intencin que son ordinales
verdaderamente, pero tiene una propiedad de elaboracin de escala de distancia supuesta
artificialmente impuesta sobre ellos, de modo que el investigador puede efectuar algn tipo de
anlisis estadstico avanzado. Por ejemplo, el investigador podra estar interesado en conocer no
slo las actitudes o sentimientos individuales hacia un producto o servicio dado, sino tambin las
actitudes o sentimientos totales combinados de un grupo de individuos en un momento. Para
lograr esto, el investigador ha de tener la capacidad de sumar muchas respuestas puras
separadas y seguir algn tipo de procedimiento matemtico bsico, como el de establecer la
respuesta de media aritmtica del grupo. De este modo, el investigador tiene que violar de
manera temporal las propiedades de distancia y origen y suponer artificialmente que pueden
existir en una escala que, por lo comn, no puede activar esas dos propiedades. Cuando un
investigador incorpora propiedades artificiales de distancia y/u origen en un diseo de escala
ordinal, a este tipo de escala se le llama escala de intervalo ordinal. El trmino se refiere a que se
toma una escala ordinal y se transforma, en forma artificial, en una escala de intervalo.
Para crear una escala de intervalo ordinal, el investigador usa dos conjuntos de descriptores de
punto de escala. El primer conjunto se compone de indicadores expresados narrativamente,
denominado descriptores de punto de escala primaria. El segundo conjunto lo forman nmeros
enteros asignados de manera arbitraria al conjunto primario de descriptores y se denominan
descriptores de puntos de escala secundaria. Tmese, por ejemplo, una situacin en la que el
investigador desarrolla una escala ordinal para reunir opiniones generales de los encuestados. El
conjunto original de puntos de escala va de Definitivamente de acuerdo a definitivamente en
desacuerdo. Estos indicadores de punto de escala se consideraran los descriptores primarios, y
la medicin de escala completa podra verse como sigue:
Una opcin que un investigador tiene en la de redefinir de forma artificial esos puntos de escala
para incluir a la propiedad de distancia asignado arbitrariamente un conjunto secundario de
descriptores numricos para representar de manera especfica en cada uno de los escritores de
escala primaria originales. Habitualmente, el investigador usara un conjunto de nmeros
cardinales con los conjuntos secundarios de descriptores. En la forma ms simple, los nmeros
cardinales son cualquier conjunto de enteros consecutivos. Puesto que lo descriptores numricos
son elementos de un sistema numrico basado en razn matemtica, las propiedades de
elaboracin de escala de distancia y origen son activadas, de manera automtica, en la escala.
Combinando los conjuntos primario y secundario, el investigador crea una falsa relacin entre
los descriptores de escala original pensando ahora que Definitivamente de acuerdo = 6;
Generalmente de acuerdo = 5; ligeramente de acuerdo = 4; ligeramente en desacuerdo =
3; Generalmente en desacuerdo = 2, Y definitivamente en desacuerdo = 1. Al utilizar estos
valores numricos secundarios para representar los puntos de escala originales, el investigador
puede aplicar ahora niveles ms altos de tcnicas de anlisis de datos a los datos puros. Este
primer mtodo hara que la medicin de escala se pareciera un tanto a la siguiente:
Otra opcin utilizada con frecuencia por algunos investigadores se basa en usar descriptores
primarios para identificar slo los puntos terminales extremos de un conjunto de nmeros
cardinales secundarios que forman la gama de descriptores de escala puros. Este enfoque deja
la interpretacin de lo que los descriptores de escala numrica intermedia representan para la
En este segundo enfoque, para los investigadores no es ms que un acto de fe creer que la
diferencia absoluta entre una respuesta de encuestado de Definitivamente de acuerdo y la de
Generalmente de acuerdo es una unidad de acuerdo. No hay manera de demostrar que esa
relacin sea verdadera. El investigador ha de tener mucho cuidado con la forma en que interpreta
las estructuras de datos que se generan de los datos creados por este diseo de escala hbrida.
Los problemas generados por los diseos de escala de intervalo ordinal se tratarn con ms
detalle en los captulos de anlisis de datos.
Este criterio de escala se relaciona con las situaciones en las que 1) el problema de
informacin requiere inclusin de magnitudes relativas en el conjunto de posibles respuestas
puras, o 2) el investigador opta por establecer la existencia de magnitudes (relativas o absolutas)
de diferencias entre los puntos de escala. El poder discriminatorio de una escala es la capacidad
de esta de diferenciar de manera significativa entre las respuestas de escala categricas. Ms aun
el investigador debe decidir cuantos puntos de escala son necesarios para formar las magnitudes
relativas de una escala de respuesta deseada; recuerde: es el nmero de puntos de escala que se
relacin de manera directa con la informacin que puede obtenerse de hacer preguntas a los
encuestados.
Aunque no hay regla clara acerca del nmero de puntos de escala que debe usarse para crear
una escala, muchos investigadores reconocen que la mayora de las escalas que incluyen las
propiedades de elaboracin de escala de orden y distancia deben de tener entre 3 y 7 puntos. En
la mayora de los caos a los encuestados se les dificulta elegir cuando hay ms de 7 niveles de
magnitudes relativas o absolutas. Para ilustrar ese punto suponga Marriot International se
interesa en determinar que caracterizaras hoteleras son las que los favorecedores empresariales
consideran importantes al elegir un hotel para u viaje de negocios. Al crear una escala de
importancia para capturar la magnitud relativa de la relevancia atribuida a cada caracterstica
del hotel, el investigador debe decidir subjetivamente cuantos niveles reconocibles de
importancia existen en la mente de los viajeros empresariales. El investigador tiene que entender
primero que los descriptores de escala dictoma bsica son sencillamente importante y no
importante; segundo debe decidir que tan detalladas o variadas tienen que ser las respuestas
de datos puros de importancia para el problema de i formacin inicial. Por lo general, una escala
completa de importancia consta de cinco niveles diferentes de importancia y de una categora
de nada importante (que le da al encuestado seis elecciones reales). Los cinco grados de
diferencia se expresan por lo comn como Extremadamente, definitivamente,
generalmente, 2un tanto y ligeramente importante.
Al entender la composicin de la escala de importancia completa, el investigador puede
incorporar correctamente variaciones que tal vez se ajusten mejor a los requerimientos de
informacin en las diferentes situaciones. Cuando crece una escala de importancia, recuerde que
los descriptores de la escala raz no son simplemente importante y no importante. En
realidad, la mayora de los seres humanos no piensan o expresan su sensacin de nada
importante en grados de no importante (por ejemplo, extremadamente no importante,
definitivamente no importante o generalmente no importante). Adems, hay ocasiones en
que tratar de incorporar grados de magnitud relativa a la escala da por resultado la disminucin
de su poder discriminatorio. Suponga en el ejemplo recin citado del hotel Marriot, que el
investigador disee una escala de importancia compuesta de 15 descriptores de escala y que la
presente como sigue:
ESCALA DE IMPORTANCIA
NADA IMPORTANTE: 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15: EXTREMADAMENTE IMPORTANTE
Aun cuando la escala indica que nada importante es 1 extremadamente importante es 15, es
muy improbable que el investigador o el encuestado puedan agregar interpretaciones de
descriptor diferencial significativas a los puntos de escala del 2 al 14. Este problema potencial del
poder discriminatorio puede existir en cualquier tipo de diseo de escala.
CONFIABILIDAD DE ESCALA
La confiabilidad de escala se refiere en que una escala puede reproducir los mismos resultados
de medicin en repetidos intentos. Como se explic en captulos anteriores, el error aleatorio
produce una incongruencia en mediciones de escala que conduce a una confiabilidad menor de
escala. Dos de las tcnicas que pueden ayudar a un investigador evaluar la confiabilidad de las
escalas son el pre prueba y pos prueba.
Primero, la tcnica de pre prueba y post prueba consiste en repetir la administracin de la
medicin de escala a la misma muestra de encuestados en dos ocasiones diferentes, o a dos
distintas muestras de encuestados de la misma poblacin meta definida en casi las mismas
condiciones, de ser posible. La idea de este mtodo es sencillamente que si se presentan las
variaciones aleatorias, se revelarn por las variaciones en las puntuaciones entre las dos
mediciones muestreadas. Si hay muy pocas diferencias entre la primera y la segunda
administracin de la escala, la escala de medicin se considera estable y por ende confiable. Por
ejemplo, suponga que determinar la efectividad de la enseanza asociada con un curso de
investigacin de mercado implicara el uso de una escala de 28 reactivos diseados para medir el
grado en que los encuestados estn de acuerdo o en desacuerdo con cada reactivo. Para reunir
los datos puros necesarios sobre la efectividad de la enseanza, su profesor administra esta
escala a la clase despus de la sptima semana del semestre y de nuevo despus de la semana
12. Aplicando un procedimiento de anlisis de media aritmtica para crear estructuras de datos
en los reactivos para cada periodo de medicin, el profesor hace un anlisis de correlacin a esos
valores de media aritmtica. Si las correlaciones entre las mediciones de valores de media
aritmtica de los periodos de evaluacin fueran altas, el profesor concluira que la confiabilidad
de la escala de 28 reactivos es alta.
Hay varios problemas con el mtodo de pre prueba y post prueba. Primero, algunos de los
estudiantes que llenaron la escala la primera vez podran no estar presentes en la segunda
administracin de la misma. Segundo, los estudiantes podran volverse sensibles a la medicin
de escala y, en consecuencia, quizs alteren sus respuestas en la segunda medicin. Tercero, el
ambiente o los factores personales pueden cambiar entre las dos administraciones, lo que
causara cambios en las respuestas del estudiante en la segunda medicin.
Algunos investigadores creen que los problemas asociados con la tcnica de confiabilidad de pre
prueban y post prueba pueden evitarse utilizando la tcnica de la forma equivalente. Con esta
tcnica, el investigador crea dos mediciones de escala similares pero diferentes (es decir,
equivalentes) para el constructo dado (por ejemplo, efectividad de la enseanza) y administra
ambas formas a la misma muestra de encuestados de la misma poblacin meta definida. En el
ejemplo de la efectividad de la enseanza del curso de investigacin de mercado, el profesor
armara dos escalas de 28 reactivos cuya diferencia principal consistira en la redaccin de los
enunciados de reactivo, no en los puntos de elaboracin de escala de acuerdo o en desacuerdo.
Aunque la redaccin de los enunciados cambie, su significado se mantendra constante. Despus
de administrar cada una de las mediciones de escala, el profesor calcula los valores de media
aritmtica de cada reactivo y luego hace el anlisis de correlacin. La confiabilidad de forma
equivalente se evaluara midiendo las correlaciones de las puntuaciones de valores de media
aritmtica del reactivo en las dos mediciones de escala. Los valores de correlacin altos se
interpretaran como una alta confiabilidad de medicin de escala.
Hay dos ventajas potenciales asociadas con la tcnica de confiabilidad de la forma equivalente.
Primero, si el proceso de prueba sugiere que se puede lograr la equivalencia, pudiera no valer el
tiempo, esfuerzo y gasto de determinar que dos escalas similares pero diferentes se pueden usar
para medir el mismo constructo. Segundo, es muy difcil y acaso imposible crear dos mediciones
de escala totalmente equivalentes. Pueden suscitarse dudas acerca de cul medicin de escala
es la ms adecuada para medir la efectividad de la enseanza.
Cuando se investigan constructos multidimensionales, las mediciones de escala condensadas
tienden a ser las escalas ms apropiadas. En este tipo de escala, cada medicin representa algn
aspecto del constructo. De tal suerte, el constructo es medido por la escala entera, no solo por
un componente. La coherencia interna se refiere al grado en el que las diversas dimensiones de
un constructo multidimensional se correlacionan con a escala. En otras palabras, el conjunto de
atributos de reactivo que integran la escala debe ser internamente coherente: hay dos tcnicas
de bastante aceptacin que se usan para evaluar la coherencia interna: las pruebas divididas en
dos y las de coeficiente alfa (esta ltima tambin llamada alfa de Cronbach). En una prueba
dividida en dos, los reactivos de la escala se dividen en dos partes iguales (atributos impares
contra pares, o aleatoriamente). La prueba dividida en dos, los reactivos de la escala se dividen
en dos partes iguales (atributos impares contra pares, o aleatoriamente) y las puntuaciones
sumadas de estas mitades resultantes se correlacionan una con otra. Las correlaciones altas entre
las mitades indican buena (o aceptable) coherencia interna. Un coeficiente alfa toma el promedio
de todas las medidas partidas a la mitad posibles que resultan de fraccionar los reactivos de la
escala. El valor del coeficiente puede fluctuar entre 0 y 1, y en la mayora de los casos un valor
de menos de 0.6 indicara habitualmente una coherencia interna entre marginal y baja (o
insatisfactoria).
Completamente satisfecho.
Definitivamente satisfecho.
Generalmente satisfecho.
Ligeramente satisfecho.
Insatisfecho.
Es importante recordar que, con una medicin de escala No equilibrada, se pierde la objetividad
tanto en la parte de pregunta o preparacin de la escala como en la de los descriptores.
de expresar una respuesta neutral. Tener un nmero par de descriptores de escala positivos o
negativos tiende a obligar al encuestado a elegir slo una respuesta positiva o negativa.
A una escala que no tiene un descriptor neutral para dividir los dominios positivos y negativos se
la denomina medicin de escala de eleccin obligada. En cambio, una escala que incluye una
respuesta neutral de centro recibe el nombre de medicin de escala que incluye una respuesta
neutral de centro recibe el nombre de medicin de escala de eleccin libre.
Algunos expertos creen que las escalas usadas para reunir datos de opinin deben disearse
como mediciones de escala de puntos impares, eleccin libre, ya que no todos los encuestados
tendrn el conocimiento o la experiencia suficiente con el tema dado para ser capaces de evaluar
con precisin sus pensamientos o sentimientos. Si se fuerza a los encuestados a elegir, la escala
tal vez produzca datos de ms baja calidad de lo que el investigador desea. Sin embargo, en los
diseos de escala de eleccin libre, el punto de escala llamado neutral ofrece a los encuestados
una forma muy fcil de evitar el tener que pensar o expresar su sentir acerca del tema. Los datos
puros de una respuesta de escala neutral se vuelven intiles para efectos de diagnstico, tanto
para el investigador como para el timador de decisiones en una empresa.
Ejemplos de descriptores de escala de puntos pares, eleccin obligada y de puntos impares,
eleccin libre
-KAREN ZWERLING
Ex propietaria
Aca Joe,Inc
Objeto
Dimensiones y atributos manifestados
Componente cognoscitivo
Creencias acerca del objeto
Componente afectivo
Emociones o sentimiento acerca del
objeto
Componente volitivo
Intencin de conducta acerca del
objeto
Actitud
Orientacin expresiva total hacia el
objeto
El componente cognoscitivo de una actitud representa las creencias, percepciones y
conocimiento de la persona acerca del objeto especfico y sus atributos. Estos aspectos son los
elementos y resultados clave del aprendizaje. Por ejemplo, eche un vistazo al pasado y piense
en los 39 das que siguieron a las elecciones presidenciales de EUA del 7 de noviembre de 2000.
Consideremos la idea de que el ganador rob las elecciones con ayuda de su hermano menor,
entonces gobernador de Florida. Mucha gente tena diferentes creencias al respecto, las cuales
tomaron forma al tiempo que fueron conociendo ms de la situacin. He aqu una muestra de
esas creencias:
Al Gore recibi ms votos en Florida que los que obtuvo George W. Bush.
Florida no cont todos los votos emitidos por los ciudadanos.
El proceso de votacin de Florida dej fuera del padrn electoral a un nmero
considerable de votantes clave.
Los republicanos vencieron con sus maniobras a Al Gore y al Partido Demcrata.
La gente en Florida no puede contar los sufragios.
Estas declaraciones son creencias seleccionadas acerca de algunos de los atributos que la gente
adquiri acerca del hecho de la votacin en Florida. Aun cuando algunas de estas creencias
proporcionaran, por s mismas, una mala representacin de la actitud de las personas en lo
concerniente a que Bush le escamoteara la presidencia a Gore, en combinacin pueden
constituir la base para identificar la actitud total de la gente sobre el fenmeno del recuento
de los votos. Un punto clave que debe considerarse aqu es que la mayora de los objetos de
opinin o constructos estudiados por los investigadores tendrn con toda probabilidad un
aspecto de multidimensionalidad que requerir que los estudiosos incluyan conjuntos de
atributos en sus diseos de mediciones de escala. En realidad, la gente tiene cientos de
creencias acerca de muchos aspectos, atributos y objetos diferentes que constituyen su
ambiente cotidiano.
a la formacin de la actitud general. En el mejor de los casos, el investigador tan slo puede
conjeturar acerca de las creencias en que se basan las puntuaciones emocionales expresadas.
Utilizando la suma de los valores asociados con todas las declaraciones, el investigador puede
distinguir si la actitud de una persona hacia el objeto es de naturaleza positiva o negativa. Por
ejemplo, la puntuacin favorable mxima en una escala de 25 reactivos sera de 125; en
consecuencia, de una persona que puntuara 110 se supondr que tiene una actitud positiva
(favorable). De otro encuestado que punta 45 se supondra que tiene una actitud negativa hacia
el objeto. Estas puntuaciones totales no identifican las posibles diferencias que acaso existiran
entre los encuestados sobre una base de declaracin individual.
Al paso de los aos, la escala de Likert ha sido modificada tan extensamente adaptada por los
investigadores de mercados que su definicin actual varia de un investigador a otro. En la
actualidad, la escala de Likert modificada ampla el formato original de cinco puntos ya sea a un
formato de eleccin forzosa de seis puntos con descriptores de escala como Definitivamente de
acuerdo, Generalmente de acuerdo, Ligeramente de acuerdo, Ligeramente en
desacuerdo, Generalmente en desacuerdo y Definitivamente en desacuerdo o un formato
de eleccin forzada de siete puntos con estos mismos descriptores ms Ni de acuerdo ni en
desacuerdo en medio. Adems, muchos investigadores han tratado el formato de la escala de
Likert como una escala de intervalo ordinal.
Independientemente del nmero real de descriptores de escala que se usen para crearlas, las
escalas de Likert tienen otras caractersticas que son dignas de sealarse. Primero, la escala de
Likert es la nica escala de calificacin sumada que utiliza un conjunto de descriptores de escala
de acuerdo o desacuerdo. Una escala de Likert rene slo creencias basadas en lo cognoscitivo o
en lo conductual especifico. Pese a la difundida idea de que las escalas de Likert se pueden usar
para medir la actitud completa de una persona, slo pueden captar los componentes
cognoscitivos de la actitud de la misma y, en consecuencia, nicamente son medidas parciales.
Tampoco captan los diferentes niveles de intensidad posibles de la actitud afectiva expresada ni
los componentes volitivos. Este malentendido de la capacidad de una escala de Likert pudiera
explicar los dbiles resultados interpretativos en situaciones en las que es crucial identificar y
medir las actitudes de los encuestados para resolver el problema de informacin.
Como otro punto de inters, una escala de Likert es muy adecuada para los diseos de
investigacin en los que se emplean las encuestas autoadministradas, los entrevistados
personales o la mayora de los mtodos en lnea para reunir los datos. Resulta un poco difcil
administrar una escala de Likert por telfono porque los encuestados tienen dificultades para
visualizar y recordar las magnitudes relativas de acuerdo y desacuerdo que forman los
descriptores de escala.
Para sealar las dificultades interpretativas asociadas con la escala de Likert, hemos destacado
en negritas cada una de las declaraciones de la figura del cuadro para las palabras que indican un
solo nivel de intensidad. Por ejemplo, en la primera declaracin (Compro muchas cosas con
tarjeta de crdito), la creencia principal se enfoca en muchas cosas. Si el encuestado marca la
respuesta Generalmente en desacuerdo, sera cuestin de fe para el investigador interpretar
que esa respuesta significa que el encuestado compra slo unas cuantas cosas con una tarjeta de
crdito. Adems, seria mera conjetura por parte del investigador suponer que la actitud del
encuestado hacia la compra de productos o servicios con tarjeta de crdito es desfavorable. El
nivel de intensidad asignado a los descriptores de punto de escala de acuerdo o en desacuerdo
no representan verdaderamente los sentimientos del encuestado asociado con la respuesta de
creencia. Los niveles de intensidad usados en una escala de Likert identifican slo el grado en que
el encuestado piensa que la declaracin representa su propia creencia acerca de las compras con
tarjeta de crdito.
Tomemos la declaracin de la figura del cuadro (Nunca influyen m los anuncios publicitarios)
como otro ejemplo. Las palabras clave de esta declaracin son Nunca influyen. Si el encuestado
marca Definitivamente en desacuerdo, sera de nuevo conjetura subjetiva del investigador que
la respuesta significa que los anuncios influyen mucho en el primero. En realidad, lo nico que
indica la respuesta Definitivamente en desacuerdo es que la declaracin no es la que el
encuestado hara; ninguna medida de sentimiento podra darse a la declaracin.
Las escalas de Likert se pueden usar tambin para identificar rasgos personales o psicogrficos
(de estilo de vida) de los individuos.
presentamos tres formatos diferentes y exponemos los pros y contras de cada uno. En la primera
situacin, el investigador est interesado en crear una escala de credibilidad que NIKE
CORPORATION puede utilizar para evaluar la credibilidad de TIGER WOODS como portavoz en
anuncios de televisin o prensa para las marcas de NIKE de producto de higiene y cuidado
personal. El investigador determina que el constructo de credibilidad consta de tres factores (1,
pericia; 2, confiabilidad;3, atractivo), cada uno medido con un conjunto medido de cinco escalas
bipolares.
intensidad para que los puntos de la escala tengan un sentido absoluto para los
entrevistados. Considere la escala de: Hace que se sienta en casa/Hace que se sienta
incmodo que aparece en la tabla antes mencionada. El descriptor de intensidad mucho
no tiene sentido al aplicarse a esa escala (Hace que se sienta mucho en casa o Hace que
se sienta mucho incmodo). Por lo tanto, incluir descriptores de intensidad estandarizados
en un diseo de escala de diferencial semntico puede obligar a los investigadores a limitar
los tipos de frases bipolares utilizadas para describir o evaluar el objeto o comportamiento
de inters. Esto slo plantea dudas sobre lo apropiado de los datos recabados con ayuda de
este tipo de diseo de escala.
Investigadores y profesionales del marketing por igual deben darse cuenta de que,
independientemente de qu tipos de mediciones se utilicen en la escala para captar las
actitudes y los comportamientos de la gente, a menudo no hay un mtodo que sea mejor o
que garantice resultados.
Si bien hay mediciones probadas en las escalas para captar los componentes que conforman
las actitudes y las intenciones conductuales de las personas, los datos que stas
proporcionan en las escalas no deberan interpretarse como hechos consumados sobre un
determinado objeto o comportamiento.
Los datos y cualquier estructura derivada deben verse, ms bien, como aproximaciones
sobre lo que sera la realidad. Por ejemplo, si el problema de la informacin supone predecir
cierto tipo de conducta para salir de compras, adquirir o consumir, entonces el mejor
mtodo sera desarrollar y aplicar escalas de intencin conductual. Por desgracia, el
conocimiento de las actitudes de los individuos no siempre es un buen indicador de su
comportamiento. Las intenciones son mejores que las actitudes para predecir el
comportamiento, pero el indicador ms slido del comportamiento real es el
comportamiento pasado.
Los investigadores han realizado progresos significativos en sus modelos predictivos con
ayuda de actitudes e intenciones, pero an hay mucho por mejorar.