Unidad 1 Diseos observacionales

Aspectos histricos; diversas definiciones de los diseos

observacionales:
El muestreo de tiempo es un mtodo de observacin del comportamiento
de individuos o grupos, en las condiciones habituales de cada da, en el
cual se realizan observaciones en una serie de periodos a corto plazo,
distribuidos de forma que permitan obtener una muestra representativa
de el comportamiento bajo observacin.
Weick en 1968 dijo que un mtodo de observacin se define como la
provocacin de la seleccin, registro y codificacin de ese conjunto de
comportamientos y valores relativos a organismos in situ que es
consistente con fines empricos.
Bernard, 1976, aplica los procedimientos de investigacin, simples o
complejos, al estudio de fenmenos que no hace variar y que, por
consiguiente, recoge tales como se los ofrece la Naturaleza.
Anguera, 1988 dice que son procedimientos encaminados a articular una
precepcin deliberada de la realidad manifiesta con su adecuada
interpretacin, captando su significado, de forma que mediante un
registro objetivo, sistemtico y especfico de la conducta generada de
forma espontnea en un determinado contexto, y una vez se ha sometido
a una adecuada codificacin y anlisis, nos proporcione resultados vlidos
dentro de un marco especfico de conocimiento.
*En la metodologa observacional no interpretamos lo que creemos haber
visto, sino que registramos lo que realmente hemos visto.
Bakeman y Gottman, 1989, definen la observacin sistemtica como una
va especfica de acceso a la cuantificacin de la conducta.

Situacin estndar de la Metodologa Observacional:

- Comportamiento habitual
- Contexto natural no laboratorios. Como se comporta, como se
relaciona con la gente
- Preferentemente una unidad de observacin mejor estudiar un
sujeto que treinta. Pero tambin podemos observar treinta sujetos
como una unidad.
- Instrumento no estndar
- Perceptividad lo que queremos estudiar tiene que ser perceptible,
normalmente de forma visual
- Continuidad temporal

Qu implica observar?
Observar = Percepcin + Interpretacin + Conocimiento
previo Sesgo

Criterios de clasificacin
- Cientificidad
o Observacin pasiva: no tenemos ningn objetivo concreto,
perspectiva holstica. Control externo bajo y sin hiptesis.
o Observacin activa: tenemos un objetivo especfico, por lo
tanto una hiptesis (va inductiva, va deductiva). Control
externo alto, la recogida de datos es sistemtica, controlada,
con las mismas pautas. Cientfico!!
- Sistematizacin (como obtener los datos)
o Registro narrativo
o Registro descriptivo
o Registro sistematizado
- Participacin
o Observacin no participante: el observador no dice al
observado que esta siendo observado.
o Observacin participante: el observador si que comunica al
sujeto que va observado
o Participacin-observacin: el participante interacta con el
observador
o Auto-observacin: observante y observador son la misma
persona. Se utiliza mucho en terapias.

Niveles de respuesta
- Nivel simple
o No verbal
Facial
Gestual
Postural
o Proxmica (como estoy yo situado en relacin a los otros)
Intima
Personal: tu y un desconocido
Social: una mesa con todos los amigos alrededor
Pblica: est el sujeto y enfrente tiene una masa de
gente
o Vocal
Espectro voz
o Verbal y/u oral
Diarios
Material documental
Biografas
Terceras personas
- Nivel complejo

2
 Los niveles de respuesta complejos son la combinacin de dos o
ms niveles de respuesta simples.

Criterios de clasificacin
Conducta verbal
Forma oral Forma documental

Transcripcin

Texto

Anlisis del texto

Entronca con la metodologa cualitativa

Si partimos de una forma oral, es necesaria una transcripcin para

obtener el texto; luego procedimos a analizarlo.
Si partimos de una forma documental ya est el texto, no hace falta una
transcripcin, podemos ir directamente al anlisis de texto (por ejemplo,
mediante software).

Niveles de representacin en la observacin

3
Esta realidad es percibida por un organismo (en este caso, visualmente).
Pasar de esta realidad a esta percepcin, Fasnar () lo llama el nivel
primario (la aprensin de la realidad
por parte de un sistema fsico). Este
primer nivel es exactamente igual
para todos. Una vez ya tenemos la
percepcin, lo que vamos a hacer
es integrarla en nuestro cerebro.
Esta percepcin es captada por un
sistema sensorial y es integrada por
nuestra psique. Esta integracin de
la percepcin siempre lleva
asociada una experiencia
(captaciones agradables,
desagradables, rpidas, lentas).
Esta integracin de la percepcin en
nuestro cerebro se llama nivel secundario (signos no convencionales).
Este nivel secundario es lo que nos hace diferente los unos de los otros.
Finalmente nos queda expresar que nos ha provocado esta percepcin, en
que ha acabado, como ha terminado el llamado nivel terciario, donde
asociaremos cdigos, nmeros, palabras, frases, etc. Y es lo que nos
permitir decir he visto un rbol.

Proceso
1. Objetivos
a. Acotacin del problema
b. Agenda del proceso
c. Especificacin del criterio temporal
d. Especificacin del criterio de unidades observadas
e. Decisin de aceptacin de sesiones
f. Especificacin de niveles de respuesta observadas
2. Diseos observacionales
a. Unidades de estudio
b. Temporalidad
c. Dimensionalidad
3. Instrumentos Categorizacin
4. Registro
5. Obtencin de parmetros
6. Muestreo observacional
7. Control de la calidad de los datos
8. Anlisis de datos
9. Interpretacin de resultados
La metodologa correlacional empieza por marcar una serie de objetivos.
Una vez tengo marcados los objetivos tengo que escoger un diseo
observacional, ya que es el patrn que guiar todo el proceso de la
metodologa observacional. Este diseo tendr influencia sobre los

4
instrumentos, tanto observacionales como de registro. Este instrumento
de observacin est marcado o definido por el nmero de conductas
producidas en el diseo observacional. Entonces se decide como se va a
registrar: divisin del tiempo, por sujetos, solo los comportamientos, luego
las frecuencias, en grupo, individualmente, con pausas Todo esto esta
marcado por el diseo observacional. Incluso hasta el punto 8 influye el
diseo!!!! Toda la informacin que buscamos es cualitativa categrica.
Pero llegados al punto de obtencin de parmetros ya pasamos de lo
cualitativo a lo cuantitativo (puntos 5, 6, 7, 8). Convertimos los
comportamientos en nmeros para poder estudiarlos. El punto 6,
muestreo observacional, esta en stand-by. La mayora de estudios no
utilizan el muestreo porque tienen el registro continuo de lo que quieren
estudiar. El muestreo observacional consiste en ya que no puedo tener el
registro continuo, tengo que observar en determinadas momentos (reglas
de registro). Ahora nos vamos al control de la calidad del dato.
Trabajaremos dos conceptos, la fiabilidad del dato y calidad del dato. En
este punto tambin hablaremos de la validez (aunque est relacionada
con el instrumento). Si obtenemos un Kappa de 0,9 (nunca de 1, ya que
en la observacin hay sesgo) es muy aceptable, y podemos pasar al
siguiente punto, el anlisis de los datos. Si el control de calidad del dato
es bueno, podemos proceder a analizarlos. En este punto obtendremos un
anlisis secuencial de retardos y lo haremos a mano.

1. Objetivos:
- Acotacin del problema: pasar del tema al problema. Cuando ya
hemos decidido cual es el problema: el problema tiene que ser
claro, factible, se debe poder llevar a cabo y tiene que ser
significativo. La acotacin de la situacin sera crear una especie de
referente terico, marco terico donde establecer el problema.
Luego hace falta delimitar los objetivos, y finalmente definir la
estrategia: como vamos a llevarlo a cabo, qu haremos
- Agenda del proceso: la primera toma de contacto. De la observacin
pasiva pasaremos a la observacin activa. Cual es el diseo q mejor
se adapta a nuestra
situacin, elaboracin del
instrumento, muestreo,
registro de los parmetros,
control de calidad del dato,
anlisis de datos y interpretacin de resultados. Todo eso lo
llamaremos observacin activa, y esta observacin activa hay que
planearla, hacer un cronograma, cuanto tiempo para cada punto.

5
 - Especificacin criterio de temporalidad: Tendremos que segmentar
el flujo conductual. El periodo de
observacin es el tiempo que
nosotros tenemos para observar lo
que queremos. Las sesiones de
observacin serian fragmentos de
tiempo dentro del perodo de observacin. Las elijes tu pero estarn
siempre dentro del perodo de observacin. Ex: el perodo de
observacin del Bara sera la liga. Y las sesiones los partidos.
- Especificacin del criterio de unidades observadas: especificar qu
tipo de unidades vamos a tomar para observar (molares o
moleculares tenemos que coger un microscpico). Si cogemos
unidades muy molares tendremos una elevada vertebracin pero
seremos poco concretos, poco objetivos. Si cogemos unidades
molares tendremos una elevada objetividad pero una baja
vertebracin, habra unidades de conducta que no podran entrar en
los criterios de observacin. Hay que valorar qu tipo de unidades
nos interesan para nuestro estudio.
- Decisin de aceptacin de sesiones: hay que prever lo que pasar
en nuestras sesiones. Hay que tomar una serie de decisiones sobre
qu haremos con estas sesiones.
o Constancia intersesional: lista de mnimos establecida
inicialmente que contenga los requisitos que se deben cumplir
en cada sesin.
Imaginemos que dentro del curso de la sesin todo va bien hasta
que el sujeto desaparece o le pasa algo. Si se ha registrado el 70%
de la sesin y el 30% no, esta sesin la contabilizamos. Si se ha
registrado el 60% ya no. Esto hay que decidirlo, hablarlo.
Otro caso son las disrupciones temporales. El curso de la accin va
bien hasta que en un momento se va la luz, se interrumpe la sesin,
y al cabo de 5 minutos vuelve la luz y puedo seguir obsrvando. Hay
una disrupcin temporal. Hay que hablar con qu tanto por ciento
de disrupciones podremos contabilizar la sesin.
- Especificacin de niveles de respuesta observadas
o N.R. Simples N.R. Complejos
No verbal
Proxmica
Vocal
Verbal y/u oral

2. Diseos observacionales:
Concepto de diseo. El diseo observacional es una pauta o gua de
actuacin de carcter flexible, acorde con las caractersticas que definen
el perfil de la metodologa seguida.
Los diseos observacionales se desarrollan a partir de tres criterios
bsicos:
- Unidades de estudio (sujetos)
6
 o Idiogrfico: hacen referencia a una nica unidad de
observacin. La unidad de observacin puede estar
configurada por solo un nico sujeto. Pero adems esta unidad
de observacin puede ser un conjunto de casos entre los
cuales existe siempre entre ellos
un vnculo estable. Ex: estudiar a
Messi, estudiar el estilo de juego
del Bara.
o Nomottico: pluralidad de casos
sin ningn vnculo relevante. Ex:
estudiar cual es el jugador que
mete ms goles en el Bara. Tendr que observar los once
jugadores pero de forma individual cada uno.

- Temporalidad (tiempo)
o Puntual/discontinuo: cuando se hayan
registrado uno o dos momentos en el
tiempo, es decir una o dos sesiones.
o Seguimiento/continuo: ms de dos
sesiones ser seguimiento.

- Dimensionalidad (conductas)
o Unidimensional: un nivel de respuesta
o Multidimensional: varios niveles de
respuesta

3.

Instrumentos Categorizacin
Como se construye un instrumento? Mediante un proceso de
categorizacin.
Es imposible estudiar todo el flujo conductual (manifestacin, desarrollo
de conductas de una manera secuencial, que se pueden ir modificando a
lo largo del tiempo) de una persona.
El punto de partida es el flujo conductual, pero para poder trabajar con
ello tendremos que segmentarlo. Cogeremos un segmento conductual con
un inicio y un fin. El primero criterio para segmentar el flujo ser la
duracin del segmento (ser corto o ser largo?). este criterio depender
de los objetivos de la investigacin. Si yo quiero estudiar una cultura,
necesitar siglos para estudiarla, as que ser una investigacin muy
molar. En cambio, si quiero estudiar grupos sociales, necesitar uno o dos
aos, por lo tanto la investigacin ser menos molar y ms molecular. Y si

7
quiero estudiar el comportamiento de un sujeto necesitar un tiempo ms
reducido, por lo tanto ms molecular. No tenemos ningn instrumento que
nos diga si nuestra observacin ser molar o molecular, tendremos que
decidirlo en base a la configuracin y a los objetivos. Un segmento de flujo
conductual est formalizado por conductas, entonces en trminos de
duracin, las conductas de este segmento pueden diferenciarse en evento
o estado. La duracin de las conductas es relativa respecto a la extensin
del flujo conductual. Ejemplo: un segmento de flujo conductual tiene inicio
a las 8 de la maana y fin a las 8 de la noche. Dentro de este segmento
vamos a tener una serie de conductas. Para compararlas tendremos que
relativizar respecto a la duracin del segmento. Por ejemplo durante todo
el da, conducir hacia la universidad y hacia casa ser una conducta
evento, ya que es flash, ocupa muy poco tiempo dentro del da. Ahora
cambiamos el ejemplo, no es un da nuestro sino que es el da de un
taxista. Conducir ser una conducta estado dentro del segmento
conductual porqu el taxista emplea muchas horas conduciendo, por lo
tanto es una conducta estado. Misma duracin de segmento, misma
conducta, diferente sujeto. La duracin del segmento puede tener efecto
sobre si una conducta es evento o estado. Hemos hablado de la duracin,
ahora tenemos que hablar del contenido de la conducta. El segmento
conductual est formado por unidades de conducta, que son la mnima
expresin comportamental conductual con sentido propio. Y hay tres tipos
de unidades de conducta: estructural, funcional y causal.
- La unidad estructural es una unidad definida por una pauta espacio-
temporal de contraccin muscular, que puede entenderse tambin
como una posicin del organismo al desplazarse por un espacio.
Ejemplo: movimiento secuencial de las piernas con un sentido de
avance.
- La unidad funcional es una unidad definida por las consecuencias de
una unidad estructural sobre el entorno fsico o social. Ejemplo:
caminar.
- La unidad causal es la unidad que est definida por las causas que
la producen. Ejemplo: ir a algn sitio.
La clula madre de todo este proceso de categorizacin que culmina con
la construccin de un instrumento son las unidades de conducta.

Flujo conductual

Duracin conducta Segmento conductual Duracin segmento

Evento Estado Unidad de conducta Molecular

Molar

Estructural Funcional Causal

Proceso de categorizacin:

8
Este proceso tiene diferentes pasos, y esta informacin que recogemos de
las unidades de conducta las vamos a ir mejorando.

- Registro narrativo
Se basa en la observacin pasiva, no hay control externo, no se utiliza
lxico especializado. Es como una foto de la situacin que vamos a
analizar. Este registro narrativo es textual, hay que escribir todo el
comportamiento que estamos observando tal cual. Ejemplo: en un patio
se ve a un nio intentado hinchar un baln. Los otros nios corren, menos
algn grupito.
- Registro descriptivo
Registro narrativo Registro descriptivo
Observacin pasiva Observacin activa
No lxico especializado S registro especializado
No control externo S control externo
Se registra TODA la informacin Se registra la informacin ms
relevante
En este registro vamos a introducir un primer filtro sobre el registro
narrativo, que es como toda la informacin en sucio. Aqu si que
utilizamos un registro especializado. Ya hay un cierto control externo, voy
a registrar la informacin que me interesa ms, vamos a hacer una
seleccin. Adems vamos a procurar hacer una secuenciacin, orden.
Pertenece al perodo de la observacin activa.

- Registro semi-sistematizado
Ya tenemos nuevo filtro, nueva ordenacin de la informacin. La
informacin esta ordenada en las conductas antecedentes, las centrales
(que son las que interesan) y las consecuentes. En este registro hay
diversos formatos.
*Estos tres registros, si se dispone de un dispositivo de grabacin, no es
necesario utilizarlos.
- Lista de rasgos
Este paso hay que hacerlo SIEMPRE. Tengamos grabacin o no. En esta
lista vamos a escribir TODAS las unidades de conducta que son de inters
para la investigacin.
- Catlogo de conductas
Este catlogo se basa en la lista de rasgos. Vamos a coger todas las
unidades de conducta que aparezcan en nuestra lista de rasgos y vamos a

9
agruparlas por criterios en comn. Todas las unidades que sean de
carcter verbal, estarn agrupadas, las prosmicas, tambin.

SISTEMA DE CATEGORAS
Seguidamente transformamos el catlogo de conductas en CATEGORAS.
Cogemos cada una de las unidades y les damos un nombre, una etiqueta.
Una vez que hemos etiquetado vamos a hacer una definicin ad hoc:
decir, explicar esta unidad de conducta tal cual la realiza el sujeto. De la
etiqueta andar, no tiene sentido poner la definicin de la RAE ya que no
todos los sujetos andan igual. Tenemos que hacer la definicin de cmo
anda el sujeto, es una definicin hecha a medida. Despus pondremos
ejemplos de esa unidad de conducta, por ejemplo: andar erguido, andar
recto, andar rpido y tambin contraejemplos del que no es esa unidad
de conducta: del andar, cuando los pies ya dan saltos ms altos es
trotar. Todo esto lo hace el investigador.
La categora es la unidad por excelencia de lo que va a ser nuestro
instrumento de observacin. Tenemos dos categoras: A i B. Una categora
se configura bsicamente de dos elementos: ncleo categorial (la esencia
de la categora, lo que
identifica esa etiqueta. La
sacaremos de la definicin) y
plasticidad categorial (las
distintas formas de
manifestacin de una
categora. La sacaremos de
los ejemplos). Cuando
hablamos de un sistema de
categoras estamos hablando
de dos o ms categoras. Esto
de arriba es un sistema de categoras. En este sistema podramos
encontrar la borrosidad categorial, la interseccin de la plasticidad de A
con la plasticidad de B. Y esto sucede en los primeros sistemas de
categoras, casi siempre. Borrosidad, ejemplo: No se si ese
comportamiento es de la categora A o de la categora B. Como
solucionar esta borrosidad? Mirar los ejemplos y contraejemplos. Si no es
suficiente con esto nos iramos al ncleo categorial y redefiniramos la
categora con tal de que esta desaparezca.
El primer sistema de categoras que haremos ser provisional, habr
mucha borrosidad, sesgo pero tenemos herramientas para crear un
sistema de categoras mejorado, que nos ir acercando al punto final, que
es un sistema de categoras.
Para que un sistema de categoras funcione hay que tener en cuenta una
serie de condiciones (de forma provisional):

10
 - Criterios: las categoras de este sistema tienen que ser todas
molares o todas moleculares. Esto se consigue a travs de las
definiciones que demos a las categoras.
- Equivalencia: este sistema nos ha de permitir construir otro sistema
de categoras equivalente. Dos mecanismos sinnimos estudian la
misma realidad con signos, instrumentos diferentes (para medir la
temperatura de una habitacin termmetro y persona que dice
que hace fro); en cambio dos mecanismos equivalentes estudian la
misma realidad con los mismos smbolos, instrumentos (para medir
la temperatura de una habitacin dos termmetros uno en grados
centgrados y otro en grados Celsius).
- Estabilidad: un buen sistema de categoras definitivo tiene que
servir como instrumento para analizar el primer partido y el ltimo
partido de la liga (ejemplo).
- Saliencia: cuando hemos mezclado categoras molares con
moleculares, las que sobresalen ms. Habr categoras que tienen
la misma frecuencia y habr otras que tendrn muchsima ms
frecuencia, de una forma anmala. Aqu se sospechar que hay
algn error con haber mezclado categoras molares y moleculares.
- Tipicidad: puede ser que haya una conducta que es ms tpica
moda. Se da mucho de forma normal, es una conducta tpica.
- Escala base: se utiliza cuando utilizamos ratium scales (sistemas
de categoras cuyas categoras tienen unidades de medida, misma
escala base todos en gramos, o todas en kilos).
- Entropa: tendencia al caos. Que nuestro instrumento no sea vlido.
(?)

Alternativas que nos van a facilitar el sistema de categoras y mejorar el

sistema de categoras provisional para llegar al definitivo:
- Categora nula: se utiliza cuando queremos hacer un registro
continuo. En todo momento hay una categora para registrar. Que
pasa si durante nuestra sesin de observacin no hace ninguna de
las categoras? Si no hace ni A, ni B, ni C, ni D? Paro de registrar?
NO. Tendr que registrar la categora nula. Cuando durante una
sesin no registra ninguna de las nuestras categoras, registraremos
la categora nula.
- Categora ficticia: no existe, pero se utiliza cuando nosotros estamos
registrando y vemos que hay secuencias de categoras que se
repiten siempre. Por ejemplo la secuencia A-C-B. Entonces
crearemos una categora ficticia, llamada 0 por ejemplo, que sern
las conductas A-C-B. Para no escribir 3 conductas.
- Categora residual: categora que contiene cualquier informacin o
conducta no identificada con alguna categora de que se dispone.
Cajn de sastre. Es donde van a parar todas las unidades de
conducta que el observador no ha sabido organizar en las
categoras. Si no se si esta categora es A, B, C o D la meteremos
all, para luego ver si realmente se corresponde en alguna de
nuestras categoras. Si todo va bien, esta categora residual se tiene

11
 que ir reduciendo, y llegaremos a un verdadero sistema de
categoras si esta categora no existe.

Con todo esto llegaremos a un sistema de categoras final, definitivo, que

tendr que tener dos propiedades:
- Exhaustividad: que tiene una categora para un comportamiento
determinado de el sujeto. Toda conducta del sujeto tiene que tener
su categora.
- Mutua exclusividad: que cuando realiza una categora no puede
realizar en el mismo momento otras categoras. Cuando esta
ocurriendo A, no pueden ocurrir B, C o D.

4. Registro observacional:
Hay distintos tipos de instrumentos de registro. Des del lpiz y el papel,
pasando por los electrnicos y hasta el Software.
- Lpiz y papel
- Electrnicos: artilugios electrnicos tipo calculadora o parecidos que
permiten facilitar el registro.
- Software: observational behavioural tool. Cogen el instrumento de
observacin y lo aplican.
o Codex o SDIS
o Datamyte o SportCoder
o Direct Observation o The Observer
Data System o THME
o HOISAN
o
o Recordamos algunos conceptos del REGISTRO
OBSERVACIONAL:
- Perodo de estudio: segmento de realidad, hay un inicio y un final.
Tiempo en el que nos vamos a centrar para hacer el estudio (la liga)
- Sesin de observacin: fragmentos de tiempo dentro de estos
perodos de estudio (partidos de futbol).
o Cantidad de sesiones (10 aproximadamente, pero si podemos
tener ms mejor. Depender de los costes). Si solo hacemos 1
o 2 sesiones ser un registro puntual. Y tenemos que entrar
en el mbito de lo secuencial ??, as que no haremos menos
de 10.
o Duracin de la sesin observada (30-60 min). Depender de:

12
 El tipo de
conducta
Fatiga del
observador
o
o
o
o MODALIDADES DE REGISTRO
- La frecuencia: nmero de veces que ocurre una categora.
- El orden de ocurrencia de las categoras
- La duracin
o
o TRANSFORMACIN DE LOS REGISTROS
o Hay una posible transformacin del parmetro duracin al
parmetro orden. Y tambin hay otra posible transformacin
del parmetro orden al parmetro frecuencia.
o
o TODO LO QUE HEMOS VISTO HASTA AHORA ES INFORMACIN
CUALITATIVA. Y A PARTIR DE AHORA VAMOS A TRANSFORMAR
NUESTRA INFORMACIN CUALITATIVA EN CUANTITATIVA.
o

o 5. Obtencin de parmetros
- Medidas primarias, bsicas o fundamentales: las vamos a
obtener directamente de la observacin de los registros que hemos
hecho.
o Ocurrencia/frecuencia (Fi): unidad ciclos o nmero de veces
que ocurre una categora
o Orden de ocurrencia: intrasesional (unidad secuencial) o
intersesional (unidad datos agregados)
o Duracin de ocurrencia (diu): tiempo que dura una categora
cada vez que ocurre. Tendremos tantas duraciones de
ocurrencia como ocurrencias/frecuencias tenga la categora. Si
la categora aparece cinco veces, tendremos cinco duraciones
de ocurrencia. diu: duracin de ocurrencia de la categora i,
usima (la duracin ms pequea???). Unidades ut
(unidades temporales, las que sean: ms, segundos,
minutos).
o Si sumamos todas las duraciones de ocurrencia de la
categora i en una sesin obtendremos la duracin
acumulada (Di). Unidades ut.
o Si sumamos todas las duraciones acumuladas de las
categoras obtendr la duracin total de la sesin (Dtotal).
Unidades ut.

13
 o Latencia: tiempo que transcurre des de que se emite un
estmulo hasta que aparece una determinada categora.
Emitimos una conducta y transcurre un cierto tiempo hasta
que aparece la categora. Este espacio de tiempo es la
latencia de la categora. ut
o Lapso: tiempo que transcurre des de que deja de ocurrir una
determinada categora hasta que vuelve a ocurrir esta misma
categora. Podr calcular tantos lapsos de categora como
tantas veces ocurre la categora menos 1. ut.
o Intensidad: rating scales. (NO la estudiamos)
o
- Medidas mixtas: mix entre lo primario y lo secundario. No las
estudiaremos.
o Frecuencia modificada
o Frecuencia modificada Sanson-Fisher
o Frecuencias de transicin
o
- Medidas secundarias, derivadas o complementarias: se
obtienen de las medidas primarias.
o Frecuencia media (Fi): se utiliza cuando tenemos ms de una
sesin de observacin y quiero saber cual es la media de
ocurrencias de la categora A en cada sesin. Cuando solo
tenemos una sesin de observacin la frecuencia media
coincide con la frecuencia. ciclos
o Frecuencia relativa (Pi = Fi / sumatorio Fi): es la probabilidad
de que al seleccionar aleatoriamente una categora sea la
categora. La frecuencia relativa de A es la probabilidad de
que al seleccionar al azar una categora sea la categora A. El
valor tiene que estar entre 0 i 1. La suma de todas las
frecuencias relativas de las categoras ser 1. adimensional
(no tiene unidades de medida)
o Tasa (ti = Fi / sumatorio Di): muy interesante sobre todo en los
estudios que tenemos ms de dos sesiones de observacin.
Velocidad o densidad de ocurrencia de una categora en una
sesin. Sirve para comparar dos sesiones de diferentes
duraciones. ciclos/ut
o Duracin relativa o prevalencia ( i = Di / sumatorio Di):
probabilidad de que al seleccionar aleatoriamente una porcin
de tiempo de la sesin, est ocurriendo la categora en este
momento. Es una probabilidad por lo tanto estar entre los
valores 0 i 1. adimensional (no tiene unidades de medida)
o Duracin media (i = Di / Fi): promedio de las duraciones de
una categora ut/ciclos
o
o EJERCICIOS
o 1. Se ha observado el comportamiento de un sujeto a travs
de un sistema de categoras S = {A, B, C, D}. La categora A
se ha observado 15 ciclos, con una duracin acumulada de

14
 110 segundos; la categora B se ha observado 10 ciclos, con
una duracin acumulada de 10 segundos; y la categora C se
ha observado durante 30 ciclos con una duracin acumulada
de 27 segundos. Finalmente, la categora D se ha observado 8
veces con un total de 22 segundos. Calcular los parmetros
primarios y secundarios de la sesin, sabiendo que el sistema
de categoras es exhaustivo y mutuamente excluyente.
- Medidas primarias - Frecuencia relativa:
o A = 15/
- Frecuencia:
o A = 15 ciclos (15+10+30+8) =
o B = 10 ciclos 0,23
o C = 30 ciclos o B = 10 / 63 = 0,16
o D = 8 ciclos o C = 30 / 63 = 0,83
- Duracin de ocurrencia: o D = 8 / 63 = 0,12
o A = 110s - Tasa: ciclos/s
o B = 10s o A = 15/110 = 0,13
o C = 27s o B = 10/10 = 1
o D = 22s o C = 30/27 = 1,11
o D = 8 / 22 = 0,36
- - Duracin relativa o
- prevalencia:
o A = 110 / 169 =
- o B = 10 / 169 =
- o C = 27 / 169 =
o D = 22 / 169 =
- Medidas secundarias
-
- 2. En una sesin de observacin de 5 min. y utilizando el sistema de
categoras S={A, B, C, D}, se ha registrado la categora A un total
de 10 ciclos, con una duracin de la categora de 70s. La categora B
tiene una frecuencia de 15 ciclos, en un total de 115s. La categora
C ocurre 10 veces con una duracin de 110s, y finalmente la
categora D ocurre un total de 5 ciclos con una duracin de 5s.
Hallar los indicadores conductuales estticos secundarios de la
sesin de observacin. (EST EN EL CAMPUS)

- Primero tenemos que comprobar que todas las unidades de medida

sean las mismas. Convertimos los minutos a segundos o los
segundos a minutos: Duracin total: 5min 300s

- 3. El siguiente registro presenta las ocurrencias de las categoras A,

B, C y D, que recogen las actividades conductuales de un individuo.
En l se reflejan los momentos de inicio y final de las categoras.
Hallar los indicadores conductuales estticos primarios y
secundarios de este registro teniendo en cuenta que el sistema de
categoras es exhaustivo y mutuamente excluyente.
- Medidas primarias - Frecuencia:
o A = 1 ciclo
15
 o B = 2 ciclos - Frecuencia relativa:
o C = 2 ciclos o A = 1 /5 = 0,2
o D = 0 ciclos o B = 2/5 = 0,4
- Orden de ocurrencia: o C = 2/5 = 0,4
intrasesional - Tasa: ciclos/s
- Duracin de ocurrencia: o A = 1/(6+33+36) =
- Acumuladas: 0,013
o A = 32-26 = 6s o B = 2/(6+33+36) =
o B = (26-14) + (75-54) 0,027
= 33s o C = 2/(6+33+36) =
o C = (14-0) + (54-32) 0,027
= 36s - Duracin relativa o
- Total = 75s prevalencia:
- Latencia NO o A = 6/(6+33+36) =
- Lapso: 0,08
o C = 32-14 = 18s o B = 33/(6+33+36) =
o B = 54-26 = 28s
0,44
- o C = 36/(6+33+36) =
0,48
-
- Duracin media: ciclos/s
- o A = 6/1 = 6
o B = 33/2 = 16,5
-
o C = 36/2 = 1
- Medidas secundarias
-
- 4. Durante una sesin de observacin en la que se ha utilizado el
sistema de categoras S = {A, B, C, D}, la categora A se ha
registrado 12 ciclos con una duracin de ocurrencia constante de 2s.
La categora B se registr B se registr 10 veces con una duracin
total de 15s. La categora C se registr durante 5 ciclos con una
duracin total de 17s. Finalmente, la categora D ocurri 8 veces,
tambin con una duracin de ocurrencia constante de 3s. Hallar los
indicadores conductuales estticos primarios y secundarios para
esta sesin.
- Medidas primarias - Total = 24+15+17+24 = 80
- Latencia NO
- Frecuencia: - Lapso:
o A = 12 ciclos o C = 32-14 = 18s
o B = 10 ciclos o B = 54-26 = 28s
o C = 5 ciclos
o D = 8 ciclos -
- Orden de ocurrencia:
-
intrasesional
- Duracin de ocurrencia: - Medidas secundarias
- Acumuladas:
- Frecuencia relativa:
o A = 2x12 = 24s
o A = 12/35 = 0,34
o B = 15s
o B = 10/35 = 0,29
o C = 17s
o C = 5/35 = 0,14
o D = 3x8 = 24s
o D = 8/35 = 0,22

16
 - Tasa: ciclos/s o B = 15/80 = 0,19
o A = 12/80 = 0,15 o C = 17/80 = 0,21
o B = 10/80 = 0,13 o D = 24/80 = 0,3
o C = 5/80 = 0,06 - Duracin media: ciclos/s
o D = 8/80 = 0,1 o A = 24/12 = 2
- Duracin relativa o o B = 15/10 = 1,5
prevalencia: o C = 17/5 = 3,4
o A = 24/80 = 0,3 o D = 24/8 = 3
-
- 5. Para realizar un estudio sobre el comportamiento de un nio en
una situacin de
aprendizaje en la escuela,
se decide observarlo
durante 15 das en su
actividad de juego
heurstico, utilizando el
sistema de categoras S =
{A, B, C, D}. Se realizan 15
sesiones de observacin y
los registros obtenidos son:
a) En qu sesin la categora
C tiene una mayor tasa de
aparicin?
- En la octava sesin.
-
b) Cul es la tasa de la categora A en la sesin de observacin
nmero 12?
- 30,3
c) Qu conducta ocurre ms en la sesin nmero 3?
- La D
d) Cul es la frecuencia relativa de las categoras B en la sesin
nmero 9?
- 72/(74+72+119+45) =
e) Cul es la duracin media de las categoras B y D en las sesiones 1
y 15?
- No se puede calcular porqu nos falta un dato: cual es la duracin
de las categoras por separado.
f) Cul de las categoras A o D ocurren ms por trmino medio en
todas las sesiones?
- Frecuencia media A =
(70+60+62+65+69+72+70+71+74+78+90+91+91+83+87)/15 =
75,5
- Frecuencia media D = 49,6
- La A ocurre ms.
-
-

17
 -
- 6. Muestreo observacional
- Hay situaciones en las que no podemos realizar un registro
continuo, por lo tanto se tendr que hacer un muestreo para facilitar
o relajar el coste en cuanto al esfuerzo del registro. No podemos
observarlo todo directamente as que tendremos que acotar una
serie de parmetros que nos va a facilitar esa observacin
discontinua. Entramos pues, cuando no podemos disponer de un
registro continuo, en el muestreo observacional:
- Dentro del perodo de
observacin vamos a
sealar una serie de
sesiones de observacin
(muestreo intersesional).
Aqu toma mucha
importancia la sesin de
observacin, para ejercer un
muestreo. Dentro de la
sesin tenemos diferentes
momentos de registro y momentos de no registro. Aqu hablaramos
de un muestreo intrasesional. En un caso de muestreo
observacional nunca podr hablar nunca de parmetros primarios ni
secundarios, porque mientras no observamos, los sujetos siguen
haciendo conductas. No podremos hablar de frecuencias ni
prevalencias, por ejemplo, entonces, en vez de hablar de las
prevalencia hablaremos de la estimacin de la prevalencia. Las
estimaciones son valores que se aproximan a los valores reales pero
no son el valor real porque no tenemos el registro continuo,
tenemos partes de registro de una sesin.
- Recordamos, a partir de aqu ya no estamos registrando de forma
continua, estamos ahora en un registro DISCONTINUO.
- Tenemos que decidir unas cuantas cosas en base al nivel
intersesional y al nivel intrasesional:
- Nivel intersesional
o Periodo de observacin
o Periodicidad de las sesiones: cada cuanto tenemos que
realizar una sesin
o Nmero mnimo de sesiones
o Criterio inicios de sesin
o Criterio finales de sesin
- Nivel intrasesional
o Registro continuo (pero con unas caractersticas especiales)
-
- Reglas de muestreo

18
 - Muestreo intrasesional de sujeto: hacen referencia a como vamos a
registrar los sujetos dentro de la sesin.
o Ad libitum: de forma libre. No hay reglas para registrar a los
sujetos dentro de una sesin. Este formato se aplica
habitualmente en la observacin pasiva.
o Muestreo focal: toda mi atencin, toda mi observacin, la voy
a centralizar en una unidad de observacin determinada.
o Muestreo de barrido o multifocal: nuestra atencin se divide.
Contiguo: Si tengo cuatro sujetos divido la sesin en
cuatro partes exactamente iguales. En la primera parte
voy a registrar el sujeto 1, en la segunda parte al sujeto
2, en la tercera parte al sujeto 3, y en la cuarta al sujeto
4. La desventaja es que en las partes 2, 3 y 4 yo no
sabr qu est haciendo el sujeto 1. Para mejorar esto,
tendramos el muestreo de barrido o multifocal
secuencial.
- ________________________
- 1 2 3 4
Secuencial: dividimos la sesin en cuatro partes. Y en
todas las partes registramos los cuatro sujetos.
Problema: el mismo. A la primera parte de la sesin
tengo informacin del mismo. Y al final siempre del
mismo.
- ___________
_____________
- 1234 1234 1234 1234
Alternante: es el mejor barrido multifocal. Me interesa
observar el mismo tiempo a todos los sujetos. En la
primera parte registro al sujeto 1234, en la segunda
parte empezar con el sujeto 2 y despus 341, y etc. As
registramos a todos en diferentes momentos.
- ___________
_____________
- 1234 2341 3412 4123
-
o Muestreo de eventos: a pesar de que estamos dentro del
muestreo intrasesional de sujeto, vamos a registrar
nicamente el evento (uno solo). Es decir, solo registraremos
los sujetos que realizan este determinado comportamiento.
-
- Muestreo intersesional de tiempo: varias sesiones
o Criterio conductual: la sesin empezar cuando se emita por
primera vez una determinada categora. Y cuando aparece
otra determinada categora (o la misma) o cuando deja de
aparecer una categora, finaliza la sesin.

19
 o Criterio temporal: es el ms utilizado. El tiempo es lo que va a
marcar los inicios y finales de sesin.
Aleatorio: el inicio y final de la sesin es aleatorio. No
tiene ningn criterio. Para solucionar los problemas
tenemos el aleatorio estratificado.
Aleatorio estratificado: decides porciones. Es decir,
decides observar por las maanas y dentro de toda la
maana si que es aleatorio.
Por seleccin fija: yo marco los inicios y los finales de las
sesiones por seleccin fija; todos los das a las 9 de la
maana hasta las 3 de la tarde.
-
-
-
- Reglas de registro
- Nos van a decir cuando tenemos que registrar las categoras. Qu
criterio tenemos que seguir para registrar una categora.
- RAT (registro activado por transiciones una transicin es el
cambio de una categora a otra): es casi como un registro continuo
pero con unas matizaciones.
o All ocurrens: voy a registrar todas las ocurrencias de una
categora (A).
o Secuencial: voy a registrar todas las ocurrencias de una
determinada secuencia de categora (ACB).
- RAUT (registro activado por unidades de tiempo). Cuando hablamos
de modalidades RAUT, estas unidades de tiempo son las que
califican a esta regla de registro. Para tener un RAUT tendremos que
tener unidades de tiempo, que tienen que ser constantes en toda la
sesin, y dividir la sesin en n intervalos de tiempo iguales. La
longitud de intervalo se llama THAU.
o Instantneo (puntual, momentneo): se registrar nicamente
la categora que est ocurriendo al final de cada intervalo. Es
el que ms se parecera a un registro continuo.
o Muestreo por intervalos parciales: se registrarn todas las
categoras que ocurran dentro del intervalo sin importarnos ni
el numero de veces que ocurren ni cuanto tiempo ocurren
dentro del intervalo.
o Muestreo por intervalos totales: se registrara nicamente la
categora que ocupe la totalidad del intervalo. Si la categora
llena el intervalo, la registraremos. Si no lo llena todo, no la
registramos.
-
- El trazo grueso del registro continuo de la categora A, quiere decir
que ha ocurrido la categora A.

20
 - Decidimos utilizar una regla de registro RAUT Instantneo. Como
usamos un RAUT tenemos que dividir la sesin en intervalos. Como
se ve debajo del

registro.
- Como estamos
haciendo un
instantneo nos
vamos a fijar en los
puntos finales de cada
intervalo (donde hay 1s i 0s). El 1 representar la ocurrencia de la
categora en este punto y el 0 la no ocurrencia de la categora.
- Miramos al final del primer intervalo. Como se est realizando la
conducta A pondremos un 1. Al final del segundo intervalo tambin
se est produciendo la categora por lo tanto tambin registraremos
1. Al final del tercer intervalo el sujeto no est haciendo la categora
A, por lo tanto registraremos un 0. Y as sucesivamente hasta el final
de la sesin, donde est ocurriendo la categora por lo que
registraremos un 1. Y este es el muestreo instantneo de la
categora A. Ya tengo el registro, y ahora voy a calcular las medidas
que correspondan a este tipo de RAUT:
- Frecuencia modificada (FMi): nmero de intervalos que ocupa
total o parcialmente la categora i. Suma de nmeros 1
(ocurrencias). En el ejemplo: FMi = 6
- Pseudofrecuencia (fi): nmero de pares 01 de la secuencia binaria
que tiene la categora en la sesin. A este nmero de pares 01 se le
sumar una constante r que puede tener dos valores: 0, si la
secuencia binaria se inicia con un 0; y 1 si la secuencia binaria se
inicia con ocurrencia, es decir con un 1. fi = n(01) + r. En el
ejemplo: fi = 3 + 1 = 4. En el caso del registro instantneo la
pseudofrecuencia no tiene aplicacin directa, pero ser un factor
corrector para los intervalos parciales y totales.
- Duracin estimada (Di): se calcula cogiendo la frecuencia
modificada de la categora y multiplicndola por la duracin del
intervalo (T=thau) Di = FMiT
- Prevalencia estimada o duracin relativa ( i): se calcula
cogiendo la frecuencia modificada y dividindola entre el nmero de

21
 intervalos de la sesin. i = FMi / N. En el ejercicio: i = 6/10
= 0,6
-
- RAUT por intervalo parcial:
-

- -
- En los cinco primeros intervalos est ocurriendo la categora A, por
lo tanto la registramos poniendo 1. En el sexto intervalo no est
ocurriendo la categora A, por lo tanto anoto un 0. Y as
sucesivamente. En este caso hay una sobreestimacion: el en
registro por intervalo parcial vamos a decir ms veces de las que
realmente ocurre (fijarse en los intervalos 4 y 5 comparandolos con
el registro continuo). Los parmetros:
- Frecuencia modificada (FMi): nmero de intervalos que ocupa
total o parcialmente la categora i. Suma de nmeros 1
(ocurrencias).
- Pseudofrecuencia (fi): nmero de pares 01 de la secuencia binaria
que tiene la categora en la sesin. A este nmero de pares 01 se le
sumar una constante r que puede tener dos valores: 0, si la
secuencia binaria se inicia con un 0; y 1 si la secuencia binaria se
inicia con ocurrencia, es decir con un 1. fi = n(01) + r. Tenemos
que corregir esta sobreestimacin y para esto tendremos que
utilizar la pseudofrecuencia.
- Duracin estimada (Di): para ponderar esta sobreestimacin, le
restaremos a la frecuencia modificada la pseudofrecuencia y lo
multiplicaremos por Thau. Di = (FMi fi)T
- Prevalencia estimada o duracin relativa ( i): se calcular
restando de la frecuencia modificada la pseudofrecuencia y
dividindolo todo entre el nmero de intervalos de la sesin. i
= (FMi fi) / N
-
- RAUT por intervalo total:

22
 - -
- Frecuencia modificada (FMi): nmero
de intervalos que ocupa total o
parcialmente la categora i. Suma de nmeros 1 (ocurrencias).
- Pseudofrecuencia (fi): nmero de pares 01 de la secuencia binaria
que tiene la categora en la sesin. A este nmero de pares 01 se le
sumar una constante r que puede tener dos valores: 0, si la
secuencia binaria se inicia con un 0; y 1 si la secuencia binaria se
inicia con ocurrencia, es decir con un 1. fi = n(01) + r. Tenemos
que corregir esta sobreestimacin y para esto tendremos que
utilizar la pseudofrecuencia.
- Duracin estimada (Di): para ponderar esta sobreestimacin, le
sumaremos a la frecuencia modificada la pseudofrecuencia y lo
multiplicaremos por Thau. Di = (FMi + fi)T
- Prevalencia estimada o duracin relativa ( i): se calcular
sumando la frecuencia modificada y la pseudofrecuencia y
dividindolo todo entre el nmero de intervalos de la sesin. i

= (FMi + fi) / N
-
- EJERCICIOS
- 1. Se ha obtenido un registro continuo o activado por transiciones
(RAT) de una cierta categora conductual, anotando en qu
segundos se iniciaba y finalizaba cada una de sus ocurrencias
durante una sesin de 3 min. La grfica siguiente es una
representacin de dicho registro en la que el trazo grueso indica la
ocurrencia de la categora
- Qu registros se hubiesen obtenido de haber utilizado:
- a) Un muestreo instantneo: se registrar nicamente la categora
que est ocurriendo al final de cada intervalo.
- Frecuencia modificada (FMi) = 11
- Pseudofrecuencia (fi) fi = 2 + 1 = 3
- Duracin estimada (Di) Di = 1110 = 110s
- Prevalencia estimada o duracin relativa ( i) i =
11/18 = 0,61s

-
- b) Un muestreo de intervalo parcial: se registrarn todas las
categoras que ocurran dentro del intervalo sin importarnos ni el
numero de veces que ocurren ni cuanto tiempo ocurren dentro del
intervalo
- Frecuencia modificada (FMi) = 14

23
 - Pseudofrecuencia (fi) fi = 3 + 1 = 4
- Duracin estimada (Di): (14 4)10 = 100s
- Prevalencia estimada o duracin relativa ( i) i = (14
4)/18 = 0,55s
-
- c) Un muestreo de intervalo total: se registrara nicamente la
categora que ocupe la totalidad del intervalo
- Frecuencia modificada (FMi): 5
- Pseudofrecuencia (fi) fi = 4 + 0 = 4
- Duracin estimada (Di) Di = (5 + 4i)10 = 90s
- Prevalencia estimada o duracin relativa ( i) i = (5 +
4)/18 = 0,5s
-
- 2. En una sesin de 60 unidades de tiempo se obtuvo el siguiente
registro continuo o activado por transiciones de 4 categoras, S =
{A, B, C, D}. Estudiar los registros RAUT que se derivan de l, si la
longitud de intervalo es de 5 unidades de tiempo (T = 5). Hallar la
frecuencia modificada y la pseudofrecuencia en cada uno de los
RAUT.
- a) Muestreo instantneo:
-
-
- 3. En una sesin de 100s se obtuvo el siguiente registro continuo o
activado por transiciones de una categora:
- _____/_____/_____/_____/_____/_____/_____/_____/_____/_____/_____/_____
- 8 21 32 40
59
- /_____/_____/_____/_____/_____/_____/_____/_____
- 64 86 100
- Hallar los registros que se obtienen utilizando un muestreo parcial y
total, calculando la estimacin de la prevalencia para las longitudes
de intervalo T = 5s, T= 10s, T= 20s y T= 25s. Realizar una
representacin grfica donde se representen los dos tipos de
muestreo a travs de las diferentes longitudes de intervalo.
- T = 5s
a) Muestreo parcial
- Frecuencia modificada (FMi) = 11
- Pseudofrecuencia (fi) fi = 4 + 0 = 4
- Duracin estimada (Di): (11 - 4)10 = 70s
- Prevalencia estimada o duracin relativa ( i) i = (11
4)/20 = 0,35s

24
b) Muestreo total
- Frecuencia modificada (FMi) = 7
- Pseudofrecuencia (fi) fi = 4 + 0 = 4
- Duracin estimada (Di): (7 + 4)10 = 110s
- Prevalencia estimada o duracin relativa ( i) i = (7
4)/5 = 0,6s
-
- __________/__________/__________/__________/__________/__________/_____
_____/
- 0 8 21 32 40
59 64
- __________/__________/__________/
- 86 100
- T = 10s
a) Muestreo parcial
- Frecuencia modificada (FMi) = 8
- Pseudofrecuencia (fi) fi = 4 + 0 = 4
- Duracin estimada (Di): (7 + 4)10 = 110s
- Prevalencia estimada o duracin relativa ( i) i = (7
4)/5 = 0,6s
-
-
- 4. A partir del siguiente registro continuo en el que se ha utilizado el
sistema de categoras de conducta S = {A, B}, exhaustivo y
mutuamente excluyente, anotando en qu unidades de tiempo se
inicia y finaliza cada una de sus ocurrencias durante una sesin de
2min; representar los registros que se hubiesen obtenido de haber
utilizado las tres modalidades de RAUT, para las que se define una
longitud de intervalo de 10s. A partir de estos registros calcular los
siguientes indicadores conductuales:
- RAUT instantneo A: - RAUT instantneo B:
categora al final categora al final
- Frecuencia modificada - Frecuencia modificada
(FMi): 7 (FMi): 5
- Pseudofrecuencia (fi): 4 + - Pseudofrecuencia (fi): 3 +
0=4 1=4
- Duracin estimada (Di): - Duracin estimada (Di):
710 = 70s 510 = 50s
- Prevalencia estimada o - Prevalencia estimada o
duracin relativa ( i): 7 duracin relativa ( i): 5
/ 12 = 0,58 / 12 = 0,41
-

25
 - RAUT por intervalos - RAUT por intervalos
parciales A: todas parciales B: todas
- Frecuencia modificada - Frecuencia modificada
(FMi): 10 (FMi): 9
- Pseudofrecuencia (fi): 2 + - Pseudofrecuencia (fi): 2 +
0=2 1=3
- Duracin estimada (Di): - Duracin estimada (Di): (9
(10 2)10 = 80s 3)10 = 60s
- Prevalencia estimada o - Prevalencia estimada o
duracin relativa ( i) = duracin relativa ( i) =
(10 2) / 12 = 0,66 (9 3) / 12 = 0,5
- RAUT por intervalos totales - RAUT por intervalos totales
A: totalidad B: totalidad
- Frecuencia modificada - Frecuencia modificada
(FMi): 3 (FMi): 2
- Pseudofrecuencia (fi): 3 + - Pseudofrecuencia (fi): 1 +
0=3 1=2
- Duracin estimada (Di): (3 - Duracin estimada (Di): (2
+ 3)10 = 60s + 2)10 = 40s
- Prevalencia estimada o - Prevalencia estimada o
duracin relativa ( i): duracin relativa ( i):
(3 + 3) / 12 = 0,5 (2 + 2) / 12 = 0,33
-
- 5. A partir del siguiente registro, calcular la estimacin de la
prevalencia de B para intervalos de 5s, a travs de un registro RAUT
en su modalidad de muestreo por intervalo parcial:
- Frecuencia modificada (FMi) = 3
- Pseudofrecuencia (fi) = 2 + 0 = 2
- Duracin estimada (Di) = (3 2)5 = 5s
- Prevalencia estimada o duracin relativa ( i) = (3 2) / 8 =
0,125
-
- 6. La segmentacin del flujo conductual que a continuacin se
presenta, corresponde al registro del comportamiento de un sujeto,
utilizando el sistema de categoras S = {A, B, C, D}. Calcular cual de
las categoras posee una duracin relativa estimada mayor, en un
RAUT por intervalo total, con un THAU = 10s.
- Categora A: - Categora B:
- FMi = 3 - FMi = 0
- Fi = 2 + 1 = 3 - Fi = 0
- Di = (3 + 3)/10 = 0,6 - Di = 0
- - Categora C:

26
 - FMi = 0 - Categora D:
- Fi = 0
- Di = 0 - FMi = 1
- Fi = 1 + 0 = 1
- - Di = (1 + 1)/10 = 0,2
- La categora A es la categora que posee una duracin relativa
estimada mayor.
-
-
-
-
-
-
-
-
- 7. Control de calidad de los datos
- Si la calidad es muy mala, los resultados van a ser malos; por lo
tanto es una fase muy importante. Podemos tener un instrumento
de evaluacin muy bueno, con unas valideces muy buenas, pero se
ha utilizado mal por los observadores. As que puede ser que
tengamos malos registros y tengamos que mejorar algo.
- Una vez que ya tengo mi instrumento de observacin y ms
registros, tengo que ver si mi instrumento de observacin con mis
registros es bueno.
- La calidad de los datos se centra en dos conceptos bsicamente:
- Fiabilidad: grado de concordancia entre los registros obtenidos por
dos observadores falibles al observar de forma independiente la
misma conducta empleando los mismos sistemas de categoras.
o Inter-observadores: se comparan los datos obtenidos por dos
observadores falibles que han sido igualmente entrenados,
usando los mismos sistemas de categoras, observando de
forma independiente y observando a los mismos individuos
durante las mismas sesiones.
o Intra-observadores: se comparan datos obtenidos por un
mismo observador falible, al observar en dos ocasiones
(distantes en el tiempo) a los mismos individuos empleando
los mismos sistemas de categoras.
- *el concepto de fiabilidad es el
que nos va a dar la calidad en el anlisis. Concordancia y
acuerdo conceptos relacionados con la fiabilidad.
- Tipos de fiabilidad:

27
 Fiabilidad global o de sesin: basada en las medidas
globales primarias. Es la ms bsica, la ms fcil, la
menos potente.
Fiabilidad secuencial: lo mismo que hemos visto antes
pero ahora buscaramos secuencias. En este caso la
cosa cambia; es un punto ms elevado, algo mejor.
Ahora lo que busco es el orden, la secuencialidad. Si
tenemos una alta fiabilidad secuencial, tambin una alta
f. global.
Fiabilidad punto por punto: tendremos unos puntos
donde habr un registro para el observador 1 y unos
puntos para el observador 2. A un registro del
observador 1, qu es lo que ha registrado el observador
2? Es la mejor fiabilidad, la ms interesante y la ms
utilizada. Una alta fiabilidad pxp implica que las otras
dos fiabilidades sean altas.
-
- Precisin: grado de concordancia entre los registros obtenidos por
un observador falible y uno infalible, perfecto o estndar al observar
de forma independiente la misma conducta empleando los mismos
sistemas de categoras. La precisin es un mejor indicador de la
calidad de los datos observacionales que la
fiabilidad. Mayor ser la precisin cuantos menos
errores se cometan. Cuando se quieren obtener
los registros de un observador infalible, se
dispone de un juicio donde jueces expertos en el
tema llegan a un consenso. Si hay mucho grado
de concordancia, el observador falible es bueno; si hay poco grado
de concordancia, el observador falible es malo. Operativamente,
obtener un registro para la precisin es muy difcil. Entonces la
gente opta por la fiabilidad (aunque sea mejor la precisin) ya que
es ms sencillo.
-
- [Validez observacional]
o Validez interna: cuando las puntuaciones del observador
miden lo que se proponen medir.
o Validez de contenido: grado en que las categoras de conducta
reflejan adecuadamente el dominio conductual objeto de
estudio.
o Validez de constructo: grado en que las categoras de
conducta son buenos indicadores de constructor
inobservables.
-
- Error
o Errores cuantitativos: errores tontos, mal calculadas las
medidas globales)

28
 o Error cualitativo: los comete el observador a la hora de
observar.
Omisin: dejas de registrar una categora
Comisin: se registra mal una categora (en vez de
registrar A, B).
-
- Coeficientes
- Fiabilidad y precisin globales
o Correlacin lineal de Pearson (2observadores)
o Coeficiente intra-clase de Berck (+2 observadores)
- Fiabilidad y precisin secuenciales
o Correlacin lineal de Pearson (2 observadores)
o Coeficiente intra-clase de Berck (+2 observadores)
- Fiabilidad punto por punto (tenemos muchas maneras de calcularla)
o Porcentajes de acuerdo
% de acuerdo total (ventaja: fcil de calcular.
Desventaja: no nota el efecto del azar y solo se puede
registrar una categora a la vez)
% de acuerdo en ocurrencias (solo incluye las
ocurrencias)
% de acuerdo en no ocurrencias
% de acuerdo medio
% de acuerdo total ponderado
% de acuerdo en ocurrencias ponderado
o ndices
Kappa de Cohen (el que ms utilizaremos)
Pi
G
Lambda
o Coeficientes
Q de Yule
Phi
o Acuerdos
- Los observadores son personas as que comenten errores. Hay
diversos tipos de errores:
- Errores mecnicos de registro
- Errores de interpretacin del sistema de categoras
o Deriva del observador: registro lo que yo he entendido
o Deriva consensuada: los tres o cuatro observadores se ponen
de acuerdo en cuando registrar cada categora. Hacen su
interpretacin (errnea)
o Complejidad S.C: cuando un sistema de categoras es muy
complejo, los observadores cometen errores de interpretacin
- Errores perceptivos
o Localizacin espacial: observar en el sitio adecuado

29
 o Localizacin temporal: observar en el momento adecuado (si
son monos nocturnos observamos por la noche, sino
errores)
o Duracin del estmulo: importante. Si es muy rpido ponemos
un observador rpido. Si es un estmulo lento, un estado,
pondremos un observador lento, con paciencia.
o Seleccin de la atencin: vdeo de los pases de pelota y el
gorila.
o Efecto de centracin: todas las categoras que ocurren son B
o Efecto de asimilacin: no todas van a ir a una categora pero
hay dos o tres que se parecen mucho, las asimilo en una. A i B
A, C i D C
- Errores debidos a caractersticas del observador
o Efectos biosociales: donde naci. Es importante porque
dependiendo de donde naci sabremos de que raza es, y en
funcin de la raza hay diferencias. Las personas blancas y de
color registran de formas diferentes. El gnero tambin es un
aspecto a controlar. Estatus.
o Efectos biogrficos: hay que tener en cuenta la historia del
observador. De donde viene, donde naci Su biografa.
o Efectos psico-sociales: hacen referencia al comportamiento o
a la estructura psicolgica del observador en cuanto a su
observacin. Esquizofrnico no porque registrar diferente
segn el momento.
o Efectos situacionales: el observador tiene que estar cmodo
en la situacin que tiene que observar. Si l est incomodo,
cometer muchos errores porqu la atencin ser muy
diferente.
o Efectos de expectancia: el observador conoce cual es la
investigacin y lo que har es tender a registrar aquellas
categoras que favorezcan la validacin de la hiptesis del
estudio. O tambin puede hacer perjudicar la investigacin.
- Tambin existen errores de la observacin:
- Reactividad
o Producida por el observador: cuando el observado se siente
observado por el observador, modifica su comportamiento
espontneo.
o Producida por el observado: si yo se que tu sabes que yo te
estoy observando, yo modifico mi forma de registrar.
-
- Porcentajes de acuerdo
- Porcentaje de acuerdo total: T% = (a + d) / (a + b + c + d) x
100
- Porcentaje de acuerdo en ocurrencias: O% = a / (a + b + c) x
100

30
 - Porcentaje de acuerdo en no ocurrencias: NO% = d / (b + c +
d) x 100
- Porcentaje de acuerdo medio en ocurrencias y no
ocurrencias: M% = (O + NO) / 2
- S = {A, B, C, D}
- - - - - - - - - -
O A C D B A B C A D

- - - - - - - - - -
O A C D B A C D A D

-
- CATEGORA A: Obs2
- 1 0

- 3 - 0 - 1 3
- Obs1 0 6
( (
- Total matriz: 9
a b
- T% = (a + d) / (a + b + c + d) x 100 = (3 + 6) /
) ) (3 + 0 + 0 + 6) x 100 = 100%
- 0 - 6
-
- CATEGORA B: Obs2
( (
- 1 0
c d
- 1
) - 1
) - 1 2
- Obs1 0 7
( (
- Total matriz: 9
a b
- T% = (a + d) / (a + b + c + d) x 100 = (1 + 5) /
) ) (1 + 1 + 0 + 7) x 100 = 66,67%
- 0 - 7
- 0% = a / (a + b + c) x 100 = 1 / (1 + 1 + 0) x
100 = 50%
( ( -
c
- 1 d
- 1 - CATEGORA C: Obs2
) ) - 1 0
( (
- 1 2
a b
) ) - Obs1 0 7
- 1 - 6 - Total matriz: 9

31
( (
c d
) )
 - T% = (a + d) / (a + b + c + d) x 100 = (1 + 6) / (1 + 1 + 1 + 6) x
100 = 77,78%
- NO% = d / (b + c + d) x 100 = 6 / (1 + 1 + 6) x 100 = 75%
-
-
- COEFICIENTE KAPPA DE COHEN (1960)
- El coeficiente Kappa refleja la concordancia inter-observador y
puede ser calculado en tablas de cualquier dimensin, siempre y
cuando se contrasten dos observadores (para la evaluacin de
concordancia de tres o mas observadores se utiliza el coeficiente
kappa de Fleiss). El coeficiente Kappa puede tomar valores de +1 a
-1. Mientras ms cercano a +1 mayor es el grado de concordancia
inter-observador; por el contrario, mientras ms cercano a -1 mayor
es el grado de discordancia inter-observador. Un valor de K = 0
refleja que la concordancia observada es precisamente la que se
espera a causa exclusivamente del azar.
- Criterios de Fleiss
- 0,5 0,59: fiabilidad o precisin baja
- 0,6 0, 69: fiabilidad o precisin aceptable
- 0,7 0,79: fiabilidad o precisin buena
- 0,8 0,9: muy buena
- El coeficiente Kappa se construye en base a un cociente, el cual
incluye en su numerador la diferencia entre el sumatorio de las
concordancias observadas y el sumatorio de las concordancias
atribuibles al azar, mientras que su denominador incluye la
diferencia entre el total de observaciones y el sumatorio de las
concordancias atribuibles al azar.
- En trminos conceptuales, la frmula del coeficiente Kappa puede
expresarse as:
- T: proporcin de concordancia aleatoria
observada
- T: proporcin de concordancia esperada debida
al azar
-
- Las ventajas de Kappa son que nos permite calcular la fiabilidad de
todo el sistema de categoras, en vez de ir categora por categora.
- Ejemplo:
- S = {A, B, C, D}
- - - - - - - - - -
O A C D B A B C A D

32
 - - - - - - - - - -
O A C D B A C D A D

-
- Obs2 nij (i = obs1, j = obs2)
- - - - - a b c
d
3 0 0 0
- a na+ = 3
- - - -
0 1 1 0 - Obs1 b nb+ = 2

- - - - -

0 0 1 1 - c nc+ = 2
- - - - - d nd+ = 2
0 0 0 2 - n +a n+b n+c n+d
TOTAL = 9
- Ahora con esto podemos calcular ya T y T, y con estas dos
informaciones, Kappa.

- - - - -
A A A A -
-
- - - -
-
B B B B
-
- - - - - T = sumatorio de las celdas con los mismos
C C C C subndices / N = 7/9 = 0,77
- T = sumatorio del producto de los marginales / N 2
- - - -
= (3x3 +2x1 +2x2 + 2x3)/81 = 0,26
D D D D
- K = (0,77 0,26) / (1 0,26) = 0,69 Segn
los criterios de Fleiss es ACEPTABLE
-
- Ejercicio Power:
- T = 9/10 = 0,9
- T = (4x5 +3x3 + 3x2) / 100 = 0,35
- K = (0,9 0,35) / (1 0,35) = 0,85 Segn los criterios de
Fleiss es MUY BUENA
-
-
-

33
 -
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
- 8. Anlisis de datos
- Seguimiento - Puntual (1 o 2 sesiones de
registro)
- Ideogrfico
o Unidimensional - Ideogrfico
o Multidimensional o Unidimensional
- Nomottico o Multidimensional
o Unidimensional - Nomottico
o Multidimensional o Unidimensional
o Multidimensional
- - Cadenas de Markov
- Anlisis secuencial
- P/I/U
intrasesional
- Estadstica descriptiva - Anlisis de coordenadas
- Correlacin ordinal polares
- Ji-cuadrado - Anlisis log-lineal
- Cadenas de Markov - Correlacin intra-clase
- Anlisis secuencial - Regresin logstica
intrasesional - Pruebas no paramtricas
- Anlisis de coordenadas
- P/N/U
polares
- Estadstica descriptiva
- P/I/M - Correlacin ordinal
- Estadstica descriptiva - Ji-cuadrado
- Correlacin ordinal - Cadenas de Markov
- Ji-cuadrado

34
 - Anlisis secuencial
intrasesional
- Anlisis de coordenadas
polares
- Pruebas no paramtricas
- P/N/M
- Estadstica descriptiva
- Correlacin ordinal
- Ji-cuadrado
- Cadenas de Markov
- -
- -
- Anlisis secuencial
intrasesional
- Anlisis de coordenadas
polares
- Anlisis log-lineal
- Correlacin intra-clase
- Regresin logstica
- Pruebas no paramtricas
- S/I/U
- Estadstica descriptiva
- Correlacin ordinal
- Ji-cuadrado
- Cadenas de Markov
- Anlisis secuencial
intrasesional
- Anlisis de coordenadas
polares
- Anlisis log-lineal
- Correlacin intra-clase
- Regresin logstica
- Anlisis de panel
- Anlisis de tendencias
- Series temporales
- Anlisis de varianza
- Anlisis de varianza de
datos categricos
- S/I/M
- Estadstica descriptiva
- Correlacin ordinal
- Ji-cuadrado
- Cadenas de Markov
- Anlisis secuencial
intrasesional
- Anlisis de coordenadas
polares
-
35
- Anlisis log-lineal
- Correlacin intra-clase
- Regresin logstica
- Anlisis de panel
- Anlisis de tendencias
- Series temporales
- Anlisis de varianza
- Anlisis de varianza de
datos categricos
- S/N/U
Estadstica descriptiva
Correlacin ordinal
- Ji-cuadrado
- Cadenas de Markov
- Anlisis secuencial
intrasesional
- Anlisis de coordenadas
polares
- Anlisis log-lineal
- Correlacin intra-clase
- Regresin logstica
- Anlisis de panel
- Anlisis de tendencias
- Series temporales
- Anlisis de varianza
- Anlisis de varianza de
datos categricos
- Pruebas no paramtricas
- S/N/M
- Estadstica descriptiva
- Correlacin ordinal
- Ji-cuadrado
- Cadenas de Markov
- Anlisis secuencial
intrasesional
- Anlisis de coordenadas
polares
- Anlisis log-lineal
- Correlacin intra-clase
- Regresin logstica
- Anlisis de panel
- Anlisis de tendencias
- Series temporales
- Anlisis de varianza
- Anlisis de varianza de
datos categricos
- Pruebas no paramtricas
 - MODELOS LOG-LINEALES
- Est basado en los principios de l regresin lineal mltiple que
permite un mejor anlisis de las variables cualitativas. Solo se
puede utilizar con variables cualitativas o categricas. Es una
tcnica muy apropiada para la metodologa observacional, ya que
los datos provienen de las categoras, por lo tanto son datos
categricos.
- La ventaja de esta tcnica es que supera al Chi cuadrado (las
variables tambin tenan que ser categricas. Nos permita cruzar
dos variables y cuando el p-value es menor que 0,05, el valor de
alfa, decamos que hay relacin entre estas dos variables. Entonces
podamos calcular tambin el tamao del efecto). El log-lineal, en
cambio, a travs de un logaritmo en base e, lo que te permite es
coger dos, tres, o ms variables y relacionarlas todas con todas. Y
esto nos va a permitir encontrar cual es la mejor relacin, cual es la
peor relacin
- Se trata de un modelo saturado o completo entre las variables
cualitativas A, B y C. Se buscara un modelo, ms simple, basado en
el principio de la parsimonia a
travs de la utilizacin de los
procedimientos de anlisis
jerrquico. Se obtiene el modelo
ms parsimonioso a travs del
ms complejo o ms saturado.
- Ejemplo tennis:
-
-
- VARIABLES
- SITUACIN - SITUACIN - GOLPES - FRECUEN
HORIZONTAL VERTICAL CIA
- - - Directo - 12
- - Red - Revs - 18
- - Mates - 6
- - Dejada - 6
- - - Directo - 6
- Izquierda - Medio - Revs - 30
campo - Mates - 6
- Dejada - 6
- - Directo - 12
- Fondo - Revs - 96
- Mates - 6
- Dejada - 4
- - - Directo - 60
- Revs - 6

36
 - - Red - Mates - 6
- - Dejada - 18
- - - Directo - 60
- - Medio - Revs - 18
campo - Mates - 6
- Derecha
- dejada - 12
- - Directo - 180
- Fondo - Revs - 12
- Mates - 6
- Dejada - 6
-
-
- ANLISIS SECUENCIAL DE RETARDOS
- Definicin: permite detectar la existencia de patrones de conducta
que no son directamente perceptibles, y que sern tiles para el
profesional, en procesos de diagnstico y de intervencin.
- Objetivos:
- Generar una lista serial y de esta hacer un extracto para determinar
un patrn de conductas que est inmerso en esta lista serial. Nos va
a permitir buscar asociaciones.
- Bsqueda de relaciones de asociacin significativas entre conductas
registradas para determinar un patrn de conductas.
- Deteccin de patrones de conducta.
-
- Partimos de una secuencia de conductas. De ah vamos a calcular
unas probabilidades incondicionales y tambin vamos a calcular
unas probabilidades de apareo o condicionales. A travs de una
prueba binomial vamos a conseguir una cadena de conductas
excitatorias en un retardo o una cadena de conductas inhibitorias en
un retardo.
-
Retardo: transicin entre las ocurrencias de dos categoras
contiguas o no contiguas en una secuencia de conductas. Los
retardos se contabilizan desde la ocurrencia de una conducta
criterio o antecedente hasta las ocurrencias de las conductas
apareadas o subsecuentes.
Secuencialidad: una secuencia de conducta posee orden si existe
alguna unidad de conducta cuya ocurrencia en un punto de la
secuencia depende de qu conductas han ocurrido antes.

37
 Conducta criterio: el inicio de un
patrn secuencial viene dado por la
conducta criterio a partir de la cual se
analizaran las ocurrencias de las
conductas en los diferentes retardos. Es
el punto de referencia.
-
- Secuencia:
- ACBABABCDC
- Cogeremos como conducta criterio la A y vamos a hacer un anlisis
prospectivo.
- Calculamos las frecuencias esperadas:
- Frecuencia esperada de A: 3
- B: 3
- C: 3
- D: 1
- Ahora calculamos las frecuencias observadas para cada categora
en cada retardo (empezamos con el 1r retardo):
- Frecuencias observadas A A: 0 (no hay ninguna transicin a - a)
- A B: 2 (tengo 2 transiciones a b)
- A C: 1
- A D: 0
- Frecuencias observadas totales en el primer retardo: 3
- Ahora buscamos en el tercer retardo:
- A A: 1
- A B: 1

38
 - Si hemos hecho bien la tabla, la columna total tiene que ir
- Reta - A - B - C - D - Total
rdo - 3 - 3 - 3 - 1 - 10
Glob
al
- 1 - 0 - 2 - 1 - 0 - 3
- 2 - 1 - 1 - 1 - 0 - 3
- 3 - 1 - 1 - 0 - 1 - 3
- 4 - 0 - 1 - 2 - 0 - 3
- 5 - 1 - 0 - 0 - 1 - 2
- 6 - 0 - 1 - 1 - 0 - 2
- 7 - 0 - 0 - 1 - 0 - 1
- 8 - 0 - 0 - 0 - 1 - 1
- 9 - 0 - 0 - 1 - 0 - 1
decreciendo gradualmente y de forma ordenada. (esta tabla es
cogiendo la conducta A como criterio)
-
- Ahora calculamos las probabilidades esperadas o incondicionales:
- Probabilidad incondicional de A = 3/10 = 0,3
- B = 3/10 = 0,3
- C = 3/10 = 0,3
- D = 1/10 = 0,1
- Si las sumamos todas nos da uno!!!!
-
- Probabilidades observadas o condicionales:
- Probabilidad observada de A para el primer retardo = 0/3 = 0
- B = 2/3 = 0,67
- C = 1/3 = 0,33
- D = 0/3 = 0
- A - B - C - D - Total
- 0,3 - 0,3 - 0,3 - 0,1 - 1
ser
eso el
valor
techo
para el
grafico
!
- 0 - 0,67 - 0,33 - 0 - 1
- 0,33 - 0,33 - 0,33 - 0 - 1
39
 - 0,33 - 0,33 - 0 - 0,33 - 1
- 0 - 0,33 - 0,67 - 0 - 1
- 0,5 - 0 - 0 - 0,5 - 1
- 0 - 0,5 - 0,5 - 0 - 1
- 0 - 0 - 1 - 0 - 1
- 0 - 0 - 0 - 1 - 1
- 0 - 0 - 1 - 0 - 1
- Ahora representamos todas las probabilidades de la categora A,
cogiendo como valor techo el 0,3. Si superan este valor sern
significativas.
-

40