Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Contrastando las reacciones de adolescentes con el nivel de ocupación de las madres se pudo
concluir que:
Los hijos de madres solas que trabajan se benefician en otras formas aparte de la
obtención de ingresos.
El empleo materno está relacionado con interacciones madre-hijo positivas.
Los hijos de madres solas con empleo de tiempo completo sienten más amistad hacia sus
papás.
Para ser un buen investigador hay que conocer las reglas del juego y seguirlas: comprensión de
terminología e ideas básicas.
El lenguaje de la investigación
Variable:
se manipula ninguna variable, se está frente a dos variables dependientes, por ejemplo, la
observación de cómo se interrelacionan la cantidad de tiempo que dedican los padres a sus
hijos y su desempeño en el trabajo; ninguna variable se manipula, entonces ambas son
dependientes.
Las variables independientes deben asumir más de un valor, por ejemplo, masculino- femenino;
o entre 20 y 29, 30 a 39 y 40 a 49 (en el caso de una edad).
Hipótesis
“Conjetura educada”; refleja el planteamiento general del problema o pregunta que originó el
estudio. Por ello se debe prestar especial atención a la pregunta original.
Hipótesis nula
Ausencia de relación entre las variables en estudio. Son expresiones de igualdad, por ejemplo, no
existe relación entre el tipo de personalidad y éxito en el trabajo. Dos o más cosas son iguales o
no están rencionadas entre sí.
Sirven como punto de partida y marca de referencia contra la cual se medirán los resultados, pues
corresponde a la situación que se acepta como cierta en ausencia de otra información.
Hasta que no se demuestre que hay una diferencia se debe suponer que no la hay.
Cuando hay diferencias, estas se deben a la explicación más atractiva de todas: el azar. Mientras
no haya datos, el azar es la mejor explicación.
Azar: variabilidad aleatoria que se introduce en todo estudio producto de los individuos y de
factores imprevistos.
La hipótesis nula como marca de referencia ayuda a comparar los resultados observados y
verificar si se deben al azar o a algún otro factor.
La mayor parte de los estudios correlacionales tienen hipótesis nula, no así los descriptivos e
históricos.
Hipótesis de investigación:
Expresión definida de la relación entre dos variables. Por ejemplo, para cada hipótesis nula se
puede plantear una (y no la) hipótesis de investigación; por ejemplo, hay una relación entre el tipo
de personalidad y el éxito en el trabajo.
Son expresiones de desigualdad. Son una relación entre variables y no una igualdad.
La desigualdad puede ser direccional y no direccional.
No direccional: la hipótesis no plantea un sentido para la desigualdad, solo dice que hay
diferencia entre las variables. Refleja diferencias entre grupos, pero no dice la dirección de esa
diferencia. Ej.: la calificación promedio de los alumnos de tercero de secundaria es diferente a la de
los alumnos de tercer año de bachillerato en la prueba de memoria ABC.
Direccional: si plantea sentido para la desigualdad (más que o menos que, por ejemplo).
Ej.: la calificación promedio de los alumnos de tercero de bachillerato es mayor a la de los alumnos de
tercer año de secundaria en la prueba de memoria ABC.
1. HN dice que no hay relación entre variables (igualdad) mientras que HI dice que hay
relación (desigualdad).
2. HN siempre se refiere a población, mientras que HI siempre se refiere a muestra.
3. La HN se prueba de forma directa; mientras que la HI se prueba de manera indirecta
(porque es imposible someter a toda la población a la prueba y no se puede asegurar que
no existe una diferencia real entre grupos en cuanto a una variable dependiente).
4. HN siempre se expresan con símbolos griegos las HI con símbolos romanos.
5. HN es una hipótesis implícita y la HI es explícita.
Muestras y poblaciones
Por presupuesto se debe tomar solo una porción de la población o grupo menor para realizar un
estudio; el grupo mayor es la población y el menor es la muestra.
Se busca que la muestra se parezca lo más posible a la población; si la muestra representa
fielmente a la población, los resultados son generalizables o tienen generalizabilidad.
Una muestra solo es representativa de una parte de la población, pero se utiliza para generalizar
acerca de la población.
Concepto de significancia
Significancia o significatividad estadística: queda inconcluso en el apunte.
Sin
Peligros o errores:
1. Enamorarse de una idea: está bien entusiasmarse, pero sin dejar que se nuble el juicio
para hacer las cosas prácticas y correctas.
2. Aferrarse a la primera idea que se viene a la mente: las segundas io terceras ideas suelen
ser más maduras y refinadas.
3. Hacer algo trivial, sin fundamento conceptual ni importancia evidente en el campo:
¿cómo encaja esto con lo que se ha hecho antes?
4. Abarcar más de lo que puede apretar: muchos datos poca reflexión.
5. Hacer algo que ya se hizo.
6.
Pregunta de investigación: articulación de las ideas que al menos implican una relación entre
variables. Mejor hacerlo por escrito (para no salirse con la suya hablando). No es una expresión
declarativa como la hipótesis sino una expresión de interés que lleva a la hipótesis.
Recordar los 5 criterios pata formular hipótesis y emplearlos pata elaborar hipótesis a partir de
las preguntas.
Revisión de bibliografía
Se debe hacer una completa revisión para descartar los errores de duplicación, o trivialidad y
además para armar el marco de referencia dentro del cual se puede contestar la pregunta de
investigación.
Poblaciones y muestras
Base del método inferencial: extrapolar de
una muestra a una población.
2 estrategias de muestreo:
Tiene 4 pasos:
1. Definir población para sacar muestra.
2. Listar todos los miembros de la población.
3. Asignar números a cada miembro de la población.
4. Aplicar un criterio para seleccionar la muestra deseada.
Tabla de números aleatorios: no se debe usar un criterio que esté relacionado con el
objeto de estudio. Si vas a estudiar cómo se ofrecen los voluntarios, no puedes pedir
voluntarios para el estudio.
3. Muestreo estratificado: ¿Qué pasa cuando a priori se sabe que los indicviduos de la
población no son iguales? En ese caso importa que el perfil de la muestra sea igual al perfil
de la población.
2. Muestreo por cuotas: para casos de estratificación de la muestra por alguna razón. Se
escogen personas con determinadas características (niños rurales de primer año) y se
reclutan individuos con estas características hasta cumplir la cuota. Es más fácil de usar
pero menos presciso que el estratificado.
Muestras y error de muestreo
Es imposible una muestra que represente perfectamente a una población.
Error de muestreo: falta de congruencia entre la muestra y la población: diferencia entre las
características de la muestra con las de la población.
La variabilidad y la dispersión indican la magnitud del error: a mayor diversidad de los valores de
las muestras, mayor el error.
A mayor tamaño de la muestra, menor el error (porque se va pareciendo progresivamente al
tamaño de la población).
Hay muestras más confiables que otras: mientras mejor representen a la población, más exactas
son.
¿Cómo minimizar el error de muestreo? Usar los mecanismos descritos y aumentar la muetra
hasta donde sea posible.
s = la desviación estándar de la variable dependiente, ¿qué tanta variabilidad hay en los puntajes
para esta variable?
D = la magnitud que se estima tiene la diferencia promedio entre los dos grupos.
Medición de razón: la escala tiene un cero verdadero. En ciencias humanas es difícil usarlo, pero
tiene ventajas.
2 consideraciones importantes:
1. Las cualidades de un nivel son también cualidades del nivel siguiente superior: las
cualidades medidas en el nivel ordinal, contienen las variables medidas en el nivel
nominal.
2. En cualquier investigación, una variable de resultado pertenece a uno de estos cuatro
niveles de medición.
Nivel nominal de medición: son categóricas y difieren en calidad más que en cantidad. Todos los
niveles nominales son exclusivamente cualitativos. Las categorías son mutuamente excluyentes
(no se puede ser alto y a la vez bajo). Si se usan números como valores, estos no tienen
significado alguno.
Nivel ordinal de medición: describe variables que se pueden ordenar a lo largo de un continuo.
Se pueden poner en categorías y ordenar. Se usan como ordenamiento de resultados, aunque
solo se manejen dos categorías: grande – pequeño.
Nivel de intervalo de medición: (Interval lun (lat.): espacio entre paredes) describe variables que
tienen intervalos iguales entre ellas y permiten determinar la diferencia entre puntos a lo largo
de un continuo. Tienen puntos equidistantes a lo largo de un continuum.
Nivel de razón de medición: (del lat. ratio= cálculo) variables que tienen intervalos iguales entre
ellas pero que además tienen cero absoluto. Es posible la ausencia de la variable o el rasgo.
Confiabilidad
Puntaje observado: el puntaje que se registra: número de palabras, veces, etc. Consiste en los
otros dos puntajes: verdadero + error.
Puntaje de error: abarca todas las razones porque el puntaje observado y el verdadero difieren.
Fuentes de error. Esto ocurre porque el rasgo que se está midiendo cambia permanentemente.
Cuanto más se acerca una prueba al puntaje verdadero, más confiable es.
Hay que reducir las porciones de error para tener más confiabilidad.
Conceptualmente la confiabilidad es un cociente, a menor error aumenta la confiabilidad y se
acerca a 1.
Lo coeficientes de confiabilidad (lo mismo que correlación) varían entre -1.00 y 1.00. 1.00 es la
correlación perfecta osea, sin error de medición. Las pruebas estandarizadas que se usan en las
investigaciones suelen tener 0.80 a 0.90.
Confiabilidad intercalificadores
Medida de consistencia entre dos calificadores para clasificar sucesos en una misma categoría
(mismo ejercicio de una rúbrica). Se calcula tomando el número de acuerdos y dividiéndolo por
el número de periodos calificados. Es clave adiestrar a los calificadores para el ejercicio.
Consistencia interna
Examina qué tan unificados están los reactivos en una prueba o evaluación (se espera que todos
los reactivos de una prueba se relacionen con el constructo que se quiere medir. Esto se mide
correlacionando cada uno de los ítems de la prueba con el desempeño total de la prueba o
escala. Es un coeficiente de correlación.
VALIDEZ
Que la prueba mida lo que se supone debe medir.
Validez de contenido
Grado en que una prueba representa el universo de reactivos del cual se extrajo. ¿Cuán bien
cubren los reactivos seleccionados el universo o dominio que quieren evaluar? Esta validez
habitualmente la reconoce un experto en el dominio.
Validez de criterio
Qué tan bien una prueba estima el desempeño actual (validez concurrente) y también qué tan
bien predice el desempeño futuro (validez predictiva).
Medida del grado en que una prueba está relacionada con algún criterio. Se usa para evaluar las
pruebas de capacidad (habilidades actuales) y de aptitud (habilidades potenciales).
Siempre hay que observar bien el criterio y la relación de dicho criterio con la prueba, pues esto
introduce la duda sobre qué miden realmente las pruebas.
Validez de constructo
Es la más importante.
El grado en que los resultados de una prueba se relacionan con constructos sicológicos
subyacentes. Relaciona los puntajes de una prueba con alguna teoría o modelo conductual
subyacente.