Your SlideShare is downloading. ×
Metodos De Investigacion
Metodos De Investigacion
Metodos De Investigacion
Metodos De Investigacion
Metodos De Investigacion
Metodos De Investigacion
Metodos De Investigacion
Metodos De Investigacion
Metodos De Investigacion
Metodos De Investigacion
Metodos De Investigacion
Metodos De Investigacion
Metodos De Investigacion
Metodos De Investigacion
Metodos De Investigacion
Metodos De Investigacion
Metodos De Investigacion
Metodos De Investigacion
Metodos De Investigacion
Metodos De Investigacion
Metodos De Investigacion
Metodos De Investigacion
Metodos De Investigacion
Metodos De Investigacion
Metodos De Investigacion
Metodos De Investigacion
Metodos De Investigacion
Metodos De Investigacion
Metodos De Investigacion
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

×
Saving this for later? Get the SlideShare app to save on your phone or tablet. Read anywhere, anytime – even offline.
Text the download link to your phone
Standard text messaging rates apply

Metodos De Investigacion

9,680

Published on

Published in: Education
0 Comments
2 Likes
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total Views
9,680
On Slideshare
0
From Embeds
0
Number of Embeds
0
Actions
Shares
0
Downloads
254
Comments
0
Likes
2
Embeds 0
No embeds

Report content
Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
No notes for slide

Transcript

  • 1. UNIVERSIDAD AUTONOMA DE BAJA CALIFORNIA Métodos de Investigación Diseño Barragán Mayra Sánchez Blanca Uribe Ana Karen Tijuana B.C. 12/02/2009
  • 2. DISEÑO Autor: Sampieri. Plan o estrategia concebida para obtener información que se desea. Señala al investigador lo que se desea. Señala al investigador lo que se debe hacer para alcanzar los objetivos de estudio y para contestar las interrogantes de conocimiento que ha planteado. Diseño Cuantitativo Diseño Cualitativo El investigador utiliza el diseño para Se puede o no concebir un diseño analizar la certeza de las hipótesis para analizar la certeza de la formuladas en un contexto en investigación, la implementación de particular o para aportar evidencia uno o más diseños se vuelve más respecto a los lineamientos de flexible. investigación. Diseño de investigación cuantitativa. En el enfoque cuantitativo se analiza la certeza de que las hipótesis formuladas en un contexto en particular o para aportar evidencia respecto de los lineamientos de investigación. En la investigación disponemos de distintas clases de diseños preconcebidos y debemos elegir uno o varios entre las alternativas existentes, o desarrollar nuestra propia estrategia.
  • 3. Diseño de investigación cuantitativo. Autor: Namakforoosh, Mohammad. El diseño de investigación es un programa que especifica el proceso de realizar y controlar un proyecto de investigación, es decir, el arreglo escrito y formar las condiciones para recopilar y analizar la información, de manera que combine la importancia del propósito de la investigación y la economía del procedimiento. Como implica la definición el diseño de investigación consiste en dos distintos aspectos: 1. El diseño es como un plan sistemático, o una serie de instrucciones para realizar un proyecto de investigación, tal como un plano de construcción. 2. El diseño implica dinero, recursos humanos y tiempo, es decir controla presupuesto y tiempo del proyecto. Usar un diseño formalizado y escrito aumenta la probabilidad de que la investigación proporcione la información deseada para tomar decisiones. La información debe ofrecer precisión, actualidad, suficiencia, disponibilidad y relevancia. Es posible realizar una investigación sin un diseño formal, pero la posibilidad de incumplimiento y problemas durante el proceso de investigación es alta. Realizar una investigación sin un diseño formal es como construir un edificio sin un plano de construcción, con el cual es posible que el edificio resulte más caro, que se termine en más tiempo y que además no se parezca a lo que el constructor visualizó o pensaba en un principio.
  • 4. Importancia de la investigación cuantitativa. El diseño permite evaluar varias alternativas antes de realizar el proyecto. Además, crea mayor seguridad en lo que se va hacer, ahorra tiempo y da mayor flexibilidad porque obliga al investigador a prever eventos inesperados. Además un diseño formal y escrito aumenta la comunicación entre administrador (gerente) e investigador y permite evaluar el proyecto. El diseño en el paradigma cualitativo. Autor: Stake, Robert E. Según este autor los siguientes puntos los que describen el diseño en el paradigma cualitativo.  Requiere de organizar conceptual.  Ideas que expresen la comprensión que se necesita.  Puentes conceptuales que arranquen de lo que ya se conoce.  Estructuras cognoscitivas que guíen la recogida de los datos.  Esquemas para presentar las interpretaciones a otras personas.
  • 5. Autor: Goetz, J.P. Describe el diseño en el paradigma cualitativo es quien describe a esté de la siguiente forma. Con estos diseños, los etnógrafos intentan describir y reconstruir de forma sistemática y lo más detalladamente posible las “ características de las variables y fenómenos, con el fin de generar y perfeccionar categorías conceptuales, descubrir y validar asociaciones entre fenómenos, o comparar los constructos y postulados generados a partir de fenómenos observados en escenarios distintos.  Intenta describir y reconstruir de forma sistemática las características de las variables y fenómenos.  Generar y perfeccionar categorías conceptuales, descubrir y validar asociaciones entre fenómenos.  Comparar los constructos y postulados generados a partir de fenómenos observados.
  • 6. Diseños mixtos (Trazo dividido) Autor: David Clark – Carter. El experimento clásico o de grupos, pre prueba, pos prueba. En este diseño se forman dos grupos y como el nombre lo sugiere cada uno se prueba antes de la intervención. Luego se trata a cada uno de manera diferente y se vuelve a probar. Un grupo puede servir de control. Por ejemplo, se asignan aleatoriamente los participantes a dos grupo. Se miden sus niveles de tensión. A cada grupo se capacita de maneras individual y colectiva para relajamiento en una clínica. A los del segundo no se da tratamiento. Al cabo de dos meses, se mide otra vez el nivel de tensión de cada sujeto. Grupo 2 Grupo 1 Observación Observación VI Nivel 1 VI Nivel 1 Observación Observación Diseño de dos grupos, pre prueba, pos prueba
  • 7. Mixto o mezclado de dos vías. Una variación del diseño mixto supone dos VI, pero una como variable intrasujetos y la otra entre sujetos. Por ejemplo, cuando en el estudio de reconocimientos de rostros se mide a ciertos participantes con fotografías, familiares y no familiares, puesta de cabeza, y a otros, solo con caras presentadas de manera convencional. Grupo 1 Grupo 2 VI 1 nivel 1 VI 1 nivel2 VI 2nivel 1 VI 2nivel 1 VI 2nivel 1 VI 2nivel 1 Observación Observación Observación Observación Diseño mixto que incluye dos VI
  • 8. Otro caso de lo anterior ocurre cuando una VI es un bloque, y los bloques se han formado en orden para contra restar los efectos del orden. Por ejemplo, cuando en un experimento relacionado con la memoria una VI es la pausa antes de recordar, con dos niveles (después de 5 y 20 segundos), un bloque de participantes hará los niveles en el orden de 5 segundos y luego en el de 20, mientras que el otro bloque lo hará en el orden de 20 segundos y luego en el de 5. Una variante más es el diseño de cuadrados latinos con diferente orden de tratamiento entre participantes. El tiempo puede integrarse en el diseño de la misma manera que en los diseños con una VI, retrospectivamente o como parte de una serie de tiempo; de nuevo, la inclusión de un grupo control mejorara la validez interna. Sin embargo, una vez más, si los participantes no están asignados de modo aleatorio a los grupos (grupos no equivalentes), podrían ocurrir problemas de selección.
  • 9. TIPOS DE DISEÑOS. Los diseños se clasifican de diversas maneras. Una consideración que debe guiar su elección del diseño y el sistema de medición será el análisis estadístico que empleara en los datos. Es mejor tener claro esto antes de realizar el estudio, en lugar de descubrir más adelante que tiene que hacer lo mejor que pueda con un mal diseño y con mediciones que no le permiten probar sus hipótesis. Los diseños presentan siete tipos básicos: 1. se toma mediciones de una sola variable en un individuo o en un grupo. Por ejemplo, se mide el IQ de una persona o de un grupo. Tales diseños deben utilizarse con propósitos descriptivos. 2. 3. se emplea una sola variable independiente (VI) con dos niveles y una dependiente (VD). Estos diseños se utilizan para buscar diferencias en la VD entre los niveles de la VI. Por ejemplo, cuando los investigadores comparan las habilidades de lectura de niños a quienes se enseña con dos técnicas. 4. Se emplea una sola VI con más de dos niveles y una VD. Se trata de una extensión del tipo de diseño anterior, que podría incluir la comparación de las habilidades de lectura de niños a quienes se enseño con tres técnicas.
  • 10. 5. intervienen más de una variable VI y una sola VD. Por ejemplo, cuando una VI es una especie de problema de razonamiento con tres variables y una segunda VI es el género, con el número de problemas resueltos como la VD. Igual que con los diseños 2 y 3, los investigadores buscarían diferencias en la VD entre los niveles de las VI. 6. Una versión del diseño anterior se presenta cuando los investigadores tienen interés en descubrir cuán apropiada sería utilizar mediciones (tratadas como VI), desempeño escolar y motivación de los estudiantes, para predecir el grado universitario (tratado como una VD) que alcanzarán éstos. Los primeros cinco tipos de diseños suelen describirse como univariables por que contienen una sola VD. 7. los diseños utilizados para evaluar una relación entre dos variables. 6ª. Este diseño se describe como Bivariable porque – evidentemente – incluye dos variables, pero ninguna de ellas puede clasificarse necesariamente como VI o VD. Por ejemplo, cuando los investigadores buscan la relación entre el desempeño en el bachillerato y en la universidad. 6b.Se trata fundamentalmente del mismo diseño, pero una de las variables se considera independiente y se utiliza para predecir la otra, trata como VD. Por ejemplo, si los encargados de admisiones de una universidad desean predecir, con base en el desempeño en el bachillerato, el desempeño en dicho nivel académico.
  • 11. 8. por último, hay diseños Multivariables con más de una VD. Por ejemplo, cuando se enseña a los niños con más de un método de lectura y los investigadores miden un conjunto de habilidades, como las de leer, deletrear y completar frases. Típicamente, con los diseños se busca determinar si el grupo tratado de cierta manera es distinto de uno que al que se trata de otra manera. Por lo general, los miembros de un grupo proporcionan una sola estadística de resumen que se usa para comparar con otros grupos. Este enfoque considera las variaciones entre individuos del mismo grupo un tipo de error. Varios factores contribuyen a que los individuos del mismo grupo obtengan calificaciones deferentes: 1. diferencias individuales (por ejemplo, en habilidades o en motivación). 2. la confiabilidad del sistema de medición que se utiliza. 3. diferencias en cómo se ha tratado a los individuos en la investigación. Cuando mayor variación de las puntuaciones presentadas en los grupos, tanto menor probabilidad de que se detecten diferencias entre éstos. Por tanto, donde sea posible, tales fuentes de variación se reducirán al máximo en los diseños. Un diseño eficiente es aquel donde pueden detectarse diferencias genuinas entre grupos. No obstante, los investigadores desean evitar la introducción de variables de confusión que produzcan diferencias falsas entre los diversos tratamientos o que en mascaran las genuinas entre éstos. Algunos intentos por contrarrestar las variables de confusión en diseños pueden aumentar las diferencias individuales dentro de grupos, lo cual lleva a producir diseños menos eficientes.
  • 12. El diseño es un planteamiento de una serie de actividades sucesivas y organizadas, que pueden adaptarse a las particularidades de cada investigación y que nos indica los pasos y pruebas a afectar y las técnicas a utilizar para recolectar y analizar los datos. Los tipos de diseños, de acuerdo con los datos recogidos para llevar a cabo una investigación, categorizar, en dos tipos básicos: diseño bibliográfico, diseño de campo. Diseño bibliográfico Cuando recurrimos a la utilización de datos secundarios, es decir, aquellos que ha sido obtenido por otros y nos llegan elaborados y procesados de acuerdo con los fines de quienes inicialmente los elaboran y manejan, por lo cual decimos que es un diseño bibliográfico. La designación bibliografía hace relación con bibliografía: toda unidad procesada en una bibliografía. Conviene ante este diseño comprobar la confiabilidad de los datos, y es labor del investigador asegurarse de que los datos que maneja mediante fuentes bibliográficas sean garantía para su diseño.
  • 13. Diseño de campo Cuando los datos se recogen directamente de la realidad, por lo cual los denominamos primarios, su valor radica en que permiten cerciorarse de las verdaderas condiciones en que se han obtenido los datos, lo cual facilitan su revisión o modificación en caso de surgir dudas. Conviene anotar que no toda información puede alcanzarse por esta vía, ya sea por limitaciones especiales o tiempo, problemas de escasez o de orden ético. En cuanto a los diseños de campo, es mucho lo que se ha avanzado, y podemos presentar varios grupos de diseños este tipo; si bien decimos que cada diseño es único, participa de características comunes, especialmente en su manejo metodológico, lo cual ha permitido hacer la siguiente categorización. Tipos de diseños de campo. Diseño de encuesta. Exclusivo de las ciencias sociales. Por parte de la premisa de que si queremos conocer algo sobre el comportamiento de las personas, lo mejor es preguntarlo directamente a ellas. Es importante en este diseño determinar la validez del muestreo. Diseño estadistico. Efectúa mediciones para determinar los valores de una variable o de un grupo de variables. Consistente en el estudio cuantitativo o en evaluación numérica de hechos colectivos.
  • 14. Diseño de casos. Estudio exclusivo de uno o muy pocos objetos de investigación, lo cual permite conocer en forma amplia y detallada a los mismos, consiste, por tanto, en estudiar cualquier unidad de un sistema, para estar en condiciones de conocer algunos problemas generales del mismo. Diseños experimentales. Cuando a través de un experimento se pretende llegar a la causa de un fenómeno. Su esencia es la de someter el objeto de estudio a la influencia de ciertas variables en condiciones controladas y conocidas por el investigador. Diseño cuasi – experimental. Cuando estudia las relaciones causa – efecto, pero no en condiciones de control riguroso de las variables que maneja el investigador en una situación experimental. Diseño ex post facto. Cuando el experimento se realiza después de los hechos y el investigador no controla ni regula las condiciones de la prueba. Se toma como experimentales situaciones reales y se trabaja sobre ellas como si estuvieran bajo nuestro control.
  • 15. Descripción Investigación cuantitativa. Debe ser lo más “objetiva” posible estando que afecten las tendencias del investigador u otras personas. Se pretende generalizar los estudios encontrados en un grupo o en una colectividad mayor. La meta principal de los estudios cuantitativos es la construcción y demostración de teorías. Este enfoque utiliza la lógica o razonamiento deductivo. El enfoque cualitativo a veces referido como investigación naturalista, fenomenológica, interpretativa o etnográfica, es una especie de “paraguas”, en el cual se incluye una variedad de concepciones, visiones, técnicas y estudios no cuantitativos. Se utiliza en primer lugar para descubrir y refinar preguntas de investigación. Ventajas y desventajas La investigación cuantitativa nos brinda la posibilidad de generalizar los resultados más abundantemente, nos concede control sobre los fenómenos, así como un punto de vista de conteo y las magnitudes de estas. Además, nos ofrecen una gran posibilidad de réplica y un enfoque sobre puntos específicos de tales fenómenos, aparte que facilita la comparación entre estudios semejantes. La investigación cualitativa aporta profundidad a los datos, dispersión, riqueza interpretativa, contextualización del ambiente o entorno, detalles y experimentos lineales. También aporta un punto de vista fresco, natural y “holístico” de los fenómenos, así como flexibilidad. El método cuantitativo más utilizado por ciencias como la física, química y biología. Por ende es más propio para las ciencias llamadas “exactas” o naturales. El método cualitativo se ha empleado en disciplinas humanísticas como la antropología, la etnografía y la psicología social.
  • 16. CONSIDERACIONES PRÁCTICAS SOBRE EL USO DE METODOS ESTADISTICOS. Es importante tomar en cuenta que aunque el uso de metodologías estadísticas por lo general ayuda a hacer más eficiente el proceso de investigación y de solución de problemas, es necesario reconocer que las metodologías estadísticas por si solas no garantizan investigaciones exitosas, por ello es importante considerar los siguientes puntos: El conocimiento no estadístico es vital. Para utilizar los métodos estadísticos en general en los diseños de experimentos en particular, en primer lugar se requiere que el experimentador tenga un buen nivel de conocimiento técnico y practico sobre el fenómeno o proceso que estudia, de tal forma que pueda vislumbrar con cierta facilidad cuales son los aspectos clave del fenómeno y sea capaz de plantear conjeturas precisas, vislumbrar el tipo de relaciones entre las variables de respuesta y los posibles factores a estudiar. Todo esto ayudara a seleccionar mejor los factores y sus niveles, así como el diseño que es mejor aplicar. Además, ese conocimiento permitirá sacarle un provecho real al análisis estadístico de los resultados y obtener conclusiones que generen aprendizaje y soluciones. Reconocer la diferencia entre significancia estadística e importancia práctica. En ocasiones, un experimentador puede concluir que dos tratamientos son diferentes estadísticamente, pero que tales diferencias, aunque sean significativas, no necesariamente representan una diferencia que en la práctica sea importante.
  • 17. Apostarle más a la experimentación secuencial que a un experimento único y definitivo En ocasiones, los experimentadores novatos pretenden en una sola fase experimentación contestar todas sus interrogantes sobre un proceso o fenómeno en particular. Sin embargo, esto puede llevar a experimentos muy extensos que consuman demasiados recursos y que retarden la generación de resultados. Por ello es importante considerar como alternativas a diferentes fases de experimentación en forma secuencial, en las cuales se alcance paulatinamente una mayor precisión en los conocimientos y soluciones. Es importante no confundir la experimentación secuencial con la experimentación a prueba y error. La experimentación secuencial en cada fase sigue una estrategia bien definida y pesada; por lo tanto, en cada fase se obtienen resultados y conclusiones importantes que permiten generar soluciones y conocimiento más refinado para plantear de mejor manera la siguiente fase de experimentación. Principios básicos El diseño de experimentos trata de fenómenos que son observables y repetibles. Por tanto, sin el pensamiento estadístico, los conceptos de observabilidad y repetibilidad son inherentemente contradictorios. El punto de partida para una correcta planeación es aplicar los principios básicos del diseño de experimentos: Aleatorizacion, repetición y bloqueo, los cuales tiene que ver directamente con que los datos obtenidos sean útiles para responder la validez del análisis de datos.
  • 18. Aleatorizacion. Consiste en hacer las corridas experimentales en orden aleatorio y con material también seleccionado aleatoriamente. Este principio aumenta la probabilidad de que el supuesto de independencia de los errores se cumpla, lo cual es un requisito para la validez de las pruebas de estadísticas que se realizan. Repetición. Es correr más de una vez el tratamiento o una combinación de factores. Las repeticiones permiten distinguir mejor que parte de la variabilidad total de los datos se debe al error aleatorio y cual a los factores. Bloqueo. Consiste en tomar en cuenta todos los factores que puedan afectar la respuesta observada. Otra posible estrategia de bloqueo seria experimentar con cuatro operadores, donde cada uno de ellos prueba en orden aleatorio las cuatro maquinas; en este segundo caso, la comparación de las maquinas quizás es más real. Clasificación y selección de diseños experimentales. Los cinco aspectos que influyen en la selección de un diseño experimental, en el sentido de que cuando cambian por lo general nos llevan a cambiar de diseño, son: 1. el objetivo del experimento. 2. el número de factores a estudiar. 3. el número de niveles que se prueban en cada factor. 4. los efectos que interesa investigar. 5. el costo del experimento, tiempo y precisión deseada.
  • 19. Análisis estadistico Las técnicas de análisis estadistico de la información que se utilizan dependerían en alto grado de la accesibilidad de programas especiales de computación y de la sofisticación del analista. En general, existen varias pautas generales que conviene enfatizar. Los fenómenos se pueden definir generalmente por medio de una o de varias variables que dan carácter de complejidad diverso a los análisis finales. Para poder establecer la consecuencia de la interpretación congruente es necesario que se establezca si el instrumental es para la determinación de una relación de casualidad o para la determinación de una prueba de una hipótesis preexistente. En ambos casos la herramientas por usar dependerán del tipo de información disponible. Por ejemplo, si los datos son de tipo nominal y dentro de dos categorías, la información puede analizarse a través del uso de “variables artificiales” o “Dummy”, que requiere de un análisis especial. Es conveniente en este punto ver en general una breve descripción de las diversas técnicas que se utilizan para determinar relaciones casuales o para la prueba de hipótesis. Las técnicas que analizan en forma muy sucinta se llaman técnicas de análisis multivariado, debido a que trabajan con varias variables en forma simultánea. Existen paquetes estadísticos que permiten una mayor versatilidad en el manejo y análisis de información. Sin embargo, para este tipo de paquetes es conveniente conocer, aunque sea en forma somera, los posibles de su uso. Uno de los paquetes que más se conocen y utilizan es el SPSS (Statitical Package for Social Sciences).
  • 20. Entre las más diversas técnicas, las que más se utilizan se presentan como explicación de la figura. 3.4 Análisis Multivariables Métodos Métodos De De Dependencia Interdependen Métrica No Variable Métrica Dependiente Una Una Varias Varías Métrica No Métrica No Escalas Escalas Métrica s Métrica Multidi Multidi s mension mension Análisis Análisis ales ales Factorial de Métrica conglom Correlac s eración No ión y Análisis Análisis Métrica regresió de Análisis discrimi s n covarian canónic nante múltiple múltiple za y o en varianza variable y s
  • 21. Como podrá verse, los métodos generales de análisis se clasifican de acuerdo con el objetivo que se persigue en su utilización. En primer término están los métodos orientados a determinar la relación de dependencia. Esta relación implica que se presupone que una de las variables o varias de ellas, están dependiendo del comportamiento de una o varias a la vez. Por otro lado, las variables tienen una interdependencia y su variación se explica por la variación de los demás. En ambos casos, el tipo de escala que se utiliza en el instrumento de medición determina el método estadistico a utilizar. Cada técnica estadística tiene un propósito diferente y especifico. Las técnicas estadísticas que más se conocen y utilizan son aquellas en la que la información obtenida es de tipo métrico (intervalar y racional), tanto en su aspecto dependiente como independiente; por ejemplo, cuando la variable dependiente del estudio es de tipo métrico, la regresión múltiple puede ayudar a encontrar y explicar la relación y la correlación entre las variables. La regresión múltiple consiste básicamente en determinar una función (por lo general lineal) en la que se explique el comportamiento de una variable llamada dependiente a través del comportamiento de otras variables (una o varias, cuando es una sola se llama regresión múltiple) que forman la función correspondiente.
  • 22. Nomenclatura Antes de revisar los diseños experimentales se presenta la nomenclatura que se utilizará, para representar de una manera clara y visual la estructura de los diseños.  O indica la medida de la variable independiente antes (O1) o después (O2) del tratamiento. El subíndice expresa la posición de la medida en el diseño.  X indica el tratamiento o variable independiente.  -----, esta línea discontinua sirve para indicar que los sujetos no han sido elegidos ni asignados al azar a los grupos experimentales y de control.  R, esta letra expresa que los sujetos han sido elegidos al azar de la población y asignados, también, al azar a los grupos experimentales y de control. Por otra parte hay que seleccionar a los sujetos para que la muestra sea representativa de la población.
  • 23. Casos clínicos Estudian casos concretos. Ej.: Medir el grado de ansiedad a la entrada del hospital, en pacientes para cirugía, en el post-quirúrgico se medirá el grado de dolor y luego se correlaciona estadísticamente, así se comprobará si los más ansiosos son los que presentan más dolor. Se pasan dos encuestas en el post-quirúrgico, en este caso podría ser que la ansiedad causara dolor y que el dolor causara ansiedad. Esto es un estudio transversal. Variable.  Es cualquier característica, factor, cualidad o atributo a estudiar.  Es algo que se puede modificar en un momento dado.  Es el resultado de las operaciones que debe efectuar el investigador.  Se definen operacionalmente para poderlas medir.  Podremos medir una variable siempre que determinemos las reglas que vamos a usar para la misma. Por ejemplo en la variable sexo:  Varones ---- 1.  Hembras ---- 2. (Significa ser de un sexo distinto a 1). Por ejemplo para medir la tensión arterial, necesito un aparato que me la mida, el esfingomanómetro.
  • 24. Relaciones entre las variables. Definición: Es el vinculo o conexión entre las variables independientes y dependientes de un estudio. Es de suma importancia la relación causa-efecto. Varianza: Es la desviación típica. Varianza consecuente: Si esta es la consecuencia, algo lo causa y es porque algo ha variado. VARIANZA (causa) ---- VARIANZA (consecuencia) Condiciones para afirmar relaciones causales. Hay condiciones que se deben cumplir para decir que una variable es causa de otra variable: 1. Una causa debe de preceder a la otra en el tiempo. 2. Existencia de una relación empírica (estadística) entre la causa y su efecto (de modo que cuando varia una, varia la otra). 3. Ausencia de otras variables que puedan explicar el efecto. (No hay otros factores que la puedan explicar). Ej.: A causa B, y no hay otras causa C, D, E, F, ... que puedan explicar B.
  • 25. Tipos de variables 1.- Variable independiente o manipulada (X): Es la causa, el antecedente, la manipulada, es la clasificación predictoria, es independiente al no depender de otra causa. La variable independiente: 1. Mide (clasifica sujetos) --- Estudio observacional. 2. Manipula (interviene) --- Estudios experimentales. Ej. : Tabaco --- grupo humano. 2.- Variable dependiente o de criterio (Y): Es el efecto, la consecuencia, la medida, es predecible y es medible, depende de otra variable, Con la variable dependiente, los resultados son medidos, es la que busca instrumentos para medir, aplicar el instrumento al sujeto y/o población. 3.- Variables experimentales y contaminadoras: Son variables independientes, también llamadas secundarias, en la variable experimental el investigador manipula o interviene en la variable, en la variable contaminadora o extraña es la propia variable la que confunde la relación entre la variable independiente y la variable dependiente. Debe ser eliminada, es un obstáculo para la investigación.
  • 26. Clasificación de los diseños de investigación  Según la intervención: (Experimentales / Observacionales)  Según el tiempo de estudio: (Transversales / Longitudinales)  Búsqueda causalidad: (Descriptivos /Analíticos)  En función de la V. Independiente: (Simple / Factorial)  En función de los sujetos a estudio: (Con un sujeto / grupos)  En función de las V. Dependientes: (De medida única / medidas repetidas) Diseño de una investigación Finalidades del diseño: • Teórica: para dar respuesta a preguntas de investigación. • Práctica: para controlar la variable. El diseño de investigación como control de varianza: Principio de Maxmincon 1. Maximizar la varianza sistemática (primaria) 2. Minimizar la varianza error: para ello se deberá elegir un grupo homogéneo de sujetos para el estudio y elegir un buen instrumento de medida. 3. Controlar la varianza sistemática extraña o secundaria: para ello se deberán eliminar fuentes de error que contaminen, se conseguirá al elegir los sujetos del estudio aleatoriamente y procurando que los sujetos a estudiar están en las mismas condiciones.
  • 27. LOS ELEMENTOS DE UN DISEÑO FACTORIAL; LA REPRESENTACION GRAFICA, LOS EFECTOS SIMPLES, LA INTERACCION Y LOS EFECTOS PRINCIPALES. Un diseño factorial es un diseño en el que el investigador estudia simultáneamente dos o más variables independiente. En un diseño factorial completa se combinan todos los niveles de una variable con todos los niveles de otra o las otras. Para comprender mejor los resultados de una investigación factorial de dos variables se deben presentar en una grafica. En realidad, en dos, una para cada variable independiente. Se empieza realizando una grafica para cualquiera de las dos variables independientes. La variable independiente elegida la consideramos como “central” a efectos de representación. El carácter central lo da el hecho de figurar en el eje de las abscisas. La otra variable independiente actúa como condiciónate, ya que la central actúa bajo sus condiciones. Una vez que tenemos las graficas para cada una de las variables independientes, empezamos a estudiar cómo se comporta la variable cuando se combina con la otra. A estos resultados parciales de la variable independiente, agrupados bajo las condiciones de la otra variable independiente, se les da el nombre de efectos simples. Se les llama efectos simples porque es como si dividiéramos el experimento de una variable en dos experimentos simples. Cuando ya tenemos los dos efectos simples representados y estudiados, el siguiente paso es comparar como son entre si los dos efectos simples.
  • 28. Una manera operativa de hacerse esta pregunta es reformulada como ¿son paralelas las líneas que representan a los efectos simples? Cuando las líneas que representan los efectos simples no son paralelas, se dice que las dos variables independientes interactúan sobre la dependiente. Existe interacción cuando la manera de actuar de una variable independiente cambia dependiendo del nivel de la otra variable independiente con la que se combina. Si las líneas que representan los efectos simples de una variable independiente no son paralelas, entonces nos indican que existe interacción entre las variables independiente. ¿Tiene alguna repercusión el hecho de que exista interacción entre las variables? Tiene dos repercusiones: Es obligatorio interpretar cada efecto simple por separado, ya que son diferentes. Solo puede interpretarse el efecto promedio, llamado principal, de la variable independiente si se da la circunstancia de que las dos líneas que representan los efectos simples tengan una pendiente del mismo signo. Cuando la línea es horizontal, el signo de la dependiente es cero; cuando sube hacia la derecha, el signo es positivo y cuando sube hacia la izquierda, el signo es negativo.
  • 29. Bibliografía Huertas, J. A. y Montero, I. (2000). La interacción en el aula: aprender con los demás. Buenos Aires: Aique. Gutiérrez, H. y De La Vaga, R. (2008). Análisis y diseño de experimentos. Ed. Mcgraw-Hill Interamericana. Diseño de investigaciones: cuaderno de prácticas. 2ª ed. Gambara D’Errico, Hilda. Métodos de investigación y estadística en psicología. 3ª ed. Coolican, Hugh. Metodología de la investigación. 4ª ed. Hernández, Sampieri. Fernández, Collado. Baptista, Lucio. Análisis y diseño de experimentos. 2ª ed. Gutiérrez Pulido, Humberto. El proceso de la investigación científica. Mario Tamayo y Tamayo. Diseño de investigación. David Clark – Carter.

×