• Share
  • Email
  • Embed
  • Like
  • Save
  • Private Content
La Hiptesis En La Investigacion
 

La Hiptesis En La Investigacion

on

  • 15,072 views

 

Statistics

Views

Total Views
15,072
Views on SlideShare
14,804
Embed Views
268

Actions

Likes
7
Downloads
373
Comments
0

3 Embeds 268

http://seminarionazareno.com.ar 255
http://www.slideshare.net 12
http://www.linkedin.com 1

Accessibility

Categories

Upload Details

Uploaded via as Microsoft PowerPoint

Usage Rights

© All Rights Reserved

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel

La Hiptesis En La Investigacion La Hiptesis En La Investigacion Presentation Transcript

  • DEFINICION Y MEDICION DE VARIABLES El proceso de investigación científica relaciona conceptos y variables, los conceptos son abstracciones que representan fenómenos empíricos y para pasar de la etapa conceptual de la investigación a la etapa empírica, los conceptos se convierten en variables.
    • ¿Dónde se identifica la variable?
    • El atributo, característica a estudiar en un sujeto u objeto se identifica:
    • En el aparecen las variables principales
    • y
    • aparecen otras variables
    OBJETIVOS PROBLEMA
    • ¿Dónde definimos a las variables?
    • En el conceptualización de las variables
    • (se puede identificar otras variables)
    MARCO TEORICO
    • ¿Dónde observamos o medimos a las variables?
    • En el
      • * Las variables deben ser definidas en dos formas: conceptual y operacionalmente.
    DISEÑO METODOLOGICO OPERACIONALIZACION DE LAS VARIABLES
    • Variable es una característica con capacidad de asumir distintos valores, ya sea cualitativa o cuantitativamente.
    • Las variables adquieren valor para la investigación científica cuando pueden ser relacionadas con otras, es decir forman parte de una hípótesis o una teoría.
  • PROCESO DE OPERACIONALIZACION DE UNA VARIABLE
    • Es un conjunto de operaciones secuenciales para la conversión de una variable en dato.
    • Es llevar una variable que está en términos abstractos a un nivel operacional, empírico.
    • Algunas variables no ofrecen mayor dificultad en cuanto a su descripción, definición y medición, otras más complejas se tienen que descomponer en específicas, que tengan el mismo significado y sean susceptibles de medición empírica.
    • Ejemplos:
    • Edad Estatura Clase social
    • Número altura en Nivel Ingresos Ocupación
    • años cmts. educación
    • Los criterios para evaluar el proceso de operacionalización de una variable (o definición operacional) son: la adecuación al contexto, confiabilidad y validez, como se mencionó no todas las variables requieren de definición conceptual, en algunas el mismo título las define, en otras el investigador debe elegir la que proporcione mayor información sobre la variable, capte mejor la esencia de ella, se adecúe a su contexto y sea más precisa.
    • Ejemplo:
    • Aprendizaje
    • puede medirse
    • a través de combinación de los
    • anteriores
    • Exámenes trabajos prácticas
    • INDICADOR: es el referente empírico de la variable.
  • Pasos en el proceso de operacionalización de una variable
    • Conceptualizar la variable, llamada también definición conceptual.
    • Establecer las dimensiones de las variables o variables contenidas en la definición conceptual.
    • Encontrar los indicadores de esas dimensiones (definición operacional)
    • Determinar las escalas de las variables (tipo de medición)
  • PROCESO DE OPERACIONALIZACION DE VARIABLES Concepto Definición conceptual Dimensiones Definición operacional de cada dimensión Indicadores Variable teórica Variable empírica
  • Ejemplos de Indicadores * Edad Nº Años * Nº Hijos 1 2 3 o mas * Peso Nº Kg. * Talla Cmts. * Caries dental Lesión cariosa * Prevalencia de caries dental Nº de piezas cariadas perdidas y obturadas Indice CPO * Higiene bucal Cepillado * Higiene bucal Indice ………… IHO-S
  • Medición de Variables :
    • Categorías o valores numéricos que asume la variable en una escala.
    • Asignar números a las observaciones y estos van a ser susceptibles de análisis.
  • ESCALAS DE MEDICION
  • NOMINAL .- Es el nivel más elemental de medición, consiste en clasificar los objetos de estudio. Agrupa en categorías.
  • Ejemplos de escala nominal : Sexo: F (1) M (2) Estado Civil: Soltero = 1 Casado = 2 Viudo = 3 Divorciado = 4 Unión Libre = 5
  • ORDINAL .- Clasifica los objetos, hechos o fenómenos en forma jerárquica. Ordena de mayor a menor o de menor a mayor. Implica orden entre sus categorías, pero no grado de distancia iguales entre ellas.
  • Ejemplos de escala ordinal : Higiene bucal : Bueno Regular Malo Grado de escolaridad : Primaria Secundaria Superior Peso : Obeso Gordo Normal Bajo peso
  • INTERVALO .- Indica orden entre las categorías y grado de distancia iguales entre ellas, pero no tiene origen natural, sino convencional. El cero es arbitrario, no es real. Ejemplo: Tº Inteligencia
  • RAZON COCIENTE .- Es el nivel más alto de medición para variables cuantitativas. Comprende todos los aspectos : distinción, orden, distancia y permite comparar marcas sirviéndonos de sus proporciones. El cero es real, es absoluto. Ejemplo: Peso Talla Nº Alumnos Edad
  • LA HIPÓTESIS EN LA INVESTIGACION
    • Para comprender mejor la función de la Hipótesis en el TRABAJO CIENTÍFICO, es necesario señalar que no toda conjetura o suposición es una HIPOTESIS CIENTIFICA. Si lo fuera, le restaría a ésta el poder que tiene como instrumento básico en el proceso de la investigación y en el desarrollo de la teoría.
    • Una HIPÓTESIS CIENTÍFICA, es aquella formulación que se apoya en un sistema de conocimientos organizados y sistematizados, y que establece una relación entre dos o más variables para explicar y, si es posible, predecir probabilísticamente los fenómenos que le interesan, en caso de que se compruebe la relación establecida.
  • TIPOS DE HIPOTESIS
    • HIPÓTESIS DESCRIPTIVAS QUE INVOLUCRAN UNA SOLA VARIABLE
    • Señalan la presencia de ciertos hechos, o fenómenos en la población objeto de estudio. Estas hipótesis son simples afirmaciones, sujetas a comprobación y no permiten explicar los hechos o fenómenos en cuestión. Su único valor reside en probar la existencia de una característica o cualidad en un grupo de la población determinado, y en abrir camino para sugerir hipótesis que expliquen la presencia de los fenómenos.
    • La forma de estudiarlas es muy simple, basta saber si la variable estudiada, a través de sus indicadores, se presenta significativamente en la población objeto del estudio.
    • Ejemplo:
    • Las personas marginadas son por lo
    • general apolíticas  Hipótesis
    • Participación Política  Variable
    • Número de elecciones en que
    • participa, filiación partidaria,
    • asistencia a mitin continuos  Indicadores
    • HIPÓTESIS DESCRIPTIVAS QUE INVOLUCRAN UNA SOLA VARIABLE
  • 2. HIPÓTESIS DESCRIPTIVAS QUE RELACIONAN DOS O MAS VARIABLES EN FORMA DE ASOCIACION O COVARIANZA
    • En este tipo de hipótesis, un cambio o alteración de una o más variables independientes, va acompañado de un cambio proporcional, en sentido directo o inverso en la variable dependiente, pero la relación que se establece no es de CAUSALIDAD (a un menor o mayor X, un mayor o menor Y). Estas proposiciones tampoco permiten explicar los fenómenos, pues la relación que se establece es de ASOCIACIÓN. También se llaman HIPÓTESIS ESTADÍSTICAS.
    • No es una relación de CAUSALIDAD porque las variables, en cualquiera de las situaciones pueden ser CAUSA Y EFECTO a la vez. En la mayoría de las ocasiones representan sí el primer paso para establecer HIPOTESIS DE RELACION CAUSAL.
    • Los procedimientos para verificarlas son:
    • a) Mediante el cruzamiento de ítems o preguntas que se formulan en un cuestionario o cédula de entrevista, las cuales exploran los indicadores y variables de las hipótesis.
    • b) Relacionando la información estadística (Tasas, porcentajes, etc.) inherentes a los fenómenos o variables en cuestión. Efectuado esto se procederá a emplear procedimientos estadísticos para probar las hipótesis.
    2. HIPÓTESIS DESCRIPTIVAS QUE RELACIONAN DOS O MAS VARIABLES EN FORMA DE ASOCIACION O COVARIANZA
  • 3. HIPOTESIS QUE RELACIONAN DOS O MAS VARIABLES EN TERMINOS DE DEPENDENCIA.
    • Estas hipótesis son de relación causal, y permiten explicar y predecir, con determinados márgenes de error, los procesos. Adquieren especial importancia ya que si un fenómeno es susceptible de explicarse y predecirse, podrá ser entonces susceptible de controlarse.
    • Para establecer hipótesis de relación causal se requiere cumplir con las siguientes condiciones:
    • a) EXISTENCIA DE VARIACION CONCOMITANTE (asociación). Si varía la variable causal, o independiente, habrá un cambio en la variable efecto o dependiente, de acuerdo a la forma señalada por la hipótesis.
    • b) LA COVARIACION existente no es producto de otros factores “extraños” o aleatorios, por lo que la relación establecida entre las variables sucede efectivamente en la realidad.
    • c) LA VARIABLE CAUSAL o independiente ocurre antes que la variable efecto o dependiente.
    3. HIPOTESIS QUE RELACIONAN DOS O MAS VARIABLES EN TERMINOS DE DEPENDENCIA.
    • Las hipótesis descriptivas que relacionan dos o más variables en forma de asociación o causalidad pueden reunir solo los dos primeros requisitos.
    • El método más efectivo para someter a prueba una Hipótesis de relación causal es el Experimento.
  • ELEMENTOS DE LAS HIPOTESIS
    • a) Unidades de análisis (individuos, grupos, viviendas, instituciones, etc.)
    • b) Variables: características o propiedades cualitativas o cuantitativas que presentan las unidades de análisis.
    • c) Elementos lógicos: que relacionan las unidades de análisis con las variables, y éstas entre sí.
  • CRITERIOS Criterios Siempre se formulan en forma afirmativa Deben plantear la relación entre dos o más variables Deben posibilitar el someter a prueba las relaciones expresadas Deben ser de poder predictivo y explicativo