Metodi Giornalistici - Slide per #ijf10 Perugia, José Luis Dader
Upcoming SlideShare
Loading in...5
×
 

Metodi Giornalistici - Slide per #ijf10 Perugia, José Luis Dader

on

  • 1,392 views

Sabato 24 Aprile, Perugia - Workshop;

Sabato 24 Aprile, Perugia - Workshop;
Metodi Giornalistici - Slide per #ijf10 Perugia, José Luis Dader

Statistics

Views

Total Views
1,392
Views on SlideShare
1,386
Embed Views
6

Actions

Likes
0
Downloads
3
Comments
0

2 Embeds 6

http://www.slideshare.net 5
http://www.crognali.it 1

Accessibility

Categories

Upload Details

Uploaded via as Microsoft PowerPoint

Usage Rights

CC Attribution License

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Processing…
Post Comment
Edit your comment

Metodi Giornalistici - Slide per #ijf10 Perugia, José Luis Dader Metodi Giornalistici - Slide per #ijf10 Perugia, José Luis Dader Presentation Transcript

  • CÓMO EL PERIODISMO PUEDE APROVECHAR LOS MÉTODOS SOCIOLÓGICOS PERIODISMO DE PRECISIÓN: José Luis Dader Catedrático de Periodismo Univ. Complutense
  • COMPOSICIÓN Y LECTURA DE CUADROS ESTADÍSTICOS: PROBLEMAS EN SU PRESENTACIÓN PERIODÍSTICA
  • EJEMPLO: DATOS CRUZADOS DEL COLOR PREFERIDO EN LOS COCHES SEGÚN PAÍS DE LOS ENCUESTADOS VARIABLE 1: Color preferido en los coches (Claros / Oscuros) VARIABLE 2: País de Nacimiento (Italia / España)
  • Colocación de las VARIABLES en cuadros estadísticos Variable Independiente : La que puede producir un cambio. La más antigua en el tiempo. Ej. País de Nacimiento Variable Dependiente : La que puede ser modificada. La más reciente en el tiempo. Ej. Compra de coches según colores España Italia Coches Oscuros Coches Claros B) Variable Independiente en Filas Coches Oscuros Coches Claros España Italia A) Variable Independiente en Columnas
  • ¿ Cálculo de % por Columnas o Filas / V. Ind –V. Dep? 4370 2100 2270 Total 3670 1620 2050 Coches Oscuros 700 480 220 Coches Claros Total España Italia País de Nacimiento y Color Preferido de Coches 100% 42% 58% Coches Oscuros 100% 69% 31% Coches Claros Total España Italia B) País de Nacimiento por Color Preferido de Coches 100% 100% Total 76% 91% Coches Oscuros 24% 9% Coches Claros España Italia A) Color Preferido de Coches por País de Nacimiento
  • ¿ Lectura por Columnas o Filas / V. Ind –V. Dep?
    • Si se calcula sobre la vertical se compara en horizontal
    • Si se calcula sobre la horizontal se compara en vertical
    100% 42% 58% Coches Oscuros 100% 69% 31% Coches Claros Total España Italia B) País de Nacimiento por Color Preferido de Coches 100% 100% Total 76% 91% Coches Oscuros 24% 9% Coches Claros España Italia A) Color Preferido de Coches por País de Nacimiento
  • Ejemplo de construcción problemática: ¿Se suicidan más los viudos o las viudas? N= 642 (100%) 450 (70,0%) 192 (30,0%) Resto de Fallecidos N = 730 (100 %) N =500 N= 230 Total de Viud. Fallecidos N= 88 (100%) 50 (56,9%) 38 (43,1%) Suicidas Totales Viudas Fallecidas Viudos Fallecidos Suicidios/Muerte Natural por Viudedad y Sexo (Total Muertes del Grupo: 730)
  • ¿Se suicidan más los viudos o las viudas? Versión 2ª N= 642 450 (90,0%) 192 (83,5%) Resto de Viud. Fallecidos N = 730 (100 %) N =500 (100 % ) N = 230 (100 % ) Total de Viud. Fallecidos N= 88 50 (10,0%) 38 (16,5%) Suicidas Totales Fallecidos Viudas Fallecidas Viudos Fallecidos Suicidios/Muerte Natural por Viudedad y Sexo (Total Muertes del Grupo: 730)
  • El DISEÑO GRÁFICO CONTRA LA PRECISIÓN DE LECTURA ESTADÍSTICA EJEMPLOS DE ELECCIONES USA 2004
  • Colocación de las VARIABLES en cuadros estadísticos DISEÑO PERIODÍSTICO: ¿Qué hacer cuando la variable independiente tiene muchos grupos? Italia RFA Francia Coches Oscuros Coches Claros UK España A) Variable Independiente en Columnas (con expansión horizontal)
  • Colocación de las VARIABLES en cuadros estadísticos DISEÑO PERIODÍSTICO: ¿Qué hacer cuando la variable independiente tiene muchos grupos? UK RFA España Francia Suiza Italia Coches Oscuros Coches Claros A) Variable Independiente en Columnas (con expansión vertical)
  • REGLAS PARA EL ANÁLISIS DE ENCUESTAS Y SONDEOS ELECTORALES
  • Datos básicos que la Ficha Técnica debe aportar
    • Mención de selección aleatoria / probabilista de la muestra
    • ¿Qué margen de error tienen los datos? Ej. +/- 3,0%
    • ¿A qué proporción de la población se pueden extrapolar los resultados? (Coeficiente de Probabilidad o Nivel de Confianza) El más habitual (95,5%).
    • Y en encuestas electorales
    • ¿Qué margen de error tienen los datos sobre votantes (descontados NS/NC y abstención )? POCAS VECES MENCIONADO
    • Margen de error: El problema del ‘empate técnico’
    • Si tenemos un margen de error de +/- 3% y los siguientes datos en un sondeo electoral:
    • CANDIDATO A: 48% CANDIDATO B: 46%
    • Las opciones se cruzan, porque:
    • CANDIDATO A podría tener 45% (-3%)
    • y el CANDIDATO B: 49% (+3%)
    • El aparente perdedor puede ser incluso el ganador. Luego no es correcto titular que “El Candidato A lleva 2 puntos de ventaja”.
  • COEFICIENTE DE PROBABILIDAD / NIVEL DE CONFIANZA:¿A qué proporción de la población se pueden extrapolar los resultados?
    • La variación máxima entre los datos muestrales y los de la población real no son aplicables al 100%.
    • Si el nivel de confianza es del 95,5% (equivale a 2 “sigmas de precisión”), hay un 95,5% de probabilidades de que los resultados de la población total se mantengan dentro de la variación que el margen de error expresa respecto al resultado obtenido en la muestra.
    • PERO HAY un 4,5% de probabilidades de que los resultados globales rompan la barrera superior o inferior que dice el margen de error.
  • EJEMPLO DE OCULTACIÓN DE DATOS
  • ¿Y qué margen de error tienen los datos sobre votantes (descontados NS/NC y abstención)? (1)
    • Las fichas técnicas publicadas por los medios suelen indicar el % de error para el tamaño total de su muestra.
    • -Ej. 1.200 encuestados, e = +/- 2,9%
    • Pero los cuadros de intención de voto que publican han descontado antes las cifras de abstención y no-respuesta . Los porcentajes no se calculan ya sobre la Base Inicial.
      • * Luego esa distribución ya no corresponde a la base indicada en la ficha técnica ( 1.200 ), sino a la parte de los votantes decididos realmente ( por ej. 800 ). Con lo que el margen de error real ha subido a 3,5% (y casi ningún medio lo aclara).
  • EJEMPLO
  • EJEMPLO
  • La encuesta de 1.000 entrevistados ha podido quedar reducida a 400 votantes declarados. El error habría subido del +/- 3,1% al +/- 5,0%
  • Problema adicional del valor de los resultados por subcategorías
    • En muchas encuestas se añade la comparación de resultados por subcategorías o grupos.
    • Ej. Al dato general de que el Candidato A obtendrá un 48% y el B un 40% se añade que la distribución por regiones es:
    PERO… 9 % 12 % 10 % 12 % Otros 44 % 43 % 40 % 42 % Candidato B 47 % 45 % 50 % 46 % Candidato A Región D % Región C % Región B % Región A %
  • Problema adicional del valor de los resultados por subcategorías PERO…
    • El tamaño muestral de cada subgrupo es ya muy inferior: Si la muestra total era de 1.200 individuos y se han descontado también los NS/NC, puede haber quizá unos 150 encuestados por región. El error de representatividad para cada uno de los subgrupos sube a más de 8%
    • En términos de significación en las comparaciones, las diferencias de menos de 5 puntos pueden ser por casualidad.
    9 % 12 % 10 % 12 % Otros 44 % 43 % 40 % 42 % Candidato B 47 % 45 % 50 % 46 % Candidato A Región D % Región C % Región B % Región A %
  • [email_address] http:// personales.ya.com / jldader /