Вы находитесь на странице: 1из 13

Experiencia Curricular de Metodologa de la

Investigacin Cientfica

SESIN N 9-B
PROCESAMIENTO DE DATOS

EL PROCESAMIENTO DE LOS DATOS CUANTITATIVOS

Para ello es necesario que tengamos presente la estructura cuatripartita del dato cientfico, a saber: U.A
(unidad de anlisis), V (variable), R (valor de la variable) e I (indicador). Es necesaria la comprensin conceptual
de lo que es una matriz de datos, a fin de que al ingresar la informacin no cometamos errores. Aun en el caso
de que trabajemos con algn software especfico, como por ejemplo el Paquete Estadstico para Ciencias
Sociales Statistical Package for Social Science (SPSS)-, el conocimiento de los conceptos que desarrollaremos
en este captulo es fundamental. Tambin podr utilizarse una base de datos como Excel.

Unidades de Anlisis Datos de las variables Variables convertidas a dimensiones

Observando la matriz podemos ver, en la primera columna, las unidades de anlisis (U.A.) que se corresponden
con cada una de las encuestas numeradas. Procederemos a ingresar los datos de cada una de las encuestas
hasta completar toda la informacin, antes de continuar con la siguiente. El dato que ingresaremos en cada
Experiencia Curricular de Metodologa de la
Investigacin Cientfica

espacio cuadrangular, de la columna respectiva, es el que corresponde a la marca que el encuestado ha


colocado en un casillero determinado, en la encuesta, correspondiente al indicador del valor (R) que le
corresponde en relacin con cada una de las variables (V). Tendremos tantas filas numeradas como el N de la
muestra (nmero que corresponde a la totalidad de nuestra muestra.) y tantas columnas como variables.
Tengamos presente que el dato ser el cdigo correspondiente al casillero marcado. Por ejemplo:

Una vez que nuestra matriz de datos est completa, ser el insumo imprescindible para comenzar a resumir
la informacin, mediante la construccin de tablas de frecuencias, a partir de las cuales comenzaremos la tarea
de descripcin de nuestra poblacin en estudio. Dichas tabulaciones, aportarn informacin sobre las
caractersticas de nuestras unidades de anlisis, segn los valores que asuman respecto de cada una de las
variables.

El plan de anlisis y el procesamiento de los datos

Esta fase de tratamiento y anlisis de los datos, consiste en examinar minuciosamente cada uno de los tipos de
hiptesis, (vase parte II, captulo IV); el examen de cada una, ilumina el examen de las restantes, y da como
resultado el plan de tratamiento y anlisis. La funcin del mismo es explicitar los procedimientos que se le
aplicarn a la informacin producida, a fin de asimilar el dato obtenido al cuerpo terico, sintetizando e
interpretando la informacin disponible.

Dicho plan anticipa lo siguiente:

a. La informacin obtenida (sea en forma de registros fotogrficos, narraciones, estado de cosas, datos
numricos, etc.) podr ser traducida al lenguaje de las matrices de datos, es decir se podr especificar: cules
son las U.A. sobre las que se informa, sus variables y valores.
b. Cada una de las variables incluidas en las matrices de datos deber tener previsto un tratamiento especfico
para resumir y caracterizar el comportamiento de los valores en el conjunto de las U.A.
c. Cada una de las U.A. deber tener previsto un tratamiento para resumir y caracterizar las relaciones de las
variables entre s.
d. Cada una de las matrices de datos deber tener previsto un procedimiento de integracin al sistema de
matrices de la investigacin.

Hay algunos criterios que conviene tener presentes cuando realizamos el plan de anlisis:

1) Anlisis centrado en la variable o anlisis vertical: las columnas se analizan separadamente; contienen
informacin sobre el comportamiento de nuestra poblacin o muestra. En este caso, podremos realizar tablas
Experiencia Curricular de Metodologa de la
Investigacin Cientfica

de distribuciones de frecuencias, y medidas de estadstica descriptiva univariada (que sern analizadas ms


adelante).
2) Anlisis centrado en la unidad de anlisis (anlisis horizontal) en que se analizan las filas separadamente,
obtenindose informacin sobre cada una de las U.A., en relacin con el conjunto de variables. Ofrece la
posibilidad de establecer configuraciones de perfiles, tipologas y estructuras.
3) Anlisis centrado en los valores (R): sintetiza informacin perteneciente a una nica variable que est
desagregada en muchas dimensiones o subvariables, con el objetivo de construir pautas y tipologas. Es de
suma relevancia en los estudios cualitativos, pues permite idear criterios para clasificar informacin
exploratoria, y poner de relieve la heterogeneidad encontrada en la poblacin, en relacin con un atributo
determinado.

Otros criterios a tener presentes al confeccionar el plan de anlisis, son:

1 El contenido (anlisis del discurso, de contenido, sociomtrico etc.).


2 El tipo de datos: cuantitativos o cualitativos.
3 El encuadre: estadstico, funcional, causal, histrico, etc.
4 El nmero de variables: bivariado, multivariado.
5 El diseo: exploratorio, descriptivo o causal.

Ahora bien, para proceder al procesamiento, anlisis e interpretacin, es necesario que podamos distinguir los
diferentes niveles o escalas de medicin de nuestras variables.

Escalas de medicin
Medir significa asignar valores numricos a una dimensin del objeto, siguiendo un determinado
procedimiento7. Podemos distinguir 4 (cuatro) escalas de medicin: escala nominal, escala ordinal, escala de
intervalo y escala racional o proporcional.

Escala nominal: la medicin a nivel nominal representa la forma ms primitiva y se basa en la clasificacin de
nuestras unidades de anlisis con respecto a la posesin o no de una determinada caracterstica o atributo. Por
ejemplo: gnero, religin, etc.
Nos permite afirmar si nuestras unidades de anlisis, en relacin con la variable estudiada, adoptan el mismo
valor o no.

Una escala nominal carece de orden, por lo cual, no es posible establecer ninguna relacin mtrica; la
consecuencia de ello es que solo pueden realizarse una pocas operaciones matemticas: para cada clase de
atributo, se pueden calcular separadamente las frecuencias absolutas o relativas (porcentajes) que poseen;
podemos elaborar tablas de frecuencias absolutas y relativas, y medidas de posicin o tendencia central.

Ejemplos de variables nominales


1
2 Gnero: femenino/ masculino
3 Actividad laboral: obrero / empresario
4 Actitud del alumno: interesada / aptica
Experiencia Curricular de Metodologa de la
Investigacin Cientfica

Escala ordinal: las unidades de anlisis pueden ser ordenadas de acuerdo a la intensidad, fuerza o tamao de
la propiedad o variable de que se trate, segn se presenta en cada U.A. Es decir, existe una graduacin de los
atributos y por tanto puede considerarse que hay un aspecto cuantitativo. Aunque este nivel de medicin
permite decir que una U.A posee un atributo en mayor grado que otra, sin embargo no es posible precisar en
qu medida es mayor. Solo podemos decir que es mayor. Tampoco aqu se pueden realizar operaciones
matemticas de adicin, sustraccin, multiplicacin o divisin.
Ejemplos de variables ordinales

1 Nivel social: alto, medio, bajo


2 Estudios alcanzados: primario, secundario, terciario
3 Rendimiento escolar: ptimo, mediano, regular, insatisfactorio

Escala de intervalo (intervalar) y racional (de razn): se distingue de la escala ordinal en que es posible indicar
exactamente la separacin entre dos puntos. Claro est, que es necesaria la existencia de una unidad de
medida que sirva para establecer la distancia entre dos puntos de la escala, lo cual hace posible ejecutar
operaciones de suma y resta.

Si adems existe un punto natural cero, la escala ser de razn, y en ese caso podrn realizarse todas las
operaciones estadsticas (adems de las medidas de tendencia central), medidas de dispersin e inferencia.
Son las llamadas variables numricas.
Ejemplos de variables numricas
1 Edad
2 Ingresos
3 Calificaciones

Observemos que cuando nos referimos a operaciones matemticas tales como sumar o restar, siempre lo
hacemos en relacin con la variable, nos referimos a cmo medir diferentes tipos de variables. Por ejemplo, no
sera posible medir en trminos numricos el color de los ojos, a lo sumo podremos decir de una persona, que
los tiene de tal o cual color; en cambio, s podremos medir matemticamente la distancia que existe entre un
salario de 10.000 pesos y otro de 1.200 pesos. En el caso de variables construidas de forma ordenada de mayor
a menor, como por ejemplo, nivel social: alto-medio-bajo, podemos saber que existe una cantidad mayor de
ese atributo en algunas U.A., pero no podemos estimar en qu consiste esa cantidad. Tengamos presente que
variables de mayor nivel de medicin, como las intervalares pueden ser construidas de forma ordinal, pero no
a la inversa.

Elementos de estadstica descriptiva


Proporciones, porcentajes y razones

En estos casos, la operacin aritmtica bsica consiste en contar el nmero de casos al interior de cada
categora y anotar sus tamaos relativos: por ejemplo, dentro de un grupo podemos hallar 25 mujeres, 34
Experiencia Curricular de Metodologa de la
Investigacin Cientfica

varones. El objetivo, es poder establecer comparaciones entre diversos grupos. Para ello, se recurre a dos
medidas muy conocidas: proporciones y porcentajes.

La proporcin

Los valores o categoras de las variables son mutuamente exclusivos y exhaustivos; en el caso de que
trabajemos con variables nominales, cada individuo puede ser puesto dentro de una categora y solo una. La
proporcin de casos en cualquier categora est definida como el nmero de casos en la categora dividido el
nmero total de casos. El valor de una proporcin no puede ser mayor a la unidad (1).

Tomemos un ejemplo: si observamos el cuadro siguiente, vemos que los totales de unidades de anlisis de
cada categora, son diferentes, lo que dificulta su lectura. Si expresamos los datos en forma de proporciones,
podemos establecer una comparacin directa.

Calculamos las proporciones, (redondeando) obteniendo el siguiente resultado, que nos permitir ver
claramente si existen diferencias entre ambas escuelas, pues hemos normalizado la distribucin:

Porcentajes

Los porcentajes pueden obtenerse directamente de las proporciones, multiplicando simplemente por 100.
Significa que calculamos el nmero de individuos que habra por categora, si el total de los casos fuera 100,
permaneciendo inalterada la proporcin en cada categora: el total de los porcentajes sumar 100. Los
porcentajes son de empleo ms frecuente que las proporciones. El segundo cuadro podra haber expresado lo
Experiencia Curricular de Metodologa de la
Investigacin Cientfica

mismo en trminos de porcentajes. Usualmente, los porcentajes se dan hasta el primer decimal, redondeando
hacia arriba a partir de 5.

Conviene confeccionar los cuadros teniendo presente dos reglas:

1) Indicar siempre el nmero de casos juntamente con las proporciones o porcentajes.


2) No calcular porcentajes cuando el total de casos no alcance 50 o ms. Es decir que, si el nmero de casos
por categora es inferior a 50, no se calcularn porcentajes, sino que se indicar solo la cantidad de casos de
cada categora.

Observamos en el cuadro que antecede que:

A la izquierda tenemos las frecuencias absolutas y a la derecha los porcentajes; los porcentajes de cada
columna han sido calculados sobre el total de la misma, es decir el 100% est en la base de las columnas; las
ltimas dos columnas son los totales de frecuencias absolutas de las filas y los porcentajes de la derecha, han
sido calculados sobre el total de casos, a saber 219 (el N o nmero total de casos que componen la muestra).

Podramos encontrarnos con el caso siguiente: contar solamente con el total de cada columna y los
porcentajes, pero no con el nmero de casos de cada categora. En tal caso: sera posible calcularlos
realizando un promedio de los porcentajes de cada columna? La respuesta es no, pues los totales de
frecuencias de las columnas difieren. No lo sera, si los totales fueran la misma cantidad de casos, por ejemplo,
131 en cada columna.

El procedimiento correcto consiste en obtener las frecuencias absolutas multiplicando el nmero total de casos
de una columna por la proporcin de cada categora, por ejemplo: 131 x 0.367 = 48
Experiencia Curricular de Metodologa de la
Investigacin Cientfica

Siempre que se realice la lectura de un cuadro, hay que examinarlo bien para ver en qu sentido se han
calculado los porcentajes. Por convencin, se acostumbra a colocar la variable independiente en la horizontal y
la dependiente en la vertical por lo cual, en ese caso, los porcentajes sumarn 100 hacia abajo, y las
comparaciones se harn de izquierda a derecha. Al computar los porcentajes que suman 100 hacia abajo, en
realidad estamos normalizando los tamaos de los casos por columna, es decir estamos controlando aquellos
factores que afectan al tamao de las muestras.

Razn

La razn de un nmero A con respecto a otro nmero B se define como A dividido B. A es el numerador, B el
denominador. Si tenemos 420 matriculados, 360 no matriculados, la razn de matriculados a no matriculados
es 420/360: 1,16

A diferencia de la proporcin, la razn puede tener un valor superior a 1. Generalmente, la razn se reduce a su
expresin ms simple eliminando en el numerador y el denominador los factores comunes, por ejemplo: razn
matriculados a no matriculados: 42:36. Tambin se la suele expresar con el resultado de la divisin como
numerador, y la unidad como denominador, por ejemplo 1,16 a 1, resultado de dividir 42/36.

Las razones se usan para referirse a casos en que A y B son categoras separadas y distintas; la proporcin (que
son un tipo especial de razn) representa cantidad de casos, segn las categoras de una misma variable.

Estadstica descriptiva univariada: medidas de tendencia central

A los fines descriptivos existen otras mediciones como las medidas de tendencia central o medidas de posicin:
la media (o promedio), la mediana y la moda.

Cuando nos encontramos con tablas de distribucin de frecuencias de variables nominales, solo podr
calcularse la moda; para obtener la mediana es imprescindible tener variables de nivel de medicin ordinal, por
lo menos. En el caso de escalas de intervalo, conviene calcular la media o promedio antes que la mediana o la
moda. El lector podr ir precisando estos conceptos, a medida que desarrollamos el captulo.

Escalas de intervalo
Experiencia Curricular de Metodologa de la
Investigacin Cientfica

Tablas de distribuciones de frecuencias: agrupamiento de los datos

En los casos de porcentajes, proporciones y razones, solo tenamos que contar la cantidad de casos de cada
categora, y normalizar. Las categoras ya estaban definidas.

En el caso de los datos de una escala intervalar, hay que decidir cmo categorizar, ya que por lo general, los
datos estn distribuidos de modo continuo, por ejemplo, edad: 15- 16- 16- 17- 15- 15- 15-15- 14- 16- y as
hasta completar las edades registradas por todos los sujetos de la muestra. El paso correspondiente, si fuese
necesario, es la construccin de categoras, es decir, establecer los intervalos en los que distribuiremos los
datos continuos.

Construccin de intervalos

Pese a que hay frmulas matemticas que pueden guiar decisiones respecto al nmero de intervalos a utilizar,
la mejor decisin se basar en el sentido comn, es decir, en comprender los casos cuyos valores puedan
considerarse para fines prcticos, como semejantes. Si los intervalos son pocos, se pierde informacin, pero si
son demasiados, la misma se hace confusa. En ocasiones suele recurrirse a intervalos abiertos: por ejemplo, si
consideramos cantidades de alguna moneda, podramos utilizar un intervalo abierto del tipo $50 o ms. En ese
caso, se pierde informacin porque es imposible saber cul es el lmite superior, esto es, a qu corresponde ese
ms. El investigador evaluar la pertinencia de usar intervalos abiertos, pues depender de cun necesario
sea el dato completo para esa investigacin en particular.

Los intervalos tienen lmites verdaderos de manera que no se intercepten las distintas categoras: por ejemplo:
15 a 19,9 y 20 a 24,9. En la prctica, siguiendo las reglas del redondeo, cuando el porcentaje es ligeramente
superior a 19,95 se redondea a 20 y cuando no alcanza a 19,95 se redondea en 19,9.

Escalas de intervalo: medidas de tendencia central

La posicin o tendencia central de una distribucin de frecuencias se refiere al lugar donde se centra la
distribucin. Si tenemos las siguientes distribuciones:

Grupo de estudiantes A: 2-3-3-3-5-5


Grupo de estudiantes B: 2-2-4-5-5-6
Grupo de Estudiantes C: 2-2-2-3-4-5
Grupo de Estudiantes E: 4-5-6-7-8-8

En el supuesto que se trataran de notas de respectivos grupos de estudiantes, la posicin indicar un valor
tpico de la distribucin alrededor del cual, el resto de los valores tienden a agruparse, como es el caso de la
media.

La media aritmtica
Experiencia Curricular de Metodologa de la
Investigacin Cientfica

Hay dos medidas de tendencia central empleadas en el caso de las escalas intervalares: la media aritmtica y la
mediana. La ms comn es la media (o promedio) que consiste en la suma de todos los datos dividida por el
nmero total de casos comprendidos. Para indicar la media, generalmente se usa el smbolo X:

La mediana

Esta medida localiza la posicin del caso medio, cuando los datos se han ordenado de mayor a menor. Este tipo
de medida se suele llamar medida de posicin, porque permite localizar un caso tpico o atpico en relacin con
los otros individuos.

La mediana divide habitualmente el total de los datos en dos mitades, una por encima del caso medio, y otra
por abajo del mismo. Si el nmero de los casos es impar, la mediana ser simplemente el caso impar. Si es par,
no habr caso central y cualquier nmero entre los valores de los dos casos centrales tendr la propiedad de
dividir la muestra en dos grupos iguales. En funcin del ejemplo siguiente, tomaremos como valor nico de la
mediana, la media aritmtica de los dos datos centrales:

Si se diera el caso de que nuestra distribucin fuese par y tuviramos un valor ms, por ejemplo, 55, las marcas
centrales seran: (69 + 72) % 2 = 70,5.

Clculo de la media de datos agrupados

Observando el cuadro podemos ver en forma detallada el procedimiento para realizar dicho clculo. Hemos
multiplicado la cantidad de casos de cada intervalo por los puntos medios de cada uno, obteniendo un subtotal
por fila, que equivale al total de ese intervalo. Esos subtotales debern ser sumados y divididos por la suma de
todos los casos de todos los intervalos y se obtendr la media de casos agrupados.

Por ejemplo: 967.050:189 = 5.117

Este tipo de clculo puede necesitarse en caso de datos de censos, en que generalmente podemos tener una
informacin como la siguiente: existe cierto nmero de personas que tienen entre 0 y 4 aos, pero no sabemos
que edad tiene exactamente cada unidad de anlisis.
Experiencia Curricular de Metodologa de la
Investigacin Cientfica

Moda

La moda o modo de una distribucin de nmeros es aquel valor que se presenta u ocurre con la mayor
frecuencia. Es decir, la moda es el valor ms comn de la distribucin. Puede no existir en una distribucin o
bien puede no ser nica. Cuando encontramos que existe ms de un valor que aparece con mayor frecuencia,
nos hallamos ante una distribucin.

Comparacin entre la media y la mediana.

Podemos establecer una diferencia central: la media resulta afectada por el cambio de los valores extremos, en
tanto que la mediana permanece inalterada, a menos que cambie el valor del caso medio. Esta diferencia hace
que la medida ms usada en escalas intervalares, sea la media.

Escalas de intervalo: medidas de dispersin

Las medidas de tendencia central concentran mayormente el resumen de los datos, ya que como hemos
mencionado, aportan una descripcin del grado de tipicidad de nuestra muestra. No obstante, siempre que
estemos trabajando con escalas intervalares, podra resultarnos necesario obtener otro tipo de medidas que
d cuenta de la heterogeneidad de la muestra; en este caso, existen medidas que dan cuenta de la dispersin
que existe en nuestras distribuciones 9. Realizaremos un abordaje sinttico de las siguientes medidas de
dispersin: recorrido, desvo medio y desvo estndar. El lector podr profundizar, si as lo requiere, con el
recurso de las lecturas complementarias sugeridas.

Recorrido: se trata de la medida ms simple y consiste en la diferencia entre la marca ms alta y la ms baja.
Por ejemplo: tomemos los datos ya trabajados 86-81-72-69-57. El recorrido se calcula mediante el clculo de la
diferencia entre 86 y 57= 29.
Experiencia Curricular de Metodologa de la
Investigacin Cientfica

Desvo medio: podra ser relevante tomar las desviaciones de cada dato con respecto a alguna medida de
tendencia central, y calcular luego una especie de promedio de dichas desviaciones, con el objeto de controlar
el nmero de casos comprendidos. Generalmente, se utiliza la media (aunque es posible tambin utilizar la
mediana o la moda. Si sumramos simplemente las desviaciones respecto de la media, el resultado sera
siempre cero, ya que las diferencias positivas y negativas se compensan. Por este motivo, es necesario
deshacerse de los signos negativos. Podemos recurrir a dos mtodos: 1) ignorar los signos y tomar los valores
absolutos de las diferencias; 2) cuadrar las diferencias.

Estos dos mtodos, nos llevan a las dos medidas que estamos examinando: la desviacin media y la estndar.

La desviacin media se define como la media aritmtica de las diferencias absolutas de cada marca con
respecto a la media. Por ejemplo: la media de 72, 81, 86, 69 y 57 es 73. Si sustraemos 73 de cada uno de dichos
nmeros, ignorando los signos, y luego, adicionamos los resultados y dividimos por la cantidad de casos
(datos).

Podemos decir que, el promedio de los datos, difiere de la media en 8.4. No obstante, es ms conveniente por
su utilidad, en cuanto a las posibilidades interpretativas, el uso de la Desviacin estndar.

Desvo estndar: esta medida puede ser definida como la raz cuadrada de la media aritmtica de las
desviaciones cuadradas con respecto a la media: su smbolo es s.
El procedimiento consiste en tomar la desviacin de cada marca con respecto a la media, elevamos al cuadrado
cada diferencia, sumamos los resultados, dividimos por el nmero de casos y extraemos la raz cuadrada.
Siguiendo con el ejemplo anterior:

Este tipo de medida es de ms difcil interpretacin, no obstante, podemos decir que cuanto mayor es la
dispersin alrededor de la media, tanto mayor es la desviacin estndar. Sirve para poner de manifiesto los
casos extremos muy frecuentes. Si estos fueran unos pocos, resultara una medida engaosa.
Fundamentalmente, esta medida es til cuando trabajamos con la curva normal

Relaciones entre variables: confeccin y lectura de cuadros

El cientfico social busca relaciones entre variables, es decir, entre distintos tipos de fenmenos. El tipo de
relacin posible es en trminos de incremento de la frecuencia de la presencia de uno de los fenmenos,
conjuntamente con el otro u otros.
Experiencia Curricular de Metodologa de la
Investigacin Cientfica

En trminos estadsticos, la presencia de las variables propuestas como explicativas, aumenta la probabilidad
de acaecimiento de aquello que se procura explicar.

La relacin puede ser negativa, cuando al crecer una variable la otra decrece, o positiva, cuando crecen o
decrecen conjuntamente.

Una forma de expresar las hiptesis en forma estadstica son los cuadros de contingencia, que muestran la
relacin entre dos o ms variables. Se aconseja no construir cuadros que superen la inclusin de tres o cuatro
variables. En estos dos ltimos casos la tercera y cuarta variable entran como control.

Cuadros de doble entrada: cmo construirlos

El cuadro en tanto expresa una hiptesis, ha de reflejar la funcin que cada variable cumple en ella.
Convencionalmente la variable independiente (o ms independiente) se coloca arriba. Cuando interviene
tambin una tercera variable de control, esta va colocada debajo de la Independiente; en el caso de una cuarta
variable de control, va al costado, abrindose a partir con la dependiente.

Incluida una tercera variable de control el cuadro se abre del modo en que se ilustra.
Experiencia Curricular de Metodologa de la
Investigacin Cientfica

Los cuadros suelen presentarse con las frecuencias absolutas y los porcentuales (frecuencias relativas) y con un
ttulo suficientemente claro de manera que exprese la hiptesis que se contrasta.

Lectura de cuadros

Se recomiendan los siguientes recaudos generales al leer un cuadro:


1- Leer el ttulo atentamente.
2- Leer notas aclaratorias y dems explicaciones.
3- Identificar claramente las U.A., las variables y las categoras o valores de cada una.
4- Se comienza analizando las distribuciones de los mrgenes (marginales) que arrojan informacin sobre cada
una de las variables por separado.
5- Luego continuar examinando las distribuciones condicionales, es decir los espacios donde aparece la
relacin entre ambas variables.
6- Tener presente dnde se ha colocado la base de los porcentajes (el 100%) para realizar las comparaciones en
el sentido contrario.
7- Examinar las diagonales para observar si existen frecuencias altas en la lnea correspondiente.
8- Examinar los rincones del cuadro (como si fuese un cuadro de 2 x 2).
9- Calcular las diferencias porcentuales.

REFERENCIA:

Bravin, C. y Pievi, N. (2008). Documento Metodolgico Orientador para la Investigacin Educativa.


Argentina: Ministerio de Educacin-Organizacin de los Estados Iberoamericanos, UNICEF.

ACTIVIDAD
ACTIVIDAD
En equipos colaborativos elaborar un esquema del procesamiento de los datos desde
En equipos colaborativos elaborar un esquema del procesamiento de los datos desde
el enfoque cuantitativo.
el enfoque cuantitativo.