Академический Документы
Профессиональный Документы
Культура Документы
Directores:
3
4
5
6
Introducción
PARTE 1
1.1.1. Ampliaciones
1.2.1. Ampliaciones
1.4.1. Ampliaciones
1.5.1. Ampliaciones
1.6.1. Ampliaciones
7
1.7. Identificar los códigos de expresión
1.8. Recapitulación
2.4. Ampliaciones
2.5. Recapitulación
8
ajuste
3.5. Recapitulación
PARTE II
4. Recogida de datos
4.5. Recapitulación
5.3. Recapitulación
6.2. Recapitulación
9
7.1. Evaluar y procurar la diferenciación en la recogida de datos
7.2. Recapitulación
8.4. Recapitulación
PARTE III
9. Análisis de datos
9.4. Recapitulación
10
10.2. Evaluar y procurar la validez del tratamiento de datos
10.4. Recapitulación
PARTE IV
11.3. Recapitulación
12.3. Recapitulación
13.2. Recapitulación
Epílogo
Adenda
Bibliografía
11
12
Con frecuencia se leen y escuchan defensas y negaciones del carácter
científico de trabajos, ideas, proyectos o datos. Términos como rigor,
objetividad, validez o calidad científica son abundantemente usados como
criterios para apoyar o descalificar planteamientos y resultados. La duda en
muchas ocasiones es si esos términos son usados de manera precisa y
significativa, o no pasan de ser meros baluartes o arietes verbales con los que
defender o atacar trabajos y planteamientos pero sin implicar un análisis
fundamentado.
La presente obra trata de mostrar las claves más relevantes para entender y
ejercitar el proceder de la ciencia, sus principales rasgos y requisitos
definitorios. Ese entendimiento es la base para dos cosas: para plantear
preguntas y responderlas con el fin de conocer la realidad o intervenir en ella
con las mayores garantías posibles, y para identificar qué preguntas y
respuestas ya planteadas tienen suficientes características para ser aceptadas
como científicas.
13
Pero ¿qué puede entenderse por ciencia? En este texto se la considera el
tipo de actividad desarrollada por el ser humano a lo largo de la Historia para
intentar generar y estructurar conocimiento sobre el universo y actuar sobre
éste, haciéndolo con las mayores garantías posibles de corrección o calidad.
En este énfasis por los procedimientos mediante los que convencer a otros
fue crucial entender el papel de la comunicación entre los diferentes
miembros de las incipientes sociedades científicas de la época, uno de los
rasgos principales de la actividad científica tal como puede ser entendida hoy
en día. La comunicación entre profesionales de la ciencia es elemento central
de esta, y requiere la descripción adecuada de los conceptos, instrumentos,
procedimientos y resultados con el fin de permitir a otros la evaluación de lo
obtenido y la replicación de lo realizado. En consecuencia, el consenso -
término que significa compartir sentidos - entre profesionales, basado no en
el capricho u otros criterios arbitrarios sino en la mayor cantidad posible de
conceptos y datos válidos, y por ello comunicables y replicables, puede ser
señalado como elemento sobresaliente de la actividad científica
contemporánea.
14
conocimiento y su producción, ya que no es un ejercicio reservado a unos
pocos seres excepcionales. Es cierto que su práctica requiere a veces
considerables dosis de preparación y esfuerzo, pero esa exigencia no es muy
diferente a la de muchas otras actividades humanas que pretenden ser
realizadas correctamente.
15
universalidad en sentido estricto es inalcanzable, pues los logros de la ciencia
están en permanente evolución y caben distintas perspectivas sobre unos
mismos hechos. A pesar de eso, el conocimiento que pretende la ciencia es de
ámbito general, de aplicabilidad a todos los casos y fenómenos de la temática
en estudio, y ello aunque las circunstancias y posibilidades de los estudios los
limiten a determinados ámbitos particulares. Cuando se estudian estos
ámbitos limitados, por muy relevantes que sean por sí mismos, suelen
tomarse como casos o concreciones de lo universal que en último término se
desearía estudiar.
16
Figura L1. Características de la actividad científica.
17
obra, plantear preguntas y obtener respuestas, son las centrales que dan
sentido e integran al resto. La primera supone el planteamiento de preguntas
y objetivos, y la segunda integra la recogida de datos, el análisis de estos, las
conclusiones que puedan alcanzarse, y la comunicación de todo ello en caso
de que se entienda de interés.
18
Esas dos tendencias o vías con sus respectivos énfasis, la primera en lo
abierto, exploratorio y particular o idiosincrásico y la segunda en lo
estructurado, confirmatorio y normativo o generalizable, son orientaciones
que a grandes trazos han sido utilizadas para distinguir a los llamados
métodos cualitativos y métodos cuantitativos, respectivamente. Aunque esas
dos posibilidades son concebidas a veces como irreconciliables y
radicalmente diferentes, en este texto y en el sentido que ahora se comenta
son consideradas respectivamente respuestas apropiadas a estados incipientes
o desarrollados de las cuestiones consideradas, y que se ven mutuamente
enriquecidas a la vez de ser enriquecedoras de las temáticas que abordan.
Esta perspectiva más integradora, aunque con diferentes énfasis o matices, ha
ido apareciendo en la literatura bajo el nombre de métodos mixtos (Johnson y
Onwuegbuzie, 2004) con numerosas publicaciones, incluida alguna revista
específica sobre el tema, como el Journal of Mixed Methods Research.
Otro rasgo que el presente texto considera clave es que todas las
competencias de la ciencia, integrantes de esa sucesión en espiral creciente,
tienen la posibilidad de desarrollarse y ser consideradas a distintos niveles,
con enfoques más micros o macros. En ocasiones conviene considerar
molecularmente determinados conceptos y acciones, descendiendo a
pequeños detalles de unos u otras. Otras veces, en cambio, el enfoque debe
ser molar, referido a varios conceptos o acciones de una investigación, a toda
una investigación al completo, o abarcando a más de una investigación. Y al
igual que las vías inductivas y deductivas de avance, las perspectivas
moleculares y molares se complementan entre sí, siendo ambas necesarias
para un desarrollo eficiente de los temas abordados.
19
1.Presentadas cada una en una parte diferente.
20
Figura 1.2. Plantear y responder preguntas de manera científica en la presente
obra.
21
de muy diversas fuentes y épocas, como de técnicas y procedimientos. Para la
mayoría de ellos el texto ofrece referencias con las que profundizar en su
conocimiento y posibilidades, preferentemente de elaboraciones escritas en
castellano de las fuentes originales, que en todo caso quedan reseñadas en los
trabajos referidos.
22
La competencia central tratada en esta parte inicial es el planteamiento válido
de preguntas y posibles respuestas. Su sentido es facilitar la resolución de
problemas, consistentes en alguna laguna, contradicción o dificultad en los
conocimientos y procedimientos existentes. Es una concreción sobre todo de
las características epistémica y sistemática de la ciencia, además de la
lingüística presente en toda actividad humana.
23
marginales, centros penitenciarios, empresas de determinados sectores
productivos, o laboratorios universitarios, cada uno con sus normas de
funcionamiento, marco ambiental, elementos humanos y materiales, y un
determinado número de otras características. A ello hay que sumar el
contexto de quienes pretenden el planteamiento de preguntas y respuestas,
sus condiciones personales y profesionales.
24
deben tener en cuenta lo ya existente en la temática que se considere. Si esas
preguntas ya están suficientemente planteadas y respondidas de manera
válida, no es usual volver a investigarlas. Por ello, antes de tratar en el
capítulo 3 el planteamiento o generación de nuevas preguntas y respuestas,
los capítulos 1 y 2 consideran respectivamente cómo identificar las ya
planteadas por uno mismo o por otros y cómo evaluar su validez conceptual.
Todas esas competencias están expresadas en tales capítulos en términos de
otras moleculares o más particulares a seguir.
25
En ciencia, tanto si se desea conocer lo existente en una temática, como si se
pretende formular y responder preguntas, lo primero que hay que hacer es
analizar e identificar los conceptos ya planteados. Dicho análisis permitirá
averiguar si ya se han hecho preguntas de interés y, en caso afirmativo, si han
sido respondidas o si por el contrario tiene sentido comenzar el proceso de
búsqueda de nuevas preguntas o respuestas.
26
cuenta el interlocutor y responder apropiadamente.
Eso mismo ocurre en la actividad científica. Dado que pueden ser muy
numerosos los conceptos considerados, los profesionales han de centrarse en
algunos en cada ocasión, dejando al resto en un segundo plano.
27
Ejemplos. Cuando en un párrafo anterior se planteaban como objeto de
estudio las conductas inadaptadas, el contexto venía señalado por la edad de
los participantes - menores-, el lugar donde se encuentran - centro de
internamiento - y el procedimiento de recogida de datos - técnicas de
observación-; no queda explícita la ubicación temporal, aunque puede
suponerse que es el momento coetáneo al planteamiento de la pregunta. En
otro caso, si se pretende estudiar la posible efectividad de una terapia
psicológica contra la depresión en un grupo de pacientes de un Centro de
Salud Mental un determinado año, el objeto de estudio será la posible
efectividad de la terapia psicológica sobre la depresión, planteada en el
contexto formado por los participantes - grupo de pacientes - más el espacio y
tiempo señalados - Centro de Salud Mental en ese año-.
1.1.1. Ampliaciones
Expuestas las dos funciones que pueden recibir los conceptos, conviene
añadir algunos comentarios. Así se hará también con el resto de dimensiones.
28
definición adquieren función de contexto los que no reciben la atención
central. La identificación de todo objeto de estudio conlleva la del resto de
conceptos como contexto, estén explicitados o no. Por esta razón, debe
tenerse en cuenta que la delimitación que se haya hecho del contexto nunca
puede ser completa, ya que siempre será posible añadir aspectos no tenidos
en cuenta o mantenidos implícitos hasta entonces.
29
estudiarse y que origina la necesidad de organizarla en categorías genéricas.
En lo que sigue se utilizan estas ideas como guía para identificar los
diferentes tipos de contenidos.
30
objetos, hechos o circunstancias, y también por otros individuos o grupos
diferentes a los considerados como sujetos. Todas las características de ese
entorno, ya sean espacio-temporales, físicas, biológicas, psicológicas o
sociales, son consideradas contenidos de medio.
Ejemplos. Lo que hace y dice quien investiga cuando está en contacto con
los sujetos, y lo que interviene en el medio para hacer su labor, son algunos
contenidos investigativos, al igual que un cuestionario u otros instrumentos
que utilice y todas sus características.
1.2.1. Ampliaciones
31
Evite el error de considerar que toda persona implicada en una situación de
estudio es sujeto de la investigación. Recuerde que "sujeto" se refiere a
aquellos individuos de los que interesa conocer algún aspecto, mientras que
otros individuos que acompañen a dicho sujeto se considerarán parte de su
medio. Asimismo, evite considerar como contenidos de sujeto aquellos que
son de su entorno más próximo y habitual, como los objetos que posee o la
vivienda que habita.
32
estudio se basan en el foco de atención central de cada caso, conviene
diferenciar ambas nociones, al igual que debe hacerse con sus
complementarias de medio y contexto (ver figura 1.1).
33
Figura 1.1. Función y tipos de contenido.
34
Figura 1.2. Combinaciones de función y tipos de contenidos de conceptos.
35
cantidad de problemas resueltos.
36
D) Identifique la estructura de las relaciones
37
otra relación, parece apropiado denominar a este tipo como relación de
relación o relaciones, aunque en la literatura son más conocidas como
relaciones de interacción.
Ejemplo. Sería relación de este tipo postular que el nivel educativo del
paciente determina los efectos de una terapia sobre su ansiedad. Y es que la
variable simple que conforma el primer término, "nivel educativo", aparece
relacionada según señala la expresión "determina" con un segundo término
formado por la relación univariable "efectos de la terapia sobre la ansiedad".
38
Figura 1.3. Expresiones formales y gráficas de distintas estructuras.
39
con flechas para las relaciones.
Por su parte, la figura 1.4 recoge las principales preguntas que pueden
40
servir de guías para identificar correctamente la estructura de los conceptos
planteados.
Establecer y evaluar una relación es algo que los humanos sabemos hacer
desde pequeños, y lo sustancial de ese procedimiento no varía cuando se
realiza en la vida profesional. Así, por ejemplo, si en la vida cotidiana quiere
evaluarse de qué interruptor o interruptores depende el encendido de una
lámpara, se prueba con ellos para ver en cuáles su presión va seguida del
encendido y en cuáles no. En casos como éste y en cualquier otro relacional
en el que se distinga la función de primer y segundo término, el
procedimiento consiste en evaluar si al variar el primer término varía el
segundo, es decir, si se da una variación conjunta entre los valores del primer
término y los del segundo, o en otras palabras, si se da una covariación entre
ambos. Es lo que en expresiones propias de la época ya describió John Stuart
Mill en su obra A System of Logic (1843/1974).
41
independientes y dependientes, o de predictoras y criterios según se considere
a las relaciones como causales o no - noción definida al final del capítulo 2-.
En cambio, los términos relacionales de las relaciones de interacción no
deben denominarse variables porque no lo son.
C) Compruebe si se han estudiado valores del segundo término ante cada uno
de los valores del primero
42
Ejemplos. Siguiendo con las relaciones anteriores, se trata de considerar
qué ocurre en las variables dependientes hábito del tabaquismo y atención
ante cada valor considerado de la terapia y de la complejidad de la tarea
respectivamente. En el ejemplo de la interacción, se tratará de estudiar la
relación existente entre la atención de los sujetos y la complejidad de la tarea,
el segundo término, cuando la tarea es manual y cuando es intelectual, que
son los valores del primer término.
La comparación entre los distintos valores del segundo término ante cada
valor del primero es lo que va a permitir evaluar la posible covariación entre
los valores de uno y otro término.
43
diferentes valores de terapia.
44
Figura 1.5. Requisitos de la covariación.
45
aprender la identificación de la estructura de los conceptos y que a
continuación se enume ran. Tenga en cuenta que los conceptos unitarios no
tienen por qué corresponder a una sola palabra, ya que en ocasiones pueden
estar expresados por varias de ellas, frases u oraciones, como ocurre con el
concepto "veces que alguien se equivoca y corrige para expresar
aprendizaje". Asimismo, tenga en cuenta que las relaciones pueden
expresarse de muchas maneras, como por ejemplo "efectos", "influencia",
"covariación" o "dependencia", por lo que la clave es identificar la expresión
utilizada para la conexión entre términos. Si no encuentra ninguna indicación
de ese tipo, no identifique el concepto como relación. Cuando la encuentre,
identifique además la estructura de cada término.
46
simple como la edad. En cambio, al estudiar la personalidad de los hombres
neuróticos, el contexto queda delimitado por dos variables, sexo y patología.
Un ejemplo de contexto relacional sería la investigación de la personalidad en
aquellos pacientes que han experimentado una remisión de su fobia gracias a
una determinada terapia, lo que significa que el contexto está caracterizado
por personas que muestran una determinada relación entre terapia y fobia. Si
se especifica además que esas personas son varones y mayores de edad,
entonces el contexto queda delimitado por esas dos variables además de por
la relación señalada.
47
especificación si se trata de un mismo valor o de dos diferentes, entonces los
conceptos están expresados con valores cualitativos, también llamados
categorías.
Hay conceptos en los que, además de poder decidir si dos valores son
diferentes o no y cuál de ellos es mayor o menor, tiene sentido precisar
cuánto o con qué diferencia un valor es mayor o menor que otro. Tales
conceptos están expresados de modo cuantitativo y sus valores se denominan
cantidades. Esas diferencias se basan en un patrón constante de contenido
denominado unidad, o unidad de medida, una distancia fija entre valores
consecutivos. Las cantidades expresan así el número de veces que se repite
esa unidad.
48
esos ejemplos un metro y cada línea de texto respectivamente.
49
conceptos cuantitativos de razón ese origen corresponde al valor mínimo
posible u origen absoluto del fenómeno en cuestión, mientras que en los de
intervalo el origen es convencional.
50
Ejemplos. La edad en años resulta una variable cuantitativa continua, ya
que entre dos de sus valores pueden señalarse años, meses, días, horas y así
sucesivamente. Es similar a lo que ocurre con la cantidad de euros, con las
unidades del sistema métrico decimal o con las unidades sexagesimales de
tiempo. Por su parte, la cantidad de correos recibidos por una persona, el
número de días en los que se hacen horas extras y la cantidad de hijos de una
persona son conceptos cuantitativos discretos, porque entre dos valores de
cada uno de ellos no caben infinitos valores; no tiene sentido afirmar por
ejemplo que alguien ha recibido medio reconocimiento social o que un
empleado tiene 3,5 hijos, algo que sí tendría sentido si se hablase del número
medio de hijos por empleado, al tratarse de un cociente.
51
Figura 1.6. Tipo y número de valores de los conceptos.
La figura 1.6 muestra una guía con las sucesivas decisiones a seguir para
considerar el tipo y número de valores de un concepto.
52
1.4.1. Ampliaciones
Para una identificación más significativa del tipo de valores considere que, tal
como han sido definidos, cada uno resulta ser una especificación más
detallada que el anterior. Los valores ordinales añaden a los cualitativos la
posibilidad de precisar cuál de dos valores diferentes es mayor o menor,
añadiendo los cuantitativos a los ordinales la posibilidad de precisar la
diferencia de unidades entre ambos si son de intervalo, y también la
proporción si son cuantitativos de razón.
Una vez más conviene tener presente que es posible la combinación entre
la dimensión recién presentada y las anteriores. En efecto, los valores, sean
cuales sean su tipo y número, lo son de conceptos. Y puesto que tanto los
objetos de estudio como los contextos son conceptos, en ambas funciones
podremos encontrar cualquiera de los valores posibles. Asimismo, todas esas
posibilidades pueden darse independientemente de que el contenido de tales
53
conceptos sea de sujeto, medio o investigativo. Baste con un ejemplo. Hay
contenidos cualitativos de sujeto como el sexo, ordinales como el nivel de
acuerdo con una opinión, y cuantitativos como el número de pasos dados en
un tiempo determinado. Algo similar puede decirse respecto a los contenidos
del medio e investigativos.
54
A) Identificar en cada concepto si su expresión es por extensión
1.5.1. Ampliaciones
Al igual que las definiciones por comprensión pueden señalar una o varias
características comunes a todos sus valores, las expresiones por extensión
pueden implicar uno o más valores. El concepto edad queda expresado por
extensión al señalarse varios valores, pero también cuando se indica tan solo
uno, como, por ejemplo, 25 años.
55
Por otra parte, no se olvide que lo considerado en un determinado análisis
como valor de un concepto, en una expresión por extensión, puede constituir
en otro análisis todo un concepto expresado por comprensión, que por tanto
tendrá sus propios valores. Por ejemplo, "calle" puede considerarse uno de
los valores del concepto "elementos de una ciudad", a la vez que puede
considerarse en otro momento como el concepto de interés, del que
considerar valores como "calles A, B y U.En consecuencia, un mismo
contenido puede pasar de considerarse expresado por extensión a estarlo por
comprensión o viceversa.
56
Los conceptos expresados a nivel observable son aquellos que en función
de dicha expresión resultan reconocibles en espacios y tiempos determinados.
1.6.1. Ampliaciones
Los dos niveles de expresión están conectados entre sí. Los conceptos
observables se consideran y denominan también indicadores de los
abstractos, mientras que estos se consideran constructor, construidos a partir
de varios indicadores para resumir lo común a ellos. El constructo "actitud
positiva hacia una conferenciante" podría derivarse de los indicadores
mostrados más arriba, de igual modo que sonrisas y miradas que se dirigen
dos personas o la cantidad de veces que se les ve juntos podrían dar lugar al
constructo "buena relación" entre ellas.
57
espacio y tiempo concretos. Pero cuando esa posibilidad o potencialidad se
convierte en hecho, cuando de "observable" pasa a "ya observado" en uno o
más de sus valores en un determinado contexto espacio-temporal, el concepto
constituye un dato o evidencia. En lo que respecta a los constructos, su
expresión más abstracta es una simple etiqueta que sustituye y da por sabida
la delimitación de su contenido. Por tanto, la dupla constructo-indicador se
amplía con las posibilidades recién señaladas dando el conjunto "etiqueta-
constructo-indicador-dato".
58
detalles que permitan el acuerdo en la observabilidad de la nueva expresión.
59
1.7. Identificar los códigos de expresión
60
Ejemplos. Así se hace cuando se usan correctamente los paréntesis en
expresiones algebraicas, o cuando en ejes de coordenadas se colocan los
valores de la variable dependiente en el eje vertical o de ordenadas y los de la
independiente en el horizontal o de abscisas.
61
han contestado en un cuestionario a la pregunta de qué sexo son. Es evidente
que resulta más fácil manejar los números "0" y "1" que las palabras
"Hombre" y "Mujer". Además, teniendo dígitos en lugar de palabras se abre
la posibilidad de operar con ellos matemáticamente y en consecuencia
obtener informaciones o resultados adicionales difíciles o imposibles de
obtener con otros códigos.
62
o de razón, ha de respetarse la asignación del número siguiente por cada
nueva unidad contada. Así se hace al contar el número de personas presentes
en un aula.
63
gráficamente la información que contienen, siendo esta verbal en celdas
como las de títulos de columnas o filas, y numérica en las que muestran los
datos obtenidos o sus resúmenes (ver figura 1.7).
Los distintos códigos pueden ser utilizados para expresar cualquiera de los
64
conceptos en cualquiera de los casos del resto de dimensiones, sean objetos
de estudio o contexto, tengan el contenido y estructura que tengan, y queden
expresados con un determinado tipo de valor u otro. En Estadística, por
ejemplo, se utilizan diversos gráficos según el tipo de valores que quieran
expresarse. Asimismo, tanto los constructos como los indicadores pueden ser
expresados en cualquiera de los códigos señalados, pudiendo servir estos
además para la comprensión y la extensión.
Asimismo, hay gráficos que expresan por extensión los valores de una
variable y los datos para cada valor. Así ocurre con los signos convencionales
de sexo masculino y femenino, y con los diagramas como el incluido en la
figura 1.7, en los que la longitud de distintas barras representa la frecuencia
de distintos valores de una variable.
65
Figura 1.8. Dimensiones expresivas: modo, nivel y tipo de código.
1.8. Recapitulación
66
tiene cada uno, con qué tipo de valores son considerados, y a qué nivel
empírico y con qué modo y tipo de código están expresados. Contenido y
estructura marcan lo constitutivo de los conceptos, al igual que lo hace el tipo
de valores en los conceptos que sólo admitan uno de esos tipos. El resto de
dimensiones, como son el modo, nivel y código de expresión, son
complementarias de las constitutivas de los conceptos.
67
Las dimensiones expuestas en el capítulo anterior permiten analizar, en
detalle y de manera sistemática, los conceptos ya planteados. Estos, sin
embargo, no siempre implican delimitaciones correctas o válidas, condición
necesaria para que la comunidad científica los adopte. Por tanto, conviene
conocer cómo son los conceptos planteados con validez, en qué consiste un
planteamiento correcto de conceptos.
68
La validez conceptual ha de considerarse en términos de tres propiedades,
que son las mismas en las diferentes tareas de la ciencia: precisión,
diferenciación y ajuste. Y si esas propiedades definen el buen planteamiento,
los incumplimientos de una o más de ellas señalan los errores que pueden
presentar los conceptos. Tales propiedades y sus incumplimientos es lo que
muestran los siguientes apartados en forma de competencias a desarrollar en
cada una de las dimensiones conceptuales, conjunción representada en la
figura 2.1.
En ciencia los conceptos deben tener claridad o precisión (ver figura 2.2).
Ello permite identificarlos sin ambigüedad, señalar o reconocer sin dudas de
cuáles se trata. Por eso, los términos técnicos, libres de la polisemia usual de
los cotidianos, son especialmente útiles en ciencia.
69
concordancia, confirmabilidad, replicabilidad o reproductibilidad de los
conceptos planteados.
70
cortas en las que faltan elementos sintácticos y semánticos, y otras veces en
expresiones excesivamente largas y mal redactadas. Por ello, las normas
sobre redacción de trabajos científicos, como las elaboradas por la American
Psychological Association (2009), hacen hincapié en usar expresiones claras.
71
D) Evalúe la precisión de los valores
72
moral. En la dimensión nivel de expresión, la falta de precisión se da a veces
en constructos en las que se mezclan términos físicos, como energía o
movimiento, con otros imprecisos como mente o intelecto en expresiones
tales como "energía mental" o "movimientos del intelecto". Esa ambigüedad
o imprecisión sobre el nivel empírico es frecuente en Psicología por el uso
abundante que hace de términos cotidianos, correspondiendo a muchos de los
errores conceptuales señalados desde la Filosofía del Lenguaje (Ryle, 1949) y
la Psicología (Ribes, 1990).
Los conceptos también pueden ser imprecisos por usos inadecuados de los
diferentes códigos de expresión.
73
Figura 2.3. Diferenciación y solapamiento entre conceptos.
74
estudio.
75
intervalos los cuantitativos de años de edad, coincidieran algunos de esos
valores como sucede en los siguientes: "De 0 a 19, de 18 a 45, de 40 a 70, y
más de 65". Otra falta de diferenciación sería conjuntar en una sola serie los
valores "alto, medio y bajo" de niveles de rendimiento y los también
ordinales pero diferentes Kmayor y menor."
76
enumeración de valores que supone la extensión solo es posible en el caso de
indicadores y no en los constructos es un solapamiento entre modo y nivel de
expresión. Asimismo, el código de expresión puede solaparse con otras
dimensiones como en los casos que siguen: con la función cuando se entiende
que en todas las expresiones verbales primero aparece el objeto de estudio y
después el contexto, o que determinadas palabras como "en" o "sobre"
siempre han de indicar el contexto; con el contenido cuando se considera que
el sujeto de la oración gramatical verbal ha de corresponder necesariamente
con el sujeto del estudio; con la estructura cuando se identifican relaciones
únicamente a través de determinadas expresiones o códigos; y con tipo de
valores cuando se entiende que los números siempre indican valores
cuantitativos.
77
interpretación, tanto la parsimonia como la exhaustividad serían versiones
incompletas del ajuste, y por ello complementarias y necesarias. Por eso, la
evaluación del ajuste de los conceptos en cada una de las dimensiones deberá
atender a una y otra posibilidad como indica la figura 2.4, pudiendo darse
ambas en diferentes grados según sea la diferencia entre lo planteado y el
referente externo que se tome en cuenta.
78
diversos factores que engloba tiene efectos claros. A diferencia, cuando uno o
más de los factores no tenidos en cuenta resultan relevantes, el error, en lugar
de ser fortuito, es sistemático y de cierta importancia, implicando un sesgo
claro.
79
población de sujetos, se considerara solo a una pequeña porción de ellos, o si
se incluyeran sujetos de otras poblaciones.
80
covariación impediría también el ajuste en el estudio de relaciones.
81
indicadores utilizados se ajusta suficientemente a lo contenido en el
constructo o se desvía por exceso o por defecto.
2.4. Ampliaciones
82
Aunque definidas de maneras diferenciadas, las tres propiedades
componentes de la validez no son independientes entre sí, pueden afectarse
mutuamente. Un buen ajuste implica precisión en el sentido de que lo
planteado resulta claro cuando resultan poco relevantes los aspectos no
tenidos en cuenta, los que conforman el denominado error. Al contrario, una
baja precisión significa que existen aspectos relevantes implícitos, y por tanto
ajuste insuficiente al referente. La precisión también facilita apreciar la
diferenciación entre valores o variables, a la vez que la diferenciación
favorece la precisión de los elementos considerados.
Por otra parte, puesto que las propiedades de validez de los conceptos se
evalúan en términos de las diferentes dimensiones, cabe considerar las
posibles influencias de estas sobre tales propiedades.
El ajuste, por su parte, puede verse dificultado según los casos por
estructuras complejas o demasiado simples y por un número alto o bajo de
valores, mientras que el resto de dimensiones podrían influir más bien
indirectamente a través de la precisión, pudiendo decirse algo similar
respecto a la diferenciación.
83
2.4.2. Validez de las relaciones: causalidad
84
de esta. Dicho en otras palabras, las nociones de causalidad y de validez de
relaciones implican lo mismo, por lo que "causalidad" y "validez de
relaciones" son términos equivalentes (Moreno y Martínez, 2008).
85
emisión de un mensaje por parte de una persona y su recepción por parte de
otra, sin percatarse que ello ocurre gracias a que hay un medio que transmite
el mensaje del emisor al receptor. En tal caso, la relación entre ambos
desaparecería si se eliminara el elemento intermedio o las variaciones de sus
valores, poniéndose de manifiesto así que es una relación mediada más que
causal directa (figura 2.5), que se da porque la variable intermedia es efecto
de la independiente y a su vez causa de la dependiente.
86
Figura 2.5. Calificaciones de una relación entre una Variable Independiente
(VI) y una Variable Dependiente (VD) según la diferenciación de una
Variable Extraña (VE).
2.5. Recapitulación
87
También muestra el capítulo que tales consideraciones tienen sentido tanto
en el ámbito de un concepto como en el de varios, y que en ambos niveles las
tres propiedades han de entenderse respecto a un referente externo más o
menos explícito. Cuando el referente está explícito, la validez de lo planteado
se evalúa respecto a él, y así debe indicarse. En caso contrario, la evaluación
de lo planteado supondrá estimar respecto a qué referente podría considerarse
válido. Y al poder cambiar este por el desarrollo de cada campo temático, las
tres propiedades se definirán siempre respecto al estado de conocimientos y
desarrollo de las temáticas consideradas, según el referente que quepa
considerar en cada momento.
88
Figura 2.6. Validez de conceptos.
89
valores o ele mentos. Cuando falta la mutua exclusividad o diferenciación,
puede ser porque haya más o menos elementos solapados. Y la falta de
precisión también puede ser mayor o menor, pudiendo estar casi lograda
cuando falte algún pequeño detalle o suponiendo una ambigüedad
considerable. También por estas razones, los juicios de cada propiedad de
validez han de emitirse con cautela, y nunca asegurando su existencia o logro
absoluto.
90
El presente capítulo orienta sobre la competencia de planteamiento de
conceptos que supongan alguna innovación de mayor o menor calado
respecto a los planteados hasta entonces.
91
y estratégico clave para el progreso humano ha llevado a diseñar multitud de
técnicas y procedimientos, orientados a provocar o al menos facilitar esas
innovaciones. Son varios los ámbitos o disciplinas que los han desarrollado o
aprovechado, como por ejemplo el mundo de los negocios, la dinámica de
grupos, la creatividad literaria o filosófica, la resolución de problemas
considerada desde la Psicología y la Cibernética, o la propia heurística
científica.
Los criterios que se proponen en este texto son los elementos presentados
en los capítulos anteriores: las dimensiones de los conceptos y las
propiedades de validez de estos. Al igual que en identificación, las
dimensiones vuelven a ser herramientas útiles en el planteamiento de
conceptos por su presencia en todos ellos. Y en cuanto a las propiedades de
validez, sus logros e incumplimientos dejan de ser ahora aciertos y errores
para convertirse en posibilidades adicionales de innovación o cambio. Ambas
cosas son las mostradas en los apartados que siguen.
92
A) Precise o difumine el objeto de estudio y el contexto
93
Ejemplo. Sucedería especialmente lo segundo si se partiera de una
colección de elementos relacionados entre sí, como pueden ser el desarrollo
económico, la historia, el idioma o la climatología, y se pasara a entenderlos
como un conjunto unitario integrado en el concepto de cultura, en el que se
obvia la delimitación de cada uno de sus integrantes.
94
F) Precise o difumine el nivel de especificación empírica
95
El cuadro 3.1 recoge una serie de preguntas organizadas respecto a las
dimensiones metodológicas, orientadas a fomentar la generación de
planteamientos a partir de la precisión y sus incumplimientos.
96
Las posibilidades de que las propiedades de validez, contempladas en las
dimensiones de los conceptos implicados, sean recursos efectivos para la
innovación acaban de quedar ilustradas para el caso de la precisión. En
cualquiera de las dimensiones, el paso de la imprecisión a la precisión supone
explicitar aspectos o elementos que no lo estaban, al igual que la dirección
contraria supone dejar implícitos aspectos o elementos que aparecían
explicitados, dando pie de ambas formas a considerar las cosas de maneras
diferentes.
97
tanto no debe ser rechazada de entrada, dejando para una segunda etapa su
discusión y análisis.
98
A) Diferencie o solape objeto de estudio y contexto
99
Ejemplos. Sería un caso de diferenciación contemplar la variable
"desarrollo de una sociedad" en términos de variables normalmente asociadas
como nivel económico, desarrollo democrático, grados de salud y nivel
cultural de determinadas poblaciones. Otra posibilidad sería no diferenciar las
variables independientes y dependientes, o invertirlas, como sería pasar de
considerar la motivación como un requisito previo para el aprendizaje a
tenerla como una consecuencia de este, o pasar a considerar el mayor
desarrollo de distintas áreas cerebrales como una consecuencia del
aprendizaje y no como su causa.
100
las preguntas de un cuestionario sobre uso de menús de programas
informáticos, en lugar o además de hacerlo de manera verbal. Otro ejemplo lo
constituye la asociación usual en ciencia consistente en exponer los
resultados de las investigaciones mediante códigos de expresión gráficos
descritos verbalmente, y que en la estilística literaria se denomina écfrasis.
El cuadro 3.2 ofrece para cada dimensión una serie de preguntas útiles
para usar la diferenciación y su falta como motores de nuevos
planteamientos.
101
diferenciación
Así sucede con las técnicas que recurren a listas de atributos, consistentes
en diferenciar en el problema de interés diversas características susceptibles
de modificación o variación. Es una estrategia en la que se descompone el
problema en una serie de variables para plantear a partir de ellas otras
distintas, valorando a continuación cuál de esas modificaciones puede
suponer una innovación productiva. Dado que los atributos listados pueden
ser numerosos, suelen ser agrupados en términos de lo que puede
interpretarse como sus contenidos o su función. Sin embargo, también podría
hacerse en términos del resto de dimensiones. De tal forma, además o en
lugar de listar tan solo variables, podrían añadirse relaciones, valores de
distintos tipos, al igual que expresiones realizadas con los modos, niveles y
códigos. Y efectivamente, todo ello puede encontrarse en técnicas como las
que aparecen a continuación.
102
solapados o asociados hasta entonces.
103
Ejemplos. Añadiría elementos al objeto de estudio el terapeuta que,
centrándose inicialmente en el cliente casado que le pide sus servicios, pasara
a centrarse en el cliente y su esposa. En otro caso podría seguir el camino
inverso. Asimismo, el descubrimiento del fenómeno del bloqueo, en la
temática del aprendizaje animal, supuso incluir en el objeto de estudio
elementos que antes eran considerados parte del contexto como la caja
experimental. Un caso de supresión en objetos de estudio se da por parte de
profesionales de la Psicología que excluyen a muchos problemas de
comportamiento del concepto de enfermedad derivado del modelo
mayoritario en Medicina.
104
Tanto la adición como la supresión del número de valores, y el cambio de
su tipo por otro, también suponen vías para la innovación.
105
3.3.1. Recursos ilustrativos de las competencias de innovación referidas a
ajuste
106
La falta de ajuste por exceso o por defecto es identificable en los casos
más usuales definitorios de la sinécdoque, como usar la parte para representar
al todo o viceversa. Otras muestras son la elipsis o supresión de algún
contenido de la expresión, dejándolo implícito, por lo que fue mencionada
también en precisión, y la metonimia en cuanto supone sustituir, por ejemplo,
el continente por el contenido, como "tomar una copa", o el símbolo por lo
simbolizado, como al expresar "lealtad a la bandera" para significar la
relación con ese país. Por su parte, la falta de ajuste por exceso de elementos
está presente en el pleonasmo al consistir en expresar conjuntamente términos
redundantes, como en la frase "entra dentro" o "sube arriba", y que en ciencia
puede ser a veces una vía para originar directa o indirectamente alguna idea
novedosa.
107
en los tres apartados anteriores de este capítulo pueden ser entendidos como
casos de análisis y síntesis.
108
cumpla con los criterios que se hayan indicado. Para gestionar referencias
existe RefWorks, una aplicación a través de Internet que permite importar
referencias, incluir citas en un documento y crear bibliografías o listas de
referencias.
Normalmente se procura que las búsquedas se hagan con arreglo a las tres
propiedades de validez, tratando de que sean precisas, ajustadas al objetivo
perseguido al ser una revisión exhaustiva de los trabajos existentes con
exclusión de los que no sean del tema, y sin solapamientos con otros temas.
Sin embargo, hacer búsquedas sin atenerse a esas tres propiedades y
aprovechar lo que ello pueda aportar es otra vía quizás insuficientemente
explorada para la innovación. Serían búsquedas no estructuradas de carácter
exploratorio, que producirían casos de serendipia o descubrimientos
inesperados.
109
trabajos, los resultados de las investigaciones suelen exponerse en foros como
congresos, jornadas o coloquios, de manera que al defender ante un público
más numeroso los propios planteamientos y escuchar las dudas y cuestiones
que se planteen, puedan apreciarse aspectos no considerados hasta entonces.
En esos mismos ámbitos, la innovación también puede surgir al escuchar los
trabajos de otros colegas.
110
3.5. Recapitulación
111
consideradas como posibilidades de obtener nuevos planteamientos (ver
figura 3.1). No obstante, una vez planteados los conceptos, estos deben
someterse al juicio de validez conceptual mostrado en el capítulo 2.
112
del mismo grado respecto al punto de partida. Esas diferencias dependen de
varios factores implicados en los instrumentos aquí propuestos.
En todo caso, los mayores grados de cambios definidos por los criterios
recién señalados no siempre han de corresponder con el de un avance más
considerable en ciencia. Lo aquí ofrecido aporta criterios materiales para
describir ese cambio, pero lo que es considerado un avance queda definido
por criterios más propios de cada persona o colectivo, influidos por aspectos
sociológicos del ámbito en el que aquellos se desenvuelven en cada época.
Cambios considerados pequeños con los criterios aquí propuestos pueden ser
considerados en un momento dado avances significativos y sustanciales,
mientras que la valoración opuesta puede darse con otros de mayor grado.
113
La competencia central de esta segunda parte es la recogida de datos. Su
sentido es la obtención de evidencias con las que responder a las preguntas
planteadas. Es por ello una concreción sobre todo de las características
empírica y procedimental de la ciencia, además de la lingüística presente en
toda competencia de dicho campo.
114
do de la clase, el concepto objeto de estudio sería el conjunto de posibles
posturas; el contexto del alumno, el lugar y momento planteados; y el
contexto de la recogida el alumno, la clase y momento en que se obtenga el
dato pretendido. Y al igual que en el resto de competencias, el contexto más
amplio en el que todo ello tiene lugar lo constituye algún ámbito profesional,
ya sea educativo, clínico, docente o cualquier otro con sus respectivas
características. A ello hay que sumar el contexto personal de quienes recogen
los datos, sus condiciones y circunstancias específicas.
115
"instrumentos de medida", "variables de medida" o "errores de medida", por
ejemplo.
116
De los capítulos de la presente parte, el 4 muestra cómo identificar y
decidir las recogidas de datos, mientras que los 5, 6 y 7 enseñan cómo
identificar y procurar en esas recogidas de datos cada una de las tres
propiedades de validez, conjuntando todo ello el capítulo 8. Los cinco
capítulos expresan todas esas competencias en términos de otras moleculares
o más particulares a seguir.
117
Como señala la introducción a esta parte, el presente capítulo enseña las
distintas modalidades de la competencia de recogidas de datos en términos de
lo que se denominan Diseños, Métodos y Técnicas de investigación. Y lo
hace tanto para analizar las investigaciones propias o ajenas ya realizadas,
como para decidir las que se necesiten llevar a cabo.
118
datos de forma exploratoria para llegar a precisar el objeto de estudio de sus
indagaciones. Una vez que tuviera una idea o hipótesis clara sobre el
diagnóstico más adecuado, trataría de confirmarlo de manera planificada
mediante recogidas adicionales de datos.
Por eso, cuando se lleva a cabo una recogida de datos sin haber definido
previamente su objeto de estudio y contexto caben distintas posibilidades.
Una de ellas es plantear algún objeto de estudio y su contexto antes de seguir.
Pueden utilizarse para ello los procedimientos expuestos en el capítulo 3.
119
criterios. Cuando estos son las dimensiones de estructura y número de valores
de sus componentes, se dice estar considerando el diseño de las recogidas de
datos.
120
alumnos.
121
C) Cuando sea factible, identifique o decida los diseños relacionales según el
número de condiciones de las variables independientes
Con una sola variable independiente, el diseño puede presentar dos o más
valores, dos o más condiciones, denominándose respectivamente bi o
multicondicional. Se entiende por condición cada conjunto de circunstancias
de las variables de contexto en las que se aplica o estudia cada valor de la
variable independiente. Por eso cada condición se identifica como un valor de
la variable independiente.
122
considerados de las dos terapias. De modo semejante, la indicación de un
"diseño factorial 2 X 4 X 5" implica la consideración de tres variables
independientes o predictoras, de las que una aporta dos valores, otra cuatro y
otra cinco, resultando por tanto que deberían tenerse un total de 40
condiciones. Por su parte, un "diseño 6 X 3" incluye dos factores, uno con
seis valores y otro con tres, con un total por tanto de 18 condiciones.
123
condiciones, no se logra recoger datos en todas ellas. Por eso, el calificativo
de completo o anidado sólo debe aplicarse una vez comprobado que hay
datos recogidos en todas las condiciones exigidas por la combinación de las
variables independientes.
124
sustancia estimulante tampoco se manipula, siendo variable independiente,
cuando como valores de ella se aprovechen las cantidades que los sujetos
hayan tomado sin intervención de quien los estudia. En cambio, esa misma
variable sería independiente manipulada, y por tanto no de prueba, cuando
quien investiga aplica a los sujetos las cantidades que requiera para la
investigación.
125
sujeto o unidad de estudio
Hay que advertir que el número de datos que define a una u otra estrategia
no corresponde necesariamente con el número de registros realizados, sino lo
que se considere finalmente como dato a partir de dichos registros.
126
Figura 4.1. Diseños de recogida de datos.
127
En los diseños relacionales, la estrategia conlleva una determinada
organización de los sujetos o unidades de estudio. Si es transversal, el hecho
de que se tome una sola medida de la variable dependiente a cada sujeto
implica que los sujetos que estén en una condición no están en otra, por lo
que habrán de formarse distintos grupos de esas unidades, tantos como
condiciones. Por eso, y según cuál de esos aspectos desee resaltarse, se les
denomina diseños de medida única o bien multigrupos o intergrupos si desea
indicarse que la comparación de datos para el estudio de la covariación se
realiza entre datos de distintos grupos de sujetos. A veces, estos diseños son
denominados de grupos control o normativos, o de grupos control y
experimentales, para resaltar que uno de los grupos de comparación,
normalmente el de valor ausencia de la variable independiente, se toma como
referencia para evaluar las posibles diferencias de la variable dependiente en
los distintos grupos.
128
denomina de caso único o de n = 1, y presentan una terminología específica
para sus diseños que, sin embargo, responden a los criterios aquí presentados
más algún matiz específico sobre cómo disponer dichos valores. Para una
identificación más precisa de estos diseños véase la exposición de Moreno
(1988).
Como resume el cuadro 4.1 para los casos relacionales, recoger en cada
sujeto un solo dato de la variable dependiente, como es propio de la estrategia
transversal, implica tener tantos grupos de ellos como condiciones de la
independiente, y que cada sujeto está en contacto tan solo con un valor de
esta. En cambio, los estudios longitudinales relacionales implican más de un
dato por sujeto de cada variable dependiente, un único grupo de sujetos
estudiado en tantos momentos como condiciones, y que cada sujeto contacta
con todos los valores de la variable independiente considerada.
129
4.3. Identificar y decidir el método de la recogida de datos
Las competencias que siguen, al igual que las anteriores, pueden aplicarse
a cualquier recogida de datos, independientemente de su carácter más
planificado o más exploratorio, y ya sea para describir las propias o ajenas ya
realizadas, o para llevar a cabo las que se necesiten.
130
manipulación, ya señalada en el apartado 4.2.E, sin que dicho término tenga
el matiz peyorativo que recibe en el lenguaje ordinario. En otras palabras, hay
intervención en una variable independiente cuando el contacto de los valores
de dicha variable con los sujetos o unidades depende de quien investiga, ya
sea que lo decida directamente o a través del azar.
Hay que tener presente también que no todas las variables admiten la
manipulación cuando son planteadas como independientes o predictoras.
131
Por otra parte, la intervención no tiene sentido en las variables de prueba.
Intervenir en ellas supondría que quien investiga haría aparecer determinados
datos de tales variables, algo que evidentemente no tiene sentido cuando lo
que se pretende averiguar es justamente qué datos aparecen de dichas
variables de medida.
132
Ejemplo. Un investigador desea observar los contenidos de las conductas
verbales del público de una determinada grada en un partido de fútbol.
Además de ser un estudio sin variables independientes y por tanto sin
intervención en ellas, si lo lleva a cabo haciéndose pasar por un espectador
más situado en la grada de enfrente, podría considerarse que está recogiendo
datos sin alterar el contexto ni de sujeto ni de medio. Al menos es lo que
intenta y que deberá comprobar si efec tivamente pasa desapercibido en su
labor. De no lograrlo, el estudio dejaría de ser natural.
133
naturales relacionales. Sin embargo, para diferenciar los estudios naturales y
selectivos se reserva la denominación de selectivos para aquellos con
intervención en el contexto.
134
fueran informados de tal labor.
Obtener datos sin que esa tarea implique intervención significa que se
logran esperando a que aparezcan para apreciar cuáles son, es decir,
observando.
135
responden a las expresiones de otros estudiantes o del profesorado.
136
aparecen en la literatura pueden integrarse en una u otra. Todas esas
denominaciones pueden considerarse como casos particulares de la
observación o de la encuesta, en función de criterios ligados en su mayoría a
determinadas dimensiones, como se expone en lo que resta del presente
apartado.
137
Ejemplos. Un observador-participante en un aula sería una persona ajena
que entrara en ella comunicando su función. En cambio, el profesorado y
alumnado podrían ser participantes-observadores de determinadas situaciones
en dicho aula.
138
1999) frente a las exógenas, en las que son diferentes las personas estudiadas
y las que las estudian.
139
y técnicas de recogida de datos.
Ejemplos. La fuente de datos puede ser visual, como la formada por niños
jugando o textos escritos; auditiva, como personas hablando; táctil, como la
tensión que se puede percibir en determinados músculos al tocarlos, o
gustativa y olfativa, como los sabores y olores de determinadas sustancias.
De todas ellas, las más utilizadas son las visuales y auditivas recogidas en
observaciones, entrevistas y cuestionarios, en presencia de los sujetos o a
través de Internet (Sánchez, Segovia y Sánchez, 2012), aunque también
reciben atención otras como la comunicación no verbal entre personas (Bull,
2001), fotografías y otros medios visuales (Banks, 2001) o diferentes
productos culturales (Hodder, 2005).
140
Figura 4.2. Métodos y técnicas de recogida de datos.
141
Ejemplos. Son fuentes primarias de datos las conductas obtenidas en los
suj etos estudiados. Son fuentes secundarias sobre esas conductas los datos
obtenidos por investigaciones ya realizadas y que vuelven a ser considerados
para revisarlos o complementarlos, como hacen los metaanálisis de tipo
estadístico (Botella y Gambara, 2002; Marín-Martínez, Sánchez-Meca,
Huedo y Fernández, 2007), los análisis cualitativos de datos secundarios
(Heaton, 2004) y en general cualquier revisión de investigaciones publicadas.
Asimismo, cuando interesa estudiar el pensamiento de una determinada
autora, los documentos escritos por ella son fuentes primarias de recogida de
datos, mientras que si se utilizaran lo que otros estudiosos hayan escrito sobre
ella se estarían usando fuentes secundarias.
142
instrumentos materiales, denominados sistemas de categorías, clasificaciones,
rúbricas, listas o escalas de comprobación o chequeo, o cuestionarios si se
desea resaltar que se aplican por escrito. Otros instrumentos materiales son
aparatos como cámaras de vídeo o grabadoras de audio y programas
informáticos.
143
Por otra parte, algunos instrumentos implican determinadas elaboraciones,
a partir de los objetos de estudio, basadas en determinadas dimensiones de
estos. Las recogidas de datos que utilizan tales instrumentos se denominan
indirectas o derivadas, en contraposición con las recogidas directas, en las
que no se da tal elaboración.
144
mayor medida.
145
corresponder a ese tipo.
146
Figura 4.3. Tipología de las técnicas de recogida de datos.
147
concepciones epistemológicas diferentes. Este texto, sin embargo, prefiere
considerarlos como posibilidades apropiadas para situaciones de
investigaciones que dificultan o facilitan la planificación de las recogidas de
datos, siendo ambas por tanto útiles y mutuamente complementarias para la
ciencia y su modo de proceder.
148
Ejemplo. Una muestra de este procedimiento es el "Cuestionario de
actitudes de los estudiantes hacia la estadística", expuesto por Carmona y
Moreno (1999), cuyas facetas son la modalidad de valoración - con afectos,
cogniciones o conductas como variables componentes-, el atributo valorado -
dificultad o utilidad-, el objeto valorado - la asignatura o la Estadística en
general-, el referente - el propio sujeto u otros-, y un rango de valores de
actitud - desde Muy positiva a Muy negativa-. Ello originó 24 frases o ítems,
uno de los cuales fue: "Me será fácil entender las clases de la asignatura de
Estadística", en el que la cognición es la modalidad valorada, la facilidad es
el atributo, la asignatura el objeto, y el propio sujeto el referente, ofreciendo
además el mismo rango de valores posibles que el resto de ítems.
4.5. Recapitulación
149
este capítulo responden a diversas dimensiones de los conceptos implicados
en el objeto de estudio y en el contexto. La estructura del objeto de estudio y
el número de valores de sus variables, incluyendo el número de datos de las
de prueba a recoger en cada sujeto o unidad de estudio, permiten describir las
investigaciones en términos de diseños. Por su parte, la dimensión de
contenido, junto con las de función y estructura, aportan la noción de
intervención con la que pueden estructurarse los distintos métodos y técnicas
de recogida de datos. Es lo que resume el cuadro 4.2 y puede practicarse con
los numerosos ejercicios interactivos ofrecidos en el apartado correspondiente
de la web docente de Martínez y Moreno (s.f.).
Todo ello es útil para describir y decidir los aspectos claves de las
recogidas de datos. Ambas actividades suelen comenzar atendiendo a los
aspectos definitorios del diseño. De ellos, el primero es la estructura del
objeto de estudio, aunque si es relacional las descripciones suelen omitir esa
mención, sobrentendiendo dicho carácter si no se señala que es unitario. A
continuación, y si es el caso, se señala el número de variables independientes
150
y de sus condiciones, entendiéndose que es completo si no se dice lo
contrario, continuando con la estrategia seguida o planificada.
Posteriormente, y si es el caso, se toman en consideración técnicas para la
diferenciación expuestas en el capítulo 7 de esta misma parte. Se termina la
descripción atendiendo al número de variables de prueba empírica,
sobreentendiendo que es una sola si no se especifica que el diseño es
multivariable.
151
Al igual que en planteamiento de preguntas y respuestas, la necesaria
precisión de las recogidas de datos incluye la de su replicabilidad,
posibilitándose ambas mutuamente, a la vez que facilitan la diferenciación y
el ajuste y se ven favorecidas por estas propiedades.
152
la literatura el concep to de cociente intelectual. En cambio, si se decidiera
observar el comportamiento de dicho alumnado, sin especificar qué aspectos
van a considerarse, se estaría ante un objeto de estudio que habría que
precisar antes o después de realizar la recogida de datos.
153
D) Identifique o procure la precisión de los contenidos del objeto de estudio y
contexto
154
Otro aspecto fundamental de la recogida de datos es identificar o procurar
la precisión en el tipo y número de valores de las variables de interés.
Ejemplos. Una serie de valores para registrar interés por el cine, como
"poco, algo o bastante" puede hacerse más precisa reduciéndola a una
dicotomía cualitativa como "si se tiene o no interés en el cine". Esas
categorías ordinales también pueden precisarse al indicar sus respectivos
límites con valores cuantitativos del "número de asistencias al cine por mes".
155
Figura 5.1. Precisión en la recogida de datos.
156
de las ocurrencias de una determinada clase de conducta, como por ejemplo
"autolesiones", entendida como daño físico infringido por la propia persona
contra sí misma ya sea por golpes, pellizcos o caídas.
Ejemplo. A veces se señalará cada dato con un número, otras con un signo
de ocurrencia de lo observado, y otras con un Sí o un No u otra palabra o
frase. También pueden utilizarse marcas gráficas, como sería una escala
aplicable a menores que utilizara iconos de caras de más a menos sonrientes
para mostrar el grado de acuerdo con determinados hechos que se les
planteara.
157
datos cuando dos personas observan la misma situación simultáneamente y
con las mismas categorías de referencia, o cuando se utilizan dos
cuestionarios que estudian un mismo rasgo de personalidad. Otras veces se
intenta replicar una recogida de datos previa, como supondría repetir alguno
de los experimentos de condicionamiento clásico realizado por 1. Pavlov.
Una muestra de la relevancia que las replicaciones tienen en ciencia es la
existencia de publicaciones específicamente dedicadas a ese objetivo, como
la revista Perspectives on Psychological Science.
158
Otras replicaciones de la recogida de datos introducen cambios en algún
elemento para estudiar sus posibles efectos. Son denominadas sistemáticas,
porque los cambios que implican siguen pautas, fundamentalmente las del
estudio de covariaciones mostradas en el capítulo 1, y porque el estudio de la
posible influencia de los elementos cambiados implica sistematizar o
estructurar en mayor medida un conjunto de conocimientos. A pesar de los
cambios que implican en algunos elementos, las sistemáticas son
replicaciones porque la mayoría de elementos se mantienen semejantes,
siendo estos justamente la base necesaria para conocer si lo que cambia en
cada ocasión tiene efectos o no.
Los elementos de las recogidas de datos que pueden ser objetos de las
replicaciones sistemáticas deberían ser aquellos cuyos cambios pudieran tener
efectos relevantes y por tanto interesantes de conocer, ya sean variables
implicadas, sus valores, instrumentos o las actividades implicadas.
159
En los estudios observacionales, el elemento referente de las replicaciones
es la actividad de realizar los registros. Por ello es usual disponer de dos o
más observadores que registren independiente y simultáneamente la misma
situación con el mismo sistema de categorías o instrumento de referencia.
Ello permite estudiar, en los datos que aporten, el grado de concordancia o
acuerdo interobservadores. Otra posibilidad es valorar el acuerdo
intraobservador, de un observador consigo mismo en observaciones sucesivas
sobre lo que pueda considerarse un mismo hecho, como por ejemplo un texto
a analizar o un episodio de conducta grabada en vídeo y que pueda visionarse
repetidas veces.
Por otra parte, si así interesara y resultara factible, también cabría variar
los instrumentos utilizados. Si el instrumento que se modificara fuera el
sistema de categorías, ello sería muy similar a los casos expuestos a
continuación.
160
instrumento que se considera unidimensional. Ello suele plantearse cuando la
medida a obtener con el instrumento es el resultado de la agregación o suma
de las puntuaciones obtenidas en cada uno de sus ítems, como ocurre con las
preguntas de un examen de conocimientos sobre una materia o de una prueba
de un determinado rasgo de personalidad. En estos casos se habla de la
evaluación de la consistencia interna del instrumento como manera de evaluar
su precisión. El capítulo 10 indica modos de evaluar los resultados de este y
restantes modos de replicación mencionados.
161
registrados con un mismo procedimiento de medida. Es lo que se denomina
respectivamente validez convergente de métodos y validez divergente de
rasgos o variables diferentes.
162
Figura 5.2. Replicabilidad en la recogida de datos.
5.3. Recapitulación
163
identificar y procurar precisión y replicabilidad en la recogida de datos; en el
segundo caso se necesita disponer de más de una fuente de datos. Lo muestra
en términos de las diferentes dimensiones de los conceptos implicados.
164
sistemas de categorías o ítems de cuestionarios, al interpretar
inadecuadamente lo que hacen o dicen los sujetos, al anotar incorrectamente
los datos obtenidos, o en otros muchos momentos, incluyendo los ligados a
los procedimientos para la obtención de precisión y replicabilidad. Todos
ellos pueden producir errores en las mediciones o recogidas de datos, los
denominados errores de medida.
165
Además de precisión, debe considerarse el ajuste o representatividad de las
recogidas de datos. Consiste en la semejanza entre lo que se haga para la
obtención de datos y lo planteado como referencia, sin sesgos o desviaciones
por defecto o exceso.
Las competencias que siguen son útiles para evaluar el ajuste en las
recogidas de datos propias o ajenas ya realizadas, y para procurarlo o
evaluarlo en las que se necesite realizar.
166
En el marco de las recogidas de datos, y especialmente cuando se
considera el ajuste de ellas, cada componente del objeto de estudio y su
contexto de referencia se denomina población, siendo los parámetros sus
características delimitadas por las diferentes dimensiones. Por su parte, se
denominan estimadores de tales parámetros los datos recogidos del objeto de
estudio y las características del contexto en el que se obtienen.
167
El primer aspecto que influye en el logro de ajuste o representatividad de
las recogidas de datos es el tamaño de las poblaciones, entendido como el
número de sus respectivas unidades.
168
reducido de tres días.
169
determinadas poblaciones delimitadas previamente o con posterioridad. Para
lograrlo existen dos grandes vías presentadas a continuación.
Ejemplo. Se trata de una vía muy abundante en ciencia, y fue la usada por
Ivan Pavlov en sus primeros estudios de los reflejos condicionales de la
respuesta salival, iniciados con sucesivos perros callejeros, pero cuya línea de
investigación y resultados pudieron generalizarse desde esas muestras
obtenidas por accesibilidad a especies diferentes y a otros tipos de respuestas
y estímulos.
170
Ejemplos. El primer caso se daría cuando no se supiera cuántas son las
personas que participan en un determinado movimiento social que deseara
estudiarse. El segundo ocurriría al pretender un profesional estudiar en
solitario una determinada opinión en la población española.
171
similar si los diferentes días fueran las unidades simples de una población de
tiempo, las compuestas estarían formadas por cualquier agrupación que se
pueda hacer con ellos, sean semanas, quincenas, meses o cualquier otra.
172
En cuanto al segundo aspecto mencionado arriba, hay dos tipos de
procedimientos para realizar la extracción de cada una de las unidades que
van a conformar o han conformado la muestra. Uno es que la persona que
realiza el muestreo elige cada unidad con el objetivo de lograr la muestra
representativa que pretende. Para ello necesita dos cosas: conocer cómo se
dan en la población los parámetros que entienda de interés, y respetarlos en la
extracción de unidades y conformación de la muestra para que estén
presentes en ella de manera semejante a como lo están en la población. Es la
extracción intencional, realizada con la intención de obtener resultados
representativos de lo planteado, ajustados a esa población.
173
sistemáticamente más importante que el resto. Por eso, si se introdujera una
bola más pesada que el resto, se diría que se habría "roto" el azar.
174
representativos (ver figura 6.2). Pueden realizarse con la ayuda de
herramientas de libre distribución, ofrecidas en páginas web como las de
Manzano (s.f.) u otras que pueden localizarse a través de cualquier buscador,
o con programas informáticos con licencia, como el SPSS, que incluyan
módulos específicos de muestreo.
175
podrían considerarse cuatro estratos de media hora cada uno. El muestreo
sería por cuotas o aleatorio estratificado según que en cada estrato se elijan
intencional o aleatoriamente los minutos en los que observar.
En todos los muestreos que parten de unidades compuestas hay que decidir
la afijación o modo de distribuir en la muestra la presencia de los distintos
estratos. Dos de las usuales son la afijación uniforme y la proporcional,
diferenciadas según que el número de unidades muestrales, o elementos de la
muestra, que se obtengan de cada estrato sea respectivamente el mismo para
todos o conforme al tamaño de cada uno en la población.
176
Figura 6.2. Tipos de muestreo para la representatividad.
177
A veces la afijación decidida se ve perturbada por la pérdida de unidades
seleccionadas para la muestra, atribuible a factores de los propios sujetos, su
medio o de la propia investigación.
178
determine a priori cuántas unidades han de elegirse. Por ello, es más
adecuado decidir un tamaño que facilite la representatividad sin ser excesivo
y difícil de lograr.
179
población finita, se le incluye en las fórmulas para el cálculo del tamaño
muestral buscado, de la manera siguiente también para el caso de
proporciones:
6.2. Recapitulación
180
existir replicaciones que avalen las generalizaciones que se establezcan a
partir del muestreo realizado, estas pueden considerarse sin base suficiente.
Todos esos juicios sobre ajuste deben ser emitidos en términos de grados
más que de los cualitativos dicotómicos Sí o No, ya que no solo son posibles
los dos valores extremos de sesgo nulo o completo de la recogida de datos.
181
las posibilidades y ejecución del procedimiento seguido. Una muestra de gran
tamaño puede quedar invalidada por un procedimiento mal realizado o poco
adecuado a las poblaciones de referencia. Además, los sesgos pueden deberse
también a las pérdidas de unidades elegidas en las muestras. Por ello, las que
se utilicen como sustitutas o de reposición han de tener características
similares a las que se hayan perdido.
182
Junto a la precisión y representatividad, los diseños, métodos y técnicas de
recogida de datos han de atender a que las variables del objeto de estudio y
contexto planteadas como diferentes queden efectivamente diferenciadas.
Ello supone que los valores de cada una no estén solapados entre sí, que no
covaríen. En los casos contrarios se habla de confusión o solapamiento.
Las competencias que siguen son útiles para evaluar diferenciación en las
recogidas de datos propias o ajenas ya realizadas, y para procurarla y
evaluarla en las que se necesiten realizar.
183
impidiendo distinguir si los cambios de la variable dependiente se deben a los
cambios de la independiente o a los de la extraña. Y otra, porque al definirse
las variables extrañas como las ajenas al objeto de estudio, su número es
ilimitado. Ello conlleva la imposibilidad de controlar la diferenciación de
todas las extrañas, ya que siempre puede quedar sin considerar alguna que
covaríe con las independientes.
184
constancia se aplica al contacto de quien investiga con los sujetos, es
denominada habituación, por la progresiva pérdida de influencia que se
pretende de esa presencia.
185
variables mantenidas constantes o eliminadas, toda variable presente con más
de un valor puede estar confundida con otra. De ahí la necesidad de evitar
esta situación.
D) Para analizar o evitar posibles confusiones entre las variables extrañas con
más de un valor y cada independiente, comience por identificar o decidir la
estrategia de estas
186
a lograr en la estrategia transversal con todas las variables de contexto
presentes con más de un valor.
187
Cuando la estrategia sea longitudinal, el control de las variables extrañas
ha de consistir en asemejar sus valores en los distintos momentos organizados
como condiciones, con el fin de que no varíen a la vez que los de la
independiente. Ello se consigue por tanto cuando a lo largo de todos esos
momentos, el grupo de sujetos es semejante a sí mismo en lo que se refiere a
los valores de las variables extrañas. Es la técnica denominada unidades o
sujetos como propio control.
188
comenzando por dosis altas seguidas de dosis bajas, mientras que en otros
sujetos sucediera a la inversa.
Aunque a veces esta técnica supone dividir a los sujetos en grupos según
los valores de la variable orden de presentación, ello no supone abandonar la
estrategia longitudinal porque esta se considera respecto a las variables
independientes.
189
Figura 7.1. Control de VVEE.
190
Como se planteó en el capítulo 4 al tratar los diseños factoriales, cuando
haya más de una variable independiente todas ellas deben estar diferenciadas
o controladas entre sí, pues solo así pueden analizarse de manera diferencial
sus respectivos posibles efectos. Y lo estarán en la medida en que los valores
de cada una estén combinados con los del resto.
191
aplicación de cuestionarios y tests.
192
La posible confusión entre todas estas variables de medida, en las que no
se interviene, debe identificarse mediante el análisis de datos y no en la
recogida de estos. De hecho, y como se señala en el capítulo 9, existen
técnicas para tener en cuenta las covariaciones entre estas variables.
7.2. Recapitulación
193
Figura 7.2. Relaciones entre VVII, VVDD y VVEE según diferenciación.
194
factibles en las variables presentes en la muestra con más de un valor, ni
recomendables cuando se estime que hacen perder representatividad. En
cuanto a los procedimientos de control de las variables presentes con más de
un valor, los aleatorios no pueden ser usados en investigaciones selectivas
para las variables extrañas de sujeto, mientras que los no aleatorios exigen en
todos los casos el conocimiento de las características de las variables a
controlar.
195
variables sobre las que no se puede actuar a efectos de control, cabiendo tan
solo evaluar sus posibles confusiones una vez que se disponga de sus
correspondientes datos. Otra fuente de confusión es que ni las técnicas de
control intencionales ni las aleatorias producen siempre los resultados
apetecidos, bien por no ser aplicadas correctamente o bien porque el azar en
su caso lleve a asignaciones no equitativas. Otras posibles confusiones están
ligadas a desestimar indebidamente como covariación de un determinado
grado alguna que en realidad debería reconocerse como falta de
diferenciación. Por último, siempre es posible que puedan estar con fundidas
variables de contexto que no se hayan explicitado por haberlas considerado
irrelevantes o por ni siquiera haber reparado en ellas.
196
capítulo 10.
197
El presente capítulo tiene dos objetivos: El primero, compendiar
características de las propiedades de validez en la recogida de datos,
permitiendo apreciar su semejanza con las correspondientes en planteamiento
de conceptos, lo que incluye las mutuas condicionalidades que se dan entre
ellas. El segundo, resaltar las influencias que sobre la validez pueden ejercer
los diferentes diseños, métodos y técnicas, en términos de las dimensiones
que conforman cada una de esas modalidades de recogidas de datos. Todo
ello permite ofrecer un listado final de preguntas guías para evaluar y realizar
recogidas de datos con la mayor validez posible.
Los tres capítulos previos han mostrado que las propiedades de validez tienen
sentido en las recogidas de datos. Estas han de ajustarse al referente que se
tome en cada caso, diferenciando sus conceptos y actividades, y
considerándolas con la mayor precisión posible.
198
cuidando que lo planificado se lleve a cabo o, si es el caso, con
modificaciones adecuadas; y después, revisando lo realizado. En las
investigaciones exploratorias, realizadas sin un objetivo especificado de
antemano, la validez de la recogida de datos solo puede considerarse durante
y después de su realización, a medida que vaya delimitándose ese objetivo.
199
resultados obtenidos (Rosenthal y Rosnow, 1969).
Teniendo como referencia esos tres elementos de los que son función los
datos que se obtengan, la validez de sus recogidas requiere conseguir
objetivos específicos respecto a cada uno de ellos. Kerlinger (1986/2001) los
recogió como los tres componentes del denominado principio
MAXMINCON, planteado en principio para los estudios experimentales pero
que puede generalizarse a cualquier tipo de investigación.
200
En la medida que se logra, el ajuste es también consecuencia de que los
factores de contexto no explicitados por irrelevantes sean tales efectivamente
y produzcan únicamente errores mínimos y aleatorios, sin tendencia clara o
sistemática. Por tanto, las recogidas de datos han de procurar que los factores
no explicitados del contexto queden MINimizados. Y se pretenden minimizar
y no eliminar porque siempre cabe la posibilidad de que haya factores
obviados que tengan influencia en el objeto de estudio aunque sean de poca
importancia. Por ello, y aunque no perfecta, ese componente del ajuste
supone precisión o fiabilidad del modelo planteado en términos de objeto de
estudio y su contexto.
Como cada uno de los tres objetivos está asociado preferentemente a una
determinada propiedad de validez, los modos de procurar cada uno de ellos
en las recogidas de datos son los expuestos en los capítulos 5, 6 y 7. El
cuadro 8.1 resume los componentes de los que son función los datos, los
objetivos y las propiedades de la validez que les corresponden.
201
Al igual que sus propiedades componentes, la validez de la recogida de
datos no debe ser considerada solo de manera cualitativa y dicotómica, como
existencia o no, sino también en términos ordinales y politómicos,
admitiendo distintos grados. Y es que cuando no se da el ajuste puede ser por
falta o sobra de más o menos elementos, igual que cuando falta la mutua
diferenciación puede ser porque haya más o menos elementos solapados. Y la
falta de precisión también puede ser por una mayor o menor cantidad de
elementos implícitos.
202
generalización a nuevos referentes, así como reducir riesgos de confusiones
entre ellos y también con los factores considerados.
203
difícil de lograr, suele resaltarse en mayor medida la búsqueda de ajuste o
representatividad, no solo respecto al referente planteado, sino también a
alguno más amplio que da sentido a entender dicha propiedad como alcance o
generalidad, o transferibilidad, como suele denominarse más específicamente
en estudios cualitativos. Con uno y otro referente, externos ambos a la propia
investigación, el ajuste o representatividad es entendido como validez
externa.
204
también al provocar con encuestas la aparición de datos de variables, como la
opinión sobre un tema, difíciles de observar en sus ocurrencias no
provocadas. No obstante, también es cierto que las intervenciones pueden
introducir elementos ajenos a las situaciones naturales, restando
representatividad a los datos obtenidos en ellas. En consecuencia, en cada
investigación se han de analizar y ponderar los beneficios y perjuicios que
cada decisión conlleve, buscando las mayores ventajas posibles.
205
Figura 8.1. Validez en la recogida de datos.
206
análisis de cada estudio debe hacerse sin prejuicios acerca de las ventajas y
limitaciones de cada diseño, método y técnica, y más aún al recordar que
ningún caso está libre de dificultades y que en cada uno deben buscarse las
decisiones con menos inconvenientes, sin pretender que estén totalmente
libres de ellos. Como se señala en varios lugares de esta obra, decisiones que
favorecen a alguna de las propiedades pueden conllevar obstáculos para otra.
207
Ejemplos. Teniendo varias variables definidas a nivel empírico, como
"opiniones sobre un tema", "manifestaciones de sentimientos que este
genera" y "acciones que lleguen a realizarse en tomo a él", se plantearía un
problema de validez de constructo al considerar si todas ellas quedan
agrupadas adecuadamente en un solo constructo o en más, y con qué
definición. A la inversa, teniendo como referencia el constructo "calidad de la
narración del testigo de un accidente", considerar si son indicadores
adecuados y suficientes determinadas variables como la "coherencia
sintáctica de una narración" y el "número de verbos, adjetivos y sustantivos
utilizados en ella" supondría plantearse un problema de validez de contenido.
208
supondría plantearse la validez procedimental.
8.4. Recapitulación
209
facilitará conseguir que cuando sean analizados, pueda apreciarse si los datos
obtenidos sostienen o no como relevantes a los conceptos objetos de estudio.
A partir de todo ello puede ofrecerse una guía resumen en forma de lista
de comprobación tanto para analizar como para plantear recogidas de datos
en términos de diseños y métodos lo más válidos posible. Es lo que muestra
el cuadro 8.2.
210
Para finalizar, una aclaración sobre una aparente contradicción o problema
entre aspectos señalados en esta sección. Su introducción señalaba que toda
recogida de datos y por tanto estos mismos dependen de cómo se interprete la
realidad en estudio en función de los conceptos utilizados como referencia.
Ello supone asumir que toda recogida de datos es subjetiva inevitablemente,
lo que puede dar a entender que no es ni puede ser objetiva. Dicha conclusión
resulta extraña dado que la objetividad es un principio reclamado
insistentemente como criterio consustancial de la ciencia.
211
varias personas a partir de un mismo concepto de referencia.
212
La competencia central tratada en esta tercera parte es el análisis de los datos
recogidos. Su sentido es obtener de ellos la información que puedan aportar.
Es por ello una concreción sobre todo de las características empírica y
procedimental de la ciencia, además de la lingüística presente en toda
actividad humana.
Los elementos de dicha competencia son los siguientes (ver figura I3.1). El
logro son los resultados que se extraigan de los datos. Los instrumentos
conceptuales fundamentales son los conocimientos sustantivos y
metodológicos de quien investiga, así como los datos recogidos. Los
instrumentos materiales varían según las investigaciones, siendo en muchos
de ellos papel y lápiz con los que hacer anotaciones, más ordenadores y
programas informáticos para el análisis de datos. Las actividades implicadas
son la inspección y preparación o tratamiento de los datos mediante
determinadas operaciones cuando su cantidad o su complejidad así lo
requieran, más la interpretación de todo ello. Y al igual que en las partes
anteriores, el contexto de todo ello es algún ámbito profesional con sus
características de todo tipo, más el propio de quienes analizan los datos.
213
Como en las competencias consideradas hasta aquí, la validez del análisis de
datos ha de contemplarse respecto a algún referente, en este caso el objeto de
estudio y su contexto más la recogida de datos realizada. La correspondencia
con dichos referentes es la clave para la validez de los análisis de tales datos.
214
De los capítulos de la presente parte, el 9 describe cómo identificar y
decidir los análisis de datos, mientras que el 10 muestra la aplicación de las
tres propiedades de validez a la valoración tanto de los datos obtenidos como
de los propios análisis. Todas esas competencias están expresadas en
términos de otras moleculares o más particulares.
215
Como acaba de señalarse, el presente capítulo muestra la competencia de
análisis de datos, haciéndolo tanto para identificar análisis propios o ajenos
ya realizados, como para decidir los que se necesiten o deseen.
216
dimensiones metodológicas mostradas a continuación a modo de lista de
comprobación o chequeo.
217
La estructura de conceptos objetos de análisis es la especificada en los
diseños de las recogidas de datos planificadas, como mostraba el capítulo 4, o
la que resulte de las recogidas de datos exploratorias y análisis del mismo
tipo.
En uno u otro caso considere si los datos a analizar son de una o más
variables de prueba, y si estas se consideran de manera unitaria o formando
parte de una relación.
Si el objeto de estudio es una relación, los datos deben dar cuenta de ella y
el análisis variará según se tome o no como primer término alguna de las
variables. Si se considera alguna variable como primer término, los análisis
han de tenerlo en cuenta, variando según sean una o más las variables
independientes o predictoras. Si no se distinguen los términos como primero
y segundo, los análisis de las relaciones encontradas han de mostrar la posible
asociación de los valores de las variables relacionadas.
218
determinar también el análisis de datos.
Los análisis también han de tener en cuenta los tipos de códigos, verbales,
gráficos o numéricos con que estén o vayan a estar expresados los datos.
219
Figura 9.1. Tipos de análisis según dimensiones metodológicas de los datos.
220
dimensiones, como son el nivel y el modo de expresión, también resultan
importantes para el análisis pero de manera constante o fija: En todo análisis,
los datos obtenidos son expresiones a nivel de indicadores y por extensión.
Como se ha señalado, hay análisis que aprovechan los datos brutos, tal
como han sido obtenidos, sin aplicarles ningún tratamiento o preparación.
221
convenientes cuando se pretenda responder a conceptos relacionales, o a
conceptos planteados por comprensión o a nivel de constructo. Tener un
número elevado de datos también hace aconsejable su tratamiento. Todos
esos casos requieren elaborar los datos originales.
222
utilizadas a modo de lista de comprobación o chequeo tanto para identificar
tratamientos ya realizados como para decidir otros nuevos.
223
varias preguntas tipo Likert referidas a un mismo tema. Un tratamiento
comprensivo de carácter estadístico es el cálculo de índices que resumen
conjuntos de datos, como la moda, la mediana o la media aritmética. Otro
sería calcular la ecuación de regresión simple de una variable dependiente en
función de una independiente, que además sirve para predecir nuevas
ocurrencias de la primera.
224
atendiendo al resultado de los tratamientos realizados, es decir, análisis con
tratamientos cualitativos y análisis con tratamientos cuantitativos, y los
análisis realizados con datos cualitativos y cuantitativos. Por tanto, cuatro
posibilidades si se integran los ordinales en los cualitativos, como es usual en
este contexto.
225
característicos de la metodología cuantitativa, mayoritariamente de corte
estadístico en las ciencias sociales y de la salud. Así, un determinado objetivo
de modelado como la de reducción de datos o búsqueda de constructos o
factores comunes a un amplio número de variables empíricas es logrado
cuantitativamente mediante el Análisis Factorial Exploratorio (Caterva,
Ramos y Trujillo, 2003; Cea, 2002; Martínez-Arias, 1999; Peña, 2002),
mientras que desde la metodología cualitativa se busca ese objetivo en
términos cualitativos u ordinales con tratamientos también de modelado
como el procedimiento de las comparaciones constantes, planteado desde la
llamada Teoría fundada o fundamentada (ver Charmaz, 2005), o el muy
similar de la inducción analítica (Valles, 1999). Por otra parte, la
denominación de análisis estadísticos cualitativos, como por ejemplo la
prueba de Chi-cuadrado, corresponde usualmente a tratamientos cuantitativos
de datos inicialmente cualitativos, como ocurrencias de un hecho,
transformados en datos cuantitativos como frecuencias o porcentajes.
226
numéricos a una gráfica de puntos en un sistema de ejes de coordenadas.
227
Figura 9.2. Tratamiento de los datos a analizar según dimensiones.
228
229
230
Figura 9.3. Ejemplos de tratamientos gráficos estadísticos.
231
igual que las previas, pueden ser seguidas a modo de lista de comprobación o
chequeo.
Todos los criterios con los que se interpretan los datos son convencionales.
Sin embargo, sus estructuras pueden ser diferentes. Algunos son simples,
muchos de ellos unitarios, y otros pertenecen e implican a un sistema
interpretativo de diferentes conceptos relacionados entre sí.
232
Ejemplos. Así son los usados para concluir si en un aula y hora
determinadas hay estudiantes, si un determinado estudiante ha superado un
examen, o si hay algún hombre en un determinado grupo.
Por su parte, en los criterios que implican alguna elaboración a partir del
objeto de análisis pueden distinguirse dos tipos. Uno lo componen los que no
se basan en ninguna consideración o justificación adicional claramente
relevante. Son los que pueden considerarse arbitrarios o intuitivos.
233
sistemáticamente por los denominados programas de reforzamiento en
sujetos de distintas especies. La interpretación de los registros
encefalográficos o miográficos son otros ejemplos adecuados.
234
procedimiento para decidir entre dos posibilidades denominadas hipótesis
nula (Ho) e hipótesis alternativa (H,). La hipótesis nula consiste en asumir
que una determinada diferencia entre datos observados, o entre un dato y un
valor teórico esperado, es explicable por azar desde un determinado modelo
de probabilidad. La hipótesis alternativa considera en cambio que la
diferencia encontrada existe realmente y no es explicable por azar. Sobre esa
base, y partiendo por convención de que la hipótesis nula es verdadera, las
pruebas de significación estadística calculan cuál es la probabilidad de que la
diferencia observada se deba al azar. El criterio de decisión en tales pruebas
establece que si esa probabilidad es mayor que un nivel preestablecido,
denominado nivel de significación a o nivel de error admitido, entonces se
acepta la HO, considerándose la diferencia debida al azar. Si por el contrario
la probabilidad estimada para esa diferencia es menor que el nivel de
significación, entonces se considera falsa la Ho y se acepta como verdadera la
hipótesis alternativa, Hi.
235
Ejemplos. Dentro de los criterios integrados en sistemas interpretativos, la
decisión estadística de aceptar o rechazar la Ho es cualitativa dicotómica
aunque se basa en valores cuantitativos como los de probabilidad asociada a
los datos obtenidos. Estos valores de probabilidad, por su parte, son
considerados ordinalmente al señalar si son superiores o no a los valores a de
0,05 o de 0,01 tomados convencionalmente como referentes. El cuantitativo
tamaño de efecto o nivel de una relación también puede ser interpretado de
manera ordinal. Así ocurre cuando se considera la correlación r de Pearson
entre dos variables en los siguientes rangos ordinales propuestos por Cohen
(1977/1988): tamaño de efecto pequeño, r = 0,10,23; medio, r = 0,24-0,36;
grande, r = 0,37 o superior. Esa ordenación puede aplicarse también al
coeficiente de determinación, r2, interpretable cuantitativamente como la
proporción de variabilidad de una variable explicada por otra. Por su parte,
entre la significación y el tamaño de efecto pueden encontrarse distintas
combinaciones. Una relación significativa estadísticamente, con una
probabilidad pequeña de deberse al azar, puede ser considerada nula a efectos
prácticos si tiene un tamaño de efecto muy pequeño. Y al contrario, pueden
encontrarse relaciones con un tamaño de efecto grande que sin embargo no
sean significativas desde el punto de vista estadístico. En otros sistemas la
interpretación es más simple, como sucede en la clasificación ordinal,
establecida por la Organización Mundial de la Salud (OMS) con los valores
del índice de masa corporal en términos de kg/m2, que sitúa como masa
corporal Normal a los valores entre 18,5 y 24,99, y como Infrapeso y
Sobrepeso a los valores inferiores o superiores respectivamente.
236
Figura 9.4. Interpretación de los datos a analizar según dimensiones.
237
diferencia, se interpreta con criterios gráficos cuando se decide si los datos de
un diagrama de puntos ascienden, descienden o se mantienen en niveles
similares, o si están más o menos dispersos. Por su parte, son varias las
técnicas cualitativas de análisis (Leech y Onwuegbuzie, 2008) que usan como
criterios interpretativos algunos verbales como la diferencia o semejanza
sintáctica o semántica de determinadas construcciones. De ellas, la técnica
KWIC, del inglés keywords in context (Fielding y Lee, 1998), utiliza como
criterio interpretativo de datos orales o escritos la conexión entre
determinadas palabras y los contextos en que son utilizadas.
9.4. Recapitulación
238
Diferenciar las actividades componentes de los análisis evita dos
equívocos usuales. Uno es considerar a los análisis como algo unitario o
compacto, especialmente si se hace con pruebas estadísticas, cuando todos
ellos pueden incluir las tres actividades de consideración, tratamiento e
interpretación. El segundo equívoco es equiparar las técnicas de tratamiento
de datos a todo el análisis cuando son solo una de las fases del análisis.
239
Figura 9.5. Resumen de las distintas actividades del análisis de datos.
240
contexto, de sus datos, de los resultantes de los tratamientos cuando se hagan
y de los criterios de interpretación. Otros aspectos, como si la investigación
es exploratoria o confirmatoria, si sus objetivos son de ámbito particular o de
amplia generalidad, o si la recogida de datos se ha hecho con técnicas más o
menos estructuradas pueden favorecer un análisis cuantitativo o cualitativo,
pero no lo definen como tal.
Cuadro 9.2. Ejemplos de componentes del análisis de datos según los códigos
de datos, tratamientos y criterios de interpretación
241
Por su parte, los cuadros que aparecen a continuación exponen diversas
muestras del amplio número de análisis disponibles, a modo de guía para la
identificación o decisión sobre ellos. Los recogidos en los tres siguientes
cuadros son estadísticos. En el primero, el cuadro 9.3, aparecen análisis para
diseños relacionales univariados transversales que, al igual que los mostrados
en las dos tablas posteriores, pueden encontrarse descritos en numerosos
textos como los siguientes: Abad, Olea, Ponsoda y García (2011), Amau
(2001), Botella, Suero y Ximenez (2012), Fernández, Livacic y Vallejo
(2007), Garriga et al. (2009), Manzano, Fazeli y Pérez (1999), Pardo y Ruiz
(2012), Pardo, Ruiz y San Martín (2009), Pardo y San Martín (2010) o Peña
(2001).
242
Por su parte, los análisis recogidos en el siguiente cuadro 9.4 son una
muestra de los estadísticos existentes para diseños relacionales univariados
longitudinales.
243
A su vez, la muestra recogida en el cuadro 9.5 es de análisis estadísticos
multivariados para el estudio de asociaciones o relaciones. Conviene señalar
que no es contradictorio incluir en los diseños de recogida de datos
afactoriales, en los que todas sus variables son de prueba, a la técnica de
Análisis Factorial que busca reducir el número de variables estudiadas en un
número menor de factores.
244
Los reseñados en este capítulo y otros muchos pueden ser realizados con la
ayuda de programas informáticos como los ofrecidos y señalados por ejemplo
en webs tan completas como las de Pezzullo (2013) o Trigo (s.f.), además de
paquetes con licencia libre como el R, descrito por Carleos y Corral (2013), o
comerciales como el SPSS (Pardo y Ruiz, 2009), SAS o Statgraphics.
245
destacando los programas Atlas.ti, Nvivo, Nudist o Qualrus, que pueden
manejar datos visuales, auditivos y verbales. Ver por ejemplo el trabajo de
Gil, García y Rodríguez (1998) sobre Nudist o de Muñoz (2003) sobre el
Atlas.ti.
246
247
Tras identificar o decidir el análisis de los datos, corresponde hacerlo con su
validez. Esta tarea ha de hacerse respecto a los elementos y actividades de
dicho análisis, señalados en el capítulo anterior, es decir, datos, tratamiento si
es el caso e interpretación, y en términos de las mismas tres propiedades
definitorias de validez que en partes anteriores: precisión, diferenciación y
ajuste, aunque en este contexto reciban en ocasiones denominaciones
específicas. Es lo que muestra el presente capítulo.
La validez de los datos obtenidos, ya sean brutos o una vez tratados, llamada
a veces calidad de los datos, exige una serie de procedimientos mostrados a
continuación en términos de competencias y dimensiones.
248
señalados en el capítulo 5. Si es razonable, se asume la fiabilidad lograda en
estudios previos, como al utilizar tests estandarizados con valores de
fiabilidad indicados en el manual del instrumento de recogida de datos.
249
fiabilidad en estos casos, la Teoría Clásica de los Tests (Muñiz, 2000)
propone diferentes coeficientes basados en el cálculo de las correlaciones más
adecuadas en cada caso.
Recuérdese también del capítulo 5 que la fiabilidad de los datos puede ser
estimada en términos de la consistencia interna de un instrumento
administrado a un grupo de sujetos en una determinada ocasión. En tales
casos se evalúa si los diferentes ítems o preguntas que supuestamente miden
una misma variable producen resultados similares. Con tal fin pueden
calcularse la correlación media interítem, que es la media de las correlaciones
entre todos los pares posibles de ítems o preguntas del instrumento, o la
correlación media ítem-total entre cada ítem individual y la puntuación total.
Sin embargo, el coeficiente probablemente más utili zado en estos casos es el
alfa de Cronbach (a), cálculo del promedio de las correlaciones entre todas
las posibles mitades del instrumento, o el coeficiente de Kuder-Richardson
(Muñiz, 2000), similar al anterior para ítems dicotómicos.
Ejemplos. Contando que tal sistematización debe hacerse con los diseños y
análisis más adecuados a cada caso, se desarrolló la Teoría de la
Generalizabilidad (Blanco, 1993; Martínez-Arias, 1995), también citada en el
capítulo 5, con la que evaluar múltiples fuentes posibles de error de medida o
facetas, y diseñar a partir de esa información la aplicación del instrumento
que maximice su fiabilidad. Los análisis de matrices multirrasgo-
multimétodo (Campbell y Fiske, 1959) usados en metodología cuantitativa
sobre todo, y los de triangulación (Patton, 2002; Olsen, 2004; Ruiz-
Olabuénaga, 1996), más frecuente en la cualitativa, son procedimientos
desarrollados también para sistematizar posibles fuentes de errores o de falta
de fiabilidad, especialmente métodos o procedimientos de estudio,
incluyendo a veces la comparación de algunos de corte cuantitativo con otros
250
cualitativos.
Puesto que el ajuste de los datos puede verse seriamente afectado si las
faltas o pérdidas de datos son sistemáticas y no aleatorias, existen varias
251
posibilidades de actuación para afrontarlas.
Una es analizar los datos disponibles contando con las pérdidas habidas,
asumiendo el sesgo que conllevan. Otras son intentos de contrarrestar la
pérdida para afectar lo menos posible al ajuste de los obtenidos (Baraldi y
Enders, 2010). Una de esas posibilidades es la denominada listwise deletion o
análisis de casos completos, consistente en eliminar los datos de aquellas
unidades de las que se hayan perdido uno o más valores, estudiando tan sólo
las que presenten todos los datos que se pretendían. Ello reduce el tamaño de
la muestra pero supone poca resta de representatividad siempre que las
pérdidas de datos sean aleatorias y escasas. Otra posibilidad es la denominada
pairwise deletion, que podría denominarse análisis de casos parciales, en la
que se mantienen todas las unidades, analizando de cada una los datos
disponibles. El problema de este procedimiento es que los análisis estarán
basados en conjuntos de datos de diferentes tamaños y composición, lo que
puede sesgar las conclusiones respecto a algunas variables en la medida que
las pérdidas de datos no sean aleatorias.
252
perdidos a partir de los obtenidos en otras variables relacionadas. En ambos
casos, la subestimación del error podría paliarse añadiendo una proporción de
error extraída al azar.
253
efecto suelo, caracterizados por la concentración de datos en los extremos
superior e inferior de variables ordinales o cuantitativas. Habitualmente se
atribuyen a limitaciones de los procedimientos de recogida de datos que
imposibilitan diferenciar los casos existentes por encima o por debajo de esos
extremos. En variables cualitativas ocurre algo equivalente cuando una
mayoría de casos se concentran en uno de sus valores.
254
cuantitativa. En este último caso, la confusión o insuficiente diferenciación
entre dos o más variables es denominada colinealidad y multicolinealidad
respectivamente (Ato y Vallejo, 2011).
255
consideraciones deberían aplicarse a todo estudio en el que diversas
variabilidades de los datos en las distintas condiciones puedan ser indicio de
falta de diferenciación entre variables.
Las confusiones en los datos que no se hayan podido evitar pueden ser
corregidas en los propios datos, como se señaló en el capítulo 2 al plantear la
noción de causalidad. Se hace estudiando la relación objeto de estudio
únicamente ante un determinado valor de la variable conocida que puede
estar confundida, como si esta hubiera estado controlada por constancia.
256
sola de las dos variables relacionadas, se habla entonces de correlación
semiparcial.
257
parte, la robustez de un tratamiento se identifica cuando los resultados de este
no varían de manera significativa al comparar ocasiones en las que los datos
tratados incumplan o no supuestos o requisitos en los que se base dicho
tratamiento, como la normalidad o la homocedasticidad.
258
Ejemplos. En Estadística aparecen la mayoría de tales denominaciones,
que podrían extenderse a otros tipos de análisis con las debidas adaptaciones.
Una de ellas es la invarianza de los índices o tratamientos utilizados en la
muestra, y que la poseen cuando estos índices se corresponden con los
poblacionales. Si se desea estudiar la varianza o la desviación típica en la
población, deberán lograrse respectivamente datos de la varianza o la
desviación típica muestrales que permitan estimar aquellos con las mínimas
desviaciones posibles.
Ejemplos. Otros dos términos son complementarios entre sí. Uno de ellos,
la sensibilidad de tratamientos estadísticos, señala su capacidad de detectar
los datos favorables a lo planteado, llamados verdaderos positivos,
concretándose por ello dicha propiedad como la proporción entre estos y los
totales. La especificidad, por su parte, se define como la capacidad de
detectar los verdaderos negativos, y es concretada en la proporción entre los
datos desfavorables a lo planteado y el total de datos. Ambas denominaciones
se refieren por tanto al ajuste, limitándose cada uno respectivamente al caso
positivo o negativo planteado como referencia.
259
de la distribución, como suele ocurrir con muestras pequeñas (n < 30), las
pruebas no paramétricas pueden ser una buena opción al no contener como
requisito esa distribución en los datos.
260
independientemente de que algunas de ellas sean solo modos distintos de
abordar problemas semejantes y alcanzar resultados también similares, como
sucede con el ANOVA para dos condiciones de la variable independiente y la
prueba t.
Por último, hay que considerar la validez de las interpretaciones de los datos,
sean directos o derivados de algún tratamiento. Para ello ha de tenerse en
cuenta de nuevo que dicha validez depende no solo de cómo esté definido
cada criterio, sino también del uso que se haga de ellos. Quien realice la
interpretación puede usar, por ejemplo, un criterio preciso pero usarlo
inadecuadamente.
Las que siguen son competencias útiles para evaluar y decidir la validez de
las interpretaciones en términos de sus tres propiedades.
Los criterios para interpretar los datos han de ser claros y repetibles, a lo
que colaboran de distinta manera los diferentes casos de las dimensiones
aplicables.
261
ambigüedad. Así ocurre cuando para valorar datos numéricos de relaciones se
utilizan criterios como "suficiente", "bastante", o "considerable", sin que
queden señalados con precisión cuáles son los límites entre esos valores y
otros diferentes. Algo similar sucede cuando se interpretan datos gráficos de
un polígono de frecuencias, como el de la figura 10.1, con sucesión de
subidas y bajadas si se hace con criterios como "ascendente" o "descendente"
sin precisar qué segmentos se toman en cuenta como más determinantes para
decidir la significación de dicho gráfico.
Además de precisos, los criterios con los que interpretar los datos han de
ajustarse a lo que se desea estudiar.
262
Ejemplos. No habría ajuste cuando, teniendo datos tratados con el
coeficiente R2 para el tamaño de efecto, se les interpretara con los intervalos
derivados del estadístico d de Cohen. Tampoco lo habría si se valorara la
significación estadística de unos datos en términos ordinales de "mucho" o
"poco" cuando ella es una decisión cualitativa de si la probabilidad
encontrada para unos datos es o no significativa. En este caso se estaría
interpretando un tratamiento de datos como las pruebas de significación en
términos de otro como el tamaño de efecto.
Ejemplos. Son bien conocidos los sesgos que pueden cometerse en las
pruebas de significación estadística al tomar decisiones equivocadas, los
denominados errores Tipo I y Tipo II. En una prueba de significación
estadística, el error Tipo 1 es el que se comete al rechazar la Hipótesis nula
cuando en realidad es verdadera, es decir, al concluir falsos positivos. La
probabilidad de que ocurra este error es conocida como nivel de
significación, y se representa con la letra U. El error Tipo II consiste en
aceptar la Hipótesis nula cuando en realidad es falsa, los falsos negativos,
identificando como R a la probabilidad de cometer este error.
263
dado que su precisión ayuda a no confundir cada criterio con otros.
10.4. Recapitulación
Para realizar los análisis que se precisen, con los procedimientos para la
validez que correspondan, recuérdese del capítulo 9 que existen numerosos
programas para análisis ya sean cualitativos, como Atlas.ti o Nudist, o
cuantitativos estadísticos, como R, SAS, SPSS, Statgraphics, para los que
existen textos orientadores como el de Pardo y Ruiz (2009) para el SPSS, o
las numerosas aplicaciones existentes como las que ofrecen Pezzullo (2013) o
264
Trigo (s.f.).
A partir de todo ello puede ofrecerse una guía resumen en forma de lista
de comprobación sobre la validez del análisis de datos. Es lo que muestra el
cuadro 10.1.
265
De este modo, en algunos estudios los errores en los datos resultan
mínimos y de tipo aleatorio, sin tendencia clara o sistemática. Son los
denominados errores aleatorios y se deben a factores no tenidos en cuenta
pero poco importantes, como ya señalaba el capítulo 8. En otros estudios, en
cambio, dichos errores son considerables, es decir no aleatorios y
sistemáticos. Se deben a factores, provenientes de la recogida de datos o del
muestreo, no tenidos en cuenta ni en el objeto de estudio ni en el contexto y
que sin embargo tienen efectos relevantes y por ello dan lugar a la distinción
266
entre errores de medición o de muestreo, señalados en los capítulos 5 y 6
respectivamente. Sea cual sea su tipo y origen, todo error supone variabilidad
no explicada de los datos.
Todos esos juicios deben ser emitidos en términos de grados más que en
los cualitativos dicotómicos de Sí o No, ya que son posibles no solo los dos
valores extremos de completa y nula validez.
267
modo de ver esos inadecuados análisis es que implican la aparición de
factores no planteados pero con efectos en las consideraciones, tratamientos e
interpretaciones de los datos.
268
investigaciones al completo corrigiendo fallos detectados en las realizadas.
269
La competencia tratada en esta parte final es doble: plantear conclusiones y
comunicarlas. Sus respectivos sentidos son: obtener respuestas a partir de lo
hecho y hallado en las investigaciones, conectándolas con el estado de la
temática en la literatura cuando así sea conveniente y, en el caso que se
estime de interés, dar a conocer todo ello a la comunidad científica que
pudiera estar interesada. Son por tanto concreciones sobre todo de las
características colectiva, epistémica y sistemática de la ciencia, además de la
omnipresente lingüística.
Los elementos de ambas competencias son los siguientes (ver figura I4.1).
En la obtención de conclusiones, estas son el logro pretendido. Los
instrumentos conceptuales son los resultados de los análisis de datos, los
conocimientos sustantivos y metodológicos de quien investiga, así como lo
que considere sobre lo hecho en la investigación. Los instrumentos materiales
en muchas investigaciones suelen ser lápiz y papel, así como ordenadores y
programas informáticos. Y las actividades principales son las comparaciones
de lo hecho y obtenido respecto a lo tomado como referencia.
270
redacción y plasmación en algún soporte de lo hecho, logrado y concluido.
271
comunicación deberán considerarse antes, durante y después de realizarlas.
Antes, planificando y adoptando las decisiones más favorecedoras; durante,
cuidando de que lo planificado se lleve a cabo o, si es el caso, con
modificaciones adecuadas; y después, revisando lo realizado. En las
investigaciones exploratorias, en cambio, la validez de conclusiones y su
comunicación solo pueden considerarse durante y después de la realización
de ambas.
272
Como acaba de señalarse, el presente capítulo enseña las competencias de
obtención de conclusiones y comunicación de lo hecho y hallado, haciéndolo
tanto para identificarlas en las investigaciones propias o ajenas ya realizadas,
como para llevarlas a cabo en las que se necesite realizar.
273
solucionadas. Tampoco lo tiene hacer afirmaciones pretendidamente claras
sobre un conjunto de datos que no tengan la suficiente precisión.
274
suficiente la validez de lo hecho, entonces las conclusiones a extraer al
respecto suponen justamente señalar qué conceptos pueden considerarse
estudiados con los datos recogidos y analizados.
275
Figura 11.1. Conclusiones del estudio.
276
Ejemplos. Es frecuente plasmar por escrito y con sucesivas modificaciones
el objeto de estudio planteado, acompañándolo a veces de alguna gráfica o de
alguna expresión simbólica como las señaladas en la figura 1.3 del primer
capítulo, especialmente útiles si son relacionales. También es usual utilizar
tablas con los datos obtenidos, así como salidas de programas informáticos
utilizados para el análisis de datos, haciendo sobre ellas las anotaciones y
señales que se vean de utilidad.
277
culminada la investigación, su descripción debe quedar ordenada según las
normas existentes.
Nótese asimismo que este orden se refiere a cómo debe resultar el informe
una vez concluido, lo cual es diferente también del orden seguido en su
elaboración. Esta, al igual que la propia investigación, también se realiza
normalmente de manera no lineal, modificando lo que se va expresando en
los diferentes apartados con el fin de ajustarlo, diferenciarlo y precisarlo cada
vez más en sucesivas vueltas. De hecho no es infrecuente por ejemplo que la
Introducción, a pesar de aparecer al inicio, sea lo último que termine de
escribirse, incluyendo en ella aspectos aprendidos de la investigación y de la
propia redacción del informe.
278
necesidad de incluir un título en todo informe pericial, añadiendo cuando sea
el caso el número de expediente y juzgado para el que se emite el informe. En
los informes clínicos debe incluirse el nombre de quien ha sido estudiado y
de quien ha solicitado el trabajo.
Tras los datos identificativos, el cuerpo del informe debe comenzar con un
apartado de introducción que por ser el inicial no necesita quedar identificado
expresamente con ese título. En general, su sentido es presentar el objetivo de
interés y el contexto en el que se planteó, después de exponer los problemas
que justifican y enmarcan dicho objetivo y su investigación. La Introducción
por tanto debe terminar señalando qué se deseaba estudiar y en qué contexto
pretendía hacerse, precedido todo ello por las razones consideradas para
defender el sentido o utilidad de lo planteado.
279
C) Identifique o describa la metodología seguida
Tras señalar qué se deseaba estudiar y por qué motivos, tiene sentido
exponer cómo se ha estudiado, el contexto en el que se hayan recogido los
datos. Todo ello debe exponerse en un apartado titulado usualmente Método,
cuyo contenido puede y debe expresarse en tres subapartados con sus
correspondientes títulos.
280
debe describirse el diseño y método seguidos, incluyendo por tanto la
mención de las operaciones llevadas a cabo para la recogida de datos y para
su validez, de las referidas al procedimiento de muestreo si es el caso y de las
técnicas de control utilizadas, así como para la fiabilidad si corresponde.
También deben señalarse los procedimientos y técnicas de análisis de datos
que se hayan utilizado.
281
Una buena forma de hacerlo es ir considerando todo lo hecho. Conviene
comenzar expresando los juicios sobre validez del estudio, en términos de la
calidad del planteamiento del objeto de estudio, del diseño, método y técnicas
de recogida de datos y de sus análisis. Esas consideraciones pueden avalar
razonablemente los resultados obtenidos, o dejarlos en suspenso parcial o
totalmente según la importancia de los problemas detectados.
282
para que pueda ser aceptado si resulta innovador y replicable, no debe ocultar
los puntos débiles de las investigaciones informadas, sino mostrarlos para que
en sucesivas ocasiones puedan ser corregidos y evitados. La ocultación de
problemas no es ética por engañosa y además inútil porque termina siendo
detectada.
283
(1995). Las citadas normas detallan la amplia casuística de documentos que
pueden usarse, incluyendo los de soporte digital como páginas Web (ver la
del COP, 2013) y los que poseen el código identificador do¡ (ver Baraldi y
Enders, 2010).
La misma utilidad tienen las cinco o seis palabras claves que suelen
acompañar al resumen, indicativas de características relevantes del trabajo, y
que es aconsejable que en lo posible estén recogidas en los tesauros
284
específicos de cada disciplina ya mencionados en el capítulo 3.
285
cuál es la revista a la que conviene enviar el original por ser adecuada al
contenido y aportaciones del trabajo realizado. Debe tenerse en cuenta que
todas ellas exigen no haber enviado simultáneamente el mismo original a
otras revistas. Como además el original recibido por la revista es evaluado
por dos o más revisores anónimos, y en caso de ser aceptado probablemente
ha de ser modificado una o varias veces antes de su publicación, acertar en la
elección de la revista puede ahorrar mucho tiempo.
286
algo de humor sin que distorsione lo que se comunica si así se ve conveniente
y apropiado, eligiendo además una forma adecuada y no abrupta de iniciar y
terminar la intervención (Solé, 2007; Vallejo-Nágera, 2010).
En todos los casos (ver figura 11.2), ha de tenerse presente que los
informes han de transmitir objetivos, procesos y resultados científicos. Por
tanto no debe obviarse la presentación de qué se ha estudiado, por qué y
cómo se ha hecho, con qué resultados y qué conclusiones se consideran
alcanzadas. Además, han de poner de manifiesto cómo se ha procurado que
todo ello cumpla lo más posible con las tres propiedades constitutivas de
validez, a la vez que señalen las inevitables limitaciones y fallos detectados
antes, durante y después de la realización del trabajo. Recuérdese que el
método de la ciencia no asegura la verdad de sus conclusiones, pero sí debe
ofrecer sus resultados de la manera más reproductible y evaluable posible
para facilitar las pruebas de replicación y la potencial detección de errores.
287
Figura 11.2. Comunicación de la investigación.
11.3. Recapitulación
288
conclusiones derivadas de lo hecho y obtenido en las investigaciones, así
como a la comunicación de todo ello. Como en capítulos previos, tales
competencias están expresadas tanto para guiar la lectura e identificación de
conclusiones y comunicaciones ya logradas como para decidir y obtener las
propias.
289
Al igual que el resto de competencias de la investigación científica, también
las conclusiones y la comunicación de las investigaciones han de ser
sometidas a los requisitos de validez, en términos de sus tres propiedades.
290
investiga ción distintos profesionales conocedores del tema investigado
llegaran a conclusiones similares sobre su validez.
Será precisa en la medida en que pueda ser entendida con claridad y por
tanto replicable en el sentido de que, ante los mismos resultados, otras
personas con la formación adecuada puedan llegar a las mismas conclusiones.
Recuérdese en todo caso que las replicaciones no siempre dan los mismos
resultados exactamente, lo que supone que hay excepciones a los resultados
que se encuentran. Por tanto, debe evitarse caer en el error de rechazar unos
resultados claros y válidamente obtenidos por ponderar más de lo debido las
excepciones que presenten.
291
Ejemplos. No es profesional rechazar la abundante literatura que avala la
considerable relación entre tabaco y cáncer sobre la base de conocer algunas
personas que fumando abundantemente viven hasta una avanzada edad.
292
Figura 12.1. Validez de las conclusiones de la investigación.
293
sobre cómo los resultados responden al objeto de estudio no se diferenciaran
de las referidas a cómo responden a otro concepto distinto del objeto de
estudio.
294
A) Identifique o procure el ajuste de la comunicación a lo hecho y obtenido
en la investigación de la que se informa
Ese ajuste a lo hecho, analizado y concluido supone expresar todo ello sin
que falte la descripción de todo lo relevante ni se incluyan aspectos que no lo
sean. Cualquiera que sea el formato o foro de presentación o publicación, las
comunicaciones han de contener la información suficiente y adecuada sobre
qué se ha hecho, cómo y con qué resultados y conclusiones.
295
apartados sin suficiente conexión.
296
C) Considere o procure la diferenciación entre los elementos de la
comunicación de lo investigado
297
Figura 12.2. Validez de la comunicación de la investigación.
Sobre las evaluaciones y críticas que pueden recibir los informes, deben
tenerse en cuenta algunos puntos como los siguientes. No existe el trabajo
perfecto y por tanto todos son mejorables en uno o más de sus aspectos. Por
298
ello, conviene recibir las críticas con serenidad, tanto si son positivas como si
son negativas. De las primeras deben sacarse, además de la satisfacción por
ellas, sugerencias con las que mejorar el informe o aspectos a retener para
futuros informes. Las negativas no deberían producir reacciones emocionales
que a nada práctico conducen; es conveniente considerar pausadamente
dichas críticas, desde el supuesto que buena parte de ellas serán razonables, y
por tanto aprovechables para mejorar lo hecho.
12.3. Recapitulación
El cuadro 12.1 recoge un listado de aspectos en los que comprobar las tres
propiedades en las diferentes tareas de investigación, recogidas en términos
de lo expresado en los apartados del correspondiente informe. Sirve así como
resumen de lo expuesto hasta aquí sobre la tareas de investigación o trabajo
profesional y sobre su expresión en los informes. A ello habrá que añadir la
consideración de los aspectos éticos en cada una de las tareas, lo que es
tratado en el siguiente capítulo.
299
apartados de un informe
300
Todos esos juicios deben ser emitidos en términos de grados más que en
los cualitativos dicotómicos de Sí o No, ya que son posibles no solo los dos
valores extremos de completa y nula validez.
301
302
El Diccionario de la Real Academia Española de la Lengua define "ética"
como "conjunto de normas morales que rigen la conducta humana", aunque
podría decir que "deberían regirla", ya que no siempre lo hacen. A su vez,
"moral" aparece definido como "perteneciente o relativo a las acciones o
caracteres de las personas, desde el punto de vista de la bondad o malicia".
En consecuencia, la ética en el trabajo científico puede entenderse referida a
lo que debe y no debe hacerse en él en función de la bondad y maldad que
implique. En tal sentido, este capítulo señala la necesidad de que el trabajo
profesional o investigaciones cumplan con los estándares y criterios éticos
que la comunidad científica actual se otorga e impone a sí misma.
En todo caso, la ética se refiere a "lo que debe ser" más que a "lo que es".
Por eso, el referente de la ética de la investigación no es siempre la realidad
303
existente para los sujetos y medios señalados, sino la deseable. La meta debe
ser el mayor bienestar a que pueda aspirarse para todos ellos, la felicidad de
los sujetos en convivencia mutuamente fructífera con su medio.
304
realizadas, como para tenerlas en cuenta en las que se necesiten o deseen
realizar.
305
Ejemplos. Así sucede con poblaciones de sujetos, llamadas cautivas, que
por su posición con respecto a quien investiga pueden sentirse sin la libertad
necesaria para declinar, si así lo desearan, la petición de participar en un
estudio. Así puede ocurrir con los estudiantes a los que su profesor solicite
ser sujetos de una investigación que esté llevando a cabo, o en mayor medida
en prisiones si se estudia a internos, en hospitales si se estudia a personas
ingresadas, en la calle para los "sin techo", y en general todo contexto de
personas en situaciones de vulnerabilidad física o psicológica.
306
parte de su grupo como consecuencia de su comportamiento en determinados
estudios.
307
confidencialidad son modos de evitar daños psicológicos y sociales que se
derivarían de la pérdida de la intimidad o privacidad. En la guarda y custodia,
la confidencialidad se logra mediante el uso de códigos, claves y sistemas
seguros de protección de archivos. Asimismo, y salvo consentimiento
expreso de los implicados y porque pueda ser necesario para algún fin
determinado y razonable, la publicación de esos datos debe impedir que
pueda identificarse a sujetos concretos a partir de dichos datos, algo
especialmente posible cuando se estudien grupos reducidos o bien conocidos
en determinados contextos. También de todo ello deben ser informados los
participantes.
308
circunstancias y límites del estudio.
Ejemplos. Ello puede ocurrir no solo con los textos verbales. Los gráficos
pueden manipularse, por ejemplo en sus escalas, para que aparezcan efectos
más importantes de los encontrados en realidad. Es una de las múltiples
formas de engaño que pueden llevarse a cabo con la Estadística, tal como
mostró hace muchos años Huff (1958/2011) en una obra de considerable
éxito desde su primera edición.
309
hecho y obtenido, deben ser la culminación de las desarrolladas de manera
ética en todas las fases anteriores de las investigaciones. En todas ellas,
quienes las realizan han de desempeñarse de la manera más competente
posible, con la formación adecuada y suficiente, tanto en lo sustantivo como
en lo metodológico, poniendo todo ello al servicio de la sociedad y la
comunidad científica, lo cual además les reportará legítimos beneficios
profesionales y personales.
13.2. Recapitulación
310
El presente capítulo ha mostrado competencias para identificar y procurar
comportamientos éticos en la investigación, en cada una de las fases de esta
(ver figura 13.1).
311
Las sucesivas partes de esta obra han mostrado las principales competencias
requeridas para plantear y responder preguntas con la mayor validez posible,
a la manera de la ciencia. Tales competencias han sido expuestas en forma de
guías a seguir, y en términos tanto de las dimensiones presentes en todo
concepto como de las tres propiedades constitutivas de validez. Además, han
sido consideradas para las situaciones más delimitadas o más abiertas en las
que se precise investigar, y en los niveles micros o macros adecuados a cada
ocasión.
312
Figura Ep. 1. Tipos de investigación o actuación profesional.
313
contextos, mientras que otras son de tendencia idiográfica en el sentido de
desarrolladas en y para ámbitos o contextos específicos de la realidad.
314
En resumen, puesto que los criterios señalados son compatibles entre sí,
permiten caracterizar cada investigación o actuación profesional según cada
uno de ellos, siendo posible encontrar en algunas las dos posibilidades
señaladas a efectos simplificadores. Así sucede, por ejemplo, con las
llamadas "investigaciones mixtas" compuestas de aspectos cualitativos y
cuantitativos.
315
Unificación de la metodología cualitativa y metodología cuantitativa
Concebir así las cosas ayuda a una noción más integral del método de la
ciencia y sus potencialidades, abarcando sus diferentes concreciones. En este
sentido, los párrafos que siguen explicitan ideas subyacentes a la concepción
sobre el método científico desde la que se ha escrito este texto, situando a
este ante la disyuntiva que a veces se plantea en las ciencias sociales y de la
salud entre metodología cualitativa y metodología cuantitativa.
316
mutuamente excluyentes. Sin embargo, como se va abriendo paso cada vez
más, y aquí se defiende, seguir manteniendo esas diferencias como radicales
y mutuamente excluyentes no parece conveniente ni necesario dado que
existen razones para percibir y aprovechar una mutua complementariedad
entre ellas.
317
conceptos, aunque en algunas interpretaciones cabría pensar que el término
credibilidad es usado en ese sentido al asociarlo a validez interna (Sandía,
2000).
318
Precisamente por eso, la objetividad debe y puede ser entendida en ambas
metodologías como subjetividades compartidas, basadas en evidencias
comunicables y sobre las que se pueda coincidir.
319
disciplinas que se desarrollan por integración y acomodación de aportaciones
previas. La parcelación en distintas metodologías supondría una solución ad
hoc, creada para casos que se quieren percibir diferentes, y que no sería sino
una salida en dirección contraria a la de sumar esfuerzos al desarrollo común
de la ciencia. En este sentido, y aunque las llamadas de atención sobre
excesos o limitaciones de una y otra metodología han sido exitosas y
convenientes, querer mantener a ambas en troncos diferentes de la ciencia
supone el riesgo de desgajarlas de esta. Así pues, más que una metodología
mixta como se reclama a veces, esta obra entiende más adecuada una
metodología unificada, síntesis integradora de las distintas aportaciones en la
línea aquí expuesta.
320
El método de la ciencia en las relaciones personales de la vida cotidiana
321
generalizaciones inadecuadas por excesivas e injustificadas.
322
Abad, F. J., Olea, J., Ponsoda, V. y García, C. (2011). Medición en ciencias
sociales y de la salud. Madrid: Síntesis.
323
Bejar, 1. 1. (2002). Generative testing: From conception to implementation.
En S.H.Irvine y P.C.Killonen (Eds.), Itero generation for test development
(pp. 199-217). Mahwah, NJ: LEA.
324
Carleos, C. y Corral, N. (2013). Paquetes estadísticos con licencia libre (1).
Revista electrónica de Metodología aplicada, 18, 12-37. Recuperado de
http://www.unioviedo.es/ reunido/index.php/Rema/article/view/9971/9687
325
Colegio Oficial de Psicólogos (1993). Código deontológico del Colegio de
Psicólogos. España. Recuperado de http://www.cop.es/cop/codigo.htm
326
British Journal of Clinical Psychology, 38, 215-229.
Garriga, A. J., Lubin, P., Merino, J. M., Padilla, M., Recio, P. y Suárez, J. C.
(2009). Introducción al análisis de datos. Madrid: UNED.
327
Gutiérrez, G., Ortiz, J. A. y Piñeros, C. (2003). Observación del
Comportamiento mediante el uso de Software especializado. Avances en
medición, 1, 105-111.
328
Krippendorff, K. (1990). Metodología de análisis de contenido: Teoría y
práctica. Barcelona: Paidós (orig. 1980).
329
Editorial Universitario.
Mill, J. S. (1974). The Collected Works of John Stuart Mill, Volume VII - A
System of Logic Ratiocinative and Inductive. University of Toronto Press
y London: Routledge and Kegan (orig. 1843). Recuperado de
oll.libertyfund.org/title/246
Miller, G. A. (1956). The magical number seven, plus or minus two: Some
limits on our capacity for processing information. Psychological Review,
63, 81-97.
330
Moreno, R. y Martínez, R. (2007). Aprendizaje autónomo. Desarrollo de una
definición. Acta Comportamentalia, 15, 51-62.
331
Madrid: Síntesis.
332
presentation_tips.pdf
Ryle, G. (1949). On the concept of mind. New York: Barnes & Noble.
Solé, 1. (2007). La exposición pública del trabajo académico: del texto para
ser leído al texto oral. En M.Castelló (Ed.), Escribir y comunicarse en
contextos científicos y académicos. Conocimientos y estrategias (pp. 113-
136). Barcelona. Graó.
333
Torres, T. y Gascó, M. (2012). Recupera tu creatividad: Ideas y sugerencias
para fomentar el espíritu crítico. Oviedo: Septem.
334
Índice
Introducción 12
1. Identificación de conceptos planteados 25
1.1.1. Ampliaciones 28
1.2. Identificar los tipos de contenidos 29
1.2.1. Ampliaciones 30
1.3. Identificar los tipos de estructuras 34
1.3.1. Ampliación: patrón de covariación 40
1.3.2. Otras ampliaciones 44
1.4. Identificar los tipos y números de valores 47
1.4.1. Ampliaciones 52
1.5. Identificar los modos de expresión 54
1.5.1. Ampliaciones 55
1.6.1. Ampliaciones 56
1.7. Identificar los códigos de expresión 59
1.7.1. Ampliación: sistemas de categorías y escalas 60
1.8. Recapitulación 66
2. Validez de los conceptos planteados 67
2.1. Evaluar la precisión de los conceptos 68
2.2. Evaluar la diferenciación de los conceptos 72
2.3. Evaluar el ajuste de los conceptos 76
2.4. Ampliaciones 82
2.4.2. Validez de las relaciones: causalidad 83
2.5. Recapitulación 86
3. Planteamiento de nuevas preguntas y posibles respuestas 90
3.1. Plantear preguntas y respuestas a partir de la precisión
335
conceptual 92
3.1.1. Recursos ilustrativos de las competencias de
96
innovación referidas a precisión
3.2. Plantear nuevas preguntas y respuestas a partir de la
98
diferenciación conceptual
3.2.1. Recursos ilustrativos de las competencias de
101
innovación referidas a diferenciación
3.3. Plantear preguntas y respuestas a partir del ajuste
103
conceptual
3.3.1. Recursos ilustrativos de las competencias de
106
innovación referidas a ajuste
3.5. Recapitulación 110
4. Recogida de datos 117
4.2. Identificar y decidir el diseño de la recogida de datos 119
4.3. Identificar y decidir el método de la recogida de datos 129
4.4. Identificar o decidir la técnica de la recogida de datos 134
4.5. Recapitulación 149
5. Precisión en la recogida de datos 151
5.2. Evaluar y procurar la replicabilidad en la recogida de
156
datos
5.3. Recapitulación 162
6. Ajuste en la recogida de datos 165
6.2. Recapitulación 179
7. Diferenciación en la recogida de datos 182
7.2. Recapitulación 192
8. Válidez en la recogida de datos 197
8.2. Conexiones entre las propiedades de validez 201
336
8.3. Validez en cada diseño, método y técnica de recogida 204
de datos
8.3.2. Denominaciones de validez según dimensiones 206
8.4. Recapitulación 209
9. Análisis de datos 215
9.2. Identificar y decidir el tratamiento de los datos 220
337