Guía de Ejercicios

Investigación educacional

1: ¿Cuál son las diferencias entre estudio cualitativo y cuantitativo?

Cualitativo Cuantitativo
Explicativa destinada o establece relaciónLo que más utiliza es la observación y
entre Variables descripción
Tipo de muestra :Matemática o Tipo de muestra: Intencionada (Se elige con
probabilidad cuantos se estudiará pero hay que explicar
el porqué)
Subjetiva Objetiva
Holística Particularista
Sigue el proceso Se preocupa del resultado
2: A que llamamos modelo mixto de investigación?

Se llama modelo mixto de investigación cuando se combinan durante todo el proceso

los enfoques cuantitativo y cualitativo habiendo mayor integración.

3: ¿Qué significa Plantear un problema de investigación?

Plantearse el problema no es si no afinar estructural más formalmente la idea que se

quiere investigación

4: ¿Qué significa los objetivos de la investigación?

Los objetivos en la investigación es aquello que se quiere lograr con tal investigación

5: ¿Qué es una pregunta de investigación?

Una pregunta de investigación es el primer paso que debe realizar el investigador para
realizar un a investigación.

6: ¿Cómo se justifica una investigación? ¿Cuáles son sus componentes?

Consiste en indicar las razones de peso que tiene el investigador para el estudio del
problema, por qué se realiza el estudio y a quién beneficia. Aquí se debe destacar tres
aspectos:

El teóricos. El práctico, El Metodológico

El Aspecto Teórico
El Aspecto Práctico

El Metodológico

Es necesario que cuando plantes la justificación de tu investigación dejes bien en claro en

que se basa su importancia , que beneficios genera y a quién, cuales son sus aportes .
Además toma en cuenta los siguientes criterios de justificación para que los analices y
verifiques si tu investigación los satisface.

Si las soluciones a las que llegan resuelven la problemática planteada tu investigación

posee utilidad práctica y se justifica por ello.

Si la investigación o sus resultados generan nuevos conocimientos, ya sea por

descubrimientos o por el planteamiento de nuevas teorías, por el conocimiento en si
mismo que genera, entonces posee utilidad metodológica.

Si se crea una nueva metodología o procedimiento posee utilidad metodológica.

7:¿Qué es un marco teórico? ¿Cuál es su función en la investigación?

El planteamiento de una investigación no puede realizarse si no se hace explícito

aquello que nos proponemos conocer: es siempre necesario distinguir entre lo que se
sabe y lo que no se sabe con respecto a un tema para definir claramente el problema que
se va a investigar". El correcto planteamiento de un problema de investigación nos
permite definir sus objetivos generales y específicos, como así también la delimitacion del
objeto de estudio.El fin que tiene el marco teórico es el de situar a nuestro problema
dentro de un conjunto de conocimientos, que permita orientar nuestra búsqueda y nos
ofrezca una conceptualización adecuada de los términos que utilizaremos.

La función que cumple el investigador es plantear un problema, no lo hace en el

vacío, como si no tuviese la menor idea del mismo, sino que siempre parte de algunas
ideas o informaciones previas, de algunos referentes teóricos y conceptuales, por más que
éstos no tengan todavía un carácter preciso y sistemático.

8:¿Cómo se cita según el APA? Explique

Apellido y nombre del o los autores, (fecha de publicación), nombre del libro, editorial,
País

9:Explique el tipo de investigación que existe.

Exploratoria: Los estudios exploratorios se efectúan, normalmente, cuando el objetivo es
examinar un tema o problema de investigación poco estudiado o que no sido abordado
antes. Es decir, cuando la revisión de la literatura reveló que únicamente hay guías no
investigadas e ideas vagamente relacionadas con el problema de estudio.

Descriptivos: Con mucha frecuencia, el propósito del investigador es describir situaciones

y eventos. Esto es, decir cómo es y cómo se manifiesta determinado fenómenos. Los
estudios descriptivos buscan especificar las propiedades importantes de personas,
grupos, comunidades o cualquier otro fenómeno que sea sometido a análisis .Mide o
evalúan diversos aspectos, dimensiones o componentes del fenómeno a investigar. Desde
el punto de vista científico, describir es medir. Esto es en un estudio descriptivo se
selecciona una serie de cuestiones y se mide cada una de ella independientemente, para
así (válgase la redundancia)describir lo que se investiga.

Explicativo: Los estudios explicativos van más allá de la descripción de conceptos o

fenómenos o del establecimiento de relaciones entre conceptos: están dirigidos a
responder a las causas de los eventos físicos o sociales. Como su nombre lo indica, su
interés se centra en explicar por qué Ocurre un fenómeno y en que condiciones se da
éste, o por qué dos o más variables están relacionadas.

Correlaciónales: Los estudios correlaciónales pretenden responder a preguntas de

investigación como estás: ¿Conforme transcurre una psicoterapia orientada hacia el
paciente , aumenta la autoestima?¿ A mayor variedad y autoestima en el trabajo
corresponde mayor motivación intrínseca respecto a las tareas laborales?. Es decir, este
tipo de estudio tiene como propósito medir el grado de relación que exista entre dos o
más conceptos o variables.

10: ¿Qué es una hipótesis nula y alterna? Explique y de un ejemplo

Hipótesis nula: construida para anular o refutar, con el objetivo de apoyar una hipótesis
alternativa. Cuando se la utiliza, la hipótesis nula se presume verdadera hasta que una
evidencia estadística en la forma de una prueba empírica de la hipótesis indique lo
contrario. El uso de la hipótesis nula es polémico

Ejemplo: el aprendizaje de los niños se relaciona directamente con su edad.

Hipótesis alterna: descubrir los hechos sobre el mundo que nos rodea. De las
observaciones que hacen y los datos que recogen, tratan de explicar un evento u
observación utilizando la información que está disponible actualmente.
La hipótesis alternativa: de representar a dos declaraciones contradictorias. Se dice que
se excluyen mutuamente y no pueden ser ambas verdaderas. Las propuestas deberán
cubrir todos los posibles resultados de la investigación experimental.

Ejemplo: La hipótesis alternativa para este experimento podría ser que el medicamento
tiene algún efecto sobre el nivel de colesterol del paciente. Esta es una hipótesis muy
generales, lo que es probable que va a trabajar hacia una hipótesis alternativa mucho más
específicas, tales como el tratamiento farmacológico reduce significativamente el nivel de
colesterol del paciente.

11: Defina los tipos de hipótesis que existen según el Texto

Hipótesis general

Hipótesis específica

Hipótesis nula: descubrir los hechos sobre el mundo que nos rodea. De las observaciones
que hacen y los datos que recogen, tratan de explicar un evento u observación utilizando
la información que está disponible actualmente.

Hipótesis alternativa: su función es representar a dos declaraciones contradictorias. Se

dice que se excluyen mutuamente y no pueden ser ambas verdaderas. Las propuestas
deberán cubrir todos los posibles resultados de la investigación experimental.

Ejemplo: La hipótesis alternativa para este experimento podría ser que el medicamento
tiene algún efecto sobre el nivel de colesterol del paciente. Esta es una hipótesis muy
generales, lo que es probable que va a trabajar hacia una hipótesis alternativa mucho más
específicas, tales como el tratamiento farmacológico reduce significativamente el nivel de
colesterol del paciente.

Hipótesis estadística: Son la transformación de las hipótesis de investigación, nulas y alternativas

en símbolos estadísticos. Se pueden formular solamente cuando los datos del estudio que se van a
recolectar y a analizar para probar las hipótesis son cuantitativos.

Hipótesis unitaria.

Hipótesis descriptiva: Se utilizan a veces en estudios descriptivos, son afirmaciones más

generales, y pueden involucrar una variable, dos o más variables.
Hipótesis correlacional: Corresponden a los estudios correlaciónales y pueden establecer la
asociación entre dos o más variables, y también como lo están. Alcanzan el nivel predictivo y
parcialmente explicativo. El orden en que coloquemos las variables no es importante.

12:¿Qué es una variable? Ejemplifique y de un ejemplo

Elemento que se quiere estudiar

Ejemplo: La agresividad presente en la sociedad actual y su repercusión en los alumnos

de educación Básica

Variables que se estudiaran: Agresividad, Sociedad actual, alumnos de educación básica.

13¿Qué tipo de paradigmas Existen en la investigación?

En la investigación existe un paradigma cualitativo y un cuantitativo.

14:¿Qué tipo de diseño metodológico utilizamos para investigar?

El tipo de diseño que se utiliza para investigar es de tipo experimental

15:¿A qué llamamos variable depediente y indepediente de una investigación?

La variable dependiente y la independiente.

Es variable dependiente aquella que se produce en los sujetos en función de las variaciones
en la variable independiente.

Llamamos independiente a la variable cuya asociación o influencia en la variable

dependiente es lo que se pretende descubrir en la investigación. Es controlada por el
investigador.

Son extrañas todas las demás variables que actúan sobre los sujetos durante el
experimento, y que pueden influir en el resultado final.

16:¿A qué llamamos validez interna y externa de una investigación?

validación interna
Existen diversos factores o fuentes que pueden hacer que nos confundamos y no sepamos si
la presencia de una variable independiente surte o no un verdadero efecto. Se trata de
explicaciones rivales a la explicación de que las variables independientes afectan a las
dependientes. A estas explicaciones se les conoce como fuentes de invalidación interna
porque atentan contra la validez interna de un experimento. La validez interna se relaciona
con la calidad del experimento y se logra cuando hay control, cuando los grupos difieren
entre sí solamente en la exposición a la variable independiente (presencia-ausencia o en
grados), cuando las mediciones de la variable dependiente son confiables y válidas, y
cuando el análisis es el adecuado para el tipo de datos que estamos manejando. El control
en un experimento se alcanza eliminando esas explicaciones rivales o fuentes de
invalidación interna.
 1. Historia. Acontecimientos que ocurren durante el desarrollo del experimento, afectan a al
variable dependiente y pueden confundir los resultados experimentales.
2. Maduración. Procesos internos de los participantes que operan como consecuencia del
tiempo y que afectan los resultados del experimento (cansancio, hambre, aburrición,
aumento en la edad y cuestiones similares).
3. Inestabilidad. Poca o nula confiabilidad de las mediciones, fluctuaciones en las personas
seleccionadas o componentes del experimento, o inestabilidad autónoma de mediciones
repetidas aparentemente "equivalentes".
4. Administración de pruebas. Se refiere al efecto que puede tener la aplicación de una
prueba sobre las puntuaciones de pruebas subsecuentes.
5. Instrumentación. Esta fuente hace referencia a cambios en los instrumentos de medición o
en os observadores participantes que pueden producir variaciones en los resultados que
se obtengan.
6. Regresión estadística. Provocado por una tendencia que los sujetos seleccionados sobre la
base de puntuaciones extremas, muestran a regresar, en pruebas posteriores, aun
promedio en la variable en la que fueron seleccionados.
7. Selección. Elegir los sujetos de tal manera que los grupos no sean equiparables. Es decir, si
no se escogen los sujetos de los grupos asegurándose su equivalencia, la selección puede
resultar tendenciosa.
8. Mortalidad experimental. Se refiere a diferencias en la pérdida de participantes entre los
grupos que se comparan.
9. Interacción entre selección y maduración. Se trata de un efecto de maduración que no es
igual en los grupos del experimento, debida a algún factor de selección. La selección da
origen a diferentes tasas de maduración a cambio autónomo entre grupos.
10. Otras interacciones.

El experimentador como fuente de invalidación interna

Otra razón que puede atentar contra la interpretación correcta y certera de los resultados de
un experimento es la interacción entre los sujetos y el experimentador, la cual puede ocurrir
de diferentes formas. Los sujetos pueden entrar al experimento con ciertas actitudes,
expectativas y prejuicios que pueden alterar su comportamiento durante el estudio.
Recordemos que las personas que intervienen en un experimento, de una manera u otra,
tienen motivos precisamente para esa participación y su papel será activo en muchas
ocasiones.
El mismo experimentador puede afectar los resultados de la investigación, pues no es un
observador pasivo que no interactúa, sino un observador activo que puede influir en los
resultados del estudio. Además tiene una serie de motivos que lo llevan a realizar su
experimento y desea probar su hipótesis. Ello puede conducir a que afecte el
comportamiento de los sujetos en dirección de su hipótesis.
Tampoco los sujetos que participan en el experimento deben conocer las hipótesis y
condiciones experimentales; incluso frecuentemente es necesario distraerlos de los
verdaderos propósitos del experimento, aunque al finalizar éste se les debe dar una
explicación completa del experimento.

. ¿Qué es la validez externa?

Un experimento debe buscar ante todo validez interna; es decir, confianza en los resultados.
Lo primero es eliminar las fuentes que atentan contra dicha validez. Es muy deseable que el
experimento tenga validez externa. La validez externa se refiere a qué tan generalizables
son los resultados de un experimento a situaciones no experimentales y a otros sujetos o
poblaciones.

Fuentes de invalidación externa

Factores que pueden amenazar la validez externa, los más comunes son los siguientes:
1. Efecto reactivo o de interacción de las pruebas
Se presenta cuando la preprueba aumenta o disminuye la sensibilidad o la calidad de la
reacción de los sujetos a la variable experimental, haciendo que los resultados obtenidos
para una población con preprueba no pueden generalizarse a quienes forma parte de esa
población pero sin preprueba.
2. Efecto de interacción entre los errores de selección y el tratamiento experimental
Este factor se refiere a que se elijan personas con una o varias características que hagan que
le tratamiento experimental produzca un efecto, que no se daría si las personas no tuvieran
esas características.
3. Efectos reactivos de los tratamientos experimentales
La "artificialidad" de las condiciones puede hacer el contexto experimental resulte atípico
respecto a la manera en que se aplica regularmente el tratamiento.
4. Interferencia de tratamientos múltiples
Si los tratamientos no son de efecto reversible; es decir, si no se pueden borrar sus efectos,
las conclusiones solamente podrán hacerse extensivas a las personas que experimentaron la
misma secuencia de tratamientos.
5. Imposibilidad de replicar los tratamientos
Cuando los tratamientos son tan complejos que no pueden replicarse en situaciones no
experimentales, es difícil, es difícil generalizar a éstas.
Para lograr una mayor validez externa, es conveniente tener grupos lo más perecidos
posible a la mayoría de las personas a quienes se desea generalizar y repetir el experimento
varias veces con diferentes grupos (hasta donde el presupuesto y los costos de tiempo lo
permitan). También, tratar de que el contexto experimental sea lo más similar posible al
contexto que se pretende generalizar.

¿Cuáles pueden ser los contextos de experimentos?

Se han distinguido dos contextos en donde puede tomar lugar un diseño experimental:
laboratorio y campo, Experimento de laboratorio: "un estudio de investigación en el que la
variancia" (efecto) "de todas o casi todas las variables independientes influyentes posibles
no pertinentes al problema inmediato de la investigación se mantiene reducida" (reducido el
efecto) "en un mínimo". Experimento de campo: "un estudio de investigación en una
situación realista en la que una o más variables independientes son manipuladas por el
experimentador en condiciones tan cuidadosamente controladas como lo permite la
situación". La diferencia esencial entre ambos contextos es la "realidad" con que los
experimentos se llevan a cabo, el grado en que el ambiente es natural para los sujetos.
Los experimentos de laboratorio generalmente logran un control más riguroso que los
experimentos de campo, pero antes estos últimos suelen tener mayor validez externa.
Ambos tipos de experimento son deseables.
Algunos han acusado a los experimentos de laboratorio de "artificialidad", de tener poca
validez externa, pero los objetivos primarios de un experimento verdadero son descubrir
relaciones (efectos) en condiciones "puras" y no contaminadas, probar predicciones de
teorías y refinar teorías e hipótesis.

17: ¿ A qué llamamos población y muestra?

Una vez definido el problema a investigar, formulados los objetivos y/o hipótesis,
determinadas las variables y elegido el tipo de diseño de investigación que vamos a utilizar, es
preciso definir cual va ser la población o universo en la que vamos a aplicar nuestra
investigación. La población o universo está formada por todos lo elementos o sujetos que se
quiere estudiar y que podrían ser observados individualmente en el estudio.
Salvo en el caso de poblaciones pequeñas es necesario realizar una selección de los sujetos,
ya que por razones de tiempo, coste y complejidad para la recogida de datos, sería imposible
estudiarlos a todos.
Para ello se utiliza la selección de una muestra de sujetos o elementos, que no es más que la
elección de una parte representativa de una población o universo, cuyas características se
reproducen en pequeño lo más exactamente posible.
Los requisitos fundamentales que debe reunir la muestra son:
- Debe comprender parte del universo y no la totalidad de éste.
- Su tamaño será estadísticamente proporcionado a la magnitud del universo. La
magnitud de la muestra es directamente proporcional a su fiabilidad y vendrá
estadísticamente determinada en unas tablas que existen al efecto.
- Debe ser representativa en cuanto a las características de la población. Si hay distintos
sujetos con distintas características, la muestra deberá representarlos en idénticas
proporciones a las de la población.

18: ¿Cuáles son los tipos de muestra que existe y cuáles son las formas para
seleccionarlas?

ay varios criterios para clasificar las muestras, pero se adoptará el criterio que emite Freud
(1977), Rivas (1991), Moráguez (2005), entre otros, por ser uno de los más difundidos y
empleados en la actualidad.

Las muestras se agrupan en dos grandes dimensiones: Aleatoria y no aleatoria y dentro de

ésta se puede observar otras clasificaciones, siendo estás:

1. Aleatorio Simple: Le da la probabilidad a cada uno de los miembros de una población a ser
elegidos. Es uno de los más empleados y recomendado en las investigaciones sociales y
educacionales, ya que este principio de darle la oportunidad a cada uno de los miembros
 de la población a ser elegidos o tomados como muestra, es lo que permite obtener
conclusiones en la muestra e inferir lo que pudiera ocurrir, a partir de ésta, en la
población, con un elevado grado de pertinencia. Estadísticamente permite inferir a la
población los resultados obtenidos en la muestra (Devore, 2000), (Montgomery, 1999),
(Siegel, 1997),
2. Aleatorio Sistemático: Se hace una lista de la población a intervalos fijos, bien sea
tomando el coeficiente de elevación (ce) como punto de partida; donde:

V. g: Si la población P = 100 elementos y la

muestra

n= 20, entonces: ¿Qué quiere decir esto?

Indica que cada vez que se produzcan piezas en múltiplos de 5, será seleccionada
una para la realización de determinada medición, etc. elementos u objetos
producidos (si se tratara de un proceso de producción de piezas).

También se puede extraer de la lista cada enésimo caso, este método se emplea
mucho en los controles de calidad de producciones seriadas y masivas; pero también
puede ser empleado en las investigaciones en general.

3. Aleatorio Estratificado: Es otra variación del aleatorio simple y consiste en subdividir a la

población en subgrupos o estratos más homogéneos, de los que se toman muestras
aleatorias simples de cada uno de dichos estratos. Hay que evitar que los estratos no se
traslapen. (superpongan o que existan elementos de un estrato en otro).

2.1) Muestreo no aleatorio por accidente: El investigador incluye los elementos que le
son más convenientes para la muestra.

2.2) Muestreo no aleatorio intencional o de juicio: La idea básica que involucra este tipo
de muestra, es que la lógica y el sentido común pueden usarse para seleccionar la muestra
que sea representativa de una población. Ej. Selección de expertos por el método de
experto.

2.3) Muestreo por cuotas: Ésta se obtiene al especificar las características deseadas de los
sujetos que se desea recoger la información y se le deja libertad al investigador para que le
aplique los instrumentos necesarios a las personas con esas características. Ej. Se desea
hacer un estudio de una población estudiantil de los estudiantes que han repetido el 6. grado
y tiene determinada edad o situación en el hogar.

Como en la mayoría de las investigaciones educacionales se trabajan con estratos, los

cuales pueden ser escuelas: de una provincia, o de un municipio, grupos de una escuela o de
diferentes escuelas…, se dirigirá la atención de este trabajo a exponer de forma práctica
cómo seleccionar la muestra de una población conformada por una población de todas los
institutos politécnicos del municipio de Holguín, a los efectos de aplicar instrumentos
diagnóstico de una investigación acerca de ¿Cómo se ha desarrollado el trabajo
metodológico en dichas escuelas?

1. Para poder seleccionar la cantidad de escuelas politécnicas a tomar como muestra

del total de institutos politécnicos (7) del municipio de Holguín, lo cual constituye
la población, vamos a emplear un estadígrafo, que permite determinar el tamaño de
la muestra a partir de la población y teniendo en cuenta el números de estratos a
trabajar (en este caso 7, que son los institutos politécnicos). Para ello plantearemos
una metodología a seguir:

1. Relacionamos la cantidad de estratos que tiene la población, en este caso son

los institutos politécnicos que tiene el municipio de Holguín:

No Nombre de los Institutos Politécnicos

1 Pedro Díaz Coello
2 Panchito Gómez Toro  
3 Camilo Cienfuegos G 
4 Luis de Feria Garayalde
5 José Gómez Wangüemert  
6 Politécnico 26
7 Gral. Calixto García Íñiguez  

2. Observe que a cada estrato (escuela) se le hizo corresponder un número,

comenzando del 1. Este número será constante para cada centro de ahora en
adelante.

3. La cuestión está dada en determinar del total de centros, cuántos tomaremos

como muestra aleatoria simple, por lo que para ello se aplicará el siguiente
estadígrafo:
a. Determinación de la muestra.
4. Determinación de la cantidad de estratos de la población del territorio

2. Selección de la muestra estratificada a partir de la

población seleccionada
   (1), (2)

(*)

Donde:

n0: Cantidad teórica de elementos de la muestra.

n: Cantidad real de elementos de la muestra a partir de la población asumida o de los estratos asumidos en la
población.

N: Número total de elementos que conforman la población, o número de estratos totales de la población.

z: Valor estandarizado en función del grado de confiabilidad de la muestra calculada. Por ejemplo, si
consideramos trabajar con un 95 % de confiabilidad la muestra seleccionada, entonces el valor estandarizado
asumir es igual a 1.96 (Para dos colas).

Algunos valores estandarizados (z) en función de grado de confiabilidad asumido (para dos colas):

Para un: 99 % ------------- z = 2, 58 (Empleado con frec.)

95 % ------------- z = 1, 96 (El más empleado)

90 % ------------- z = 1, 64

Є: Error asumido en el cбlculo. Toda expresión que se calcula contiene un error de cálculo debido a las
aproximaciones decimales que surgen en la división por decimales, error en la selección de la muestra, entre
otras, por lo que este error se puede asumir entre un 1 hasta un 10 %; es decir, que se asume en valores de
probabilidad correspondiente entre un 0.01 hasta un 0.1. No obstante, se propone la siguiente tabla para
valores óptimos del error para el cálculo del número de estratos de una muestra:

 Para 3 ≤ N ≤ 10 --------------------- Se asume Є = 0.1 (un error del 10 %).

 Para N > 10 --------------------- Se asume Є = 0.05 (un error del 5 %).

q: probabilidad de la población que no presenta las características.

Este es un parámetro muy importante, debido a que mediante el mismo se asume qué por ciento o proporción
de la muestra no puede presentar las mismas características de la población, debido a diversos factores
subjetivos y objetivos de los individuos u objetos que conforman la población. Muchos autores plantean esta
probabilidad entre un 1 hasta un 25 %, otros asumen, cuando no se conoce esta variable asumir el valor
máximo de 50 %. Del estudio realizado por este autor se propone la siguiente tabla:

 Para 3 ≤ N ≤ 19 ------- Se asume q = 0,01 (un 1 %).

 Para 20 ≤ N ≤ 29 ------ Se asume q = 0,01 hasta 0,02 (del 1 al 2 %).
 Para 30 ≤ N ≤ 79 ----- Se asume q = 0,02 hasta 0,05 (del 2 al 5 %).
 Para 80 ≤ N ≤ 159 ---- Se asume q = 0,05 hasta 0,10 (del 5 al 10 %).
  Para N ≥ 160 --------- Se asume q = 0,05 hasta 0,20 (del 5 al 20 %).

p: Probabilidad de la población que presenta las características. Dicho de una forma más comprensible, es la
probabilidad que tiene la muestra en poseer las mismas cualidades de la población (homogeneidad) y está
determinada por:

Como p + q = 1 (Probabilidad máxima) [ p = 1 – q

a. En el problema en cuestión se asumió un grado de confiabilidad de un 95 %, por lo tanto: z = 1,96

19: ¿Qué significa recolectar datos?

Una vez que hemos seleccionado el diseño de investigación apropiado y la muestra adecuada de acuerdo con
nuestro problema de estudio e hipótesis, la siguiente etapa consiste en recolectar los datos pertinentes sobre
los atributos, conceptos, cualidades o variables de los participantes, casos sucesos comunidades u objetos
involucrados en la investigación.

20: Nombre tres instrumentos utilizados en la investigación cualitativa y cuantitativa?

Cualitativa Cuantitativa
- - Cuestionarios
- Entrevistas
- Encuesta

21: Explique que es la investigación acción y participativa y en que paradigma de

investigación se sustenta.

22: ¿Qué significa interpretar datos?

23: Nombre las etapas del diseño de investigación

Objetivo General

Objetivo especifico

Formulación de objetivo

Marco teórico

24: Nombre el tipo de investigación que hay dentro del paradigma cualitativo y
cuantitativo
Cualitativo Cuantitativo

25: ¿Qué debe incluir la conclusión de la investigación?

Son una relación clara de las deducciones hechas como consecuencia de la

investigación. Se puede remarcar, por ejemplo, los resultados positivos que se han
observado a raíz de la investigación, los negativos, las cuestiones pendientes, etc.
Pueden incluir resultados cuantitativos.

26: Nombra los tipos de hipótesis que existe.

Hipótesis general

Hipótesis específica

Hipótesis nula

Hipótesis alternativa

Hipótesis estadística

Hipótesis unitaria.

27: ¿Qué es una investigación cuasi experimental? Explique

Una investigación cuasiexperimental sería aquella en la que existe una ‘exposición’, una
‘respuesta’ y una hipótesis para contrastar, pero no hay aleatorización de los sujetos a los grupos
de tratamiento y control, o bien no existe grupo control propiamente dicho.

28: Explique que es un diseño experimental

Una vez que tenemos la información, es decir terminada la fase de recogida de datos,
debemos realizar una serie de tareas para analizarlos. En primer lugar procederemos a
codificarlos, o lo que es lo mismo, a asignarles códigos que faciliten el trabajar estadísticamente
con ellos. Estos códigos pueden ser números o letras, si bien el uso de números facilita el
tratamiento informático de los datos. La asignación de los códigos dependerá de la naturaleza de
las variables que queremos representar.
Toda esta información debe servir a la finalidad de simplificar el manejo de los datos,
posibilitarlo a nivel informático y controlarlo a nivel interpretativo. Esto va a implicar que
debemos conocer perfectamente lo que significa cada código, a qué variable pertenece cada
etiqueta y, en definitiva, se está requiriendo una planificación para la tarea de la codificación.
Tras todo este proceso llegamos a lo que se denomina matriz de datos.
 Una vez que tenemos la matriz de datos se procede a su tratamiento estadístico. En él caben
varias posibilidades, las cuales dependerán del tipo de diseño elegido, del número de la muestra,
etc. En el mercado existen varios paquetes informáticos para el tratamiento estadístico de los
datos.
Una vez que tenemos la información, es decir terminada la fase de recogida de datos,
debemos realizar una serie de tareas para analizarlos. En primer lugar procederemos a
codificarlos, o lo que es lo mismo, a asignarles códigos que faciliten el trabajar estadísticamente
con ellos. Estos códigos pueden ser números o letras, si bien el uso de números facilita el
tratamiento informático de los datos. La asignación de los códigos dependerá de la naturaleza de
las variables que queremos representar.
Toda esta información debe servir a la finalidad de simplificar el manejo de los datos,
posibilitarlo a nivel informático y controlarlo a nivel interpretativo. Esto va a implicar que
debemos conocer perfectamente lo que significa cada código, a qué variable pertenece cada
etiqueta y, en definitiva, se está requiriendo una planificación para la tarea de la codificación.
Tras todo este proceso llegamos a lo que se denomina matriz de datos.
Una vez que tenemos la matriz de datos se procede a su tratamiento estadístico. En él caben
varias posibilidades, las cuales dependerán del tipo de diseño elegido, del número de la muestra,
etc. En el mercado existen varios paquetes informáticos para el tratamiento estadístico de los
datos.

29: ¿ A qué llamamos análisis de contenido?

Una vez que tenemos la información, es decir terminada la fase de recogida de datos,
debemos realizar una serie de tareas para analizarlos. En primer lugar procederemos a
codificarlos, o lo que es lo mismo, a asignarles códigos que faciliten el trabajar estadísticamente
con ellos. Estos códigos pueden ser números o letras, si bien el uso de números facilita el
tratamiento informático de los datos. La asignación de los códigos dependerá de la naturaleza de
las variables que queremos representar.
Toda esta información debe servir a la finalidad de simplificar el manejo de los datos,
posibilitarlo a nivel informático y controlarlo a nivel interpretativo. Esto va a implicar que
debemos conocer perfectamente lo que significa cada código, a qué variable pertenece cada
etiqueta y, en definitiva, se está requiriendo una planificación para la tarea de la codificación.
Tras todo este proceso llegamos a lo que se denomina matriz de datos.
Una vez que tenemos la matriz de datos se procede a su tratamiento estadístico. En él caben
varias posibilidades, las cuales dependerán del tipo de diseño elegido, del número de la muestra,
etc. En el mercado existen varios paquetes informáticos para el tratamiento estadístico de los
datos.