Академический Документы
Профессиональный Документы
Культура Документы
2010
2010
Investigacin ex post facto e investigacin experimental _ _ _ _ _ _ _ _ p.3 Clasificacin de los estudios ex post facto _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ p.3 Los estudios descriptivos_ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ p.4 Los estudios de desarrollo _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ p.5 Los estudios comparativo-causales _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _p.7 Los estudios correlacionales _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _p.8 Los estudios basados en el anlisis factorial_ _ _ _ _ _ _ _ _ _ _ _ _ _ _p.13 Los estudios basados en el anlisis causal_ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _p.14 Otras aplicaciones multivariables_ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ p.15 Ventajas e inconvenientes _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ p.16 Cmo lo vamos a trabajar en clase? _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _p.18 Bibliografa _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _p.19
2010
2010
ESTUDIOS DESCRIPTIVOS
Podemos definir investigacin como la descripcin de fenmenos naturales o debidos a la accin del hombre para conocer de forma sistemtica la realidad. Esto es de vital importancia en los procesos de construccin del conocimiento. En nuestro campo, los estudios descriptivos forman una opcin de investigacin cuantitativa con descripciones muy precisas y cuidadosas respecto de fenmenos educativos. Como vemos en Bisquerra, R. (2004), segn Fox, son propios de las primeras etapas del desarrollo de la investigacin, nos proporcionan hechos y datos y nos preparan el camino para la configuracin de nuevas teoras o investigaciones. Centran su atencin en determinar el qu es de un fenmeno educativo e intentan responder a cuestiones sobre el estado presente de cualquier situacin educativa. La recogida de informacin Este tipo de estudios dependen de nuestra capacidad de recogida de datos. Actualmente la investigacin educativa se rige por el uso de un conjunto de instrumentacin, como las pruebas estandarizadas de rendimiento, instrumentos de observacin en clase, las escalas de actitud, los cuestionarios,
2010
las entrevistas y el anlisis de contenido. Estos son una parte de las tcnicas que pueden ser utilizadas en la investigacin descriptiva. Fases en un estudio descriptivo Los pasos habituales en la planificacin de un estudio descriptivo de la investigacin cualitativa son: Identificar y formular el problema a investigar. Establecer los objetivos del estudio. Seleccionar la muestra apropiada. Disear o seleccionar los sistemas de recogida de informacin. Recoger y analizar los datos. Extraer conclusiones.
Los anlisis estadsticos en los estudios descriptivos Normalmente el primer paso es definir las variables, medirlas y finalmente extraer estadsticos que permiten percibir con cierta precisin la muestra. Estos estadsticos suelen ser las medidas de tendencia central y las de variabilidad. Podemos describir datos apoyndonos en sistemas de representacin grfica incluso generar puntuaciones derivadas.
2010
No son fciles de llevar ya que exigen seleccionar una muestra y analizar su evolucin siguiendo a los individuos a lo largo del tiempo, pero son esenciales para explorar la naturaleza y los problemas del desarrollo humano. Resumiendo diramos que la ventaja de usar este mtodo sera el mantener los grupos equivalentes y como desventajas la dificultad para mantener los sujetos de muestra y el dilatado plazo temporal. Los estudios transversales Mantienen el objetivo de estudiar la incidencia del paso del tiempo en el desarrollo de los sujetos, pero en lugar de efectuar el seguimiento de una muestra de sujetos de la misma edad se opta por analizar simultneamente sujetos de diferentes edades de forma que cubran el arco de tiempo propuesto en el estudio. Evidentemente no realizamos el seguimiento de los mismos sujetos y entre ellos existen diferencias, pero a cambio no sera necesario esperar la franja de aos necesaria en los estudios longitudinales. Los estudios de cohortes Describen el cambio mediante la seleccin de muestras distintas para cada momento temporal de recogida de informacin manteniendo estable la poblacin. Una cohorte la forman el conjunto de individuos que comparten algn acontecimiento vital comn, esto acostumbra a ser el ao de nacimiento pero no se excluyen hechos de otro tipo. Sinnimos del trmino cohorte aplicados a nuestro estudio seran promocin, curso, quinta, etc. Los estudios de tendencias Es una variante de los estudios de cohortes. Describen el cambio mediante la extraccin de muestras diferentes de sujetos en cada punto temporal de inters pero, a diferencia de los de cohortes, la poblacin no se mantiene ni nica ni estable. Estos estudios utilizan poblaciones que tienen como caracterstica propia su continua modificacin. Existen variantes en este tipo de diseos, una de ellas consiste en estudiar longitudinalmente varias cohortes diferentes. Tanto en los estudios de tendencias como en los de cohortes se utilizan en numerosas ocasiones datos procedentes de otros estudios anteriores.
2010
A modo resumen diramos que la ventaja de los estudios de tendencias es que se considera que se trata de una situacin bastante habitual en la realidad social y que de su anlisis surgen conclusiones estimable valor. La desventaja sera que al variar cada ao de muestra introducimos elementos contaminantes en el trabajo. Fases en un estudio de desarrollo 1. 2. 3. 4. 5. 6. 7. 8. Identificar y formular el problema a investigar. Establecer los objetivos del estudio. Seleccionar la estrategia metodolgica. Seleccionar las poblaciones y muestras. Disear o seleccionar los sistemas de recogida de informacin. Definir el timing. Recoger y analizar los datos. Extraer conclusiones.
Fases en un estudio comparativo causal 1. Identificar y formular el problema a investigar. 2. Definir la poblacin objeto de estudio. 3. Seleccionar los grupos de comparacin.
2010
4. Seleccionar los instrumentos de recogida de informacin. 5. Recoger y analizar los datos. 6. Extraer las conclusiones. Los anlisis estadsticos en los estudios comparativo causales Fundamentalmente implican comparar grupos a travs de sus estadsticos ms bsicos, generalmente las medias.
2010
Smbolo
Anotaciones Es la tcnica ms estable Preferible para n<10 Usada en el anlisis de tems. Produce correlaciones inferiores que r bis. Usada cuando es posible dicotomizar las variables. Usada en el clculo de correlacin entre tems. Usada para reflejar relaciones no lineales.
R tau r bis.
Biserialpuntual
r pbis.
Dicotmica
Continua
Tetracrica
rt
Dicotomizada
Dicotomizada
Coeficiente fi
fi
Dicotmica
Dicotmica
Coeficiente eta
eta
Continua
Continua
Los coeficientes de correlacin mltiple El coeficiente de correlacin mltiple es un ndice que expresa la relacin existente entre un conjunto de variables que funcionalmente consideramos como independientes respecto de otra que le otorgamos la categora de dependiente, este coeficiente se expresa mediante la letra R. Este coeficiente va de 0 a +1 y no puede ofrecer nunca valores negativos, aunque su interpretacin sigue las mismas pautas que las que sealbamos en la correlacin de Pearson. Adems de este coeficiente existen ms variantes de correlaciones, entre las que podemos destacar:
2010
La correlacin parcial: submodelo que permite establecer el grado de relacin entre dos variables despus de controlar la influencia de una tercera. La correlacin cannica: constituye la mxima expansin posible del modelo de regresin mltiple. Correlaciona un conjunto de variables independientes frente a otro de variables dependientes. El anlisis discriminante: tcnica empleada para distinguir diferentes grupos que haban sido definidos previamente sobre la base de las puntuaciones obtenidas en una o ms variables. Correlacin curvilnea: permite resolver el caso en que la relacin de las variables no es lineal. Interpretacin del coeficiente de correlacin Para valorar la intensidad de los ndices de correlacin, lo habitual es hacerlo calculando su significacin estadstica. En la actualidad los programas estadsticos incorporan dichos clculos y nos facilitan el grado de significacin expresndolo en trminos de probabilidad. Aun as y a efectos prcticos, puede ser til tener presente un cuadro orientador como el siguiente: Coeficiente De 0 a 0.20 De 0.21 a 0.40 De 0.41 a 0.70 De 0.71 a 0.90 De 0.91 a 1 Interpretacin Correlacin prcticamente nula Correlacin baja Correlacin moderada Correlacin alta Correlacin muy alta
Otra manera muy intuitiva de hacerlo es mediante el denominado coeficiente de determinacin, que es el cuadrado del coeficiente de correlacin multiplicado por 100. (Coeficiente de correlacin) x 100
El diseo de investigacin en los estudios correlacionales El diseo bsico, es muy simple e implica recoger datos de dos o ms variables para un conjunto de sujetos y proceder estadsticamente a calcular la correlacin.
10
2010
Una recomendacin fundamental es la de tener siempre presente que para incrementar la probabilidad de alcanzar resultados significativos es imprescindible, para orientarla debidamente y seleccionar correctamente las variables ms substantivas, reflexionar en profundidad desde la propia teora y apoyarse en estudios anteriores. Correlacin y causalidad El que dos variables correlacionen quiere decir que covaran, pero no podemos inferir que una es la causa de la otra. Por ello, deberamos ser muy cautos en las explicaciones derivadas del uso de la correlacin. Es muy importante la teora, los estudios anteriores y la reflexin crtica para guiar la estrategia correlacional. Fases en un estudio correlacional: Identificar y formular el problema a investigar. Establecer los objetivos del estudio. Seleccionar las variables a correlacionar. Disear o seleccionar los sistemas de recogida de informacin. Recoger y analizar los datos. Interpretar los resultados a la luz de la teora. Extraer conclusiones.
Propsito La utilidad y el propsito principal de los estudios correlacinales son saber cmo se puede comportar un concepto o variable conociendo el comportamiento de otra u otras variables relacionadas. Es decir, para intentar predecir el valor aproximado que tendr un grupo de individuos en una variable, a partir del valor que tienen en la variable o variables relacionadas.
Un ejemplo tal vez simple, pero que ayuda a comprender el propsito productivo de los estudios correlacinales, sera el correlacionar el tiempo dedicado a estudiar para un examen con la calificacin obtenida en l. En este caso se mide en un grupo de estudiantes cunto dedica cada uno de ellos a estudiar para el examen y tambin se obtienen sus calificaciones en el examen (mediciones en la otra variable); posteriormente se determina si las dos variables estn o no correlacionadas y, si lo estn, de qu manera. En el caso de que dos variables estn correlacionadas, ello significa que una vara cuando la otra tambin vara (la correlacin puede ser positiva o negativa). Si es positiva quiere decir que sujetos con altos valores en una variable tendern a mostrar altos valores en la otra variable. Por ejemplo, quienes estudian ms tiempo para el examen de estadstica tienden a obtener una ms alta calificacin en el examen. Si es negativa, significa que sujetos con altos valores en una variable tienden a
11
2010
mostrar bajos valores en la otra variable. Por ejemplo, quienes estudian ms tiempo para el examen de estadstica tienden a obtener una calificacin ms baja en el examen. Si no hay correlacin entre las variables, ello nos indica que stas varan sin seguir un patrn sistemtico entre s.
Los estudios correlacinales se distinguen de los descriptivos principalmente en que, mientras estos ltimos se centran en medir con precisin las variables individuales, los estudios correlacinales evalan el grado de relacin entre dos variables (comnmente se incluye ms de una correlacin). Para comprender mejor esta diferencia tomemos un ejemplo sencillo.
Supongamos que un psicoanalista, el doctor Marco Antonio Gonzlez, tiene como pacientes a un matrimonio y que los cnyuges se llaman "Dolores" y "Csar". Puede hablar de ellos de manera individual e independiente, es decir, comentar cmo es Dolores (fsicamente, en cuanto a su personalidad, aficiones, motivaciones, etctera) y cmo es Csar; o bien puede hablar de su relacin, comentando cmo llevan y perciben su matrimonio, cunto tiempo pasan diariamente juntos, qu actividades realizan juntos y otros aspectos similares. En el primer caso la descripcin es individual (si Dolores y Csar fueran las variables, los comentarios del doctor Marco Antonio seran producto de un estudio descriptivo de ambos cnyuges), mientras que en el segundo el enfoque es relacional (el inters primordial es la relacin matrimonial de Dolores y Csar). Desde luego, en un mismo estudio nos puede interesar tanto describir los conceptos y variables de manera individual como la relacin entre ellas.
Correlaciones espurias Puede darse el caso de que dos variables estn aparentemente relacionadas, pero que en realidad no lo estn, y a esto se le llama correlaciones espurias.
Por ejemplo, supngase que llevremos a cabo una investigacin con nios -cuyas edades oscilaran entre los 8 y los 12 aos- con el propsito de analizar qu variables se encuentran relacionadas con la inteligencia y midiramos su inteligencia a travs de alguna prueba. Nos daramos cuenta de que se da la siguiente tendencia: "a mayor estatura, mayor inteligencia"; es decir, los nios con ms estatura tenderan a obtener una calificacin ms alta en la prueba de inteligencia, con respecto a los nios de menor estatura. Estos resultados no tendran sentido; no podramos decir que la estatura esta correlacionada con la inteligencia aunque los resultados del estudio as lo indicaran.
Estamos ante una correlacin espuria cuya "explicacin" no slo es parcial sino errnea; se requerira de una investigacin a nivel explicativo para saber cmo y por qu las variables estn supuestamente relacionadas. El ejemplo citado resulta obvio, pero en ciertas ocasiones no es tan sencillo detectar cundo una correlacin carece de sentido.
12
2010
Los estudios predictivos Constituyen una variante dentro de los correlacionales y fundamentalmente suministran tres tipos de informacin: Determinar hasta qu punto un patrn de conducta puede ser predicho. Suministrar datos para el desarrollo terico acerca de los determinantes del citado patrn de conducta. Presentar evidencias de validez predictiva de una prueba mediante la correlacin de las puntuaciones de los sujetos en la misma y el patrn de conducta utilizndolo como variable criterio. Generalmente el investigador se plantea este tipo de estudio cuando despus de haber estabilizado un coeficiente de correlacin y el conjunto de variables del modelo lineal que lo conforman, decide plantearse la situacin con nimo de poder predecir conductas posteriores de los sujetos a partir de la informacin que sobre ello podemos recoger previamente. Son conjeturas de lo que puede ocurrir, pero basada en hechos y en estudios sistemticos y bien merecen la ms alta consideracin, por tanto nos ayudan, bajo la reflexin crtica y la gua del anlisis terico ms riguroso, a construir conocimiento cientfico en nuestras reas de actuacin.
13
2010
La diferencia entre uno y otro est en el valor que se coloca en la diagonal mayor de la matriz de correlaciones. 3. Rotacin de factores. Una vez extrados los factores contamos con una nueva matriz de correlaciones (denominadas SATURACIONES) entre las variables del estudio y los factores extrados. Para que esta nueva matriz nos ofrezca lo que estamos buscando, cada variable tendr que estar significativamente saturada por UN SOLO factor, a travs de la ROTACIN DE LOS FACTORES. Nuevamente, contamos con dos mtodos bsicos para este paso: Rotacin ortogonal: los factores finalmente extrados son dependientes entre s. Rotacin oblicua: los factores finalmente extrados estn correlacionados. 4. Puntuaciones factoriales. El clculo de las puntuaciones se realiza a partir de la matriz factorial con los mismos principios que la regresin mltiple.
14
2010
La representacin grfica de este anlisis se elabora por medio de flechas, que dependiendo de la direccin que lleven darn nombre a un modelo u otro: Si stas llevan una sola direccin, el modelo es recursivo. Si, por el contrario, aparecen relaciones recprocas y no unidireccionales entre las variables, estaramos hablando de un modelo no-recursivo. Cabe destacar dos conceptos que guardan una importante relacin con los dos modelos anteriores: Variables exgenas, que son aquellas que no reciben la influencia de ninguna otra variable; y variables endgenas, aquellas que s reciben influencia de otras. Modelos de ecuaciones estructurales. Este modelo tambin es conocido como LISREL (Lineal Structural Relationships), como se llama el programa de ordenador que se utiliza para esto. Consta de 4 fases: 1. Especificacin del modelo. Se trata de elaborar un modelo terico, que se representar mediante un diagrama de flujo. 2. Identificacin del modelo, que debe formularse en forma de ecuaciones estructurales asegurndonos de que slo tenga una solucin. Si se incorporan las variables ms relevantes, la identificacin est prcticamente asegurada. 3. Estimacin de parmetros. Se trata de introducir las variables en algn programa informtico que estime los parmetros ms bsicos del modelo para su validacin. 4. Evaluacin del modelo. Consiste en comprobar si el modelo que habamos hipotetizado se ajusta a los datos obtenidos empricamente a travs de la validacin del modelo. Para ellos utilizaremos pruebas similares a las de X cuadrado. Si no se ajustara, habra que modificar el modelo inicial, en el caso de que se pudiese, o sino empezar de nuevo la investigacin.
15
2010
fundamentales de la ciencia, ya que los fenmenos han de estar ordenados para que los podamos comprender. Este modelo pasa por cuatro fases: 1. Seleccin de las variables. Es un paso fundamental, pues es imprescindible detectar las que son realmente relevantes. 2. Determinacin de la medida de proximidad ms pertinente. Es necesario encontrar un criterio para fijar las distancias entre individuos y poder, y con estas mediciones, generar la correspondiente matriz de datos. 3. Agrupacin de los individuos, a travs de dos metodologas: a. Mtodos jerrquicos (los ms usados). b. Mtodos no jerrquicos. 4. Presentacin de los resultados, de manera analtica en forma de tablas numricas, aunque tambin es muy habitual hacer una presentacin grfica (en dendograma es el ms utilizado). Escalamiento multidimensional. Hace referencia a un conjunto de tcnicas que utilizan como datos un conjunto de medidas que reflejan las proximidades* existentes entre cualquier clase de objetos. Su objetivo es identificar si existen dimensiones clave subyacentes a las proximidades calculadas, y a partir de esta informacin probar a situar los objetos dentro de un espacio multidimensional. *Una proximidad es un nmero que nos indica en qu medida dos objetos son similares o diferentes. El anlisis nos ofrece una representacin espacial que consiste en una configuracin geomtrica de puntos cada uno de los cuales se corresponde con cada uno de los objetos dentro de la configuracin. Por tanto refleja la estructura oculta de los datos.
16
2010
Puede dar sentido direccional y proporcionar una fuente fructfera de hiptesis que se pueden probar posteriormente por el ms riguroso mtodo experimental. Inconvenientes: El investigador no puede manipular la variable independiente, por lo que hay una falta de control. No se puede conocer con certeza si el factor causal ha sido incluido o ni si quiera se ha identificado. Es posible que no sea la causa factor singular alguno. Pueden producirse resultados diferentes segn las causas y las situaciones. Cuando se ha descubierto una relacin, existe el problema de decidir cul es la causa y cul el efecto (hay que considerar la causalidad inversa tambin). Que dos factores estn relacionados no establece la causa y el efecto. Puede ser problemtico clasificar en grupo dictomos. Existe la dificultad de interpretacin, y de que se haga la asuncin post hoc (como X precede a O, X es causa de O). A menudo basa sus conclusiones en una muestra demasiado limitada. Suele fallar al individualizar los factores realmente significativos y al reconocer que los hechos tienen causas mltiples. Algunos lo ven un mtodo demasiado flexible. Carece de capacidad de invalidacin y de confirmacin.
Para introducir algo de control: [Adaptado de Cohen y Child] - Podemos equilibrar los sujetos en para hacer pares equilibrados [Ary, D., Jacobs, L.C. y Razavieh, A.: Introduction to Research in Education (Holt, Rinehart and Winston, New York, 1972)]. El problema aparece con la posibilidad de que haya sujetos que no se puedan equilibrar. Entonces - Ary, D., Jacobs, L.C. y Razavieh, A. (1972) sugieren establecer las variables independientes extraas en el diseo y usar un anlisis de tcnica de varianzas. - Otra manera es empleando, cuando sea posible, muestras homogneas sobre una variable dada. - La prueba de hiptesis rivales ofrece explicaciones alternativas. EJEMPLO CAUSALIDAD INVERSA. Un investigador podra, por ejemplo, hacer la hiptesis de que el comportamiento agresivo es el resultado de ver programas violentos de televisin. Sin embargo, la causalidad inversa podra establecer que alguna gente ve programas violentos en televisin porque son agresivos anteriormente.
17
2010
La presentacin ante el grupo de clase va a constar de dos partes en las que se intercalar la parte terica con la prctica del siguiente modo: Se har una breve introduccin a los estudios ex post facto en general, y se explicaran los estudios descriptivos y de desarrollo. En ese momento se llevar a cabo la primera prctica para comprobar si nuestros compaeros han comprendido y asimilado bien esos primeros tipos. Para ello les mostraremos una tabla con datos a travs de la cual podrn comprobar las diferencias entre los estudios transversales, los de tendencias y los de cohorte. Partimos de un estudio propuesto por Bisquerra extrado del libro gua de la asignatura. Nos presenta una tabla de doble entrada en la que se recoge la evolucin del porcentaje de fumadores a lo largo de cuarenta aos y teniendo Ao en cuenta un rango de edad comprendida entre Edad los 20 y los 69 aos. 1945 1955 1965 1975 1985 Pondremos a prueba a la audiencia presente 20 - 29 32% 38% 46% 63% 51% desglosando la tabla anterior. Horizontalmente observamos que no se trata de un estudio 30 - 39 31% 36% 44% 59% 46% longitudinal, ya que no hablamos de los mismos 28% 32% 41% 56% 48% individuos para cada punto de recogida de datos. 40 49 Si analizamos bien, este estudio nos permite 50 59 22% 26% 36% 51% 43% describir el cambio que se produce en el hbito de fumar entre fumadores de la misma edad pero 60 69 16% 21% 28% 36% 32% considerando el cambio de poca, y al haber juntado muestras procedentes de diferentes poblaciones deberamos clasificarlo como un estudio de tendencias. Verticalmente podramos plantear que se trate de un estudio transversal, no es posible ya que se prolonga por cuarenta aos pero s es cierto que es un conjunto de este tipo de estudios. Finalmente podramos plantear que fuese un estudio de cohortes si no fuera porque la poblacin no se mantiene estable, pero si analizamos las diagonales podemos estudiar cmo ha ido evolucionando el porcentaje de fumadores de personas pertenecientes a la misma cohorte a medida que iban pasando los aos. A continuacin reanudaremos las explicaciones del resto de tipos de estudios ex post facto, para concluir con la segunda parte prctica, que consistir en una dinmica de grupo. En sta, se pedir a nuestros compaeros que se dividan en 6 grupos, y a cada uno (grupo) se le dar una hoja con distintos ejemplos de los distintos tipos de estudio ex post facto. Se trata de que identifiquen cada uno y razonen y justifiquen porqu pertenecen a un tipo y no a otro. Para ello se les dejar 5 Minutos. Seguidamente, se le preguntar a distintos grupos por los distintos ejemplos, con la opcin de generar un debate en el que justifiquen sus respuestas. Finalmente se proceder a una breve explicacin de los ejemplos con los que hemos trabajado para aclarar las dudas posibles e intentar que afiancen al mximo los conocimientos adquiridos este da.
18
2010
Bisquerra, R. (2004). Metodologa de la Investigacin Educativa. Madrid: La Muralla, S.A. http://www.dre-learning.com.mx/mdli/parte_4.htm Cohen, L. (2002). Investigacin ex post facto. En Cohen, L. y Manion, L., Mtodos de investigacin educativa (223-241). Madrid: La Muralla, S.A. http://sites.google.com/site/ciefim/investigaci%C3%B3n%E2%80%9Cexpostfacto%E2% 80%9D Len, O.G. (2003). Diseos "ex pos facto". En Len, O.G y Montero, I., Mtodos de Investigacin en psicologa y educacin (359-394). Madrid: Mc Graw Hill. Bernardo, J., y Caldero, J.F. (2000). Investigacin cuantitativa (4); Mtodos no experimentales. En J. Bernardo, y J.F. Caldero, Aprendo a investigar en educacin (7793). Madrid: RIALP, S.A. http://pedagogia.fcep.urv.cat/revistaut/revistes/juny08/article02.pdf
19