El Proceso de Investigación: Etapas, Diseños y Análisis de Datos

El Proceso de Investigación

Investigación: proceso que, utilizando el método científico, permite obtener nuevos conocimientos, resolver dudas, diagnosticar necesidades y problemas, a efectos de aplicar los conocimientos con fines prácticos.

Etapas de la estructura del proceso de investigación

Observación inicial o problema de investigación

Una investigación se inicia cuando existe algún problema que pretendemos solucionar, una incógnita que responder:

• En forma de pregunta.
• Resoluble empíricamente.

La disciplina a la que pertenece el investigador determina el objeto de la investigación.

Generando teorías e hipótesis

Hipótesis: son tentativas de explicación de los fenómenos a estudiar, que se formulan al comienzo de una investigación.

Objetivo: determinar la información y los datos necesarios para responder la incógnita de investigación.

Hipótesis científicas

• Se pueden evaluar empíricamente.
• Concretas.
• Identifican variables.
• Identifican el tipo de relación entre las variables.

Hipótesis no científicas

No se pueden comprobar.

Hipótesis estadísticas

H1: Hipótesis alternativa: es la hipótesis científica. Indica que se ha producido un efecto.

H0: Hipótesis nula: se acepta provisionalmente como verdadera. Indica que un efecto no se ha producido (nula de nulidad de efectos). Se acepta o se rechaza con los análisis de datos.

Hipótesis direccionales

Sugieren una dirección en el efecto. (mejor, aumenta)

Hipótesis no direccionales

No sugieren una dirección en el efecto. (diferente, ni mejor ni peor)

Variables: ¿Qué medir?

Es una propiedad o característica de un objeto de estudio, que puede adoptar o adquirir diversos valores y estos valores son susceptibles de medirse.

Clasificación según su papel en el estudio

VI: Variable Independiente: variable manipulada por el investigador, con el objetivo de que su variación sistemática determine los cambios en la variable dependiente. (ej: estrategia de enseñanza)

VD: Variable Dependiente: cualquier característica en la que se espera encontrar efectos de las variables independientes. Lo que se mide. (ej: rendimiento académico)

Variable independiente → Variable predictora → estrategia enseñanza

Variable dependiente → variable resultado → Rendimiento académico

Investigación experimental | Investigación correlacional

Clasificación según los niveles de medida

Variables Cualitativas/Categóricas

Los números representan categorías de respuesta, no tienen significado métrico, pueden ser:

• Binarias (2 opciones de respuesta, Ser fumador: sí/no)
• Nominales (+ de 2 opciones de respuesta, no es posible ordenarlas, ej: color de pelo, grupo sanguíneo, nacionalidad)

Variables Ordinales

Cualitativa que permite orden (curso, nota, talla de ropa)

Variables Cuantitativas/Continuas

• Discretas: sólo toman valores enteros, no decimales (nº hijos);
• Intervalo: presentan intervalos iguales que representan diferencias iguales en la propiedad que se está midiendo, el 0 es arbitrario (sí decimales);
• Razón: similar a la de intervalo, aunque añaden el 0 que es fijo e indica ausencia de la propiedad que se mide (sí decimales).

2 tipos de diseños de investigación

Diseño correlacional: no hay manipulación de variables, las variables solo se miden, ambientes naturales con cierto grado de control. Nunca se puede inferir causalidad.

Diseño experimental: manipulación de variables, hay grupo de control y experimental, control de variables extrañas, ambientes controlados y artificiales. Se podrá inferir causalidad.

Diseños de investigación: ¿Cómo medirlo?

Clasificación según la forma de recoger los datos

Diseños independientes (diseños entre-sujetos): la VD se mide sólo una vez. La comparación se realiza entre grupos.

Diseño dependiente: los sujetos pasan por todas las condiciones experimentales. La comparación se realiza sobre el mismo grupo de sujetos.

Fuentes de variación en un estudio: Variación en la VD

Sistemática (efecto): provocada por la VI.

No sistemática (error): provocada por otros factores externos.

Población vs Muestra: ¿Dónde medirlo?

Universo o población: conjunto de elementos que comparten una determinada característica. Pueden ser finitas o infinitas, en función de que existan o no censo de la totalidad de sus elementos.

Muestra: subconjunto de elementos de una población. Parte de la población debidamente seleccionada, que es sometida a investigación, con objeto de obtener resultados válidos para el conjunto de la población. Una buena muestra debe:

• Ser representativa de la población, reproduciendo las características de la población.
• Contener una parte del universo pero no todo de él.
• Su amplitud ha de estar proporcionada a la población.

Análisis de los datos

La estadística es la ciencia que recoge, ordena y analiza los datos de una muestra, extraída de cierta población, y que, a partir de esa muestra, valiéndose de la teoría de la probabilidad, se encarga de hacer inferencias acerca de la población.

Estadística descriptiva

• Centralización: Indican valores con respecto a los que los datos parecen agruparse (media, mediana, moda).
• Dispersión: Indican la mayor o menor concentración de los datos con respecto a las medidas de centralización (desviación estándar, rango, varianza).
• Posición: Dividen un conjunto ordenado de datos en grupos con la misma cantidad de individuos (cuantiles, percentiles, cuartiles, deciles).
• Forma: Asimetría y curtosis.

Análisis de los datos

1º) Analizar la distribución de los datos mediante el histograma o gráficos de frecuencias (frecuencia: nº de veces que un determinado valor aparece en la tabla de datos).

2º) Describir las variables mediante el análisis de los estadísticos descriptivos de tendencia central (media, mediana, moda) ¿Cuál de los 3 índices es el + adecuado? Siempre que se pueda, la MEDIA, ya que es el mejor estimador. La MEDIANA se preferirá a la media: cuando la variable esté medida en escala ordinal. Cuando haya valores extremos, ya que distorsionan la interpretación de la media. La MODA se preferirá a la mediana o a la media: cuando la variable esté medida en escala nominal.

3º) Describir las variables mediante el análisis de la dispersión de los datos → grado de diseminación de los datos dentro de la variable. Estadísticos para calcular la dispersión de los datos: rango, rango intercuartil, varianza, desviación típica.

4º) Describir las variables mediante el análisis de la forma de los datos: Asimetría: pretende medir la ausencia de simetría en una distribución. Curtosis: grado de concentración de las puntuaciones en el centro.

Desviación de la distribución normal

Asimetría: cuando hay asimetría: agrupación de los datos hacia los extremos. Existen: Asimetría positiva o negativa.

Curtosis: Curtosis positiva (leptocúrtica): tiene colas menos anchas de lo normal y es muy apuntada. Curtosis negativa (platicúrtica): tiene colas + anchas y tiene una forma chatada, es poco apuntada.

Estadística inferencial

Permite hacer generalizaciones, predicciones y estimaciones de la población.

Estadística descriptiva

Describen los datos recogidos.