A. Menéndez Taller CES 12_Datos y análisis

12. Datos y análisis • Antes de escribir el cuestionario tener una idea clara de como se van a

analizar los datos (Crowl).

• Incluir solamente ítemes que tienen que ver directamente con el análisis de datos. (Crowl)

12.1 Clasificación de los datos • Cuando se trabaja con datos cuantitativos por lo general los resultados se

presentan como puntuaciones

• pero estas puntuaciones se clasifican como puntuaciones crudas y puntuaciones derivadas.

12.1.1 Puntuaciones crudas • Es la puntuación inicial que obtuvo el sujeto en la prueba. Ej: en una

prueba de 25 puntos como máximo en la que el promedio fue 15 obtuvo 17.

• El problema que tienen es que se hace sumamente difícil compararlas con las puntuaciones de otras personas en otras pruebas. Ej: sacó 20 en otra prueba de 30 donde el promedio fue 19.

12.1.2 Puntuaciones derivadas • Se usan para poder llevar a cabo comparaciones entre exámenes y

personas.

• Hay una gran variedad de puntuaciones derivadas de las que se van a ver superficialmente tres.

1. Puntuaciones de equivalencia de edad y de grado Indican el grado y la edad en que una puntuación es típica. En una prueba el promedio que obtienen los estudiantes de octavo

grado al principio del año escolar es 62, por lo tanto cualquier estudiante que obtenga 62 en esa prueba, independientemente de que esté en sexto o noveno grado será 8.0

Lo mismo sucede con la equivalencia en edad. Si en otra prueba el promedio para los estudiantes de 12 años y cuatro meses es 73 entonces todos los estudiantes que saquen 73 en esa prueba obtendrán una puntuación edad equivalente a 12-4.

50

A. Menéndez Taller CES 12_Datos y análisis

2. Rangos percentiles Indican el porcentaje de estudiantes que obtuvieron una

puntuación cruda dada o menos. Un rango percentil de 90 indica que la persona obtuvo una

puntuación cruda tal que el 90 % de los que tomaron la prueba sacaron la misma o menos.

A menudo se le llama a esto la porcentila, pero no es apropiado.

3.Puntuaciones estandarizadas (puntuaciones z y T) Se obtienen restando el promedio a la puntuación cruda y

dividiendo entre la desviación estándar. El problema que tienen es que se obtienen puntuaciones con

decimales y bajo cero que no son muy bienvenidas por el público en general, por lo tanto la mayor parte de los exámenes estandarizados las cambian a otro tipo de puntuación que no incluya puntuaciones decimales o negativas

Sin embargo se usan frecuentemente en la investigación.

12.2 Clasificación de las escalas para medir los datos

• Los datos, como las variables, pueden ser cuantitativos (números) o categóricos (categorías) y cada tipo de dato puede medirse de dos formas diferentes, utilizando por lo tanto un total de cuatro escalas o medidas diferentes.

• Si los datos son categóricos entonces dependiendo del grado de precisión posible en la medición se utilizan las siguientes dos escalas:

12.2.1 Escala nominal • Se utiliza cuando los datos están clasificados en categorías en las que no

hay ninguna idea de ordenamiento. No se puede decir que una categoría es mejor que otra.

• Ej: colores, religiones, partidos políticos, etc.

• A menudo se asigna un número para diferenciar una de categoría de otra, pero este número no tiene ningún significado más allá de la diferencia que implica.

• Ej: hombres = 1 mujeres = 0

12.2.2 Escala ordinal • Hay orden en este nivel de medición. Se obtiene mayor información

sobre la variable.

51

A. Menéndez Taller CES 12_Datos y análisis

• Implica que una categoría es mejor que otra.

• Ej: Escala Likert: Acuerdo total, acuerdo parcial, desacuerdo, etc.

• En estos casos no se puede medir la diferencia entre uno y otro, aunque es obvio que uno es mayor o mejor que otro.

• En muchas ocasiones se usan números para codificar estas respuestas como acuerdo total (5), acuerdo parcial (4). Estos números sólo representan orden. En ningún momento se implica que la diferencia entre acuerdo total y acuerdo parcial es de una unidad.

12.2.3 Escala intervalar • La diferencia entre dos medidas es significativa.

• Ej: 79 grados es 2 más que 77 grados de temperatura. La diferencia entre 79 y 77 grados es la misma que entre 55 y 53 grados.

• Sin embargo no hay un cero verdadero. El cero en temperatura Fahrenheit es una temperatura seleccionada al azar. El cero en centígrados corresponde a otra temperatura muy diferente.

• El resultado es que, a pesar que 100 es el doble de 50, en una temperatura de 1000 no hace el doble de calor que en una de 500.

12.2 Escala de razón • Tiene un cero real.

• Ejemplo: peso, altura.

• Tiene sentido hablar de que una persona pesa el doble de otra.

• Por lo general esta escala no se encuentra en la investigación social, pero si en ciencias.

12.3 Preparación de los datos para el análisis • Una vez se completa un instrumento es necesario obtener la información

que ofrece sobre cada sujeto y pasar los resultados a una tabla u hoja de sumario que permita identificar los datos recogidos.

• Esto se hacía antes con tarjetas, hoy día este trabajo se hace en la computadora, donde la identificación se debe hacer por medio de un libro de código (codebook).

• Codificación y entrada de datos a la computadora

• Para codificar datos se crea un libro de código (codebook) donde: Se identifican las variables y se asignan las columnas requeridas

para cada una de las variables

52

A. Menéndez Taller CES 12_Datos y análisis

Se asignan códigos para cada valor de las variables no numéricas. Se construye un archivo de datos (data file) en la computadora

donde cada fila corresponde a un sujeto diferente. Esta entrada de datos se puede hacer directamente usando un

procesador de palabras cualquiera, pero se hace difícil para respetar cuando se cambia de variable.

Generalmente se utiliza una hoja electrónica de datos (spreadsheet) como en Excel donde se identifican mejor las columnas y es más fácil la entrada de datos.

Referencias: Crowl, T.K. (1996). Fundamentals of educational research (2nd ed.). Boston: McGraw-Hill. Capt. 7, pp.114-124. Fraenkel, J.R., & Wallen, N.E. (1996). How to design and evaluate research in education. New York: McGraw-Hill. Capt. 7, pp.114-151.

53