Upload
ledung
View
285
Download
3
Embed Size (px)
Citation preview
Dr. Sixto Cubo Delgado. Calidad en la Investigación Científica 1
La Investigación en Educación. Análisis desde una perspectiva de Calidad
Dr. Sixto Cubo Delgado Universidad de Extremadura (España)
DEPARTAMENTO DE EDUCACIÓN
MAESTRÍA EN EDUCACIÓN
DOCTORADO EN CIENCIAS DE LA
EDUCACIÓN
CENTRO DE INVESTIGACIONES Y SERVICIOS EDUCATIVOS
Dr. Sixto Cubo Delgado. Calidad en la Investigación Científica 2
Coordenadas
Inicio Coordenadas
Calidad en el contexto de la universidad española: II Plan de Calidad de las Universidades del Consejo de Coordinación Universitaria del Ministerio de Educación, Cultura y Deportes. Calidad en la Investigación:
En relación con el proceso de desarrollo de la investigación. Garantías en los instrumentos utilizados para recoger datos.
Dr. Sixto Cubo Delgado. Calidad en la Investigación Científica 3
Garantías
Inicio Garantías
En relación con el proceso de desarrollo de la investigación. El concepto es el de validez:
Interna Externa Ecológica De constructo De conclusión estadística
Garantías en los instrumentos utilizados para recoger datos. Objetividad. Fiabilidad Validez
Dr. Sixto Cubo Delgado. Calidad en la Investigación Científica 4
Fuentes documentales
Inicio Fuentes documentales
Campbell, D. T. y Stanley, J. C. (1966). Experimental and Quasiexperimental designs for Research. Chicago: Rand McNally. (traducción en Buenos Aires, Amorrortu, 1973). Cook, T. S. y Campbell, D. T. (1979). Quasiexperimentation. Design and analysis issues for field settings. Boston: Houghton Mifflin Company. Cook, T. D.; Campbell, D. T. y Peracchio, L. (1990). Quasi Experimentation. En M. D. Dunnette y L. M. Hough (eds.), Handbook o industrial and organizational psychology, Vol. I. Palo Alto (CA): Consultiing Psychologist Press, Inc.
Anguera, M. T. (1995). Metodología cualitativa. En M. T. Anguera et al., Métodos de investigación en Psicología. Madrid: Síntesis. Ato, M. (1995). Conceptos básicos. En M. T. Anguera et al., Métodos de investigación en psicología. Madrid: Síntesis. Cubo, S; Martín, B. y Ramos, J. L. (2011). Métodos de Investigación y Análisis de Datos en Ciencias Sociales y de la Salud. Madrid: Pirámide. Guba, E. G. (1983). Criterios de credibilidad en la investigación. En J. Gimeno Sacristán y A. Pérez Gómez, La enseñanza: su teoría y su práctica. Madrid: Akal. Pérez-‐Llantada, M. C. y López de la Llave, A. (2001). La validez en la investigación. En S. Fontes de Gracia et al., Diseños de investigación en psicología. Madrid: UNED. Rodríguez, G.; Gil, J. y García, E. (1996). Metodología de la investigación cualitativa. Archidona (Málaga): Aljibe. Tejedor, F. J. (1981). Validez interna y externa en los diseños experimentales. Revista Española de Pedagogía, 151, 15-‐40.
Dr. Sixto Cubo Delgado. Calidad en la Investigación Científica 5
Reflexión metodológica
Inicio Reflexión metodológica
Dr. Sixto Cubo Delgado. Calidad en la Investigación Científica 6
Objetivos
Inicio Objetivos
1. Realizar una reflexión sobre cuáles son hoy las coordenadas de análisis de la investigación educativa desde las perspectivas metodológicas, estadísticas, sociales, pero sobre todo científicas.
2. Mostrar cuáles son las fuentes de variabilidad en la investigación.
3. Desarrollar el concepto y la clasificación de validez. 4. Explicar las diferentes técnicas de control
experimental que se utilizan para garantizar la validez de la investigación.
5. Sensibilizar acerca de la importancia de desarrollar estrategias metodológicas y matemáticas que garanticen la validez de la investigación educativa.
Dr. Sixto Cubo Delgado. Calidad en la Investigación Científica 7
Variable extraña
Inicio Contenidos Concepto de variable extraña
El concepto de variable extraña, o de variable contaminadora, hace referencia a toda variable, distinta de la variable independiente, que afecta a la variable dependiente. Rodrigues (1975) define variable extraña como “las fuentes de variación, ajenas a la variable independiente, de efectos sistemáticos y no aleatorios, sobre la variable dependiente”.
Dr. Sixto Cubo Delgado. Calidad en la Investigación Científica 8
Fuentes de variación
Inicio Contenidos Concepto de variable extraña Fuentes de variación
V. Primaria80%
V. Error15%
V. Secundaria5%
Dr. Sixto Cubo Delgado. Calidad en la Investigación Científica 9
Error sistemático y aleatorio
Inicio Contenidos Concepto de variable extraña Fuentes de variación
Error sistemático: es el que afecta de forma diferente a las distintas condiciones experimentales. Es el que generalmente conduce a error en la investigación científica porque atribuimos una relación entre una variable independiente y un variable dependiente, cuando en realidad se debe a la relación establecida a una variable extraña con una variable dependiente. Este tipo de error es el que debe evitarse de una manera especial. Error aleatorio: Es el que afecta de igual manera (o suponemos que afecta de la misma manera) a las distintas condiciones experimentales de nuestra investigación. Es un error producido por una variable extraña que se distribuye de manera aleatoria entre todas las condiciones experimentales. El error aleatorio también contamina la investigación pero lo hace de una manera particular.
Dr. Sixto Cubo Delgado. Calidad en la Investigación Científica 10
Ejemplo
Inicio Contenidos Concepto de variable extraña Fuentes de variación
Veamos en el ejemplo que ponemos a continuación, los resultados encontrados al medir la variable dependiente, razonamiento abstracto, en dos condiciones experimentales, una experimental propiamente dicha y otra de control, ambas divididas en dos situaciones: la real, representando la variable razonamiento abstracto, y otra artificial que representa el razonamiento abstracto contaminado por la variable ruido.
Dr. Sixto Cubo Delgado. Calidad en la Investigación Científica 11
Ejemplo con datos
Inicio Contenidos Concepto de variable extraña Fuentes de variación
Grupo experimental Grupo de control
R. Abstracto R. A. + efecto ruido R. Abstracto R. A. + efecto ruido
20 18 14 12
14 12 12 10
27 25 9 7
18 16 7 5
25 23 11 9
17 15 8 6
Dr. Sixto Cubo Delgado. Calidad en la Investigación Científica 12
Ejemplo con t Student
Inicio Contenidos Concepto de variable extraña Fuentes de variación
Dr. Sixto Cubo Delgado. Calidad en la Investigación Científica 13
Kerlinger -‐ Maxmincon
Inicio Contenidos Concepto de variable extraña Fuentes de variación
Ahora bien, ante este panorama ¿cuál es la situación deseada por el investigador? Pues Kerlinger y Lee (2001) la denominó el principio “maxmincon” que significa lo siguiente:
Maximizar la varianza primaria. Controlar la varianza secundaria. Minimizar la varianza error.
Dr. Sixto Cubo Delgado. Calidad en la Investigación Científica 14
Fuentes de variación: posibilidades
Inicio Contenidos Concepto de variable extraña Fuentes de variación
Veamos ahora cuáles son las situaciones que se pueden presentar en la investigación en relación con la varianza (Pereda, 1987):
1. VT = VP
V. P rimaria100%
V. Error0%
V. S ec undaria0%
Dr. Sixto Cubo Delgado. Calidad en la Investigación Científica 15
Fuentes de variación: posibilidades
Inicio Contenidos Concepto de variable extraña Fuentes de variación
2. VT = VS o VT = VS + VE
V. P rimaria0%
V. Error0%
V. S ec undaria100% V. S ec undaria
50%
V. Error50%
V. P rimaria0%
Dr. Sixto Cubo Delgado. Calidad en la Investigación Científica 16
Fuentes de variación: posibilidades
Inicio Contenidos Concepto de variable extraña Fuentes de variación
3. VT = VE
V. S ec undaria0%
V. Error100%
V. P rimaria0%
Dr. Sixto Cubo Delgado. Calidad en la Investigación Científica 17
Fuentes de variación: posibilidades
Inicio Contenidos Concepto de variable extraña Fuentes de variación
4. VT = VP + VS + VE o VT = VP + VS
V. P rimaria80%
V. Error15%
V. S ec undaria5%
V. P rimaria80%
V. Error0%
V. S ec undaria20%
Dr. Sixto Cubo Delgado. Calidad en la Investigación Científica 18
Fuentes de variación: posibilidades
Inicio Contenidos Concepto de variable extraña Fuentes de variación
5. VT = VP + VE
V. P rimaria80%
V. Error20%
V. S ec undaria0%
Dr. Sixto Cubo Delgado. Calidad en la Investigación Científica 20
Fuentes de contaminación
Inicio Contenidos Fuentes de incorporación de variables extrañas
Los sujetos
E lprocedimiento
E l errorprog resivo
Elexperim
entad
or
Losinstrumentos
F uen tes decon tam in ac ión
Dr. Sixto Cubo Delgado. Calidad en la Investigación Científica 21
Fuentes de contaminación: sujetos
Inicio Contenidos Fuentes de incorporación de variables extrañas Variables de sujeto
Hacen referencia a que las diferencias existentes entre los sujetos que participan en la investigación se constituyen en una importante fuente de contaminación experimental. Algunas de las variables responsables de esta contaminación en esta categoría pueden ser las siguientes: la edad, el sexo, las expectativas, la procedencia social, etc.
0
10
20
30
40
50
60
Pretest Postest
G. Experimental G. Control
0
5
10
15
20
25
30
35
40
45
50
Pretest Postest
G. Exp.
Dr. Sixto Cubo Delgado. Calidad en la Investigación Científica 22
Fuentes de contaminación: experimentador Igual que dijimos anteriormente refiriéndonos a las fuentes de contaminación procedentes de los sujetos, variables tales como edad, sexo, ideología, expectativa, etc. del experimentador pueden resultar relevantes en los datos obtenidos, contaminando de esa manera la investigación.
Inicio Contenidos Fuentes de incorporación de variables extrañas El experimentador
Algunas de las variables más estudiadas del efecto experimentador
1. El experimentador como observador.
2. La interpretación de los datos. 3. El error intencional. 4. La personalidad del
investigador.
5. Las expectativas del experimentador.
6. El “modeling effect”. 7. El efecto Greenspoon. 8. El efecto Orne.
Dr. Sixto Cubo Delgado. Calidad en la Investigación Científica 23
Fuentes de contaminación: procedimiento
Inicio Contenidos Fuentes de incorporación de variables extrañas Variables de procedimiento
Se integran en este apartado variables tales como las condiciones ambientales (iluminación, ruido, temperatura, etc.), la tarea a desarrollar (tipo de respuesta que deben dar los sujetos, etc.), o las consignas que los investigadores dan a los sujetos, variables que en ocasiones interactúan con las variables independientes y que se convierten por tanto en una fuente de contaminación experimental.
Dr. Sixto Cubo Delgado. Calidad en la Investigación Científica 24
Fuentes de contaminación: instrumentos
Inicio Contenidos Fuentes de incorporación de variables extrañas Instrumentos
Nos referimos en este apartado, por ejemplo, a los aparatos mecánicos o electrónicos, o a los tests u otros instrumentos de recogida de datos. Es importante en este grupo de variables considerar aspectos tales como la sensibilidad, la fiabilidad, etc. de los instrumentos.
Dr. Sixto Cubo Delgado. Calidad en la Investigación Científica 25
Fuentes de contaminación: error progresivo
Inicio Contenidos Fuentes de incorporación de variables extrañas El error progresivo
Hablamos de error progresivo cuando los mismos sujetos son sometidos a varias condiciones experimentales, produciéndose de esta manera contaminación experimental como consecuencia del efecto acumulado de los diversos tratamientos. Es un problema típico de los diseños intrasujetos, bien de un solo sujeto o de un solo grupo. Existen varios procedimientos para poder obviar el error progresivo; dos de los más frecuentemente utilizados son los siguientes: 1. Dejar transcurrir entre los distintos tratamientos un tiempo
determinado con el objetivo de que desaparezcan los efectos del tratamiento previo.
2. Utilizar la técnica de contrabalanceo que más adelante explicaremos y que básicamente consiste en aleatorizar el orden de presentación de las diferentes condiciones experimentales.
Dr. Sixto Cubo Delgado. Calidad en la Investigación Científica 26
Técnicas de control Definiremos en primer lugar control como aquellos procedimientos que el investigador adopta al diseñar una investigación para garantizar que los cambios ocurridos en la variable dependiente se deben de modo exclusivo a la manipulación ejercida en la variable independiente.
Inicio Contenidos Técnicas de control
Técnicas de control
1. Eliminación. 2. Constancia. 3. Balanceo. 4. Aleatorización. 5. Bloques.
6. Control por el propio sujeto 7. Contrabalanceo. 8. Conversión de la VE en VI. 9. Simple y doble ciego. 10. Estadísticas.
Dr. Sixto Cubo Delgado. Calidad en la Investigación Científica 27
Validez
Inicio Contenidos Validez
Debemos hablar de validez en términos de calidad, de garantías científicas en los resultados encontrados. Relacionamos el concepto de validez de la investigación con el trabajo desarrollado en 1966 por Campbell y Stanley en el que se hace una primera diferenciación entre validez interna y validez externa. La validez interna se relaciona con la posibilidad que tenemos en una investigación determinada de obviar toda posibilidad de hipótesis alternativa. La validez externa con las posibilidades en una investigación particular de generalizar los resultados. Validez interna se relaciona por tanto con rigor y precisión en los resultados y validez externa con generalizabilidad.
Dr. Sixto Cubo Delgado. Calidad en la Investigación Científica 28
Validez: time line
Inicio Contenidos Validez
Veamos el desarrollo del concepto de validez en el tiempo, desarrollo que a nosotros nos va a servir a modo de clasificación:
1966
1979
1986
Validez interna y externa (Campbell y Stanley)
Validez de constructo (Cook y Campbell)Validez ecológ ica (Snow)
Validez de conclusión estadística (Cook y Campbell)
Dr. Sixto Cubo Delgado. Calidad en la Investigación Científica 29
Validez interna
Inicio Contenidos Validez Validez interna
Es la validez que permite al experimentador responder inequívocamente a la pregunta planteada en el problema de la investigación. Diremos que un experimento tiene validez interna cuando se ha eliminado toda posibilidad de hipótesis alternativa, cuando los resultados encontrados en la variable dependiente se deben únicamente a los efectos ejercidos por la variable independiente, o a lo sumo a la variable independiente y factores aleatorios, cuando no hay contaminación experimental. La validez interna debe ser considerada como el requisito mínimo imprescindible sin el cual es imposible interpretar el modelo, y por tanto responder a la pregunta de si en realidad los tratamientos empíricos introducen una diferencia en un caso experimental concreto (Tejedor, 1981).
Dr. Sixto Cubo Delgado. Calidad en la Investigación Científica 30
Validez interna: amenazas
Inicio Contenidos Validez Validez interna Clasificación
Las amenazas a la validez interna pueden clasificarse de la siguiente manera (Campbell y Stanley, 1966; Tejedor, 1981; Pérez-‐Llantada y López de la Llave, 2001): 1. Historia. 2. Maduración. 3. Administración de pruebas. 4. Intrumentación. 5. Regresión estadística. 6. Selección de los sujetos. 7. Mortalidad experimental. 8. Interacción entre selección y maduración.
Dr. Sixto Cubo Delgado. Calidad en la Investigación Científica 31
Validez externa
Inicio Contenidos Validez Validez externa
La validez externa se relaciona con la posibilidad que tenemos en una investigación particular de generalizar los resultados. El análisis de la validez externa permite determinar a qué poblaciones, a qué contextos, a que variables puede generalizarse los resultados de la investigación. Las principales amenazas a la validez externa son las siguientes: 1. Interacción de las pruebas y tratamiento. 2. Interacción entre selección y tratamiento. 3. Efectos reactivos de los dispositivos experimentales. 4. Interferencia de tratamientos múltiples.
Dr. Sixto Cubo Delgado. Calidad en la Investigación Científica 32
Valieez de constructo
Inicio Contenidos Validez Validez de constructo
Cook y Campbell (1979) definen la validez de constructo como el grado de correspondencia entre la medida de la variable dependiente y la manipulación de la variable independiente y el constructo teórico que se está midiendo o manipulando.
Dr. Sixto Cubo Delgado. Calidad en la Investigación Científica 33
Validez ecológica
Inicio Contenidos Validez ecológica
La validez interna y externa no plantean problemas en la comunidad científica en cuanto a su dimensión conceptual, hay un amplio consenso acerca de cuál es su significado y sus implicaciones en la investigación científica, pero no ocurre lo mismo con la validez ecológica. Tres posturas podemos distinguir en relación a la validez ecológica: 1. Campbell y Stanley (1966), Cook y Campbell (1979) y Cook, Campbell y
Peracchio (1990): ignoran por completo el concepto de validez ecológica. 2. Snow (1979) y Kratochwill (1978): integran la validez ecológica dentro de la
validez externa. 3. Bem y Lord (1970): hablan indistintamente de validez externa o de validez
ecológica, no distinguen entre ellas. En nuestro país, revisiones actuales como las realizadas por Ato y Rabadán (1991), Ato (1991, 1995), ignoran totalmente el concepto de validez ecológica. Nosotros, debido a la importancia que el concepto a tenido en relación con la investigación educativa, y a las reflexiones que ha generado en torno a la conveniencia o no de la metodología experimental en la investigación educativa, consideraremos el término, adoptando la posición de Snow, y considerándola por tanto como una parte de la validez externa.
Dr. Sixto Cubo Delgado. Calidad en la Investigación Científica 34
Validez ecológica: amenazas
Inicio Contenidos Validez ecológica Amenazas
Veamos cuáles son las principales amenazas a la validez ecológica (Morales, 1981; Willems y Raush, 1969): 1. La restricción del repertorio input del sujeto, es decir, el
conjunto de estímulos a los que van a estar expuestos los sujetos. En la situación de laboratorio los sujetos están expuestos a una configuración estimular restringida, en la realidad las variables bajo estudio se presentan asociadas a numerosas variables que forman parte del contexto natural en las que esas variables se presentan.
2. La restricción del repertorio output del sujeto, es decir, el conjunto de respuestas que los sujetos pueden emitir. En la situación de laboratorio los sujetos pueden emitir sólo respuestas asociadas a la variable dependiente, en la realidad los sujetos pueden emitir múltiples respuestas asociadas a la variable dependiente.
3. La investigación experimental vincula variables que en contextos naturales van habitualmente separadas, o separa variables que generalmente van unidas.
Dr. Sixto Cubo Delgado. Calidad en la Investigación Científica 35
Validez de conclusión estadística
Inicio Contenidos Validez de conclusión estadística
Este tipo de validez se relaciona con el proceso de inferencia que todo investigador realiza acerca de la posible relación de causalidad entre una variable independiente y una dependiente. Cuando hablamos de inferencia en relación a una hipótesis de trabajo, podemos cometer dos tipos de errores:
Error de Tipo I: cometemos este error cuando se rechaza la hipótesis nula asegurando que existe relación o diferencia entre las variables, cuando en realidad se debe al azar. Es decir, cuando indebidamente rechazamos la hipótesis nula. La probabilidad de cometer un error de tipo I depende del nivel de confianza al que se trabaje, de esta manera, si trabajamos con un nivel de confianza del 95%, asumimos un riesgo de cometer un error de tipo I del 5%, el nivel de significación por tanto será igual a 0,05 (α=0,05). Error de Tipo II: se comete este error cuando aceptamos la hipótesis nula, siendo en realidad falsa. La probabilidad de cometer un error de tipo II es igual a 1-‐α. Por tanto, si trabajamos con un nivel de confianza del 95%, la probabilidad de cometer este error será igual a 1-‐0,05=0,95 (β=0,95).
Dr. Sixto Cubo Delgado. Calidad en la Investigación Científica 36
Validez de conclusión estadística: representación
Amón (1993) representa el proceso de toma de decisiones sobre la hipótesis nula de la siguiente manera:
Inicio Contenidos Validez de conclusión estadística
H0 verdadera H0 falsa
Aceptamos la H0 Decisión correcta Error de Tipo II
Rechazamos la H0 Error de Tipo I Decisión correcta
Dr. Sixto Cubo Delgado. Calidad en la Investigación Científica 37
Validez de conclusión estadística: amenazas
Veamos ahora cuáles son las principales amenazas a la validez de conclusión estadística (Pérez-‐Llantada y López de la Llave, 2001): 1. Violación de los supuestos del modelo
estadístico. 2. Escasa potencia de la prueba estadística:
1. El tamaño del efecto. 2. El nivel α de significación. 3. El tamaño de la muestra.
Inicio Contenidos Validez de conclusión estadística Amenazas
Dr. Sixto Cubo Delgado. Calidad en la Investigación Científica 38
Validez de conclusión estadística: pruebas paramétricas
Los análisis estadísticos que se realizan para contrastar empíricamente la hipótesis de trabajo se basan en dos supuestos: 1. Los datos obtenidos al medir las variables dependientes pueden ser
considerados como una muestra representativa de los valores de la población.
2. Los valores de la población deben ajustarse a un patrón o modelo matemático determinado. Por ejemplo, si deseamos aplicar una prueba paramétrica, se deben cumplir los siguientes supuestos: 1. La variable dependiente se debe haber medido al menos a un nivel de
intervalo. 2. La distribución de las poblaciones de las que provienen los datos debe
ajustarse a la distribución normal. 3. Las poblaciones de referencia deben tener homoscedasticidad, es
decir, las diferencias entre las varianzas no son estadísticamente significativas.
4. La selección de la muestra se ha hecho de forma aleatoria.
Inicio Contenidos Validez de conclusión estadística Amenazas Violación de los supuestos del modelo est.
Dr. Sixto Cubo Delgado. Calidad en la Investigación Científica 39
Validez de conclusión estadística: magnitud de la potencia
La potencia estadística es definida por Cohen (1988) como la capacidad de una prueba estadística para detectar una relación entre variables. La magnitud de la potencia depende de tres factores: 1. El tamaño del efecto: es definido por Kazdin (1992) como la magnitud
de la diferencia entre condiciones o como la magnitud del impacto del tratamiento.
2. El nivel α de significación: es la probabilidad de cometer un error de tipo I en la investigación.
3. El tamaño de la muestra: es una variable de extraordinaria importancia en relación con la potencia del diseño y con el tamaño del efecto. En este sentido puede afirmarse lo siguiente: 1. A medida que aumenta el tamaño de la muestra puede fijarse un nivel
de significación más pequeño. 2. A mayor tamaño muestral, mayor nivel de potencia. 3. Tamaños muestrales grandes permiten detectar tamaños de efectos
pequeños. Inicio Contenidos Validez de conclusión estadística Amenazas Escasa potencia de la prueba estadística
Dr. Sixto Cubo Delgado. Calidad en la Investigación Científica 40
Validez de conclusión estadística: reflexión
Inicio Contenidos Validez de conclusión estadística Reflexión
La significación estadística debemos situarla también en un contexto metodológico determinado. No es igual hablar de significación estadística en un diseño intergrupo mediante el cual se pretende valorar, por ejemplo, la eficacia de un método pedagógico determinado, que en un diseño de n = 1 mediante el que se investiga la eficacia de una intervención clínica. En el segundo caso procede hablar, claro está, de significación estadística, pero también de significación clínica. Veamos como ejemplo los siguientes resultados que expresan las mediciones de consumo de alcohol de un sujeto bajo tratamiento psicológico en tres momentos: línea base, tratamiento y seguimiento.
0
0,5
1
1,5
2
2,5
3
3,5
1 2 3 4 5 1 2 3 4 5 1 2 3 4 5
Dr. Sixto Cubo Delgado. Calidad en la Investigación Científica 42
Validez en la investigación cualitativa: referentes
Los referentes para nosotros en este apartado los tenemos en Guba (1978, 1979, 1983 y 1985) y Anguera (1995). La seguridad científica en los resultados obtenidos mediante procedimientos propios de la investigación cualitativa debemos relacionarla con el concepto de validez, entendiendo por validez en este contexto, y acudiendo a la terminología de Guba (1983), credibilidad. Guba y Lincoln (1985) elaboran la siguiente tabla acerca de la relación establecida entre los conceptos de credibilidad (o validez) en la investigación cualitativa y la cuantitativa:
Inicio Contenidos Validez en la investigación cualitativa
Dr. Sixto Cubo Delgado. Calidad en la Investigación Científica 43
Validez en la investigación cualitativa: Guba
Inicio Contenidos Validez en la investigación cualitativa
Aspecto Término científico Término naturalista
Valor de verdad Validez interna Credibilidad
Aplicabilidad Validez externa o generalizabilidad
Transferibilidad
Consistencia Fiabilidad Dependencia
Neutralidad Objetividad Confirmabilidad
Dr. Sixto Cubo Delgado. Calidad en la Investigación Científica 44
Validez en la investigación cualitativa: M. T. Anguera
Inicio Contenidos Validez en la investigación cualitativa
Por su parte, Anguera (1995), dice que teniendo en cuenta las características de la metodología cualitativa, nos pueden surgir dudas acerca de las garantías científicas de este tipo de investigaciones. Comenta que se pueden señalar diversos marcos de exigencia (Erikson, 1986; Zabalza, 1991) respecto a las condiciones de legitimidad metodológica: 1. Representatividad, relevancia y plausibilidad de los datos
(validez semántica de la investigación). 2. Fundamentación teórica de la investigación y de los análisis e
interpretaciones que incluye (validez hermenéutica de la investigación).
3. Dinámica relacional de la investigación (validez pragmática).
Universidad de Extremadura Facultad de Educación
Lima, Diciembre de 2014 [email protected]
Muchas gracias!!!